【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
...
【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:
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。