CN112346467A - 一种无人驾驶设备的控制方法及装置 - Google Patents
一种无人驾驶设备的控制方法及装置 Download PDFInfo
- Publication number
- CN112346467A CN112346467A CN202110000641.7A CN202110000641A CN112346467A CN 112346467 A CN112346467 A CN 112346467A CN 202110000641 A CN202110000641 A CN 202110000641A CN 112346467 A CN112346467 A CN 112346467A
- Authority
- CN
- China
- Prior art keywords
- control quantity
- error
- actual
- control
- unmanned equipment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000013643 reference control Substances 0.000 claims abstract description 40
- 230000008859 change Effects 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Forklifts And Lifting Vehicles (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本说明书公开了一种无人驾驶设备的控制方法及装置,可以获取无人驾驶设备在当前时刻的状态数据,并根据该状态数据,预测出下一时刻针对无人驾驶设备的控制量,作为基准控制量,而后,将该状态数据输入到预设的控制量误差模型中,得到在下一时刻针对无人驾驶设备的控制量实际误差,根据该控制量实际误差以及确定出的基准控制量,确定在下一时刻针对该无人驾驶设备的实际控制量,进而根据该实际控制量,对无人驾驶设备进行控制。由于可以根据当前时刻的状态数据,预测出针对下一时刻的控制量实际误差,以通过该控制量实际误差,对确定出的基准控制量进行修正,从而提高了确定出的控制量的准确性以及合理性,进而保证了无人驾驶设备的安全行驶。
Description
技术领域
本说明书涉及无人驾驶领域,尤其涉及一种无人驾驶设备的控制方法及装置。
背景技术
当前,无人驾驶设备将逐步应用于人们的日常生活,为人们的生活带来更多的便利服务。
在无人驾驶设备行驶的过程中,需要时刻确定出无人驾驶设备的控制量,进而通过确定出的控制量对无人驾驶设备实施控制。然而,在实际应用中,无人驾驶设备确定出的控制量,与无人驾驶设备实际执行的控制量往往存在偏差,致使无人驾驶设备可能会出现诸如偏量原定路线,行驶过程中平稳性较差,安全性较低等情况。
所以,如何能够提高无人驾驶设备确定控制量的准确性,保证无人驾驶设备的平稳行驶,则是一个亟待解决的问题。
发明内容
本说明书提供一种无人驾驶设备的控制方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种无人驾驶设备的控制方法,包括:
获取无人驾驶设备在当前时刻的状态数据;
根据所述状态数据,预测在下一时刻针对所述无人驾驶设备的控制量,作为基准控制量;
将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差;
根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
根据所述实际控制量,对所述无人驾驶设备进行控制。
可选地,将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差,具体包括:
确定所述控制量误差预测模型在上一时刻针对所述当前时刻所确定出的控制量误差,作为参照控制量误差;
将所述状态数据以及所述参照控制量误差输入到所述控制量误差预测模型中,得到针对所述下一时刻的控制量误差。
可选地,所述控制量误差预测模型中包含有第一子模型和第二子模型;
将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差,具体包括:
根据所述状态数据,确定针对所述下一时刻的所述无人驾驶设备的控制量基础误差,作为第一控制量基础误差;
根据所述无人驾驶设备在所述当前时刻之前设定时间段的历史状态数据以及历史控制量,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率;
若确定所述控制量变化频率大于第一设定频率,通过所述第一子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第一偏量,并根据所述第一偏量以及所述第一控制量基础误差,确定在所述下一时刻针对所述无人驾驶设备的控制量实际误差;
若确定所述控制量变化频率不大于所述第一设定频率,通过所述第二子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第二偏量,并根据所述第二偏量以及所述第一控制量基础误差,确定在所述下一时刻针对所述无人驾驶设备的控制量实际误差。
可选地,根据所述无人驾驶设备在所述当前时刻之前设定时间段的历史状态数据以及历史控制量,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率,具体包括:
针对所述设定时间段中包含的每个历史时刻,根据该历史时刻对应的历史控制量以及该历史时刻的下一历史时刻对应的历史状态数据,确定该历史时刻对应的历史控制量偏差;
根据每个历史时刻对应的历史控制量偏差,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率。
