评估由自主交通工具感知的行动者的当前意图制造技术

公开了预报自主交通工具(AV)遇到的行动者的意图的方法。AV使用意图来提高其预测行动者轨迹的能力，并因此做出关于其自身轨迹的决定以避免与行动者冲突。为此，对于任何给定的行动者，AV确定行动者的类并检测行动者正在采取的行动。系统使用类和行动来标识行动者的候选意图并评估每个候选意图的似然性。系统在多个周期上重复该过程以确定候选意图中的每一个的总体概率。AV的运动规划系统可以使用概率来确定行动者的可能轨迹，并因此影响AV本身在环境中将遵循的轨迹。环境中将遵循的轨迹。环境中将遵循的轨迹。

【技术实现步骤摘要】
【国外来华专利技术】评估由自主交通工具感知的行动者的当前意图
[0001]相关申请和优先权要求
[0002]本专利文件要求于2021年2月19日提交的美国专利申请No.17/179,503的优先权，其全部内容通过引用并入本文。

技术介绍

[0003]当自主交通工具(AV)在环境中移动时，它将检测到在AV的规划行驶路径内或附近移动或可能移动的许多行动者(actor)。为了安全地操作，AV将预报(forecast)行动者将做什么，使得AV可以抢先避免与行动者冲突。
[0004]预报行动者将做什么涉及几个步骤。通常，AV将进行若干预报并对每个预报进行排名、评分或分配概率。预报可以是计算密集的过程，使用AV的处理时间、存储的能量和其他资源。因此，可以改进AV预报另一行动者可能做什么的过程的方法和系统可以是非常有用的。
[0005]本文档描述了旨在解决上述问题和/或其他问题的方法和系统。

