前言
在多智能体决策的复杂环境中(存在感知不确定性情况下)进行规划这一问题一直是L4、L5级自动驾驶技术的核心瓶颈之一。
文章转自自动驾驶中的决策规划算法概述。
一、有限状态机
自动驾驶车辆最开始的决策模型为有限状态机模型,车辆根据当前环境选择合适的驾驶行为,如停车、换道、超车、避让、缓慢行驶等模式,状态机模型通过构建有限的有向连通图来描述不同的驾驶状态以及状态之间的转移关系,从而根据驾驶状态的迁移反应式地生成驾驶动作。
有限状态机模型因为简单、易行,是无人驾驶领域目前最广泛的行为决策模型,但该类模型忽略了环境的动态性和不确定性,此外,当驾驶场景特征较多时,状态的划分和管理比较繁琐,多适用于简单场景下,很难胜任具有丰富结构

本文介绍了自动驾驶决策规划中的几种关键模型,包括有限状态机、决策树、基于知识的推理决策和基于价值的决策模型。有限状态机简单直观,但在复杂环境中的适应性有限;决策树通过树形结构决策,但需预先定义;基于知识的推理决策模仿人类驾驶,依赖驾驶知识库;基于价值的决策模型利用效用函数寻找最优策略,适用于处理不确定性。深度强化学习正逐渐成为解决复杂决策问题的新趋势。
最低0.47元/天 解锁文章
4万+

被折叠的 条评论
为什么被折叠?



