CN114148342A - 自动驾驶判断系统、自动驾驶控制系统及车辆 - Google Patents
自动驾驶判断系统、自动驾驶控制系统及车辆 Download PDFInfo
- Publication number
- CN114148342A CN114148342A CN202010927364.XA CN202010927364A CN114148342A CN 114148342 A CN114148342 A CN 114148342A CN 202010927364 A CN202010927364 A CN 202010927364A CN 114148342 A CN114148342 A CN 114148342A
- Authority
- CN
- China
- Prior art keywords
- unit
- automatic driving
- vehicle
- result
- judgment
- 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
- 230000007613 environmental effect Effects 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 33
- 238000013528 artificial neural network Methods 0.000 claims description 30
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 24
- 241000282414 Homo sapiens Species 0.000 description 22
- 238000010586 diagram Methods 0.000 description 16
- 230000006399 behavior Effects 0.000 description 13
- 238000000034 method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种自动驾驶判断系统、控制系统及车辆。该判断系统包括：数据单元，获取环境数据项以及生成注意力权重，以生成至少两个数据样本，其中，每个数据样本包括至少两个环境数据项以及对应的注意力权重；抉择单元，基于所述至少两个数据样本，生成用于车辆自动驾驶的至少两个抉择结果；以及判断单元，基于所述环境数据项，对所述至少两个抉择结果进行评分，以及选择评分最高的抉择结果作为用于车辆自动驾驶的判断结果。利用本公开的自动驾驶判断系统可以改进车辆的自动驾驶性能。
Description
技术领域
本发明涉及自动驾驶技术领域，更具体地，涉及一种自动驾驶判断系统、自动驾驶控制系统及车辆。
背景技术
为车辆提供具有目标加速度和速度的路径规划是车辆自动驾驶系统的重要组成部分，也是将自动驾驶统的环境感知与执行方式联系起来的决策部分。目前自动驾驶车辆针对感知的环境进行抉择的依据主要是基于交通规则和预定义阈值之间的比较。例如，不能通过实线改变车道，侧方后车间隔本车一定距离内时不允许变道等。因此，目前的自动驾驶抉择部分不能很好满足用户的需求。即使有些车辆可以让用户在“舒缓”和“激进”的驾驶模式之间进行选择，但其本质是仍是调整阈值。用户能明确感知这是机器行为，明显区别于人类驾驶行为，无法做出和人类驾驶员相似的决断，造成用户体验感较差。当自动驾驶系统抉择输出结果在阈值附近波动或突然发生剧烈波动时，系统将无法稳定运行，容易造成用户体验不适甚至发生危险。
此外，当前的自动驾驶抉择部分不能适应不同地区的交通规则的变化，在运行过程中无法自我完善。
因此，如何提供一种新的自动驾驶抉择方式，使用户在使用车辆自动驾驶模式中能够体验到人类驾驶员控制车辆运行的感觉，提供更符合人类驾驶习惯的驾驶行为是需要解决的技术问题。
发明内容
本发明的一个目的是提供一种自动驾驶判断系统的新技术方案。
根据本发明的第一方面，提供了一种自动驾驶判断系统，该系统包括：
数据单元，获取环境数据项以及生成注意力权重，以生成至少两个数据样本，其中，每个数据样本包括至少两个环境数据项以及对应的注意力权重；
抉择单元，基于所述至少两个数据样本，生成用于车辆自动驾驶的至少两个抉择结果；以及
判断单元，基于所述环境数据项，对所述至少两个抉择结果进行评分，以及选择评分最高的抉择结果作为用于车辆自动驾驶的判断结果。
可选地，该判断系统中所述抉择结果是包括自动驾驶的速度、加速度和方向中的至少一个自动驾驶控制规划。
可选地，该判断系统中所述数据单元获取包括至少两个环境数据项的环境数据组，生成至少两组注意力权重，以及将所述环境数据组分别与所述至少两组注意力权重组合，以生成至少两个数据样本。