可选地,通过所述第一子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第一偏量,具体包括:
确定所述第一子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第一基准偏量,确定所述第二子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第二基准偏量,以及获取在上一时刻确定出的针对所述当前时刻的所述无人驾驶设备的控制量基础误差,作为第二控制量基础误差;
将所述第二控制量基础误差、所述第一基准偏量以及所述第二基准偏量输入到所述第一子模型中,得到所述第一偏量。
可选地,通过所述第二子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第二偏量,具体包括:
确定所述第一子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第一基准偏量,确定所述第二子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第二基准偏量;
将所述第一基准偏量以及所述第二基准偏量输入到所述第二子模型中,得到所述第二偏量。
可选地,根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量,具体包括:
若确定所述控制量变化频率大于第二设定频率,通过预设的第一调整方式对所述控制量实际误差进行调整,得到第一调整后控制量误差,并根据所述第一调整后控制量误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
若确定所述控制量变化频率不大于第二设定频率,通过预设的第二调整方式对所述控制量实际误差进行调整,得到第二调整后控制量误差,并根据所述第二调整后控制量误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
其中,基于所述第一调整方式确定出的在所述下一时刻针对所述无人驾驶设备的实际控制量与在上一时刻确定出的在所述当前时刻针对所述无人驾驶设备的实际控制量之间的控制量变化量,大于基于所述第二调整方式确定出的在所述下一时刻针对所述无人驾驶设备的实际控制量与在上一时刻确定出的在所述当前时刻针对所述无人驾驶设备的实际控制量之间的控制量变化量。
本说明书提供了一种无人驾驶设备的控制装置,包括:
获取模块,用于获取无人驾驶设备在当前时刻的状态数据;
预测模块,用于根据所述状态数据,预测在下一时刻针对所述无人驾驶设备的控制量,作为基准控制量;
输入模块,用于将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差;
确定模块,用于根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
控制模块,用于根据所述实际控制量,对所述无人驾驶设备进行控制。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述无人驾驶设备的控制方法。
本说明书提供了一种无人驾驶设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述无人驾驶设备的控制方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的无人驾驶设备的控制方法中,可以获取无人驾驶设备在当前时刻的状态数据,并根据该状态数据,预测出下一时刻针对无人驾驶设备的控制量,作为基准控制量,而后,将该状态数据输入到预设的控制量误差模型中,得到在下一时刻针对无人驾驶设备的控制量实际误差,根据该控制量实际误差以及确定出的基准控制量,确定在下一时刻针对该无人驾驶设备的实际控制量,进而根据该实际控制量,对无人驾驶设备进行控制。
从上述方法中可以看出,由于可以根据当前时刻的状态数据,预测出针对下一时刻的控制量实际误差,以通过该控制量实际误差,对确定出的基准控制量进行修正,从而提高了确定出的控制量的准确性以及合理性,进而保证了无人驾驶设备的安全行驶。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种无人驾驶设备的控制方法的流程示意图;
图2为本说明书提供的对控制量误差预测模型、第一子模型以及第二子模型进行训练的示意图;
图3为本说明书提供的一种无人驾驶设备的控制装置的示意图;
图4为本说明书提供的对应于图1的无人驾驶设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种无人驾驶设备的控制方法的流程示意图,具体包括以下步骤:
S101:获取无人驾驶设备在当前时刻的状态数据。
在实际应用中,无人驾驶设备在行驶过程中需要不断地对自身进行控制,因此,在本说明书中,可以获取无人驾驶设备在当前时刻的状态数据,其中,这里提到的状态数据可以是指无人驾驶设备在当前时刻的速度、加速度、角速度、地理位置、转向等。而该状态数据可以通过无人驾驶设备上设置的各种类型的传感器进行获取,如,可以通过设置的激光雷达,获取当前时刻的点云数据,进而根据当前时刻的点云数据以及上一时刻的点云数据,确定出无人驾驶设备的转向。当然,无人驾驶设备上设置的传感器不仅仅包括激光雷达,还可以包括诸如惯性测量单元(Inertial Measurement Unit,IMU)、相机等,而其他类型的传感器如何获取状态数据,在此就不详细举例说明了。
本说明书提供的无人驾驶设备的控制方法的执行主体可以是无人驾驶设备自身,当然,也可以由服务器对无人驾驶设备实施控制,即,无人驾驶设备可以将获取到的当前时刻的状态数据上传到服务器中,服务器可以根据获取到的状态数据,确定出下一时刻针对无人驾驶设备的实际控制量,并将该实际控制量发送给无人驾驶设备,以使无人驾驶设备通过该实际控制量对自身进行控制。而为了方便说明,下面仅以无人驾驶设备为执行主体进行说明。
