智能驾驶路径规划技术综述

随着5G通信系统和人工智能技能快速发展，汽车产品的智能化和联网化已是大势所趋。人们追求更加方便快捷的出行方式，智能汽车朝着人员辅助驾驶到汽车实现无人辅助自动驾驶以及单车独自智能驾驶到多车协同智能驾驶等方向发展。目前汽车智能驾驶前景广阔，智能驾驶技术已成为汽车产品功能研究领域的热门研究方向。智能驾驶路径规划分为局部路径规划和全局路径规划。在路径规划技术中需要用到环境感知技术来实现智能汽车自主避障，因此，介绍智能驾驶研究概况，结合算法对环境感知、路径规划等智能驾驶技术的发展进行分析和梳理，并对智能驾驶汽车的未来进行展望。     

自动化学科面临的挑战

本文分析了控制理论与应用、模式识别与智能系统、导航制导与控制、系统科学与工程、人工智能与自动化交叉等领域的发展现状. 结合科技发展、国内国际研究前沿和新兴领域对自动化科学技术的需求, 提出重点发展智能控制理论和方法、高性能作业机器人、信息物理系统、导航与控制技术、重大装备自动化技术、自主智能系统和人工智能驱动的自动化技术优先领域, 加强数据驱动控制理论、人工智能基础理论研究, 进一步发展人机协同、跨域融合的智能自动化, 为实现国家社会的全面信息化智能化提供理论和技术保障.     

物联网在自动驾驶中的应用简析

0 引言 物联网和智能电动汽车技术的快速发展给传统汽车行业带来了颠覆性变革,赋予了汽车"电动化、智能化、网联化、共享化"的特点,而融合了5G、人工智能、物联网等技术的自动驾驶则实现了车与人、车、道路、云端等的信息交换和共享,通过在汽车上搭载车辆传感器、智能控制器等装置,使汽车具备环境感知、智慧决策、协同控制、危险预警等功能,让人们的驾驶体验更加智能、安全、高效、舒适.汽车行业的数字化时代已经到来,自动驾驶的生态系统正在逐渐形成,商业化进程也在不断提速.     

从集群智能角度分析协同驾驶:综述和展望

协同驾驶是集群智能技术的典型应用之一.和集群机器人相比,协同驾驶既有集群智能技术的共性问题,也有特性问题.对协同驾驶与集群机器人对比研究,有助于更好理解协同驾驶问题的内在难点,也有助于推动集群智能技术的发展,完善复杂系统科学.本文从集群智能研究的角度出发,对协同驾驶进行反思综述.本文首先介绍协同驾驶的研究背景和意义,然后从集群智能的角度进一步分析协同驾驶和集群机器人的区别,接着介绍协同驾驶的关键技术,并着重强调协同规划在协同驾驶中的特殊性与重要性,最后分析了世界各国协同驾驶发展现状,并针对现阶段我国协同驾驶发展的难点提出一些建议,同时对协同驾驶的未来进行展望.     

智能网联时代汽车信息安全能力建设的思考与建议

<正>数字时代到来的最大变化是汽车的智能化、网联化。智能化是依托先进的自动驾驶算法和高质量的数据进行路径的规划和控制,实现单车智能人机共驾。网联化则是以车为核心与万物终端进行互联互通,能够通过互联网技术与外部环境进行交互,实现车与万物之间的信息共享和协同工作。智能网联汽车的出现彻底改变了人们的出行方式,已成为全球竞争的重要科技领域,     

智能时代的汽车控制

自动驾驶是汽车产业发展的重要里程碑. 汽车驾驶自动化一直都在进行, 其发展进程是对驾驶人认知感知、决策规划和执行控制等各个重要环节的逐步增强或最终替代. 智能时代下, 大数据分析、泛在计算、泛在传感和人工智能等颠覆性技术为汽车驾驶自动化向着高级别迈进提供了新的机遇. 控制技术是智能时代汽车自动化进程中的基石, 更多的信息在先进控制技术的赋能下将衍生出更多的新功能与新系统, 从而实现汽车安全性、经济性以及舒适性等各个方面的提升. 本文对智能时代的汽车控制进行综述, 首先回顾汽车自动化的发展进程, 然后探讨汽车自动化进程中面临的问题, 最后梳理出一些未来智能汽车控制发展趋势与关键技术.     

