-
公开(公告)号：CN118536401A
公开(公告)日：2024-08-23
申请号：CN202410757050.8
申请日：2024-06-12
Applicant: 清华大学
Abstract: 一种行为能力测试模型构建方法、测试平台和方法，包括：获取原始训练数据并进行处理，得到自然驾驶场景训练数据集，将自然驾驶场景训练数据集作为训练数据，对初始自然驾驶分布函数P0进行训练，获取自然驾驶环境模型的自然驾驶分布函数P，对自然驾驶场景训练数据集进行关键场景标注和关键时间标注，获得智能训练数据集，将智能训练数据集作为训练数据，基于稀疏对抗控制理论对初始采样函数Q0进行训练，获取智能测试环境模型的重要性采样函数Q，基于自然驾驶环境模型和智能测试环境模型得到行为能力测试模型，能够再现真实世界的交通环，加速测试进程，在保证测试结果正确率的基础上，高效地获得测试结果，提高了自动驾驶车辆测试评估的效率。
-
公开(公告)号：CN118535992A
公开(公告)日：2024-08-23
申请号：CN202410585343.2
申请日：2024-05-11
Applicant: 清华大学
IPC: G06F18/2415 , G06F18/214
Abstract: 一种稀疏关键度预测模型训练方法、预测系统和方法，所述训练方法包括：获取智能系统安全关键事件发生时的正样本集P和不发生时的负样本集N，根据P和N进行第一阶段无监督奖励模型训练，排除N中简单负样本，保留假性正样本；基于正样本集P和假性正样本构建正样本集P2和负样本集N2，进行第二阶段基于改进双支网络的有监督分类模型的训练，获得难例分类模型；获取关键数据作为第三阶段训练数据，对难例分类模型进行提高分类准确度的基于密集强化学习方法的第三阶段微调，获得稀疏关键度预测模型，能有效解决安全关键事件环境变量的稀疏度灾难，解决了极度不平衡数据集的学习问题，获得了高精度的智能系统安全关键事件概率预测模型。
-
公开(公告)号：CN116414720A
公开(公告)日：2023-07-11
申请号：CN202310513125.3
申请日：2023-05-08
Applicant: 清华大学
IPC: G06F11/36
Abstract: 本文公开一种实现自动驾驶感知层测试场景生成的方法，包括：根据预先设定的干扰变量与输入目标检测算法的感知层的场景数据，构建测试场景函数；根据目标检测算法的感知层的输出数据和真实场景数据，确定车辆安全性指标函数；在预先设定的合理性约束条件下，根据确定的车辆安全性指标函数求解构建的测试场景函数，获得用于安全性测试的测试场景；其中，真实场景数据为现实场景中真实的目标数据及对应状态。本发明实施例针对感知层所引起的车辆潜在安全问题，考虑感知层的组成结构，以合理性约束作为约束条件，求解获得了感知层的测试场景，为提高无人驾驶的测试效率和获知感知层所导致的车辆潜在安全隐患提供了技术支持。
-
公开(公告)号：CN116009516A
公开(公告)日：2023-04-25
申请号：CN202310063836.5
申请日：2023-01-12
Applicant: 清华大学
IPC: G05B23/02
Abstract: 本文公开一种实现自适应加速测试的方法及装置，包括：根据第i‑1次及之前的自适应加速测试的测试结果，确定第i次自适应加速测试的重要性采样函数；根据确定的第i次自适应加速测试的重要性采样函数，采样确定第i次自适应测试的测试场景Xi；在采样确定的第i次自适应测试的测试场景Xi中对自动驾驶汽车进行自适应加速测试，获得测试结果；根据获得的测试结果，确定测试场景Xi的自适应加速测试的测试指标；根据确定的测试指标判断出测试结果收敛时，将确定的测试指标确定为测试评估结果。本发明实施例通过多重重要性采样函数的确定，加速了测试场景生成，提高了自动驾驶汽车测试评估的效率。
-
-
-
Search Results
24
records
(took 0.019 seconds)
