《红旗新能源：2023人工智能在自动驾驶决策中的应用与思考报告（26页）.pdf》由会员分享，可在线阅读，更多相关《红旗新能源：2023人工智能在自动驾驶决策中的应用与思考报告（26页）.pdf（26页珍藏版）》请在三个皮匠报告上搜索。

1、红旗新能源HDNGQI人工智能在自动驾驶决策中的应用与思考中国一汽研发总院刘斌(首席）2023年06月10日红旗新能源背景分析HDNGCI1.1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Vehicle人工特征设计分类器学习优势1：逐层加工处理优势2：Vehicle自动学习特征分类器学习内置特征变换优势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

2、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红旗新能源、背景分析HDNGCI1.2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红旗新能源背景分析HDNGCI1.3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

3、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红旗新能源二、相关探索HDNGCIAI决策技术的应用方向AI加“智AI加“速基于模块化的方法自动化标注挖据AI数据合成基于端到端的方法云端大模型训练TaCTadLarsingAI模型可通过子模块或一体化的形式部署在车端决策代码中，实现“新手司机”向“老司机”的转变AI可以在自动驾驶数据挖掘、场景生成、仿真测试等方面实现加速，极大提升自动驾驶验证效率和效果红旗新能

4、源二、相关探索HDNGCI2.1AI决策技术的加“智”方式基于模块化的方法基于端到端的方法自车位姿感知结果导航信息自车位姿感知结果导航信息自车位姿导航信息决策 规划决策深度深度学习学习模型模型控制被控车辆被控车辆被控车辆易于实现安全性条件的检测运用模型强大的学习能力及对于数据的拟合能力可以与已有规则方法相结合，进行局部提升输出的稳定性和安全性无法保证易于根据需求进行模型微调X难以在现有方法基础上进行提升X模块化限制了中间输出的模态红旗新能源二、相关探索HONDCI2.2基于模块化的AI决策通过AI算法提高决策效率和决策性能应急反应场景轨迹粗解生成基于强化学习，越过繁琐的决策流程，加速自动驾驶系

5、统在紧基于机器学习，短时间内从5000余条粗解轨迹中选取出最优急场景下的反应轨迹Wust%efcass b0g基于AI实现安全性条件的检测，增强紧急场景的反应能通过局部应用AI模型，实现轨迹粗选，提升算法运算实力时性，效率提升了85%以上红旗新能源相关探索HDNGCI2.2基于模块化的AI决策扩展搜索空间至时间与空间一体，决策灵活度提升，但高维度空间导致搜索耗时增加以模仿学习为代表的决策AI方法通过将驾驶问题建模来学习从环境表示中给出最优的决策行为联合行为决策流程模仿学习优化决策范围联合行为决策优化考虑动态与静态基于模仿学习搭障碍物，通过规建AI决策模型，将最优行为决策则方法在横纵利用神经网络

6、实转换为约空间体式坐标系下直现决策行为的快构建最优化问题，接搜索出最优行速搜素，搜索耗求解出最优动作为决策，耗费算时降低42%，类序列力人程度显著提升基于模块化部署决策A的优势，实现部分模块的微调，实现决策规划模块的性能提升红旗新能源相关探索HDNGCI2.3基于端到端的AI决策以感知地图信息、障碍物历史轨迹信息、车辆运动信息作为输入，以人类驾驶数据为真值标签便用一套数据驱动的轻量生成网络帮助快速生成规划路径Tesla交互式搜素算法Comma.aiInteraction SearchFOCUS COMPUTES OUTCOMESCarpemlatIraining+Infrastructuren