自动驾驶中的人工智能

　　人工智能（ＡＩ） 技术的革新正在为自主系统如自动驾驶系统带来无限机遇。人工智能技术赋能自动驾驶， 使其能够获得比人类驾驶员更好的驾驶能力， 例如自主感知、推理和决策， 有望改变传统的交通方式以服务人类。本书为自动驾驶领域工程技术人员提供人工智能相关基础理论和应用技术等相关知识， 并培养将人工智能算法应用于自动驾驶或其他自主系统的能力。本书涵盖的主题有： 概述模块， 包括人工智能、自动驾驶及两者关系的介绍； 感知模块， 包括感知技术、人工智能算法应用； 决策模块， 包括自动驾驶决策问题和基于人工智能的决策算法； 控制模块， 包括数据和机理驱动的控制方法及自动驾驶应用； 优化模块，包括人工智能算法的优化求解； 案例分析模块， 包括人机交互和高级驾驶辅助系统。读者通过本书将熟悉人工智能概念、算法和自动驾驶系统最新技术。本书适合自动驾驶研究与开发技术人员阅读使用， 也适合车辆工程及相关专业师生阅读参考。

　　郭露露，同济大学研究院，专注于智驾汽车控制与人工智能方向研究

前　言第1 章人工智能与自动驾驶概述1.1　自动驾驶概述／ ００１１.１.１　自动驾驶相关术语／ ００１１.１.２　自动驾驶分级／ ００２１.１.３　自动驾驶主要任务／ ００５1.2　人工智能概述／ ００６１.２.１　人工智能的起源与发展／ ００７１.２.２　人工智能的分类／ ０１０１.２.３　神经网络与深度学习／ ０１１１.２.４　人工智能的爆发与机遇／ ０１６1.3　自动驾驶——人工智能竞技场／ ０２０１.３.１　自动驾驶的发展历程／ ０２０１.３.２　自动驾驶中的ＡＩ 技术／ ０２１１.３.３　自动驾驶对人工智能的挑战／ ０２３参考文献／ ０２７第2 章人工智能与优化控制2.1　基于学习的优化控制／ ０３１２.１.１　概述／ ０３２２.１.２　机器学习在优化控制中的应用／ ０３３2.2　基于学习的模型预测控制／ ０４９２.２.１　模型预测控制／ ０４９２.２.２　机器学习在模型预测控制中的角色／ ０５４2.3　内嵌物理知识神经网络／ ０７７２.３.１　概述／ ０７７２.３.２　原理／ ０８２２.３.３　斯托克斯流体拓扑优化／ ０８４2.4　人工智能中的优化算法／ ０８７２.４.１　梯度下降与共轭梯度法／ ０８９２.４.２　动量优化与Ｎｅｓｔｅｒｏｖ 动量优化算法／ ０９４２.４.３　自适应梯度优化算法／ ０９８２.４.４　ＲＭＳＰｒｏｐ 优化算法／ ０９９２.４.５　Ａｄａｍ 优化算法／ １０１2.5　人工智能中的反馈机制／ １０２２.５.１　反馈的基本思想／ １０２２.５.２　人类反馈强化学习／ １０８参考文献／ １２３第3 章自动驾驶感知中的人工智能3.1　基于图像的目标识别与追踪／ １２９３.１.１　基于图像的目标识别／ １２９３.１.２　基于图像的目标追踪／ １３４3.2　基于传感器融合的目标识别与追踪／ １３７３.２.１　基于传感器融合的目标识别／ １３８３.２.２　基于传感器融合的目标追踪／ １４１3.3　案例研究／ １４３参考文献／ １４６第4 章自动驾驶决策中的人工智能4.1　人工智能决策的可解释性／ １４９４.１.１　人工智能决策可解释性方法概述／ １４９４.１.２　语义Ｓｈａｐｌｅｙ 值引导的视觉反事实解释及自动驾驶应用／ １５５4.2　基于可解释奖励机强化学习的自动驾驶决策／ １６３４.２.１　可解释奖励机／ １６３４.２.２　高速公路场景下的奖励机强化学习决策设计／ １６４４.２.３　仿真分析／ １７０参考文献／ １７２第5 章自动驾驶控制中的人工智能5.1　智能驾驶中的动力系统控制／ １７７５.１.１　研究场景与方案综述／ １７７５.１.２　车－ 路协同下智能预测巡航控制／ １８１５.１.３　交通信号灯速度规划／ １８８5.2　基于深度学习的电池健康预测／ １９７５.２.１　电池健康管理概述／ １９７５.２.２　基于ＬＳＴＭ 神经网络的电池健康状态预测／ ２０２５.２.３　基于迁移学习的电池健康状态预测／ ２１９5.3　基于强化学习的混动汽车能量管理／ ２４２５.３.１　混合动力汽车能量管理策略概述／ ２４２５.３.２　强化学习算法在能量管理策略中的应用／ ２４９５.３.３　案例研究／ ２５２5.4　基于学习的车辆运动控制／ ２７７５.４.１　基于学习的车辆运动控制策略概述／ ２７７５.４.２　基于数据驱动的车辆运动控制／ ２７８５.４.３　基于强化学习的车辆运动控制／ ２８２５.４.４　案例研究／ ２８６参考文献／ ２８８