Maison Périphériques technologiques IA Un article sur les systèmes décisionnels de conduite autonome

Un article sur les systèmes décisionnels de conduite autonome

Apr 08, 2023 pm 05:11 PM
自动驾驶 决策

La conduite autonome est un système qui intègre la perception, la prise de décision et le contrôle et prend pleinement en compte la planification coordonnée des véhicules et l'environnement de circulation. Elle constitue également un élément important du futur système de transport intelligent. Tout comme les gens ont besoin de connaître les conditions routières, de comprendre la direction, d’éviter les obstacles à temps et d’atteindre leur destination en marchant, la perception, la prise de décision et le contrôle sont également très importants pour les voitures autonomes.

La perception est comme les yeux et les oreilles humains. En installant des équipements matériels tels qu'un radar à ondes millimétriques, un lidar et des caméras de véhicule sur les voitures autonomes, les voitures autonomes peuvent voir clairement les conditions routières et le système de perception peut le faire. Le matériel détecte les lignes de voie, les véhicules, les piétons et les autres participants à la circulation. Le cœur de sa technologie réside dans la précision de la détection du matériel de détection et l'intégration des résultats de détection par plusieurs matériels de détection.

Un article sur les systèmes décisionnels de conduite autonome

La prise de décision est comme le cerveau, qui peut analyser les conditions de la route et prendre la prochaine action. Le contrôle permet à la voiture autonome d'effectuer des actions en fonction des résultats du cerveau (prise de décision). ) analyse. La prise de décision peut être comprise comme la prise de décisions basées sur des informations perçues, la détermination d'un modèle de travail approprié et la formulation de stratégies de contrôle correspondantes, qui peuvent remplacer le conducteur dans la prise de décisions de conduite ultérieures.

Selon la classification de la Society of Automotive Engineers, la conduite autonome est divisée en 6 niveaux de L0 à L5. À mesure que le niveau de conduite autonome continue de s'améliorer, l'intelligence des véhicules autonomes deviendra plus complète après avoir atteint L5. , Les voitures autonomes peuvent effectuer des actions de conduite de manière indépendante sans qu'il soit nécessaire qu'un conducteur conduise la voiture. L'amélioration des niveaux de conduite autonome reflète principalement l'amélioration technologique des systèmes décisionnels.

Le contrôle est comme les mains et les pieds humains, contrôlant et exécutant des actions de déplacement spécifiques afin que les voitures autonomes puissent terminer le processus de déplacement. Le système de contrôle peut effectuer une série d'actions telles que le virage, l'accélération et le contrôle de l'éclairage du véhicule. Il s’agit de la dernière étape pour réaliser la mise en œuvre de la conduite autonome.

Comme mentionné ci-dessus, le système de prise de décision est comme le cerveau humain, qui peut contrôler la vitesse, la direction et les lumières des voitures autonomes. Plus le système de prise de décision est intelligent, plus le niveau de conduite autonome est élevé. Les voitures peuvent réaliser. Dans la compréhension traditionnelle, le système de prise de décision couvre la prévision environnementale, la planification des actions, la planification des itinéraires, la prise de décision comportementale, etc.

Si une voiture autonome veut terminer le processus de conduite de manière indépendante, il ne suffit pas de voir clairement les conditions routières, elle doit également prédire les conditions routières futures, le système de prise de décision doit donc compléter la prévision. de l'environnement. La prévision environnementale consiste à prédire l'environnement de la circulation. La prévision environnementale ne se limite pas à faire des prédictions basées sur des lois physiques, mais peut combiner des objets et des environnements environnants ainsi que des informations de données historiques accumulées pour faire des prédictions plus « macro » de l'environnement perçu. , qui couvre tous les aspects des participants à la circulation, tels que la prédiction du comportement des véhicules et des piétons perçus, etc., peut déterminer leurs prochaines actions, telles que la vitesse, la position, etc., en détectant les actions instantanées des véhicules et des piétons, la direction, etc. ., peut se contrôler pour effectuer une série d'actions telles que l'évitement, la décélération et le changement de voie. En outre, la prévision environnementale couvre également la prévision des feux de circulation, ce qui inclut la compréhension et le jugement des environnements de circulation tels que les panneaux de limitation de vitesse, les feux de circulation et les couloirs de marée.

