自动驾驶-知识体系

一、自动驾驶领域的所有子领域

下面给你一套「尽量覆盖自动驾驶全域、但在 CSDN 上又不至于太碎」的栏目体系：1 个主栏目 + 14 个核心子栏目 + 6 个可选扩展子栏目。基本可以把从 ADAS（L2）到 Robotaxi（L4）的技术与工程全链路都覆盖到。

---

主栏目

• 自动驾驶（Autonomous Driving）

---

核心子栏目（建议优先建这 14 个，覆盖主干全链路）

1）综述与体系架构

• 分级（L0-L5）、端到端 vs 模块化、系统架构、工程流程、术语科普、路线图

2）传感器与标定

• Camera/LiDAR/Radar/IMU/GNSS、时间同步、外参/内参标定、标定工具链、传感器选型与布置

3）数据工程与自动标注

• 数据采集、清洗、回流、数据闭环、主动学习、弱/半监督、自动标注、质量评估、数据版本管理

4）感知（Perception）

• 2D/3D 检测、分割、车道线/可行驶区域、交通灯/标志、跟踪（MOT）、BEV/Occupancy、点云处理

5）多传感器融合（Fusion）

• 早/中/晚融合、跟踪融合、栅格/占据融合、坐标系与时序对齐、融合框架与工程落地

6）定位与 SLAM

• GNSS/INS、视觉/激光里程计、VIO/LIO、回环、重定位、鲁棒性（隧道/高楼/雨雪）

7）建图与高精地图（Mapping & HD Map）

• 语义地图、车道级拓扑、地图要素抽取、在线更新、Map Format、地图匹配与质量监控

8）预测（Prediction）

• 轨迹预测、意图识别、交互建模、多模态预测、不确定性、场景理解（cut-in、汇入、无保护左转等）

9）行为决策（Behavior）

• 有限状态机/行为树、规则+学习、博弈与交互决策、风险评估、让行策略、可解释性

10）运动规划（Motion Planning）

• 路径/速度规划、采样/搜索/优化（A*、RRT*、EM、QP 等）、约束处理、舒适性、可行性与实时性

11）控制与车辆动力学（Control）

• 横纵向控制、PID/MPC、轨迹跟踪、车辆模型、执行器延迟、低附着/坡道/急弯工况

12）系统工程与中间件（Engineering & Middleware）

• ROS2/CyberRT/AUTOSAR、实时系统、模块解耦、通信与调度、记录回放、配置管理、可观测性（log/trace）

13）仿真与场景生成（Simulation）

• CARLA/LGSVL/自研仿真、闭环仿真、传感器仿真、场景库、参数化/组合式场景生成、数字孪生

14）测试验证与安全（Testing & Safety）

• 场景化测试、回放测试、HIL/SIL/MIL、指标体系（KPI）、ISO 26262、SOTIF（ISO 21448）、失效注入、回归体系

---

可选扩展子栏目（按你内容侧重点选 2–6 个加上）

A）端到端驾驶与大模型（E2E / Foundation Models）

• imitation learning、RL、VLA/VLM、端到端规划控制、对齐与安全、数据规模化训练

B）车路协同与 V2X

• C-V2X、RSU 路侧感知、协同定位/协同感知、协同决策、云控平台

C）车载计算与硬件平台

• SoC/GPU/NPU、算力评估、功耗/散热、传感器带宽、车规（AEC-Q）、功能安全硬件设计

D）模型部署与工程化优化（MLOps / Deployment）

• 量化/剪枝/蒸馏、TensorRT、推理加速、模型版本、CI/CD、OTA、A/B、线上监控与回滚

E）法规标准与合规

• 国内外法规趋势、道路测试/示范应用政策解读、数据合规与隐私、网络安全（ISO 21434）

F）开源复现与论文精读

• 经典/前沿论文、开源项目（Apollo/Autoware 等）复现、benchmark、复现踩坑记录

---

推荐的“栏目命名”方式（更利于读者检索）

• 栏目名尽量用「名词短语」：如 感知 / 定位SLAM / 规划控制 / 仿真测试

• 文章标题用「问题/方法/结果」：

  • “BEV 感知：从 Lift-Splat 到 Occupancy 的演进与工程要点”
  • “MPC 横向控制在低附着路面调参实战”

---

用“标签”补齐长尾，不要把栏目拆太碎

建议给文章打标签来覆盖细分点（不必都建成子栏目），例如：

• 传感器：lidar 4D radar fisheye calibration
• 感知：3D detection tracking occupancy lane
• 规划：EM QP RRT* prediction-aware
• 测试：scenario corner case SOTIF HIL
• 工程：ROS2 real-time logging CI

---

如果你告诉我：你更偏 算法研究、工程落地、还是 量产合规（三选一即可），我可以把上面栏目进一步“瘦身成最适合你产出节奏的 8–12 个子栏目”，并给每个栏目配一份「10 篇起步选题清单」。

二、14 个核心子栏目在自动驾驶领域是什么位置？

这是一个非常关键的问题，本质上你问的是：

这 14 个核心子栏目在自动驾驶“技术体系 / 工程体系”中的层级位置和作用关系是什么？

下面我用**「自动驾驶系统金字塔 + 数据闭环」的方式，把这 14 个栏目放到明确的位置上**，让你在 CSDN 上的栏目结构既专业又有“体系感”。

---

1、自动驾驶整体技术版图（宏观视角）

自动驾驶系统可以抽象为三条主线：

$$\text{数据闭环}+\text{在线决策链路}+\text{工程与安全体系}$$

对应三大层级：

1. 输入世界（感知世界）
2. 理解与决策（思考如何开）
3. 执行与保障（安全地开）

---

2、14 个核心子栏目在「系统层级」中的位置

🔹 第一层：数据与感知基础层（“看见世界”）

解决问题：车如何获得可靠、可学习的世界表示？

① 传感器与标定

📍系统最底层 / 物理世界入口

• 原始信息来源
• 决定感知上限（Garbage In, Garbage Out）

地位：一切算法的物理基础

---

② 数据工程与自动标注

📍贯穿线上线下的“燃料系统”

• 训练数据质量
• 数据闭环效率
• 决定模型是否“越跑越聪明”

地位：决定系统长期演进速度

---

③ 感知（Perception）

📍从信号到语义

• 把传感器信号 → 物体 / 车道 / 可行驶区域

地位：自动驾驶的“眼睛”

---

④ 多传感器融合（Fusion）

📍感知层的“稳定器”

• 提升鲁棒性
• 应对遮挡、噪声、失效

地位：从“能用”到“可靠”的关键

---

🔹 第二层：空间与时序认知层（“我在哪 & 世界怎么动”）

解决问题：我在什么位置？周围世界如何随时间变化？

---

⑤ 定位与 SLAM

📍自车状态估计核心

• 位姿、速度、航向
• 是规划与控制的坐标基准

地位：系统坐标系的“锚点”

---

⑥ 建图与高精地图

📍长期世界记忆

• 静态结构先验
• 提供全局约束与冗余安全

地位：稳定性与规模化的放大器

---

⑦ 预测（Prediction）

📍连接感知与决策的桥梁

• 让系统“看到未来几秒”

