什么是无人驾驶任务规划?无人驾驶行为规划又是什么?

无人驾驶是当今的热门技术之一，通过无人驾驶，可能利用人工智能帮助人们实现自动驾驶。为了增进大家对无人驾驶的认识，本文将对无人驾驶以及无人驾驶的任务规划、行为规划予以介绍。如果你对无人驾驶具有兴趣，不妨继续往下阅读哦。

一、无人驾驶引言

首先，我们来看看无人驾驶的基本内容。

现在无人驾驶汽车、新能源电动汽车、互联网汽车、投屏智能汽车这一连串的概念异常或火爆，这里面真正和智能沾边的，其实只有无人驾驶汽车、互联网汽车、投屏智能汽车这三个概念。其中的新能源电动汽车仅仅指的是汽车的动力，而非智能不智能，无论是投屏智能车还是互联网汽车还是无人车，都可以采用不用的动力或是混合动力——汽油、天然气或是电力。

无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。要真正实现无人驾驶必经三个阶段，其实也就是投屏智能汽车、互联网汽车和真正意义上的无人车。这三个阶段更像是层层递进的，每一代产品都是上一代产品的全面提升。

二、无人驾驶之规划

通过上面的介绍，想必大家对无人驾驶已经具备了一定的认识。在这部分，小编主要和大家聊聊无人驾驶中的规划问题。对于无人驾驶规划，主要包括两点，一是任务规划，二是行为规划。下面，咱们来一一了解一下。

(一)任务规划

无人驾驶规划系统的分层结构设计源于2007年举办的DAPRA城市挑战赛，在比赛中多数参赛队都将无人车的规划模块分为三层设计：任务规划，行为规划和动作规划，其中，任务规划通常也被称为路径规划或者路由规划(Route Planning)，其负责相对顶层的路径规划，例如起点到终点的路径选择。

我们可以把我们当前的道路系统处理成有向网络图(Directed Graph Network)，这个有向网络图能够表示道路和道路之间的连接情况，通行规则，道路的路宽等各种信息，其本质上就是我们前面的定位小节中提到的高精度地图的“语义”部分，这个有向网络图被称为路网图(Route Network Graph)。路网图中的每一个有向边都是带权重的，那么，无人车的路径规划问题，就变成了在路网图中，为了让车辆达到某个目标(通常来说是从A地到B地)，基于某种方法选取最优(即损失最小)的路径的过程，那么问题就变成了一个有向图搜索问题，传统的算法如迪科斯彻算法(Dijkstra’s Algorithm)和A*算法(A* Algorithm)主要用于计算离散图的最优路径搜索，被用于搜索路网图中损失最小的路径。

(二)行为规划

现在，大家已经简单了解了什么是任务规划。那么，什么又是行为规划呢?

行为规划有时也被称为决策制定(Decision Maker)，主要的任务是按照任务规划的目标和当前的局部情况(其他的车辆和行人的位置和行为，当前的交通规则等)，作出下一步无人车应该执行的决策，可以把这一层理解为车辆的副驾驶，他依据目标和当前的交通情况指挥驾驶员是跟车还是超车，是停车等行人通过还是绕过行人等等。

行为规划的一种方法是使用包含大量动作短语的复杂有限状态机(Finite State Machine，FSM)来实现，有限状态机从一个基础状态出发，将根据不同的驾驶场景跳转到不同的动作状态，每个状态都是对车辆动作的决策，状态和状态之间存在一定的跳转条件，某些状态可以自循环。虽然是目前无人车上采用的主流行为决策方法，有限状态机仍然存在着很大的局限性：首先，要实现复杂的行为决策，需要人工设计大量的状态;车辆有可能陷入有限状态机没有考虑过的状态;如果有限状态机没有设计死锁保护，车辆甚至可能陷入某种死锁。

以上便是此次小编带来的“无人驾驶”相关内容，通过本文，希望大家对无人驾驶的任务规划和无人驾驶的行为规划具备一定的了解。如果你喜欢本文，不妨持续关注我们网站哦，小编将于后期带来更多精彩内容。最后，十分感谢大家的阅读，have a nice day!