面向多场景制造技术

本发明专利技术公开一种面向多场景

【技术实现步骤摘要】
面向多场景、多智能体协同和博弈的轨迹预测方法及设备


[0001]本专利技术属于自动驾驶
，具体涉及一种面向多场景
、
多智能体协同和博弈的轨迹预测方法及设备
。

技术介绍

[0002]随着自动驾驶技术的快速发展，自动驾驶车辆逐步推广，而轨迹预测是自动驾驶中的重要模块，轨迹预测为自动驾驶中的规划和决策模块提供了环境信息，以便规划模块可以根据预测轨迹生成最优的路径规划
。
但是自动驾驶车辆的轨迹预测和轨迹规划是交互的过程，自动驾驶车辆的决策过程存在多车博弈的情况，导致了其决策空间的多样性，尤其是在多场景多车协同的背景下，自动驾驶车辆决策空间的多样性所导致的其规划轨迹的变化必然会对其他障碍物的未来运动轨迹产生影响，但是现有的轨迹预测并没有考虑到上述影响，预测结果的准确性和合理性存在偏差
。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提出了一种面向多场景
、
多智能体协同和博弈的轨迹预测方法及设备
。
[0004]为了达到上述目的，本专利技术的技术方案如下：
[0005]一方面，本专利技术公开一种面向多场景
、
多智能体协同和博弈的轨迹预测方法，包括：
[0006]步骤
S1
：获取若干智能体的轨迹规划信息；
[0007]获取若干智能体及障碍物的历史轨迹信息；
[0008]获取若干智能体及障碍物的运行场景信息；
[0009]步骤
S2
：将轨迹规划信息
、
历史轨迹信息
、
运行场景信息输入轨迹预测模型，获取各个智能体及障碍物的预测轨迹
。
[0010]在上述技术方案的基础上，还可做如下改进：
[0011]作为优选的方案，若干智能体能够通过云端进行实时交互
。
[0012]作为优选的方案，运行场景信息包括：道路拓扑信息和实时环境信息
。
[0013]作为优选的方案，步骤
S2
包括：
[0014]步骤
S2.1
：对轨迹规划信息
、
历史轨迹信息
、
运行场景信息进行特征提取，获取各个智能体及障碍物的特征信息；
[0015]步骤
S2.2
：对特征信息进行规划
、
轨迹及场景之间的自注意力机制及互注意力机制的信息交互，获取各个智能体及障碍物的交互特征信息；
[0016]步骤
S2.3
：对交互特征信息进行解码，获取各个智能体及障碍物的预测轨迹
。
[0017]作为优选的方案，还包括：
[0018]步骤
S3
：各个智能体根据预测轨迹优化自身的轨迹规划，获取更优化的轨迹规划结果
。
[0019]此外，另一方面，本专利技术还公开一种面向多场景
、
多智能体协同和博弈的轨迹预测设备，包括：
[0020]轨迹规划模块，用于获取若干智能体的轨迹规划信息；
[0021]感知模块，用于获取若干智能体及障碍物的历史轨迹信息；
[0022]运行场景信息获取模块，用于获取若干智能体及障碍物的运行场景信息；
[0023]轨迹预测模块，用于将轨迹规划信息
、
历史轨迹信息
、
运行场景信息输入轨迹预测模型，获取各个智能体及障碍物的预测轨迹
。
[0024]作为优选的方案，若干智能体能够通过云端进行实时交互
。
[0025]作为优选的方案，运行场景信息获取模块包括：
[0026]道路信息获取单元，用于获取道路拓扑信息；
[0027]环境信息获取单元，用于获取实时环境信息
。
[0028]作为优选的方案，轨迹预测模块包括：
[0029]特征编码器，用于对轨迹规划信息
、
历史轨迹信息
、
运行场景信息进行特征提取，获取各个智能体及障碍物的特征信息；
[0030]注意力模块，用于对特征信息进行规划
、
轨迹及场景之间的自注意力机制及互注意力机制的信息交互，获取各个智能体及障碍物的交互特征信息；
[0031]轨迹解码器，用于对交互特征信息进行解码，获取各个智能体及障碍物的预测轨迹
。
[0032]作为优选的方案，还包括：
[0033]轨迹规划优化模块，用于各个智能体根据预测轨迹优化自身的轨迹规划，获取更优化的轨迹规划结果
。
[0034]本专利技术一种面向多场景
、
多智能体协同和博弈的轨迹预测方法及设备，具有以下有益效果：
[0035]第一，考虑到多智能体
、
障碍物协同的情况下，多智能体之间存在博弈过程，将多智能体的规划轨迹信息加入轨迹预测模型，为轨迹预测提供更多的先验信息，通过学习规划轨迹的多样性对运动轨迹的影响，提升轨迹预测模型的鲁棒性，从而得到更为准确和合理的预测轨迹
。
[0036]第二，将道路拓扑信息和实时环境信息作为运行场景信息，体现对不同场景下各个智能体及障碍物的轨迹预测的差异性，提高轨迹预测的整体性能
。
附图说明
[0037]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图
。
[0038]图1为本专利技术实施例提供的轨迹预测方法的流程图
。
[0039]图2为本专利技术实施例提供的轨迹预测方法的示例图
。
具体实施方式
[0040]下面结合附图详细说明本专利技术的优选实施方式
。
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0042]“包括”元件的表述是“开放式”表述，该“开放式”表述仅仅是指存在对应的部件或步骤，不应当解释为排除附加的部件或步骤
。
[0043]为了达到本专利技术的目的，一种面向多场景
、
多智能体协同和博弈的轨迹预测方法及设备的其中一些实施例中，如图1所示，轨迹预测方法包括：
[0044]步骤
S1
：获取若干智能体的轨迹规划信息；
[0045]获取若干智能体及障碍物的历史轨迹信息；
[0046]获取若干智能体及障碍物的运行场景信息，运行场景信息包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
面向多场景
、
多智能体协同和博弈的轨迹预测方法，其特征在于，包括：步骤
S1
：获取若干智能体的轨迹规划信息；获取若干智能体及障碍物的历史轨迹信息；获取若干智能体及障碍物的运行场景信息；步骤
S2
：将轨迹规划信息
、
历史轨迹信息
、
运行场景信息输入轨迹预测模型，获取各个智能体及障碍物的预测轨迹
。2.
根据权利要求1所述的轨迹预测方法，其特征在于，若干智能体能够通过云端进行实时交互
。3.
根据权利要求1所述的轨迹预测方法，其特征在于，所述运行场景信息包括：道路拓扑信息和实时环境信息
。4.
根据权利要求1所述的轨迹预测方法，其特征在于，所述步骤
S2
包括：步骤
S2.1
：对轨迹规划信息
、
历史轨迹信息
、
运行场景信息进行特征提取，获取各个智能体及障碍物的特征信息；步骤
S2.2
：对特征信息进行规划
、
轨迹及场景之间的自注意力机制及互注意力机制的信息交互，获取各个智能体及障碍物的交互特征信息；步骤
S2.3
：对交互特征信息进行解码，获取各个智能体及障碍物的预测轨迹
。5.
根据权利要求1所述的轨迹预测方法，其特征在于，还包括：步骤
S3
：各个智能体根据预测轨迹优化自身的轨迹规划，获取更优化的轨迹规...

【专利技术属性】
技术研发人员：何弢，陈晓磊，廖文龙，彭湃，
申请(专利权)人：上海酷移机器人有限公司，
类型：发明
国别省市：