CN117601898A - 能够实现多模态交互的自动驾驶模型、方法、装置和车辆 - Google Patents

能够实现多模态交互的自动驾驶模型、方法、装置和车辆 Download PDF

Info

Publication number
CN117601898A
CN117601898A CN202311616173.1A CN202311616173A CN117601898A CN 117601898 A CN117601898 A CN 117601898A CN 202311616173 A CN202311616173 A CN 202311616173A CN 117601898 A CN117601898 A CN 117601898A
Authority
CN
China
Prior art keywords
information
tensor
automatic driving
autopilot
interaction
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
Application number
CN202311616173.1A
Other languages
English (en)
Inventor
黄际洲
王凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202311616173.1A priority Critical patent/CN117601898A/zh
Publication of CN117601898A publication Critical patent/CN117601898A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0455—Auto-encoder networks; Encoder-decoder networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种能够实现多模态交互的自动驾驶模型、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。自动驾驶模型中的输入层被配置成接收当前时刻的历史决策信息、感知信息、交通信息以及交互信息；编码层被配置成对输入信息进行编码，自回归推理层被配置成得到下一时刻的隐状态；解码层被配置成解码得到下一时刻的交互信息和用于下一时刻的自动驾驶决策信息。由此，自动驾驶模型可以通过对感知信息、交通信息和交互信息的推理对当前驾驶环境进行理解，进一步还可以结合对历史决策数据进行推理来更好地理解历史操作对自动驾驶过程的影响，从而使得自动驾驶模型的输出结果具有更好的可解释性和可控性。

