自动驾驶术语表
本页汇总全书高频术语，涵盖自动化等级、系统架构、传感器、算法与安全标准等核心概念。建议在阅读系统、硬件、算法章节前先快速浏览。
阅读建议
先建立以下三条主线认知，再深入各章节：
安全主线：ODD → 降级 → TOR → MRC
数据流：感知 → 预测 → 规划 → 控制 → 执行
功能安全：危害分析 → ASIL 评级 → 安全机制 → 验证
1. 自动化等级
| 术语 |
全称 |
简要说明 |
| L0 |
Level 0 |
无自动化，驾驶员全权控制 |
| L1 |
Level 1 |
单一功能辅助（如 ACC 或 LKA，不可同时） |
| L2 |
Level 2 |
组合功能辅助（ACC + LKA），驾驶员需持续监控 |
| L3 |
Level 3 |
特定条件下系统驾驶，驾驶员须在系统请求时接管（TOR） |
| L4 |
Level 4 |
特定 ODD 内完全自动，无需驾驶员（ODD 外仍需介入） |
| L5 |
Level 5 |
任何条件下完全自动，不需要驾驶员 |
| ODD |
Operational Design Domain |
自动驾驶可安全运行的设计边界（道路类型、天气、速度等） |
2. 驾驶安全核心术语
| 术语 |
全称 |
简要说明 |
| TOR |
Takeover Request |
系统发出的接管请求，要求驾驶员在规定时间内恢复控制 |
| MRC |
Minimum Risk Condition |
系统无法继续驾驶时执行的最小风险处置（减速靠边停车） |
| MRM |
Minimum Risk Maneuver |
执行 MRC 的具体操作序列（减速→靠边→停车→上报） |
| FTTI |
Fault Tolerant Time Interval |
从故障发生到安全机制响应的最大允许时间 |
| SOTIF |
Safety Of The Intended Functionality |
功能本身的预期局限导致的危害（ISO 21448），区别于随机硬件故障 |
3. 功能安全（ISO 26262）
| 术语 |
含义 |
| ASIL |
Automotive Safety Integrity Level，功能安全等级：A/B/C/D（D 最严格） |
| ASIL-D |
最高功能安全等级，用于线控转向、AEB 等关键系统 |
| ASIL 分解 |
将 ASIL-D 需求分配到两个独立的 ASIL-B 路径，等效满足要求 |
| HARA |
Hazard Analysis and Risk Assessment，危害分析与风险评估 |
| Safety Goal |
安全目标，描述系统不得违反的最高层安全需求 |
| FTA |
Fault Tree Analysis，故障树分析 |
| FMEA |
Failure Mode and Effects Analysis，失效模式与影响分析 |
| Lockstep |
锁步执行：两个 CPU 核运行同样指令并比较输出，检测随机错误 |
| ECC |
Error Correction Code，内存纠错码，检测和纠正内存位翻转 |
4. 硬件与传感器
| 术语 |
全称 |
简要说明 |
| ECU |
Electronic Control Unit |
车载电子控制单元（小型专用控制器） |
| DCU |
Domain Control Unit |
域控制器，管理某一功能域（智驾域、底盘域） |
| SoC |
System on Chip |
片上系统，集成 CPU+GPU+NPU+ISP 的高算力芯片 |
| MCU |
Microcontroller Unit |
微控制器，执行实时安全监控（安全岛） |
| NPU |
Neural Processing Unit |
神经网络处理器，专用于 AI 推理加速 |
| LiDAR |
Light Detection and Ranging |
激光雷达，通过激光脉冲测距，输出 3D 点云 |
| GNSS |
Global Navigation Satellite System |
全球卫星导航系统（GPS/BDS/GLONASS/Galileo） |
| RTK |
Real-Time Kinematic |
实时动态差分定位，厘米级定位精度 |
| IMU |
Inertial Measurement Unit |
惯性测量单元，测量加速度和角速度 |
| ISP |
Image Signal Processor |
图像信号处理器，负责 RAW 图像预处理 |
| GMSL |
Gigabit Multimedia Serial Link |
车载高速串行摄像头传输接口（Maxim/ADI） |
| ToF |
Time of Flight |
飞行时间测距原理（激光/超声波） |
| FMCW |
Frequency Modulated Continuous Wave |
调频连续波，雷达测距与测速方法 |
5. 感知与定位
| 术语 |
含义 |
| Point Cloud |
点云，激光雷达输出的三维点集合，每个点含 XYZ 坐标和反射强度 |
| BEV |
Bird's-Eye View，俯视鸟瞰视角，常用于多摄像头特征融合 |
| Sensor Fusion |
传感器融合，将多种传感器数据整合为统一环境模型 |
| SLAM |
Simultaneous Localization and Mapping，即时定位与地图构建 |
| VIO |
Visual-Inertial Odometry，视觉惯导里程计 |
| LIO |
LiDAR-Inertial Odometry，激光惯导里程计 |
| NDT |
Normal Distributions Transform，正态分布变换，点云匹配算法 |
| ICP |
