在规划器中生成校正后的未来机动动作参数制造技术

本公开涉及在规划器中生成校正后的未来机动动作参数。提供了用于在规划器中生成未来机动动作参数的方法，该方法包括：接收与运载工具的一个或多于一个先前机动动作相关联的至少一个第一参数集以及与运载工具的机动动作目标相关联的至少一个第二参数集；使用第一参数集和第二参数集生成与运载工具的未来机动动作相对应的未来机动动作参数；通过将所生成的未来机动动作参数与一个或多于一个参考机动动作参数进行比较来训练至少一个数据模型；基于训练来生成校正后的未来机动动作参数。校正后的未来机动动作参数包括运载工具的未来机动动作以及对运载工具的未来机动动作的校正。的校正。的校正。

【技术实现步骤摘要】
在规划器中生成校正后的未来机动动作参数


[0001]本公开涉及运载工具，尤其涉及生成校正后的未来机动动作参数。

技术介绍

[0002]自主运载工具能够感测其周围环境并在没有人类输入的情况下进行导航。运载工具在接收到表示环境的数据和/或任意其他参数时，进行该数据的处理以确定该运载工具的移动决策(例如，停止、向前/向后移动、转弯等)。这些决策旨在沿着所选择的路径安全地导航运载工具，以避开障碍物并对各种情景(诸如其他运载工具、行人和/或任意其他对象的存在、移动等)做出反应。

