用于对人工认知系统进行决策支持的设备和方法技术方案

一种用于基于源自多个数据源(11

【技术实现步骤摘要】
【国外来华专利技术】用于对人工认知系统进行决策支持的设备和方法


[0001]本专利技术总体上涉及人工认知系统，并且具体地涉及用于人工认知系统的决策辅助设备和方法。

技术介绍

[0002]近年来，决策辅助系统的发展日益增长，并已扩展到如汽车工业和视频监视(陆上、铁路上、海上和空中)等众多工业领域。
[0003]随着人工智能和认知科学的发展，出现了先进的决策辅助系统，诸如用于自动驾驶车辆和联网车辆的驾驶辅助系统。这样的系统实施认知过程，即感知信息、处理信息并通过以一个或多个动作对感知到的信息进行响应来做出决策。能够执行认知过程的人工系统被称为
‘
人工认知系统
’
。
[0004]人工认知系统配备有传感器，这些传感器被配置为捕获物理量并收集信息。各个传感器收集的原始数据可能会在处理之前进行融合。对来自多个传感器或来自多个数据源的数据进行融合的目的是将这些数据进行组合，以使所得信息的不确定性低于单独使用这些数据源时所获得信息的不确定性。减少不确定性可能意味着获得更准确、更完整或更可靠的信息，也可能是指出现的视图的结果，诸如立体视觉(例如，通过将来自具有不同视角的两个相机的二维图像进行组合来计算深度信息)。
[0005]融合感官数据对于从任何可用传感器收集信息并重构尽可能完整的周围环境的可靠模型以预测和认识形成所述环境的对象和基础设施是至关重要的。
[0006]重构传感器数据包括将来自一个传感器的数据转换为来自另一个传感器的表示。这个问题在异质或空间和时间上未对齐的传感器的情况下特别复杂。
[0007]融合并重构传感器数据的问题在文献中一般都是独立处理的。用于融合传感器数据的现有解决方案和与重构传感器数据相关的那些解决方案无法在自主认知系统的背景下联合解决这两个问题。
[0008]因此，需要开发用于解决人工认知系统的传感器数据融合和重构问题的技术，同时提高重构数据和通过将来自各个数据源的数据进行组合而确定的信息的精确度和不确定性的效率。

