無人駕駛控制系統(tǒng)的案例
一文了解面向無人駕駛感知系統(tǒng)的仿真驗(yàn)證技術(shù)
無人駕駛技術(shù)在當(dāng)今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動(dòng)駕駛能力是未來兩年國內(nèi)外自動(dòng)駕駛技術(shù)產(chǎn)品化的主要目標(biāo)。對于L3+的自動(dòng)駕駛系統(tǒng)需要在給定的運(yùn)行區(qū)域內(nèi)，除了完成車輛橫向和縱向的控制外，還需要實(shí)現(xiàn)目標(biāo)事件的檢查和響應(yīng)。所以對于L3+的自動(dòng)駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關(guān)注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進(jìn)行充分的設(shè)計(jì)驗(yàn)證。
但是，當(dāng)前傳統(tǒng)的實(shí)車路試等測試手段已經(jīng)難以在有限的時(shí)間內(nèi)覆蓋自動(dòng)駕駛汽車所有可能的運(yùn)行場景，AI的應(yīng)用又急劇擴(kuò)大了對測試場景規(guī)模的要求，尤其是現(xiàn)實(shí)中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗(yàn)自動(dòng)駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動(dòng)駕駛測試技術(shù)場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術(shù)，可以幫助用戶在短時(shí)間內(nèi)實(shí)現(xiàn)大規(guī)模多場景的仿真測試驗(yàn)證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys為面向L3+的自動(dòng)駕駛應(yīng)用提供的基于物理的傳感器與駕駛仿真技術(shù)，可以有效的構(gòu)建一套高保真的自動(dòng)駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設(shè)計(jì)與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術(shù)真正應(yīng)用到自動(dòng)駕駛汽車的測試驗(yàn)證中。
展開 波音公司推出空中聯(lián)隊(duì)系統(tǒng)無人駕駛飛機(jī)
這架無人駕駛飛機(jī)的目的是通過與現(xiàn)有軍用飛機(jī)的智能組隊(duì)來補(bǔ)充和擴(kuò)大空中任務(wù)。
波音公司(芝加哥，伊利諾伊州，美國)已經(jīng)推出了最新的無人駕駛平臺，波音空中力量聯(lián)合系統(tǒng)(Boeingairpower Teagingsystem)。它是波音澳大利亞公司(澳大利亞墨爾本)為全球國防客戶設(shè)計(jì)的，是該公司在美國以外的一個(gè)新的無人駕駛飛機(jī)項(xiàng)目中的最大投資。該飛機(jī)旨在通過與現(xiàn)有軍用飛機(jī)的智能合作來補(bǔ)充和擴(kuò)大空中任務(wù)。
在澳大利亞國際航空展上，由澳大利亞國防部長克里斯托弗·佩恩閣下(Hon.ChristopherPyne)主持的波音空中力量合作系統(tǒng)模型揭開了面紗。作為一項(xiàng)研究和開發(fā)活動(dòng)，澳大利亞政府和波音公司將生產(chǎn)一種名為“忠誠的飛行員-高級開發(fā)計(jì)劃”的概念演示器，為波音空中力量合作系統(tǒng)的生產(chǎn)提供關(guān)鍵的經(jīng)驗(yàn)。
波音自治系統(tǒng)副總裁兼總經(jīng)理克里斯汀·羅伯遜(Kristin Robertson)表示：“波音的空中力量合作系統(tǒng)將為盟軍的載人/無人任務(wù)提供顛覆性的優(yōu)勢?！薄皯{借其快速重新配置和與其他飛機(jī)協(xié)同執(zhí)行不同類型任務(wù)的能力，我們在波音產(chǎn)品組合中增加的最新產(chǎn)品將真正成為保護(hù)和投射空中力量的力量倍增器。”波音公司的空中力量聯(lián)合系統(tǒng)據(jù)說。提供類似戰(zhàn)斗機(jī)的性能，長38英尺(11.7米)，能夠飛行2000多海里。集成機(jī)載傳感器套件，以支持情報(bào)、監(jiān)視和偵察任務(wù)以及電子戰(zhàn)。使用人工智能獨(dú)立飛行或支持載人飛機(jī)，同時(shí)保持其他飛機(jī)之間的安全距離。
