智能驾驶驾驶脑设计与实现

驾驶认知的形驾驶脑设计 公司的一则

如果经验驾驶员一年开1.2万英里，需要75 —驾驶认知本质：Cognitionby驾驶认知形的何！驾驶

将驾驶活动从人的认知活动中抽象并剥离出来不少做,更不多做，专门模拟人脑完成低级、繁琐、持久的驾驶认知，选择性注意，专注，永不疲倦。驾驶认知形式化的尺度选驾驶认知的形式化，也许不必一开始就弄清接关系的复杂组织；也不必一开始就弄并跨区域的关联，要懂得忽略和聚焦，懂得抽象驾驶 心理物理学定（） S=K1logR K2ln车视野（车视野（觉区注意（聚焦）动度力（0车速Vf的关系：预瞄点f45.063*e0.0184V拟合系数=0.9605感知、认知的多坐标系和坐标系 驾驶脑设计的本质是物理架 逻辑架 计算、、带宽等资源如何冗余？可靠性如何保证？利用微电子技术，采用FPGA+CPU+GSIC架构，先利用通用生产板卡，研发区别于车载计算机的机器生命力，进而决定智能车产业的竞争系统原

架构设计原

表现原编程原机器驾驶明确任务目标和系统约束，首先一传感器或者某一认知计算性能提高后，仍然能够保证驾驶脑的扩展和智商的提高。不应该影响架构；换一个新型传感器或者模块不做什么？为什么不做 强调已协助当

先视先觉后

常规的、带GPU加速计算机图像处对周边自然风筑风格、行 姿行为、是不是、行等等，一律强选择性，利用忆主动感寻找特定驾驶情明确任务目系统架构要有普适性，既适用 车，也适用乘架构要稳定，模块可 、可重用、可扩展，可模块切分原分层与模块化是智能车工程的，上层对下层确立“没有哪个模块不会被再修改”的原则表现原通过三类的时空序列的缓冲区，防止感知的结果表现为反映时序的点云图簇，认知的结果表现为驾驶态势图簇，决策的结果表现为认知箭头簇。三类时空序列的2.5维的表现形（CT图）成为驾驶脑的特色和工程随着遗产代码的积累和化，新系统的架构设计已经取代传 件开发已经演变为配置为主、编程 编程原开源算法，移植到相应模块 至到相机。但是，体现人类认知的驾驶的优化，架构师依然很轻松很潇洒城际高速行驶

的人机协的人机协同自驾自驾驶/自主/无人驾 离离线辅助自动驾驶（局部时段、局部区域三、分 和驾驶脑数据流 性格：由人 决定 性注意，仅仅关注刚刚过去以及当前的周边驾驶

长 性

短 瞬学习和思视觉残的行为动作

，短期适度的工 分 共受脑科学研究成果的启发，总架构强调认知，建立瞬间区、工作区和长期区。不同，要解决三区数据在双总线和计算模块之间传送和的效率问题。分区和共享奠定了驾驶脑架构的基本三类传感器

感知理解和瞬形成新的瞬间，中的数据隐藏着三个工 与长脑科学研究表明，工作和长期形成的差异可以从海信息，当CPEB69蛋白质处于元粒态才能执行。点云不进入工作，工作的形态是驾驶态势图；长期是对驾驶态势反复形成的反瞬 态 决

长1/2路1/16路险困泊 反 反

反 动态感 态势分 自主决 精控反 反 反

搜索匹配引 知理解

模块头反驾驶态融合模反1/2路 反长

反忆池态势记权及其化自主决策模执行

控制模四、驾驶脑外延— 质疑他的驾驶技术不熟练吗？要全城、全省、全质疑解决方驾驶地 驾驶地 –1/2路 –1/16路 路段驾 1/2路段km/h数度类3m0好好好以路段路段地图在感知中的作用举 确认；GPS-IMU给出本车所在的地图车道位置，被头检测到的车道线互相补充：地图告知进入事故多发区，点云数据反映道路流量增大；地图告知经过流动商贩区，头发消解：识别出道路前方疑似横向路肩，地图告知是大陡坡要上桥；地图给出道路大转弯曲率，头丢失车道线；头看出是下坡，地图告知是怪坡。以路段路段地图在感知中的作用举 但地图仍可提供地形坡度等信息，辅助决策属性关联：地图告知正在通过大弯道倾斜路面，检路段驾驶态势图属值属值推道质带绿带高路口驾驶的复杂性和多样形交叉路 T形交叉路 环形交叉路X形交叉路 Y形交叉路 错位交叉路路口驾驶的复杂性和多样 路口数据碎片化：1/16km/路口路面数置度好1/16

