【技术实现步骤摘要】
本申请涉及自动驾驶，具体而言，涉及数据机理深度融合的自动驾驶安全高效进化方法及装置。
技术介绍
1、面对复杂多变的外界环境，高级别自动驾驶汽车被要求具备极高的智能化程度，具有安全高效的自我进化能力对于推动高级别自动驾驶技术的发展至关重要，这种能力能够促使系统不断提升性能水平，使其能够应对各种挑战，以满足不同场景下的自动驾驶需求。
2、当前的自动驾驶决策控制算法大多主要依赖于优化和规则，尽管这些算法充分利用了专家经验与领域知识，但人为定义的规则难以灵活应对各种高度复杂的外界环境，这阻碍了真正高级别自动驾驶的实现，与此同时，基于生成式深度学习大模型的方法展现了实现通用人工智能的潜力。
3、但是，这些方法仍然需要大量专家数据的支撑，并且存在着安全性难以保证的隐忧，这限制了其在自动驾驶领域的应用，当前技术发展的趋势表明，结合专家经验知识与生成式深度学习模型的方法，会为实现高级别自动驾驶技术的突破提供新的可能性，这种融合的方式有望结合传统方法与深度学习大模型方法的优势，为自动驾驶技术的进一步发展开辟了新的思路和方向。>
<本文档来自技高网...
【技术保护点】
1.一种数据机理深度融合的自动驾驶安全高效进化方法，其特征在于，包括：
2.如权利要求1所述的数据机理深度融合的自动驾驶安全高效进化方法，其特征在于，在所述通过显空间-潜空间融合规划模块，进行价值网络对齐及策略对齐，从而输出融合后的当前最优自动驾驶策略步骤之后，还包括记录经验更新神经网络，进一步进行策略学习。
3.如权利要求1所述的数据机理深度融合的自动驾驶安全高效进化方法，其特征在于，显空间状态量为自动驾驶算法在实际运行过程中所输入的，具有实际物理意义的状态空间，其与算法细节相关。
4.如权利要求3所述的数据机理深度融合的自动驾驶...
【技术特征摘要】
1.一种数据机理深度融合的自动驾驶安全高效进化方法，其特征在于，包括：
2.如权利要求1所述的数据机理深度融合的自动驾驶安全高效进化方法，其特征在于，在所述通过显空间-潜空间融合规划模块，进行价值网络对齐及策略对齐，从而输出融合后的当前最优自动驾驶策略步骤之后，还包括记录经验更新神经网络，进一步进行策略学习。
3.如权利要求1所述的数据机理深度融合的自动驾驶安全高效进化方法，其特征在于，显空间状态量为自动驾驶算法在实际运行过程中所输入的，具有实际物理意义的状态空间，其与算法细节相关。
4.如权利要求3所述的数据机理深度融合的自动驾驶安全高效进化方法，其特征在于，设计显空间规划架构，以计算并输出基于优化的自动驾驶策略，进一步包括：
5.如权利要求1所述的数据机理深度融合的自动驾驶安全高效进化方法，其特征在，所述表征映射模型用于表征从显空间状态量到潜空间状态量之间的...
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。