地位：
$$\text{Prediction}=\text{Planning 的输入空间}$$

---

🔹 第三层：决策与运动生成层（“怎么开”）

解决问题：在复杂交互环境中，如何安全、舒适、高效地驾驶？

---

⑧ 行为决策（Behavior）

📍策略级决策

• 跟车 / 变道 / 让行 / 超车
• 强交互、规则与博弈

地位：驾驶风格与安全策略的核心

---

⑨ 运动规划（Motion Planning）

📍连续空间的轨迹生成

• 将决策转化为可执行轨迹

地位：
$$\text{Behavior}\to \text{Planning}\to \text{Control}$$

---

⑩ 控制与车辆动力学

📍执行层

• 把轨迹变成方向盘、油门、刹车

地位：算法真正“落地”的地方

---

🔹 第四层：工程支撑与系统保障层（“让系统跑起来且不出事”）

解决问题：系统如何稳定运行、验证、合规、迭代？

---

⑪ 系统工程与中间件

📍系统骨架

• 模块通信、调度、实时性

地位：没有它，算法只是 Demo

---

⑫ 仿真与场景生成

📍研发加速器

• 规模化验证
• 覆盖真实世界不可穷举的 corner case

地位：研发效率的决定因素

---

⑬ 测试验证与安全

📍系统“生命线”

• ISO 26262 / SOTIF
• 功能安全与预期功能安全

地位：量产与上路的门槛

---

⑭ 综述与体系架构

📍全局视角

• 串联所有模块
• 做取舍、定路线

地位：系统设计者视角

---

3、把 14 个栏目放入「自动驾驶金字塔」

                ┌──────────────┐
                │ 综述 & 架构  │
                └──────────────┘
           ┌──────── 决策 & 规划 ────────┐
           │ 预测 │ 行为 │ 规划 │ 控制   │
           └───────────────────────────┘
       ┌──────── 空间与时序认知 ────────┐
       │ 定位SLAM │ 高精地图 │ 预测     │
       └───────────────────────────┘
   ┌──────── 感知与数据基础 ────────┐
   │ 传感器 │ 数据工程 │ 感知 │ 融合 │
   └───────────────────────────┘
┌──────── 工程 & 安全 & 仿真 ────────┐
│ 中间件 │ 仿真 │ 测试验证 │ 安全    │
└───────────────────────────┘

---

4、对你做 CSDN 栏目的关键价值

• ✅ 覆盖完整自动驾驶技术版图
• ✅ 任何读者都能“对号入座”
• ✅ 你写哪一层，读者立刻知道你在系统中的位置
• ✅ 非“论文堆砌”，而是工程认知结构

---

如果你愿意，我可以下一步帮你做三件事之一（你选一个）：

1️⃣ 把这 14 个栏目 压缩成最适合个人博主的 8 栏结构
2️⃣ 给每个栏目列 10 个“高质量 CSDN 爆款选题方向”
3️⃣ 按 算法岗 / 工程岗 / 系统架构岗 三种读者重构栏目体系

你现在更想服务哪一类读者？

三、站在2026年1月的时间节点，自动驾驶分为哪些子栏目合适？

很好，这里我**严格站在 2026 年 1 月 +「算法工程师视角」**来回答你，而不是传统教科书式拆分。

结论先给出一句话版：

到 2026 年，自动驾驶对“算法工程师”而言，已经从“模块堆叠”演进为
「世界模型 + 交互建模 + 端到端决策 + 数据闭环」四大核心问题。

下面我给你一套非常适合 2026 年算法工程师在 CSDN 建专栏的栏目结构，共 10 个子栏目，每一个都“还在打仗”，不是历史遗迹。

---

1、2026 年算法工程师的「自动驾驶认知重心」

先看哪些已经不再是算法工程师的主战场：

• ❌ 单纯 Camera / LiDAR 原理科普
• ❌ ROS 节点通信细节
• ❌ 传统 PID 调参经验
• ❌ 纯规则 FSM 行为树

这些 还存在，但不再是“算法竞争力核心”。

---

2、2026 年自动驾驶算法的 4 个“母问题”

所有算法栏目，本质围绕这 4 个问题展开：

$$\begin{array}{rlrlr}1.& \text{如何统一表示世界？}2.& \text{如何理解和预测多体交互？}3.& \text{如何端到端地做决策？}4.& \text{如何让系统越跑越聪明？}\end{array}$$

---

3、2026 年最合适的【10 个算法向子栏目】

⭐ 1）世界模型（World Model / Scene Representation）

📍2026 年算法第一核心

为什么必须单独成栏：

• BEV → Occupancy → 4D World Model
• 规划 / 预测 / 控制统一输入

涵盖内容

• BEV / Occupancy Flow
• 4D 时空表示
• Neural Map / Online Map
• 可学习世界状态

这是 感知 + 地图 + 预测的融合形态

---

⭐ 2）多模态感知与统一表征（Unified Perception）

📍传统 Perception 的 2026 版本

不再拆：检测 / 分割 / 车道线

而是关注：

• 多模态联合编码（Cam + LiDAR + Radar）
• Task-agnostic 表征
• Foundation Perception Models

---

⭐ 3）交互预测与社会行为建模（Interaction & Prediction）

📍自动驾驶“是否像人”的分水岭

2026 年重点不再是：

• 单车轨迹预测

而是：

• 多智能体联合预测
• 博弈 / 让行 / 对抗
• 不确定性建模

$$P({\tau }_{1:N}|\text{scene},\text{ego action})$$

---

⭐ 4）决策与规划一体化（Decision & Planning）

📍传统 Behavior + Planning 已高度融合

重点内容：

• Decision-aware Planning
• Prediction-aware Planning
• Cost Learning / Reward Learning
• Planning Transformer

---

⭐ 5）端到端驾驶（End-to-End Driving）

📍2026 年算法工程师的“必修课”

不是是否端到端，而是：

• 哪些模块端到端
• 如何与规则 / 安全融合
• 如何 Debug

内容包括：

• Imitation Learning
• RL + Offline RL
• E2E with World Model

---

⭐ 6）大模型与 VLA / VLM（Foundation Models）

📍2025–2026 最大变量

关注点：

• Vision-Language-Action
• Driving LLM
• Planning with LLM
• Promptable Driving

⚠️ 不做“蹭热度”，而是落地路径

---

⭐ 7）数据闭环与自动标注（Data-Centric AI）

📍算法工程师价值最大化的地方

2026 年共识：

数据 > 模型

重点：

• 数据回流策略
• Corner Case Mining
• 自动标注
• 数据分布建模

---

⭐ 8）鲁棒性与不确定性建模（Robustness）

📍量产与 demo 的分界线

内容包括：

• OOD 检测
• Failure Prediction
• Bayesian / Ensemble
• 风险感知建模

---

⭐ 9）仿真驱动算法训练（Simulation-driven Learning）

📍训练与验证不再分离

包括：

• 可学习仿真
• Closed-loop Training
• Domain Randomization
• Sim2Real

---

⭐ 10）算法评测与可解释性（Evaluation & Explainability）

📍2026 年“写代码不够了”

必须回答：

• 为什么模型这么决策？
• 哪种场景不可信？
• 指标是否反映真实风险？

---

4、2026 年算法栏目 vs 传统 14 栏的映射关系

传统栏目	2026 算法栏目
感知 + 融合	世界模型 / 统一感知
定位 + 地图	World Model 内化
预测	交互预测
行为 + 规划	决策规划一体化
数据工程	数据闭环
仿真	仿真驱动学习
测试	评测与不确定性

