第588章 都会抢答了(第2页)

尤其是博弈论在多智能体系统中的复杂均衡分析，更是他研究过的一个小分支。

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（sensorfusion）。”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（probabilistiCgraphiCalmodels）！”陈默的声音斩钉截铁。

“贝叶斯网络（Bayesiannetwork）用于建模变量间的概率依赖关系，马尔可夫随机场（markovrandomfield,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-obieCttraCking,mot）和数据关联（dataAssoCiation）。

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（Assignmentproblem）！”

“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（hungarianAlgorithm）！

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！