尧图网站建设 
1. 为什么我建议你背熟这套“行话”再入行很多刚转入自动驾驶领域的朋友第一周看文档的状态基本是每个字母都认识拼在一起完全不知道在说什么。ACC、AEB、LKA、BSD、NOA、NGP、FSD、RSS、BEV、OCC、Transformer、端到端……一页PPT能出现二十多个缩写查完一个忘一个非常打击信心。我印象特别深的是入职第一天mentor丢给我一份感知模块的接口文档满屏的ROI、BBox、FOV、ID我当时以为自己在看某种加密电报。后来干久了才明白自动驾驶行业的英文缩写多到这种程度有历史原因也有技术原因整套技术栈从传感器、算法、整车电子电气架构到功能定义全都是在欧美先行发展起来的。很多底层名词来自学术论文论文里以缩写为主流行业就沿用下来了另一部分来自ISO标准、ISO 26262功能安全、ISO 21448预期功能安全标准文档本身就以缩写为骨架还有一部分是各家主机厂做产品定义时造的营销词比如NOP、NGP、CNGP本质是同一类功能的不同叫法。这篇文章不是给你一个简单的翻译词典而是把自动驾驶技术里最常见的英文单词和缩略语按“感知—决策规划—车路协同—系统功能—行业陷阱”这条逻辑线串起来讲清楚每个缩略语出现的场景、它背后的技术含义、以及你会在什么文档里碰到它。你可以把它当成案头参考也可以当作自测清单看完至少能解决一个实际问题下次开会再听到有人说“BEV感知方案灌到规控里不够稳”你不至于在脑子里画问号。我的建议是不要死记硬背先按技术链路读一遍然后回到自己的岗位场景里对照使用。等你能做到“看到缩写第一反应不是翻译而是想到它对应的数据流或功能模块”这关才算过了。2. 感知环节汽车怎么“看见”世界就靠这批缩写感知是自动驾驶系统最前端的一环。搞懂这个环节的英文缩写等于先摸清了整辆车的信息来源。这一块我按传感器硬件和感知算法层分开梳理因为两类缩写的使用场景差异很大。2.1 传感器层面的老面孔LiDAR、RADAR、Camera、IMU、GNSS传感器的缩写几乎每天都会接触但很多人对它们的全称和适用范围是模糊的。我把最常见的整理成一张对照表先建立整体印象。缩写全称中文习惯叫法主要用途LiDARLight Detection and Ranging激光雷达输出3D点云测量距离和形状RADARRadio Detection and Ranging毫米波雷达测距测速雨雾天气表现稳定CameraCamera / Optical Camera摄像头获取图像做目标识别、车道线检测IMUInertial Measurement Unit惯性测量单元测量加速度和角速度辅助定位GNSSGlobal Navigation Satellite System全球导航卫星系统提供全球定位含GPS/北斗等RTKReal-Time Kinematic实时动态差分定位把GNSS定位精度提升到厘米级LiDAR在行业里是个高频词。它的原理是主动发射激光束通过反射光返回的时间差计算目标距离生成三维点云。很多技术文档里会直接写“LiDAR is the primary sensor for dense 3D reconstruction”这里的dense是“稠密/高密度”的意思强调点云数据量大、空间信息完整。需要注意LiDAR的全称在不同厂家文档里偶尔会是Laser Imaging, Detection and Ranging但业界普遍还是用Light Detection and Ranging。RADAR和LiDAR只差一个字母但一个用的是无线电波一个用的是激光。RADAR最大的优势是穿透性好雨雪雾天不太受影响因此毫米波雷达在AEB自动紧急制动这类安全功能里依然是不可或缺的传感器。看论文时你还会遇到一个派生词RADAR point cloud意思是雷达点云——因为没有激光雷达点云稠密所以现在不少多传感器融合方案的核心工作之一就是把稀疏的雷达点云和图像特征对齐。Camera不用多说但要注意自动驾驶文档里经常会区分monocular camera单目、stereo camera双目、surround-view camera环视。如果文档里提到 “we use a camera-only system”意思就是纯视觉方案不带激光雷达和毫米波雷达。特斯拉FSD走的就是这条技术路线这也是为什么FSD相关讨论里总绕不开camera。IMU负责告诉车辆“我现在的姿态是怎样的”。它由加速度计和陀螺仪组成单独使用时会随着时间积累漂移drift所以通常和GNSS/RTK做组合定位工程上也叫GNSS/INS。INS是Inertial Navigation System和IMU经常被混用其实IMU是传感器硬件INS是包含解算算法的完整系统。GNSS是所有导航卫星系统的总称。国内很多文章直接把GPS等同于卫星定位其实GPS只是GNSS里的一个系统。如果供应商文档里只写GPS通常是在泛指全球定位能力但严谨的工程文档会写GNSS因为国产方案可能同时融合北斗信号。RTK是GNSS的增强技术靠地面基准站纠正误差能实现厘米级定位目前高速NOA领航辅助驾驶功能里几乎没有不带RTK的。2.2 感知算法层面的高频缩写ROI、BEV、FOV、OCC、BBox传感器拿到了原始数据接下来要转化为车辆能理解的信息这段算法链路里的缩写比硬件层更密集也更需要理解上下文。ROIRegion of Interest感兴趣区域感知算法里最常见的概念之一。检测时不会对整张图做全分辨率计算而是先框出目标可能存在的区域再在这个区域里做精细识别。工程文档里你常看到 “extract ROI from the raw image”翻译过来就是在原图抠出目标区。它和下面要说的BBox关系密切ROI是区域概念BBox是检测结果的表达方式。BBoxBounding Box边界框目标检测输出的矩形框格式。2D检测里是x/y/width/height或四角坐标3D检测里是center_x/center_y/center_z/length/width/height/yaw。看标注规范时一定会碰到这个缩写标注员的日常工作就是画BBox和3D Box。FOVField of View视场角描述传感器能看到的角度范围。摄像头的FOV通常有水平FOV和垂直FOV激光雷达也有FOV比如“128线激光雷达的垂直FOV为-25°到15°”。FOV直接影响感知覆盖范围做传感器标定时也绕不开它。BEVBird‘s Eye View鸟瞰视角这个词近几年热度极高。传统方案是在图像平面做检测BEV则是把多摄像头的图像特征统一投影到车体为中心的俯视平面再进行目标检测和道路结构感知。好处是空间表达统一方便后续规划模块直接使用。你看到“BEV感知”“BEVFormer”“BEV Fusion”都是指这个思路。理解BEV的关键在于它不是一个传感器而是一种特征空间表达方式。OCCOccupancy Grid / Occupancy Network占用网格/占用网络把周围环境划分成离散栅格每个栅格标记是否被占据用来表达动态障碍物和静态物体。特斯拉在2022年AI Day上重点讲过的Occupancy Network就是用OCC来摆脱对“目标检测识别框”的依赖——不一定要知道“这是个什么物体”只需要知道“这个栅格被占了”对异形障碍物的处理能力会更强。现在很多量产方案会用“BEVOCC”的组合描述意思是鸟瞰视角的特征表达加上栅格占用预测。IDIdentity目标身份标识感知输出给下游时每个目标会分配一个唯一ID用于跨帧追踪。“ID switch”是常见问题指同一个目标在连续帧中被错误地分配了不同ID会导致下游预测和规划出现跳变。做感知评测时ID Switch率是个核心指标。