可选地，该判断系统中所述抉择单元基于第一神经网络生成抉择结果，所述判断单元基于第二神经网络进行评分。
可选地，该判断系统还包括设置单元和评估单元，
其中，所述设置单元能设置第一训练模式，
其中，在第一训练模式下，所述第二神经网络的参数是固定的，所述判断单元根据所述抉择单元的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第一评估结果，以及所述抉择单元基于第一评估结果调整所述的第一神经网络的参数。
可选地，该判断系统中所述设置单元能设置第二训练模式，
其中，在第二训练模式下，所述第一神经网络的参数是固定的，所述判断单元根据所述抉择单元的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第二评估结果，以及所述判断单元基于第二评估结果调整所述的第二神经网络的参数。
可选地，该判断系统中所述数据单元包括至少两个环境数据项的环境数据组，基于第三神经网络生成至少两组注意力权重，以及将所述环境数据组分别与所述至少两组注意力权重组合，以生成至少两个数据样本，
其中，所述设置单元能设置第三训练模式，
其中，在第三训练模式下，所述第一神经网络和第二神经网络的参数是固定的，所述判断单元根据所述抉择单元的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第三评估结果，以及所述数据单元基于第三评估结果调整所述的第三神经网络的参数。
根据本发明的第二方面，还提供了一种自动驾驶控制系统，其包括根据本发明第一方面所述的任一自动驾驶判断系统以及控制单元，其中控制单元基于自动驾驶判断系统的判断结果，控制车辆的驾驶状态。
可选地，该自动驾驶控制系统中，所述控制单元在检测到车辆由用户手动操作的情况下，通过所述自动驾驶判断系统的设置单元将自动驾驶判断系统设置在训练模式下，以训练自动驾驶判断系统中的相应单元，以及其中，所述控制单元在检测到车辆处于自动驾驶的状态下时，基于自动驾驶判断系统的判断结果，控制车辆的驾驶状态。
根据本发明的第三方面，还提供了一种车辆，包括根据本发明第二方面所述的任一自动驾驶控制系统。
利用本公开一个施例提供的自动驾驶判断系统，可以提升自动驾驶系统的性能。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是显示可用于实现本发明实施例的自动驾驶系统的硬件配置的例子的框图。
图2示出了本公开实施例提供的自动驾驶判断系统的结构示意图；
图3示出了本公开实施例提供的自动驾驶控制系统结构示意图；
图4示出了本公开实施例提供的车辆的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<实施环境和硬件配置>
图1是显示可用于实现本发明实施例的自动驾驶系统100的硬件配置的例子的框图。
如图1所示，自动驾驶系统100包括车辆1000、服务器2000以及网络3000。应当意识到总体架构、设置和操作，以及如此处所示的系统的单独部件是本领域公知的。因此，以下段落仅提供对一个此类示范性环境的概述，其他系统中包含或采用本实施环境所示的自动驾驶系统架构或具有本文所述的相关功能时也可以作为本技术方案的实施环境。
车辆1000例如可以是各种类型的汽车、多功能车辆(MPV：multi-PurposeVehicles)、运动型多用途车辆(SUV：sport/suburban utility vehicle)、交叉多功能车辆(CUV：Crossover Utility Vehicle)、休闲娱乐车辆(RV：Recreational Vehicle)、自主车辆(AV：Autonomous Vehicles)、卡车、用于运输人员或货物的其他移动机器等。在许多情况下，车辆1000的动力提供方式例如可以是由内燃发动机提供动力。车辆1000还可以是由内燃发动机和一个或多个电动马达这两者提供动力的混合动力电动车辆(HEV：HybridElectric Vehicle)，例如串联式混合动力电动车辆(SHEV：Series Hybrid ElectricVehicle)、并联式混合动力电动车辆(PHEV：Parallel Hybrid Electric Vehicle)、并联和串联混合动力电动车辆(PSHEV：Power-Split Hybrid Electric Vehicle)等。车辆1000的类型和动力提供方式等可以是任何形式，前述举例不是限定。
车辆1000可以设有电子系统，电子系统例如包括：处理器1100、存储器1200、接口装置1300、通信装置1400、输出装置1500、输入装置1600、导航装置1700等等。处理器1100可以是微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，又例如能够进行短距离和远程通信。
