無(wú)人車(chē)決策控制-駕駛認(rèn)知的形式化課件

——駕駛腦設(shè)計(jì)與實(shí)現(xiàn)駕駛認(rèn)知的形式化FormalizationofDrivingCognition——駕駛腦設(shè)計(jì)與實(shí)現(xiàn)駕駛認(rèn)知的形式化一、從象棋腦、圍棋腦到駕駛腦一、從象棋腦、圍棋腦到駕駛腦3和計(jì)算機(jī)下國(guó)際象棋3和計(jì)算機(jī)下國(guó)際象棋4黑白世界，棋子無(wú)功能之分，目數(shù)多者勝和計(jì)算機(jī)下圍棋4黑白世界，棋子無(wú)功能之分，目數(shù)多者5和計(jì)算機(jī)下圍棋難在哪里？象棋的目標(biāo)是“殺王”，子越下越少；圍棋的目標(biāo)是“圈地”，子越下越多，多者取勝。象棋可以從一個(gè)目標(biāo)狀態(tài)不斷搜索最合理的走法達(dá)到下一個(gè)目標(biāo)狀態(tài)；圍棋難以鎖定下一個(gè)目標(biāo)狀態(tài)。5和計(jì)算機(jī)下圍棋難在哪里？象棋的目標(biāo)是“殺王”，子越下越少和計(jì)算機(jī)下圍棋難在哪里？象棋可以有目的地向著某一目標(biāo)狀態(tài)不斷搜索最合理的走法；圍棋具有更大的不確定性。象棋更注重邏輯思維；圍棋想圍住對(duì)方，在某個(gè)狀態(tài)下應(yīng)對(duì)的步驟比象棋要多得多，有手筋、棄子、劫爭(zhēng)等戰(zhàn)術(shù)戰(zhàn)略運(yùn)用，更注重形象思維，更大局觀。和計(jì)算機(jī)下圍棋難在哪里？象棋可以有目的地向著某一目標(biāo)狀態(tài)不對(duì)一個(gè)特定的棋局（態(tài)勢(shì)）,國(guó)際象棋有35種可能的走法（決策），沿每種走法深下去可達(dá)80層，需要3580種遍歷搜索；而圍棋比賽，對(duì)一個(gè)特定的棋局常常需要有250150種遍歷搜索，計(jì)算和推理量巨大。圍棋因其巨大的搜索空間和困難的棋局態(tài)勢(shì)表達(dá)，被認(rèn)為千古無(wú)同局，歷來(lái)是人工智能的最大挑戰(zhàn)。和計(jì)算機(jī)下圍棋難在哪里？對(duì)一個(gè)特定的棋局（態(tài)勢(shì)）,國(guó)際象棋有35種AlphaGo突破了傳統(tǒng)程序，搭建了兩套模仿人類(lèi)思維的深度卷積神經(jīng)網(wǎng)絡(luò)：valuenetworksandpolicenetworks，學(xué)會(huì)了向人類(lèi)棋手學(xué)習(xí)，

從海量樣本的勝局和敗局中學(xué)習(xí)，并自動(dòng)提取規(guī)則，進(jìn)行推理。分析這次人機(jī)大戰(zhàn)的棋局，并沒(méi)有看到來(lái)自“天外來(lái)客”的奇招。大樣本和自學(xué)習(xí)支撐AlphaGo取勝AlphaGo突破了傳統(tǒng)程序，搭建了兩套模仿人類(lèi)思AlphaGo以4:1戰(zhàn)勝9段圍棋高手李世石，全球?yàn)橹鸷?，世界一片嘩然!

震撼之后的思考：AlphaGo程序，比賽前后變了沒(méi)有？能否讓AlphaGo和李世石來(lái)一次復(fù)盤(pán)？如果AlphaGo以后一直和棋簍子下，棋商會(huì)不會(huì)退化？

AlphaGo以4:1戰(zhàn)勝9段圍棋高手李世石，全球?yàn)橹鸷称孱?lèi)高手與人工智能發(fā)展成果積累的對(duì)決，是讓棋手充當(dāng)測(cè)試員的一次科學(xué)試驗(yàn)一個(gè)人與一群人（棋類(lèi)高手+AI高手）的對(duì)決一個(gè)生物人與“人與機(jī)器混合生物”之間的對(duì)決人機(jī)大戰(zhàn)常常是：人機(jī)大戰(zhàn)本質(zhì)上是人機(jī)--機(jī)人大戰(zhàn)！棋類(lèi)高手與人工智能發(fā)展成果積累的對(duì)決，是讓棋手充當(dāng)測(cè)試員的一AlphaGo的局限性AlphaGo僅僅是個(gè)圍棋腦，還不是一個(gè)圍棋手，更不是一個(gè)圍棋機(jī)器人，根本就沒(méi)有眼和手，沒(méi)有感知和行為能力AlphaGo沒(méi)有情緒，沒(méi)有情感，不能分析對(duì)手的心理狀態(tài)，不能現(xiàn)場(chǎng)和對(duì)手展開(kāi)心理戰(zhàn)，缺失交互認(rèn)知能力AlphaGo的局限性AlphaGo僅僅是個(gè)圍棋腦，還不是AlphaGo的局限性用于對(duì)大數(shù)據(jù)樣本學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)，太多的學(xué)習(xí)參數(shù)具有隨意性，不能保證算法的收斂性，缺少反饋機(jī)制，大量案例也不具有累積性，深度學(xué)習(xí)不可能是人工智能的終結(jié)者。目前也還沒(méi)有聽(tīng)說(shuō)AlphaGo具有個(gè)性，并有進(jìn)化學(xué)習(xí)的能力。AlphaGo的局限性用于對(duì)大數(shù)據(jù)樣本學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)，太駕駛腦:駕駛認(rèn)知的形式化駕駛腦:駕駛認(rèn)知的形式化從汽車(chē)到輪式機(jī)器人：發(fā)明汽車(chē)130年來(lái)，先從汽車(chē)的行為能力做起，在確保車(chē)輛動(dòng)力學(xué)和人機(jī)工程學(xué)的基礎(chǔ)上，配置感知的零部件，實(shí)現(xiàn)自動(dòng)駕駛，進(jìn)而研發(fā)駕駛腦，完成自主行駛，走著一條完全不同于“圍棋腦——圍棋手——圍棋機(jī)器人”的技術(shù)發(fā)展道路！圍棋機(jī)器人來(lái)日方長(zhǎng)，輪式機(jī)器人和飆車(chē)手的比賽將會(huì)更加激動(dòng)人心！從汽車(chē)到輪式機(jī)器人：發(fā)明汽車(chē)130年來(lái)，先駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感知、認(rèn)知和行為，確保車(chē)輛自主行駛，而不必糾結(jié)于機(jī)器駕駛腦和駕駛員腦是否在微觀上具有相似性！駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感智能駕駛等級(jí)區(qū)分離線輔助駕駛自動(dòng)駕駛（局部時(shí)段、局部區(qū)域）自駕駛/自主駕駛/無(wú)人駕駛以人為本的人機(jī)協(xié)同共駕ADAS,HUD高德導(dǎo)航碰撞預(yù)警等ACC自動(dòng)緊急剎車(chē)等城際高速行駛等類(lèi)似騎士和馬人馬騎士與馬智能駕駛等級(jí)區(qū)分離線輔助駕駛自動(dòng)駕駛（局部時(shí)段、局部區(qū)域）自

如果人腦特定問(wèn)題域的認(rèn)知能力可以通過(guò)大數(shù)據(jù)認(rèn)知先局部地形式化，構(gòu)造出駕駛腦、圍棋腦、文秘腦、聊天腦等，哪怕在微觀上不具有組織結(jié)構(gòu)的相似性，但在宏觀上不亞于特定人的智商和情商。那么，當(dāng)千千萬(wàn)萬(wàn)的特定問(wèn)題域的認(rèn)知能力局部形式化之后，用人工智能技術(shù)構(gòu)建千千萬(wàn)萬(wàn)“一腦一用”的認(rèn)知腦，并通過(guò)移動(dòng)互聯(lián)網(wǎng)、云計(jì)算，就可以倒逼并逼近一個(gè)“一腦萬(wàn)用”的人造生物腦。從“一腦一用”到“一腦萬(wàn)用”如果人腦特定問(wèn)題域的認(rèn)知能力可以通過(guò)大數(shù)據(jù)認(rèn)知17二、駕駛認(rèn)知的形式化約束二、駕駛認(rèn)知的形式化約束

“Google無(wú)人駕駛汽車(chē)有上百萬(wàn)英里的測(cè)試經(jīng)驗(yàn)，大致相當(dāng)于人類(lèi)75年的駕齡?！?/p>

——2015年5月15日從Google公司的一則報(bào)道談起駕駛認(rèn)知如何度量？如果經(jīng)驗(yàn)駕駛員一年開(kāi)車(chē)1.2萬(wàn)英里，需要75年！“Google無(wú)人駕駛汽車(chē)有上百萬(wàn)英里的測(cè)試經(jīng)驗(yàn)，大致駕駛認(rèn)知的本質(zhì)是統(tǒng)計(jì)和進(jìn)化駕駛認(rèn)知不是一次完成的，需要多次反復(fù)，在反反復(fù)復(fù)感知-認(rèn)知-行動(dòng)的過(guò)程中學(xué)習(xí)積累，形成相對(duì)穩(wěn)定的認(rèn)知，形成不確定性處置中的基本確定性。因此，駕駛認(rèn)知是個(gè)動(dòng)態(tài)的演化過(guò)程。駕駛認(rèn)知本質(zhì)：CognitionbyCases駕駛認(rèn)知的本質(zhì)是統(tǒng)計(jì)和進(jìn)化駕駛認(rèn)知不是一次完成的，需要多次反駕駛認(rèn)知形式化約束

從人的視聽(tīng)覺(jué)感知切入研究腦認(rèn)知，尤其是模擬人腦中的記憶智能、計(jì)算智能和交互智能，用機(jī)器模擬人腦對(duì)安全駕駛的自學(xué)習(xí)和駕駛技能積累能力，模擬人腦對(duì)駕駛環(huán)境的感知、認(rèn)知、決策和行為控制。尤其重要的是駕駛腦并不模擬在駕駛過(guò)程中與安全駕駛無(wú)關(guān)的駕駛員的其它認(rèn)知活動(dòng)，如對(duì)路邊美女、對(duì)周邊車(chē)輛品牌等，機(jī)器駕駛腦都不會(huì)有任何興趣！駕駛認(rèn)知形式化約束從人的視聽(tīng)覺(jué)感知切入研究腦認(rèn)知，尤其21駕駛腦將駕駛活動(dòng)從人的認(rèn)知活動(dòng)中抽象并剝離出來(lái),

不少做,更不多做，專(zhuān)門(mén)模擬人腦完成低級(jí)、繁瑣、持久的駕駛認(rèn)知，選擇性注意，永遠(yuǎn)專(zhuān)注，永不疲倦。駕駛腦的差異反映個(gè)人智力和運(yùn)動(dòng)協(xié)調(diào)能力的差異，世界上沒(méi)有兩個(gè)完全相同的駕駛腦。駕駛腦將駕駛活動(dòng)從人的認(rèn)知活動(dòng)中抽象并剝離出來(lái),不少做,22

駕駛認(rèn)知的形式化，也許不必一開(kāi)始就弄清駕駛員認(rèn)知的微功能、微結(jié)構(gòu)、人腦內(nèi)各種連接關(guān)系的復(fù)雜組織；也不必一開(kāi)始就弄清高并發(fā)、大流量、大數(shù)據(jù)信息編碼以及腦精細(xì)組織跨區(qū)域的關(guān)聯(lián)，要懂得忽略和聚焦，懂得抽象和分離。駕駛認(rèn)知形式化的尺度選擇駕駛認(rèn)知的形式化，也許不必一開(kāi)始就弄清駕駛員認(rèn)知的23駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感知和認(rèn)知，確保車(chē)輛自主行駛，而不必糾結(jié)于機(jī)器駕駛腦和駕駛員腦是否在微觀上具有相似性！駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感24駕駛認(rèn)知坐標(biāo)系的形式化作為認(rèn)知主體，輪式機(jī)器人在運(yùn)動(dòng)過(guò)程中始終以“我”為中心，對(duì)周邊環(huán)境信息體現(xiàn)選擇性注意和簡(jiǎn)約，時(shí)時(shí)刻刻進(jìn)行同步定位和映射（iSLAM），這是腦認(rèn)知形式化的重要內(nèi)容。駕駛認(rèn)知坐標(biāo)系的形式化作為認(rèn)知主體，輪式機(jī)器人在運(yùn)動(dòng)過(guò)25心理物理學(xué)定律人的一切感覺(jué)，包括視覺(jué)、聽(tīng)覺(jué)、膚覺(jué)（含痛、癢、觸、溫度）、味覺(jué)、嗅覺(jué)、電擊覺(jué)等都遵從感覺(jué)不與物理量的強(qiáng)度成正比，而是與對(duì)應(yīng)物理量的常用對(duì)數(shù)成正比的法則。該法則成為心理物理學(xué)的奠基性理論，為對(duì)數(shù)視力表等感覺(jué)強(qiáng)度的規(guī)范制定了量化標(biāo)準(zhǔn)，并一直延用至今。韋伯——費(fèi)希納定律（1850年左右）：