技术实现思路

[0009]为此，本专利技术旨在提供一种基于来自多个数据源的数据的用于认知系统的决策辅助设备和方法。
[0010]更具体地，本专利技术提供一种基于来自多个数据源(11
‑
1，11
‑
2，11
‑
N)的数据的用于认知系统(1)的决策辅助设备(10)，该设备(10)包括与各自的数据源(11
‑
i)相关联的处理单元(103
‑
i)，每个处理单元(103
‑
i)都包括编码单元(1030
‑
i)，该编码单元被配置为基于来自与所述处理单元(103
‑
i)相关联的数据源(11
‑
i)的数据来确定公共表示空间中的数据表示，该设备(10)还包括数据融合单元(105)，该数据融合单元被配置为通过应用数据融合
算法将由与该多个数据源相关联的编码单元(1030
‑
i)确定的数据表示进行组合来确定该认知系统(1)的环境的表示模型，与数据源(11
‑
i)相关联的每个处理单元(103
‑
i)都包括数据重构单元(1031
‑
i)，该数据重构单元被配置为基于该环境的所述表示模型来确定重构数据表示，包含在所述处理单元(103
‑
i)中的编码单元(1030
‑
i)被配置为在训练阶段期间使用训练数据来实施机器学习算法，其特征在于，处理单元的至少一个数据重构单元被配置为基于该环境的所述表示模型来确定与缺失数据源相关联的重构数据表示，该缺失数据源与在训练所述设备的初步训练阶段期间使用、但在使用所述设备的使用阶段期间被禁止的编码单元相关联。
[0011]所述至少一个数据重构单元优选地使用源自使用生成对抗网络的机器学习的算法。
[0012]所述至少一个数据重构单元对应于虚拟“鸟瞰图”传感器，所述设备从车辆的左后方相机和右后方相机接收图像。专利技术人观察到，具有三个相机(其中一个相机拍摄从高空看到的车辆)的训练阶段足以允许获得高质量的虚拟传感器。
[0013]在一些情况下，该训练数据是从由所述数据重构单元确定的重构数据表示得出的数据。
[0014]根据一些实施例，数据重构单元可以被配置为基于该环境的表示模型来确定与缺失数据源相关联的重构数据表示。
[0015]根据一些实施例，处理单元可以包括比较单元，该比较单元被配置为将来自与所述处理单元相关联的数据源的数据与由与所述数据源相关联的数据重构单元确定的该重构数据表示进行比较。
[0016]根据一些实施例，该决策辅助设备可以包括决策单元，该决策单元被配置为基于该环境的表示模型和/或基于所述比较来确定要由该认知系统实施的动作。
[0017]根据一些实施例，该机器学习算法使用神经网络。
[0018]根据一些实施例，该神经网络可以是序列多通道自编码器。
[0019]根据一些实施例，该数据融合算法源自机器学习算法。
[0020]本专利技术还提供一种基于来自多个数据源的数据的用于认知系统的决策辅助方法，该方法包括以下步骤：
[0021]‑
基于来自每个数据源的数据通过对所述数据应用机器学习算法来确定公共表示空间中的数据表示，以及
[0022]‑
通过应用数据融合算法将与该多个数据源相关联确定的数据表示进行组合来确定所述认知系统的环境的表示模型。
[0023]有利地，本专利技术的实施例可以融合来自多个同质或异质数据源、软件数据源及其历史值的数据。
[0024]有利地，本专利技术的实施例可以重构用于自主人工认知系统的传感器数据。
[0025]有利地，本专利技术的实施例可以通过重构传感器数据来检测传感器的故障或异常，并基于现有传感器生成虚拟传感器数据。
[0026]有利地，本专利技术的实施例通过组合所有可用信息以重构来自改进传感器的数据来提供增加的可靠性和精确度。
[0027]有利地，本专利技术的实施例可以在各个数据源之间传输信息(包括训练数据集)。
[0028]有利地，本专利技术的实施例可以在数据源的多个表示空间与环境模型的公共表示空间之间双向自由地传送数据。
附图说明
[0029]本专利技术的其他特征、细节和优点在通过阅读参考附图给出的描述时将变得显而易见，这些附图分别通过示例给出，并且在附图中：
[0030][图1]图1是示出了根据本专利技术的一些实施例的用于认知系统1的决策辅助设备10的简图。
[0031][图2]图2是示出了根据本专利技术的一些实施例的用于认知系统的决策辅助方法的流程图。
具体实施方式
[0032]本专利技术的实施例提供了一种基于来自多个数据源的数据的用于认知系统的决策辅助设备和方法。
[0033]本专利技术的实施例可以在实施人工认知系统或设备的各种应用中使用，该人工认知系统或设备配备有数据源和软件本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种基于来自多个数据源(11
‑
1，11
‑
2，11
‑
N)的数据的用于认知系统(1)的决策辅助设备(10)，该设备(10)包括与各自的数据源(11
‑
i)相关联的处理单元(103
‑
i)，每个处理单元(103
‑
i)都包括编码单元(1030
‑
i)，该编码单元被配置为基于来自与所述处理单元(103
‑
i)相关联的数据源(11
‑
i)的数据来确定公共表示空间中的数据表示，该设备(10)还包括数据融合单元(105)，该数据融合单元被配置为通过应用数据融合算法将由与该多个数据源相关联的编码单元(1030
‑
i)确定的数据表示进行组合来确定该认知系统(1)的环境的表示模型，与数据源(11
‑
i)相关联的每个处理单元(103
‑
i)都包括数据重构单元(1031
‑
i)，该数据重构单元被配置为基于该环境的所述表示模型来确定重构数据表示，包含在所述处理单元(103
‑
i)中的编码单元(1030
‑
i)被配置为在训练阶段期间使用训练数据来实施机器学习算法，其特征在于，处理单元的至少一个数据重构单元被配置为基于该环境的所述表示模型来确定与缺失数据源相关联的重构数据表示，该缺失数据源与在训练...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：雷诺股份公司，
类型：发明
国别省市：