CN110162052A - 自动驾驶决策的代码生成方法、系统及车辆 - Google Patents
自动驾驶决策的代码生成方法、系统及车辆 Download PDFInfo
- Publication number
- CN110162052A CN110162052A CN201910445085.7A CN201910445085A CN110162052A CN 110162052 A CN110162052 A CN 110162052A CN 201910445085 A CN201910445085 A CN 201910445085A CN 110162052 A CN110162052 A CN 110162052A
- Authority
- CN
- China
- Prior art keywords
- decision
- driving
- semantic
- driving behavior
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000006399 behavior Effects 0.000 claims abstract description 129
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 12
- 230000008447 perception Effects 0.000 claims 1
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种自动驾驶决策的代码生成方法、系统及车辆。其中，自动驾驶决策的代码生成方法，包括以下步骤：根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑；从预存的驾驶行为语义库中调用对应于多个驾驶行为的多个语义模块，并根据执行逻辑对多个语义模块进行关联，生成决策逻辑模型；根据决策逻辑模型生成相应的决策代码。该方法易于对驾驶行为进行修改和维护，从而可以节约大量编码和调试时间。
Description
技术领域
本发明涉及汽车技术领域，特别涉及一种自动驾驶决策的代码生成方法、系统及车辆。
背景技术
自动驾驶技术分为感知定位、规划决策、执行控制三个部分，目前，自动驾驶的实现难点主要在于规划决策。
现有技术中，决策层的实现方式是在不同的驾驶场景下决定调用的函数，并把代码固化到自动驾驶控制器中，整个过程涉及反复的实车调试；另外，传统的决策层是基于场景的定义，而现实生活中的驾驶场景是无穷无尽的，为了适应不同的场景，需要重新编写代码以改变驾驶行为，浪费了大量时间。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种自动驾驶决策的代码生成方法。该方法易于对驾驶行为进行修改和维护，从而可以节约大量编码和调试时间。
本发明的第二个目的在于提出一种自动驾驶决策的代码生成系统。
本发明的第三个目的在于提出一种车辆。
为了实现上述目的，本发明的第一方面实施例公开了一种自动驾驶决策的代码生成方法，包括以下步骤：根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑；从预存的驾驶行为语义库中调用对应于所述多个驾驶行为的多个语义模块，并根据所述执行逻辑对所述多个语义模块进行关联，生成决策逻辑模型；根据所述决策逻辑模型生成相应的决策代码。
根据本发明实施例的自动驾驶决策的代码生成方法，可以根据驾驶行为和多个驾驶行为的执行逻辑调用驾驶行为语义库中的语义模块并对其进行关联，生成决策逻辑模型，并根据决策逻辑模型生成相应的决策代码，从而对驾驶行为进行修改和维护只需要对语义库中的语义模块进行修改和维护即可，节约了大量编码和调试时间。
在一些示例中，在根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑之前，还包括：识别所述车辆行驶道路的环境信息和所述车辆行驶信息。
在一些示例中，，所述驾驶行为语义库中包括多个驾驶行为的语义模块，所述语义模块包括实现所述语义的功能的代码。
在一些示例中，还包括：当新的驾驶行为出现时，根据所述新的驾驶行为生成对应于所述新的驾驶行为的语义模块；将所述对应于所述新的驾驶行为的语义模块添加到所述驾驶行为语义库中。
在一些示例中，在根据所述决策逻辑模型生成相应的决策代码之后，还包括：根据所述决策代码控制车辆执行相应的功能。
