-
公开(公告)号：CN115195784B
公开(公告)日：2024-11-12
申请号：CN202210770893.2
申请日：2022-06-30
Applicant: 同济大学
Abstract: 本发明涉及一种场景自适应的自动驾驶汽车决策规划方法、设备及介质，所述方法用于对自动驾驶汽车进行决策规划，包括以下步骤：获取待规划自动驾驶汽车的动态交通信息；将动态交通信息输入到预训练好的决策端输出层网络，获取换道决策；将动态交通信息输入到预训练好的规划端输出层网络，获取当前工况下用于车辆进行轨迹规划的MPC参数调节结果；将换道决策和MPC参数调节结果输入预训练好的横纵向递进式轨迹规划网络，输出方向盘转角、油门开度至执行器，实现自动驾驶汽车功能。与现有技术相比，本发明具有安全性和控制舒适性高等优点。
-
公开(公告)号：CN114291112B
公开(公告)日：2023-08-04
申请号：CN202111651419.X
申请日：2021-12-30
Applicant: 同济大学 , 东风汽车集团股份有限公司
Abstract: 本发明涉及一种应用于自动驾驶汽车的决策规划协同增强方法，包括以下步骤：S1：获取待规划车辆的驾驶环境中交通车辆的交通信息；S2：进行上层的换道倾向初始决策，并得出换道指令；S3：预测交通车辆的行驶轨迹及其未来可能出现位置的高斯概率分布；S4：根据预测获取的交通车辆的行驶轨迹及其未来可能出现位置的高斯概率分布，计算预测的交通车辆行驶轨迹未来每个时间戳内待规划车辆在行驶道路上的可行驶时空区域；S5：根据换道指令和可行驶时空区域，进行基于逻辑设计的决策规划信息互联及闭环增强，获取换道轨迹并进行自动驾驶。与现有技术相比，本发明有效提高了自动驾驶汽车的安全性、实用性及舒适性。
-
公开(公告)号：CN116300850A
公开(公告)日：2023-06-23
申请号：CN202211100337.0
申请日：2022-09-08
Applicant: 同济大学
Abstract: 本发明涉及一种基于数据机理融合的自动驾驶类人安全自进化方法和系统，方法包括：从历史经验数据中，提取真实人类驾驶数据特征，通过最大熵逆强化学习算法，迭代提取出与该驾驶员决策习惯和规划习惯的目标函数；实时从交通环境中采样，获取环境信息，构建包括当前状态、动作、奖励和下一时刻状态的经验回访池，构建Q价值神经网络，从经验回访池抽取数据，对Q价值神经网络进行迭代更新，获取拟人化约束；建立车辆模型，并代入当前时刻的环境信息，构建车辆执行器约束，结合车辆模型、拟人化目标函数和拟人化约束进行搜索求解，获取车辆控制信息。与现有技术相比，本发明使得自动驾驶汽车具有自学习性和适应性，能实现安全、高效、舒适地驾驶。
-
公开(公告)号：CN115257809A
公开(公告)日：2022-11-01
申请号：CN202210900448.3
申请日：2022-07-28
Applicant: 同济大学
Abstract: 本发明涉及一种人在环的自动驾驶车辆交互学习控制方法及设备，所述方法包括以下步骤：采集自动驾驶车辆当前时刻的状态感知信息，基于训练好的DQN‑MPC双层控制模型获得下一刻的期望加速度和方向盘转角；所述DQN‑MPC双层控制模型基于人在环控制实现更新，在接收到驾驶员指令时，将所述驾驶员指令替换当前的决策指令，更新作为训练数据集的经验回放池，同时生成惩罚因子，该惩罚因子用于修正Q价值网络参数的更新。此外，本发明具有人类反馈预测功能，当可信度达到设置标准时，模型在环控制模块将代替长时间的人在环控制，解放驾驶员。与现有技术相比，本发明具有提高驾驶安全性和舒适性等优点。
-
公开(公告)号：CN114291112A
公开(公告)日：2022-04-08
申请号：CN202111651419.X
申请日：2021-12-30
Applicant: 同济大学
Abstract: 本发明涉及一种应用于自动驾驶汽车的决策规划协同增强方法，包括以下步骤：S1：获取待规划车辆的驾驶环境中交通车辆的交通信息；S2：进行上层的换道倾向初始决策，并得出换道指令；S3：预测交通车辆的行驶轨迹及其未来可能出现位置的高斯概率分布；S4：根据预测获取的交通车辆的行驶轨迹及其未来可能出现位置的高斯概率分布，计算预测的交通车辆行驶轨迹未来每个时间戳内待规划车辆在行驶道路上的可行驶时空区域；S5：根据换道指令和可行驶时空区域，进行基于逻辑设计的决策规划信息互联及闭环增强，获取换道轨迹并进行自动驾驶。与现有技术相比，本发明有效提高了自动驾驶汽车的安全性、实用性及舒适性。
-
Patent Agency Ranking
公开(公告)号：CN115257809B
公开(公告)日：2024-11-26
