类脑学习型自动驾驶决控系统的关键技术

作为高级别自动驾驶的下一代技术方向，类脑学习以深度神经网络为策略载体，以强化学习为训练手段，通过与环境的交互探索实现策略的自我进化，最终获得从环境状态到执行动作的最优映射。目前，类脑学习方法主要用于自动驾驶的决策与控制功能设计，它的关键技术包括：界定策略设计的系统框架、支持交互训练的仿真平台、决定策略输入的状态表征、定义策略目标的评价指标以及驱动策略更新的训练算法。本文重点梳理了自动驾驶决策控制的发展脉络，包括两类模块化架构（分层式和集成式）和3种技术方案（专家规则型、监督学习型和类脑学习型）；概述了当前主流的自动驾驶仿真平台；分析了类脑决控的3类环境状态表征方法（目标式、特征式和组合式）；同时介绍了自动驾驶汽车的五维度性能评价指标（安全性、合规性、舒适性、通畅性与经济性）；然后详述了用于车云协同训练的典型强化学习算法及其应用现状；最后总结了类脑自动驾驶技术的问题挑战与发展趋势。     

基于数字孪生技术的智能汽车测试方法研究

为加快自动驾驶功能的开发与验证，提出了一种基于数字孪生的智能汽车测试与评价方法。通过数字孪生测试技术，即真实车辆行驶在真实测试场地中，同时与虚拟的测试环境进行有效映射与结合，从而大大丰富智能汽车的测试验证环境、提高测试效率和减小测试成本。本文将真实测试车辆和仿真测试工具相结合，搭建起数字孪生自动驾驶测试平台，实现算法的验证测试与评价，并给出了相应的案例分析。智能汽车数字孪生测试与评价技术的快速应用，对于加快自动驾驶车辆开发和推广有着积极的推动作用。     

智能网联汽车通用跨平台实时仿真系统架构及应用

为解决跨平台实时仿真测试过程中数据通信方式不通用、系统架构多样且难拓展、缺乏跨平台多软件数据同步方式的问题，本文中提出了一种面向智能网联汽车的跨平台实时仿真系统架构。首先借鉴车载以太网传输层通信协议设计多仿真平台间数据通信，构建通用数据通信交互方式；其次，根据智能网联汽车系统测试需求，确定所需的实时测试平台、车辆动力学仿真平台、传感器测试平台及以太网测试平台，参考汽车总线的分布式架构，设计通用且可拓展的跨平台实时仿真系统架构；最后，建立数据中转平台作为系统数据通信中枢，实现多软件、多平台运行同步。以前方侧翻智能避障算法为例进行应用验证，结果表明，基于跨平台实时仿真系统架构所设计的仿真测试系统，可通过数据中转模块调节被测算法及多平台、多软件的仿真速度，低时延的通信方式及实时硬件仿真平台，保证多平台、多软件实时同步运行，数据交互通信方式统一，系统架构具备通用性、拓展性。