S=K1

logR=K2lnR

心理物理學(xué)定律人的一切感覺(jué)，包括視覺(jué)、聽(tīng)覺(jué)、膚覺(jué)（含痛、癢、26反映駕駛認(rèn)知的對(duì)數(shù)極坐標(biāo)系loga1=0，直角坐標(biāo)系中半徑為1的小圓內(nèi)的所有點(diǎn)，在對(duì)數(shù)極坐標(biāo)中全都塌縮為零點(diǎn)柵格角度1°最大環(huán)數(shù)100徑向長(zhǎng)度204m最小柵格徑向0.1m面積1cm2最大柵格徑向3.4m面積6

m2以車(chē)速36km/h為例視野100°200m（100環(huán)）100m（91環(huán)）10m（61環(huán)）5m（52環(huán)）注視點(diǎn)（聚焦點(diǎn)）：18m車(chē)速V與預(yù)瞄點(diǎn)f的關(guān)系：f=5.0771*e0.0254V

擬合系數(shù)=0.88燈下黑Grid1,

1°（a）Grid100,1°（b）反映駕駛認(rèn)知的對(duì)數(shù)極坐標(biāo)系loga1=0，直角坐標(biāo)系中半徑無(wú)人車(chē)決策控制-駕駛認(rèn)知的形式化課件車(chē)速

Km/h視野（視覺(jué)區(qū)）注意高度（與地平面夾角）注視點(diǎn)（聚焦點(diǎn)）動(dòng)視力（能見(jiàn)度）0210o30o3m1.518120o25o9m1.236100o20o18m1.15480o15o27m1.07270o12o36m0.810840o10o54m0.6駕駛員視野和車(chē)速相關(guān)車(chē)速V與注視點(diǎn)焦距f的關(guān)系：預(yù)瞄點(diǎn)f=5.0771*e0.0254V

擬合系數(shù)=0.88車(chē)速視野（視覺(jué)區(qū)）注意高度注視點(diǎn)動(dòng)視力0210o30o3感知、認(rèn)知的多坐標(biāo)系和坐標(biāo)系變換橢球地心坐標(biāo)系（貝賽爾1841坐標(biāo)系）GPS全球定位系統(tǒng)WGS-84坐標(biāo)系（地心空間經(jīng)高斯投影分帶形成的大地直角坐標(biāo)系）車(chē)姿慣導(dǎo)器件用坐標(biāo)系雷達(dá)用坐標(biāo)系（極坐標(biāo)系）攝像頭用坐標(biāo)系駕駛員認(rèn)知的坐標(biāo)系（對(duì)數(shù)極坐標(biāo)系）感知、認(rèn)知的多坐標(biāo)系和坐標(biāo)系變換橢球地心坐標(biāo)系（貝賽爾18430

駕駛員的認(rèn)知坐標(biāo)系近似為隨車(chē)而動(dòng)的對(duì)數(shù)極坐標(biāo)系，充分體現(xiàn)了選擇性注意！

在對(duì)數(shù)極坐標(biāo)系中統(tǒng)一標(biāo)定，不必對(duì)單一攝像頭或者雷達(dá)進(jìn)行SLAM,可分類(lèi)3個(gè)視覺(jué)通道分別完成GPS-SLAM、圖像SLAM、雷達(dá)SLAM，進(jìn)而完成iSLAM，融合駕駛態(tài)勢(shì)形成駕駛態(tài)勢(shì)圖！

駕駛員的先驗(yàn)知識(shí)，無(wú)論是駕駛地圖，還是車(chē)輛的動(dòng)力學(xué)性質(zhì)，都映射到駕駛員的認(rèn)知坐標(biāo)系中！駕駛員的認(rèn)知坐標(biāo)系近似為隨車(chē)而動(dòng)的對(duì)數(shù)極坐31三、駕駛腦架構(gòu)設(shè)計(jì)原則三、駕駛腦架構(gòu)設(shè)計(jì)原則

回顧近十年來(lái)我們參加的比賽和里程碑試驗(yàn)，智能車(chē)各種感知和認(rèn)知手段，相互依存，彼此纏繞。在各類(lèi)比賽場(chǎng)、測(cè)試場(chǎng)，智能車(chē)表現(xiàn)千奇百怪、反反復(fù)復(fù)，我們困惑過(guò)，迷茫過(guò)，試來(lái)試去，換車(chē)、換平臺(tái)、加電源、換模塊，通過(guò)多車(chē)交叉驗(yàn)證和常態(tài)試驗(yàn)，終于理出了頭緒，形成全新的駕駛腦設(shè)計(jì)!回顧近十年來(lái)我們參加的比賽和里程碑試驗(yàn)，智能車(chē)各種感知

和各種車(chē)載傳感器相比，駕駛腦的架構(gòu)設(shè)計(jì)、模塊劃分和界面約定才是智能車(chē)的生命力，進(jìn)而決定智能車(chē)產(chǎn)業(yè)的核心競(jìng)爭(zhēng)力！和各種車(chē)載傳感器相比，駕駛腦的架構(gòu)設(shè)計(jì)、模塊劃分和界面約架構(gòu)設(shè)計(jì)原則系統(tǒng)原則模塊原則表現(xiàn)原則快樂(lè)編程原則系統(tǒng)原則模塊原則表現(xiàn)原則NVIDIA

嵌入式超級(jí)計(jì)算機(jī)iDRIVE

機(jī)器駕駛腦架構(gòu)設(shè)計(jì)原則系統(tǒng)原則系統(tǒng)原則模塊原則表現(xiàn)原則NVIDIAi系統(tǒng)原則

明確任務(wù)目標(biāo)和系統(tǒng)約束，首先是明確不做什么，最大剔除，堅(jiān)持最簡(jiǎn)，其次才是明確做什么，尤其是做強(qiáng)什么。這一點(diǎn)成為駕駛腦架構(gòu)的特色和亮點(diǎn)。系統(tǒng)原則明確任務(wù)目標(biāo)和系統(tǒng)約束，首先是明確不做什么架構(gòu)師應(yīng)該確保駕駛腦架構(gòu)設(shè)計(jì)的普適性，當(dāng)某一傳感器或者某一認(rèn)知計(jì)算軟件性能提高后，仍然能夠保證駕駛腦的擴(kuò)展和智商的提高。對(duì)架構(gòu)師而言，傳感器的多少、駕駛智商的高低不應(yīng)該影響架構(gòu)；換一個(gè)新型傳感器或者軟件模塊新版本，如同汽車(chē)換一個(gè)車(chē)燈，換一個(gè)車(chē)輛平臺(tái)，甚至換一種駕駛風(fēng)格，都不會(huì)影響架構(gòu)。

架構(gòu)師應(yīng)該確保駕駛腦架構(gòu)設(shè)計(jì)的普適性，當(dāng)某一不做什么？為什么不做？要不要全地域的高精度地圖？要不要識(shí)別全程交通標(biāo)志牌？要不要做圖像和雷達(dá)的全程點(diǎn)云SLAM?要不要識(shí)別周邊行人姿態(tài)和情緒？要不要識(shí)別前方車(chē)輛種類(lèi)和品牌等？不做什么？為什么不做？要不要全地域的高精度地圖？先覺(jué)后視視而不覺(jué)邊視邊覺(jué)先視后覺(jué)根據(jù)前一時(shí)刻已擁有的路權(quán)，關(guān)注當(dāng)前路權(quán)的變化對(duì)周邊自然風(fēng)景、建筑風(fēng)格、行人年齡姿態(tài)行為、是不是美女、行人和寵物的差別、前方車(chē)輛品牌，是不是時(shí)尚等等，一律熟視無(wú)睹。常規(guī)的、帶GPU加速的計(jì)算機(jī)圖像處理強(qiáng)選擇性，利用記憶主動(dòng)感知，主觀尋找特定駕駛情境強(qiáng)調(diào)已有認(rèn)知協(xié)助當(dāng)前感知！做什么？先覺(jué)后視視而不覺(jué)邊視邊覺(jué)先視后覺(jué)根據(jù)前一時(shí)刻已擁有的路權(quán)，關(guān)做好什么？做強(qiáng)什么？專(zhuān)注駕駛和駕駛安全做好為智能車(chē)和駕駛員服務(wù)的駕駛地圖做強(qiáng)選擇性注意做強(qiáng)已有認(rèn)知協(xié)助當(dāng)前感知做強(qiáng)認(rèn)知工程學(xué)做好什么？做強(qiáng)什么？專(zhuān)注駕駛和駕駛安全明確任務(wù)目標(biāo)先跑通駕駛腦架構(gòu)，再優(yōu)化、升級(jí)模塊性能系統(tǒng)架構(gòu)要有普適性，既適用商用車(chē)，也適用乘用車(chē)，還適用特種車(chē)，最好適用所有輪式機(jī)器人架構(gòu)要穩(wěn)定，模塊可維護(hù)、可重用、可擴(kuò)展，可多車(chē)交叉驗(yàn)證，界面友好明確任務(wù)目標(biāo)先跑通駕駛腦架構(gòu)，再優(yōu)化、升級(jí)模塊性能分層與模塊化是智能車(chē)軟件工程的重要思想，上層對(duì)下層有數(shù)據(jù)依賴，縱向分開(kāi)的并列部分不直接關(guān)聯(lián)，不從模塊中導(dǎo)出函數(shù)，“絕招”和“臟”的代碼都被孤立在模塊的里面核心是工作總線和調(diào)試總線的切分，以及調(diào)試總線和自學(xué)習(xí)總線的復(fù)用確立“沒(méi)有哪個(gè)軟件模塊不會(huì)被再修改”的原則模塊切分原則分層與模塊化是智能車(chē)軟件工程的重要思想，上層對(duì)下層有數(shù)據(jù)依賴表現(xiàn)原則感知的結(jié)果表現(xiàn)為反映時(shí)序的點(diǎn)云圖簇，認(rèn)知的結(jié)果表現(xiàn)為駕駛態(tài)勢(shì)圖簇，決策的結(jié)果表現(xiàn)為認(rèn)知箭頭簇。三類(lèi)時(shí)空序列的2.5維的表現(xiàn)形態(tài)（CT圖）成為駕駛腦的特色和亮點(diǎn)。通過(guò)三類(lèi)存儲(chǔ)的時(shí)空序列的緩沖區(qū)隔離，防止死鎖，確保共享

表現(xiàn)原則感知的結(jié)果表現(xiàn)為反映時(shí)序的點(diǎn)云圖簇，認(rèn)知的結(jié)

軟件工程隨著遺產(chǎn)代碼的積累和進(jìn)化，新系統(tǒng)的架構(gòu)設(shè)計(jì)已經(jīng)取代傳統(tǒng)編碼成為軟件工程的核心問(wèn)題，軟件開(kāi)發(fā)已經(jīng)演變?yōu)榕渲脼橹?、編程為輔，駕駛腦研發(fā)也不例外。軟件工程隨著遺產(chǎn)代碼的積累和進(jìn)化，新系統(tǒng)的架構(gòu)設(shè)計(jì)已經(jīng)取

盡管架構(gòu)中模塊配置的過(guò)程本身還是通過(guò)模塊化編程的方式來(lái)完成，但本質(zhì)上這些模塊只是在定制成熟算法的運(yùn)作方式，其技術(shù)難度要比編寫(xiě)平臺(tái)自帶的、或者可以移植過(guò)來(lái)的高質(zhì)量的成熟算法（如函數(shù)庫(kù)）至少低一個(gè)數(shù)量級(jí)。悲催的是，多數(shù)人在認(rèn)真地做著相反的事。盡管架構(gòu)中模塊配置的過(guò)程本身還是通過(guò)模塊化編程的方式來(lái)完快樂(lè)編程原則基本算法不創(chuàng)新，盡量使用廣泛認(rèn)可的、成熟、開(kāi)源算法，移植到相應(yīng)軟件模塊明確算法中的輸入量和輸出量，自變量和參變量尤其明確試驗(yàn)中要調(diào)整的參變量（如預(yù)置閾值、權(quán)重、優(yōu)化系數(shù)、選擇性開(kāi)關(guān)等）以及參變量?jī)鼋Y(jié)的試驗(yàn)時(shí)間序編程AB角，離線調(diào)程序，在線調(diào)參數(shù)快樂(lè)編程原則基本算法不創(chuàng)新，盡量使用廣泛認(rèn)可的、成熟、開(kāi)源算體現(xiàn)人類(lèi)認(rèn)知的駕駛腦的架構(gòu)設(shè)計(jì)，是智能車(chē)項(xiàng)目的精髓。只要架構(gòu)適用，傳感器缺陷也好，軟件臟代碼也好，算法創(chuàng)新也好，車(chē)輛平臺(tái)的動(dòng)力學(xué)性質(zhì)也好，都是局部性的、暫時(shí)性的！體現(xiàn)人類(lèi)認(rèn)知的駕駛腦的架構(gòu)設(shè)計(jì)，是智能車(chē)項(xiàng)目的精

