智聯(lián)網(wǎng)汽車技術(shù) 課件 任務(wù)8 智能決策系統(tǒng)

駕駛場(chǎng)景識(shí)別項(xiàng)目三汽車決策控制系統(tǒng)任務(wù)8智能決策系統(tǒng)智能網(wǎng)聯(lián)汽車技術(shù)課程導(dǎo)入場(chǎng)景識(shí)別技術(shù)是實(shí)現(xiàn)汽車自動(dòng)駕駛的關(guān)鍵技術(shù)之一學(xué)習(xí)目標(biāo)場(chǎng)景識(shí)別的概念01應(yīng)用場(chǎng)景02實(shí)現(xiàn)方法02學(xué)習(xí)任務(wù)能夠解釋場(chǎng)景識(shí)別的概念，舉例場(chǎng)景識(shí)別技術(shù)的應(yīng)用場(chǎng)景01激活舊知對(duì)場(chǎng)景識(shí)別技術(shù)了解多少?知道它在汽車自動(dòng)駕駛中的作用嗎?探索新知駕駛場(chǎng)景識(shí)別的定義車輛自身駕駛?cè)蝿?wù)和狀態(tài)車輛外部環(huán)境的道路周邊交通天氣光照?qǐng)鼍白鳛樾旭偔h(huán)境與汽車駕駛情景的綜合體現(xiàn)探索新知駕駛場(chǎng)景識(shí)別的定義場(chǎng)景駕駛汽車的決策駕駛汽車的感知不可預(yù)測(cè)性不可重復(fù)性不確定性探索新知駕駛場(chǎng)景識(shí)別的定義它通過(guò)車載傳感器感知道路環(huán)境，并識(shí)別無(wú)人駕駛汽車當(dāng)前所處的交通場(chǎng)景類型和細(xì)節(jié)信息。由于駕駛系統(tǒng)需要根據(jù)場(chǎng)景結(jié)果進(jìn)行行為決策，所以場(chǎng)景識(shí)別的效果直接影響到自動(dòng)駕駛的表現(xiàn)。場(chǎng)景識(shí)別的應(yīng)用場(chǎng)景之一是道路場(chǎng)景識(shí)別探索新知駕駛場(chǎng)景識(shí)別的定義場(chǎng)景識(shí)別是指利用計(jì)算機(jī)等設(shè)備，對(duì)駕駛場(chǎng)景進(jìn)行準(zhǔn)確判斷和認(rèn)知。它是汽車智能駕駛的關(guān)鍵技術(shù)之一，對(duì)感知和決策控制都有重要影響。探索新知駕駛場(chǎng)景識(shí)別的方法1、基于視覺(jué)的場(chǎng)景識(shí)別這類方法容易受到環(huán)境變化的影響，造成錯(cuò)誤匹配和識(shí)別失敗。利用手工設(shè)計(jì)或深度學(xué)習(xí)等方式提取圖像特征編碼這些特征計(jì)算不同圖像特征之間的相似度根據(jù)相似度判斷是否為同一場(chǎng)景探索新知駕駛場(chǎng)景識(shí)別的方法2、基于圖像的場(chǎng)景識(shí)別這類方法利用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)場(chǎng)景圖像的高級(jí)特征表示，可以獲得比手工設(shè)計(jì)特征更強(qiáng)的判別能力和抗干擾能力。目前基于深度學(xué)習(xí)的方法在場(chǎng)景識(shí)別領(lǐng)域已成為主流。探索新知駕駛場(chǎng)景識(shí)別的方法場(chǎng)景特征描述利用圖像的像素信息進(jìn)行建模先理解圖像內(nèi)容再進(jìn)行建模A基于底層視覺(jué)特征B基于中層語(yǔ)義特征探索新知駕駛場(chǎng)景識(shí)別的方法A超聲波雷達(dá)B激光雷達(dá)C攝像頭DGPS模塊由于在隧道或樹(shù)林環(huán)境下，GPS信號(hào)會(huì)不穩(wěn)定，因此GPS模塊主要用于定位，而不用于場(chǎng)景識(shí)別。