In Bearbeitung

Bitte warten ...

Einstellungen

Einstellungen

Gehe zu Anmeldung

1. WO2020114674 - VERFAHREN ZUM TRAINIEREN WENIGSTENS EINES ALGORITHMUS FÜR EIN STEUERGERÄT EINES KRAFTFAHRZEUGS, COMPUTERPROGRAMMPRODUKT SOWIE KRAFTFAHRZEUG

Veröffentlichungsnummer WO/2020/114674
Veröffentlichungsdatum 11.06.2020
Internationales Aktenzeichen PCT/EP2019/078978
Internationales Anmeldedatum 24.10.2019
IPC
G06N 3/08 2006.01
GPhysik
06Datenverarbeitung; Rechnen oder Zählen
NRechnersysteme, basierend auf spezifischen Rechenmodellen
3Rechnersysteme, die auf biologischen Modellen basieren
02unter Verwendung neuronaler Netzwerkmodelle
08Lernverfahren
G06N 3/00 2006.01
GPhysik
06Datenverarbeitung; Rechnen oder Zählen
NRechnersysteme, basierend auf spezifischen Rechenmodellen
3Rechnersysteme, die auf biologischen Modellen basieren
CPC
G06N 3/006
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
004Artificial life, i.e. computers simulating life
006based on simulated virtual individual or collective life forms, e.g. single "avatar", social simulations, virtual worlds or particle swarm optimisation
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
Anmelder
  • PSA AUTOMOBILES SA [FR]/[FR]
Erfinder
  • EBERLE, Ulrich
  • HALLERBACH, Sven
  • KAMMERER, Jakob
Vertreter
  • SPITZFADEN, Ralf
Prioritätsdaten
10 2018 220 865.403.12.2018DE
Veröffentlichungssprache Deutsch (DE)
Anmeldesprache Deutsch (DE)
Designierte Staaten
Titel
(DE) VERFAHREN ZUM TRAINIEREN WENIGSTENS EINES ALGORITHMUS FÜR EIN STEUERGERÄT EINES KRAFTFAHRZEUGS, COMPUTERPROGRAMMPRODUKT SOWIE KRAFTFAHRZEUG
(EN) METHOD FOR TRAINING AT LEAST ONE ALGORITHM FOR A CONTROL DEVICE OF A MOTOR VEHICLE, COMPUTER PROGRAM PRODUCT, AND MOTOR VEHICLE
(FR) PROCÉDÉ POUR L'ENTRAÎNEMENT D'AU MOINS UN ALGORITHME POUR UN APPAREIL DE COMMANDE D'UN VÉHICULE AUTOMOBILE, PRODUIT DE PROGRAMME INFORMATIQUE AINSI QUE VÉHICULE AUTOMOBILE
Zusammenfassung
(DE)
Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs zur Umsetzung einer autonomen Fahrfunktion, wobei der Algorithmus durch ein selbstlernendes neuronales Netz trainiert wird, umfassend folgende Schritte: a) Bereitstellen eines Computerprogrammproduktmoduls für die autonome Fahrfunktion, wobei das Computerprogrammproduktmodul den zu trainierenden Algorithmus und das selbstlernende neuronale Netz enthält; b) Bereitstellen wenigstens einer Metrik und einer Belohnungsfunktion; c) Einbetten des Computerprogrammproduktmoduls in eine Simulationsumgebung zur Simulation wenigstens einer relevanten Verkehrssituation, sowie Trainieren des selbstlernenden neuronalen Netzes durch Simulieren von kritischen Szenarien und Ermitteln der Metrik (M), bis ein erstes Gütemaß (G1) erfüllt ist; d) Einbetten des trainierten Computerprogrammproduktmoduls in das Steuergerät des Kraftfahrzeugs zur Simulation von relevanten Verkehrssituationen sowie Trainieren des selbstlernenden neuronalen Netzes durch Simulieren von kritischen Szenarien und Ermitteln der Metrik (M), bis ein zweites Gütemaß erfüllt ist, wobei e), (i) wenn die Metrik (M) in Schritt d) schlechter ist als das erste Gütemaß (G1), das Verfahren ab Schritt c) fortgesetzt wird, oder (ii) wenn die Metrik (M) in Schritt d) besser ist als die das erste Gütemaß (G1) und schlechter ist als das zweite Gütemaß (G2), das Verfahren ab Schritt d) fortgesetzt wird.
(EN)
Method for training at least one algorithm for a control device of a motor vehicle for implementing an autonomous driving function, wherein the algorithm is trained by means of a self-learning neural network, comprising the following steps of: a) providing a computer program product module for the autonomous driving function, wherein the computer program product module contains the algorithm to be trained and the self-learning neural network; b) providing at least one metric and a reward function; c) embedding the computer program product module in a simulation environment for simulating at least one relevant traffic situation, and training the self-learning neural network by simulating critical scenarios and determining the metric (M) until a first measure of quality (G1) has been satisfied; d) embedding the trained computer program product module in the control device of the motor vehicle for simulating relevant traffic situations, and training the self-learning neural network by simulating critical scenarios and determining the metric (M) until a second measure of quality has been satisfied, wherein e), (i) when the metric (M) in step d) is worse than the first measure of quality (G1), the method is continued from step c), or, (ii) when the metric (M) in step d) is better than the first measure of quality (G1) and worse than the second measure of quality (G2), the method is continued from step d).
(FR)
Procédé pour l'entraînement d'au moins un algorithme pour un appareil de commande d'un véhicule automobile pour la mise en œuvre d'une fonction de pilotage autonome, l'algorithme étant entraîné par un réseau neuronal à auto-apprentissage, comprenant les étapes suivantes : a) mise à disposition d'un module de programme informatique pour la fonction de pilotage autonome, le module de programme informatique contenant l'algorithme à entraîner et le réseau neuronal à auto-apprentissage; b) mise à disposition d'au moins une métrique et d'une fonction de récompense; c) intégration du module de programme informatique dans un environnement de simulation pour la simulation d'au moins une situation de trafic pertinente, ainsi qu'entraînement du réseau neuronal à auto-apprentissage par la simulation de scénarios critiques et détermination de la métrique (M), jusqu'à ce qu'une mesure de qualité (G1) soit satisfaire; d) intégration du module de programme informatique entraîné dans l'appareil de commande du véhicule automobile pour la simulation de situations de trafic pertinentes ainsi que pour l'entraînement du réseau neuronal à auto-apprentissage par la simulation de scénarios critiques et la détermination de la métrique (M) jusqu'à ce qu'une deuxième mesure de qualité soit satisfaite, e) (i) lorsque la métrique (M) de l'étape d) est moins bonne que la première mesure de qualité (G1), le procédé est continué à partir de l'étape c), ou (ii) lorsque la métrique (M) de l'étape d) est meilleure que la première mesure de qualité (G1) est moins bonne que la deuxième mesure de qualité (G2), le procédé est continué à partir de l'étape d).
Auch veröffentlicht als
Aktuellste beim Internationalen Büro vorliegende bibliographische Daten