资源类型

期刊论文 106

会议信息 13

会议视频 7

会议专题 1

年份

2024 1

2023 16

2022 13

2021 13

2020 18

2019 14

2018 6

2017 9

2016 3

2015 1

2014 1

2013 2

2012 2

2010 2

2009 2

2008 1

2007 6

2005 1

2004 3

2003 2

展开 ︾

关键词

2020 7

政策法规 4

2019 3

农业科学 3

第三届 3

自动化 3

2023全球十大工程成就 2

交通 2

交通基础设施 2

人工智能 2

元胞自动机模型 2

性能化设计 2

智能制造 2

系统集成 2

自动控制 2

自动驾驶 2

2035 1

AMIMA 1

CCD 1

展开 ︾

检索范围:

排序: 展示方式:

自动驾驶地图有关政策的思考和建议

刘经南,董杨,詹骄,高柯夫

《中国工程科学》 2019年 第21卷 第3期   页码 92-97 doi: 10.15302/J-SSCAE-2019.03.004

摘要:

自动驾驶地图作为实现汽车自动驾驶的关键基础设施,对于推动我国自动驾驶领域的商业化开发至关重要。现阶段,我国受地图测绘、应用和监管等相关法律法规的制度掣肘,在自动驾驶地图的产业化进程方面相对滞后。为此,本文着重分析了我国在自动驾驶地图开发、应用和管理中面临的主要政策法规问题:自动驾驶地图是否需加密的问题、自动驾驶地图部分地理信息表达受限的问题、自动驾驶地图地理信息采集资质和审图流程的问题、自动驾驶地图事故责任和保险问题、自动驾驶地图相关测试规范和测试场景问题。同时结合国内外自动驾驶领域的发展趋势,给出加快我国自动驾驶汽车开发和商业化进程的四点建议:制定自动驾驶地图管理模式、允许自动驾驶地图应用试点及有序开放、适当放开企业权限及优化审核流程、建立国家级自动驾驶地图平台

关键词: 自动驾驶地图     自动驾驶法规     自动驾驶政策    

自动驾驶技术仍面临诸多挑战

Chris Palmer

《工程(英文)》 2023年 第26卷 第7期   页码 6-8 doi: 10.1016/j.eng.2023.05.002

迈向L5级自动驾驶汽车的发展原则 Article

王建强, 黄荷叶, 李克强, 李骏

《工程(英文)》 2021年 第7卷 第9期   页码 1313-1325 doi: 10.1016/j.eng.2020.10.018

摘要:

自动驾驶汽车的快速发展给现有交通出行方式带来了全新面貌和潜在挑战。目前,L3 级及以下驾驶辅助系统已经量产,L4 级在特定场景下的一些应用也逐步开发,通过逐渐提高车辆的自动化、智能化程度来不断向完全自动驾驶发展。然而,针对L5 级自动驾驶汽车的发展思路始终未明确,而现有针对L0~L4级自动驾驶发展过程的研发方式主要基于任务驱动来进行特定场景下的功能开发,难以揭示高等级自动驾驶汽车所需解决问题的本质逻辑和物理机制,进而阻碍了迈向L5 级自动驾驶的途径。从系统、统一、均衡的角度出发,基于最小作用量原理和统一安全场思想,旨在为高等级自动驾驶汽车,尤其是L5 级自动驾驶的研发提供一种全新的研发思路与有效途径。

关键词: 自动驾驶汽车     最小作用量原理     行车安全场     自主学习     基础范式    

面向强化学习自动驾驶模型的异步监督学习预训练方法 Research Articles

王云鹏,郑坤贤,田大新,段续庭,周建山

《信息与电子工程前沿(英文)》 2021年 第22卷 第5期   页码 615-766 doi: 10.1631/FITEE.1900637

摘要: 基于人定规则所设计的自动驾驶系统可能会因大规模相互耦合的规则而变得越来越复杂,因此许多研究人员致力于探索基于学习的解决方案。强化学习(reinforcement learning,RL)因其在各种顺序控制问题上的出色表现而被应用于自动驾驶系统设计。然而,基于RL的自动驾驶系统落地应用所面临的主要挑战是其初始性能不佳。本文为基于强化学习的端到端自动驾驶模型提出一种异步监督学习(asynchronous supervised learning,ASL)方法,以解决在实际环境中训练基于强化学习模型时初始性能差的问题。具体而言,通过在多个驾驶演示数据集上并行且异步执行多个监督学习过程,在异步监督学习预训练阶段引入先验知识。本文在赛车模拟器TORCS(The Open Racing Car Simulator)上对所提出的预训练方法进行评估,以验证该方法在改善强化学习训练阶段端到端自动驾驶模型的初始性能和收敛速度方面足够可靠

