CN117519206A - 基于生成式扩散模型的自动驾驶模型、方法、装置和车辆 - Google Patents
基于生成式扩散模型的自动驾驶模型、方法、装置和车辆 Download PDFInfo
- Publication number
- CN117519206A CN117519206A CN202311676294.5A CN202311676294A CN117519206A CN 117519206 A CN117519206 A CN 117519206A CN 202311676294 A CN202311676294 A CN 202311676294A CN 117519206 A CN117519206 A CN 117519206A
- Authority
- CN
- China
- Prior art keywords
- information
- representation
- sample
- discrete
- scene
- 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 74
- 238000009792 diffusion process Methods 0.000 title claims abstract description 48
- 230000008447 perception Effects 0.000 claims abstract description 49
- 230000003993 interaction Effects 0.000 claims description 67
- 239000013598 vector Substances 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 5
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000013459 approach Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect 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
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 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
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Abstract
本公开提供了一种基于生成式扩散模型的自动驾驶模型、方法、装置和车辆,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。自动驾驶模型中的编码层被配置成对自动驾驶车辆的当前感知信息进行编码,以得到当前场景的离散空间表示,预测层被配置成根据包括当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示,解码层被配置成对预测空间表示进行解码,以得到未来时刻的自动驾驶决策信息。由此,自动驾驶模型可以利用基于生成式扩散模型的输出来确定自动驾驶模型的自动驾驶决策。通过提高未来预测的准确性,从而进一步提高自动驾驶决策及预测的效果。
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、自动驾驶模型的训练方法、利用自动驾驶模型实现的自动驾驶方法、基于自动驾驶模型的自动驾驶装置、自动驾驶模型的训练装置、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。
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。
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
本公开提供了一种基于生成式扩散模型的自动驾驶模型、方法、装置和车辆。
根据本公开的一方面,提供了一种自动驾驶模型,包括编码层、预测层和解码层,其中,所述编码层被配置成对自动驾驶车辆的当前感知信息进行编码,以得到当前场景的离散空间表示;所述预测层被配置成根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示;以及所述解码层被配置成对所述预测空间表示进行解码,以得到所述未来时刻的自动驾驶决策信息。
根据本公开的另一方面,提供了一种用于对自动驾驶模型进行训练的方法,包括:获取自动驾驶车辆的当前样本感知信息和与所述当前样本感知信息对应的真实驾驶决策信息;利用所述自动驾驶模型的编码层对所述当前样本感知信息进行编码,以得到当前场景的样本离散空间表示;利用所述自动驾驶模型的预测层根据包括所述当前场景的样本离散空间表示的至少一个样本场景离散空间表示进行离散扩散,以确定未来时刻的样本预测空间表示;利用所述自动驾驶模型的解码层对所述样本预测空间表示进行解码,以得到所述未来时刻的样本驾驶决策信息,以及根据所述样本驾驶决策信息和所述真实驾驶决策信息之间的差异对所述自动驾驶模型的参数进行调整
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:利用所述自动驾驶模型的编码层对所述自动驾驶车辆的所述当前感知信息进行编码,以得到当前场景的离散空间表示;利用所述自动驾驶模型的预测层根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示;以及利用所述自动驾驶模型的解码层对所述预测空间表示进行解码,以得到所述未来时刻的自动驾驶决策信息。
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:编码单元,被配置成对所述自动驾驶车辆的所述当前感知信息进行编码,以得到当前场景的离散空间表示;预测单元,被配置成根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示;以及解码单元,被配置成对所述预测空间表示进行解码,以得到所述未来时刻的自动驾驶决策信息。