Iterative Closest Point，迭代最近点，点云配准算法 |
| mAP |
mean Average Precision，目标检测的平均精度均值 |
| IoU |
Intersection over Union，检测框与真值框的交并比 |
| HD Map |
High Definition Map，高精地图，包含车道级别几何和语义信息 |
| OpenDRIVE |
一种通用的 HD Map 数据格式（XML 结构） |
6. 规划与控制
| 术语 |
含义 |
| Trajectory |
轨迹，包含时序位置与速度约束的运动序列 |
| Frenet Frame |
弗莱纳坐标系，沿参考路径的纵向（s）和横向（d）坐标系 |
| MPC |
Model Predictive Control，模型预测控制，滚动优化策略 |
| LQR |
Linear Quadratic Regulator，线性二次调节器，常用于横向控制 |
| PID |
Proportional-Integral-Derivative，比例积分微分控制器 |
| jerk |
加加速度（加速度的变化率），乘坐舒适性关键指标（单位：m/s³） |
| QP |
Quadratic Programming，二次规划，轨迹优化常用方法 |
| FSM |
Finite State Machine，有限状态机，行为决策常用建模方法 |
| Behavior Tree |
行为树，比 FSM 更具模块化的行为规划结构 |
| AEB |
Automatic Emergency Braking，自动紧急制动 |
| ACC |
Adaptive Cruise Control，自适应巡航控制 |
| LKA |
Lane Keeping Assist，车道保持辅助 |
| TJA |
Traffic Jam Assist，拥堵辅助 |
7. 线控执行
| 术语 |
含义 |
| EPS |
Electric Power Steering，电动助力转向 |
| SbW |
Steer-by-Wire，线控转向（无机械连接） |
| EHB |
Electro-Hydraulic Brake，电子液压制动 |
| EMB |
Electro-Mechanical Brake，电子机械制动（去液压） |
| ABS |
Anti-lock Braking System，防抱死制动系统 |
| ESC |
Electronic Stability Control，电子稳定控制 |
| EPB |
Electronic Parking Brake，电子驻车制动 |
| ETC |
Electronic Throttle Control，电子节气门控制 |
| CAN FD |
Controller Area Network Flexible Data-Rate，高速车载总线协议 |
| AUTOSAR |
Automotive Open System Architecture，汽车开放系统架构标准 |
8. 通信与网络安全
| 术语 |
含义 |
| V2X |
Vehicle-to-Everything，车辆与外界（车/路/人/网）的通信 |
| V2V |
Vehicle-to-Vehicle，车对车直接通信 |
| V2I |
Vehicle-to-Infrastructure，车对路侧基础设施通信 |
| V2N |
Vehicle-to-Network，车对云网络通信 |
| DSRC |
Dedicated Short Range Communications，专用短程通信（5.9 GHz） |
| C-V2X |
Cellular V2X，基于蜂窝（LTE/5G）的 V2X 通信 |
| RSU |
Roadside Unit，路侧单元（通信 + 边缘计算设备） |
| SPAT |
Signal Phase and Timing，信号相位与剩余时间消息 |
| PKI |
Public Key Infrastructure，公钥基础设施（证书信任体系） |
| SCMS |
Security Credential Management System，安全证书管理系统 |
| OTA |
Over-the-Air，空中升级（远程软件更新） |
| HSM |
Hardware Security Module，硬件安全模块（密钥存储与加密） |
| ISO/SAE 21434 |
汽车网络安全工程标准 |
9. 测试与验证
| 术语 |
含义 |
| SIL |
Software in the Loop，软件在环测试（纯软件仿真） |
| HIL |
Hardware in the Loop，硬件在环测试（真实 ECU + 仿真环境） |
| MIL |
Model in the Loop，模型在环测试（控制模型仿真） |
| ATE |
Absolute Trajectory Error，绝对轨迹误差（定位评估指标） |
| RPE |
Relative Pose Error，相对位姿误差（定位评估指标） |
| MTBF |
Mean Time Between Failures，平均故障间隔时间 |
| MTTR |
Mean Time To Recovery，平均恢复时间 |
| AEC-Q100 |
汽车级芯片可靠性测试标准（温循、振动、ESD 等） |
| NCAP |
New Car Assessment Programme，新车评价规程 |
| DTC |
Diagnostic Trouble Code，诊断故障码 |
10. 商业运营
| 术语 |
含义 |
| Robotaxi |
无人驾驶出租车（L4 自动驾驶商业运营） |
| ROC |
Remote Operations Center，远程运营中心 |
| RAS |
