CN116991157A - 具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 - Google Patents
具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 Download PDFInfo
- Publication number
- CN116991157A CN116991157A CN202310403856.2A CN202310403856A CN116991157A CN 116991157 A CN116991157 A CN 116991157A CN 202310403856 A CN202310403856 A CN 202310403856A CN 116991157 A CN116991157 A CN 116991157A
- Authority
- CN
- China
- Prior art keywords
- information
- real
- driving
- autopilot
- model
- 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 128
- 238000012549 training Methods 0.000 title claims abstract description 116
- 241000282414 Homo sapiens Species 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 67
- 230000008447 perception Effects 0.000 claims description 95
- 238000013210 evaluation model Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 20
- 238000003062 neural network model Methods 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012911 target assessment Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 24
- 230000007246 mechanism Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000004931 aggregating effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect 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
- 230000004297 night vision Effects 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
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供一种具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆。涉及自动驾驶技术领域。模型包括驾驶能力和连接的多模态编码层和解码层。方法包括:获取真实驾驶数据、真实自动驾驶策略信息以及真实干预和评价反馈信息;将真实驾驶数据输入多模态编码层,解码层基于多模态编码层的输出进行预测;基于预测和真实的自动驾驶策略信息以及干预和评价反馈信息,调整自动驾驶模型参数。由此,基于真实驾驶数据和相应的真实干预、评价反馈信息进行模型训练,使得基于模型的自动驾驶能力能够很好对齐到人类乘客期待的安全、舒适及高效乘车体验,实现具备人类专家驾驶能力的自动驾驶模型和车辆。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及自动驾驶和人工智能技术领域,具体涉及一种自动驾驶模型的训练方法、自动驾驶模型、利用自动驾驶模型实现的自动驾驶方法、自动驾驶模型的训练装置、基于自动驾驶模型的自动驾驶装置、电子设备、计算机可读存储介质、计算机程序产品和自动驾驶车辆。
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。
自动驾驶技术融合了识别、决策、定位、通信安全和人机交互等诸多方面的技术。通过人工智能学习能够辅助生成自动驾驶策略。
相关技术中,自动驾驶模型通过行为模仿学习方法来学习驾驶能力,不能很好地对齐人类乘客的体验。
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
本公开提供了一种自动驾驶模型的训练方法、自动驾驶模型、利用自动驾驶模型实现的自动驾驶方法、自动驾驶模型的训练装置、基于自动驾驶模型的自动驾驶装置、电子设备、计算机可读存储介质、计算机程序产品和自动驾驶车辆。
根据本公开的一方面,提供了一种自动驾驶模型的训练方法。自动驾驶模型包括多模态编码层、解码层和驾驶能力评价模型,所述多模态编码层和解码层连接组成端到端的神经网络模型,以使得所述解码层直接基于所述多模态编码层的输出预测自动驾驶策略信息。所述方法包括第一训练,第一训练包括:获取车辆行驶过程中的多个第一真实驾驶数据、与所述第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对所述第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息,其中所述第一真实驾驶数据包括车辆的第一导航信息和针对车辆周围环境的第一真实感知信息,所述第一真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;将包括所述第一真实驾驶数据的第一样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第一样本隐式表示;将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;将所述第一中间样本输入信息输入驾驶能力评价模型,以获取所述驾驶能力评价模型所输出的第一预测干预信息和第一预测评价反馈信息;基于所述第一真实干预信息、所述第一预测干预信息、所述第一真实评价反馈信息和所述第一预测评价反馈信息调整所述驾驶能力评价模型的参数;以及基于所述第一预测干预信息、所述第一预测评价反馈信息、所述第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
根据本公开的另一方面,提供了一种利用上述训练方法训练得到的自动驾驶模型,包括多模态编码层和解码层,所述多模态编码层和解码层连接组成端到端的神经网络模型,以使得所述解码层直接基于所述多模态编码层的输出预测自动驾驶策略信息,其中,所述多模态编码层的第一输入信息包括目标车辆的导航信息和利用传感器所获得的目标车辆周围环境的感知信息,所述感知信息包括在车辆的行驶过程中针对所述目标车辆周围环境的当前感知信息和历史感知信息,所述多模态编码层被配置用于获取所述第一输入信息相对应的隐式表示,所述解码层的第二输入信息包括所述隐式表示,所述解码层被配置用于基于所述第二输入信息获取目标自动驾驶策略信息。
根据本公开的另一方面,提供了一种利用自动驾驶模型实现的自动驾驶方法,包括:利用上述自动驾驶模型控制目标车辆执行自动驾驶;以及获取在自动驾驶过程中的真实驾驶数据、与所述真实驾驶数据相对应的真实自动驾驶策略信息,以及针对所述真实自动驾驶策略信息的真实干预信息和真实评价反馈信息,其中,所述真实驾驶数据包括所述目标车辆的导航信息和针对目标车辆周围环境的真实感知信息,所述真实驾驶数据用于对所述自动驾驶模型进行迭代训练。
根据本公开的另一方面,提供了一种自动驾驶模型的训练装置。所述自动驾驶模型包括驾驶能力评价模型、多模态编码层和解码层,所述多模态编码层和解码层连接组成端到端的神经网络模型,以使得所述解码层直接基于所述多模态编码层的输出预测自动驾驶策略信息,所述装置被配置为执行第一训练,并且包括:第一真实驾驶数据获取单元,被配置为获取车辆行驶过程中的多个第一真实驾驶数据、与所述第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对所述第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息,其中所述第一真实驾驶数据包括车辆的第一导航信息和针对车辆周围环境的第一真实感知信息,所述第一真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;多模态编码层训练单元,被配置为将包括所述第一真实驾驶数据的第一样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第一样本隐式表示;解码层训练单元,被配置为将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;驾驶能力评价模型训练单元,被配置为将所述第一中间样本输入信息输入驾驶能力评价模型,以获取所述驾驶能力评价模型所输出的第一预测干预信息和第一预测评价反馈信息;解码层训练单元,被配置为将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;以及参数调整单元,被配置为基于所述第一真实干预信息、所述第一预测干预信息、所述第一真实评价反馈信息和所述第一预测评价反馈信息调整所述驾驶能力评价模型的参数,以及基于所述第一预测干预信息、所述第一预测评价反馈信息、所述第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
