用于自主车辆行为控制的系统和方法

    公开(公告)号:CN109753047A

    公开(公告)日:2019-05-14

    申请号:CN201811294235.0

    申请日:2018-11-01

    Abstract: 提供了用于控制车辆的系统和方法。基于一个或多个输入数据源在高级控制器处生成控制信号,数据源包含以下中的至少一个:提供传感器输出信息、地图数据和目标的传感器。高级控制器包含第一控制器模块,第一控制器模块包含:输入处理模块、投影模块、存储器模块、世界模型模块以及包含控制模型执行器模块的决策处理模块。在低级控制器处理控制信号以生成命令,命令根据控制信号控制车辆的多个车辆致动器,以执行要执行的一个或多个调度动作以使驾驶任务自主化。

    使用策略触发和执行的自主行为控制

    公开(公告)号:CN109407660A

    公开(公告)日:2019-03-01

    申请号:CN201810896703.5

    申请日:2018-08-08

    Abstract: 一种车辆、系统和操作车辆的方法。在一个示例性实施例中,公开了一种用于操作自主车辆的方法。环境传感器获得车辆的外部实体的一个或多个参数。车辆的处理器在自主车辆处获得具有目的地的路线;构建路线的马尔可夫状态模型,其包括用于自主车辆的多个状态以及外部实体的一个或多个参数;产生用于导航该路线的多个驾驶策略;使用马尔可夫决策过程从多个驾驶策略中选择用于导航该路线的策略;以及在自主车辆处执行选定策略以将车辆沿着该路线朝向目的地导航。

    用于端对端自主车辆验证的系统和方法

    公开(公告)号:CN110103983A

    公开(公告)日:2019-08-09

    申请号:CN201910068515.8

    申请日:2019-01-24

    Abstract: 提供用于评估自主车辆的控制特征以实现开发或验证目的的系统和方法。真实世界传感器数据集由具有传感器的自主车辆生成。感测和感知模块生成真实世界传感器数据集的扰动。发生器模块从真实世界传感器数据集生成三维对象数据集。规划和行为模块生成三维对象数据集的扰动。测试模块使用三维对象数据集测试诸如算法或软件之类的控制特征。控制模块执行来自控制特征的指令输出以进行评估。

    基于注意的分层变道深度强化学习

    公开(公告)号:CN110850861B

    公开(公告)日:2023-05-23

    申请号:CN201910443618.8

    申请日:2019-05-24

    Abstract: 一种基于注意的分层变道深度强化学习。提供了生成自动驾驶策略的系统和方法。该系统可包括成组的自动驾驶员代理,以及驾驶策略生成模块,其包括成组的驾驶策略学习模块,用于基于驾驶员代理收集的集体体验生成和改进策略。驾驶员代理可收集驾驶体验以创建知识库。驾驶策略学习模块能够处理集体驾驶体验以提取驾驶策略。驾驶员代理可以经由驾驶策略学习模块以并行和分布的方式进行训练,以便更快更高效地找到新型的高效驾驶策略和行为。并行和分布式学习能够加快多个自动智能驾驶员代理的训练。

Patent Agency Ranking