自动驾驶决策方法和系统与流程

本技术实施例涉及自动驾驶，尤其涉及一种自动驾驶决策方法和系统。

背景技术：

1、视觉-语言-动作（vla）模型是当前自动驾驶领域的重要技术路线之一，其将感知、预测、规划与控制融合为端到端决策链条；世界模型作为能够理解物理世界运行规律并预测未来场景演化的模型架构，被业界视为赋予自动驾驶系统前瞻性决策能力的关键技术。

2、近年来，业界开始探索vla模型与世界模型的融合，然而，现有方案仍存在以下不足：vla与世界模型之间缺乏统一潜在空间交互机制，架构割裂导致vla无法内化未来场景推演结果；未来多帧场景的高维时空推演直接与vla集成将导致推理延迟过大，难以满足车端实时性要求；预测性推演多作为离线分析工具，未能与车端实时决策形成闭环集成。最终导致复杂交通场景下的决策安全性与通行效率不达预期。

3、针对上述问题，本发明提供一种自动驾驶决策方法及系统，显著提升了复杂交通场景下的决策安全性与通行效率。

技术实现思路

1、本技术实施例提供了一种自动驾驶决策方法和系统，通过本方法能够显著提升了复杂交通场景下的决策安全性与通行效率。

2、第一方面，本发明提供一种自动驾驶决策方法，包括：

3、通过多模态传感器阵列采集环境数据，经统一编码器映射至潜在表征空间，生成时空对齐的环境特征向量；

4、构建预测性世界模型，所述预测性世界模型通过结构化交通条件理解与动作条件化场景预测两阶段训练获得，用于根据当前环境状态与候选驾驶动作预测未来场景演化序列；

5、将所述未来场景演化序列压缩为紧凑表征序列，所述紧凑表征序列的信息密度低于所述未来场景演化序列，且所述紧凑表征序列与所述环境特征向量、导航指令共同输入统一潜在空间以生成所述候选动作集合；

6、基于所述预测性世界模型对所述候选动作集合中的各候选动作进行动作条件化的反事实推演，得到各候选动作对应的未来场景演化序列，根据所述未来场景演化序列计算各候选动作的综合评分，并基于所述综合评分在所述候选动作集合中确定决策输出结果。

7、综上，本发明通过多模态传感器阵列与统一编码器生成时空对齐的环境特征向量，为后续决策提供了精准的感知基础；通过两阶段训练获得的预测性世界模型，使系统具备从结构化交通条件理解到动作条件化场景预测的完整因果推理能力，能够在决策前预先推演不同驾驶动作下未来场景的演化轨迹；进一步通过将高维未来场景演化序列压缩为信息密度更低的紧凑表征序列，有效降低了统一潜在空间内联合推理的计算负载，使长时序推演与vla模型的实时决策集成在车端算力条件下成为可能；在此基础上，通过动作条件化的反事实推演对各候选动作逐一进行未来场景推演与综合评分，确保最终决策输出结果为全局最优，系统性地解决了现有vla模型被动响应当前环境、缺乏前瞻性规划能力的固有问题。本发明显著提升了复杂交通场景下自动驾驶决策的安全性与通行效率。

8、在一种可能的实现方式中，所述构建预测性世界模型，包括：

9、以历史观测序列作为输入，以当前时刻的结构化交通条件为预测目标进行训练，所述结构化交通条件包括车道拓扑、交通信号灯状态、可行驶区域和动态目标运动状态中的至少一种；

10、以所述结构化交通条件与所述候选驾驶动作的拼接为输入，以所述未来场景演化序列作为预测目标进行训练，建立动作与场景演化之间的因果映射，输出所述未来场景演化序列。

11、可见，通过引入结构化交通条件作为显式的中间表征，降低了模型的学习难度，提升了训练效率与预测精度，同时结构化中间表示的引入使得模型的推理过程具备可解释性，便于在决策异常时进行追溯与优化。