除了这几个高频词感知文章里你还会看到FCNFully Convolutional Network全卷积网络、FPNFeature Pyramid Network特征金字塔网络、NMSNon-Maximum Suppression非极大值抑制。NMS尤其重要它解决的是“同一个目标被多个框同时框住后该保留哪个”的问题。面试时如果聊到检测后处理NMS几乎必考。2.3 数据与评测环节缩略语GT、mAP、IoU、TP/FP/FN自动驾驶感知模型的迭代高度依赖数据闭环。读算法文档、跑评测集、向领导汇报指标时下面这些缩写出现频率最高。GTGround Truth真值指标注好的“标准答案”。训练和评测都需要GT。常见句式是“comparing model output with GT”即把模型输出与真值对比。经验不足的人容易把GT理解成“真实值”但在工程语境里GT特指“人工标注的参考值”它也可能出错。mAPmean Average Precision平均精度均值目标检测最常用的评测指标。它综合了Precision查准率和Recall查全率数值越高说明检测越准越全。开会时听到“这版模型的mAP从0.65涨到0.71”意思就是整体检测效果提升了。IoUIntersection over Union交并比衡量预测框和真值框的重合程度。公式是交集面积除以并集面积取值0到1。一般设定一个阈值比如IoU≥0.5算检测正确IoU≥0.7算精细匹配。看论文时常看到mAP0.5、mAP0.75后面的数字就是IoU阈值。TP/FP/FNTrue Positive / False Positive / False Negative真阳性/假阳性/假阴性评测基础概念。自动驾驶雷达和视觉感知里FP会导致虚警本来没有障碍物却报了障碍物FN会导致漏检有障碍物却没测出来。在AEB测试里FP和FN的容忍度完全不同漏检可能直接导致碰撞虚警最多带来误刹车所以安全类功能设计时会优先压低FN。如果未来你去数据部门或算法部门还会频繁接触IDRInterpolation Detection Rate、MOTAMultiple Object Tracking Accuracy多目标跟踪准确率、**MOTPMultiple Object Tracking Precision**这类跟踪指标它们衡量的是跨帧追踪的稳定性。现阶段知道这些词的大致用途即可真做跟踪再细学。3. 决策规划与控制链路路径怎么走全靠这套缩写体系感知解决“世界长什么样”决策规划与控制解决“车应该怎么动”。这一段的缩写体系性很强按规划层、决策层、控制层拆开来理解最清晰。3.1 路径规划里的算法名RRT、A*、Dijkstra、QP、EM Planner**RRTRapidly-exploring Random Tree快速扩展随机树**是采样类路径规划算法的代表。基本思路是在状态空间里随机撒点逐步扩展出一棵树直到找到一条从起点到终点的可行路径。优点是不需要对空间做太多预处理适合高维复杂的非结构化环境缺点是路径不够平滑后续要靠曲线平滑算法进一步处理。很多大学生参加智能车竞赛时第一次写路径规划写的就是RRT。**A*A-StarA星算法**是基于栅格地图的最短路径搜索算法也是无人驾驶和机器人领域的基础算法。它结合了Dijkstra算法的全局最优特性和贪心算法的高效性靠一个启发函数heuristic function引导搜索方向。在封闭场地低速巡检场景中A*直接能用在高速场景它更多作为全局导航的基础层和后面的局部规划器配合。**QPQuadratic Programming二次规划**和OSQPOperator Splitting QP在论文里经常出现。轨迹规划问题往往被建模成带约束的最优化问题目标函数通常是二次型约束包括避障、动力学边界、曲率限制等这类问题用QP求解器求解非常自然。Apollo的EM Planner在横纵向规划里、以及一些主流开源方案里QP都是标配。理解QP的关键是它不负责“找一条可行的几何路径”而是在粗略参考线的基础上优化出一条满足动力学约束且平滑的轨迹。EM Planner是百度Apollo里的核心规划框架EM是Expectation-Maximization的缩写不过这里的EM并不是统计学意义上的EM算法而是“Expectation”和“Maximization”的思想——先基于当前估计的环境做轨迹生成再通过优化求解最优轨迹再迭代更新。跑过Apollo源码的人对这个词一定不陌生。如果面试官问“EM Planner和Lattice Planner的区别”本质就是在考你对不同规划范式的理解EM强调迭代优化Lattice强调在采样生成的候选轨迹里做选择。**Lattice Planner格点规划器**是另一条技术路线。它在Frenet坐标系下采样一系列候选轨迹再用代价函数选出最优轨迹。虽然严格说不是缩写但在英文学术文档中出场率极高而且“Frenet坐标系”这个概念本身就要靠英文记忆Frenet frame弗勒内坐标系用s沿着参考线的纵向距离和d相对参考线的横向偏移描述位置极大地简化了道路场景下的轨迹生成。我在早期读规划文档时一直被s和d搞晕后来才想到一个记忆技巧s是“纵向路程”d是“横向偏差”前者的英文是station或arc length后者是lateral offset。3.2 行为决策层的常用词RSS、FTR、Cut-in、OcclusionRSSResponsibility Sensitive Safety责任敏感安全模型由Mobileye提出核心思想给自动驾驶定义一个“安全距离”。如果自车与前车的车距小于安全距离那么在发生碰撞时责任在于后车反过来如果前车在没有给出合理反应时间的情况下强行切入责任在于前车。这不是一个算法工具而是一种安全论证框架在很多规则的讨论里被反复引用目的是让自动驾驶的决策逻辑可解释、可判责。你看到的“RSS rule”就是在描述这类责任边界规则。FTRFirst Time Right不是这里是FTIR这个缩写在决策规划场景不像前面几个那么高频但如果看行为预测模块的论文会碰到TTCTime to Collision碰撞时间和THWTime Headway时距。TTC指按照当前相对速度和距离预计多久后会发生碰撞AEB触发逻辑的核心输入之一就是TTC。THW指自车到达前车当前位置所花的时间在ACC跟车功能里很常用。行为决策里还有一个RSS我前面讲过了要注意别和RSURoad Side Unit路侧单元搞混后者是车路协同里的基础设施。Cut-in切入不是缩写但在国内英文会议里使用率极高指旁边车道的车突然并入自车车道。Cut-in场景是NOA和城市辅助驾驶最难处理的case之一因为它强调“预测”。再看论文或PRD时看到“handle cut-in scenarios”千万别理解成“剪入”这是在说处理车辆切入场景。Occlusion遮挡也是决策规划文档中的高频非缩写词汇。当感知目标被大车或建筑物遮挡时规划模块需要做“被遮挡时的保守决策”occlusion-aware planning。中文工程讨论里习惯直接说“遮挡工况”英文就是“Occlusion Scenario”。这个词在ASIL评级、SOTIF分析里也频繁出现。3.3 控制层的基本盘PID、LQR、MPC、Yaw Rate、Steer控住方向盘和油门刹车的一层缩写相对固定PIDProportional-Integral-Derivative比例-积分-微分控制器最基础也最经典的控制算法。三个字母分别代表三路增益比例项盯当前误差积分项消除累计误差微分项抑制超调。很多全局规划做了很久的同学第一次上手车辆纵向控制时都从PID开始调。它够用但应对强非线性场景时性能有限。LQRLinear Quadratic Regulator线性二次型调节器一种基于状态空间模型的最优控制方法。