-
公开(公告)号：CN110386146A
公开(公告)日：2019-10-29
申请号：CN201910261602.5
申请日：2019-04-02
Applicant: 通用汽车环球科技运作有限责任公司
IPC: B60W50/00
Abstract: 提供了用于处理注意力数据的方法和系统。在一个实施例中，方法包括：由处理器接收与车辆的外部环境的至少一个对象相关联的对象数据；接收从所述车辆的规划路线确定的将做的行为数据；接收从所述车辆的乘员感测到的注视数据；由所述处理器处理所述对象数据、所述将做的行为数据和所述注视数据以确定与所述车辆的乘员的注意力相关联的注意力评分；以及由所述处理器选择性地产生信号，以进行通知所述乘员和基于所述注意力评分控制所述车辆中的至少一项。
-
-
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
Applicant: 通用汽车环球科技运作有限责任公司
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。
-
公开(公告)号：CN109990794A
公开(公告)日：2019-07-09
申请号：CN201811525026.2
申请日：2018-12-13
Applicant: 通用汽车环球科技运作有限责任公司
Inventor： S·R·贾法利塔夫提 , 邹光宇 , M·J·休伯 , U·P·穆达里格
IPC: G01C21/34
Abstract: 一种车辆、车辆自主导航的系统和方法。在车辆的处理器处接收用于沿路段导航训练交通场景的参考轨迹。处理器确定用于与模拟参考轨迹的候选轨迹相关联的成本函数的系数。将所确定的系数提供给神经网络以训练神经网络。训练的神经网络使用由神经网络确定的成本系数来生成用于导航车辆的导航轨迹。使用导航轨迹沿路段导航车辆。
-
公开(公告)号：CN110852414B
公开(公告)日：2023-08-29
申请号：CN201910462515.6
申请日：2019-05-30
Applicant: 通用汽车环球科技运作有限责任公司
IPC: G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本发明题为“高精度低位卷积神经网络”。本文描述了用于生成并训练高精度低位卷积神经网络(CNN)的系统、方法和计算机可读介质。使用一个或多个二元滤波器来模拟CNN的每个卷积层的滤波器，并且使用二元激活的线性组合来模拟实值激活函数。更具体地，使用缩放的二元滤波器来模拟非1×1滤波器(例如，k×k滤波器，其中k>1)，并且使用二元滤波器的线性组合来模拟1×1滤波器。因此，针对模拟不同权重(例如，1×1滤波器对非1×1滤波器)而采用不同的策略。以这种方式，在高精度低位CNN的(一个或多个)卷积层中执行的卷积变为二元卷积，该二元卷积产生较低的计算成本，同时仍保持高性能(例如，高准确度)。
-
Patent Agency Ranking
公开(公告)号：CN110588653B
公开(公告)日：2023-04-18
申请号：CN201910382306.0
申请日：2019-05-09
Applicant: 通用汽车环球科技运作有限责任公司
Abstract: 提供了自主车辆(AV)的控制系统和方法。高级控制器的场景理解模块从多个感觉运动基元模块中选择针对特定驾驶场景要启用和执行的感觉运动基元模块的特定组合。感觉运动基元模块的特定组合中的每一个处理子任务序列中一个子任务，子任务序列处理特定驾驶场景。基元处理器模块执行感觉运动基元模块的特定组合，使得每个基元处理器模块生成车辆轨迹和速度曲线。仲裁模块选择具有最高执行的优先级排序的车辆轨迹和速度曲线中的一个，并且车辆控制模块处理车辆轨迹和速度曲线中所选择的一个来生成控制信号，控制信号用于执行一个或多个控制动作以自动控制自主车辆。
-
公开(公告)号：CN110386146B
公开(公告)日：2022-09-20
申请号：CN201910261602.5
申请日：2019-04-02
Applicant: 通用汽车环球科技运作有限责任公司
IPC: B60W50/00
Abstract: 提供了用于处理注意力数据的方法和系统。在一个实施例中，方法包括：由处理器接收与车辆的外部环境的至少一个对象相关联的对象数据；接收从所述车辆的规划路线确定的将做的行为数据；接收从所述车辆的乘员感测到的注视数据；由所述处理器处理所述对象数据、所述将做的行为数据和所述注视数据以确定与所述车辆的乘员的注意力相关联的注意力评分；以及由所述处理器选择性地产生信号，以进行通知所述乘员和基于所述注意力评分控制所述车辆中的至少一项。
-
公开(公告)号：CN109421730B
公开(公告)日：2022-01-04
申请号：CN201810921246.0
申请日：2018-08-14
Applicant: 通用汽车环球科技运作有限责任公司
Abstract: 一种用于驱动自主车辆的车辆、系统和方法。车辆包括：相机，其被配置为获取车辆的周围区域的图像；致动装置，其用于控制车辆的运动参数；以及处理器。处理器选择图像内的背景区域，其中该背景区域中包括检测区域。处理器进一步被配置为估计指示检测区域中目标对象的至少一部分的存在的置信度以及与目标对象相关联的边界框；当置信度大于选定阈值时确定来自边界框的提议区域；确定提议区域内的目标对象的参数；以及控制致动装置以基于目标对象的参数来改变车辆的运动参数。
-
公开(公告)号：CN111137292A
公开(公告)日：2020-05-12
申请号：CN201910496094.9
申请日：2019-06-10
Applicant: 通用汽车环球科技运作有限责任公司 , 卡内基梅隆大学
Abstract: 提供了采用基于空间和时间注意力的分层车道变换策略的深度强化学习来控制自主车辆的系统和方法。执行器-评价网络架构包括：执行器网络，其处理从环境接收的图像数据以将车道变换策略作为分层动作的集合来学习；以及评价网络，其评估车道变换策略以计算损失和梯度来预测动作值函数(Q)，其用于驱动学习车道变换策略以及更新其参数。执行器-评价网络架构实施空间注意力模块以选择图像数据中重要的相关区域，以及时间注意力模块以学习要应用于过去的图像数据帧的时间注意力权重，从而指示在决定选择哪个车道变换策略时的相对重要性。
-
公开(公告)号：CN110852414A
公开(公告)日：2020-02-28
申请号：CN201910462515.6
申请日：2019-05-30
Applicant: 通用汽车环球科技运作有限责任公司
Abstract: 本发明题为“高精度低位卷积神经网络”。本文描述了用于生成并训练高精度低位卷积神经网络(CNN)的系统、方法和计算机可读介质。使用一个或多个二元滤波器来模拟CNN的每个卷积层的滤波器，并且使用二元激活的线性组合来模拟实值激活函数。更具体地，使用缩放的二元滤波器来模拟非1×1滤波器(例如，k×k滤波器，其中k>1)，并且使用二元滤波器的线性组合来模拟1×1滤波器。因此，针对模拟不同权重(例如，1×1滤波器对非1×1滤波器)而采用不同的策略。以这种方式，在高精度低位CNN的(一个或多个)卷积层中执行的卷积变为二元卷积，该二元卷积产生较低的计算成本，同时仍保持高性能(例如，高准确度)。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.036 seconds)