他說：“這架飛機(jī)對波音公司來說是一項(xiàng)歷史性的努力。波音國際公司總裁馬克·艾倫說：“它不僅是在美國境外開發(fā)的，而且它的設(shè)計(jì)也是為了讓我們的全球客戶能夠整合本地內(nèi)容，以滿足其國家/地區(qū)的具體要求，”波音國際公司總裁馬克·艾倫說。
展開 行業(yè)應(yīng)用方案 | 面向無人駕駛感知系統(tǒng)的仿真驗(yàn)證技術(shù)
無人駕駛技術(shù)在當(dāng)今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動(dòng)駕駛能力是未來兩年國內(nèi)外自動(dòng)駕駛技術(shù)產(chǎn)品化的主要目標(biāo)。對于L3+的自動(dòng)駕駛系統(tǒng)需要在給定的運(yùn)行區(qū)域內(nèi)，除了完成車輛橫向和縱向的控制外，還需要實(shí)現(xiàn)目標(biāo)事件的檢查和響應(yīng)。所以對于L3+的自動(dòng)駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關(guān)注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進(jìn)行充分的設(shè)計(jì)驗(yàn)證。
但是當(dāng)前傳統(tǒng)的實(shí)車路試等測試手段已經(jīng)難以在有限的時(shí)間內(nèi)覆蓋自動(dòng)駕駛汽車所有可能的運(yùn)行場景，AI的應(yīng)用又急劇擴(kuò)大了對測試場景規(guī)模的要求，尤其是現(xiàn)實(shí)中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗(yàn)自動(dòng)駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動(dòng)駕駛測試技術(shù)場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術(shù)，可以幫助用戶在短時(shí)間內(nèi)實(shí)現(xiàn)大規(guī)模多場景的仿真測試驗(yàn)證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys解決方案
Ansys為面向L3+的自動(dòng)駕駛應(yīng)用提供的基于物理的傳感器與駕駛仿真技術(shù)可以有效的構(gòu)建一套高保真的自動(dòng)駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設(shè)計(jì)與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術(shù)真正應(yīng)用到自動(dòng)駕駛汽車的測試驗(yàn)證中。
展開 行業(yè)應(yīng)用方案 | 面向無人駕駛感知系統(tǒng)的仿真驗(yàn)證技術(shù)
Ansys 行業(yè)應(yīng)用方案連載 | 面向無人駕駛感知系統(tǒng)的仿真驗(yàn)證技術(shù)
無人駕駛技術(shù)在當(dāng)今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動(dòng)駕駛能力是未來兩年國內(nèi)外自動(dòng)駕駛技術(shù)產(chǎn)品化的主要目標(biāo)。對于L3+的自動(dòng)駕駛系統(tǒng)需要在給定的運(yùn)行區(qū)域內(nèi)，除了完成車輛橫向和縱向的控制外，還需要實(shí)現(xiàn)目標(biāo)事件的檢查和響應(yīng)。所以對于L3+的自動(dòng)駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關(guān)注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進(jìn)行充分的設(shè)計(jì)驗(yàn)證。
但是當(dāng)前傳統(tǒng)的實(shí)車路試等測試手段已經(jīng)難以在有限的時(shí)間內(nèi)覆蓋自動(dòng)駕駛汽車所有可能的運(yùn)行場景，AI的應(yīng)用又急劇擴(kuò)大了對測試場景規(guī)模的要求，尤其是現(xiàn)實(shí)中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗(yàn)自動(dòng)駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動(dòng)駕駛測試技術(shù)場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術(shù)，可以幫助用戶在短時(shí)間內(nèi)實(shí)現(xiàn)大規(guī)模多場景的仿真測試驗(yàn)證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys解決方案
