人工智能发展阶段 - 专家学习系统阶段：将领域知识和规则交给机器去搜索 [9] - 特征工程阶段：将事先定义的特征和答案交给机器去学习 [10] - 深度神经网络阶段：机器自动学习特征，在语音和图像识别方面超过人类 [11] - 通用人工智能阶段：机器像人类一样感知和理解世界，具有自我意识和适应能力 [11] 机器行为研究 - 机器行为模仿与解释：解释行为比产生行为更困难，需要认知过程的理解 [6] - 机器行为面临的挑战：包括条件问题和分枝问题，无法枚举所有先决条件和隐性结果 [13] - 机器行为的研究范围：包括行为生成、可解释性、行为功能和进化 [25][28] 具身智能 - 具身智能定义：机器自主感知环境、学习和理解行动的能力，强调身体结构与智能的相关性 [39][43] - 非具身学习与具身学习的区别：非具身学习独立于硬件，具身学习通过虚拟环境训练和强化学习完成进化 [43] - 具身智能行为生成：包括人机交互和系统与环境交互两部分 [45][47] 自动驾驶 - 自动驾驶面临的挑战：周密感知、预行为理解、意外遭遇应对和网络安全 [58][59][60][61] - 自动驾驶行为生成：结合经验与常识、场景理解、交通态势评估和运动规划 [64][65] - 自动驾驶认知地图：包括车辆、交通标识、障碍物等属性，以及预注意机制和驾驶意图 [84] 人机协同 - 人类塑造机器行为：通过主动输入或被动行为观察训练机器行为 [37] - 机器塑造人类行为：智能机器改变人类行为方式和社会结构 [36] - 人机混合协同行为：包括合作、竞争和协调等交互属性 [38] 仿真测试 - 自动驾驶仿真测试需求：需要行驶4.4亿公里才能证明安全性，实际测试耗时8.37年 [86] - 仿真测试框架：生成多样性交通场景，评价安全性、舒适性和协调性 [89] - 异常交通场景处理：利用图形学和计算机视觉生成测试数据 [89] 认知与学习 - 人类驾驶员认知机制：选择性注意、记忆和学习过程，对交通场景进行模式匹配 [75][76] - 自动驾驶认知表征：包括空间定位层、行为模型层、知识策略层和任务驱动层 [83] - 机器行为发展途径：人类算法赋予、交互训练和机器自主经验获得 [32]