自动避让系统（AES）不是“魔术”，而是由感知层、决策层、执行层三层技术精密协作的主动安全防线——当碰撞风险超过阈值，系统能在0.3秒内规划并执行避让轨迹，避免或减轻碰撞。以理想汽车为例，其AES自2024年首发推送后持续迭代，已能应对前方静止车辆、突然切入货车、行人横穿等复杂场景，甚至支持连续两次避让操作。这套系统的核心价值在于：它不仅是“自己会开”，更要让周围交通参与者读懂车辆的意图，建立互信。
自动避让的第一步是“看清世界”。系统依靠摄像头、毫米波雷达、激光雷达等多类传感器组成的矩阵，形成对车辆周围360°无死角感知能力。摄像头负责识别车道线、交通标志和行人表情；毫米波雷达擅长测距和测速，尤其在雨雾天气表现稳定；激光雷达则提供高精度点云数据，精准勾勒障碍物轮廓。三者协同工作，通过深度学习算法实时识别前方静止车辆、突然切入的货车、行人及骑行者的运动轨迹与意图。更关键的是冗余校验机制——不同传感器对同一目标的识别结果相互交叉验证，确保在雨夜、逆光等低能见度场景下，系统仍能准确判断障碍物位置与距离。例如理想汽车AES的车主集锦中，多次出现夜间高速路上突然窜出动物或行人，系统均能提前识别并触发避让。
- 极端恶劣天气（如暴雪、大雾）仍可能降低传感器性能，驾驶员需保持注意力。
- 静止障碍物（如路边停放的车辆）若被前方大车遮挡，系统可能无法提前识别。
感知到障碍物后，系统需要回答两个问题：会不会撞？怎么躲？这就靠决策层的风险评估与路径规划。系统基于目标运动状态、自车速度与路面附着系数，持续计算碰撞时间（TTC）。当TTC低于阈值（通常1.5-2秒），系统立即介入。在紧急情况下，系统综合横向与纵向空间的可用余量，规划一条既能绕开障碍物、又能保持车辆稳定的避让轨迹。例如前方突然急刹，侧方又有大车，系统会先轻微制动减速，再向空余车道转向，同时避免过度转向导致失控。
但光会“自己开”还不够。正如自动驾驶人因工程专家所强调的：自动驾驶车不仅要理解世界，还要让世界理解它。优秀的避让决策要求动作平稳、可预测，让周围车辆和行人能读懂车辆的意图。比如理想AES在避让时会同步点亮转向灯、轻微调整车身姿态，给后车明确信号。这种“行为可预测性”是建立车路互信的关键，也是目前很多系统容易忽略的短板。
💡 编辑部观点：决策层的算法水平直接决定避让的“聪明程度”。理想汽车AES之所以能实现连续避让，正是因为其决策模型考虑了多目标动态博弈，而非简单的一刀切刹车。
决策层发出指令后，执行层必须在极短时间内完成。线控转向、线控制动与主动悬架联动，转向电机响应时间<50ms，制动建压时间<150ms，主动悬架在0.2秒内调整阻尼以抑制侧倾。所有动作幅度与力度经过精密计算，避免车辆失控。更复杂的是连续避让场景——例如前方急刹+侧方大车同时出现，系统需先向右躲避，再迅速回正，整个过程在1秒内完成。理想汽车AES在2024年推送后，已能处理此类高难度场景，车主集锦中多次出现“先躲后刹”的案例。
此外，避让过程中的关键数据由车载“黑匣子”完整记录，包括车速、方向盘转角、制动压力、传感器原始数据等。这不仅是技术迭代的宝贵资料，更在事故责任判定中起到关键作用。根据2025年即将实施的《自动驾驶法》草案，激活自动驾驶系统时发生事故，车企需依据黑匣子数据承担相应责任——这倒逼车企必须把系统做到真正可靠，而不是靠营销话术逃避责任。
| 传感器类型 | 作用 | 优势场景 | 局限场景 |
|---|---|---|---|
| 摄像头 | 识别车道、行人、交通标志 | 白天、晴天 | 逆光、大雾、黑暗 |
| 毫米波雷达 | 测距、测速、抗恶劣天气 | 雨雾、夜间 | 静止物体识别差 |
| 激光雷达 | 高精度3D点云建模 | 复杂障碍物轮廓 | 成本高、雨雪衰减 |
表：主流传感器对比，自动避让系统需三者融合互补
自动避让系统能100%避免事故吗？
不能。任何主动安全系统都有物理极限——当车速超过系统设计上限（通常120km/h以上）、路面附着系数过低（冰雪路面）、或障碍物突然从完全盲区出现（如被大货车遮挡的儿童），系统可能无法避免碰撞。驾驶员永远是第一责任人，再好的AES也不是兜底神器。
AES和AEB有什么区别？
AEB（自动紧急制动）只做刹车，不转向；AES（自动紧急避让）在刹车不足以避免碰撞时，会主动打方向绕开障碍物。AES的技术难度更高，需要感知、决策、执行三层的协同，目前仅少数高端车型具备。
哪些车有自动避让系统？
目前理想汽车全系车型已标配AES，特斯拉、蔚来、小鹏、华为系等品牌部分车型也提供类似功能（名称各异，如ESA、AES、LKA+等）。选购时需确认系统是否支持连续避让、是否覆盖夜间和雨雪场景，而非只看宣传话术。
更新日期：2026年08月30日