城市自动驾驶（Urban Autonomous Driving）是指在复杂城市道路环境中实现车辆自主导航和决策的技术体系。与高速公路或封闭园区场景相比，城市环境具有更高维度的不确定性——包括动态交通参与者（行人、非机动车等）、复杂路网结构（交叉口、环岛等）、多变交通规则（信号灯、标志标线）以及密集的干扰因素（施工区域、临时路障等）。其核心技术栈需融合高精度定位、实时环境感知、多模态决策规划以及车路协同等技术模块，并通过海量真实道路数据与仿真测试完成系统验证。
对于AI产品经理而言，城市自动驾驶的落地需重点关注场景定义与技术边界的平衡。例如在开发初期可限定运行区域（地理围栏）、运行时段或天气条件，通过ODD（Operational Design Domain）的渐进式扩展实现商业化落地。当前头部企业普遍采用「感知-预测-规划」的模块化架构，但随着Transformer等端到端技术的发展，基于神经网络的整体解决方案正成为新的探索方向。值得关注的是，2023年CVPR最佳论文《Planning-oriented Autonomous Driving》提出的UniAD框架，展现了多任务联合训练在城市复杂场景中的潜力。