Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2022088798 - PROCÉDÉ, SYSTÈME ET DISPOSITIF DE PRISE DE DÉCISION DE CONDUITE AUTOMATIQUE ET SUPPORT DE STOCKAGE INFORMATIQUE

Numéro de publication WO/2022/088798
Date de publication 05.05.2022
N° de la demande internationale PCT/CN2021/109174
Date du dépôt international 29.07.2021
CIB
B60W 60/00 2020.1
BTECHNIQUES INDUSTRIELLES; TRANSPORTS
60VÉHICULES EN GÉNÉRAL
WCOMMANDE CONJUGUÉE DE PLUSIEURS SOUS-ENSEMBLES D'UN VÉHICULE, DE FONCTION OU DE TYPE DIFFÉRENTS; SYSTÈMES DE COMMANDE SPÉCIALEMENT ADAPTÉS AUX VÉHICULES HYBRIDES; SYSTÈMES D'AIDE À LA CONDUITE DE VÉHICULES ROUTIERS, NON LIÉS À LA COMMANDE D'UN SOUS-ENSEMBLE PARTICULIER
60Systèmes d’aide à la conduite spécialement adaptés aux véhicules routiers autonomes
B60W 40/04 2006.1
BTECHNIQUES INDUSTRIELLES; TRANSPORTS
60VÉHICULES EN GÉNÉRAL
WCOMMANDE CONJUGUÉE DE PLUSIEURS SOUS-ENSEMBLES D'UN VÉHICULE, DE FONCTION OU DE TYPE DIFFÉRENTS; SYSTÈMES DE COMMANDE SPÉCIALEMENT ADAPTÉS AUX VÉHICULES HYBRIDES; SYSTÈMES D'AIDE À LA CONDUITE DE VÉHICULES ROUTIERS, NON LIÉS À LA COMMANDE D'UN SOUS-ENSEMBLE PARTICULIER
40Calcul ou estimation des paramètres de fonctionnement pour les systèmes d'aide à la conduite de véhicules routiers qui ne sont pas liés à la commande d'un sous-ensemble particulier
02liés aux conditions ambiantes
04liés aux conditions de trafic
G06N 3/04 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
04Architecture, p.ex. topologie d'interconnexion
G06N 3/08 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
G06N 7/00 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
7Systèmes de calculateurs basés sur des modèles mathématiques spécifiques
CPC
B60W 2554/00
BPERFORMING OPERATIONS; TRANSPORTING
60VEHICLES IN GENERAL
WCONJOINT 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
2554Input parameters relating to objects
B60W 40/04
BPERFORMING OPERATIONS; TRANSPORTING
60VEHICLES IN GENERAL
WCONJOINT 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
40Estimation or calculation of ; non-directly measurable; driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, ; e.g. by using mathematical models
02related to ambient conditions
04Traffic conditions
B60W 60/0016
BPERFORMING OPERATIONS; TRANSPORTING
60VEHICLES IN GENERAL
WCONJOINT 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
60Drive control systems specially adapted for autonomous road vehicles
001Planning or execution of driving tasks
0015specially adapted for safety
0016of the vehicle or its occupants
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
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
Déposants
  • 浪潮(北京)电子信息产业有限公司 INSPUR (BEIJING) ELECTRONIC INFORMATION INDUSTRY CO., LTD [CN]/[CN]
Inventeurs
  • 李茹杨 LI, Ruyang
  • 李仁刚 LI, Rengang
  • 赵雅倩 ZHAO, Yaqian
  • 李雪雷 LI, Xuelei
  • 魏辉 WEI, Hui
  • 徐哲 XU, Zhe
  • 张亚强 ZHANG, Yaqiang
Mandataires
  • 北京集佳知识产权代理有限公司 UNITALEN ATTORNEYS AT LAW
Données relatives à la priorité
202011181627.329.10.2020CN
Langue de publication Chinois (zh)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) AUTOMATIC DRIVING DECISION-MAKING METHOD, SYSTEM, AND DEVICE, AND COMPUTER STORAGE MEDIUM
(FR) PROCÉDÉ, SYSTÈME ET DISPOSITIF DE PRISE DE DÉCISION DE CONDUITE AUTOMATIQUE ET SUPPORT DE STOCKAGE INFORMATIQUE
(ZH) 一种自动驾驶决策方法、系统、设备及计算机存储介质
Abrégé