输出装置1500例如可以是输出信号的装置，可以是显示装置，例如液晶显示屏、触摸显示屏、扬声器等。输入装置1600例如可以包括触摸屏、按钮、旋钮、键盘、麦克风、摄像头等。输入装置1600是麦克风时可以为驾驶员或其他车辆乘员提供输入口头或其他听觉命令的手段，并且其可以匹配有利用本领域已知的人机交互(HMI)技术的嵌入式语音处理单元，也可以是独立部件。输入装置1600还可以包括一个或多个按钮或控制装部件，以用于使车辆乘员能够制动，或用来发起与服务器2000的语音通信的电子下压按钮等。
导航装置1700例如具备全球导航卫星系统GNSS(Global Navigation SatelliteSystem)、全球定位系统GPS(Global Positioning System)或者北斗卫星导航系统BDS(BeiDou Navigation Satellite System)等的接收机、导航HMI(Human MachineInterface)及路径决定部等。导航装置1700将地图信息保存于HDD(Hard Disk Drive)、闪存器等存储装置。接收机基从GNSS等卫星接收到的信号来确定车辆1000的位置。车辆1000的位置也可以通过利用车辆传感器等输出的INS(Inertial Navigation System)来确定或补充。路径决定部例如参照地图信息来决定从由GNSS等接收机确定出的车辆1000的位置(或者输入的任意的位置)到由乘客使用导航HMI输入的目的地为止的路径。地图信息例如是通过表示道路的线路和由线路连接的节点来表现的道路形状的信息。地图信息也可以包括道路的曲率、POI(Point Of Interest)、道路中各位置的地理坐标信息以及行车道路信息等。导航装置1700例如也可以通过乘客所持有的智能手机、平板终端等终端装置的功能来实现。导航装置1700也可以经由通信装置1400向导航服务器发送当前位置和目的地，并从导航服务器取得与地图上路径同等的路径。车辆电子系统可以通过导航装置确定车辆所处的地理位置，规划的行车路径，也可以将地理位置数据上传给服务器。
尽管在图1中示出了车辆1000的多个装置，但是，本技术方案可以仅使用到其中的部分装置，例如，车辆1000只涉及输入装置1600和输出装置1500。或者，还可以包括图1中未示出的受控于处理器1100的灯光系统以及用于检测车辆周围环境的传感器装置等。
服务器2000提供处理、数据库、通讯设施等的业务点。服务器2000可以包括整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如，服务器例如刀片服务器、云端服务器等，或者可以是由多台服务器组成的服务器群组，可以包括上述类型的服务器中的一种或多种等等。
在一个实施例中，服务器2000可以如图1所示，包括处理器2100、存储器2200、接口装置2300、通信装置2400、显示装置2500、输入装置2600。在另外的实施例中，服务器2000还可以包括扬声器、麦克风等等，在此不做限定。
处理器2100可以是专用的服务器处理器，也可以是满足性能要求的台式机处理器、移动版处理器等，在此不做限定。存储器2200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如包括各种总线接口，例如串行总线接口(包括USB接口)、并行总线接口等。通信装置2400例如能够进行有线或无线通信。显示装置2500例如是液晶显示屏、触摸显示屏等。输入装置2600例如可以包括触摸屏、键盘等。尽管在图1中示出了服务器2000的多个装置，但是，本发明可以仅涉及其中的部分装置，例如，服务器2000只涉及存储器2200和处理器2100。
网络3000不仅可以包括无线通信网络、有线通信网络，还泛指可以进行通信的所有通信方式，例如，光纤通信，普通微波通信，电力线载波通信，有线音频电缆通信，特高频无线电台通信，无线扩频通信、红外线、蓝牙、射频识别(RFID)、无钥匙进入和智能钥匙中的一个或多个等。在图1所示的自动驾驶系统100中，车辆1000与服务器2000间的通信方式例如可以通过网络3000进行无线通信，车辆1000与其他车辆的通信方式例如可以是无线通信或蓝牙方式等方式。此外，车辆1000与服务器2000、车辆1000与其他车辆通信所基于的网络3000可以是同一个，也可以是不同的。
应当理解的是，尽管图1仅示出一个车辆1000、服务器2000、网络3000，但不意味着限制各自的数量，自动驾驶系统100中可以包含多个车辆1000、多个服务器2000、多个网络3000。
