CN114660939A - 对象控制方法及装置、电子设备和存储介质 - Google Patents
对象控制方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114660939A CN114660939A CN202210320320.XA CN202210320320A CN114660939A CN 114660939 A CN114660939 A CN 114660939A CN 202210320320 A CN202210320320 A CN 202210320320A CN 114660939 A CN114660939 A CN 114660939A
- Authority
- CN
- China
- Prior art keywords
- feature
- vector
- numerical value
- tag
- target feature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 239000013598 vector Substances 0.000 claims abstract description 94
- 238000003066 decision tree Methods 0.000 claims abstract description 46
- 238000011217 control strategy Methods 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本公开提供了一种对象控制方法及装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及地图导航、智能交通技术领域。实现方案为：获取用于控制对象的数据向量和标签向量，数据向量包括多个元素，多个元素与对象的多个特征分别对应，多个元素中的每个元素用于记录相应特征的数值，标签向量包括与多个特征分别对应的多个标签，多个标签中的每个标签用于指示数据向量是否记录有相应特征的数值；基于数据向量和标签向量，利用决策树确定针对对象的控制策略，响应于确定决策树的任一分支节点所处理的目标特征的标签为否，实时获取目标特征的数值；以及基于控制策略，控制对象。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及地图导航、智能交通技术领域，具体涉及一种对象控制方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
决策树是由多个节点组成的树形结构，是机器学习模型的一种。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种对象控制方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种对象控制方法，包括：获取用于控制所述对象的数据向量和标签向量，所述数据向量包括多个元素，所述多个元素与所述对象的多个特征分别对应，所述多个元素中的每个元素用于记录相应特征的数值，所述标签向量包括与所述多个特征分别对应的多个标签，所述多个标签中的每个标签用于指示所述数据向量是否记录有相应特征的数值；基于所述数据向量和所述标签向量，利用决策树确定针对所述对象的控制策略，响应于确定所述决策树的任一分支节点所处理的目标特征的标签为否，实时获取所述目标特征的数值；以及基于所述控制策略，控制所述对象。
根据本公开的一方面，提供了一种对象控制装置，包括：获取模块，被配置为获取用于控制所述对象的数据向量和标签向量，所述数据向量包括多个元素，所述多个元素与所述对象的多个特征分别对应，所述多个元素中的每个元素用于记录相应特征的数值，所述标签向量包括与所述多个特征分别对应的多个标签，所述多个标签中的每个标签用于指示所述数据向量是否记录有相应特征的数值；决策模块，被配置为基于所述数据向量和所述标签向量，利用决策树确定针对所述对象的控制策略，响应于确定所述决策树的任一分支节点所处理的目标特征的标签为否，实时获取所述目标特征的数值；以及控制模块，被配置为基于所述控制策略，控制所述对象。
根据本公开的一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器，该存储器存储有可被上述至少一个处理器执行的指令，该指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。
根据本公开的一方面，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，该计算机指令用于使计算机执行上述方法。
根据本公开的一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例，能够提高决策效率，实现对象的实时控制。
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
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开的实施例的对象控制方法的流程图；
图3示出了根据本公开的另一些实施例的对象控制方法的流程图；
图4示出了根据本公开的实施例的分支节点的处理过程的流程图；
图5示出了根据本公开的实施例的对象控制装置的结构框图；以及
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
在本公开中，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。