Ansys為面向L3+的自動(dòng)駕駛應(yīng)用提供的基于物理的傳感器與駕駛仿真技術(shù)可以有效的構(gòu)建一套高保真的自動(dòng)駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設(shè)計(jì)與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術(shù)真正應(yīng)用到自動(dòng)駕駛汽車的測試驗(yàn)證中。
展開 
行業(yè)應(yīng)用方案 | 面向無人駕駛感知系統(tǒng)的仿真驗(yàn)證技術(shù)
Ansys 行業(yè)應(yīng)用方案連載 | 面向無人駕駛感知系統(tǒng)的仿真驗(yàn)證技術(shù)
無人駕駛技術(shù)在當(dāng)今5G和人工智能的催生下越發(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動(dòng)駕駛能力是未來兩年國內(nèi)外自動(dòng)駕駛技術(shù)產(chǎn)品化的主要目標(biāo)。對于L3+的自動(dòng)駕駛系統(tǒng)需要在給定的運(yùn)行區(qū)域內(nèi)，除了完成車輛橫向和縱向的控制外，還需要實(shí)現(xiàn)目標(biāo)事件的檢查和響應(yīng)。所以對于L3+的自動(dòng)駕駛系統(tǒng)，其感知和控制決策就變的尤為重要，這更加需要極大關(guān)注感知系統(tǒng)的能力，對傳感器的布置、性能、感知算法等都需要進(jìn)行充分的設(shè)計(jì)驗(yàn)證。
但是當(dāng)前傳統(tǒng)的實(shí)車路試等測試手段已經(jīng)難以在有限的時(shí)間內(nèi)覆蓋自動(dòng)駕駛汽車所有可能的運(yùn)行場景，AI的應(yīng)用又急劇擴(kuò)大了對測試場景規(guī)模的要求，尤其是現(xiàn)實(shí)中偶有發(fā)生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗(yàn)自動(dòng)駕駛系統(tǒng)的感知和決策控制。數(shù)字化的仿真正是目前解決自動(dòng)駕駛測試技術(shù)場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術(shù)，可以幫助用戶在短時(shí)間內(nèi)實(shí)現(xiàn)大規(guī)模多場景的仿真測試驗(yàn)證，從而讓仿真從真正意義上加速整體測試開發(fā)流程。
Ansys解決方案
Ansys為面向L3+的自動(dòng)駕駛應(yīng)用提供的基于物理的傳感器與駕駛仿真技術(shù)可以有效的構(gòu)建一套高保真的自動(dòng)駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設(shè)計(jì)與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術(shù)真正應(yīng)用到自動(dòng)駕駛汽車的測試驗(yàn)證中。
展開 基于條件積分算法的無人駕駛車輛軌跡跟蹤魯棒控制方法丨JME文章推薦
無人駕駛車輛的關(guān)鍵技術(shù)包括車輛周圍環(huán)境的感知、車輛行駛軌跡的規(guī)劃和智能決策、以及對車輛的運(yùn)動(dòng)控制。無人駕駛車輛的運(yùn)動(dòng)控制作為智能車輛最底層、最重要的環(huán)節(jié)，一直受到廣大專家學(xué)者的重視。無人駕駛車輛的運(yùn)動(dòng)控制包括車輛的軌跡跟蹤控制、車速控制、底盤執(zhí)行器控制。軌跡跟蹤控制可定義為通過控制車輛的前輪轉(zhuǎn)角使車輛上任意一點(diǎn)跟蹤一條帶有時(shí)間屬性的路徑(即軌跡)。
無人駕駛車輛的軌跡跟蹤方法主要有兩類，基于阿卡曼轉(zhuǎn)向模型的開環(huán)控制算法和基于車輛動(dòng)力學(xué)模型的閉環(huán)反饋控制算法。
基于阿卡曼角轉(zhuǎn)向模型的開環(huán)控制算法，認(rèn)為車輛不存在側(cè)滑，滿足非完整約束條件。最為典型的是純追蹤控制算法。純追蹤控制是基于阿卡曼角轉(zhuǎn)向模型，控制車輛的轉(zhuǎn)向半徑來到達(dá)預(yù)瞄的路徑點(diǎn)。2005年斯坦福大學(xué)Stanley 賽車應(yīng)用純追蹤算法取得DAPAR 沙漠挑戰(zhàn)賽冠軍。呂文杰等將純追蹤模型與模糊控制的思想結(jié)合，根據(jù)航向偏角與速度來設(shè)計(jì)模糊控制器對前視距離動(dòng)態(tài)調(diào)節(jié)。這類算法雖然簡單，但是受到前視距離，系統(tǒng)參數(shù)不確定性影響較大，并缺少對車輛動(dòng)力學(xué)特性的考慮。
