-
公开(公告)号：CN116304608A
公开(公告)日：2023-06-23
申请号：CN202310154061.2
申请日：2023-02-23
Applicant: 清华大学
IPC: G06F18/211 , G06F18/2415 , G06N20/00
Abstract: 本公开提供的适用于智能汽车的结构化道路场景生成方法，包括：选取基准道路场景结构，构建其“结点‑边”图结构模型，该模型中的结点包括与交叉路口相对应的中心结点和与道路场景结构的出入口相对应的端结点，该模型中的边用于连接结点，对应道路场景结构的出入口之间的相邻两向所有车道形成的路段；对“结点‑边”图结构模型中的结点和边进行随机化处理，生成随机化“结点‑边”图结构模型；判断随机化“结点‑边”图结构模型是否合规，若不合规，则重新生成随机化“结点‑边”图结构模型；将合规的随机化“结点‑边”图结构模型对应的道路场景结构输出。本公开可解决智能汽车在特定场景训练的驾驶策略泛化性能差、在线路径规划实时性差等问题。
-
公开(公告)号：CN116070448A
公开(公告)日：2023-05-05
申请号：CN202310132213.9
申请日：2023-02-09
Applicant: 清华大学
Abstract: 本申请提出了一种智能决策算法与仿真平台的联合互锁调用方法，涉及联合仿真技术领域，包括在智能决策算法处创建算法侧模块，在仿真平台处创建平台侧模块，并进行总初始化操作，其中，算法侧模块与平台测模块在同一个进程的两个线程内分别运行；分别对算法侧模块和平台侧模块进行重置操作，并重置共享上下文状态；分别对算法侧模块和平台侧模块进行步进操作，并借助共享上下文进行数据交换；在智能决策算法要求重置称为一个采样循环时，停止步进操作；反复执行采样循环直至智能决策算法运行结束。本申请在智能决策算法侧和仿真平台侧各部署一个功能模块，且仅依赖于少量线程同步原语，在同一进程内解决控制权冲突，保证了高通信效率，性能损失小。
-
公开(公告)号：CN116011123A
公开(公告)日：2023-04-25
申请号：CN202310154088.1
申请日：2023-02-23
Applicant: 清华大学
IPC: G06F30/15 , G06F30/20 , G06F119/02
Abstract: 本公开提供的智能汽车连续时间最优决控模型构建及求解方法，包括：构建智能汽车连续时间最优决控模型，以自车的终端状态性能函数和从初始时刻至终端时刻的有限时域内的效用函数的连续时间积分作为目标函数，效用函数用于表达自车的综合性能，以智能汽车的连续时间动力学方程作为最优决控模型的运动约束，以参数化最优策略作为最优决控模型的输出；对最优决控模型进行迭代求解，每次迭代中，首先从初始时刻至终端时刻前向求解终端时刻的自车状态，然后从终端时刻至初始时刻后向求解策略梯度，并以梯度下降的方式更新参数化策略的参数，不断重复上述迭代过程直至参数化策略的参数收敛，得到最优参数化策略。本公开精度高、适用范围广、节省内存。
-
公开(公告)号：CN113619604A
公开(公告)日：2021-11-09
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。
-
Patent Agency Ranking
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：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
9
records
(took 0.022 seconds)
