人工智能在自动驾驶决策中的应用与思考分析报告.pdf

背景分析 红旗新能源 HDNGCI ■1.1人工智能在自动驾驶中的应用 人工智能的出现，使得图像的输入与输出之间通过深度学习等方法进行特征描述，因此不再需要完全依赖人类专家设计特 征，特征本身也可以跟学习器一起进行联合优化 传统感知与AI感知 AI感知优势关键因素 人工特征设计 分类器学习 Vehicle 优势1： 逐层加工处理 优势2： 自动学习特征 分类器学习 内置特征变换 Vehicle 优势3： 模型高度复杂 深度学习的特殊优势，即将 构化的图像数据进行统计和分析，依靠图像语义分割，将大量的数据抽象和形式化，通过 计算机可理解的简单概念构建复杂概念，使得其在自动驾驶感知领域取得了广泛的应用 、背景分析 红旗新能源 HDNGCI ■1.2自动驾驶中的规划决策 随着人工智能的发展，模型的泛化能力不断增强，特征提取不仅能够应用于感知，同样能够将类似方法应用于决策技术 在复杂场景下，人工智能算法自动提取更多的特征，尽可能多的自动学习人类司机的经验，提升算法“拟人化”程度 简单交互场景下的规则型决策方法 复杂场景下的AI型决策方法 送航 驾驶员超护 自动驾驶决策任务同样具有自己的特征，人工智能方法的引入对自动驾驶决策任务的提升具有潜在优势 背景分析 红旗新能源 HDNGCI ■1.3感知型AI与决策型AI的差异 感知型AI 决策型AI 环境的“静态” 表示感知，存在相对真值 环境的“动态” 表示交互，但动作不唯一性，是相对值 由于决策的结果与环境之间存在动态交互，且不同决策下的行为表现的差异性较大，给决策型AI的工程化落地带来 了困难，探索AI驱动规划决策技术是人工智能技术在自动驾驶领域的下一个重点内容 二、相关探索 红旗新能源