开发能够提高安全性和舒适度的自动驾驶策略

在开发自动驾驶车辆的驾驶策略过程中，许多不同的技术都被加以研究。单独使用传统的控制技术基本上可以在“名义情况”下形成安全操作。但是，这些技术可能会在“关键场景”下产生错误操作，因为这些场景下非线性发挥的作用更为显著。 

西门子工程服务部门研究了基于模型的技术和数据驱动型技术的组合情况，旨在开发更好的自动驾驶策略并改进车辆控制性、精确度、安全性和舒适度性能。此白皮书概述了如何结合使用基于模型的方法和数据驱动型技术或机器学习方法来改进控制策略。

在这本关于自动驾驶策略开发的白皮书中，您将学到如何：

• 使用“学习自适应控制”之类方法，结合数据改进现有控制的驾驶策略 
• 使用强化学习和模仿学习基于机器学习改进控制 
• 将基于模型的控制与针对专业驾驶人员收集的真实驾驶数据结合起来

汽车行业原始设备制造商开发驾驶策略面临的挑战

保证安全性，是自动驾驶 (AD) 和高级驾驶员辅助系统 (ADAS) 开发最为重要的因素和动机。但是，即使是先进的基于模型的控制设计和驾驶策略，在关键场景下也可能未达到安全性要求。在 ADAS 场景下，舒适度或是乘坐者对于车辆性能的感知，是汽车行业原始设备制造商面临的又一大挑战。用户只会在乘坐感觉舒适、无需被动掌控车辆的情况下才会接受 ADAS 功能。

本白皮书旨在探讨基于模型和数据驱动型这两种驾驶策略对于自动驾驶车辆的优势，从而帮助应对这些挑战。