智能車(chē)傳感器的添加可以從少到多、從低級(jí)到高級(jí)，例如從單目相機(jī)到深度相機(jī)，甚至到雷達(dá)相機(jī)。但是，體現(xiàn)人類(lèi)認(rèn)知的駕駛腦架構(gòu)仍然不變。只要架構(gòu)合適了，智商提高的關(guān)鍵，轉(zhuǎn)向特定傳感器或特定模塊內(nèi)部的優(yōu)化，架構(gòu)師依然很輕松很瀟灑。智能車(chē)傳感器的添加可以從少到多、從低級(jí)到高級(jí)，駕駛腦數(shù)據(jù)流程圖軟件模塊在雙總線中的連接關(guān)系圖駕駛腦軟件模塊邏輯架構(gòu)圖駕駛腦軟件模塊列表駕駛腦板卡物理構(gòu)成圖弄清駕駛腦設(shè)計(jì)的四圖一表駕駛腦數(shù)據(jù)流程圖弄清駕駛腦設(shè)計(jì)的四圖一表四、分區(qū)記憶和駕駛腦數(shù)據(jù)流程四、分區(qū)記憶和駕駛腦數(shù)據(jù)流程類(lèi)腦駕駛?cè)绾问苣X科學(xué)啟發(fā)？

類(lèi)腦駕駛?cè)绾问苣X科學(xué)啟發(fā)？

駕駛腦性格短期記憶長(zhǎng)期記憶情緒學(xué)習(xí)和思維動(dòng)機(jī)情緒：拒絕人腦中的情緒進(jìn)入駕駛腦，永遠(yuǎn)不因情緒而分散注意力，始終專(zhuān)注。工作記憶：體現(xiàn)駕駛員的選擇性注意，僅僅關(guān)注剛剛過(guò)去的以及當(dāng)前的周邊駕駛態(tài)勢(shì)。動(dòng)機(jī)：完成出行任務(wù)從起點(diǎn)到終點(diǎn)的一次性路徑規(guī)劃。學(xué)習(xí)和思維：通過(guò)可用路權(quán)和相似性匹配，完成自主決策，控制下一時(shí)刻的行為動(dòng)作。長(zhǎng)期記憶：如駕駛地圖，表示駕駛員的知識(shí)和經(jīng)驗(yàn)。性格：由人的基因決定，反映開(kāi)車(chē)是保守還是張揚(yáng)，還體現(xiàn)小腦動(dòng)平衡能力。瞬間記憶視覺(jué)殘留駕駛腦性格短期記憶長(zhǎng)期記憶情緒學(xué)習(xí)和思維動(dòng)機(jī)情緒：拒絕人腦中

遺忘是人類(lèi)智能的一個(gè)顯著表現(xiàn)。駕駛員在周邊環(huán)境世界里，有豐富的瞬間記憶，短期適度的工作記憶，以及反復(fù)的長(zhǎng)期記憶。越是長(zhǎng)期的越抽象越難忘，越是瞬間的越具體忘得越快，表現(xiàn)語(yǔ)言不同，表達(dá)粒度也不同。遺忘是人類(lèi)智能的一個(gè)顯著表現(xiàn)。駕駛員在周邊環(huán)境53

受腦科學(xué)研究成果的啟發(fā)，總架構(gòu)強(qiáng)調(diào)記憶認(rèn)知，建立瞬間記憶區(qū)、工作記憶區(qū)和長(zhǎng)期記憶區(qū)。三區(qū)的數(shù)據(jù)空間大小、表達(dá)語(yǔ)言、時(shí)序間隔等完全不同，要解決三區(qū)記憶數(shù)據(jù)在雙總線和計(jì)算模塊之間傳送和存儲(chǔ)的效率問(wèn)題。

分區(qū)記憶和記憶共享奠定了駕駛腦架構(gòu)的基本形態(tài)！分區(qū)記憶和記憶共享受腦科學(xué)研究成果的啟發(fā)，總架構(gòu)強(qiáng)調(diào)記憶認(rèn)知，建54在已有認(rèn)知（路口地圖和路段地圖）的協(xié)助下，類(lèi)比人的視覺(jué)通道，三類(lèi)傳感器通道各負(fù)其責(zé),又只能盡力而為，形成視覺(jué)殘留：GPS+IMU通道：定位、路權(quán)檢測(cè)、導(dǎo)航

雷達(dá)通道：定位、路權(quán)檢測(cè)、導(dǎo)航

圖像通道：定位、路權(quán)檢測(cè)、導(dǎo)航三類(lèi)傳感器通道我在什么地方？周邊有什么？下一步怎么走？SLAM認(rèn)知箭頭可用路權(quán)在已有認(rèn)知（路口地圖和路段地圖）的協(xié)助下，類(lèi)比人的視覺(jué)通道，55感知理解和瞬間記憶

感知理解要充分借助駕駛地圖數(shù)據(jù)庫(kù)即時(shí)生成的、對(duì)數(shù)極坐標(biāo)表達(dá)的路段地圖或者路口地圖，還要與視覺(jué)殘留關(guān)聯(lián)，感知理解的結(jié)果形成新的瞬間記憶，記憶中的數(shù)據(jù)隱藏著三個(gè)通道各自對(duì)定位、路權(quán)檢測(cè)和導(dǎo)航的力所能及的貢獻(xiàn)。感知理解和瞬間記憶感知理解要充分借助駕駛地圖數(shù)據(jù)庫(kù)即56腦科學(xué)研究表明，工作記憶和長(zhǎng)期記憶形成的差異可以從海馬體的神經(jīng)突觸細(xì)胞的化學(xué)變化反映出來(lái)，通過(guò)突觸形狀記錄信息，當(dāng)CPEB69蛋白質(zhì)處于元粒態(tài)才能執(zhí)行存儲(chǔ)。工作記憶與長(zhǎng)期記憶

點(diǎn)云不進(jìn)入工作記憶，工作記憶的形態(tài)是駕駛態(tài)勢(shì)圖；長(zhǎng)期記憶是對(duì)駕駛態(tài)勢(shì)反復(fù)形成的抽象，是用語(yǔ)言對(duì)駕駛態(tài)勢(shì)做語(yǔ)義標(biāo)注，以經(jīng)驗(yàn)和規(guī)則的形態(tài)表現(xiàn)。腦科學(xué)研究表明，工作記憶和長(zhǎng)期記憶形成的差異可以從海馬體57決策記憶瞬間記憶動(dòng)態(tài)感知態(tài)勢(shì)分析自主決策精準(zhǔn)控制態(tài)勢(shì)記憶計(jì)算流程讀數(shù)據(jù)流程反饋—已有認(rèn)知幫助當(dāng)前感知，感知不受已有認(rèn)知的影響幾乎是不可能的！工作記憶長(zhǎng)期記憶

1/2路段記憶

1/16路口記憶險(xiǎn)情記憶困境記憶泊車(chē)記憶反饋?zhàn)x讀反饋反饋反饋反饋反饋瞬間記憶瞬間記憶態(tài)勢(shì)記憶態(tài)勢(shì)記憶決策記憶決策記憶搜索匹配引擎寫(xiě)寫(xiě)寫(xiě)反饋決策記憶瞬間記憶動(dòng)態(tài)感知態(tài)勢(shì)分析自主決策精準(zhǔn)態(tài)勢(shì)記憶計(jì)算流程58速度變化量轉(zhuǎn)角變化量點(diǎn)云中隱含著導(dǎo)航、周邊障礙物和SLAM數(shù)據(jù)可用路權(quán)及其變化駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)融合模塊自主決策模塊控制模塊在線執(zhí)行模塊態(tài)勢(shì)記憶池決策記憶池瞬間記憶池駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)圖駕駛腦數(shù)據(jù)流程圖GPS雷達(dá)攝像頭感知理解模塊長(zhǎng)期記憶池1/2路段記憶1/16路口記憶險(xiǎn)情記憶困境記憶泊車(chē)記憶反饋反饋反饋反饋速度變化量點(diǎn)云中隱含著導(dǎo)航、周邊障礙物和SLAM數(shù)據(jù)可用路權(quán)五、駕駛腦外延——記憶棒五、駕駛腦外延——記憶棒

考駕照時(shí)駕駛員的理論考試，并不要求對(duì)交通道路地圖的理解和積累。但駕駛員的經(jīng)驗(yàn)很重要，在高速路上偶爾會(huì)看到駕駛員將車(chē)停在一邊問(wèn)路，是他的駕駛技術(shù)不熟練嗎？要不要把全城、全省、全國(guó)、全球的高精度道路地圖統(tǒng)統(tǒng)搬到一個(gè)特定的駕駛腦中去？為什么近年來(lái)如此多的地圖公司提供我們的駕駛地圖始終沒(méi)有被用上？質(zhì)疑1：考駕照時(shí)駕駛員的理論考試，并不要求對(duì)交通道路地圖的理解和

在智能駕駛中，傳統(tǒng)電子地圖和數(shù)字地圖處于什么位置？起什么作用？地圖是不是個(gè)傳感器？智能車(chē)在第一次出行任務(wù)之前是否一定要預(yù)先實(shí)地學(xué)習(xí)行駛一遍或多遍？現(xiàn)場(chǎng)跑究竟跑什么？質(zhì)疑2：在智能駕駛中，傳統(tǒng)電子地圖和數(shù)字地圖處于什么位置？起什么

每一個(gè)特定的駕駛員，每一輛特定的輪式機(jī)器人，他走過(guò)的路服從二八定律，包括駕駛地圖在內(nèi)的先驗(yàn)知識(shí)是以他為中心坐標(biāo)系的長(zhǎng)期記憶認(rèn)知而已，可以分別用路段和路口組成的駕駛地圖記憶棒實(shí)現(xiàn)。解決方案：每一個(gè)特定的駕駛員，每一輛特定的輪式機(jī)器人，他走過(guò)的路服駕駛地圖記憶棒

智能駕駛中的雙二八定律：80%的時(shí)間在路段上跑；80%的技術(shù)難度在路口駕駛地圖記憶棒1/2路段記憶棒1/16路口記憶棒駕駛地圖記憶棒智能駕駛中的雙二八定律：80%的時(shí)間在路段上路段駕駛例:

在城市或城際道路上，一般地說(shuō)，同一路段內(nèi)具有相同的車(chē)道數(shù)，且車(chē)道寬度保持不變；還具有相同的諸多物理和幾何屬性。對(duì)路段駕駛而言，常常要求較高的橫向精度和較低的縱向精度。

借助駕駛地圖記憶棒中的路段數(shù)據(jù)庫(kù)，融合三路傳感器信息，即時(shí)生成在車(chē)輛前進(jìn)方向上的對(duì)數(shù)極坐標(biāo)表示的駕駛態(tài)勢(shì)圖。路段駕駛例: 在城市或城際道路上，一般地說(shuō)，同一路段內(nèi)具有路段名稱(chēng)起止位置坐標(biāo)限速km/h車(chē)道數(shù)據(jù)路面數(shù)據(jù)道間及路邊數(shù)據(jù)車(chē)道數(shù)車(chē)道寬度車(chē)道曲率規(guī)則程度道路坡度路面質(zhì)量規(guī)則程度隔離帶種類(lèi)路肩高度規(guī)則程度翠微段(a,b)8033.5m0好+1°粗糙好綠化5cm好路段地圖碎片化、個(gè)性化

——1/2路段地圖數(shù)據(jù)庫(kù)例路邊社情路邊建筑物推薦速度高峰時(shí)段平常城鄉(xiāng)結(jié)合部高樓林立3070路段起止位置坐標(biāo)限速車(chē)道數(shù)據(jù)路面數(shù)據(jù)道間及路邊數(shù)據(jù)車(chē)道數(shù)車(chē)道路段地圖在感知中的作用舉例再次確認(rèn)：雷達(dá)識(shí)別出道路中間的綠化隔離帶，被地圖確認(rèn)；GPS-IMU給出本車(chē)所在的地圖車(chē)道位置，被攝像頭檢測(cè)到的車(chē)道線確認(rèn)互相補(bǔ)充：地圖告知進(jìn)入事故多發(fā)區(qū)，雷達(dá)點(diǎn)云數(shù)據(jù)反映道路流量增大；地圖告知經(jīng)過(guò)流動(dòng)商販區(qū)，攝像頭發(fā)現(xiàn)許多行人沖突消解：雷達(dá)識(shí)別出道路前方疑似橫向路肩，地圖告知是大陡坡要上橋；地圖給出道路大轉(zhuǎn)彎曲率，攝像頭丟失車(chē)道線；攝像頭看出是下坡，地圖告知是怪坡。以路段駕駛為例:路段地圖在感知中的作用舉例再次確認(rèn)：雷達(dá)識(shí)別出道路中間的綠化67提醒幫助：地圖告知前方是隧道，提醒GPS可能會(huì)丟失信號(hào)，不再懷疑GPS失鎖；車(chē)輛到達(dá)坡頂前，提醒前向雷達(dá)可能無(wú)信息可用，提醒攝像頭無(wú)法檢測(cè)到車(chē)道線，但地圖仍可提供地形坡度等信息，輔助決策。過(guò)濾噪聲：地圖告知正在通過(guò)粗糙路面，雷達(dá)出現(xiàn)抖動(dòng)噪聲數(shù)據(jù)需要過(guò)濾；地圖告知要通過(guò)城鄉(xiāng)結(jié)合部路邊家禽菜市場(chǎng)繁鬧區(qū)，雷達(dá)發(fā)現(xiàn)過(guò)多、過(guò)小、過(guò)雜的移動(dòng)障礙物屬性關(guān)聯(lián)：地圖告知正在通過(guò)大彎道傾斜路面，雷達(dá)檢出前方所有移動(dòng)目標(biāo)都在減速以路段駕駛為例:路段地圖在感知中的作用舉例提醒幫助：地圖告知前方是隧道，提醒GPS可能會(huì)丟失信號(hào)，不再68路段駕駛態(tài)勢(shì)圖例屬性值限速80推薦速度30道路坡度+1°路面質(zhì)量粗糙隔離帶綠化帶路肩高度5cm認(rèn)知箭頭路段駕駛態(tài)勢(shì)圖例屬性值限速80推薦速度30道路坡度+1°路面十字形交叉路口路口地圖碎片化、個(gè)性化