Description

能够实现多模态交互的自动驾驶模型、方法、装置和车辆
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、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、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
自动驾驶车辆上可以搭载有用于生成自动驾驶的控制信号的自动驾驶模型。其中，可以通过海量数据驱动的方式对自动驾驶模型进行训练，从而提高自动驾驶模型生成的自动驾驶策略的效果。
然而，自动驾驶模型输出的结果的可解释性和可控性是无人驾驶模型应用的瓶颈。
发明内容
本公开提供了一种能够实现多模态交互的自动驾驶模型、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，包括输入层、编码层、自回归推理层和解码层，其中，所述输入层被配置成接收当前时刻的历史决策信息、感知信息、交通信息以及交互信息；所述编码层被配置成对所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息进行编码，以得到分别用于表示所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息的第一张量、第二张量、第三张量和第四张量；所述自回归推理层被配置成对由所述第一张量、所述第二张量、所述第三张量和所述第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；以及所述解码层被配置成基于所述下一时刻的隐状态进行解码，以得到用于所述下一时刻的交互信息和用于所述下一时刻的自动驾驶决策信息。
根据本公开的另一方面，提供了一种利用自动驾驶模型实现的自动驾驶方法，包括：获取输入信息，所述输入信息包括当前时刻的历史决策信息、感知信息、交通信息以及交互信息；对所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息进行编码，以得到分别用于表示所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息的第一张量、第二张量、第三张量和第四张量；对由所述第一张量、所述第二张量、所述第三张量和所述第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；以及基于所述下一时刻的隐状态进行解码，以得到用于所述下一时刻的交互信息和用于所述下一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：获取单元，被配置成获取输入信息，所述输入信息包括当前时刻的历史决策信息、感知信息、交通信息以及交互信息；编码单元，被配置成对所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息进行编码，以得到分别用于表示所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息的第一张量、第二张量、第三张量和第四张量；推理单元，被配置成对由所述第一张量、所述第二张量、所述第三张量和所述第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；以及解码单元，被配置成基于所述下一时刻的隐状态进行解码，以得到用于所述下一时刻的交互信息和用于所述下一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，自动驾驶模型可以通过对感知信息、交通信息和交互信息的推理对当前驾驶环境进行理解，进一步还可以结合对历史决策数据进行推理来更好地理解历史操作对自动驾驶过程的影响，从而使得自动驾驶模型的输出结果具有更好的可解释性和可控性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图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利用自动驾驶模型实现的自动驾驶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装置的结构框图；以及
图5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。
端到端无人驾驶模型能够基于海量数据驱动不断达到更好的表现，但是可解释性和可控性是端到端无人驾驶模型应用的瓶颈。
为了提高自动驾驶模型的效果，本公开提供了一种新的自动驾驶模型。
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包括输入层210、编码层220、自回归推理层230以及解码层240。
输入层210被配置成接收当前时刻的历史决策信息201、感知信息202、交通信息203以及交互信息204。
编码层220被配置成对历史决策信息、感知信息、交通信息以及交互信息进行编码，以得到分别用于表示历史决策信息、感知信息、交通信息以及交互信息的第一张量、第二张量、第三张量和第四张量。
自回归推理层230被配置成对由第一张量、第二张量、第三张量和第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；
解码层240被配置成基于下一时刻的隐状态进行解码，以得到用于下一时刻的交互信息和用于下一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，自动驾驶模型可以通过对感知信息、交通信息和交互信息的推理对当前驾驶环境进行理解，进一步还可以结合对历史决策数据进行推理来更好地理解历史操作对自动驾驶过程的影响，从而使得自动驾驶模型的输出结果具有更好的可解释性和可控性。
以下将详细描述本公开的原理。
输入层210被配置成接收当前时刻的历史决策信息201、感知信息202、交通信息203以及交互信息204。
历史决策信息201可以包括解码层在当前时刻t之前的至少一个先前时刻输出的自动驾驶决策信息。在一些实现方式中，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)。
感知信息202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。感知信息202可以包括当前时刻t传感器采集的传感器输入，也可以包括在当前时刻t之前的至少一个先前时刻传感器采集的传感器输入的历史感知信息。在一些示例中，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)。