---

5、我给你的最终建议栏目结构（直接可用）

你在 CSDN 上可以直接用：

自动驾驶算法（2026）
├── 世界模型与BEV
├── 多模态感知与表征
├── 交互预测与博弈
├── 决策与规划一体化
├── 端到端自动驾驶
├── 大模型与VLA
├── 数据闭环与自动标注
├── 鲁棒性与不确定性
├── 仿真驱动学习
└── 算法评测与可解释性

---

最后一句非常现实的话

这套栏目不是“为了全面”，而是为了：
你写 2–3 年后，这个栏目体系依然不过时。

如果你愿意，下一步我可以直接帮你做一件更实战的事：

• ✅ 给你 每个栏目 5 个「2026 年还能写、还能被读、还能体现水平」的文章选题
• 或者把它进一步压缩成 6 个“最有含金量”的算法栏目

你更倾向哪一个？

四、站在2026年1月的时间节点，自动驾驶分为哪些子栏目合适，这些子栏目主要目的是为了自学

这个前提非常重要 👍
我先给你一句结论级判断，再给你一套**“真·适合 0 基础算法工程师、但不幼稚、能学到 2026 年主流自动驾驶”的栏目体系**。

如果你是算法工程师，但自动驾驶 = 0 基础，
那么你要的不是“行业全景”，而是一条
👉「从能看懂系统 → 能复现算法 → 能做工程判断」的自学路径。

下面这套是**“学习路径型栏目”**，不是百科目录。

---

1、0 基础算法工程师最容易踩的坑（先帮你避雷）

很多人一上来就：

• ❌ BEV / Occupancy / World Model
• ❌ 端到端 / 大模型 / VLA

结果是：概念看懂了，但不知道在系统里干嘛。

正确顺序应该是：

$$\text{系统感知}\to \text{局部智能}\to \text{全局决策}\to \text{工程闭环}$$

---

2、2026 年视角下的【8 个自学型子栏目】

目标：

• 每个栏目都能学
• 学完能“往下走”
• 不会学死在某一层

---

🟦 1）自动驾驶系统认知（必修第一门）

📍你先要知道：车到底在跑什么系统

学什么

• 自动驾驶分级（L2–L4）
• 模块化系统长什么样
• 一次自动驾驶决策链路

学完你应该能：

• 画出完整系统框图
• 知道“感知 → 预测 → 规划 → 控制”在干嘛

这是你后面所有栏目不迷路的地图

---

🟦 2）传感器与数据来源（只学“算法该懂的”）

📍不是做硬件，但要知道数据怎么来的

学什么

• Camera / LiDAR / Radar 各自“看见什么”
• 噪声、遮挡、失效的本质
• 为什么算法一定会出错

学完你应该能：

• 看懂数据可视化
• 理解感知算法失败的根源

---

🟦 3）基础感知算法（从“看见”开始）

📍第一批可动手复现的算法

学什么

• 2D / 3D 目标检测
• 车道线 / 可行驶区域
• Tracking 基本思想

目标不是 SOTA，而是：

• 数据 → 特征 → 输出 的完整链条

---

🟦 4）多传感器融合与时序理解

📍从“帧”到“时间”

学什么

• Tracking 本质
• Kalman / Particle Filter（工程版）
• 为什么融合能救感知

学完你会第一次意识到：

自动驾驶是一个 时间系统

---

🟦 5）预测：别人会怎么动？

📍这是你第一次“看未来”

学什么

• 单目标 vs 多目标预测
• 场景和交互的概念
• 多模态预测

$$P(\text{future}|\text{past + context})$$

这是理解规划的前置课

---

🟦 6）规划与决策（从“会想”到“敢走”）

📍最像“人在开车”的模块

学什么

• 路径规划 / 速度规划
• 跟车、变道、让行
• Cost / Constraint 的思想

你会第一次体会：

自动驾驶不是算最优，而是算不出事

---

🟦 7）控制与执行（让算法真的动起来）

📍算法与物理世界的交界

学什么

• 轨迹跟踪
• 车辆动力学最小集
• 延迟、抖动、控制失败

学完你会理解：

为什么规划看着很美，车却开得很蠢

---

🟦 8）仿真、测试与数据闭环（形成“自我进化”）

📍把前面 7 个串起来

学什么

• 仿真跑算法
• 回放测试
• 数据回流与改进

到这里，你已经不是“小白”了

---

3、这 8 个栏目是“自学顺序”，不是并列关系

系统认知
   ↓
传感器 & 数据
   ↓
基础感知
   ↓
融合 & 时序
   ↓
预测
   ↓
规划 & 决策
   ↓
控制
   ↓
仿真 & 数据闭环

⚠️ 千万不要跳着学

---

4、站在 2026 年，这套自学结构的优势

• 不过时（可以自然过渡到 World Model / E2E）

• 不依赖某家公司路线

• 适合算法工程师“迁移能力”

• 可随时升级为进阶栏目：

  • 世界模型
  • 端到端
  • 大模型驾驶

---

5、你后续“进阶”的自然演化路径

当你学完这 8 个栏目后：

你会问的问题	你该进阶的栏目
模块太多了	世界模型
规则太复杂	端到端
场景学不全	数据闭环
决策太保守	交互建模

---

最后一句很实在的话

你现在最重要的不是“前沿”，
而是：
👉 建立一套“自动驾驶在你脑子里的运行模型”。

如果你愿意，下一步我可以直接帮你做一件非常适合自学者的事：

• ✅ 给你这 8 个栏目各列一个「入门 → 可跑代码 → 能理解工程」的学习清单
• 或者 给你一个 6 个月的自动驾驶自学路线图（每月学什么）

你更想要哪一个？

五、栏目（2–14），每个给 10 篇“必备文章标题”

下面按你列出的 13 个栏目（2–14），每个给 10 篇“必备文章标题”（偏自学 + 可落地 + 2026 仍然主流）。你可以直接拿去做 CSDN 子栏目文章规划。

---

1）综述与体系架构（Overview & System Architecture）—10 篇必备文章标题

1. 《自动驾驶分级（L0–L5）到底怎么划：L2/L3/L4 的能力边界与常见误解》
2. 《从“辅助驾驶”到“自动驾驶”：2026 年主流量产方案的系统形态总览》
3. 《模块化自动驾驶系统全链路：感知→预测→规划→控制的输入输出与关键接口》
4. 《端到端 vs 模块化：各自解决什么问题？在 2026 年如何折中与融合》
5. 《自动驾驶系统架构拆解：车端（Onboard）/云端（Cloud）/路侧（RSU）如何分工》
6. 《自动驾驶研发流程图：数据→训练→部署→回归→再迭代的工程闭环怎么跑》
7. 《自动驾驶“术语地图”：从 ODD、Corner Case 到 Occupancy、World Model 一次讲清》
8. 《自动驾驶评价体系入门：安全、舒适、效率三类指标如何统一到 KPI》
9. 《从 Demo 到量产：为什么“能跑”不等于“能上路”（功能安全/SOTIF/运营约束）》
10. 《2026 年自动驾驶技术路线图：模块化演进、世界模型、端到端与大模型的关系》