Remote Assistance System，远程协助系统 |
| MPKD |
Miles Per Kilometre Disengagement / 每千公里干预次数 |
| NPS |
Net Promoter Score，净推荐值（用户满意度指标） |
| Geofencing |
地理围栏，限定自动驾驶运营区域的虚拟边界 |
11. 端到端与大模型
| 术语 |
全称 |
简要说明 |
| E2E |
End-to-End |
端到端驾驶，从传感器原始输入直接输出轨迹或控制指令 |
| Modular E2E |
— |
模块化端到端：保留感知/预测/规划子网络，但联合训练 |
| One-Model E2E |
— |
单模型端到端：一个大网络直接产出轨迹，无显式中间表示 |
| Occupancy Network |
— |
占据网络，预测三维空间每个体素的占据概率与语义（Tesla/华为） |
| World Model |
— |
世界模型，学习环境动态并在潜空间中推演未来（GAIA、DriveDreamer） |
| VLM |
Vision-Language Model |
视觉语言模型，联合理解图像与文本（用于场景解释、决策） |
| VLA |
Vision-Language-Action |
视觉-语言-动作模型，输出可执行动作（驾驶控制/机器人） |
| LLM |
Large Language Model |
大语言模型，驱动推理与自然语言交互 |
| MoE |
Mixture of Experts |
专家混合，稀疏激活以降低推理成本 |
| CoT |
Chain of Thought |
思维链，显式输出中间推理步骤 |
| RAG |
Retrieval-Augmented Generation |
检索增强生成，借外部知识库补足模型参数 |
| SFT |
Supervised Fine-Tuning |
监督微调 |
| RLHF |
Reinforcement Learning from Human Feedback |
基于人类反馈的强化学习 |
| Diffusion Policy |
— |
扩散策略，用扩散模型采样多模态轨迹 |
| Imitation Learning |
— |
模仿学习，从专家轨迹学习驾驶策略 |
| Token |
— |
大模型处理的最小语义单元（文字/图像 patch） |
12. 数据与训练
| 术语 |
含义 |
| Data Pipeline |
数据闭环：采集 → 脱敏 → 标注 → 训练 → 评测 → 回灌 |
| Auto-Labeling |
自动标注，用大模型/离线高精算法生成训练标签 |
| Corner Case |
长尾场景，低频但高风险的驾驶情况（施工、异形障碍物） |
| Shadow Mode |
影子模式，在量产车后台运行新模型并对比人类驾驶以挖掘 corner case |
| Active Learning |
主动学习，优先标注模型不确定的样本 |
| Domain Gap |
领域差异，训练与部署分布不一致导致的性能下降 |
| Data Augmentation |
数据增广（旋转、遮挡、光照等） |
| Scenario Mining |
场景挖掘，从量产车日志中筛选目标场景 |
| HIL Replay / Log Replay |
日志回灌，把真实采集数据注入仿真或新算法重放评估 |
| Ground Truth |
真值，由高精算法/人工标注得到的参考答案 |
13. 仿真与评测
| 术语 |
含义 |
| Sim-to-Real |
仿真到实车的迁移问题（sim2real gap） |
| Digital Twin |
数字孪生，对真实物理世界的高保真数字复刻 |
| Scenario DSL |
场景领域特定语言（如 OpenSCENARIO、Scenic） |
| OpenSCENARIO |
ASAM 发布的场景描述标准（XML/XOSC） |
| OpenDRIVE |
ASAM 发布的道路描述标准（XODR） |
| NDS |
Navigation Data Standard，导航地图数据标准 |
| CARLA / LGSVL / VTD |
常见开源/商用自动驾驶仿真器 |
| PEM |
Perception Error Model，感知误差模型（在仿真中注入感知噪声） |
| Collision Rate |
碰撞率，安全评测核心指标 |
| Route Completion |
路线完成度，CARLA Leaderboard 常用指标 |
| nuScenes / Waymo Open / Argoverse |
常见感知与预测公开数据集 |
| nuPlan / Bench2Drive |
常见规划与端到端基准 |
14. 芯片与部署
| 术语 |
含义 |
| TOPS |
Tera Operations Per Second，每秒万亿次运算（NPU 算力单位，注意精度） |
| INT8 / FP16 / BF16 |
推理常用数值格式；低精度减小带宽与算力开销 |
| Quantization |
量化，将 FP32 权重压缩到 INT8/INT4 |
| PTQ / QAT |
训练后量化 / 量化感知训练 |
| Sparsity |
稀疏化，剪枝零权重以加速推理 |
| Knowledge Distillation |
知识蒸馏，用大模型教小模型 |
| TensorRT / OpenVINO / TVM |
常见推理优化工具链 |
| Safety Island |
安全岛，SoC 内独立的 ASIL-D 监控核（锁步 MCU） |
| Hypervisor |
虚拟化管理程序，实现智驾域/座舱域隔离 |
| Zonal Architecture |
区域控制架构，按位置划分 ECU（取代传统功能域布线） |