[發明專利]搜索自主車輛傳感器數據存儲庫

在審

• 申請號: 201980084969.2
• 申請日: 2019-12-23
• 公開（公告）號: CN113366495A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: Z.郭;N.阿布多;J.毛;C.李;E.S.小沃克
• 申請（專利權）人: 偉摩有限責任公司
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 金玉潔

用于搜索自主車輛傳感器數據存儲庫的方法、系統和設備，包括編碼在計算機存儲介質上的計算機程序。其中一種方法包括：維護傳感器樣本的集合，并且對于每個傳感器樣本維護傳感器樣本的嵌入；接收指定查詢傳感器樣本的請求，其中查詢傳感器樣本表征查詢環境區域；以及從傳感器樣本的集合中識別表征與查詢環境區域相似的環境區域的多個相關傳感器樣本，包括：通過嵌入神經網絡處理查詢傳感器樣本以生成查詢嵌入；以及從集合中的傳感器樣本的子集中的傳感器樣本中識別具有與查詢嵌入最接近的嵌入的多個傳感器樣本。

背景技術

本說明書涉及自主車輛。

自主車輛包括自駕汽車、船只和飛機。自主車輛使用各種車載傳感器和計算機系統來檢測附近的對象，并使用這種檢測來做出控制和導航決策。

一些自主車輛具有車載計算機系統，該車載計算機系統實現神經網絡、其他類型的機器學習模型或兩者，以進行各種預測任務，例如圖像內的對象分類。例如，神經網絡可用于確定車載相機捕獲的圖像可能是附近汽車的圖像。神經網絡(或者簡稱為網絡)是采用多層操作以根據一個或多個輸入預測一個或多個輸出的機器學習模型。神經網絡通常包括位于輸入層和輸出層之間的一個或多個隱藏層。每一層的輸出用作網絡中另一層(例如下一隱藏層或輸出層)的輸入。

神經網絡的每一層指定要對該層的輸入執行的一個或多個轉換操作。一些神經網絡層具有被稱為神經元的操作。每個神經元接收一個或多個輸入并生成由另一神經網絡層接收的輸出。通常，每個神經元接收來自其他神經元的輸入，并且每個神經元向一個或多個其他神經元提供輸出。

神經網絡的架構指定網絡中包括哪些層及層的屬性，以及網絡的每一層的神經元如何連接。換句話說，架構指定哪些層將其輸出提供給哪些其他層作為輸入以及如何提供輸出。

每一層的轉換操作由安裝了實現轉換操作的軟件模塊的計算機執行。因此，層被描述為執行操作意味著實現層的轉換操作的計算機執行操作。

每個層使用層的一組參數的當前值生成一個或多個輸出。因此，訓練神經網絡涉及連續地對輸入執行前向傳遞、計算梯度值、以及使用所計算的梯度值更新每一層的所述一組參數的當前值。一旦神經網絡經過訓練，就可以使用一組最終參數值在生產系統中做出預測。

發明內容

本說明書描述了計算機系統如何能夠使用嵌入來有效地搜索從自主車輛收集的傳感器數據的存儲庫。

本說明書中使用的嵌入是表征環境區域的一批傳感器數據的數字表示。特別地，嵌入是嵌入空間中的數字表示，即固定數量的數值的有序集合，其中，數值的數量等于嵌入空間的維數(dimensionality)。例如，嵌入可以是浮點的向量或其他類型的數值。通常，嵌入空間的維數遠小于給定嵌入代表的一批傳感器數據中數值的數量。

可以實現本說明書中描述的主題的特定實施例以便實現以下優點中的一個或多個。

自主或半自主的車輛具有傳感器，該傳感器在車輛駛過環境時收集關于車輛周圍環境的數據。由這些傳感器在許多駕駛時間收集以及由許多不同的自主車輛收集的數據可以被存儲在存儲庫中以備后用，例如，用于向分析駛過環境的車輛遇到的事件的用戶回放、或用于訓練機器學習模型以做出可能與自主車輛的操作相關的各種預測。例如，存儲的數據可用于訓練對特定類型的對象進行分類的機器學習模型。

然而，由于收集和存儲的傳感器數據量很大，因此難以有效利用存儲的數據。特別地，一旦特定傳感器樣本被識別為表征感興趣的區域，即感興趣的事件正在發生或感興趣的特定對象位于的區域，考慮到自主車輛的車隊收集的大量經驗，車隊中的自主車輛之一可能在之前已經遇到過其他類似的事件或對象。因此，傳感器數據存儲庫可能存儲表征相似區域的傳感器樣本。

然而，搜索存儲庫以尋找這些相似樣本出于如下至少兩個原因是具有挑戰性的：(1)傳感器樣本是高維數據，因此搜遍大量樣本消耗非常大量的計算資源；以及(2)由于傳感器樣本的高維數，所以識別哪些樣本表征與查詢樣本相似的區域是難以確定的。