目标函数包含状态偏差和控制量代价的二次型通过求解Riccati方程得到状态反馈增益。LQR在横向控制里很常见尤其是低速、路面条件稳定的场景。读经典教材《Vehicle Dynamics and Control》时LQR和MPC的对比是常驻话题。MPCModel Predictive Control模型预测控制控制领域当红炸子鸡。核心思想是通过预测模型在一段时间窗口内滚动求解一个带约束的最优控制问题每次只执行第一步然后滚动优化。MPC最大的优势是能显式处理约束比如转向角限制、加速度限制、避障边界所以在轨迹跟踪和主动安全控制里应用极广。在采访中经常听业界专家说“决策规划一体化的MPC方案”指的就是直接把安全约束写进优化问题里。Yaw Rate横摆角速度、Steer Angle转向角、Slip Angle侧偏角、Understeer/Oversteer不足转向/过度转向这些不是缩写但在调车辆动力学模型时必须天天读。ESP系统、LKA功能标定文档里全是这些词记不住会非常痛苦。控制层的核心任务不是“把方向盘转某个角度”而是让整车在满足舒适性和安全性的前提下精确跟踪规划好的轨迹。开会时听到“MPC的求解频率不够”你要能理解这意味着在高速高动态工况下优化器没法在控制周期内给出最优解可能带来实车抖动或轨迹偏差。4. 从单车到协同V2X、车路协同与服务类缩略语感知、规划、控制解决的是“单车智能”但自动驾驶的技术演进绕不开车与车、车与路、车与云之间的通信。这一层缩略语在智能网联汽车、路侧基础设施和运营平台相关文档里大面积出现。4.1 V2X与它的四个关键分支V2V、V2I、V2P、V2N**V2XVehicle-to-Everything车联万物**是车与外界一切信息交换的总称。它不是一个具体协议而是一个概念框架。往下拆V2VVehicle-to-Vehicle车车通信车与车之间直接交换位置、速度、刹车意图等信息。经典应用是前车紧急制动预警后车不需要靠传感器看到刹车灯而是直接收到数据包反应时间可以缩短到毫秒级。V2V在Ghost路口被遮挡的交叉口场景下价值尤其大。V2IVehicle-to-Infrastructure车路通信车与路侧设备交互比如信号灯、电子指示牌、路侧感知设备。典型应用是绿波车速引导Green Light Optimal Speed AdvisoryGLOSA车在接近路口时收到红绿灯剩余时间系统自主计算通过车速能避免频繁停车等待。V2PVehicle-to-Pedestrian车人通信车与行人手机或行人穿戴设备通信用于保护弱势交通参与者。实际量产落地相对较少因为需要行人端设备配合但概念在车路协同示范项目中经常出现。V2NVehicle-to-Network车网通信车通过4G/5G网络接入云端用于地图更新、远程监控、车队调度。你手机上的App远程查看车辆状态、远程空调控制本质上就是V2N的极简形态。V2X还有个高频相关词MECMulti-access Edge Computing多接入边缘计算。路侧感知设备采集到原始数据后就近在路侧边缘计算节点上完成融合识别再通过V2I把结果发给车辆——这种“端-边-云”架构在车路协同方案里是标配。看到“MEC节点”“MEC平台”就是指这类边缘计算单元。4.2 通信标准之争DSRC vs C-V2X以及背后的RSU/OBU车与车、车与路之间通过什么协议通信业内两套主流方案DSRCDedicated Short Range Communications专用短程通信基于IEEE 802.11p标准的Wi-Fi衍生技术从车联网诞生之初就在北美被力推。优点是技术成熟国际上有一批早期示范项目缺点是覆盖能力相对有限移动性管理不如蜂窝网络。C-V2XCellular Vehicle-to-Everything蜂窝车联网基于3GPP标准、在4G/5G蜂窝网络基础上演进出来的方案又细分为LTE-V2X和NR-V2X。国内主推的路线是C-V2X因为5G基础设施完善且C-V2X在非视距场景、网络覆盖和演进能力上有明显优势。全球范围内C-V2X逐渐占据上风但DSRC在北美的存量项目里仍能见到。还有一个高频硬件缩写OBUOn-Board Unit车载单元装在车上RSURoad Side Unit路侧单元装在路侧。这两个词在车路协同项目招标书、验收报告里出现频率极高。“每公里部署不少于4套RSU”说的就是路侧通信设备的密度要求。做路侧感知方案的朋友日常接触最多的就是RSU和MEC的组合。4.3 站在服务端视角OTA、FOTA、SOTA、UDS与远程诊断走向量产之后软件更新和诊断是绕不开的工程模块这些缩略语在运营和售后文档里尤为常见。OTAOver-The-Air空中下载升级泛指通过无线网络远程更新软件。汽车行业里OTA常被拿来当作产品卖点宣传其实它分为SOTA和FOTA。FOTAFirmware Over-The-Air固件空中升级更新的是固件比如底层MCU控制器、BMS控制程序、座舱域控制器的底层系统。FOTA比SOTA风险更高因为刷固件失败可能直接导致控制器变砖所以工程上会做严格的A/B分区备份和回滚机制。SOTASoftware Over-The-Air软件空中升级更新应用程序层级比如娱乐主机App、地图数据、UI界面。相对FOTA来说风险等级低一些但依然要保护升级包的完整性和安全性。UDSUnified Diagnostic Services统一诊断服务ISO 14229标准定义的汽车诊断服务协议。售后诊断仪读取车辆故障码DTCDiagnostic Trouble Code、刷写ECU参数、执行零部件动作测试基本都走UDS栈。做OBD诊断相关工作的同学对UDS一定不陌生。这里实际上把智能汽车的“身高”分成了设备终端层OBU/RSU和云端平台层V2N/OTA理解了这一层后续看各种“车路云一体化”方案就不容易发懵。5. 功能与系统级缩写量产车上的花名册与评级这一节关注的是用户看得见和法规管得着的功能级缩写也是面试和日常沟通中最高频的词汇群。5.1 国际主流ADAS功能缩写ACC、AEB、LKA、LDW、BSD、APAACCAdaptive Cruise Control自适应巡航控制自动跟车加减速保持设定车速和车距。它是L1级别的典型功能也是后续NOA等功能的基础模块。ACC通常带Stop Go功能意味着车能拥堵路段完全刹停再自动起步。AEBAutonomous Emergency Braking自动紧急制动检测到即将发生碰撞且驾驶员未反应时系统主动制动。AEB已经大量进入法规和NCAP评分体系Euro NCAP里AEB的测试场景每年都在增加。LKALane Keeping Assist车道保持辅助通过转向辅助让车辆保持在车道中央。LKA和LDW经常成对出现。LDWLane Departure Warning车道偏离预警车子即将压线或偏离车道时发出提醒车辆本身不一定主动控方向盘。它和LKA的区别在“预警”与“控制”一个是眼睛一个是手。BSDBlind Spot Detection盲区监测检测后视镜盲区里的车辆亮灯或蜂鸣提醒。很多主机厂文案里也称“盲区预警”。APAAutomatic Parking Assist自动泊车辅助自动完成泊入/泊出动作。更进阶的还有AVPAutomated Valet Parking代客泊车可以理解为在特定停车场内实现到达-寻位-泊入的全流程无人操作。这套功能缩写的记忆诀窍在于理解分级A代表Automatic/AutomatedD代表Detection/Warning比如LDW是预警LKA是控制ACC是纵向控制LKA是横向控制。