一种大模型驱动的清扫车自演化无人驾驶控制方法及系统与流程

本发明涉及无人驾驶车辆控制与道路清扫作业优化领域，尤其涉及一种大模型驱动的清扫车自演化无人驾驶控制方法及系统。

背景技术：

1、低速无人清扫车通常依靠固定导航规则、预设控制参数和按道路模板配置的清扫路径完成作业。车辆感知系统、导航系统、车载控制系统与后台管理平台分别处理障碍识别、路径规划、速度转向控制及日志管理，但实际扫刷足迹、控制响应、覆盖结果、能耗和人工反馈往往未被统一关联到同一道路片段及同一绕障事件，后台难以利用真实作业结果持续校正策略。

2、当道路边界形态、垃圾密度、路面附着条件、定位误差及动态障碍物发生变化时，固定参数难以同时协调目标速度、转向变化、避障净距、贴边间距、绕障路径与回归路径。车辆绕障后可能无法稳定返回原清扫路线，定位不确定性还会使名义扫刷区域与真实确认覆盖区域不一致，由此产生漏扫、重复清扫、贴边波动、频繁转向、无效停车及单位覆盖面积能耗上升。现有策略更新过程还缺少在同一历史事件和一致评价口径下对基线策略与候选策略进行安全验证、限域启用、逐级放量和自动回滚的完整机制。

3、因此，需要一种能够解决上述现有技术不足的清扫车自演化无人驾驶控制方法及系统。

技术实现思路

1、本发明的一个目的在于提出一种大模型驱动的清扫车自演化无人驾驶控制方法及系统，针对现有技术中车辆运行数据、真实扫刷结果和策略更新相互割裂，固定导航规则及预设控制参数难以适应环境变化的问题，提出以道路片段标识和绕障事件标识关联作业事件、按定位不确定性生成确认覆盖欠账、由后台大模型形成结构化场景标签和参数依赖掩码、由受约束离线分层强化学习器生成候选策略，并通过同事件反事实配对验证形成签名策略包的技术方案；车端在适用域匹配后由导航系统、统一控制系统和独立安全过滤器协同执行，再以真实控制响应和清扫结果完成逐事件评价、放量或回滚，本发明具备在安全边界内持续优化绕障回归、贴边导航和清扫覆盖的技术效果。

2、本发明提供了一种大模型驱动的清扫车自演化无人驾驶控制方法，包括：

3、s1、以道路片段标识和绕障事件标识关联车辆运行数据与清扫反馈，生成作业事件包；

4、按定位不确定性收缩实际扫刷足迹并同计划覆盖区域求差，得到确认覆盖欠账；

5、s2、后台大模型根据所述作业事件包和确认覆盖欠账生成结构化场景标签、异常原因、可测目标分量以及限定可调策略参数和依赖关系的参数依赖掩码；

6、由受约束离线分层强化学习器据此在安全约束下优化参数，生成候选策略包；

7、s3、基于同一历史事件及反事实扰动配对运行基线策略包和所述候选策略包；

8、若所述候选策略包满足安全指标阈值，且其清扫指标置信下界不低于所述基线策略包的对应清扫指标置信下界，生成签名策略包；

9、s4、所述结构化场景标签对应的场景特征与所述签名策略包的适用域参数匹配时，导航系统由所述作业事件包生成障碍时空包络和候选回归锚点，并结合所述确认覆盖欠账生成作业路径；

10、车载统一控制系统按签名策略包的参数区间生成车辆控制指令，独立安全过滤器约束执行；

11、s5、将控制响应和清扫结果回写所述作业事件包，据此评价签名策略包并执行逐级放量或回滚，将评价结果和失败事件作为优化样本。

12、可选的，s1包括：按照统一时间基准采集环境点云、环境图像、道路边界、与道路片段标识关联的道路片段属性记录、垃圾密度、车辆定位结果及定位协方差、路面附着估计、车辆运行轨迹、目标速度和实际速度、目标转角和实际转角、扫刷启停状态及扫刷有效宽度、清扫前后残留、覆盖面积、重叠面积、能耗、停车事件、接管事件和人工反馈；

13、以所述道路片段标识和绕障事件标识为共同索引对采集结果进行时间对齐，将时间对齐后的采集结果及其数据来源、采集时刻和有效性标志封装为所述作业事件包；

14、进一步的，还包括：

15、由覆盖欠账管理器在车辆绕障离开原清扫路径时记录离轨锚点，依据车辆位姿、扫刷启停状态和扫刷有效宽度生成实际扫刷运动包络，并将所述实际扫刷运动包络确定为所述实际扫刷足迹；

