【技术实现步骤摘要】
本公开涉及计算机，尤其涉及自动驾驶和人工智能，具体涉及一种自动驾驶模型、自动驾驶模型的训练方法、利用自动驾驶模型实现的自动驾驶方法、基于自动驾驶模型的自动驾驶装置、自动驾驶模型的训练装置、电子设备、计算机可读存储介质、计算机程序产品和自动驾驶车辆。
技术介绍
1、人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
2、自动驾驶技术融合了识别、决策、定位、通信安全和人机交互等诸多方面的技术。通过人工智能学习能够辅助生成自动驾驶策略。
3、在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
4、在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
1、本公开提供了一种基于时序递归自回归推理的自动驾驶模型
2、根据本公开的一方面，提供了一种自动驾驶模型，包括编码层、轨迹规划层和推理层，其中，所述编码层被配置成对当前时刻的传感器信息进行编码，以得到当前场景表示；所述轨迹规划层被配置成根据所述当前时刻的历史场景表示确定从所述当前时刻到未来时刻的驾驶轨迹，其中所述当前时刻的历史场景表示指示所述当前时刻的至少一个先前时刻的场景；所述推理层被配置成根据所述当前场景表示、所述历史场景表示以及当前提示信息确定至少一个未来时刻的预测场景表示和所述未来时刻的历史场景表示，其中所述提示信息至少包括所述驾驶轨迹。
3、根据本公开的另一方面，提供了一种用于自动驾驶模型的训练方法，包括：获取样本时段内的样本传感器信息和与所述样本传感器信息对应的真实驾驶轨迹；利用所述自动驾驶模型的编码层对样本时刻的样本传感器信息进行编码，以得到样本场景表示；利用所述自动驾驶模型的轨迹规划层根据所述样本时刻的历史场景表示确定从所述当前时刻到未来时刻的预测驾驶轨迹，其中所述样本时刻的历史场景表示指示所述样本时刻的至少一个先前时刻的场景；利用所述自动驾驶模型的推理层根据所述样本场景表示、所述历史场景表示以及样本提示信息确定至少一个未来时刻的预测场景表示和所述未来时刻的历史场景表示，其中所述提示信息至少包括所述当前时刻到未来时刻的预测驾驶轨迹；基于所述当前时刻到未来时刻的所述预测驾驶轨迹和所述当前时刻到所述未来时刻的真实驾驶轨迹之间的差异调整所述自动驾驶模型的参数。
4、根据本公开的另一方面，提供了一种利用自动驾驶模型实现的自动驾驶方法，包括：对当前时刻的传感器信息进行编码，以得到当前场景表示；根据所述当前时刻的历史场景表示确定从所述当前时刻到未来时刻的驾驶轨迹，其中所述当前时刻的历史场景表示指示所述当前时刻的至少一个先前时刻的场景；以及根据所述当前场景表示、所述历史场景表示以及当前提示信息确定至少一个未来时刻的预测场景表示和所述未来时刻的历史场景表示，其中所述提示信息至少包括所述驾驶轨迹。
5、根据本公开的另一方面，提供了一种基于自动驾驶模型的自动驾驶装置，包括：编码单元，被配置成对当前时刻的传感器信息进行编码，以得到当前场景表示；轨迹确定单元，被配置成根据所述当前时刻的历史场景表示确定从所述当前时刻到未来时刻的驾驶轨迹，其中所述当前时刻的历史场景表示指示所述当前时刻的至少一个先前时刻的场景；以及未来预测单元，被配置成根据所述当前场景表示、所述历史场景表示以及当前提示信息确定至少一个未来时刻的预测场景表示和所述未来时刻的历史场景表示，其中所述提示信息至少包括所述驾驶轨迹。
6、根据本公开的另一方面，提供了一种用于自动驾驶模型的训练装置，包括：样本获取单元，被配置成获取样本时段内的样本传感器信息和与所述样本传感器信息对应的真实驾驶轨迹；编码单元，被配置成利用所述自动驾驶模型的编码层对样本时刻的样本传感器信息进行编码，以得到样本场景表示；轨迹预测单元，被配置成利用所述自动驾驶模型的轨迹规划层根据所述样本时刻的历史场景表示确定从所述当前时刻到未来时刻的预测驾驶轨迹，其中所述样本时刻的历史场景表示指示所述样本时刻的至少一个先前时刻的场景；推理单元，被配置成利用所述自动驾驶模型的推理层根据所述样本场景表示、所述历史场景表示以及样本提示信息确定至少一个未来时刻的预测场景表示和所述未来时刻的历史场景表示，其中所述提示信息至少包括所述当前时刻到未来时刻的预测驾驶轨迹；以及参数调整单元，被配置成基于所述当前时刻到未来时刻的所述预测驾驶轨迹和所述当前时刻到所述未来时刻的真实驾驶轨迹之间的差异调整所述自动驾驶模型的参数。
7、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。
8、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述方法。
9、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述方法。
10、根据本公开的另一方面，提供了一种自动驾驶车辆，包括：根据本公开实施例的自动驾驶装置、电子设备中的一者。