La planification d'action met davantage l'accent sur la voiture autonome elle-même. La planification d'action planifie principalement des actions à court terme, voire instantanées, pour la conduite autonome et complète des actions telles que tourner, éviter et dépasser en fonction des résultats de l'environnement. prédictions. Dans le même temps, la planification du mouvement de la circulation est également essentielle, comme le contrôle de la vitesse sur les sections à vitesse limitée, le stationnement/la conduite sous les feux tricolores, la sélection des lignes de voie pour les voies de marée, etc., qui doivent toutes être planifiées à l'avance. La planification des actions permet aux véhicules autonomes de participer à la circulation de manière sûre et efficace, faisant ainsi de la conduite autonome une réalité.

Un article sur les systèmes décisionnels de conduite autonome

En plus de la planification des actions, les voitures autonomes doivent également compléter la planification des itinéraires de conduite, comme la planification du trajet du point de départ à la destination. Le trajet requis peut être sélectionné ou conçu, ce qui détermine le fonctionnement de la conduite autonome. la voiture ira. Une partie nécessaire, la planification du chemin permet à la voiture autonome de connaître les tronçons de route qu'elle doit parcourir dans la direction générale et d'ajuster le chemin en temps opportun en fonction des besoins des passagers (faire du shopping, regarder un film, etc.), donc que la voiture autonome peut voyager en toute sécurité pendant le voyage. Non seulement elle peut prendre moins de temps, mais elle peut également répondre dans une large mesure aux besoins des passagers, réaliser la personnalisation de l'itinéraire et rendre le processus de voyage plus fluide.

La prise de décision comportementale incombe à la voiture autonome elle-même. En se référant à sa propre position, vitesse, direction et autres informations en temps réel, ainsi qu'aux informations de circulation obtenues lors de la prévision environnementale, la planification du trajet est terminée. dans la planification d'action, etc., le véhicule autonome peut La voiture qui conduit peut prédire les dangers possibles et les actions requises à venir, afin que la voiture autonome puisse ajuster ses propres actions.

Le système décisionnel en matière de conduite autonome est le reflet direct de l'intelligence des véhicules autonomes et joue un rôle déterminant dans la sécurité des véhicules autonomes puisqu'il est responsable de la tâche du « cerveau » des véhicules autonomes, le. Le système de prise de décision en matière de conduite autonome décide également de la conduite autonome. À quelles normes de qualité la voiture peut-elle répondre ? À ce stade, le développement des voitures autonomes ne peut pas être salué par tout le monde. La raison en est que les voitures autonomes ne sont pas aussi intelligentes que les conducteurs humains et ne peuvent pas gérer des situations extrêmes telles que les « sondes fantômes » et les « brouillages ». adapter en temps opportun ses propres actions aux conditions de circulation signifie que les voitures autonomes ne sont pas « intelligentes » à ce stade.

Dans le cadre de la conduite autonome, parmi les trois cadres de perception, de prise de décision et de contrôle, le niveau de perception dépend de l'équipement matériel tel que le lidar, le radar à ondes millimétriques et les caméras du véhicule chargées sur la conduite autonome. Tout comme une personne myope peut porter des lunettes de myopie, si une voiture autonome subit une perception inexacte ou intempestive, la précision de la perception peut être directement améliorée en remplaçant le matériel de perception par des normes techniques plus élevées. Le contrôle sert de fin d'exécution. En cas de problème, le matériel du véhicule autonome peut être remplacé pour répondre aux normes requises.

L'amélioration technique du système de prise de décision ne passe pas par le remplacement et l'amélioration du matériel comme le système de perception et le système de contrôle. Afin de rendre les voitures autonomes aussi flexibles que les voitures à conduite humaine, une grande quantité de profondeur. l'apprentissage est nécessaire dans le système de prise de décision. Vous devez être capable de gérer diverses conditions routières inattendues, et c'est la chose la plus difficile.