如果你希望这 10 篇更“自学友好”，我也可以把它们重新排序成 1→10 的学习顺序，并给每篇补一个「读完你应该掌握什么」的目标清单。

2）传感器与标定（Sensors & Calibration）—10 篇

1. 《自动驾驶常用传感器全景：Camera / LiDAR / Radar / IMU / GNSS 各自解决什么问题？》
2. 《从坐标系开始：车体坐标、传感器坐标、世界坐标到底怎么用（含常见坑）》
3. 《时间同步入门：硬同步 vs 软同步，PTP/时间戳漂移如何影响融合效果》
4. 《相机内参标定：针孔模型、畸变参数、标定板实践与误差来源》
5. 《相机外参标定：相机-车体外参怎么标？重投影误差如何看懂？》
6. 《LiDAR 外参标定：点云配准思路、手眼标定、常见失败案例复盘》
7. 《Camera-LiDAR 联合标定：投影关系、标定流程、可视化诊断方法》
8. 《IMU 标定与对齐：零偏、尺度因子、安装误差对定位/SLAM 的影响》
9. 《GNSS/INS 基础：RTK、组合导航、隧道/高楼环境为何会“飘”》
10. 《传感器布置与选型：视场、遮挡、安装高度、成本与冗余的工程权衡》

---

3）数据工程与自动标注（Data & Auto-Labeling）—10 篇

1. 《自动驾驶数据闭环是什么：采集→回流→训练→部署→再回流的完整链路》
2. 《数据采集策略：怎么采到“有效数据”而不是“海量无用数据”？》
3. 《数据清洗必备：坏帧/重复/漂移/遮挡的自动化过滤规则怎么做》
4. 《数据集划分与泄漏：训练/验证/测试如何按场景分布划分才靠谱》
5. 《Corner Case Mining：从日志中挖“难例”的10种常用指标与方法》
6. 《主动学习在自动驾驶：如何用不确定性/分歧度挑选最值钱的数据》
7. 《弱监督/半监督训练：伪标签、置信度门控、噪声标注的稳定训练技巧》
8. 《自动标注系统：检测-跟踪-融合-规则修正的流水线如何搭》
9. 《标注质量评估：一致性、漏标率、偏移误差怎么量化与抽检》
10. 《数据版本管理与可追溯：数据/标签/模型三者如何对齐与回滚》

---

4）感知（Perception）—10 篇

1. 《感知任务地图：检测/分割/车道线/可行驶区域/信号灯/跟踪到底如何协作》
2. 《2D 检测入门到实战：从 anchor 到 anchor-free 的训练与部署要点》
3. 《3D 检测核心思路：点云体素化、BEV 表示、坐标变换与常见误差》
4. 《多目标跟踪（MOT）基础：数据关联、匈牙利算法、轨迹管理工程细节》
5. 《车道线检测：从传统几何到深度学习，再到 BEV 车道建模》
6. 《可行驶区域与道路拓扑：语义分割到占据栅格的工程落地》
7. 《交通灯/标志识别：小目标、远距离、长尾类别的训练技巧》
8. 《BEV 感知入门：从视角变换到 BEV 特征聚合，为什么 BEV 是趋势》
9. 《Occupancy（占据）是什么：从“检测框”走向“空间占据”的表示升级》
10. 《感知评测指标：mAP、MOTA、IoU、AUC 与“上线指标”怎么对应》

---

5）多传感器融合（Fusion）—10 篇

1. 《融合为什么难：坐标、时间、噪声、遮挡、失效这四座大山怎么翻》
2. 《早/中/晚融合对比：什么时候融合特征，什么时候融合目标更合适》
3. 《基于跟踪的融合：从单传感器轨迹到多传感器统一轨迹的工程流程》
4. 《栅格/占据融合：从点到格，从格到场景（含栅格分辨率权衡）》
5. 《时序对齐实战：插值、延迟补偿、时间窗选择对结果影响有多大》
6. 《坐标系与外参误差：外参抖动会造成什么“幽灵目标”？怎么诊断》
7. 《置信度与不确定性：不同传感器的置信度如何统一到可比较的尺度》
8. 《融合中的冲突处理：同一目标多传感器冲突时如何仲裁与降级》
9. 《传感器失效与降级策略：遮挡、雨雾、眩光下如何保持安全输出》
10. 《融合框架工程化：模块接口、消息格式、性能优化与线上调试经验》

---

6）定位与 SLAM（Localization & SLAM）—10 篇

1. 《定位问题全景：GNSS/INS、里程计、SLAM、地图匹配各在什么场景胜出》
2. 《组合导航入门：IMU 预积分、状态估计、EKF 的工程理解方式》
3. 《视觉里程计（VO）基础：特征法 vs 直接法，分别适合什么场景》
4. 《VIO 实战：IMU+相机融合的初始化、尺度观测与漂移控制》
5. 《激光里程计（LO）核心：ICP/NDT 配准思想与收敛失败怎么查》
6. 《LIO 系统剖析：IMU+LiDAR 的紧耦合框架与时间同步关键点》
7. 《回环检测与全局优化：为什么回环能“拉回漂移”，又为什么会误回环》
8. 《重定位：丢定位后如何快速恢复（隧道、地下车库、城市峡谷）》
9. 《鲁棒性专题：雨雪、反光、动态物体多时 SLAM 为什么会崩》
10. 《定位评测与线上监控：漂移、跳变、置信度指标怎么设与报警》

---

7）建图与高精地图（Mapping & HD Map）—10 篇

1. 《高精地图在 2026 的位置：哪些系统强依赖，哪些在走“弱地图/在线地图”》
2. 《车道级拓扑入门：车道线、车道中心线、拓扑连接关系怎么建模》
3. 《地图要素抽取：从点云/图像提取路沿、车道线、杆状物的常见方法》
4. 《语义地图：静态要素 vs 动态要素，语义层到底要存什么》
5. 《地图格式与数据组织：常见 Map Format 思路与工程存储策略》
6. 《地图匹配（Map Matching）：如何用观测把车“贴回”地图上》
7. 《在线地图更新：变化检测、增量更新、回滚机制怎么做》
8. 《地图质量评估：覆盖率、正确率、拓扑一致性怎么量化》
9. 《地图与感知融合：地图先验如何提升感知稳定性并避免“幻觉”》
10. 《地图依赖风险：无图/弱图场景如何设计降级与安全边界》

---

8）预测（Prediction）—10 篇

1. 《预测到底预测什么：轨迹、意图、交互、占据演化的区别与联系》
2. 《轨迹预测入门：基线模型、输入特征、输出表示与训练目标》
3. 《多模态预测：为什么必须“一车多轨迹”，以及如何做模式评分》
4. 《意图识别：变道/加塞/让行意图如何从历史轨迹与上下文推断》
5. 《交互建模：为什么只看单车会错？多车耦合预测怎么做》
6. 《不确定性建模：Aleatoric vs Epistemic，预测置信度怎么输出给规划》
7. 《场景理解专题：cut-in、汇入、无保护左转的预测难点与指标》
8. 《预测评测：ADE/FDE、Miss Rate、NLL 等指标与“真实风险”如何对齐》
9. 《预测与规划耦合：Prediction-aware Planning 的基本思想与工程接口》
10. 《线上预测问题排查：长尾场景、数据偏移、置信度崩溃如何定位》

