项目3任务2 决策规划技术

项目三智能决策技术决策规划技术任务2建议课时：4主讲人：01能列举决策规划技术的类型02能列举行为决策技术的类型03能描述各决策规划技术的作用04能描述各决策规划技术的技术方法重点难点①行为决策技术中的人工神经网络学习方法②各决策规划技术的技术方法①各决策规划技术的技术方法决策规划技术（播放微课“决策规划系统类型”）行为决策技术01任务决策技术02轨迹决策技术03安全保护技术04一、行为决策技术下层是运动规划模块，行为决策系统的输出包括当前车辆行为、车辆运动局部目标点与目标车速等。基于规则的行为决策系统基于学习算法的行为决策系统1基于规则的行为决策系统（播放微课“决策规划技术”）一、行为决策技术BDAC根据不同的环境信息划分车辆状态将无人驾驶车辆的行为进行划分按照规则逻辑确定车辆行为的方法根据行驶规则、知识、经验、交通法规等建立行为规则库1基于规则的行为决策系统一、行为决策技术在基于规则的行为决策方法中，最具代表性的是有限状态机法。分类：串联式、并联式、混联式核心：分解四大要素：状态、事件、转移、动作离散输入、输出系统的数学模型1基于规则的行为决策系统一、行为决策技术有限状态机法的类型混联式并联式串联式1基于规则的行为决策系统—串联式有限状态机系统一、行为决策技术串联式有限状态机系统的子状态按照串联结构连接，状态转移为单向，不构成环路。组成定位与导航障碍物检测车道线检测路标识别可行驶区域地图构建运动规划运动控制1基于规则的行为决策系统—串联式有限状态机系统一、行为决策技术串联式有限状态机系统的子状态按照串联结构连接，状态转移为单向，不构成环路。优点逻辑明确、规划推理能力强、问题求解精度高缺点对复杂问题的适应性差，当某子状态出现故障时，可能会导致整个决策系统的瘫痪1基于规则的行为决策系统—并联式有限状态机系统一、行为决策技术并联式有限状态机系统各子状态输入、输出呈现多节点连接结构，根据不同输入信息，可直接进入不同子状态平行处理。1基于规则的行为决策系统—并联式有限状态机系统一、行为决策技术并联式有限状态机系统各子状态输入、输出呈现多节点连接结构，根据不同输入信息，可直接进入不同子状态平行处理。场景遍历广度优势A易于实现复杂的功能组合B有利于模块化与拓展性C优点1基于规则的行为决策系统—并联式有限状态机系统一、行为决策技术并联式有限状态机系统各子状态输入、输出呈现多节点连接结构，根据不同输入信息，可直接进入不同子状态平行处理。决策易忽略细微环境变化3状态划分灰色地带难以处理，易导致决策错误42缺乏场景遍历的深度系统不具备时序性1缺点1基于规则的行为决策系统—混联式有限状态机系统一、行为决策技术混联式有限状态机系统顶层基于场景行为划分，底层基于自车行为划分。3个顶层行为及其底层行为分别为：车道保持、路口处理及指定位姿。1基于规则的行为决策系统一、行为决策技术优点算法逻辑清晰、可解释性强、稳定性强，便于建模1系统运行对处理器性能要求不高2模型可调整性强3可拓展性强4在功能场景的广度遍历存在优势51基于规则的行为决策系统一、行为决策技术缺点车辆行为不连贯场景深度遍历不足导致系统决策正确率难以提升行为规则库触发条件易重叠有限状态机难以完全覆盖车辆可能遇到的所有工况2基于学习算法的行为决策系统一、行为决策技术BDAC利用不同的学习方法与网络结构，根据不同的环境信息直接进行行为匹配对环境样本进行自主学习输出决策行为由数据驱动建立行为规则库2基于学习算法的行为决策系统—人工神经网络学习方法一、行为决策技术01从信息处理角度对人脑神经元网络进行抽象02由大量节点之间的相互连接构成03每个输出节点代表一种特定的输出函数，称为激励函数04每两个节点间的连接代表输入信号到输出的加权值，称之为权重05一个网络层的输出节点成为下一层的输入2基于学习算法的行为决策系统—人工神经网络学习方法一、行为决策技术监督学习的神经网络机器根据人类标注的学习样本进行分拣、归类和学习的方法。