(EN) An automatic driving method, comprising the following steps: step S101; acquiring real-time traffic environment information of an autonomous vehicle in a driving process at the current moment; step S102: on the basis of a preset mapping relationship, implementing mapping of the real-time traffic environment information to obtain mapped traffic environment information; step S103: on the basis of a pre-stored existing deep reinforcement learning model and the mapped traffic environment information, adjusting a target deep reinforcement learning model; and step S104: determining whether to finish autonomous driving and, if not, then returning to execute the step of acquiring real-time traffic environment information of the autonomous vehicle in the driving process at the current moment. The present autonomous driving method performs adjustment of the target deep reinforcement learning model with the help of the mapping relationship and the existing deep reinforcement learning model, and can avoid adjustment of the target deep reinforcement learning model from scratch, accelerating the decision-making efficiency of the target deep reinforcement learning model and achieving rapid and stable autonomous driving. Also provided are an automatic driving system, an automatic driving device, and a computer medium storing the automatic driving method.
(FR) Procédé de conduite automatique comprenant les étapes suivantes : étape S101 : l'acquisition d'informations d'environnement de trafic en temps réel d'un véhicule autonome dans un processus de conduite au moment actuel ; étape S102 : sur la base d'une relation de mappage prédéfinie, la mise en oeuvre d'un mappage des informations d'environnement de trafic en temps réel pour obtenir des informations d'environnement de trafic mappées ; étape S103 : sur la base d'un modèle d'apprentissage de renforcement profond existant pré-stocké et des informations d'environnement de trafic mappées, le réglage d'un modèle d'apprentissage de renforcement profond cible ; et étape S104 : la détermination s'il convient ou non de mettre fin à la conduite autonome et, sinon, le retour à l'exécution de l'étape d'acquisition d'informations d'environnement de trafic en temps réel du véhicule autonome dans le processus de conduite au moment actuel. Le présent procédé de conduite autonome réalise un réglage du modèle d'apprentissage de renforcement profond cible à l'aide de la relation de mappage et du modèle d'apprentissage de renforcement profond existant, et peut éviter le réglage du modèle d'apprentissage de renforcement profond cible de zéro, accélérer l'efficacité de prise de décision du modèle d'apprentissage de renforcement profond cible et obtenir une conduite autonome rapide et stable. L'invention concerne également un système de conduite automatique, un dispositif de conduite automatique et un support informatique stockant le procédé de conduite automatique.
(ZH) 一种自动驾驶方法,包括以下步骤:步骤S101,获取当前时刻下,自动驾驶车辆在行驶过程中的实时交通环境信息;步骤S102,基于预设的映射关系对实时交通环境信息进行映射,得到映射交通环境信息;步骤S103,基于预先存储的已有深度强化学习模型及映射交通环境信息,对目标深度强化学习模型进行调整;步骤S104,判断是否结束自动驾驶,若否,则返回执行获取当前时刻下,自动驾驶车辆在行驶过程中的实时交通环境信息的步骤。该自动驾驶方法借助映射关系和已有深度强化学习模型来对目标深度强化学习模型进行调整,能够避免从头对目标深度强化学习模型进行调整,加快目标深度强化学习模型的决策效率,进行实现快速、稳定的自动驾驶。还提供了一种自动驾驶系统、一种自动驾驶设备及存储有该自动驾驶方法的计算机介质。
Documents de brevet associés
Dernières données bibliographiques dont dispose le Bureau international