根据本公开的另一方面,提供了一种基于自动驾驶模型的自动驾驶装置,包括:控制单元,被配置为利用上述自动驾驶模型控制目标车辆执行自动驾驶;以及第二真实驾驶数据获取单元,被配置为获取在自动驾驶过程中的真实驾驶数据、与所述真实驾驶数据相对应的真实自动驾驶策略信息,以及针对所述真实自动驾驶策略信息的真实干预信息和真实评价反馈信息,其中,所述真实驾驶数据包括所述目标车辆的导航信息和针对目标车辆周围环境的真实感知信息,所述真实驾驶数据用于对所述自动驾驶模型进行迭代训练。
根据本公开的另一方面,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;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上述方法。
根据本公开的另一方面,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,其中,所述计算机指令用于使所述计算机执行上述方法。
根据本公开的另一方面,提供了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上述方法。
根据本公开的另一方面,提供了一种自动驾驶车辆,包括:根据本公开实施例的自动驾驶模型的训练装置、自动驾驶装置、以及电子设备中的一者。
根据本公开的实施例,基于真实驾驶数据和相应的真实干预、评价反馈信息进行模型训练,使得基于模型的自动驾驶能力能够很好对齐到人类乘客期待的安全、舒适及高效乘车体验,实现具备人类专家驾驶能力的自动驾驶模型和车辆。
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自动驾驶模型的示意图;
图3示出了根据本公开的实施例的自动驾驶模型的训练方法的流程图;
图4示出了根据本公开的实施例的自动驾驶模型的训练方法部分过程的流程图;
图5示出了根据本公开的实施例的自动驾驶模型的训练方法部分过程的流程图;
图6示出了根据本公开的另一实施例的自动驾驶模型的训练方法的流程图;
图7示出了根据本公开的实施例的自动驾驶模型的训练方法部分过程的流程图;
图8示出了根据本公开的实施例的自动驾驶方法的流程图;
图9示出了根据本公开的另一实施例的自动驾驶方法的流程图;
图10示出了根据本公开的实施例的自动驾驶模型的训练装置的结构框图;
图11示出了根据本公开的实施例的自动驾驶装置的结构框图;以及
图12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要素与另一要素区分开。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。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
在相关技术中,自动驾驶技术中以优化和规则为主的算法通常依赖高精地图和针对不同场景的算法优化。高精地图也称高精度地图,是由自动驾驶汽车使用的地图。高精地图拥有精确的车辆位置信息和丰富的道路元素数据信息,可以帮助汽车预知路面复杂信息,如坡度、曲率、航向等,从而更好地规避潜在的风险。相应地,算法的应用受限于非常局部的区域,可能因地图误差导致自动驾驶失败,并且难以解决大量的长尾情况。此外,相关技术中的算法依赖于大量的人力标注,这些标注方法一方面耗费大量人力,另一方面这些标注方法以感知为目的。例如,在驾驶过程中存在大量背景信息,以及与驾驶无关的远处障碍物(例如对面车道边上的非机动车)。以感知为目的的自动标注中,标注人员难以判断哪些障碍物应该被识别,哪些不应该被关注,难以直接服务于自动驾驶的策略优化和驾驶决策。
在相关技术中,无人驾驶技术主要依赖于感知模块和规划控制模块的协同作用。自动驾驶的工作过程包括两个阶段:第一,将摄像头或雷达等传感器获得的非结构化信息转换为结构化信息(结构化的信息包括障碍物信息、其他车辆信息、行人和非机动车信息、车道线信息、红绿灯信息、其他静态路面信息等)。这些信息可以和高精地图结合匹配,从而精准获得高精地图上的位置信息。第二,基于结构化信息以及相关观测历史进行预测和决策。其中,预测包括预测未来一段时间内周边结构化环境的变化情况;决策包括生成一些可用于后续轨迹规划使用的结构化信息(例如变道加塞、等待)。第三,基于结构化的决策信息和周边结构化环境的变化,对目标车辆的未来一段时间的轨迹进行规划,例如规划轨迹或控制信息(例如规划速度和位置)。
经过研究发现,基于感知-预测-规划的自动驾驶技术可能面临一些技术问题。首先是误差累积的问题,因为感知不能直接对决策负责,这使得感知不一定能捕捉对于决策起到关键作用的信息,此外,因为感知的错误难以在后续流程中进行弥补(例如,区域内的障碍物可能没有被识别出来),后续的流程可能难以在丢失关键障碍物的情况下做出正确决策。其次是不能解决预测和规划之间的耦合问题,周围障碍物、尤其是与目标车辆互动的关键障碍物的行为可能会受到目标车辆的影响。换言之,在自动驾驶模型的运行过程中,预测和规划这两个模块之间存在耦合,使得流式决策对最终自动驾驶效果产生影响。此外,还存在结构化信息的表示缺陷的问题,结构化信息完全受限于人工预定义好的标准,一旦遇到未明确定义的新的范式(例如出现未知障碍物、车辆行人未知的状态等等),算法很容易失败。最后是对高成本地图(例如高精地图)的依赖问题,相关技术主要依赖于高精地图点云等信息来进行车辆定位,然而在实践中,高精地图仅在有限的区域可获得,这限制了自动驾驶的实际应用区域;此外,高精地图的更新成本巨大,一旦地图和实际道路发生不匹配,容易造成决策失败。
基于此,本公开提供了一种具备人类专家驾驶能力的自动驾驶模型、自动驾驶模型及其训练方法、利用自动驾驶模型实现的自动驾驶方法、自动驾驶模型的训练装置、基于自动驾驶模型的自动驾驶装置、电子设备、计算机可读存储介质、计算机程序产品和自动驾驶车辆。基于真实驾驶数据和相应的真实干预、评价反馈信息进行模型训练,使得基于模型的自动驾驶能力能够很好对齐到人类乘客期待的安全、舒适及高效乘车体验,实现具备人类专家驾驶能力的自动驾驶模型和车辆。另外,实现了感知-决策一体化的自动驾驶技术,使得感知直接对决策负责,有利于感知捕捉对决策起到关键作用的信息,减少误差累积,解决相关技术中预测和决策之间的耦合问题。另外感知直接对决策负责能够克服结构化的预测信息受限于人工预定义好的标准而导致算法容易失败的问题。
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包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
在本公开的实施例中,机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
服务器120可以运行使得能够实现自动驾驶的一个或多个服务或软件应用。在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。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。机动车辆110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。
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,以分析和合并从机动车辆110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,以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
网络130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130可以是卫星通信网络、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、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、WiFi)和/或这些与其他网络的任意组合。
系统100还可以包括一个或多个数据库150。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150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器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。数据存储库150可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。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150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。
机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个:视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外,通过对视觉摄像头捕获的画面进行分析,可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周,用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置,用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置,用于检测物体边缘、形状信息,从而进行物体识别和追踪。由于多普勒效应,雷达装置还可以测量车辆与移动物体的速度变化。
