公开(公告)号：CN119305577A

公开(公告)日：2025-01-14

申请号：CN202410934505.9

申请日：2024-07-12

Applicant: 罗伯特·博世有限公司

Inventor： J·马瑟斯 ,  H·弗雷恩施泰因

IPC: B60W50/08 ,  B60W40/08

Abstract: 提出一种用于确定人、尤其是车辆乘员(24)的状态的方法(30)，所述方法具有以下步骤：借助于观测设备(22、44)观测所述人，借助于聊天机器人(46)开始与所述人进行交流，借助于所述观测设备(22、44)观测所述人对与所述聊天机器人(46)的交流的反应，根据所识别的所述人的反应来确定所述人的状态。

公开(公告)号：CN119849587A

公开(公告)日：2025-04-18

申请号：CN202411460238.2

申请日：2024-10-18

Applicant: 罗伯特·博世有限公司

Inventor： J·马瑟斯 ,  M·马佐拉 ,  M·斯托尔 ,  M·多尔戈夫

IPC: G06N3/092 ,  G06N3/045 ,  G05B13/04

Abstract: 本发明涉及一种用于在使用模仿学习的情况下训练行为规划器模型的方法，所述行为规划器模型至少包括：主干网络，用于从输入状态中提取潜在特征；和规划器网络，用于基于潜在特征来预测动作，其中，所述方法具有如下步骤：提供(S1)训练数据，所述训练数据使输入状态与相对应的动作相关联；借助于所述主干网络，从所述训练数据的输入状态中提取(S2)潜在特征；通过对模仿损失函数进行优化并且根据基于所述训练数据和/或所述行为规划器模型的至少一个另外的预测不确定性损失函数，训练和/或调整(S3)所述行为规划器模型。

公开(公告)号：CN119313175A

公开(公告)日：2025-01-14

申请号：CN202410927435.4

申请日：2024-07-11

Applicant: 罗伯特·博世有限公司

Inventor： J·马瑟斯 ,  M·马佐拉 ,  M·斯托尔 ,  M·多尔戈夫

IPC: G06Q10/0637 ,  G06Q50/40 ,  G06F30/27 ,  G06N3/08

Abstract: 提出用于规划模型的计算机实现的训练方法，所述规划模型应该基于特定于场景的信息提供给定交通场景的参与者的未来行为。在训练方法的范围中，对于至少一个训练场景和训练场景的至少一个参与者在相继的模拟步骤中分别执行以下步骤：借助于要训练的规划模型预测所述参与者的未来行为，借助于给定的模拟模型并且在考虑参与者的预测行为的情况下模拟训练场景的未来发展，以及将参与者的预测行为与参与者在训练场景的时间发展中的实际行为(地面实况)进行比较。根据本发明，在每个模拟步骤中产生代表训练场景的在该模拟步骤中模拟的状态的潜在特征的至少一个集。然后将潜在特征的该集作为在随后的模拟步骤中对参与者的行为的预测的基础。

公开(公告)号：CN118529074A

公开(公告)日：2024-08-23

申请号：CN202410188019.7

申请日：2024-02-20

Applicant: 罗伯特·博世有限公司

Inventor： J·马瑟斯 ,  M·马佐拉 ,  M·斯托尔 ,  M·多尔戈夫

IPC: B60W50/00 ,  B60W60/00

Abstract: 本发明涉及一种用于作为交通场景一部分的自我车辆的行为规划的计算机实现的方法，其中所述自我车辆配备有车辆自身的传感器装置，其可见区域分别受到当前交通场景的影响，所述方法至少包括以下方法步骤：a.通过使用场景特定的传感器数据生成当前交通场景的场景表示，其中所述传感器数据是借助于所述车辆自身的传感器装置所记录的；b.基于所述场景表示来预测所述交通场景的未来发展(预测)；并且c.通过考虑对所述交通场景的未来发展的预测而进行驾驶机动动作的规划(规划)。在此规定：在所述预测的范畴内预测：所述交通场景的所述未来发展对所述车辆自身的传感器装置的可见区域的影响。