自动驾驶---Planning模块详细介绍（以Apollo为例）_自动驾驶planning

1 背景

        今年OpenAI带来了CHAT-GPT这个令人耳目一新的大模型产品，其实对自动驾驶行业也产生了不小的影响，自动驾驶端到端的研究也逐渐浮出水面，某些公司和研究机构开始研发自动驾驶大模型：图像直接输入给到模型，模型输出轨迹，比如南加州大学和清华大学发表的文章《GPT-DRIVER：LEARNING TO DRIVE WITH GPT》，文中提到使用Chat-GPT通过语言模型得到轨迹，虽然只是个试验性的研究，但也为未来的自动驾驶提供了一个思路，比如，我们用CHAT-GPT去做决策，同时也看到一篇帖子，给GPT输入一张图片（图片中的道路上有个坑），它能分析出图片中的要素“坑”，并可以指引车辆需要避开这个“坑”。

        笔者认为，大模型用于决策和生成粗糙轨迹是比较符合实际的，但是如果生成的轨迹光滑度比QP优化后的轨迹更好，我就有一点点怀疑了，所以规划模块在未来较长的一段时间内还是很有意义的。

        之前也提到过，从开源的平台来看，Apollo也是更接近量产的一种，大家也称百度Apollo团队是自动驾驶行业的“黄埔军校”，所以后面的主要分享内容均来自Apollo项目。

2 规划模块介绍

        这次也主要介绍高速场景下Planning模块，至于低速的泊车场景对比高速场景或者城区场景有比较大的差距，这里也埋一个种子（后续开个系列详细去介绍泊车功能，其实前面也简单写了一篇代客泊车的博客文章《