机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如,北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块,移动通信网络可以实施任何适合的通信技术,例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything,V2X)模块,被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle,V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure,V2I)通信的车与外界的通信。此外,通信装置112还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112,机动车辆110还可以经由网络130接入服务器120。
机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器,例如中央处理单元(CPU)或图形处理单元(GPU),或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动,而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如,可以使用车载处理器执行某一些处理,而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外,控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
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。
根据本公开的一方面,提供了一种自动驾驶模型的训练方法。图2示出了根据本公开的实施例的自动驾驶模型200的示意图;并且图3示出了根据本公开的实施例的自动驾驶模型的训练方法300的流程图。
首先参考图2,自动驾驶模型200包括多模态编码层210、解码层220和驾驶能力评价模型230,多模态编码层210和解码层220连接组成端到端的神经网络模型,以使得解码层220直接基于多模态编码层210的输出预测自动驾驶策略信息。
如上所述,相关技术中可以先基于感知信息进行预测以获得未来预测信息,解码层再基于未来预测信息进行规划预测,也就是说,解码层220不直接基于感知信息进行规划预测,而是直接基于未来预测信息进行规划预测。而本申请实施例中解码层220可以直接基于多模态编码层210的输出预测自动驾驶策略信息,多模态编码层210用于对感知信息进行编码计算,相当于解码层220可以直接基于感知信息进行规划,预测自动驾驶策略信息。换言之,本申请实施例中的训练方法能够学习感知直接对决策负责的自动驾驶技术。
自动驾驶模型的训练方法300包括第一训练。如图3所示,第一训练包括:
步骤S310、获取车辆行驶过程中的多个第一真实驾驶数据、与第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息,其中第一真实驾驶数据包括车辆的第一导航信息和针对车辆周围环境的第一真实感知信息,第一真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;
步骤S320、将包括第一真实驾驶数据的第一样本输入信息输入多模态编码层,以获取多模态编码层所输出的第一样本隐式表示;
步骤S330、将包括第一样本隐式表示的第一中间样本输入信息输入解码层,以获取解码层所输出的第一预测自动驾驶策略信息;
步骤S340、将第一中间样本输入信息输入驾驶能力评价模型,以获取驾驶能力评价模型所输出的第一预测干预信息和第一预测评价反馈信息;
步骤S350、基于第一真实干预信息、第一预测干预信息、第一真实评价反馈信息和第一预测评价反馈信息调整驾驶能力评价模型的参数;以及
步骤S360、基于第一预测干预信息、第一预测评价反馈信息、第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整多模态编码层和解码层的参数。
在示例中,自动驾驶模型200可以采用具有编码器(Encoder)和解码器(Decoder)的Transformer网络结构。可以理解的是,自动驾驶模型200还可以是其他的基于Transformer网络结构的神经网络模型,在此不作限定。Transformer架构可以通过自注意力机制来计算模型输入与输出的隐含表示。换言之,Transformer架构可以是基于这种自注意力机制而构建的Encoder-Decoder模型。在示例中,驾驶能力评价模型230可以包括Transformer中的解码器。
多个第一真实驾驶数据可以包括无人驾驶过程中收集的驾驶数据,和/或人类司机驾驶具有相关传感器的车辆所收集的驾驶数据。
在示例中,第一真实驾驶数据中的车辆的第一导航信息In1可以包括矢量化的导航信息和矢量化的地图信息,矢量化的导航信息和矢量化的地图信息可以是对车道级、或道路级导航信息以及粗定位信息中的一者或多者进行矢量化运算所获得的。
在示例中,第一真实驾驶数据中的针对车辆周围环境的第一真实感知信息(例如可以但不限于包括In2、In3和In4,下面内容中以感知信息包括In2、In3和In4为例来描述)可以包括车辆上一个或多个摄像机的感知信息In2、一个或多个激光雷达的感知信息In3、以及一个或多个毫米波雷达的感知信息In4。可以理解的是,车辆周围环境的感知信息并不局限于上述一种形式,例如可以仅包括多个摄像机的感知信息In2,而不包括一个或多个激光雷达的感知信息In3以及一个或多个毫米波雷达的感知信息In4。通过摄像机获取到的感知信息In2可以是图片或视频形式的感知信息,通过激光雷达所获取到的感知信息In3可以是雷达点云(例如三维点云)形式的感知信息。在示例中,感知信息包括在车辆的行驶过程中针对目标车辆周围环境的当前感知信息xt和多个历史时刻对应的历史感知信息xt-Δt,这里,t与Δt之间可以具有预设时长的时间跨度。
在示例中,第一真实自动驾驶策略信息可以包括轨迹Out1或控制信号Out2(例如油门、刹车、转向幅度等)。
针对第一真实自动驾驶策略信息的第一真实评价反馈信息可以是人工反馈的评价反馈信息(乘客或司机对于自动驾驶车辆驾驶体验的评价),例如可以指示当前驾驶是否安全(例如包括是否违反交通规则、是否属于危险驾驶等)、是否舒适、以及是否高效(例如是否能够高效地到达目的地)。
在实车自动行驶过程中,安全员/司机可以在危急时刻随时介入,夺取自动驾驶车辆的控制权,避免实车行驶时可能出现的碰撞所带来的不可接受的模型训练成本。在危机过去之后,再将控制权交还给自动驾驶车辆。相应地,第一真实干预信息可以用于指示自动驾驶过程中是否存在人工介入。
在示例中,多模态编码层210可以对第一样本输入信息进行编码计算,生成相对应的隐式表示et。隐式表示et例如可以是鸟瞰图(BEV)空间中的隐式表示。例如,可以先将摄像机的感知信息In2输入到共享的骨干网络(Backbone),提取每个摄像机的数据特征。然后,对多个的摄像机的感知信息In2进行融合,并转换到BEV空间。接着,可以在BEV空间内进行跨模态融合,将像素级的视觉数据和激光雷达点云进行融合。最后进行时序融合,形成BEV空间的隐式表示et。
在一个示例中,可以利用融合时空信息的Transformer Encoder结构,实现多摄像头的输入信息到BEV空间的隐式表示et的投影。例如,可以通过预先设置参数的网格划分的BEV查询机制(BEV queries)来利用时空信息。利用空间交叉注意力机制(即BEV查询机制从多相机特征中通过注意力机制提取所需的空间特征),让BEV查询机制能从其感兴趣的多相机视角中提取特征,从而聚合空间信息;此外,通过时序自注意力机制(即每一时刻生成的BEV特征都从上一时刻的BEV特征获取所需的时序信息)来融合历史信息,从而聚合时序信息。
接着,解码层220基于隐式表示et输出第一预测自动驾驶策略信息,可以包括预测的轨迹或控制信号(例如油门、刹车、转向幅度等)。驾驶能力评价模型230基于第一预测干预信息(预测是否将发生人工介入)和第一预测评价反馈信息Out3(例如可以预测当前驾驶是否安全、是否舒适、以及是否高效)。
由于待训练的模型的多模态编码层210和解码层220连接组成端到端的神经网络模型,因此样本输入信息(包括上述真实驾驶数据)中的感知信息能够直接对决策负责,可以解决相关技术中预测与规划之间的耦合问题。此外,对真实驾驶数据进行编码计算获得相应的隐式表示,可以克服相关技术中结构化信息的表示缺陷而导致算法容易失败的问题。另外,由于样本输入信息中的感知信息能够直接对决策负责,通过训练使得感知能够捕捉对于决策较为关键的信息,减少模型训练中感知错误导致的误差累积。再者,由于感知直接对决策负责,实现了重感知轻地图的自动驾驶技术,进而能够克服高精地图更新不及时和区域受限而导致决策学习失败的问题,并且由于摆脱了对高精地图的依赖,能够节省高精地图的更新成本。此外,通过在自动驾驶模型中引入驾驶能力评价模型,可以学习到当前驾驶行为是否安全、是否舒适、以及是否高效,从而提升用户体验。并且通过引入评价反馈和干预信息同时对自动驾驶模型进行训练,不仅能够训练自动驾驶模型中的驾驶能力评价模型,还能够更好地对多模态编码层和解码层进行训练,使得基于模型的自动驾驶能力能够很好对齐到人类乘客期待的安全、舒适及高效乘车体验,实现具备人类专家驾驶能力的自动驾驶模型。
根据一些实施例,第一真实评价反馈信息可以包括以下各项中的至少一者:驾驶舒适度信息、驾驶安全性信息、驾驶效率、是否文明使用行车灯、驾驶行为来源信息、是否违反交通规则信息。
根据一些实施例,第一训练还可以包括:获取针对车辆周围环境的第一未来真实信息。并且解码层220的输出还可以包括针对车辆周围环境的第一未来预测信息。并且上述步骤S360可以包括:基于第一未来真实信息、第一未来预测信息、第一预测干预信息、第一预测评价反馈信息、第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整多模态编码层210和解码层220的参数。
由此,使得自动驾驶模型进一步学习到更多特征,提升模型训练效果。