——1/16路段地圖數(shù)據(jù)庫(kù)例十字形交叉路口路口地圖碎片化、個(gè)性化

——1/16路段地圖1/9T形交叉路口1/25環(huán)形交叉路口路口地圖碎片化、個(gè)性化1/9T形交叉路口1/25環(huán)形交叉路口路口地圖碎片路口數(shù)據(jù)碎片化：1/16路口地圖數(shù)據(jù)例路口名稱(chēng)路口屬性限速km/h本車(chē)道對(duì)應(yīng)路口數(shù)據(jù)路口路面數(shù)據(jù)道間及路邊數(shù)據(jù)停止線坐標(biāo)斑馬線坐標(biāo)二次停止線對(duì)應(yīng)紅綠燈位置道路坡度路面質(zhì)量規(guī)則程度道路間隔物路肩高度周邊障礙物輪廓翠微萬(wàn)壽路口十字路口30(a,b)(a,b)(a,b)(a,b)+1°粗糙好綠化5cm(a,b)路口地標(biāo)路口周邊建筑物本車(chē)道對(duì)應(yīng)對(duì)方車(chē)道數(shù)據(jù)停止線坐標(biāo)斑馬線位置坡度(a,b)(a,b)+1°城鄉(xiāng)結(jié)合部低矮平房行車(chē)方向——由南向北在路口左拐：路口數(shù)據(jù)碎片化：1/16路口地圖數(shù)據(jù)例路口路口限速本車(chē)道對(duì)應(yīng)1/16路口駕駛態(tài)勢(shì)圖例對(duì)應(yīng)紅綠燈周邊障礙物停止線本車(chē)道對(duì)應(yīng)車(chē)道1/16路口駕駛態(tài)勢(shì)圖例對(duì)應(yīng)紅綠燈周邊障礙物停止線本車(chē)道對(duì)應(yīng)1/16路口地圖數(shù)據(jù)庫(kù)例路口名稱(chēng)路口屬性限速km/h本車(chē)道對(duì)應(yīng)路口數(shù)據(jù)路口路面數(shù)據(jù)道間及路邊數(shù)據(jù)停止線坐標(biāo)斑馬線坐標(biāo)二次停止線對(duì)應(yīng)紅綠燈位置道路坡度路面質(zhì)量規(guī)則程度道路間隔物路肩高度周邊障礙物輪廓翠微萬(wàn)壽路口十字路口30(a,b)(a,b)(a,b)(a,b)+1°粗糙好綠化5cm(a,b)路口地標(biāo)路口周邊建筑物本車(chē)道對(duì)應(yīng)對(duì)方車(chē)道數(shù)據(jù)停止線坐標(biāo)斑馬線位置坡度(a,b)(a,b)+1°城鄉(xiāng)結(jié)合部低矮平房1/16路口地圖數(shù)據(jù)庫(kù)例路口路口限速本車(chē)道對(duì)應(yīng)路口數(shù)據(jù)路口路路口駕駛態(tài)勢(shì)圖例對(duì)應(yīng)紅綠燈周邊障礙物停止線本車(chē)道對(duì)應(yīng)車(chē)道路口駕駛態(tài)勢(shì)圖例對(duì)應(yīng)紅綠燈周邊障礙物停止線本車(chē)道對(duì)應(yīng)車(chē)道駕駛記憶棒特定車(chē)駕駛記憶棒1/2路段駕駛記憶棒1/16路口駕駛記憶棒泊車(chē)記憶棒險(xiǎn)情記憶棒困境記憶棒……在自學(xué)習(xí)總線中會(huì)有進(jìn)一步說(shuō)明駕駛記憶棒是通過(guò)自學(xué)習(xí)生成的駕駛記憶棒特定車(chē)駕駛記憶棒在自學(xué)習(xí)總線中會(huì)有進(jìn)一步說(shuō)明險(xiǎn)情、困境記憶棒示例困境記憶棒陡坡起步陷入泥潭爆胎處置……險(xiǎn)情記憶棒彎道超車(chē)匯入車(chē)流雪地行駛雨中行駛山路行駛……險(xiǎn)情、困境記憶棒示例困境記憶棒險(xiǎn)情記憶棒六、

雙總線架構(gòu)實(shí)現(xiàn)交互認(rèn)知

六、雙總線架構(gòu)實(shí)現(xiàn)交互認(rèn)知

從智能車(chē)架構(gòu)1.0存在問(wèn)題談起……從智能車(chē)架構(gòu)1.0存在問(wèn)題談起……“猛獅4號(hào)”智能車(chē)傳感器等硬件物理連接圖后毫米波雷達(dá)CAN線GPS慣導(dǎo)

串口線頂8線激光雷達(dá)前8線激光雷達(dá)前1線激光雷達(dá)后1線激光雷達(dá)交換機(jī)網(wǎng)線網(wǎng)線網(wǎng)線網(wǎng)線網(wǎng)線左耳攝像頭右耳攝像頭USB線USB線OBD診斷接口串口線車(chē)內(nèi)左攝像頭車(chē)內(nèi)中攝像頭車(chē)內(nèi)右攝像頭1394視頻傳輸線1394視頻傳輸線1394視頻傳輸線下位機(jī)控制器串口線工控機(jī)工控機(jī)工控機(jī)“猛獅4號(hào)”智能車(chē)傳感器等硬件物理連接圖后毫米波雷達(dá)CAN線以太網(wǎng)工控機(jī)3+操作系統(tǒng)工控機(jī)2+操作系統(tǒng)工控機(jī)1+操作系統(tǒng)支撐模塊進(jìn)程監(jiān)控虛擬交換日志管理交互調(diào)試應(yīng)用模塊圖像預(yù)處理GPS預(yù)處理感知雷達(dá)預(yù)處理認(rèn)知路徑導(dǎo)航道路要素映射路口記憶棒危險(xiǎn)場(chǎng)景記憶棒泊車(chē)記憶棒人工干預(yù)決策行為油門(mén)控制制動(dòng)控制其它控制方向盤(pán)控制信息融合驅(qū)動(dòng)模塊激光雷達(dá)毫米波雷達(dá)超聲波雷達(dá)紅外雷達(dá)GPSIMU圖像類(lèi)傳感器驅(qū)動(dòng)模塊雷達(dá)類(lèi)傳感器驅(qū)動(dòng)模塊GPS類(lèi)傳感器驅(qū)動(dòng)模塊單目相機(jī)雙目相機(jī)BDSIMU智能車(chē)軟件模塊邏輯架構(gòu)圖以太網(wǎng)工控機(jī)3+操作系統(tǒng)工控機(jī)2+操作系統(tǒng)工控機(jī)1+操作系統(tǒng)發(fā)送者物理層千兆以太網(wǎng)接收者應(yīng)用層傳輸層UDP網(wǎng)絡(luò)層IP物理層千兆以太網(wǎng)應(yīng)用層傳輸層UDP網(wǎng)絡(luò)層IP智能車(chē)架構(gòu)1.0存在問(wèn)題分析由于UDP是一種面向事務(wù)的簡(jiǎn)單不可靠信息傳送服務(wù)，盡管傳輸效率高。但它不對(duì)數(shù)據(jù)包進(jìn)行排序，無(wú)法確知是否安全完整到達(dá)，造成基于UDP的虛擬交換的先天不足！虛擬交換虛擬交換發(fā)送者物理層接收者應(yīng)用層傳輸層UDP網(wǎng)絡(luò)層IP物理層應(yīng)用人機(jī)交互和在線調(diào)試占用了智能駕駛實(shí)時(shí)信息處理的計(jì)算資源和帶寬，又沒(méi)有規(guī)定基于組播技術(shù)的虛擬交換中交換的優(yōu)先級(jí)，當(dāng)通信量增大時(shí)出現(xiàn)阻塞和丟包現(xiàn)象，重要小包的丟失會(huì)造成車(chē)輛失控的嚴(yán)重后果！智能車(chē)架構(gòu)1.0存在問(wèn)題分析人機(jī)交互和在線調(diào)試占用了智能駕駛實(shí)時(shí)信息處理的計(jì)駕駛腦中的工作總線和自學(xué)習(xí)總線構(gòu)成雙總線設(shè)計(jì)，確保了輪式機(jī)器人智能駕駛的實(shí)時(shí)性不受影響，又保證了人機(jī)交互和協(xié)同。

駕駛腦中的工作總線和自學(xué)習(xí)總線構(gòu)成雙總線設(shè)計(jì)，確保了輪式

雙總線中的交互認(rèn)知

雙總線架構(gòu)既不影響傳感器數(shù)據(jù)的實(shí)時(shí)性處理，又能夠調(diào)整軟件模塊中的相關(guān)參數(shù)，便于試驗(yàn)調(diào)試，還可以在線學(xué)習(xí)駕駛員的駕駛經(jīng)驗(yàn)，成為駕駛腦架構(gòu)設(shè)計(jì)又一個(gè)亮點(diǎn)！

雙總線中的交互認(rèn)知雙總線架構(gòu)既不影響傳感器數(shù)據(jù)感知板塊認(rèn)知板塊控制板塊交互板塊自學(xué)習(xí)板塊駕駛腦各板塊都基于雙總線工作工作總線自學(xué)習(xí)總線每個(gè)板塊都在雙總線下工作：感知板塊駕駛腦各板塊都基于雙總線工作工作總線每個(gè)板塊都在雙總駕駛態(tài)勢(shì)融合雙駕雙控工作總線CAN總線認(rèn)知板塊雷達(dá)數(shù)據(jù)預(yù)處理圖像數(shù)據(jù)預(yù)處理導(dǎo)航數(shù)據(jù)預(yù)處理控制板塊執(zhí)行板塊自主決策感知板塊交互板塊駕駛員干預(yù)和工作總線相連的軟件模塊1KMbps進(jìn)程監(jiān)控1虛擬交換1交互控制程序員調(diào)試模塊黑客干預(yù)遠(yuǎn)端車(chē)主干預(yù)乘員交互日志管理駕駛態(tài)勢(shì)融合雙駕雙控工作總線CAN總線認(rèn)知板塊雷達(dá)圖像導(dǎo)航控87程序員在線調(diào)參數(shù)的過(guò)程，可理解為程序員在教輪式機(jī)器人如何學(xué)開(kāi)車(chē)，如同棋手教圍棋腦下棋國(guó)際象棋，對(duì)一個(gè)特定的棋局（態(tài)勢(shì)）常常有35種可能的走法（寬度），沿每種走法深下去可達(dá)80層，即有3528種可能可選；圍棋比賽對(duì)一個(gè)特定的棋局常常有250150種可能走法，計(jì)算和推理量很大。然而對(duì)開(kāi)車(chē)過(guò)程中一個(gè)特定的駕駛態(tài)勢(shì)，可能的操作要少！程序員在線調(diào)參數(shù)的過(guò)程，可理解為程序員在教輪式機(jī)器人如何學(xué)開(kāi)

駕駛活動(dòng)更多的是技巧、記憶和經(jīng)驗(yàn)，而不是知識(shí)、推理和計(jì)算！駕駛活動(dòng)更多的是技巧、記憶和經(jīng)驗(yàn)，而不是知識(shí)真正能夠教機(jī)器人開(kāi)車(chē)的應(yīng)該是駕駛員，有經(jīng)驗(yàn)的駕駛員長(zhǎng)期與車(chē)互動(dòng)，熟練到已經(jīng)把車(chē)同化為人體的一部分，成為與身體無(wú)縫對(duì)接的真實(shí)外延因此，機(jī)器駕駛腦在駕駛員開(kāi)車(chē)時(shí)應(yīng)該能“悄悄地”自學(xué)習(xí)，將“腦和機(jī)器融合在一起”，實(shí)現(xiàn)這樣一個(gè)可望而不可及的人類(lèi)夢(mèng)想！真正能夠教機(jī)器人開(kāi)車(chē)的應(yīng)該是駕駛員，有經(jīng)驗(yàn)的駕駛員長(zhǎng)期與車(chē)互我們將調(diào)試總線擴(kuò)展為自學(xué)習(xí)總線，開(kāi)創(chuàng)自學(xué)習(xí)板塊，完成統(tǒng)計(jì)學(xué)習(xí)和進(jìn)化學(xué)習(xí)（CognitionByCases），讓輪式機(jī)器人像人一樣開(kāi)車(chē)，研發(fā)有個(gè)性的智能車(chē)！