探索新知駕駛場(chǎng)景識(shí)別的方法障礙物感知提高安全性探索新知駕駛場(chǎng)景識(shí)別的方法僅僅依靠激光雷達(dá)和超聲波雷達(dá)是不夠的，因?yàn)椴煌男熊噲?chǎng)景面臨的情況各不相同，所以無(wú)人駕駛汽車還需要有場(chǎng)景識(shí)別的能力，根據(jù)識(shí)別結(jié)果預(yù)測(cè)可能發(fā)生的情況，盡量規(guī)避風(fēng)險(xiǎn)。探索新知駕駛場(chǎng)景識(shí)別的方法傳統(tǒng)的計(jì)算機(jī)視覺(jué)算法通常根據(jù)圖像序列進(jìn)行計(jì)算,來(lái)獲取場(chǎng)景信息并實(shí)現(xiàn)場(chǎng)景識(shí)別。但當(dāng)場(chǎng)景變得復(fù)雜時(shí),傳統(tǒng)算法的識(shí)別效果會(huì)受到限制。探索新知駕駛場(chǎng)景識(shí)別的方法近年來(lái)，GPU技術(shù)和深度學(xué)習(xí)算法獲得了長(zhǎng)足發(fā)展，特別是卷積神經(jīng)網(wǎng)絡(luò)的提出，讓深度學(xué)習(xí)在許多領(lǐng)域取得進(jìn)步?；谏疃葘W(xué)習(xí)的計(jì)算機(jī)視覺(jué)算法克服了傳統(tǒng)算法的局限，可以通過(guò)對(duì)數(shù)據(jù)訓(xùn)練，識(shí)別不同物體，并進(jìn)行場(chǎng)景判斷，效果更佳。探索新知駕駛場(chǎng)景識(shí)別的方法01目前，抽道路場(chǎng)景的訓(xùn)練數(shù)據(jù)已經(jīng)足夠充分，可以實(shí)現(xiàn)很好的識(shí)別效果。02實(shí)際環(huán)境可能更為復(fù)雜，還需要積累數(shù)據(jù)和技術(shù)來(lái)提高對(duì)各種場(chǎng)景的識(shí)別能力。探索新知駕駛場(chǎng)景識(shí)別的方法深度學(xué)習(xí)具備從高維數(shù)據(jù)中提取復(fù)雜特征的強(qiáng)大能力，在場(chǎng)景識(shí)別領(lǐng)域具有很好的應(yīng)用前景，是提高無(wú)人駕駛系統(tǒng)場(chǎng)景識(shí)別準(zhǔn)確性和魯棒性的重要研究方向。綜上所述即時(shí)檢測(cè)小測(cè)試你能舉一個(gè)場(chǎng)景識(shí)別技術(shù)在自動(dòng)駕駛中的應(yīng)用實(shí)例嗎？

場(chǎng)景識(shí)別讓汽車可以根據(jù)場(chǎng)景情況作出駕駛決策小結(jié)場(chǎng)景識(shí)別是自動(dòng)駕駛的重要技術(shù)，可以讓汽車識(shí)別外部環(huán)境傳統(tǒng)方法有局限，深度學(xué)習(xí)方法更準(zhǔn)確謝謝觀看THANKS智能網(wǎng)聯(lián)汽車技術(shù)跟蹤與導(dǎo)航項(xiàng)目三汽車決策控制系統(tǒng)任務(wù)8智能決策系統(tǒng)智能網(wǎng)聯(lián)汽車技術(shù)主講人：曾鑫課程導(dǎo)入汽車跟蹤和導(dǎo)航系統(tǒng)能做什么呢？學(xué)習(xí)目標(biāo)汽車跟蹤導(dǎo)航系統(tǒng)的組成部分，解釋數(shù)據(jù)是如何從移動(dòng)終端采集，經(jīng)網(wǎng)絡(luò)傳輸?shù)椒?wù)器，并在數(shù)據(jù)庫(kù)中存儲(chǔ)和處理的01學(xué)習(xí)任務(wù)完成對(duì)汽車跟蹤導(dǎo)航系統(tǒng)組成、工作原理和算法的講解01激活舊知導(dǎo)航系統(tǒng)是如何獲取車輛位置信息的嗎?