根据一些实施例,第一未来真实信息可以包括针对车辆周围环境的未来真实感知信息、和/或与未来真实感知信息相对应的未来真实隐式表示。
例如,自动驾驶模型输出的第一未来预测信息可以包括以下各项中的至少一者:针对样本车辆周围环境的未来预测感知信息(例如未来某个时刻的传感器信息,未来某个时刻的传感器信息包括未来某个时刻的摄像机输入信息或雷达输入信息)、与未来预测感知信息相对应的未来预测隐式表示(例如未来某个时刻的传感器信息相对应的在BEV空间的隐式表示)、以及针对样本车辆周围环境的未来预测检测信息(例如未来某个时刻的障碍物位置/>)。而且未来预测检测信息可以包括样本车辆周围环境中的多个障碍物的类型及其未来预测状态信息(包括障碍物的大小和各种长尾信息)。
图4示出了根据本公开的实施例的自动驾驶模型的训练方法部分过程的流程图。根据一些实施例,训练方法还可以包括在第一训练之后的第二训练。如图5所示,第二训练包括:
步骤S410、获取车辆行驶过程中的多个第二真实驾驶数据、与第二真实驾驶数据相对应的第二真实自动驾驶策略信息,以及针对第二真实驾驶数据的第二真实干预信息和第二真实评价反馈信息,其中第二真实驾驶数据包括车辆的第二导航信息和针对车辆周围环境的第二真实感知信息,第二真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;
步骤S420、将包括第二真实驾驶数据的第二样本输入信息输入多模态编码层,以获取多模态编码层所输出的第二样本隐式表示;
步骤S430、将包括第二真实驾驶数据相对应的第二样本隐式表示的第二中间样本输入信息输入解码层,以获取解码层所输出的第二预测自动驾驶策略信息;
步骤S440、将第二样本隐式表示输入驾驶能力评价模型,以获取驾驶能力评价模型所输出的针对第二预测自动驾驶策略信息的第二预测评价反馈信息;
步骤S450、基于第二真实干预信息、第二预测干预信息、第二真实评价反馈信息和第二预测评价反馈信息调整驾驶能力评价模型的参数;以及
步骤S460、基于第二预测干预信息、第二预测评价反馈信息、第二预测自动驾驶策略信息和第二真实自动驾驶策略信息,调整多模态编码层和解码层的参数。
将理解的是,第二训练中的第二真实驾驶数据、第二真实自动驾驶策略信息可以分别与第一训练中的第一真实驾驶数据、第一真实自动驾驶策略信息类似。
根据一些实施例,真实干预信息可以包括真实干预决策信息,真实干预决策信息指示是否进行人工干预以及进行人工干预的真实干预时间,预测干预信息可以包括预测干预决策信息,预测干预决策信息指示是否进行人工干预以及进行人工干预的预测干预时间。
在示例中,干预时间可以指示人工干预的开始时间和结束时间,或者可以指示人工干预的时长。
根据一些实施例,真实干预信息可以包括真实干预标识,真实干预标识能够表征第一真实自动驾驶策略信息是否为存在人为干预的自动驾驶策略信息,预测干预信息可以包括预测干预标识,预测干预标识能够表征预测自动驾驶策略信息是否为存在人为干预的自动驾驶策略信息。
在实车自动行驶过程中,安全员/司机可以在危急时刻随时介入,夺取自动驾驶车辆的控制权,避免实车行驶时可能出现的碰撞所带来的不可接受的模型训练成本。在危机过去之后,再将控制权交还给自动驾驶车辆。通过引入真实干预标识和第一预测干预标识,使得模型可以学习安全员介入的自动驾驶策略,模型学习到的驾驶行为可以很好地对齐到人类乘客偏好,提升用户体验和安全性。由此,自动驾驶模型能够预测解码层输出的自动驾驶策略是否存在人为干预,实现人在回路的强化学习,人在回路的强化学习能够逐渐学会不断减少干预出现的不利情况。通过这种机制,一方面可以提升强化学习的效率,使得训练得到的模型更加贴合人类的驾驶习惯,提升自动驾驶的安全性;另一方面也可以减少劣势经验对学习过程的影响,从而进一步提升训练得到的模型的鲁棒性。
图5示出了根据本公开的实施例的自动驾驶模型的训练方法部分过程的流程图。
根据一些实施例,如图5所示,上述步骤S320可以包括:
步骤S510、基于第一真实评价反馈信息,对多个第一真实驾驶数据进行分类;
步骤S520、基于分类的结果,从多个第一真实驾驶数据中进行采样,得到多个第一样本驾驶数据;以及
步骤S530、将包括第一样本驾驶数据的第一样本输入信息输入多模态编码层,以获取多模态编码层所输出的第一样本隐式表示。
在示例中,基于第一真实评价反馈信息,对多个第一真实驾驶数据进行分类,可以确定多个第一真实驾驶数据各自对应的类别。可以基于第一真实评价反馈信息的不同维度对多个第一真实驾驶数据进行分类,例如,可以从当前驾驶是否安全的维度,将多个第一真实驾驶数据分类为非常安全、相对安全、不安全等类别。例如,可以从当前驾驶是否舒适的维度,将多个第一真实驾驶数据分类为非常舒适、相对舒适、不舒适等类别。在示例中,第一真实驾驶数据可以具有三个维度下的分类,例如,某个第一真实驾驶数据可以具有“非常安全”、“非常舒适”、以及“低效”的类别;再例如,某个第一真实驾驶数据可以具有“不安全”、“相对舒适”、以及“高效”的类别。
基于分类的结果,从多个第一真实驾驶数据中进行采样,得到多个第一样本驾驶数据。由此可以使得多个第一样本驾驶数据中不同类别的数据量相对均衡。在示例中,当某个类别(例如“不安全”类别)的数据数量较少或较多时,可以从多个第一真实驾驶数据中进行采样,从而使得在所得到的多个第一样本驾驶数据中,“非常安全”、“相对安全”、“不安全”的不同类别的数据量相对均衡,从而提升模型训练的效果。
根据一些实施例,真实驾驶数据可以基于真实评价反馈信息具有多个类别,多个第一样本驾驶数据中所述多个类别分别对应的第一样本驾驶数据的数量之间的差值小于预设阈值。
基于相应的类别从多个第一真实驾驶数据采样得到的多个第一样本驾驶数据中,所述多个类别分别对应的第一样本驾驶数据的数量之间的差值小于预设阈值。从而能够实现用于模型训练的多个第一样本驾驶数据中各类别的数据量相对均衡,提升模型训练效果。预设阈值可以根据多个第一样本驾驶数据的总数据量来设定。
图6示出了根据本公开的另一实施例的自动驾驶模型的训练方法600的流程图。根据一些实施例,如图6所示,方法600还可以包括:
步骤S610、在第一训练之前,对多模态编码层210和解码层220进行离线预训练,以使得自动驾驶模型能够基于输入的第一样本输入信息获取第一预测自动驾驶策略信息。
并且第一训练过程还可以包括:步骤S620、利用离线预训练获得的自动驾驶模型执行自动驾驶,并且在该自动驾驶过程中获取第一真实自动驾驶数据和与第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息。
在离线预训练过程中,自动驾驶模型200未部署在行驶于真实道路场景的实车上,而是利用所收集的大量真实驾驶数据对模型进行训练。通过对自动驾驶模型进行离线预训练,可以使得训练得到的模型具有初步的自动驾驶能力,在此基础之上,进一步进行实车模型训练。由此,不仅可以提高模型训练过程的安全性和可靠性,还可以提高模型训练的整体效率。
在示例中,离线预训练阶段所使用的样本数据可以是自动驾驶车辆在自动驾驶(例如L4级别的自动驾驶)过程中或在人工驾驶的过程中采集的。此外,也可以在仿真环境中进行离线预训练。
图7示出了根据本公开的实施例的自动驾驶模型的训练方法部分过程的流程图。如图7所示,根据一些实施例,离线预训练可以包括:
步骤S710、获取第三样本驾驶数据和与第三样本驾驶数据相对应的第三真实自动驾驶策略信息,第三样本驾驶数据包括样本车辆的样本导航信息和针对样本车辆周围环境的样本感知信息,样本感知信息包括针对样本车辆周围环境的当前样本感知信息和历史样本感知信息;
步骤S720、将包括第三样本驾驶数据的第三样本输入信息输入多模态编码层,以获取多模态编码层所输出的第三样本隐式表示;
步骤S730、将包括第三样本隐式表示的第三中间样本输入信息输入解码层,以获取解码层所输出的第三预测自动驾驶策略信息;以及
步骤S740、基于第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整多模态编码层210和决解码层220的参数。
在示例中,第三样本驾驶数据中的样本车辆的导航信息可以包括矢量化的导航信息和矢量化的地图信息,矢量化的导航信息和矢量化的地图信息可以是对车道级、或道路级导航信息以及粗定位信息中的一者或多者进行矢量化运算所获得的。
在示例中,第三样本驾驶数据中的针对样本车辆周围环境的样本感知信息可以包括样本车辆上一个或多个摄像机的感知信息、一个或多个激光雷达的感知信息、以及一个或多个毫米波雷达的感知信息。可以理解的是,样本车辆周围环境的感知信息并不局限于上述一种形式,例如可以仅包括多个摄像机的感知信息,而不包括一个或多个激光雷达的感知信息以及一个或多个毫米波雷达的感知信息。通过摄像机获取到的感知信息可以是图片或视频形式的感知信息,通过激光雷达所获取到的感知信息可以是雷达点云(例如三维点云)形式的感知信息。在示例中,感知信息包括在车辆的行驶过程中针对目标车辆周围环境的当前感知信息xt和多个历史时刻对应的历史感知信息xt-Δt,这里,t与Δt之间可以具有预设时长的时间跨度。
在示例中,第三真实自动驾驶策略信息可以包括轨迹或控制信号(例如油门、刹车、转向幅度等)。
根据一些实施例,第三样本驾驶数据还可以包括针对所述第三真实自动驾驶策略信息的第二真实评价反馈信息。并且上述步骤S740可以包括:基于第二真实评价反馈信息、第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整多模态编码层和解码层的参数。
在离线预训练中所使用的第二真实评价反馈信息可以是人工反馈的评价反馈信息(乘客或司机对于自动驾驶车辆驾驶体验的评价),例如可以指示当前驾驶是否安全(例如包括是否违反交通规则、是否属于危险驾驶等)、是否舒适、以及是否高效(例如是否能够高效地到达目的地)。并且第二真实评价反馈信息可以包括以下各项中的至少一者:驾驶舒适度信息、驾驶安全性信息、驾驶效率、是否文明使用行车灯、驾驶行为来源信息、是否违反交通规则信息。