本发明的第二方面的实施例公开了一种自动驾驶决策的代码生成系统，包括：驾驶行为确定模块，用于根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑；决策逻辑生成模块，用于从预存的驾驶行为语义库中调用对应于所述多个驾驶行为的多个语义模块，并根据所述执行逻辑对所述多个语义模块进行关联，生成决策逻辑模型；决策代码生成模块，用于根据所述决策逻辑模型生成相应的决策代码。
根据本发明实施例的自动驾驶决策的代码生成系统，可以根据驾驶行为和多个驾驶行为的执行逻辑调用驾驶行为语义库中的语义模块并对其进行关联，生成决策逻辑模型，并根据决策逻辑模型生成相应的决策代码，从而对驾驶行为进行修改和维护只需要对语义库中的语义模块进行修改和维护即可，节约了大量编码和调试时间。
在一些示例中，还包括：感知模块，用于识别所述车辆行驶道路的环境信息和所述车辆行驶信息。
在一些示例中，所述驾驶行为语义库中包括多个驾驶行的语义模块，所述语义模块包括实现所述语义的功能的代码。
在一些示例中，还包括：更新模块，用于当新的驾驶行为出现时，根据所述新的驾驶行为生成对应于所述新的驾驶行为的语义模块，并将所述对应于所述新的驾驶行为的语义模块添加到所述驾驶行为语义库中。
本发明的第三方面的实施例公开了一种车辆，包括：根据上述的第二方面的实施例所述的自动驾驶决策的代码生成系统。该车辆可以根据驾驶行为和多个驾驶行为的执行逻辑调用驾驶行为语义库中的语义模块并对其进行关联，生成决策逻辑模型，并根据决策逻辑模型生成相应的决策代码，从而对驾驶行为进行修改和维护只需要对语义库中的语义模块进行修改和维护即可，节约了大量编码和调试时间。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，
图1是根据本发明一个实施例的自动驾驶决策的代码生成方法的流程图；
图2是根据本发明一个实施例的自动驾驶技术方案实现过程示意图；
图3是根据本发明一个实施例的自动驾驶决策的代码生成系统的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
以下结合附图描述根据本发明实施实例的自动驾驶决策的代码生成方法、系统及车辆。
图1是根据本发明一个实施例的自动驾驶决策的代码生成方法的流程图。
如图1所示，根据本发明一个实施例的自动驾驶决策的代码生成方法，包括如下步骤：
S101：根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑。
在具体示例中，在根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑之前，还包括：识别车辆行驶道路的环境信息和车辆行驶信息。
具体地，可以通过传感器识别车辆行驶道路的环境信息和车辆行驶信息，其中，车辆行驶道路的环境信息包括当前的交通场景，例如：前方是否有交叉路口，前方是否有障碍车，以及前方是否需要转弯等，进而根据当前的交通场景以及车辆行驶信息确定多个驾驶行为，驾驶行为包括变道、转向、加速、减速等，也可以是多个驾驶行为的执行逻辑，即多个驾驶行为的组合，例如：先减速后变道，先转向后加速等。
S102：从预存的驾驶行为语义库中调用对应于多个驾驶行为的多个语义模块，并根据执行逻辑对多个语义模块进行关联，生成决策逻辑模型。
在具体的示例中，驾驶行为语义库中包括多个驾驶行为的语义模块，如：左转向行为语义模块、右转向行为语义模块、加速行为语义模块、减速行为语义模块等，语义模块包括实现语义的功能的代码。
也就是说，驾驶行为语义库中预存有对应于多个驾驶行为和多个驾驶行为执行逻辑的语义模块，在确定驾驶行为和驾驶行为的执行逻辑后，可以直接调用对应的语义模块或者将多个语义模块根据执行逻辑进行关联，例如，确定驾驶行为的执行逻辑为先左转随后减速，则可以从语义模块库中提取左转向行为语义模块和减速行为语义模块，并进行组合，从而生成决策逻辑模型。其中，语义模块的搭建采用Simulink/Stateflow(仿真软件)建模模式。
而现有技术中，在确定出驾驶行为之后需要对整个进程进行编程，但由于现实的驾驶场景是无穷无尽的，不同场景下驾驶行为的组合方式也不同，例如对于包括左转、加速、右转、减速的驾驶行为组合，有的场景的执行顺序可能是左转—加速—右转—减速，也有的场景中可能需要先减速，后左转，然后右转，最后加速，现有技术针对这整个驾驶过程进行编程，存在太多种可能性，由此浪费大量的编码和调试时间，而本发明把每个驾驶行为(加速、减速、左转、右转等)封装成多个语义模块，只需要根据执行逻辑进行关联即可，从而更加易于对驾驶行为进行修改和维护，且由此生成的决策逻辑模型相对于用代码描述的决策策略更加清晰直观。