技术实现思路

[0006]本文件中描述的各种实施例包括一种预报位于自主交通工具(AV)正在行驶的环境中的行动者的意图的方法。在该方法中，AV的感知系统检测接近AV的行动者，确定行动者的类，并检测行动者正在采取的行动。AV的预报系统将针对各个周期中的每个周期：(i)使用类和检测到的行动来生成行动者的多个候选意图；(ii)评估每个候选意图似然性；以及(iii)将每个候选意图及其似然性保存在数据存储中。在任何周期完成之后，预报系统将分析针对当前周期和一个或多个先前周期的候选意图及其似然性，以确定候选意图中的每一个的总体概率。然后，AV的运动规划系统将使用总体概率来选择候选意图中的一个以影响AV的选定轨迹。
[0007]在各种实施例中，使用类和检测到的行动来生成行动者的多个候选意图可以包括：(i)访问与各种类的行动者相关联的可能目标的数据集；(ii)选择数据集与行动者的检测到的类相关联的可能目标；(iii)确定数据集中的哪些可能目标与检测到的行动一致；以及(iv)使用所确定的可能目标作为候选意图。确定数据集中的哪些可能目标与检测到的行动一致(即，步骤(iii))可以包括确定检测到的行动是否满足每个可能目标的一个或多个规则，或者在已经在标记的行动和目标的数据集上训练的机器学习模型中处理检测到的行动和可能目标。
[0008]在各种实施例中，评估每个候选意图的似然性可以包括利用每个候选意图的唯一概率模型来跟踪每个候选意图，其中，每个概率模型的[假，真]状态表示候选意图是否对应于检测到的行动。
[0009]可选地，在附加组周期已经完成之后，其中，附加组包括在确定总体概率时考虑的周期中的至少一些加上一个或多个附加周期，预报系统可以分析针对附加组周期的候选意图及其似然性，以细化针对候选意图中的每一个的总体概率。
[0010]可选地，针对候选意图中的至少一些候选意图，预报系统可以预报行动者的未来模态，并为每个预报的未来模态分配概率。如果是，则当候选意图中的一个或多个及其似然性影响AV的选定轨迹时，系统可以选择与具有超过阈值的概率的预报的未来模态中的一个或多个一致的轨迹。可选地，在预报行动者的未来模态并将概率分配给预报的未来模态之前，系统可以消除具有在阈值以下的似然性的候选意图，使得仅对具有相对高似然性的候选意图执行对行动者的未来模态的预报。
[0011]在各种实施例中，确定候选意图中的每一个的总体概率可以包括将相对较高的似然性分配给在非中断的周期序列上持续的任何候选意图，并且将相对较低的似然性分配给在非中断的周期序列上不持续的任何候选意图。
[0012]在各种实施例中，确定候选意图中的每一个的总体概率可以包括：(i)针对行动者的运动学状态评估候选意图中的每一个；(ii)将相对较高的似然性分配给与行动者的运动学状态一致的任何候选意图；以及(iii)将相对较低的似然性分配给与行动者的运动学状态不一致的任何候选意图。
[0013]在各种实施例中，确定候选意图的总体概率可以包括：(i)从感知系统的各种传感器接收与自主交通工具正在行驶通过的环境有关的环境数据；(ii)将环境数据应用于随机森林分类器以对环境的环境状况进行分类；(iii)将相对较高的似然性分配给与环境条件一致的任何候选意图；以及(iv)将相对较低的似然性分配给与环境状况不一致的任何候选意图。
[0014]在各种实施例中，确定候选意图的总体概率可以包括：(i)标识候选意图的第一目标和候选意图的第二目标，其中第一目标与第二目标冲突；以及(ii)确定在多个周期内检测到的行动者的行动与第一目标一致，并且作为响应，降低作为第二目标的候选意图的总体概率。
[0015]上述任何方法可以由具有感知系统、预报系统和运动规划系统的AV实现。感知系统可以包括一个或多个传感器，用于捕获关于接近自主交通工具的行动者的感知数据。感知系统还可以包括处理器和具有编程指令的存储器，该编程指令被配置为指示感知系统的处理器如上所述地处理感知数据。预报系统还可以包括处理器和具有编程指令的存储器，所述编程指令被配置为指示预报系统的处理器实现归因于上文和下文描述的预报系统的步骤。运动规划系统还可以包括处理器和具有编程指令的存储器，该编程指令被配置为使运动规划系统的处理器使用总体概率来选择候选意图中的一个以影响自主交通工具的选定轨迹。
附图说明
[0016]图1示出了自主车辆可以如何感知该车辆正在移动或将移动的环境中的各种其他行动者。
[0017]图2是示出车辆可以推断被感知的行动者的意图的过程的流程图。
[0018]图3示出了用于使用观察到的证据和贝叶斯过滤器在多个周期内确定目标的似然性的示例算法。
[0019]图4A至图4C示出了推断行动者的候选意图并随时间更新每个意图的似然性的示例过程。
[0020]图5示出了关于图2的过程的某些步骤的附加细节。
[0021]图6A和图6B示出了系统可以如何使用概率模型来确定互斥目标的似然性的示例。
[0022]图7是示出自主交通工具的各种高级系统的框图。
[0023]图8示出了可以构成图7的系统的特定硬件的示例。
[0024]图9是示出自主交通工具和/或外部电子设备的可能电子子系统的各种元件的框图。
具体实施方式
[0025]如本文件中所使用的，单数形式“一”、“一个”和“该”包括复数引用，除非上下文另有明确说明。除非另有定义，否则本文使用的所有技术和科学术语具有与本领域普通技术人员通常理解的含义相同的含义。如本文档中所使用的，术语“包含”意指“包括但不限于”。与本文档相关的附加术语的定义包括在本详细描述的末尾。
