CN114386599A - 训练轨迹预测模型和轨迹规划的方法和装置 - Google Patents
训练轨迹预测模型和轨迹规划的方法和装置 Download PDFInfo
- Publication number
- CN114386599A CN114386599A CN202210027158.2A CN202210027158A CN114386599A CN 114386599 A CN114386599 A CN 114386599A CN 202210027158 A CN202210027158 A CN 202210027158A CN 114386599 A CN114386599 A CN 114386599A
- Authority
- CN
- China
- Prior art keywords
- action
- neural network
- target
- trajectory
- target sample
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本公开提供了训练轨迹预测模型和轨迹规划的方法和装置,涉及人工智能领域,尤其涉及自动驾驶领域。具体实现方案为:获取样本集;从样本集中选择目标样本,以及执行如下训练步骤:将目标样本中的当前观测状态输入第一神经网络,输出预测动作;将预测动作和目标样本中的当前观测状态输入第二神经网络,输出动作得分;若动作得分大于等于目标值,则将第一神经网络作为轨迹预测模型;若动作得分小于目标值,则基于目标样本中的动作、奖励、下一时刻观测状态调整第一神经网络和第二神经网络的相关参数,重新选择目标样本继续执行上述训练步骤。通过该实施方式能够在保证路线的安全性、舒适性和高效性下,完成未来运动轨迹的规划。
Description
技术领域
本公开涉及人工智能领域,尤其涉及自动驾驶领域,具体为训练轨迹预测模型和轨迹规划的方法和装置。
背景技术
自动驾驶技术包括了硬件和软件两部分,其中软件模块包括了定位、感知、预测、规划与控制等。轨迹规划模块在自动驾驶技术中相当于人类大脑,通过融合上层的相关信息(包括了定位、高精地图、感知、预测和上层决策等),然后规划出无人车在未来一小段时间(例如15秒)的轨迹,并将该轨迹输出给下层的控制模块。例如,通过感知(Perception)给出周围环境的虚拟三维世界的坐标系,从而捕捉当前所在路径信息、以及周围物体的运动状态、行进速度和运动轨迹预测等,并结合全局规划的地图路线信息、上游的行为决策信息(是否跟车、让道等),在保证路线的安全性、舒适性和高效性下,完成未来短期运动轨迹的局部规划。
发明内容
本公开提供了一种训练轨迹预测模型和轨迹规划的方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种训练轨迹预测模型的方法,包括:获取样本集,其中,所述样本集中的样本包括:当前观测状态、动作、奖励、下一时刻观测状态;从样本集中选择目标样本,以及执行如下训练步骤:将所述目标样本中的当前观测状态输入第一神经网络,输出预测动作;将所述预测动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分;若所述动作得分大于等于目标值,则将所述第一神经网络作为轨迹预测模型;若所述动作得分小于目标值,则基于所述目标样本中的动作、奖励、下一时刻观测状态调整第一神经网络和第二神经网络的相关参数,重新选择目标样本继续执行上述训练步骤。
根据本公开的第二方面,提供了一种轨迹规划方法,包括:获取激光点云数据;将所述点云数据输入根据第一方面的方法训练出的轨迹预测模型,输出预测的动作;根据所述动作生成预测轨迹。
根据本公开的第三方面,提供了一种训练轨迹预测模型的装置,包括:获取单元,被配置成获取样本集,其中,所述样本集中的样本包括:当前观测状态、动作、奖励、下一时刻观测状态;训练单元,被配置成从样本集中选择目标样本,以及执行如下训练步骤:将所述目标样本中的当前观测状态输入第一神经网络,输出预测动作;将所述预测动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分;若所述动作得分大于等于目标值,则将所述第一神经网络作为轨迹预测模型;调整单元,被配置成若所述动作得分小于目标值,则基于所述目标样本中的动作、奖励、下一时刻观测状态调整第一神经网络和第二神经网络的相关参数,重新选择目标样本继续执行上述训练步骤。
根据本公开的第四方面,提供了一种轨迹规划的装置,包括:获取单元,被配置成获取激光点云数据;预测单元,被配置成将所述点云数据输入由第二方面所述的装置训练出的轨迹预测模型,输出预测的动作;生成单元,被配置成根据所述动作生成预测轨迹。
根据本公开的第五方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第七方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现第一方面所述的方法。
