2. Robotaxi系统概述
Robotaxi 并不是“把司机拿掉”这么简单，它是一个在开放道路上持续运行、面向公众提供出行服务的自动驾驶系统。理解 Robotaxi，需要先建立三个基本坐标：它处在自动驾驶分级的哪一级、由哪些子系统构成、靠什么传感器和计算平台支撑，以及它最终服务于哪些场景。本节围绕这五个问题展开，为后续数据闭环与持续迭代建立系统级认知。
一、自动驾驶分级：从 L0 到 L5 的能力边界
SAE J3016 将驾驶自动化分为 L0 至 L5 六个等级，核心区分维度是“动态驾驶任务由谁执行”和“设计运行范围由谁负责”。L0 至 L2 属于辅助驾驶，驾驶员始终是责任主体；L3 是分水岭，系统在特定条件下可完成全部动态驾驶任务，但驾驶员需在请求时接管；L4 在限定设计运行范围内无需人类接管；L5 则要求全场景、全地域无限制。
Robotaxi 的工程目标通常锚定 L4。这意味着系统必须在指定城市、指定天气与道路条件下，独立完成感知、决策、规划与控制，并具备最小风险状态（MRM）能力。需要特别注意的是，L4 的“无人”是相对于设计运行范围而言的，一旦超出 ODD，系统必须能够安全降级，而不是继续冒险行驶。
关键理解：分级不是“技术先进程度排行榜”，而是责任边界与运行条件的契约。Robotaxi 的合规与安全设计，必须围绕 ODD 展开，而不是笼统宣称“L4 能力”。
二、Robotaxi 系统组成：车、云、运营三位一体
从工程视角看，Robotaxi 系统由三大部分构成：车端自动驾驶系统、云端数据与运营平台、出行服务与运维体系。车端负责实时感知与驾驶；云端负责数据回传、模型训练、仿真验证与 OTA 下发；运营体系负责接单、调度、清洁、充电、故障处置与远程协助。
车端自动驾驶系统又可细分为感知、定位、预测、决策规划、控制、线控底盘、安全冗余与 HMI 等模块。其中，安全冗余是 Robotaxi 区别于普通辅助驾驶的关键：转向、制动、电源、通信、计算往往需要双冗余甚至多冗余设计，确保单点失效不会直接导致失控。
三、传感器配置：多模态冗余是安全底座
Robotaxi 的传感器配置通常采用“摄像头 + 激光雷达 + 毫米波雷达 + 超声波 + GNSS/IMU”的多模态组合。摄像头提供丰富语义与纹理，激光雷达提供高精度三维几何，毫米波雷达在雨雾、夜间等条件下具备稳定测距测速能力。三者互补，形成对远距、近距、盲区与恶劣天气的覆盖。
典型配置中，前向长距激光雷达负责 150 米以上目标检测，侧向与后向激光雷达覆盖近距盲区；环视摄像头用于近距离感知与泊车；前向毫米波雷达用于高速场景的远距跟踪。传感器融合层需要完成时间同步、空间标定与目标级/特征级融合，任何标定漂移都可能引发误检或漏检。
| 传感器 | 典型作用 | 优势 | 局限 |
|---|---|---|---|
| 摄像头 | 车道线、交通灯、标志、行人识别 | 语义丰富、成本低 | 受光照与天气影响大 |
| 激光雷达 | 三维目标检测、可行驶区域构建 | 测距精度高、点云直接 | 雨雾衰减、成本较高 |
| 毫米波雷达 | 远距测速测距、盲区监测 | 全天候、穿透性强 | 角度分辨率有限 |
| GNSS/IMU | 全局定位、姿态与航向估计 | 绝对位置参考 | 城市峡谷易受遮挡 |
四、计算平台：从芯片到中间件的分层架构
计算平台是 Robotaxi 的“大脑”，通常采用异构计算架构：GPU 负责深度学习推理，CPU 负责逻辑调度与规控，专用加速器负责点云处理或图像预处理。车端算力需求通常在数百 TOPS 级别，同时必须满足车规级功耗、散热与功能安全要求。
软件层面，计算平台一般分为操作系统与中间件、感知与规控算法、功能安全与监控三层。中间件负责进程通信、时间同步与数据分发；监控层负责心跳检测、看门狗与故障降级。以下是一个典型的车端软件启动与监控配置片段：
# robotaxi 车端核心进程监控配置（示例）
process:
- name: perception_fusion
heartbeat: 100ms
restart: on-failure
degrade: safe_stop
- name: planning_control
heartbeat: 50ms
restart: on-failure
degrade: mrm
- name: vehicle_interface
heartbeat: 20ms
restart: always
degrade: emergency_brake
watchdog:
timeout: 500ms
action: trigger_mrm
工程提示：计算平台设计不能只看峰值算力，还要看持续功耗、散热能力、内存带宽与故障隔离能力。Robotaxi 长时间连续运行，热降频会直接导致推理延迟上升，进而影响安全。
五、典型应用场景与常见误区
Robotaxi 的典型场景包括：城市公开道路的网约车出行、机场与高铁站的接驳、园区与景区的固定路线接驳、夜间低流量区域的出行服务等。不同场景对 ODD 的要求差异很大：机场接驳强调高精地图与固定上下客点，城市公开道路则要求更强的交互与博弈能力。
常见误区有三类：第一，把“演示视频”等同于“可运营能力”，忽略长尾场景与故障处置；第二，只关注单车智能，忽视云端数据闭环与 OTA 迭代；第三，低估运维成本，实际上清洁、充电、维保与远程协助往往占据大量运营资源。
复盘要点：Robotaxi 的竞争力不只在算法，而在“车—云—运营”整体闭环的效率。传感器与计算平台决定能力上限，数据闭环决定迭代速度，运营体系决定商业可持续性。
综上，Robotaxi 系统概述可以概括为：以 L4 为能力目标，以 ODD 为运行边界，以多模态传感器为感知底座，以异构计算平台为算力支撑，以车云运营闭环为迭代引擎。理解这五个维度，才能进一步讨论数据闭环与持续迭代工程的具体方法。