第588章 都会抢答了（1 / 2）
“再说行为决策（behavior decision）。”
陈默的声音听起来居然有一种冰冷的逻辑美感。
“车辆在瞬息万变的交通流中，何时跟车？
何时变道？
无保护左转时如何博弈？
这些决策过程，本质是什么？
是有限状態机（finite state machine, fsm） 或 行为树（behavior tree） 的建模！”
“每一个驾驶场景，都可以被抽象成一系列离散的状態（state）和触发状態迁移的事件（event）以及迁移的动作（action）。
跟车状態、换道状態、路口通行状態...
状態间的转换条件，就是严密的逻辑判断！
这难道不是离散数学中逻辑学（logic）和自动机理论（automata theory）最直接的应用场吗？”
他微微一顿，语气带上了一丝冷峻：
“尤其在涉及人车交互的复杂博弈场景，比如无保护左转，两辆车的驾驶员意图相互试探、影响。
这需要用博弈论（game theory） 来建模。
分析纳什均衡（nash equilibrium），预测对方可能的策略，从而做出自身的最优响应决策。
没有扎实的博弈论基础和逻辑建模能力，如何让机器理解並处理这种充满不確定性的『人性』博弈？”
“嘶...”一声轻微的吸气声响起。
是卞金鳞！
他脸上的兴奋已经变成了震撼，眼睛死死盯著陈默在茶台上虚划的手指，仿佛那指尖流淌出的不是空气，而是精妙绝伦的决策树和博弈矩阵。
蒋雨宏虽然依旧沉稳，但端著茶杯的手指也几不可察地收紧了些许，镜片后的目光锐利地聚焦在陈默身上，带著更深层次的审视和探究。
顾南舟更是感到头皮一阵发麻。
有限状態机、行为树、博弈论...
这些正是他离散数学研究中涉及的强项。
尤其是博弈论在多智能体系统中的复杂均衡分析，更是他研究过的一个小分支。
陈默竟然將智能驾驶中最难啃的“行为决策”硬骨头，如此清晰地解剖开，並精准地指向了这些离散数学工具。
这已经不仅仅是懂行了，这简直是...洞若观火！
顾南舟看著陈默一脸淡定的样子越发觉得离谱，这他妈到底你是离散数学的博士还是我是啊？？？
陈默仿佛没看到他们的震动，继续向下剖析，指尖指向虚空，仿佛那里有无形的传感器在交织数据。
“然后是感知融合（sensor fusion）。”他的语气变得如同精密仪器般冷静，“摄像头、雷射雷达、毫米波雷达...多源异构传感器，各自输出带噪声、带不確定性的数据。如何將它们统一起来，得到一个对周围环境最可靠、最一致的认知？”
“核心是概率图模型（probabilistic graphical models）！”陈默的声音斩钉截铁。 ↑返回顶部↑
陈默的声音听起来居然有一种冰冷的逻辑美感。
“车辆在瞬息万变的交通流中，何时跟车？
何时变道？
无保护左转时如何博弈？
这些决策过程，本质是什么？
是有限状態机（finite state machine, fsm） 或 行为树（behavior tree） 的建模！”
“每一个驾驶场景，都可以被抽象成一系列离散的状態（state）和触发状態迁移的事件（event）以及迁移的动作（action）。
跟车状態、换道状態、路口通行状態...
状態间的转换条件，就是严密的逻辑判断！
这难道不是离散数学中逻辑学（logic）和自动机理论（automata theory）最直接的应用场吗？”
他微微一顿，语气带上了一丝冷峻：
“尤其在涉及人车交互的复杂博弈场景，比如无保护左转，两辆车的驾驶员意图相互试探、影响。
这需要用博弈论（game theory） 来建模。
分析纳什均衡（nash equilibrium），预测对方可能的策略，从而做出自身的最优响应决策。
没有扎实的博弈论基础和逻辑建模能力，如何让机器理解並处理这种充满不確定性的『人性』博弈？”
“嘶...”一声轻微的吸气声响起。
是卞金鳞！
他脸上的兴奋已经变成了震撼，眼睛死死盯著陈默在茶台上虚划的手指，仿佛那指尖流淌出的不是空气，而是精妙绝伦的决策树和博弈矩阵。
蒋雨宏虽然依旧沉稳，但端著茶杯的手指也几不可察地收紧了些许，镜片后的目光锐利地聚焦在陈默身上，带著更深层次的审视和探究。
顾南舟更是感到头皮一阵发麻。
有限状態机、行为树、博弈论...
这些正是他离散数学研究中涉及的强项。
尤其是博弈论在多智能体系统中的复杂均衡分析，更是他研究过的一个小分支。
陈默竟然將智能驾驶中最难啃的“行为决策”硬骨头，如此清晰地解剖开，並精准地指向了这些离散数学工具。
这已经不仅仅是懂行了，这简直是...洞若观火！
顾南舟看著陈默一脸淡定的样子越发觉得离谱，这他妈到底你是离散数学的博士还是我是啊？？？
陈默仿佛没看到他们的震动，继续向下剖析，指尖指向虚空，仿佛那里有无形的传感器在交织数据。
“然后是感知融合（sensor fusion）。”他的语气变得如同精密仪器般冷静，“摄像头、雷射雷达、毫米波雷达...多源异构传感器，各自输出带噪声、带不確定性的数据。如何將它们统一起来，得到一个对周围环境最可靠、最一致的认知？”
“核心是概率图模型（probabilistic graphical models）！”陈默的声音斩钉截铁。 ↑返回顶部↑