技术实现思路

[0003]根据本专利技术的一方面，提供一种方法，其包括：使用至少一个处理器，接收第一参数集和第二参数集，所述第一参数集与运载工具的一个或多于一个先前机动动作相关联，所述第二参数集与所述运载工具的机动动作目标相关联；使用所述至少一个处理器，使用所述第一参数集和所述第二参数集来生成与所述运载工具的至少一个未来机动动作相对应的至少一个未来机动动作参数；使用所述至少一个处理器，通过将所述至少一个未来机动动作参数与被识别为专家驾驶员机动动作参数的一个或多于一个参考机动动作参数进行比较来训练至少一个数据模型；使用所述至少一个处理器，基于所述训练来生成至少一个校正后的未来机动动作参数，所述校正后的未来机动动作参数包括所述运载工具的至少一个未来机动动作、以及基于误差校正值对所述运载工具的至少一个未来机动动作的至少一个校正，所述误差校正值指示所述至少一个未来机动动作参数和所述一个或多于一个参考机动动作参数之间的差；使用所述至少一个处理器，使用所述至少一个校正后的未来机动动作参数来生成用于控制所述运载工具执行所述至少一个校正后的未来机动动作的信号；以及使用所述信号来使所述运载工具至少部分地基于所述校正后的未来机动动作参数进行操作。
[0004]根据本专利技术的另一方面，提供一种系统，其包括：至少一个处理器，以及至少一个非暂态存储介质，其存储有指令，所述指令在由所述至少一个处理器执行时，使得所述至少一个处理器进行操作，所述操作包括：接收第一参数集和第二参数集，所述第一参数集与运载工具的一个或多于一个先前机动动作相关联，所述第二参数集与所述运载工具的机动动作目标相关联；使用所述第一参数集和所述第二参数集来生成与所述运载工具的至少一个未来机动动作相对应的至少一个未来机动动作参数；通过将所述至少一个未来机动动作参数与被识别为专家驾驶员机动动作参数的一个或多于一个参考机动动作参数进行比较来训练至少一个数据模型；基于所述训练来生成至少一个校正后的未来机动动作参数，所述校正后的未来机动动作参数包括所述运载工具的至少一个未来机动动作、以及基于误差校正值对所述运载工具的至少一个未来机动动作的至少一个校正，所述误差校正值指示所述至少一个未来机动动作参数和所述一个或多于一个参考机动动作参数之间的差；使用至少
一个校正后的未来机动动作参数来生成用于控制所述运载工具执行至少一个校正后的未来机动动作的信号；以及使用所述信号来使所述运载工具至少部分地基于所述校正后的未来机动动作参数进行操作。
[0005]根据本专利技术的又一方面，提供一种非暂态存储介质，其存储有指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器进行操作，所述操作包括：接收第一参数集和第二参数集，所述第一参数集与运载工具的一个或多于一个先前机动动作相关联，所述第二参数集与所述运载工具的机动动作目标相关联；使用所述第一参数集和所述第二参数集来生成与所述运载工具的至少一个未来机动动作相对应的至少一个未来机动动作参数；通过将所述至少一个未来机动动作参数与被识别为专家驾驶员机动动作参数的一个或多于一个参考机动动作参数进行比较来训练至少一个数据模型；基于所述训练来生成至少一个校正后的未来机动动作参数，所述校正后的未来机动动作参数包括所述运载工具的至少一个未来机动动作、以及基于误差校正值对所述运载工具的至少一个未来机动动作的至少一个校正，所述误差校正值指示所述至少一个未来机动动作参数和所述一个或多于一个参考机动动作参数之间的差；使用至少一个校正后的未来机动动作参数来生成用于控制所述运载工具执行至少一个校正后的未来机动动作的信号；以及使用所述信号来使所述运载工具至少部分地基于所述校正后的未来机动动作参数进行操作。
附图说明
[0006]图1是可以实现包括自主系统的一个或多于一个组件的运载工具的示例环境；
[0007]图2是包括自主系统的运载工具的一个或多于一个系统的图；
[0008]图3是图1和图2的一个或多于一个装置和/或一个或多于一个系统的组件的图；
[0009]图4A是自主系统的某些组件的图；
[0010]图4B是神经网络的实现的图；
[0011]图4C和图4D是例示CNN的示例操作的图；
[0012]图5A例示根据当前主题的一些实施例的用于实现自校正(self
‑
correcting)规划器的系统的示例；
[0013]图5B例示根据当前主题的一些实施例的图5A所示的自校正规划器系统的如由该系统的控制器所执行那样的附加细节；
[0014]图5C例示根据当前主题的一些实施例的在训练期间可由(例如，如图5A至图5B所示的)自主运载工具系统使用的训练网络；
[0015]图5D例示根据当前主题的一些实施例的用于生成对输入信号的(一个或多于一个)校正的处理；
[0016]图5E例示根据当前主题的一些实施例的(如图5A所示的)自校正规划器系统的示例实验实现；
[0017]图5F例示根据当前主题的一些实施例的可由特征提取器和光栅化组件生成的特征向量的示例；
[0018]图5G例示根据当前主题的一些实施例的(如图5A所示的)自校正规划器系统的另一示例实验实现；以及
[0019]图6例示根据当前主题的一些实施例的用于在运载工具的规划器组件中生成自校
正的示例处理。
具体实施方式