基于低压直流供电的车路协同一体化系统

随着自动驾驶技术的高速发展,无人驾驶有望成为未来出行的主要方式。一直以来,相关学者对无人驾驶汽车的智能化研究较为深入,而对于车路协同的无人驾驶技术方案探索较少,针对以AI为核心的单车智能存在很多局限性的实际情况,提出一种基于低压直流供电的车路协同一体化系统,主要介绍了车路协同一体化系统中路侧智能基础设施的供电方式和通信组网方式,给车路协同在汽车无人驾驶领域之中的良好应用与发展提供一定的参考。     

人机一体化智能系统综合感知体系建模方法研究

在分析人机感知的不同特征基础上 ,提出人机一体化综合感知方法 ,并对人机一体化综合感知体系进行了建模研究 ,并以智能驾驶系统为例对人机一体化智能驾驶综合感知体系作了简要说明 .阐明了人机一体化综合智能感知技术的广泛应用前景 .     

关于举办2023中国智能车大会暨国家智能车发展论坛的通知

<正>论坛背景汽车作为国民经济支柱产业在整个制造业乃至中国经济的转型升级中都扮演着重要的角色，随着智能化、自动化技术不断成熟，以智能辅助驾驶和智能安全为代表技术的智能汽车研究已受到世界各国的高度重视和广泛关注，并且以超乎想象的速度发展。中国从20世纪80年代开始进行智能车的研究，随着自动驾驶汽车受到越来越多的关注，不仅传统汽车制造企业投入大量资金研发自动驾驶汽车，而且IT科技公司也计划斥资200亿元研究自动驾驶。     

智能网联车路云协同系统架构与关键技术研究综述

随着汽车产业电动化、智能化、网联化、共享化的发展驱动,全球主要强国均将智能网联汽车列为国家战略发展方向.蜂窝车联网、边缘计算网络和高精度定位系统的技术发展,为车车、车路、车人和车云系统的全面融合提供了有效支撑.车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything, C-V2X)网络的融合,加速打通车内与车外、路面与路侧、云上与云间的信息互通,为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础.首先,梳理了智能网联车路云协同系统架构与关键技术,对该领域的演进特征、发展制约因素进行了总体概述;其次,阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理;然后,从C-V2X组网、融合定位、测试评价角度,介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展,给出了智能网联场景的仿真平台、实车测试及评价指标;最后,对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.     

基于团队态势感知的汽车 HMI 评测与设计方法

随着汽车智能化和网联化技术发展,汽车人机界面作为人与车的媒介,对驾驶员的用户体 验十分重要。为了通过优化人机界面来提高人与车的团队协作,对汽车人机界面评测与设计方法进行研究。 26 名驾驶员参与了以 FM 为多路径界面范式的驾驶模拟器评测。评测方法依据团队态势感知理论和用户体 验要素,构建包含驾驶指标、行为指标、主观指标的多维度评价体系,通过实验前分析任务阶段和通道, 进一步分析态势感知与用户体验要素的关联,实验后分析汽车人机界面的用户体验五层级数据结果,定位 出现设计问题,推导出相应的设计优化方向,最后得到设计优化的方案,能帮助优化汽车人机界面设计, 提高用户体验。     

智能车技术探讨

近年来,环境污染、交通安全及拥堵等严峻的问题困扰着整个世界。智能汽车的出现是为了建立一种新的交通范例,以便在很大程度上降低驾驶人员的劳动强度,避免汽车碰撞和减轻交通拥堵等。因而,发展新一代的智能汽车就成为了世界主要国家的发展战略目标。提出智能汽车的新定义:以自身装备动力驱动的智能信息系统管控的车辆。它具有5大基本功能特征,即车车交互、车人交互、车路交互、车网交互和绿色节能。车、人、路、网4个交互规定了智能汽车和周边环境之间的协作关系,而绿色节能则关注于清洁节约的能源管理系统。同时,讨论分析了支撑智能汽车发展所需要的新理论和新技术。最后,介绍了在缩微环境下进行的智能车研究和实践,并对未来智能汽车产业的发展方向做出展望。     