11、利用本公开的实施例，可以利用一体化的推理层实现历史信息的学习和未来信息的预测，从而使得模型能够在学习历史的同时进行未来预测，提高模型的预测效果。利用本公开提供的自动驾驶模型，可以利用以t时刻的信息推理t+1时刻的预测结果的方式实现时序的自回归推理。在推理层采用递归结构的情况下，本公开的实施例提供的自动驾驶模型可以实现时序递归自回归推理，并基于推理结果确定自动驾驶决策。
12、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】
1.一种自动驾驶模型，包括编码层、轨迹规划层和推理层，其中，
2.如权利要求1所述的自动驾驶模型，其中，所述当前时刻的历史场景表示是根据先前时刻的当前场景表示和先前时刻的历史场景表示进行预测得到的。
3.如权利要求1所述的自动驾驶模型，其中，所述轨迹规划层被配置成：
4.如权利要求3所述的自动驾驶模型，其中，所述推理层被配置成：
5.如权利要求4所述的自动驾驶模型，其中，根据所述当前场景表示、所述历史场景表示以及所述当前时刻到第一时刻的第一驾驶轨迹确定所述第一时刻的预测场景表示和所述第一时刻的历史场景表示包括：
6.如权利要求4所述的自动驾驶模型，其中，所述推理层还被配置成：
7.如权利要求6所述的自动驾驶模型，其中，所述第二时刻是所述第一时刻的下一时刻。
8.如权利要求7所述的自动驾驶模型，其中，所述第二时刻和所述第一时刻之间的时间步长不同于所述第一时刻和所述当前时刻之间的时间步长。
9.如权利要求6所述的自动驾驶模型，其中，所述轨迹规划层还被配置成：
10.如权利要求6
11.如权利要求1所述的自动驾驶模型，所述推理层包括至少一个可变形交叉注意力层。
12.如权利要求11所述的自动驾驶模型，其中，所述提示信息还包括以下信息中的至少一项：地图信息、当前车辆行驶状态信息、导航信息，目的地信息以及驾驶指令信息。
13.如权利要求11所述的自动驾驶模型，其中，根据所述当前场景表示、所述历史场景表示以及当前提示信息确定至少一个未来时刻的预测场景表示和所述未来时刻的历史场景表示包括：
14.如权利要求1所述的自动驾驶模型，还包括预测层，所述预测层被配置成根据所述至少一个未来时刻的预测场景表示确定所述至少一个未来时刻的预测传感器信息。
15.一种用于自动驾驶模型的训练方法，包括：
16.如权利要求15所述的训练方法，其中，根据所述样本时刻的历史场景表示确定从所述当前时刻到未来时刻的预测驾驶轨迹包括：
17.如权利要求16所述的训练方法，其中，根据所述样本场景表示、所述历史场景表示以及样本提示信息确定至少一个未来时刻的预测场景表示和所述未来时刻的历史场景表示包括：
18.如权利要求16所述的训练方法，还包括：
19.如权利要求15所述的训练方法，其中，所述自动驾驶模型还包括预测层，
20.一种利用如权利要求1-14中任一项所述的自动驾驶模型实现的自动驾驶方法，包括：
21.一种基于如权利要求1-14中任一项所述的自动驾驶模型的自动驾驶装置，包括：
22.一种用于自动驾驶模型的训练装置，包括：
23.一种电子设备，包括：
24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求15-20中任一项所述的方法。
25.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求15-20中任一项所述的方法。
26.一种自动驾驶车辆，包括：
...【技术特征摘要】
1.一种自动驾驶模型，包括编码层、轨迹规划层和推理层，其中，
2.如权利要求1所述的自动驾驶模型，其中，所述当前时刻的历史场景表示是根据先前时刻的当前场景表示和先前时刻的历史场景表示进行预测得到的。
3.如权利要求1所述的自动驾驶模型，其中，所述轨迹规划层被配置成：
4.如权利要求3所述的自动驾驶模型，其中，所述推理层被配置成：
5.如权利要求4所述的自动驾驶模型，其中，根据所述当前场景表示、所述历史场景表示以及所述当前时刻到第一时刻的第一驾驶轨迹确定所述第一时刻的预测场景表示和所述第一时刻的历史场景表示包括：
6.如权利要求4所述的自动驾驶模型，其中，所述推理层还被配置成：
7.如权利要求6所述的自动驾驶模型，其中，所述第二时刻是所述第一时刻的下一时刻。
8.如权利要求7所述的自动驾驶模型，其中，所述第二时刻和所述第一时刻之间的时间步长不同于所述第一时刻和所述当前时刻之间的时间步长。
9.如权利要求6所述的自动驾驶模型，其中，所述轨迹规划层还被配置成：
10.如权利要求6所述的自动驾驶模型，其中，所述轨迹规划层还被配置成：
11.如权利要求1所述的自动驾驶模型，所述推理层包括至少一个可变形交叉注意力层。
12.如权利要求11所述的自动驾驶模型，其中，所述提示信息还包括以下信息中的至少一项：地图信息、当前车辆行驶状态信息、导航信息，目的地信息以及驾驶指令信息。
13.如权利要求11所述的自动驾驶模型，其中，根据所述当前场景表示、所...
【专利技术属性】
技术研发人员：王凡，黄际洲，
申请(专利权)人：北京百度网讯科技有限公司，
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。