黑巖小說(shuō)

第588章 都會(huì)搶答了（第2頁(yè)）

他臉上的興奮已經(jīng)變成了震撼，眼睛死死盯著陳默在茶臺(tái)上虛劃的手指，仿佛那指尖流淌出的不是空氣，而是精妙絕倫的決策樹(shù)和博弈矩陣。

蔣雨宏雖然依舊沉穩(wěn)，但端著茶杯的手指也幾不可察地收緊了些許，鏡片后的目光銳利地聚焦在陳默身上，帶著更深層次的審視和探究。

顧南舟更是感到頭皮一陣發(fā)麻。

有限狀態(tài)機(jī)、行為樹(shù)、博弈論。。。

這些正是他離散數(shù)學(xué)研究中涉及的強(qiáng)項(xiàng)。

尤其是博弈論在多智能體系統(tǒng)中的復(fù)雜均衡分析，更是他研究過(guò)的一個(gè)小分支。

陳默竟然將智能駕駛中最難啃的“行為決策”硬骨頭，如此清晰地解剖開(kāi)，并精準(zhǔn)地指向了這些離散數(shù)學(xué)工具。

這已經(jīng)不僅僅是懂行了，這簡(jiǎn)直是。。。洞若觀火！

顧南舟看著陳默一臉淡定的樣子越發(fā)覺(jué)得離譜，這他媽到底你是離散數(shù)學(xué)的博士還是我是??？？？

陳默仿佛沒(méi)看到他們的震動(dòng)，繼續(xù)向下剖析，指尖指向虛空，仿佛那里有無(wú)形的傳感器在交織數(shù)據(jù)。

“然后是感知融合（Sensor

Fusion）?！彼恼Z(yǔ)氣變得如同精密儀器般冷靜，“攝像頭、激光雷達(dá)、毫米波雷達(dá)。。。多源異構(gòu)傳感器，各自輸出帶噪聲、帶不確定性的數(shù)據(jù)。如何將它們統(tǒng)一起來(lái)，得到一個(gè)對(duì)周?chē)h(huán)境最可靠、最一致的認(rèn)知？”

“核心是概率圖模型（Probabilistic

Graphical

Models）！”陳默的聲音斬釘截鐵。

“貝葉斯網(wǎng)絡(luò)（Bayesian

Network）

用于建模變量間的概率依賴(lài)關(guān)系，馬爾可夫隨機(jī)場(chǎng)（Markov

Random

Field，

MRF）

用于處理空間關(guān)聯(lián)性。

用它們來(lái)融合多傳感器數(shù)據(jù)，估計(jì)目標(biāo)的存在概率、位置、速度、類(lèi)別。。。

這是處理感知不確定性的數(shù)學(xué)利器！”

他目光如電，掃過(guò)顧南舟：

“而在這個(gè)融合過(guò)程中，一個(gè)關(guān)鍵挑戰(zhàn)是多目標(biāo)跟蹤（Multi-Object

Tracking，

MOT）

和數(shù)據(jù)關(guān)聯(lián)（Data

Association）。

不同傳感器、不同時(shí)刻檢測(cè)到的目標(biāo)，如何確定誰(shuí)是誰(shuí)？