[发明专利]基于齿轮的车辆载荷推断系统

说明书

根据各种实施方式，本文描述的是收集用于训练在ADV中使用的载荷推断回归模型的数据的方法和系统。根据一个示例性方法，ADV在一段道路上手动驾驶多个时间段。在每个时间段期间，记录ADV的一组特征，包括在从第一档位换档至第二档位之前的第一时间时的一个或多个特征，以及在换档之后的第二时间时的一个或多个特征。对于多个时间段中的每个，ADV的重量也使用重量传感器进行记录。然后使用这些时间段中的每个的ADV的记录特征和总重量训练神经网络回归模型，以实时推断ADV的载荷。

技术领域

本公开的实施方式总体涉及操作自动驾驶车辆。更具体地，本公 开的实施方式涉及用于自动驾驶车辆的载荷推断系统。

背景技术

以自动驾驶模式运行(例如，无人驾驶)的车辆可将乘员、尤其 是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行 时，车辆可使用车载传感器导航到各个位置，从而允许车辆在最少人 机交互的情况下或在没有任何乘客的一些情况下行驶。

自动驾驶车辆(ADV)依靠实时驾驶中的各种执行器命令(例如， 油门/制动器)来控制ADV。有时，这些执行器命令需要基于ADV中 的载荷进行动态调整。一些其它时候，ADV需要知道ADV上的载荷 何时已达到ADV的最大容量。然而，重量传感器可能并不总是在ADV上可用。

发明内容

在第一方面，本公开提供了一种收集用于训练在自动驾驶车辆中 使用的载荷推断模型的数据的计算机实施的方法，所述方法包括：

记录在一段道路上手动驾驶多个时间段的所述自动驾驶车辆的驾 驶统计数据；

使用位于所述自动驾驶车辆上的外部传感器记录所述自动驾驶车 辆在所述多个时间段中的每个期间的总重量；以及

从所述驾驶统计数据中提取所述自动驾驶车辆的多个特征，包括 在从第一档位换档至第二档位之前的第一时间时的一个或多个特征， 以及在所述换档之后的第二时间时的一个或多个特征，其中，所述多 个特征用于训练所述载荷推断模型。

在某些实施方式中，所述方法还包括：

通过从所记录的所述自动驾驶车辆的总重量中减去所述自动驾驶 车辆的净重来计算所述自动驾驶车辆上的载荷的重量。

在某些实施方式中，所述方法还包括：

使用所记录的特征和所述自动驾驶车辆在所述多个时间段中的每 个时间段的总重量来训练所述载荷推断模型。

在某些实施方式中，在所述换档之后在所述第二时间时的所述一 个或多个特征包括所述第二档位。

在某些实施方式中，所述第一时间与所述第二时间之间的间隔对 应于完成所述换档所花费的时间。

在某些实施方式中，所述自动驾驶车辆的总重量在所述多个时间 段中的每个时间段中增加固定的载荷重量。

在某些实施方式中，所述载荷推断模型是神经网络模型。

在第二方面，本公开提供了一种存储有指令的非暂时性机器可读 介质，其中，所述指令用于收集用于训练在自动驾驶车辆中使用的载 荷推断模型的数据，所述指令在由处理器执行时致使所述处理器执行 操作，所述操作包括：

记录在一段道路上手动驾驶多个时间段的所述自动驾驶车辆的驾 驶统计数据；

使用位于所述自动驾驶车辆上的外部传感器记录所述自动驾驶车 辆在所述多个时间段中的每个期间的总重量；以及

从所述驾驶统计数据中提取所述自动驾驶车辆的多个特征，包括 在从第一档位换档至第二档位之前的第一时间时的一个或多个特征， 以及在所述换档之后的第二时间时的一个或多个特征，其中，所述多 个特征用于训练所述载荷推断模型。