【Apollo】自动驾驶决策规划

一、智能驾驶师资培训理论课程4：自动驾驶决策规划

1. 自动驾驶的技术概述

2 . 决策系统设计

2.1 什么是决策系统？特点 挑战

自动驾驶四大特点

2.2 两大设计思路

2.3 模块化设计

2.3.1 分层式决控架构

每个模块都很重要，不分主次

2.2.2 集成式式决控架构

2.4 决策系统技术方案

  不同架构(分层式决策架构，集成式决策架构，黑箱型决策架构)可能采用采取不同的设计方案。如：分层式决策架构可能采用监督学习型技术方案或者专家规则型等等）
  注意每个方案的特点和缺点。

2.4.1 专家规则型

  有限状态机。

2.4.2 监督学习型

2.4.2 类脑学习型

3. 黑箱型决策系统设计

监督学习：需要的数据量特别大
强化学习：安全性问题

4. 分层式架构决控架构设计

   注意 : 这个架构是基础，但是实际应用中会对架构进行改变，比如，几个模块组合在一起之类的。不会完全遵照ppt中的框架划分

4.1 发展现状

    企业和学术界的主流，不同企业可能采用不同类型的方案，有的采用专家规则型，有的采用监督学习型。

4.2 架构特点

交通参与者预测是研究热点也比较难
驾驶行为选择很重要但是学界研究少
局部轨迹规划比较成熟，主要是一直机器人中的局部轨迹规划

4.2.1 交通参与者预测

目前深度学习会将这两步合并。行为轨迹预测目前已经深度学习化了

传统的预测算法

4.2.2 驾驶行为选择

  流程：驾驶行为分类 -----根据场景和需求—> 驾驶行为选择
  实现方法：有限状态机

4.2.3 局部规划

举例：

4.3 技术挑战

基于规则的很难适应千变万化的场景。
一个解决思路：数据驱动方式。但是因为HDC框架分的太细，每个模块比较独立，每个模块都需要输入输出给标签。导致工作量很大。
如何解决呢？能不能将多个模块合在一起，然后输入输出给数据和标签。这就是集成式架构