基于車輛動(dòng)力學(xué)模型的閉環(huán)反饋控制算法，根據(jù)車輛相對路徑的側(cè)向位移誤差，對其進(jìn)行閉環(huán)反饋控制。其中，PID控制被應(yīng)用得較為廣泛，CHAIB 等通過PID 和H∞的控制方法相結(jié)合對車輛側(cè)向運(yùn)動(dòng)進(jìn)行控制，在實(shí)現(xiàn)跟蹤控制的同時(shí)有較好的魯棒性。HIMA等以側(cè)向位移誤差和航向角誤差構(gòu)建二維模糊決策器，對前輪轉(zhuǎn)角進(jìn)行模糊PID 控制，實(shí)現(xiàn)車輛的路徑跟蹤。但是這類PID 控制方法，沒有考慮到車輛相對于軌跡的非線性運(yùn)動(dòng)學(xué)關(guān)系，并且僅關(guān)注車輛側(cè)向位移誤差的控制效果，也沒有對車輛動(dòng)力學(xué)特性(橫擺角速度、質(zhì)心側(cè)偏角)進(jìn)行分析。
展開 多無人艇協(xié)同作戰(zhàn)智能指揮控制系統(tǒng)研究
這種特性更符合戰(zhàn)場作戰(zhàn)實(shí)際，具有更廣闊的應(yīng)用空間，可以大幅提升無人艇的作戰(zhàn)能力。將Agent技術(shù)用于無人艇協(xié)同作戰(zhàn)智能指揮控制系統(tǒng)，能夠滿足系統(tǒng)對協(xié)同復(fù)雜性，自主性和信息分布性的要求，并實(shí)現(xiàn)無人艇的智能化協(xié)同作戰(zhàn)。
四、基于Agent技術(shù)的無人艇協(xié)同作戰(zhàn)智能指揮控制系統(tǒng)
⒈無人艇作戰(zhàn)過程分析
要建立基于Agent的水面無人艇智能指揮控制系統(tǒng)，應(yīng)當(dāng)對作戰(zhàn)指揮的決策過程進(jìn)行系統(tǒng)的分析。首先來看傳統(tǒng)水面艦艇指揮決策過程，主要分為信息，決策，行動(dòng)，艦艇將輔助決策方案提供給指揮員，由指揮員選擇最終的執(zhí)行方案，艦艇平臺的控制并不在指揮控制的范圍之內(nèi)，例如水面艦艇需要進(jìn)行武器發(fā)射占位時(shí)，平臺的機(jī)動(dòng)是在人為的控制下完成的。而對于無人艇而言，其生成的決策方案就是最終的執(zhí)行方案，而其搜索攻擊目標(biāo)等行為與對無人艇平臺的指揮控制緊密的結(jié)合在一起。所以無人艇的指揮決策過程應(yīng)如圖3所示，分為信息處理層、指揮決策層、控制層。
展開 自主系統(tǒng)開始 蘋果要在無人駕駛上重走手機(jī)之路
（原標(biāo)題：從自主系統(tǒng)開始，蘋果要在無人駕駛上重走手機(jī)之路）
在最近的資本市場上，蘋果頗為不順。
截止上周五（11月23日），蘋果以172.29美元報(bào)收，此價(jià)距離今年8月2日233.47美元的歷史最高峰下跌了20%以上，市值也蒸發(fā)超過2200億美元，萎縮到8175.85億美元。
在蘋果宣布停止公布手機(jī)銷量，以富士康和和碩為代表的供應(yīng)商下調(diào)新款iPhone銷售預(yù)期，市場一致看衰的背景下，蘋果用什么來提振投資人的信心呢？
無人駕駛被蘋果拿出來說事了。也是在上周，有媒體報(bào)道，庫克證實(shí)蘋果正在研發(fā)用于無人駕駛汽車的自主系統(tǒng)，這也是庫克為數(shù)不多的第二次公開披露蘋果關(guān)于無人駕駛方面的計(jì)劃和進(jìn)展?；蛟S蘋果要為它的無人駕駛項(xiàng)目提速了。
蘋果無人駕駛研發(fā)成果秘而不宣
相比Google、特斯拉這類競爭者，蘋果進(jìn)入無人駕駛的賽道稍晚，2014年才開始組建團(tuán)隊(duì)，以“Project Titn”作為內(nèi)部代號。進(jìn)入的時(shí)間晚，并不意味著蘋果對無人駕駛項(xiàng)目不重視，當(dāng)庫克在2017年6月首次對外公開其無人車戰(zhàn)略的時(shí)候，將無人駕駛技術(shù)拔到“所有AI項(xiàng)目之母”的高度。
于是蘋果挖來了特斯拉負(fù)責(zé)整車研發(fā)和制造的高級副總裁DougField、大眾汽車集團(tuán)的首席數(shù)字官JohnnJungwirth、福特車身結(jié)構(gòu)和沖壓專家AindreCmpbell、保時(shí)捷919技術(shù)總監(jiān)AlexnderHitzinger、特斯拉負(fù)責(zé)工程研發(fā)的副總裁ChrisPorritt……
今年7月，美國聯(lián)邦調(diào)查局指控蘋果前員工竊取商業(yè)機(jī)密的訴訟文件曝光了蘋果“Titn”項(xiàng)目的團(tuán)隊(duì)規(guī)?！?000人。
