通过相互重要性对自动驾驶车辆附近的智能体排名制造技术

用于识别车辆周围的高优先级智能体的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。可以基于相互重要性分数集合来识别高优先级智能体，其中每个相互重要性分数指示车辆和智能体集合中的不同智能体之间对另一个的规划决策的估计相互相关性。可以基于从车辆和智能体的角度评估的重要性分数来计算相互重要性分数。算相互重要性分数。算相互重要性分数。

【技术实现步骤摘要】
通过相互重要性对自动驾驶车辆附近的智能体排名

技术介绍

[0001]本说明书涉及自动驾驶车辆。
[0002]自动驾驶车辆包括无人驾驶汽车、船和飞机。自动驾驶车辆使用各种车载传感器和计算机系统来检测附近的对象，并使用这样的检测来做出控制和导航决策。

技术实现思路

[0003]本说明书描述了一种实施为车辆上的计算机程序的系统，该系统基于智能体和车辆之间的交互的估计水平为车辆周围的智能体生成预测数据。具体地，车辆和智能体之间的交互的估计水平不仅可以反映智能体将对车辆的规划决策具有的可能影响，还可以反映车辆将对智能体的规划决策具有的可能影响。
[0004]在第一方面，本文公开的主题的实施方式包括一种由具有一个或多个数据处理装置的系统执行的方法。该方法可以包括识别车辆周围的智能体集合。该系统确定重要性分数的第一集合和重要性分数的一个或多个第二集合。第一集合中的每个重要性分数指示智能体集合中的不同智能体对车辆的规划决策的估计相关性。每个第二集合是通过指定智能体集合中的不同智能体作为第二集合的参考智能体来确定的，并且每个第二集合中的每个重要性分数指示不同非参考智能体或车辆对参考智能体的规划决策的估计相关性。相互重要性分数集合然后基于重要性分数的第一集合和重要性分数的一个或多个第二集合来确定，其中每个相互重要性分数指示车辆和智能体集合中的不同智能体之间对另一个的规划决策的估计相互相关性。相互重要性分数集合中的至少一个分数可以用于规划车辆的移动的过程中。
[0005]这些和其他实施方式还可以包括一个或多个以下特征。/>[0006]确定重要性分数的第一集合可以包括处理表征车辆周围的环境的一部分的第一环境数据，并且第一环境数据可以围绕车辆定向。
[0007]第一环境数据可以标识智能体集合在车辆周围的环境中的位置。
[0008]确定重要性分数的第一集合还可以包括处理表征车辆的移动的第一运动数据。第一运动数据可以描述车辆在环境中的过去位置、车辆在环境中的当前位置、车辆在环境中的预测未来位置、车辆的过去速度、车辆的当前速度、车辆的预测未来速度、车辆的过去加速度、车辆的当前加速度、车辆的预测未来加速度、车辆的过去前进方向、车辆的当前前进方向或车辆的预测未来前进方向中的至少一个。
[0009]确定重要性分数的第一集合还可以包括处理表征环境周围的智能体集合中的一个或多个智能体的移动的第二运动数据。
[0010]第一重要性评分模型可以用于确定重要性分数的第一集合，并且第二重要性评分模型可以用于确定重要性分数的一个或多个第二集合。第一重要性评分模型可以比第二重要性评分模型有更多的计算要求。第一重要性评分模型和第二重要性评分模型可以包括相应的神经网络(例如，前馈神经网络、递归神经网络或卷积神经网络)。
[0011]确定重要性分数的第一集合可以包括将车辆指定为参考智能体，并且将车辆周围
的智能体集合指定为相应的非参考智能体。
[0012]对于每个第二集合，确定重要性分数的一个或多个第二集合可以包括：处理表征第二集合的相应参考智能体周围的环境的一部分的第二环境数据。第二环境数据可以围绕第二集合的相应参考智能体定向。
