人工智能培训讲义kj14智能驾驶.pptx

1;一、驾驶活动充满不确定性;驾驶环境的不确定性;驾驶车辆的不确定性;驾驶人行为的不确定性;举例：跟驰行驶中的不确定性;举例：换道中的不确定性— 换道三角形;举例：换道行驶中的半路返回;; 驾驶环境、驾驶车辆和驾驶人行为的不确定性，导致智能车感知、认知和行为的不确定性。;二、应对驾驶不确定性的出路在于自主驾驶;2.1 传感器种类和数量配置没有确定解;驾驶员感知;选择性注意的时空表现特征;智能车感知用传感器;传感器种类和数量的论证; 传感器不完美是常态，智能车用的传感器，不宜出现牵???发动全身的现象，需要一个可靠的架构设计和模块化组装，感知能力可以逐步提升。因此，传感器种类和数量配置上不封顶，没有确定解。;2.2 当前汽车厂商把重点放在自动驾驶上; 无人驾驶可望不可及，涉及到法规、伦理和车联网安全，不看好完全不设方向盘的无人车! ; 智能驾驶对汽车业不是颠覆，不是灾难，而是福音。通过不断增加自动驾驶要素，提高主动安全，大大拉长汽车产业发展的繁荣期，保持品牌优势。; 汽车行业当务之急是利用IT技术，特别是智能技术，改进能源和动力系统，节能减排，提升安全性和舒适性。其次是实现汽车信息化，有利于车联网。;汽车厂商纷纷在自己品牌车型中添加自动驾驶要素 ;自动驾驶的要素是渐进添加的：;汽车信息化的要素也是渐进添加的：;单项自动驾驶离自主驾驶还很远很远; 发展有自主能力的智能移动机器人，不仅是代步工具，更是手机之外人的第二智能代理；会像骑士麾下的骏马一样有自己的认知，能够和人相伴相随，双驾双控，友好交互，能够和手机和谐相处，提高人类移动生活品质。;传统的外加装方案;双驾双控设计方案; 车内乘员和轮式机器人之间的视觉、语音、触摸、脚踏等多种自然交互形态、以及包括手机在内的交互环境与界面的设计，甚至是智能车成功与否的关键！;信 息 融 合;2.3 自主驾驶的不确定性体现在智能车不同速度时拥有路权的不确定性;路权（Right of Way） —— 满足车辆安全行驶需要有与其速 度相适应的前方道路空间 RW(t) ;对路权的理解;体现在驾驶认知坐标系中的路权;驾驶态势感知 Driving Situation Awareness;对数极坐标下的路权举例;对数极坐标下的路权举例;三、驾驶认知的形式化——驾驶脑;感知空间:;传感器代替不了大脑，感知代替不了认知。无论传感器（摄像头、雷达、GPS+IMU、车姿传感器等）有多好，都只是有限感知（相当于人的感官），传感器不完美是常态。只有代表脑认知的“驾驶脑”才是全局认知，不仅融合了感官知识，还融合了大脑中的先验知识和驾驶经验中的时空关联知识。;如同人的决策是基于大脑的而不仅是基于感官的，机器决策是基于脑认知的，而不是基于任何一路传感器的，也不是完全基于多路传感器形成的当前和历史的驾驶态势的！; 如何看待司机驾驶认知和驾驶操作行为中的不确定性？我们力图实现驾驶脑的形式化，研发一个驾驶机器脑来替代驾驶员的认知，用驾驶态势CT图簇作为表示语言，并实现驾驶操作的形式化，用云模型实现驾驶行为不确定性的自学习。;脑认知;驾驶脑;驾驶脑;驾驶脑认知举例 —— 路口驾驶记忆棒;驾驶脑认知举例：蛙跳 —— 危险情境应对记忆棒;驾驶脑认知举例：脱困 —— 驾驶困境应对记忆棒;驾驶地图在驾驶脑认知中的作用 ; 驾驶地图、路口记忆、驾驶困境、危险情境应对等，可以是个性的，也可以是群体共识；驾驶地图的长度和精度、记忆案例的个数等几乎不受限制，这正是驾驶脑的魅力所在，也是不确定性大数据的魅力所在。 ;驾驶行为不确定性的自学习;四、从智能驾驶不确定性谈开去;大狗自主行走中的不确定性;无人机可应对环境和任务的不确定性;55;奔驰S500智能驾驶试验;课 题 组 智 能 车 智 商 测 试 场 地 示 意 图;主要测试内容 在最少模块支撑下，首先3种导航手段分别独立工作，然后不同导航手段组合工作。;国家每年组织智能车未来挑战赛 （2010-2014）;机器人革命真的来了;不确定性人工智能的时代来了;一个前瞻性的科学问题：;一个前瞻性的科学问题—驾驶超脑;谢谢