2．3 动作规划
动作规划接收行为规划的目标，生成车辆安全运动轨迹。其主要分为两种工作场景：一种是正常道路（on－road）模式，一种是非结构化道路（unstructured driving）模式。主要步骤为：
1． 根据任务规划和行为规划给定的运动目标，规划一条合理路径；
2． 基于轨迹生成算法生成一系列的轨迹去跟踪这条路径 ；
3． 根据判定准则从生成的轨迹中选取最优轨迹。
BOSS采用的轨迹生成算法是模型预测轨迹生成。通过设计合理的评价函数，在满足各种约束条件下，实现避障功能且尽量减小车辆与全局路径的偏差。模型预测轨迹生成主要是为了使得规划结果满足车辆动力学和运动学约束，因此可以采用较低精度的车辆模型。
On－road planning：
路径生成：获取车道中心线作为目标路径。
轨迹生成：从中心线路径衍生出多组局部目标的轨迹。局部目标沿着中心线路径放置在一个固定的纵向距离上，但在与路径的横向偏移上有所不同。
轨迹速度：根据环境上下文和各种限制条件，包括当前跟随距离的最大速度、路段速度限制、路径曲率的最大速度、目标点速度等，进行速度的配置。
轨迹评估：根据与障碍物的距离、与中心线的距离、平滑度、最终点误差（endpoint error）以及轨迹速度等，进行最优轨迹评估，选择最优轨迹。
在行驶过程中进行合理的变道、U行转弯、异常检测与恢复等操作。
基础路线三：系统开发流程与测试
BOSS车整套无人驾驶系统从头开始开发，为了满足DARPA城市挑战赛的需求，使用了螺旋系统开发过程，着重于定期的、回归的系统测试。
测试和开发紧密地交织在一起，遵循如图所示的循环开发过程。
在算法开发开始之前，团队定义了BOSS需要完成的能力需求（Requirements Definition）。
需求推动了算法的开发。算法通过模拟或数据重放进行离线测试（Development ＆ Offline Debugging）。
一旦算法足够成熟，就进行车载测试，全面评估系统和环境之间的相互作用（online Developmental Testing）。这些测试通常会发现在离线测试中并不明显的算法问题或实现bug，通常会导致大量的返工周期和进一步的离线调试。
一旦开发人员对算法的工作感到满意，对算法的测试就被添加到正式的、定期安排的系统测试中（Formal System Testing）。对算法进行独立测试过程中发现新的缺陷，这需要一些返工。
回归系统测试是开发过程的基石。在循环开发过程之后，每个研究人员都可以自由地实现和测试尽可能独立于整个系统，但是为了判断系统整体能力并验证单独的组件更改不会降低整个系统性能，团队执行了回归系统测试。系统测试的频率与系统就绪程度成比例。BOSS车从2007年2月到10月，进行了65天的系统测试。正式的测试时间在系统的完善过程中进行调整，例如，在二月份，团队进行了不到16公里的系统测试。相比之下，在10月的前3周，该团队进行了超过1500公里的自动测试。
<上一页 3 4
