不确定性传播（Uncertainty Propagation）是指在复杂系统中，输入变量的不确定性通过数学模型或物理规律逐级传递，最终影响输出结果可信度的过程。在自动驾驶领域，这表现为传感器噪声、环境感知误差、模型参数偏差等初始不确定性在感知-决策-控制的闭环系统中不断累积和扩散的现象。其数学本质是概率分布函数在非线性变换下的演化过程，常用蒙特卡洛模拟、泰勒展开或贝叶斯网络等方法进行量化分析。
对于自动驾驶产品开发而言，理解不确定性传播机制具有工程实践意义。例如，激光雷达的测距误差会通过目标检测算法影响障碍物位置估计，进而导致路径规划产生安全裕度偏差。优秀的不确定性管理系统会像涟漪效应般逐层衰减这些误差，而非简单叠加。当前前沿研究正探索将不确定性传播建模融入端到端自动驾驶框架，通过概率深度学习实现风险感知的决策机制，这对提升系统在极端场景下的鲁棒性尤为重要。