面向不确定性环境的自动驾驶运动规划：机遇与挑战

运动规划算法作为自动驾驶系统中的重要研究内容,愈发受到研究者们关注.然而目前多数算法仅考虑在确定性结构化环境中的应用,忽视动态交通环境中潜在的不确定性因素.文中面向不确定性环境,将运动规划算法总结为两类：部分可观测马尔可夫决策过程(POMDP)和概率占用栅格图(POGM),从理论基础、求解算法、实际应用三方面进行介绍.基于当前置信状态,POMDP计算使未来折扣奖励最大的策略.POGM使用概率表征对应栅格上的占用情况,衡量车流动态变化的可能性,良好表征不确定性情况.最后,总结不确定性环境中当前运动规划问题面临的主要挑战和未来可能的研究方向.     

自动驾驶安全挑战：行为决策与运动规划

在自动驾驶技术发展中，安全性一直作为首要因素被业界重视.行为决策与运动规划系统作为该技术的关键环节，对智慧属性具有更高要求，需要不断地随着环境变化做出当前的最优策略与行为，确保车辆行驶过程中的安全.文中分别对行为决策和运动规划系统进行深层次阐述，首先，介绍行为决策中基于规则的决策算法、基于监督学习的决策算法、基于强化学习的决策算法的算法理论及其在实车中的应用.然后，介绍运动规划中基于采样的规划算法、基于图搜索的规划算法、基于数值优化的规划算法和基于交互性的规划算法，并对算法的设计展开讨论，从安全角度分析行为决策和运动规划，对比各类方法的优缺点.最后，展望自动驾驶领域未来的安全研究方向及挑战.