中文摘要：

以建立无人汽车在自主驾驶过程中的决策理论框架为目标，构建结合目标导向和Cache导向的混合决策模型。首先，从实现无人汽车自主驾驶决策系统的需求出发，通过分析人类驾驶汽车的决策方式，凝练出科学问题。其次，利用目标导向和Cache导向决策模型解构无人汽车自主驾驶过程中的决策模式，为理解人类自主驾驶决策的功能和特点提供理论基础。然后，以理论神经科学和实验神经科学中的皮层－基底神经节回路作为参考，构建目标导向与Cache导向混合决策模型的结构，并设计支持混合决策模型的学习算法和能有效完成决策任务的执行机理。最后，利用该决策模型指导设计无人汽车自主驾驶的决策系统。本项目的预期研究成果是得到一种利用目标导向和Cache导向模型分析人类驾驶过程中决策方式的新方法，并建立基于皮层－基底神经节回路的同时能用于指导构建自主驾驶决策系统的决策理论。

结论摘要：

驾驶是一项人类特有的高级的复杂行为过程，它不仅包括对周围环境信息的快速感觉，还包括对所感觉信息的认知和决策，以及在此基础上产生的一系列驾驶动作，如加速、减速、制动、转向和停止等。本项目围绕无人车、无人机等自主机器人系统的无人自主驾驶过程中的决策问题，提出人类在驾驶过程中的决策涉及两类决策系统，一类是Cache导向的决策系统，一类是目标导向的决策系统。与已有关于驾驶决策的模型不同，我们的决策模型还包括策略学习这一关键内容。 在此基础上，按照已知的人类脑区功能与连接，提出了一个可用于Cache导向的决策模型，利用该模型进行决策将获得与人类似的决策结果。我们还研究了大脑如何进行需要工作记忆参与的快速决策问题，提出了一个能完成这一复杂决策任务的计算模型。以上与驾驶行为相关的大脑决策模型为进一步探索人类如何习得各种驾驶行为将提供理论支持。　　为了实现汽车、飞行器等的自主驾驶，我们针对其中的若干关键技术问题进行了研究。特别是在诸如标识识别、控制参数辨识、动力学控制以及快速感知决策等方面取得了阶段性成果，为所提出的决策模型的验证与应用提供了有力保障。　　此外，为了验证所提决策模型的有效性，我们还搭建了多个无人驾驶系统决策实验平台。然后，以无人机自主定点降落与地面目标自动跟踪为例，提出了 Cache 导向与目标导向决策模型下的学习算法，实验结果表明利用该算法可以解决以上典型的Cache 导向与目标导向决策问题。