技术巡猎 极氪 车辆偏离车道的纠偏方法及装置。车道纠偏很多人平时开车都遇到过。车稍微往车道线边上压搭到线了，方向盘突然拽一下把车拉回来---安全上当然有用，但体验是吓人的，尤其高速上遇到横风、弯道或者路面不平，系统介入，车身横向一摆，是会让人怀疑人生的。

极氪这件专利解决的不是“车能不能拉回来”这么粗糙的问题，而是“拉回来的时候不要那么生硬”的课题。这套方法的逻辑其实很简单。

车辆先通过感知系统判断自己是不是偏离车道，比如离车道线还有多远，继续往车道线靠近的速度有多快。专利里把这两个量叫偏离距离和偏离速度。偏得越多，偏得越快，系统当然越应该介入。

传统做法大概是，根据这些参数算一个纠偏力矩，然后直接给到转向系统。问题也在这里。力矩大小只解决“能不能拉回来”，但用户真正敏感的是另一个东西：这个力矩来得有多快。

举个很生活化的例子。有人轻轻扶你一下，你会觉得这是提醒；有人突然拽你一把，你第一反应肯定是惊吓。车道纠偏也是一样。2N·m的转向力矩慢慢加上来，驾驶员可能觉得是自然的；同样的力矩一下子拍到方向盘上，就会变成“系统抢方向”。

所以这份专利引入了一个很有意思的控制量：力矩斜率。

斜率说白了就是力矩变化率，也就是方向盘辅助力矩增加得有多快。也做了力矩分级---可以理解成给纠偏动作设置几个性格档位：L1偏温柔，L2适中，L3更积极。每个档位都有对应的力矩范围和斜率上限。如果系统算出来的原始力矩太猛，斜率超过了当前档位允许的上限，就把力矩压下来，让转向动作落在更舒服的范围里。

这个动作其实会有点像是一个有经验的教练坐在副驾。新手开车快压线了，教练当然要帮你扶方向。但好教练不会上来一把把方向盘打死，而是根据车速、距离、偏移趋势，控制介入力度，车道纠偏要做好的，其实也是这种分寸感。

有意思的是，它还设计了反馈学习。系统完成一次纠偏之后，可以接收驾驶员或者乘客的反馈。比如有人说“太猛了”“吓我一跳”，系统就知道这次介入偏强；如果有人说“怎么还没纠回来”，那可能说明力矩偏弱。除了语音，它还会看驾驶员有没有干预，比如反打方向盘、踩刹车。如果系统刚纠偏，驾驶员马上接管，那大概率说明这次控制动作没有让人放心。

这些反馈会被转成分值，再去调整原始力矩计算公式里的权重参数。也就是下一次再遇到类似场景，系统可以稍微改变介入风格。觉得太猛，就柔一点；觉得太弱，就积极一点。

这里面有个很现实的工程判断：智能驾驶不是只靠一次标定打天下。不同用户对“方向盘帮忙”的接受度差异很大。有的人希望系统果断一点，有的人特别讨厌方向盘有突然动作，宁愿提醒多一点、介入柔一点。固定标定很难照顾所有人，反馈学习至少给了一个个性化调节的入口。

很多智能驾驶功能的好坏，普通用户说不出算法、模型、控制器，但身体是诚实的。对于一些直接的体验，参数表上看不出来，实际开车时好坏非常明显。