一開始，蘋果就把“盤子”鋪的很大?？墒翘O果除了逐漸擴(kuò)大自己的測試車隊(duì)外（截止今年9月已達(dá)70輛，這個(gè)規(guī)模僅次于通用汽車的Cruise和Wymo），向外公布的研究成果對于無人駕駛技術(shù)并沒有突破性的指引。
展開 有人/無人機(jī)編隊(duì)指揮控制系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
該階段,飛行員是主要決策者,指揮控制系統(tǒng)作為輔助工具。
(2) 航跡規(guī)劃階段。根據(jù)之前給定的任務(wù)點(diǎn)和實(shí)際環(huán)境,飛行員根據(jù)任務(wù)類型下達(dá)編隊(duì)隊(duì)形集結(jié)、隊(duì)形變換、隊(duì)形保持和隊(duì)形重構(gòu)等命令，指揮控制系統(tǒng)根據(jù)任務(wù)指令、編隊(duì)類型和環(huán)境模型規(guī)劃出滿足多種約束和性能指標(biāo)的最優(yōu)協(xié)同航跡。該階段人是上層決策者,指揮控制系統(tǒng)作為主要完成工具。
2.2 反饋介入
反饋介入主要指地面指揮人員根據(jù)雷達(dá)監(jiān)視MAV/UAV編隊(duì)的實(shí)際運(yùn)行情況,通過將編隊(duì)實(shí)際路線與飛行前規(guī)劃的預(yù)測仿真相比較,對飛行員臨場決策能力、MAV/UAV編隊(duì)的導(dǎo)航和控制性能進(jìn)行分析和評估,為飛行員的任務(wù)規(guī)劃和控制系統(tǒng)的航跡規(guī)劃提供技術(shù)支持,為以后飛行提供數(shù)據(jù)參考經(jīng)驗(yàn)。同月球車和無人車的反饋介入相比,地面操作人員可通過實(shí)際與預(yù)測對比實(shí)時(shí)修正路徑,保證路徑規(guī)劃的精確性,但考慮到戰(zhàn)場形勢瞬息萬變、MAV/UAV編隊(duì)飛行速度快、飛行員操作壓力大等因素,航跡對比修正環(huán)節(jié)交由地面指揮人員,由指揮人員提醒飛行員,便于飛行員在指令下達(dá)時(shí)更加精確,日后改進(jìn)指揮控制系統(tǒng)中控制策略的穩(wěn)定性與準(zhǔn)確性。
2.3 多模式介入
多模式介入是指飛行員根據(jù)實(shí)際作戰(zhàn)任務(wù)與戰(zhàn)場環(huán)境復(fù)雜性,在任務(wù)階段選擇一種或多種駕駛控制模式,保證MAV/UAV編隊(duì)能夠高效、安全地完成各種既定任務(wù)。考慮到目前UAV智能技術(shù)水平,全自主UAV在短期內(nèi)難以走向?qū)嵱?所以考慮無人駕駛和有人駕駛兩種情況。
(1) 無人駕駛模式。所謂無人駕駛，是指飛行員僅通過操縱MAV實(shí)現(xiàn)編隊(duì)安全飛行,依靠編隊(duì)內(nèi)各UAV與MAV位置、姿態(tài)等相互反饋,編隊(duì)以穩(wěn)定的隊(duì)形跟隨UAV航跡安全飛行,無需障礙檢測和實(shí)時(shí)避障。所以,該模式只適合于執(zhí)行編隊(duì)巡航、返航階段。
(2) 有人駕駛模式。
展開 一文解析自動(dòng)駕駛汽車決策控制系統(tǒng)技術(shù)
環(huán)境預(yù)測模塊
環(huán)境預(yù)測模塊作為決策規(guī)劃控制模塊的直接數(shù)據(jù)上游之一，其主要作用是對感知層所識別到的物體進(jìn)行行為預(yù)測，并且將預(yù)測的結(jié)果轉(zhuǎn)化為時(shí)間空間維度的軌跡傳遞給后續(xù)模塊。通常感知層所輸出的物體信息包括位置、速度、方向等物理屬性。
利用這些輸出的物理屬性，可以對物體做出“瞬時(shí)預(yù)測”。環(huán)境預(yù)測模塊不局限于結(jié)合物理規(guī)律對物體做出預(yù)測，而是可結(jié)合物體和周邊環(huán)境以及積累的歷史數(shù)據(jù)信息，對感知到的物體做出更為“宏觀”的行為預(yù)測。例如在圖2中，通過識別行人在人行道的歷史行進(jìn)動(dòng)作預(yù)測出行人可能會在人行道上穿越路口，而通過車輛的歷史行進(jìn)軌跡可判斷其會在路口右轉(zhuǎn)。
圖2 環(huán)境預(yù)測示意圖
行為決策模塊
行為決策模塊在整個(gè)自動(dòng)駕駛決策規(guī)劃控制軟件系統(tǒng)中扮演著“副駕駛”的角色。這個(gè)層面匯集了所有重要的車輛周邊信息，不僅包括了自動(dòng)駕駛汽車本身的實(shí)時(shí)位置、速度、方向，還包括車輛周邊一定距離以內(nèi)所有的相關(guān)障礙物信息以及預(yù)測的軌跡。行為決策層需要解決的問題，就是在知曉這些信息的基礎(chǔ)上，決定自動(dòng)駕駛汽車的行駛策略。
