[發明專利]實時對象行為預測

有效

• 申請號: 201910823043.2
• 申請日: 2019-09-02
• 公開（公告）號: CN111258217B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 張亮亮;孫宏藝;李棟;胡江滔;繆景皓
• 申請（專利權）人: 百度（美國）有限責任公司
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05B13/02;G05D1/02;G05D1/03;G06N3/0464
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 馬曉亞;王艷春

在一個實施方式中，一種方法、設備和系統可在自動駕駛車輛(ADV)處使用機器學習來預測環境對象的行為。生成包括至少第一神經網絡和第二神經網絡的數據處理架構，第一神經網絡和第二神經網絡已經用訓練數據集訓練過。使用包括已訓練的神經網絡的數據處理架構來預測ADV環境中的一個或多個對象的行為。至少部分地基于ADV環境中的一個或多個對象的所預測的行為來生成駕駛信號，以控制ADV的操作。

技術領域

本公開的實施方式總體涉及操作自動駕駛車輛。更具體地，本公開的實施方式涉及在控制自動駕駛車輛中使用機器學習算法進行預測。

背景技術

以自動駕駛模式運行(例如，無人駕駛)的車輛可將乘員、尤其是駕駛員從一些駕駛相關的職責中解放出來。當以自動駕駛模式運行時，車輛可使用車載傳感器導航到各個位置，從而允許車輛在最少人機交互的情況下或在沒有任何乘客的一些情況下行駛。

安全和可靠的自動駕駛技術需要準確預測自動駕駛車輛周圍的其它對象的行為。已經開發了關于如何對來自周圍環境的特征進行編碼的解決方案。然而，預測對象的交互仍然是困難且耗時的，因為傳統上它涉及對對象中的每個執行預測并在所有對象之間迭代地計算。

發明內容

根據本公開的一方面，提供了一種用于在自動駕駛車輛處使用機器學習預測環境對象的行為的計算機實施的方法，包括：

對在某個時間點從所述自動駕駛車輛的感知模塊接收的感知數據應用第一神經網絡，以提取一組感知特征；

基于來自所述第一神經網絡的所提取的感知特征和從地圖獲得的地圖信息，使用第二神經網絡預測所述自動駕駛車輛的環境中的一個或多個對象的行為；以及

至少部分地基于所述自動駕駛車輛的環境中的所述一個或多個對象的所預測的行為來生成控制命令，以控制所述自動駕駛車輛的操作。

根據本公開的另一方面，提供了一種存儲有指令的非暫時性機器可讀介質，所述指令在由處理器執行時致使所述處理器執行用于在自動駕駛車輛處使用機器學習預測環境對象的行為的操作，所述操作包括：

對在某個時間點從所述自動駕駛車輛的感知模塊接收的感知數據應用第一神經網絡，以提取一組感知特征；

基于來自所述第一神經網絡的所提取的感知特征和從地圖獲得的地圖信息，使用第二神經網絡預測所述自動駕駛車輛的環境中的一個或多個對象的行為；以及

至少部分地基于所述自動駕駛車輛的環境中的所述一個或多個對象的所預測的行為來生成控制命令，以控制所述自動駕駛車輛的操作。

根據本公開的又一方面，提供了一種數據處理系統，包括：

處理器；以及

存儲器，所述存儲器聯接至所述處理器，以存儲指令，所述指令在由所述處理器執行時致使所述處理器執行用于在自動駕駛車輛處使用機器學習預測環境對象的行為的操作，所述操作包括：

對在某個時間點從所述自動駕駛車輛的感知模塊接收的感知數據應用第一神經網絡，以提取一組感知特征；

基于來自所述第一神經網絡的所提取的感知特征和從地圖獲得的地圖信息，使用第二神經網絡預測所述自動駕駛車輛的環境中的一個或多個對象的行為；以及至少部分地基于所述自動駕駛車輛的環境中的所述一個或多個對象的所預測的行為來生成控制命令，以控制所述自動駕駛車輛的操作。

附圖說明

本公開的實施方式在附圖的各圖中以舉例而非限制的方式示出，附圖中的相同參考標記指示相似元件。

圖1是示出根據一個實施方式的網絡化系統的框圖。

圖2是示出根據一個實施方式的自動駕駛車輛的示例的框圖。