从小米OTA1.18看智驾系统如何判断超车值不值 ？
10月19日，小米汽车宣布OTA Xiaomi HyperOS 1.18，重点优化SU7、YU7的城市辅助驾驶体验，包括加减速、变道、绕行和路口通行等表现。此次更新对于高速领航的一项优化明确提到，可提高超车积极性。
为什么智驾系统需要专门优化超车积极性？
对于高速领航来说，超车并不是发现相邻车道存在空隙，就立即执行变道。系统还需要判断继续跟车会损失多少通行效率、超车能带来多大收益，以及整个动作能否在安全约束下完成。
01 为什么有些超车机会智驾宁愿等一等？
假设车辆正在高速公路上行驶，前方有一辆速度低于自车目标速度的车辆，左侧车道暂时存在可用空间。
驾驶员可能很快就会决定超车，但智驾系统还需要比较继续跟车和执行超车两种行为的预期结果。
图片源自：网络
继续跟车，自车速度可能持续受到前车限制；选择超车，则需要完成横向变道、调整纵向速度，并在进入目标车道后重新建立合适的跟车关系。
两种行为都可能满足当前的安全要求，但它们对后续行驶状态的影响并不相同。
因此，系统需要评估的不是单纯的前车速度，而是这次超车能否带来足够的通行收益。
若自车与前车的速度差很小，即使完成超车，也未必能明显改善后续行驶状态。
如果超车后很快遇到另一辆慢车，车辆可能又要减速，前一次变道带来的收益就会受到限制。
此时，即便目标车道存在安全间隙，也不代表立即超车就是更好的选择。
反过来，如果前车持续限制自车速度，目标车道能够提供更稳定的行驶空间，那么及时超车就可能减少低速跟随的时间。
这里还需要区分速度收益与时间收益。
超车后车速提高，并不是说行程时间一定会按相同比例缩短。实际收益还取决于超车持续时间、完成动作后能够维持多长时间的较高速度，以及后续道路上的交通状况。
从算法设计的角度看，这可以理解为对候选行为进行评估。
系统需要比较继续跟车、执行超车和暂时等待等不同选择的预期结果，并在满足安全约束的前提下，选择更合适的行为。
如果策略过于保守，系统可能错过已经具备执行条件的超车机会；如果过度强调通行效率，则可能频繁变道，却没有获得相应的速度或时间收益。
所以，提高超车积极性不应简单理解为降低变道门槛，而应该着眼于改善超车机会的识别与评估，让系统更及时地执行有价值的超车，同时减少收益有限的动作。
02 判断目标车道为什么不能只看前后距离？
即使系统认为超车有收益，也还需要判断目标车道是否具备足够的安全余量。
这里有一个容易被忽略的细节，那就是车辆之间的距离只是当前状态，双方的相对速度决定了这个距离接下来会如何变化。
假设自车准备向左变道，目标车道后方车辆与自车相距60米，但后车比自车快10米/秒。
如果暂时假设双方保持这一速度差，那么后车与自车之间的距离每秒缩短10米，3秒后就会从60米缩小到30米。
这个例子只描述了简化的纵向相对运动，并不能据此直接判断30米是否安全。
实际风险还取决于自车和后车的绝对速度、双方是否加减速、自车横向移动到什么位置，以及两车未来轨迹是否可能发生冲突。
图片源自：网络
但这也说明系统不能只判断当前有没有足够大的间隙，还需要判断这个间隙能否在整个变道过程中保持可接受的安全余量。
这其中就涉及到目标跟踪、运动预测和安全间隙评估。
系统需要根据周围车辆的位置、速度和运动趋势，预测它们未来一段时间内可能的运动状态，再结合自车的变道轨迹与预计执行时间，评估目标车道在整个变道过程中是否能够保持足够的安全余量。
其中，变道时间本身也不是一个与场景无关的固定值。
车辆速度、横向运动规划、转向响应以及目标轨迹都会影响动作持续时间。变道所需时间越长，系统就越需要考虑周围车辆在这段时间内发生的运动变化。
因此，安全间隙不能只由一个固定距离决定。
相同的距离，在不同速度差和不同交通状态下，可能对应完全不同的风险。
即便安全间隙满足要求，只能说明超车可能具备执行条件，并不能证明它一定值得执行。
系统仍然需要结合前车造成的速度损失、超车完成后的交通状态，以及整个动作的执行成本进行综合判断。
安全间隙评估主要回答当前是否具备超车条件，收益评估则回答现在超车是否更合适。
前者关注动作能否安全执行，后者关注执行这次动作是否有足够的价值，两者相互关联，却不能相互替代。
03 为什么有收益的超车也可能暂时不能执行？
超车决策其实还面临另一个问题，那就是行为层面认为值得执行，不代表轨迹规划层面一定能够生成合适的执行方案。
假设目标车道存在可用间隙，系统也判断超车能够改善通行效率。
但如果当前车速较高、可用空间有限，车辆就需要在满足横向运动约束的同时，协调转向和纵向速度变化。
如果横向移动持续时间过长，车辆就可能在变道过程中与周围交通参与者保持较长时间的交互；如果横向动作过于急促，又可能带来较大的横向加速度，影响乘员体感。