圖8-9系統(tǒng)物理架構(gòu)圖探索新知跟蹤與導(dǎo)航的組成A移動(dòng)終端B無(wú)線通信網(wǎng)絡(luò)C跟蹤導(dǎo)航服務(wù)器D數(shù)據(jù)庫(kù)探索新知跟蹤與導(dǎo)航的組成1、移動(dòng)終端GPS模塊AB環(huán)境感知模塊GPS模塊可以接收衛(wèi)星信號(hào)，實(shí)時(shí)獲取車輛的經(jīng)緯度坐標(biāo)，也就是車輛的位置數(shù)據(jù)。環(huán)境感知模塊可以檢測(cè)車輛的駕駛速度和方向。探索新知跟蹤與導(dǎo)航的組成2、無(wú)線通信網(wǎng)絡(luò)無(wú)線通信網(wǎng)絡(luò)這里采用的是GPRS網(wǎng)絡(luò)。它為移動(dòng)終端和服務(wù)器之間提供了數(shù)據(jù)傳輸通道，可以將終端采集到的車輛位置、速度等數(shù)據(jù)安全可靠地發(fā)送到服務(wù)器。探索新知跟蹤與導(dǎo)航的組成3、跟蹤導(dǎo)航服務(wù)器服務(wù)器接收并解析終端發(fā)送來(lái)的數(shù)據(jù)，將其保存到數(shù)據(jù)庫(kù)中。服務(wù)器還具有數(shù)據(jù)可視化功能，可以將采集到的車輛數(shù)據(jù)實(shí)時(shí)地可視化顯示出來(lái)，實(shí)現(xiàn)車輛監(jiān)控。探索新知跟蹤與導(dǎo)航的組成4、數(shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)負(fù)責(zé)存儲(chǔ)服務(wù)器解析后的數(shù)據(jù)。服務(wù)器需要從數(shù)據(jù)庫(kù)中提取數(shù)據(jù)進(jìn)行處理，以實(shí)時(shí)跟蹤車輛并規(guī)劃導(dǎo)航路線。探索新知跟蹤與導(dǎo)航如何工作PART1移動(dòng)終端的采集PART2數(shù)據(jù)的網(wǎng)絡(luò)傳輸PART3服務(wù)器的解析和存儲(chǔ)移動(dòng)終端安裝在車輛上當(dāng)車輛行駛時(shí)，終端的GPS模塊會(huì)實(shí)時(shí)獲取車輛的位置坐標(biāo)，環(huán)境感知模塊會(huì)檢測(cè)車輛的速度和方向。終端將采集到的車輛位置、速度、方向等數(shù)據(jù)，通過(guò)GPRS網(wǎng)絡(luò)安全傳輸?shù)椒?wù)器。服務(wù)器接收到終端發(fā)送的數(shù)據(jù)后，會(huì)進(jìn)行解析和處理。解析出車輛的位置坐標(biāo)、速度等參數(shù)后，將這些數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)中。探索新知跟蹤與導(dǎo)航如何工作4、數(shù)據(jù)的處理和顯示5、導(dǎo)航路線規(guī)劃服務(wù)器從數(shù)據(jù)庫(kù)中調(diào)用車輛的數(shù)據(jù)，結(jié)合地圖可視化功能，在頁(yè)面上實(shí)時(shí)顯示出車輛的位置和移動(dòng)過(guò)程，實(shí)現(xiàn)對(duì)車輛的監(jiān)控跟蹤。在確定車輛當(dāng)前位置的基礎(chǔ)上，服務(wù)器可以規(guī)劃出車輛當(dāng)前位置到目標(biāo)位置的最優(yōu)導(dǎo)航路線。探索新知如何實(shí)現(xiàn)跟蹤與跟蹤方法1、MeanShift算法這是一種基于顏色的跟蹤算法。它會(huì)locks定目標(biāo)的顏色特征，然后在后續(xù)的視頻幀中找到與該顏色特征最接近的圖像區(qū)域，從而鎖定目標(biāo)的新位置，完成跟蹤。