【技术实现步骤摘要】
本申请属于自动驾驶，尤其涉及一种轨迹规划模型的训练方法、装置、终端设备及计算机可读存储介质。
技术介绍
1、随着人工智能技术的发展，自动驾驶技术的应用也越来越广泛。而自动驾驶车辆在行驶过程中的轨迹规划是自动驾驶算法的核心内容。现有的自动驾驶算法包括基于规则的自动驾驶算法、基于学习的自动驾驶算法等。
2、相关技术中，基于强化学习、模仿学习的轨迹规划模型，通常可以从训练数据集中学习到如何对已经出现的交通场景进行路径规划，而没有包含在训练数据集中的交通场景或者复杂的交通场景，模型通常无法做出准确的轨迹规划决策，从而导致轨迹规划的泛化性和可靠性较差。
技术实现思路
1、本申请实施例提供了一种轨迹规划模型的训练方法、装置、终端设备及存储介质，可以解决基于强化学习、模仿学习的轨迹规划模型，对没有包含在训练数据集中的交通场景或者复杂的交通场景，通常无法做出准确的轨迹规划决策，从而导致轨迹规划的泛化性和可靠性较差的问题。
2、第一方面，本申请实施例提供了一种轨迹规划模型的训练方法，包括：获取真实驾驶数据集，其中，真实驾驶数据集中包括多个真实驾驶数据；在每个真实驾驶数据中添加扰动信息，以生成扰动数据集，其中，扰动数据集中包括每个真实驾驶数据对应的扰动数据；将扰动数据集中的每个扰动数据依次输入初始轨迹规划模型的初始生成器，以生成每个扰动数据对应的第一预测驾驶轨迹；将每个第一预测驾驶轨迹输入初始轨迹规划模型的初始判别器，以生成每个第一预测驾驶轨迹为真实驾驶轨迹的第一概率；根据每个
3、在第一方面的一种可能的实现方式中，上述真实驾驶数据集中还包括每个真实驾驶数据对应的真实驾驶轨迹；相应的，上述根据每个第一预测驾驶轨迹为真实驾驶轨迹的第一概率，对初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型之前，还包括：
4、将每个真实驾驶数据依次输入初始生成器，以生成每个真实驾驶数据对应的第二预测驾驶轨迹；
5、将每个真实驾驶轨迹及每个第二预测驾驶轨迹依次输入初始判别器，以生成每个真实驾驶轨迹为真实驾驶轨迹的第二概率，及每个第二预测驾驶轨迹为真实驾驶轨迹的第三概率；
6、相应的，上述根据每个第一预测驾驶轨迹为真实驾驶轨迹的第一概率，对初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型，包括：
7、根据每个真实驾驶数据对应的真实驾驶轨迹与第二预测驾驶轨迹之间的差异、每个第一概率、每个第二概率及每个第三概率，对初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型。
8、可选的，在第一方面的另一种可能的实现方式中，上述根据每个真实驾驶数据对应的真实驾驶轨迹与第二预测驾驶轨迹之间的差异、每个第一概率、每个第二概率及每个第三概率，对初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型，包括：
9、根据每个真实驾驶数据对应的真实驾驶轨迹与第二预测驾驶轨迹之间的差异，确定第一损失值；
10、根据每个第一概率及每个第三概率，确定第二损失值；
11、根据每个第一概率、每个第二概率及每个第三概率，确定第三损失值；
12、根据第一损失值及第二损失值，对初始生成器的网络参数进行修正，并采用修正后的生成器继续进行训练，直至修正后的生成器对应的第一损失值与第二损失值处于预设范围，则将修正后的生成器确定为训练完成的轨迹规划模型的生成器；
13、根据第三损失值，对初始判别器进行修正，并采用修正后的判别器继续进行训练，直至修正后的判别器对应的第三损失值处于预设范围，则将修正后的判别器确定为训练完成的轨迹规划模型的判别器。
14、可选的，在第一方面的再一种可能的实现方式中，上述获取真实驾驶数据集，包括：
15、获取采集车的原始驾驶数据，其中，原始驾驶数据中包括在采集车行驶过程中采集车中的图像采集设备采集的图像数据、及采集车中的传感器采集的感知数据；
16、根据原始驾驶数据中包括的决策场景，从原始驾驶数据中截取每个决策场景对应的多组驾驶数据；
17、根据每组驾驶数据包含的图像数据及感知数据，确定每组驾驶数据中的每个数据采集时刻对应的鸟瞰图；
18、根据每组驾驶数据对应的各个鸟瞰图，确定真实驾驶数据集，其中，每个鸟瞰图为真实驾驶数据集中的一个真实驾驶数据。
19、可选的，在第一方面的又一种可能的实现方式中，上述真实驾驶数据集中还包括每个真实驾驶数据对应的真实驾驶轨迹；相应的，根据每组驾驶数据对应的各个鸟瞰图，确定真实驾驶数据集，包括：
20、确定与第i个鸟瞰图对应的数据采集时刻相邻的多个第二数据采集时刻，其中，i为大于等于1且小于等n的正整数，n为鸟瞰图的数量，n为正整数；
21、根据多个第二数据采集时刻采集的图像数据及感知数据，确定第i个鸟瞰图对应的真实驾驶轨迹；