由于需要考慮多種不同類型的信息，行為決策問題往往很難用單一的數(shù)學(xué)模型來求解，而是要利用一些軟件工程的先進(jìn)理念來設(shè)計(jì)規(guī)則引擎系統(tǒng)。例如在DARPA挑戰(zhàn)賽中，Stanford的無人車系統(tǒng)利用一系列cost設(shè)計(jì)和有限狀態(tài)機(jī)來設(shè)計(jì)無人車的軌跡和操控指令?，F(xiàn)階段馬爾可夫決策過程的模型也開始被越來越多的應(yīng)用于自動(dòng)駕駛系統(tǒng)行為層面的決策算法實(shí)現(xiàn)當(dāng)中。
展開 一文解析自動(dòng)駕駛汽車決策控制系統(tǒng)技術(shù)
由于需要考慮多種不同類型的信息，行為決策問題往往很難用單一的數(shù)學(xué)模型來求解，而是要利用一些軟件工程的先進(jìn)理念來設(shè)計(jì)規(guī)則引擎系統(tǒng)。例如在DARPA挑戰(zhàn)賽中，Stanford的無人車系統(tǒng)利用一系列cost設(shè)計(jì)和有限狀態(tài)機(jī)來設(shè)計(jì)無人車的軌跡和操控指令?，F(xiàn)階段馬爾可夫決策過程的模型也開始被越來越多的應(yīng)用于自動(dòng)駕駛系統(tǒng)行為層面的決策算法實(shí)現(xiàn)當(dāng)中。簡而言之，行為決策層面需要結(jié)合環(huán)境預(yù)測模塊的結(jié)果，輸出宏觀的決策指令供后續(xù)的規(guī)劃模塊去更具體地執(zhí)行。
動(dòng)作規(guī)劃模塊
自動(dòng)駕駛汽車規(guī)劃模塊包括動(dòng)作規(guī)劃和路徑規(guī)劃兩
部分。動(dòng)作規(guī)劃模塊主要是對短期甚至是瞬時(shí)的動(dòng)作進(jìn)行規(guī)劃，例如轉(zhuǎn)彎、避障、超車等動(dòng)作；而路徑規(guī)劃模塊是對較長時(shí)間內(nèi)車輛行駛路徑的規(guī)劃，例如從出發(fā)地到目的地之間的路線設(shè)計(jì)或選擇。
自動(dòng)駕駛系統(tǒng)的設(shè)計(jì)思路是建立若干個(gè)行駛狀態(tài)，通過不同的條件觸發(fā)行駛狀態(tài)切換。這種設(shè)計(jì)思路存在切換過程平順性較差問題。在實(shí)際的系統(tǒng)設(shè)計(jì)過程中主要采用將道路中的真實(shí)目標(biāo)和非真實(shí)目標(biāo)都描述成虛擬質(zhì)點(diǎn)的方法來強(qiáng)化車輛行駛的平順性。其中，真實(shí)目標(biāo)主要是指車輛、行人等因素；非真實(shí)目標(biāo)包括限速、紅燈、停車點(diǎn)、道路曲率、天氣條件等?；谔摂M質(zhì)點(diǎn)模型方法的優(yōu)勢在于將算法模型統(tǒng)一，有效避免了傳統(tǒng)控制算法中因目標(biāo)或控制模式切換產(chǎn)生的車輛加減速度跳變的問題。
路徑規(guī)劃模塊
自動(dòng)駕駛汽車路徑規(guī)劃模塊是指在一定的環(huán)境模型基
礎(chǔ)上，給定自動(dòng)駕駛汽車起始點(diǎn)和目標(biāo)點(diǎn)后，按照性能指標(biāo)規(guī)劃出一條無碰撞、能安全到達(dá)目標(biāo)點(diǎn)的有效路徑。路徑規(guī)劃主要包含兩個(gè)步驟：建立包含障礙區(qū)域與自由區(qū)域的環(huán)境地圖，以及在環(huán)境地圖中選擇合適的路徑搜索算法，快速實(shí)時(shí)地搜索可行駛路徑。路徑規(guī)劃結(jié)果對車輛行駛起著導(dǎo)航作用，它引導(dǎo)車輛從當(dāng)前位置行駛到達(dá)目標(biāo)位置。
展開 
下一代自動(dòng)駕駛域控制器系統(tǒng)架構(gòu)設(shè)計(jì)
針對頂層自動(dòng)駕駛控制系統(tǒng)而言，需要充分考慮的部分包括傳感器與控制器部分的搭載更新，如下圖表示了一種典型的下一代自動(dòng)駕駛傳感器升級配置圖以及相關(guān)控制器主導(dǎo)網(wǎng)絡(luò)架構(gòu)：
從下一代自動(dòng)駕駛功能架構(gòu)上看，主要是實(shí)現(xiàn)當(dāng)前階段自動(dòng)駕駛無法實(shí)現(xiàn)的新功能以及提升當(dāng)前已實(shí)現(xiàn)的自動(dòng)駕駛功能的相關(guān)性能指標(biāo)項(xiàng)。主要的新增功能項(xiàng)有一定環(huán)境下的全脫眼自動(dòng)駕駛Eyesoff，高速路下的點(diǎn)對點(diǎn)自動(dòng)駕駛NoP，緊急轉(zhuǎn)向支撐ESS以及自動(dòng)尋位的全自動(dòng)泊車系統(tǒng)AVP等等。
整體來講下一代自動(dòng)駕駛系統(tǒng)的功能架構(gòu)總體包含的系統(tǒng)功能列表如下：