探索新知如何實(shí)現(xiàn)跟蹤與跟蹤方法2、卡爾曼濾波卡爾曼濾波結(jié)合跟蹤，對(duì)目標(biāo)位置進(jìn)行統(tǒng)計(jì)預(yù)測(cè)和校正，以提高定位精度和跟蹤穩(wěn)定性。它預(yù)測(cè)目標(biāo)的可能位置分布，并利用新采樣修正預(yù)測(cè)，得到更準(zhǔn)確的目標(biāo)定位。探索新知如何實(shí)現(xiàn)跟蹤與跟蹤方法3、光流跟蹤法光流跟蹤是計(jì)算圖像中所有點(diǎn)的移動(dòng)速度和方向，判斷物體運(yùn)動(dòng)情況的一種跟蹤算法。它可以在無(wú)須提前知道目標(biāo)的情況下，通過(guò)光流場(chǎng)計(jì)算實(shí)現(xiàn)目標(biāo)跟蹤。探索新知如何實(shí)現(xiàn)跟蹤與跟蹤方法4、其他算法粒子濾波跟蹤、基于壓縮感知的跟蹤，以及支持向量機(jī)等機(jī)器學(xué)習(xí)方法。這些算法都在目標(biāo)跟蹤領(lǐng)域有著廣泛的研究應(yīng)用。探索新知如何實(shí)現(xiàn)跟蹤與跟蹤方法跟蹤導(dǎo)航系統(tǒng)中使用了多種算法相結(jié)合的方式來(lái)提高跟蹤性能。這些算法各有優(yōu)勢(shì)，能夠?qū)崿F(xiàn)魯棒精確的目標(biāo)跟蹤，是這個(gè)系統(tǒng)的核心技術(shù)之一。即時(shí)檢測(cè)小測(cè)試常見(jiàn)的跟蹤算法有哪些呢？你們能舉一些例子嗎？小結(jié)它通過(guò)移動(dòng)終端采集車輛數(shù)據(jù)，經(jīng)網(wǎng)絡(luò)發(fā)送到服務(wù)器，在數(shù)據(jù)庫(kù)中存儲(chǔ)并處理這些數(shù)據(jù)，從而實(shí)現(xiàn)對(duì)車輛的跟蹤和導(dǎo)航。服務(wù)器數(shù)據(jù)庫(kù)網(wǎng)絡(luò)移動(dòng)終端汽車跟蹤導(dǎo)航系統(tǒng)謝謝觀看THANKS智能網(wǎng)聯(lián)汽車技術(shù)路徑?jīng)Q策和異常處理項(xiàng)目三汽車決策控制系統(tǒng)任務(wù)8智能決策系統(tǒng)智能網(wǎng)聯(lián)汽車技術(shù)主講人：曾鑫課程導(dǎo)入A路徑規(guī)劃B速度控制C異常處理路徑?jīng)Q策系統(tǒng)在復(fù)雜環(huán)境中的表現(xiàn)不佳。它可以在簡(jiǎn)單環(huán)境中規(guī)劃出Smooth的路線，但一旦遇到復(fù)雜交通條件，就會(huì)容易陷入死循環(huán)，最終無(wú)法順利完成導(dǎo)航任務(wù)。學(xué)習(xí)目標(biāo)學(xué)習(xí)路徑?jīng)Q策的三級(jí)架構(gòu)，解釋各層級(jí)的功能定位，并分析可能導(dǎo)致路徑規(guī)劃失敗的原因，最終找出可行的優(yōu)化思路01學(xué)習(xí)任務(wù)根據(jù)提供的路徑?jīng)Q策系統(tǒng)框架圖，描述各層級(jí)的功能，討論如何提升系統(tǒng)在復(fù)雜環(huán)境中的規(guī)劃能力01激活舊知我們平時(shí)開(kāi)車的時(shí)候，如果來(lái)到一個(gè)陌生的地方，想要到達(dá)某個(gè)目的地，我們通常如何確定行駛的路徑?先在導(dǎo)航軟件中輸入目的地不同路徑的距離和預(yù)計(jì)用時(shí)對(duì)各條路徑進(jìn)行對(duì)比分析選擇最合適的一條進(jìn)行導(dǎo)航探索新知路徑?jīng)Q策它主要負(fù)責(zé)根據(jù)環(huán)境信息智能規(guī)劃車輛的駕駛路徑。