16、根据所述定位协方差确定足迹收缩边界，对所述实际扫刷足迹进行置信收缩，以收缩后的实际扫刷足迹作为确认覆盖区域，并将所述计划覆盖区域中未落入所述确认覆盖区域的区域确定为所述确认覆盖欠账；

17、将所述确认覆盖区域、确认覆盖欠账和离轨锚点写入同一作业事件包。

18、可选的，s2包括：所述后台大模型根据所述作业事件包中的数据来源、有效性标志和人工反馈，将道路边界形态、垃圾密度区间、路面附着区间、定位不确定性区间、动态障碍物类型及控制响应偏差编码为所述结构化场景标签，将漏扫、重复清扫、贴边间距偏差、转向反转、无效停车、安全介入和单位确认覆盖面积能耗编码为所述异常原因和可测目标分量；

19、根据所述异常原因与可测目标分量之间的关联关系生成所述参数依赖掩码；

20、所述受约束离线分层强化学习器按照所述参数依赖掩码选择目标速度、加速度边界、减速度边界、转向变化率边界、避障净距、贴边间距、绕障代价权重、回归代价权重和重规划阈值中的可调策略参数，以安全成本不超过安全成本上限为约束，将确认覆盖增量和确认覆盖欠账消减量作为长周期回报的收益项，将重复覆盖面积、转向反转次数、无效停车时长和单位确认覆盖面积能耗作为长周期回报的惩罚项，输出包含版本标识、适用域参数、各可调策略参数的基准值和参数区间、有效期、退出条件及回滚版本标识的所述候选策略包；

21、所述适用域参数由字段标识、必选标志、取值范围和指向所述作业事件包中对应字段的数据来源组成。

22、可选的，s3包括：由清扫事件配对验证器将候选策略包生成时在目标适用域内稳定运行且经安全确认的策略版本确定为所述基线策略包，冻结所述基线策略包的版本标识、车辆配置、适用域参数、参数值、评价时域和回退版本标识；

23、读取具有同一道路片段标识和绕障事件标识的历史作业事件，将对障碍物轨迹、定位协方差、路面附着估计或垃圾密度中的至少一项施加取值区间内扰动所得的数据确定为所述反事实扰动；

24、在相同初始车辆状态、车辆配置、计划覆盖区域和评价时域下并行执行所述基线策略包和候选策略包；

25、将最小障碍净距和制动裕度分别与经安全确认的净距下限和裕度下限比较，将定位可信度与可信度下限比较，将车辆稳定性与稳定性允许区间比较，并将执行器输出与执行器能力上限比较，得到所述安全指标；

26、将确认覆盖增量和确认覆盖欠账消减量作为收益分量，将重复覆盖面积、贴边间距方差、无效停车时长和单位确认覆盖面积能耗作为惩罚分量，按照预先记录在评价配置中的尺度和权重将各分量转换为数值越大越优的清扫评分，并分别确定候选清扫评分和基线清扫评分的置信下界；

27、在各安全指标满足对应下限、允许区间或能力上限且所述候选清扫评分的置信下界不低于所述基线清扫评分的置信下界时，从所述候选策略包的可调策略参数中确定允许参数子集，生成所述签名策略包；

28、所述签名策略包继承并冻结所述候选策略包的版本标识、适用域参数、允许参数子集内各参数的基准值和参数区间、有效期、退出条件及回滚版本标识，并包含初始调整幅度和逐级放量条件，未进入所述允许参数子集的参数沿用所述基线策略包的冻结参数值。

29、可选的，s4包括：所述导航系统根据所述作业事件包中的障碍物感知数据生成所述障碍时空包络，在所述障碍时空包络之后沿原清扫路径生成候选回归锚点，并为各候选回归锚点确定由安全裕度、运动学可行性标志、预计确认覆盖欠账、预计重复覆盖面积、预计转向反转次数和回归距离组成的候选评价向量；

30、根据车辆运动学约束，采用所述签名策略包的允许参数子集中对应的绕障代价权重和回归代价权重对所述候选评价向量进行组合评价；

31、在障碍物占用原清扫路径时生成绕障路径，在绕过障碍时选择满足安全裕度约束和运动学可行性约束的候选回归锚点生成回归路径，并根据所述确认覆盖欠账生成贴边路径或重规划路径，使所述作业路径包括所述绕障路径、回归路径、贴边路径和重规划路径中的至少一种；

32、当绕障代价权重或回归代价权重未进入所述允许参数子集时，采用所述基线策略包中对应的冻结参数值；

33、进一步的，还包括：

34、根据所述结构化场景标签以及所述作业事件包中的道路片段属性记录、障碍物类型、定位不确定性区间和路面附着区间生成当前场景特征，并将所述当前场景特征与所述签名策略包的适用域参数逐项比较；

