[发明专利]实时对象行为预测

说明书

在一个实施方式中，一种方法、设备和系统可在自动驾驶车辆(ADV)处使用机器学习来预测环境对象的行为。生成包括至少第一神经网络和第二神经网络的数据处理架构，第一神经网络和第二神经网络已经用训练数据集训练过。使用包括已训练的神经网络的数据处理架构来预测ADV环境中的一个或多个对象的行为。至少部分地基于ADV环境中的一个或多个对象的所预测的行为来生成驾驶信号，以控制ADV的操作。

技术领域

本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及在控制自动驾驶车辆中使用机器学习算法进行预测。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。

安全和可靠的自动驾驶技术需要准确预测自动驾驶车辆周围的其它对象的行为。已经开发了关于如何对来自周围环境的特征进行编码的解决方案。然而，预测对象的交互仍然是困难且耗时的，因为传统上它涉及对对象中的每个执行预测并在所有对象之间迭代地计算。

发明内容

根据本公开的一方面，提供了一种用于在自动驾驶车辆处使用机器学习预测环境对象的行为的计算机实施的方法，包括：

对在某个时间点从所述自动驾驶车辆的感知模块接收的感知数据应用第一神经网络，以提取一组感知特征；

基于来自所述第一神经网络的所提取的感知特征和从地图获得的地图信息，使用第二神经网络预测所述自动驾驶车辆的环境中的一个或多个对象的行为；以及

至少部分地基于所述自动驾驶车辆的环境中的所述一个或多个对象的所预测的行为来生成控制命令，以控制所述自动驾驶车辆的操作。

根据本公开的另一方面，提供了一种存储有指令的非暂时性机器可读介质，所述指令在由处理器执行时致使所述处理器执行用于在自动驾驶车辆处使用机器学习预测环境对象的行为的操作，所述操作包括：

对在某个时间点从所述自动驾驶车辆的感知模块接收的感知数据应用第一神经网络，以提取一组感知特征；

基于来自所述第一神经网络的所提取的感知特征和从地图获得的地图信息，使用第二神经网络预测所述自动驾驶车辆的环境中的一个或多个对象的行为；以及

至少部分地基于所述自动驾驶车辆的环境中的所述一个或多个对象的所预测的行为来生成控制命令，以控制所述自动驾驶车辆的操作。

根据本公开的又一方面，提供了一种数据处理系统，包括：

处理器；以及

存储器，所述存储器联接至所述处理器，以存储指令，所述指令在由所述处理器执行时致使所述处理器执行用于在自动驾驶车辆处使用机器学习预测环境对象的行为的操作，所述操作包括：

对在某个时间点从所述自动驾驶车辆的感知模块接收的感知数据应用第一神经网络，以提取一组感知特征；

基于来自所述第一神经网络的所提取的感知特征和从地图获得的地图信息，使用第二神经网络预测所述自动驾驶车辆的环境中的一个或多个对象的行为；以及至少部分地基于所述自动驾驶车辆的环境中的所述一个或多个对象的所预测的行为来生成控制命令，以控制所述自动驾驶车辆的操作。

附图说明

本公开的实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考标记指示相似元件。

图1是示出根据一个实施方式的网络化系统的框图。

图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。