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

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红旗新能源背景分析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源二、相关探索HDNGCI■2.1AI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