本公开实施例提供的训练轨迹预测模型和轨迹规划的方法和装置,基于离线强化学习的自动驾驶轨迹规划系统,通过利用大量人工驾驶的或者无人车测试过程中产生的数据,结合离线强化学习算法,训练基于神经网络的端到端的轨迹预测模型。整个训练流程可以不依赖于仿真环境的构建。因此减少了构建仿真环境的成本。此外,仿真环境和真实场景存在一定的差距,仿真环境训练出来的模型不容易直接迁移到真实场景,而本申请训练出的模型可以直接迁移到真实场景。既提高了模型的准确性还提高了模型应用的便捷性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开可以应用于其中的示例性系统架构图;
图2是根据本公开训练轨迹预测模型的方法的一个实施例的流程图;
图3是根据本公开的轨迹预测模型的网络结构示意图;
图4是根据本公开轨迹规划的方法的一个实施例的流程图;
图5是根据本公开训练轨迹预测模型的装置的一个实施例的结构示意图;
图6是根据本公开轨迹规划的装置的一个实施例的结构示意图;
图7是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的训练轨迹预测模型和轨迹规划的方法或训练轨迹预测模型和轨迹规划的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括无人驾驶车辆101(简称无人车)。
无人驾驶车辆101中安装有驾驶控制设备1011、网络1012和传感器1013,服务器102。网络1012用以在驾驶控制设备1011和传感器1013之间提供通信链路的介质。网络1012可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
驾驶控制设备(又称为车载大脑)1011负责无人驾驶车辆101的智能控制。驾驶控制设备1011可以是单独设置的控制器,例如可编程逻辑控制器(Programmable LogicController,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。
需要说明的是,实践中无人驾驶车辆101中可以安装有至少一个传感器,例如,激光雷达、摄像头、重力传感器、轮速传感器等。某些情况下,无人驾驶车辆101中还可以安装有GNSS(Global Navigation Satellite S7stem,全球导航卫星系统)设备和SINS(Strap-down Inertial Navigation S7stem,捷联惯性导航系统)等等。
无人车的摄像头采集激光点云数据,然后发送给服务器进行分析处理。服务器再将规划的轨迹和控制命令反馈给无人车。无人车根据控制命令进行前进、后退、转向、停车等操作。
需要说明的是,本申请实施例所提供的训练轨迹预测模型和轨迹规划的方法一般由服务器102执行,相应地,训练轨迹预测模型和轨迹规划的装置一般设置于服务器102中。
应该理解,图1中的驾驶控制设备、网络、传感器、服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的驾驶控制设备、网络、传感器、服务器。
继续参考图2,其示出了根据本申请的训练轨迹预测模型的方法的一个实施例的流程200。该训练轨迹预测模型的方法,包括以下步骤:
步骤201,获取样本集。
在本实施例中,用于生成人脸检测模型的方法的执行主体(例如图1所示的服务器)可以通过多种方式来获取样本集。例如,执行主体可以通过有线连接方式或无线连接方式,从数据库服务器中获取存储于其中的现有的样本集。再例如,收集人类驾驶、或基于自动驾驶技术控制的行驶轨迹,包括了每个时刻(以0.2秒作为采样间隔)的观测状态(雷达等上游感知信息等)、动作(位置、速度等)、奖励,以及是否碰撞等额外信息作为训练数据,即样本。
训练数据是四元组(当前观测状态、动作、奖励、下一时刻观测状态)的集合,一般训练数据量在百万级别以上,对于每个样本的产生方式可以如下所示:
1、当前观测状态(observation):无人车在当前时刻以及过往n时刻的观测信息,包括上游感知信息(例如,激光点云数据)、定位信息等。
2、动作(action):未来预定时间内(例如3秒)的无人车的行驶轨迹(可以每隔0.2秒取一个点,总共15个点)。
3、奖励(reward):当前时刻状态跳转到下一时刻状态时获取到的奖励,人工设计,例如可以考虑是否存在碰撞、压线和距离目标距离等因素。
4、下一时刻观测状态(next_observation):和当前观测状态类似,只是往后平移一个时间步长。
步骤202,从样本集中选择目标样本。
在本实施例中,执行主体可以从步骤201中获取的样本集中选取样本,以及执行步骤203至步骤206的训练步骤。其中,样本的选取方式和选取数量在本公开中并不限制。例如可以是随机选取至少一个样本,也可以是从中选取激光点云数据的清晰度较好(即点的数量较高)的样本。