根据本公开的另一方面,提供了一种用于对自动驾驶模型进行训练的装置,包括:获取单元,被配置成获取自动驾驶车辆的当前样本感知信息和与所述当前样本感知信息对应的真实驾驶决策信息;编码单元,被配置成对所述当前样本感知信息进行编码,以得到当前场景的样本离散空间表示;预测单元,被配置成根据包括所述当前场景的样本离散空间表示的至少一个样本场景离散空间表示进行离散扩散,以确定未来时刻的样本预测空间表示;解码单元,被配置成对所述样本预测空间表示进行解码,以得到所述未来时刻的样本驾驶决策信息,以及参数调整单元,被配置成根据所述样本驾驶决策信息和所述真实驾驶决策信息之间的差异对所述自动驾驶模型的参数进行调整。
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装置、电子设备中的一者。
利用本公开的实施例,自动驾驶模型可以利用基于生成式扩散模型的输出来确定自动驾驶模型的自动驾驶决策。扩散模型能够根据从过去向未来进行扩散来得到未来的多种可能性,提高未来预测的准确性,从而进一步提高自动驾驶决策及预测的效果。
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例性框图;
图3示出了根据本公开的实施例的一种用于对自动驾驶模型进行训练的方法的示例性流程图;
图4示出了根据本公开的实施例的自动驾驶方法的示例性流程图;
图5示出了根据本公开的实施例的自动驾驶方法的示例性过程;
图6示出了根据本公开的实施例的预测层的示例性图示;
图7示出了根据本公开的实施例的解码层的示例性图示;
图8示出了根据本公开的实施例对离散化词表进行训练的示例性过程;
图9示出了根据本公开的实施例的自动驾驶装置的结构框图;
图10示出了根据本公开的实施例的用于对自动驾驶模型进行训练的装置的结构框图;以及
图11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。
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。
扩散模型是一种生成模型,其来源于物理中的扩散现象的原理。在物理学中物质从高浓度区域向低浓度区域的扩散过程与由于噪声干扰而导致的信息丢失是相似的。因此,扩散模型引入噪声并尝试通过去噪来生成新的信息。
本公开提供了一种基于扩散模型的新的自动驾驶模型。
图2示出了根据本公开的实施例的自动驾驶模型的示例性框图。
如图2所示,自动驾驶模型200包括编码层210、预测层220以及解码层230。
编码层210被配置成对自动驾驶车辆的当前感知信息进行编码,以得到当前场景离散空间表示。
预测层220被配置成根据包括当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示。
解码层230被配置成对预测空间表示进行解码,以得到未来时刻的自动驾驶决策信息。
利用本公开的实施例提供的自动驾驶模型,可以利用基于生成式扩散模型的输出来确定自动驾驶模型的自动驾驶决策。扩散模型能够根据从过去向未来进行扩散来得到未来的多种可能性,提高未来预测的准确性,从而进一步提高自动驾驶决策及预测的效果。
以下将详细描述本公开的原理。
编码层210被配置成对自动驾驶车辆的当前感知信息进行编码,以得到当前场景的离散空间表示。
感知信息可以包括由安装在自动驾驶车辆上的至少一个传感器采集的传感器输入。针对车辆周围环境的感知信息可以包括以下项中的至少一项: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。当前感知信息可以包括在当前时刻t采集的传感器输入。历史感知信息可以包括从自动驾驶过程开始之后的所有时刻的历史感知信息(例如从0至t-1时刻),也可以包括当前时刻t之前预定时间段内的历史感知信息(例如从t-k至t时刻,其中k表示预定时间范围)。
在一些实施例中,可以利用编码层210对感知信息进行编码,以得到与感知信息对应的场景的离散空间表示。在一些示例中,这里所说的场景的离散空间表示指的是感知信息在BEV空间中的离散表示。例如,可以将当前感知信息映射到鸟瞰图BEV空间,以得到当前感知信息的连续化BEV表示。可以利用例如BEVFormer、BEVFusion等模型将当前感知信息映射到BEV空间,来得到当前感知信息的连续化BEV表示。然后,可以根据预训练的词表对连续化BEV表示进行离散化,以得到当前场景的离散空间表示。例如,以连续化BEV表示为bt,且连续化BEV表示的维度为W×H×C为例,可以为连续化BEV表示中的W×H个C维向量中的每个C维向量在次表中寻找最邻近的一个词表向量,并用最邻近的词表向量替换对应的BEV表示中的向量。利用这样的方式,可以利用有限的词表向量来对BEV空间中的感知信息进行表示。其中,词表中的向量可以也是C维的。
尽管在上文中以感知信息在BEV空间中的表示描述了本公开的原理,可以理解的是,在不脱离本公开原理的情况下,也可以将感知信息映射到非BEV空间的其它空间下并确定相应场景的离散空间表示。此外,也可以利用除了词表以外的其他任何合适的方式来确定场景的离散空间表示。
预测层220被配置成根据包括当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示。
其中,至少一个场景离散空间表示可以包括当前场景的离散空间表示和至少一个历史场景的离散空间表示。当前场景的离散空间表示可以是根据当前时刻的感知信息编码得到的离散表示,历史场景的离散空间表示可以是根据至少一个先前时刻的感知信息以同样方式编码得到的离散表示,例如BEV空间中的离散空间表示。
在一些实施例中,未来时刻的预测空间表示可以是预测感知信息的空间表示,即针对未来时刻的感知信息的预测信息。
