010-56381676
customer-service@zttledu.com
通俗易懂的理解自動(dòng)駕駛
發(fā)布時(shí)間：2024-11-18
從自動(dòng)駕駛的架構(gòu)出發(fā)往往最能夠理解自動(dòng)駕駛的原理，大眾對(duì)自動(dòng)駕駛最淺顯易懂的理解就是感知，決策，執(zhí)行。
- 感知回答周?chē)惺裁吹膯?wèn)題，類(lèi)似人的眼睛，耳朵。通過(guò)攝像頭，雷達(dá)，地圖等手段獲得周?chē)系K物和道路的信息。
- 決策回答我要如何做的問(wèn)題，類(lèi)似大腦。通過(guò)分析感知得來(lái)的信息，生成路徑和車(chē)速。
- 執(zhí)行則類(lèi)似于手腳，將決策獲得信息轉(zhuǎn)化成剎車(chē)、油門(mén)和轉(zhuǎn)向信號(hào)，控制車(chē)輛按照預(yù)期行駛。
- 自車(chē)感知-由感受器官每時(shí)每刻獲得的信息（包括攝像頭，雷達(dá)，GPS等）
- 外部感知-由外部智能體或過(guò)往記憶，收集處理后轉(zhuǎn)告的信息（包括定位，地圖，車(chē)聯(lián)信息等），前提需要自車(chē)定位感知（GPS）的輸入。
另外各類(lèi)傳感器經(jīng)由算法處理后的障礙物，車(chē)道等信息往往存在矛盾。雷達(dá)看到了前方有一個(gè)障礙物而攝像頭告訴你沒(méi)有，這時(shí)候就需要增加“融合”模塊。對(duì)不一致的信息作進(jìn)一步的關(guān)聯(lián)和判斷。 這里我們也常常把“融合與預(yù)測(cè)”歸納為“世界模型”。這個(gè)詞非常生動(dòng)，無(wú)論你是唯物主義還是唯心主義?！笆澜纭倍疾豢赡苋咳M(jìn)你的腦子里，而指導(dǎo)我們工作生活的是“世界”的“模型”，也就是通過(guò)對(duì)我們出生后的所見(jiàn)所謂加以處理，在腦中逐步構(gòu)建的對(duì)世界的理解，道家稱(chēng)之為“內(nèi)景”。世界模型的核心職責(zé)就是通過(guò)“融合”來(lái)理解當(dāng)下環(huán)境要素的屬性和關(guān)系，并配合“先驗(yàn)的規(guī)律”作出“預(yù)測(cè)”為決策執(zhí)行提供更從容的判斷，這個(gè)時(shí)間跨度可以從幾毫秒到幾小時(shí)。 由于世界模型的加入，整個(gè)架構(gòu)變得更加豐滿(mǎn)，但這里還一個(gè)細(xì)節(jié)常常被忽略。也就是信息的流向。簡(jiǎn)單的理解，人是通過(guò)眼睛感知再到大腦處理最后交給手腳執(zhí)行的單向過(guò)程，可實(shí)際的情況往往更加復(fù)雜。這里有兩個(gè)典型的行為構(gòu)成了一個(gè)完全相反的信息流，那就是“目標(biāo)達(dá)成的預(yù)案”以及“注意力的轉(zhuǎn)移”。 “目標(biāo)達(dá)成的預(yù)案”如何理解？實(shí)際上思考的伊始并非感知而是“目標(biāo)”。有目標(biāo)才可以觸發(fā)一個(gè)有意義的“感知-決策-執(zhí)行”過(guò)程，比方說(shuō)你希望開(kāi)車(chē)去一個(gè)目的地，可能你知道有幾個(gè)路線(xiàn)，而你最后會(huì)權(quán)衡擁堵情況選擇其中一個(gè)線(xiàn)路。擁堵情況屬于世界模型，而“到達(dá)目的地”屬于決策。這是一個(gè)決策向世界模型傳遞的過(guò)程。 “注意力的轉(zhuǎn)移”又如何理解？哪怕是一張圖片，無(wú)論是人類(lèi)還是機(jī)器都無(wú)法獲取內(nèi)部隱含的所有信息。從一個(gè)需求和上下文出發(fā)，我們往往會(huì)把注意力放在一個(gè)有限范圍和有限的品類(lèi)上。這些信息無(wú)法從圖片本身獲得，而是來(lái)源于“世界模型”和“目標(biāo)”，是一個(gè)從決策到世界模型再向感知傳遞的過(guò)程。 我們補(bǔ)充一些必要的信息，重新整理下整個(gè)架構(gòu)，它變成了如下的模樣，是不是又復(fù)雜了一些。還沒(méi)完我們繼續(xù)看。自動(dòng)駕駛算法和大腦一樣，有一個(gè)對(duì)處理時(shí)間的要求。一般的周期在10ms-100ms之間，可以滿(mǎn)足對(duì)環(huán)境變化的反應(yīng)要求。