学习笔记6--决策与控制技术概述

本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》。
此专栏是关于《自动驾驶系统设计及应用》书籍的笔记.

---

---

6.决策与控制技术概述

6.1 设计目标

• 行为决策与控制系统的目标：使自动驾驶汽车像熟练的驾驶员一样产生安全、合理的驾驶行为；
• 设计准则：
  • 良好的系统实时性；
  • 安全性最高优先级(车辆具备防碰撞、紧急避障、故障检测等功能)；
  • 合理的行车效率优先级；
  • 结合用户需求的决策能力(用户对全局路径变更、安全和效率优先级变更)；
  • 乘员舒适性(车辆转向稳定性、平顺性等)；
• 对于适用于城市道路和高速公路工况的行为决策系统，设计准则还包括：
  • 右侧车道通行优先；
  • 保持车道优先；
  • 速度限制；
  • 交通标志及交通信号灯限制等；

6.2 系统分类

自动驾驶行为决策系统主要有：基于规则和基于学习算法两大类；

• 基于规则的行为决策：即将自动驾驶车辆的行为进行划分，根据行驶规则、知识、经验、交通法规等建立行为规则库，根据不同的环境信息划分车辆状态，按照规则逻辑确定车辆行为的方法；其代表方法为有限状态机法，代表应用有智能先锋Ⅱ、红旗CA7460、Boss、Junior、Odin、Talos、Bertha等；
• 基于学习算法的行为决策：即通过对环境样本进行自主学习，由数据驱动建立行为规则库，利用不同的学习方法与网络结构，根据不同的环境信息直接进行行为匹配，输出决策行为的方法；以深度学习的相关方法及决策树等各类机器学习为代表；代表应用有英伟达(NVIDIA)、Intel、Comma.ai、Mobileye、百度、Waymo、特斯拉等；

两类行为决策系统说明：

1. 基于规则的决策控制系统

   • 基于规则的行为决策方法中最具代表性的是有限状态机法；

   • 有限状态机是一种离散输入、输出系统的数学模型；由有限个状态组成，当前状态接收事件，并产生相应的动作，引起状态的转移；

   • 状态、事件、转移、动作是有限状态机的4大要素；有限状态机的核心在于状态分解，根据状态分解的连接逻辑，将其分为串联式、并联式、混联式三种体系架构；

   • 串联式结构：其子状态按照串联式结构连接，状态转移大多为单向，不构成环路；

   • 并联式结构：各子状态输入、输出呈现多节点连接结构，根据不同输入信息，可直接进入不同子状态进行处理并提供输出；

   • 混联式结构：子状态中既存在串联递阶，又存在并联连接；

   • 麻省理工学院的Talos无人车决策系统总体采用串联式结构，如下图所示：

     • 串联式结构优点：逻辑明确，规划推理能力强，问题求解精度高；
     • 串联式结构缺点：对复杂问题的适应性差，某子状态故障时，会导致整个决策链瘫痪；
     • 串联式结构适用于某一工况的具体处理，擅长任务的层级推理与细分解决；

   • 国防科技大学研发的红旗CA7460行为决策控制系统采用并联结构，如下图所示：

     • 该系统适用于高速公路工况，其决策系统划分为自由追踪行车道、自由追踪超车道、由行车道换入超车道、由超车道换入行车道等模式；
     • 并联式结构将每一种工况单独划分成模块进行处理，整个系统可快速、灵活地对输入进行响应；
     • 在复杂工况下， 由于遍历状态较多，导致算法机构庞大，及状态间的划分与状态冲突的解决是难点；
     • 并联式结构优点：具备场景遍历广度优势，易于实现复杂的功能组合，具有较好的模块性与拓展性；
     • 并联式结构缺点：系统不具备时序性，缺乏场景遍历的深度，决策易忽略细微环境变化，状态划分灰色地带难以处理，从而导致决策错误；

   • 卡耐基-梅隆大学与福特公司研发的Boss自动驾驶车决策系统采用层级式混联结构，如下图所示：

     • 系统顶层基于场景行为划分，底层基于自车行为划分；三个顶层行为及其底层行为分别为：车道保持(车道选择、场景实时报告、距离保持器、行为发生器等)、路口处理(优先级估计、转移管理等)、指定位姿；

2. 基于学习算法决策控制系统

   • 根据原理不同主要可分为：深度学习相关的决策与基于决策树等机器学习理论的决策方法；
   • NVIDIA无人车决策系统训练模型如下图所示：
     • NVIDIA无人驾驶车辆系统架构采用端到端卷积神经网络进行决策处理，使决策系统大幅简化；系统直接输入由摄像头获得的各帧图像，经由神经网络决策后直接输出车辆目标方向盘转角；
     • 图像输入到卷积神经网络(Convolutional Neural Networks，CNN)计算转向控制命令，将预测的转向控制命令与理想的控制命令比较，然后调整CNN模型的权值使得预测值尽可能接近理想值；权值调整由机器学习的反向传播算法完成，训练完成后，模型可以利用中心的单个摄像头数据生成转向控制命令；
   • 百度端到端系统实现了对车辆的纵向和横向控制：纵向控制采用堆叠卷积长短期记忆(Long Short Term Memory，LSTM)深度学习模型，提取帧序列图像中的时空特征信息，实现特征到纵向控制指令的映射；横向控制采用CNN深度学习模型，从单幅前摄像头的图像直接计算横向控制的曲率；

3. 基于规则和基于学习算法的行为决策技术的对比

   • 基于规则的行为决策系统的优点：
     • 算法逻辑清晰、可解释性强、稳定性强、便于建模；
     • 系统运行对处理器性能要求不高；
     • 模型可调整性强；
     • 可拓展性强，通过状态机的分层可以实现较为复杂的组合功能；
     • 在功能场景的广度遍历上存在优势；
   • 基于规则的行为决策系统的缺点：
     • 由于状态切割划分条件导致车辆行为不连贯；
     • 行为规则库触发条件易重叠从而造成系统失效；
     • 有限状态机难以完全覆盖车辆可能遇到的所有工况，通常会忽略可能导致决策是错误的环境细节；
     • 场景深度遍历不足导致系统决策正确率难以提升，对复杂工况处理及算法性能的提升存在瓶颈；
   • 基于学习算法的行为决策系统的优点：
     • 具备场景遍历深度的优势，针对某一细分场景，通过大数据系统更容易覆盖全部工况；
     • 利用网络结构可简化决策算法规模；
     • 部分机器具备自学习性能，机器能够自行提炼环境特征和决策属性，便于系统优化迭代；
     • 不必遍历各种工况，通过数据的训练完善模型，模型正确率可随数据的完备得以提升；
   • 基于学习算法的行为决策系统的缺点：
     • 算法决策结果可解释性差，模型修正难度大；
     • 学习算法不具备场景遍历广度优势，不同场景所需采用的学习模型可能完全不同；
     • 机器学习需要大量试验数据作为学习样本；
     • 决策效果依赖于数据质量，样本不足、数据质量差、网络结构不合理等会导致过学习、欠学习等问题；