广告

芝能热点|Tesla正在研究基于AI的自动驾驶规划控制

2023-08-07 汽车电子设计 阅读:
芝能汽车出品ElonMusk最近宣布,特斯拉正全力攻克自动驾驶技术的最后难关:车辆控制。他再次预言,特斯拉将在今年年底前实现完全自动驾驶。作为这一计划的一部分,特斯拉正在转向更多地依赖神经网络来控制车

Elon Musk最近宣布,特斯拉正全力攻克自动驾驶技术的最后难关:车辆控制。他再次预言,特斯拉将在今年年底前实现完全自动驾驶eXkednc

作为这一计划的一部分,特斯拉正在转向更多地依赖神经网络来控制车辆,以减少C++控制代码的使用。虽然特斯拉正在积极训练这些神经网络,但训练计算仍然是一个限制因素。eXkednc

自动驾驶的规划控制框架和方法,主要包括以下方面:eXkednc

 车辆超车规划与跟踪eXkednc

超车是一个涉及车辆侧向和纵向运动的复杂任务。超车操作包括换道到超车道、通过前车、换道回原车道等,并需要避免与其他车辆的碰撞。超车规划涉及车辆动力学和环境约束,以及对周围障碍物的精确知识。eXkednc

 规划控制整体架构eXkednc

自动驾驶的规划控制可分为三个主要层次:任务规划、行为规划和运动规划。任务规划涉及确定车辆的长期目标和路线,行为规划涉及制定车辆与其他交通参与者的交互行为模型,运动规划涉及确定车辆的具体轨迹和动作。eXkednc

 规划方法eXkednc

常用的规划方法包括基于图搜索的算法(如Dijkstra和A*)、采样点搜索算法(如RRT和PRM)、模型预测控制(MPC)等。其中,MPC是一种基于模型的优化控制方法,可以显式处理约束条件,并具有较好的控制效果和鲁棒性。轨迹产生分为基于传感器和基于动力学两类方法,跟踪则采用几何法和模型法。几何法包括Pure Pursuit和Stanley方法,而模型法则是基于MPC的不同方法。eXkednc

特斯拉希望整个过程能实现端到端(E2E)的控制,这目标颇具野心。近期,特斯拉开始部署超级计算机Dojo,这可能有助于加快训练支持全自动驾驶(FSD)的神经网络的速度。Dojo计划和系统改进速度的加快可能给这一目标带来一线希望。eXkednc

不过,只有时间能告诉我们,特斯拉是否能实现其设置的期限并克服自动驾驶的最后一道难题。eXkednc

eXkednc

eXkednc

责编:Franklin
文章来源及版权属于汽车电子设计,EDN电子技术设计仅作转载分享,对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。如有疑问,请联系Demi.xia@aspencore.com
汽车电子设计
博主和汽车电子的行业的工程师们一起交流、探讨、思考的小结,以作为技术交流和沟通的桥梁。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了