但環(huán)境有時(shí)簡(jiǎn)單有時(shí)卻非常復(fù)雜。很多算法模塊無(wú)法達(dá)成這個(gè)時(shí)間要求。比如思考一遍人生的意義可能不是100ms可以搞定的事情，如果每走一步路都要思考一遍人生，對(duì)大腦一定是一種摧殘。計(jì)算機(jī)也是如此，存在算力和運(yùn)算速度的物理限制。解決方法就是引入分層框架。 這種分層機(jī)制越往上處理周期一般會(huì)縮短3-10倍，當(dāng)然并不一定需要完整出現(xiàn)在實(shí)際框架當(dāng)中，工程上根據(jù)板上資源以及算法使用情況可以靈活調(diào)整?；旧希兄巧闲羞^(guò)程，根據(jù)注意力不斷精細(xì)化特定要素，提供有“縱深和指向”的感知信息。決策是下行過(guò)程，根據(jù)不同層次的世界模型逐層從目標(biāo)分解動(dòng)作到每個(gè)執(zhí)行單元。世界模型一般沒(méi)有特定流向，用于構(gòu)建不同粒度尺度的環(huán)境信息。 根據(jù)處理任務(wù)的復(fù)雜度，人員分工以及通訊環(huán)境也會(huì)進(jìn)行適當(dāng)?shù)拈幐钆c合并。比如低階ADAS功能(ACC)，算力較少，可以只設(shè)計(jì)一層。高階ADAS功能（AutoPilot）一般會(huì)有兩層的配置。而自動(dòng)駕駛功能，復(fù)雜算法較多，三層的設(shè)計(jì)有時(shí)是必須的。在軟件架構(gòu)設(shè)計(jì)中，也存在同一層的世界模型與感知或是決策模塊合并的情況。
各類(lèi)自動(dòng)駕駛公司或者行業(yè)標(biāo)準(zhǔn)都會(huì)發(fā)布自己的軟件架構(gòu)設(shè)計(jì)，但往往都是根據(jù)現(xiàn)狀閹割后的結(jié)果，并不具有普適性，但為了方便大家理解，我還是把當(dāng)下主流的功能模塊代入進(jìn)來(lái)，大家來(lái)看看對(duì)照關(guān)系，對(duì)理解原理更有幫助。這里需要提前注意下，雖然這已經(jīng)有點(diǎn)軟件架構(gòu)的意味，但仍然是一種對(duì)原理的描述，實(shí)際的軟件架構(gòu)設(shè)計(jì)相較于此還要更為復(fù)雜，這里并沒(méi)有展開(kāi)所有細(xì)節(jié)，而是把容易混淆的部分重點(diǎn)做了展開(kāi)。下面我們重點(diǎn)梳理下。環(huán)境感知-ALL IN深度學(xué)習(xí)為了確保無(wú)人車(chē)對(duì)環(huán)境的理解和把握，無(wú)人駕駛系統(tǒng)的環(huán)境感知部分通常需要獲取周?chē)h(huán)境的大量信息，包括障礙物的位置，速度，前方車(chē)道的精確形狀，標(biāo)志牌的位置類(lèi)型等。通常是通過(guò)融合激光雷達(dá)（Lidar），周視/環(huán)視相機(jī)（Camera），毫米波雷達(dá)（Millimeter Wave Radar）等多種傳感器的數(shù)據(jù)來(lái)獲取這些信息。 深度學(xué)習(xí)的發(fā)展，使得通過(guò)神經(jīng)網(wǎng)絡(luò)算法完成自動(dòng)駕駛搭建成為全行業(yè)共識(shí)。感知模塊的算法是整個(gè)深度學(xué)習(xí)化的“馬前卒”，是最早完成轉(zhuǎn)型的軟件模塊。定位地圖與V2X-自車(chē)感知與外部感知之間的關(guān)聯(lián)與差異傳統(tǒng)意義上理解，外部感知是以GPS定位信號(hào)為基礎(chǔ)，將高精地圖和車(chē)聯(lián)網(wǎng)消息（V2X）等絕對(duì)坐標(biāo)系下的信息轉(zhuǎn)化到自車(chē)坐標(biāo)系下，供車(chē)輛使用的感知源。和人使用的高德導(dǎo)航儀類(lèi)似。配合原本就在自車(chē)坐標(biāo)系下的“自車(chē)感知”信息綜合為自動(dòng)駕駛提供環(huán)境信息。 但實(shí)際的設(shè)計(jì)往往更為復(fù)雜，由于GPS不可靠，IMU需要持續(xù)修正，可量產(chǎn)的自動(dòng)駕駛定位往往使用感知地圖的匹配來(lái)精確獲得精確的絕對(duì)位置，利用感知結(jié)果來(lái)修正IMU獲得精確的相對(duì)位置，和GPS-IMU組成的INS系統(tǒng)形成冗余。