在上述描述中，技术人员可以根据本公开所提供的方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
图1所示的计算系统仅是解释性的，并且决不是为了要限制本发明、其应用或用途。
<自动驾驶判断系统实施例>
图2是根据一个实施例的自动驾驶判断系统的结构示意图。该自动驾驶判断系统200可以包括依次电连接的数据单元210，抉择单元220以及判断单元230。
自动驾驶判断系统200通过所述数据单元210获取环境数据项以及生成注意力权重，以生成至少两个数据样本，其中，每个数据样本包括至少两个环境数据项以及对应的注意力权重。
本实施例中，数据单元210获取的环境数据项可以是指例如行人、非机动车、汽车、卡车、公共汽车、紧急车辆、车道规则、交通信号灯、交通标志等。其中获取的环境数据项可以是车辆所在周围一定范围内的环境数据中的任意一项。
本实施例中数据单元210生成的注意力权重，例如注意力权重的生成方式可以是随机生成，并且所有环境数据项的权重之和为1。此处用权重模拟人类对不同环境数据项的不同注意程度。
本实施例中，每个数据样本中的环境数据项是相同的，在相同的环境数据项下，对应随机生成注意力权重。
例如，车辆当前环境数据项包括行人、公共汽车，随机生成的对应注意力权重为行人0.6、公共汽车0.4，此为一个数据样本。在同样的当前环境数据项下，另一个数据样本中，行人权重为0.3、公共汽车权重为0.7，即为当前环境下，两个数据样本中环境数据项被划分为不同注意力权重。此时，还可以为需要划分较多注意力权重的环境数据项设置一个最低阈值，例如，可以设置行人的环境数据项被分配到的注意力权重不低于0.3，则在进行注意力权重生成时，分配给行人的注意力权重将大于等于0.3。
自动驾驶判断系统200通过所述抉择单元220基于数据单元210生成的至少两个数据样本，生成用于车辆自动驾驶的至少两个抉择结果。
本实施例中，抉择单元220基于具有相同的环境数据项和不同的注意力权重的数据样本生成每个数据样本的抉择结果。其中，该抉择结果是可以控制车辆例如进行加速、减速、变道等操作的控制规划。
在一个实施例中，自动驾驶判断系统200通过所述抉择单元220生成的用于车辆自动驾驶的抉择结果可以是包括自动驾驶的速度、加速度和方向中的至少一个自动驾驶控制规划。
自动驾驶判断系统200通过所述判断单元230基于所述数据单元210获取的环境数据项，对所述抉择单元220生成的至少两个抉择结果进行评分，以及选择评分最高的抉择结果作为用于车辆自动驾驶的判断结果。
本实施例中，判断单元230为每个抉择结果进行评分的计算方式，例如可以是采用Sigmoid函数计算，使得每个抉择结果的得分落在0-1的区间，其中，抉择结果分数越接近1，则得分越高，代表该抉择结果与人类驾驶员对相同的环境数据项作出的驾驶行为越接近；抉择结果分数越接近0，则得分越低，代表该抉择结果与人类驾驶员对相同的环境数据项作出的驾驶行为差异越大。
为使得自动驾驶模式下，车辆的驾驶行为更趋近于人类驾驶行为，使得用户体验感更好，判断单元230选择评分最高的抉择结果供车辆自动驾驶系统执行。
在一个实施例中，自动驾驶判断系统200通过所述数据单元210获取包括至少两个环境数据项的环境数据组，生成至少两组注意力权重，以及将所述环境数据组分别与所述至少两组注意力权重组合，以生成至少两个数据样本。
本实施例中的环境数据组，是指同时具有多个不同环境数据项。例如，环境数据组中可以同时具有行人、公共汽车、车道规则、交通信号灯四项环境数据项。其中，生成至少两组注意力权重，是指为这一环境数据组生成两组不同的注意力权重，例如，在第一组注意力权重中，行人的注意力权重为0.2，公共汽车的注意力权重为0.1，车道规则的注意力权重为0.3，交通信号灯的注意力权重为0.4；在第二组注意力权重中，行人的注意力权重为0.3，公共汽车的注意力权重为0.2，车道规则的注意力权重为0.1，交通信号灯的注意力权重为0.4。其中，注意力权重的生成方式例如可以是随机生成，也可以是对某项环境数据项设定最低或最高阈值限定后生成。以该至少两组注意力权重与环境数据组的组合为数据样本供抉择单元220生成抉择结果。
在一个实施例中，自动驾驶判断系统200中所述的抉择单元220可以是基于第一神经网络生成抉择结果，所述判断单元230可以是基于第二神经网络进行评分。
在一个实施例中，该自动驾驶判断系统200还可以包括设置单元和评估单元。
其中，所述设置单元能设置第一训练模式。在第一训练模式下，所述第二神经网络的参数是固定的，所述判断单元230根据所述抉择单元220的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第一评估结果，以及所述抉择单元220基于第一评估结果调整所述的第一神经网络的参数。