神经网络模型包括：感知器、反向神经网络、多层的卷积神经网络等。非监督学习的神经网络人类只规定机器学习的方式或某些规则，机器根据样本的数据特征直接对样本的数据结构和数值进行归纳分析，不断地运行聚类算法对样本进行聚类，把类似的结构联合起来构成监督学习模型。深度神经网络在非监督数据上建立多层神经网络的方法分类2基于学习算法的行为决策系统—人工神经网络学习方法一、行为决策技术应用—环境识别与地图创建环境识别车载传感设备：获得道路基础设施和交通运行数据→深度学习算法：分析数据，对动态道路目标进行检测、分割和基于运动的跟踪地图创建利用同步定位与地图创建技术，综合道路基础设施、交通运行环境和道路目标的感知数据创建地图2基于学习算法的行为决策系统—人工神经网络学习方法一、行为决策技术应用—深度学习与轨迹规划基于规则、成本函数最优和高精度地图的轨迹规划基于深度学习的轨迹规划轨迹规划通过视觉的深度学习方法，识别车辆环境与可活动的空间，进行车辆行驶轨迹规划，采集的大多是无标注的样本数据根据高精度地图提供的车道信息和车辆所处车道的高精度位置信息，选择成本函数最优轨迹曲线，实现车辆行驶轨迹规划2基于学习算法的行为决策系统—决策树法一、行为决策技术是机器通过学习后自主获得的行为规则库的一种表现形式。2基于学习算法的行为决策系统一、行为决策技术优点具备场景遍历深度可通过数据的训练完善模型，模型正确率高利用网络结构可简化决策算法规模部分机器具备自学性能，能自行提炼环境特征和决策属性2基于学习算法的行为决策系统一、行为决策技术01算法决策结果可解释性差，模型修正难度大02学习算法不具备场景遍历广度优势03机器学习需要大量试验数据作为学习样本04决策效果依赖数据质量，导致不稳定二、任务决策技术任务决策是智能网联汽车驾驶的智能核心部分。01接收传感器感知融合信息02通过智能算法学习外界场景信息03从全局的角度规划具体行驶任务04实现智能网联汽车拟人化控制二、任务决策技术任务决策是智能网联汽车驾驶的智能核心部分。道路级—任务规划车道级—轨迹规划行驶级—运动控制三、轨迹规划技术轨迹规划结果的安全性、舒适性是衡量运动规划层性能的重要指标。根据局部环境信息、上层决策任务和车身实时位姿信息满足一定的运动学约束规划决断出局部空间和时间内车辆期望的运动轨迹将规划输出信息传入下层车辆控制执行系统四、安全保护技术危险情况①：遇不平及复杂路面易造成车辆机械部件松动、传感部件失效解决办法：通过预警和容错控制维持车辆安全运行危险情况②：智能汽车在行为动作中出现错误并陷入死循环解决办法：建立错误修复机制，使智能汽车自主跳出错误死循环，朝着完成既定任务的方向继续前进（）1.基于规则的行为决策具有逻辑清晰、可解释性强以及稳定性强的特点。（）2.基于算法的行为决策具有场景遍历深度，能容易地覆盖车辆全部工况的特点。（）3.神经网络学习是基于算法的行为决策系统，其分为监督学习和非监督学习两种。（）4.任务决策技术是通过接受传感器感知融合信息后，通过智能算法学习外界场景信息，并从全局的角度规划具体的行驶任务。（）5.运动规划层性能的重要评价指标是轨迹规划的结果。（）6.安全保护技术不是车辆决策规划系统的重要技术。一、判断题二、选择题1.下列属于串联式有限状态机系统特点的是（）。【多选题】A.逻辑明确B.规划推力能力强C.易于实现复杂的功能组合D.具有较好的拓展能力2.下列属于并联式有限状态机系统特点的是（）。【多选题】A.逻辑明确