一旦當(dāng)前的認(rèn)知與過(guò)去經(jīng)歷的記憶進(jìn)行了混合比對(duì)，駕駛腦便能對(duì)不確定未來(lái)做出最好的決策，完成大腦的創(chuàng)造性、運(yùn)動(dòng)的靈巧性以及對(duì)車(chē)無(wú)窮無(wú)盡的同化過(guò)程。我們將調(diào)試總線擴(kuò)展為自學(xué)習(xí)總線，開(kāi)創(chuàng)自學(xué)習(xí)板塊，完成統(tǒng)計(jì)學(xué)習(xí)如果方程式賽車(chē)手在以240km/h的速度疾駛時(shí)，甚至能覺(jué)察出賽道瀝青表面的細(xì)微改變，如果足球運(yùn)動(dòng)員的大腦認(rèn)為足球只不過(guò)是其腳的延伸。這個(gè)過(guò)程體現(xiàn)了神經(jīng)生理學(xué)的一個(gè)原則：可塑性原則（PlasticityPrinciple）不妨通過(guò)統(tǒng)計(jì)學(xué)習(xí)和進(jìn)化學(xué)習(xí)，研發(fā)可塑駕駛腦。駕駛腦不再是完成特定任務(wù)的程序，它具有終身學(xué)習(xí)的能力駕駛腦通過(guò)自學(xué)習(xí)可匯聚多人駕駛認(rèn)知，智商提高的速度要遠(yuǎn)遠(yuǎn)高于單個(gè)駕駛員駕駛技巧自然進(jìn)化的速度如果方程式賽車(chē)手在以240km/h的速度疾駛時(shí)，甚至能覺(jué)察出駕駛態(tài)勢(shì)融合雙駕雙控自學(xué)習(xí)/調(diào)試總線CAN總線認(rèn)知板塊雷達(dá)數(shù)據(jù)預(yù)處理圖像數(shù)據(jù)預(yù)處理導(dǎo)航數(shù)據(jù)預(yù)處理控制板塊執(zhí)行板塊自主決策感知板塊駕駛員干預(yù)和自學(xué)習(xí)/調(diào)試總線相連的軟件模塊1KMbps進(jìn)程監(jiān)控2虛擬交換2自學(xué)習(xí)板塊駕駛記憶棒生成搜索匹配引擎比對(duì)庫(kù)生成交互板塊程序員調(diào)試模塊遠(yuǎn)端車(chē)主干預(yù)日志管理交互控制遠(yuǎn)端服務(wù)響應(yīng)乘員交互駕駛態(tài)勢(shì)融合雙駕雙控自學(xué)習(xí)/調(diào)試總線CAN總線認(rèn)知板塊雷達(dá)圖93

人工駕駛時(shí)，將經(jīng)驗(yàn)駕駛員對(duì)油門(mén)、制動(dòng)和方向盤(pán)的操控量抽象為認(rèn)知箭頭，與機(jī)器視覺(jué)形成的駕駛態(tài)勢(shì)圖進(jìn)行一一對(duì)應(yīng)，“悄悄地”生成碎片化的駕駛態(tài)勢(shì)-認(rèn)知箭頭圖對(duì)，4然后通過(guò)深度學(xué)習(xí)，生成駕駛記憶棒；

機(jī)器人駕駛時(shí)，利用搜索匹配引擎，通過(guò)駕駛態(tài)勢(shì)以圖搜圖，實(shí)時(shí)地在記憶棒中近似搜索，找到符合當(dāng)前駕駛態(tài)勢(shì)的合適認(rèn)知箭頭，形成控制指令輸出。充分發(fā)揮碎片化（大數(shù)據(jù)）認(rèn)知的作用，克服形式化的困難，細(xì)分約束區(qū)間，縮小在線推理范圍。自學(xué)習(xí)模塊人工駕駛時(shí)，將經(jīng)驗(yàn)駕駛員對(duì)油門(mén)、制動(dòng)和方向盤(pán)的操控量抽象94正學(xué)習(xí)：機(jī)器人向經(jīng)驗(yàn)駕駛員學(xué)開(kāi)車(chē)經(jīng)驗(yàn)駕駛員通過(guò)生物視覺(jué)等形成的當(dāng)前駕駛態(tài)勢(shì)圖3路機(jī)器視覺(jué)綜合形成的當(dāng)前駕駛態(tài)勢(shì)圖駕駛員人工操控油門(mén)、制動(dòng)和方向盤(pán)駕駛態(tài)勢(shì)——認(rèn)知箭頭圖對(duì)庫(kù)生成駕駛態(tài)勢(shì)認(rèn)知箭頭抽象機(jī)器駕駛3路機(jī)器視覺(jué)綜合形成的當(dāng)前駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)駕駛記憶棒搜索匹配引擎認(rèn)知箭頭機(jī)器人操控油門(mén)、制動(dòng)和方向盤(pán)人工駕駛認(rèn)證提取通過(guò)深度學(xué)習(xí)實(shí)現(xiàn)自學(xué)習(xí)：統(tǒng)計(jì)學(xué)習(xí)和進(jìn)化學(xué)習(xí)正學(xué)習(xí)：機(jī)器人向經(jīng)驗(yàn)駕駛員學(xué)開(kāi)車(chē)經(jīng)驗(yàn)駕駛員通過(guò)生物視覺(jué)等形成負(fù)學(xué)習(xí)：機(jī)器人向事故駕駛員吸取開(kāi)車(chē)教訓(xùn)經(jīng)驗(yàn)駕駛員通過(guò)生物視覺(jué)等形成的當(dāng)前駕駛態(tài)勢(shì)圖3路機(jī)器視覺(jué)綜合形成的當(dāng)前駕駛態(tài)勢(shì)圖駕駛員人工操控油門(mén)、制動(dòng)和方向盤(pán)駕駛態(tài)勢(shì)——認(rèn)知箭頭圖對(duì)庫(kù)生成駕駛態(tài)勢(shì)認(rèn)知箭頭抽象機(jī)器人吸取教訓(xùn)3路機(jī)器視覺(jué)綜合形成的當(dāng)前駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)事故記憶棒搜索匹配引擎認(rèn)知箭頭機(jī)器人操控油門(mén)、制動(dòng)和方向盤(pán)事故駕駛員駕駛認(rèn)證提取通過(guò)深度學(xué)習(xí)實(shí)現(xiàn)自學(xué)習(xí)：統(tǒng)計(jì)學(xué)習(xí)和進(jìn)化學(xué)習(xí)X負(fù)學(xué)習(xí)：機(jī)器人向事故駕駛員吸取開(kāi)車(chē)教訓(xùn)經(jīng)驗(yàn)駕駛員通過(guò)生物視覺(jué)輪式機(jī)器人學(xué)習(xí)泊車(chē)經(jīng)驗(yàn)駕駛員通過(guò)生物視覺(jué)等形成的當(dāng)前駕駛態(tài)勢(shì)圖3路機(jī)器視覺(jué)綜合形成的當(dāng)前駕駛態(tài)勢(shì)圖駕駛員人工操控油門(mén)、制動(dòng)和方向盤(pán)駕駛態(tài)勢(shì)——認(rèn)知箭頭圖對(duì)庫(kù)生成駕駛態(tài)勢(shì)認(rèn)知箭頭抽象機(jī)器人泊車(chē)3路機(jī)器視覺(jué)綜合形成的當(dāng)前駕駛態(tài)勢(shì)圖駕駛態(tài)勢(shì)泊車(chē)記憶棒搜索匹配引擎認(rèn)知箭頭機(jī)器人操控油門(mén)、制動(dòng)和方向盤(pán)人工泊車(chē)認(rèn)證提取通過(guò)深度學(xué)習(xí)實(shí)現(xiàn)自學(xué)習(xí)：統(tǒng)計(jì)學(xué)習(xí)和進(jìn)化學(xué)習(xí)輪式機(jī)器人學(xué)習(xí)泊車(chē)經(jīng)驗(yàn)駕駛員通過(guò)生物視覺(jué)等形成的當(dāng)前駕駛態(tài)勢(shì)自學(xué)習(xí)總線交互板塊汽車(chē)CAN總線工作總線感知板塊認(rèn)知板塊控制板塊虛擬交換2進(jìn)程監(jiān)控2虛擬交換1進(jìn)程監(jiān)控1程序員調(diào)試交互控制乘員交互遠(yuǎn)端服務(wù)響應(yīng)自主決策紅綠燈檢測(cè)導(dǎo)航路權(quán)檢測(cè)導(dǎo)航路權(quán)檢測(cè)定位導(dǎo)航路權(quán)檢測(cè)定位圖像數(shù)據(jù)預(yù)處理雷達(dá)數(shù)據(jù)預(yù)處理GPS數(shù)據(jù)預(yù)處理導(dǎo)航路權(quán)定位駕駛態(tài)勢(shì)融合1KMbps1KMbps駕駛員干預(yù)執(zhí)行板塊軟件模塊與雙總線連接關(guān)系圖定位遠(yuǎn)端車(chē)主干預(yù)調(diào)試總線雙駕雙控自學(xué)習(xí)板塊駕駛記憶棒生成比對(duì)庫(kù)生成搜索匹配引擎日志管理自學(xué)習(xí)總線交互板塊汽車(chē)CAN總線工作總線感知板塊認(rèn)知板塊控

盡管每個(gè)模塊都連到工作總線和自學(xué)習(xí)總線，但從物理支撐看，工作總線在以太網(wǎng)1上，自學(xué)習(xí)總線在以太網(wǎng)2上，兩者是分開(kāi)的；從信息流向看，只有交互控制模塊對(duì)雙總線是雙跨的！對(duì)其它模塊而言，雙總線在邏輯上是隔離的！唯有交互控制模塊可實(shí)時(shí)干預(yù)智能車(chē)的行為控制！盡管每個(gè)模塊都連到工作總線和自學(xué)習(xí)總線，但從物理支99基于雙總線的人機(jī)協(xié)同共駕“輪式機(jī)器人”駕駛位上的駕駛員（可空缺）程序調(diào)試員、試驗(yàn)員乘員互聯(lián)網(wǎng)遠(yuǎn)端的車(chē)主包括黑客在內(nèi)的互聯(lián)網(wǎng)遠(yuǎn)端服務(wù)請(qǐng)求六種人之間的交互雙駕雙控在線干預(yù)機(jī)器人的認(rèn)知能力目的地表達(dá)責(zé)任人，擁有最高指揮權(quán)，日常調(diào)度維護(hù)自主駕駛出發(fā)地和目的地表達(dá)基于雙總線的人機(jī)協(xié)同共駕“輪式機(jī)器人”六種人之間的交互雙駕雙云端云端

雙總線中的交互認(rèn)知

雙總線架構(gòu)實(shí)現(xiàn)了六種人之間的交互，體現(xiàn)人機(jī)協(xié)同共駕，為車(chē)聯(lián)網(wǎng)打下基礎(chǔ)，為提高移動(dòng)生活品質(zhì)留有足夠空間,并堵死黑客的攻擊。

雙總線中的交互認(rèn)知雙總線架構(gòu)實(shí)現(xiàn)了六種人之間的七、駕駛腦軟件模塊邏輯架構(gòu)七、駕駛腦軟件模塊邏輯架構(gòu)應(yīng)用工作總線交互認(rèn)知自主決策模塊導(dǎo)航綜合模塊路權(quán)信息融合模塊定位信息融合模塊控制油門(mén)控制制動(dòng)控制方向盤(pán)控制其它控制感知GPS導(dǎo)航GPS路權(quán)檢測(cè)GPS定位雷達(dá)導(dǎo)航雷達(dá)路權(quán)檢測(cè)雷達(dá)定位紅綠燈檢測(cè)圖像導(dǎo)航圖像路權(quán)檢測(cè)圖像定位驅(qū)動(dòng)激光雷達(dá)毫米波雷達(dá)超聲波雷達(dá)紅外雷達(dá)GPSIMU圖像類(lèi)傳感器驅(qū)動(dòng)模塊雷達(dá)類(lèi)傳感器驅(qū)動(dòng)模塊GPS類(lèi)傳感器驅(qū)動(dòng)模塊單目相機(jī)雙目相機(jī)BDSIMU工作總線軟件模塊邏輯架構(gòu)圖程序員調(diào)試支撐進(jìn)程監(jiān)控2虛擬交換2交互控制工作總線交互認(rèn)知自導(dǎo)航綜合模塊路權(quán)信息定位信息融合控制油制方自學(xué)習(xí)/調(diào)試總線應(yīng)用驅(qū)動(dòng)激光雷達(dá)毫米波雷達(dá)超聲波雷達(dá)紅外雷達(dá)GPSIMU圖像類(lèi)傳感器驅(qū)動(dòng)模塊雷達(dá)類(lèi)傳感器驅(qū)動(dòng)模塊GPS類(lèi)傳感器驅(qū)動(dòng)模塊單目相機(jī)雙目相機(jī)BDSIMU調(diào)試/自學(xué)習(xí)總線軟件模塊邏輯架構(gòu)圖感知GPS導(dǎo)航GPS障礙物檢測(cè)GPS定位雷達(dá)導(dǎo)航雷達(dá)障礙物檢測(cè)雷達(dá)定位紅綠燈檢測(cè)圖像導(dǎo)航圖像障礙物檢測(cè)圖像定位認(rèn)知自主決策模塊導(dǎo)航綜合模塊路權(quán)信息融合模塊定位信息融合模塊支撐進(jìn)程監(jiān)控2虛擬交換2交互控制控制其他控制方向盤(pán)控制制動(dòng)控制油門(mén)控制自學(xué)習(xí)搜索匹配引擎比對(duì)庫(kù)生成決策記憶棒生成交互遠(yuǎn)端車(chē)主干預(yù)遠(yuǎn)端服務(wù)響應(yīng)乘員交互程序員調(diào)試日志管理自學(xué)習(xí)/調(diào)試總線激光雷達(dá)毫米波超紅外雷達(dá)GPS圖像類(lèi)傳感器驅(qū)感知計(jì)算模塊

