[发明专利]自动驾驶车辆规划

权利要求书

1.一种自动驾驶车辆(AV)规划方法，包括：

接收与AV有关的传感器输入；

处理所述AV传感器输入以确定遇到的驾驶场景；

在AV规划器中，执行树搜索算法以确定与通过构建的游戏树的路径对应的AV操纵序列；以及

生成用于执行所确定的AV操纵序列的AV控制信号；

其中，所述游戏树具有表示所遇到的驾驶场景的预计状态的多个节点，并且通过基于(i)候选AV操纵和(ii)所遇到的驾驶场景中的至少一个外部主体的预计行为更新子节点的父节点的驾驶场景状态，来确定每个子节点的预计驾驶场景状态；以及

其中，通过将生成行为模型应用于从所述传感器输入导出的所述外部主体的一个或更多个观察参数，来模拟所述外部主体的预计行为；所述生成行为模型是机器学习(ML)模型，所述机器学习(ML)模型已经基于观察的真实世界驾驶行为的示例进行了训练。

2.根据权利要求1所述的AV规划方法，其中，将对象跟踪应用于所述传感器输入以确定所述外部主体的观察踪迹，并且基于所述观察踪迹模拟所述外部主体的预计行为。

3.根据权利要求1或2所述的AV规划方法，其中，用于训练所述生成模型的观察的真实世界驾驶行为的至少一些示例已经从闭路电视数据提取。

4.根据权利要求1、2或3所述的AV规划方法，其中，所述生成行为模型包括经训练的神经网络。

5.根据权利要求1、2或3所述的AV规划方法，其中，使用针对所遇到的驾驶场景的驾驶区域而学习的空间马尔可夫模型的学习的占用概率和/或转变概率，来模拟所述外部主体的预计行为。

6.根据任一项前述权利要求所述的AV规划方法，其中，所述树搜索算法是概率树搜索算法。

7.根据权利要求6所述的AV规划方法，其中，所述树搜索算法是蒙特卡洛树搜索(MCTS)算法。

8.根据任一项前述权利要求所述的AV规划方法，其中，通过根据定义的场景描述语言从所述传感器输入提取驾驶场景参数集合，来确定所述驾驶场景。

9.根据权利要求2或从属于权利要求2的任一项权利要求所述的AV规划方法，其中，所述生成行为模型还应用于一个或更多个自我车辆参数和/或所述驾驶场景的一个或更多个参数。

10.一种自动驾驶车辆(AV)规划方法，包括：

接收与AV有关的传感器输入；

处理所述传感器输入以确定遇到的驾驶场景；

在AV规划器中，执行树搜索算法以确定与通过构建的游戏树的路径对应的AV操纵序列；以及

生成用于执行所确定的AV操纵序列的AV控制信号；

其中，所述游戏树具有表示所遇到的驾驶场景的预计状态的多个节点，并且通过基于(i)候选AV操纵和(ii)所遇到的驾驶场景中的至少一个外部主体的预计行为更新子节点的父节点的驾驶场景状态，来确定每个子节点的预计驾驶场景状态；以及

其中，通过将逆向规划方法应用于从所述传感器输入导出的外部活动者的一个或更多个观察参数，来模拟所述外部主体的预计行为。

11.根据权利要求10所述的方法，其中，将对象跟踪应用于所述传感器输入，以便跟踪所遇到的驾驶场景中的至少一个外部活动者，并且由此确定在时间间隔内所述外部活动者的观察踪迹；

其中，所述逆向规划方法包括：

确定在所遇到的驾驶场景中所述外部活动者的可用目标集合，

针对可用目标中的每一个，确定预期轨迹模型，

将所述外部活动者的观察踪迹与可用目标中的每一个的所述预期轨迹模型进行比较，以确定该目标的似然度，以及

使用所确定的所述目标中的至少一个目标的似然度，来模拟所述外部活动者的预计行为。