【技术实现步骤摘要】
使用神经网络对上下文信息进行嵌入式编码的方法
总体涉及自主决策的上下文建模,更具体地涉及系统、装置以及方法,这些系统、装置以及方法将上下文信息嵌入到向量空间模型中,以促进自主车辆后续进行查找、比较、假设操作、以及操作的关联控制。
技术介绍
随着车辆自动化或自主功能的水平不断提高,机动车辆越来越变成一种多传感器计算系统,该多传感器计算系统被指派去执行更高级功能,诸如理解驾驶员的状态和行驶环境的状态。系统然后去做更复杂的决策,诸如需要处理解决方案,以能够在自主车辆操作期间识别、理解并适应周围环境(例如,当附近有行人时或当在养护不良的道路上行驶时缓慢行驶)。为了使得自主车辆能够理解并进行复杂决策,不仅需要接收与周围环境有关的足够信息的能力,还需要布置在交通工具内的处理构架,该处理构架使得自主车辆系统能够对输入的信息建模,并且快速理解并处理信息,以进行适当的交通工具控制决策。过去,主要就语言学和其他域中的应用来探索使用嵌入式编码的机器处理的用途,但在自主机器人(即,自主车辆系统)领域中几乎没有应用过该技术(若 ...
【技术保护点】
1.一种用于控制自主车辆(AV)的计算机实施的系统,所述系统包括:/n非暂时性计算机可读,包含用于对至少一个计算机进行编程的指令集,所述至少一个计算机包括:/n神经网络,具有多个节点,所述节点具有实现所述自主车辆的操作的“上下文到向量(context2vec)”上下文嵌入;/n多个上下文到向量自主车辆词,所述多个上下文到向量自主车辆词按时序编码以按时序嵌入从所述自主车辆的传感器数据获取的上下文和行为的数据,其中,所述上下文和行为数据包括:所述自主车辆操作的至少映射、情景以及行为数据;/n神经网络的输入集,包括:当前编码的上下文到向量自主车辆词、先前编码的上下文到向量自主车辆 ...
【技术特征摘要】
20180809 US 16/0594031.一种用于控制自主车辆(AV)的计算机实施的系统,所述系统包括:
非暂时性计算机可读,包含用于对至少一个计算机进行编程的指令集,所述至少一个计算机包括:
神经网络,具有多个节点,所述节点具有实现所述自主车辆的操作的“上下文到向量(context2vec)”上下文嵌入;
多个上下文到向量自主车辆词,所述多个上下文到向量自主车辆词按时序编码以按时序嵌入从所述自主车辆的传感器数据获取的上下文和行为的数据,其中,所述上下文和行为数据包括:所述自主车辆操作的至少映射、情景以及行为数据;
神经网络的输入集,包括:当前编码的上下文到向量自主车辆词、先前编码的上下文到向量自主车辆词以及后续编码的上下文到向量自主词中的至少一个,每个所述词均表示在上下文到向量自主车辆词概率集合的独热方案中,其中,所述集合的至少一个上下文到向量自主车辆词被指定为开启状态,而所述集合的其他上下文到向量自主车辆词被指定为关闭状态;
神经网络解决方案,由所述至少一个计算机应用以基于所述当前上下文到向量自主车辆词来确定每个所述输入的各集合的目标上下文到向量自主车辆词;
由所述神经网络计算的输出向量,所述输出向量表示所述输入的编码上下文到向量自主车辆词的所述嵌入分布独热方案;以及
行为控制操作集,用于由所述至少一个计算机基于所述上下文到向量自主车辆词控制所述自主车辆的行为。
2.根据权利要求1所述的系统,嵌入在所述上下文到向量自主车辆词中的所述映射、情景以及行为数据进一步包括:
第一、第二、第三、第四以及第五部分,其中,所述第一部分包括:交叉和停止映射数据;所述第二部分包括:前方净距离和碰撞时间情景数据;所述第三部分包括:速度目标和车道意图情景数据;所述第四部分包括:前方净距离和预期机动行为数据;以及所述第五部分包括:相对位置和预期机动行为数据,以使得所述第一、第二、第三、第四、以及第五部分能够由所述自主车辆的所述至少一个计算机进行控制动作。
3.根据权利要求1所述的系统,所述按时序序列编码的所述多个上下文到向量自主车辆词进一步包括:
用于每个上下文到向量自主车辆词集合的先前、当前和后续时间戳序列。
4.根据权利要求1所述的系统,进一步还包括:
训练上下文到向量自主车辆词集合,所述上下文到向量自主车辆词由上下文到向量自主车辆词的尺寸为m的神经网络的所述独热方案翻译;
构成上下文到向量自主车辆词的神经网络的正/负n个独热方案;以及
训练具有m+2n*m个输入节点和m个输出节点的上下文到向量自主车辆词的所述神经网络,其中,m=为所述m个神经网络尺寸选择的输入节点的数量。
5.根据权利要求1所述的系统,进一步包括:
执行由上下文到向量自主车辆词的尺寸为m的神经网络的所述独热方案翻译的上下文到向量自主车辆词集合;
构成上下文到向量自主车辆词的神经网络的正/负n个独热方案;
向训练后的神经网络呈现所述构成的上下文到向量自主车辆词的正/负n个独热方案;以及
用于所述自主车辆的控制动作的上下文到向量自主车辆词概率的输出集。
6.根据权利要求1所述的系统,进一步包括:
构建至少尺寸为m的上下文到向量自主车辆词的序列的假设,其中,m=上下文到向量自主车辆词的...
【专利技术属性】
技术研发人员:M·J·休伯,P·帕拉尼萨梅,
申请(专利权)人:通用汽车环球科技运作有限责任公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。