在决策树中，具有子节点的节点被称为“分支节点”(分支节点包括根节点)，不具有子节点的节点被称为“叶节点”。每个分支节点对应于一种特征(或称为“属性”)，该分支节点的不同子节点对应于该特征的不同取值范围。每个叶节点对应于一种类别。
决策树可以用于对数据(包括多个特征)进行分类。从根节点开始，对于每一个分支节点，通过对该分支节点对应的特征的值进行判断，可以确定接下来需要进入哪个子节点，直至所进入的子节点为叶节点时为止。该叶节点对应的类别即为数据的分类结果。
决策树由于具有可解释性强、计算速度快等优点，可以被用于实时计算的场景中。例如，用于对对象(例如导航终端)进行实时控制。
相关技术中，需要提前计算对象的所有特征的值，将所有特征的值输入决策树以进行决策。决策树所涉及的特征可能多达几百个。
决策树包括从根节点到叶节点的多条路径。但是，在决策时，每条数据仅经过其中的一条路径，该路径所涉及的特征的数量通常远小于决策树整体的特征数量。如果在决策前全量计算所有特征，会造成过多不必要的计算，浪费大量的计算资源和时间，决策效率低，无法实现对象的实时控制。
针对上述问题，本公开的实施例提供一种对象控制方法，能够减少不必要的计算，提高决策效率，实现对象的实时控制。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行对象控制方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来进行导航。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统；或包括各种移动操作系统，例如MICROSOFT Windows Mobile OS、iOS、WindowsPhone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、Wi-Fi)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音乐文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开实施例的对象控制方法200的流程图。方法200可以在服务器(例如图1中所示的服务器120)处执行，也可以在客户端设备(例如图1中所示的客户端设备101、102、103、104、105和106)处执行。也即，方法200的各个步骤的执行主体可以是图1中所示的服务器120，也可以是图1中所示的客户端设备101、102、103、104、105和106。
如图2所示，方法200包括步骤S210-S230。
在步骤S210中，获取用于控制对象的数据向量和标签向量。
数据向量包括多个元素，多个元素与对象的多个特征分别对应，多个元素中的每个元素用于记录相应特征的数值。标签向量包括与上述多个特征分别对应的多个标签，多个标签中的每个标签用于指示数据向量是否记录有相应特征的数值。
在步骤S220中，基于数据向量和标签向量，利用决策树确定针对对象的控制策略。
在决策树的计算过程中，响应于确定决策树的任一分支节点所处理的目标特征的标签为否，实时获取该目标特征的数值。
在步骤S230中，基于控制策略，控制对象。
根据本公开的实施例，可以仅提前获取对象的部分特征的数值，其余特征的数值通过标签向量标记为未被获取(即未被记录在数据向量中)。当决策树计算过程中用到了尚未被获取的特征的数值时，再实时获取该数值。由此，实现了特征数值的按需获取，无需在决策之前全量计算对象的所有特征的数值，减少了不必要的计算，从而提高了决策效率，能够实现对象的实时控制。
在本公开的实施例中，被控制的对象可以是任意对象，例如导航终端、自动驾驶车辆、工业设备等。对象的多个特征是决策树的输入特征，例如可以包括对象的至少一个属性特征、至少一个传感器特征等。具体地，传感器特征指的是设置于对象内的传感器所采集到的感知特征，例如速度、方向、位置坐标、接收到的卫星定位信号的数量、各卫星定位信号的强度等。
在本公开的实施例中，数据向量和标签向量的维度相同，均等于多个特征的数量。数据向量包括多个元素，每个元素对应于一个特征，用于记录该特征的数值。但是，数据向量中的每个元素并非一定记录有相应特征的数值。若某个元素记录有相应特征的数值，则该元素即为该特征的数值；若某个元素未记录有相应特征的数值，则该元素为预设值，例如0或空值(null)。
例如，数据向量a中的第i个元素ai用于记录第i个特征的数值vi。若数据向量a记录有第i个特征的数值vi，则ai＝vi；若数据向量a未记录有第i个特征的数值vi，则ai＝0或null。
标签向量包括多个标签，每个标签对应于一个特征，其值可以是“是”(True)或“否”(False)，用于指示数据向量中是否记录有该特征的数值。
例如，标签向量l中的第i个标签li用于指示数据向量a中是否记录有第i个特征的数值vi。若li为True，则数据向量a中记录有vi，即ai＝vi；若li为False，则数据向量a中未记录有vi，即ai＝0或null。
下表1示出了示例性的多个特征f1-f6，以及相应的数据向量和标签向量。
表1
| 特征 | f<sub>1</sub> | f<sub>2</sub> | f<sub>3</sub> | f<sub>4</sub> | f<sub>5</sub> | f<sub>6</sub> |
| 数据向量 | v<sub>1</sub> | v<sub>2</sub> | 0 | 0 | v<sub>5</sub> | v<sub>6</sub> |
| 标签向量 | True | True | False | False | True | True |
在本公开的实施例中，决策树用于确定针对对象的控制策略。具体地，将对象的数据向量和标签向量输入决策树，决策树可以输出针对该对象的控制策略。决策树可以是基于样本对象的样本特征和控制策略标签预先训练得到的。