La question de savoir si le système de prise de décision répond aux normes n'est pas comme le système de perception et le système de contrôle, qui ont des réglementations écrites et des normes techniques claires. En plus d'être capable de gérer avec flexibilité diverses conditions routières inattendues, le système de prise de décision. est loin d'être suffisant. Pour être accepté par les consommateurs, le système de prise de décision doit également être comme un « humain » et pouvoir gérer diverses urgences sur la base d'une pensée « humaine », et c'est la chose la plus difficile.

Le développement des systèmes de prise de décision deviendra sûrement plus intelligent avec « l'alimentation » de grandes quantités de données, rendant les voyages plus sûrs. Avec le développement de l'intelligence artificielle, des réseaux de neurones profonds et de la technologie des réseaux intelligents, la prise de décision. Le système sera encore amélioré. Parmi eux, la technologie des réseaux intelligents peut interagir avec les informations entre les voitures et les voitures, les voitures et les personnes, et les voitures et la circulation, de sorte que les voitures autonomes puissent non seulement « penser » mais aussi « communiquer », permettant aux voitures autonomes de prédire le trafic. Les conditions de conduite à l'avance. Faire des jugements et connaître à l'avance les changements dans l'environnement de la circulation rend la conduite plus intelligente, ce qui a également conduit à une promotion accrue de la technologie des réseaux intelligents.

Un article sur les systèmes décisionnels de conduite autonome

Le système de prise de décision autonome est le cerveau des voitures autonomes. L'amélioration du système de prise de décision est tout comme la croissance des êtres humains. C'est toujours comme un enfant de 2 ou 3 ans qui peut marcher, mais en marchant, vous tomberez et vous cognerez par inadvertance. Lorsque vous atteindrez un certain âge (la technologie s'améliore), le système de prise de décision pourra se compléter. les tâches de déplacement de manière indépendante. À ce stade, les voitures autonomes pourront atteindre le niveau L5 et la conduite autonome sera également mise en œuvre.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Où trouver la courte de la grue à atomide atomique
1 Il y a quelques semaines By DDD

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Pourquoi le Gaussian Splatting est-il si populaire dans la conduite autonome que le NeRF commence à être abandonné ? Pourquoi le Gaussian Splatting est-il si populaire dans la conduite autonome que le NeRF commence à être abandonné ? Jan 17, 2024 pm 02:57 PM

Écrit ci-dessus et compréhension personnelle de l'auteur Le Gaussiansplatting tridimensionnel (3DGS) est une technologie transformatrice qui a émergé dans les domaines des champs de rayonnement explicites et de l'infographie ces dernières années. Cette méthode innovante se caractérise par l’utilisation de millions de gaussiennes 3D, ce qui est très différent de la méthode du champ de rayonnement neuronal (NeRF), qui utilise principalement un modèle implicite basé sur les coordonnées pour mapper les coordonnées spatiales aux valeurs des pixels. Avec sa représentation explicite de scènes et ses algorithmes de rendu différenciables, 3DGS garantit non seulement des capacités de rendu en temps réel, mais introduit également un niveau de contrôle et d'édition de scène sans précédent. Cela positionne 3DGS comme un révolutionnaire potentiel pour la reconstruction et la représentation 3D de nouvelle génération. À cette fin, nous fournissons pour la première fois un aperçu systématique des derniers développements et préoccupations dans le domaine du 3DGS.

