一种车辆自动驾驶方法、装置及设备
本技术实施例涉及自动驾驶,尤其涉及一种车辆自动驾驶方法、装置及设备。
背景技术:
1、自动驾驶系统的核心任务是在动态交通环境中安全、舒适地完成驾驶决策与车辆控制,现有控制方法主要分为模块化分层架构与一段式端到端架构两类:前者将系统拆分为感知、预测、规划、控制等独立模块并依次串行处理,其缺陷在于模块间信息传递存在延迟与损耗,上游模块的误差会逐级传递并放大,导致系统在复杂交互场景中的响应能力受限;后者将传感器原始数据直接映射为车辆控制指令,代表性方案采用世界模型与强化学习相结合的双引擎架构,由世界模型生成和推演驾驶场景、由强化学习策略在推演场景中训练控制能力,虽消除了模块间信息损耗,但仍存在以下不足:
2、世界模型推演多用于离线生成训练场景或仿真推演,推演结果与在线控制之间缺乏实时闭环,推演产生的风险信息无法及时作用于当前时刻的控制决策,存在预测到危险但来不及响应的时序错位;真实道路中发生频率极低的长尾场景在训练数据中占比极低,基于有限数据训练的控制策略在长尾场景下易输出不稳定驾驶行为;现有世界模型多用于预测接下来可能发生什么,较少系统性地推演采取不同动作将分别导致什么后果,控制决策缺乏对多个平行未来路径的风险比较基础。
技术实现思路
1、本技术实施例提供了一种自动驾驶方法、装置及设备,通过将反事实推演结果实时耦合至控制回路,解决了推演与控制的时序割裂问题,提升了自动驾驶系统在长尾场景下的决策鲁棒性与控制平顺性。
2、第一方面,本技术实施例提供一种车辆自动驾驶方法,包括
3、基于当前时刻的传感器观测数据和车辆状态,构建潜在世界状态表示;
4、以所述潜在世界状态表示为起点,对多个候选控制动作序列分别进行反事实推演,生成各候选控制动作序列对应的未来场景演化轨迹,其中,每个候选控制动作序列包含从当前时刻起连续多个控制步的动作分量;
5、对所述各候选控制动作序列对应的未来场景演化轨迹进行多维度评估,生成各候选控制动作序列的综合代价;
6、将所述各候选控制动作序列的综合代价通过控制耦合模块映射为当前时刻的实时控制修正量,所述实时控制修正量用于生成最终控制指令;
7、执行所述最终控制指令,并基于执行后采集的实际观测反馈更新所述潜在世界状态表示。
8、在一种可能的实现方式中,所述将所述各候选控制动作序列的综合代价通过控制耦合模块映射为当前时刻的实时控制修正量,包括:
9、对所述各候选控制动作序列的综合代价进行归一化处理,生成各候选控制动作序列的选择概率;
10、以所述选择概率为权重,对各候选控制动作序列在当前时刻的动作分量进行加权融合,生成推演引导动作;
11、将所述推演引导动作作为所述实时控制修正量。
12、在一种可能的实现方式中,所述实时控制修正量用于生成最终控制指令,包括:
13、将所述实时控制修正量与基准控制策略输出的基准控制量按照融合系数进行加权融合,生成所述最终控制指令;
14、其中,所述最终控制指令为所述基准控制量与所述实时控制修正量的加权和,所述基准控制量的权重为所述融合系数与1的差值,所述实时控制修正量的权重为所述融合系数。
15、在一种可能的实现方式中,所述融合系数根据所述各候选控制动作序列的综合代价的分布差异动态调节:
16、当所述各候选控制动作序列的综合代价之间的分布差异大于预设阈值时,增大所述融合系数的取值;
17、当所述各候选控制动作序列的综合代价之间的分布差异小于或等于所述预设阈值时,减小所述融合系数的取值。
18、在一种可能的实现方式中,所述对多个候选控制动作序列分别进行反事实推演,包括:
19、生成k个候选控制动作序列,其中k为大于1的整数,所述k个候选控制动作序列包括以下至少之一:
20、由基准控制策略输出的默认动作序列、在所述默认动作序列基础上叠加扰动生成的变体动作序列、以及在检测到预设场景时由安全回退策略生成的保守动作序列;
21、对于每个候选控制动作序列,以所述潜在世界状态表示为初始状态,通过世界模型进行前向推演,所述前向推演中每一步的输出包括预测场景特征和预测风险信号。
22、在一种可能的实现方式中,所述前向推演的推演视野长度根据场景复杂度自适应调整:
23、在低风险场景中,将所述推演视野长度缩减至第一数值;
24、在高风险场景中,将所述推演视野长度扩展至第二数值,所述第二数值大于所述第一数值。
25、在一种可能的实现方式中,所述多维度评估包括碰撞风险评估、舒适度损失评估、通行效率损失评估和场景语义合规性评估中的至少两种;
26、所述综合代价通过对所述多维度评估的各维度评估结果进行加权融合得到,各维度的权重系数根据场景类型动态调整。
27、在一种可能的实现方式中,所述构建潜在世界状态表示,包括:
28、对所述传感器观测数据中的每个交通参与者,提取对象中心潜在特征,所述对象中心潜在特征包括历史运动模式编码、交互意图倾向编码和物理属性隐变量编码;
29、对所述传感器观测数据中的场景级信息,提取相对于历史参考帧的场景级残差特征;
30、将所述对象中心潜在特征与所述场景级残差特征进行融合,生成所述潜在世界状态表示。
31、在一种可能的实现方式中,所述基于执行后采集的实际观测反馈更新所述潜在世界状态表示,包括:
32、将上一时刻的潜在世界状态表示、当前时刻的观测编码以及上一时刻执行的控制动作输入门控循环单元,通过递归方式更新得到当前时刻的潜在世界状态表示。
33、第二方面,本技术实施例提供一种车辆自动驾驶装置,包括
34、构建单元,用于基于当前时刻的传感器观测数据和车辆状态,构建潜在世界状态表示;
35、推演单元,用于以所述潜在世界状态表示为起点,对多个候选控制动作序列分别进行反事实推演,生成各候选控制动作序列对应的未来场景演化轨迹,其中,每个候选控制动作序列包含从当前时刻起连续多个控制步的动作分量;
36、生成单元,用于对所述各候选控制动作序列对应的未来场景演化轨迹进行多维度评估,生成各候选控制动作序列的综合代价;
37、修正单元,用于将所述各候选控制动作序列的综合代价通过控制耦合模块映射为当前时刻的实时控制修正量,所述实时控制修正量用于生成最终控制指令;
38、执行单元,用于执行所述最终控制指令,并基于执行后采集的实际观测反馈更新所述潜在世界状态表示。
39、在一种可能的实现方式中,所述装置用于实现第一方面任一种可能的实现方式。
40、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:
41、至少一个处理器;
42、以及与至少一个处理器通信连接的存储器;
43、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。
44、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。
45、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。
46、综上,本技术实施例提供的方法,通过将世界模型的多步反事实推演能力与实时控制回路深度耦合,在消除推演与控制时序割裂、提升响应实时性的同时,借助多候选动作的在线推演比较增强长尾场景下的决策鲁棒性,并结合场景语义合规性评估与自适应残差推演策略,在兼顾计算资源按需分配的前提下提升了自动驾驶系统在复杂场景中的决策安全性与控制平顺性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com