-
公开(公告)号：CN119319846A
公开(公告)日：2025-01-17
申请号：CN202411146004.0
申请日：2024-08-20
Applicant: 清华大学
Abstract: 本发明公开了一种具有防御行为的自动驾驶车辆非保守决控方法，本发明的方法包括结合自车和周边交通环境信息，预测交通参与者未来轨迹的概率分布，并结合空间位置关系构建交通环境时空风险态势评估模型。同时，将环境不确定性融入集成式决控架构，构建模型预测优化控制问题，通过优化求解前轮转角和纵向加速度控制指令，控制车辆实现自动驾驶任务。本发明可以确保车辆面对潜在危险时不做出过激反应，同时又不会因过于保守而降低驾驶质量，实现不确定性环境下自动驾驶车辆的安全、非保守行驶。
-
公开(公告)号：CN113849903B
公开(公告)日：2024-12-31
申请号：CN202110999851.1
申请日：2021-08-26
Applicant: 清华大学
IPC: G06F30/15 , G06F30/20 , G06Q10/047 , G06Q50/40 , G06F111/04 , G06F111/10
Abstract: 本公开提供的智能汽车最优决控模型构建及求解方法、装置和存储介质，包括：构建智能汽车的最优决控模型，以最小化自车的路径跟踪性能和预测跟踪误差之和作为最优决控模型的目标函数，分别以自车动力学模型、自车与周围交通参与者的距离、自车与道路的距离和自车与信号灯的距离作为最优决控模型的运动约束和安全约束，以评价函数和策略函数作为最优决控模型的输出；建立学习型罚函数方法处理安全约束，在探索过程中监测不安全的驾驶状态并对违反约束的策略施加惩罚，使得策略朝着满足约束的方向迭代，最终输出最优决控模型的最优策略函数和最优评价函数。本公开具有高安全性和强智能性，突破了现有决控求解器独立优化且依赖人工规则的瓶颈。
-
公开(公告)号：CN118859711A
公开(公告)日：2024-10-29
申请号：CN202410873088.1
申请日：2024-07-01
Applicant: 清华大学 , 北京智行者科技股份有限公司
IPC: G05B13/04
Abstract: 本申请涉及控制技术领域，特别涉及一种具有安全保障能力的高实时显式控制律设计方法及装置，其中，方法包括：建立系统状态随时间变化的微分方程；基于微分方程选取合适的基函数，以线性组合基函数形成控制律；基于微分方程、基函数和控制律构建控制李雅普诺夫函数和控制障碍函数；将控制李雅普诺夫函数和控制障碍函数作为约束条件，以优化控制律的组合系数，直至达到预设显式控制律性能标准，得到最终设计结果。由此，解决了相关技术中，由于MPC计算负担高，在高实时应用中有局限性，由于RL缺乏理论支持且依赖数据，导致适应性和可靠性受限，由于某些显式设计的控制策略依赖特定问题和形式，降低通用性和灵活性等问题。
-
公开(公告)号：CN118036664A
公开(公告)日：2024-05-14
申请号：CN202410230079.0
申请日：2024-02-29
Applicant: 清华大学
IPC: G06N3/0455 , G06N3/0895 , G06N3/047 , G06N3/084 , G06F16/29 , B60W50/00 , B60W60/00
Abstract: 本申请提出了一种交通参与者运动预测的神经网络架构训练方法，包括：构建用于动态交通场景理解的时空分离型场景编码器，其中，场景编码器的输入为交通场景感知信息，输出为场景编码，场景编码器采用时空分离的方式进行编码；构建用于多模态轨迹预测的轨迹解码器，其中，轨迹解码器的输入为场景编码，输出为预测轨迹及对应的概率分数；采用周车轨迹与地图输入的掩码‑重建自监督学习任务，对场景编码器进行场景理解训练；联合场景理解训练后的场景编码器与轨迹解码器进行运动预测训练，得到训练后的神经网络架构，其中，运动预测训练采用多模态轨迹预测的优化目标函数。采用上述方案的本发明有效提高了复杂交通场景中轨迹预测的准确性。
-
公开(公告)号：CN117973032A
公开(公告)日：2024-05-03
申请号：CN202410131231.X
申请日：2024-01-31
Applicant: 清华大学
IPC: G06F30/20 , G06F111/08 , G06F111/04
Abstract: 本公开提供的一种结构化道路机动车微观交通行为的建模方法，包括：S1，确定机动车驾驶风格；S2，确定被控车辆周围的可行车道及可行车道对应的可行路径；S3：构建考虑通行效率、安全性、经济性、舒适性、合规性和战略换道需求多个维度的评估函数并选择目标车道；S4：根据决策间隔时间和战略换道需求进行目标车道重选；S5：构建目标车道跟踪路径的横向偏移和速度偏移；S6：采用在线跟踪避障算法跟踪目标车道参考路径。本公开基于人类的认知行为过程，将目标路径选择和路径跟踪避障解耦，先选择目标路径，然后利用在线路径跟踪避障算法在考虑周围交通参与者安全约束的情况下跟踪目标路径，满足自动驾驶汽车训练和仿真测试的真实性需求。
-