纵向横向都管起来就接近L2级别的“组合辅助驾驶”了——也就是行业里常提的TJATraffic Jam Assist交通拥堵辅助和HWAHighway Assist高速辅助的设计初衷。5.2 各家造词运动NOA、NOP、NCA、NGP、CNGP、FSD、City NGP怎么区分这一块是中文技术社区最热闹的部分因为国内新势力都喜欢给同一类功能起专属名。剥掉品牌外壳核心缩写逻辑其实一致NOANavigate on Autopilot特斯拉提出指在导航设定目的地后车辆在高速或城市道路上自主完成进出匝道、变道、超车等操作。“Navigate on Autopilot”里的Navigate是关键说明它不只是定速巡航或车道保持而是“按导航路径自主行驶”。NOPNavigate on Pilot/ NOP蔚来对“领航辅助”的命名NOP在NOP基础上升级了范围和执行能力。NCANavigation Cruise Assist小鹏对“导航辅助驾驶”的早期命名之一后来在城市NGP时代逐渐弱化。NGPNavigation Guided Pilot小鹏的高速NGP和城市NGP。要注意“NGP”和“NOA”在技术层面对应的是同一等级功能核心差异是每个厂家策略和体验细节。CNGP / City NGPCity NGP就是小鹏的城市导航辅助驾驶。中文发布会里经常出现“XNGP已覆盖xxx城市”的说法本质是城市领航辅助功能的扩张。FSDFull Self-Driving完全自动驾驶能力特斯拉的商业名称。名字上挂“Full”很强但实际不等于L4级完全自动驾驶这点在汽车社区里吵了很多年。从技术维度看FSD Beta版已经实现了一定程度的端到端感知到规划的链路但在法律和检测维度上依然属于L2辅助驾驶。City LCC / Highway LCC部分厂家会把“城市内部车道居中辅助”单独命名强调它不是领航而是车道级辅助。如果你面试的是智驾产品经理或测试岗位这一串缩略语必须能快速说出差异。我的记忆方法是看有没有“Navigation/Guide”这个前缀词。NOA、NGP、NCP都含“导航/引导”意思指向按导航路径自主行驶不含这个词的ACC/LCC/APA则属于单点辅助功能。拿这个标准一卡基本不会串。5.3 标准与评级机构缩略语NCAP、ISO 26262、ASIL、SOTIFNCAPNew Car Assessment Program新车评价规程最出名的是Euro NCAP和中国C-NCAP还有C-IASI中国保险汽车安全指数。NCAP不是强制法规但评分直接影响车型销量所以主机厂普遍会跑NCAP场景来反推智驾功能开发。测试工程师简历里写“主导XX车型AEB NCAP场景调试”含金量就在于你真正理解了评分规则、失效场景和调试余量。ISO 26262即《道路车辆—功能安全》定义了功能安全开发和管理的全生命周期要求。它的核心缩写是ASILAutomotive Safety Integrity Level汽车安全完整性等级从A到D共四级D级要求最高如转向系统、刹车系统相关。做智驾系统设计时每个功能模块会被分配ASIL等级——感知模块可能是ASIL B规划控制可能要求ASIL D这直接决定冗余设计和开发流程的强度。开会听到“这个模块需要ASIL D的安全机制”意思就是它承担的安全责任极高必须按最高强度做开发验证。**SOTIFSafety of the Intended Functionality预期功能安全**是ISO 21448标准的核心解决“没有功能安全失效但在预期使用场景之外功能表现不佳”导致的安全问题。举个例子传感器本身的硬件没坏但雨天镜头脏污导致感知失效这属于SOTIF范畴而不是ISO 26262范畴。SOTIF分析的一个核心输出是确认“ODDOperational Design Domain运行设计域”也就是这辆车在什么条件道路类型、天气、光照、速度范围下才能运行。ODD这个缩写现在在法规文件里出现频率极高理解它才能真正理解L3以上责任划分的逻辑。6. 易混淆名称与高频陷阱我在实际工作里吃过的亏最后一节把我在项目实战和辅导新人过程中遇到的混淆场景集中写出来这些坑非常实际不提前踩一遍等上了真项目再发现就晚了。6.1 自动驾驶相关叫法的语义边界Autonomous Driving自动驾驶的英文概念和Self-Driving自动驾驶/自我驾驶基本同义但在中文语境里被交叉使用得很乱。Driverless无人驾驶强调的是“车内无驾驶员”Unmanned无人常见于军事或特定园区场景Robotic Vehicle机器人车辆则偏向机器人学术圈表达。和同行沟通时尤其是和法规、项目验收人员交流务必先澄清大家口中的“自动驾驶”具体指L2还是L3还是L4。这个不切开后面谈责任和安全指标都会出问题。Connected网联和Automated自动化的区别也常被误解。“智能网联汽车”的英文是ICVIntelligent and Connected Vehicle“网联”指的是通讯能力“自动化”指的是驾驶能力。两个维度独立存在一辆车可以很“自动化”但不联网也可以很“网联”但完全靠人开。6.2 我见过的几个最容易“张冠李戴”的缩写下面这张表是全文中我唯一建议你打印出来贴工位上的缩写完整含义易混淆对象区分要点GPSGlobal Positioning SystemGNSSGPS是GNSS里的一种严谨场景用GNSSLKALane Keeping AssistLCC/LDWLKA是保持居中控制LDW只是偏离预警AEBAutonomous Emergency BrakingABS防抱死系统AEB是紧急刹车ABS是刹车时防车轮抱死OTAOver-The-AirOTA vs FOTAOTA是总称FOTA是固件级更新RSURoad Side UnitOBURSU在路侧OBU在车上RSSResponsibility Sensitive SafetyRSS订阅不是一路自动驾驶语境指责任敏感安全模型MPCModel Predictive ControlMPC不是“多片体”控制算法与PID对应SOTASoftware Over-The-AirState of the Art汽车里多指软件OTA学术中常指“最先进技术”这个表里的每个“易混淆对象”我都真实遇到过。最典型的是有一次和一位供应商聊天对方说“我们SOTA方案已经很成熟了”我第一反应是“你吹什么最先进”后来才知道他说的是Software OTA。这类同形异义词homonym在跨团队沟通里最容易炸雷。6.3 术语之外的建议怎么把缩写变成自己的语言我的最后一条经验是不要试图一次性背完所有缩略语。最靠谱的做法是结合你的岗位选一个子集然后在一到两周内高强度使用它。比如你做测试就重点把ACC、AEB、LKA、LDW、NOA这些功能缩写焊死在脑子里你做感知就先把BBox、BEV、OCC、mAP、IoU练到能脱口而出你做高精地图定位那GNSS、RTK、IMU、Frenet、s/d坐标系这类必须熟练。另外一个实操技巧打开一篇英文技术文档荧光笔划出所有大写缩写第一遍先猜它属于哪个模块感知/规划/控制/通信再查全文比直接查翻译记忆效率高很多。长期积累之后你会发现读英文法规如UN R157关于自动车道保持系统的法规时缩写密度反而没那么吓人——因为核心概念你已经全部覆盖了。如果读完这篇整理你能在英文会议里不再因为听不懂ACC和LKA的差别而脑内疯狂查词那这套整理就是有价值的。自动驾驶行业的新词汇还在不断冒出来今天聊的端到端、大模型、世界模型、VLAVision-Language-Action Model明天就可能变成新的缩写出现在文档里但底层的技术链路和对“安全”的敬畏不会变。掌握常规行话不是为了炫技是为了在信息爆炸的技术浪潮里少一点碍眼的沟通摩擦多一点真正解决问题的时间。 自动驾驶行业常用缩略语全解析：从BEV到NOA一次讲清