针对每个场景离散空间表示中的W×H个向量对应的空间位置,预测层220可以被配置成根据每个场景离散空间表示中每个位置处的信息和预定信息中每个位置处的信息进行特征变换来得到预测空间表示中对应位置处的向量表示的信息。其中,预定信息的尺寸也可以是W×H。其中,预定信息可以与预测空间表示具有相同尺寸,并且具有预定义的默认内容。例如,预定信息可以包括预定噪声,或者是任何合适的其他信息。
在确定预测空间表示中各个位置处的向量表示时,可以先对每个场景离散空间表示进行空间变换,以使得网络能够对场景中的空间信息进行感知。在一些示例中,预测层可以被配置成对每个场景离散空间表示进行空间变换,以得到相应的变换后的空间表示。
可以利用各种合适的神经网络模型对各个场景离散空间表示进行空间变换。例如,可以利用Swin Transformer或者任何其他合适的空间变换模型对各个场景离散空间表示进行处理,以实现信息的空间变换。利用Swin Transformer可以对当前感知信息中的信息进行空间聚合,从而增强网络对于当前感知信息中的信息的感知和理解。
在一些示例中,对各个场景离散空间表示进行空间变换的步骤还可以包括利用自动驾驶车辆的驾驶轨迹对空间表示进行坐标系变换。例如,可以在利用Swin Transformer对各个场景离散空间表示进行处理之后进行坐标系变换。可以根据上一时刻解码层输出的用于当前时刻的自动驾驶决策信息确定从当前时刻至未来时刻的驾驶轨迹,并基于驾驶轨迹将当前时刻的坐标系中的变换后的空间表示映射成未来时刻的坐标系中变换后的空间表示。又例如,也可以在利用Swin Transformer对各个场景离散空间表示进行处理之前进行坐标系变换。可以根据驾驶轨迹将当前时刻的坐标系中的场景离散空间表示映射成未来时刻的坐标系中场景离散空间表示,然后在利用Swin Transformer对未来时刻的坐标系中场景离散空间表示进行处理以输出未来时刻的坐标系中的变换后的空间表示。
针对预测空间表示中的每个位置,根据每个变换后的空间表示中相应位置的向量表示和预定信息中相应位置的向量表示进行特征变换,以确定预测空间表示中该位置的向量表示。
可以利用各种合适的神经网络模型实现上述特征变换。例如,可以利用生成式的扩散模型来实现特征变换。在生成式的扩散模型中,可以将变换后的空间表示中相应位置的向量表示和预定信息中相应位置的向量表示输入Transformer网络以实现特征变换。
在一些实现方式中,可以通过多次特征变换来得到最终的预测空间表示。也就是说,可以将用于特征变换的神经网络模型(如上文中的Transformer)输出的结果和场景离散空间表示一起再次输入特征变换的网络,并通过多次重复上述步骤来得到预测空间表示。
例如,根据每个变换后的离散空间表示中相应位置的向量表示和预定信息中相应位置的向量表示进行特征变换可以包括:利用Transformer对每个变换后的空间表示中相应位置的向量表示和预定信息中相应位置的向量表示进行处理,以得到第一未来场景信息。然后,可以利用Transformer对变换后的空间表示中相应位置的向量表示和第一未来场景信息中相应位置的向量表示进行处理,以得到第二未来场景信息。可以根据第二未来场景信息确定预测信息。
在一些示例中,可以将第二未来场景信息直接作为预测空间输入自动驾驶模型的解码层。在另一些示例中,可以利用第二未来场景信息和变换后的空间表示继续重复特征变换步骤来得到最终的预测空间表示。可以根据实际情况确定特征变换步骤的重复次数。
自动驾驶模型还可以结合当前附加信息来获得预测信息。在一些示例中,当前附加信息可以包括历史决策信息、交互信息和交通信息中的至少一种。可以理解的是,在不脱离本公开原理的情况下,附加信息可以包括任何能够辅助自动驾驶决策的信息。
自动驾驶决策信息可以包括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)等信息。也就是说,历史决策信息可以包括在当前时刻之前的自动驾驶模型输出的历史轨迹和/或历史控制信号的序列。在一些示例中,历史决策信息可以包括从自动驾驶过程开始之后的所有时刻的历史决策信息(例如对于t时刻来说,历史决策信息包括从0至t-1时刻的自动驾驶决策信息),也可以包括当前时刻t之前预定时间段内的历史决策信息(例如从t-k至t时刻的自动驾驶决策信息,其中k表示预定时间范围)。
交互信息可以包括交通指挥信息、来自乘客的交互信息和来自安全员的交互信息中的至少一种。其中,交通指挥信息可以包括来自车外的用于交通指挥目的的动作和/或语言。来自乘客的交互信息和来自安全员的交互信息可以包括当乘客或安全员位于车内时在车内采集到的动作和/或语言,也可以包括当乘客或安全员位于车外时与车辆交流使用的动作和/或语言,还可以包括乘客或安全员通过远程通讯设备发送给车辆端的指令信息。交互信息可以是通过摄像头、麦克风等传感器采集的信息,也可以是经由通讯设备从远程接收的信息。在一些实现方式中,交互信息可以包括当前时刻t获取的交互信息,也可以包括在当前时刻t之前获取的历史交互信息。历史交互信息可以包括从自动驾驶过程开始之后的所有时刻的历史交互信息(例如从0至t-1时刻),也可以包括当前时刻t之前预定时间段内的历史交互信息(例如从t-k至t时刻,其中k表示预定时间范围)。
交通信息可以包括当前行驶的路线的限速信息、地图信息和导航信息中的至少一种。例如,地图信息可以包括车道信息、停止线信息、红绿灯信息等。在示例中,交通信息可以包括车道级或道路级的交通信息。交通信息可以包括当前时刻t的交通信息,也可以包括在当前时刻t之前的至少一个先前时刻的历史交通信息。在一些示例中,历史交通信息可以包括从自动驾驶过程开始之后的所有时刻的历史交通信息(例如从0至t-1时刻),也可以包括当前时刻t之前预定时间段内的历史交通信息(例如从t-k至t时刻,其中k表示预定时间范围)。
在这种情况下,预测层可以对根据场景离散空间表示以及当前附加信息进行离散扩散,以得到预测空间表示。
以下将以当前附加信息是交互信息为例描述本公开的原理。
在一些实现方式中,当交互信息包括自然语言信息时,可以利用预训练语言模型(PLM)或大语言模型(LLM)对自然语言形式的交互信息进行向量化,以将自然语言信息转换为张量形式。当交互信息包括由图像表示的动作信息时,可以利用合适的图像识别算法将图像中的信息转换为自然语言信息或机器能够处理的向量化信息。利用上述方式能够获取交互信息的张量表示。可以通过配置参数的方式,使得交互信息的张量表示具有与场景离散空间表示相同的尺寸,如W×H。