交通信息203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203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)。
交互信息204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204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204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)。
编码层220可以被配置成对历史决策信息、感知信息、交通信息以及交互信息进行编码，以得到分别用于表示历史决策信息、感知信息、交通信息以及交互信息的第一张量、第二张量、第三张量和第四张量，其中，第一张量、第二张量、第三张量和第四张量具有相同的空间表示。
在一些实施例中，编码层可以包括循环神经网络或Transformer网络，并被配置成利用循环神经网络或Transformer网络对历史决策信息进行编码。可以基于历史决策信息确定车辆的历史轨迹，并确定在当前t时刻的车辆坐标系中各个历史时刻的轨迹点坐标。可以将历史轨迹中的各轨迹坐标输入循环神经网络或Transformer网络以得到用于表示轨迹点坐标的一维向量或二维张量。进一步地，将历史各个时刻的轨迹点坐标对应的一维向量或二维张量按照时间顺序堆叠起来，可以得到增加了时间维度的2维或者3维向量作为用于表示历史决策信息的第一张量。
在一些实施例中，编码层还可以包括用于将信息映射到鸟瞰图BEV空间的编码网络，如BEVFormer，并被配置成将感知信息映射到BEV空间，以得到感知信息的BEV表示。可以将每一时刻传感器采集到的感知信息输入BEVFormer网络，并得到该时刻感知信息的BEV表示。在示例中，BEV表示可以是三维向量。在输入信息包括多个时刻的感知信息的情况下，可以将各个时刻的感知信息的BEV表示按照时间顺序堆叠起来，可以得到增加了时间维度的四维张量作为用于表示感知信息的第二张量。
编码层还可以被配置成将交通信息映射到BEV空间，以得到交通信息的鸟瞰图BEV表示。例如，可以对每一时刻的交通信息进行矢量化，并利用BEVFormer对矢量化的交通信息进行编码，以得到该时刻交通信息的BEV表示。在输入信息包括多个时刻的交通信息的情况下，可以将各个时刻的交通信息的BEV表示按照时间顺序堆叠起来，可以得到增加了时间维度的四维张量作为用于表示交通信息的第三张量。
可以理解的是，可以根据实际情况分别配置用于对感知信息进行处理的BEVFormer和用于对交通信息进行处理的BEVFormer。
在一些实施例中，编码层还可以包括预训练语言模型(PLM)。其中，预训练语言模型可以用于对自然语言进行向量化，以将自然语言信息转化为机器能够处理的信息。预训练语言模型可以是任何能够对输入的自然语言信息进行处理的模型。在一些示例中，也可以使用大语言模型(LLM)来实现对自然语言进行向量化。当输入的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。可以利用预训练语言模型对交互信息进行编码，以将自然语言信息转换为包含多维(如2维)的第四张量其中，表示自然语言信息的还可以包括时间戳信息。
尽管第一张量、第二张量、第三张量和第四张量是通过不同的编码方式输出的结果，但上述各个张量可以具有相同的长、宽尺寸。例如，用于表示历史决策信息的第一张量和用于表示交互信息的第四张量尽管不是BEV表示，但可以与BEV空间中表示的第二张量和第三张量具有相同的空间表示。利用这种方式，可以在后续的模型处理中对第一张量、第二张量、第三张量和第四张量进行统一处理，从而使得模型再进行推理决策时可以对不同的输入信息进行统一处理和推理，以在同时考虑不同模态的输入信息的情况下进行自动驾驶决策。
自回归推理层230被配置成对由第一张量、第二张量、第三张量和第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态。
在一些实施例中，自回归推理层230可以由世界模型来实现。在一些实现方式中，自回归推理层可以由循环神经网络(如长短期记忆网络LSTM、门控循环单元GRU)、Transformer,或者带有记忆机制的递归结构(如递归记忆Transformer网络(RecurrentMemory Transformer))或者扩散模型实现。利用自回归的方式，可以利用t时刻的输入信号来预测t+1时刻的输出结果。可以将编码层输出的第一张量、第二张量、第三张量和第四张量的组合作为自回归推理层230的输入。例如，可以将第一张量、第二张量、第三张量和第四张量平铺成二维张量序列，并可以将上述二维张量序列作为自回归推理层的输入。
以递归记忆Transformer网络为例，可以预先设置初始时刻的记忆张量M0。其中，M0中的参数可以是随机初始化的参数。可以将t时刻的记忆张量Mt与二维张量序列一起输入Transformer层，使得利用记忆张量中的每个向量对二维张量序列进行基于注意力机制的处理，以得到下一时刻的记忆张量Mt+1作为下一时刻的隐状态。其中，记忆张量Mt相当于输入Transformer层查询参数(Q)，二维张量序列相当于输入Transformer层的键(K)、值(V)参数。
解码层240被配置成基于下一时刻的隐状态进行解码，以得到用于下一时刻的交互信息和用于下一时刻的自动驾驶决策信息。
在一些实施例中，解码层可以包括Transformer网络。可以利用Transformer对t+1时刻的隐状态Mt+1进行解码，以得到t+1时刻的自动驾驶决策信息，例如t+1时刻的控制油门、刹车、转向幅度等信号。
还可以利用Transformer对t+1时刻的隐状态Mt+1，以得到t+1时刻的交互信息输出。其中t+1时刻的交互信息输出可以包括自然语言描述，可以用于对t时刻的交互信息进行自然语言形式的响应。
还可以利用t+1时刻的隐状态Mt+1生成未来预测信息。未来预测信息可以包括t+1时刻的未来预测图像，用于指示t+1时刻障碍物位置或未来时刻的感知信息。可以对BEV表示的隐状态Mt+1进行空间映射，以转换到传感器(如摄像头)坐标系下。并可以进一步利用图像扩散以及逆卷积对传感器坐标下的Mt+1进行处理，以得到t+1时刻的未来预测图像。未来预测图像可以用于以自监督的方式对自动驾驶模型进行训练，以使得自动驾驶模型的具有准确的未来预测能力，从而提高自动驾驶模型输出的决策信息的准确性。