Comment résoudre le problème de la longue traîne dans les scénarios de conduite autonome ? Comment résoudre le problème de la longue traîne dans les scénarios de conduite autonome ? Jun 02, 2024 pm 02:44 PM

Hier, lors de l'entretien, on m'a demandé si j'avais posé des questions à longue traîne, j'ai donc pensé faire un bref résumé. Le problème à longue traîne de la conduite autonome fait référence aux cas extrêmes dans les véhicules autonomes, c'est-à-dire à des scénarios possibles avec une faible probabilité d'occurrence. Le problème perçu de la longue traîne est l’une des principales raisons limitant actuellement le domaine de conception opérationnelle des véhicules autonomes intelligents à véhicule unique. L'architecture sous-jacente et la plupart des problèmes techniques de la conduite autonome ont été résolus, et les 5 % restants des problèmes à longue traîne sont progressivement devenus la clé pour restreindre le développement de la conduite autonome. Ces problèmes incluent une variété de scénarios fragmentés, de situations extrêmes et de comportements humains imprévisibles. La « longue traîne » des scénarios limites dans la conduite autonome fait référence aux cas limites dans les véhicules autonomes (VA). Les cas limites sont des scénarios possibles avec une faible probabilité d'occurrence. ces événements rares

Choisir une caméra ou un lidar ? Une étude récente sur la détection robuste d'objets 3D Choisir une caméra ou un lidar ? Une étude récente sur la détection robuste d'objets 3D Jan 26, 2024 am 11:18 AM

0. Écrit à l'avant&& Compréhension personnelle que les systèmes de conduite autonome s'appuient sur des technologies avancées de perception, de prise de décision et de contrôle, en utilisant divers capteurs (tels que caméras, lidar, radar, etc.) pour percevoir l'environnement et en utilisant des algorithmes et des modèles pour une analyse et une prise de décision en temps réel. Cela permet aux véhicules de reconnaître les panneaux de signalisation, de détecter et de suivre d'autres véhicules, de prédire le comportement des piétons, etc., permettant ainsi de fonctionner en toute sécurité et de s'adapter à des environnements de circulation complexes. Cette technologie attire actuellement une grande attention et est considérée comme un domaine de développement important pour l'avenir des transports. . un. Mais ce qui rend la conduite autonome difficile, c'est de trouver comment faire comprendre à la voiture ce qui se passe autour d'elle. Cela nécessite que l'algorithme de détection d'objets tridimensionnels du système de conduite autonome puisse percevoir et décrire avec précision les objets dans l'environnement, y compris leur emplacement,

Avez-vous vraiment maîtrisé la conversion des systèmes de coordonnées ? Des enjeux multi-capteurs indispensables à la conduite autonome Avez-vous vraiment maîtrisé la conversion des systèmes de coordonnées ? Des enjeux multi-capteurs indispensables à la conduite autonome Oct 12, 2023 am 11:21 AM

Le premier article pilote et clé présente principalement plusieurs systèmes de coordonnées couramment utilisés dans la technologie de conduite autonome, et comment compléter la corrélation et la conversion entre eux, et enfin construire un modèle d'environnement unifié. L'objectif ici est de comprendre la conversion du véhicule en corps rigide de caméra (paramètres externes), la conversion de caméra en image (paramètres internes) et la conversion d'image en unité de pixel. La conversion de 3D en 2D aura une distorsion, une traduction, etc. Points clés : Le système de coordonnées du véhicule et le système de coordonnées du corps de la caméra doivent être réécrits : le système de coordonnées planes et le système de coordonnées des pixels Difficulté : la distorsion de l'image doit être prise en compte. La dé-distorsion et l'ajout de distorsion sont compensés sur le plan de l'image. 2. Introduction Il existe quatre systèmes de vision au total : système de coordonnées du plan de pixels (u, v), système de coordonnées d'image (x, y), système de coordonnées de caméra () et système de coordonnées mondiales (). Il existe une relation entre chaque système de coordonnées,

Cet article vous suffit pour en savoir plus sur la conduite autonome et la prédiction de trajectoire ! Cet article vous suffit pour en savoir plus sur la conduite autonome et la prédiction de trajectoire ! Feb 28, 2024 pm 07:20 PM