用三類(lèi)傳感器通道類(lèi)比人的視覺(jué)通道，形成對(duì)數(shù)極坐標(biāo)下各自豐富的點(diǎn)云圖片庫(kù)，數(shù)據(jù)量大，可實(shí)現(xiàn)傳感器數(shù)據(jù)的瞬間感知理解，還可通過(guò)深度學(xué)習(xí)、尤其是卷積神經(jīng)網(wǎng)絡(luò)模擬生物視覺(jué)神經(jīng)，也可以通過(guò)GPU加速計(jì)算，提高瞬間感知能力；還要從瞬間記憶、工作記憶和長(zhǎng)期記憶中獲得幫助，協(xié)助當(dāng)前感知。感知計(jì)算模塊用三類(lèi)傳感器通道類(lèi)比人的視覺(jué)通道，形成對(duì)數(shù)極106認(rèn)知計(jì)算=態(tài)勢(shì)融合+二次規(guī)劃基于路權(quán)思想，重?cái)?shù)據(jù)認(rèn)知，融合三類(lèi)傳感器通道盡全力輸出的定位、路權(quán)和導(dǎo)航信息，形成駕駛態(tài)勢(shì)，發(fā)現(xiàn)當(dāng)前可用路權(quán)。根據(jù)可用路權(quán)、一次規(guī)劃、以及本車(chē)參數(shù)（如車(chē)軸距、輪距、方向盤(pán)傳動(dòng)比等）做出二次規(guī)劃，輸出認(rèn)知箭頭。難點(diǎn)在認(rèn)知箭頭的方向角，即當(dāng)前行車(chē)方向與注視點(diǎn)焦距方向行成的夾角；而二次規(guī)劃的路線長(zhǎng)度，即為此時(shí)的注視點(diǎn)（預(yù)瞄點(diǎn)）焦距。認(rèn)知計(jì)算=態(tài)勢(shì)融合+二次規(guī)劃基于路權(quán)思想，重?cái)?shù)據(jù)認(rèn)知107記憶認(rèn)知、計(jì)算認(rèn)知和交互認(rèn)知三位一體感知理解認(rèn)知理解認(rèn)知積累感覺(jué)記憶工作記憶長(zhǎng)期記憶前饋前饋反饋反饋抽象抽象演繹演繹記憶認(rèn)知計(jì)算認(rèn)知交互認(rèn)知記憶認(rèn)知、計(jì)算認(rèn)知和交互認(rèn)知三位一體感知理解認(rèn)知理解認(rèn)知積累108構(gòu)造不同尺度連接組的、三位一體的多層認(rèn)知網(wǎng)絡(luò)瞬間記憶工作記憶長(zhǎng)期記憶前饋前饋反饋反饋抽象抽象演繹演繹感知理解（小尺度連接組）認(rèn)知理解（中尺度連接組）認(rèn)知積累（大尺度連接組）WORD構(gòu)造不同尺度連接組的、三位一體的多層認(rèn)知網(wǎng)絡(luò)瞬間記憶工作記憶八、駕駛小腦——控制板塊八、駕駛小腦——控制板塊駕駛腦形式化分工在駕駛認(rèn)知的形式化過(guò)程中，駕駛腦承擔(dān)駕駛這個(gè)特定問(wèn)題域中的視聽(tīng)覺(jué)認(rèn)知、注意、記憶、思維、決策、交互等任務(wù)；駕駛決策體現(xiàn)在橫向的方向角控制和縱向的加速度控制（動(dòng)力學(xué)）把駕駛協(xié)調(diào)性技能分配給相當(dāng)于小腦的自動(dòng)化和車(chē)輛運(yùn)動(dòng)學(xué)，繼承汽車(chē)通過(guò)輪胎速度反饋的自動(dòng)控制成果，如ＭＰＣ等。駕駛腦形式化分工在駕駛認(rèn)知的形式化過(guò)程中，駕駛腦承擔(dān)駕駛這個(gè)汽車(chē)的自動(dòng)控制汽車(chē)電子比汽車(chē)發(fā)明晚了100多年，汽車(chē)電子不是電子汽車(chē)，更不是數(shù)字汽車(chē)，目前汽車(chē)的自動(dòng)控制是對(duì)模擬信號(hào)的控制，正在逐步轉(zhuǎn)向線控，沒(méi)有進(jìn)入數(shù)字控制的時(shí)代汽車(chē)的自動(dòng)控制汽車(chē)電子比汽車(chē)發(fā)明晚了100多年，汽車(chē)電子不是汽車(chē)的自動(dòng)控制動(dòng)力控制：發(fā)動(dòng)機(jī)和傳動(dòng)控制轉(zhuǎn)向控制：大車(chē)停留在液壓動(dòng)力轉(zhuǎn)向、小車(chē)停留電動(dòng)助力轉(zhuǎn)向，正在逐步轉(zhuǎn)向電線轉(zhuǎn)向，在轉(zhuǎn)向盤(pán)和轉(zhuǎn)向輪之間沒(méi)有機(jī)械連接。剎車(chē)控制：無(wú)論鼓式制動(dòng)還是盤(pán)式制動(dòng)，制動(dòng)驅(qū)動(dòng)機(jī)構(gòu)停留在液壓或者氣壓制動(dòng)，“電子——液壓/氣壓制動(dòng)系統(tǒng)”的普及尚需時(shí)日汽車(chē)的自動(dòng)控制動(dòng)力控制：發(fā)動(dòng)機(jī)和傳動(dòng)控制

在長(zhǎng)期的智能駕駛試驗(yàn)活動(dòng)中，我們通過(guò)控制模塊參與智能車(chē)的動(dòng)力學(xué)試驗(yàn)，嘗到了甜頭！在長(zhǎng)期的智能駕駛試驗(yàn)活動(dòng)中，我們通過(guò)控制模塊參與九、比較與展望九、比較與展望駕駛腦和圍棋腦比較駕駛認(rèn)知記憶、計(jì)算交互認(rèn)知三位一體駕駛態(tài)勢(shì)圖雙網(wǎng)絡(luò)架構(gòu)自學(xué)習(xí)能力發(fā)展為輪式機(jī)器人的難度分析棋類(lèi)認(rèn)知計(jì)算認(rèn)知和記憶認(rèn)知拓?fù)鋭?dòng)力學(xué)雙網(wǎng)絡(luò)架構(gòu)自學(xué)習(xí)能力發(fā)展為圍棋手、圍棋機(jī)器人的難度分析圍棋腦駕駛腦駕駛腦和圍棋腦比較駕駛認(rèn)知棋類(lèi)認(rèn)知圍棋腦駕駛腦116117愛(ài)因斯坦這樣描述他的思維過(guò)程：

“我思考問(wèn)題時(shí)，不是用語(yǔ)言進(jìn)行思考，而是用活動(dòng)的跳躍的形象進(jìn)行思考，當(dāng)這種思考完成以后，我要花很大力氣把它們轉(zhuǎn)換成語(yǔ)言?！?/p>

這段話非常生動(dòng)的描繪出認(rèn)知過(guò)程中形象思維的重要性以及和邏輯思維的關(guān)系，圍棋認(rèn)知和駕駛認(rèn)知亦然。愛(ài)因斯坦1879-1955117愛(ài)因斯坦這樣描述他的思維過(guò)程：這段話非常生動(dòng)的英偉達(dá)DrivePX的自動(dòng)駕駛系統(tǒng)TX1芯片:四核A57+四核A53+4GRAM+64GeMMc+Maxwell256核GPU顯示接口:2組LVDS支持12個(gè)2百萬(wàn)像素相機(jī)60幀率的相機(jī)接口，4個(gè)一組，組內(nèi)幀同步視頻處理器：“Mobileye:EyeQ3”48針車(chē)規(guī)組合接口:6個(gè)CAN2.0接口4個(gè)LIN接口2個(gè)FlexRay接口1個(gè)Ethernet接口

2個(gè)UART接口

1個(gè)電源接口獨(dú)立TX1芯片，作用僅僅是冗余英偉達(dá)DrivePX的自動(dòng)駕駛系統(tǒng)TX1芯片:顯示接口:118英偉達(dá)DrivePX自動(dòng)駕駛系統(tǒng)軟件架構(gòu)OS:NVIDIAVibranteLinux4.0

64-bitKernelLinux,Quickboot,AutoSARRunTimeEnvironment

硬件層：Tegra

X1

處理器操作系統(tǒng)層：Linux操作系統(tǒng)中間件：支撐圖形圖像處理與并行計(jì)算汽車(chē)開(kāi)放系統(tǒng)架構(gòu)基礎(chǔ)軟件應(yīng)用層英偉達(dá)的自動(dòng)駕駛系統(tǒng)本質(zhì)上是一臺(tái)車(chē)載計(jì)算機(jī)！英偉達(dá)DrivePX自動(dòng)駕駛系統(tǒng)軟件架構(gòu)OS:NVIDIA119兩種技術(shù)路線比較英偉達(dá)技術(shù)自動(dòng)駕駛強(qiáng)主機(jī)弱網(wǎng)絡(luò)強(qiáng)感知弱認(rèn)知強(qiáng)計(jì)算弱交互強(qiáng)圖像弱其它駕駛腦技術(shù)自主駕駛和自學(xué)習(xí)駕駛雙總線架構(gòu)認(rèn)知協(xié)助感知記憶、計(jì)算、交互并重傳感器不完美，需要互補(bǔ)兩種技術(shù)路線比較英偉達(dá)技術(shù)駕駛腦技術(shù)120駕駛腦核心是使用多個(gè)處理器芯片和交換機(jī)芯片構(gòu)成的雙網(wǎng)絡(luò)架構(gòu)，超出了馮.諾依曼結(jié)構(gòu)的處理器計(jì)算機(jī)板塊名只具有邏輯意義，以進(jìn)程表現(xiàn)的各類(lèi)應(yīng)用軟件模塊物理配置在哪個(gè)處理器芯片上具有靈活性基礎(chǔ)API可廣泛吸納開(kāi)源或者免費(fèi)軟件，如可吸納英偉達(dá)的成熟軟件cuDNN，完成深度學(xué)習(xí)等——駕駛腦計(jì)算資源配置更靈活兩種技術(shù)路線比較駕駛腦核心是使用多個(gè)處理器芯片和交換機(jī)芯片構(gòu)成的雙網(wǎng)絡(luò)架構(gòu)，121憧憬：在智能車(chē)?yán)锖蛧鍣C(jī)器人下棋憧憬：在智能車(chē)?yán)锖蛧鍣C(jī)器人下棋

人類(lèi)的發(fā)展史，就是人類(lèi)學(xué)會(huì)運(yùn)用工具、制造工具和發(fā)明機(jī)器的歷史，機(jī)器使得人類(lèi)更強(qiáng)大?？萍紡牟煌２?，人類(lèi)永不滿足，今天，人類(lèi)正在發(fā)明越來(lái)越多的機(jī)器人，智能手機(jī)可以成為你的忠實(shí)助理，輪式機(jī)器人也會(huì)比一般人開(kāi)車(chē)開(kāi)得更好，曾經(jīng)的很多工作崗位將會(huì)被智能機(jī)器人替代，但同時(shí)又自然會(huì)涌現(xiàn)出更新的工作，人類(lèi)將更加優(yōu)雅、智慧地生活！

展望一：人類(lèi)的發(fā)展史，就是人類(lèi)學(xué)會(huì)運(yùn)用工具、制造工具和發(fā)明機(jī)器的人類(lèi)始終善于更好地調(diào)教和幫助機(jī)器人，善于利用機(jī)器人的優(yōu)勢(shì)并彌補(bǔ)機(jī)器人的不足，或者用新的機(jī)器人淘汰舊的機(jī)器人；反過(guò)來(lái)，機(jī)器人也一定會(huì)讓人類(lèi)自身更智能。各式各樣人機(jī)協(xié)同的機(jī)器人，為我們迎來(lái)了人與機(jī)器人共舞的新時(shí)代，伴隨優(yōu)雅的舞曲，毋庸置疑人類(lèi)始終是領(lǐng)舞者！