[0013]确定重要性分数的第一集合可以包括处理表征车辆的过去移动或预测未来移动中的至少一个的第一运动数据。重要性分数的一个或多个第二集合可以被确定，而无需处理表征车辆或智能体集合的过去移动或预测未来移动的运动数据。
[0014]相互重要性分数集合可以指示对第一智能体的更高相互重要性，其中该第一智能体具有(i)根据重要性分数的第一集合对车辆的规划决策的更高重要性，并且(ii)车辆针对该第一智能体具有根据对应于第一智能体的重要性分数的第二集合对第一智能体的规划决策的更高重要性。相互重要性分数集合可以指示对第二智能体的更低相互重要性，其中该第二智能体具有(i)根据重要性分数的第一集合对车辆的规划决策的更低重要性，并且(ii)车辆针对该第二智能体具有根据对应于第二智能体的重要性分数的第二集合对第二智能体的规划决策的更低重要性。
[0015]相互重要性分数集合可以是指示相互重要性的绝对水平的概率值，或者可以是指示智能体关于对车辆的相互重要性相对于彼此的排名的排名值。
[0016]车辆可以是完全自动驾驶或半自动驾驶车辆，并且智能体集合可以包括车辆周围的其他车辆、行人或骑自行车的人。
[0017]确定重要性分数的第一集合可以包括处理智能体集合中的每一个的特征表示，其中智能体的特征表示包括以下中的一个或多个：智能体的速度、智能体的加速度、智能体的类型、智能体到车辆的距离、以及指示智能体的预测轨迹是否将与车辆的轨迹重叠的数据。
[0018]智能体集合具有最高相互重要性分数的适当子集可以被识别为高优先级智能体。仅对于智能体集合中被识别为高优先级智能体的那些智能体，可以使用第一预测模型生成表征智能体的数据。在用于规划车辆的移动的过程中使用相互重要性分数集合中的至少一个分数可以包括向车辆的规划系统提供表征使用第一预测模型生成的高优先级智能体的数据，以生成用于规划车辆的未来轨迹的规划决策。
[0019]在附加方面，本文公开的主题的实施方式包括系统，该系统包括数据处理装置和与数据处理装置通信的存储器，该存储器存储指令，其中该指令在被执行时使得数据处理装置执行对应于本说明书中公开的任何方法的动作。在附加方面，本文公开的主题的实施方式包括一个或多个其上存储有指令的非暂时性计算机可读存储介质，该指令在由数据处理装置执行时使得数据处理装置执行对应于本说明书中公开的任何方法的动作。
[0020]可以实施本说明书中描述的主题的特定实施例，以便实现以下优点中的一个或多个。
[0021]为了车辆的规划系统生成使得车辆沿着安全且舒适的轨迹行进的规划决策，应该向规划系统提供车辆周围的智能体(例如，行人、其他机动车辆、骑自行车的人)的及时且准确的预测数据(例如，行为预测数据)。然而，为车辆周围的智能体生成预测数据可能需要大量的计算资源(例如，存储器、计算能力或两者)。在某些情况下，环境中的大量其他智能体可能在车辆周围(例如，当车辆沿着繁忙的高速公路行进时)。在这些情况下，车辆上可用的有限计算资源可能不足以为车辆周围的所有智能体生成及时的预测数据。
[0022]本说明书中描述的车载系统可以将车辆上可用的有限计算资源(例如，存储器、计算能力或两者)集中于仅为被认为最重要的那些智能体(诸如被认为与车辆最具交互性的那些智能体或对由车辆的规划系统生成的规划决策具有最大影响的那些智能体)生成精确的预测数据。可替代地，可以根据每个智能体的重要性水平，对不同智能体进行不同分辨率、类型或程度的预测。以这种方式，本说明书中描述的车载系统可以生成使得规划系统能够生成规划决策的及时的预测数据，该规划决策使得车辆沿着安全且舒适的轨迹行进，而不管车辆上可用的有限计算资源。此外，本说明书描述了用于通过评估车辆周围环境中的智能体的相互重要性来改进高优先级智能体的识别的技术。