在决策树的决策过程中，对于任一分支节点，响应于确定该分支节点所处理的目标特征的标签为是，从数据向量中读取该目标特征的数值。响应于确定该分支节点所处理的目标特征的标签为否，实时获取该目标特征的数值。
根据一些实施例，可以将决策树必须用到的特征(例如根节点对应的特征)、很可能用到的特征或者不需要计算即可获得的特征的标签设置为是，将需要计算才可获得的特征或者数值实时变化的特征的标签设置为否。由此，能够尽可能地避免不必要的计算，从而提高决策效率，实现对象的实时控制。
根据一些实施例，在对象的多个特征包括对象的至少一个传感器特征的情况下，可以将这至少一个传感器特征的标签均设置为否。
由于传感器特征的值随着环境状态以及对象自身的状态不断变化，因此决策树决策过程中的传感器特征的数值通常与决策之前的传感器特征的数值不同。通过将传感器特征的标签设置为否，能够在决策树决策过程中用到该特征时再实时获取其数值，保证数值的实时性和准确性，从而保证决策过程以及对象控制的实时性和准确性。
在决策树输出针对对象的控制策略之后，可以基于该控制策略来控制该对象。例如，在对象为导航终端的情况下，控制策略可以是导航播报策略。相应地，可以控制导航终端按照导航播报策略播报导航路线。
图3示出了根据本公开另一些实施例的对象控制方法300的流程图。该实施例是在上述实施例的基础上提出的一种可选方案，该方案可应用于导航播报场景中。如图3所示，方法300包括步骤S310-S330。
在步骤S310中，获取用于控制导航终端的数据向量和标签向量。
数据向量包括多个元素，多个元素与导航终端的多个特征分别对应，多个元素中的每个元素用于记录相应特征的数值。标签向量包括与上述多个特征分别对应的多个标签，多个标签中的每个标签用于指示数据向量是否记录有相应特征的数值。
在步骤S320中，基于数据向量和标签向量，利用决策树确定针对导航终端的导航播报策略。
在决策树的计算过程中，响应于确定决策树的任一分支节点所处理的目标特征的标签为否，实时获取该目标特征的数值。
在步骤S330中，控制导航终端按照导航播报策略播报导航路线。
根据本公开的实施例，能够提高导航的实时性，并且使导航规划、播报策略与导航终端当前的导航能力相匹配，提高导航的准确性。
导航终端例如可以是手机、平板电脑、智能可穿戴设备、车载智能设备等。
根据一些实施例，导航终端的多个特征包括至少一个属性特征和至少一个传感器特征。属性特征例如可以包括导航终端的品牌、型号、采用的定位系统的类型(例如，北斗、GPS、GLONASS、GALILEO)等。传感器特征例如可以包括导航终端的速度、方向、位置坐标、接收到的卫星定位信号的数量、每个卫星定位信号的信号强度等。
属性特征的数值通常是固定不变的，传感器特征的数值通常随着时间不断变化。根据一些实施例，将属性特征的标签均设置为是，将传感器特征的标签均设置为否，即，在步骤S310中获取了各属性特征的数值，但未获取各传感器特征的数值。各传感器特征的数值在步骤S320的决策过程中被实际用到时再实时获取。由此，既能够实现数据的按需获取，避免不必要的计算，又能够保证数据的实时性和准确性，从而提高决策以及导航播报的实时性和准确性。
根据一些实施例，导航播报策略例如包括车道级播报策略和道路级播报策略。在车道级播报策略中，(服务器或导航终端)将规划出车道级的导航路线，并且控制导航终端将向用户播报该车道级的导航路线，提示应行驶的车道。在道路级播报策略中，(服务器或导航终端)将规划出道路级的导航路线，并且控制导航终端将向用户播报该道路级的导航路线，仅向用户提示应行驶的道路，而不提示车道信息。
根据一些实施例，在步骤S320中，导航播报策略可以由决策树直接输出。即，将数据向量和标签向量输入决策树，决策树输出针对导航终端的导航播报策略。
根据另一些实施例，在步骤S320中，导航播报策略可以是对决策树输出的决策结果进行进一步处理而得到的。例如，将数据向量和标签向量输入决策树，决策树输出导航终端当前的导航精度(例如，高精度、中精度、低精度)。随后，基于预设的导航精度与导航播报策略的对应关系，确定相应的导航播报策略。例如，若导航终端当前的导航精度为高精度，则采用车道级播报策略，若导航终端当前的导航精度为中精度或低精度，则采用道路级播报策略。
图4示出了根据本公开实施例的分支节点的处理过程400的流程图。该实施例是在上述实施例的基础上进一步描述分支节点的处理过程。对于决策树中的任一分支节点，均可以按照过程400进行处理。如图4所示，过程400包括步骤S410-S450。
在步骤S410中，从标签向量中读取目标特征的标签。目标特征即为当前分支节点所对应的特征。
在步骤S420中，判断标签是否为“否”。若否，则表示数据向量包括目标特征的数值，执行步骤S430；若是，则表示数据向量不包括目标特征的数值，执行步骤S440。
在步骤S430中，从数据向量中读取目标特征的数值。
在步骤S440中，实时获取目标特征的数值。
目标特征的数值的获取方式可以由本领域技术人员预先设定。
根据一些实施例，可以预设目标特征的数值的计算函数(即预设函数)。相应地，在步骤S440中，可以利用预设函数计算目标特征的数值，由此实现特征数值的自动化计算。
根据另一些实施例，可以预设数据获取接口。相应地，在步骤S440中，可以利用数据获取接口从数据库中获取目标特征的数值，由此实现特征数值的自动化获取。
根据又一些实施例，可以预设数据输入接口。相应地，在步骤S440中，可以向用户提供数据输入接口，以及基于数据输入接口接收的用户的输入数据，确定目标特征的数值。由此，可以由用户来指定特征数值，从而提高决策的灵活性。
在通过步骤S430或步骤S440得到目标特征的数值后，执行步骤S450。