展望二：人類(lèi)始終善于更好地調(diào)教和幫助機(jī)器人，善于利用機(jī)器人的優(yōu)勢(shì)謝謝！謝謝！

——駕駛腦設(shè)計(jì)與實(shí)現(xiàn)駕駛認(rèn)知的形式化FormalizationofDrivingCognition——駕駛腦設(shè)計(jì)與實(shí)現(xiàn)駕駛認(rèn)知的形式化一、從象棋腦、圍棋腦到駕駛腦一、從象棋腦、圍棋腦到駕駛腦128和計(jì)算機(jī)下國(guó)際象棋3和計(jì)算機(jī)下國(guó)際象棋129黑白世界，棋子無(wú)功能之分，目數(shù)多者勝和計(jì)算機(jī)下圍棋4黑白世界，棋子無(wú)功能之分，目數(shù)多者130和計(jì)算機(jī)下圍棋難在哪里？象棋的目標(biāo)是“殺王”，子越下越少；圍棋的目標(biāo)是“圈地”，子越下越多，多者取勝。象棋可以從一個(gè)目標(biāo)狀態(tài)不斷搜索最合理的走法達(dá)到下一個(gè)目標(biāo)狀態(tài)；圍棋難以鎖定下一個(gè)目標(biāo)狀態(tài)。5和計(jì)算機(jī)下圍棋難在哪里？象棋的目標(biāo)是“殺王”，子越下越少和計(jì)算機(jī)下圍棋難在哪里？象棋可以有目的地向著某一目標(biāo)狀態(tài)不斷搜索最合理的走法；圍棋具有更大的不確定性。象棋更注重邏輯思維；圍棋想圍住對(duì)方，在某個(gè)狀態(tài)下應(yīng)對(duì)的步驟比象棋要多得多，有手筋、棄子、劫爭(zhēng)等戰(zhàn)術(shù)戰(zhàn)略運(yùn)用，更注重形象思維，更大局觀。和計(jì)算機(jī)下圍棋難在哪里？象棋可以有目的地向著某一目標(biāo)狀態(tài)不對(duì)一個(gè)特定的棋局（態(tài)勢(shì)）,國(guó)際象棋有35種可能的走法（決策），沿每種走法深下去可達(dá)80層，需要3580種遍歷搜索；而圍棋比賽，對(duì)一個(gè)特定的棋局常常需要有250150種遍歷搜索，計(jì)算和推理量巨大。圍棋因其巨大的搜索空間和困難的棋局態(tài)勢(shì)表達(dá)，被認(rèn)為千古無(wú)同局，歷來(lái)是人工智能的最大挑戰(zhàn)。和計(jì)算機(jī)下圍棋難在哪里？對(duì)一個(gè)特定的棋局（態(tài)勢(shì)）,國(guó)際象棋有35種AlphaGo突破了傳統(tǒng)程序，搭建了兩套模仿人類(lèi)思維的深度卷積神經(jīng)網(wǎng)絡(luò)：valuenetworksandpolicenetworks，學(xué)會(huì)了向人類(lèi)棋手學(xué)習(xí)，

從海量樣本的勝局和敗局中學(xué)習(xí)，并自動(dòng)提取規(guī)則，進(jìn)行推理。分析這次人機(jī)大戰(zhàn)的棋局，并沒(méi)有看到來(lái)自“天外來(lái)客”的奇招。大樣本和自學(xué)習(xí)支撐AlphaGo取勝AlphaGo突破了傳統(tǒng)程序，搭建了兩套模仿人類(lèi)思AlphaGo以4:1戰(zhàn)勝9段圍棋高手李世石，全球?yàn)橹鸷?，世界一片嘩然!

震撼之后的思考：AlphaGo程序，比賽前后變了沒(méi)有？能否讓AlphaGo和李世石來(lái)一次復(fù)盤(pán)？如果AlphaGo以后一直和棋簍子下，棋商會(huì)不會(huì)退化？

AlphaGo以4:1戰(zhàn)勝9段圍棋高手李世石，全球?yàn)橹鸷称孱?lèi)高手與人工智能發(fā)展成果積累的對(duì)決，是讓棋手充當(dāng)測(cè)試員的一次科學(xué)試驗(yàn)一個(gè)人與一群人（棋類(lèi)高手+AI高手）的對(duì)決一個(gè)生物人與“人與機(jī)器混合生物”之間的對(duì)決人機(jī)大戰(zhàn)常常是：人機(jī)大戰(zhàn)本質(zhì)上是人機(jī)--機(jī)人大戰(zhàn)！棋類(lèi)高手與人工智能發(fā)展成果積累的對(duì)決，是讓棋手充當(dāng)測(cè)試員的一AlphaGo的局限性AlphaGo僅僅是個(gè)圍棋腦，還不是一個(gè)圍棋手，更不是一個(gè)圍棋機(jī)器人，根本就沒(méi)有眼和手，沒(méi)有感知和行為能力AlphaGo沒(méi)有情緒，沒(méi)有情感，不能分析對(duì)手的心理狀態(tài)，不能現(xiàn)場(chǎng)和對(duì)手展開(kāi)心理戰(zhàn)，缺失交互認(rèn)知能力AlphaGo的局限性AlphaGo僅僅是個(gè)圍棋腦，還不是AlphaGo的局限性用于對(duì)大數(shù)據(jù)樣本學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)，太多的學(xué)習(xí)參數(shù)具有隨意性，不能保證算法的收斂性，缺少反饋機(jī)制，大量案例也不具有累積性，深度學(xué)習(xí)不可能是人工智能的終結(jié)者。目前也還沒(méi)有聽(tīng)說(shuō)AlphaGo具有個(gè)性，并有進(jìn)化學(xué)習(xí)的能力。AlphaGo的局限性用于對(duì)大數(shù)據(jù)樣本學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)，太駕駛腦:駕駛認(rèn)知的形式化駕駛腦:駕駛認(rèn)知的形式化從汽車(chē)到輪式機(jī)器人：發(fā)明汽車(chē)130年來(lái)，先從汽車(chē)的行為能力做起，在確保車(chē)輛動(dòng)力學(xué)和人機(jī)工程學(xué)的基礎(chǔ)上，配置感知的零部件，實(shí)現(xiàn)自動(dòng)駕駛，進(jìn)而研發(fā)駕駛腦，完成自主行駛，走著一條完全不同于“圍棋腦——圍棋手——圍棋機(jī)器人”的技術(shù)發(fā)展道路！圍棋機(jī)器人來(lái)日方長(zhǎng)，輪式機(jī)器人和飆車(chē)手的比賽將會(huì)更加激動(dòng)人心！從汽車(chē)到輪式機(jī)器人：發(fā)明汽車(chē)130年來(lái)，先駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感知、認(rèn)知和行為，確保車(chē)輛自主行駛，而不必糾結(jié)于機(jī)器駕駛腦和駕駛員腦是否在微觀上具有相似性！駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感智能駕駛等級(jí)區(qū)分離線輔助駕駛自動(dòng)駕駛（局部時(shí)段、局部區(qū)域）自駕駛/自主駕駛/無(wú)人駕駛以人為本的人機(jī)協(xié)同共駕ADAS,HUD高德導(dǎo)航碰撞預(yù)警等ACC自動(dòng)緊急剎車(chē)等城際高速行駛等類(lèi)似騎士和馬人馬騎士與馬智能駕駛等級(jí)區(qū)分離線輔助駕駛自動(dòng)駕駛（局部時(shí)段、局部區(qū)域）自

如果人腦特定問(wèn)題域的認(rèn)知能力可以通過(guò)大數(shù)據(jù)認(rèn)知先局部地形式化，構(gòu)造出駕駛腦、圍棋腦、文秘腦、聊天腦等，哪怕在微觀上不具有組織結(jié)構(gòu)的相似性，但在宏觀上不亞于特定人的智商和情商。那么，當(dāng)千千萬(wàn)萬(wàn)的特定問(wèn)題域的認(rèn)知能力局部形式化之后，用人工智能技術(shù)構(gòu)建千千萬(wàn)萬(wàn)“一腦一用”的認(rèn)知腦，并通過(guò)移動(dòng)互聯(lián)網(wǎng)、云計(jì)算，就可以倒逼并逼近一個(gè)“一腦萬(wàn)用”的人造生物腦。從“一腦一用”到“一腦萬(wàn)用”如果人腦特定問(wèn)題域的認(rèn)知能力可以通過(guò)大數(shù)據(jù)認(rèn)知142二、駕駛認(rèn)知的形式化約束二、駕駛認(rèn)知的形式化約束

“Google無(wú)人駕駛汽車(chē)有上百萬(wàn)英里的測(cè)試經(jīng)驗(yàn)，大致相當(dāng)于人類(lèi)75年的駕齡?！?/p>

——2015年5月15日從Google公司的一則報(bào)道談起駕駛認(rèn)知如何度量？如果經(jīng)驗(yàn)駕駛員一年開(kāi)車(chē)1.2萬(wàn)英里，需要75年！“Google無(wú)人駕駛汽車(chē)有上百萬(wàn)英里的測(cè)試經(jīng)驗(yàn)，大致駕駛認(rèn)知的本質(zhì)是統(tǒng)計(jì)和進(jìn)化駕駛認(rèn)知不是一次完成的，需要多次反復(fù)，在反反復(fù)復(fù)感知-認(rèn)知-行動(dòng)的過(guò)程中學(xué)習(xí)積累，形成相對(duì)穩(wěn)定的認(rèn)知，形成不確定性處置中的基本確定性。因此，駕駛認(rèn)知是個(gè)動(dòng)態(tài)的演化過(guò)程。駕駛認(rèn)知本質(zhì)：CognitionbyCases駕駛認(rèn)知的本質(zhì)是統(tǒng)計(jì)和進(jìn)化駕駛認(rèn)知不是一次完成的，需要多次反駕駛認(rèn)知形式化約束

從人的視聽(tīng)覺(jué)感知切入研究腦認(rèn)知，尤其是模擬人腦中的記憶智能、計(jì)算智能和交互智能，用機(jī)器模擬人腦對(duì)安全駕駛的自學(xué)習(xí)和駕駛技能積累能力，模擬人腦對(duì)駕駛環(huán)境的感知、認(rèn)知、決策和行為控制。尤其重要的是駕駛腦并不模擬在駕駛過(guò)程中與安全駕駛無(wú)關(guān)的駕駛員的其它認(rèn)知活動(dòng)，如對(duì)路邊美女、對(duì)周邊車(chē)輛品牌等，機(jī)器駕駛腦都不會(huì)有任何興趣！駕駛認(rèn)知形式化約束從人的視聽(tīng)覺(jué)感知切入研究腦認(rèn)知，尤其146駕駛腦將駕駛活動(dòng)從人的認(rèn)知活動(dòng)中抽象并剝離出來(lái),

不少做,更不多做，專(zhuān)門(mén)模擬人腦完成低級(jí)、繁瑣、持久的駕駛認(rèn)知，選擇性注意，永遠(yuǎn)專(zhuān)注，永不疲倦。駕駛腦的差異反映個(gè)人智力和運(yùn)動(dòng)協(xié)調(diào)能力的差異，世界上沒(méi)有兩個(gè)完全相同的駕駛腦。駕駛腦將駕駛活動(dòng)從人的認(rèn)知活動(dòng)中抽象并剝離出來(lái),不少做,147

駕駛認(rèn)知的形式化，也許不必一開(kāi)始就弄清駕駛員認(rèn)知的微功能、微結(jié)構(gòu)、人腦內(nèi)各種連接關(guān)系的復(fù)雜組織；也不必一開(kāi)始就弄清高并發(fā)、大流量、大數(shù)據(jù)信息編碼以及腦精細(xì)組織跨區(qū)域的關(guān)聯(lián)，要懂得忽略和聚焦，懂得抽象和分離。駕駛認(rèn)知形式化的尺度選擇駕駛認(rèn)知的形式化，也許不必一開(kāi)始就弄清駕駛員認(rèn)知的148駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感知和認(rèn)知，確保車(chē)輛自主行駛，而不必糾結(jié)于機(jī)器駕駛腦和駕駛員腦是否在微觀上具有相似性！駕駛認(rèn)知的形式化，強(qiáng)調(diào)如何用人工智能技術(shù)代替駕駛員的感149駕駛認(rèn)知坐標(biāo)系的形式化作為認(rèn)知主體，輪式機(jī)器人在運(yùn)動(dòng)過(guò)程中始終以“我”為中心，對(duì)周邊環(huán)境信息體現(xiàn)選擇性注意和簡(jiǎn)約，時(shí)時(shí)刻刻進(jìn)行同步定位和映射（iSLAM），這是腦認(rèn)知形式化的重要內(nèi)容。駕駛認(rèn)知坐標(biāo)系的形式化作為認(rèn)知主體，輪式機(jī)器人在運(yùn)動(dòng)過(guò)150心理物理學(xué)定律人的一切感覺(jué)，包括視覺(jué)、聽(tīng)覺(jué)、膚覺(jué)（含痛、癢、觸、溫度）、味覺(jué)、嗅覺(jué)、電擊覺(jué)等都遵從感覺(jué)不與物理量的強(qiáng)度成正比，而是與對(duì)應(yīng)物理量的常用對(duì)數(shù)成正比的法則。該法則成為心理物理學(xué)的奠基性理論，為對(duì)數(shù)視力表等感覺(jué)強(qiáng)度的規(guī)范制定了量化標(biāo)準(zhǔn)，并一直延用至今。韋伯——費(fèi)希納定律（1850年左右）：

