CN108983633A - 一种虚拟环境中多物体的模拟***、方法和装置 - Google Patents

一种虚拟环境中多物体的模拟***、方法和装置 Download PDF

Info

Publication number
CN108983633A
CN108983633A CN201810201651.5A CN201810201651A CN108983633A CN 108983633 A CN108983633 A CN 108983633A CN 201810201651 A CN201810201651 A CN 201810201651A CN 108983633 A CN108983633 A CN 108983633A
Authority
CN
China
Prior art keywords
dynamic object
behavior modeling
control terminal
task
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810201651.5A
Other languages
English (en)
Other versions
CN108983633B (zh
Inventor
孙行
林於菟
赵宇飞
刘浏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tucson Ltd
Beijing Tusen Weilai Technology Co Ltd
Original Assignee
Beijing Tusimple Future Technology Co Ltd
Tusimple Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Tusimple Future Technology Co Ltd, Tusimple Inc filed Critical Beijing Tusimple Future Technology Co Ltd
Publication of CN108983633A publication Critical patent/CN108983633A/zh
Application granted granted Critical
Publication of CN108983633B publication Critical patent/CN108983633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Biophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Biomedical Technology (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种虚拟环境中多物体的模拟***、方法和装置，用以解决现有技术中无法实现对虚拟环境中的多物体进行耗时短、保真度高的模拟的问题。***包括：一个控制端和多个计算端；其中，各计算端中预存有对动态物体进行行为模拟的至少一种模型；控制端，用于根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。