根据一些实施例,离线预训练还可以包括:获取针对样本车辆周围环境的第二未来真实信息。其中,解码层的输出还可以包括针对样本车辆周围环境的第二未来预测信息。并且上述步骤S740可以包括:基于第二未来真实信息、第二未来预测信息、第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整多模态编码层210和解码层220的参数。
根据本公开的另一方面,提供了一种利用上述训练方法训练得到的自动驾驶模型。如图2所示,自动驾驶模型200包括多模态编码层210、解码层220,多模态编码层210和解码层220连接组成端到端的神经网络模型,以使得解码层220直接基于多模态编码层210的输出预测自动驾驶策略信息。多模态编码层210的第一输入信息包括目标车辆的导航信息和利用传感器所获得的目标车辆周围环境的感知信息,感知信息包括在车辆的行驶过程中针对目标车辆周围环境的当前感知信息和历史感知信息,多模态编码层210被配置用于获取第一输入信息相对应的隐式表示et。解码层220的第二输入信息包括隐式表示,解码层220被配置用于基于第二输入信息获取目标自动驾驶策略信息。
在示例中,多模态编码层210可以对第一输入信息进行编码计算,生成相对应的隐式表示。隐式表示例如可以是鸟瞰图(BEV)空间中的隐式表示。例如,可以先将摄像机的感知信息输入到共享的骨干网络(Backbone),提取每个摄像机的数据特征。然后,对多个的摄像机的感知信息进行融合,并转换到BEV空间。接着,可以在BEV空间内进行跨模态融合,将像素级的视觉数据和激光雷达点云进行融合。最后进行时序融合,形成BEV空间的隐式表示et。
在一个示例中,可以利用融合时空信息的Transformer Encoder结构,实现多摄像机的输入信息到BEV空间的隐式表示的投影。例如,可以通过预先设置参数的网格划分的BEV查询机制(BEV queries)来利用时空信息。利用空间交叉注意力机制(即BEV查询机制从多相机特征中通过注意力机制提取所需的空间特征),让BEV查询机制能从其感兴趣的多摄像机视角中提取特征,从而聚合空间信息;此外,通过时序自注意力机制(即每一时刻生成的BEV特征都从上一时刻的BEV特征获取所需的时序信息)来融合历史信息,从而聚合时序信息。
相应地,解码层220基于输入的隐式表示et,获取目标自动驾驶策略信息。目标自动驾驶策略信息例如可以包括轨迹或控制信号(例如油门、刹车、转向幅度等)。
由于待训练的模型的多模态编码层210和解码层220连接组成端到端的神经网络模型,因此样本输入信息(包括上述真实驾驶数据)中的感知信息能够直接对决策负责,可以解决相关技术中预测与规划之间的耦合问题。
根据一些实施例,自动驾驶模型200还可以包括驾驶能力评价模型230,驾驶能力评价模型230的第三输入信息包括所述隐式表示et,驾驶能力评价模型230被配置用于基于第三输入信息获取针对目标自动驾驶策略信息的目标干预信息和目标评价反馈信息。
根据本公开的另一方面,提供了一种利用自动驾驶模型实现的自动驾驶方法。图8示出了根据本公开的实施例的自动驾驶方法800的流程图。
如图8所示,自动驾驶方法800包括:
步骤S810、利用自动驾驶模型200控制目标车辆执行自动驾驶;以及
步骤S820、获取在自动驾驶过程中的真实驾驶数据、与所述真实驾驶数据相对应的真实自动驾驶策略信息,以及针对所述真实自动驾驶策略信息的真实干预信息和真实评价反馈信息,其中,所述真实驾驶数据包括所述目标车辆的导航信息和针对目标车辆周围环境的真实感知信息,所述真实驾驶数据用于对所述自动驾驶模型进行迭代训练。
真实驾驶数据中的目标车辆的导航信息可以包括矢量化的导航信息和矢量化的地图信息,矢量化的导航信息和矢量化的地图信息可以是对车道级、或道路级导航信息以及粗定位信息中的一者或多者进行矢量化运算所获得的。真实感知信息可以包括在真实道路场景下的车辆上一个或多个摄像机的感知信息、一个或多个激光雷达的感知信息、以及一个或多个毫米波雷达的感知信息。可以理解的是,目标车辆周围环境的感知信息并不局限于上述一种形式,例如可以仅包括多个摄像机的感知信息,而不包括一个或多个激光雷达的感知信息以及一个或多个毫米波雷达的感知信息。通过摄像机获取到的感知信息可以是图片或视频形式的感知信息,通过激光雷达所获取到的感知信息可以是雷达点云(例如三维点云)形式的感知信息。真实自动驾驶策略信息可以包括在真实道路场景下所采集的自动驾驶车辆的规划轨迹或针对车辆的控制信号(例如控制油门、刹车、转向幅度等的信号)。真实干预信息用于指示自动驾驶过程中是否存在人工介入。并且真实评价反馈信息可以是人工反馈的评价反馈信息(乘客或司机对于自动驾驶车辆驾驶体验的评价),例如可以指示当前驾驶是否安全(例如包括是否违反交通规则、是否属于危险驾驶等)、是否舒适、以及是否高效(例如是否能够高效地到达目的地)。
利用真实驾驶数据对自动驾驶模型进行迭代训练,可以不断完善自动驾驶模型,使自动驾驶模型的预测更加准确。
图9示出了根据本公开的另一实施例的自动驾驶方法900的流程图。如图9所示,方法900包括步骤S910至步骤S930,其中步骤S910和步骤S920分别与上文中关于图8所描述的步骤S810和步骤S820类似,在此不再赘述。
根据一些实施例,方法900还可以包括:步骤S930、利用迭代训练得到的自动驾驶模型控制目标车辆再次执行自动驾驶。
由此,在实车行驶过程中,可以同步进行自动驾驶任务和模型训练任务。在示例中,可以利用自动驾驶模型200所预测的规划轨迹或针对车辆的控制信号(例如控制油门、刹车、转向幅度等的信号)来控制目标车辆再次执行自动驾驶。例如,可以利用自动驾驶车辆中的控制策略模块对轨迹规划进行解释,以获取针对车辆的控制信号;或者可以利用神经网络基于隐式表示直接输出针对车辆的控制信号。
根据一些实施例,可以以预设时间间隔,获取利用自动驾驶模型控制目标车辆控制目标车辆执行自动驾驶过程中的真实驾驶数据,并基于新获取的真实驾驶数据对自动驾驶模型进行迭代训练。预设时间间隔例如可以为半天、一天、半个月、一个月等,可以根据实际需求来设定,不做限定。
根据本公开的另一方面,提供了一种自动驾驶模型的训练装置。自动驾驶模型包括驾驶能力评价模型、多模态编码层和解码层,多模态编码层和解码层连接组成端到端的神经网络模型,以使得解码层直接基于多模态编码层的输出预测自动驾驶策略信息。
图10示出了根据本公开的实施例的自动驾驶模型的训练装置1000的结构框图。如图10所示,自动驾驶模型的训练装置1000被配置为进行第一训练,并且包括:
第一真实驾驶数据获取单元1010,被配置为获取车辆行驶过程中的多个第一真实驾驶数据、与所述第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对所述第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息,其中所述第一真实驾驶数据包括车辆的第一导航信息和针对车辆周围环境的第一真实感知信息,所述第一真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;
多模态编码层训练单元1020,被配置为将包括所述第一真实驾驶数据的第一样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第一样本隐式表示;
解码层训练单元1030,被配置为将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;
驾驶能力评价模型训练单元1040,被配置为将所述第一中间样本输入信息输入驾驶能力评价模型,以获取所述驾驶能力评价模型所输出的第一预测干预信息和第一预测评价反馈信息;
解码层训练单元1050,被配置为将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;以及
参数调整单元1060,被配置为基于所述第一真实干预信息、所述第一预测干预信息、所述第一真实评价反馈信息和所述第一预测评价反馈信息调整所述驾驶能力评价模型的参数,以及基于所述第一预测干预信息、所述第一预测评价反馈信息、所述第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
根据本公开的另一方面,提供了一种基于自动驾驶模型的自动驾驶装置。
图11示出了根据本公开的实施例的自动驾驶装置1100的结构框图。如图11所示,自动驾驶装置1100包括:
控制单元1110,被配置为利用根据本公开实施例的自动驾驶模型控制目标车辆执行自动驾驶;以及
第二真实驾驶数据获取单元1120,被配置为获取在自动驾驶过程中的真实驾驶数据、与所述真实驾驶数据相对应的真实自动驾驶策略信息,以及针对所述真实自动驾驶策略信息的真实干预信息和真实评价反馈信息,其中,所述真实驾驶数据包括所述目标车辆的导航信息和针对目标车辆周围环境的真实感知信息,所述真实驾驶数据用于对所述自动驾驶模型进行迭代训练。
应当理解,图10中所示装置1000的各个模块或单元可以与参考图3描述的方法300中的各个步骤相对应。由此,上面针对方法300描述的操作、特征和优点同样适用于装置1000及其包括的模块以及单元;并且图11中所示装置1100的各个模块或单元可以与参考图8描述的方法800中的各个步骤相对应。由此,上面针对方法800描述的操作、特征和优点同样适用于装置1100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,本文讨论的各个单元的功能可以分为多个单元,和/或多个单元的至少一些功能可以组合成单个单元。
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10和图11描述的各个单元可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些单元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,这些单元可以被实现为硬件逻辑/电路。例如,在一些实施例中,单元1010至1060、以及单元1110至1120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。