1. 为什么我建议你背熟这套“行话”再入行很多刚转入自动驾驶领域的朋友第一周看文档的状态基本是每个字母都认识拼在一起完全不知道在说什么。ACC、AEB、LKA、BSD、NOA、NGP、FSD、RSS、BEV、OCC、Transformer、端到端……一页PPT能出现二十多个缩写查完一个忘一个非常打击信心。我印象特别深的是入职第一天mentor丢给我一份感知模块的接口文档满屏的ROI、BBox、FOV、ID我当时以为自己在看某种加密电报。后来干久了才明白自动驾驶行业的英文缩写多到这种程度有历史原因也有技术原因整套技术栈从传感器、算法、整车电子电气架构到功能定义全都是在欧美先行发展起来的。很多底层名词来自学术论文论文里以缩写为主流行业就沿用下来了另一部分来自ISO标准、ISO 26262功能安全、ISO 21448预期功能安全标准文档本身就以缩写为骨架还有一部分是各家主机厂做产品定义时造的营销词比如NOP、NGP、CNGP本质是同一类功能的不同叫法。这篇文章不是给你一个简单的翻译词典而是把自动驾驶技术里最常见的英文单词和缩略语按“感知—决策规划—车路协同—系统功能—行业陷阱”这条逻辑线串起来讲清楚每个缩略语出现的场景、它背后的技术含义、以及你会在什么文档里碰到它。你可以把它当成案头参考也可以当作自测清单看完至少能解决一个实际问题下次开会再听到有人说“BEV感知方案灌到规控里不够稳”你不至于在脑子里画问号。我的建议是不要死记硬背先按技术链路读一遍然后回到自己的岗位场景里对照使用。等你能做到“看到缩写第一反应不是翻译而是想到它对应的数据流或功能模块”这关才算过了。2. 感知环节汽车怎么“看见”世界就靠这批缩写感知是自动驾驶系统最前端的一环。搞懂这个环节的英文缩写等于先摸清了整辆车的信息来源。这一块我按传感器硬件和感知算法层分开梳理因为两类缩写的使用场景差异很大。2.1 传感器层面的老面孔LiDAR、RADAR、Camera、IMU、GNSS传感器的缩写几乎每天都会接触但很多人对它们的全称和适用范围是模糊的。我把最常见的整理成一张对照表先建立整体印象。缩写全称中文习惯叫法主要用途LiDARLight Detection and Ranging激光雷达输出3D点云测量距离和形状RADARRadio Detection and Ranging毫米波雷达测距测速雨雾天气表现稳定CameraCamera / Optical Camera摄像头获取图像做目标识别、车道线检测IMUInertial Measurement Unit惯性测量单元测量加速度和角速度辅助定位GNSSGlobal Navigation Satellite System全球导航卫星系统提供全球定位含GPS/北斗等RTKReal-Time Kinematic实时动态差分定位把GNSS定位精度提升到厘米级LiDAR在行业里是个高频词。它的原理是主动发射激光束通过反射光返回的时间差计算目标距离生成三维点云。很多技术文档里会直接写“LiDAR is the primary sensor for dense 3D reconstruction”这里的dense是“稠密/高密度”的意思强调点云数据量大、空间信息完整。需要注意LiDAR的全称在不同厂家文档里偶尔会是Laser Imaging, Detection and Ranging但业界普遍还是用Light Detection and Ranging。RADAR和LiDAR只差一个字母但一个用的是无线电波一个用的是激光。RADAR最大的优势是穿透性好雨雪雾天不太受影响因此毫米波雷达在AEB自动紧急制动这类安全功能里依然是不可或缺的传感器。看论文时你还会遇到一个派生词RADAR point cloud意思是雷达点云——因为没有激光雷达点云稠密所以现在不少多传感器融合方案的核心工作之一就是把稀疏的雷达点云和图像特征对齐。Camera不用多说但要注意自动驾驶文档里经常会区分monocular camera单目、stereo camera双目、surround-view camera环视。如果文档里提到 “we use a camera-only system”意思就是纯视觉方案不带激光雷达和毫米波雷达。特斯拉FSD走的就是这条技术路线这也是为什么FSD相关讨论里总绕不开camera。IMU负责告诉车辆“我现在的姿态是怎样的”。它由加速度计和陀螺仪组成单独使用时会随着时间积累漂移drift所以通常和GNSS/RTK做组合定位工程上也叫GNSS/INS。INS是Inertial Navigation System和IMU经常被混用其实IMU是传感器硬件INS是包含解算算法的完整系统。GNSS是所有导航卫星系统的总称。国内很多文章直接把GPS等同于卫星定位其实GPS只是GNSS里的一个系统。如果供应商文档里只写GPS通常是在泛指全球定位能力但严谨的工程文档会写GNSS因为国产方案可能同时融合北斗信号。RTK是GNSS的增强技术靠地面基准站纠正误差能实现厘米级定位目前高速NOA领航辅助驾驶功能里几乎没有不带RTK的。2.2 感知算法层面的高频缩写ROI、BEV、FOV、OCC、BBox传感器拿到了原始数据接下来要转化为车辆能理解的信息这段算法链路里的缩写比硬件层更密集也更需要理解上下文。ROIRegion of Interest感兴趣区域感知算法里最常见的概念之一。检测时不会对整张图做全分辨率计算而是先框出目标可能存在的区域再在这个区域里做精细识别。工程文档里你常看到 “extract ROI from the raw image”翻译过来就是在原图抠出目标区。它和下面要说的BBox关系密切ROI是区域概念BBox是检测结果的表达方式。BBoxBounding Box边界框目标检测输出的矩形框格式。2D检测里是x/y/width/height或四角坐标3D检测里是center_x/center_y/center_z/length/width/height/yaw。看标注规范时一定会碰到这个缩写标注员的日常工作就是画BBox和3D Box。FOVField of View视场角描述传感器能看到的角度范围。摄像头的FOV通常有水平FOV和垂直FOV激光雷达也有FOV比如“128线激光雷达的垂直FOV为-25°到15°”。FOV直接影响感知覆盖范围做传感器标定时也绕不开它。BEVBird‘s Eye View鸟瞰视角这个词近几年热度极高。传统方案是在图像平面做检测BEV则是把多摄像头的图像特征统一投影到车体为中心的俯视平面再进行目标检测和道路结构感知。好处是空间表达统一方便后续规划模块直接使用。你看到“BEV感知”“BEVFormer”“BEV Fusion”都是指这个思路。理解BEV的关键在于它不是一个传感器而是一种特征空间表达方式。OCCOccupancy Grid / Occupancy Network占用网格/占用网络把周围环境划分成离散栅格每个栅格标记是否被占据用来表达动态障碍物和静态物体。特斯拉在2022年AI Day上重点讲过的Occupancy Network就是用OCC来摆脱对“目标检测识别框”的依赖——不一定要知道“这是个什么物体”只需要知道“这个栅格被占了”对异形障碍物的处理能力会更强。现在很多量产方案会用“BEVOCC”的组合描述意思是鸟瞰视角的特征表达加上栅格占用预测。IDIdentity目标身份标识感知输出给下游时每个目标会分配一个唯一ID用于跨帧追踪。“ID switch”是常见问题指同一个目标在连续帧中被错误地分配了不同ID会导致下游预测和规划出现跳变。做感知评测时ID Switch率是个核心指标。