人工智能與無人駕駛未來，會掌握在這十個人手里嗎？

著現(xiàn)代高新技術(shù)的迅速發(fā)展，數(shù)字化、信息化和智能化越來越多的應(yīng)用到人類社會的生產(chǎn)、生活的各個方面，曾經(jīng)只能在科普小說中看到的智能無人駕駛汽車已經(jīng)不再是虛幻的，人們在不久的將來將能在現(xiàn)實中看見智能無人駕駛汽車?，F(xiàn)在集各種高新技術(shù)于一體的汽車，其性能、舒適性、安全性已經(jīng)取得很大進步。智能無人駕駛汽車通常具有一款高智能的計算機，它能夠接收各種智能傳感器傳來的周圍環(huán)境及汽車自身的各種信息并能高效迅速的綜合整理，然后把信息傳遞給汽車的執(zhí)行系統(tǒng)，從而實現(xiàn)自動駕駛、智能控制等功能。

人駕駛汽車運行時，在車載顯示屏電子地圖上點出目的地，并且設(shè)計行駛路徑，將做好的電子地圖確認自動導入中央處理器中，中央處理器根據(jù)地塊邊界規(guī)劃出合理的行駛路徑。

在系統(tǒng)中應(yīng)用角度傳感器、電動機轉(zhuǎn)速傳感器、位置傳感器、壓力傳感器等傳感器測量行車信息，并將行車信息轉(zhuǎn)換為電信號傳遞給中央處理器進行運算，再由中央處理器發(fā)出指令控制自動變速轉(zhuǎn)向機構(gòu)，構(gòu)成閉環(huán)系統(tǒng)，實現(xiàn)對汽車駕駛的智能控制。

1、環(huán)境感知，這是計算機視覺領(lǐng)域的研究重點，常說的slam就是指這個，基于激光雷達的slam系統(tǒng)目前已經(jīng)能較好的進行地圖定位，局部環(huán)境地圖構(gòu)建

2、標識識別，包括車道識別交通標志識別（比如紅綠燈）車輛行人識別和運動跟蹤，在這里，CNN（ConvoluTIonalNeuralNetwork，卷積神經(jīng)網(wǎng)絡(luò)）技術(shù)成了目前最好的技術(shù)，標識識別是無人駕駛行為決策的基礎(chǔ)

cnn技術(shù)也是對激光雷達的一個很好的補充，因為激光雷達是低像素，不能很好的識別障礙物

3、行為決策系統(tǒng)技術(shù)

行為決策系統(tǒng)或者叫駕駛決策系統(tǒng)，包括全局的路徑規(guī)劃導航和局部的避障避險，以及常規(guī)的基于交通規(guī)則的行駛策略（最簡單的，讓車保持在車道內(nèi)），使用到的技術(shù)分成三類

1）、基于推理邏輯和規(guī)則的技術(shù)

全局路徑規(guī)劃導航的A*，D＊算法，局部避障的dwa算法，常規(guī)的最優(yōu)控制數(shù)學辦法（比如多目標決策），以及基于交通規(guī)則的fsm規(guī)則引擎都屬于這類技術(shù)

2）、快速優(yōu)化的遺傳算法

當目前有多個策略選擇時，如何選擇最好的目標或策略，基于線性規(guī)劃或動態(tài)規(guī)劃的數(shù)學辦法存在計算速度緩慢，很多情況下無法建?；蛴嬎懔窟^大無法計算，這就是遺傳算法發(fā)揮作用的地方

3）、神經(jīng)網(wǎng)絡(luò)技術(shù)

利用神經(jīng)網(wǎng)絡(luò)來進行自動駕駛訓練是最新的研究熱點，也就是常說的，讓神經(jīng)網(wǎng)絡(luò)學會像人類一樣開車是很振奮人心的目標

但是，神經(jīng)網(wǎng)絡(luò)的問題在于它是不透明的，是個黑盒系統(tǒng)，是不可解釋的，基本你無法說出訓練模型里一個節(jié)點的值為什么是0.1而不是0.5，這是由神經(jīng)網(wǎng)絡(luò)的特點決定的，另外，利用訓練數(shù)據(jù)訓練出來的很好的模型到了新的環(huán)境能不能發(fā)揮同樣好的作用也是疑問

有一種最簡單的設(shè)計無人駕駛系統(tǒng)的辦法，就是只用神經(jīng)網(wǎng)路來做一切控制，我們只需要用大量的數(shù)據(jù)來訓練它，這樣就不用寫復雜的控制策略算法代碼了，我們只要訓練好神經(jīng)網(wǎng)絡(luò)，然后用很少的代碼讓它運行就可以了，但是，在神經(jīng)網(wǎng)絡(luò)的可解釋性不能解決前，完全基于神經(jīng)網(wǎng)絡(luò)的自動駕駛系統(tǒng)很顯然是不能讓人信服和舒服的

所以無人駕駛系統(tǒng)中基于推理邏輯的控制策略仍然是很重要的，讓基于推理邏輯的白盒控制系統(tǒng)和基于神經(jīng)網(wǎng)絡(luò)的黑盒控制系統(tǒng)協(xié)同工作，是最為可行的方向

4、車輛控制系統(tǒng)技術(shù)

車輛控制系統(tǒng)技術(shù)除了傳統(tǒng)的pid控制外，在無人車系統(tǒng)也越來越多的引入了神經(jīng)網(wǎng)絡(luò)模糊控制

1、全局導航路徑規(guī)劃a*，圖像識別神經(jīng)網(wǎng)絡(luò)和即時駕駛和避障dwa相結(jié)合的控制策略

這是傳統(tǒng)的無人駕駛控制策略，全局路徑導航使用常規(guī)的a*算法（也可以使用其他的），車輛攝像頭的圖像經(jīng)過神經(jīng)網(wǎng)絡(luò)處理，提取出車道交通標識和車輛行人信息，然后以這些信息作為輸入，利用vfh/dwa算法進行即時駕駛和避障控制，比如變道減速剎車等等

谷歌無人車自動駕駛系統(tǒng)使用的就是這種控制策略

2、全局路徑規(guī)劃和即時駕駛和避障神經(jīng)網(wǎng)絡(luò)相結(jié)合的高度智能的控制策略

全局規(guī)劃還是使用和策略一相同的算法，但是在即時駕駛和避障中，完全使用了神經(jīng)網(wǎng)絡(luò)技術(shù)，把從攝像頭捕捉到的原始像素圖特征作為神經(jīng)網(wǎng)絡(luò)的輸入端，輸出端為為汽車的操控命令。我們不再從原始像素圖提取車道信息，交通標識，車輛行人標識，這一切都交給神經(jīng)網(wǎng)絡(luò)自動識別，最后輸出的是轉(zhuǎn)向循跡減速剎車等汽車控制命令，神經(jīng)網(wǎng)絡(luò)使用了數(shù)以億計的節(jié)點。