在示例中,预测层可以根据场景离散空间表示以及当前交互信息进行离散扩散,以得到预测空间表示。例如,可以将各个场景离散空间表示和交互信息的张量表示堆叠在一起,来得到修饰后的场景离散空间表示。可以将修饰后的场景离散空间表示的各个位置处的向量表示以及预定信息中同一位置处的向量表示一起输入Transformer网络进行特征变换,以得到预测空间表示中对应位置处的向量表示的信息。如前所述,可以在特征变换之前对场景离散空间表示进行空间变换。可以通过多次重复特征变换步骤来得到最终的预测空间表示。
在当前附加信息包括历史决策信息和/或交通信息的情况下,也可以通过类似的方式利用历史决策信息和/或交通信息来修饰场景离散空间表示。可以通过任何合适的方式将历史决策信息和/或交通信息编码为与场景离散空间表示相同的尺寸的张量表示,并将场景离散空间表示与当前附加信息的张量表示堆叠在一起,来得到修饰后的场景离散空间表示。在示例中,可以基于历史决策信息确定车辆的历史轨迹,并利用循环神经网络或Transformer对历史轨迹的坐标点进行编码,来得到历史决策信息的张量表示。在示例中,可以通过将交通信息映射到BEV空间来得到交通信息的张量表示。
在不脱离本公开原理的情况下,也可以通过其他任何合适的方式利用附加信息对场景离散空间表示进行修饰,使得修饰后的场景离散空间表示中融合场景离散空间表示的信息和附加信息的信息。因此使得模型在进行推理是能够同时学习和考虑场景离散空间表示的信息和附加信息两者。
解码层230被配置成对预测空间表示进行解码,以得到未来时刻的自动驾驶决策信息。
在一些实施例中,可以利用Transformer网络对预测空间表示进行解码以得到未来时刻的自动驾驶决策信息。
在自动驾驶模型的输入还包括当前交互信息的情况下,解码层还可以输出未来时刻的交互信息作为针对当前交互信息的响应。
在预测层被配置成仅根据场景离散空间表示进行离散扩散的情况下,未来时刻的预测信息仅包括感知信息的预测信息。在这种情况下,解码层可以被配置成对预测空间表示和当前交互信息的张量表示进行解码,以得到未来时刻的交互信息和自动驾驶决策信息。
在预测层被配置成根据场景离散空间表示以及当前交互信息进行离散扩散来得到预测空间表示的情况下,未来时刻的预测信息既包括感知信息的预测信息,也包括交互信息的预测信息。在这种情况下,解码层可以被配置成对预测空间表示进行解码,以得到未来时刻的交互信息和自动驾驶决策信息。
利用本公开的实施例,可以利用生成式扩散模型的原理来获取用于生成自动驾驶决策信息的预测信息,使得在自动驾驶决策过程中能够利用扩散模型针对未来的预测能力,提高自动驾驶决策的效果。
图3示出了根据本公开的实施例的一种用于对自动驾驶模型进行训练的方法的示例性流程图。可以利用图3中示出的方法对结合图2描述的自动驾驶模型进行训练。
在步骤S302中,可以获取自动驾驶车辆的当前样本感知信息和与当前样本感知信息对应的真实驾驶决策信息。可以通过对人类驾驶员驾驶车辆的过程进行数据收集来获取自动驾驶模型的训练样本数据。可以通过采集各个时刻车辆上安装的传感器采集到的感知信息作为样本感知信息,并相应采集各个时刻人类驾驶员的操作信号作为真实驾驶决策信息。
在步骤S304中,可以获取利用自动驾驶模型的编码层对当前样本感知信息进行编码,以得到当前场景的离散空间表示。
在步骤S306中,可以利用自动驾驶模型的预测层根据包括当前场景的样本离散空间表示的至少一个样本场景离散空间表示进行离散扩散,以确定未来时刻的样本预测空间表示。
在步骤S308中,可以利用自动驾驶模型的解码层对样本预测空间表示进行解码,以得到未来时刻的样本驾驶决策信息。
可以利用结合图2描述的自动驾驶模型来执行上述步骤S304至S308,以根据当前样本感知信息生成样本驾驶决策信息。
在步骤S310中,可以根据样本驾驶决策信息和真实驾驶决策信息之间的差异对自动驾驶模型的参数进行调整。
例如,可以根据公式(1)确定自动驾驶模型的决策损失函数Lcts:
其中t表示当前时刻,表示t时刻自动驾驶模型输出的样本驾驶决策信息,ct表示t时刻的真实驾驶决策信息。
在一些实施例中,还可以获取与当前样本感知信息对应的真实未来信息,并根据样本预测空间表示和真实未来信息的空间表示之间的差异对自动驾驶模型的参数进行调整。
其中,自动驾驶模型输出的样本预测空间表示是未来时刻的预测信息在BEV空间中的离散化表示可以通过将实际驾驶过程中采集到的未来时刻的真实未来信息映射成BEV空间中的离散表示bt+1。可以根据公式(2)确定自动驾驶模型的预测损失函数Lfp:
其中t表示当前时刻,表示根据t时刻的当前感知信息生成的t+1时刻的预测空间表示,bt+1表示t+1时刻的真实未来信息在BEV空间中的空间表示。
在一些实施例中,当自动驾驶模型还被配置成能够处理交互信息时,自动驾驶模型的解码层还可以输出样本预测交互信息。在一些示例中,步骤S308可以包括利用自动驾驶模型的解码层对样本预测空间表示和当前样本交互信息的张量表示进行解码,以得到未来时刻的样本预测交互信息和样本驾驶决策信息。在另一些示例中,步骤S306可以包括根据样本场景离散空间表示以及当前样本交互信息进行离散扩散,以得到样本预测空间表示。在这种情况下,步骤S308可以包括利用解码层对样本预测空间表示进行解码,以得到样本预测交互信息和样本驾驶决策信息。
在自动驾驶模型的解码层输出样本预测交互信息的情况下,可以获取与当前样本交互信息对应的真实交互信息,并调整自动驾驶模型的参数使得样本预测交互信息是真实交互信息的概率最大化。可以根据公式(3)确定交互损失函数Lnll:
Lnll=∑tlogp(ut) (3)
其中,t表示当前时刻,p(ut)表示t时刻的真实交互信息的预测概率。
基于上述决策损失函数Lcts、预测损失函数Lfp以及交互损失函数Lnll中的至少一项可以确定用于调整自动驾驶模型的参数的损失函数。可以通过最小化损失函数的方式调整自动驾驶模型中的参数。
在一些实施例中,步骤S304可以包括:将当前样本感知信息映射到鸟瞰图BEV空间,以得到当前样本感知信息的样本连续化BEV表示,并根据预训练的词表对样本连续化BEV表示进行离散化,以得到当前场景的样本离散空间表示。