平臺化系統(tǒng)架構(gòu)
下一代自動(dòng)駕駛平臺化系統(tǒng)架構(gòu)設(shè)計(jì)的要點(diǎn)在于做到下幾個(gè)典型的控制處理方向。為了滿足功能安全設(shè)計(jì)要求必須實(shí)現(xiàn)控制器、傳感器、通信網(wǎng)絡(luò)、執(zhí)行單元等全部雙冗余。從控制器層面講，實(shí)現(xiàn)雙冗余可以通過兩方面來實(shí)現(xiàn)，各自具備相應(yīng)的優(yōu)缺點(diǎn)。
下一代域控制器架構(gòu)主要分為如下兩種：
一種是雙域控制器雙芯片，另一種是單域控制器單芯片。兩種設(shè)計(jì)方式各有優(yōu)劣，且相應(yīng)的設(shè)計(jì)原理主要考慮如下因素：
1）傳感器數(shù)據(jù)對于各個(gè)芯片的連接有何條件？
當(dāng)兩片Soc的算力足夠時(shí)，設(shè)計(jì)所有傳感器進(jìn)行雙鏈接，可以完全實(shí)現(xiàn)感知數(shù)據(jù)無遺漏傳輸處理。如果將所有傳感器均連接至雙芯片時(shí)，也可能由于兩個(gè)Soc的數(shù)據(jù)源均來自相同的傳感器，可能引發(fā)數(shù)據(jù)同源的風(fēng)險(xiǎn)。
2）是否可以做到真正的數(shù)據(jù)冗余處理及過程控制，并且可以從硬件安全等級上做到完全的防水、防塵、熱保護(hù)、高壓、過電保護(hù)等內(nèi)容？
展開 制動(dòng)和轉(zhuǎn)向自適應(yīng)控制下的智能駕駛系統(tǒng)
自動(dòng)駕駛的有效運(yùn)行不光體現(xiàn)在自身的精確策略控制（包括對車輛的控制主要體現(xiàn)在控制速度和路徑曲線上），更體現(xiàn)在和執(zhí)行對手件的交互控制中。在特殊情況下，例如在緊急避撞情況下，還必須及時(shí)控制車輛的方向。從狹義上講，車輛操縱的原理即是指車輛動(dòng)力學(xué)，例如轉(zhuǎn)彎過程中維持車輛穩(wěn)定性。全局底盤控制技術(shù)的進(jìn)步已被用來進(jìn)一步提高車輛的安全性和操縱質(zhì)量。通過增加偏航增益以減小上層系統(tǒng)的轉(zhuǎn)向輸入，可以輕松地實(shí)現(xiàn)路徑曲率的改變。此策略僅適用于中等速度，因?yàn)楫?dāng)方向盤角度輸入過高又在高速行駛時(shí)，可利用的輪胎-道路摩擦?xí)杆亠柡?，此時(shí)偏航率的正常行駛范圍會隨著車速而顯著減小。因此，高速策略必須是降低穩(wěn)態(tài)偏航增益。
在涉及安全性的摩擦極限時(shí)，主動(dòng)底盤可為駕駛員提供最佳的支撐，因?yàn)椴倏v控制器可以確定車輛如何保持穩(wěn)定。合并并協(xié)調(diào)所有可用的執(zhí)行器以實(shí)現(xiàn)此目標(biāo)，以免發(fā)生事故。在超出摩擦極限的區(qū)域中，控制系統(tǒng)的主要任務(wù)是防止汽車嚴(yán)重打滑，以使汽車保持在正軌上。
在正常駕駛期間，系統(tǒng)通常期望車輛具有較小相位滯后的線性偏航響應(yīng)。大多數(shù)駕駛員都沒有因輪胎力飽和而導(dǎo)致線性度降低的經(jīng)驗(yàn)。如果后橋發(fā)生飽和，側(cè)滑角將迅速增加，因此會對在駕駛過程中對駕駛員造成危險(xiǎn)。控制系統(tǒng)的主要任務(wù)應(yīng)該是保持車輛的側(cè)滑角較小。當(dāng)側(cè)滑角的大小超過一定數(shù)值時(shí)，普通駕駛員會感到不舒服。最先進(jìn)的電子穩(wěn)定性控制（ESC）系統(tǒng)間接限制了側(cè)滑角。ESC使用受限的加速度并參考偏航率來解決輪胎飽和問題。另外，計(jì)算并限制了側(cè)滑角的變化率。
全局底盤控制系統(tǒng)在正常駕駛中，尤其是在緊急情況下，具有明顯的優(yōu)勢。主動(dòng)系統(tǒng)的配置和協(xié)調(diào)交互是增強(qiáng)車輛性能的關(guān)鍵成功因素。像ISO 26262這樣的國際標(biāo)準(zhǔn)可確保最高級別的整個(gè)控制系統(tǒng)的質(zhì)量和安全性。
展開 CCF CTC2018全景掃描 ：無人駕駛、人工智能等新型系統(tǒng)可靠性問題逐漸成熱點(diǎn)
針對當(dāng)前復(fù)雜軟件系統(tǒng)的多缺陷問題，W. Eric Wong 教 授在演講中介紹了基于類聚方法的缺陷定位技術(shù)。該項(xiàng)技術(shù)通過解決失敗測試用例距離定 義、類聚集合數(shù)量確定和類聚算法選擇這三方面問題，極大地提高軟件缺陷定位的準(zhǔn)確性和 效率。軟件系統(tǒng)安全是網(wǎng)絡(luò)空間安全戰(zhàn)略發(fā)展中尤為重要的方面，該報(bào)告從多個(gè)維度指出了 當(dāng)前軟件系統(tǒng)安全加固的關(guān)鍵環(huán)節(jié)。