步骤203,将目标样本中的当前观测状态输入第一神经网络,输出预测动作。
在本实施例中,模型参数的更新算法主要是参考CQL(Conservative Q-Learningfor Offline Reinforcement Learning)算法,有一个Policy网络(第一神经网络)和一个Critic网络(第二神经网络),其模型结果都基本如图3所示,Policy网络以观测量作为输入,输出未来预定时间内(例如3秒)控制的动作;Critic网络以观测量和未来预定时间内控制的动作作为输入,输出对该动作的打分。两个网络分别根据现有技术的更新公式进行参数更新。
如图3所示,第一神经网络的模型结构的输入是多个时刻的观测信息(例如无人车雷达输入),对于每个时刻的输入先分别经过经典的共享参数的图像处理神经网络(例如,Resnet-18),然后对于输出的中间状态向量,再经过一个RNN(Recurrent Neural Network,循环神经网络)时序网络(例如GRU(Gated Recurrent Unit,门控循环单元)),并将最后一个时刻的输出作为网络的最终输出,输出了预测动作,即预测的速度和位置。
步骤204,将预测动作和目标样本中的当前观测状态输入第二神经网络,输出动作得分。
在本实施例中,Critic网络(第二神经网络)以观测量和未来预定时间内控制的动作作为输入,输出对该动作的打分。
步骤205,若动作得分大于等于目标值,则将第一神经网络作为轨迹预测模型。
在本实施例中,若动作得分大于等于目标值,则训练完成将第一神经网络作为轨迹预测模型。实际应用时只部署第一神经网络用于轨迹预测,第二神经网络只是用于辅助训练。
步骤206,若动作得分小于目标值,则基于目标样本中的动作、奖励、下一时刻观测状态调整第一神经网络和第二神经网络的相关参数,执行步骤202-206。
在本实施例中,若动作得分小于目标值,说明模型训练未完成,需要调整模型的参数。两个网络分别根据现有技术的更新公式进行参数更新。例如,可根据目标样本中的动作和预测动作之间的差异调整两个网络的参数。还可按奖励变大的方向调整两个网络的参数,例如,向碰撞概率降低的方向调整。还可按下一时刻观测状态和该目标样本的下一时刻的当前观测状态进行比较,根据两者之间的差异计算损失值来调整两个网络的参数。
实际的奖励可通过下一时刻观测状态来计算,下一时刻观测状态也可以是点云图像,通过图像检测技术,可确定是否存在碰撞、压线、距离目标距离等情况。可根据发生这些事情的概率作为奖励,例如,不碰撞的概率越大,则奖励越高。不压线的概率越大,则奖励越高。如果目标为障碍物(例如行人),则距离目标距离越远,则奖励越高。如果目标为任务(右转30度),则距离目标距离越近,则奖励越高。可根据实际的奖励和样本中的奖励的差异计算损失值来调整网络参数。
需要说明的是,重复执行步骤202时,这里的选取样本方式在本公开中也不限制。例如在样本集中有大量样本的情况下,执行主体可以从中选取未被选取过的样本。也可重复使用已选取过的样本。
本公开的上述实施例提供的方法,相比传统的数学优化解决方案,不需要复杂的建模过程,并且不依赖于自动驾驶相关的领域知识。而相比基于仿真器的强化学习解决方案,本公开不需要依赖于仿真器的构建,不仅具有更强的通用性,而且训练出的模型不需要做仿真环境到真实环境的迁移工作。
在本实施例的一些可选的实现方式中,将所述预测动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分,包括:将所述预测动作通过所述目标样本中的动作进行修正后,得到目标动作;将所述目标动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分。预测动作如果与样本中的动作偏差较大,则可进行修正。例如,可按两个动作的平均值进行修正,得到目标动作。使用目标动作和当前观测状态输入第二神经网络,输出的动作得分则为目标动作的得分。通过该方法可以加快模型的收敛速度,减少训练时长。并且可以减少样本的数量,从而降低人工成本。
在本实施例的一些可选的实现方式中,该方法还包括:在仿真器中或者真实场景中评估轨迹预测模型。使用非样本的测试集数据输入轨迹预测模型,根据预测出的轨迹与测试集中标注的轨迹信息进行对比,进行模型评估,可验证模型的性能。将性能高于预定标准的模型部署到无人车系统中。如果性能未达到预定标准,则重新进行训练。使用测试集数据可防止模型过拟合导致评估误差。评估后的模型才能保证无人车的安全性。
在本实施例的一些可选的实现方式中,第一神经网络和第二神经网络具有相同的网络结构,包括:残差网络层和循环神经网络层。残差网络层可包括用于图像处理的resnet-18,resnet-101等,如果观测状态不是图像,例如是定位信息,则可使用其它的残差网络层。循环神经网络层可以是常规的RNN,也可以是GRU。通过此网络结构能准确提取观测状态,对动作进行预测。提高了模型的准确率。并且模型结构简单,便于参数更新,提高了模型训练速度。
