训练风格编码器的方法、产生驾驶风格表示的方法、设备、计算机程序产品及存储介质与流程

技术特征：
1.一种用于训练神经网络(100)的风格编码器(104)的方法，其中，在使用所述神经网络(100)的经训练的情景编码器(106)的情况下，将描绘系统的运动(126)和所述系统的环境(128)的传感输入参量(114)压缩到所述神经网络(100)的潜在空间(108)的至少一部分中成为抽象的驾驶情景表示(118)，并在使用未经训练的风格编码器(104)的情况下将所述传感输入参量(114)压缩到所述潜在空间(108)的至少一部分中成为驾驶风格表示(116)，其中，在使用所述神经网络(100)的风格解码器(110)的情况下将所述驾驶风格表示(116)和所述驾驶情景表示(118)从所述潜在空间(108)中解压缩成输出参量(120)，其中，为了训练所述风格编码器(104)，改变所述风格编码器(104)的结构，直到所述风格解码器(110)的输出参量(120)描绘所述运动(130)。2.根据权利要求1所述的方法，在所述方法中，在使用所述神经网络(100)的未经训练的风格解码器(110)的情况下将所述驾驶风格表示(116)和所述驾驶情景表示(118)从所述潜在空间(108)中解压缩成所述输出参量(120)，其中，为了训练所述风格解码器(110)，改变所述风格解码器(110)的结构，直到所述风格解码器(110)的输出参量(120)描绘所述运动(130)。3.根据以上权利要求中任一项所述的方法，在所述方法中，在用于训练所述情景编码器(106)的先前的步骤中，在使用未经训练的情景编码器(106)的情况下将所述传感输入参量(114)压缩到所述潜在空间(108)的至少一部分中成为所述驾驶情景表示(118)，并且在使用所述神经网络(112)的情景解码器(112)的情况下将所述驾驶情景表示(118)从所述潜在空间(108)中解压缩成输出参量(120)，并且驾驶员分类器(122)将所述驾驶情景表示(118)从所述潜在空间(108)中解压缩成驾驶员信息(124)，其中，为了所述训练情景编码器(106)，改变所述情景编码器(106)的结构，直到所述驾驶员分类器(122)不能由所述驾驶情景表示(118)解压缩出驾驶员信息(124)并且所述情景解码器(112)的输出参量(120)描绘所述运动(130)和所述环境(132)。4.根据权利要求3所述的方法，在所述方法中，在使用所述神经网络(100)的未经训练的情景解码器(112)的情况下将所述驾驶情景表示(118)从所述潜在空间(108)中解压缩成所述输出参量(120)，其中，为了训练所述情景解码器(112)，改变所述情景解码器(112)的结构，直到所述情景解码器(112)的输出参量(120)描绘所述运动(130)和所述环境(132)。5.一种用于产生驾驶风格表示(116)的方法，所述驾驶风格表示描绘驾驶员的驾驶风格(506)，其中，在使用神经网络(100)的根据权利要求1至4中任一项所述进行训练的风格编码器(104)的情况下，将传感输入参量(114)压缩到所述神经网络(100)的潜在空间(108)的至少一部分中作为抽象的驾驶风格表示(116)，所述传感输入参量描绘由所述驾驶员驾驶的系统的运动(126)和所述系统的环境(128)，其中，从所述潜在空间(108)中提取所述驾驶风格表示(116)。6.根据权利要求5所述的方法，在所述方法中，在使用预定义的特征规模的情况下对所提取的驾驶风格表示(116)进行分类。7.根据权利要求5至6中任一项所述的方法，在所述方法中，在至少两个不同的时刻提取驾驶风格表示(116)，并将所提取的驾驶风格表示(116)传递到特征空间(500)，其中，在使用所述特征空间(500)中的所述驾驶风格表示(116)的累积(504)的情况下对所述驾驶员的驾驶风格(506)进行分类。
8.根据权利要求5至7中任一项所述的方法，在所述方法中，在使用所提取的驾驶风格表示(116)和所述系统的驾驶任务的情况下，当所述驾驶员激活自主驾驶模式以实施所述驾驶任务时，生成用于所述系统的控制命令。9.根据权利要求5至8中任一项所述的方法，在所述方法中，在使用所述神经网络(100)的经训练的情景编码器(106)的情况下，将所述传感输入参量(114)压缩到所述潜在空间(108)的至少一部分中成为所述驾驶情景表示(118)，其中，在使用所述神经网络(100)的所述风格解码器(110)的情况下，将所述驾驶风格表示(116)和所述驾驶情景表示(118)从所述潜在空间(108)中解压缩成输出参量(120)，其中，将在所述输出参量(120)中描绘的运动(130)与在所述输入参量(114)中描绘的运动(126)进行比较，以便检查所述风格编码器(104)的训练。10.根据权利要求9所述的方法，在所述方法中，在使用所述神经网络(110)的所述情景解码器(112)的情况下，将所述驾驶情景表示(118)从所述潜在空间(108)中解压缩成另一输出参量(120)，其中，将在所述输出参量(120)中描绘的运动(130)和周围环境(132)与在所述输入参量(114)中描绘的运动(126)和周围环境(128)进行比较，以便检查所述情景编码器(112)的训练。11.一种设备(102)，其中，所述设备(102)构造用于，在相应的神经网络(100)中实施、实现和/或操控根据以上权利要求中任一项所述的方法。12.一种计算机程序产品，所述计算机程序产品设置用于，在实施所述计算机程序产品时引导处理器实施、实现和/或操控根据权利要求1至10中任一项所述的方法。13.一种机器可读的存储介质，在所述机器可读的存储介质上存储有根据权利要求12所述的计算机程序产品。

技术总结
本发明涉及一种用于训练神经网络的风格编码器的方法，其中，在使用神经网络的经训练的情景编码器的情况下，将描绘系统的运动和系统的环境的传感输入参量压缩到神经网络的潜在空间的至少一部分中成为抽象的驾驶情景表示，并在使用未经训练的风格编码器的情况下将传感输入参量压缩到潜在空间的至少一部分中成为驾驶风格表示，其中，在使用神经网络的风格解码器的情况下，将驾驶风格表示和驾驶情景表示从潜在空间中解压缩成输出参量，其中，为了训练风格编码器，改变风格编码器的结构，直到风格解码器的输出参量描绘运动。本发明还涉及一种用于产生驾驶风格表示的方法、一种设备、一种计算机程序产品以及一种机器可读的存储介质。储介质。储介质。


技术研发人员：P
受保护的技术使用者：罗伯特
技术研发日：2022.04.12
技术公布日：2022/10/28