面向自动驾驶中知识获取的 SDL 建模

本文提出了一种终极理论，通过将其引入自动驾驶中的机器学习框架来解决多目标控制问题，从而探索优秀驾驶员知识获取的实现。当前自动驾驶领域存在一些尚未被研究者充分实现的核心问题，例如节能、安全驾驶、车距控制与舒适驾驶等多目标目标函数的最优控制方式，以及自动驾驶所依赖的网络与 GPU 等高性能芯片在复杂驾驶环境下的可解性。针对这些问题，我们发展了一种新理论，将不同空间中的多目标目标函数映射到同一空间，从而引入了基于知识获取的 SDL（超级深度学习）机器学习框架以实现最优多目标控制。本文将展示通过结合各多目标目标函数的模糊关系与由机器学习获取的优秀驾驶员知识实现的最优多目标控制。理论上，该方法的影响将超过自动驾驶列车中所用模糊控制方法的影响。