S=K1

logR=K2lnR

心理物理學(xué)定律人的一切感覺(jué)，包括視覺(jué)、聽(tīng)覺(jué)、膚覺(jué)（含痛、癢、151反映駕駛認(rèn)知的對(duì)數(shù)極坐標(biāo)系loga1=0，直角坐標(biāo)系中半徑為1的小圓內(nèi)的所有點(diǎn)，在對(duì)數(shù)極坐標(biāo)中全都塌縮為零點(diǎn)柵格角度1°最大環(huán)數(shù)100徑向長(zhǎng)度204m最小柵格徑向0.1m面積1cm2最大柵格徑向3.4m面積6

m2以車(chē)速36km/h為例視野100°200m（100環(huán)）100m（91環(huán)）10m（61環(huán)）5m（52環(huán)）注視點(diǎn)（聚焦點(diǎn)）：18m車(chē)速V與預(yù)瞄點(diǎn)f的關(guān)系：f=5.0771*e0.0254V

擬合系數(shù)=0.88燈下黑Grid1,

1°（a）Grid100,1°（b）反映駕駛認(rèn)知的對(duì)數(shù)極坐標(biāo)系loga1=0，直角坐標(biāo)系中半徑無(wú)人車(chē)決策控制-駕駛認(rèn)知的形式化課件車(chē)速

Km/h視野（視覺(jué)區(qū)）注意高度（與地平面夾角）注視點(diǎn)（聚焦點(diǎn)）動(dòng)視力（能見(jiàn)度）0210o30o3m1.518120o25o9m1.236100o20o18m1.15480o15o27m1.07270o12o36m0.810840o10o54m0.6駕駛員視野和車(chē)速相關(guān)車(chē)速V與注視點(diǎn)焦距f的關(guān)系：預(yù)瞄點(diǎn)f=5.0771*e0.0254V

擬合系數(shù)=0.88車(chē)速視野（視覺(jué)區(qū)）注意高度注視點(diǎn)動(dòng)視力0210o30o3感知、認(rèn)知的多坐標(biāo)系和坐標(biāo)系變換橢球地心坐標(biāo)系（貝賽爾1841坐標(biāo)系）GPS全球定位系統(tǒng)WGS-84坐標(biāo)系（地心空間經(jīng)高斯投影分帶形成的大地直角坐標(biāo)系）車(chē)姿慣導(dǎo)器件用坐標(biāo)系雷達(dá)用坐標(biāo)系（極坐標(biāo)系）攝像頭用坐標(biāo)系駕駛員認(rèn)知的坐標(biāo)系（對(duì)數(shù)極坐標(biāo)系）感知、認(rèn)知的多坐標(biāo)系和坐標(biāo)系變換橢球地心坐標(biāo)系（貝賽爾184155

駕駛員的認(rèn)知坐標(biāo)系近似為隨車(chē)而動(dòng)的對(duì)數(shù)極坐標(biāo)系，充分體現(xiàn)了選擇性注意！

在對(duì)數(shù)極坐標(biāo)系中統(tǒng)一標(biāo)定，不必對(duì)單一攝像頭或者雷達(dá)進(jìn)行SLAM,可分類(lèi)3個(gè)視覺(jué)通道分別完成GPS-SLAM、圖像SLAM、雷達(dá)SLAM，進(jìn)而完成iSLAM，融合駕駛態(tài)勢(shì)形成駕駛態(tài)勢(shì)圖！

駕駛員的先驗(yàn)知識(shí)，無(wú)論是駕駛地圖，還是車(chē)輛的動(dòng)力學(xué)性質(zhì)，都映射到駕駛員的認(rèn)知坐標(biāo)系中！駕駛員的認(rèn)知坐標(biāo)系近似為隨車(chē)而動(dòng)的對(duì)數(shù)極坐156三、駕駛腦架構(gòu)設(shè)計(jì)原則三、駕駛腦架構(gòu)設(shè)計(jì)原則

回顧近十年來(lái)我們參加的比賽和里程碑試驗(yàn)，智能車(chē)各種感知和認(rèn)知手段，相互依存，彼此纏繞。在各類(lèi)比賽場(chǎng)、測(cè)試場(chǎng)，智能車(chē)表現(xiàn)千奇百怪、反反復(fù)復(fù)，我們困惑過(guò)，迷茫過(guò)，試來(lái)試去，換車(chē)、換平臺(tái)、加電源、換模塊，通過(guò)多車(chē)交叉驗(yàn)證和常態(tài)試驗(yàn)，終于理出了頭緒，形成全新的駕駛腦設(shè)計(jì)!回顧近十年來(lái)我們參加的比賽和里程碑試驗(yàn)，智能車(chē)各種感知

和各種車(chē)載傳感器相比，駕駛腦的架構(gòu)設(shè)計(jì)、模塊劃分和界面約定才是智能車(chē)的生命力，進(jìn)而決定智能車(chē)產(chǎn)業(yè)的核心競(jìng)爭(zhēng)力！和各種車(chē)載傳感器相比，駕駛腦的架構(gòu)設(shè)計(jì)、模塊劃分和界面約架構(gòu)設(shè)計(jì)原則系統(tǒng)原則模塊原則表現(xiàn)原則快樂(lè)編程原則系統(tǒng)原則模塊原則表現(xiàn)原則NVIDIA

嵌入式超級(jí)計(jì)算機(jī)iDRIVE

機(jī)器駕駛腦架構(gòu)設(shè)計(jì)原則系統(tǒng)原則系統(tǒng)原則模塊原則表現(xiàn)原則NVIDIAi系統(tǒng)原則

明確任務(wù)目標(biāo)和系統(tǒng)約束，首先是明確不做什么，最大剔除，堅(jiān)持最簡(jiǎn)，其次才是明確做什么，尤其是做強(qiáng)什么。這一點(diǎn)成為駕駛腦架構(gòu)的特色和亮點(diǎn)。系統(tǒng)原則明確任務(wù)目標(biāo)和系統(tǒng)約束，首先是明確不做什么架構(gòu)師應(yīng)該確保駕駛腦架構(gòu)設(shè)計(jì)的普適性，當(dāng)某一傳感器或者某一認(rèn)知計(jì)算軟件性能提高后，仍然能夠保證駕駛腦的擴(kuò)展和智商的提高。對(duì)架構(gòu)師而言，傳感器的多少、駕駛智商的高低不應(yīng)該影響架構(gòu)；換一個(gè)新型傳感器或者軟件模塊新版本，如同汽車(chē)換一個(gè)車(chē)燈，換一個(gè)車(chē)輛平臺(tái)，甚至換一種駕駛風(fēng)格，都不會(huì)影響架構(gòu)。

架構(gòu)師應(yīng)該確保駕駛腦架構(gòu)設(shè)計(jì)的普適性，當(dāng)某一不做什么？為什么不做？要不要全地域的高精度地圖？要不要識(shí)別全程交通標(biāo)志牌？要不要做圖像和雷達(dá)的全程點(diǎn)云SLAM?要不要識(shí)別周邊行人姿態(tài)和情緒？要不要識(shí)別前方車(chē)輛種類(lèi)和品牌等？不做什么？為什么不做？要不要全地域的高精度地圖？先覺(jué)后視視而不覺(jué)邊視邊覺(jué)先視后覺(jué)根據(jù)前一時(shí)刻已擁有的路權(quán)，關(guān)注當(dāng)前路權(quán)的變化對(duì)周邊自然風(fēng)景、建筑風(fēng)格、行人年齡姿態(tài)行為、是不是美女、行人和寵物的差別、前方車(chē)輛品牌，是不是時(shí)尚等等，一律熟視無(wú)睹。常規(guī)的、帶GPU加速的計(jì)算機(jī)圖像處理強(qiáng)選擇性，利用記憶主動(dòng)感知，主觀尋找特定駕駛情境強(qiáng)調(diào)已有認(rèn)知協(xié)助當(dāng)前感知！做什么？先覺(jué)后視視而不覺(jué)邊視邊覺(jué)先視后覺(jué)根據(jù)前一時(shí)刻已擁有的路權(quán)，關(guān)做好什么？做強(qiáng)什么？專(zhuān)注駕駛和駕駛安全做好為智能車(chē)和駕駛員服務(wù)的駕駛地圖做強(qiáng)選擇性注意做強(qiáng)已有認(rèn)知協(xié)助當(dāng)前感知做強(qiáng)認(rèn)知工程學(xué)做好什么？做強(qiáng)什么？專(zhuān)注駕駛和駕駛安全明確任務(wù)目標(biāo)先跑通駕駛腦架構(gòu)，再優(yōu)化、升級(jí)模塊性能系統(tǒng)架構(gòu)要有普適性，既適用商用車(chē)，也適用乘用車(chē)，還適用特種車(chē)，最好適用所有輪式機(jī)器人架構(gòu)要穩(wěn)定，模塊可維護(hù)、可重用、可擴(kuò)展，可多車(chē)交叉驗(yàn)證，界面友好明確任務(wù)目標(biāo)先跑通駕駛腦架構(gòu)，再優(yōu)化、升級(jí)模塊性能分層與模塊化是智能車(chē)軟件工程的重要思想，上層對(duì)下層有數(shù)據(jù)依賴，縱向分開(kāi)的并列部分不直接關(guān)聯(lián)，不從模塊中導(dǎo)出函數(shù)，“絕招”和“臟”的代碼都被孤立在模塊的里面核心是工作總線和調(diào)試總線的切分，以及調(diào)試總線和自學(xué)習(xí)總線的復(fù)用確立“沒(méi)有哪個(gè)軟件模塊不會(huì)被再修改”的原則模塊切分原則分層與模塊化是智能車(chē)軟件工程的重要思想，上層對(duì)下層有數(shù)據(jù)依賴表現(xiàn)原則感知的結(jié)果表現(xiàn)為反映時(shí)序的點(diǎn)云圖簇，認(rèn)知的結(jié)果表現(xiàn)為駕駛態(tài)勢(shì)圖簇，決策的結(jié)果表現(xiàn)為認(rèn)知箭頭簇。三類(lèi)時(shí)空序列的2.5維的表現(xiàn)形態(tài)（CT圖）成為駕駛腦的特色和亮點(diǎn)。通過(guò)三類(lèi)存儲(chǔ)的時(shí)空序列的緩沖區(qū)隔離，防止死鎖，確保共享

表現(xiàn)原則感知的結(jié)果表現(xiàn)為反映時(shí)序的點(diǎn)云圖簇，認(rèn)知的結(jié)

軟件工程隨著遺產(chǎn)代碼的積累和進(jìn)化，新系統(tǒng)的架構(gòu)設(shè)計(jì)已經(jīng)取代傳統(tǒng)編碼成為軟件工程的核心問(wèn)題，軟件開(kāi)發(fā)已經(jīng)演變?yōu)榕渲脼橹鳌⒕幊虨檩o，駕駛腦研發(fā)也不例外。軟件工程隨著遺產(chǎn)代碼的積累和進(jìn)化，新系統(tǒng)的架構(gòu)設(shè)計(jì)已經(jīng)取

盡管架構(gòu)中模塊配置的過(guò)程本身還是通過(guò)模塊化編程的方式來(lái)完成，但本質(zhì)上這些模塊只是在定制成熟算法的運(yùn)作方式，其技術(shù)難度要比編寫(xiě)平臺(tái)自帶的、或者可以移植過(guò)來(lái)的高質(zhì)量的成熟算法（如函數(shù)庫(kù)）至少低一個(gè)數(shù)量級(jí)。悲催的是，多數(shù)人在認(rèn)真地做著相反的事。盡管架構(gòu)中模塊配置的過(guò)程本身還是通過(guò)模塊化編程的方式來(lái)完快樂(lè)編程原則基本算法不創(chuàng)新，盡量使用廣泛認(rèn)可的、成熟、開(kāi)源算法，移植到相應(yīng)軟件模塊明確算法中的輸入量和輸出量，自變量和參變量尤其明確試驗(yàn)中要調(diào)整的參變量（如預(yù)置閾值、權(quán)重、優(yōu)化系數(shù)、選擇性開(kāi)關(guān)等）以及參變量?jī)鼋Y(jié)的試驗(yàn)時(shí)間序編程AB角，離線調(diào)程序，在線調(diào)參數(shù)快樂(lè)編程原則基本算法不創(chuàng)新，盡量使用廣泛認(rèn)可的、成熟、開(kāi)源算體現(xiàn)人類(lèi)認(rèn)知的駕駛腦的架構(gòu)設(shè)計(jì)，是智能車(chē)項(xiàng)目的精髓。只要架構(gòu)適用，傳感器缺陷也好，軟件臟代碼也好，算法創(chuàng)新也好，車(chē)輛平臺(tái)的動(dòng)力學(xué)性質(zhì)也好，都是局部性的、暫時(shí)性的！體現(xiàn)人類(lèi)認(rèn)知的駕駛腦的架構(gòu)設(shè)計(jì)，是智能車(chē)項(xiàng)目的精

智能車(chē)傳感器的添加可以從少到多、從低級(jí)到高級(jí)，例如從單目相機(jī)到深度相機(jī)，甚至到雷達(dá)相機(jī)。但是，體現(xiàn)人類(lèi)認(rèn)知的駕駛腦架構(gòu)仍然不變。只要架構(gòu)合適了，智商提高的關(guān)鍵，轉(zhuǎn)向特定傳感器