-
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：CN117799637B
公开(公告)日：2025-05-09
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：CN116476861A
公开(公告)日：2023-07-25
申请号：CN202310191784.X
申请日：2023-03-02
Applicant: 电子科技大学长三角研究院(衢州)
IPC: B60W60/00
Abstract: 本发明公开了一种基于多模态感知和分层动作的自动驾驶决策系统，包括数据预处理模块、状态表征模块、演员评论家模块、混合奖励函数模块和多进程训练模块；通过并行训练来加快模型的训练速度和提升模型的训练表现。本发明的适用性更好，运用了多种传感器和深度学习算法来对周围环境信息进行一个全面的感知，从而让自动驾驶车能够更好的应对一些突发情况，分车道的跨模态聚合模型让自动驾驶车能够更快更好地提取有用的特征。基于分层动作的强化学习模型更好地优化自动驾驶车的车道保持行为和变道行为。满足自动驾驶车每一次决策的安全性、效率性和舒适性，并减少由于自动驾驶车急剧的变速和变道引发的车流波动，提升整个车流的交通效率和车流稳定。
-
公开(公告)号：CN117922612A
公开(公告)日：2024-04-26
申请号：CN202410097215.3
申请日：2024-01-24
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协同感知和自适应信息融合的互联自动驾驶决策方法，主要解决现有自动驾驶决策在复杂的道路结构和交通灯信息条件下适用性较低的问题。该方法考虑在世界坐标系统下的多车道交通环境，其中有互联自动驾驶车辆和人类驾驶车辆组成的混合交通流。每个CAV都可以通过车载传感器和离线高精度地图获得周围的多模态环境特征(如车道信息、HDV车辆信息和红绿交通灯信息)。在车对车通信的帮助下，CAV可以共享其信息，并在指定的时间步长t内做出决策。该方法的目标是为CAV生成速度决策和转向角度决策。有了这样的动作决策，自动驾驶车辆可以安全有效地按特定路线行驶，同时最大限度地提高乘客的舒适度以及减少其对周围HDV的影响。
-
-
-
Search Results
4
records
(took 0.024 seconds)