---

9）行为决策（Behavior）—10 篇

1. 《行为决策在系统里干嘛：从“我要干什么”到“怎么生成轨迹”》
2. 《有限状态机（FSM）入门：状态设计、跳转条件、死锁与抖动怎么避免》
3. 《行为树（Behavior Tree）：相比 FSM 的优势与工程落地范式》
4. 《规则 + 学习的混合决策：哪些用规则更稳，哪些必须学习》
5. 《交互决策：让行、抢道、博弈场景下如何建模对方反应》
6. 《风险评估：TTC、RSS 风格约束、风险场的直觉与局限》
7. 《舒适性与效率：为什么“安全”不等于“可用”，指标体系怎么定》
8. 《可解释性：决策为什么这样做？给调试与评审看的解释要怎么设计》
9. 《行为决策的线上问题：保守/激进/犹豫不决的根因分析方法》
10. 《决策评测与回归：场景库驱动的行为回归测试如何搭建》

---

10）运动规划（Motion Planning）—10 篇

1. 《规划问题定义：状态、约束、代价函数，如何把“开车”写成数学问题》
2. 《路径规划 vs 速度规划：为什么要拆开，以及什么时候必须联合规划》
3. 《采样法规划：RRT/RRT* 思想、可行域、实时性权衡与工程加速》
4. 《搜索法规划：A* / Hybrid A* 在车规约束下怎么用》
5. 《优化法规划：QP/非线性优化的约束建模与收敛失败排查》
6. 《EM 风格规划：路径-速度交替优化的直觉与典型结构》
7. 《动态障碍处理：预测不确定下的安全缓冲与保守性控制》
8. 《舒适性专题：曲率、加加速度（jerk）、横摆角速度约束怎么落地》
9. 《实时性工程：规划器如何做多线程、缓存、warm start 与降级》
10. 《规划评测：碰撞率、越界率、舒适性、效率指标如何统一到一个体系》

---

11）控制与车辆动力学（Control）—10 篇

1. 《控制在系统里是什么：从轨迹到方向盘/油门/刹车的接口定义》
2. 《车辆动力学最小集：自行车模型、侧偏角、附着系数的工程理解》
3. 《横向控制入门：Pure Pursuit 与 Stanley 的原理、优缺点与适用场景》
4. 《纵向控制入门：ACC 跟车控制、时距策略与舒适性约束》
5. 《PID 调参不玄学：如何用响应曲线与频域直觉减少拍脑袋》
6. 《MPC 控制实战：代价函数、约束、预测时域与实时求解技巧》
7. 《执行器延迟与抖动：延迟补偿、滤波、死区与饱和如何处理》
8. 《低附着路面控制：雨雪/冰面如何防止侧滑与控制发散》
9. 《控制与规划的冲突：轨迹不可跟踪时如何回传并触发重规划》
10. 《控制评测：跟踪误差、稳定性、舒适性、极限工况通过率怎么定义》

---

12）系统工程与中间件（Engineering & Middleware）—10 篇

1. 《自动驾驶软件架构入门：模块化、分层、消息流与依赖管理怎么做》
2. 《ROS2/CyberRT/AUTOSAR 的差异：你需要掌握到什么深度才够用》
3. 《实时系统基础：周期、抖动、优先级、Deadline 对算法影响多大》
4. 《通信与序列化：消息格式、零拷贝、带宽控制与延迟分析》
5. 《记录与回放（Record/Replay）：如何把线上问题变成可复现的离线实验》
6. 《配置管理：参数爆炸怎么控？配置版本与模型版本如何绑定》
7. 《可观测性（Observability）：log/trace/metrics 怎么设计才“能救命”》
8. 《线上调试与灰度：A/B、开关、降级策略的工程套路》
9. 《性能优化：CPU/GPU 利用率、内存、延迟剖析与瓶颈定位》
10. 《工程质量体系：单测/集成测试/回归测试如何服务自动驾驶迭代》

---

13）仿真与场景生成（Simulation）—10 篇

1. 《为什么仿真是必需：真实道路不可穷举，仿真如何补齐覆盖》
2. 《开环 vs 闭环仿真：两者分别验证什么，为什么闭环更接近真实风险》
3. 《CARLA/LGSVL/自研仿真怎么选：能力边界、成本与维护代价》
4. 《传感器仿真基础：相机渲染、点云生成、雷达回波模拟的核心要素》
5. 《场景库怎么建：场景要素分解、参数化、版本管理与可复现性》
6. 《组合式场景生成：如何用少量模板覆盖大量长尾组合》
7. 《对抗式/搜索式场景：如何自动“找茬”挖出系统弱点》
8. 《Sim2Real：域随机化、风格迁移、噪声建模如何减少落差》
9. 《仿真评测：通过率不等于安全，如何定义更靠谱的风险指标》
10. 《仿真到回放再到上车：仿真与真实数据闭环如何串起来》

---

14）车路协同与 V2X —10 篇

1. 《V2X 全景：V2V/V2I/V2N 各自解决什么，协同到底“协同”在哪》
2. 《C-V2X 基础：消息类型、延迟与丢包对算法设计意味着什么》
3. 《协同感知：路侧 RSU 感知如何与车端感知融合（坐标/时间/置信度）》
4. 《协同定位：车端定位不稳时，路侧如何提供约束与纠偏》
5. 《协同决策：路口/匝道等复杂区域，协同策略如何设计与评估》
6. 《V2X 安全边界：通信不可靠时系统如何降级，避免“信错了”》
7. 《车路协同数据闭环：路侧数据如何反哺训练与场景库建设》
8. 《协同系统架构：云-边-端分工、接口协议与工程部署方式》
9. 《V2X 仿真与测试：如何在仿真中复现延迟/拥塞/丢包等真实网络问题》
10. 《车路协同的落地难点：规模化部署、维护成本、地图更新与责任边界》

---

如果你愿意，我还能把这套“标题清单”再升级成更可执行的版本（不问你问题也能直接给）：

• 每篇文章的写作大纲（3–6 个小节）+ 推荐配图/实验 + 可复现代码方向
• 或者把它们按 **“从零自学 12 周路线”**重新排序（每周学什么、写什么）。

六、20 篇「最重要、最基础、最适合自学打地基」**的文章标题

下面按你这 14 个栏目，每个给 **20 篇「最重要、最基础、最适合自学打地基」**的文章标题（尽量做到：从 0 到能跑通/能排错/能评测）。

---

1）综述与体系架构（20 篇）

1. 《自动驾驶分级 L0–L5：能力边界、典型功能与常见误解》
2. 《ODD 是什么：自动驾驶能力为什么必须绑定运行设计域》
3. 《一张图看懂自动驾驶系统：感知→预测→规划→控制的闭环》
4. 《模块化 vs 端到端：两条路线的本质差异与优劣》
5. 《端到端系统到底端在哪：端到端感知、端到端规划、端到端控制的区别》
6. 《自动驾驶数据闭环：采集→训练→部署→回归→再采集》
7. 《从 Demo 到量产：为什么“能跑”不等于“可交付”》
8. 《自动驾驶常用术语速查：BEV、Occupancy、TTC、RSS、SOTIF、MOT 等》
9. 《自动驾驶软件架构分层：算法层/系统层/平台层怎么划分》
10. 《车端、云端、路侧协同：什么时候需要云，什么时候必须在车上做》
11. 《自动驾驶在线链路与离线链路：谁在车上跑，谁在离线训》
12. 《自动驾驶评测指标总览：安全、舒适、效率三类 KPI 怎么统一》
13. 《自动驾驶的“长尾问题”是什么：为什么 99% 正常不等于安全》
14. 《自动驾驶常见失败模式地图：感知错、预测错、规划错、控制错分别长啥样》
15. 《研发流程中的“可复现性”：日志、回放、版本、配置如何对齐》
16. 《算法工程师视角：自动驾驶里哪些能力最值钱（2026 版）》
17. 《典型系统对比：L2 量产方案 vs L4 Robotaxi 方案差在哪里》
18. 《从系统角度理解冗余：传感器冗余、算法冗余、执行器冗余》
19. 《自动驾驶工程中的“降级与兜底”：安全边界如何设计》
20. 《2026 技术路线图：世界模型、端到端、大模型与传统模块的关系》

