[发明专利]一种适用于无人驾驶决策学习和训练的系统

说明书

本申请属于人工智能技术领域，特别是涉及一种适用于无人驾驶决策学习和训练的系统。由于现有的方法都是设计好算法框架，利用大数据进行训练，或按照制定好的一套规则进行训练/验证，效率低、成本较高。本申请提供了一种适用于无人驾驶决策学习和训练的系统，所述系统包括虚拟现实/机器学习单元；所述虚拟现实/机器学习单元包括主处理器模块，所述主处理器模块与虚拟现实呈现模块相连接，所述主处理器模块与车辆操纵机电模块相连接，所述车辆操纵机电模块与方向盘相连接，所述车辆操纵机电模块与档位相连接，所述车辆操纵机电模块与油门/刹车相连接。解决了无人驾驶技术中如何快速训练算法，提升车辆驾驶能力，尤其是人工智能的学习。

技术领域

本申请属于人工智能技术领域，特别是涉及一种适用于无人驾驶决策学习和训练的系统。

背景技术

研究无人驾驶的成本很高，一方面是由于无人驾驶是涉及到多个领域相关技术的综合应用，如车辆定位，物体检测、跟踪、路径规划等一系列复杂的算法，另一方面还需要自动驾驶的实验室和实验场地来验证相关算法，否则研究的算法无法验证和真正应用。尤其是无人驾驶汽车在真实上路后所面临的外部环境十分复杂且多变，为了让无人驾驶能够应对这些复杂的情况，一种办法是让车辆在实际的路况下，在有人负责驾驶安全的前提下采集数据，然后对采集到的场景数据进行分析，并设计相应的算法让车辆的“大脑”在下次遇到类似的情况时，知道该如何处理。这种方法成本高、周期长。另一种方法是通过仿真的形式训练和验证无人驾驶汽车在不同场景下的感知和决策算法。甚至有一些开源的自动驾驶仿真平台，包括Carla、AirSim、Udacity self-driving car simulator、Apollo和Autoware等。这些仿真平台主要分为两类：第一类是基于合成的数据，对环境、感知及车辆进行模拟，这里的感知大多数是图像层面的感知，这类模拟器主要用于感知、规划算法的初步开发上，如Carla、AirSim、Udacity self-driving car simulator就属于这类；另一类是基于真实数据的回放，这里的真实数据包括图像、lidar、radar等各种传感器的数据，这类模拟器主要用于测试无人驾驶中信息融合算法以及车辆不同部件的性能，Apollo和Autoware就属于这类。

现有的无人驾驶仿真平台中，无论是基于生成的虚拟数据，还是真实数据的回放，在训练或测试时，都只是解决了算法研究中的数据问题。由于现有的方法都是设计好算法框架，利用大数据进行训练，或按照制定好的一套规则进行训练/验证，对于无人驾驶的核心-驾驶技能或者说智能决策算法帮助不大，而且效率低、成本较高。这或许是导致了无人驾驶技术开发中的“长尾”效应的原因之一。

发明内容

1.要解决的技术问题

基于现有的无人驾驶仿真平台中，无论是基于生成的虚拟数据，还是真实数据的回放，在训练或测试时，都只是解决了算法研究中的数据问题。由于现有的方法都是设计好算法框架，利用大数据进行训练，或按照制定好的一套规则进行训练/验证，对于无人驾驶的核心-驾驶技能或者说智能决策算法帮助不大，而且效率低、成本较高的问题，本申请提供了一种适用于无人驾驶决策学习和训练的系统。

2.技术方案

为了达到上述的目的，本申请提供了一种适用于无人驾驶决策学习和训练的系统，所述系统包括虚拟现实/机器学习单元；

所述虚拟现实/机器学习单元包括主处理器模块，所述主处理器模块与虚拟现实呈现模块相连接，所述主处理器模块与车辆操纵机电模块相连接，所述车辆操纵机电模块与方向盘相连接，所述车辆操纵机电模块与档位相连接，所述车辆操纵机电模块与油门/刹车相连接；

所述主处理器模块，用于模拟各种驾驶场景，并通过各种参数学习车辆操作者在各种场景下的开车技能，

所述虚拟现实呈现模块，用于将模拟的各种驾驶场景显示给车辆操作者，