申请号：CN202210900448.3
申请日：2022-07-28
Applicant: 同济大学
Abstract: 本发明涉及一种人在环的自动驾驶车辆交互学习控制方法及设备，所述方法包括以下步骤：采集自动驾驶车辆当前时刻的状态感知信息，基于训练好的DQN‑MPC双层控制模型获得下一刻的期望加速度和方向盘转角；所述DQN‑MPC双层控制模型基于人在环控制实现更新，在接收到驾驶员指令时，将所述驾驶员指令替换当前的决策指令，更新作为训练数据集的经验回放池，同时生成惩罚因子，该惩罚因子用于修正Q价值网络参数的更新。此外，本发明具有人类反馈预测功能，当可信度达到设置标准时，模型在环控制模块将代替长时间的人在环控制，解放驾驶员。与现有技术相比，本发明具有提高驾驶安全性和舒适性等优点。
-
公开(公告)号：CN117719535A
公开(公告)日：2024-03-19
申请号：CN202311571578.8
申请日：2023-11-23
Applicant: 同济大学
Abstract: 本发明涉及一种人类反馈的自动驾驶车辆交互式自适应决策控制方法，包括以下步骤：获取自动驾驶汽车采集到的状态感知信息，采用训练好的上层强化学习DDQN网络模型，确定下层MPC控制器优化问题的权重系数，所述DDQN网络模型基于人在环的交互反馈信息和场景风险评估结果实现更新，将模仿人类评价反馈网络模型输出的人类评价和场景风险评估模型输出的场景风险评估结果作用在DDQN网络模型的奖励函数中，训练DDQN网络模型并更新参数；MPC控制器基于权重系数确定优化问题，并进行横纵向规划跟踪，求解下一时刻控制量。与现有技术相比，本发明具有能够自适应控制模型参数并学习人类驾驶评价，提高驾驶安全性和场景适应性等优点。
-
公开(公告)号：CN116238520A
公开(公告)日：2023-06-09
申请号：CN202211715386.5
申请日：2022-12-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于智能方向盘的人机协同控制方法及系统，其中方法包括：基于智能方向盘产生与驾驶操作对应的电信号；采用支持向量机算法根据电信号建立驾驶员内在意图预测和心理状态监测模型；基于内在意图预测结果和驾驶员心理状态，得出驾驶员期望；建立车辆的运动学和动力学模型；基于车路感知模块获取道路信息，车辆状态，构建包括道路安全性约束和稳定性舒适性约束的模型约束；采用模型预测控制算法根据驾驶员期望和模型约束构建人机协同控制器；求解MPC控制器优化问题，得到当前最优的前轮转角和纵向加速度，并将其输出给车辆底层控制器实现人机协同控制。与现有技术相比，本发明具有驾驶员意图预测准确、人机协同能力强等优点。
-
公开(公告)号：CN117227758A
公开(公告)日：2023-12-15
申请号：CN202311311681.9
申请日：2023-10-11
Applicant: 同济大学
IPC: B60W60/00 , B60W40/107 , B60W40/00
Abstract: 本发明涉及一种多层次人类智能增强的自动驾驶车辆决策控制方法及系统，其中方法包括：采集人类驾驶员驾驶数据，利用逆强化学习算法训练得到奖励函数网络和预训练最优策略模型；初始化DDPG控制模型，智能体利用采集的自动驾驶汽车当前时刻状态信息进行自主探索，并根据状态信息、决策指令和奖励构建训练数据集对模型进行训练；若接收到人类驾驶员操纵指令，则将其作为决策指令，否则，将DDPG控制模型得到的控制指令作为决策指令；基于决策指令，利用MPC控制器进行自动驾驶汽车的横纵向规划跟踪，得到下一时刻车辆控制量，对车辆进行控制。与现有技术相比，本发明结合了人类驾驶的鲁棒性和适应性优势，有效提高了驾驶安全性和舒适性。
-
公开(公告)号：CN115195784A
公开(公告)日：2022-10-18
申请号：CN202210770893.2
申请日：2022-06-30
Applicant: 同济大学
Abstract: 本发明涉及一种场景自适应的自动驾驶汽车决策规划方法、设备及介质，所述方法用于对自动驾驶汽车进行决策规划，包括以下步骤：获取待规划自动驾驶汽车的动态交通信息；将动态交通信息输入到预训练好的决策端输出层网络，获取换道决策；将动态交通信息输入到预训练好的规划端输出层网络，获取当前工况下用于车辆进行轨迹规划的MPC参数调节结果；将换道决策和MPC参数调节结果输入预训练好的横纵向递进式轨迹规划网络，输出方向盘转角、油门开度至执行器，实现自动驾驶汽车功能。与现有技术相比，本发明具有安全性和控制舒适性高等优点。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