Description

一种虚拟环境中多物体的模拟***、方法和装置
技术领域
本发明涉及计算机视觉领域，特别涉及一种虚拟环境中多物体的模拟***、方法和装置。
背景技术
在当前的很多应用场景中，会根据传感器(包括例如摄像头、激光雷达等设备)获取的数据和地图数据构建一个虚拟环境，并对环境中的多个物体进行模拟，环境中的物体包括静态物体和动态物体。例如在自动驾驶的应用场景中，会根据传感器获取的数据和地图数据模拟一个自动驾驶的场景，并为了路径规划等策略来模拟环境中的动态物体的运动。
对动态物体的模拟，例如对车辆的模拟，计算机通过算法对车辆的动力学原理进行模拟。但是这样的模拟需要大量的计算资源、会造成较大的计算量，耗时较长。在一些应用场景中，为了降低耗时量，采取对所要模拟的动态物体的复杂性进行简化的策略。简化后的策略包括假设车辆沿道路线中心行驶、行人做布朗运动(也即随机运动)，或者用事先规划好的行为模板套在被模拟对象上，或者结合这二者。
这样的策略能够极大地降低计算量，缩短计算时长，但是模拟对象的保真度低，也即模拟对象的运动与现实世界中对象的真实运动具有差距，并且也无法对动态物体的行为细节进行模拟。
在一些应用场景中，这种较低的保真度无法满足应用需求。例如在自动驾驶的应用场景中，对自动驾驶车辆以及周围的动态车辆采用上述策略进行模拟后无法进行一些后续的控制，例如，无法模拟车辆的避障控制、转向控制等的行为，从而无法对车辆的路径规划做出高保真、高准确度的决策。
可见，在现有的对大规模多物体进行模拟的技术中存在计算耗时短、保真度高的需求，但是现有技术无法满足这一需求。
发明内容
有鉴于此，本发明提供一种虚拟环境中多物体的模拟***、方法和装置，用以解决现有技术中无法实现对虚拟环境中的多物体进行耗时短、保真度高的模拟的问题。
根据本申请的一个方面，提供了一种虚拟环境中多物体的模拟***，包括：一个控制端和多个计算端；其中，各计算端中预存有对动态物体进行行为模拟的至少一种模型；
控制端，用于根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态；
计算端，用于接收控制端分配的动态物体的行为模拟任务；使用模型执行对动态物体的行为模拟，得到模拟结果；向控制端反馈模拟结果。
根据本申请的另一个方面，提供了一种虚拟环境中多物体的模拟方法，包括：
控制端根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
根据本申请的另一个方面，提供了一种虚拟环境中多物体的模拟方法，包括：
计算端接收控制端分配的动态物体的行为模拟任务；
使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
向控制端反馈模拟结果。根据本申请的另一个方面，提供了一种虚拟环境中多物体的模拟装置，包括：
一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令实现：
根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
根据本申请的另一个方面，提供了一种虚拟环境中多物体的模拟装置，包括：
确定模块，用于根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
分配模块，用于将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
更新模块，用于根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
根据本申请的另一个方面，提供了一种虚拟环境中多物体的模拟装置，包括：一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令实现：
接收控制端分配的动态物体的行为模拟任务；
使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
向控制端反馈模拟结果。
根据本申请的另一个方面，提供了一种虚拟环境中多物体的模拟装置，包括：
接收模块，用于接收控制端分配的动态物体的行为模拟任务；
模拟模块，用于使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
反馈模块，用于向控制端反馈模拟结果。
根据本申请实施例提供的技术方案，控制端能够将对多个动态物体的模拟任务发送给多个计算端，多个计算端根据预存的模拟模型分别执行模拟任务，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够缩短模拟运算的时间，并且计算端使用模型执行对动态物体的模拟，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术中的上述问题。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1a为本申请实施例提供的虚拟环境中多物体的模拟***的结构示意图；
图1b为本申请实施例提供的虚拟环境中多物体的模拟***的一个应用场景示意图；
图2为图1a所示***的工作流程图；
图3为本申请实施例提供的虚拟环境中多物体的模拟方法的处理流程图；
图4为本申请实施例提供的虚拟环境中多物体的模拟方法的另一处理流程图；
图5为本申请实施例提供的虚拟环境中多物体的模拟装置的结构示意图；
图6为本申请实施例提供的虚拟环境中多物体的模拟装置的另一结构示意图；
图7为本申请实施例提供的虚拟环境中多物体的模拟装置的另一结构示意图；
图8为本申请实施例提供的虚拟环境中多物体的模拟装置的另一结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
在现有技术中，在一些应用场景中，例如对自动驾驶车辆进行控制的应用场景中，需要对自动驾驶车辆所在的环境进行模拟，并对自动驾驶车辆周围的动态物体例如车辆进行模拟，根据模拟的结果对自动驾驶车辆的路径进行规划。在现有技术中如果在单机上对自动驾驶车辆周围的动态物体进行模拟，会带来极大的计算量以及极长的计算时间，这样的计算时长是无法接受的。为了缩短计算时间，现有技术中设定车辆沿道路中心行驶，或者用事先规划好的行为模板套在车辆上进行模拟。但是，这样的模拟保真度低，并不能表现出动态物体的真实的运动情况。可见，现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
针对这一问题，本申请实施例提供了一种虚拟环境中多物体的模拟***、方法和装置，以解决现有技术中的上述问题。在本申请实施例中，***包括一个控制端和多个计算端，各计算端中均具有对动态物体进行模拟的至少一种模型；控制端根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
本申请实施例能够将对多个动态物体的模拟任务发送给多个计算端，多个计算端根据预存的模拟模型分别执行模拟任务，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够缩短模拟运算的时间，并且计算端使用模型执行对动态物体的模拟，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术中的上述问题。
以上是本发明的核心思想，为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明实施例中技术方案作进一步详细的说明。
图1a示出了本申请实施例提供的虚拟环境中多物体的模拟***的结构示意图，该***包括一个控制端1和多个计算端2。
其中，控制端1可以位于一个远程控制平台上，例如位于一个管理控制中心中，也可以位于一个运行实体中，例如位于一个自动驾驶车辆中。控制端1可以是一个执行训练学习的终端，也可以是一个实际执行实时决策的终端。
多个计算端2可以位于固定的处理终端中，例如一个分布式***中的多个客户端，比如自动驾驶场景中的多个路侧装置中，也可以位于多个实际运行的动态实体中，例如位于多个自动驾驶车辆中。一个计算端2可以位于一个独立的装置或者实体中，也可以分布式地位于多个独立的装置或者实体中。
控制端1和多个计算端2之间可以通过多种方式进行通信，本申请对此不做限制。
示例性的，图1b中示出了在一个具体应用场景中的控制端1和计算端2的，其中，计算端2包括计算***124和126，以及计算***134的处理单元A和处理单元B。
控制端1用于根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态；
计算端2中预存有对动态物体进行行为模拟的至少一种模型。计算端2用于接收控制端分配的动态物体的行为模拟任务；使用模型执行对动态物体的行为模拟，得到模拟结果；向控制端反馈模拟结果。
图2示出了图1a所示***的工作流程，包括如下步骤：
步骤201、控制端1根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
步骤202、控制端1将各动态物体的行为模拟任务分配给与各动态物体对应的计算端2；
步骤203、计算端2接收控制端分配的动态物体的行为模拟任务；
步骤204、计算端2使用模型执行对动态物体的行为模拟，得到模拟结果；
步骤205、计算端2向控制端1反馈模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
步骤206、控制端1接收计算端反馈的模拟结果；
步骤207、控制端1根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
本申请实施例提供的虚拟环境中多物体的模拟***，控制端能够将对多个动态物体的模拟任务发送给多个计算端，多个计算端根据预存的模拟模型分别执行模拟任务，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够有效地缩短模拟运算的时间，并且计算端使用模型执行对动态物体的模拟，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
下面对控制端1的工作原理进行说明。
图3中示出了本申请实施例提供的虚拟环境中多物体的模拟方法的处理流程，该方法应用在图1a中控制端1中，包括如下处理过程：
步骤301、控制端根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务。
其中，在控制端是执行训练学习的终端时，感测设备可以是虚拟的感测设备，在控制端是实际的实时决策终端时，感测设备可以是实体的感测设备。
在一些实施例中，控制端确定待模拟的至少一个动态物体的操作，可以是将出现在一个指定物体的预定范围内多个动态物体的全部或者部分动态物体确定为待模拟的至少一个动态物体。例如，可将出现在一个自动驾驶车辆的预定范围内、该车辆前方的动态物体确定为待模拟的至少一个动态物体。对动态物体的确定和选择可以根据具体应用场景的需要而设定，本申请不做具体限定。
在一些实施例中，控制端确定各动态物体的行为模拟任务的操作，可以是控制端根据待模拟的至少一个动态物体与指定物体的空间关系、和/或至少一个动态物体之间的空间关系，确定各动态物体的行为模拟任务；其中，空间关系包括位置和/或距离关系。例如，对于出现在一个自动驾驶车辆的前方200米的一个车辆时，可以确定该车辆的行为模拟任务为驾驶路径规划模拟；对于出现在一个自动驾驶车辆的后方200米的一个车辆，可以确定该车辆的行为模拟任务为驾驶路径规划模拟和碰撞规避模拟。还可以根据其它的关系或者方法来确定各动态物体的行为模拟任务，本申请对此不做限定，可以根据具体应用场景的需要而设定。
在一些实施例中，在动态物体是车辆的情况下，行为模拟任务至少包括车辆行为模拟和/或驾驶路径模拟；车辆行为模拟包括至少以下之一：车辆的刹车行为模拟、车辆的油门行为模拟、车辆的转向行为模拟；驾驶路径模拟包括至少以下之一：驾驶路径规划模拟、碰撞规避模拟。
更进一步，在另一些实施例中，车辆行为模拟还包括至少以下之一：驾驶员控制反应时长、驾驶员控制反应传输延时、以及驾驶员偏好选择。驾驶员控制反应时长也即驾驶员对于出现的一个刺激或激励做出反应的时长。驾驶员控制反应传输延时也即传输驾驶员对于出现的一个刺激或激励做出反应的时延。
在一些实施例中，在动态物体是行人的情况下，行为模拟任务包括行人路径规划模拟和/或行人碰撞规避模拟。
步骤302、将各动态物体的行为模拟任务分配给与各动态物体对应的计算端。
在一些实施例中，控制端进行分配的策略可以是根据各计算端的计算能力和各个动态物体的行为模拟任务所需的计算资源，将一个动态物体的行为模拟任务分配给对应的一个计算端；或者，根据各个动态物体的行为模拟任务的类型与各计算端执行的行为模拟任务的类型，将一个动态物体的行为模拟任务分配给对应的一个计算端。根据具体应用场景的需要，还可以设置其它的分配策略，或者是使用多个分配策略的组合。
在一些实施例中，控制端在向计算端分配动态物体的行为模拟任务时，可以将各动态物体的识别信息、和各动态物体的行为模拟任务的类型信息发送给与各动态物体对应的计算端；其中，动态物体的识别信息包括动态物体的状态识别信息和/或身份识别信息，状态识别信息至少包括以下之一：位置识别信息、速度识别信息、朝向识别信息。例如，可以在一个动态物体为车辆的情况下，可以将该车辆的车牌的状态识别信息发送给计算端，例如，将车辆的位置信息发送给计算端，或者还可以将预先为车辆分配的唯一的身份识别信息发送给计算端。
将动态物体的识别信息发送给计算端，可以使得计算端根据接收到的动态物体的识别信息，以及计算端当前获取的感测数据，确定所需模拟的动态物体；根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；并使用计算端当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。其中，多个计算端中预存有对动态物体进行行为模拟的至少一种模型，这些模型是与车辆行为模拟和/或驾驶路径模拟对应的模型。
在一些实施例中，控制端在执行分配操作时，可以通过与计算端之间预先设置的接口，将各动态物体的行为模拟任务分配给与各动态物体对应的计算端。相应地，计算端通过所述接口接收控制端分配的动态物体的行为模拟任务；具体地，计算端通过所述接口接收动态物体的标识信息、和动态物体的行为模拟任务的类型信息。
在一些实施例中，控制端在执行分配操作时，还可以根据任务分配的情况维护一个任务分配表，分配表中包括动态物体、为动态物体分配的计算端、任务分配时间和任务分配状态。
通过上述处理，控制端能够将对至少一个动态物体的行为模拟任务分配给对应的计算端。
步骤303、接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态。
与上述实施例相对应，控制端使用所述接口接收计算端反馈的模拟结果，也即，计算端使用所述接口向控制端反馈模拟结果。
与上述实施例相对应，控制端还根据接收计算端反馈的情况更新任务分配表。
在另一些实施例中，控制端在将行为模拟任务分配给计算端之后的一个预定时长内接收计算端反馈的模拟结果；在预定时长内未接收到计算端反馈的模拟结果的情况下，将分配给该计算端的行为模拟任务分配给另一个计算端。
步骤304、根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
从而根据本申请实施例提供的方法，控制端能够将对多个动态物体的模拟任务发送给多个计算端，多个计算端根据模拟模型分别执行模拟任务，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够有效地缩短模拟运算的时间，并且对动态物体的模拟是计算端通过模型模拟实现的，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
图4中示出了本申请实施例提供的虚拟环境中多物体的模拟方法的处理流程，该方法应用在图1a中的计算端2中，该方法包括：
步骤401、计算端接收控制端分配的动态物体的行为模拟任务。
在一些实施例中，步骤401的处理可以包括：计算端接收来自控制端的动态物体的识别信息、和该动态物体的行为模拟任务的类型信息。
步骤402、使用预存的模型执行对动态物体的行为模拟，得到模拟结果。
在一些实施例中，步骤402的处理可以包括如下步骤：
步骤S1、计算端根据接收到的动态物体的识别信息，以及计算端当前获取的感测数据，确定所需模拟的动态物体；
例如，在动态物体的识别信息包括动态物体的状态识别信息的情况下，计算端可以根据获取到的图像数据，对动态物体进行匹配和确定。
在一些实施例中，计算端可以通过与控制端之间预先设置的接口接收控制端分配的动态物体的行为模拟任务。
步骤S2、根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；
其中，计算端中预存的模型可以是预先根据实际驾驶数据、并通过基于学习的方法而训练学习得到的。预存的模型包括：与车辆行为模拟和/或驾驶路径模拟对应的模型，以及与行人路径规划模拟和/或行人碰撞规避模拟对应的模型。
步骤S3、使用计算端当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。
在一些实施例中，计算端可以将当前获取到的动态物体的感测数据输入到模型中，输出得到动态物体的行为或状态，也即得到行为模拟的模拟结果。
步骤403、向控制端反馈模拟结果。
在一些实施例中，计算端使用所述接口向控制端反馈模拟结果。
通过本申请实施例提供的方法，计算端接收控制端分配的动态物体的行为模拟任务，并进行相应的模拟，在多个计算端分别执行多个动态物体的行为模拟任务的情况下，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够有效地缩短模拟运算的时间，并且计算端使用模型执行对动态物体的模拟，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
基于相同的发明构思，本申请实施例还提供了一种虚拟环境中多物体的模拟装置。
图5中示出了本申请实施例提供的虚拟环境中多物体的模拟装置的结构示意图，该装置对应于图1a中的控制端1，该装置包括一个处理器51和至少一个存储器52，至少一个存储器52中存储有至少一条机器可执行指令，处理器1执行至少一条机器可执行指令实现：
根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
在一些实施例中，处理器51执行至少一条机器可执行指令实现确定在虚拟环境中待模拟的至少一个动态物体，包括：将出现在一个指定物体的预定范围内的多个动态物体的全部或部分动态物体确定为待模拟的至少一个动态物体。
在一些实施例中，处理器51执行至少一条机器可执行指令实现确定各动态物体的行为模拟任务，包括：根据待模拟的至少一个动态物体与指定物体的空间关系、和/或至少一个动态物体之间的空间关系，确定各动态物体的行为模拟任务；其中，空间关系包括位置和/或距离关系。
在一些实施例中，处理器51执行至少一条机器可执行指令实现将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：根据各计算端的计算能力和各个动态物体的行为模拟任务所需的计算资源，将一个动态物体的行为模拟任务分配给对应的一个计算端；或者，根据各个动态物体的行为模拟任务的类型与各计算端执行的行为模拟任务的类型，将一个动态物体的行为模拟任务分配给对应的一个计算端。
在一些实施例中，处理器51执行至少一条机器可执行指令实现将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：将各动态物体的识别信息、和各动态物体的行为模拟任务的类型信息发送给与各动态物体对应的计算端；其中，动态物体的识别信息包括动态物体的状态识别信息和/或身份识别信息。
在一些实施例中，处理器51执行至少一条机器可执行指令实现将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：通过与计算端之间预先设置的接口，将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；处理器执行至少一条机器可执行指令实现接收计算端反馈的模拟结果，包括：控制端使用所述接口接收计算端反馈的模拟结果。
在一些实施例中，处理器51执行至少一条机器可执行指令实现接收计算端反馈的模拟结果，包括：控制端在将行为模拟任务分配给计算端之后的一个预定时长内接收计算端反馈的模拟结果；在预定时长内未接收到计算端反馈的模拟结果的情况下，将分配给该计算端的行为模拟任务分配给另一个计算端。
根据图5所示的装置，能够将对多个动态物体的模拟任务发送给多个计算端，多个计算端根据模拟模型分别执行模拟任务，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够有效地缩短模拟运算的时间，并且对动态物体的模拟是计算端通过模型模拟实现的，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
根据相同的发明构思，本申请实施例还提供了一种虚拟环境中多物体的模拟装置。
图6中示出了本申请实施例提供的一种虚拟环境中多物体的模拟装置，该装置对应于图1a中的控制端1，该装置包括：
确定模块601，用于根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
分配模块602，用于将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
更新模块603，用于根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
在一些实施例中，确定模块601确定在虚拟环境中待模拟的至少一个动态物体，包括：将出现在一个指定物体的预定范围内的多个动态物体的全部或部分动态物体确定为待模拟的至少一个动态物体。
在一些实施例中，确定模块601确定各动态物体的行为模拟任务，包括：根据待模拟的至少一个动态物体与指定物体的空间关系、和/或至少一个动态物体之间的空间关系，确定各动态物体的行为模拟任务；其中，空间关系包括位置和/或距离关系。
在一些实施例中，分配模块602将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：根据各计算端的计算能力和各个动态物体的行为模拟任务所需的计算资源，将一个动态物体的行为模拟任务分配给对应的一个计算端；或者，根据各个动态物体的行为模拟任务的类型与各计算端执行的行为模拟任务的类型，将一个动态物体的行为模拟任务分配给对应的一个计算端。
在一些实施例中，分配模块602将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：将各动态物体的识别信息、和各动态物体的行为模拟任务的类型信息发送给与各动态物体对应的计算端；其中，动态物体的识别信息包括动态物体的状态识别信息和/或身份识别信息。
在一些实施例中，分配模块502将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：通过与计算端之间预先设置的接口，将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；分配模块接收计算端反馈的模拟结果，包括：使用所述接口接收计算端反馈的模拟结果。
在一些实施例中，分配模块602还用于：根据任务分配的情况维护任务分配表，分配表中包括动态物体、为动态物体分配的计算端、任务分配时间和任务分配状态；根据接收计算端反馈的情况更新任务分配表。
在一些实施例中，分配模块602接收计算端反馈的模拟结果，包括：在将行为模拟任务分配给计算端之后的一个预定时长内接收计算端反馈的模拟结果；在预定时长内未接收到计算端反馈的模拟结果的情况下，将分配给该计算端的行为模拟任务分配给另一个计算端。
根据图6所示的装置，能够将对多个动态物体的模拟任务发送给多个计算端，多个计算端根据模拟模型分别执行模拟任务，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够有效地缩短模拟运算的时间，并且对动态物体的模拟是计算端通过模型模拟实现的，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
根据相同的发明构思，本申请实施例还提供了一种虚拟环境中多物体的模拟装置。
图7示出了本申请实施例提供的一种虚拟环境中多物体的模拟装置，该装置对应于图1a中的计算端2，该装置包括：一个处理器71和至少一个存储器72，至少一个存储器72中存储有至少一条机器可执行指令，处理器71执行至少一条机器可执行指令实现：
接收控制端分配的动态物体的行为模拟任务；
使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
向控制端反馈模拟结果。
在一些实施例中，处理器71执行至少一条机器可执行指令实现接收控制端分配的动态物体的行为模拟任务，包括：接收来自控制端的动态物体的识别信息、和该动态物体的行为模拟任务的类型信息。
在一些实施例中，处理器71执行至少一条机器可执行指令实现使用模型执行对动态物体的行为模拟，包括：根据接收到的动态物体的识别信息，以及计算端当前获取的感测数据，确定所需模拟的动态物体；根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；使用计算端当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。
在一些实施例中，处理器71执行至少一条机器可执行指令实现接收控制端分配的动态物体的行为模拟任务，包括：通过与控制端之间预先设置的接口接收控制端分配的动态物体的行为模拟任务；处理器71执行至少一条机器可执行指令实现向控制端反馈模拟结果，包括：使用所述接口向控制端反馈模拟结果。
通过图7所示的装置，计算端接收控制端分配的动态物体的行为模拟任务，并进行相应的模拟，在多个计算端分别执行多个动态物体的行为模拟任务的情况下，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够有效地缩短模拟运算的时间，并且计算端使用模型执行对动态物体的模拟，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
根据相同的发明构思，本申请实施例还提供了一种虚拟环境中多物体的模拟装置。
图8示出了本申请实施例提供的一种虚拟环境中多物体的模拟装置，该装置对应于图1a中的计算端2，该装置包括：
接收模块801，用于接收控制端分配的动态物体的行为模拟任务；
模拟模块802，用于使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
反馈模块803，用于向控制端反馈模拟结果。
在一些实施例中，接收模块801接收控制端分配的动态物体的行为模拟任务，包括：接收来自控制端的动态物体的识别信息、和该动态物体的行为模拟任务的类型信息。
在一些实施例中，模拟模块802使用模型执行对动态物体的行为模拟，包括：根据接收到的动态物体的识别信息，以及所述装置当前获取的感测数据，确定所需模拟的动态物体；根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；使用装置当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。
在一些实施例中，接收模块801接收控制端分配的动态物体的行为模拟任务，包括：通过与控制端之间预先设置的接口接收控制端分配的动态物体的行为模拟任务；反馈模块803向控制端反馈模拟结果，包括：使用所述接口向控制端反馈模拟结果。
通过图8所示的装置，计算端接收控制端分配的动态物体的行为模拟任务，并进行相应的模拟，在多个计算端分别执行多个动态物体的行为模拟任务的情况下，相比现有技术中在一个计算端上执行对所有动态物体的模拟，能够有效地缩短模拟运算的时间，并且计算端使用模型执行对动态物体的模拟，相比现有技术中通过简化的模板进行模拟，能够达到高保真的模拟效果。从而能够解决现有技术无法实现对虚拟环境中的多物体进行耗时短、高保真的模拟。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (48)

1.一种虚拟环境中多物体的模拟***，其特征在于，包括：一个控制端和多个计算端；其中，各计算端中预存有对动态物体进行行为模拟的至少一种模型；
控制端，用于根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态；
计算端，用于接收控制端分配的动态物体的行为模拟任务；使用模型执行对动态物体的行为模拟，得到模拟结果；向控制端反馈模拟结果。
2.根据权利要求1所述的***，其特征在于，控制端用于确定在虚拟环境中待模拟的至少一个动态物体，包括：
控制端用于将出现在一个指定物体的预定范围内的多个动态物体的全部或部分动态物体确定为待模拟的至少一个动态物体。
3.根据权利要求1所述的***，其特征在于，控制端用于确定各动态物体的行为模拟任务，包括：
根据待模拟的至少一个动态物体与指定物体的空间关系、和/或至少一个动态物体之间的空间关系，确定各动态物体的行为模拟任务；其中，空间关系包括位置和/或距离关系。
4.根据权利要求1所述的***，其特征在于，控制端用于将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
控制端用于根据各计算端的计算能力和各个动态物体的行为模拟任务所需的计算资源，将一个动态物体的行为模拟任务分配给对应的一个计算端；或者，
根据各个动态物体的行为模拟任务的类型与各计算端执行的行为模拟任务的类型，将一个动态物体的行为模拟任务分配给对应的一个计算端。
5.根据权利要求1所述的***，其特征在于，控制端用于将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
控制端用于将各动态物体的识别信息、和各动态物体的行为模拟任务的类型信息发送给与各动态物体对应的计算端；其中，动态物体的识别信息包括动态物体的状态识别信息和/或身份识别信息，状态识别信息至少包括以下之一：位置识别信息、速度识别信息、朝向识别信息；
则，计算端用于接收控制端分配的动态物体的行为模拟任务，包括：
计算端用于接收来自控制端的动态物体的识别信息、和该动态物体的行为模拟任务的类型信息。
6.根据权利要求5所述的***，其特征在于，计算端用于使用模型执行对动态物体的行为模拟，包括：
计算端用于根据接收到的动态物体的识别信息，以及计算端当前获取的感测数据，确定所需模拟的动态物体；
根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；
使用计算端当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。
7.根据权利要求1所述的***，其特征在于，控制端用于将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
控制端用于通过与计算端之间预先设置的接口，将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
计算端用于接收控制端分配的动态物体的行为模拟任务，包括：计算端用于通过所述接口接收控制端分配的动态物体的行为模拟任务；
控制端用于接收计算端反馈的模拟结果，包括：控制端用于使用所述接口接收计算端反馈的模拟结果；
计算端用于向控制端反馈模拟结果，包括：计算端用于使用所述接口向控制端反馈模拟结果。
8.根据权利要求1所述的***，其特征在于，控制端还用于：
根据任务分配的情况维护任务分配表，分配表中包括动态物体、为动态物体分配的计算端、任务分配时间和任务分配状态；
根据接收计算端反馈的情况更新任务分配表。
9.根据权利要求1所述的***，其特征在于，控制端用于接收计算端反馈的模拟结果，包括：
控制端用于在一个预定时长内接收计算端反馈的模拟结果；
在预定时长内未接收到计算端反馈的模拟结果的情况下，将分配给该计算端的行为模拟任务分配给另一个计算端。
10.根据权利要求1所述的***，其特征在于，在动态物体是车辆的情况下，行为模拟任务至少包括车辆行为模拟和/或驾驶路径模拟；
车辆行为模拟包括至少以下之一：车辆的刹车行为模拟、车辆的油门行为模拟、车辆的转向行为模拟；
驾驶路径模拟包括至少以下之一：驾驶路径规划模拟、碰撞规避模拟；
在动态物体是行人的情况下，行为模拟任务包括行人路径规划模拟和/或行人碰撞规避模拟；
计算端中预存的模型包括至少以下之一：与车辆行为模拟和/或驾驶路径模拟对应的模型，与行人路径规划模拟和/或行人碰撞规避模拟对应的模型。
11.一种虚拟环境中多物体的模拟方法，其特征在于，包括：
控制端根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
12.根据权利要求11所述的方法，其特征在于，确定在虚拟环境中待模拟的至少一个动态物体，包括：
控制端将出现在一个指定物体的预定范围内的多个动态物体的全部或部分动态物体确定为待模拟的至少一个动态物体。
13.根据权利要求11所述的方法，其特征在于，确定各动态物体的行为模拟任务，包括：
控制端根据待模拟的至少一个动态物体与指定物体的空间关系、和/或至少一个动态物体之间的空间关系，确定各动态物体的行为模拟任务；其中，空间关系包括位置和/或距离关系。
14.根据权利要求11所述的方法，其特征在于，控制端将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
根据各计算端的计算能力和各个动态物体的行为模拟任务所需的计算资源，将一个动态物体的行为模拟任务分配给对应的一个计算端；或者，
根据各个动态物体的行为模拟任务的类型与各计算端执行的行为模拟任务的类型，将一个动态物体的行为模拟任务分配给对应的一个计算端。
15.根据权利要求11所述的方法，其特征在于，控制端将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
将各动态物体的识别信息、和各动态物体的行为模拟任务的类型信息发送给与各动态物体对应的计算端；其中，动态物体的识别信息包括动态物体的状态识别信息和/或身份识别信息，状态识别信息至少包括以下之一：位置识别信息、速度识别信息、朝向识别信息。
16.根据权利要求11所述的方法，其特征在于，控制端用于将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
控制端通过与计算端之间预先设置的接口，将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
控制端接收计算端反馈的模拟结果，包括：控制端使用所述接口接收计算端反馈的模拟结果。
17.根据权利要求11所述的方法，其特征在于，所述方法还包括：
根据任务分配的情况维护任务分配表，分配表中包括动态物体、为动态物体分配的计算端、任务分配时间和任务分配状态；
根据接收计算端反馈的情况更新任务分配表。
18.根据权利要求11所述的方法，其特征在于，控制端接收计算端反馈的模拟结果，包括：
控制端在将行为模拟任务分配给计算端之后的一个预定时长内接收计算端反馈的模拟结果；
在预定时长内未接收到计算端反馈的模拟结果的情况下，将分配给该计算端的行为模拟任务分配给另一个计算端。
19.根据权利要求11所述的方法，其特征在于，在动态物体是车辆的情况下，行为模拟任务至少包括车辆行为模拟和/或驾驶路径模拟；
车辆行为模拟包括至少以下之一：车辆的刹车行为模拟、车辆的油门行为模拟、车辆的转向行为模拟；
驾驶路径模拟包括至少以下之一：驾驶路径规划模拟、碰撞规避模拟；
在动态物体是行人的情况下，行为模拟任务包括行人路径规划模拟和/或行人碰撞规避模拟。
20.根据权利要求19所述的方法，其特征在于，车辆行为模拟还包括至少以下之一：驾驶员控制反应时长、驾驶员控制反应传输延时。
21.一种虚拟环境中多物体的模拟方法，其特征在于，包括：
计算端接收控制端分配的动态物体的行为模拟任务；
使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
向控制端反馈模拟结果。
22.根据权利要求21所述的方法，其特征在于，计算端接收控制端分配的动态物体的行为模拟任务，包括：
计算端接收来自控制端的动态物体的识别信息、和该动态物体的行为模拟任务的类型信息。
23.根据权利要求22所述的方法，其特征在于，计算端使用模型执行对动态物体的行为模拟，包括：
计算端根据接收到的动态物体的识别信息，以及计算端当前获取的感测数据，确定所需模拟的动态物体；
根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；
使用计算端当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。
24.根据权利要求21所述的方法，其特征在于，计算端接收控制端分配的动态物体的行为模拟任务，包括：计算端通过与控制端之间预先设置的接口接收控制端分配的动态物体的行为模拟任务；
计算端向控制端反馈模拟结果，包括：计算端使用所述接口向控制端反馈模拟结果。
25.根据权利要求21所述的方法，其特征在于，计算端中预存的模型包括至少以下之一：与车辆行为模拟和/或驾驶路径模拟对应的模型，与行人路径规划模拟和/或行人碰撞规避模拟对应的模型。
26.一种虚拟环境中多物体的模拟装置，其特征在于，包括一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令实现：
根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
27.根据权利要求26所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现确定在虚拟环境中待模拟的至少一个动态物体，包括：
将出现在一个指定物体的预定范围内的多个动态物体的全部或部分动态物体确定为待模拟的至少一个动态物体。
28.根据权利要求26所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现确定各动态物体的行为模拟任务，包括：
根据待模拟的至少一个动态物体与指定物体的空间关系、和/或至少一个动态物体之间的空间关系，确定各动态物体的行为模拟任务；其中，空间关系包括位置和/或距离关系。
29.根据权利要求26所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
根据各计算端的计算能力和各个动态物体的行为模拟任务所需的计算资源，将一个动态物体的行为模拟任务分配给对应的一个计算端；或者，
根据各个动态物体的行为模拟任务的类型与各计算端执行的行为模拟任务的类型，将一个动态物体的行为模拟任务分配给对应的一个计算端。
30.根据权利要求26所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
将各动态物体的识别信息、和各动态物体的行为模拟任务的类型信息发送给与各动态物体对应的计算端；其中，动态物体的识别信息包括动态物体的状态识别信息和/或身份识别信息，状态识别信息至少包括以下之一：位置识别信息、速度识别信息、朝向识别信息。
31.根据权利要求26所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
通过与计算端之间预先设置的接口，将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
处理器执行至少一条机器可执行指令实现接收计算端反馈的模拟结果，包括：控制端使用所述接口接收计算端反馈的模拟结果。
32.根据权利要求26所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现接收计算端反馈的模拟结果，包括：
控制端在将行为模拟任务分配给计算端之后的一个预定时长内接收计算端反馈的模拟结果；
在预定时长内未接收到计算端反馈的模拟结果的情况下，将分配给该计算端的行为模拟任务分配给另一个计算端。
33.一种虚拟环境中多物体的模拟装置，其特征在于，包括：
确定模块，用于根据感测设备当前获取的感测数据，确定在虚拟环境中待模拟的至少一个动态物体，确定各动态物体的行为模拟任务；
分配模块，用于将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；接收计算端反馈的模拟结果，模拟结果中包括所模拟的动态物体的行为和/或状态；
更新模块，用于根据接收到的模拟结果，更新虚拟环境中对应的动态物体的行为和/或状态。
34.根据权利要求33所述的装置，其特征在于，确定模块确定在虚拟环境中待模拟的至少一个动态物体，包括：
将出现在一个指定物体的预定范围内的多个动态物体的全部或部分动态物体确定为待模拟的至少一个动态物体。
35.根据权利要求33所述的装置，其特征在于，确定模块确定各动态物体的行为模拟任务，包括：
根据待模拟的至少一个动态物体与指定物体的空间关系、和/或至少一个动态物体之间的空间关系，确定各动态物体的行为模拟任务；其中，空间关系包括位置和/或距离关系。
36.根据权利要求33所述的装置，其特征在于，分配模块将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
根据各计算端的计算能力和各个动态物体的行为模拟任务所需的计算资源，将一个动态物体的行为模拟任务分配给对应的一个计算端；或者，
根据各个动态物体的行为模拟任务的类型与各计算端执行的行为模拟任务的类型，将一个动态物体的行为模拟任务分配给对应的一个计算端。
37.根据权利要求33所述的装置，其特征在于，分配模块将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
将各动态物体的识别信息、和各动态物体的行为模拟任务的类型信息发送给与各动态物体对应的计算端；其中，动态物体的识别信息包括动态物体的状态识别信息和/或身份识别信息，状态识别信息至少包括以下之一：位置识别信息、速度识别信息、朝向识别信息。
38.根据权利要求33所述的装置，其特征在于，分配模块将各动态物体的行为模拟任务分配给与各动态物体对应的计算端，包括：
通过与计算端之间预先设置的接口，将各动态物体的行为模拟任务分配给与各动态物体对应的计算端；
分配模块接收计算端反馈的模拟结果，包括：使用所述接口接收计算端反馈的模拟结果。
39.根据权利要求33所述的装置，其特征在于，分配模块还用于：
根据任务分配的情况维护任务分配表，分配表中包括动态物体、为动态物体分配的计算端、任务分配时间和任务分配状态；
根据接收计算端反馈的情况更新任务分配表。
40.根据权利要求33所述的装置，其特征在于，分配模块接收计算端反馈的模拟结果，包括：
在将行为模拟任务分配给计算端之后的一个预定时长内接收计算端反馈的模拟结果；
在预定时长内未接收到计算端反馈的模拟结果的情况下，将分配给该计算端的行为模拟任务分配给另一个计算端。
41.一种虚拟环境中多物体的模拟装置，其特征在于，包括一个处理器和至少一个存储器，至少一个存储器中存储有至少一条机器可执行指令，处理器执行至少一条机器可执行指令实现：
接收控制端分配的动态物体的行为模拟任务；
使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
向控制端反馈模拟结果。
42.根据权利要求41所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现接收控制端分配的动态物体的行为模拟任务，包括：
接收来自控制端的动态物体的识别信息、和该动态物体的行为模拟任务的类型信息。
43.根据权利要求42所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现使用模型执行对动态物体的行为模拟，包括：
根据接收到的动态物体的识别信息，以及所述装置当前获取的感测数据，确定所需模拟的动态物体；
根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；
使用所述装置当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。
44.根据权利要求41所述的装置，其特征在于，处理器执行至少一条机器可执行指令实现接收控制端分配的动态物体的行为模拟任务，包括：通过与控制端之间预先设置的接口接收控制端分配的动态物体的行为模拟任务；
处理器执行至少一条机器可执行指令实现向控制端反馈模拟结果，包括：使用所述接口向控制端反馈模拟结果。
45.一种虚拟环境中多物体的模拟装置，其特征在于，包括：
接收模块，用于接收控制端分配的动态物体的行为模拟任务；
模拟模块，用于使用预存的模型执行对动态物体的行为模拟，得到模拟结果；
反馈模块，用于向控制端反馈模拟结果。
46.根据权利要求45所述的装置，其特征在于，接收模块接收控制端分配的动态物体的行为模拟任务，包括：
接收来自控制端的动态物体的识别信息、和该动态物体的行为模拟任务的类型信息。
47.根据权利要求46所述的装置，其特征在于，模拟模块使用模型执行对动态物体的行为模拟，包括：
根据接收到的动态物体的识别信息，以及所述装置当前获取的感测数据，确定所需模拟的动态物体；
根据接收到的行为模拟任务的类型信息，确定所需使用的对应的模型；
使用装置当前获取的包括动态物体的感测数据、以及确定的模型，执行对动态物体的行为模拟。
48.根据权利要求45所述的装置，其特征在于，接收模块接收控制端分配的动态物体的行为模拟任务，包括：通过与控制端之间预先设置的接口接收控制端分配的动态物体的行为模拟任务；
反馈模块向控制端反馈模拟结果，包括：使用所述接口向控制端反馈模拟结果。
CN201810201651.5A 2017-06-02 2018-03-12 一种虚拟环境中多物体的模拟***、方法和装置 Active CN108983633B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
USUS15/612,976 2017-06-02
US15/612,976 US10474790B2 (en) 2017-06-02 2017-06-02 Large scale distributed simulation for realistic multiple-agent interactive environments

Publications (2)

Publication Number Publication Date
CN108983633A true CN108983633A (zh) 2018-12-11
CN108983633B CN108983633B (zh) 2021-12-14

Family

ID=64460616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810201651.5A Active CN108983633B (zh) 2017-06-02 2018-03-12 一种虚拟环境中多物体的模拟***、方法和装置

Country Status (2)

Country Link
US (1) US10474790B2 (zh)
CN (1) CN108983633B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110750052A (zh) * 2019-09-30 2020-02-04 奇点汽车研发中心有限公司 驾驶模型的训练方法和装置、电子设备和介质

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10739775B2 (en) * 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
US10816978B1 (en) * 2018-02-22 2020-10-27 Msc.Software Corporation Automated vehicle artificial intelligence training based on simulations
US10795804B1 (en) * 2018-08-21 2020-10-06 Waymo Llc Collision evaluation for log-based simulations
CN111885631B (zh) * 2019-09-17 2024-05-03 上海森首科技股份有限公司 一种广域仿真模型边界协同方法
US11494533B2 (en) * 2019-11-27 2022-11-08 Waymo Llc Simulations with modified agents for testing autonomous vehicle software
WO2021124110A1 (en) 2019-12-17 2021-06-24 Foretellix Ltd. System and methods thereof for monitoring proper behavior of an autonomous vehicle
CN111339649B (zh) * 2020-02-20 2022-02-08 西南交通大学 一种采集车辆轨迹数据的仿真方法、***及设备
CN112464360B (zh) * 2020-11-05 2024-06-04 武汉理工大学 一种基于元胞自动机和多智能体的lng船舶通过能力计算与仿真***
US20220207209A1 (en) * 2020-12-30 2022-06-30 Beijing Voyager Technology Co., Ltd. Deterministic sampling of autonomous vehicle simulation variables at runtime
US11858514B2 (en) 2021-03-30 2024-01-02 Zoox, Inc. Top-down scene discrimination
US11810225B2 (en) * 2021-03-30 2023-11-07 Zoox, Inc. Top-down scene generation
CN113467276B (zh) * 2021-09-03 2021-12-07 中国汽车技术研究中心有限公司 基于智能驾驶仿真赛事云平台的智能驾驶仿真方法
CN113867315B (zh) * 2021-09-24 2023-06-02 同济大学 一种虚实结合的高保真交通流智能车测试平台及测试方法
CN115203982B (zh) * 2022-09-14 2022-11-29 环球数科集团有限公司 一种用于公交车辆智能运行的并行计算方法和仿真***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008242670A (ja) * 2007-03-26 2008-10-09 Nec Corp 分散シミュレーション連携装置、該連携装置に用いられる連携制御方法及び連携制御プログラム
US20100292886A1 (en) * 2009-05-18 2010-11-18 Gm Global Technology Operations, Inc. Turn by turn graphical navigation on full windshield head-up display
CN102004717A (zh) * 2009-08-28 2011-04-06 富士通株式会社 分布处理型模拟器
CN103299353A (zh) * 2011-01-14 2013-09-11 三菱重工业株式会社 交通流仿真装置、交通流仿真程序及交通流仿真方法
JP2015114261A (ja) * 2013-12-13 2015-06-22 株式会社デンソーアイティーラボラトリ 対象物検出装置、対象物検出方法およびプログラム
CN104778072A (zh) * 2015-04-16 2015-07-15 浙江大学 一种用于交通混合流模型的车辆和行人交互模拟方法
CN106143299A (zh) * 2016-07-21 2016-11-23 浙江吉利汽车研究院有限公司 一种车辆开门预警辅助***
CN106644503A (zh) * 2016-10-24 2017-05-10 中国科学院合肥物质科学研究院 一种智能车辆规划能力测试平台
CN106778619A (zh) * 2016-12-16 2017-05-31 合肥寰景信息技术有限公司 一种基于激光和视频信号结合的行人检测方法

Family Cites Families (88)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5877897A (en) 1993-02-26 1999-03-02 Donnelly Corporation Automatic rearview mirror, vehicle lighting control and vehicle interior monitoring system using a photosensor array
US6822563B2 (en) 1997-09-22 2004-11-23 Donnelly Corporation Vehicle imaging system with accessory control
US7103460B1 (en) 1994-05-09 2006-09-05 Automotive Technologies International, Inc. System and method for vehicle diagnostics
US7783403B2 (en) 1994-05-23 2010-08-24 Automotive Technologies International, Inc. System and method for preventing vehicular accidents
US7655894B2 (en) 1996-03-25 2010-02-02 Donnelly Corporation Vehicular image sensing system
WO2003093857A2 (en) 2002-05-03 2003-11-13 Donnelly Corporation Object detection system for vehicle
US6777904B1 (en) 2003-02-25 2004-08-17 Ford Global Technologies, Llc Method and system for controlling a motor
WO2005098751A1 (en) 2004-04-08 2005-10-20 Mobileye Technologies Limited Crowd detection
US8082101B2 (en) 2004-04-08 2011-12-20 Mobileye Technologies Ltd. Collision warning system
EP1754179A1 (en) 2004-04-08 2007-02-21 Mobileye Technologies Limited Pedestrian detection
US7526103B2 (en) 2004-04-15 2009-04-28 Donnelly Corporation Imaging system for vehicle
US8553088B2 (en) 2005-11-23 2013-10-08 Mobileye Technologies Limited Systems and methods for detecting obstructions in a camera field of view
US8164628B2 (en) 2006-01-04 2012-04-24 Mobileye Technologies Ltd. Estimating distance to an object using a sequence of images recorded by a monocular camera
US7689559B2 (en) 2006-02-08 2010-03-30 Telenor Asa Document similarity scoring and ranking method, device and computer program product
US7786898B2 (en) 2006-05-31 2010-08-31 Mobileye Technologies Ltd. Fusion of far infrared and visible images in enhanced obstacle detection in automotive applications
EP2383679A1 (en) 2006-12-06 2011-11-02 Mobileye Technologies Limited Detecting and recognizing traffic signs
US20080249667A1 (en) 2007-04-09 2008-10-09 Microsoft Corporation Learning and reasoning to enhance energy efficiency in transportation systems
US7839292B2 (en) 2007-04-11 2010-11-23 Nec Laboratories America, Inc. Real-time driving danger level prediction
US8041111B1 (en) 2007-10-15 2011-10-18 Adobe Systems Incorporated Subjective and locatable color theme extraction for images
US9176006B2 (en) 2008-01-15 2015-11-03 Mobileye Vision Technologies Ltd. Detection and classification of light sources using a diffraction grating
US9117133B2 (en) 2008-06-18 2015-08-25 Spectral Image, Inc. Systems and methods for hyperspectral imaging
US20100049397A1 (en) 2008-08-22 2010-02-25 Garmin Ltd. Fuel efficient routing
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US9459515B2 (en) 2008-12-05 2016-10-04 Mobileye Vision Technologies Ltd. Adjustable camera mount for a vehicle windshield
US8175376B2 (en) 2009-03-09 2012-05-08 Xerox Corporation Framework for image thumbnailing based on visual similarity
CN102365651A (zh) 2009-03-26 2012-02-29 皇家飞利浦电子股份有限公司 用于通过使用基于色彩频率的显著图来修改图像的方法和装置
US8271871B2 (en) 2009-04-30 2012-09-18 Xerox Corporation Automated method for alignment of document objects
US8392117B2 (en) 2009-05-22 2013-03-05 Toyota Motor Engineering & Manufacturing North America, Inc. Using topological structure for path planning in semi-structured environments
US8645480B1 (en) 2009-07-19 2014-02-04 Aaron T. Emigh Trust representation by similarity
EP2466565B1 (en) * 2009-08-13 2018-09-05 Fujitsu Limited Simulator
JP2011176748A (ja) 2010-02-25 2011-09-08 Sony Corp 画像処理装置および方法、並びにプログラム
US9118816B2 (en) 2011-12-06 2015-08-25 Mobileye Vision Technologies Ltd. Road vertical contour detection
US9280711B2 (en) 2010-09-21 2016-03-08 Mobileye Vision Technologies Ltd. Barrier and guardrail detection using a single camera
US8509982B2 (en) 2010-10-05 2013-08-13 Google Inc. Zone driving
US9179072B2 (en) 2010-10-31 2015-11-03 Mobileye Vision Technologies Ltd. Bundling night vision and other driver assistance systems (DAS) using near infra red (NIR) illumination and a rolling shutter
CN103210651B (zh) 2010-11-15 2016-11-09 华为技术有限公司 用于视频概要的方法和***
EP2993654B1 (en) 2010-12-07 2017-05-03 Mobileye Vision Technologies Ltd. Method and system for forward collision warning
US8401292B2 (en) 2011-04-26 2013-03-19 Eastman Kodak Company Identifying high saliency regions in digital images
US9233659B2 (en) 2011-04-27 2016-01-12 Mobileye Vision Technologies Ltd. Pedestrian collision warning system
KR101777875B1 (ko) 2011-04-28 2017-09-13 엘지디스플레이 주식회사 입체 영상 표시장치와 그 입체 영상 조절 방법
US9183447B1 (en) 2011-06-09 2015-11-10 Mobileye Vision Technologies Ltd. Object detection using candidate object alignment
JP5564620B2 (ja) 2011-07-28 2014-07-30 本田技研工業株式会社 ワイヤレス送電方法
DE102011083749B4 (de) 2011-09-29 2015-06-11 Aktiebolaget Skf Rotorblatt einer Windkraftanlage mit einer Vorrichtung zum Erfassen eines Abstandswertes und Verfahren zum Erfassen eines Abstandswertes
US9297641B2 (en) 2011-12-12 2016-03-29 Mobileye Vision Technologies Ltd. Detection of obstacles at night by analysis of shadows
FR2984254B1 (fr) 2011-12-16 2016-07-01 Renault Sa Controle de vehicules autonomes
US9317776B1 (en) 2013-03-13 2016-04-19 Hrl Laboratories, Llc Robust static and moving object detection system via attentional mechanisms
JP5605381B2 (ja) 2012-02-13 2014-10-15 株式会社デンソー クルーズ制御装置
US9042648B2 (en) 2012-02-23 2015-05-26 Microsoft Technology Licensing, Llc Salient object segmentation
US9476970B1 (en) 2012-03-19 2016-10-25 Google Inc. Camera based localization
US9134402B2 (en) 2012-08-13 2015-09-15 Digital Signal Corporation System and method for calibrating video and lidar subsystems
US9025880B2 (en) 2012-08-29 2015-05-05 Disney Enterprises, Inc. Visual saliency estimation for images and video
US9120485B1 (en) 2012-09-14 2015-09-01 Google Inc. Methods and systems for smooth trajectory generation for a self-driving vehicle
US9111444B2 (en) 2012-10-31 2015-08-18 Raytheon Company Video and lidar target detection and tracking system and method for segmenting moving targets
US9092430B2 (en) 2013-01-02 2015-07-28 International Business Machines Corporation Assigning shared catalogs to cache structures in a cluster computing system
US8788134B1 (en) 2013-01-04 2014-07-22 GM Global Technology Operations LLC Autonomous driving merge management system
US8908041B2 (en) 2013-01-15 2014-12-09 Mobileye Vision Technologies Ltd. Stereo assist with rolling shutters
US9277132B2 (en) 2013-02-21 2016-03-01 Mobileye Vision Technologies Ltd. Image distortion correction of a camera with a rolling shutter
US9147255B1 (en) 2013-03-14 2015-09-29 Hrl Laboratories, Llc Rapid object detection by combining structural information from image segmentation with bio-inspired attentional mechanisms
US9342074B2 (en) 2013-04-05 2016-05-17 Google Inc. Systems and methods for transitioning control of an autonomous vehicle to a driver
US9438878B2 (en) 2013-05-01 2016-09-06 Legend3D, Inc. Method of converting 2D video to 3D video using 3D object models
CN105659304B (zh) 2013-06-13 2020-01-03 移动眼视力科技有限公司 车辆、导航***及生成并递送导航信息的方法
US9315192B1 (en) 2013-09-30 2016-04-19 Google Inc. Methods and systems for pedestrian avoidance using LIDAR
US9122954B2 (en) 2013-10-01 2015-09-01 Mobileye Vision Technologies Ltd. Performing a histogram using an array of addressable registers
US9738280B2 (en) 2013-10-03 2017-08-22 Robert Bosch Gmbh Adaptive cruise control with on-ramp detection
US9299004B2 (en) 2013-10-24 2016-03-29 Adobe Systems Incorporated Image foreground detection
US9330334B2 (en) 2013-10-24 2016-05-03 Adobe Systems Incorporated Iterative saliency map estimation
EP3812962A1 (en) 2013-12-04 2021-04-28 Mobileye Vision Technologies Ltd. Navigating a vehicle to pass another vehicle
WO2015103159A1 (en) 2013-12-30 2015-07-09 Tieman Craig Arnold Connected vehicle system with infotainment interface for mobile devices
US9365214B2 (en) 2014-01-30 2016-06-14 Mobileye Vision Technologies Ltd. Systems and methods for determining the status of a turn lane traffic light
CN106461774B (zh) 2014-02-20 2019-04-23 御眼视觉技术有限公司 基于雷达提示视觉成像的高级驾驶员辅助***
CN103793925B (zh) 2014-02-24 2016-05-18 北京工业大学 融合时空特征的视频图像视觉显著程度检测方法
DE102014205170A1 (de) 2014-03-20 2015-11-26 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Ermitteln einer Trajektorie für ein Fahrzeug
CN105100134A (zh) 2014-04-28 2015-11-25 思科技术公司 屏幕共享缓存管理
CN106663193B (zh) 2014-05-14 2020-12-25 御眼视觉技术有限公司 用于路缘检测和行人危险评估的***和方法
US9720418B2 (en) 2014-05-27 2017-08-01 Here Global B.V. Autonomous vehicle monitoring and control
CN106796648B (zh) 2014-06-03 2020-11-24 御眼视觉技术有限公司 用于检测对象的***和方法
US9457807B2 (en) 2014-06-05 2016-10-04 GM Global Technology Operations LLC Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver
US9554030B2 (en) 2014-09-29 2017-01-24 Yahoo! Inc. Mobile device image acquisition using objects of interest recognition
US9746550B2 (en) 2014-10-08 2017-08-29 Ford Global Technologies, Llc Detecting low-speed close-range vehicle cut-in
KR101664582B1 (ko) 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
US10115024B2 (en) 2015-02-26 2018-10-30 Mobileye Vision Technologies Ltd. Road vertical contour detection using a stabilized coordinate frame
JP6421684B2 (ja) 2015-04-17 2018-11-14 井関農機株式会社 乗用草刈機
US10635761B2 (en) 2015-04-29 2020-04-28 Energid Technologies Corporation System and method for evaluation of object autonomy
DE102015211926A1 (de) 2015-06-26 2016-12-29 Robert Bosch Gmbh Verfahren und Vorrichtung zum Ermitteln bzw. Bewerten einer Soll-Trajektorie eines Kraftfahrzeugs
WO2017013875A1 (ja) 2015-07-23 2017-01-26 日本電気株式会社 経路切替装置、経路切替システムおよび経路切替方法
US9587952B1 (en) 2015-09-09 2017-03-07 Allstate Insurance Company Altering autonomous or semi-autonomous vehicle operation based on route traversal values
US9568915B1 (en) 2016-02-11 2017-02-14 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling autonomous or semi-autonomous vehicle
US9535423B1 (en) 2016-03-29 2017-01-03 Adasworks Kft. Autonomous vehicle with improved visual detection ability

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008242670A (ja) * 2007-03-26 2008-10-09 Nec Corp 分散シミュレーション連携装置、該連携装置に用いられる連携制御方法及び連携制御プログラム
US20100292886A1 (en) * 2009-05-18 2010-11-18 Gm Global Technology Operations, Inc. Turn by turn graphical navigation on full windshield head-up display
CN102004717A (zh) * 2009-08-28 2011-04-06 富士通株式会社 分布处理型模拟器
CN103299353A (zh) * 2011-01-14 2013-09-11 三菱重工业株式会社 交通流仿真装置、交通流仿真程序及交通流仿真方法
JP2015114261A (ja) * 2013-12-13 2015-06-22 株式会社デンソーアイティーラボラトリ 対象物検出装置、対象物検出方法およびプログラム
CN104778072A (zh) * 2015-04-16 2015-07-15 浙江大学 一种用于交通混合流模型的车辆和行人交互模拟方法
CN106143299A (zh) * 2016-07-21 2016-11-23 浙江吉利汽车研究院有限公司 一种车辆开门预警辅助***
CN106644503A (zh) * 2016-10-24 2017-05-10 中国科学院合肥物质科学研究院 一种智能车辆规划能力测试平台
CN106778619A (zh) * 2016-12-16 2017-05-31 合肥寰景信息技术有限公司 一种基于激光和视频信号结合的行人检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110750052A (zh) * 2019-09-30 2020-02-04 奇点汽车研发中心有限公司 驾驶模型的训练方法和装置、电子设备和介质

Also Published As

Publication number Publication date
US20180349547A1 (en) 2018-12-06
CN108983633B (zh) 2021-12-14
US10474790B2 (en) 2019-11-12

Similar Documents

Publication Publication Date Title
CN108983633A (zh) 一种虚拟环境中多物体的模拟***、方法和装置
Xu et al. Opencda: an open cooperative driving automation framework integrated with co-simulation
CN108230817B (zh) 车辆驾驶模拟方法和装置、电子设备、***、程序和介质
US10902165B2 (en) Deployable development platform for autonomous vehicle (DDPAV)
CN110955242A (zh) 机器人导航方法、***、机器人及存储介质
KR102282970B1 (ko) 실시간 분산 자율주행 시뮬레이션 프레임워크를 구성 및 제어하는 방법
CN109300324A (zh) 一种无人驾驶汽车的环境信息获取方法及装置
CN112904827B (zh) 一种面向多icu的无人驾驶虚拟仿真测试***
CN113311817B (zh) 车辆协同控制测试方法、装置、电子设备及存储介质
Garzón et al. An hybrid simulation tool for autonomous cars in very high traffic scenarios
JP4841903B2 (ja) ドライビングシミュレータ
Kaths et al. Co-simulation of the virtual vehicle in virtual traffic considering tactical driver decisions.
CN109752952B (zh) 一种获取多维随机分布及强化控制器的方法和装置
Artunedo et al. Advanced co-simulation framework for cooperative maneuvers among vehicles
CN112671487A (zh) 一种车辆测试的方法、服务器以及测试车辆
Alms et al. Reinforcement learning-based traffic control: Mitigating the adverse impacts of control transitions
KR20170127871A (ko) 차량 시뮬레이터 및 그 제어방법
CN112487630A (zh) 驾驶环境模拟方法、装置、***、电子设备以及存储介质
CN108983763A (zh) 一种路径规划的方法、装置及车载终端
CN108151742B (zh) 机器人的导航控制方法及智能装置
US20220391558A1 (en) Multi-agent simulation system and method
Lee et al. May i cut into your lane?: A policy network to learn interactive lane change behavior for autonomous driving
CN115238456A (zh) 一种车联网场景仿真方法及***
JP5132058B2 (ja) シミュレータシステム
CN113613194A (zh) 应用于车辆间的数据分享方法、装置、介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: No.1, Linkong 2nd Road, Shunyi Park, Zhongguancun Science and Technology Park, Shunyi District, Beijing

Patentee after: BEIJING TUSEN WEILAI TECHNOLOGY Co.,Ltd.

Patentee after: Tucson Ltd.

Address before: 101300 Shunyi District Zhongguancun Science Park, Shunyi Park, No. 1 Linkong Second Road, Shunyi District, Beijing

Patentee before: BEIJING TUSEN WEILAI TECHNOLOGY Co.,Ltd.

Patentee before: TUSIMPLE

CP03 Change of name, title or address