345
除了产品发布和人才招聘，Tesla AI Day还有很多的技术干货。本文包含规划难点分析、规划整体架构、换道方案、多车交互、轨迹平滑五方面深度解析。
作为自动驾驶领域的领军企业，Tesla的一举一动无不吸引着从业者们的目光。就在最近，一年一度的Tesla AI Day的开展更是让广大自动驾驶行业的工程师们大饱眼福。所谓外行看热闹，内行看门道。文章《特斯拉AI Day | 人工智能，会不会是车企下一个十年的标配技术？》已经对特斯拉发布的新产品有了较为深度的介绍，本篇文章想从作者的自身领域出发，带大家深入解析一下Tesla最新的决策规划相关工作。
目前的规划难点
作为自动驾驶整套流程中的大脑，决策规划未来可能是自动驾驶中最具有挑战性的方向之一。任何时候，如果想让人们相信自动驾驶，将自己的生命交给机器，那么其中最重要的部分就是决策规划，一个好的规划模块能够带给乘坐者们类似于人类司机的驾驶体验，并且兼顾安全与效率。
在AI DAY中，Tesla的规控模块负责人Ashok Elluswamy首先就给出了规划问题中的两大难点。第一就是很多时候，我们的规划搜索空间是非凸的，这样规划算法就会陷入局部最优。如何将实际道路上的场景构建成一个凸问题，是目前的规划瓶颈之一。第二，就是规划本身是在三维空间中进行的，这样的高维度会对算力提出很大的要求，如何利用算法来合理降维，也是一个困扰业界的难点。
这一上来指出的问题确实很犀利，也确实是作为规划从业者，目前被困扰最多的两大问题，目前学术界针对这两方面也有很多的相关工作发表。但比较可惜的是，Tesla在这次会上并没有说明他们是如何解决这两个问题的，也没有给出相应的论文。
规划整体架构
接下来，Ashok就简要介绍了一下目前Tesla所采用的规划架构。从中我们可以看出，整体流程还是比较常见的，规划分为两部分，首先是第一层粗略搜索，然后在凸空间内进行连续优化，从而得到平滑的轨迹。其实个人非常好奇凸空间是如何通过决策来得到的，这块应该是目前的难点。
从这张流程图以及后续演讲中出现的凸空间来看，Tesla采用的规划算法和百度Apollo的规划整体思路比较相近，都是通过数值优化的方式。这种算法的优势在于其可扩展性强，可很好地对实际道路场景进行建模，另外也可以通过学习的方法来不断对代价函数进行优化，从而提升规划的安全性和舒适性。
换道方案
在演讲中，Ashok给出了实际的一个规划训练换道时机的例子。据他所说他们的规划算法可以在1.5ms 搜索2500次，在仿真中生成不同换道时机的轨迹后通过对轨迹的评价，选择最优的轨迹。
此处举例如下：第一条轨迹是提前换道并且缓慢行走，那么就会给乘客带来不舒适的体验，第二条轨迹是加速并且晚换道，但是会有在前面左转路口换道无法完成，无法实现导航要求，我们需要的是一条安全、舒适、效率平衡的轨迹，因此特斯拉生成大量轨迹（如下图右上方图），然后基于代价选择出最优的一条轨迹。
这块的学习训练过程中，我们就可以看出采取优化算法的优势，通过在仿真中进行大量的采样模拟，并且搭建一个合适的评价指标，可以收敛到一个兼顾安全和效率的最优轨迹出来。
多车交互
Tesla还讨论了为何要将路面上的其他交通参与者也考虑进决策中来。我们的自动驾驶车辆开在道路上，肯定会遇到其他交通参与者共同行驶的情况，而这时如果决策规划中不考虑其他交通参与者的行驶意图，那么规划出的路径肯定是不安全，不平顺的。
此处特斯拉举了一个窄道通行的场景，在开始时，特斯拉自动驾驶车辆认为他车会继续行走的概率较高，因此自动驾驶车辆靠右等待。然后发现社会车也停下让行，特斯拉马上在很短时间决策出继续前行。这一处理是非常棒的，目前大多数自动驾驶公司是无法处理这样的场景，很容易会出现自动驾驶车辆保守起见，停下来等待，导致社会车也无法通行，造成拥堵，或者与社会车同起同停，极有可能造成碰撞风险，但特斯拉可以很好的处理该场景，证明特斯拉的预测和决策配合非常好。
轨迹平滑
最后，Ashok谈到了Tesla规划算法的最后一步，轨迹平滑。从放出的图中来看，凸空间的构建是比较符合直观感受的，但由于没有任何的障碍物，不清楚在多障碍物的复杂场景下，凸空间是如何搭建的。
另外，Tesla也展示了在可视化界面中的轨迹优化迭代过程，通过对于评价算法的一步步迭代，最终优化收敛到碰撞系数相对低，舒适性相对高的这么一条轨迹中来，这里最重要的其实是评价算法的设定，越精准的评价算法，越能帮助规划实现更加人性化的路径构建。
笔者总结
看完Tesla 的AI Day演讲，我个人还是比较震惊的。从放出来的会车交互博弈视频、AI在规划方向的落地等等，让我见识到了Tesla算法的强大。当然，完全的自动驾驶远远还未达到，Tesla作为领域的先行者提供给我们这些后来人很好的思路与学习参考，在这一方面，他以领先国内的公司一大步了。也希望国内的自动驾驶企业能够稳扎稳打，避免Tesla的激进作风，最终能够实现弯道超车。
