自主系统研发：Demo很酷，但工程化才是硬仗

上周去看了一个自主系统演示。机器人端着咖啡，稳稳地绕过桌子。台下鼓掌。我也鼓掌。然后我问了一句：换地毯呢？它愣了两秒，杯子晃了一下。现场有人笑。我没笑。这个两秒，就是自主系统研发里最贵的东西。

说实话，现在做个Demo真不算难。买台底盘，挂个激光雷达，接个开源SLAM，跑个预训练模型，两周能出片。难的是把它扔进真实场景，连续跑三十天，别撞，别傻，别在雨天把塑料袋认成石头。对吧，这才是活。

一、Demo很酷，现场一换场景就露馅

自主系统研发最怕什么？不是模型不够大。是长尾场景像韭菜，割完一茬又一茬。实验室里地面干净、光照稳定、行人配合。到了现场，反光地砖、逆光玻璃、临时围挡、小孩突然冲出来……每一个都能让感知链路抖三抖。

自主系统研发的难点不在单点模型精度，而在系统在长尾场景下还能不能稳定收敛。这句话听着像废话，但真做起来，全是细节。传感器标定漂了没有？时间同步差了几毫秒？决策模块拿到的是不是过期障碍物？控制端执行延迟有没有补偿？一个环节掉链子，整车或整机就像喝多了。

我们实验室去年做过一个端到端策略，仿真里成功率97%。漂亮吧？换到真实地面，掉到61%。不是模型不行，是仿真里的摩擦系数太乖了。后来补了随机化，补了真实数据回灌，才慢慢爬回来。这个过程很土，很慢。但它有用。

二、感知、决策、控制，别指望一个模型包打天下

现在行业里流行端到端。大模型、世界模型、VLA，一个比一个热。热归热，我泼盆冷水：自主系统不是聊天机器人。聊天错了重说一句。自主系统错了，可能撞墙。这里的安全约束不能靠“希望它学会”。

我的看法是，分层架构和端到端别搞成宗教战争。感知层做冗余，决策层加规则兜底，控制层保实时性。端到端适合处理模糊场景，传统模块适合守安全底线。混着用，不丢人。真正成熟的自主系统研发，是把不确定性分层管理，而不是把全部希望押在一个黑盒上。

还有仿真。别拿仿真当验证的终点。仿真只是加速器。Sim2Real的坑，谁跳谁知道。光照、材质、动力学、传感器噪声，差一点，策略就偏。强化学习在仿真里学会“贴墙飞”，真机上可能直接刮擦。怎么办？域随机化、系统辨识、硬件在环，一个都别省。

决策规划这块，也别迷信“涌现”。安全冗余、形式化验证、失效降级，这些老办法还得上。功能安全ISO 26262、预期功能安全SOTIF，不是拿来贴墙上的。真出问题，测试报告比口号管用。

三、数据闭环和仿真，才是长期烧钱的坑

很多人以为自主系统研发是算法团队的事。错。大头在数据和测试。采集车跑一天，回来清洗、标注、挖掘场景、回灌、回归测试。每一步都烧钱。标注更别提，长尾场景标一帧贵得肉疼。有时候看着标注预算，我都想自己去画框……当然，画两分钟就放弃了。

没有数据闭环的自主系统研发，基本等于一次性Demo。今天修好的bug，明天换个版本又回来。所以版本管理、场景库、回归集、OTA回滚，这些工程活必须做。做得枯燥，但救命。

行业动态也在往这走。具身智能火了，机器人公司都在讲泛化。可泛化不是嘴上的。你得有真实数据、有仿真环境、有评测标准。车厂那边更直接，量产前几十万公里路测，不是闹着玩的。科研机构可以发论文，产品团队得背KPI。两边节奏不一样，但底层逻辑一样：系统得可验证、可复现、可回滚。

四、团队里最容易被低估的，是测试和运维

我见过不少团队，算法大牛一堆，测试就两个人。结果呢？现场一出问题，全员抓瞎。日志不全，复现不了，版本对不上。那种感觉，真的懊恼。

自主系统研发走到后期，拼的是工程纪律，不是灵光一现。测试用例要能自动跑，故障要能定位，硬件在环要能复现。运维也得懂系统，不能只会重启。现场工程师的一句话，有时候比论文引用数更值钱。

不过话说回来，也别把流程搞成官僚。小团队先抓关键链路：感知时间戳、决策超时、控制延迟、异常降级。先把这些盯住，再谈花活。对吧，饭要一口一口吃。

五、行业热，但别被融资新闻带偏

最近具身智能、自动驾驶、无人机都在招人。薪资高，新闻多。可自主系统研发不是短跑。一个系统从能跑到好用，中间隔着海量脏活。大模型能帮你写代码、做数据增强、搭仿真场景，但它替不了现场标定，也替不了安全论证。

我的建议很土：先定义清楚系统边界和失效模式，再谈模型选型。别一上来就堆算力。算力平台、传感器、执行器、电源、散热，哪个短板都能让系统趴窝。科研成果要落地，得跟工程团队一起蹲现场。蹲一次，比开十次评审会管用。

最后说个小事。那天演示结束，我问工程师：你们最怕什么？他说，最怕客户说“就按这个Demo复制一百台”。我听完笑了。真的，自主系统研发最难的，从来不是让机器动起来。是让它一直动，还别闯祸。