关键词: 自主驾驶自动驾驶车辆;强化学习;监督学习    

一种用于自动驾驶的车辆概率性长期轨迹预测框架 Article

刘金鑫, 罗禹贡, 钟志华, 李克强, 黄荷叶, 熊辉

《工程(英文)》 2022年 第19卷 第12期   页码 228-239 doi: 10.1016/j.eng.2021.12.020

摘要:

在混合动态交通环境中,准确地预测周围车辆长期范围内的运动轨迹是自动驾驶车辆(AV)实现合理行为决策和保障行车安全不可或缺的前提条件之一。本文提出了一种车辆长期轨迹预测的概率框架,由驾驶意图推理模型(DIM)和轨迹预测模型(TPM)组成。DIM基于动态贝叶斯网络进行设计和应用,用于准确推断车辆潜在的驾驶意图。

关键词: 自动驾驶     动态贝叶斯网络     驾驶意图识别     高斯过程     车辆轨迹预测    

智能城市(iCity) 中自动驾驶汽车工业的关键挑战——高清地图 Perspective

Heiko G. Seif,胡晓龙

《工程(英文)》 2016年 第2卷 第2期   页码 159-162 doi: 10.1016/J.ENG.2016.02.010

摘要:

本文对未来城市中自动驾驶的必要技术进行了深入的分析,从车载电脑运算、数据处理、路边基础设施和云解决方案等不同方面反映了科技的发展状况,主要对自动驾驶的核心技术——高清地图的应用所带来的挑战进行了描述

关键词: 自动驾驶     交通基础设施     智能城市(iCity)     Car-to-X 通信系统     汽车通信     高清地图    

人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用 Article

吴京达, 黄志宇, 胡中旭, 吕辰

《工程(英文)》 2023年 第21卷 第2期   页码 75-91 doi: 10.1016/j.eng.2022.05.017

摘要: 本研究开发了一种基于实时人类指导(Hug)的深度强化学习
(DRL)方法,用于端到端自动驾驶案例中的策略训练。通过新设计的人类与自动化之间的控制转移机制,人类能够在模型训练过程中实时干预和纠正智能体的不合理行为。

关键词: 人在回路AI     深度强化学习     人类指导     自动驾驶    

基于混合强化学习的自动驾驶汽车行人避撞方法 Research Article

李惠乾1,黄晋1,曹重1,杨殿阁1,钟志华2

《信息与电子工程前沿(英文)》 2023年 第24卷 第1期   页码 131-140 doi: 10.1631/FITEE.2200128

摘要: 确保行人的安全对自动驾驶汽车而言至关重要,同时也具有一定挑战。经典的行人避撞策略无法应对不确定性,而基于学习的方法缺乏明确的性能保障。本文提出一种基于混合强化学习的行人避撞方法,以使自动驾驶车辆能够与具有行为不确定性的行人安全交互。

关键词: 行人;混合强化学习;自动驾驶汽车;决策    

不确定路面附着系数条件下一种基于双层非线性模型预测控制的自动驾驶卡车轨迹规划方法 Research Articles

王鸿超1,张伟伟1,吴训成1,曹昊天2,高巧明3,罗素云1

《信息与电子工程前沿(英文)》 2020年 第21卷 第7期   页码 963-1118 doi: 10.1631/FITEE.1900185

摘要: 提出一种双层控制算法以规划配备四轮轮毂电机的自动驾驶卡车的行驶轨迹。此外,为评估该算法在实际应用中的可行性,在联合仿真系统中加入驾驶员模型验证该算法的稳定性与鲁棒性。与传统的基于PID控制算法相比,该算法具有更低的计算能耗。

关键词: 自动驾驶卡车;轨迹规划;非线性模型预测控制;纵向滑移率    

基于共点映射的无人车可行驶区域检测方法 Article

刘子熠,余思雨,郑南宁

《工程(英文)》 2018年 第4卷 第4期   页码 479-490 doi: 10.1016/j.eng.2018.07.010

摘要: 受人类驾驶行为的启发,本文提出了一种无人车的可行驶区域检测的新方法,该方法利用了单目相机得到的像素信息和激光传感器得到的空间点云信息的融合,与共线中的双射类似,该方法引入了“共点映射&rdquo

关键词: 可行驶区域     自动驾驶     数据融合     共点映射    

基于专家示教聚类经验池的高效深度强化学习 Research Article

王士珉1,赵彬琦1,张政锋1,张军平1,浦剑2

《信息与电子工程前沿(英文)》 2023年 第24卷 第11期   页码 1541-1556 doi: 10.1631/FITEE.2300084

摘要: 作为强化学习领域最基本的主题之一,样本效率对于深度强化学习算法的部署至关重要。与现有大多数从不同类型的后验分布中对动作进行采样的探索方法不同,我们专注于策略的采样过程,提出一种有效的选择性采样方法,通过对环境的内部层次结构建模来提高样本效率。具体来说,首先在策略采样过程中使用聚类方法生成动作候选集,随后引入一个用于对内部层次结构建模的聚类缓冲区,它由同轨数据、异轨数据以及专家数据组成,用于评估探索阶段动作候选集中不同类别动作的价值。通过这种方式,我们的方法能够更多地利用专家示教数据中的监督信息。在6种不同的连续运动环境中进行了实验,结果表明选择性采样方法具有卓越的强化学习性能和更快的收敛速度。特别地,在LGSVL任务中,该方法可以减少46.7%的收敛步数和28.5%的收敛时间。代码已开源,见https://github.com/Shihwin/SelectiveSampling。

