公开(公告)号：CN115576327A

公开(公告)日：2023-01-06

申请号：CN202211398386.7

申请日：2022-11-09

Applicant: 复旦大学 ,  珠海复旦创新研究院

Inventor： 洪智铭 ,  林青 ,  刘璟 ,  张正泉 ,  杨晨浩 ,  王子乐 ,  韩宇轩 ,  代梦宇 ,  胡波

IPC: G05D1/02

Abstract: 本发明提供了一种基于自动驾驶智能小车边缘计算与推理的自主学习方法，具有这样的特征，包括以下步骤：步骤S1，通过设置在现实小车和车道上的多个传感器，实时获得现实小车和车道的传感器数据；步骤S2，对第一观测数据和第二观测数据进行轻量级压缩蒸馏构建仿真环境；步骤S3，基于类增量的最近均值分类器得到仿真环境中的变化事件；步骤S4，基于变化事件对虚拟小车进行训练，训练结果作为增量数据集；步骤S5，结合增量数据集基于迭代权重更新现实小车的决策模型；步骤S6，根据第一观测数据结合决策模型得到最优策略并控制现实小车执行。本方法能够很好地解决路况观测数据局限性和实时部署最优响应的问题，具有极大的应用前景。

公开(公告)号：CN115576327B

公开(公告)日：2024-12-24

申请号：CN202211398386.7

申请日：2022-11-09

Applicant: 复旦大学 ,  珠海复旦创新研究院

Inventor： 洪智铭 ,  林青 ,  刘璟 ,  张正泉 ,  杨晨浩 ,  王子乐 ,  韩宇轩 ,  代梦宇 ,  胡波

IPC: G05D1/43 ,  G05D1/243

Abstract: 本发明提供了一种基于自动驾驶智能小车边缘计算与推理的自主学习方法，具有这样的特征，包括以下步骤：步骤S1，通过设置在现实小车和车道上的多个传感器，实时获得现实小车和车道的传感器数据；步骤S2，对第一观测数据和第二观测数据进行轻量级压缩蒸馏构建仿真环境；步骤S3，基于类增量的最近均值分类器得到仿真环境中的变化事件；步骤S4，基于变化事件对虚拟小车进行训练，训练结果作为增量数据集；步骤S5，结合增量数据集基于迭代权重更新现实小车的决策模型；步骤S6，根据第一观测数据结合决策模型得到最优策略并控制现实小车执行。本方法能够很好地解决路况观测数据局限性和实时部署最优响应的问题，具有极大的应用前景。