期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于平行测试的认知自动驾驶智能架构研究
1
作者 王晓 张翔宇 +4 位作者 周锐 田永林 王建功 陈龙 孙长银 《自动化学报》 EI CAS CSCD 2024年第2期356-371,共16页
在大数据、云计算和机器学习等新一代人工智能技术的推动下,自动驾驶的感知智能在近年来得到显著的提升与发展.然而,与人类驾驶过程中隐含的以自我目的实现为引导的自探索性和自主性相比,现阶段自动驾驶技术主要以辅助驾驶功能为主,还... 在大数据、云计算和机器学习等新一代人工智能技术的推动下,自动驾驶的感知智能在近年来得到显著的提升与发展.然而,与人类驾驶过程中隐含的以自我目的实现为引导的自探索性和自主性相比,现阶段自动驾驶技术主要以辅助驾驶功能为主,还停留在以被动感知、规划与控制为主的初级智能自动驾驶阶段.为实现车辆智能从数据驱动的环境感知、辅助决策、被动规划到知识驱动的场景认知、推理决策、主动规划的提升,亟需增强车辆自身对复杂外界信息归纳提炼、推理决策、评价估计等类人能力.首先回顾自动驾驶关键技术演化及其应用发展历程;随后分析测试对车辆智能评估的效用;然后基于平行测试理论,提出自动驾驶车辆认知智能训练、测试与评估空间的构建方法,并设计基于平行测试的认知自动驾驶智能训练框架.该项研究工作预期能为推动自动驾驶从感知智能向认知智能的升级提供可行的技术支撑与实现路径. 展开更多
关键词 认知自动驾驶 平行测试 平行驾驶 车辆认知智能
下载PDF
基于因果建模的强化学习控制:现状及展望 被引量:1
2
作者 孙悦雯 柳文章 孙长银 《自动化学报》 EI CAS CSCD 北大核心 2023年第3期661-677,共17页
基于因果建模的强化学习技术在智能控制领域越来越受欢迎.因果技术可以挖掘控制系统中的结构性因果知识,并提供了一个可解释的框架,允许人为对系统进行干预并对反馈进行分析.量化干预的效果使智能体能够在复杂的情况下(例如存在混杂因... 基于因果建模的强化学习技术在智能控制领域越来越受欢迎.因果技术可以挖掘控制系统中的结构性因果知识,并提供了一个可解释的框架,允许人为对系统进行干预并对反馈进行分析.量化干预的效果使智能体能够在复杂的情况下(例如存在混杂因子或非平稳环境)评估策略的性能,提升算法的泛化性.本文旨在探讨基于因果建模的强化学习控制技术(以下简称因果强化学习)的最新进展,阐明其与控制系统各个模块的联系.首先介绍了强化学习的基本概念和经典算法,并讨论强化学习算法在变量因果关系解释和迁移场景下策略泛化性方面存在的缺陷.其次,回顾了因果理论的研究方向,主要包括因果效应估计和因果关系发现,这些内容为解决强化学习的缺陷提供了可行方案.接下来,阐释了如何利用因果理论改善强化学习系统的控制与决策,总结了因果强化学习的四类研究方向及进展,并整理了实际应用场景.最后,对全文进行总结,指出了因果强化学习的缺点和待解决问题,并展望了未来的研究方向. 展开更多
关键词 强化学习控制 因果发现 因果推理 迁移学习 表示学习
下载PDF
基于深度学习的自动驾驶多模态轨迹预测方法:现状及展望
3
作者 黄峻 田永林 +2 位作者 戴星原 王晓 平之行 《智能科学与技术学报》 CSCD 2023年第2期180-199,共20页
对周围车辆轨迹的精确预测可以辅助自动驾驶车辆做出合理的即时决策。虽然相比传统轨迹预测算法,深度学习方法已取得较好效果,但是自动驾驶车辆在异构高动态复杂变化环境下实现多模态高精度预测仍存在信息丢失、交互和不确定性难以建模... 对周围车辆轨迹的精确预测可以辅助自动驾驶车辆做出合理的即时决策。虽然相比传统轨迹预测算法,深度学习方法已取得较好效果,但是自动驾驶车辆在异构高动态复杂变化环境下实现多模态高精度预测仍存在信息丢失、交互和不确定性难以建模、预测缺乏可解释性等问题。Transformer具备的长距离建模能力和并行计算能力使其不仅在自然语言处理领域取得巨大成功,而且在扩展至自动驾驶多模态轨迹预测任务时也解决了以上问题。基于此,对过去基于深度神经网络的方法,特别是对基于Transformer的方法进行全面总结与回顾;同时分析了Transformer相较于传统序列网络、图神经网络、生成模型的优势,并结合现有难题进行针对性分析与分类。Transformer模型可以更好地应用于多模态轨迹预测任务,此类模型具有更好的泛化性和可解释性。最后,对多模态轨迹预测未来发展方向进行了展望。 展开更多
关键词 TRANSFORMER 序列网络 图神经网络 生成模型 轨迹预测 多模态
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部