首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

芝能热点|Tesla正在研究基于AI的自动驾驶规划控制

芝能汽车出品

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

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。

自动驾驶的规划控制框架和方法,主要包括以下方面:

◎车辆超车规划与跟踪

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。

◎规划控制整体架构

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。

◎规划方法

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。

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。

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。

  • 发表于:
  • 原文链接https://page.om.qq.com/page/Ondk7XLd3yMgRFKEKNAmeYrw0
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券