公开(公告)号：CN107851385A

公开(公告)日：2018-03-27

申请号：CN201680045916.6

申请日：2016-06-16

Applicant: 罗伯特·博世有限公司

Inventor： S·诺德布鲁赫 ,  T·尼尔霍夫

IPC: G08G1/0967 ,  G01C21/26 ,  G01S5/02 ,  H04W4/02

CPC classification number: G08G1/09675 ,  G01C21/30 ,  G01S5/02 ,  G08G1/096708 ,  G08G1/096716 ,  G08G1/096791 ,  G08G1/133 ,  H04W4/02 ,  H04W4/046 ,  H04W4/40

Abstract: 本发明涉及一种用于定位位于停车场内的客观实体的方法，其中，所述实体包括用于通过无线通信网络进行通信的通信接口，所述方法包括以下步骤：借助所述通信接口通过无线通信网络从在所述停车场内行驶的一个或多个车辆接收位置数据，其中，所述位置数据说明一个或多个行驶的车辆在所述停车场内的当前对应位置；基于接收到的所述位置数据在所述停车场内定位实体。本发明还涉及一种相应的设备。本发明还涉及一种用于运行在停车场内行驶的车辆的方法和设备。本发明还涉及一种客观实体、一种车辆以及一种计算机程序。

公开(公告)号：CN114757331A

公开(公告)日：2022-07-15

申请号：CN202210014020.9

申请日：2022-01-07

Applicant: 罗伯特·博世有限公司

Inventor： T·尼尔霍夫 ,  F·费雷拉 ,  F·胡特尔

IPC: G06N3/04 ,  G06N3/08 ,  G06N3/063

Abstract: 提供了利用合成环境改进强化学习的设备和方法。一种用于学习策略（）的计算机实现的方法和/或用于学习合成环境的方法，其中所述策略被配置为控制智能体，包括以下步骤：提供合成环境参数（）和真实环境（）以及策略群体。后续，重复以下步骤达预定次数的重复作为第一循环：对策略群体中的每个策略实行后续步骤作为第二循环：用随机噪声干扰合成环境参数（）；针对受干扰的合成环境训练策略达第一给定数量的步骤；通过确定训练策略的奖励，针对真实环境评估训练策略；取决于噪声和奖励更新合成环境参数。最后，输出针对真实环境具有最高奖励或针对受干扰的合成环境具有最佳训练策略的评估策略（）。

公开(公告)号：CN113989801A

公开(公告)日：2022-01-28

申请号：CN202110777133.X

申请日：2021-07-09

Applicant: 罗伯特·博世有限公司

Inventor： M·林道尔 ,  A·泽拉 ,  D·斯托尔 ,  F·费雷拉 ,  F·哈特 ,  T·尼尔霍夫

IPC: G06V20/70 ,  G06V10/764 ,  G06V20/58 ,  G06K9/62 ,  G06N5/00

Abstract: 用于创建系统的计算机实现的方法，所述系统适合于为基于计算机的视觉自动创建机器学习系统，所述方法包括以下步骤：提供预给定的超参数。借助于BOHB（贝叶斯优化（BO）和超频带（HB）的缩写）为多个不同训练数据集确定所述超参数的最优参数化。借助于标准化度量评估对所述多个不同训练数据集的所有训练数据集的所有最优参数化。创建矩阵，其中所述矩阵具有针对每个参数化和每个训练数据集的经过评估的标准化度量。确定每个训练数据集的元特征（英语：meta‑features）。优化决策树，所述决策树根据所述元特征和所述矩阵使得所述决策树输出借助于BOHB确定的最优参数化中的哪个是适合于给定元特征的参数化。