路徑?jīng)Q策系統(tǒng)通常包含三級(jí)任務(wù)分工，分別是道路級(jí)、車道層級(jí)和行駛級(jí)。自動(dòng)駕駛系統(tǒng)中非常關(guān)鍵的一個(gè)環(huán)節(jié)探索新知路徑?jīng)Q策道路級(jí)路徑?jīng)Q策系統(tǒng)需要進(jìn)行全局的任務(wù)規(guī)劃。這需要充分考慮目的地位置、道路條件、交通狀況等多種因素，以確定從起點(diǎn)到終點(diǎn)的整體行駛路線。道路層需要處理諸如在高速路或一般道路行駛等戰(zhàn)略性規(guī)劃。探索新知路徑?jīng)Q策車道級(jí)路徑?jīng)Q策系統(tǒng)會(huì)根據(jù)道路級(jí)任務(wù)規(guī)劃的結(jié)果，結(jié)合周邊車輛和路況信息，確定車輛在當(dāng)前車道內(nèi)的具體軌跡。這涉及到更細(xì)致的車輛控制，比如變道、停車等操作。探索新知路徑?jīng)Q策行駛級(jí)路徑?jīng)Q策系統(tǒng)會(huì)根據(jù)前后車的距離和速度關(guān)系，做出具體的速度控制、轉(zhuǎn)向等動(dòng)作決策，以完成車道層規(guī)劃的軌跡執(zhí)行。探索新知路徑?jīng)Q策從道路到車道到行駛，路徑?jīng)Q策系統(tǒng)逐步進(jìn)行從抽象到具體的過(guò)程，最終指導(dǎo)車輛完成導(dǎo)航任務(wù)。而其決策依據(jù)全部來(lái)自感知模塊對(duì)環(huán)境信息的采集和處理。探索新知路徑?jīng)Q策如果在這個(gè)復(fù)雜的決策流程中的任何一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題，都會(huì)導(dǎo)致路徑選擇產(chǎn)生偏差，甚至導(dǎo)致決策系統(tǒng)失效。這需要我們從感知源頭和算法水平不斷優(yōu)化，以實(shí)現(xiàn)更智能可靠的自動(dòng)駕駛路徑規(guī)劃。探索新知異常處理異常處理是自動(dòng)駕駛決策系統(tǒng)中另一個(gè)非常重要的模塊。它主要負(fù)責(zé)在系統(tǒng)運(yùn)行過(guò)程中出現(xiàn)異常時(shí)的安全響應(yīng)。汽車在自動(dòng)駕駛模式下,會(huì)遇到各種突發(fā)情況,比如車輛本身故障、傳感器失效、算法錯(cuò)誤等。這些都有可能導(dǎo)致系統(tǒng)失控,危及乘客安全。探索新知異常處理BA決策系統(tǒng)應(yīng)對(duì)能力快速檢測(cè)預(yù)測(cè)模型判斷當(dāng)前輸出預(yù)期輸出誤差探索新知異常處理1、基于預(yù)測(cè)的異常檢測(cè)技術(shù)通過(guò)建立系統(tǒng)的預(yù)測(cè)模型監(jiān)測(cè)當(dāng)前輸出與模型預(yù)測(cè)輸出之間的誤差誤差超過(guò)設(shè)定閾值，則判定為異常適用于有周期規(guī)律的異常檢測(cè)自回歸綜合移動(dòng)平均模型等進(jìn)行時(shí)間序列預(yù)測(cè)探索新知異常處理2、基于聚類的異常檢測(cè)技術(shù)這類技術(shù)通過(guò)無(wú)監(jiān)督學(xué)習(xí)的聚類算法,根據(jù)樣本之間的相似性對(duì)數(shù)據(jù)進(jìn)行自動(dòng)分類。數(shù)量極小的簇會(huì)被判斷為異常數(shù)據(jù)。這類方法適用于樣本數(shù)量巨大的場(chǎng)景。