[发明专利]具有规划控制的交通情形中的自主决策

权利要求书

1.一种用于生成自主运载工具的在交通场景中的操纵决策的控制设备,所述控制设备包括：

包括经训练的自学习模型的第一模块，所述第一模块被配置为：

接收包括关于所述自主运载工具的周围环境的信息的数据；

借助于所述经训练的自学习模型，基于所接收的数据来确定要由所述自主运载工具执行的动作；

第二模块，被配置为：

接收所确定的动作；

接收包括关于有限时间范围期间所述自主运载工具的周围环境的信息的数据；

预测所述有限时间范围的第一时间段的环境状态；

基于所接收的所述有限时间范围的动作并且基于所预测的所述第一时间段的环境状态来确定所述自主运载工具的轨迹；

发送信号以便根据所确定的轨迹来在所述第一时间段期间控制所述自主运载工具。

2.根据权利要求1所述的控制设备，其中，所述第二模块被进一步配置为：

将所预测的环境状态与在所述第一时间段期间接收的关于所述自主运载工具的周围环境的信息相比较，以便基于至少一个预定义的准则来确定所确定的动作是否可行；

在所确定的动作基于所述至少一个预定义的准则可行时，发送所述信号以便根据所确定的轨迹来在所述第一时间段期间控制所述自主运载工具，

向所述第一模块发送第二信号，所述第二信号包括关于所预测的环境状态和所接收的关于所述自主运载工具的周围环境的信息之间的比较的信息。

3.根据权利要求2所述的控制设备，其中，所述第一模块被配置为：

接收所述第二信号；以及

借助于所述经训练的自学习模型，进一步基于所接收的第二信号来确定要由所述自主运载工具执行的动作。

4.根据权利要求1至3中的任意一项所述的控制设备，其中，所述自主运载工具的周围环境包括多个周围运载工具。

5.根据权利要求1至3中的任意一项所述的控制设备，其中，关于所述周围环境的信息包括所述自主运载工具的当前状态和相对于参考点的任意周围运载工具的当前状态。

6.根据权利要求1和2中的任意一项所述的控制设备，其中，所预测的环境状态包括预测的所述自主运载工具的状态和预测的相对于所述自主运载工具的任意周围运载工具的状态。

7.根据权利要求1和2中的任意一项所述的控制设备，其中，所述第二模块包括模型预测控制器。

8.根据权利要求1至3中的任意一项所述的控制设备，其中，所述经训练的自学习模型包括经训练的人工神经网络。

9.根据权利要求1所述的控制设备，其中，所述交通场景包括至少一个十字路口，并且其中，所接收的数据包括周围运载工具的数量、十字路口的数量、自主运载工具的位置、每个周围运载工具的位置、每个周围运载工具的速度、每个周围运载工具的加速度、每个周围运载工具的尺寸、每个周围运载工具和所述周围环境中的参考点之间的距离、所述自主运载工具和所述周围环境中的参考点之间的距离以及每个十字路口的尺寸。

10.根据权利要求9所述的控制设备，其中，所述经训练的自学习模型被训练为使得所确定的动作包括以在所述周围环境中的周围运载工具前面或后面通过的方式来穿过所述至少一个十字路口，并且其中，所述第二模块被配置为确定所述自主运载工具的轨迹以执行所确定的动作，其中，所确定的轨迹相对于预定义的函数被优化。

11.根据权利要求2所述的控制设备，其中，所述预定义的准则包括加速度阈值、距离阈值以及时间阈值中的至少一个。

12.一种运载工具，包括：

包括至少一个传感器的感知系统，所述感知系统被配置为获取关于所述运载工具的周围环境的信息；以及

根据权利要求1至3中的任意一项所述的控制设备。