因此“外部感知”所必須的定位信號(hào)，往往依賴(lài)于“自車(chē)感知”信息。 另外雖然地圖嚴(yán)格意義上屬于“世界模型”的組成部分，但受限于GPS的敏感性，在國(guó)內(nèi)進(jìn)行軟件實(shí)施的過(guò)程中，會(huì)把定位模塊和地圖模塊進(jìn)行整合，并加偏所有GPS數(shù)據(jù)，確保沒(méi)有敏感定位信息的外泄。融合預(yù)測(cè)模塊-核心關(guān)注兩者的差異融合的核心是解決兩個(gè)問(wèn)題，一個(gè)是時(shí)空同步問(wèn)題，利用坐標(biāo)系轉(zhuǎn)換算法和軟硬協(xié)同的時(shí)間同步算法，首先將激光雷達(dá)，相機(jī)和毫米波雷達(dá)等感知測(cè)量結(jié)果對(duì)齊到一個(gè)時(shí)空點(diǎn)上，確保整個(gè)環(huán)境感知原始數(shù)據(jù)的統(tǒng)一。另一個(gè)是解決關(guān)聯(lián)（Association）與異常剔除的問(wèn)題，處理不同傳感器映射到同一個(gè)“世界模型”元素（一個(gè)人/一根車(chē)道等）的關(guān)聯(lián)，并且剔除可能由于單一傳感器誤檢導(dǎo)致的異常。但融合區(qū)別于預(yù)測(cè)的根本是其只處理過(guò)去以及當(dāng)前時(shí)刻的信息，并不會(huì)對(duì)外來(lái)時(shí)刻做處理。 而預(yù)測(cè)會(huì)基于融合的結(jié)果做出對(duì)未來(lái)時(shí)刻的判斷，這個(gè)未來(lái)的時(shí)刻從10ms-5分鐘皆有。其中包括對(duì)信號(hào)燈的預(yù)測(cè)，對(duì)周?chē)系K物行駛路徑的預(yù)測(cè)或者是對(duì)遠(yuǎn)處的過(guò)彎位置做出預(yù)測(cè)。不同周期的預(yù)測(cè)會(huì)給到對(duì)應(yīng)周期的規(guī)劃，做不同粒度的預(yù)判，從而為規(guī)劃的調(diào)整提供更大的空間。規(guī)劃控制-層次化策略分解 規(guī)劃是無(wú)人車(chē)為了某一目標(biāo)而作出一些有目的性的決策的過(guò)程，對(duì)于無(wú)人駕駛車(chē)輛而言，這個(gè)目標(biāo)通常是指從出發(fā)地到達(dá)目的地，同時(shí)避免障礙物，并且不斷優(yōu)化駕駛軌跡和行為以保證乘客的安全舒適。規(guī)劃的結(jié)構(gòu)總結(jié)就是根據(jù)不同粒度的環(huán)境融合信息，從外部目標(biāo)出發(fā)進(jìn)行逐層的評(píng)估與分解，最終傳遞到執(zhí)行器，形成完整的一次決策。 細(xì)分來(lái)看，規(guī)劃模塊一般會(huì)分成三層：任務(wù)規(guī)劃（Mission Planning），行為規(guī)劃（Behavioral Planning）和動(dòng)作規(guī)劃（Motion Planning）三層，任務(wù)規(guī)劃核心是基于路網(wǎng)和離散路徑搜索算法獲得全局路徑被給出大尺度的任務(wù)類(lèi)型，往往周期較長(zhǎng)，行為規(guī)劃是基于有限狀態(tài)機(jī)判斷在一個(gè)中周期上，車(chē)輛應(yīng)該采取的具體行為（左換道，繞行避讓?zhuān)珽-STOP）并設(shè)定一些邊界參數(shù)和大致的路徑范圍。運(yùn)動(dòng)規(guī)劃層往往會(huì)基于采樣或是最優(yōu)化的方法最終獲得滿(mǎn)足舒適性，安全性要求的唯一路徑。最后交由控制模塊通過(guò)前饋預(yù)測(cè)和反饋控制算法完成對(duì)唯一路徑的跟隨，并操縱制動(dòng)，轉(zhuǎn)向，油門(mén)，車(chē)身等執(zhí)行器最終執(zhí)行命令。 不知道各位看官姥爺理解到了第幾層，但以上這些也只是自動(dòng)駕駛原理的入門(mén)內(nèi)容，當(dāng)下自動(dòng)駕駛的理論，算法和架構(gòu)發(fā)展都非常快，雖然上述內(nèi)容是比較本源的知識(shí)點(diǎn)，很長(zhǎng)時(shí)間內(nèi)不會(huì)過(guò)時(shí)。但新增的需求給自動(dòng)駕駛的架構(gòu)和原理都帶來(lái)了很多全新的認(rèn)知。