通过评估智能体的相互重要性，车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种由一个或多个数据处理装置执行的方法，所述方法包括：识别车辆周围的多个智能体；确定重要性分数的第一集合，其中所述第一集合中的每个重要性分数指示所述多个智能体中的不同智能体对所述车辆的规划决策的估计相关性；确定重要性分数的一个或多个第二集合，其中每个第二集合是通过分配所述多个智能体中的不同智能体作为所述第二集合的参考智能体来确定的，并且每个第二集合中的每个重要性分数指示不同的非参考智能体或所述车辆对所述参考智能体的规划决策的估计相关性；基于所述重要性分数的第一集合和所述重要性分数的一个或多个第二集合来确定相互重要性分数集合，其中每个相互重要性分数指示所述车辆和所述多个智能体中的不同智能体之间对另一个的规划决策的估计相互相关性；以及在用于规划所述车辆的移动的过程中使用所述相互重要性分数集合中的至少一个分数。2.根据权利要求1所述的方法，其中，确定所述重要性分数的第一集合包括处理表征所述车辆周围的环境的一部分的第一环境数据，其中所述第一环境数据围绕所述车辆定向。3.根据权利要求2所述的方法，其中，所述第一环境数据标识所述多个智能体在所述车辆周围的环境中的位置。4.根据权利要求2所述的方法，其中，确定所述重要性分数的第一集合还包括处理表征所述车辆的移动的第一运动数据。5.根据权利要求4所述的方法，其中，所述第一运动数据描述所述车辆在所述环境中的过去位置、所述车辆在所述环境中的当前位置、所述车辆在所述环境中的预测未来位置、所述车辆的过去速度、所述车辆的当前速度、所述车辆的预测未来速度、所述车辆的过去加速度、所述车辆的当前加速度、所述车辆的预测未来加速度、所述车辆的过去前进方向、所述车辆的当前前进方向或所述车辆的预测未来前进方向中的至少一个。6.根据权利要求4所述的方法，其中，确定所述重要性分数的第一集合还包括处理表征所述多个智能体中的一个或多个智能体在所述环境周围的移动的第二运动数据。7.根据权利要求1所述的方法，还包括使用第一重要性评分模型来确定所述重要性分数的第一集合，以及使用第二重要性评分模型来确定所述重要性分数的一个或多个第二集合。8.根据权利要求7所述的方法，其中，所述第一重要性评分模型比所述第二重要性评分模型有更多的计算要求。9.根据权利要求7所述的方法，其中，所述第一重要性评分模型包括卷积神经网络。10.根据权利要求1所述的方法，其中，确定所述重要性分数的第一集合包括将所述车辆指定为参考智能体，并且将所述车辆周围的所述多个智能体指定为相应的非参考智能体。11.根据权利要求1所述的方法，其中，确定所述重要性分数的一个或多个第二集合包括，对于每个第二集合：处理表征所述第二集合的相应参考智能体周围的环境的一部分的第二环境数据，其中所述第二环境数据围绕所述第二集合的相应参考智能体定向。
12.根据权利要求1所述的方法，其中：确定所述重要性分数的第一集合包括处理表征所述车辆的过去移动或预测未来移动中的至少一个的第一运动数据；并且所述重要性分数的一个或多个第二集合在不处理表征所述车辆或所述多个智能体的过去移动或预测未来移动的运动数据的情况下被确定。13.根据权利要求1所述的方法，其中，所述相互重要性分数集合指示对第一智能体的更高相互重要性，其中所述第一智能体具有(i)根据所述重要性分数的第一集合对所述车辆的规划决策的更高重要性，并且(ii)所述车辆针对所述第一智能体具有根据对应于所述第一智能体的所述重要性分数的第二集合对所述第一智能体的规划决策的更高重要性。14.根据权利要求13...

【专利技术属性】
技术研发人员：丁恺，M王，H陈，K雷法特，S罗斯，柴玮，
申请(专利权)人：伟摩有限责任公司，
类型：发明
国别省市：