Patent Agency Ranking
公开(公告)号：CN117879962A
公开(公告)日：2024-04-12
申请号：CN202410101716.4
申请日：2024-01-24
Applicant: 清华大学
Abstract: 本申请涉及一种汽车以太网控制器异常报文检测方法及系统，其中，方法包括：采集汽车以太网的正常报文和异常报文，根据正常报文和异常报文构建数据集；根据数据集中的正常报文样本训练基于改进自编码器的主判别器；利用生成器对已提取攻击特征的异常报文进行数据增广，并根据异常对抗样本和主判别器进行生成对抗训练；基于未提取攻击特征的异常报文，根据数据集训练补充判别器；将训练后的主判别器和训练后的补充判别器并联为最终判别器，并利用最终判别器对汽车以太网控制器进行异常报文检测。由此，解决了相关技术难以使用监督学习方法进行异常检测，降低了对抗样本攻击的安全性，难以满足汽车以太网控制器异常报文检测的应用需求等问题。
-
公开(公告)号：CN113587950B
公开(公告)日：2024-04-09
申请号：CN202110990214.8
申请日：2021-08-26
Applicant: 清华大学
IPC: G01C21/34
Abstract: 本公开提供的一种自动驾驶汽车静态路径规划方法、装置及存储介质，包括：根据交叉路口道路拓扑与该交叉路口内行驶路线的预期出口数目，选取多组特征点，特征点的组数与预期出口数目一致，每组特征点包含若干交叉路口内部特征点与交叉路口外部特征点；将多组特征点输入路径计算函数，得到对应的不同候选静态连续路径；对每一条候选静态连续路径，设定期望通行速率与期望停止速率，根据自动驾驶汽车当前状态与信号灯相位为自动驾驶汽车分配行驶速率，得到包含自动驾驶汽车速率信息的多条候选路径，将其离散化，输出最终规划的静态离散路径。本公开为自动驾驶汽车路径跟踪等决策控制任务提供多条候选路径，并保证在线应用时的高计算效率。
-
公开(公告)号：CN113619604B
公开(公告)日：2023-08-15
申请号：CN202110990262.7
申请日：2021-08-26
Applicant: 清华大学
Abstract: 本公开提供的自动驾驶汽车的集成式决控方法、装置及存储介质，本公开包括：根据交通驾驶场景的静态信息构造候选路径集合，对候选路径集合中每一条候选路径考虑交通驾驶场景的动态信息构建路径跟踪模型，在此基础上进一步构造路径优选模型；将路径跟踪模型和路径优选模型分别转化为决控策略求解模型和评价函数求解模型，通过离线方式求解决控策略求解模型和评价函数求解模型，得到最优决控策略和最优评价函数；从自动驾驶汽车出发时刻开始，每一时刻利用最优评价函数选择最优路径，然后使用最优决控策略确定自动驾驶汽车的最优动作，直至到达全局路径终点。本公开的可扩展性强且在线计算效率高。
-
公开(公告)号：CN113849903A
公开(公告)日：2021-12-28
申请号：CN202110999851.1
申请日：2021-08-26
Applicant: 清华大学
IPC: G06F30/15 , G06F30/20 , G06Q10/04 , G06Q50/30 , G06F111/04 , G06F111/10
Abstract: 本公开提供的智能汽车最优决控模型构建及求解方法、装置和存储介质，包括：构建智能汽车的最优决控模型，以最小化自车的路径跟踪性能和预测跟踪误差之和作为最优决控模型的目标函数，分别以自车动力学模型、自车与周围交通参与者的距离、自车与道路的距离和自车与信号灯的距离作为最优决控模型的运动约束和安全约束，以评价函数和策略函数作为最优决控模型的输出；建立学习型罚函数方法处理安全约束，在探索过程中监测不安全的驾驶状态并对违反约束的策略施加惩罚，使得策略朝着满足约束的方向迭代，最终输出最优决控模型的最优策略函数和最优评价函数。本公开具有高安全性和强智能性，突破了现有决控求解器独立优化且依赖人工规则的瓶颈。
-
公开(公告)号：CN113587950A
公开(公告)日：2021-11-02
申请号：CN202110990214.8
申请日：2021-08-26
Applicant: 清华大学
IPC: G01C21/34
Abstract: 本公开提供的一种自动驾驶汽车静态路径规划方法、装置及存储介质，包括：根据交叉路口道路拓扑与该交叉路口内行驶路线的预期出口数目，选取多组特征点，特征点的组数与预期出口数目一致，每组特征点包含若干交叉路口内部特征点与交叉路口外部特征点；将多组特征点输入路径计算函数，得到对应的不同候选静态连续路径；对每一条候选静态连续路径，设定期望通行速率与期望停止速率，根据自动驾驶汽车当前状态与信号灯相位为自动驾驶汽车分配行驶速率，得到包含自动驾驶汽车速率信息的多条候选路径，将其离散化，输出最终规划的静态离散路径。本公开为自动驾驶汽车路径跟踪等决策控制任务提供多条候选路径，并保证在线应用时的高计算效率。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.064 seconds)