22、根据每个鸟瞰图及每个鸟瞰图对应的真实驾驶轨迹，确定真实驾驶数据集。
23、可选的，在第一方面的又一种可能的实现方式中，上述在每个真实驾驶数据中添加扰动信息，以生成扰动数据集，包括：
24、在真实驾驶数据集中的每个鸟瞰图中添加障碍物，以生成扰动数据集；
25、和/或，
26、获取采集车在每个鸟瞰图中的航向角；
27、对采集车在每个鸟瞰图中的航向角添加随机偏移量，以生成扰动数据集。
28、可选的，在第一方面的另一种可能的实现方式中，上述根据每组所述驾驶数据对应的各个鸟瞰图，确定真实驾驶数据集，包括：
29、根据每组驾驶数据对应的决策场景，确定每个鸟瞰图对应的决策场景；
30、根据每个鸟瞰图对应的决策场景，确定与每个决策场景相关的真实驾驶数据集。
31、可选的，在第一方面的再一种可能的实现方式中，上述在每个真实驾驶数据中添加扰动信息，以生成扰动数据集，包括：
32、在与每个决策场景相关的真实驾驶数据集中的每个真实驾驶数据中添加扰动信息，以生成与每个决策场景相关的扰动数据集。
33、可选的，在第一方面的又一种可能的实现方式中，上述初始轨迹规划模型包括m个决策场景对应的m个初始轨迹规划子模型，m为正整数；相应的，上述将扰动数据集中的每个扰动数据依次输入初始轨迹规划模型的初始生成器，以生成每个扰动数据对应的第一预测驾驶轨迹，包括：
34、将与第j个决策场景相关的扰动数据集中的每个扰动数据依次输入第j个初始轨迹规划子模型的初始生成器，以生成与第j个决策场景相关的每个扰动数据本文档来自技高网...
【技术保护点】
1.一种轨迹规划模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述真实驾驶数据集中还包括每个所述真实驾驶数据对应的真实驾驶轨迹，所述根据每个所述第一预测驾驶轨迹为真实驾驶轨迹的第一概率，对所述初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述根据每个所述真实驾驶数据对应的真实驾驶轨迹与所述第二预测驾驶轨迹之间的差异、每个所述第一概率、每个所述第二概率及每个所述第三概率，对所述初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型，包括：
4.如权利要求1-3任一所述的方法，其特征在于，所述获取真实驾驶数据集，包括：
5.如权利要求4所述的方法，其特征在于，所述真实驾驶数据集中还包括每个所述真实驾驶数据对应的真实驾驶轨迹，所述根据每组所述驾驶数据对应的各个所述鸟瞰图，确定所述真实驾驶数据集，包括：
6.如权利要求4所述的方法，其特征
7.如权利要求4所述的方法，其特征在于，所述根据每组所述驾驶数据对应的各个所述鸟瞰图，确定所述真实驾驶数据集，包括：
8.如权利要求7所述的方法，其特征在于，所述在每个所述真实驾驶数据中添加扰动信息，以生成扰动数据集，包括：
9.如权利要求8所述的方法，其特征在于，所述初始轨迹规划模型包括M个所述决策场景对应的M个初始轨迹规划子模型，M为正整数，所述将所述扰动数据集中的每个所述扰动数据依次输入初始轨迹规划模型的初始生成器，以生成每个所述扰动数据对应的第一预测驾驶轨迹，包括：
10.一种轨迹规划模型的训练装置，其特征在于，包括：
11.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的方法。
...【技术特征摘要】
1.一种轨迹规划模型的训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述真实驾驶数据集中还包括每个所述真实驾驶数据对应的真实驾驶轨迹，所述根据每个所述第一预测驾驶轨迹为真实驾驶轨迹的第一概率，对所述初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述根据每个所述真实驾驶数据对应的真实驾驶轨迹与所述第二预测驾驶轨迹之间的差异、每个所述第一概率、每个所述第二概率及每个所述第三概率，对所述初始轨迹规划模型的网络参数进行修正，并采用修正后的轨迹规划模型继续进行训练，以生成训练完成的轨迹规划模型，包括：
4.如权利要求1-3任一所述的方法，其特征在于，所述获取真实驾驶数据集，包括：
5.如权利要求4所述的方法，其特征在于，所述真实驾驶数据集中还包括每个所述真实驾驶数据对应的真实驾驶轨迹，所述根据每组所述驾驶数据对应的各个所述鸟瞰图，确定所述真实驾驶数据集，包括：
6.如权利要求4所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：艾锐，杨宸，胡小龙，唐科，顾维灏，
申请(专利权)人：毫末智行科技有限公司，
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。