除了这几个高频词感知文章里你还会看到FCNFully Convolutional Network全卷积网络、FPNFeature Pyramid Network特征金字塔网络、NMSNon-Maximum Suppression非极大值抑制。NMS尤其重要它解决的是“同一个目标被多个框同时框住后该保留哪个”的问题。面试时如果聊到检测后处理NMS几乎必考。2.3 数据与评测环节缩略语GT、mAP、IoU、TP/FP/FN自动驾驶感知模型的迭代高度依赖数据闭环。读算法文档、跑评测集、向领导汇报指标时下面这些缩写出现频率最高。GTGround Truth真值指标注好的“标准答案”。训练和评测都需要GT。常见句式是“comparing model output with GT”即把模型输出与真值对比。经验不足的人容易把GT理解成“真实值”但在工程语境里GT特指“人工标注的参考值”它也可能出错。mAPmean Average Precision平均精度均值目标检测最常用的评测指标。它综合了Precision查准率和Recall查全率数值越高说明检测越准越全。开会时听到“这版模型的mAP从0.65涨到0.71”意思就是整体检测效果提升了。IoUIntersection over Union交并比衡量预测框和真值框的重合程度。公式是交集面积除以并集面积取值0到1。一般设定一个阈值比如IoU≥0.5算检测正确IoU≥0.7算精细匹配。看论文时常看到mAP0.5、mAP0.75后面的数字就是IoU阈值。TP/FP/FNTrue Positive / False Positive / False Negative真阳性/假阳性/假阴性评测基础概念。自动驾驶雷达和视觉感知里FP会导致虚警本来没有障碍物却报了障碍物FN会导致漏检有障碍物却没测出来。在AEB测试里FP和FN的容忍度完全不同漏检可能直接导致碰撞虚警最多带来误刹车所以安全类功能设计时会优先压低FN。如果未来你去数据部门或算法部门还会频繁接触IDRInterpolation Detection Rate、MOTAMultiple Object Tracking Accuracy多目标跟踪准确率、**MOTPMultiple Object Tracking Precision**这类跟踪指标它们衡量的是跨帧追踪的稳定性。现阶段知道这些词的大致用途即可真做跟踪再细学。3. 决策规划与控制链路路径怎么走全靠这套缩写体系感知解决“世界长什么样”决策规划与控制解决“车应该怎么动”。这一段的缩写体系性很强按规划层、决策层、控制层拆开来理解最清晰。3.1 路径规划里的算法名RRT、A*、Dijkstra、QP、EM Planner**RRTRapidly-exploring Random Tree快速扩展随机树**是采样类路径规划算法的代表。基本思路是在状态空间里随机撒点逐步扩展出一棵树直到找到一条从起点到终点的可行路径。优点是不需要对空间做太多预处理适合高维复杂的非结构化环境缺点是路径不够平滑后续要靠曲线平滑算法进一步处理。很多大学生参加智能车竞赛时第一次写路径规划写的就是RRT。**A*A-StarA星算法**是基于栅格地图的最短路径搜索算法也是无人驾驶和机器人领域的基础算法。它结合了Dijkstra算法的全局最优特性和贪心算法的高效性靠一个启发函数heuristic function引导搜索方向。在封闭场地低速巡检场景中A*直接能用在高速场景它更多作为全局导航的基础层和后面的局部规划器配合。**QPQuadratic Programming二次规划**和OSQPOperator Splitting QP在论文里经常出现。轨迹规划问题往往被建模成带约束的最优化问题目标函数通常是二次型约束包括避障、动力学边界、曲率限制等这类问题用QP求解器求解非常自然。Apollo的EM Planner在横纵向规划里、以及一些主流开源方案里QP都是标配。理解QP的关键是它不负责“找一条可行的几何路径”而是在粗略参考线的基础上优化出一条满足动力学约束且平滑的轨迹。EM Planner是百度Apollo里的核心规划框架EM是Expectation-Maximization的缩写不过这里的EM并不是统计学意义上的EM算法而是“Expectation”和“Maximization”的思想——先基于当前估计的环境做轨迹生成再通过优化求解最优轨迹再迭代更新。跑过Apollo源码的人对这个词一定不陌生。如果面试官问“EM Planner和Lattice Planner的区别”本质就是在考你对不同规划范式的理解EM强调迭代优化Lattice强调在采样生成的候选轨迹里做选择。**Lattice Planner格点规划器**是另一条技术路线。它在Frenet坐标系下采样一系列候选轨迹再用代价函数选出最优轨迹。虽然严格说不是缩写但在英文学术文档中出场率极高而且“Frenet坐标系”这个概念本身就要靠英文记忆Frenet frame弗勒内坐标系用s沿着参考线的纵向距离和d相对参考线的横向偏移描述位置极大地简化了道路场景下的轨迹生成。我在早期读规划文档时一直被s和d搞晕后来才想到一个记忆技巧s是“纵向路程”d是“横向偏差”前者的英文是station或arc length后者是lateral offset。3.2 行为决策层的常用词RSS、FTR、Cut-in、OcclusionRSSResponsibility Sensitive Safety责任敏感安全模型由Mobileye提出核心思想给自动驾驶定义一个“安全距离”。如果自车与前车的车距小于安全距离那么在发生碰撞时责任在于后车反过来如果前车在没有给出合理反应时间的情况下强行切入责任在于前车。这不是一个算法工具而是一种安全论证框架在很多规则的讨论里被反复引用目的是让自动驾驶的决策逻辑可解释、可判责。你看到的“RSS rule”就是在描述这类责任边界规则。FTRFirst Time Right不是这里是FTIR这个缩写在决策规划场景不像前面几个那么高频但如果看行为预测模块的论文会碰到TTCTime to Collision碰撞时间和THWTime Headway时距。TTC指按照当前相对速度和距离预计多久后会发生碰撞AEB触发逻辑的核心输入之一就是TTC。THW指自车到达前车当前位置所花的时间在ACC跟车功能里很常用。行为决策里还有一个RSS我前面讲过了要注意别和RSURoad Side Unit路侧单元搞混后者是车路协同里的基础设施。Cut-in切入不是缩写但在国内英文会议里使用率极高指旁边车道的车突然并入自车车道。Cut-in场景是NOA和城市辅助驾驶最难处理的case之一因为它强调“预测”。再看论文或PRD时看到“handle cut-in scenarios”千万别理解成“剪入”这是在说处理车辆切入场景。Occlusion遮挡也是决策规划文档中的高频非缩写词汇。当感知目标被大车或建筑物遮挡时规划模块需要做“被遮挡时的保守决策”occlusion-aware planning。中文工程讨论里习惯直接说“遮挡工况”英文就是“Occlusion Scenario”。这个词在ASIL评级、SOTIF分析里也频繁出现。3.3 控制层的基本盘PID、LQR、MPC、Yaw Rate、Steer控住方向盘和油门刹车的一层缩写相对固定PIDProportional-Integral-Derivative比例-积分-微分控制器最基础也最经典的控制算法。三个字母分别代表三路增益比例项盯当前误差积分项消除累计误差微分项抑制超调。很多全局规划做了很久的同学第一次上手车辆纵向控制时都从PID开始调。它够用但应对强非线性场景时性能有限。