本实施例中，所述第一训练模式是针对抉择单元220的第一神经网络参数进行的训练。其中，输入的外界结果是指向判断单元230输入的常规人类驾驶员在该生成判断结果所依据的环境数据项或环境数据组下作出的驾驶抉择，即，在同等环境数据下常规人类驾驶员作出的抉择。
本实施例中，所述第一评估结果是指在相同环境数据下判断单元230产生的判断结果与常规人类驾驶员作出的驾驶抉择的接近程度。基于该第一评估结果调整抉择单元220中生成抉择结果的参数，进而不断优化抉择单元220，使其生成的抉择结果不断接近人类驾驶员的驾驶行为。
在一个实施例中，自动驾驶判断系统200中所述设置单元还用于设置第二训练模式。
在第二训练模式下，所述第一神经网络的参数是固定的，所述判断单元230根据所述抉择单元220的抉择结果产生判断结果，所述评估单元用于评估所述判断结果与输入的外界结果之间的一致性以产生第二评估结果，以及所述判断单元基于第二评估结果调整所述的第二神经网络的参数。
本实施例中，所述第二训练模式是针对判断单元230的第二神经网络参数进行的训练。其中，输入的外界结果是指向判断单元230输入的常规人类驾驶员在该生成判断结果的依据的环境数据项或环境数据组下作出的驾驶抉择，即，在同等环境数据下常规人类驾驶员作出的抉择。
本实施例中，所述第二评估结果是指在相同环境数据下判断单元230产生的判断结果与人类驾驶员作出的驾驶行为的接近程度。基于该第二评估结果调整判断单元230中生成判断结果的参数，进而不断优化判断单元230，使其能够准区分抉择结果与人类驾驶行为。
在一个实施例中，自动驾驶判断系统200中所述数据单元210还可以包括至少两个环境数据项的环境数据组。该数据单元210基于第三神经网络生成至少两组注意力权重，以及将所述环境数据组分别与所述至少两组注意力权重组合，以生成至少两个数据样本。
自动驾驶判断系统200中的设置单元还能设置第三训练模式。在第三训练模式下，所述第一神经网络和第二神经网络的参数是固定的，所述判断单元230根据所述抉择单元220的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第三评估结果，以及所述数据单元210基于第三评估结果调整所述的第三神经网络的参数。
本实施例中，所述第三训练模式是针对数据单元210的第三神经网络参数进行的训练。其中，输入的外界结果是指向判断单元230输入的常规人类驾驶员在该生成判断结果的依据的环境数据项或环境数据组下作出的驾驶抉择，即，在同等环境数据下常规人类驾驶员作出的抉择。
本实施例中，所述第三评估结果是指在相同环境数据下判断单元230产生的判断结果与人类驾驶员作出的驾驶行为的接近程度。基于该第三评估结果调整数据单元210中生成的注意力权重参数，进而不断优化数据单元210，使其针对不同环境数据项生成的注意力权重参数更趋近于人类对不同环境数据项给予的注意力情况。
通过本公开的实施例，可以使得自动判断系统200不断训练、学习人累驾驶行为，使得车辆自动驾驶时输出的行为更接近于人类，提高用户使用自动驾驶模式的用户体验，增加用户舒适感和安全感。
<自动驾驶控制系统实施例>
在本实施例中，提供一种自动驾驶控制系统300。如图3所示，该控制系统300包括根据本发明任意实施例提供的自动驾驶判断系统200和与之电连接的控制单元310。
其中，该控制单元310用于基于自动驾驶判断系统200的判断结果，控制车辆的驾驶状态。
在一个实施例中，该自动驾驶控制系统300中的控制单元310在检测到车辆由用户手动操作的情况下，通过所述自动驾驶判断系统200中的设置单元将自动驾驶判断系统200设置在训练模式下，以训练自动驾驶判断系统200中的相应单元；以及该控制单元310在检测到车辆处于自动驾驶的状态下时，基于自动驾驶判断系统200的判断结果，控制车辆的驾驶状态。
本实施例中，由控制单元310检测车辆处于手动操作模式还是自动驾驶模式。在手动操作模式下，自动驾驶判断系统200在其设置单元控制下进入训练模式。在自动模式下，依据自动驾驶判断系统200的判断结果控制车辆运行。
其中，自动驾驶判断系统200是设置单元将自动驾驶判断系统200设置在训练模式下，以训练自动驾驶判断系统200中的相应单元，例如可以是顺序训练自动驾驶判断系统200中的数据单元210，抉择单元220和判断单元230，即，将数据单元210中的数据样本发送给抉择单元220生成抉择结果，判断单元230再基于环境数据项和抉择结果进行评分的确定判断结果的过程，先依据训练数据单元210，再顺次训练抉择单元220，最后是判断单元230。又例如还可以是同时训练自动驾驶判断系统200中的数据单元210，抉择单元220和判断单元230，还例如可以是选取任意两个单元同时训练等，该对自动驾驶判断系统200中相应单元的训练安排可以是多样，在此不做限定。
