[發(fā)明專利]一種模型訓(xùn)練的方法、無人駕駛設(shè)備的控制方法及裝置

有效

• 申請?zhí)枺?/td>: 202110657875.9
• 申請日: 2021-06-15
• 公開（公告）號: CN113110526B
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 劉思威;賈慶山;任冬淳;白鈺;樊明宇;夏華夏;毛一年
• 申請（專利權(quán)）人: 北京三快在線科技有限公司;清華大學(xué)
• 主分類號: G05D1/02
• 分類號: G05D1/02;G05B13/02;G06K9/62;B60W50/00;B60W60/00
• 代理公司: 北京曼威知識產(chǎn)權(quán)代理有限公司 11709
• 代理人: 方志煒

1.一種模型訓(xùn)練的方法，其特征在于，包括：

針對每個訓(xùn)練樣本，將作為該訓(xùn)練樣本的歷史傳感數(shù)據(jù)輸入到預(yù)設(shè)的場景行駛模型中，得到該訓(xùn)練樣本對應(yīng)的行駛場景；

將所述歷史傳感數(shù)據(jù)輸入到與所述行駛場景對應(yīng)的決策模型中，得到所述訓(xùn)練樣本對應(yīng)的第一預(yù)測控制策略，以根據(jù)所述第一預(yù)測控制策略，對所述行駛場景對應(yīng)的決策模型進行訓(xùn)練，得到所述行駛場景對應(yīng)的調(diào)整后決策模型；

得到每個調(diào)整后決策模型后，針對每個訓(xùn)練樣本，確定該訓(xùn)練樣本與每個調(diào)整后決策模型之間的匹配度，并根據(jù)所述匹配度，確定該訓(xùn)練樣本對應(yīng)的實際行駛場景；

以最小化所述行駛場景與所述實際行駛場景之間的偏差為優(yōu)化目標，對所述場景行駛模型進行訓(xùn)練，直到確定滿足預(yù)設(shè)訓(xùn)練條件為止，所述場景行駛模型和每個決策模型用于無人駕駛設(shè)備的控制。

2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述第一預(yù)測控制策略，對所述行駛場景對應(yīng)的決策模型進行訓(xùn)練，得到所述行駛場景對應(yīng)的調(diào)整后決策模型，具體包括：

根據(jù)所述第一預(yù)測控制策略，預(yù)測所述訓(xùn)練樣本對應(yīng)的未來行駛軌跡，并確定所述未來行駛軌跡對應(yīng)的第一評分；

以最大化所述第一評分為優(yōu)化目標，對所述行駛場景對應(yīng)的決策模型進行訓(xùn)練，得到所述行駛場景對應(yīng)的調(diào)整后決策模型。

3.如權(quán)利要求2所述的方法，其特征在于，確定該訓(xùn)練樣本與每個調(diào)整后決策模型之間的匹配度，具體包括：

針對每個調(diào)整后決策模型，將所述歷史傳感數(shù)據(jù)輸入到該調(diào)整后決策模型中，得到該訓(xùn)練樣本對應(yīng)的第二預(yù)測控制策略；

確定所述第二預(yù)測控制策略對應(yīng)的第二評分；

根據(jù)所述第二評分，確定該訓(xùn)練樣本與該調(diào)整后決策模型之間的匹配度。

4.如權(quán)利要求1所述的方法，其特征在于，確定滿足預(yù)設(shè)訓(xùn)練條件，具體包括：

針對每一輪模型訓(xùn)練，從各訓(xùn)練樣本中確定出目標樣本，其中，針對每個訓(xùn)練樣本，若確定該訓(xùn)練樣本在該輪模型訓(xùn)練中所確定出的實際行駛場景，不同于將該訓(xùn)練樣本輸入到上一輪調(diào)整后的場景行駛模型中所識別出的行駛場景，將該訓(xùn)練樣本作為目標樣本；

若確定所述目標樣本在所述各訓(xùn)練樣本中的占比小于設(shè)定占比，確定滿足預(yù)設(shè)訓(xùn)練條件。

5.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

確定算法配置相匹配的各調(diào)整后決策模型，作為各待聚類決策模型；

根據(jù)每個待聚類決策模型中包含的模型參數(shù)，對所述各待聚類決策模型進行聚類，得到各聚類簇；

針對每個聚類簇，將該聚類簇中包含的待聚類決策模型對應(yīng)的行駛場景進行合并，得到該聚類簇對應(yīng)的合并行駛場景；

根據(jù)該聚類簇中包含的待聚類決策模型，確定該聚類簇對應(yīng)的合并行駛場景的決策模型。

6.如權(quán)利要求5所述的方法，其特征在于，根據(jù)該聚類簇中包含的待聚類決策模型，確定該聚類簇對應(yīng)的合并行駛場景的決策模型，具體包括：

針對該聚類簇中包含的每個待聚類決策模型，根據(jù)歸屬于該待聚類決策模型對應(yīng)的行駛場景的訓(xùn)練樣本的數(shù)目，確定該待聚類決策模型對應(yīng)的權(quán)重系數(shù)；

根據(jù)該聚類簇中各待聚類決策模型對應(yīng)的權(quán)重系數(shù)，該聚類簇中各待聚類決策模型包含的模型參數(shù)，以及該聚類簇中各待聚類決策模型包含的相匹配的算法配置，生成該聚類簇對應(yīng)的合并行駛場景的決策模型。

7.一種無人駕駛設(shè)備的控制方法，其特征在于，包括：

獲取無人駕駛設(shè)備采集的傳感數(shù)據(jù)；

將所述傳感數(shù)據(jù)輸入到預(yù)先訓(xùn)練的場景行駛模型中，得到所述無人駕駛設(shè)備對應(yīng)的行駛場景；

將所述傳感數(shù)據(jù)輸入到與所述行駛場景相匹配的決策模型中，得到所述無人駕駛設(shè)備對應(yīng)的控制策略，所述場景行駛模型和所述決策模型是通過如上述權(quán)利要求1~6任一項所述的模型訓(xùn)練的方法訓(xùn)練得到的；

根據(jù)所述控制策略，對所述無人駕駛設(shè)備進行控制。