基于自动化接受度模型的车外交互研究

摘 要：随着科技的不断进步,新技术不断进入人们的生活,自动驾驶驾驶技术也得到了 快速的发展。但单纯的技术提高并不能带来人们接受度的随之增加。为了提高人们对无人驾驶 技术的接受度,对自动化接受度模型进行研究,探究如何从认知接受度提升的角度改善自动驾 驶座舱的人机交互,并从接受度模型的核心影响因素的角度分析车外人机交互用户体验问题。 通过分析半封闭场景下车外交互的使用场景及行人与无人车交互时的用户行为,归纳出行人行 为特征模型,再结合自动化接受度模型的相关研究,从信任度、协作性的角度提升车外交互的 有效性和认知接受度。基于自动化接受度 AAM 模型提出了符合行人行为特征和认知的车外人 机交互策略,从而提高沟通效率和接受度。     

Current trends in the development of intelligent unmanned autonomous systems

Intelligent unmanned autonomous systems are some of the most important applications of artificial intelligence (AI). The development of such systems can significantly promote innovation in AI technologies. This paper introduces the trends in the development of intelligent unmanned autonomous systems by summarizing the main achievements in each technological platform. Furthermore, we classify the relevant technologies into seven areas, including AI technologies, unmanned vehicles, unmanned aerial vehicles, service robots, space robots, marine robots, and unmanned workshops/intelligent plants. Current trends and developments in each area are introduced.     

The autonomous industrial plant – future of process engineering,operations and maintenance

Almost every day we read about new advances in self-driving cars and artificial intelligence. For autonomous driving, there already exist established standards with six levels describing the steps from driving without assistance to fully automated, i.e., autonomous driving. While many people and industries – in particular the automotive industry – believe that self-driving cars are feasible in the near future, one may ask how feasible full autonomy is in the process industry? Is it realistic to aim towards a fully autonomous chemical plant, and what does full autonomy even mean for the process industries? This paper introduces a definition of autonomy and corresponding levels of autonomy for the process industry. It starts from an abstract definition of six autonomy levels that are applicable to various industrial domains, also illustrated by recent examples from different industrial applications such as mining and marine. It also discusses how to achieve an autonomous system in general, based on cognitive capabilities and AI technologies potentially implementing them. Then, it discusses the applicability of this definition for process industry in a first step. Finally, the taxonomy is further refined by studying some key autonomous features of two process lifecycle phases: operations and engineering, and examples for the meaning of each autonomy level per feature are given.     

AUV智能化现状与发展趋势

归纳总结了国内外AUV单体平台与人工智能方法相结合的主要成果.从探测感知、航行控制决策、路径规划、故障诊断等核心技术环节进行深入剖析,探讨了人工智能方法在AUV典型作业场景下的应用.最后,指出了AUV的智能化发展趋势.     

Parallel Driving in CPSS:A Unified Approach for Transport Automation and Vehicle Intelligence

The emerging development of connected and automated vehicles imposes a significant challenge on current vehicle control and transportation systems. This paper proposes a novel unified approach, Parallel Driving, a cloud-based cyberphysical-social systems (CPSS) framework aiming at synergizing connected automated driving. This study first introduces the CPSS and ACP-based intelligent machine systems. Then the parallel driving is proposed in the cyber-physical-social space, considering interactions among vehicles, human drivers, and information. Within the framework, parallel testing, parallel learning and parallel reinforcement learning are developed and concisely reviewed. Development on intelligent horizon (iHorizon) and its applications are also presented towards parallel horizon. The proposed parallel driving offers an ample solution for achieving a smooth, safe and efficient cooperation among connected automated vehicles with different levels of automation in future road transportation systems.