通过对自动驾驶判断系统200中的数据单元210，抉择单元220和判断单元230的训练，可以使该自动驾驶判断系统200在训练过程中不断提高、完善，使抉择结果不断趋近于人类驾驶员的驾驶行为，进而为用户提供更舒适车辆运行状态。
<车辆实施例>
在本实施例中，还提供一种车辆400。该车辆400可以是图1中所示的车辆1000，也可以是其他结构的车辆，在此不做限定。
如图4所示，该车辆400可以包括根据本发明任意实施例的自动驾驶控制系统300。
本领域技术人员应当明白，可以通过各种方式来实现数据单元、抉择单元、判断单元、设置单元和评估单元。例如，可以通过指令配置处理器来实现数据单元、抉择单元、判断单元、设置单元和评估单元等。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现数据单元、抉择单元、判断单元、设置单元和评估单元。例如，可以将数据单元、抉择单元、判断单元、设置单元和评估单元固化到专用器件(例如ASIC)中。可以将数据单元、抉择单元、判断单元、设置单元和评估单元分成相互独立的单元，或者可以将它们合并在一起实现。数据单元、抉择单元、判断单元、设置单元和评估单元可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
本发明可以是系统、装置和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种自动驾驶判断系统，包括：
数据单元，获取环境数据项以及生成注意力权重，以生成至少两个数据样本，其中，每个数据样本包括至少两个环境数据项以及对应的注意力权重；
抉择单元，基于所述至少两个数据样本，生成用于车辆自动驾驶的至少两个抉择结果；以及
判断单元，基于所述环境数据项，对所述至少两个抉择结果进行评分，以及选择评分最高的抉择结果作为用于车辆自动驾驶的判断结果。
2.根据权利要求1所述的自动驾驶判断系统，其中，所述抉择结果是包括自动驾驶的速度、加速度和方向中的至少一个自动驾驶控制规划。
3.根据权利要求1所述的自动驾驶判断系统，其中，所述数据单元获取包括至少两个环境数据项的环境数据组，生成至少两组注意力权重，以及将所述环境数据组分别与所述至少两组注意力权重组合，以生成至少两个数据样本。
4.根据权利要求1所述的自动驾驶判断系统，其中，所述抉择单元基于第一神经网络生成抉择结果，所述判断单元基于第二神经网络进行评分。
5.根据权利要求4所述的自动驾驶判断系统，还包括设置单元和评估单元，
其中，所述设置单元能设置第一训练模式，
其中，在第一训练模式下，所述第二神经网络的参数是固定的，所述判断单元根据所述抉择单元的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第一评估结果，以及所述抉择单元基于第一评估结果调整所述的第一神经网络的参数。
6.根据权利要求5所述的自动驾驶判断系统，其中，所述设置单元能设置第二训练模式，
其中，在第二训练模式下，所述第一神经网络的参数是固定的，所述判断单元根据所述抉择单元的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第二评估结果，以及所述判断单元基于第二评估结果调整所述的第二神经网络的参数。
7.根据权利要求5或6所述的自动驾驶判断系统，其中，所述数据单元包括至少两个环境数据项的环境数据组，基于第三神经网络生成至少两组注意力权重，以及将所述环境数据组分别与所述至少两组注意力权重组合，以生成至少两个数据样本，
其中，所述设置单元能设置第三训练模式，
其中，在第三训练模式下，所述第一神经网络和第二神经网络的参数是固定的，所述判断单元根据所述抉择单元的抉择结果产生判断结果，所述评估单元评估所述判断结果与输入的外界结果之间的一致性以产生第三评估结果，以及所述数据单元基于第三评估结果调整所述的第三神经网络的参数。
8.一种自动驾驶控制系统，包括：
根据权利要求1-7中的任何一项所述的自动驾驶判断系统；
控制单元，基于自动驾驶判断系统的判断结果，控制车辆的驾驶状态。
9.根据权利要求8所述的自动驾驶控制系统，其中，所述控制单元在检测到车辆由用户手动操作的情况下，通过所述自动驾驶判断系统的设置单元将自动驾驶判断系统设置在训练模式下，以训练自动驾驶判断系统中的相应单元，以及
其中，所述控制单元在检测到车辆处于自动驾驶的状态下时，基于自动驾驶判断系统的判断结果，控制车辆的驾驶状态。