在本实施例的一些可选的实现方式中,当前观测状态包括激光点云数据,所述奖励包括以下至少一种:碰撞、压线、距离目标距离。当前观测状态和下一时刻观测状态都可以包括激光点云数据。还可包括定位信息。当采用激光点云数据时,残差网络层为提取图像特征的神经网络,当采用定位信息时,残差网络层为提取文本特征的神经网络。也可采用两种残差网络层分别提取两种特征。通过图像识别可检测到的奖励可包括以下至少一种:碰撞、压线、距离目标距离。通过定位信息可检测到的奖励可包括碰撞或距离目标距离。采用激光点云数据作为预测状态,可进行全方位的检测,保证行车安全。并且不受天气等原因的限制,可有效避免误检。
请参见图4,其示出了本公开提供的轨迹规划的方法的一个实施例的流程400。该轨迹规划的方法可以包括以下步骤:
步骤401,获取激光点云数据。
在本实施例中,轨迹规划的方法的执行主体(例如图1所示的服务器)可以通过多种方式来获取激光点云数据。例如,执行主体可以通过有线连接方式或无线连接方式,从数据库服务器中获取存储于其中的激光点云数据。再例如,执行主体也可以接收无人车或其他设备采集的激光点云数据。
步骤402,将点云数据输入轨迹预测模型,输出预测的动作。
在本实施例中,执行主体可以将步骤401中获取的激光点云数据输入轨迹预测模型中,从而生成轨迹预测结果。轨迹预测结果可以是用于描述未来预定时间内控制的动作。例如每隔0.2秒无人车的位置、速度等。
在本实施例中,轨迹预测模型可以是采用如上述图2实施例所描述的方法而生成的。具体生成过程可以参见图2实施例的相关描述,在此不再赘述。
步骤403,根据动作生成预测轨迹。
在本实施例中,通过预测出的预定时间内的位置、速度可生成预测轨迹,即每个时刻轨迹点的位置是已知的,可画出轨迹的矢量图。如果是人工驾驶,则可根据矢量图来进行导航,指导司机控制车辆的行驶方向和速度。
需要说明的是,本实施例轨迹规划的方法可以用于测试上述各实施例所生成的轨迹预测模型。进而根据测试结果可以不断地优化轨迹预测模型。该方法也可以是上述各实施例所生成的轨迹预测模型的实际应用方法。采用上述各实施例所生成的轨迹预测模型,来进行轨迹预测,有助于提高轨迹预测的性能。如减少碰撞、压线的概率。
在本实施例的一些可选的实现方式中,该方法还包括:基于预测轨迹生成控制指令。如果是无人车,则可根据预测轨迹结合全局规划的地图路线信息、上游的行为决策信息(是否跟车、让道等),在保证路线的安全性、舒适性和高效性下,完成未来短期运动轨迹的局部规划。
继续参见图5,作为对上述图2所示方法的实现,本公开提供了一种训练轨迹预测模型的装置的一个实施例。该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的训练轨迹预测模型的装置500可以包括:获取单元501、训练单元502和调整单元503。其中,获取单元501,被配置成获取样本集,其中,所述样本集中的样本包括:当前观测状态、动作、奖励、下一时刻观测状态;训练单元502,被配置成从样本集中选择目标样本,以及执行如下训练步骤:将所述目标样本中的当前观测状态输入第一神经网络,输出预测动作;将所述预测动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分;若所述动作得分大于等于目标值,则将所述第一神经网络作为轨迹预测模型;调整单元503,被配置成若所述动作得分小于目标值,则基于所述目标样本中的动作、奖励、下一时刻观测状态调整第一神经网络和第二神经网络的相关参数,重新选择目标样本继续执行上述训练步骤。
在本实施例的一些可选的实现方式中,训练单元502进一步被配置成:将所述预测动作通过所述目标样本中的动作进行修正后,得到目标动作;将所述目标动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分。
在本实施例的一些可选的实现方式中,装置500还包括评估单元(附图中未示出),被配置成:在仿真器中或者真实场景中评估轨迹预测模型。
在本实施例的一些可选的实现方式中,第一神经网络和所述第二神经网络具有相同的网络结构,包括:残差网络层和循环神经网络层。
在本实施例的一些可选的实现方式中,当前观测状态包括激光点云数据,所述奖励包括以下至少一种:碰撞、压线、距离目标距离。
继续参见图6,作为对上述图4所示方法的实现,本公开提供了一种轨迹规划的装置的一个实施例。该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的轨迹规划的装置600可以包括:获取单元601、预测单元602和生成单元603。其中,获取单元601,被配置成获取激光点云数据;预测单元602,被配置成将所述点云数据输入由装置500训练出的轨迹预测模型,输出预测的动作;生成单元603,被配置成根据所述动作生成预测轨迹。