其中,词表可以是是通过以下方式生成的:获取样本传感器输入;将样本传感器输入映射到BEV空间,以得到样本传感器输入的连续化BEV表示;对于样本传感器输入的连续化BEV表示每个位置处的向量表示,使用词表中最邻近的词表向量替换该向量表示,以得到样本传感器输入的离散表示;对样本传感器输入的离散表示进行解码以得到恢复的传感器输入;通过最小化恢复的传感器输入和样本传感器输入之间的差异调整词表的参数。
图4示出了根据本公开的实施例的自动驾驶方法的示例性流程图。可以利用结合图2描述的自动驾驶模型来实现图4中示出的自动驾驶方法。上述结合图2描述的自动驾驶模型的优点也同样适用于自动驾驶方法400,在此不再加以赘述。
在步骤S402中,可以利用自动驾驶模型的编码层对自动驾驶车辆的当前感知信息进行编码,以得到当前场景的离散空间表示。
在步骤S404中,可以利用自动驾驶模型的预测层根据包括当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示。
在步骤S406中,可以利用自动驾驶模型的解码层对预测空间表示进行解码,以得到未来时刻的自动驾驶决策信息。
图5示出了根据本公开的实施例的自动驾驶方法的示例性过程。
如图5所示,可以对t-2时刻、t-1时刻以及t时刻的传感器输入的感知信息(t-2)501-1、感知信息(t-1)501-2以及感知信息(t)501-3进行编码,以得到感知信息在BEV空间的连续化表示502-1、502-1、502-3。进一步地,可以利用词表对连续化表示的感知信息进行离散化,以得到感知信息对应场景的离散空间表示BEV(t-2)503-1、BEV(t-1)503-2、BEV(t)503-3。
可以利用预测层510根据BEV(t-2)、BEV(t-1)、BEV(t)进行离散扩散来预测t+1时刻的预测信息。可以同时将历史决策信息(t-2)504-1、历史决策信息(t-1)504-2以及决策信息(t)504-3和BEV(t-2)、BEV(t-1)、BEV(t)一起输入预测层用于生成预测结果PRED_BEV(t+1)506。如前所述,可以利用决策信息(t-2)、决策信息(t-1)以及决策信息(t)分别对BEV(t-2)、BEV(t-1)、BEV(t)进行坐标系变换。
在得到预测结果PRED_BEV(t+1)后,可以将PRED_BEV(t+1)与真实的样本信息BEV(t+1)503-4进行比较,并可以根据PRED_BEV(t+1)与真实的BEV(t+1)之间的差异调整自动驾驶模型的参数。其中,可以通过对感知信息(t+1)501-4进行编码以得到BEV空间的连续化表示502-4,并可以对连续化表示502-4进行离散化以得到离散表示BEV(t+1)503-4。进一步地,还可以根据PRED_BEV(t+1)、BEV(t)、BEV(t-1)进一步预测t+2时刻的预测信息PRED_BEV(t+2)507。可以将PRED_BEV(t+2)与真实的样本信息BEV(t+2)503-5进行比较,并可以根据PRED_BEV(t+2)与真实的BEV(t+2)之间的差异调整自动驾驶模型的参数。可以通过对感知信息(t+2)501-5进行编码以得到BEV空间的连续化表示502-5,并可以对连续化表示502-5行离散化以得到离散表示BEV(t+2)503-5。
进一步地,还可以利用交互信息编码单元520对t时刻的当前交互信息进行编码,利用交通信息编码单元530对t时刻的当前交通信息进行编码,以得到t时刻的交通和交互提示信息的张量表示504。可以利用解码层对交通和交互提示信息的张量表示和预测信息PRED_BEV(t+1)505进行解码以得到t+1时刻的交互信息和驾驶决策。还可以利用利用解码层540对交通和交互提示信息的张量表示和预测信息PRED_BEV(t+2)进行解码以得到t+2时刻的交互信息和驾驶决策。
图6示出了根据本公开的实施例的预测层的示例性图示。
如图6所示,在离散扩散开始之前,预测空间表示被初始化为预定信息PRED_BEV(t+1,0),如特殊词[MASK]的信息。
可以利用Swin Transformer对感知信息的离散表示601-1、601-2、601-3进行空间变换,以得到变换后的离散表示602-1、602-2、602-3。相应地,也可以对预定信息PRED_BEV(t+1,0)603进行离散表示,以得到变换后的预定信息604。
针对变换后的离散表示中的W×H个向量,提取离散表示602-1、602-2、602-3中相同位置处(图6中示出了左下角位置作为示例)的向量和变换后的预定信息中同一位置处的向量一起输入Transformer,来得到第一预测信息PRED_BEV(t+1,1)中对应位置处的信息。以类似方式遍历离散表示中的W×H个向量后可以得到第一预测信息PRED_BEV(t+1,1)。
接下来,可以以第一预测信息PRED_BEV(t+1,1)替换预定信息PRED_BEV(t+1,0)重复上述离散扩散过程,以得到第二预测信息PRED_BEV(t+1,2)。进一步地,以第一预测信息PRED_BEV(t+1,1)替换第一预测信息PRED_BEV(t+1,1)重复上述离散扩散过程,以得到第三预测信息PRED_BEV(t+1,3)。
可以将第三预测信息PRED_BEV(t+1,3)确定为针对t+1时刻输出的预测信息PRED_BEV(t+1)。
图7示出了根据本公开的实施例的解码层的示例性图示。如图7所示,可以将交通和交互提示信息以及预测信息展平为一维向量,并通过Transformer网络710进行解码。在先输入交通和交互提示信息后输入预测信息的情况下,Transformer网络710可以先解码自然语言交互信息,然后再解码驾驶决策信息。
图8示出了根据本公开的实施例对离散化词表进行训练的示例性过程。
