自动驾驶算法详解(8)：特斯拉Tesla决策规划算法Planning解析下

前言：

本文将介绍特斯拉Tesla 在AI Day 上提到的决策规划模块Planner。

同人类驾驶员一样，Planner在接收到经过视觉神经网络处理过的3D Vector Space后，将会在该Space进行搜索判断，从而找到一条轨迹可以最大限度地提高汽车的安全性、舒适性和效率，将车辆规划至目的地。

作为最早布局自动驾驶的厂商，Tesla早期的Planner已经可以很好的在高速公路或者是城市快速路段进行规划，包括单车道的车道保持、导航变道、主动超车、自动上下闸道也都经受了量产的考验；随着自动驾驶的发展，Tesla Autopilot 的使用场景需要从高速扩展到城市道路。

特斯拉Autopilot要求Planner在城市街道自动驾驶中同样表现出色。在城市自动驾驶要复杂更多，决策规划中需要解决的关键问题是解空间既是非凸问题又是高维问题。

城市道路规划算法示例：

在上篇文章中介绍了tesla的规划算法Planning模块在结构化道路上的表现，本章将介绍tesla规划算法在城市道路上的表现。

与结构化道路相比，城市道路往往更复杂，不仅道路结构更复杂，而且往往伴随车道线被遮挡，或者障碍物obstacle的行为更复杂。在这种场景下，不仅要求感知节点能准确识别障碍物，对于规划算法要求也更高，不仅要处理对象来车，还要处理横穿的行人等多种复杂场景，对算法的优化以及鲁棒性，要求都很高。

下面以一个示例来阐述tesla的规划算法面对城市工况的处理：

在城市的街道（狭窄道路）上进行自动驾驶时，不仅要根据当前的场景规划自车的行驶轨迹，更重要的是对于与自己产生交互的障碍物进行预测，并且根据预测的轨迹来实时调整自车的决策行为。为了做到这一点，特斯拉的Planning算法提出对于每个产生交互的障碍物进行独立规划的概念。

在上面场景中：

1、迎面而来的 1 号车先到，Autopilot 稍微放慢了速度。 但随后，它意识到它无法主动避开迎面而来的汽车，因为它的一侧没有空间。 但是1号车可以代替我们让步。 因此，Autopilot 并没有在这里盲目地刹车，而是认为1号汽车的速度足够低，可以靠边停车，应该对我们让步。 因此，Autopilot 果断地规划了前进路线。

2、第二辆迎面而来的汽车#2 现在到达，这辆车的速度更高。 在这个场景中，特斯拉决策规划算法为另一个对象运行轨迹规划。

迎面而来的汽车的预测结果：

— 高概率：绕过其他停放的汽车（红色路径）

— 低概率：收益率（绿色路径）

根据对迎面而来的2号车辆的预测，自动驾驶算法决定靠边停车。

3、因此，当自动驾驶汽车靠边时，我们注意到当根据目标障碍物的横摆角速度和加速度判断目标选择了让步。自动驾驶算法立即改变主意，并继续向前行驶。

通过tesla的介绍可以发现，tesla的决策规划算法的执行逻辑与人类驾驶员很相似，不仅是简单的优化求解，更多时候在求解轨迹时，有对目标障碍物进行预测，并根据预测的结果进行博弈的过程，这样可以使同行效率更高，整个自动驾驶的运行过程更加智能。

特斯拉的算法确实有可取之处，但是目前国内的很多新势力、自动驾驶公司在城市工况的自动驾驶算法领域，也有深入的实践与技术积累，在一些公开测试中也取得了不错的表现，大家也要对我们的国产自动驾驶技术报以信心，在很多层面我们表现都很出色。

最后

以上就是典雅汉堡为你收集整理的自动驾驶算法详解(8)：特斯拉Tesla决策规划算法Planning解析下的全部内容，希望文章能够帮你解决自动驾驶算法详解(8)：特斯拉Tesla决策规划算法Planning解析下所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。