进一步地，当新的驾驶行为出现时，根据新的驾驶行为生成对应于新的驾驶行为的语义模块；将对应于新的驾驶行为的语义模块添加到驾驶行为语义库中。由此，通过不断更新驾驶行为语义库，可以实现更多场景下的自动驾驶。
S103：根据决策逻辑模型生成相应的决策代码。
具体地，通过翻译引擎把决策逻辑模型自动化生成可以识别的代码，以根据决策代码控制车辆执行相应的功能。
以封闭园区驾驶场景为例，首先通过传感器识别封闭园区内的驾驶场景，包括：前方是否有障碍物，例如，树丛、三轮车、行人、垃圾桶等；前方的指示牌信息，例如，停车场、左/右拐箭头指示、限速标识等；道路类型，例如，道路宽度低于3.15米，黄色/白色指示线等。然后根据驾驶场景确定的多个驾驶行为和多个驾驶行为的执行逻辑调用对应的语义模块或对多个语义模块进行关联，即从驾驶行为语义库中拖放对应的模块，如前方有障碍物则调用语义库中的减速语义模块，前方有转弯箭头则调用转向语义模块，将每个语义模块之间互相连接，搭建决策逻辑模型。决策逻辑模型搭建完成后，通过翻译引擎将决策逻辑模型翻译成可以识别的代码。
如图2所示，为根据本发明一个实施例的自动驾驶技术方案实现过程示意图，首先通过传感器输入系统变量(即车辆行驶道路的环境信息和车辆行驶信息)，然后进行车辆的动机描述，以确定驾驶行为的执行逻辑，并对驾驶行为进行语义描述，然后进行语义建模，语义建模包括根据驾驶行为生成对应的语义模块，并根据执行逻辑对多个语义模块进行关联，生成决策逻辑模型，最后根据决策逻辑模型生成代码，以控制车辆执行相应的功能。其中，在没有确定驾驶行为的执行逻辑时，返回车辆的动机描述步骤，直到确定驾驶行为的执行逻辑。
根据本发明实施例的自动驾驶决策的代码生成方法，可以根据驾驶行为和多个驾驶行为的执行逻辑调用驾驶行为语义库中的语义模块并对其进行关联，生成决策逻辑模型，并根据决策逻辑模型生成相应的决策代码，从而对驾驶行为进行修改和维护只需要对语义库中的语义模块进行修改和维护即可，节约了大量编码和调试时间。
图3是根据本发明一个实施例的自动驾驶决策的代码生成系统的结构框图。如图3所示，根据本发明一个实施例的自动驾驶决策的代码生成系统300，包括：驾驶行为确定模块310、决策逻辑生成模块320和决策代码生成模块330。
其中，驾驶行为确定模块310用于根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑；决策逻辑生成模块320用于从预存的驾驶行为语义库中调用对应于多个驾驶行为的多个语义模块，并根据执行逻辑对多个语义模块进行关联，生成决策逻辑模型；决策代码生成模块330用于根据决策逻辑模型生成相应的决策代码。
在本发明的一个实施例中，还包括：感知模块，用于识别车辆行驶道路的环境信息和车辆行驶信息。
在本发明的一个实施例中，驾驶行为语义库中包括多个驾驶行的语义模块，语义模块包括实现语义的功能的代码。
在本发明的一个实施例中，还包括：更新模块，用于当新的驾驶行为出现时，根据新的驾驶行为生成对应于新的驾驶行为的语义模块，并将对应于新的驾驶行为的语义模块添加到驾驶行为语义库中。
根据本发明实施例的自动驾驶决策的代码生成系统，可以根据驾驶行为和多个驾驶行为的执行逻辑调用驾驶行为语义库中的语义模块并对其进行关联，生成决策逻辑模型，并根据决策逻辑模型生成相应的决策代码，从而对驾驶行为进行修改和维护只需要对语义库中的语义模块进行修改和维护即可，节约了大量编码和调试时间。
需要说明的是，本发明实施例的自动驾驶决策的代码生成系统的具体实现方式与本发明实施例的自动驾驶决策的代码生成方法的具体实现方式类似，具体请参见方法部分的描述，此处不做赘述。
进一步地，本发明的实施例公开了一种车辆，包括：根据上述任意一个实施例所述的自动驾驶决策的代码生成系统。该车辆可以根据驾驶行为和多个驾驶行为的执行逻辑调用驾驶行为语义库中的语义模块并对其进行关联，生成决策逻辑模型，并根据决策逻辑模型生成相应的决策代码，从而对驾驶行为进行修改和维护只需要对语义库中的语义模块进行修改和维护即可，节约了大量编码和调试时间。
另外，根据本发明实施例的车辆的其它构成以及作用对于本领域的普通技术人员而言都是已知的，为了减少冗余，此处不做赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种自动驾驶决策的代码生成方法，其特征在于，包括以下步骤：
根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑；
从预存的驾驶行为语义库中调用对应于所述多个驾驶行为的多个语义模块，并根据所述执行逻辑对所述多个语义模块进行关联，生成决策逻辑模型；
根据所述决策逻辑模型生成相应的决策代码。