1/16路口地图数据km/路口路面数置度廓好路口驾驶态势图

驾 1.0顶8线光

前8线 前1线

后1线光网 网接后毫波

CAN 传输

工控

网串口USB

下位惯头

头

车内 左

USB右头 智能 模块逻辑架构图认 行

信 信 映 映 射

向 盘 控 支块交试驱

GPS类

工控机1+ 工控机2+工控机1+工控机2+工控机3+智能车架构1.0存在问题分虚拟交虚拟交虚拟交UDP是一种面向事务的简单不可靠信息传送服务，尽全完整到达，造成基于UDP的虚拟交换智能车架构1.0存在问题分人机交互和调试占用了智能驾驶实时驾驶脑中的工作总线双总线中的双总线架构既不影响传感器数据的实时性处理，又能够调整模块中的相关参数，便于试验调试，还可以学习驾驶员的驾驶经验，成为驾驶脑架构设计又驾驶脑各板块都基于交互板

每个板块都在双总线下工工作总线习板交互板感交互板

虚拟交换工作总虚拟交换认知

进 进 控制 模

执行

CAN总程序员调参数的过程，可理解为程序员在教轮式机器人如何学开车，如同棋围棋脑下棋国际象棋，对一个特定的棋局（态势）常常有35种可能的走法（宽度），沿每种走法深下去可达80层，即有3528种可能可选；围棋比赛对一个特定的棋局常常有250150种可能走法，计算和推理量很大。然而对开车过程中一个特定的驾驶态势，可能的 真正能够教机器人开车的应该是驾驶员，有经验的驾驶员长期与车互动，熟练到已经把车同化为因此，机器驾驶脑在驾驶员开车时应该能“悄悄地”习，将“脑和机器融合在一起”，实现调试总线扩展为线，开创习板块，完成统计学习和进化学习（CognitionBy性的智能车！一旦当前的认知与过去经历的最好的决策，完成大脑的创造性、运动的灵巧性如果方程式手在以240km/h的速度疾驶时，甚至能觉的一个原则：可塑性原则（PlasticityPrinciple） 驾驶脑通过习可汇聚多人驾驶认知，智商提高的速度感知

习板

交互板

棒比对库

理虚拟交换虚拟交换

习/调试总认知

进 进 控制 模

执行

CAN总 （大数据）认知的作用，克服形式化的，细分间，缩小推理范轮式机器人向经验驾驶员学习开车的过3路机器视觉综

3路机器视觉综

机器人操控油门制动和方向驾驶员人工操门、制动抽驾态驾态认箭态认箭通过深度学习实 习：统计学习和进认箭驾驶态势认知箭头图对库生成提

驾

轮式机器人向事故驾驶员吸3路机器视觉综

3路机器视觉综

机器人操控油门制动和方向驾驶员人工操门、制动X抽X驾态驾态认箭态认箭通过深度学习实 习：统计学习和进认箭驾驶态势认知箭头图对库生成提

事

轮式机器人学习泊3路机器视觉综

3路机器视觉综

机器人操控油门制动和方向驾驶员人工操门、制动抽驾态驾态认箭态认箭通过深度学习实 习：统计学习和进认箭驾驶态势认知箭头图对库生成提

泊

红

远 应自 路 路 路 权权导灯定检航检位测权权

定检位测

定检位

定权

交换

双驾双

工作总汽车CAN总基于双总线的人机协同共自主

双驾双

人的认知能 种 的 目的地表 互

责任人，拥有高指 出发地和目的地双总线中的体现人机协同共驾，为车联网打下基础，为提高移动生活品质留有足够空间,并堵的六、驾驶 模块逻辑架工作总 模块逻辑架构感 认 控 交G P

雷 图图达

GS

路

用PS

定 定检

测位 位

支撑

GPS类毫

达

调试 模块逻辑架构感 认 控 交 G G P

像

定路导位信信航

方油制向

远 程乘端端 用GS用PS

物

息息综融融合

门动盘控

序员服车 员交务主 定 定检

合合模

制制控

互响干 位 位 位

模模块块

应 支撑

GPS类

感知计 认知次规交互控制模应远端服务请求，通过程序员调试实现人机协认知、计算认知和交互认知三交抽 认 抽前 前 感 反 工

反 长 知感感知理认知理认知积计算认知演 演抽 抽前 前瞬 反 工 反 长演 演感