在本实施例的一些可选的实现方式中,装置600还包括控制单元(附图中未示出),被配置成:基于所述预测轨迹生成控制指令。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行流程200或400所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行200或400所述的方法。
一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现200或400所述的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如训练轨迹预测模型的方法。例如,在一些实施例中,训练轨迹预测模型的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的训练轨迹预测模型的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行训练轨迹预测模型的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种训练轨迹预测模型的方法,包括:
获取样本集,其中,所述样本集中的样本包括:当前观测状态、动作、奖励、下一时刻观测状态;
从样本集中选择目标样本,以及执行如下训练步骤:将所述目标样本中的当前观测状态输入第一神经网络,输出预测动作;将所述预测动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分;若所述动作得分大于等于目标值,则将所述第一神经网络作为轨迹预测模型;
若所述动作得分小于目标值,则基于所述目标样本中的动作、奖励、下一时刻观测状态调整第一神经网络和第二神经网络的相关参数,重新选择目标样本继续执行上述训练步骤。
2.根据权利要求1所述的方法,其中,所述将所述预测动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分,包括:
将所述预测动作通过所述目标样本中的动作进行修正后,得到目标动作;
将所述目标动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分。
3.根据权利要求1所述的方法,其中,所述方法还包括:
在仿真器中或者真实场景中评估轨迹预测模型。
4.根据权利要求1所述的方法,其中,所述第一神经网络和所述第二神经网络具有相同的网络结构,包括:残差网络层和循环神经网络层。
5.根据权利要求1-4中任一项所述的方法,其中,所述当前观测状态包括激光点云数据,所述奖励包括以下至少一种:碰撞、压线、距离目标距离。
6.一种轨迹规划方法,包括:
获取激光点云数据;
将所述点云数据输入根据权利要求1-5中任一项的方法训练出的轨迹预测模型,输出预测的动作;
根据所述动作生成预测轨迹。
7.根据权利要求6所述的方法,其中,所述方法还包括:
基于所述预测轨迹生成控制指令。
8.一种训练轨迹预测模型的装置,包括:
获取单元,被配置成获取样本集,其中,所述样本集中的样本包括:当前观测状态、动作、奖励、下一时刻观测状态;
训练单元,被配置成从样本集中选择目标样本,以及执行如下训练步骤:将所述目标样本中的当前观测状态输入第一神经网络,输出预测动作;将所述预测动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分;若所述动作得分大于等于目标值,则将所述第一神经网络作为轨迹预测模型;
调整单元,被配置成若所述动作得分小于目标值,则基于所述目标样本中的动作、奖励、下一时刻观测状态调整第一神经网络和第二神经网络的相关参数,重新选择目标样本继续执行上述训练步骤。
9.根据权利要求8所述的装置,其中,所述训练单元进一步被配置成:
将所述预测动作通过所述目标样本中的动作进行修正后,得到目标动作;
将所述目标动作和所述目标样本中的当前观测状态输入第二神经网络,输出动作得分。
10.根据权利要求8所述的装置,其中,所述装置还包括评估单元,被配置成:
在仿真器中或者真实场景中评估轨迹预测模型。
11.根据权利要求8所述的装置,其中,所述第一神经网络和所述第二神经网络具有相同的网络结构,包括:残差网络层和循环神经网络层。
12.根据权利要求8-11中任一项所述的装置,其中,所述当前观测状态包括激光点云数据,所述奖励包括以下至少一种:碰撞、压线、距离目标距离。
13.一种轨迹规划的装置,包括:
获取单元,被配置成获取激光点云数据;
预测单元,被配置成将所述点云数据输入由权利要求8-12中任一项的装置训练出的轨迹预测模型,输出预测的动作;
生成单元,被配置成根据所述动作生成预测轨迹。
14.根据权利要求13所述的装置,其中,所述装置还包括控制单元,被配置成:
基于所述预测轨迹生成控制指令。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210027158.2A CN114386599B (zh) | 2022-01-11 | 2022-01-11 | 训练轨迹预测模型和轨迹规划的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210027158.2A CN114386599B (zh) | 2022-01-11 | 2022-01-11 | 训练轨迹预测模型和轨迹规划的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114386599A true CN114386599A (zh) | 2022-04-22 |
CN114386599B CN114386599B (zh) | 2023-01-31 |
Family
ID=81201160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210027158.2A Active CN114386599B (zh) | 2022-01-11 | 2022-01-11 | 训练轨迹预测模型和轨迹规划的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114386599B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115071704A (zh) * | 2022-07-19 | 2022-09-20 | 小米汽车科技有限公司 | 轨迹预测方法、装置、介质、设备、芯片和车辆 |
WO2023231212A1 (zh) * | 2022-06-02 | 2023-12-07 | 合众新能源汽车股份有限公司 | 预测模型的训练方法、地图预测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105637540A (zh) * | 2013-10-08 | 2016-06-01 | 谷歌公司 | 用于强化学习的方法和设备 |
CN110574048A (zh) * | 2017-06-09 | 2019-12-13 | 渊慧科技有限公司 | 训练动作选择神经网络 |
US20200374506A1 (en) * | 2019-05-23 | 2020-11-26 | Adobe Inc. | Trajectory-Based Viewport Prediction for 360-Degree Videos |
CN112100787A (zh) * | 2019-05-28 | 2020-12-18 | 顺丰科技有限公司 | 车辆动作预测方法、装置、电子设备及存储介质 |
CN112669629A (zh) * | 2020-12-17 | 2021-04-16 | 北京建筑大学 | 一种基于深度强化学习的实时交通信号控制方法及装置 |
CN113159430A (zh) * | 2021-04-27 | 2021-07-23 | 广东电网有限责任公司清远供电局 | 一种路线规划方法、装置、设备及存储介质 |
CN113581182A (zh) * | 2021-09-07 | 2021-11-02 | 上海交通大学 | 基于强化学习的自动驾驶车辆换道轨迹规划方法及系统 |
CN113805572A (zh) * | 2020-05-29 | 2021-12-17 | 华为技术有限公司 | 运动规划的方法与装置 |
-
2022
- 2022-01-11 CN CN202210027158.2A patent/CN114386599B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105637540A (zh) * | 2013-10-08 | 2016-06-01 | 谷歌公司 | 用于强化学习的方法和设备 |
CN110574048A (zh) * | 2017-06-09 | 2019-12-13 | 渊慧科技有限公司 | 训练动作选择神经网络 |
US20200374506A1 (en) * | 2019-05-23 | 2020-11-26 | Adobe Inc. | Trajectory-Based Viewport Prediction for 360-Degree Videos |
CN112100787A (zh) * | 2019-05-28 | 2020-12-18 | 顺丰科技有限公司 | 车辆动作预测方法、装置、电子设备及存储介质 |
CN113805572A (zh) * | 2020-05-29 | 2021-12-17 | 华为技术有限公司 | 运动规划的方法与装置 |
CN112669629A (zh) * | 2020-12-17 | 2021-04-16 | 北京建筑大学 | 一种基于深度强化学习的实时交通信号控制方法及装置 |
CN113159430A (zh) * | 2021-04-27 | 2021-07-23 | 广东电网有限责任公司清远供电局 | 一种路线规划方法、装置、设备及存储介质 |