本公开的实施例提供的自动驾驶模型可以接收多模态的输入信息(包括历史决策信息、感知信息、交通信息、交互信息)，并对多模态的输入信息进行处理来生成输出。在输出中，可以相应地输出用于当前时刻的驾驶决策和交互信息。利用这样的方式，自动驾驶模型可以在进行推理时学习和考虑不同模态的信息，从而提高自动驾驶模型输出结果的可控性。此外，通过输出包括交互信息在内的多模态输出结果，可以帮助对自动驾驶模型的决策进行解释，从而提高自动驾驶模型的可解释性。
根据本公开的另一方面，提供了一种自动驾驶方法。
图3示出了根据本公开的实施例的利用自动驾驶模型实现的自动驾驶方法300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自动驾驶方法300。上述结合图2描述的自动驾驶模型的有点也同样是用于自动驾驶方法300，在此不再加以赘述。
在步骤S302中，可以获取输入信息。其中，输入信息包括当前时刻的历史决策信息、感知信息、交通信息以及交互信息；
在步骤S304中，可以对历史决策信息、感知信息、交通信息以及交互信息进行编码，以得到分别用于表示历史决策信息、感知信息、交通信息以及交互信息的第一张量、第二张量、第三张量和第四张量。其中，第一张量、第二张量、第三张量和第四张量具有相同的空间表示。
在步骤S306中，可以对由第一张量、第二张量、第三张量和第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；
在步骤S308中，可以基于下一时刻的隐状态进行解码，以得到用于下一时刻的交互信息和用于下一时刻的自动驾驶决策信息。
在一些实施例中，历史决策信息包括解码层在当前时刻之前的至少一个先前时刻输出的自动驾驶决策信息。
在一些实施例中，感知信息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。
在一些实施例中，交通信息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。
在一些实施例中，交互信息包括交通指挥信息、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。
在一些实施例中，可以利用循环神经网络或Transformer网络对历史决策信息进行编码。
在一些实施例中，可以将感知信息映射到鸟瞰图BEV空间，以得到感知信息的鸟瞰图BEV表示。
在一些实施例中，可以将交通信息映射到鸟瞰图BEV空间，以得到交通信息的鸟瞰图BEV表示。
在一些实施例中，可以利用预训练语言模型对交互信息进行编码。
在一些实施例中，自回归推理层可以由循环神经网络(如长短期记忆网络LSTM、门控循环单元GRU)、Transformer,或者带有记忆机制的递归结构(如递归记忆Transformer网络(Recurrent Memory Transformer))或者扩散模型实现。
利用本公开的实施例提供的自动驾驶方法，自动驾驶模型可以通过对感知信息、交通信息和交互信息的推理对当前驾驶环境进行理解，进一步还可以结合对历史决策数据进行推理来更好地理解历史操作对自动驾驶过程的影响，从而使得自动驾驶模型的输出结果具有更好的可解释性和可控性。
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4示出了根据本公开的实施例的自动驾驶装置400的结构框图。如图4所示，自动驾驶装置400包括获取单元410、编码单元420、推理单元430以及解码单元440。
获取单元410可以被配置成获取输入信息，输入信息包括当前时刻的历史决策信息、感知信息、交通信息以及交互信息。
编码单元420可以被配置成对历史决策信息、感知信息、交通信息以及交互信息进行编码，以得到分别用于表示历史决策信息、感知信息、交通信息以及交互信息的第一张量、第二张量、第三张量和第四张量。其中，第一张量、第二张量、第三张量和第四张量具有相同的空间表示；
推理单元430可以被配置成对由第一张量、第二张量、第三张量和第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态。
解码单元440可以被配置成基于下一时刻的隐状态进行解码，以得到用于下一时刻的交互信息和用于下一时刻的自动驾驶决策信息。
应当理解，图4中所示装置400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400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4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410至440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5，现将描述可以作为本公开的服务器或客户端的电子设备500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5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505，包括：输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备，输入单元506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507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508可以包括但不限于磁盘、光盘。通信单元509允许电子设备500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501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501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501执行上文所描述的各个方法和处理，例如方法(或过程)300。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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的方法(或过程)300的一个或多个步骤。备选地，在其他实施例中，计算单元501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。
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 (16)

