3. 系统架构

无人车的低延迟控制并非单一模块的优化问题，而是对整个“感知-决策-控制”闭环链路的时间预算管理。任何一个环节的延迟超支，都会直接反映到车辆控制的实时性与稳定性上。理解这条链路上每一处延迟的来源、量级与传播方式，是进行延迟预算分配、系统调优和架构设计的前提。本章将沿着数据流动的方向，逐段拆解延迟的构成，并分析其对控制品质的具体影响。

3.1 感知链路延迟：从物理世界到数字世界的映射时延

感知层是延迟链路的起点，其延迟决定了控制系统“看到”的世界是多久之前的。感知延迟主要由传感器采集时间、数据传输时间、算法处理时间和结果发布周期四部分构成。

• 传感器采集延迟：相机曝光时间（通常10-30ms）、激光雷达扫描周期（10-20ms）、毫米波雷达帧周期（约50ms）。IMU虽然采样率高（100-500Hz），但数据到达计算平台时存在传输抖动。
• 数据预处理延迟：包括时间戳同步、畸变校正、点云去噪等操作，通常消耗2-8ms。若传感器时钟未同步，还会引入额外的等待延迟。
• 感知算法推理延迟：目标检测（YOLO系列约15-35ms）、语义分割（30-60ms）、多传感器融合（5-15ms）。这部分延迟与算力、模型复杂度直接相关。
• 结果发布周期：感知模块通常以固定频率（10-30Hz）输出结果，即使算法实际耗时更短，也要等待下一个发布周期，产生平均半个周期的等待延迟。

感知延迟对控制的影响具有“放大效应”。以60km/h行驶的车辆为例，每100ms延迟意味着车辆向前行驶了1.67米。当感知结果滞后于真实世界时，控制器实际上在基于过去的位置进行决策，这会导致路径跟踪出现稳态误差，尤其在弯道中表现为“切弯”或“外抛”。

3.2 决策与规划延迟：计算复杂度与实时性的博弈

决策层接收感知结果后，需要完成行为决策、运动规划和轨迹优化。这一层的延迟主要来源于算法计算时间和调度等待时间。

决策延迟的典型特征是“非固定周期”。规划算法在遇到复杂场景（如密集车流、突然切入的障碍物）时，计算时间可能呈指数级增长。这种计算时间的突发性会导致控制指令的“空洞”——即某个控制周期没有新的轨迹输入，控制器只能沿用旧轨迹或进行插值，从而引入额外的等效延迟。

3.3 控制与执行链路延迟：从指令到响应的最后一公里

控制层延迟相对较小但同样关键，包括控制周期等待、控制算法计算和指令序列化时间。执行层延迟则涉及通信总线传输、执行器响应和机械动作时间。

1. 控制周期等待：若控制周期为10ms，而轨迹更新周期为50ms，则控制器需要等待新的参考点，平均等待25ms。这是控制层延迟的主要来源。
2. 控制算法计算：PID控制在微秒级，MPC控制在5-20ms。MPC的延迟与预测时域长度、约束数量强相关。
3. 通信传输：CAN总线传输延迟约1-3ms（取决于报文优先级和总线负载），以太网传输约0.5-2ms。高优先级报文（如制动指令）可以抢占低优先级报文，但这也可能导致其他指令的延迟抖动。
4. 执行器响应：转向电机从收到指令到达到目标转角需要30-100ms（取决于转向速度限制），制动系统建压需要50-200ms，驱动电机响应相对较快（10-30ms）。

执行层延迟具有明显的“低通滤波”特性——执行器无法响应高频控制指令，这实际上对控制系统形成了一种物理约束。如果控制算法不考虑执行器延迟，设计的控制增益可能过高，导致系统振荡。

3.4 延迟的级联效应与系统稳定性影响

延迟在链路中不是简单相加，而是存在级联放大效应。感知延迟导致轨迹规划基于过时信息，规划延迟导致控制指令滞后，执行延迟导致实际轨迹偏离参考轨迹。这种级联效应可以用“总延迟 = 感知延迟 + 决策延迟 + 控制延迟 + 执行延迟 + 反馈延迟”来近似，但实际影响远非线性叠加。