在步骤S450中，基于目标特征的数值确定将要进入的子节点。在子节点为叶节点的情况下，决策树的决策过程结束，可以得到决策结果。
根据一些实施例，过程400还可以包括步骤S460。在通过步骤S440获得目标特征的数值之后，可以执行步骤S460，将目标特征的数值写入数据向量，并且将目标特征的标签修改为是。由此，可以将目标特征的数值固化到数据向量和标签向量中，使得决策树的后续分支节点可以基于相同的数值进行决策，从而保持不同分支节点之间的决策的一致性。
根据本公开的实施例，还提供了一种对象控制装置。图5示出了根据本公开实施例的对象控制装置500的结构框图。如图5所示，装置500包括：
获取模块510，被配置为获取用于控制所述对象的数据向量和标签向量，其中，所述数据向量包括多个元素，所述多个元素与所述对象的多个特征分别对应，所述多个元素中的每个元素用于记录相应特征的数值，所述标签向量包括与所述多个特征分别对应的多个标签，所述多个标签中的每个标签用于指示所述数据向量是否记录有相应特征的数值；
决策模块520，被配置为基于所述数据向量和所述标签向量，利用决策树确定针对所述对象的控制策略，其中，响应于确定所述决策树的任一分支节点所处理的目标特征的标签为否，实时获取所述目标特征的数值；以及
控制模块530，被配置为基于所述控制策略，控制所述对象。
根据本公开的实施例，可以仅提前获取对象的部分特征的数值，其余特征的数值通过标签向量标记为未被获取(即未被记录在数据向量中)。当决策树计算过程中用到了尚未被获取的特征的数值时，再实时获取该数值。由此，实现了特征数值的按需获取，无需在决策之前全量计算对象的所有特征的数值，减少了不必要的计算，从而提高了决策效率，能够实现对象的实时控制。
根据一些实施例，所述多个特征包括所述对象的至少一个传感器特征，所述至少一个传感器特征的标签为否。
根据一些实施例，所述对象包括导航终端。
根据一些实施例，所述控制策略包括导航播报策略，并且其中，所述控制模块进一步被配置为：控制所述导航终端按照所述导航播报策略播报导航路线。
根据一些实施例，所述决策模块520包括：计算单元，被配置为利用预设函数计算所述目标特征的数值。
根据一些实施例，所述决策模块520包括：交互单元，被配置为向用户提供数据输入接口；以及确定单元，被配置为基于所述数据输入接口接收的所述用户的输入数据，确定所述目标特征的数值。
根据一些实施例，装置500还包括：数值更新模块，被配置为将所述目标特征的数值写入所述数据向量；以及标签更新模块，被配置为将所述目标特征的标签修改为是。
应当理解，图5中所示装置500的各个模块或单元可以与参考图2描述的方法200中的各个步骤相对应。由此，上面针对方法200描述的操作、特征和优点同样适用于装置500及其包括的模块以及单元。为了简洁起见，某些操作、特征和优点在此不再赘述。
虽然上面参考特定模块讨论了特定功能，但是应当注意，本文讨论的各个模块的功能可以分为多个模块，和/或多个模块的至少一些功能可以组合成单个模块。例如，上面描述的获取模块510和决策模块520在一些实施例中可以组合成单个模块。
还应当理解，本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图5描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如，这些模块可以被实现为计算机程序代码/指令，该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地，这些模块可以被实现为硬件逻辑/电路。例如，在一些实施例中，模块510-530中的一个或多个可以一起被实现在片上系统(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如，中央处理单元(Central Processing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件)，并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的实施例，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。
参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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，个人数字助理、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6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、Wi-Fi设备、WiMAX设备、蜂窝通信设备和/或类似物。
计算单元601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601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601执行上文所描述的各个方法和处理，例如方法200、方法300。例如，在一些实施例中，方法200和/或方法300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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时，可以执行上文描述的方法200和/或方法300的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200和/或方法300。