12、在一种可能的实现方式中，将所述未来场景演化序列压缩为紧凑表征序列，包括：

13、通过深度压缩自编码器对所述未来场景演化序列进行编码压缩，得到所述紧凑表征序列；

14、所述紧凑表征序列为标记序列，所述标记序列的标记数量小于所述未来场景演化序列的时空分辨率，所述时空分辨率表征所述未来场景演化序列在时间维度的帧数与空间维度的像素数或体素数的乘积；

15、所述标记序列至少编码以下核心语义信息：道路拓扑结构、交通信号灯状态、导航意图以及障碍物占位信息。

16、可见，通过深度压缩自编码器将高维的未来场景演化序列压缩为标记数量远小于原始时空分辨率的标记序列，在保留道路拓扑、交通信号灯状态、导航意图及障碍物占位等核心语义信息的前提下，大幅降低了场景表征的数据量，使得预测性世界模型的推演结果能够以极低的信息传输与计算代价参与到统一潜在空间的联合推理中，有效解决了长时序场景推演与实时决策集成时的计算瓶颈问题，同时压缩后的标记序列仅传递与决策最相关的语义信息，滤除了与当前决策无关的背景细节，既减轻了下游决策模块的信息过载，也提升了模型在高频控制场景下的响应速度。

17、在一种可能的实现方式中，所述紧凑表征序列与所述环境特征向量、导航指令共同输入统一潜在空间以生成所述候选动作集合，包括：

18、将所述环境特征向量、所述紧凑表征序列和所述导航指令拼接为统一的输入序列，所述统一的输入序列作为统一自回归骨干网络的输入；

19、通过所述统一自回归骨干网络对所述输入序列进行处理，以自回归方式依次预测未来世界状态标记与即时动作标记，所述即时动作标记用于生成所述候选动作集合；

20、所述统一自回归骨干网络的层内包含认知驱动因果注意力模块，所述认知驱动因果注意力模块通过门控函数约束注意力权重，使模型在生成所述即时动作标记时优先关注因果相关的未来世界状态标记，以强化动作与场景演化之间的因果关系。

21、可见，上述实现方式中，环境特征向量、紧凑表征序列与导航指令经拼接后作为统一自回归骨干网络的输入，使模型能够在统一潜在空间内同时感知当前环境、预见未来场景演化并理解导航目标，为候选动作的生成提供了多维度的信息支撑；该骨干网络以自回归方式依次预测未来世界状态标记与即时动作标记，由于自回归机制使得当前时刻的预测依赖于前一时刻的输出，确保了预测的未来世界状态与即时动作在时序上的连贯性，且基于完整未来场景推演结果生成的即时动作标记相较于单纯依赖当前观测的决策方式，能够有效预判前方路况变化并提前采取相应动作，从而提升了驾驶决策的前瞻性与平稳性；同时，该骨干网络的层内嵌有认知驱动因果注意力模块，通过门控函数对注意力权重进行约束，使模型在生成即时动作标记时有选择性地强化对未来世界状态标记中因果关联较强部分的关注，抑制对因果无关信息的注意力分配，从注意力机制层面实现了动作与场景演化之间因果关系的显式建模，大大提升了决策推理过程的可解释性与可信度。

22、在一种可能的实现方式中，所述基于所述预测性世界模型对所述候选动作集合中的各候选动作进行动作条件化的反事实推演，包括：

23、对于所述候选动作集合中的每个候选动作，将所述候选动作与当前场景表征共同输入所述预测性世界模型；

24、所述预测性世界模型以所述当前场景表征和所述候选动作为条件，推演在该动作条件下未来多帧的场景演化序列。

25、可见，上述实现方式中，预测性世界模型以当前场景表征与候选动作的拼接为条件，逐一推演每个候选动作下未来多帧的场景演化序列，使得系统能够在决策前对多个可选动作分别进行反事实推演；同时，由于每个候选动作均对应完整的未来场景演化序列，该序列不仅包含自车状态的变化趋势，还包含其他交通参与者的响应行为，能够为后续综合评分提供多维度的评估依据，并根据各序列中的碰撞风险、通行效率等指标选择最优动作，避免了基于当前观测单次决策的短视问题，提升了自动驾驶系统在复杂动态交通环境中的决策质量与安全性。

