第一卷：默认 第588章 都会抢答了（2 / 3）

sp;   陈默竟然将智能驾驶中最难啃的“行为决策”硬骨头，如此清晰地解剖开，并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！

    顾南舟看着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、激光雷达、毫米波雷达...多源异构传感器，各自输出带噪声、带不确定性的数据。如何将它们统一起来，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。

    “贝叶斯网络（BayeSian NetWOrk） 用于建模变量间的概率依赖关系，马尔可夫随机场（MarkOv RandOm Field, MRF） 用于处理空间关联性。

    用它们来融合多传感器数据，估计目标的存在概率、位置、速度、类别...

    这是处理感知不确定性的数学利器！”

    他目光如电，扫过顾南舟：

    “而在这个融合过程中，一个关键挑战是多目标跟踪（MUlti-ObieCt TraCking, MOT） 和数据关联（Data ASSOCiatiOn）。

    不同传感器、不同时刻检测到的目标，如何确定谁是谁？

    如何避免混淆？

    这需要解决一个指派问题（ASSignment PrOblem）！”

    “最经典的解法是什么？”陈默微微提高了声音，带着一种引导的意味看向顾南舟。

    顾南舟几乎是脱口而出：

    “匈牙利算法（HUngarian AlgOrithm）！

    一种基于图论的组合优化算法，用于解决二分图最大权匹配问题！

    它能高效地解决传感器数据到目标的关联！”

    陈默这个时候的表情像极了春晚上的赵本山，不错，都会抢答了。

    “没错！”他眼中闪过一丝赞许，语气铿锵有力。

 &