自动泊车（Automotive Parking） 的十年（2015–2025），是从“不敢松手”的机械辅助，演变为“人下车、车自入”的具身智能过程。

泊车场景是自动驾驶最先落地的闭环场景。这十年中，技术逻辑经历了从纯超声波测距到视觉感知、再到 SLAM 建图和端到端大模型的彻底重构。

一、 核心阶段：从辅助到自主

1. 基础辅助阶段 (2015–2017) —— APA (自动泊车辅助)

• 技术： 强依赖 超声波雷达。
• 特征： 系统仅能识别“空间车位”（靠两辆车之间的空隙判断）。驾驶员必须坐在车内，手动控制挡位和刹车，系统仅接管转向。
• 局限： 识别不出地上的车道线，如果没有参照车，系统就无法泊入。

2. 融合感知阶段 (2018–2021) —— 全融合 RPA (遥控泊车)

• 技术： 超声波 + 环视摄像头 深度融合。
• 特征： 开始识别“视觉车位”（地上的划线）。出现了遥控泊车（RPA），人可以站在车外通过手机蓝牙操控车辆。
• 里程碑： 特斯拉的智能召唤（Summon）和小鹏的视觉泊车系统让用户第一次感受到泊车的便利。

3. 记忆与代客阶段 (2022–2025) —— VPA / AVP (代客泊车)

• 技术： 视觉 SLAM + 激光雷达 + 端到端模型。
• 特征： 记忆泊车（HPP） 普及，车辆能记住从地库门口到私人车位的路径。
• 2025 现状： 自主代客泊车（AVP） 进入商用成熟期。车辆能在复杂多层的地库自主寻找空位、避让行人、自动过闸机，实现了“车位到车位”的完整闭环。

二、 核心技术维度对比 (2015 vs 2025)

三、 2025 年的技术巅峰：舱泊一体与端到端

在 2025 年，自动泊车不再是昂贵的选配，而是智能车的“出厂技能”：

1. 单芯片舱泊一体：
   得益于 高通 8775P 或 NVIDIA Thor 等强大芯片，2025 年的汽车将座舱娱乐与自动泊车集成在同一颗芯片上。当系统进入泊车模式，算力会瞬间从游戏渲染切换到实时建图，实现了极高的成本效益。
2. 端到端泊车大模型：
   [Image: End-to-end neural network architecture for parking: Video input to steering/pedal output]
   2025 年的系统不再通过繁琐的几何公式推导路径。端到端大模型 直接通过全景视频流输出转向指令。即使是在极窄、地面湿滑或有不规则障碍物的车位，系统也能像人类一样通过多次微调（多把揉库）完美停入。
3. eBPF 亚毫秒级安全监控：
   针对无人泊车场景下的安全顾虑，架构引入了 eBPF 实时审计。监控系统在内核层确保泊车算法的执行周期不被后台任务打断。如果检测到传感器数据流延迟超过 ，系统会立即触发最高优先级的刹车指令，确保行人安全。

四、 总结：从“停车工具”到“移动管家”

过去十年的演进，是将泊车从一个**“辅助司机的工具”重构为“具身智能的独立任务”**。

• 2015 年： 你还得帮车看着挡，心里不停打鼓。
• 2025 年： 你在商场门口下车挥手告别，车会自己去找寻属于它的角落，并在你买完东西后，在门口静静等你。