2.根据权利要求1所述的自动驾驶决策的代码生成方法，其特征在于，在根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑之前，还包括：识别所述车辆行驶道路的环境信息和所述车辆行驶信息。
3.根据权利要求1或2所述的自动驾驶决策的代码生成方法，其特征在于，所述驾驶行为语义库中包括多个驾驶行为的语义模块，所述语义模块包括实现所述语义的功能的代码。
4.根据权利要求1所述的自动驾驶决策的代码生成方法，其特征在于，还包括：
当新的驾驶行为出现时，根据所述新的驾驶行为生成对应于所述新的驾驶行为的语义模块；
将所述对应于所述新的驾驶行为的语义模块添加到所述驾驶行为语义库中。
5.根据权利要求1所述的自动驾驶决策的代码生成方法，其特征在于，在根据所述决策逻辑模型生成相应的决策代码之后，还包括：根据所述决策代码控制车辆执行相应的功能。
6.一种自动驾驶决策的代码生成系统，其特征在于，包括：
驾驶行为确定模块，用于根据车辆行驶道路的环境信息和车辆行驶信息确定多个驾驶行为和多个驾驶行为的执行逻辑；
决策逻辑生成模块，用于从预存的驾驶行为语义库中调用对应于所述多个驾驶行为的多个语义模块，并根据所述执行逻辑对所述多个语义模块进行关联，生成决策逻辑模型；
决策代码生成模块，用于根据所述决策逻辑模型生成相应的决策代码。
7.根据权利要求6所述的自动驾驶决策的代码生成系统，其特征在于，还包括：感知模块，用于识别所述车辆行驶道路的环境信息和所述车辆行驶信息。
8.根据权利要求6或7所述的自动驾驶决策的代码生成系统，其特征在于，所述驾驶行为语义库中包括多个驾驶行的语义模块，所述语义模块包括实现所述语义的功能的代码。
9.根据权利要求6所述的自动驾驶决策的代码生成系统，其特征在于，还包括：
更新模块，用于当新的驾驶行为出现时，根据所述新的驾驶行为生成对应于所述新的驾驶行为的语义模块，并将所述对应于所述新的驾驶行为的语义模块添加到所述驾驶行为语义库中。
10.一种车辆，其特征在于，包括：根据权利要求6-9任一项所述的自动驾驶决策的代码生成系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910445085.7A CN110162052A (zh) | 2019-05-27 | 2019-05-27 | 自动驾驶决策的代码生成方法、系统及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910445085.7A CN110162052A (zh) | 2019-05-27 | 2019-05-27 | 自动驾驶决策的代码生成方法、系统及车辆 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110162052A true CN110162052A (zh) | 2019-08-23 |
Family
ID=67629035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910445085.7A Pending CN110162052A (zh) | 2019-05-27 | 2019-05-27 | 自动驾驶决策的代码生成方法、系统及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110162052A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050166040A1 (en) * | 2002-12-02 | 2005-07-28 | Walmsley Simon R. | Embedding data and information related to function with which data is associated into a payload |
| CN106457565A (zh) * | 2014-06-03 | 2017-02-22 | 阿蒂迈兹机器人技术有限公司 | 用于对机器人进行编程的方法和系统 |
| CN106959696A (zh) * | 2017-05-10 | 2017-07-18 | 北京京东尚科信息技术有限公司 | 运动目标的控制方法和装置 |
| CN107748563A (zh) * | 2017-10-19 | 2018-03-02 | 广州汽车集团股份有限公司 | 无人驾驶车辆的控制方法、装置及遥控方法、装置和系统 |
| CN109460042A (zh) * | 2018-12-29 | 2019-03-12 | 北京经纬恒润科技有限公司 | 一种自动驾驶控制方法及系统 |