---

2）传感器与标定（20 篇）

1. 《传感器全景入门：Camera/LiDAR/Radar/IMU/GNSS 各自“看见什么”》
2. 《相机成像模型：针孔模型、畸变、分辨率与视场对算法的影响》
3. 《LiDAR 基础：线数、点频、回波、强度信息与典型噪声》
4. 《毫米波雷达基础：速度测量原理、角分辨率与虚警来源》
5. 《IMU 基础：零偏、随机游走、积分漂移为什么必然发生》
6. 《GNSS/RTK 基础：城市峡谷/隧道为什么会失效》
7. 《坐标系必修课：车体/世界/传感器坐标系与右手系约定》
8. 《时间同步入门：硬同步 vs 软同步，时间戳漂移如何毁掉融合》
9. 《相机内参标定实战：标定板、重投影误差与常见失败原因》
10. 《相机外参标定实战：相机-车体外参怎么标、怎么验》
11. 《LiDAR 外参标定：点云配准思路与外参抖动诊断》
12. 《Camera-LiDAR 联合标定：投影关系、对齐可视化与误差定位》
13. 《Radar-Camera 标定与对齐：量测模型与匹配难点》
14. 《IMU 与车体对齐：安装误差如何影响定位/SLAM》
15. 《多传感器外参链路：传感器树（TF Tree）如何维护与版本化》
16. 《传感器噪声建模：误差从哪里来、怎么进滤波/融合》
17. 《视场与遮挡：安装高度/角度如何改变可见性与盲区》
18. 《传感器选型：成本、冗余、全天候能力与目标产品形态》
19. 《雨雾雪/逆光/夜晚：不同传感器在极端环境的失效模式》
20. 《标定工具链入门：数据采集、离线标定、在线监测与告警设计》

---

3）数据工程与自动标注（20 篇）

1. 《自动驾驶数据闭环入门：为什么数据比模型更关键》
2. 《数据采集策略：覆盖 ODD 的采集计划如何制定》
3. 《日志系统设计：怎么采到“可复现问题”的最小必要信息》
4. 《数据清洗基础：坏帧、丢帧、同步异常、传感器遮挡自动检测》
5. 《数据去重与抽样：海量数据如何做分布保持与压缩》
6. 《训练/验证/测试划分：按场景分布划分避免数据泄漏》
7. 《场景标签体系：天气/道路/交通密度/行为事件怎么定义》
8. 《难例挖掘（Corner Case Mining）入门：从什么信号开始挖》
9. 《在线回流策略：哪些触发条件值得回流，怎么控制成本》
10. 《主动学习：用不确定性挑数据的基本套路》
11. 《弱监督与半监督：伪标签生成、置信度门控与噪声抑制》
12. 《自动标注流水线：检测→跟踪→融合→规则修正的经典结构》
13. 《3D 自动标注：多帧融合、静动态分离与一致性约束》
14. 《车道线/地图要素自动标注：从轨迹/几何先验到学习方法》
15. 《标注质量评估：一致性、漏标率、偏移误差怎么量化》
16. 《数据版本管理：数据/标签/模型/配置如何可追溯》
17. 《数据偏移与概念漂移：上线后分布变化怎么监测》
18. 《数据安全与隐私基础：车端脱敏、存储策略与合规要点》
19. 《评测集构建：代表性、覆盖性与“只为刷分”的陷阱》
20. 《数据驱动迭代案例：一次典型线上问题如何闭环到改进》

---

4）感知（Perception）（20 篇）

1. 《感知任务地图：检测/分割/车道线/可行驶区域/信号灯/跟踪如何配合》
2. 《2D 检测入门：从标注格式到训练 pipeline 全流程》
3. 《2D 检测核心：anchor-based vs anchor-free 的直觉理解》
4. 《语义分割入门：可行驶区域与道路边界怎么做》
5. 《实例分割 vs 语义分割：在自动驾驶里分别用于什么》
6. 《3D 点云基础：坐标、体素、BEV 投影与常用预处理》
7. 《3D 检测入门：点云网络的主流思路与输出表达》
8. 《BEV 表征为什么重要：从多视角到统一鸟瞰的好处》
9. 《Occupancy 入门：从“框”到“占据栅格”的表示升级》
10. 《车道线检测入门：几何先验、曲线表示与评价指标》
11. 《交通灯/标志识别：小目标、远距离与长尾类别怎么处理》
12. 《多目标跟踪（MOT）入门：数据关联、轨迹管理与常见错误》
13. 《跟踪中的卡尔曼滤波：状态设计与观测噪声怎么设》
14. 《感知中的坐标变换：投影、反投影与误差传播》
15. 《遮挡与误检：如何用时序与语义约束减少“幽灵目标”》
16. 《多帧融合感知：时序特征与运动补偿的工程要点》
17. 《感知评测指标：mAP、IoU、MOTA 等怎么读、怎么用》
18. 《线上感知问题排查：从日志到可视化定位根因》
19. 《感知鲁棒性：雨雾雪、夜晚、逆光下的常见失败与缓解》
20. 《从感知到下游：感知输出格式如何服务预测与规划》

---

5）多传感器融合（Fusion）（20 篇）

1. 《融合为什么必要：单传感器不可避免的盲区与失效》
2. 《融合三分法：早融合/中融合/晚融合分别适合什么》
3. 《目标级融合入门：同一目标多来源如何合并与去重》
4. 《跟踪融合：统一轨迹管理的结构与数据关联策略》
5. 《栅格融合入门：占据栅格、语义栅格与分辨率权衡》
6. 《融合里的时间对齐：延迟、时间窗与插值怎么做》
7. 《融合里的坐标对齐：外参误差导致的典型“错位现象”》
8. 《置信度统一：不同传感器的置信度如何可比较》
9. 《融合冲突处理：相机说有、雷达说没有时怎么办》
10. 《遮挡场景融合：利用雷达穿透与时序稳定性补强》
11. 《传感器失效检测：眩光/雨雾/遮挡下如何触发降级》
12. 《多目标数据关联：门控、代价矩阵与匈牙利算法入门》
13. 《概率融合直觉：贝叶斯更新在融合中的工程化理解》
14. 《占据融合中的动态/静态分离：动静冲突怎么解决》
15. 《融合输出设计：给预测/规划用的数据结构怎么定》
16. 《融合评测：不仅看精度，还要看稳定性与时序一致性》
17. 《融合系统工程化：模块接口、消息频率与资源约束》
18. 《融合调参方法论：从误差源到参数的可解释调参》
19. 《融合的“幽灵目标”排查：外参/时间/关联三大根因》
20. 《融合到世界模型：融合如何演进为统一场景表示》

