【技术实现步骤摘要】
本公开的实施例总体上涉及自动驾驶车辆。更具体地，本公开的实施例涉及针对自动驾驶车辆中基于学习的部件进行基于场景的训练数据权重调整。
技术介绍
1、自动驾驶车辆(autonomous driving vehicle，adv)在自动模式下行驶时可以减轻车内人员，尤其是驾驶员的一些驾驶相关任务。当车辆在自动模式下运行时，可以使用车载传感器将车辆导航到不同位置，从而车辆行驶时能够尽量减少人机交互，或在没有乘客的情况下行驶。
2、自动驾驶车辆可以包括基于规则的模块，以执行各种功能，使得车辆能够自动驾驶。然而，在过去的几年中，基于学习的部件开始被纳入这些模块中，以使得模块从历史驾驶数据中学习。这些基于学习的部件中的每个部件一旦经过训练，在理想情况下应该能够以同样高质量的性能对每个驾驶场景进行处理。为了实现这一目标，基于学习的部件的训练数据集需要具有所需权重，使得驾驶场景不会被分配过多的训练数据，这可能会导致该驾驶场景的过拟合问题，从而导致性能下降。
技术实现思路
1、根据本公开实施例的一个方面，提供了一种计算机实现的自动驾驶车辆adv训练数据的制定(formulating)方法，包括：
2、通过调谐器核心，分配多个训练数据集，多个训练数据集用于对自动驾驶车辆中基于学习的模型进行训练，其中，多个训练数据集中的每个训练数据集被分配给多个预定义驾驶场景中的一个预定义驾驶场景；
3、通过调谐器核心，确定多个训练数据集中每个训练数据集的权重；以及
4、通过
5、根据本公开实施例的另一方面，提供了一种存储有指令的非暂时性计算机可读介质，指令在被调谐器核心的处理器执行时使得处理器执行以下操作，以制定自动驾驶车辆adv的训练数据：
6、分配多个训练数据集，多个训练数据集用于对自动驾驶车辆中基于学习的模型进行训练，其中，多个训练数据集中的每个训练数据集被分配给多个预定义驾驶场景中的一个预定义驾驶场景；
7、确定多个训练数据集中每个训练数据集的权重；以及
8、根据预定算法，在一次或多次迭代中对多个数据集中每个数据集的权重进行优化，直到基于学习的模型的性能达到预定阈值。
9、根据本公开实施例的一个方面，提供了一种电子设备，包括：
10、处理器；以及
11、与处理器耦接的存储器，存储器存储有指令，指令被处理器执行时，使得处理器执行以下操作：
12、分配多个训练数据集，多个训练数据集用于对自动驾驶车辆中基于学习的模型进行训练，其中，多个训练数据集中的每个训练数据集被分配给多个预定义驾驶场景中的一个预定义驾驶场景；
13、确定多个训练数据集中每个训练数据集的权重；以及
14、根据预定算法，在一次或多次迭代中对多个数据集中每个数据集的权重进行优化，直到所述基于学习的模型的性能达到预定阈值。
15、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种计算机实现的自动驾驶车辆ADV训练数据的制定方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中，所述一次或多次迭代中的每次迭代包括：
3.根据权利要求1所述的计算机实现的方法，其中，所述预定算法是随机搜索算法、网格搜索算法或贝叶斯算法中的一种算法。
4.根据权利要求1所述的计算机实现的方法，其中，所述多个驾驶场景中的每个驾驶场景是通过地图信息、交通状况、本车驾驶行为以及周围车辆驾驶行为来定义的。
5.根据权利要求1所述的计算机实现的方法，其中，所述多个驾驶场景被分类为多个类别，所述多个类别包括巡航、路口、静态交互场景和动态交互。
6.根据权利要求1所述的计算机实现的方法，其中，所述基于学习的模型包括具有注意力分支模块的卷积神经网络CNN主干、长短期记忆LSTM解码器以及差分光栅器模块。
7.根据权利要求6所述的计算机实现的方法，其中，针对所述多个驾驶场景中的每个驾驶场景，所述基于学习的模型的输入包括通过场景光栅化的具有多个通道的鸟瞰图BEV表示，所述基于学习的模型的输出是时域中的规划轨迹。<...
【技术特征摘要】
1.一种计算机实现的自动驾驶车辆adv训练数据的制定方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中，所述一次或多次迭代中的每次迭代包括：
3.根据权利要求1所述的计算机实现的方法，其中，所述预定算法是随机搜索算法、网格搜索算法或贝叶斯算法中的一种算法。
4.根据权利要求1所述的计算机实现的方法，其中，所述多个驾驶场景中的每个驾驶场景是通过地图信息、交通状况、本车驾驶行为以及周围车辆驾驶行为来定义的。
5.根据权利要求1所述的计算机实现的方法，其中，所述多个驾驶场景被分类为多个类别，所述多个类别包括巡航、路口、静态交互场景和动态交互。
6.根据权利要求1所述的计算机实现的方法，其中，所述基于学习的模型包括具有注意力分支模块的卷积神经网络cnn主干、长短期记忆lstm解码器以及差分光栅器模块。
7.根据权利要求6所述的计算机实现的方法，其中，针对所述多个驾驶场景中的每个驾驶场景，所述基于学习的模型的输入包括通过场景光栅化的具有多个通道的鸟瞰图bev表示，所述基于学习的模型的输出是时域中的规划轨迹。
8.一种存储有指令的非暂时性计算机可读介质，所述指令在被调谐器核心的处理器执行时使得所述处理器执行以下操作，以制定自动驾驶车辆adv的训练数据：
9.根据权利要求8所述的非暂时性计算机可读介质，其中，所述一次或多次迭代中的每次迭代包括：
10.根据权利要求8所述的非暂时性计算机可读介质，其中，所述预定算法是随机搜索算法、网格搜索算法或贝叶斯算法中的一种算法。
11.根据权利要求8所述...
【专利技术属性】
技术研发人员：姜舒，曹昱，林玮曼，吴思皓，胡江滔，
申请(专利权)人：百度美国有限责任公司，
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。