CN113581182A (zh) * | 2021-09-07 | 2021-11-02 | 上海交通大学 | 基于强化学习的自动驾驶车辆换道轨迹规划方法及系统 |
Non-Patent Citations (2)
Title |
---|
KALEB BEN NAVEED等: "Trajectory Planning for Autonomous Vehicles Using Hierarchical Reinforcement Learning", 《 2021 IEEE INTERNATIONAL INTELLIGENT TRANSPORTATION SYSTEMS CONFERENCE 》 * |
吕迪等: "融合类人驾驶行为的无人驾驶深度强化学习方法", 《集成技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023231212A1 (zh) * | 2022-06-02 | 2023-12-07 | 合众新能源汽车股份有限公司 | 预测模型的训练方法、地图预测方法及装置 |
CN115071704A (zh) * | 2022-07-19 | 2022-09-20 | 小米汽车科技有限公司 | 轨迹预测方法、装置、介质、设备、芯片和车辆 |
CN115071704B (zh) * | 2022-07-19 | 2022-11-11 | 小米汽车科技有限公司 | 轨迹预测方法、装置、介质、设备、芯片和车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN114386599B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Haq et al. | Comparing offline and online testing of deep neural networks: An autonomous car case study | |
JP7086111B2 (ja) | 自動運転車のlidar測位に用いられるディープラーニングに基づく特徴抽出方法 | |
CN111091591A (zh) | 一种碰撞检测方法、装置、电子设备及存储介质 | |
CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
EP3932763A1 (en) | Method and apparatus for generating route planning model, and device | |
CN114386599B (zh) | 训练轨迹预测模型和轨迹规划的方法和装置 | |
CN109109863B (zh) | 智能设备及其控制方法、装置 | |
CN110692025A (zh) | 轨迹生成与执行架构 | |
CN109870698B (zh) | 一种超声波阵列障碍物检测结果处理方法及系统 | |
CN112148008B (zh) | 一种基于深度强化学习的实时无人机路径预测方法 | |
CN113378693B (zh) | 生成目标检测系统和检测目标的方法及装置 | |
CN114547223A (zh) | 轨迹预测方法、轨迹预测模型的训练方法及装置 | |
CN114715145B (zh) | 一种轨迹预测方法、装置、设备及自动驾驶车辆 | |
CN115221722A (zh) | 自动驾驶车辆的仿真测试方法、模型训练方法和设备 | |
JP2023029274A (ja) | 1つ以上のデバイスのモーションを制御するためにモーション軌道を最適化するためのコントローラ | |
CN114506343A (zh) | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 | |
CN113978465A (zh) | 一种变道轨迹规划方法、装置、设备以及存储介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
JP7446416B2 (ja) | 時空間ポーズ/オブジェクトデータベース | |
CN113895460A (zh) | 行人轨迹预测方法、装置及存储介质 | |
CN113799798A (zh) | 车辆的行驶轨迹的确定方法、装置、电子设备和存储器 | |
CN113119999A (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN116842392B (zh) | 轨迹预测方法及其模型的训练方法、装置、设备及介质 | |
CN114620055B (zh) | 道路数据处理方法、装置、电子设备及自动驾驶车辆 | |
CN116203964B (zh) | 一种控制车辆行驶的方法、设备和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |