[发明专利]交通参与者的长期轨迹预测的方法

权利要求书

1.一种用于多个交通参与者中的预测交通参与者的长期轨迹预测的方法，其中，交通参与者是本车辆或本车辆周围的动态对象，所述方法包括以下步骤：

从本车辆接收与本车辆周围的环境有关的环境数据(E)(S10)；

接收所述多个交通参与者的与之前时间步长中所述多个交通参与者的不同状态有关的之前公共状态数据(P[t-1])(S20)；

通过与所述预测交通参与者的环境有关的环境模型(ME)基于环境数据(E)确定环境特征(F)(S30)；

其中，环境特征(F)包括环境数据(E)的内部表示；

通过与所述多个交通参与者之间的建模交互有关的动态解释器模型(MD)基于之前公共状态数据(P[t-1])确定动态特征(D)(S40)；

通过交互模型(MI)基于环境特征(F)和动态特征(D)，预测在所述预测交通参与者与所述多个交通参与者之间的所述预测交通参与者的动态交互(I)(S50)；

基于预测的动态交互(I)和确定的环境特征(F)确定所述预测交通参与者的轨迹(T)(S60)；

其中，针对每个交通参与者分别地且同时地预测动态交互(I)。

2.根据权利要求1所述的方法，所述方法包括以下步骤：

接收所述预测交通参与者的与之前时间步长中所述预测交通参与者的状态有关的之前状态数据(S[t-1])；

接收所述预测交通参与者的与之前时间步长中所述预测交通参与者的动作有关的之前动作数据(A[t-1])；

基于预测的动态交互(I)、确定的环境特征(F)、之前状态数据(S[t-1])和之前动作数据(A[t-1])确定所述预测交通参与者的轨迹(T)。

3.根据前述权利要求中的任一项所述的方法，所述方法包括以下步骤：

确定交通参与者的与当前时间步长中交通参与者的不同状态有关的当前公共状态数据(P[t])；

确定所述预测交通参与者的与当前时间步长中所述预测交通参与者的状态有关的当前状态数据(S[t])；

确定所述预测交通参与者的与当前时间步长中所述预测交通参与者的动作有关的当前动作数据(A[t])；其中，

所述当前公共状态数据(P[t])、所述当前状态数据(S[t])和所述当前动作数据(A[t])用作后续时间步长的输入。

4.根据前述权利要求中的任一项所述的方法，其中，

交互模型(MI)包括时间递归神经网络单元，时间递归神经网络单元在训练期间周期性接收环境特征(F)并且基于接收的环境数据确定环境数据的内部表示。

5.根据前述权利要求中的任一项所述的方法，其中，

交互模型(MI)支持分支，其中，多个预测基于多个场景被同时确定和分析评估。

6.根据前述权利要求中的任一项所述的方法，所述方法包括以下步骤：

通过门控模型(MG)基于环境特征(F)、动态特征(D)、之前动作数据(A[t-1])和/或之前状态数据(S[t-1])确定至少一个门(G)；

其中，所述至少一个门(G)过滤相应的环境特征(F)、动态特征(D)、之前动作数据(A[t-1])和/或之前状态数据(S[t-1])，以用于与所述预测交通参与者的当前交通场景相关。

7.一种控制单元，所述控制单元被配置为用于执行根据权利要求1至6中的任一项所述的方法。

8.一种至少部分自主的机器人的控制方法，所述控制方法包括以下步骤：

接收所述至少部分自主的机器人的传感器数据；

执行权利要求1至6中的任一项所述的用于多个交通参与者中的预测交通参与者的长期轨迹预测的方法，从而确定所述预测交通参与者的轨迹；

根据确定的所述预测交通参与者的轨迹来控制所述至少部分自主的机器人。

9.一种计算机程序，所述计算机程序包括指令，当程序被计算机执行时，所述指令使计算机执行权利要求1至6中的任一项所述的方法。

10.一种计算机可读数据载体，所述计算机可读数据载体上存储有根据权利要求9所述的计算机程序。