-
公开(公告)号：CN118379878B
公开(公告)日：2024-12-31
申请号：CN202410491756.4
申请日：2024-04-23
Applicant: 江苏大学
IPC: G08G1/01 , G08G1/0967 , G08G1/0968 , G06N3/092 , G06N3/098
Abstract: 本发明公开了基于联邦强化学习的多智能体车路云一体化协同决控架构系统及方法。采用内嵌车辆动力学特性的多智能体联邦强化学习决控框架，解决了智能交通系统和智能汽车深度融合问题，实现了车辆与交通深度决控协同的自动驾驶；在路端生成语义矩阵，作为车端强化学习输入，构建路端指导的车端全局、局部轨迹规划；基于路端构建的行车安全场设计车端强化学习的融合奖励函数，实现车端安全性舒适性综合考量；基于路端联邦学习，通过V2I通信上传车端神经网络参数，解决了隐私意识导致的车路信息不对称难题；针对不同环境样本分布，通过神经网络筛选选择针对当前环境的局部最优策略，合成受益于不同环境的共享模型，实现样本效率和模型鲁棒性的平衡。
-
公开(公告)号：CN118642460A
公开(公告)日：2024-09-13
申请号：CN202410663210.2
申请日：2024-05-27
Applicant: 江苏大学
IPC: G05B23/02
Abstract: 本发明公开了基于可拓控制理论的自动驾驶车辆转向失效容错控制方法及控制器，将可拓理论运用到了自动驾驶车辆转向失效容错控制中，计算出车辆位置到经典域和可拓域的可拓距以及车辆的状态关联函数K(s)，根据关联函数判断车辆不同的稳定状态，进而针对不同稳定状态设计对应的控制策略，满足车辆在出现故障后都能够快速、稳定地进行容错控制，使得自动驾驶车辆仍然能够具有较高的轨迹跟踪精度和车身的稳定性，达到全局控制的最优。首次将RBF‑SMC运用到差动转向转矩跟踪中，能够实现车辆在失稳状态同时模型复杂情况下快速而又精准地实现转矩控制和跟踪。
-
公开(公告)号：CN118379878A
公开(公告)日：2024-07-23
申请号：CN202410491756.4
申请日：2024-04-23
Applicant: 江苏大学
IPC: G08G1/01 , G08G1/0967 , G08G1/0968 , G06N3/092 , G06N3/098
Abstract: 本发明公开了基于联邦强化学习的多智能体车路云一体化协同决控架构系统及方法。采用内嵌车辆动力学特性的多智能体联邦强化学习决控框架，解决了智能交通系统和智能汽车深度融合问题，实现了车辆与交通深度决控协同的自动驾驶；在路端生成语义矩阵，作为车端强化学习输入，构建路端指导的车端全局、局部轨迹规划；基于路端构建的行车安全场设计车端强化学习的融合奖励函数，实现车端安全性舒适性综合考量；基于路端联邦学习，通过V2I通信上传车端神经网络参数，解决了隐私意识导致的车路信息不对称难题；针对不同环境样本分布，通过神经网络筛选选择针对当前环境的局部最优策略，合成受益于不同环境的共享模型，实现样本效率和模型鲁棒性的平衡。
-
公开(公告)号：CN118781267A
公开(公告)日：2024-10-15
申请号：CN202410746078.1
申请日：2024-06-11
Applicant: 江苏大学
Abstract: 本发明公开了一种基于大语言模型的自动驾驶三维场景数据预处理方法及系统，文本端基于大语言模型对每个类别标签生成用于对比学习的提问范式，激发大语言模型的事实性知识，将事实性知识作为答案空间，针对自动驾驶任务的类别标签生成详细的类别模板，并将类别模板缓存到离线文件中，在下游模型训练时进行加载，拓展类别模板，强化最核心的类别短语；视觉端通过稀疏采样和密集采样获取输入视频序列的关键帧，使用视频随机数据增强方法，在采样得到的关键帧上执行图像变换，增强模型对视觉表征的鲁棒性。本发明对文本模态的信息和视觉模态的信息分别进行处理，不同预处理方法的融合可以捕获不同的先验知识，利用它们互补的特性实现更优的性能。
-
-
-
Search Results
4
records
(took 0.015 seconds)
