[发明专利]在观察模态之间转化训练数据

说明书

本发明涉及用于训练发生器的方法，包括以下步骤：向发生器输送至少一个实际信号，所述实际信号包括来自所述第一区域的至少一个观察的真实或模拟物理测量数据；由发生器将实际信号转化成经变换的信号，所述经变换的信号代表第二区域中的所属的合成测量数据；借助于成本函数评估：经变换的信号与一个/多个额定信号在何种程度上一致，其中至少一个额定信号对于通过实际信号代表的状况而言由第二物理观察模态Mod_B的真实或模拟测量数据构成；优化表征发生器的行为的可训练参数，其具有的目标是，获得经变换的信号，通过成本函数更好地评估所述经变换的信号。本发明涉及用于运行发生器的方法。本发明涉及具有完整效果链的方法。

技术领域

本发明涉及为系统产生训练数据，所述系统从区域的物理观察中推导针对车辆和其他技术系统的行为的决策。

背景技术

为了车辆能够至少部分自动化地在街道交通中移动，需要检测车辆的环境，并且如果即将发生与车辆环境中的对象碰撞，则引入对策。环境代表的创建和定位（Lokalisierung）对于安全的自动化驾驶也是必要的。

为了能够从车辆环境的物理观察中推导关于自身车辆的进一步行为（Verhalten）的决策，经常使用机器学习模块（Machine Learning-Module）。类似于典型地直至获得驾驶执照为止驾驶少于100小时并且经过少于1000 km的人类驾驶员，机器学习模块可以将从有限的训练数据储备中获取的知识也一般化到许多其他状况，所述其他状况并非训练的主题。

由于不存在在所有仅可设想的情况下提供定性地高质量的测量数据并且能够实现针对进一步行为的明确决策的单个物理映射模态，所以有利的是，在同一车辆处设置多个映射模态。

发明内容

在本发明的范围中，开发了一种用于为合成测量数据对发生器进行训练的方法。发生器在那里为此将与具有第一物理观察模态Mod_A的第一区域的观察有关的真实或模拟物理测量数据转换成合成测量数据。以第一模态Mod_A记录的测量数据属于由第一模态Mod_A定义的第一空间X，即所述测量数据“存在”于该第一空间X中。这些合成测量数据与具有第二物理观察模态Mod_B的第二区域的观察有关，所述第二区域与第一区域至少部分地重叠。合成测量数据属于由第二模态Mod_B定义的第二空间Y，即所述合成测量数据“存在”于该第二空间Y中。在这种意义上，在下文中也使用表述“存在于特定空间中”。

尤其是分别提供以下信号的这种模态适合作为观察模态（Beobachtungsmodalitäten），即从所述信号中可以推断出在车辆的环境中存在的对象的存在和/或类型。观察模态尤其可以例如基于不同的物理对比机制并且因此如下补充：即通过一种或多种其他模态填补在利用仅一种模态执行的观察中剩余的空隙。

这同时引起，利用模态Mod_A和Mod_B观察的区域通常将不是完全重合的，因为每种模态都有其优势和缺点。尤其是，模态Mod_A和Mod_B的分辨率和作用范围将是不相同的。

以模态Mod_A和Mod_B真实记录的所有测量数据可以以任何方式被预处理。例如，可以从视频图像中计算光流。例如，可以从雷达数据中产生“合成孔径雷达（syntheticaperture radar）”图像。