如图8所示,可以利用传感器空间融合模型802对原始传感器输入801进行处理,以得到连续化的BEV表示803。其中,可以利用BEVFormer、BEVFusion或者任何合适的模型来实现模型802。然后可以通过在词表804中查找最邻近的向量来讲连续化BEV表示中的每个向量进行离散化,得到传感器输入的离散表示805。其中,词表804可以包括多个与BEV表示中的向量维度相同的向量。然后,可以利用解码单元806对离散表示805进行解码,以将BEV表示恢复成传感器数据807。可以利用任何与模型802的编码过程对应的方式实现解码单元806。通过最小化原始输入的传感器数据801和恢复的传感器数据807之间的差异,可以对传感器空间融合模型802和词表804进行参数调整,以用于本公开的实施例提供的自动驾驶模型。
图9示出了根据本公开的实施例的自动驾驶装置900的结构框图。如图9所示,自动驾驶装置900包括编码单元910、预测单元920、解码单元930。
编码单元910可以被配置成对自动驾驶车辆的当前感知信息进行编码,以得到当前场景的离散空间表示。
预测单元920可以被配置成根据包括当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示。
解码单元930可以被配置成对预测空间表示进行解码,以得到未来时刻的自动驾驶决策信息。
应当理解,图9中所示装置900的各个模块或单元可以与参考图4描述的方法400中的各个步骤相对应。由此,上面针对方法400描述的操作、特征和优点同样适用于装置900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。
图10示出了根据本公开的实施例的用于对自动驾驶模型进行训练的装置1000的结构框图。
如图10所示,装置1000包括获取单元1010、编码单元1020、预测单元1030、解码单元1040以及参数调整单元1050。
获取单元1010可以被配置成获取自动驾驶车辆的当前样本感知信息和与当前样本感知信息对应的真实驾驶决策信息。
编码单元1020可以被配置成对当前样本感知信息进行编码,以得到当前场景的样本离散空间表示。
预测单元1030可以被配置成根据包括当前场景的样本离散空间表示的至少一个样本场景离散空间表示进行离散扩散,以确定未来时刻的样本预测空间表示。
解码单元1040可以被配置成对样本预测空间表示进行解码,以得到未来时刻的样本驾驶决策信息。
参数调整单元1050可以被配置成根据样本驾驶决策信息和真实驾驶决策信息之间的差异对自动驾驶模型的参数进行调整。
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。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9、图10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910至930、但愿1010至1050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。
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。
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。
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装置以及上述的电子设备中的一者。
参考图11,现将描述可以作为本公开的服务器或客户端的电子设备1100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11所示,电子设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向电子设备1100输入信息的任何类型的设备,输入单元1106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1107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1108可以包括但不限于磁盘、光盘。通信单元1109允许电子设备1100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1101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1101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1101执行上文所描述的各个方法和处理,例如方法(或过程)300、400。例如,在一些实施例中,方法(或过程)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1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的方法(或过程)300、400的一个或多个步骤。备选地,在其他实施例中,计算单元1101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、400。
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 (25)
1.一种自动驾驶模型,包括编码层、预测层和解码层,其中,
所述编码层被配置成对自动驾驶车辆的当前感知信息进行编码,以得到当前场景的离散空间表示;
所述预测层被配置成根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示;以及
所述解码层被配置成对所述预测空间表示进行解码,以得到所述未来时刻的自动驾驶决策信息。
2.如权利要求1所述的自动驾驶模型,其中,对自动驾驶车辆的当前感知信息进行编码包括:
将所述当前感知信息映射到鸟瞰图BEV空间,以得到所述当前感知信息的连续化BEV表示;
根据预训练的词表对所述连续化BEV表示进行离散化,以得到所述当前场景的离散空间表示。
3.如权利要求2所述的自动驾驶模型,其中,根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散包括:
对所述每个场景离散空间表示进行空间变换,以得到相应的变换后的空间表示;