韓國科學(xué)與技術(shù)高等研究院 KAIST 的 Naehyuck Chang 教授做了題為“Design Automation of Low-power Battery Electric Vehicles”的主旨報(bào)告。能效問題一直是電動(dòng)汽車設(shè)計(jì)中最富挑戰(zhàn) 的議題之一，Naehyuck Chang 教授在報(bào)告中介紹了一個(gè)他們開發(fā)的瞬時(shí)功耗模型，該模型充 分考慮了電動(dòng)汽車重量、速度、加速度、道路斜率等綜合因素以保證其高可信度。報(bào)告中還
介紹了一種在設(shè)計(jì)階段的快速綜合方法，可大幅提升電動(dòng)汽車動(dòng)力系統(tǒng)的能效。
今年CTC會議呈現(xiàn)出和過去不一樣的特點(diǎn)，從中也可以看出行業(yè)發(fā)展的熱點(diǎn)。第一，電動(dòng)汽車電子系統(tǒng)，無論是測試、可靠性還是設(shè)計(jì)自動(dòng)化，成為大家高度關(guān)注的對象，而不僅僅只關(guān)注集成電路或軟件。今年會議的四個(gè)大會報(bào)告，有2個(gè)介紹了在無人駕駛、電動(dòng)汽車可靠性以及信息安全、設(shè)計(jì)自動(dòng)化方面的工作。這主要因?yàn)樽罱鼛啄辏?em>無人駕駛方向無論是學(xué)術(shù)界還是企業(yè)界參與度都非常高，而無人駕駛的可靠性和信息安全至關(guān)重要，做得不好就是車毀人亡。前一段時(shí)間的特斯拉無人駕駛造成了第一宗自動(dòng)駕駛系統(tǒng)致人死亡的車禍，其主要原因就是在特別自然條件下，無人駕駛系統(tǒng)未能對突發(fā)情況做出及時(shí)的判斷，從而導(dǎo)致事故。第二，人工智能技術(shù)在測試和EDA領(lǐng)域應(yīng)用逐步增多。基于人工智能的自動(dòng)化測試技術(shù)，基于人工智能的敏捷EDA技術(shù)成為大家關(guān)注的熱點(diǎn)。
展開 【11月3-5日 北京】無人駕駛多傳感器技術(shù)和系統(tǒng)功能開發(fā)技術(shù)高級培訓(xùn)班
無人駕駛多傳感器技術(shù)和系統(tǒng)功能開發(fā)技術(shù)高級培訓(xùn)班
培訓(xùn)背景
無人駕駛汽車越來越多的被社會各方認(rèn)定為解決交通擁堵和提高駕駛安全和舒適性的解決方案。世界各國的主要汽車生產(chǎn)商，零配件供應(yīng)商，甚至新型互聯(lián)網(wǎng)企業(yè)都已經(jīng)將無人駕駛系統(tǒng)的開發(fā)定為企業(yè)技術(shù)研發(fā)發(fā)展的主要方向。越來越多的中國企業(yè)也加入到了無人駕駛汽車研發(fā)的行列中。然而，由于中國人才市場在該技術(shù)專業(yè)方向的人才緊缺，許多企業(yè)在這一汽車重點(diǎn)發(fā)展方向上望而卻步；或者由于自身缺乏系統(tǒng)化的開發(fā)和驗(yàn)證經(jīng)驗(yàn)，需要高薪聘請外國專家，否則無法找到合適的方法來完成項(xiàng)目的開發(fā)工作，亦或往往事倍功半。所以，無人駕駛汽車研發(fā)人才的培養(yǎng)，成為中國各大車企人才管理和培養(yǎng)工作的重中之重。
基于國內(nèi)汽車企業(yè)迫切需求， 特邀兩位來自德國某汽車技術(shù)公司高級駕駛輔助及無人駕駛開發(fā)部門高級技術(shù)專家為培訓(xùn)班系統(tǒng)授課。專家將根據(jù)自己在德國汽車行業(yè)的多年實(shí)踐經(jīng)驗(yàn)，用中文由淺入深、由局部到系統(tǒng)地講解無人駕駛的各核心組成部分的工作原理、設(shè)計(jì)需求、理念、方式及流程；并著重講解無人駕駛系統(tǒng)多種傳感器技術(shù)、多傳感器組合和數(shù)據(jù)融合、系統(tǒng)功能驗(yàn)證等。
時(shí)間地點(diǎn)
時(shí)間：11月3-5日
地點(diǎn)：北京（具體地點(diǎn)于培訓(xùn)前一周通知）
參加對象
需要決策無人駕駛系統(tǒng)產(chǎn)品功能開發(fā)的管理層人員；
在第一線工作的軟件、硬件和系統(tǒng)開發(fā)工程師；
需要加深理解無人駕駛系統(tǒng)組成部分工作原理，并制定合理測試驗(yàn)證方案的測試工程師。
課程介紹
本課程的第一部分，以汽車無人駕駛技術(shù)發(fā)展歷史、無人駕駛汽車的必要性和必然性為出發(fā)點(diǎn)，首先詳細(xì)地解釋當(dāng)前技術(shù)發(fā)展現(xiàn)狀，面臨的挑戰(zhàn)以及未來的發(fā)展趨勢，闡述了無人駕駛的基本概念，比如輔助駕駛和無人駕駛的區(qū)別，無人駕駛的分級等。
展開 