关键词: 强化学习;采样效率;采样过程;聚类方法;自动驾驶    

一种适用于自动驾驶汽车的多层地图模型和车道级轨迹规划 Article

江昆, 杨殿阁, 柳超然, 张涛, 肖中阳

《工程(英文)》 2019年 第5卷 第2期   页码 305-318 doi: 10.1016/j.eng.2018.11.032

摘要:

越来越多的司机依赖于汽车或手机上的电子地图导航系统来选择最佳的驾驶路线,以节省时间和提高安全性,在不久的将来,电子地图和导航系统有望在未来交通运输系统中发挥更大的作用。为了将现有的导航系统扩展到更多的应用领域,如自动驾驶,需要考虑在传统道路地图模型的基础上,建立车道级地图模型和车道级轨迹规划。本研究针对传统电子地图内容不够丰富的局限性,提出了一种全新的七层自动驾驶地图结构模型,并将它命名为清华地图模型。考虑车辆换道、转向和直行等不同行车特点,建立了车道级路段行车代价模型,建立一种分层路径轨迹搜索方法,能够在道路和车道网络中实现快速的轨迹规划,能够很好地支持自动驾驶的车道级轨迹规划。

关键词: 车道级地图     路径规划     清华地图模型     行车代价模型    

基于驾驶脑的智能驾驶车辆硬件平台架构 Article

李德毅,高洪波

《工程(英文)》 2018年 第4卷 第4期   页码 464-470 doi: 10.1016/j.eng.2018.07.015

摘要:

不同智能驾驶试验平台的传感器型号、数量、安装位置各不相同,导致传感器信息处理模块也各不相同;不同驾驶地图,其提供信息的粒度也没有固定标准,由此构成的智能驾驶系统软件模块的数量、接口各不相同。基于以驾驶脑为核心的智能驾驶车辆软件与硬件架构,决策模块将不直接与传感器信息处理模块发生关联,通过驾驶认知的形式化语言,将驾驶认知形式化,由驾驶脑认知形成决策。驾驶认知的形式化降低了传感器数量、类型、安装位置的变化对整个软件架构的影响,使得软件架构可以在不同传感器配置车辆平台上方便地移植。

关键词: 驾驶    智能驾驶     硬件平台架构    

标题 作者 时间 类型 操作

自动驾驶地图有关政策的思考和建议

刘经南,董杨,詹骄,高柯夫

期刊论文

自动驾驶技术仍面临诸多挑战

Chris Palmer

期刊论文

迈向L5级自动驾驶汽车的发展原则

王建强, 黄荷叶, 李克强, 李骏

期刊论文

面向强化学习自动驾驶模型的异步监督学习预训练方法

王云鹏,郑坤贤,田大新,段续庭,周建山

期刊论文

一种用于自动驾驶的车辆概率性长期轨迹预测框架

刘金鑫, 罗禹贡, 钟志华, 李克强, 黄荷叶, 熊辉

期刊论文

智能城市(iCity) 中自动驾驶汽车工业的关键挑战——高清地图

Heiko G. Seif,胡晓龙

期刊论文

人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用

吴京达, 黄志宇, 胡中旭, 吕辰

期刊论文

基于混合强化学习的自动驾驶汽车行人避撞方法

李惠乾1,黄晋1,曹重1,杨殿阁1,钟志华2

期刊论文

不确定路面附着系数条件下一种基于双层非线性模型预测控制的自动驾驶卡车轨迹规划方法

王鸿超1,张伟伟1,吴训成1,曹昊天2,高巧明3,罗素云1

期刊论文

基于共点映射的无人车可行驶区域检测方法

刘子熠,余思雨,郑南宁

期刊论文

基于专家示教聚类经验池的高效深度强化学习

王士珉1,赵彬琦1,张政锋1,张军平1,浦剑2

期刊论文

一种适用于自动驾驶汽车的多层地图模型和车道级轨迹规划

江昆, 杨殿阁, 柳超然, 张涛, 肖中阳

期刊论文

Petros Ioannou:自动驾驶连通性和交通流量控制(2019年9月18日)

2021年08月12日

会议视频

李德毅:智慧农场的自动驾驶和智能网联(2019年10月18日)

李德毅(院士)

2021年01月20日

会议视频

基于驾驶脑的智能驾驶车辆硬件平台架构

李德毅,高洪波

期刊论文