从控制理论角度看，延迟会降低系统的相位裕度。一个原本稳定的控制系统，在引入100ms延迟后，相位裕度可能从45°降至20°以下，导致系统在高速工况下出现振荡。具体表现为：车辆在直线行驶时出现轻微蛇形，在弯道中转向过度或不足，在停车时出现反复点头。

延迟对控制品质的影响可以通过以下量化指标评估：

• 跟踪误差：横向偏差和航向偏差随延迟增加近似线性增长。延迟每增加50ms，弯道跟踪误差约增大30-50%。
• 控制能量：为补偿延迟，控制器需要输出更大的控制量，导致转向和制动的能耗增加。
• 乘坐舒适性：延迟引起的振荡会导致车辆纵向加速度和横向加速度的突变，降低乘客舒适度。

3.5 案例拆解：高速弯道中的延迟补偿调优

某L4级无人车项目在高速匝道测试中发现，车辆以70km/h通过半径150m的弯道时，横向偏差达到0.45m，超出设计指标（≤0.2m）。工程师初步怀疑是控制参数问题，但调整PID增益后效果不明显。

延迟链路分析：

感知延迟：相机30ms + 检测25ms + 融合10ms + 发布等待15ms = 80ms
决策延迟：行为决策5ms + 轨迹规划35ms + 优化20ms = 60ms
控制延迟：控制周期等待10ms + MPC计算15ms = 25ms
执行延迟：CAN传输2ms + 转向响应45ms = 47ms
反馈延迟：IMU采集5ms + 传输2ms = 7ms
-----------------------------------------------
总延迟：约219ms

问题定位：通过在每个模块插入时间戳日志，发现总延迟中感知层占80ms（36.5%），决策层占60ms（27.4%），执行层占47ms（21.5%）。进一步分析发现，感知层的发布等待延迟（15ms）和决策层的轨迹规划时间波动（最大达到55ms）是主要优化点。

优化措施：

1. 将感知结果发布频率从20Hz提升至30Hz，发布等待延迟从15ms降至8ms。
2. 对轨迹规划算法增加超时保护，当计算时间超过40ms时，使用上一帧轨迹的局部更新，避免控制指令空洞。
3. 在MPC控制器中增加Smith预估器，对执行器延迟进行前馈补偿。
4. 将转向指令从CAN总线迁移至车载以太网，传输延迟从2ms降至0.8ms。

结果对比：优化后总延迟降至165ms，横向偏差从0.45m降至0.18m，满足设计指标。同时，车辆在弯道中的速度波动从±3km/h降至±1km/h，乘坐舒适性显著提升。

复盘经验：延迟优化需要全链路视角，单一模块的优化效果有限。感知发布频率、规划超时策略、控制前馈补偿三者协同，才能实现延迟的实质性降低。此外，延迟测量必须基于统一的时间基准，否则无法准确定位瓶颈。

3.6 常见误区与设计原则

误区一：只关注平均延迟，忽略延迟抖动。平均延迟低但方差大的系统，其控制表现可能比平均延迟高但稳定的系统更差。延迟抖动会导致控制周期的不确定性，使控制器难以进行有效的相位补偿。

误区二：认为延迟只影响控制精度，不影响稳定性。实际上，延迟是导致控制系统失稳的首要因素之一。当延迟超过系统稳定裕度的临界值时，即使很小的延迟增量也会引发振荡发散。

误区三：将所有延迟都归咎于算法耗时。调度等待、通信排队、数据拷贝等系统开销往往占总延迟的30-40%，这些“隐形延迟”容易被忽视。

设计原则总结：

• 延迟预算分解：在架构设计阶段就将总延迟预算分配到各模块，并留出20%的余量。
• 异步解耦：感知、决策、控制采用独立周期运行，通过带时间戳的消息传递解耦，避免级联等待。
• 优先级调度：控制指令使用高优先级实时线程，确保控制周期不受其他任务影响。
• 延迟补偿：在控制器中引入延迟补偿机制（如Smith预估器、状态观测器），将延迟从控制回路中“移除”。
• 持续监控：将延迟指标纳入整车健康管理系统，实时告警延迟超限。