La prédiction de trajectoire joue un rôle important dans la conduite autonome. La prédiction de trajectoire de conduite autonome fait référence à la prédiction de la trajectoire de conduite future du véhicule en analysant diverses données pendant le processus de conduite du véhicule. En tant que module central de la conduite autonome, la qualité de la prédiction de trajectoire est cruciale pour le contrôle de la planification en aval. La tâche de prédiction de trajectoire dispose d'une riche pile technologique et nécessite une connaissance de la perception dynamique/statique de la conduite autonome, des cartes de haute précision, des lignes de voie, des compétences en architecture de réseau neuronal (CNN&GNN&Transformer), etc. Il est très difficile de démarrer ! De nombreux fans espèrent se lancer dans la prédiction de trajectoire le plus tôt possible et éviter les pièges. Aujourd'hui, je vais faire le point sur quelques problèmes courants et des méthodes d'apprentissage introductives pour la prédiction de trajectoire ! Connaissances introductives 1. Existe-t-il un ordre d'entrée pour les épreuves de prévisualisation ? R : Regardez d’abord l’enquête, p

SIMPL : un benchmark de prédiction de mouvement multi-agents simple et efficace pour la conduite autonome SIMPL : un benchmark de prédiction de mouvement multi-agents simple et efficace pour la conduite autonome Feb 20, 2024 am 11:48 AM

Titre original : SIMPL : ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Lien article : https://arxiv.org/pdf/2402.02519.pdf Lien code : https://github.com/HKUST-Aerial-Robotics/SIMPL Affiliation de l'auteur : Université des sciences de Hong Kong et technologie Idée DJI Paper : cet article propose une base de référence de prédiction de mouvement (SIMPL) simple et efficace pour les véhicules autonomes. Par rapport au cent agent traditionnel

NuScenes dernier SOTA SparseAD : les requêtes clairsemées contribuent à une conduite autonome efficace de bout en bout ! NuScenes dernier SOTA SparseAD : les requêtes clairsemées contribuent à une conduite autonome efficace de bout en bout ! Apr 17, 2024 pm 06:22 PM

Écrit à l'avant et point de départ Le paradigme de bout en bout utilise un cadre unifié pour réaliser plusieurs tâches dans les systèmes de conduite autonome. Malgré la simplicité et la clarté de ce paradigme, les performances des méthodes de conduite autonome de bout en bout sur les sous-tâches sont encore loin derrière les méthodes à tâche unique. Dans le même temps, les fonctionnalités de vue à vol d'oiseau (BEV) denses, largement utilisées dans les méthodes de bout en bout précédentes, rendent difficile l'adaptation à davantage de modalités ou de tâches. Un paradigme de conduite autonome de bout en bout (SparseAD) centré sur la recherche clairsemée est proposé ici, dans lequel la recherche clairsemée représente entièrement l'ensemble du scénario de conduite, y compris l'espace, le temps et les tâches, sans aucune représentation BEV dense. Plus précisément, une architecture clairsemée unifiée est conçue pour la connaissance des tâches, notamment la détection, le suivi et la cartographie en ligne. De plus, lourd

Parlons des systèmes de conduite autonome de bout en bout et de nouvelle génération, ainsi que de quelques malentendus sur la conduite autonome de bout en bout ? Parlons des systèmes de conduite autonome de bout en bout et de nouvelle génération, ainsi que de quelques malentendus sur la conduite autonome de bout en bout ? Apr 15, 2024 pm 04:13 PM

Au cours du mois dernier, pour des raisons bien connues, j'ai eu des échanges très intensifs avec divers professeurs et camarades de classe du secteur. Un sujet inévitable dans l'échange est naturellement le populaire Tesla FSDV12 de bout en bout. Je voudrais profiter de cette occasion pour trier certaines de mes pensées et opinions en ce moment pour votre référence et votre discussion. Comment définir un système de conduite autonome de bout en bout et quels problèmes devraient être résolus de bout en bout ? Selon la définition la plus traditionnelle, un système de bout en bout fait référence à un système qui saisit les informations brutes des capteurs et génère directement les variables pertinentes pour la tâche. Par exemple, en reconnaissance d'images, CNN peut être appelé de bout en bout par rapport à la méthode traditionnelle d'extraction de caractéristiques + classificateur. Dans les tâches de conduite autonome, saisir les données de divers capteurs (caméra/LiDAR

See all articles