-
2019
- 2019-05-27 CN CN201910445085.7A patent/CN110162052A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050166040A1 (en) * | 2002-12-02 | 2005-07-28 | Walmsley Simon R. | Embedding data and information related to function with which data is associated into a payload |
| CN106457565A (zh) * | 2014-06-03 | 2017-02-22 | 阿蒂迈兹机器人技术有限公司 | 用于对机器人进行编程的方法和系统 |
| CN106959696A (zh) * | 2017-05-10 | 2017-07-18 | 北京京东尚科信息技术有限公司 | 运动目标的控制方法和装置 |
| CN107748563A (zh) * | 2017-10-19 | 2018-03-02 | 广州汽车集团股份有限公司 | 无人驾驶车辆的控制方法、装置及遥控方法、装置和系统 |
| CN109460042A (zh) * | 2018-12-29 | 2019-03-12 | 北京经纬恒润科技有限公司 | 一种自动驾驶控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109765820B (zh) | 一种用于自动驾驶控制策略的训练系统 | |
| CN107506830A (zh) | 面向智能汽车规划决策模块的人工智能训练平台 | |
| CN104834776B (zh) | 一种微观交通仿真中交通车辆建模仿真系统及方法 | |
| CN107200020A (zh) | 一种基于混杂理论的无人驾驶汽车自主转向控制系统和方法 | |
| CN113264059B (zh) | 支持多驾驶行为的基于深度强化学习的无人车运动决策控制方法 | |
| CN114013443B (zh) | 一种基于分层强化学习的自动驾驶车辆换道决策控制方法 | |
| CN108564234A (zh) | 一种智能网联汽车的交叉口无信号自组织通行控制方法 | |
| CN106846818B (zh) | 基于Simulink仿真的路网动态交通流预测方法 | |
| CN110174274A (zh) | 一种智能驾驶算法的修正方法及装置 | |
| CN113380054A (zh) | 一种基于强化学习的交通信号灯控制方法及系统 | |
| CN112560277B (zh) | 一种基于领域特定建模语言adsml的汽车自动驾驶场景建模方法 | |
| US11354458B1 (en) | Automated vehicle safety simulation using safety quotient method | |
| CN108597223A (zh) | 一种用于智能车辆行为描述的数据处理方法和系统 | |
| CN104760592B (zh) | 机动车决策控制方法 | |
| CN116863729A (zh) | 一种基于深度强化学习算法的多智能体道路交通信号控制方法 | |
| CN117227755A (zh) | 基于强化学习的复杂交通场景下自动驾驶决策方法及系统 | |
| KR102057453B1 (ko) | 운전습관을 반영한 차량의 가감속 제어 장치 및 방법 | |
| CN114802306A (zh) | 一种基于人机共驾理念的智能车辆集成式决策系统 | |
| CN110162052A (zh) | 自动驾驶决策的代码生成方法、系统及车辆 | |
| CN109683491A (zh) | 车载摄像头仿真系统 | |
| CN114261392B (zh) | 一种用于信号灯场景下的数据驱动型车速规划方法 | |
| CN114360290B (zh) | 一种基于强化学习的交叉口前车辆群体车道选择方法 | |
| CN110316185A (zh) | 车辆速度的控制方法、装置、设备及可读存储介质 | |
| CN115719478A (zh) | 一种独立于无关信息的加速强化学习的端到端自动驾驶方法 | |
| CN102842250A (zh) | 基于快速控制原型的开发型汽车驾驶模拟方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |