(資料圖)

近年來，自動駕駛技術(shù)已經(jīng)成為智能交通領(lǐng)域的研究熱點之一。實現(xiàn)自動駕駛需要在車輛上安裝傳感器、執(zhí)行器等裝置，以實時感知周圍環(huán)境，并作出響應(yīng)。而其中，局部行為規(guī)劃和局部軌跡規(guī)劃是實現(xiàn)自動駕駛的關(guān)鍵技術(shù)。

局部行為規(guī)劃和局部軌跡規(guī)劃是為了計算出安全、舒適和連續(xù)的局部軌跡，基于路線規(guī)劃中識別的全局路線來進(jìn)行的。由于軌跡是局部的，這兩個功能必須以后退的方式實現(xiàn)。需要強調(diào)的是，這兩個函數(shù)的輸出應(yīng)該是軌跡，而不是路徑，軌跡與其他動態(tài)交通參與者相互作用，否則，自車需要額外的努力來躲避環(huán)境中的移動障礙物。

局部規(guī)劃是通過解決最優(yōu)控制問題（OCP）來完成的，該問題在滿足多種類型的硬約束或軟約束的情況下最小化預(yù)定義的成本函數(shù)。OCP的解決方案表示為時間連續(xù)控制和狀態(tài)輪廓，其中所需軌跡由狀態(tài)輪廓的一部分反映。由于這種OCP的分析解決方案通常不可用，因此需要兩種類型的操作來構(gòu)建軌跡。具體來說，局部規(guī)劃分為三部分，第一類操作是識別一系列狀態(tài)網(wǎng)格，第二類操作是在相鄰狀態(tài)網(wǎng)格之間生成基元，第三類操作是前兩者的有機結(jié)合。

狀態(tài)網(wǎng)格識別可以通過搜索、選擇、優(yōu)化或潛在最小化來完成?；谒阉鞯姆椒▽⑴c上述OCP相關(guān)的連續(xù)狀態(tài)空間抽象成圖，并在那里找到狀態(tài)的鏈接。流行的基于搜索的方法包括A搜索和動態(tài)編程（DP）。這些算法的許多高級應(yīng)用已經(jīng)將其影響力推到了頂峰，如混合A、雙向A*、半優(yōu)化A*和LQG框架?；谶x擇的方法通過尋找具有最優(yōu)成本函數(shù)的候選者來決定下一步或幾個步驟中的狀態(tài)網(wǎng)格。貪婪選擇和馬爾可夫決策過程（MDP）系列方法通常、屬于這一類。一種基于優(yōu)化的方法將原始OCP離散化為數(shù)學(xué)程序（MP），其解為高分辨率狀態(tài)網(wǎng)格。MP解算器進(jìn)一步分為基于梯度的解算器和非基于梯度的求解器；基于梯度的求解器通常求解非線性規(guī)劃、二次規(guī)劃、二次約束二次規(guī)劃和混合整數(shù)規(guī)劃；基于非梯度的解算器通常由元啟發(fā)式表示。多種先前的方法可以被組合以提供從粗略到精細(xì)的局部行為/運動規(guī)劃策略。

原型生成通常表現(xiàn)為閉式規(guī)則、模擬、插值和優(yōu)化。閉式規(guī)則代表通過具有閉式解的分析方法來計算基元的方法。典型的方法包括Dubins/Reed-Shepp曲線、多項式和理論最優(yōu)控制方法?；诜抡娴姆椒ㄍㄟ^轉(zhuǎn)發(fā)仿真生成軌跡/路徑基元，轉(zhuǎn)發(fā)仿真運行速度快，因為它沒有自由度?；诓逯档姆椒ㄓ蓸訔l曲線或參數(shù)化多項式表示。基于優(yōu)化的方法在數(shù)值上求解小規(guī)模OCP，以連接兩個狀態(tài)網(wǎng)格。

狀態(tài)網(wǎng)格識別和原型生成是構(gòu)建軌跡的兩個基本操作。這兩種操作都可以以各種方式進(jìn)行組織。例如，Kuwata等人將兩種操作集成在迭代循環(huán)中；HU等人在在線狀態(tài)網(wǎng)格識別之前離線構(gòu)建基元圖；Fan等人在生成連接基元之前識別狀態(tài)網(wǎng)格。如果規(guī)劃者只找到一條路徑而不是一條軌跡，那么時間進(jìn)程應(yīng)該附加到計劃的路徑上，作為后處理步驟。這種策略被稱為路徑速度分解（PVD），之所以被廣泛使用，是因為它將一個3D問題轉(zhuǎn)換為兩個2D問題，這在很大程度上促進(jìn)了解決過程。相反，非PVD方法直接規(guī)劃軌跡，這具有提高解決方案最優(yōu)性的潛在優(yōu)點。

在過去的幾十年里，移動機器人運動規(guī)劃領(lǐng)域已經(jīng)取得了快速進(jìn)展，這些理論進(jìn)展也為自動駕駛技術(shù)的快速發(fā)展提供了支持。在自動駕駛技術(shù)的實現(xiàn)中，如何開發(fā)適合特定場景/任務(wù)的特定規(guī)劃者，以及如何在上游/下游模塊不完善的情況下規(guī)劃安全軌跡是目前研究的熱點問題。

總之，局部行為規(guī)劃和局部軌跡規(guī)劃是實現(xiàn)自動駕駛的關(guān)鍵技術(shù)之一。需要解決的問題包括如何優(yōu)化狀態(tài)網(wǎng)格識別和原型生成方法，如何開發(fā)適合特定場景/任務(wù)的特定規(guī)劃者，以及如何在上游/下游模塊不完善的情況下規(guī)劃安全軌跡。在這些問題上的研究將有助于提高自動駕駛的性能和可靠性。

另一個需要注意的問題是，自動駕駛技術(shù)的實現(xiàn)需要同時考慮技術(shù)、法律和社會等多個方面的因素。例如，自動駕駛技術(shù)的安全性和隱私性問題需要得到保障，同時需要考慮自動駕駛技術(shù)的社會接受度和法律法規(guī)的制定等問題。因此，在推廣自動駕駛技術(shù)的過程中，需要綜合考慮多方面的因素，并在各方面建立有效的溝通和合作機制。

總的來說，局部行為規(guī)劃和局部軌跡規(guī)劃是實現(xiàn)自動駕駛的重要技術(shù)之一，其關(guān)鍵是優(yōu)化狀態(tài)網(wǎng)格識別和原型生成方法。當(dāng)前研究的熱點問題包括如何開發(fā)適合特定場景/任務(wù)的特定規(guī)劃者，以及如何在上游/下游模塊不完善的情況下規(guī)劃安全軌跡。然而，需要注意的是，自動駕駛技術(shù)的實現(xiàn)需要同時考慮技術(shù)、法律和社會等多個方面的因素，需要綜合考慮多方面的因素，并在各方面建立有效的溝通和合作機制。

關(guān)鍵詞：