1.一种自动驾驶模型，包括输入层、编码层、自回归推理层和解码层，其中，
所述输入层被配置成接收当前时刻的历史决策信息、感知信息、交通信息以及交互信息；
所述编码层被配置成对所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息进行编码，以得到分别用于表示所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息的第一张量、第二张量、第三张量和第四张量；
所述自回归推理层被配置成对由所述第一张量、所述第二张量、所述第三张量和所述第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；以及
所述解码层被配置成基于所述下一时刻的隐状态进行解码，以得到用于所述下一时刻的交互信息和用于所述下一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，所述编码层被配置成利用循环神经网络或Transformer网络对所述历史决策信息进行编码。
3.如权利要求2所述的自动驾驶模型，其中，所述历史决策信息包括所述解码层在所述当前时刻之前的至少一个先前时刻输出的自动驾驶决策信息。
4.如权利要求1所述的自动驾驶模型，其中，所述编码层被配置成将所述感知信息映射到鸟瞰图BEV空间，以得到所述感知信息的鸟瞰图BEV表示。
5.如权利要求4所述的自动驾驶模型，其中所述感知信息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。
6.如权利要求1所述的自动驾驶模型，其中，所述编码层被配置成将所述交通信息映射到鸟瞰图BEV空间，以得到所述交通信息的鸟瞰图BEV表示。
7.如权利要求6所述的自动驾驶模型，其中，所述交通信息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。
8.如权利要求1所述的自动驾驶模型，其中，所述编码层被配置成利用预训练语言模型对所述交互信息进行编码。
9.如权利要求8所述的自动驾驶模型，其中，所述交互信息包括交通指挥信息、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。
10.如权利要求1至9中任一项所述的自动驾驶模型，其中，所述自回归推理层由循环神经网络、Transformer、递归记忆Transformer、以及扩散模型中的一种实现。
11.一种利用如权利要求1-10中任一项所述的自动驾驶模型实现的自动驾驶方法，包括：
获取输入信息，所述输入信息包括当前时刻的历史决策信息、感知信息、交通信息以及交互信息；
对所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息进行编码，以得到分别用于表示所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息的第一张量、第二张量、第三张量和第四张量；
对由所述第一张量、所述第二张量、所述第三张量和所述第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；以及
基于所述下一时刻的隐状态进行解码，以得到用于所述下一时刻的交互信息和用于所述下一时刻的自动驾驶决策信息。
12.一种基于如权利要求1-10中任一项所述的自动驾驶模型的自动驾驶装置，包括：
获取单元，被配置成获取输入信息，所述输入信息包括当前时刻的历史决策信息、感知信息、交通信息以及交互信息；
编码单元，被配置成对所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息进行编码，以得到分别用于表示所述历史决策信息、所述感知信息、所述交通信息以及所述交互信息的第一张量、第二张量、第三张量和第四张量；
推理单元，被配置成对由所述第一张量、所述第二张量、所述第三张量和所述第四张量形成的输入张量进行推理，以得到用于下一时刻的隐状态；以及
解码单元，被配置成基于所述下一时刻的隐状态进行解码，以得到用于所述下一时刻的交互信息和用于所述下一时刻的自动驾驶决策信息。
13.一种电子设备，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11所述的方法。
14.一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11所述的方法。
15.一种计算机程序产品，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11所述的方法。
16.一种自动驾驶车辆，包括：
根据权利要求12所述的自动驾驶装置、根据权利要求13所述的电子设备中的一者。
CN202311616173.1A 2023-11-29 2023-11-29 能够实现多模态交互的自动驾驶模型、方法、装置和车辆 Pending CN117601898A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311616173.1A CN117601898A (zh) 2023-11-29 2023-11-29 能够实现多模态交互的自动驾驶模型、方法、装置和车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311616173.1A CN117601898A (zh) 2023-11-29 2023-11-29 能够实现多模态交互的自动驾驶模型、方法、装置和车辆

Publications (1)

Publication Number Publication Date
CN117601898A true CN117601898A (zh) 2024-02-27

Family

ID=89947712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311616173.1A Pending CN117601898A (zh) 2023-11-29 2023-11-29 能够实现多模态交互的自动驾驶模型、方法、装置和车辆

Country Status (1)

Country Link
CN (1) CN117601898A (zh)

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
CN114179832B (zh) 用于自动驾驶车辆的变道方法
CN113887400B (zh) 障碍物检测方法、模型训练方法、装置及自动驾驶车辆
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
CN115082690B (zh) 目标识别方法、目标识别模型训练方法及装置
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
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
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
CN115311486A (zh) 使用预训练的特征提取器训练蒸馏的机器学习模型
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
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
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
CN115019278B (zh) 一种车道线拟合方法、装置、电子设备和介质
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
CN114333368B (zh) 语音提醒方法、装置、设备和介质
CN114333405B (zh) 用于辅助车辆停车的方法
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
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
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
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
CN116560377A (zh) 用于预测位置轨迹的自动驾驶模型及其训练方法

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