近期多起智驾事故，特别是车辆撞上慢速倒车大货车而AEB毫无反应，引发了广泛关注。这并非孤立的系统故障，而是当前L2级智驾技术在复杂边缘场景下存在瓶颈的体现。通过技术层面的深度剖析，可以揭示感知与决策的局限性，帮助理解为何驾驶员的全程接管依然至关重要。
智能速览
L2智驾在复杂边缘场景感知与决策能力不足。
慢速倒车大车因特征缺失易被误判为静态障碍物。
激光雷达与视觉融合受物理约束，难以识别倒车意图。
系统对静态障碍物采取保守绕行策略，易引发碰撞。
强规则化处理会引发频繁误操作，工程实现难度大。
L2系统将高不确定性场景的最终判断权留给驾驶员。
精华内容
当智能驾驶系统在看似开阔的道路上对一辆倒车大货车视而不见时，这背后并非简单的故障，而是当前L2技术面对真实世界复杂性时显露出的深层困境。
感知误判
核心问题在于传感器对慢速倒车大货物的识别。在激光雷达的点云图中，一辆缓慢倒退的卡车尾部，与路边的静态广告牌、围挡极为相似。由于自车行驶中的轻微晃动和传感器噪声，算法很容易将其归类为静态障碍物，从而在AEB的判断逻辑中直接被跳过。
视觉方案同样面临挑战。摄像头视野有限，往往只能看到大货车平整的尾部，无法捕捉到车头、轮毂等能明确车辆身份的关键语义特征。这就导致多传感器融合系统缺失了判断其为“一辆正在移动的车辆”的核心线索，为后续的决策失误埋下伏笔。
决策保守
一旦目标被误判为静态障碍物，智驾系统的决策策略会立刻转向“保守绕行”。系统会默认该障碍物不会侵入当前车道，因此不会触发紧急制动，而是选择轻微调整方向，试图从旁边贴着蹭过去。
这种策略在多数情况下是安全的，但在大货车突然倒车侵入的场景下，这种看似稳妥的绕行反而成了催生碰撞的直接原因。系统的决策模型没能预判到静态障碍物可能存在的动态风险，暴露了其在处理不确定性时的短板。
规则困境
有人或许会想，为何不设立一条强规则，如“见大车就绕”？这在工程实践中并不可行。真实道路上绝大多数大型车辆是处于正常停放或行驶状态，如果系统每次检测到大车都采取激烈的避让动作，将导致极高频的误触发，反而可能引发追尾、侧碰等更危险的事故。
类似的困境也出现在处理悬空障碍物时。系统若对所有悬空物都紧急制动，乘坐体验将极差；若置之不理，又可能发生碰撞。这些高不确定性场景，暴露了当前算法在泛化能力上的不足。
技术边界
中汽研2025年的报告数据揭示了这一普遍现象：在倒车切入这类场景中，包括宣传“全场景AEB”的阿维塔12在内的多款国产高阶智驾车型，其AEB触发率仍不足40%。这表明，即便配备了激光雷达等顶级硬件，当前L2技术的边界也远未覆盖真实道路的全部长尾难题。
技术现状决定了，L2级智驾系统的根本设计逻辑，就是将高不确定性场景的最终判断权和责任，完全交给驾驶员。法律与工程层面都明确，无论系统功能多强大，驾驶员仍是最终的安全负责人。
L2智驾的‘聪明’仍是相对的，面对真实世界的复杂多变，其技术边界清晰可见。厂商宣传的“全场景”往往难以落地，驾驶员的警觉性与接管能力，短期内仍是无法替代的安全底线。这道技术瓶颈，未来的自动驾驶将如何跨越？