35、仅在全部带必选标志的适用域参数均具有有效数据且满足对应取值范围时启用所述允许参数子集，任一必选适用域参数缺失、无效或不满足对应取值范围时确定为不匹配；

36、首次启用时，将各允许参数相对于所述基线策略包中对应冻结参数值的变化限制在所述初始调整幅度内；

37、所述车载统一控制系统基于所述作业路径、车辆状态及启用后的允许参数，通过模型预测控制求解目标速度、驱动量、制动量和目标转角；

38、所述独立安全过滤器按照所述净距下限、裕度下限、可信度下限、稳定性允许区间和执行器能力上限校验车辆控制指令，在任一安全指标不满足对应边界时拒绝所述车辆控制指令，并以满足对应边界的减速、制动、限转角或停车指令进行替换，同时记录安全介入事件；

39、在安全指标输入无效、无法获得满足全部对应边界的替换指令或执行器拒绝执行时，进入独立故障安全模式，禁止策略参数更新，控制可用执行器执行最小风险停车并记录不可替换原因和人工接管请求。

40、可选的，s5包括：按照所述逐级放量条件增加所述签名策略包参与控制的作业事件比例，并在各作业事件结束后根据实际扫刷足迹、车辆控制响应、安全介入率、确认覆盖欠账和贴边间距方差形成事件评价结果；

41、当所述事件评价结果满足所述逐级放量条件时，扩大各允许参数相对于对应冻结参数值的调整幅度和后续作业事件比例；

42、当安全介入率、确认覆盖欠账或贴边间距方差相对于所述基线策略包在相同车辆配置、适用域和评价时域下的对应指标上升幅度达到回滚阈值时，切换至所述回滚版本标识对应的策略包并生成失败事件；

43、将所述事件评价结果、失败事件、安全介入事件、不可替换原因和人工接管结果写入对应作业事件包，并回传至所述后台大模型和受约束离线分层强化学习器；

44、进一步的，还包括：

45、在当前场景特征与所述适用域参数不匹配、所述签名策略包超过有效期、安全介入率达到退出条件、签名校验失败或所述独立故障安全模式被触发时，禁止启用所述允许参数子集并切换至所述回滚版本标识对应的策略包；

46、将不匹配的适用域参数、超过有效期的版本标识、触发退出条件的安全介入事件、签名校验失败结果或不可替换原因写入所述失败事件；

47、在人工接管完成且安全指标输入恢复有效后，仅在重新完成适用域匹配和签名校验时允许退出所述独立故障安全模式。

48、另一方面，本发明还提供一种大模型驱动的清扫车自演化无人驾驶控制系统，包括：

49、事件构建模块，包括覆盖欠账管理器，用于根据车辆运行数据和清扫反馈生成作业事件包及确认覆盖欠账；

50、策略生成模块，包括后台大模型和受约束离线分层强化学习器，用于根据所述作业事件包和确认覆盖欠账生成候选策略包；

51、配对验证模块，包括清扫事件配对验证器，用于将所述候选策略包与基线策略包配对验证并生成签名策略包；

52、车端执行模块，包括导航系统、车载统一控制系统和独立安全过滤器，用于根据所述签名策略包生成作业路径和车辆控制指令并进行安全约束执行；

53、反馈演化模块，用于将控制响应、清扫结果和失败事件写入所述作业事件包，并将所述作业事件包反馈至所述策略生成模块。

54、本发明的有益效果是：

55、1、通过道路片段标识和绕障事件标识将感知、控制、扫刷足迹、覆盖结果、能耗及反馈关联为作业事件包，并按定位不确定性收缩扫刷足迹得到确认覆盖欠账，使绕障离轨、候选回归与真实清扫覆盖能够由同一事件量贯通，减少名义覆盖与实际覆盖不一致造成的漏扫和重复清扫。

56、2、后台大模型仅生成结构化场景标签、异常原因、目标分量和参数依赖掩码，受约束离线分层强化学习器在安全成本约束下形成候选策略包，并由配对验证器在同一历史事件和反事实扰动下与冻结基线比较，使策略更新具备可测评价、适用域限定、字段继承和回滚依据。

57、3、导航系统、车载统一控制系统和独立安全过滤器依次完成覆盖欠账驱动的避障回归路径、速度转向约束控制和故障安全处理，再依据真实事件扩大参数幅度及作业比例或自动回滚，有利于降低贴边波动、频繁转向、无效停车和单位确认覆盖面积能耗。