[发明专利]改进用于使用在车辆中的人工智能模块的训练

说明书

提供了改进用于使用在车辆中的人工智能模块的训练。一种生成系统（1），用于扩充用于车辆（50）中的人工智能模块（54）的物理训练数据集P_D并且用于验证用于训练人工智能模块（54）的训练数据适宜于车辆（50）正操作在其中的实际环境和/或状态，包括：可训练的编码器模块Q，其配置成将从空间X中的训练数据P_D采样的记录x映射到空间Z以产生Z中的记录Q(x)；可训练的解码器模块G，其配置成将从空间Z采样的记录z映射回到空间X以产生X中的记录G(z)；以及·可训练的评论模块F，其配置成分类从空间X采样的记录是否属于物理训练数据集P_D或该记录是否是由解码器模块G生成的记录G(z)。

技术领域

本发明涉及在仅有限物理训练数据集可用的约束下用于使用在车辆控制和/或辅助系统中的人工智能模块的训练。

背景技术

为了使车辆以至少部分自动化方式参与道路交通，感测车辆的环境、获取该环境的表示并且定位车辆的位置是必要的。需要该信息以便在车辆与车辆环境中的另一物体之间存在碰撞危险的情况下采取正确行动。

环境的感测由产生物理测量数据的传感器执行。该数据的数量和维度是非常大的。为了朝向哪些物体或情形存在于车辆环境中的分类减小该维度，使用人工智能模块。

例如，US 8,682,821 B2公开了通过机器学习来对雷达信号进行分类，以便确定它们是否源自某些物体和/或动物的移动。

为了训练人工智能模块，该模块被馈送有训练数据集，并且对于训练数据集中的每一个记录，确定模块的结果是否匹配对应于该记录的“地面真值（ground truth）”。

在训练期间，优化模块的内部处理，使得在所有训练数据集之内，模块的结果最佳地匹配对应的“地面真值”。

发明内容

发明人已经开发了一种生成系统，其用于扩充用于车辆中的人工智能模块的物理训练数据集P_D并且用于验证用于训练人工智能模块的训练数据适宜于车辆正操作在其中的实际环境和/或状态。人工智能模块可以例如是神经网络。

物理训练数据存在于空间X中。例如，如果物理训练数据由来自相机的具有以像素计的给定宽度和高度以及每像素给定比特数目的颜色深度的图像组成，则这些图像存在于具有该宽度、高度和颜色深度的所有可能图像的空间X中。物理训练数据集P_D（例如训练图像的集合）因而是记录集，其中的每一个记录存在于空间X中，因此集P_D作为整体是空间X内的子集。

该系统包括编码器模块Q，其配置成将从其中物理采集训练数据P_D的空间X中的训练数据P_D采样的记录x映射到具有比空间X更低的维度的潜在空间Z以产生Z中的记录Q(x)。

该系统还包括解码器模块G，其配置成将从空间Z采样的记录z映射回到空间X以产生X中的记录G(z)。解码器模块G是确定性的。从Z中的记录z创建的所有记录G(z)的分布P_G限定X中的记录有多可能可以由G中所体现的生成模型产生。如以下将解释的，空间Z包括Z中的给定先验分布P_Z或甚至由其限定。因此，即使G在应用于Z中的任何单个记录z时是确定性的，向Z中的所有z应用G也产生X中的分布。

该系统还包括评论模块F，其是可训练的或者利用以下目的进行训练：最精确地分类从空间X采样的记录是否属于物理训练数据集P_D或该记录是否是由解码器模块G从Z中的样本z生成的记录G(z)。

例如，评论模块F可以作为函数来工作，该函数向空间X中的每个记录x（包括原始训练数据集P_D中的记录和新生成的记录G(z)二者）分配真值潜在性F(x)。