【技术实现步骤摘要】
【国外来华专利技术】利用机器学习使用运动规划来操作运载工具相关申请的交叉引用本申请要求于2018年12月18日提交的美国临时申请62/781,573的权益。
本说明书通常涉及运载工具的操作,并且具体涉及利用机器学习使用运动规划来操作运载工具。
技术介绍
运载工具从初始地点到最终目的地的导航通常需要用户或运载工具的决策系统选择通过路网从初始地点到最终目的地的路线。该路线可能涉及满足诸如不超过最大驾驶时间等的目标。然而,复杂的路线可能需要许多决策,这使得传统的路线选择算法不切实际。有时使用传统的贪婪算法来选择从初始地点到最终目的地的有向图上的路线。然而,如果道路上的大量其它运载工具使用这种贪婪算法,则所选择的路线可能变得超载并且行驶可能变慢。另外,停放的运载工具、建筑区域和行人的存在使路线选择和导航变得复杂。
技术实现思路
提供了利用机器学习使用运动规划(例如,最小违反运动规划)来操作运载工具的技术。该技术包括使用位于环境内的运载工具的一个或多个处理器来存储用于在环境内操作运载工具的多个约束。运载工具的一个或多个传感器接收描述环境的传感器数据。一个或多个处理器从所存储的多个约束和所接收的传感器数据中提取特征向量。特征向量包括描述位于环境内的对象的第一特征。运载工具的机器学习电路用于基于特征向量生成第一运动段。对所存储的多个约束的违反次数低于阈值。一个或多个处理器根据所生成的第一运动段来操作运载工具。这些技术还包括使用一个或多个处理器存储用于操作运载工具的多个约束。一个或多个处理器接收用于操作运载工 ...
【技术保护点】
1.一种方法,包括:/n使用位于环境内的运载工具的一个或多个处理器存储用于在所述环境内操作所述运载工具的多个约束;/n使用所述运载工具的一个或多个传感器接收用于描述所述环境的传感器数据;/n使用所述一个或多个处理器从所存储的多个约束和所接收的传感器数据中提取特征向量,其中,所述特征向量包括用于描述位于所述环境内的对象的第一特征;/n使用所述运载工具的机器学习电路基于所述特征向量生成第一运动段,使得对所存储的多个约束的违反次数低于阈值;以及/n使用所述一个或多个处理器根据所生成的第一运动段来操作所述运载工具。/n
【技术特征摘要】
【国外来华专利技术】20181218 US 62/781,5731.一种方法,包括:
使用位于环境内的运载工具的一个或多个处理器存储用于在所述环境内操作所述运载工具的多个约束;
使用所述运载工具的一个或多个传感器接收用于描述所述环境的传感器数据;
使用所述一个或多个处理器从所存储的多个约束和所接收的传感器数据中提取特征向量,其中,所述特征向量包括用于描述位于所述环境内的对象的第一特征;
使用所述运载工具的机器学习电路基于所述特征向量生成第一运动段,使得对所存储的多个约束的违反次数低于阈值;以及
使用所述一个或多个处理器根据所生成的第一运动段来操作所述运载工具。
2.根据权利要求1所述的方法,其中,所生成的第一运动段包括所述运载工具的用以避免与所述对象碰撞的定向。
3.根据权利要求1或2所述的方法,其中,所提取的特征向量的第二特征包括以下各项其中至少之一:
所述对象的时空地点;
所述对象的速率;以及
所述对象的定向。
4.根据权利要求1至3中任一项所述的方法,其中,
所提取的特征向量的第三特征包括所述运载工具的最大速率、所述运载工具的最大加速度和所述运载工具的最大急动度其中至少之一;以及
所述最大速率、所述最大加速度和所述最大急动度其中至少之一与所述运载工具的一个或多个乘客传感器所测量的乘客舒适性级别相对应。
5.根据权利要求1至4中任一项所述的方法,其中,所提取的特征向量的第四特征表示根据所述第一运动段操作所述运载工具是否导致违反交通灯。
6.根据权利要求1至5中任一项所述的方法,其中,所生成的第一运动段包括以下各项其中至少之一:
所述环境的两个时空地点之间的轨迹;以及
所述运载工具的用以避免该运载工具与所述对象碰撞的速率。
7.根据权利要求1至6中任一项所述的方法,还包括:
使用所述一个或多个处理器将所提取的特征向量的多个特征聚合为运动规划图,其中:
运动规划图包括多个边缘;以及
所述多个边缘中的各边缘与所接收的多个运动段中的各运动段相对应。
8.根据权利要求7所述的方法,其中,基于所述特征向量生成用于操作所述运载工具的第一运动段包括:
使用所述一个或多个处理器,优于与所述多个边缘中的第二边缘相对应的第二运动段而选择与所述多个边缘中的第一边缘相对应的第一运动段,其中:
根据所述第一运动段来操作所述运载工具导致违反具有较高排名的第一约束;以及
根据所述第二运动段来操作所述运载工具导致违反具有较低排名的第二约束。
9.根据权利要求7所述的方法,其中,
所述运动规划图包括最小违反运动规划图;以及
所述多个边缘中的各边缘与相应运动段的操作度量的值相关联。
10.根据权利要求9所述的方法,还包括:使用所述机器学习电路基于所述特征向量来生成所述运动规划图的所述多个边缘中的各相应运动段的操作度量的值。
<...
【专利技术属性】
技术研发人员:S·沃拉,O·O·贝基波姆,刘诗元,T·万彼洛姆萨恩,D·德·弗朗西斯科,S·D·彭德尔顿,
申请(专利权)人:动态AD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。