[发明专利]控制车辆的方法、系统和存储介质

说明书

一种方法和系统生成表示车辆附近的环境相对于该车辆的运动的变化的时间系列信号，并且将该时间系列信号提交给神经网络以生成作为时间的函数的参考轨迹，该参考轨迹满足关于该车辆的位置的时间约束和空间约束。训练该神经网络以将时间系列信号变换成该车辆的参考轨迹。确定跟踪该参考轨迹同时满足关于该车辆的运动的约束的运动轨迹，并且控制该车辆的运动以遵循该运动轨迹。

技术领域

本发明总体上涉及控制车辆，并且更具体地，涉及利用神经网络控制自主或半自主驾驶车辆。

背景技术

由车辆(自主驾驶车辆或者执行自主驾驶模式的车辆)采用的几种控制系统预测车辆的将来的安全运动或路径，两者都是为了避开如其它车辆或行人的障碍物，但也优化与车辆操作相关联的一些标准。目标状态可以是固定位置、移动位置、速度矢量、区域或其组合。周围的环境(如道路边缘、行人及其它车辆)通过车辆的传感器感测和/或至少部分地根据先验给定信息获知。

用于理解车辆周围的环境的一个重要信息来源是由车载感知传感器(如摄像头、立体摄像头、激光雷达(LIDAR)、超声传感器及雷达)感测的信息。可以直接从车载感知传感器的测量结果来检测和识别车辆周围的对象，举例来说，如U.S.9195904 中所述的。所识别的对象可以被用于确定车辆的环境的动态地图。这种动态地图可以用于预测车辆的运动。然而，检测和/或识别对象以及构建动态地图的方法花费时间和计算资源。

因此，希望简化确定和控制车辆运动的过程。

发明内容

一些实施方式的目的是，提供一种利用神经网络来控制车辆的运动的系统和方法。这些实施方式基于这样的认识，即，所述神经网络可以预先(例如，离线)训练，并且重新用于在线控制车辆的运动。

一些实施方式的另一目的是提供这样一种神经网络，即，其可以减少车辆运动控制应用中的对象检测和识别的必要性。例如，一个实施方式的目的是，提供一种不使用动态地图来促进车辆的运动控制的神经网络。

一些实施方式基于这样的认识，即，车辆可以经历无限多的环境。为此，使用所有可能的环境来训练该神经网络是不可能的或者至少是不切实际的。例如，考虑不同国家在驾驶之间的差异；不同车辆有不同的颜色，存在关于车道宽度的不同规定、不同数量的车道，并且当地的驾驶规定(如限速、不同的车道标记以及避让规则)组成无数环境。然而，独立于环境，在一个国家(比方说，瑞典)开车的经历为还能够例如在美国开车提供坚实的基础。

一些实施方式基于这样的认识，即，尽管存在可以围绕驾驶车辆的无限数量的环境，从而导致要处理大量的信息，但仅仅有限的(即，有限或接近有限)的来自这些环境的信息的子集被用于做出驾驶决定。例如，人类的五种感官所感受的关于世界的许多部分对于做出驾驶决定是冗余的。例如，一个人驾驶的车辆前方的汽车是黑色、黄色还是白色并不重要：重要的是它是一辆有速度的汽车。类似地，道路一侧树木的树叶是绿色还是黄色并不重要。事实上，由于树木位于道路一侧而不是在道路上，因此只要可以避免道路偏离，树木对于做出明智决定采取哪条路径来说无关紧要。

为此，一些实施方式基于这样的认识，即，仅在环境中感测的信息的子集与做出驾驶决定相关。此外，在不同的环境中，可以考虑类似类型的信息，如指示在车辆附近行驶的汽车的位置和速度的信息。这样的信息可以被用于训练神经网络，这可以简化设计神经网络的训练，并有助于避免利用动态地图来促进对车辆的运动控制。例如，一个实施方式将与做出驾驶决定相关的信息处理为对车辆运动的约束。

除了不同环境的数量，还可以存在可能出现并且自主汽车需要对此做出反应的无数种情况，然而，尽管可能出现各种不同类型的情况，但仅有有限数量的动作被采取来处理该特定情况。作为示例，考虑本车辆在双车道上行驶时前方车辆突然减速的情况。无论前方驾驶员刹车的方式如何，存在有限数量的不同动作来避免碰撞，例如，比前方车辆更快地减速或者改变车道(若可能的话)。