探索新知異常處理3、基于變分自編碼的異常檢測(cè)技術(shù)運(yùn)用深度學(xué)習(xí)的編碼器——解碼器結(jié)構(gòu)，對(duì)輸入進(jìn)行壓縮編碼，然后評(píng)估解碼恢復(fù)的可能性?；謴?fù)程度低的則判定為異常樣本，這種技術(shù)能處理樣本相關(guān)性復(fù)雜的場(chǎng)景。實(shí)際應(yīng)用中，可以根據(jù)具體問(wèn)題，選擇單一或混合使用多種異常檢測(cè)技術(shù)，以提高系統(tǒng)的健壯性。探索新知異常處理由各種傳感器采集的運(yùn)行數(shù)據(jù)質(zhì)量直接影響決策的效果。一旦出現(xiàn)數(shù)據(jù)缺失或異常，就需要進(jìn)行處理以補(bǔ)充或校正數(shù)據(jù)。探索新知異常處理1、基于統(tǒng)計(jì)學(xué)的填補(bǔ)策略這類方法利用樣本的統(tǒng)計(jì)特征如均值、眾數(shù)等進(jìn)行簡(jiǎn)單填補(bǔ)，或直接使用隨機(jī)數(shù)填充，適用于小數(shù)據(jù)集中個(gè)別缺失值的處理。探索新知異常處理2、基于模型的多重填補(bǔ)法該策略使用多種模型重復(fù)預(yù)測(cè)缺失值，再整合結(jié)果作為最終填補(bǔ)值。通過(guò)多模型綜合，能夠提高填補(bǔ)效果。探索新知異常處理3、基于期望最大化算法的填補(bǔ)方法該方法通過(guò)假設(shè)數(shù)據(jù)符合某種分布，引入隱變量進(jìn)行模型訓(xùn)練，以迭代方式預(yù)測(cè)缺失值。它可以處理大規(guī)模缺失，但收斂速度取決于具體數(shù)據(jù)。數(shù)據(jù)異常處理也需要根據(jù)實(shí)際情況選擇策略。只有通過(guò)數(shù)據(jù)的質(zhì)量控制，才能為后續(xù)的決策分析算法提供可靠的輸入，確保系統(tǒng)的整體性能。探索新知異常處理在自動(dòng)駕駛汽車的實(shí)際運(yùn)營(yíng)中，制造商需要針對(duì)可能出現(xiàn)的各種異常情況提出應(yīng)對(duì)方案，這直接關(guān)乎到系統(tǒng)的安全性和可靠性。探索新知異常處理1、故障運(yùn)行（failoperational）即使關(guān)鍵部件或控制系統(tǒng)發(fā)生故障，汽車也應(yīng)具有在有限時(shí)間內(nèi)保持運(yùn)營(yíng)的能力。這需要冗余系統(tǒng)進(jìn)行故障補(bǔ)償，確保繼續(xù)執(zhí)行導(dǎo)航任務(wù)。探索新知異常處理2、故障安全/故障降級(jí)（faildegraded）需要安全停止車輛。這可能需要車輛停在當(dāng)前行駛車道上，或引導(dǎo)其移動(dòng)到路邊停車帶。同時(shí)要避免產(chǎn)生二次事故。通過(guò)各種層次的應(yīng)用響應(yīng)，異常處理系統(tǒng)才能對(duì)復(fù)雜情況進(jìn)行有效應(yīng)對(duì)。這需要持續(xù)研發(fā)來(lái)提升自動(dòng)駕駛汽車的安全性和智能化程度。系統(tǒng)無(wú)法維持正常運(yùn)行時(shí)即時(shí)檢測(cè)小測(cè)試當(dāng)自動(dòng)駕駛汽車進(jìn)行路徑選擇時(shí)，如果前方道路出現(xiàn)交通事故導(dǎo)致臨時(shí)封閉，這個(gè)異常情況下汽車應(yīng)該如何更新路徑規(guī)劃？小結(jié)也要牢記安全第一的理念，只有智能但不冒進(jìn)，自動(dòng)駕駛才能真正服務(wù)社會(huì)?？梢杂涀　叭角薄兄杉⒅悄芤?guī)劃、故障應(yīng)對(duì)，這是實(shí)現(xiàn)自動(dòng)駕駛的關(guān)鍵。