【技术实现步骤摘要】
本申请涉及人工智能的,尤其涉及一种自动驾驶模型的构建方法、计算机设备及存储介质。
技术介绍
1、近年来,随着深度学习的快速发展,在一些控制决策领域,逐渐替代传统的规划和控制方法。而随着汽车电动化的到来,自动驾驶也成为当下的重点攻关技术,深度学习在自动驾驶的应用受到越来越多的关注。但是由于车辆驾驶的危险性,使得真实的自动驾驶数据收集变得极其困难和昂贵,并且在自动驾驶过程中,由于车辆所处的场景难以预测。
2、在自动驾驶这一兼具复杂竞争和合作关系的多智能体的开放环境中,采用传统的htn(hierarchical task network,分层任务网络)、goap(goal oriented actionplanning,目标导向型行动计划)或mcts(monte carlo tree search,蒙特卡罗树搜索)等方法,在多智能体环境下由于引入了更多的随机性,导致存在所控制的智能体拟人性差、长期规划计算耗时、在多智能体的情况下算法设计困难等问题。
技术实现思路
1、本申请提供了一种
...【技术保护点】
1.一种自动驾驶模型的构建方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,在所述获取所述智能体执行所述预测驾驶信息对应的奖励信息之后,还包括:
3.根据权利要求1所述的方法,其特征在于,所述自动驾驶模型包括特征提取网络、策略网络和价值网络;所述将所述环境信息输入至预训练的自动驾驶模型,所述自动驾驶模型根据所述环境信息输出预测驾驶信息,包括:
4.根据权利要求3所述的方法,其特征在于,所述特征提取网络包括第一全连接层、第二全连接层、残差层和拼接层,所述环境信息包括图像信息、向量信息和障碍物点云信息;所述将所述环境信
...【技术特征摘要】
1.一种自动驾驶模型的构建方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,在所述获取所述智能体执行所述预测驾驶信息对应的奖励信息之后,还包括:
3.根据权利要求1所述的方法,其特征在于,所述自动驾驶模型包括特征提取网络、策略网络和价值网络;所述将所述环境信息输入至预训练的自动驾驶模型,所述自动驾驶模型根据所述环境信息输出预测驾驶信息,包括:
4.根据权利要求3所述的方法,其特征在于,所述特征提取网络包括第一全连接层、第二全连接层、残差层和拼接层,所述环境信息包括图像信息、向量信息和障碍物点云信息;所述将所述环境信息输入至预训练的所述特征提取网络,用于在所述环境信息中提取出特征信息,包括:
5.根据权利要求3所述的方法,其特征在于,所述策略网络包括第三全连接层,所述预测策略包括预...
【专利技术属性】
技术研发人员:王浩然,王波,周正,
申请(专利权)人:超参数科技深圳有限公司,
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。