[0026]自主交通工具(AV)必须能够预测其在其环境中检测到的行动者的未来轨迹，以便做出安全有效的行动决策。“参考路径”是通过由折线描述的2D空间的轨迹，其可以包括代理将遵循的路径点的序列。在理解行动者的意图或目标之后，AV将确定从行动者的当前位置到该目标的理想参考路径和/或多个候选参考路径。
[0027]在确定行动者的参考路径或候选路径之前，AV必须本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种预报在自主交通工具行驶通过的环境中的行动者的意图的方法，所述方法包括：由自主交通工具的感知系统：检测接近所述自主交通工具的行动者，确定所述行动者的类，以及检测所述行动者正在采取的行动；由所述自主交通工具的预报系统针对多个周期中的每个周期：使用所述类和检测到的行动来生成所述行动者的多个候选意图，评估每个候选意图的似然性，以及将所述候选意图中的每一个及其似然性保存在数据存储中；在所述多个周期中的任何当前周期已经完成之后，分析针对所述当前周期和针对先前周期中的一个或多个的候选意图及其似然性，以确定针对所述候选意图中的每一个的总体概率；以及由所述自主交通工具的运动规划系统，使用所述总体概率来选择所述候选意图中的一个以影响所述自主交通工具的选定轨迹。2.根据权利要求1所述的方法，其中，使用所述类和检测到的行动来生成所述行动者的多个候选意图包括：访问与各种类的行动者相关联的可能目标的数据集；选择所述数据集与所述行动者的检测到的类相关联的可能目标；确定所述数据集中的可能目标中的哪些可能目标与检测到的行动一致；以及使用所确定的可能目标作为所述候选意图。3.根据权利要求2所述的方法，其中，确定所述数据集中的可能目标中的哪些可能目标与检测到的行动一致包括：确定检测到的行动是否满足所述可能目标中每一个的一个或多个规则；或在已经在标记的行动和目标的数据集上训练的机器学习模型中处理检测到的行动和可能目标。4.根据权利要求1所述的方法，其中，评估每个候选意图的似然性包括：利用每个候选意图的唯一概率模型来跟踪每个候选意图，其中，每个概率模型的[假，真]状态表示所述候选意图是否对应于检测到的行动。5.根据权利要求1所述的方法，还包括：在周期的附加组已经完成之后，其中，所述附加组包括在确定所述总体概率时考虑的周期中的至少一些周期加上一个或多个附加周期：分析针对所述周期的附加组的候选意图及其似然性，以细化针对所述候选意图中的每一个的总体概率。6.根据权利要求1所述的方法，还包括：由所述预报系统，针对所述候选意图中的至少一些，预报所述行动者的未来模态并向每个预报的未来模态分配概率；其中，使用所述候选意图中的一个或多个及其似然性来影响所述自主交通工具的选定轨迹包括选择与具有超过阈值的概率的预报的未来模态中的一个或多个一致的轨迹。7.根据权利要求6所述的方法，还包括在预报所述行动者的未来模态并将概率分配给
预报的未来模态之前：消除具有在阈值以下的似然性的候选意图，使得仅对具有相对高似然性的候选意图执行对所述行动者的未来模态的预报。8.根据权利要求1所述的方法，其中，确定所述候选意图中的每一个的总体概率包括：将相对较高的似然性分配给在非中断的周期序列上持续的任何候选意图；以及将相对较低的似然性分配给在非中断的周期序列上未持续的任何候选意图。9.根据权利要求1所述的方法，其中，确定所述候选意图中的每一个的总体概率包括：针对所述行动者的运动学状态来评估所述候选意图中的每一个；将相对较高的似然性分配给与所述行动者的运动学状态一致的任何候选意图；以及将相对较低的似然性分配给与所述行动者的运动学状态不一致的任何候选意图。10.根据权利要求1所述的方法，其中，确定所述候选意图的总体概率包括：从所述感知系统的多个传感器接收与所述自主交通工具行驶通过的环境有关的环境数据；将所述环境数据应用于随机森林分类器以对所述环境的环境状况进行分类；将相对较高的似然性分配给与所述环境状况一致的任何候选意图；以及将相对较低的似然性分配给与所述环境状况不一致的任何候选意图。11.根据权利要求2所述的方法，其中，确定所述候选意图的总体概率包括：标识所述候选意图的第一目标和所述候选意图的第二目标，其中所述第一目标与所述第二目标冲突；以及确定在多个周期内检测到的行动者的行动与所述第一目标一致，并且作为响应，降低作为所述第二目标的候选意图的总体概率。12.一种自主交通工具，包括：感知系统，包括：一个或多个传感器，所述一个或多个传感器用于捕获关于接近所述自主交通工具的行动者的感知数据，处理器，以及具有被配置为指示所述感知系统的处理器处理所述感知数据用于以下操作的编程指令的存储器：对接近所述自主交通工具的行动者进行检测和分类，以及检测所述行动者正在采取的行动；预报系统，包括：处理器，以及具有被配置为使所述预报系统的处理器用于以下操作的编程指令的存储器：对于多个周期中的每个周期：使用所述类和检测到的行动来生成所述行动者的多个候选意图；评估每个候选意图的似然性；以及将候选意图中的每一个及其似然性保存在数据存储中，在所述多个周期中的任何当前周期已经完成之后，分析针对所述当前周期和针对先前周期中的一个或多个的候选意图及其似然性，以确定针对所述候选意图中的每一个的总...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：埃尔构人工智能有限责任公司，
类型：发明
国别省市：