LQRLinear Quadratic Regulator线性二次型调节器一种基于状态空间模型的最优控制方法。目标函数包含状态偏差和控制量代价的二次型通过求解Riccati方程得到状态反馈增益。LQR在横向控制里很常见尤其是低速、路面条件稳定的场景。读经典教材《Vehicle Dynamics and Control》时LQR和MPC的对比是常驻话题。MPCModel Predictive Control模型预测控制控制领域当红炸子鸡。核心思想是通过预测模型在一段时间窗口内滚动求解一个带约束的最优控制问题每次只执行第一步然后滚动优化。MPC最大的优势是能显式处理约束比如转向角限制、加速度限制、避障边界所以在轨迹跟踪和主动安全控制里应用极广。在采访中经常听业界专家说“决策规划一体化的MPC方案”指的就是直接把安全约束写进优化问题里。Yaw Rate横摆角速度、Steer Angle转向角、Slip Angle侧偏角、Understeer/Oversteer不足转向/过度转向这些不是缩写但在调车辆动力学模型时必须天天读。ESP系统、LKA功能标定文档里全是这些词记不住会非常痛苦。控制层的核心任务不是“把方向盘转某个角度”而是让整车在满足舒适性和安全性的前提下精确跟踪规划好的轨迹。开会时听到“MPC的求解频率不够”你要能理解这意味着在高速高动态工况下优化器没法在控制周期内给出最优解可能带来实车抖动或轨迹偏差。4. 从单车到协同V2X、车路协同与服务类缩略语感知、规划、控制解决的是“单车智能”但自动驾驶的技术演进绕不开车与车、车与路、车与云之间的通信。这一层缩略语在智能网联汽车、路侧基础设施和运营平台相关文档里大面积出现。4.1 V2X与它的四个关键分支V2V、V2I、V2P、V2N**V2XVehicle-to-Everything车联万物**是车与外界一切信息交换的总称。它不是一个具体协议而是一个概念框架。往下拆V2VVehicle-to-Vehicle车车通信车与车之间直接交换位置、速度、刹车意图等信息。经典应用是前车紧急制动预警后车不需要靠传感器看到刹车灯而是直接收到数据包反应时间可以缩短到毫秒级。V2V在Ghost路口被遮挡的交叉口场景下价值尤其大。V2IVehicle-to-Infrastructure车路通信车与路侧设备交互比如信号灯、电子指示牌、路侧感知设备。典型应用是绿波车速引导Green Light Optimal Speed AdvisoryGLOSA车在接近路口时收到红绿灯剩余时间系统自主计算通过车速能避免频繁停车等待。V2PVehicle-to-Pedestrian车人通信车与行人手机或行人穿戴设备通信用于保护弱势交通参与者。实际量产落地相对较少因为需要行人端设备配合但概念在车路协同示范项目中经常出现。V2NVehicle-to-Network车网通信车通过4G/5G网络接入云端用于地图更新、远程监控、车队调度。你手机上的App远程查看车辆状态、远程空调控制本质上就是V2N的极简形态。V2X还有个高频相关词MECMulti-access Edge Computing多接入边缘计算。路侧感知设备采集到原始数据后就近在路侧边缘计算节点上完成融合识别再通过V2I把结果发给车辆——这种“端-边-云”架构在车路协同方案里是标配。看到“MEC节点”“MEC平台”就是指这类边缘计算单元。4.2 通信标准之争DSRC vs C-V2X以及背后的RSU/OBU车与车、车与路之间通过什么协议通信业内两套主流方案DSRCDedicated Short Range Communications专用短程通信基于IEEE 802.11p标准的Wi-Fi衍生技术从车联网诞生之初就在北美被力推。优点是技术成熟国际上有一批早期示范项目缺点是覆盖能力相对有限移动性管理不如蜂窝网络。C-V2XCellular Vehicle-to-Everything蜂窝车联网基于3GPP标准、在4G/5G蜂窝网络基础上演进出来的方案又细分为LTE-V2X和NR-V2X。国内主推的路线是C-V2X因为5G基础设施完善且C-V2X在非视距场景、网络覆盖和演进能力上有明显优势。全球范围内C-V2X逐渐占据上风但DSRC在北美的存量项目里仍能见到。还有一个高频硬件缩写OBUOn-Board Unit车载单元装在车上RSURoad Side Unit路侧单元装在路侧。这两个词在车路协同项目招标书、验收报告里出现频率极高。“每公里部署不少于4套RSU”说的就是路侧通信设备的密度要求。做路侧感知方案的朋友日常接触最多的就是RSU和MEC的组合。4.3 站在服务端视角OTA、FOTA、SOTA、UDS与远程诊断走向量产之后软件更新和诊断是绕不开的工程模块这些缩略语在运营和售后文档里尤为常见。OTAOver-The-Air空中下载升级泛指通过无线网络远程更新软件。汽车行业里OTA常被拿来当作产品卖点宣传其实它分为SOTA和FOTA。FOTAFirmware Over-The-Air固件空中升级更新的是固件比如底层MCU控制器、BMS控制程序、座舱域控制器的底层系统。FOTA比SOTA风险更高因为刷固件失败可能直接导致控制器变砖所以工程上会做严格的A/B分区备份和回滚机制。SOTASoftware Over-The-Air软件空中升级更新应用程序层级比如娱乐主机App、地图数据、UI界面。相对FOTA来说风险等级低一些但依然要保护升级包的完整性和安全性。UDSUnified Diagnostic Services统一诊断服务ISO 14229标准定义的汽车诊断服务协议。售后诊断仪读取车辆故障码DTCDiagnostic Trouble Code、刷写ECU参数、执行零部件动作测试基本都走UDS栈。做OBD诊断相关工作的同学对UDS一定不陌生。这里实际上把智能汽车的“身高”分成了设备终端层OBU/RSU和云端平台层V2N/OTA理解了这一层后续看各种“车路云一体化”方案就不容易发懵。5. 功能与系统级缩写量产车上的花名册与评级这一节关注的是用户看得见和法规管得着的功能级缩写也是面试和日常沟通中最高频的词汇群。5.1 国际主流ADAS功能缩写ACC、AEB、LKA、LDW、BSD、APAACCAdaptive Cruise Control自适应巡航控制自动跟车加减速保持设定车速和车距。它是L1级别的典型功能也是后续NOA等功能的基础模块。ACC通常带Stop Go功能意味着车能拥堵路段完全刹停再自动起步。AEBAutonomous Emergency Braking自动紧急制动检测到即将发生碰撞且驾驶员未反应时系统主动制动。AEB已经大量进入法规和NCAP评分体系Euro NCAP里AEB的测试场景每年都在增加。LKALane Keeping Assist车道保持辅助通过转向辅助让车辆保持在车道中央。LKA和LDW经常成对出现。LDWLane Departure Warning车道偏离预警车子即将压线或偏离车道时发出提醒车辆本身不一定主动控方向盘。它和LKA的区别在“预警”与“控制”一个是眼睛一个是手。BSDBlind Spot Detection盲区监测检测后视镜盲区里的车辆亮灯或蜂鸣提醒。很多主机厂文案里也称“盲区预警”。APAAutomatic Parking Assist自动泊车辅助自动完成泊入/泊出动作。更进阶的还有AVPAutomated Valet Parking代客泊车可以理解为在特定停车场内实现到达-寻位-泊入的全流程无人操作。这套功能缩写的记忆诀窍在于理解分级A代表Automatic/AutomatedD代表Detection/Warning比如LDW是预警LKA是控制ACC是纵向控制LKA是横向控制。