自動(dòng)駕駛汽車異常處理自動(dòng)駕駛汽車路徑?jīng)Q策謝謝觀看THANKS智能網(wǎng)聯(lián)汽車技術(shù)有限狀態(tài)機(jī)法項(xiàng)目三汽車決策控制系統(tǒng)任務(wù)8智能決策系統(tǒng)智能網(wǎng)聯(lián)汽車技術(shù)主講人：曾鑫課程導(dǎo)入A環(huán)境感知B規(guī)劃決策C控制執(zhí)行決策控制系統(tǒng)中，一個(gè)核心問(wèn)題是如何設(shè)計(jì)汽車的決策模塊，使汽車能根據(jù)不同的駕駛環(huán)境狀況，做出正確的決策行為。學(xué)習(xí)目標(biāo)理解什么是有限狀態(tài)機(jī)，說(shuō)明它的概念、組成、分類和應(yīng)用方法。設(shè)計(jì)一個(gè)汽車決策系統(tǒng)的有限狀態(tài)機(jī)模型01學(xué)習(xí)任務(wù)根據(jù)不同的駕駛場(chǎng)景，定義各種狀態(tài)01根據(jù)事件條件設(shè)定狀態(tài)之間的轉(zhuǎn)移關(guān)系，以及各狀態(tài)的動(dòng)作執(zhí)行模塊02激活舊知自動(dòng)駕駛汽車的核心系統(tǒng)包含哪些部件嗎？它們各自的作用是什么？先在導(dǎo)航軟件中輸入目的地不同路徑的距離和預(yù)計(jì)用時(shí)對(duì)各條路徑進(jìn)行對(duì)比分析選擇最合適的一條進(jìn)行導(dǎo)航探索新知概念有限狀態(tài)機(jī)（Finite-StateMachine，簡(jiǎn)稱FSM）又被稱為有限自動(dòng)機(jī)，是用于描述特定狀態(tài)之間轉(zhuǎn)移和動(dòng)作轉(zhuǎn)換的數(shù)學(xué)模型。探索新知概念1、總體的狀態(tài)數(shù)量為有限個(gè)一個(gè)狀態(tài)機(jī)系統(tǒng)不能包含無(wú)限多個(gè)狀態(tài)，狀態(tài)的個(gè)數(shù)是有限的。探索新知概念2、在任意時(shí)刻狀態(tài)機(jī)都處于一個(gè)特定的狀態(tài)下一個(gè)狀態(tài)機(jī)在某一時(shí)刻只會(huì)處于一個(gè)狀態(tài)，不可能同時(shí)處于多個(gè)狀態(tài)。探索新知概念3、當(dāng)特定的事件發(fā)生滿足轉(zhuǎn)移條件，觸發(fā)了狀態(tài)轉(zhuǎn)移后，還會(huì)執(zhí)行相應(yīng)的動(dòng)作導(dǎo)致?tīng)顟B(tài)機(jī)從一個(gè)狀態(tài)轉(zhuǎn)移到另一個(gè)狀態(tài)的條件被滿足時(shí)，就會(huì)發(fā)生狀態(tài)轉(zhuǎn)移；在轉(zhuǎn)移的同時(shí)，狀態(tài)機(jī)還會(huì)進(jìn)行某個(gè)動(dòng)作或操作。探索新知概念3、當(dāng)特定的事件發(fā)生滿足轉(zhuǎn)移條件，觸發(fā)了狀態(tài)轉(zhuǎn)移后，還會(huì)執(zhí)行相應(yīng)的動(dòng)作當(dāng)前是紅燈時(shí)，當(dāng)計(jì)時(shí)結(jié)束事件發(fā)生，就會(huì)由紅燈狀態(tài)轉(zhuǎn)移到綠燈狀態(tài)，并切換交通燈的顏色。一個(gè)交通燈狀態(tài)機(jī)包含紅燈、綠燈兩個(gè)狀態(tài)停車換道超車避讓緩慢行駛狀態(tài)機(jī)模型通過(guò)構(gòu)建有限的有向連通圖來(lái)描述不同的駕駛狀態(tài)以及狀態(tài)之間的轉(zhuǎn)移關(guān)系，從而根據(jù)駕駛狀態(tài)的遷移反應(yīng)式地生成駕駛動(dòng)作。