[0020]在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本公开的透彻理解。然而，本公开所描述的实施例可以在没有这些具体细节的情况下实施将是明显的。在一些实例中，众所周知的构造和装置是以框图形式例示的，以避免不必要地使本公开的方面模糊。
[0021]在附图中，为了便于描述，例示了示意要素(诸如表示系统、装置、模块、指令块和/或数据要素等的那些要素等)的具体布置或次序。然而，本领域技术人员将要理解，除非明确描述，否则附图中示意要素的具体次序或布置并不意在意味着要求特定的处理次序或序列、或处理的分离。此外，除非明确描述，否则在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在一些实施例中或不能在一些实施例中与其他要素结合。
[0022]此外，在附图中，连接要素(诸如实线或虚线或箭头等)用于例示两个或多于两个其他示意要素之间或之中的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，要素之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：使用至少一个处理器，接收第一参数集和第二参数集，所述第一参数集与运载工具的一个或多于一个先前机动动作相关联，所述第二参数集与所述运载工具的机动动作目标相关联；使用所述至少一个处理器，使用所述第一参数集和所述第二参数集来生成与所述运载工具的至少一个未来机动动作相对应的至少一个未来机动动作参数；使用所述至少一个处理器，通过将所述至少一个未来机动动作参数与被识别为专家驾驶员机动动作参数的一个或多于一个参考机动动作参数进行比较来训练至少一个数据模型；使用所述至少一个处理器，基于所述训练来生成至少一个校正后的未来机动动作参数，所述校正后的未来机动动作参数包括所述运载工具的至少一个未来机动动作、以及基于误差校正值对所述运载工具的至少一个未来机动动作的至少一个校正，所述误差校正值指示所述至少一个未来机动动作参数和所述一个或多于一个参考机动动作参数之间的差；使用所述至少一个处理器，使用所述至少一个校正后的未来机动动作参数来生成用于控制所述运载工具执行所述至少一个校正后的未来机动动作的信号；以及使用所述信号来使所述运载工具至少部分地基于所述校正后的未来机动动作参数进行操作。2.根据权利要求1所述的方法，还包括：使用所述至少一个处理器，执行校正后的所述运载工具的至少一个未来机动动作。3.根据权利要求1所述的方法，其中，接收还包括：使用所述至少一个处理器，在各个执行之后连续接收所述至少一个校正后的未来机动动作参数，以校正所述第一参数集中的先前接收到的一个或多于一个第一参数。4.根据权利要求3所述的方法，还包括：接收与所述运载工具的状态相关联的至少一个第三参数；其中，所述训练还包括：使用所述至少一个处理器，使用所述未来机动动作参数、所述至少一个第三参数和所述一个或多于一个参考机动动作参数来训练所述至少一个数据模型。5.根据权利要求3所述的方法，还包括：使用所述至少一个处理器，在生成所述至少一个校正后的未来机动动作参数之前重复所述至少一个数据模型的训练。6.根据权利要求5所述的方法，其中，所述第一参数集和所述第二参数集对应于与所述运载工具的至少一个机动动作相关联的至少一个特征。7.根据权利要求6所述的方法，还包括：将所述至少一个特征光栅化为至少一个光栅化特征。8.根据权利要求7所述的方法，其中，所述训练还包括：使用所述至少一个处理器，使用所述至少一个光栅化特征来训练所述至少一个数据模型。9.根据权利要求2所述的方法，其中，所述执行还包括：使用所述至少一个处理器，在所述运载工具正在操作期间执行校正后的所述运载工具的至少一个未来机动动作。
10.根据权利要求1所述的方法，其中，所述第一参数集和所述第二参数集包括以下项其中至少之一：所述运载工具的速率、位置、加速度、移动方向及其任意组合。11.根据权利要求1所述的方法，其中，所述第一参数集中的所接收到的至少一个第一参数相对于以下项其中至少之一可微：所述第一参数集中的先前接收到的至少一个第一参数、以及至少一个校正后的第一参数。12.根据权利要求1所述的方法，其中，专家驾驶员机动动作参数与以下项其中至少之一相关联：与所述运载工具的至少一个机动动作相关联的至少一个参考特征、以及所述一个或多于一个参考机动动作参数中的至少一个参考机动动作参数。13.一种系统，包括：至少一个处理器，以及至少一个非暂态存储介质，其存储有指令，所述指令在由所述至少一个处理器执行时，使得所述至少一个处理器进行操作，所述操作包括：接收第一参数集和第二参数集，所述第一参数集与运载工具的一个或多于一个先前机动动作相关联，所述第二参数集与所述运载工具的机动动作目标相关联；使用所述第一参数集和所述第二参数集来生成与所述运载工具的至少一个未来机动动作相对应的至少一个未来机动动作参数；通过将所述至少一个未来机动动作参数与被识别为专家驾驶员机动动作参数的一个或多于一个参考机动动作参数进行比较来训练至少一个数据模型；基于所述训练来...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：动态AD有限责任公司，
类型：发明
国别省市：