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)、复杂可编程逻辑设备(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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (17)
1.一种对象控制方法，包括：
获取用于控制所述对象的数据向量和标签向量，其中，所述数据向量包括多个元素，所述多个元素与所述对象的多个特征分别对应，所述多个元素中的每个元素用于记录相应特征的数值，所述标签向量包括与所述多个特征分别对应的多个标签，所述多个标签中的每个标签用于指示所述数据向量是否记录有相应特征的数值；
基于所述数据向量和所述标签向量，利用决策树确定针对所述对象的控制策略，其中，响应于确定所述决策树的任一分支节点所处理的目标特征的标签为否，实时获取所述目标特征的数值；以及
基于所述控制策略，控制所述对象。
2.根据权利要求1所述的方法，其中，所述多个特征包括所述对象的至少一个传感器特征，所述至少一个传感器特征的标签为否。
3.根据权利要求1或2所述的方法，其中，所述对象包括导航终端。
4.根据权利要求3所述的方法，其中，所述控制策略包括导航播报策略，并且其中，所述基于所述控制策略，控制所述对象包括：
控制所述导航终端按照所述导航播报策略播报导航路线。
5.根据权利要求1-4中任一项所述的方法，其中，所述实时获取所述目标特征的数值包括：
利用预设函数计算所述目标特征的数值。
6.根据权利要求1-4中任一项所述的方法，其中，所述实时获取所述目标特征的数值包括：
向用户提供数据输入接口；以及
基于所述数据输入接口接收的所述用户的输入数据，确定所述目标特征的数值。
7.根据权利要求1-6中任一项所述的方法，还包括，在所述实时获取所述目标特征的数值之后：
将所述目标特征的数值写入所述数据向量；以及
将所述目标特征的标签修改为是。
8.一种对象控制装置，包括：
获取模块，被配置为获取用于控制所述对象的数据向量和标签向量，其中，所述数据向量包括多个元素，所述多个元素与所述对象的多个特征分别对应，所述多个元素中的每个元素用于记录相应特征的数值，所述标签向量包括与所述多个特征分别对应的多个标签，所述多个标签中的每个标签用于指示所述数据向量是否记录有相应特征的数值；
决策模块，被配置为基于所述数据向量和所述标签向量，利用决策树确定针对所述对象的控制策略，其中，响应于确定所述决策树的任一分支节点所处理的目标特征的标签为否，实时获取所述目标特征的数值；以及
控制模块，被配置为基于所述控制策略，控制所述对象。
9.根据权利要求8所述的装置，其中，所述多个特征包括所述对象的至少一个传感器特征，所述至少一个传感器特征的标签为否。
10.根据权利要求8或9所述的装置，其中，所述对象包括导航终端。
11.根据权利要求10所述的装置，其中，所述控制策略包括导航播报策略，并且其中，所述控制模块进一步被配置为：
控制所述导航终端按照所述导航播报策略播报导航路线。
12.根据权利要求8-11中任一项所述的装置，其中，所述决策模块包括：
计算单元，被配置为利用预设函数计算所述目标特征的数值。
13.根据权利要求8-11中任一项所述的装置，其中，所述决策模块包括：
交互单元，被配置为向用户提供数据输入接口；以及
确定单元，被配置为基于所述数据输入接口接收的所述用户的输入数据，确定所述目标特征的数值。
14.根据权利要求8-13中任一项所述的装置，还包括：
数值更新模块，被配置为将所述目标特征的数值写入所述数据向量；以及
标签更新模块，被配置为将所述目标特征的标签修改为是。
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，其中，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210320320.XA CN114660939B (zh) | 2022-03-29 | 2022-03-29 | 对象控制方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210320320.XA CN114660939B (zh) | 2022-03-29 | 2022-03-29 | 对象控制方法及装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114660939A true CN114660939A (zh) | 2022-06-24 |
| CN114660939B CN114660939B (zh) | 2024-07-16 |
Family
ID=82032932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210320320.XA Active CN114660939B (zh) | 2022-03-29 | 2022-03-29 | 对象控制方法及装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114660939B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102523241A (zh) * | 2012-01-09 | 2012-06-27 | 北京邮电大学 | 基于决策树高速并行处理的网络流量在线分类方法及装置 |
| JP2020027437A (ja) * | 2018-08-10 | 2020-02-20 | 株式会社リコー | 学習装置および学習方法 |
| CN110825969A (zh) * | 2019-11-07 | 2020-02-21 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、终端和存储介质 |
