01
课程导论：为什么需要协同调参？
规划与控制的爱恨情仇 · 协同必要性全景
导论思维
02
基础概念：模块接口定义
路径/速度/轨迹 · PID/MPC 接口规范
规划控制
03
工具链搭建：仿真与可视化
CARLA/SUMO + Matplotlib/Plotly 配置
环境Python
04
参数敏感性分析
Sobol / Morris · 识别关键参数
分析Sobol
05
单目标优化：网格与随机搜索
轨迹跟踪误差最小化 · 超参扫描
优化搜索
06
多目标优化：帕累托与NSGA-II
舒适性 vs 跟踪精度 · 帕累托前沿
NSGA-II权衡
07
贝叶斯优化：GPyOpt / Optuna
高效参数空间探索 · 概率代理模型
贝叶斯Optuna
08
强化学习辅助调参
MDP建模 · DQN/PPO策略学习
RLPPO
09
基于模型的调参
系统辨识 · ARX预测参数影响
辨识ARX
10
鲁棒性验证：蒙特卡洛与最坏情况
噪声下稳定性 · 最坏情况分析
鲁棒MC
11
协同调参框架设计
解耦与耦合 · 联合/分步优化
框架策略
12
案例实战1：高速公路联合调优
纵向PID + 横向Stanley 控制
实战高速
13
案例实战2：城市交叉口协同
行为规划(换道/跟车) + MPC
实战交叉口
14
案例实战3：泊车场景参数匹配
A*路径规划 + 纯跟踪控制
实战泊车
15
参数空间降维：PCA与自编码器
主成分分析 · 参数可视化
降维PCA
16
在线自适应调参
梯度下降 / 扩展卡尔曼滤波实时更新
在线EKF
17
调参自动化流水线：CI/CD
Docker + Kubernetes 大规模扫描
DevOpsK8s
18
可视化分析：平行坐标与散点矩阵
参数-性能关系探索
可视化分析
19
调参日志管理：MLflow / W&B
实验元数据 · 模型版本记录
MLflowW&B
20
团队协作调参：Git LFS & Jupyter
大参数文件管理 · 共享分析
协作Git
21
硬件在环（HIL）调参
仿真→实车 缩放与校准
HIL实车
22
安全约束处理
碰撞时间TTC · 横向加速度约束
安全TTC
23
调参效率提升：并行与早停
Joblib/Ray · 学习曲线衰减
并行早停
24
参数可解释性：SHAP / LIME
每个参数对性能的贡献解释
可解释SHAP
25
常见陷阱与避坑指南
过拟合仿真 · 执行器延迟 · 参数耦合
经验陷阱
26
调参经验总结：五年量产心法
三个量产项目沉淀
心法量产
27
前沿趋势：扩散模型与端到端
参数生成 · 端到端调参探索
前沿扩散
28
课程总结：系统级协同优化
从单点调优到系统思维转变
总结思维
29
附录A：调参工具对比与选型
Optuna · Hyperopt · SMAC3
工具对比
30
附录B：面试题与实战项目建议
精选面试题 · 项目推荐
面试项目