---

6）定位与 SLAM（20 篇）

1. 《定位问题全景：GNSS/INS、里程计、SLAM、地图匹配怎么组合》
2. 《状态估计基础：滤波 vs 优化，两派方法在系统里怎么用》
3. 《IMU 预积分入门：为什么要预积分，解决什么问题》
4. 《GNSS/INS 组合导航：EKF 的状态量怎么选、噪声怎么设》
5. 《视觉里程计（VO）入门：特征法 vs 直接法直觉理解》
6. 《VIO 入门：尺度、初始化与漂移控制的关键点》
7. 《激光里程计（LO）入门：ICP/NDT 的基本原理与坑》
8. 《LIO 入门：IMU+LiDAR 紧耦合的系统结构》
9. 《回环检测：为什么回环能“拉回漂移”，又为何会误回环》
10. 《图优化基础：因子图、残差、雅可比与求解器直觉》
11. 《重定位：丢定位后如何快速恢复（隧道/地下车库）》
12. 《动态物体处理：为什么动态会毁 SLAM，怎么做剔除/鲁棒》
13. 《地图匹配定位：点云/视觉与地图约束如何结合》
14. 《定位置信度：如何输出可用的定位质量指标给下游》
15. 《城市峡谷问题：多路径、遮挡与漂移的典型现象》
16. 《恶劣天气定位：雨雪雾对相机/雷达/激光的不同影响》
17. 《定位系统的时间同步：时序错误如何导致“跳定位”》
18. 《定位评测：APE/RPE、漂移率、跳变检测怎么做》
19. 《线上定位问题排查：从轨迹异常到根因定位的方法》
20. 《自动驾驶中的 SLAM 工程化：实时性、资源、回放复现》

---

7）建图与高精地图（Mapping & HD Map）（20 篇）

1. 《HD Map 是什么：存什么、不存什么，为什么它能提升可靠性》
2. 《地图坐标体系：地图坐标、车体坐标、投影坐标怎么统一》
3. 《车道级拓扑入门：车道、连接、路口拓扑如何建模》
4. 《地图要素类型：车道线、路沿、停止线、斑马线、杆状物等》
5. 《地图构建流程：采集→建图→质检→发布→更新》
6. 《点云建图基础：拼接、配准、去动态与稠密化》
7. 《视觉/语义建图：从图像提取语义要素的基本方法》
8. 《地图要素抽取：从点云/图像自动提取车道线的常见套路》
9. 《地图匹配（Map Matching）入门：如何把定位结果“贴回”地图》
10. 《在线地图更新：变化检测、增量更新与回滚机制》
11. 《地图质量评估：几何误差、拓扑一致性、覆盖率怎么量化》
12. 《地图与感知结合：地图先验如何约束/纠错感知输出》
13. 《无图/弱图路线：为什么很多方案减少对 HD Map 的依赖》
14. 《在线建图/局部地图：如何用短时记忆替代全局 HD Map》
15. 《Map Format 入门：地图数据结构设计与存储检索》
16. 《路口复杂拓扑：多车道、多出口、渠化区域怎么表示》
17. 《地图与预测/规划接口：地图提供哪些约束与可行空间》
18. 《地图维护成本：规模化运营下地图为何是“吞金兽”》
19. 《地图与 ODD：地图覆盖不全时如何安全降级》
20. 《地图系统的可观测性：线上地图错误如何发现与定位》

---

8）预测（Prediction）（20 篇）

1. 《预测在系统中的位置：为什么预测是规划的输入空间》
2. 《预测任务拆解：轨迹预测 vs 意图识别 vs 交互建模》
3. 《轨迹预测入门：输入特征、输出表示与基本损失函数》
4. 《多模态预测：为什么要输出多条未来轨迹及其概率》
5. 《不确定性入门：随机性不确定 vs 认知不确定怎么区分》
6. 《场景上下文：车道拓扑、交通规则对预测的重要性》
7. 《多智能体预测：联合建模与耦合关系怎么表达》
8. 《交互预测：对方会如何响应自车动作（响应式预测）》
9. 《意图识别：变道/加塞/并入/让行意图如何推断》
10. 《行人/非机动车预测：随机性强的对象怎么建模》
11. 《特殊场景专题：cut-in 的识别、预测与对策》
12. 《汇入/并道专题：主辅路交互的常见模式与难点》
13. 《无保护左转专题：对向来车与空隙接受（gap acceptance）》
14. 《预测输出给规划：轨迹集、概率、占据概率怎么对接》
15. 《预测评测指标：ADE/FDE、Miss Rate、NLL 的含义与陷阱》
16. 《数据偏移对预测的影响：分布变化时为什么会集体崩》
17. 《预测鲁棒性：遮挡、误检、定位误差传播的应对》
18. 《线上预测问题排查：置信度异常、过度自信如何定位》
19. 《预测的可解释性：为什么预测了这条轨迹（可视化方法）》
20. 《从预测到 Occupancy Flow：预测如何走向空间占据演化》

---

9）行为决策（Behavior）（20 篇）

1. 《行为决策是什么：它和规划的边界怎么划》
2. 《驾驶行为集合：跟车、变道、超车、让行、停车的基本框架》
3. 《有限状态机（FSM）入门：状态设计与转移条件的基本原则》
4. 《FSM 常见坑：抖动、死锁、状态爆炸怎么解决》
5. 《行为树（Behavior Tree）入门：节点类型、执行逻辑与优点》
6. 《规则与学习的结合：哪些必须规则，哪些适合学习》
7. 《风险评估入门：TTC、最小距离、碰撞概率的直觉与局限》
8. 《安全边界设计：什么时候必须保守，什么时候可以进取》
9. 《让行策略：礼让、强行、协商在系统里如何落地》
10. 《博弈与交互：对方会不会让？如何建模与决策》
11. 《决策与地图：车道拓扑约束如何影响行为选择》
12. 《决策与预测耦合：预测不确定时决策如何更稳》
13. 《可解释性：决策为什么这么做（给人看的解释）》
14. 《行为评测：保守/激进/犹豫三类问题如何量化》
15. 《场景库驱动决策：场景化回归测试如何组织》
16. 《换道决策：安全间隙、速度差与交互策略》
17. 《路口决策：先行权、停走博弈与冲突处理》
18. 《紧急情况决策：急刹、避让、最小风险策略》
19. 《决策降级：感知/定位不稳时如何收缩行为空间》
20. 《线上决策问题排查：从行为日志到规则触发链路复盘》

---

10）运动规划（Motion Planning）（20 篇）

1. 《规划问题怎么写：状态、约束、代价函数的统一视角》
2. 《路径规划 vs 速度规划：分离的理由与联合的必要性》
3. 《采样式规划入门：RRT/RRT* 的直觉、优缺点与实时性》
4. 《搜索式规划入门：A* / Hybrid A* 在车规约束下怎么用》
5. 《优化式规划入门：QP/非线性优化的基本结构》
6. 《EM 规划框架：路径-速度交替优化的套路与收敛直觉》
7. 《障碍物表示：多边形、圆形、占据栅格分别怎么用》
8. 《动态障碍处理：用预测轨迹集做规划的基本接口》
9. 《碰撞检测基础：离散碰撞、连续碰撞与安全距离》
10. 《可行性：曲率、加速度、jerk 约束如何落地》
11. 《舒适性指标：为什么 jerk 很关键，怎么控制》
12. 《车道保持规划：跟踪参考线与横向偏移代价设计》
13. 《换道规划：目标车道选择、轨迹拼接与安全缓冲》
14. 《路口规划：停止线、让行区、冲突点与通过策略》
15. 《狭窄空间/会车：可行域收缩下的规划技巧》
16. 《重规划与回退：规划失败时如何做 fallback》
17. 《规划实时性工程：多线程、缓存、warm start 与降级》
18. 《规划评测：碰撞率、越界率、效率、舒适性怎么量化》
19. 《线上规划问题排查：过度保守/蛇形/急刹的根因分析》
20. 《规划与控制接口：轨迹格式、时标与跟踪误差闭环》

