一、感知层：车辆的“眼睛”如何看路？
多传感器融合：通过摄像头（视觉）、激光雷达（LiDAR） 和毫米波雷达三套核心硬件协同工作。摄像头负责识别车道线、交通标志、红绿灯和行人；激光雷达通过发射激光束，生成周围环境的三维点云图，精确测量障碍物距离和形状；毫米波雷达则在雨雪、大雾等恶劣天气下提供稳定的远距离探测补充。
高精地图与定位：车辆不仅依赖实时感知，还需调用预先采集的高精地图（包含厘米级车道模型、坡度、曲率等数据），并结合GPS和惯导系统，实现自身在道路上的亚米级定位。这是决定车辆能否在复杂路口、立交桥等场景“认路”的基础。
二、决策层：车辆的“大脑”如何思考？
端到端大模型：这是2026年最核心的技术突破。系统不再像传统方案那样分模块处理（先识别物体、再规划路径、最后执行控制），而是采用一个统一的深度学习模型，将摄像头、激光雷达等输入的原始数据直接“端到端”地映射为方向盘转角、加速/刹车等控制指令。
行为预测与博弈：决策算法需要具备“预判”能力，不仅要识别出前方的车辆和行人，还要推测其短期意图——比如前车刹车是因为要转弯还是礼让行人？侧方非机动车是否会突然变道？系统通过概率模型，在多种可能性中规划出一条安全、高效的路径，并在加塞、无保护左转等场景中进行“博弈”。
三、执行层：车辆“手脚”如何精准响应？
线控底盘：决策层输出的指令，通过电信号而非机械连接，直接传递给车辆的转向、制动和动力系统。这种线控技术响应速度更快，控制精度更高，是实现城市NOA平顺加减速、柔和变道的基础。
冗余安全设计：作为L2+级系统，法律和设计都要求驾驶员始终承担最终责任。系统内置多重安全冗余：一旦检测到驾驶员双手脱离方向盘、视线偏离路面，或系统自身感知出现严重不确定性（如暴雨、施工路段），会立即通过视觉、听觉甚至震动警告提示驾驶员接管，若驾驶员10秒内无响应，系统会执行安全停车策略。