-
公开(公告)号:CN117799637A
公开(公告)日:2024-04-02
申请号:CN202311710703.9
申请日:2023-12-13
Applicant: 电子科技大学长三角研究院(衢州)
IPC: B60W60/00 , B60W50/00 , G06N3/0455 , G06N3/0475 , G06N3/042 , G06N3/092 , G06N3/0499 , G06N3/0442 , G06N3/096
Abstract: 本发明公开了一种基于模仿学习的可变驾驶风格的自动驾驶决策方法,本发明提出了一个支持增量学习的模仿学习模型,基础的模仿学习模型可以通过多种驾驶风格的专家数据进行训练,并在模仿专家驾驶行为方面实现超越专家的性能。通过增量学习,模型可以根据不断积累的数据不断改进性能,而无需每次重新训练整个模型。这将使自动驾驶车辆能够更及时地更新模型参数,以适应新的道路情境和交通条件。本发明能够根据不同的驾驶风格偏好快速微调基本的基于模仿学习自动驾驶决策模型,同时减少计算、存储和时间的大量开销。本发明基于注意力环境感知框架,以致力于使自动驾驶决策算法在多变的交通场景中关注更有用的关键信息。
-
公开(公告)号:CN117634587A
公开(公告)日:2024-03-01
申请号:CN202311611292.8
申请日:2023-11-29
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学(深圳)高等研究院
IPC: G06N3/096 , G06N7/01 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于不确定性感知的持续学习轨迹预测系统,包括基模型,用于进行轨迹预测任务;不确定性感知记忆模块,采用将基模型转变为贝叶斯网络,计算轨迹样本的不确定度,计算完每个轨迹样本的不确定度后进行排序,将不确定度最高和最低的轨迹样本存储在记忆内存中作为条件样本;条件生成记忆回放模块,将当前任务的轨迹样本和条件样本编码处理后通过多头注意力模块得到注意力输出,再通过条件变分编码器进行条件变分推理生成用于重放的轨迹记忆样本。本发明避免了排练方法大量工作内存需求以及伪排练生成数据不真实且不具有鉴别性的问题,有效减少了持续学习灾难性遗忘问题,提高了自动驾驶轨迹预测系统的鲁棒性和可靠性。
-
公开(公告)号:CN112721929B
公开(公告)日:2022-11-22
申请号:CN202110030986.7
申请日:2021-01-11
Applicant: 成都语动未来科技有限公司 , 电子科技大学长三角研究院(衢州)
IPC: B60W30/18
Abstract: 本发明公开了一种基于搜索技术的自动驾驶车辆变道行为决策方法,该决策方法包括如下步骤:(S1)在预测了周围车辆的未来轨迹之后,自动驾驶汽车决策自己的驾驶行为;(S2)在行为决策中,分别通过行为搜索模块和行为处理模块对自动驾驶车辆的变道行为进行决策。通过上述方案,本发明达到了高效的自动驾驶目的,具有很高的实用价值和推广价值。
-
公开(公告)号:CN112634328B
公开(公告)日:2022-11-08
申请号:CN202011551018.2
申请日:2020-12-24
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法,首先,目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码;然后将隐藏状态输入到注意力机制中,以模拟目标行人的注意力;最后,注意力权重的加和通过自定中心星状图解码器传递,一次输出一个预测位置;同时,相邻的隐藏状态将在星状图中连续解码,从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制,并结合到时空编码信息中,很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。
-
公开(公告)号:CN112634328A
公开(公告)日:2021-04-09
申请号:CN202011551018.2
申请日:2020-12-24
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法,首先,目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码;然后将隐藏状态输入到注意力机制中,以模拟目标行人的注意力;最后,注意力权重的加和通过自定中心星状图解码器传递,一次输出一个预测位置;同时,相邻的隐藏状态将在星状图中连续解码,从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制,并结合到时空编码信息中,很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。
-
-
-
-