人工智能（AI）技术的革新正在为自主系统如自动驾驶系统带来无限机遇。人工智能技术赋能自动驾驶，使其能够获得比人类驾驶员更好的驾驶能力，例如自主感知、推理和决策，有望改变传统的交通方式以服务人类。本书为自动驾驶领域工程技术人员提供人工智能相关基础理论和应用技术等相关知识，并培养将人工智能算法应用于自动驾驶或其他自主系统的能力。本书涵盖的主题有：概述模块，包括人工智能、自动驾驶及两者关系的介绍；感知模块，包括感知技术、人工智能算法应用；决策模块，包括自动驾驶决策问题和基于人工智能的决策算法；控制模块，包括数据和机理驱动的控制方法及自动驾驶应用；优化模块，包括人工智能算法的优化求解；案例分析模块，包括人机交互和高级驾驶辅助系统。读者通过本书将熟悉人工智能概念、算法和自动驾驶系统最新技术。本书适合自动驾驶研究与开发技术人员阅读使用，也适合车辆工程及相关专业师生阅读参考。

前言
第1章 人工智能与自动驾驶概述
1.1 自动驾驶概述
1.1.1 自动驾驶相关术语
1.1.2 自动驾驶分级
1.1.3 自动驾驶主要任务
1.2 人工智能概述
1.2.1 人工智能的起源与发展
1.2.2 人工智能的分类
1.2.3 神经网络与深度学习
1.2.4 人工智能的爆发与机遇
1.3 自动驾驶——人工智能竞技场
1.3.1 自动驾驶的发展历程
1.3.2 自动驾驶中的AI技术
1.3.3 自动驾驶对人工智能的挑战
参考文献
第2章 人工智能与优化控制
2.1 基于学习的优化控制
2.1.1 概述
2.1.2 机器学习在优化控制中的应用
2.2 基于学习的模型预测控制
2.2.1 模型预测控制
2.2.2 机器学习在模型预测控制中的角色
2.3 内嵌物理知识神经网络
2.3.1 概述
2.3.2 原理
2.3.3 斯托克斯流体拓扑优化
2.4 人工智能中的优化算法
2.4.1 梯度下降与共轭梯度法
2.4.2 动量优化与Nesterov动量优化算法
2.4.3 自适应梯度优化算法
2.4.4 RMSProp优化算法
2.4.5 Adam优化算法
2.5 人工智能中的反馈机制
2.5.1 反馈的基本思想
2.5.2 人类反馈强化学习
参考文献
第3章 自动驾驶感知中的人工智能
3.1 基于图像的目标识别与追踪
3.1.1 基于图像的目标识别
3.1.2 基于图像的目标追踪
3.2 基于传感器融合的目标识别与追踪
3.2.1 基于传感器融合的目标识别
3.2.2 基于传感器融合的目标追踪
3.3 案例研究
参考文献
第4章 自动驾驶决策中的人工智能
4.1 人工智能决策的可解释性
4.1.1 人工智能决策可解释性方法概述
4.1.2 语义Shapley值引导的视觉反事实解释及自动驾驶应用
4.2 基于可解释奖励机强化学习的自动驾驶决策
4.2.1 可解释奖励机
4.2.2 高速公路场景下的奖励机强化学习决策设计
4.2.3 仿真分析
参考文献
第5章 自动驾驶控制中的人工智能
5.1 智能驾驶中的动力系统控制
5.1.1 研究场景与方案综述
5.1.2 车-路协同下智能预测巡航控制
5.1.3 交通信号灯速度规划
5.2 基于深度学习的电池健康预测
5.2.1 电池健康管理概述
5.2.2 基于LSTM神经网络的电池健康状态预测
5.2.3 基于迁移学习的电池健康状态预测
5.3 基于强化学习的混动汽车能量管理
5.3.1 混合动力汽车能量管理策略概述
5.3.2 强化学习算法在能量管理策略中的应用
5.3.3 案例研究
5.4 基于学习的车辆运动控制
5.4.1 基于学习的车辆运动控制策略概述
5.4.2 基于数据驱动的车辆运动控制
5.4.3 基于强化学习的车辆运动控制
5.4.4 案例研究
参考文献