自动驾驶之轻决策与重决策
上一讲：b站老王 自动驾驶决策规划学习记录（七）
接着上一讲学习记录b站老王对自动驾驶规划系列的讲解
参考视频：自动驾驶决策规划算法第二章第四节(上) 轻决策与重决策
二次规划
求解使二次型
1
2
x
T
H
x
+
f
T
x
\frac{1}{2}x^THx+f^Tx
21xTHx+fTx值最小的x，并且满足约束
A
x
≤
u
b
Ax≤ub
Ax≤ub
无需在意二次规划的约束形式（
l
b
≤
u
b
，
a
≤
b
，
A
x
≤
b
lb≤ub，a≤b，Ax≤b
lb≤ub，a≤b，Ax≤b）
二次规划要求解空间是凸的，而动态规划(
决策算法)开辟了凸空间
动态规划与决策的关系
重决策
重决策算法的优点：
（1）计算量小
（2）在感知不强的情况下仍然能做决策（融合了人的智慧）
重决策算法的缺点：
（1） 场景太多了，人无法完全覆盖
（2）人给出的决策所开辟的凸空间未必满足约束
轻决策
轻决策：无先验规则，空间离散化，设计cost function,动态规划算法求解离散空间的最优路径，该最优路径开辟凸空间。
优点：
（1）无人为规则，可以处理复杂场景
（2）有粗解，通过设计代价函数，可以使粗解“满足”硬约束（碰撞、最小曲率），这样使二次规划求解成功的机率大大增加（因为粗解在凸空间内部，所以该凸空间的“扭曲”程度至少有粗解兜底）大大缓解了基于人为规则的决策所造成的凸空间扭曲情况
缺点：
（1） 复杂场景计算量很大
（2）依赖预测
（3）要求周围环境感知（感知，定位要求高）
（4）代价函数设计/最优解未必符合人的驾驶习惯
L2+ 高速L3 => 重决策
L4 => 轻决策
轻决策和重决策的融合（博弈论）
1604
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