26、在一种可能的实现方式中，所述根据所述未来场景演化序列计算各候选动作的综合评分，包括：

27、对每个候选动作对应的未来场景演化序列，计算以下评估指标中的至少一种：安全性指标、舒适性指标、效率指标、交通规则遵守度指标；

28、将所述评估指标加权求和，得到各候选动作的综合评分。

29、可见，上述实现方式通过对每个候选动作对应的未来场景演化序列计算安全性、舒适性、效率、交通规则遵守度等多维度指标并加权求和得到综合评分，相较于传统自动驾驶决策中依赖单一规则或单维度评估的方式，本方法在多维评估框架下能够更全面地刻画各候选动作的优劣。由于评估的输入为反事实推演得到的未来场景演化序列而非当前时刻的瞬时状态，评分结果自然融合了对未来风险的预判——即使某一动作在当前时刻状态良好，若其推演序列显示前方将出现碰撞风险或规则违例，综合评分将因未来场景的恶化而降低并被系统抑制输出，从而使系统在决策过程中天然具备“预见未来风险并提前规避”的能力，显著提升了自动驾驶在复杂交通场景中的决策前瞻性与适应性。

30、在一种可能的实现方式中，所述基于所述综合评分在所述候选动作集合中确定决策输出结果，包括：

31、计算所述候选动作集合中各候选动作综合评分的分布熵值；

32、当所述分布熵值低于第一阈值时，选择综合评分最高的候选动作作为决策输出结果；

33、当所述分布熵值高于第二阈值时，触发审慎式推理模式，通过反事实查询接口调用所述预测性世界模型进行深度未来状态模拟，基于思维链推理生成控制指令。

34、可见，上述实现方式中，通过计算候选动作集合综合评分的分布熵值来量化决策的不确定性，当熵值低于第一阈值时表明各候选动作评分较为集中、决策边界清晰，直接选择综合评分最高的候选动作作为输出，保证了常规场景下的决策实时性；当熵值高于第二阈值时表明各候选动作评分较为分散、决策不确定性较高，此时触发审慎式推理模式，通过反事实查询接口调用预测性世界模型进行深度未来状态模拟，以更为精细的未来演化为依据执行思维链推理生成控制指令，在决策边界模糊的场景中通过引入更深度的计算资源换取决策安全性的提升，实现了决策效率与安全性的自适应平衡。

35、第二方面，本发明提供一种自动驾驶决策系统，包括：

36、采集模块，用于通过多模态传感器阵列采集环境数据，经统一编码器映射至潜在表征空间，生成时空对齐的环境特征向量；

37、构建模块，用于构建预测性世界模型，所述预测性世界模型通过结构化交通条件理解与动作条件化场景预测两阶段训练获得，用于根据当前环境状态与候选驾驶动作预测未来场景演化序列；

38、生成模块，用于将所述未来场景演化序列压缩为紧凑表征序列，所述紧凑表征序列的信息密度低于所述未来场景演化序列，且所述紧凑表征序列与所述环境特征向量、导航指令共同输入统一潜在空间以生成所述候选动作集合；

39、输出模块，用于基于所述预测性世界模型对所述候选动作集合中的各候选动作进行动作条件化的反事实推演，得到各候选动作对应的未来场景演化序列，根据所述未来场景演化序列计算各候选动作的综合评分，并基于所述综合评分在所述候选动作集合中确定决策输出结果。

40、其中，所述装置用于实现如本技术实施例第一方面中任一实施例对应的方法。

41、第三方面，本技术实施例还提供了一种电子设备，该电子设备包括：

42、至少一个处理器；

43、以及与至少一个处理器通信连接的存储器；

44、其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使电子设备执行如本技术实施例第一方面中任一实施例对应的方法。

45、第四方面，本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如本技术实施例第一方面任一方法。

46、第五方面，本公开还提供了一种计算机程序产品，该程序产品包含计算机执行指令，计算机执行指令被处理器执行时用于实现如本公开第一方面对应的任意实施例的方法。