---

11）控制与车辆动力学（Control）（20 篇）

1. 《控制在自动驾驶中干嘛：从轨迹到执行器命令的链路》
2. 《车辆动力学最小集：自行车模型与关键物理量》
3. 《横向控制入门：Pure Pursuit 原理、调参思路与局限》
4. 《横向控制入门：Stanley 原理、优缺点与适用场景》
5. 《纵向控制入门：速度闭环、跟车控制与时距策略》
6. 《执行器特性：死区、饱和、延迟对控制的影响》
7. 《PID 不玄学：如何用阶跃响应和误差曲线系统调参》
8. 《MPC 入门：状态、约束、代价函数如何设计》
9. 《MPC 工程化：实时求解、预测时域与求解失败处理》
10. 《轨迹跟踪误差：横向误差/航向误差/速度误差如何耦合》
11. 《控制稳定性：振荡、发散、打舵频繁的典型原因》
12. 《低附着路面：雨雪/冰面下如何防侧滑与控制崩溃》
13. 《坡道工况：上坡/下坡对纵向控制的挑战与补偿》
14. 《急弯工况：曲率大时横向控制与速度规划如何协同》
15. 《控制与定位误差：定位抖动如何导致控制抖动》
16. 《控制与规划冲突：轨迹不可跟踪时的反馈与重规划触发》
17. 《舒适性控制：jerk、加速度限幅与乘坐体验》
18. 《控制的安全兜底：紧急制动与最小风险动作》
19. 《控制评测：跟踪误差、稳定性、舒适性、通过率指标》
20. 《线上控制问题排查：从执行器日志到根因定位的方法》

---

12）系统工程与中间件（Engineering & Middleware）（20 篇）

1. 《自动驾驶软件工程入门：模块化、分层与依赖管理》
2. 《ROS2 快速上手：节点、话题、服务、参数的最小示例》
3. 《CyberRT/AUTOSAR 基础概念：你需要掌握的核心点》
4. 《实时系统入门：周期、抖动、Deadline 对算法意味着什么》
5. 《通信与序列化：消息格式、拷贝次数与延迟的关系》
6. 《数据记录与回放：Record/Replay 的正确打开方式》
7. 《可复现性工程：版本、配置、模型、数据如何一键对齐》
8. 《模块接口设计：输入输出、频率、时间戳与一致性约束》
9. 《调度与并发：多线程、优先级与资源竞争的常见坑》
10. 《GPU 推理部署基础：批处理、流、异步与性能剖析》
11. 《日志体系设计：分级、采样、压缩与线上可用性》
12. 《Trace/Profiling：如何定位端到端延迟瓶颈》
13. 《配置管理：参数爆炸怎么控，默认值与覆盖策略怎么定》
14. 《特性开关与灰度：如何安全上线新模型/新策略》
15. 《降级与容错：模块异常时系统如何保持可控》
16. 《健康监控与告警：心跳、延迟、丢帧、队列堆积怎么监测》
17. 《地图/模型/数据热更新：上线更新如何不引入风险》
18. 《线上问题排查流程：从报警到复现再到修复的闭环》
19. 《回归测试框架：每次改动如何保证“不退步”》
20. 《工程最佳实践：代码规范、单测、集成测试在自动驾驶里的落地》

---

13）仿真与场景生成（Simulation）（20 篇）

1. 《为什么必须仿真：真实道路测试的不可穷举性》
2. 《开环仿真 vs 闭环仿真：分别验证什么、各自局限是什么》
3. 《仿真系统组成：地图、交通参与者、传感器、物理与渲染》
4. 《CARLA 快速入门：最小可跑闭环的搭建步骤》
5. 《LGSVL/其他仿真平台对比：能力边界与选型建议》
6. 《传感器仿真：相机渲染里哪些因素最影响感知》
7. 《LiDAR 仿真：点云密度、噪声、遮挡如何逼真模拟》
8. 《雷达仿真：虚警、漏检、速度量测误差如何建模》
9. 《车辆动力学仿真：自行车模型到更复杂模型的取舍》
10. 《交通流仿真：行为模型如何影响交互场景真实性》
11. 《场景库设计：场景要素拆解与参数化表达》
12. 《组合式场景生成：用少量模板覆盖大量长尾组合》
13. 《对抗式场景生成：如何自动“找出系统最弱点”》
14. 《随机化（Domain Randomization）：减少 Sim2Real 落差的思路》
15. 《Sim2Real 误差来源：传感器、物理、行为分布三类差异》
16. 《仿真评测指标：通过率之外如何衡量风险与稳定性》
17. 《仿真回放一致性：如何保证同一版本可重复复现实验》
18. 《仿真与离线回放联动：仿真挖到的难例如何回流到训练》
19. 《仿真性能优化：加速比、并行跑批与资源成本控制》
20. 《仿真在研发闭环中的位置：从日常回归到发版门禁》

---

14）测试验证与安全（Testing & Safety）（20 篇）

1. 《自动驾驶测试全景：单测/集成/系统/道路测试各测什么》
2. 《场景化测试入门：用场景而不是用里程做覆盖》
3. 《场景库怎么建：场景要素、触发条件与通过标准》
4. 《离线回放测试：如何把线上问题变成可回归用例》
5. 《开环评测 vs 闭环评测：什么时候开环够用，什么时候必须闭环》
6. 《MIL/SIL/HIL 分别是什么：测试金字塔如何搭》
7. 《回归体系：每次改动如何快速发现退化》
8. 《KPI 指标体系：安全、舒适、效率与稳定性如何量化》
9. 《安全案例入门：从一次危险事件到可测试的需求拆解》
10. 《ISO 26262 入门：功能安全核心概念与开发流程》
11. 《ASIL 是什么：等级如何影响设计冗余与验证强度》
12. 《SOTIF（ISO 21448）入门：预期功能安全为什么更难》
13. 《长尾与未知风险：如何用数据与场景减少“没想到”》
14. 《失效注入（Fault Injection）：感知/定位/通信失效怎么测》
15. 《不确定性与置信度：如何把“我不确定”纳入安全策略》
16. 《运行监控（Runtime Monitoring）：上线后如何发现安全风险趋势》
17. 《ODD 合规与边界：如何证明系统只在可控范围内工作》
18. 《安全降级策略验证：降级是否真的更安全、如何证明》
19. 《问题复盘模板：从事故/险情到改进闭环的标准流程》
20. 《发版门禁（Release Gate）：哪些测试必须通过才能上车上路》

---

如果你希望我把这套内容进一步变得“可执行”（更适合自学），我可以在不问你额外信息的情况下直接给你两种增强版之一：

• 增强版 A：按 16 周自学路线重排（每周读/写哪 5 篇最关键）
• 增强版 B：每个标题配 3–5 个小节大纲 + 必做实验/代码建议（保证写得出来、学得进去）