针对所述预测空间表示中的每个位置,根据每个所述变换后的空间表示中相应位置的向量表示和预定信息中相应位置的向量表示进行特征变换,以确定所述预测空间表示中该位置的向量表示。
4.如权利要求3所述的自动驾驶模型,其中,根据每个所述变换后的空间表示中相应位置的向量表示和所述预定信息中相应位置的向量表示进行特征变换包括:
利用Transformer对每个所述变换后的空间表示中相应位置的向量表示和所述预定信息中相应位置的向量表示进行处理,以得到第一未来场景信息;
利用Transformer对每个所述变换后的空间表示中相应位置的向量表示和所述第一未来场景信息中相应位置的向量表示进行处理,以得到第二未来场景信息;
根据所述第二未来场景信息确定所述预测空间表示。
5.如权利要求3所述的自动驾驶模型,其中,对所述每个场景离散空间表示进行空间变换,以得到相应的变换后的空间表示包括:
利用Swin Transformer对所述场景离散空间表示进行处理。
6.如权利要求5所述的自动驾驶模型,其中,对所述每个场景离散空间表示进行空间变换还包括:
根据上一时刻所述解码层输出的用于当前时刻的自动驾驶决策信息确定从所述当前时刻至所述未来时刻的驾驶轨迹;
基于所述驾驶轨迹将所述当前时刻的坐标系中的变换后的空间表示映射成所述未来时刻的坐标系中变换后的空间表示。
7.如权利要求3所述的自动驾驶模型,其中,所述预定信息包括预定噪声。
8.如权利要求3所述的自动驾驶模型,其中,所述解码层被配置成对所述预测空间表示和当前交互信息的张量表示进行解码,以得到所述未来时刻的交互信息和自动驾驶决策信息。
9.如权利要求1所述的自动驾驶模型,其中,根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散包括:
根据所述场景离散空间表示以及当前交互信息进行离散扩散,以得到所述预测空间表示。
10.如权利要求9所述的自动驾驶模型,其中,所述解码层被配置成对所述预测空间表示进行解码,以得到所述未来时刻的交互信息和自动驾驶决策信息。
11.如权利要求1所述的自动驾驶模型,其中,所述至少一个场景离散空间表示包括所述当前场景的离散空间表示和至少一个历史场景的离散空间表示。
12.一种用于对自动驾驶模型进行训练的方法,包括:
获取自动驾驶车辆的当前样本感知信息和与所述当前样本感知信息对应的真实驾驶决策信息;
利用所述自动驾驶模型的编码层对所述当前样本感知信息进行编码,以得到当前场景的样本离散空间表示;
利用所述自动驾驶模型的预测层根据包括所述当前场景的样本离散空间表示的至少一个样本场景离散空间表示进行离散扩散,以确定未来时刻的样本预测空间表示;
利用所述自动驾驶模型的解码层对所述样本预测空间表示进行解码,以得到所述未来时刻的样本驾驶决策信息,以及
根据所述样本驾驶决策信息和所述真实驾驶决策信息之间的差异对所述自动驾驶模型的参数进行调整。
13.如权利要求12所述的方法,还包括:
获取与所述当前样本感知信息对应的真实未来信息;
根据所述样本预测空间表示和所述真实未来信息的空间表示之间的差异对所述自动驾驶模型的参数进行调整。
14.如权利要求12所述的方法,其中,利用所述自动驾驶模型的解码层对所述样本预测空间表示进行解码包括:
利用所述自动驾驶模型的解码层对所述样本预测空间表示和当前样本交互信息的张量表示进行解码,以得到所述未来时刻的样本预测交互信息和样本驾驶决策信息。
15.如权利要求12所述的方法,其中利用所述自动驾驶模型的预测层根据包括所述当前场景的样本离散空间表示的至少一个样本场景离散空间表示进行离散扩散包括:利用所述自动驾驶模型的预测层根据所述样本场景离散空间表示和当前样本交互信息对预定信息进行离散扩散,
利用所述自动驾驶模型的解码层对所述样本预测空间表示进行解码,以得到所述未来时刻的样本驾驶决策信息包括:利用所述自动驾驶模型的解码层对所述样本预测空间表示进行解码,以得到所述未来时刻的样本驾驶决策信息和样本预测交互信息。
16.如权利要求14或15所述的方法,还包括:
获取与所述当前样本交互信息对应的真实交互信息;
调整所述自动驾驶模型的参数使得所述样本预测交互信息是所述真实交互信息的概率最大化。
17.如权利要求12所述的方法,其中,对所述当前样本感知信息进行编码:
将所述当前样本感知信息映射到鸟瞰图BEV空间,以得到所述当前样本感知信息的样本连续化BEV表示;
根据预训练的词表对所述样本连续化BEV表示进行离散化,以得到所述当前场景的样本离散空间表示。
18.如权利要求17所述的方法,其中,所述词表是通过以下方式生成的:
获取样本传感器输入;
将所述样本传感器输入映射到BEV空间,以得到所述样本传感器输入的连续化BEV表示;
对于所述样本传感器输入的连续化BEV表示每个位置处的向量表示,使用所述词表中最邻近的词表向量替换该向量表示,以得到所述样本传感器输入的离散表示;
对所述样本传感器输入的离散表示进行解码以得到恢复的传感器输入;
通过最小化所述恢复的传感器输入和所述样本传感器输入之间的差异调整所述词表的参数。
19.一种利用如权利要求1-11中任一项所述的自动驾驶模型实现的自动驾驶方法,包括:
利用所述自动驾驶模型的编码层对所述自动驾驶车辆的所述当前感知信息进行编码,以得到当前场景的离散空间表示;
利用所述自动驾驶模型的预测层根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示;以及
利用所述自动驾驶模型的解码层对所述预测空间表示进行解码,以得到所述未来时刻的自动驾驶决策信息。
20.一种基于如权利要求1-11中任一项所述的自动驾驶模型的自动驾驶装置,包括:
编码单元,被配置成对所述自动驾驶车辆的所述当前感知信息进行编码,以得到当前场景的离散空间表示;
预测单元,被配置成根据包括所述当前场景的离散空间表示的至少一个场景离散空间表示进行离散扩散,以确定未来时刻的预测空间表示;以及
解码单元,被配置成对所述预测空间表示进行解码,以得到所述未来时刻的自动驾驶决策信息。
21.一种用于对自动驾驶模型进行训练的装置,包括:
获取单元,被配置成获取自动驾驶车辆的当前样本感知信息和与所述当前样本感知信息对应的真实驾驶决策信息;