探索新知組成狀態(tài)A轉(zhuǎn)移B事件C動(dòng)作D探索新知組成用于描述對(duì)象的形態(tài)一個(gè)量，存在于整個(gè)過(guò)程之間，分別有初始狀態(tài)、最終狀態(tài)、轉(zhuǎn)移后狀態(tài)等，系統(tǒng)處于某種狀態(tài)是由特定的事件觸發(fā)所來(lái)決定的。狀態(tài)描述了狀態(tài)機(jī)在某一個(gè)時(shí)刻的情況。狀態(tài)導(dǎo)致有限狀態(tài)機(jī)狀態(tài)發(fā)生變化的輸入，通常是由特定的轉(zhuǎn)換過(guò)程和特定的輸入格式。事件是外部對(duì)狀態(tài)機(jī)的刺激或觸發(fā)。事件探索新知組成各個(gè)狀態(tài)間可以相互切換的轉(zhuǎn)換路徑，特定的事件發(fā)生滿足狀態(tài)轉(zhuǎn)換條件則就會(huì)在相應(yīng)的狀態(tài)之間進(jìn)行轉(zhuǎn)移。轉(zhuǎn)移描述了在發(fā)生某事件時(shí)，狀態(tài)從一個(gè)轉(zhuǎn)到另一個(gè)的過(guò)程。轉(zhuǎn)移表示狀態(tài)轉(zhuǎn)移后執(zhí)行的具體操作行為，也是有限狀態(tài)機(jī)不可以分割的一部分。動(dòng)作發(fā)生在轉(zhuǎn)移的同時(shí)。動(dòng)作探索新知組成一個(gè)交通燈狀態(tài)機(jī)，紅燈是其中一個(gè)狀態(tài)，計(jì)時(shí)結(jié)束是事件，從紅燈到綠燈是轉(zhuǎn)移，切換燈光顏色是動(dòng)作，狀態(tài)、事件、轉(zhuǎn)移和動(dòng)作共同構(gòu)成一個(gè)狀態(tài)機(jī)系統(tǒng)。探索新知分類串聯(lián)式并聯(lián)式混聯(lián)式有限狀態(tài)機(jī)狀態(tài)分解探索新知分類1、串聯(lián)式結(jié)構(gòu)串聯(lián)式結(jié)構(gòu)的有限狀態(tài)機(jī)系統(tǒng)，是指輸出僅僅和系統(tǒng)狀態(tài)有關(guān)，與輸入信號(hào)無(wú)關(guān)。其子狀態(tài)按照串聯(lián)結(jié)構(gòu)連接，狀態(tài)轉(zhuǎn)移大多為單向，不構(gòu)成環(huán)路。串聯(lián)式結(jié)構(gòu)如一個(gè)程序流程圖，從開(kāi)始狀態(tài)執(zhí)行到結(jié)束狀態(tài)，狀態(tài)間線性連接。這種結(jié)構(gòu)邏輯明確、規(guī)劃推理能力強(qiáng)，但對(duì)復(fù)雜問(wèn)題的適應(yīng)性較差。聯(lián)式結(jié)構(gòu)的有限狀態(tài)機(jī)狀態(tài)組合邏輯輸入狀態(tài)寄存器輸出邏輯輸出并聯(lián)式結(jié)構(gòu)各子狀態(tài)相對(duì)獨(dú)立，根據(jù)不同輸入激活不同狀態(tài)。這種結(jié)構(gòu)遍歷狀態(tài)廣，模塊性好，但系統(tǒng)缺乏時(shí)序性，狀態(tài)劃分容易出現(xiàn)灰色地帶。探索新知分類2、并聯(lián)式結(jié)構(gòu)并聯(lián)式結(jié)構(gòu)是指輸出與系統(tǒng)狀態(tài)和輸入均有關(guān)系的有限狀態(tài)機(jī)。各子狀態(tài)輸入、輸出呈現(xiàn)多節(jié)點(diǎn)連接結(jié)構(gòu)，根據(jù)不同輸入信息，可直接進(jìn)入不同子狀態(tài)進(jìn)行處理并提供輸出。并聯(lián)式結(jié)構(gòu)狀態(tài)機(jī)原理圖狀態(tài)組合