知识点 › 范式与价值
数据驱动 vs 规则驱动
Data-driven vs Rule-based
定义
规则驱动靠工程师枚举 if-else 与几何逻辑，可解释、可验证，但无法覆盖组合爆炸；数据驱动靠模型从数据中拟合分布，覆盖能力强，但难验证、有分布外风险。工业界实际是「模型主攻 + 规则兜底 + 数据验证」的混合体。
关键要点
- 感知几乎全面数据驱动；规控仍是规则/优化为主，学习型规划在快速渗透
- 数据驱动带来的新问题：如何证明「没见过的情况」也安全（SOTIF / 安全论证）
- 面试别站队，讲「分层」：哪些层用模型、哪些层用规则、边界怎么划
面试怎么答
用「感知-预测-规控」三层分别说清模型/规则的分工，再补一句安全论证怎么覆盖模型的不确定性。
相关知识
- Data-Centric AI — 吴恩达提出的转向：模型架构趋于同质化后，性能增量主要来自数据（清洗、配比、标注质量、难例覆盖），而不是调模型。对应到智…
- 端到端与数据闭环 — 端到端（感知到轨迹输出一体化）把「模块间接口」换成「数据里的隐式监督」，因此对数据的要求从「标注框」变成「驾驶行为/轨…
- 数据闭环 — 把「真实世界产生的数据」持续转化为「车端模型能力」的工程体系：车端采集 → 回传 → 存储治理 → 场景挖掘与标注 →…