b站老王 自动驾驶决策规划学习记录(八)

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 Axub
在这里插入图片描述
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 lbubabAxb

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
在这里插入图片描述

动态规划与决策的关系
在这里插入图片描述

重决策

在这里插入图片描述
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

在这里插入图片描述

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。
在这里插入图片描述
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)

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值