[发明专利]用于产生用于训练车辆控制设备的人工智能模块的训练数据组的方法

说明书

提供一种用于产生用于训练人工智能模块KI模块(1)的训练数据集的方法。该方法设置，首先提供图像序列(5)，在该图像序列中检测机器人的周围环境(6)。然后，确定能够布置在所检测的机器人的周围环境(6)中的至少一个轨迹(14a‑14e)。此外设置，生成至少一个未来的图像序列，该至少一个未来的图像序列延伸到相对于序列结束时刻(t0)而言未来的时间区段(t0+n)上，并且基于至少一个所确定的轨迹(14a‑14e)包括针对以下情况的对图像的预测：在未来的时间区段(t0+n)期间将遵循所确定的轨迹(14a‑14e)。如果通过遵循轨迹(14a‑14e)预测的运动对应于有效的运动状况，则将包含在所生成的图像序列中的所确定的轨迹(14a‑14e)的至少一个子区段评估为正面，或者如果通过遵循轨迹(14a‑14e)预测的运动对应于无效的运动状况，则将其评估为负面，并且将所生成的未来的图像序列与分配给该图像序列的轨迹(14a‑14e)评估相结合来产生用于KI模块(1)的训练数据集(2)。由此能够通过行驶模拟器来训练KI模块(1)，该行驶模拟器基于所记录的以及切合实际的图像序列(5)结合能够以相对较低的计算开销实现的预测。

技术领域

本发明涉及人工智能领域，尤其涉及一种用于产生训练数据组的方法，训练数据集用于训练人工智能模块，即KI(Künstliche-Intelligenz，人工智能)模块。KI模块例如可以在用于至少部分自动化运动的设备的控制设备中实现，例如至少部分自主的机器人或至少部分自动化行驶的车辆。

背景技术

例如在自动化技术、机器人技术、自主驾驶等中经常将人工智能模块(在下文中也称为KI模块)用于例如至少部分自主的机器人的自动化控制。人工智能模块基于经训练的数据，并且例如在机器人的至少部分自主的实际运行中应确保进行尤其考虑到机器人的周围环境的控制，例如，在至少部分自动化行驶的车辆中同样应确保进行交通安全的控制，其方式为：人工智能模块针对出现的行驶事件采取适合的反应。关于车辆技术，例如应如此控制车辆，使得阻止与障碍物和/或其他交通参与者发生碰撞，或者车道稳定地(spurtreu)遵循持续变化的行车道走向。

为此，这种KI模块可以例如包括至少一个人工神经网络，该人工神经网络在下文中也称为KNN。借助训练数据集来训练KNN，以便逐步地教授KI模块交通安全的自主运动(例如行驶)。

但是至今还尚已知这种模拟器：该模拟器能够足够切合实际地描绘环境(尤其是可能的机器人周围环境，例如车辆周围环境)，以便教授尤其是模拟机器人安全的运动，例如教授机动车交通安全的行驶。如此，用于这种切合实际的模拟器的计算开销将相对较高，因为在车辆技术方面必须至少对道路、静态对象和动态对象以及动态对象的运动行为进行模拟。因此，在实践中将环境缩小或简化为模型，基于该模型创建用于训练KI模块的模拟。为此，例如可以训练KNN，使得将环境缩小为这种简化的模型。已经示出，借助缩小的模拟来进行训练的KI模块的训练成果是值得改善的。

发明内容

本发明的实施方式为更好地训练KI模块以及以此为基础使用KI模块提供了可能性。由从属权利要求、说明书以及附图得出本发明的有利扩展方案。

所提出的方法适合于产生用于训练人工智能模块即KI模块的训练数据集。替代地或附加地，所提出的方法也能够适合于训练KI模块。KI模块例如可以涉及用于机器人(例如至少部分自动化行驶的机动车)的计算机辅助的控制设备的软件程序。在此，KI模块可以设置为用于产生输出项并且将该输出项提供给机器人，所述输出项通过控制设备、通过例如至少部分自动化驾驶的机动车的控制设备电子地操控机器人，机器人可以基于该输出项求取例如绕行策略和/或制动操作。控制设备还可以通过操控执行器或类似物促使机器人(例如机动车)执行绕行策略和/或制动操作。为此，KI模块可以包括程序代码，并且尤其还可以包括多层的和/或卷积的人工神经网络(KNN)。

根据本发明的方法能够计算机辅地在例如数据处理装置(该数据处理装置也可以具有至少一个存储器单元和计算单元)中实现并且包括以下步骤：