公开(公告)号：CN112612287B

公开(公告)日：2022-03-15

申请号：CN202011576923.3

申请日：2020-12-28

Applicant: 清华大学

Inventor： 江昆 ,  邓楠山 ,  杨殿阁 ,  周伟韬

IPC: G05D1/02

Abstract: 本发明涉及一种自动驾驶汽车局部路径规划系统、方法、介质及设备，其高精度地图模块经V2X车辆通讯模块与决策模块进行信息交互，环境感知模块将获得的定位信息和环境信息传输至决策模块；决策模块经车载CAN总线与车辆控制模块进行信息交互，决策模块根据接收到的信息输出带速度的轨迹点序列，并经车载CAN总线传输至车辆控制模块，由车辆控制模块完成车辆位置和速度的跟踪；车辆控制模块向决策模块反馈当前车辆状态信息。本发明可以实现通用场景的路径规划同时，还可利用地图中的高精度地图中存储的决策信息实现对高精度地图覆盖的全场景下的针对性路径规划，实现拥堵、事故、杂乱等场景规划出可执行轨迹。

公开(公告)号：CN114067243A

公开(公告)日：2022-02-18

申请号：CN202111337547.7

申请日：2021-11-10

Applicant: 清华大学

Inventor： 杨殿阁 ,  邓楠山 ,  江昆 ,  曹重 ,  周伟韬

IPC: G06V20/40 ,  G06K9/62 ,  G06V20/56 ,  G06V10/74

Abstract: 本发明涉及一种自动驾驶场景识别方法、系统、设备及介质，该方法包括：基于环境车行为数据和决策算法库使用变分自编码器进行无监督训练学习，获取环境特征分布模型；获取新环境的环境车行为数据通过环境特征分布模型进行处理，环境车基于处理结果选择相应决策算法进行自动驾驶。本发明能够准确区分当前环境特征和差异性，实现环境的深度聚类，辅助自动驾驶决策算法迁移。

公开(公告)号：CN112612287A

公开(公告)日：2021-04-06

申请号：CN202011576923.3

申请日：2020-12-28

Applicant: 清华大学

Inventor： 江昆 ,  邓楠山 ,  杨殿阁 ,  周伟韬

IPC: G05D1/02

Abstract: 本发明涉及一种自动驾驶汽车局部路径规划系统、方法、介质及设备，其高精度地图模块经V2X车辆通讯模块与决策模块进行信息交互，环境感知模块将获得的定位信息和环境信息传输至决策模块；决策模块经车载CAN总线与车辆控制模块进行信息交互，决策模块根据接收到的信息输出带速度的轨迹点序列，并经车载CAN总线传输至车辆控制模块，由车辆控制模块完成车辆位置和速度的跟踪；车辆控制模块向决策模块反馈当前车辆状态信息。本发明可以实现通用场景的路径规划同时，还可利用地图中的高精度地图中存储的决策信息实现对高精度地图覆盖的全场景下的针对性路径规划，实现拥堵、事故、杂乱等场景规划出可执行轨迹。

公开(公告)号：CN114067243B

公开(公告)日：2024-11-29

申请号：CN202111337547.7

申请日：2021-11-10

Applicant: 清华大学

Inventor： 杨殿阁 ,  邓楠山 ,  江昆 ,  曹重 ,  周伟韬

IPC: G06V20/40 ,  G06V20/56 ,  G06V10/74

Abstract: 本发明涉及一种自动驾驶场景识别方法、系统、设备及介质，该方法包括：基于环境车行为数据和决策算法库使用变分自编码器进行无监督训练学习，获取环境特征分布模型；获取新环境的环境车行为数据通过环境特征分布模型进行处理，环境车基于处理结果选择相应决策算法进行自动驾驶。本发明能够准确区分当前环境特征和差异性，实现环境的深度聚类，辅助自动驾驶决策算法迁移。

公开(公告)号：CN115758721A

公开(公告)日：2023-03-07

申请号：CN202211432998.3

申请日：2022-11-16

Applicant: 清华大学

Inventor： 江昆 ,  杨殿阁 ,  周伟韬 ,  曹重 ,  邓楠山

IPC: G06F30/20 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  B60W60/00

Abstract: 本发明涉及一种自动驾驶车辆驾驶场景重构及决策推演评估方法和系统，包括以下步骤：利用真实驾驶场景中某一时刻的驾驶数据在虚拟环境中重构该驾驶场景，并以该时刻作为虚拟环境的起始时刻，利用场景反应式模型对下一时刻虚拟环境中驾驶场景内所有元素的状态信息进行更新，迭代后得到一系列连续时刻的虚拟环境的驾驶场景；其中，所述场景反应式模型基于采集的自动驾驶车辆在真实世界驾驶场景中多个连续时刻的驾驶数据，预先训练而成；基于得到的一系列连续时刻的虚拟环境的驾驶场景，对自动驾驶车辆的自动驾驶决策效果进行推演和评估。本发明可以广泛应用于智能车辆领域。

公开(公告)号：CN113879323A

公开(公告)日：2022-01-04

申请号：CN202111246972.5

申请日：2021-10-26

Applicant: 清华大学

Inventor： 杨殿阁 ,  曹重 ,  周伟韬 ,  邓楠山 ,  焦新宇

IPC: B60W50/00 ,  B60W60/00

Abstract: 本发明涉及一种可信赖学习型自动驾驶决策方法、系统、存储介质及设备，其包括：基于预先设定的决策问题构建可解释性决策，由所述可解释性决策引导所述学习型决策训练；由所述决策问题对学习型决策进行训练，得到具有高价值的决策价值函数的学习型决策；选取所述学习型决策和所述可解释性决策两者中价值高的决策，作为最终可信赖的学习型决策动作。本发明能实现对自动驾驶汽车学习型决策的可信赖度保障，以保证自动驾驶汽车的高可信赖性。本发明可以广泛在自动驾驶技术领域中应用。