-
公开(公告)号：CN118843101A
公开(公告)日：2024-10-25
申请号：CN202411087145.X
申请日：2024-08-08
IPC: H04W12/02 , H04W12/033 , H04W4/40 , H04W4/44
Abstract: 本发明公开了一种基于改进的K‑匿名和混合缓存技术的车辆连续位置服务隐私保护方法，包括三个实体和三个步骤，三个实体分别为位置服务提供商(LSP)、路边单元(RSU)、车辆，三个步骤包括初始化、匿名集生成、混合缓存。该方法在车联网环境下，通过使用匿名技术生成特定的匿名集，在不可信路侧单元(RSU)存在的情况下，减少敏感信息暴露的风险，此外，为了保护用户位置隐私，提出了一种结合时间‑位置隐私保护指数的匿名算法，以保障轨迹隐私，该方案还采用了混合缓存技术，减少车辆与不可信位置服务提供商(LSP)之间的交互次数，从而降低隐私泄露的风险。
-
公开(公告)号：CN118246515A
公开(公告)日：2024-06-25
申请号：CN202410445363.X
申请日：2024-04-12
Applicant: 上海大学
Abstract: 本发明公开一种无人系统稳定决策方法、产品、介质及设备，涉及强化学习领域，方法包括：初始化环境、经验池、各网络参数；将无人系统与环境交互产生的数据存储于经验池；计算集成策略价值网络损失并更新其参数；将该网络作为教师网络，计算学生网络综合损失并更新其参数；根据计算的累计误差评分对集成策略价值网络进行替换；根据更新后的集成策略价值网络，计算策略网络损失并更新其参数；若更新迭代次数未达到预设阈值，则返回步骤“将无人系统与环境交互产生的数据存储于经验池”；反之，则保存策略网络的参数，得到用于决策的策略网络。本发明能降低无人系统策略从虚拟到现实世界迁移过程中，数据分布变化引起的决策模型稳定性下降的问题。
-
公开(公告)号：CN118133988A
公开(公告)日：2024-06-04
申请号：CN202410438045.0
申请日：2024-04-11
Applicant: 上海大学
Abstract: 本发明公开一种基于样本状态对比表征的智能体自主行为决策方法，涉及无人系统自主决策技术领域，方法包括：通过当前迭代过程的训练样本确定当前迭代过程的高维正样本、高维负样本及高维锚点样本；将当前迭代过程的高维正样本及高维负样本输入至当前迭代过程优化后的键值编码器，确定当前迭代过程的低维正样本及低维负样本；采用当前迭代过程的低维正样本及低维负样本对当前迭代过程优化后的查询编码器进行优化，确定下一迭代过程优化后的查询编码器；根据将下一迭代过程的高维锚点样本输入至下一迭代过程优化后的查询编码器确定的第一低维锚点样本确定智能体的自主行为决策。提高了自主行为决策输入样本的效率，优化了自主行为决策的策略。
-
公开(公告)号：CN118133887A
公开(公告)日：2024-06-04
申请号：CN202410323745.5
申请日：2024-03-20
Applicant: 上海大学
IPC: G06N3/0442 , G06N3/0464 , G06N3/042 , G06N3/092 , G06V10/82
Abstract: 本发明公开一种基于动态协作的多无人系统场景感知决策方法及系统，涉及多智能体强化学习领域，包括：获取各无人系统当前时刻的传感器信息和上一时刻的执行动作；将所有无人系统当前时刻的传感器信息和上一时刻的执行动作输入多无人系统场景感知决策模型，得到各无人系统当前时刻的执行动作；多无人系统场景感知决策模型包括训练好的第一网络模块、第二网络模块和第三网络模块；训练好的第一网络模块用于确定各无人系统当前时刻的时序轨迹预先编码向量；训练好的第二网络模块用于确定当前时刻的无人系统动态协作关系邻接矩阵；训练好的第三网络模块用于确定各无人系统当前时刻的执行动作。本发明提高各无人系统执行动作的有效性，促进团队协作。
-
公开(公告)号：CN118051791A
公开(公告)日：2024-05-17
申请号：CN202410244909.5
申请日：2024-03-04
Applicant: 上海大学
IPC: G06F18/23 , G06F18/213 , G06F18/214 , G06N3/092
Abstract: 本发明公开一种基于表征聚类和行为扰动的无人车避障搜索策略优化方法、装置及产品，涉及强化学习领域。首先选取训练样本，构建网络模型并初始化；选取不同数据增强方法对同一样本进行数据增强后输入至对比学习网络，根据输出的表征向量计算对比学习网络损失；将表征向量输入至行为模型和扰动模型中计算行为模型损失和扰动模型损失；根据对比学习网络、行为模型和扰动模型计算策略网络损失和价值网络损失；基于对比学习网络损失、行为模型损失和扰动模型损失、策略网络损失和价值网络损失，采用随机低度下降更新网络模型；根据更新后的网络模型对无人车的动作作出决策，以躲避障碍物，完成目标搜索。本发明能够显著提升无人车的避障搜索性能。