根据本公开的另一方面,还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;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根据本公开实施例的自动驾驶方法或自动驾驶模型的训练方法。
根据本公开的另一方面,还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,计算机指令用于使所述计算机执行根据本公开实施例的自动驾驶方法或自动驾驶模型的训练方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现根据本公开实施例的自动驾驶方法或自动驾驶模型的训练方法。
根据本公开的另一方面,还提供了一种自动驾驶车辆,包括根据本公开实施例的自动驾驶模型的训练装置1000、自动驾驶装置1100、以及上述的电子设备中的一者。
参考图12,现将描述可以作为本公开的服务器或客户端的电子设备1200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12所示,电子设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储电子设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
电子设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206、输出单元1207、存储单元1208以及通信单元1209。输入单元1206可以是能向电子设备1200输入信息的任何类型的设备,输入单元1206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1207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1208可以包括但不限于磁盘、光盘。通信单元1209允许电子设备1200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,例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1201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1201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1201执行上文所描述的各个方法和处理,例如方法(或过程)300至900。例如,在一些实施例中,方法(或过程)300至900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1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到电子设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的方法(或过程)300至900的一个或多个步骤。备选地,在其他实施例中,计算单元1201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(或过程)300至900。
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)、互联网和区块链网络。
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 (24)
1.一种自动驾驶模型的训练方法,所述自动驾驶模型包括多模态编码层、解码层和驾驶能力评价模型,所述多模态编码层和解码层连接组成端到端的神经网络模型,以使得所述解码层直接基于所述多模态编码层的输出预测自动驾驶策略信息,所述方法包括第一训练,
其中,所述第一训练包括:
获取车辆行驶过程中的多个第一真实驾驶数据、与所述第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对所述第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息,其中所述第一真实驾驶数据包括车辆的第一导航信息和针对车辆周围环境的第一真实感知信息,所述第一真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;
将包括所述第一真实驾驶数据的第一样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第一样本隐式表示;
将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;
将所述第一中间样本输入信息输入驾驶能力评价模型,以获取所述驾驶能力评价模型所输出的第一预测干预信息和第一预测评价反馈信息;
基于所述第一真实干预信息、所述第一预测干预信息、所述第一真实评价反馈信息和所述第一预测评价反馈信息调整所述驾驶能力评价模型的参数;以及
基于所述第一预测干预信息、所述第一预测评价反馈信息、所述第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
2.根据权利要求1所述的方法,其中,所述第一真实评价反馈信息包括以下各项中的至少一者:
驾驶舒适度信息、驾驶安全性信息、驾驶效率、是否文明使用行车灯、驾驶行为来源信息、是否违反交通规则信息。
3.根据权利要求1所述的方法,其中,所述第一训练还包括:
获取针对所述车辆周围环境的第一未来真实信息,
其中,所述解码层的输出还包括针对所述车辆周围环境的第一未来预测信息,
并且基于所述第一预测干预信息、所述第一预测评价反馈信息、所述第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数包括:
基于所述第一未来真实信息、第一未来预测信息、所述第一预测干预信息、所述第一预测评价反馈信息、所述第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
4.根据权利要求3所述的方法,其中,所述第一未来真实信息包括针对所述车辆周围环境的未来真实感知信息、和/或与所述未来真实感知信息相对应的未来真实隐式表示。
5.根据权利要求1-4中任一项所述的方法,还包括在所述第一训练之后的第二训练,
其中,所述第二训练包括:
获取车辆行驶过程中的多个第二真实驾驶数据、与所述第二真实驾驶数据相对应的第二真实自动驾驶策略信息,以及针对所述第二真实驾驶数据的第二真实干预信息和第二真实评价反馈信息,其中所述第二真实驾驶数据包括车辆的第二导航信息和针对车辆周围环境的第二真实感知信息,所述第二真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;
将包括所述第二真实驾驶数据的第二样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第二样本隐式表示;
将包括所述第二真实驾驶数据相对应的第二样本隐式表示的第二中间样本输入信息输入所述解码层,以获取所述解码层所输出的第二预测自动驾驶策略信息;
将所述第二样本隐式表示输入所述驾驶能力评价模型,以获取所述驾驶能力评价模型所输出的针对所述第二预测自动驾驶策略信息的第二预测评价反馈信息;
基于所述第二真实干预信息、所述第二预测干预信息、所述第二真实评价反馈信息和所述第二预测评价反馈信息调整所述驾驶能力评价模型的参数;以及
基于所述第二预测干预信息、所述第二预测评价反馈信息、所述第二预测自动驾驶策略信息和所述第二真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
6.根据权利要求1-5中任一项所述的方法,其中,所述真实干预信息包括真实干预决策信息,所述真实干预决策信息指示是否进行人工干预以及进行人工干预的真实干预时间,所述预测干预信息包括预测干预决策信息,所述预测干预决策信息指示是否进行人工干预以及进行人工干预的预测干预时间。
7.根据权利要求1-6中任一项所述的方法,其中,所述真实干预信息包括真实干预标识,所述真实干预标识能够表征所述第一真实自动驾驶策略信息是否为存在人为干预的自动驾驶策略信息,所述预测干预信息包括预测干预标识,所述预测干预标识能够表征所述预测自动驾驶策略信息是否为存在人为干预的自动驾驶策略信息。
8.根据权利要求1-7中任一项所述的方法,其中,将包括所述第一真实驾驶数据的第一样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第一样本隐式表示包括:
基于所述第一真实评价反馈信息,对所述多个第一真实驾驶数据进行分类;
基于所述分类的结果,从所述多个第一真实驾驶数据中进行采样,得到多个第一样本驾驶数据;以及
将包括所述第一样本驾驶数据的第一样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第一样本隐式表示。
9.根据权利要求8所述的方法,其中,真实驾驶数据基于真实评价反馈信息具有多个类别,所述多个第一样本驾驶数据中所述多个类别分别对应的第一样本驾驶数据的数量之间的差值小于预设阈值。
10.根据权利要求1-9中任一项所述的方法,还包括:
在所述第一训练之前,对所述多模态编码层和解码层进行离线预训练,以使得所述自动驾驶模型能够基于输入的所述第一样本输入信息获取所述第一预测自动驾驶策略信息;
其中,所述第一训练还包括:
利用离线预训练获得的自动驾驶模型执行自动驾驶,并且在该自动驾驶过程中获取所述第一真实自动驾驶数据和与所述第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对所述第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息。
