[发明专利]车辆语言处理

权利要求书

1.一种方法，其包括：

基于输入到使用包括变分自动编码器(VAE)的逆强化学习(IRL)系统训练的深度神经网络(DNN)的车辆传感器数据来确定车辆动作；和

基于所述车辆动作来操作车辆。

2.如权利要求1所述的方法，其还包括使用所述VAE训练所述DNN以生成重构策略。

3.如权利要求2所述的方法，其中所述重构策略基于车辆状态和潜在奖励函数。

4.如权利要求3所述的方法，其中对抗鉴别器网络鉴别所述重构策略和专家策略。

5.如权利要求4所述的方法，其中所述专家策略基于具有N个轨迹的所述车辆。

6.如权利要求5所述的方法，其中使用所述重构策略来恢复所述专家策略和所述潜在奖励函数。

7.如权利要求1所述的方法，其中所述车辆传感器数据包括来自左车道、右车道和同一车道中的相邻车辆的距离和相对速度。

8.如权利要求1所述的方法，其中所述车辆动作包括三种车辆速度变化模式，所述三种车辆速度变化模式包括更高速度、更低速度和无变化。

9.如权利要求1所述的方法，其中所述车辆动作包括三种车辆横向位置变化模式，所述三种车辆横向位置变化模式包括左车道变换操纵、同一车道和右车道变换操纵。

10.如权利要求1所述的方法，其中所述VAE包括策略处理块，所述策略处理块基于奖励和专家状态来确定重构的动作。

11.如权利要求10所述的方法，其中所述VAE包括鉴别器处理块，所述鉴别器处理块基于所述重构的动作和所述专家动作、基于所述重构的动作和所述专家动作的相似性来确定处理后的奖励。

12.如权利要求11所述的方法，其中所述DNN基于所述处理后的奖励来更新潜在计算信息。

13.如权利要求1所述的方法，其中基于所述车辆动作来确定路径多项式。

14.如权利要求13所述的方法，其中操作所述车辆包括基于所述路径多项式指示车辆动力传动系统、制动部件和转向部件。

15.一种系统，其包括计算机，所述计算机被编程为执行如权利要求1至14中任一项所述的方法。