-
Patent Agency Ranking
公开(公告)号：CN112406892B
公开(公告)日：2022-11-18
申请号：CN202011208015.9
申请日：2020-11-03
Applicant: 上海大学
IPC: B60W50/00 , B60R16/023
Abstract: 本发明公开了一种智能网联汽车感知决策模块功能安全和网络安全内生保障方法，包含以下步骤：设计并实现四个功能相同且具有一定异构度的感知决策单元，并将其部署在车辆上；四个单元分别根据感知到的信息推演出实时的车辆控制决策结果；裁决器根据其中三个感知决策单元的决策结果进行精确裁决和近似裁决；最终根据裁决器的不同裁决结果，车辆执行CAN命令，或者对异常单元进行替换并重新裁决，或者按照故障模式运行直至停车。本发明方法采用内生安全的思路，为智能网联汽车提供一种功能安全和网络安全一体化增强的新方案。
-
公开(公告)号：CN118550194A
公开(公告)日：2024-08-27
申请号：CN202410620812.X
申请日：2024-05-17
Applicant: 上海大学
IPC: G05B13/04
Abstract: 本发明公开一种基于动作约束的无人系统安全决策方法、系统及介质，涉及自动驾驶领域，方法包括：基于演员‑评论家算法设计无人系统的策略网络和多维价值网络；多维价值网络包括主干网络和多个辅助价值评估网络；一个辅助价值评估网络对应一个安全动作约束；策略网络用于根据无人系统当前的状态确定无人系统当前的策略动作；辅助价值评估网络用于判断无人系统当前的策略动作是否满足对应的安全动作约束；基于历史训练样本对策略网络和多维价值网络进行训练优化；将训练优化后的策略网络和多维价值网络确定为安全决策模型；获取无人系统当前的状态并输入安全决策模型，得到最优策略。本发明使无人系统在成功完成任务的同时能够做出安全决策。
-
公开(公告)号：CN118410855A
公开(公告)日：2024-07-30
申请号：CN202410269618.1
申请日：2024-03-08
Applicant: 上海大学
IPC: G06N3/092 , G06N3/096 , G06F30/27 , G05D1/243 , G05D1/242 , G05D1/65 , G05D1/633 , G05D1/43 , G05D105/22
Abstract: 本发明公开一种无人车目标搜索方法、装置、介质及产品，涉及强化学习和多任务学习技术领域，根据功能将无人车目标搜索任务分解为若干个基础任务；构建交互式仿真环境，获取观测数据并转化为无人车观测特征向量，预测当前正在执行的任务；将观测特征向量输入到门控循环单元网络中，获得观测时序特征向量；将观测时序特征向量输入至每个策略网络中，得到一组动作；将任务预测结果与动作做内积，得到最佳动作并执行，获取观测数据、环境奖励和任务完成状态，计算损失并更新网络参数。本发明使无人车在基础任务中进行联合训练，学习到可重用的策略表示，跳过复杂目标任务的从零开始学习过程，从而提高强化学习算法在复杂控制和决策任务上的性能。
-
公开(公告)号：CN118194967A
公开(公告)日：2024-06-14
申请号：CN202410295262.9
申请日：2024-03-14
Applicant: 上海大学
Abstract: 本发明公开一种技能去冗余分层强化学习方法、装置、介质及产品，涉及无人车自主决策技术领域，该方法实现了离线学习与在线学习的结合，先通过离线轨迹数据进行初步的技能策略学习得到初步技能策略集合，然后再与环境交互进行高层策略的学习，同时对技能策略进行再学习，得到相对收敛且与任务有关的技能策略，可避免无人车在自主决策过程中出现技能冗余的缺陷，提高无人车处理任务和决策的效率，降低无人车自主决策的复杂性，最终指导无人车完成整个复杂的动态任务。
-
公开(公告)号：CN118095409A
公开(公告)日：2024-05-28
申请号：CN202410264681.6
申请日：2024-03-08
Applicant: 上海大学
IPC: G06N3/096
Abstract: 本发明公开一种无人车决策模型虚实迁移方法、控制方法及相关系统，涉及深度学习和智能无人系统技术领域，方法包括：根据虚拟物体的位姿数据集，利用神经辐射场网络学习虚拟物体的特征，获得每类虚拟物体对应的神经网络模型；建立真实任务环境中各真实物体与各类虚拟物体的映射关系，并依此确定各真实物体对应的神经网络模型；构建真实任务环境语义图；根据所述真实任务环境语义图，对决策算法模型进行训练；将训练后的决策算法模型部署到无人车的控制器上。本发明通过将任务环境中的真实物体与虚拟物体进行关联，从而构建虚实一致的任务环境语义图，并将其用于训练无人车决策算法模型，以实现决策算法模型的虚实无缝迁移。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.025 seconds)