11.根据权利要求10所述的方法,其中,所述离线预训练包括:
获取第三样本驾驶数据和与所述第三样本驾驶数据相对应的第三真实自动驾驶策略信息,所述第三样本驾驶数据包括样本车辆的样本导航信息和针对所述样本车辆周围环境的样本感知信息,所述样本感知信息包括针对样本车辆周围环境的当前样本感知信息和历史样本感知信息;
将包括所述第三样本驾驶数据的第三样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第三样本隐式表示;
将包括所述第三样本隐式表示的第三中间样本输入信息输入所述解码层,以获取所述解码层所输出的第三预测自动驾驶策略信息;以及
基于所述第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整所述多模态编码层和决解码层的参数。
12.根据权利要求11所述的方法,其中,所述第三样本驾驶数据还包括针对所述第三真实自动驾驶策略信息的第二真实评价反馈信息,
其中,基于所述第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数包括:
基于所述第二真实评价反馈信息、所述第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
13.根据权利要求11所述的方法,其中,所述离线预训练还包括:
获取针对所述样本车辆周围环境的第二未来真实信息,
其中,所述解码层的输出还包括针对所述样本车辆周围环境的第二未来预测信息,
并且基于所述第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数包括:
基于所述第二未来真实信息、所述第二未来预测信息、所述第三预测自动驾驶策略信息和第三真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
14.一种利用权利要求1-13中任一项所述的训练方法训练得到的自动驾驶模型,包括多模态编码层和解码层,所述多模态编码层和解码层连接组成端到端的神经网络模型,以使得所述解码层直接基于所述多模态编码层的输出预测自动驾驶策略信息,
其中,所述多模态编码层的第一输入信息包括目标车辆的导航信息和利用传感器所获得的目标车辆周围环境的感知信息,所述感知信息包括在车辆的行驶过程中针对所述目标车辆周围环境的当前感知信息和历史感知信息,所述多模态编码层被配置用于获取所述第一输入信息相对应的隐式表示,
所述解码层的第二输入信息包括所述隐式表示,所述解码层被配置用于基于所述第二输入信息获取目标自动驾驶策略信息。
15.根据权利要求14所述的自动驾驶模型,还包括驾驶能力评价模型,
所述驾驶能力评价模型的第三输入信息包括所述隐式表示,所述驾驶能力评价模型被配置用于基于所述第三输入信息获取针对所述目标自动驾驶策略信息的目标干预信息和目标评价反馈信息。
16.一种利用自动驾驶模型实现的自动驾驶方法,包括:
利用权利要求14或15所述的自动驾驶模型控制目标车辆执行自动驾驶;以及
获取在自动驾驶过程中的真实驾驶数据、与所述真实驾驶数据相对应的真实自动驾驶策略信息,以及针对所述真实自动驾驶策略信息的真实干预信息和真实评价反馈信息,其中,所述真实驾驶数据包括所述目标车辆的导航信息和针对目标车辆周围环境的真实感知信息,所述真实驾驶数据用于对所述自动驾驶模型进行迭代训练。
17.根据权利要求16所述的方法,还包括:
利用迭代训练得到的自动驾驶模型控制所述目标车辆再次执行自动驾驶。
18.根据权利要求16或17所述的方法,其中,以预设时间间隔,获取利用自动驾驶模型控制目标车辆控制目标车辆执行自动驾驶过程中的真实驾驶数据,并基于新获取的真实驾驶数据对所述自动驾驶模型进行迭代训练。
19.一种自动驾驶模型的训练装置,所述自动驾驶模型包括驾驶能力评价模型、多模态编码层和解码层,所述多模态编码层和解码层连接组成端到端的神经网络模型,以使得所述解码层直接基于所述多模态编码层的输出预测自动驾驶策略信息,所述装置被配置为执行第一训练,并且包括:
第一真实驾驶数据获取单元,被配置为获取车辆行驶过程中的多个第一真实驾驶数据、与所述第一真实驾驶数据相对应的第一真实自动驾驶策略信息,以及针对所述第一真实自动驾驶策略信息的第一真实干预信息和第一真实评价反馈信息,其中所述第一真实驾驶数据包括车辆的第一导航信息和针对车辆周围环境的第一真实感知信息,所述第一真实感知信息包括针对车辆周围环境的当前感知信息和历史感知信息;
多模态编码层训练单元,被配置为将包括所述第一真实驾驶数据的第一样本输入信息输入所述多模态编码层,以获取所述多模态编码层所输出的第一样本隐式表示;
解码层训练单元,被配置为将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;
驾驶能力评价模型训练单元,被配置为将所述第一中间样本输入信息输入驾驶能力评价模型,以获取所述驾驶能力评价模型所输出的第一预测干预信息和第一预测评价反馈信息;
解码层训练单元,被配置为将包括所述第一样本隐式表示的第一中间样本输入信息输入所述解码层,以获取所述解码层所输出的第一预测自动驾驶策略信息;以及
参数调整单元,被配置为基于所述第一真实干预信息、所述第一预测干预信息、所述第一真实评价反馈信息和所述第一预测评价反馈信息调整所述驾驶能力评价模型的参数,以及基于所述第一预测干预信息、所述第一预测评价反馈信息、所述第一预测自动驾驶策略信息和第一真实自动驾驶策略信息,调整所述多模态编码层和解码层的参数。
20.一种基于自动驾驶模型的自动驾驶装置,包括:
控制单元,被配置为利用权利要求14或15所述的自动驾驶模型控制目标车辆执行自动驾驶;以及
第二真实驾驶数据获取单元,被配置为获取在自动驾驶过程中的真实驾驶数据、与所述真实驾驶数据相对应的真实自动驾驶策略信息,以及针对所述真实自动驾驶策略信息的真实干预信息和真实评价反馈信息,其中,所述真实驾驶数据包括所述目标车辆的导航信息和针对目标车辆周围环境的真实感知信息,所述真实驾驶数据用于对所述自动驾驶模型进行迭代训练。
21.一种电子设备,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1-13或16-18中任一项所述的方法。
22.一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1-13或16-18中任一项所述的方法。
23.一种计算机程序产品,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1-13或16-18中任一项所述的方法。
24.一种自动驾驶车辆,包括:
根据权利要求19所述的自动驾驶模型的训练装置、根据权利要求20所述的自动驾驶装置、以及根据权利要求21所述的电子设备中的一者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310403856.2A CN116991157A (zh) | 2023-04-14 | 2023-04-14 | 具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310403856.2A CN116991157A (zh) | 2023-04-14 | 2023-04-14 | 具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116991157A true CN116991157A (zh) | 2023-11-03 |
Family
ID=88527207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310403856.2A Pending CN116991157A (zh) | 2023-04-14 | 2023-04-14 | 具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116991157A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200249039A1 (en) * | 2019-02-05 | 2020-08-06 | International Business Machines Corporation | Planning vehicle computational unit migration based on mobility prediction |
US20200353943A1 (en) * | 2019-05-07 | 2020-11-12 | Foresight Ai Inc. | Driving scenario machine learning network and driving environment simulation |
US20200363800A1 (en) * | 2019-05-13 | 2020-11-19 | Great Wall Motor Company Limited | Decision Making Methods and Systems for Automated Vehicle |
US20210272018A1 (en) * | 2020-03-02 | 2021-09-02 | Uatc, Llc | Systems and Methods for Training Probabilistic Object Motion Prediction Models Using Non-Differentiable Prior Knowledge |
CN114162146A (zh) * | 2022-02-09 | 2022-03-11 | 苏州浪潮智能科技有限公司 | 行驶策略模型训练方法以及自动驾驶的控制方法 |