| CN111862947A (zh) * | 2020-06-30 | 2020-10-30 | 百度在线网络技术（北京）有限公司 | 用于控制智能设备的方法、装置、电子设备和计算机存储介质 |
| US20210043074A1 (en) * | 2019-08-08 | 2021-02-11 | At&T Intellectual Property I, L.P. | Apparatus and method to facilitate an iterative, machine learning based traffic classification |
| CN112437469A (zh) * | 2019-08-26 | 2021-03-02 | 中国电信股份有限公司 | 服务质量保障方法、装置和计算机可读存储介质 |
-
2022
- 2022-03-29 CN CN202210320320.XA patent/CN114660939B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102523241A (zh) * | 2012-01-09 | 2012-06-27 | 北京邮电大学 | 基于决策树高速并行处理的网络流量在线分类方法及装置 |
| JP2020027437A (ja) * | 2018-08-10 | 2020-02-20 | 株式会社リコー | 学習装置および学習方法 |
| US20210043074A1 (en) * | 2019-08-08 | 2021-02-11 | At&T Intellectual Property I, L.P. | Apparatus and method to facilitate an iterative, machine learning based traffic classification |
| CN112437469A (zh) * | 2019-08-26 | 2021-03-02 | 中国电信股份有限公司 | 服务质量保障方法、装置和计算机可读存储介质 |
| CN110825969A (zh) * | 2019-11-07 | 2020-02-21 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、终端和存储介质 |
| CN111862947A (zh) * | 2020-06-30 | 2020-10-30 | 百度在线网络技术（北京）有限公司 | 用于控制智能设备的方法、装置、电子设备和计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114660939B (zh) | 2024-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
| CN114491269A (zh) | 出行服务的推荐方法及装置、设备和介质 | |
| CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
| CN114660939B (zh) | 对象控制方法及装置、电子设备和存储介质 | |
| CN113868453B (zh) | 对象推荐方法和装置 | |
| CN113536120B (zh) | 基于用户行为的兴趣点召回方法和装置 | |
| CN114741623A (zh) | 兴趣点状态确定方法、模型训练方法及装置 | |
| CN114691809A (zh) | 道路轨迹确定方法及装置、电子设备和介质 | |
| CN114898387A (zh) | 表格图像处理方法和装置 | |
| CN114445147A (zh) | 电子券发放方法及装置、设备和介质 | |
| CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
| CN115359309A (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
| CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
| CN114140547A (zh) | 图像生成方法和装置 | |
| CN114493707A (zh) | 对象推荐方法和装置 | |
| CN113596011A (zh) | 流量识别方法及装置，计算设备和介质 | |
| CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
| CN113722523B (zh) | 对象推荐方法和装置 | |
| CN116842156B (zh) | 数据生成方法及装置、设备和介质 | |
| CN115019048B (zh) | 三维场景分割方法、模型训练方法、装置和电子设备 | |
| CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
| CN114238794A (zh) | 常驻点识别方法及装置、电子设备和介质 | |
| CN114390366A (zh) | 视频处理方法和装置 | |
| CN115601561A (zh) | 高精地图目标检测方法、装置、设备及介质 | |
| CN114238793A (zh) | 轨迹点数据挖掘方法及装置、电子设备和介质 |
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 |