-
公开(公告)号：CN110850854A
公开(公告)日：2020-02-28
申请号：CN201910482888.X
申请日：2019-06-04
Applicant: 通用汽车环球科技运作有限责任公司
Abstract: 提供了用于控制自动驾驶汽车的系统、方法和控制器。系统、方法和控制器实现自动驾驶员代理以及用于向自动驾驶员代理提供策略以控制自动驾驶汽车的策略服务器。该系统可包括成组的自动驾驶员代理，存储由驾驶员代理捕获的体验的体验存储器，成组的驾驶策略学习模块，用于基于存储在体验存储器中的集体体验生成和改进策略，以及为驾驶员代理提供策略参数的策略服务器。驾驶员代理可收集驾驶体验以创建存储在体验存储器中的知识库。驾驶策略学习模块能够处理集体驾驶体验以提取驾驶策略。驾驶员代理可以经由驾驶策略学习模块以并行和分布的方式进行训练，以便更快更高效地找到新型的高效驾驶策略和行为。
-
公开(公告)号：CN110531754A
公开(公告)日：2019-12-03
申请号：CN201910388814.X
申请日：2019-05-10
Applicant: 通用汽车环球科技运作有限责任公司
IPC: G05D1/02
Abstract: 本发明提供了用于控制自主车辆(AV)的系统和方法。特征映射生成器模块生成特征映射(FM)。基于FM，感知映射生成器模块生成感知映射(PM)。场景理解模块基于FM从多个感觉运动基元模块(SPM)中选择针对特定驾驶场景(PDS)要启用和执行的SPM的特定组合。每一个SPM将来自FM或PM的信息映射到车辆轨迹和速度曲线(VTSP)，用于自动控制AV以使AV执行特定驾驶操纵。SPM的特定组合中的每一个处理用于处理PDS的子任务序列中的子任务。从存储器中检索SPM的每一个特定组合并执行以生成相应的VTSP。
-
公开(公告)号：CN110103984A
公开(公告)日：2019-08-09
申请号：CN201910073765.0
申请日：2019-01-25
Applicant: 通用汽车环球科技运作有限责任公司
IPC: B60W50/00
Abstract: 描述了用于控制车辆的自动驾驶系统的技术方案。示例方法包括计算沿着车辆行驶的路线的即将到来的区域的复杂度度量。该方法进一步包括，响应于复杂度度量低于预定的低复杂度阈值，使用车辆的计算系统确定车辆在即将到来的区域中行驶的轨迹。此外，该方法包括响应于复杂度度量高于预定的高复杂度阈值，指示外部计算系统确定车辆在即将到来的区域中行驶的轨迹。如果轨迹不能由外部计算系统确定，则执行车辆的最小风险条件操纵。
-
公开(公告)号：CN110070572A
公开(公告)日：2019-07-30
申请号：CN201811617582.2
申请日：2018-12-28
Applicant: 通用汽车环球科技运作有限责任公司
Abstract: 公开了一种使用稀疏深度数据生成距离图像的系统和方法。所述方法包括由控制器接收场景的图像数据。图像数据包括第一组像素。所述方法还包括由控制器接收场景的稀疏深度数据。稀疏深度数据包括第二组像素，并且第二组像素的数量小于第一组像素的数量。所述方法还包括将图像数据和稀疏深度数据组合成组合数据。所述方法还包括使用组合数据生成距离图像。
-
公开(公告)号：CN109109786A
公开(公告)日：2019-01-01
申请号：CN201810651835.1
申请日：2018-06-22
Applicant: 通用汽车环球科技运作有限责任公司
IPC: B60R16/023
Abstract: 提供了一种众包虚拟传感器生成器，该众包虚拟传感器生成器可以例如作为服务由车辆生成或者被提供至车辆。众包虚拟传感器生成器可以包括但不限于通信系统和处理器，该通信系统配置为接收来自一个或多个参与车辆的参与车辆传感器数据、一个或多个参与车辆以及目标车辆的位置，该处理器配置为：基于一个或多个参与车辆的位置和目标车辆的位置来过滤该接收的参与车辆传感器数据，将过滤的参与车辆传感器数据积聚到数据专用数据集和应用专用数据集中的至少一个中，以及生成用于目标车辆的虚拟传感器，该虚拟传感器处理过滤的且积聚的参与车辆传感器数据以便生成关于目标车辆的位置的输出数据。
-
Patent Agency Ranking
公开(公告)号：CN111137292B
公开(公告)日：2023-08-08
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
IPC: B60W30/18 , G06N3/0464 , G06N3/084 , G06N3/045 , G06N3/0442 , G06V10/774 , G06V10/82
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：CN110531753B
公开(公告)日：2022-10-21
申请号：CN201910336427.1
申请日：2019-04-25
Applicant: 通用汽车环球科技运作有限责任公司
IPC: G05D1/02
Abstract: 提供了用于控制自主车辆(AV)的系统和方法。地图生成器模块处理传感器数据以生成特定驾驶场景(PDS)的世界表示。场景理解模块(SUM)处理导航路线数据、位置信息和特征地图，以定义自主驾驶任务(ADT)，并将ADT分解成一系列子任务。SUM选择要针对PDS启用和执行的感觉运动基元模块(SPM)的特定组合。每个SPM处理序列中的一个子任务。基元处理器模块执行SPM的所述特定组合，使得每个所述SPM生成车辆轨迹和速度(VTS)曲线。然后处理所选择的一个VTS曲线以产生控制信号，然后由低级控制器处理该控制信号以产生控制AV的一个或多个致动器的命令。
-
公开(公告)号：CN109109786B
公开(公告)日：2021-11-30
申请号：CN201810651835.1
申请日：2018-06-22
Applicant: 通用汽车环球科技运作有限责任公司
IPC: B60R16/023
Abstract: 提供了一种众包虚拟传感器生成器，该众包虚拟传感器生成器可以例如作为服务由车辆生成或者被提供至车辆。众包虚拟传感器生成器可以包括但不限于通信系统和处理器，该通信系统配置为接收来自一个或多个参与车辆的参与车辆传感器数据、一个或多个参与车辆以及目标车辆的位置，该处理器配置为：基于一个或多个参与车辆的位置和目标车辆的位置来过滤该接收的参与车辆传感器数据，将过滤的参与车辆传感器数据积聚到数据专用数据集和应用专用数据集中的至少一个中，以及生成用于目标车辆的虚拟传感器，该虚拟传感器处理过滤的且积聚的参与车辆传感器数据以便生成关于目标车辆的位置的输出数据。
-
公开(公告)号：CN111204346A
公开(公告)日：2020-05-29
申请号：CN201910503444.X
申请日：2019-06-11
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: 提供了用于控制自主车辆的命令的端对端学习的系统及方法。预处理器对由传感器以当前时间步长(CTS)获取的图像数据进行预处理以生成与附加输入(例如，分割图和/或光流图)级联的经预处理的图像数据以生成动态场景输出。卷积神经网络(CNN)处理所述动态场景输出以生成特征图，所述特征图包括与车辆运动学级联的提取空间特征以生成空间上下文特征向量。LSTM网络在所述(CTS)期间处理所述(CTS)的所述空间上下文特征向量和相应的先前时间步长的一个或多个先前LSTM输出，以生成所述(CTS)的编码后时间上下文向量。完全连接层处理所述编码后时间上下文向量以学习控制命令(例如，转向角、加速率和/或制动速率控制命令)。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.03 seconds)
