周末，家住浙江杭州的李女士自驾出游，行至杭新景高速时突遇暴雨，路面能见度骤降。在她准备靠向应急车道时，车内响起前车减速预警，系统同步介入收油制动，帮她平稳预防追尾事故发生。事后，李女士感慨：“还好有辅助驾驶系统，极端天气下出行多一层保障。”

　　这样的场景正越来越多出现在日常出行中，辅助驾驶相关技术从早期的高速巡航向更复杂的应用场景延伸，在感知精度和系统稳定性上持续精进。

　　辅助驾驶要想看得清、判得准、行得稳，车载传感器是关键。提升传感器系统的感知可靠性，是行业技术攻关的重点方向之一。

　　“在极端场景下，单一传感器受环境干扰，可能出现识别能力下降的情况。”华为智能汽车解决方案相关负责人聂奕介绍，当前车载传感器主要是用于识别物体的摄像头、可探测较远距离目标的激光雷达，以及受天气干扰相对较小的毫米波雷达等。

　　“3类传感器各有优势，也各有适用边界。华为乾崑选择了‘多传感器融合感知’技术路线。”聂奕说，“当摄像头受强光或逆光影响时，毫米波雷达和激光雷达可以为摄像头补充信息，减少单一传感器失效带来的感知缺口。”

　　“看见”障碍物还不够，系统必须在毫秒之间理解风险并作出合理反应。

　　深夜，周先生驾车行驶在高速公路上，前方一道强光直射而来，“对向车道的大货车开着远光灯，我什么都看不清，只能慢慢减速。”此时，车机发出急促的报警声，车辆也突然减速刹停。“我回过神来才发现，有一辆黑车因为故障停在了我前方几米的地方。”周先生说，“还好车上的激光雷达和毫米波雷达识别到了它，并且马上启动了自动紧急制动系统。”

　　辅助驾驶系统需要在极短时间内完成感知、建模、决策，对算法稳定性和实时性要求较高。在决策算法领域主要存在两条技术路径，一是传统的模块化方法，将感知、规划、控制拆分为独立模块，虽逻辑清晰，但应对复杂场景时规则编写难度大，且存在无法预知的场景；另一条则是端到端的大模型方案，由神经网络直接输出控制指令，虽灵活性强，但可解释性不足。

　　如何在二者之间找到兼顾安全与效率的平衡点？“华为乾崑智能汽车解决方案所研发的特定架构，尝试提供一种融合思路。”聂奕介绍，“这一架构里的云端世界引擎负责在云端大规模仿真训练，车端世界行为模型是车端实时决策的‘大脑’，用‘视觉、听觉、触觉’的多传感器全模态感知的数据，来训练生成辅助驾驶专用的大模型，负责感知、决策、控制的端到端执行。”

　　决策算法的进步，离不开底层硬件的支撑。作为感知系统的关键传感器之一，激光雷达的性能突破尤为关键。“如果要追求宽视野，那么雷达对远处目标的识别精度就会下降；如果聚焦远距离，扫描角度则会收窄。”聂奕说，“因此我们提出了激光雷达双光路架构方案，让一颗雷达同时具备‘广角镜头’和‘长焦镜头’，兼顾宽视野感知与远距离识别能力。”据介绍，该技术已应用于华为乾崑896线双光路图像级激光雷达，目前相关产品已量产商用。

　　“辅助驾驶的目标，是让出行更安全、更高效。”聂奕表示，“我们将持续在算法优化、硬件迭代和系统集成等方面深耕，推动辅助驾驶技术在更广泛的真实场景中经受检验、稳步成熟。”