基于类人特征的自动驾驶强化学习决策与规划方法及系统

    公开(公告)号:CN117104267A

    公开(公告)日:2023-11-24

    申请号:CN202311090168.1

    申请日:2023-08-28

    Abstract: 本发明中公开一种基于类人特征的自动驾驶强化学习决策与规划方法及系统,所述决策与规划方法通过分析交通参与者的驾驶风格来确定和量化当前情况下适合自主车辆的驾驶风格;通过A2C算法训练自主车辆的行为策略,即直行车道保持/跟随、左换道和右换道;遵从所述驾驶风格和行为决策,以路径速度解耦的方式生成类人安全的轨迹;本发明所述方法捕捉了其他交通参与者的属性,以指导自动驾驶汽车以社会兼容的方式设计类似人类的、安全高效的轨迹,在复杂的多场景中实现安全与效率之间的平衡。分层行为和运动规划将驾驶任务确立为强调效率的高级行为决策过程,以及优先考虑安全的低级运动规划方法。

    基于道路边界与曲率约束的最优参考路径生成方法及系统

    公开(公告)号:CN117193300A

    公开(公告)日:2023-12-08

    申请号:CN202311173536.9

    申请日:2023-09-12

    Abstract: 本发明公开一种基于真实道路场景约束下的最优参考路径生成方法及系统,方法包括以下步骤:在车道级导航结果的基础上,根据车道中心采样出原始的路径点,截取掉曲率小于设定值的路段,将剩余的路径分段优化;基于人类的驾驶习惯优化路径的安全性,考虑车身的形状,通过对初始路径的路径点初步移动,车体距道路两侧边界的距离差不超过设定值,得到初步优化后的路径;对初步优化后的路径上的路径点进行曲线拟合,在给定最小误差范围ε内优化路径的平滑性,通过L0范数的优化来减少参数的数量并确保曲率的平滑性,生成易于车辆跟踪且满足可行驶性的要求参考路径;能规划出安全、合理的,满足安全约束与曲率约束的参考路径。

Patent Agency Ranking