10.一种车辆，包括根据权利要求8或9所述的自动驾驶控制系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010927364.XA CN114148342A (zh) | 2020-09-07 | 2020-09-07 | 自动驾驶判断系统、自动驾驶控制系统及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010927364.XA CN114148342A (zh) | 2020-09-07 | 2020-09-07 | 自动驾驶判断系统、自动驾驶控制系统及车辆 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114148342A true CN114148342A (zh) | 2022-03-08 |
Family
ID=80460463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010927364.XA Pending CN114148342A (zh) | 2020-09-07 | 2020-09-07 | 自动驾驶判断系统、自动驾驶控制系统及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114148342A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106043311A (zh) * | 2016-06-27 | 2016-10-26 | 观致汽车有限公司 | 一种判断驾驶员注意力分散的方法及系统 |
| CN108146438A (zh) * | 2016-12-02 | 2018-06-12 | 卢卡斯汽车股份有限公司 | 用于驾驶辅助系统的增强驾驶员注意力模块 |
| CN109624994A (zh) * | 2019-01-28 | 2019-04-16 | 浙江吉利汽车研究院有限公司 | 一种车辆自动驾驶控制方法、装置、设备及终端 |
| CN109664891A (zh) * | 2018-12-27 | 2019-04-23 | 北京七鑫易维信息技术有限公司 | 辅助驾驶方法、装置、设备及存储介质 |
| CN109941288A (zh) * | 2017-12-18 | 2019-06-28 | 现代摩比斯株式会社 | 安全驾驶辅助装置和方法 |
| CN110136464A (zh) * | 2019-04-18 | 2019-08-16 | 深圳市宏电技术股份有限公司 | 一种辅助驾驶的方法、装置及设备 |
| CN110378483A (zh) * | 2018-04-12 | 2019-10-25 | 百度（美国）有限责任公司 | 部署在模拟平台上的用于训练机器学习模型的系统和方法 |
| CN111137292A (zh) * | 2018-11-01 | 2020-05-12 | 通用汽车环球科技运作有限责任公司 | 用于控制自主车辆的分层车道变换策略的基于空间和时间注意力的深度强化学习 |
| CN111252061A (zh) * | 2018-11-30 | 2020-06-09 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的实时决策制定 |
| CN111413957A (zh) * | 2018-12-18 | 2020-07-14 | 北京航迹科技有限公司 | 用于确定自动驾驶中的驾驶动作的系统和方法 |
-
2020
- 2020-09-07 CN CN202010927364.XA patent/CN114148342A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106043311A (zh) * | 2016-06-27 | 2016-10-26 | 观致汽车有限公司 | 一种判断驾驶员注意力分散的方法及系统 |
| CN108146438A (zh) * | 2016-12-02 | 2018-06-12 | 卢卡斯汽车股份有限公司 | 用于驾驶辅助系统的增强驾驶员注意力模块 |
| CN109941288A (zh) * | 2017-12-18 | 2019-06-28 | 现代摩比斯株式会社 | 安全驾驶辅助装置和方法 |
| CN110378483A (zh) * | 2018-04-12 | 2019-10-25 | 百度（美国）有限责任公司 | 部署在模拟平台上的用于训练机器学习模型的系统和方法 |
| CN111137292A (zh) * | 2018-11-01 | 2020-05-12 | 通用汽车环球科技运作有限责任公司 | 用于控制自主车辆的分层车道变换策略的基于空间和时间注意力的深度强化学习 |
| CN111252061A (zh) * | 2018-11-30 | 2020-06-09 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的实时决策制定 |
