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)