3. 参数调优方法论：仿真、实车与A/B测试
参数调优这事儿，说难不难，说简单也不简单。我见过太多团队，上来就往实车上刷参数，结果不是冲出跑道就是刹车点头点到乘客晕车。嗯，这里要注意——调优得有章法，不能靠玄学。
我个人习惯把调优分成三个层次：仿真里筛、实车上标、对比中验。这三层缺一不可，顺序也不能乱。你想想看，仿真都过不了的参数，你敢往实车上放吗？
核心原则：仿真保安全，实车保体验，A/B测试保置信。先快后慢，先粗后精。
3.1 基于仿真的调优流程
仿真调优是我的第一道防线。说白了，就是把参数扔进虚拟环境里跑，看它会不会出幺蛾子。我在项目中遇到过最典型的情况：一组参数在仿真里表现完美，上了实车却一塌糊涂。为什么？因为仿真永远只是近似，不是真实。
但仿真有个巨大的优势——快。实车跑一遍的场景，仿真里能跑一千遍。我建议按以下步骤来：
- 搭建场景库：把典型工况、极端工况、corner case 都录进去。别偷懒，场景越多，后面坑越少。
- 批量回放：用同一组参数跑所有场景，记录每个场景下的评价指标。
- 参数扫描：对关键参数做网格搜索或随机搜索，看参数变化对输出的影响。
- 筛选候选集：淘汰掉明显不合格的参数组合，保留前 10%~20% 进入下一轮。
小技巧：仿真里我习惯把加速度 jerk 和冲击度都打出来。很多时候参数看着没问题，但 jerk 曲线一抖，就知道要出事。我曾经因为没看 jerk，让一组参数混进了实车测试，结果起步像被人踹了一脚——从那以后，仿真报告里必须附 jerk 曲线。
3.2 基于实车的标定流程
仿真筛完了，就该上车了。实车标定和仿真完全是两码事——仿真看数据，实车还要看感觉。
我记得第一次做实车标定时，带我的老工程师说了一句话，我一直记着：「数据是冷的，屁股是热的。」什么意思？就是指标再漂亮，坐着不舒服就是不行。
实车标定我一般分三步走：
| 步骤 | 内容 | 关注点 | 耗时参考 |
|---|---|---|---|
| Step 1 | 安全验证 | 制动距离、碰撞风险、功能安全 | 1~2 天 |
| Step 2 | 主观调校 | 起步平顺、跟车舒适、弯道信心 | 3~5 天 |
| Step 3 | 客观标定 | 加速度曲线、jerk 峰值、跟踪误差 | 2~3 天 |
这里有个坑：不要一次改太多参数。我见过有人一次调了七八个参数，结果车跑起来怪怪的，根本不知道是哪个参数惹的祸。我的习惯是——每次只改一个参数，跑一圈，记下来，再改下一个。
警告：实车标定前，务必确认仿真场景中已经覆盖了当前标定路段的所有特征。我曾经在一条有连续减速带的路上做标定，结果参数对减速带的响应完全没在仿真里验证过——那天下午，我的腰差点废了。
3.3 A/B测试与对比分析
调完了，怎么知道新参数比旧参数好？靠感觉？不行。靠拍脑袋？更不行。得靠A/B测试。
A/B测试的核心逻辑很简单：同一场景、同一条件，分别用旧参数和新参数跑，然后对比结果。但实际操作中，有几个细节要注意：
- 控制变量：天气、路面、负载、驾驶员——能控的全控住。有一次我忘了关空调，结果新旧参数对比差了 0.2 m/s² 的加速度，查了半天才发现是压缩机在捣乱。
- 重复采样：单次测试不可信。我一般每组参数至少跑 5 遍，取中位数或均值。
- 统计检验：别只看均值。用 t 检验或 Wilcoxon 检验，看看差异是不是显著的。
对比分析时，我习惯用一张表把关键指标列出来：
| 指标 | 旧参数 | 新参数 | 变化量 | 显著性 |
|---|---|---|---|---|
| 最大加速度 (m/s²) | 2.85 | 2.61 | -8.4% | p < 0.01 |
| 平均 jerk (m/s³) | 1.42 | 1.18 | -16.9% | p < 0.05 |
| 跟车误差 (m) | 0.73 | 0.65 | -11.0% | p < 0.05 |
| 主观评分 (1-10) | 6.5 | 8.0 | +23.1% | p < 0.10 |
你看，新参数在客观指标上全面占优，主观评分也高了 1.5 分。但注意——主观评分的 p 值是 0.10，还没到 0.05 的显著性门槛。这说明什么？说明样本量还不够，或者评分者的意见不一致。这时候我会选择再补几组测试，而不是急着下结论。
我的经验：A/B测试不是为了证明「新参数好」，而是为了证明「新参数在哪些方面好、好多少、是否值得换」。有时候新参数在 90% 的场景下更好，但在 10% 的场景下变差了——这时候你要权衡，是接受 trade-off，还是继续调。
嗯，以上就是参数调优方法论的三个层次。仿真帮你快速排除错误答案，实车帮你找到真实手感，A/B测试帮你确认到底有没有变好。三者循环迭代，参数才能越调越稳。