| CN111413957A (zh) * | 2018-12-18 | 2020-07-14 | 北京航迹科技有限公司 | 用于确定自动驾驶中的驾驶动作的系统和方法 |
| CN109664891A (zh) * | 2018-12-27 | 2019-04-23 | 北京七鑫易维信息技术有限公司 | 辅助驾驶方法、装置、设备及存储介质 |
| CN109624994A (zh) * | 2019-01-28 | 2019-04-16 | 浙江吉利汽车研究院有限公司 | 一种车辆自动驾驶控制方法、装置、设备及终端 |
| CN110136464A (zh) * | 2019-04-18 | 2019-08-16 | 深圳市宏电技术股份有限公司 | 一种辅助驾驶的方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11835954B2 (en) | Driving control apparatus, driving control method, and program | |
| EP3357780B1 (en) | Driving control device, driving control method, and program | |
| US10222226B2 (en) | Navigation systems and associated methods | |
| EP3339126B1 (en) | Method and system to recognize individual driving preference for autonomous vehicles | |
| CN107298021B (zh) | 信息提示控制装置、自动驾驶车及其驾驶辅助系统 | |
| US10268200B2 (en) | Method and system to predict one or more trajectories of a vehicle based on context surrounding the vehicle | |
| CN106652515B (zh) | 车辆自动控制方法、装置和系统 | |
| US20180326994A1 (en) | Autonomous control handover to a vehicle operator | |
| CN111613091A (zh) | 利用外部驾驶员数据增强移动设备操作 | |
| CN111758017A (zh) | 信息处理装置、信息处理方法、程序及移动体 | |
| US9928833B2 (en) | Voice interface for a vehicle | |
| JP7079069B2 (ja) | 情報提示制御装置、自動運転車、及び自動運転車運転支援システム | |
| CN112997229A (zh) | 信息处理装置、信息处理方法和程序 | |
| Greengard | Automotive systems get smarter | |
| CN114148341A (zh) | 用于车辆的控制设备、方法及车辆 | |
| US20230121366A1 (en) | Ai based system for warning and managing operations of vehicles at higher speeds | |
| US20220277556A1 (en) | Information processing device, information processing method, and program | |
| CN113808385B (zh) | 机动车行车道的选择方法及装置、车辆 | |
| CN114148342A (zh) | 自动驾驶判断系统、自动驾驶控制系统及车辆 | |
| CN114691979A (zh) | 信息提供装置、信息提供方法及存储介质 | |
| CN114882579A (zh) | 车载屏幕的控制方法、装置及车辆 | |
| CN113879313A (zh) | 驾驶员疲劳检测方法及装置 | |
| CN113739816A (zh) | 车辆导航控制方法、装置及车辆 | |
| CN111240315A (zh) | 使用预定负载校准表确定自动驾驶车辆的车辆负载的方法 | |
| WO2024043053A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム |
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 |