纵向横向都管起来就接近L2级别的“组合辅助驾驶”了——也就是行业里常提的TJATraffic Jam Assist交通拥堵辅助和HWAHighway Assist高速辅助的设计初衷。5.2 各家造词运动NOA、NOP、NCA、NGP、CNGP、FSD、City NGP怎么区分这一块是中文技术社区最热闹的部分因为国内新势力都喜欢给同一类功能起专属名。剥掉品牌外壳核心缩写逻辑其实一致NOANavigate on Autopilot特斯拉提出指在导航设定目的地后车辆在高速或城市道路上自主完成进出匝道、变道、超车等操作。“Navigate on Autopilot”里的Navigate是关键说明它不只是定速巡航或车道保持而是“按导航路径自主行驶”。NOPNavigate on Pilot/ NOP蔚来对“领航辅助”的命名NOP在NOP基础上升级了范围和执行能力。NCANavigation Cruise Assist小鹏对“导航辅助驾驶”的早期命名之一后来在城市NGP时代逐渐弱化。NGPNavigation Guided Pilot小鹏的高速NGP和城市NGP。要注意“NGP”和“NOA”在技术层面对应的是同一等级功能核心差异是每个厂家策略和体验细节。CNGP / City NGPCity NGP就是小鹏的城市导航辅助驾驶。中文发布会里经常出现“XNGP已覆盖xxx城市”的说法本质是城市领航辅助功能的扩张。FSDFull Self-Driving完全自动驾驶能力特斯拉的商业名称。名字上挂“Full”很强但实际不等于L4级完全自动驾驶这点在汽车社区里吵了很多年。从技术维度看FSD Beta版已经实现了一定程度的端到端感知到规划的链路但在法律和检测维度上依然属于L2辅助驾驶。City LCC / Highway LCC部分厂家会把“城市内部车道居中辅助”单独命名强调它不是领航而是车道级辅助。如果你面试的是智驾产品经理或测试岗位这一串缩略语必须能快速说出差异。我的记忆方法是看有没有“Navigation/Guide”这个前缀词。NOA、NGP、NCP都含“导航/引导”意思指向按导航路径自主行驶不含这个词的ACC/LCC/APA则属于单点辅助功能。拿这个标准一卡基本不会串。5.3 标准与评级机构缩略语NCAP、ISO 26262、ASIL、SOTIFNCAPNew Car Assessment Program新车评价规程最出名的是Euro NCAP和中国C-NCAP还有C-IASI中国保险汽车安全指数。NCAP不是强制法规但评分直接影响车型销量所以主机厂普遍会跑NCAP场景来反推智驾功能开发。测试工程师简历里写“主导XX车型AEB NCAP场景调试”含金量就在于你真正理解了评分规则、失效场景和调试余量。ISO 26262即《道路车辆—功能安全》定义了功能安全开发和管理的全生命周期要求。它的核心缩写是ASILAutomotive Safety Integrity Level汽车安全完整性等级从A到D共四级D级要求最高如转向系统、刹车系统相关。做智驾系统设计时每个功能模块会被分配ASIL等级——感知模块可能是ASIL B规划控制可能要求ASIL D这直接决定冗余设计和开发流程的强度。开会听到“这个模块需要ASIL D的安全机制”意思就是它承担的安全责任极高必须按最高强度做开发验证。**SOTIFSafety of the Intended Functionality预期功能安全**是ISO 21448标准的核心解决“没有功能安全失效但在预期使用场景之外功能表现不佳”导致的安全问题。举个例子传感器本身的硬件没坏但雨天镜头脏污导致感知失效这属于SOTIF范畴而不是ISO 26262范畴。SOTIF分析的一个核心输出是确认“ODDOperational Design Domain运行设计域”也就是这辆车在什么条件道路类型、天气、光照、速度范围下才能运行。ODD这个缩写现在在法规文件里出现频率极高理解它才能真正理解L3以上责任划分的逻辑。6. 易混淆名称与高频陷阱我在实际工作里吃过的亏最后一节把我在项目实战和辅导新人过程中遇到的混淆场景集中写出来这些坑非常实际不提前踩一遍等上了真项目再发现就晚了。6.1 自动驾驶相关叫法的语义边界Autonomous Driving自动驾驶的英文概念和Self-Driving自动驾驶/自我驾驶基本同义但在中文语境里被交叉使用得很乱。Driverless无人驾驶强调的是“车内无驾驶员”Unmanned无人常见于军事或特定园区场景Robotic Vehicle机器人车辆则偏向机器人学术圈表达。和同行沟通时尤其是和法规、项目验收人员交流务必先澄清大家口中的“自动驾驶”具体指L2还是L3还是L4。这个不切开后面谈责任和安全指标都会出问题。Connected网联和Automated自动化的区别也常被误解。“智能网联汽车”的英文是ICVIntelligent and Connected Vehicle“网联”指的是通讯能力“自动化”指的是驾驶能力。两个维度独立存在一辆车可以很“自动化”但不联网也可以很“网联”但完全靠人开。6.2 我见过的几个最容易“张冠李戴”的缩写下面这张表是全文中我唯一建议你打印出来贴工位上的缩写完整含义易混淆对象区分要点GPSGlobal Positioning SystemGNSSGPS是GNSS里的一种严谨场景用GNSSLKALane Keeping AssistLCC/LDWLKA是保持居中控制LDW只是偏离预警AEBAutonomous Emergency BrakingABS防抱死系统AEB是紧急刹车ABS是刹车时防车轮抱死OTAOver-The-AirOTA vs FOTAOTA是总称FOTA是固件级更新RSURoad Side UnitOBURSU在路侧OBU在车上RSSResponsibility Sensitive SafetyRSS订阅不是一路自动驾驶语境指责任敏感安全模型MPCModel Predictive ControlMPC不是“多片体”控制算法与PID对应SOTASoftware Over-The-AirState of the Art汽车里多指软件OTA学术中常指“最先进技术”这个表里的每个“易混淆对象”我都真实遇到过。最典型的是有一次和一位供应商聊天对方说“我们SOTA方案已经很成熟了”我第一反应是“你吹什么最先进”后来才知道他说的是Software OTA。这类同形异义词homonym在跨团队沟通里最容易炸雷。6.3 术语之外的建议怎么把缩写变成自己的语言我的最后一条经验是不要试图一次性背完所有缩略语。最靠谱的做法是结合你的岗位选一个子集然后在一到两周内高强度使用它。比如你做测试就重点把ACC、AEB、LKA、LDW、NOA这些功能缩写焊死在脑子里你做感知就先把BBox、BEV、OCC、mAP、IoU练到能脱口而出你做高精地图定位那GNSS、RTK、IMU、Frenet、s/d坐标系这类必须熟练。另外一个实操技巧打开一篇英文技术文档荧光笔划出所有大写缩写第一遍先猜它属于哪个模块感知/规划/控制/通信再查全文比直接查翻译记忆效率高很多。长期积累之后你会发现读英文法规如UN R157关于自动车道保持系统的法规时缩写密度反而没那么吓人——因为核心概念你已经全部覆盖了。如果读完这篇整理你能在英文会议里不再因为听不懂ACC和LKA的差别而脑内疯狂查词那这套整理就是有价值的。自动驾驶行业的新词汇还在不断冒出来今天聊的端到端、大模型、世界模型、VLAVision-Language-Action Model明天就可能变成新的缩写出现在文档里但底层的技术链路和对“安全”的敬畏不会变。掌握常规行话不是为了炫技是为了在信息爆炸的技术浪潮里少一点碍眼的沟通摩擦多一点真正解决问题的时间。