自动驾驶可视化实验室
从多传感器融合感知到端到端驾驶架构，系统化呈现自动驾驶感知、预测、规划、控制全链路的关键技术与工程实现。每个模块均含可交互的 SVG 可视化演示。
激光雷达、摄像头、毫米波雷达的后融合/特征级融合。BEVFormer 等方案将多视角图像特征投影到统一鸟瞰空间，提升遮挡场景下的检测鲁棒性。点云提供精确深度，相机提供语义，雷达提供远距速度。
通过 Lift-Splat-Shoot 或可变形注意力将 2D 图像特征提升到 3D 再拍平为 BEV。BEV 表征天然对齐物理坐标，便于时序融合与跨传感器融合，是当代感知的主流范式。
多模态轨迹预测输出未来 6s 的 K 条可能轨迹及概率。基于 MotionTransformer、HiVT 等模型，建模交互与地图先验。不确定性通过高斯混合或确定性锚点表达。
分层规划：路由级（Dijkstra）→ 行为级（FSM/MPPI）→ 运动级（A*/RRT*）。可视化展示 A* 在栅格地图上的搜索过程，启发式引导收敛，代价函数综合考虑距离、安全、舒适。
PID 简单稳健，参数整定 P/I/D 协调超调与稳态误差。MPC 在有限时域内求解最优控制序列，显式处理约束，适合横向控制与轨迹跟踪，但算力开销大。
端到端将原始传感器输入直接映射到规划/控制信号，省去模块间信息损失。UniAD 用统一 Query 串联感知预测规划；VAD 用矢量场景表征加速训练；完全端到端如 ParaDrive 进一步简化。
从 CARLA 物理仿真到 NeRF/生成式仿真，保真度与可扩展性此消彼长。生成式数据合成（GenSim）缓解长尾场景稀缺，闭环评测（Closed-loop）成为衡量智驾能力的新标准。
功能安全遵循 ISO 26262 ASIL-D。主栈失效时异构冗余栈接管；安全监控器以规则约束实时检查规划合法性；最终降级到 MRC（最小风险 maneuver）靠边停车。三道防线确保单点失效不致灾难。