编码单元,被配置成对所述当前样本感知信息进行编码,以得到当前场景的样本离散空间表示;
预测单元,被配置成根据包括所述当前场景的样本离散空间表示的至少一个样本场景离散空间表示进行离散扩散,以确定未来时刻的样本预测空间表示;
解码单元,被配置成对所述样本预测空间表示进行解码,以得到所述未来时刻的样本驾驶决策信息,以及
参数调整单元,被配置成根据所述样本驾驶决策信息和所述真实驾驶决策信息之间的差异对所述自动驾驶模型的参数进行调整。
22.一种电子设备,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12-19中任一项所述的方法。
23.一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12-19中任一项所述的方法。
24.一种计算机程序产品,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12-19中任一项所述的方法。
25.一种自动驾驶车辆,包括:
根据权利要求20所述的自动驾驶装置、根据权利要求22所述的电子设备中的一者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311676294.5A CN117519206A (zh) | 2023-12-07 | 2023-12-07 | 基于生成式扩散模型的自动驾驶模型、方法、装置和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311676294.5A CN117519206A (zh) | 2023-12-07 | 2023-12-07 | 基于生成式扩散模型的自动驾驶模型、方法、装置和车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117519206A true CN117519206A (zh) | 2024-02-06 |
Family
ID=89758775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311676294.5A Pending CN117519206A (zh) | 2023-12-07 | 2023-12-07 | 基于生成式扩散模型的自动驾驶模型、方法、装置和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117519206A (zh) |
-
2023
- 2023-12-07 CN CN202311676294.5A patent/CN117519206A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230043931A1 (en) | Multi-Task Multi-Sensor Fusion for Three-Dimensional Object Detection | |
US11960290B2 (en) | Systems and methods for end-to-end trajectory prediction using radar, LIDAR, and maps | |
CN113994390A (zh) | 针对自主驾驶应用的使用曲线拟合的地标检测 | |
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 | |
CN113887400B (zh) | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 | |
CN114179832A (zh) | 用于自动驾驶车辆的变道方法 | |
CN115019060A (zh) | 目标识别方法、目标识别模型的训练方法及装置 | |
CN114212108A (zh) | 自动驾驶方法、装置、车辆、存储介质及产品 | |
CN116678424A (zh) | 高精度车辆定位、矢量化地图构建及定位模型训练方法 | |
CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
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 | |
CN117519206A (zh) | 基于生成式扩散模型的自动驾驶模型、方法、装置和车辆 | |
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 | |
CN117601898A (zh) | 能够实现多模态交互的自动驾驶模型、方法、装置和车辆 | |
CN117539253A (zh) | 能够遵循指令实现自主脱困的自动驾驶方法、装置和车辆 | |
CN117539260A (zh) | 基于时序递归自回归推理的自动驾驶模型、方法和车辆 | |
CN116861230A (zh) | 输出解释信息的自动驾驶模型、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 | |
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 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
CN117034732A (zh) | 基于真实与仿真对抗学习的自动驾驶模型训练方法 | |
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 | |
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 | |
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 |
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 |