智能泊车辅助系统的核心工作原理是“感知-决策-控制”闭环：车辆通过摄像头和超声波雷达等传感器探测车位与障碍物，由中央处理器规划路径并控制方向盘、刹车和油门自动完成泊车，当前技术已从“识别车位被动泊入”进化到“学习用户习惯自主找位”。
一、感知层：让车“看清”周围环境
传感器组合：主流系统采用超声波雷达+全景摄像头融合方案。超声波雷达负责探测近距离障碍物的距离（如车位两侧车辆、立柱），摄像头则识别车位标线、地锁、悬空障碍物等视觉信息。
车位识别范围：除了标准的水平、垂直、斜列车位，新一代系统还能识别空间车位（无划线但空间足够停放），并支持对细小及悬空障碍物的识别。
二、决策层：规划最优泊车轨迹
路径规划引擎：中央处理器融合传感器数据后，计算出从当前位置到目标车位的无碰撞轨迹。蔚来的最新专利表明，系统会分阶段优化：第一阶段（刚进入车位时）重点控制方向盘转角不能过大、航向角变化不能太猛；第二阶段（车身进入车位后）则追求车辆与两侧障碍物的距离保持均衡，避免“贴着一侧进去”的失衡感。
强化学习优化：传统自动泊车往往只求“停进去”，导致动作生硬。现在头部车企引入强化学习训练模型：在训练中设计奖励函数，曲率过大扣分、换挡次数过多扣分、两侧距离悬殊扣分——相当于给模型建立了一套“老司机审美标准”，学出来的泊车动作更平顺、更让人安心。
三、控制层：精确执行动作指令
执行机构：决策指令发送给转向系统、电机（油门）、制动系统后，车辆自动完成打方向、加速、减速、换挡等动作。支持离车泊入功能时，用户可先下车，通过手机APP遥控车辆完成最后几米的停靠。
循迹倒车与记忆泊车：系统能记录最近50米甚至2公里的行驶轨迹（含楼层信息），在窄巷或死胡同场景下自动原路返回；记忆泊车则让车辆学会用户固定车位的路线与偏好，进入停车场后自主寻位泊入。