CN114194211A (zh) * | 2021-11-30 | 2022-03-18 | 浪潮(北京)电子信息产业有限公司 | 一种自动驾驶方法、装置及电子设备和存储介质 |
US20220234593A1 (en) * | 2021-08-17 | 2022-07-28 | Beijing Baidu Netcom Science Technology Co., Ltd. | Interaction method and apparatus for intelligent cockpit, device, and medium |
CN114926825A (zh) * | 2022-05-11 | 2022-08-19 | 复旦大学 | 一种基于时空特征融合的车辆驾驶行为检测方法 |
CN115303297A (zh) * | 2022-07-25 | 2022-11-08 | 武汉理工大学 | 基于注意力机制与图模型强化学习的城市场景下端到端自动驾驶控制方法及装置 |
CN115366920A (zh) * | 2022-08-31 | 2022-11-22 | 阿波罗智能技术(北京)有限公司 | 用于自动驾驶车辆的决策方法及装置、设备和介质 |
WO2022247303A1 (zh) * | 2021-05-27 | 2022-12-01 | 上海仙途智能科技有限公司 | 预测控制的方法、装置、设备及计算机可读存储介质 |
US20230001953A1 (en) * | 2021-06-17 | 2023-01-05 | Toyota Research Institute, Inc. | Planning-aware prediction for control-aware autonomous driving modules |
-
2023
- 2023-04-14 CN CN202310403856.2A patent/CN116991157A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200249039A1 (en) * | 2019-02-05 | 2020-08-06 | International Business Machines Corporation | Planning vehicle computational unit migration based on mobility prediction |
US20200353943A1 (en) * | 2019-05-07 | 2020-11-12 | Foresight Ai Inc. | Driving scenario machine learning network and driving environment simulation |
US20200363800A1 (en) * | 2019-05-13 | 2020-11-19 | Great Wall Motor Company Limited | Decision Making Methods and Systems for Automated Vehicle |
US20210272018A1 (en) * | 2020-03-02 | 2021-09-02 | Uatc, Llc | Systems and Methods for Training Probabilistic Object Motion Prediction Models Using Non-Differentiable Prior Knowledge |
WO2022247303A1 (zh) * | 2021-05-27 | 2022-12-01 | 上海仙途智能科技有限公司 | 预测控制的方法、装置、设备及计算机可读存储介质 |
US20230001953A1 (en) * | 2021-06-17 | 2023-01-05 | Toyota Research Institute, Inc. | Planning-aware prediction for control-aware autonomous driving modules |
US20220234593A1 (en) * | 2021-08-17 | 2022-07-28 | Beijing Baidu Netcom Science Technology Co., Ltd. | Interaction method and apparatus for intelligent cockpit, device, and medium |
CN114194211A (zh) * | 2021-11-30 | 2022-03-18 | 浪潮(北京)电子信息产业有限公司 | 一种自动驾驶方法、装置及电子设备和存储介质 |
CN114162146A (zh) * | 2022-02-09 | 2022-03-11 | 苏州浪潮智能科技有限公司 | 行驶策略模型训练方法以及自动驾驶的控制方法 |
CN114926825A (zh) * | 2022-05-11 | 2022-08-19 | 复旦大学 | 一种基于时空特征融合的车辆驾驶行为检测方法 |
CN115303297A (zh) * | 2022-07-25 | 2022-11-08 | 武汉理工大学 | 基于注意力机制与图模型强化学习的城市场景下端到端自动驾驶控制方法及装置 |
CN115366920A (zh) * | 2022-08-31 | 2022-11-22 | 阿波罗智能技术(北京)有限公司 | 用于自动驾驶车辆的决策方法及装置、设备和介质 |
Non-Patent Citations (4)
Title |
---|
ABHINAV SINGH 等: "《Modelling Autonomous Driving and Obstacle Avoidance Using Multi-Modal Fusion Transformer Framework》", 《INTERNATIONAL JOURNAL OF INNOVATIVE SCIENCE AND RESEARCH TECHNOLOGY》, 28 February 2023 (2023-02-28), pages 1 - 8 * |
PRAMIT DUTTA 等: "《ViT-BEVSeg: A Hierarchical Transformer Network for Monocular Birds-Eye-View Segmentation》", 《ARXIV》, 31 May 2022 (2022-05-31), pages 1 - 7 * |
任柯燕 等: "《自动驾驶3D目标检测研究综述》", 《控制与决策》, 20 September 2022 (2022-09-20), pages 1 - 25 * |
王震 等: "《多尺度特征融合的 RGB-D 图像显著性目标检测》", 《《计算机工程与应用》》, 13 April 2023 (2023-04-13), pages 1 - 12 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN114179832A (zh) | 用于自动驾驶车辆的变道方法 | |
CN116776151A (zh) | 可与车外人员进行自主交互的自动驾驶模型和训练方法 | |
CN117035032A (zh) | 融合文本数据和自动驾驶数据进行模型训练的方法和车辆 | |
CN116880462A (zh) | 自动驾驶模型、训练方法和自动驾驶方法和车辆 | |
CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
CN115366920A (zh) | 用于自动驾驶车辆的决策方法及装置、设备和介质 | |
CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
CN115675528A (zh) | 基于相似场景挖掘的自动驾驶方法和车辆 | |
CN115019060A (zh) | 目标识别方法、目标识别模型的训练方法及装置 | |
CN116991157A (zh) | 具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 | |
CN116859724B (zh) | 时序自回归同时决策和预测的自动驾驶模型及其训练方法 | |
CN116872962A (zh) | 含人工干预预测的自动驾驶模型、训练方法、设备和车辆 | |
CN116881707A (zh) | 自动驾驶模型、训练方法、装置和车辆 | |
CN115019278B (zh) | 一种车道线拟合方法、装置、电子设备和介质 | |
CN114212108B (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
CN116434041B (zh) | 错误感知数据的挖掘方法、装置、设备及自动驾驶车辆 | |
CN114333368B (zh) | 语音提醒方法、装置、设备和介质 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
CN116560377A (zh) | 用于预测位置轨迹的自动驾驶模型及其训练方法 | |
CN118163808A (zh) | 世界知识增强的自动驾驶模型、训练方法,自动驾驶方法和车辆 | |
CN117010265A (zh) | 能够进行自然语言交互的自动驾驶模型及其训练方法 | |
CN117034732A (zh) | 基于真实与仿真对抗学习的自动驾驶模型训练方法 | |
CN116861230A (zh) | 输出解释信息的自动驾驶模型、训练方法、装置和车辆 |
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 |