因此，轨迹规划不能只追求曲线平滑，还需要考虑车辆运动能力、横向加速度、纵向速度，以及轨迹与周围交通参与者预测运动之间的关系。
这也是行为决策和轨迹规划之间需要协调的原因。
图片源自：网络
行为决策负责判断是否超车、何时启动，轨迹规划负责生成满足车辆运动约束和安全要求的具体路径，控制系统则根据车辆实际状态执行转向和速度调整。
如果规划结果无法满足当前条件，系统就不能仅仅因为已经决定超车，便强行执行原有动作。它需要重新评估可行的行为方案，在安全条件允许时调整轨迹或时机。
即使变道已经启动，判断也不能停止。
目标车道后方车辆可能加速，前方车辆可能减速，原本可行的间隙也可能发生变化。
系统需要持续更新周围车辆的运动状态，并判断当前轨迹是否仍然满足安全要求。
这也不是说只要周围车辆发生变化就必须放弃超车，而是需要根据变化后的交通状态和车辆所处位置，重新评估后续动作。继续完成、调整轨迹或采取其他安全措施，都应当建立在当时实际可行的条件上。
由此可见，超车积极性不能脱离轨迹质量和执行能力单独评价。更早启动变道，不一定意味着更高效率；更快完成超车，也不一定意味着整个动作更合理。
04 最后的话
评价智驾超车能力，不能只统计车辆完成了多少次超车，更需要观察系统能否识别真正有价值的机会，能否在动态交通环境中保持足够的安全余量，以及决策结果能否被车辆平稳、可靠地执行。
超车能力的进步，不是让车辆更急于超过前车，而是让每一次超车都有充分的理由，也有与之匹配的安全条件和执行方案。
原文标题 : 从小米OTA1.18看智驾系统如何判断超车值不值？
（来源：维科网）
相关推荐
-
自动驾驶激光雷达探测距离由哪些因素影响 ?
自动驾驶汽车想在复杂的高速公路或城市路况下实现安全行驶，前方的视线范围至关重要。 当车辆以120km/h的速度行驶时，紧急刹车和系统响应需要超过百米的深度感知距离。 作为自动驾驶的核心传感器，激光雷达
-
乘用车前装率只有3%的V2X，为什么在矿区能跑通？
高工智能汽车研究院的数据显示，2025年前11个月中国市场乘用车前装V2X（Vehicle-to-Everything，车对外界的信息交换）标配搭载交付66.23万辆，同比增长59.67%，搭载率3.
-
端到端自动驾驶能应对路面深坑吗？
如果人类开车遇到路面深坑，并不会先想这是什么目标，而是会直接判断继续开有没有风险，要不要减速，能不能绕开。 端到端自动驾驶面对同样的问题处理起来只会更加复杂，那端到端自动驾驶能应对路面深坑吗？ ? 0
-
车道线消失后，智驾靠什么判断自己应该走哪里？
很多人会觉得，自动驾驶只要能识别车辆、行人和红绿灯，就已经具备了基本的道路感知能力。 但真正开起来就会发现，看见路上的东西和知道自己应该走哪里是两码事。 一段道路如果车道线清晰，车辆很容易获得明确的车
-
车道线消失后, 智驾靠什么判断自己应该走哪里？
很多人会觉得，自动驾驶只要能识别车辆、行人和红绿灯，就已经具备了基本的道路感知能力。 但真正开起来就会发现，看见路上的东西和知道自己应该走哪里是两码事。 一段道路如果车道线清晰，车辆很容易获得明确的车
-
端到端自动驾驶能应对路面深坑吗 ?
如果人类开车遇到路面深坑，并不会先想这是什么目标，而是会直接判断继续开有没有风险，要不要减速，能不能绕开。 端到端自动驾驶面对同样的问题处理起来只会更加复杂，那端到端自动驾驶能应对路面深坑吗？ ? 0
-
自动驾驶算法的 DeepSeek 时刻：阿里开源的Qwen
最近，阿里 Qwen 团队和华中科技大学在 arXiv 上放了一篇编号 2609.00111 的技术报告，名字叫 Qwen-Drive-1.0。同一天，HuggingFace、ModelScope 和
-
为什么自动驾驶的世界模型中都会使用强化学习？
2026年，行业共识正在快速形成，世界模型与强化学习的结合，已经成为头部智驾企业技术架构的标准配置。 地平线HSD V2.0以世界模型+端到端强化学习双引擎驱动，将无接管里程提升了56%； 蔚来则在1
-
为什么矿山智驾的感知更依赖对道路的理解？
一辆乘用车遇到一条没有车道线的道路，还能依靠实时感知判断哪里可以行驶。 但对矿山里的大型矿卡来说，路面的坡度、曲率、边缘、坑洼、积水甚至临时变化，都可能直接影响车辆能不能安全通过。 矿山智驾需要感知的
-
刚刚！小米正式发布最新AI芯片！
8月24日，小米在小米玄戒芯片技术沟通会上正式发布了玄戒 O3。8月24日下午，小米玄戒芯片技术沟通会，朱丹拿着一颗新芯片站在台上。这颗芯片就是玄戒O3。距离上一代O1发布，刚好459天，名字也直接从