本说明书中提到的无人驾驶设备可以是指无人车、机器人、自动配送设备等能够实现自动驾驶的设备。基于此,应用本说明书提供的无人驾驶设备的控制方法的无人驾驶设备可以用于执行配送领域的配送任务,如,使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。
S102:根据所述状态数据,预测在下一时刻针对所述无人驾驶设备的控制量,作为基准控制量。
无人驾驶设备在获取到上述状态数据后,可以通过该状态数据,预测出下一时刻需要针对自身进行控制所需的控制量。这一控制量可以称之为是基准控制量。
在本说明书中,控制量是指无人驾驶设备在行驶过程中需要控制的油门力度,车轮转向角度等。而之所以将上述控制量称之为是基准控制量,是因为确定出的这一控制量是不准确的,即,若是通过该基准控制量直接对下一时刻的无人驾驶设备进行控制,则无人驾驶设备在下一时刻进行控制过程中的实际控制量将与该基准控制量之间产生偏差。
这一偏差产生的主要原因在于,无人驾驶设备在行驶过程中,通常都是每隔一段时间做一次决策,并且,通常都是先做决策,再通过决策对自身实施控制,这就导致了无人驾驶设备在对自身进行控制的过程中,往往无法将确定出的控制量完全执行完,就已经到了需要做决策的下一个时间段。也就是说,因为存在时间延时的情况,无人驾驶设备实际执行的控制量并没有到达需要执行的控制量,因此,产生了控制量上的偏差。
例如,假设无人驾驶设备在上一时间段确定出的车轮转向角度为向左30%,而在实际执行时因为时间延时的情况,只是将车轮向左转了20%,就进入了下一时间段的决策。
所以,在本说明书中,无人驾驶设备后续确定出的实际控制量,可以理解成是在考虑时间延时等情况下,无人驾驶设备通过该实际控制量对自身进行控制后,最终在下一时刻实际执行的控制量即为无人驾驶设备在当前时刻所确定出的需要在下一时刻执行的控制量。
S103:将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差。
无人驾驶设备可以将上述状态数据输入到预设的控制量误差预测模型中,以预测出在下一时刻针对无人驾驶设备的控制量实际误差。其中,由于在实际应用中,控制量误差是存在连续性的,即,之前的各时刻的控制量误差会对后续的控制量误差产生影响,所以,无人驾驶设备可以先确定出控制量预测模型在上一时刻针对当前时刻所确定出的控制量误差,作为参照控制量误差,进而将该状态数据以及该参照控制量误差输入到控制量误差预测模型中,得到针对下一时刻的控制量实际误差。也就是说,无人驾驶设备需要参考前一时刻所确定出的针对当前时刻的控制量实际误差,来确定出在当前时刻针对下一时刻所确定出的控制量实际误差。
在实际应用中,无人驾驶设备处于不同情况下,所确定出的控制量或是确定控制量的频率可能会有所不同。例如,在直行时,无人驾驶设备可能不需要频繁的确定控制量,并且,每次所确定出的控制量之间的偏差可能也不是很大,所以,在这种情况下,无人驾驶设备确定控制量的频率或是确定出的各相邻时间间隔的控制量之间的差异可能较低。而在转弯时,无人驾驶设备可能需要进行快速的响应,所以,可能需要较为频繁的确定各控制量,并且,确定出的控制量在前后之间的差异可能也较大。
所以,为了能够准确的确定出上述控制量误差,在本说明书中,控制量误差预测模型中可以包含有两个模型,第一子模型和第二子模型,第一子模型可以对应到无人驾驶设备处于如弯道等需要快速响应的情况,第二子模型可以对应到无人驾驶设备处于如直行等无需快速响应的情况。
进一步地,无人驾驶设备可以根据自身在当前时刻之前设定时间段的历史状态数据以及历史控制量,确定无人驾驶设备在当前时刻所对应的控制量变化频率,并根据该控制量变化频率,选择使用哪一子模型,来确定针对下一时刻的控制量实际误差。
上述提到的控制量变化频率用于表明过去一段时间,控制量变化的快慢程度,若是控制量变化频率越高,则表明过去一段时间,无人驾驶设备需要频繁的确定控制量,因此,无人驾驶设备很可能处于如弯道等需要快速响应的情况,而若是控制量变化频率较低,则表明过去一段时间,无人驾驶设备无需频繁的确定控制量,因此,无人驾驶设备在过去一段时间内很可能处于如直行等无需快速响应的情况。
在本说明书中,无人驾驶设备确定上述控制量变化频率的方式可以有多种,例如,
无人驾驶设备可以基于过去一段时间的历史状态数据以及历史控制量,将确定出的历史控
制量向右依次平移时间,每次平移都确定出历史控制量与无人驾驶设备实际执行的控
制量之间的均方误差,并找到均方误差最小的平移时间,作为时延常数,并通过该时延常
数,确定该控制量变化频率。时延常数的确定方式可以参考如下公式:
在本说明书中,无人驾驶设备可以根据上述状态数据,确定出针对下一时刻的无人驾驶设备的控制量基础误差,作为第一控制量基础误差,而后,若是无人驾驶设备确定出上述控制量变化频率大于第一设定频率,则通过该第一子模型,确定出在下一时刻针对无人驾驶设备的控制量误差偏量,作为第一偏量,并根据该第一偏量以及该第一控制量基础误差,确定在下一时刻针对无人驾驶设备自身的控制量实际误差。
而若是无人驾驶设备确定出上述控制量变化频率不大于该第一设定频率,则通过该第二子模型,确定在下一时刻针对无人驾驶设备自身的控制量误差偏量,作为第二偏量,并根据该第二偏量以及上述第一控制量基础误差,确定在下一时刻针对无人驾驶设备的控制量实际误差。
上述提到的第一控制量基础误差,是指无人驾驶设备将上述状态数据到控制量误差预测模型后确定出的在下一时刻的控制量上的基准误差,无人驾驶设备后续确定出的在下一时刻的控制量实际误差是在该第一控制量基础误差的基础上,通过结合第一偏量或是第二偏量所确定出的。而由于第一子模型与第二子模型对应无人驾驶设备所处的不同情况,所以,通过第一偏量确定出的实际控制量,可以保证无人驾驶设备处于诸如弯道等需要快速响应的情况时能够进行安全行驶,而通过第二偏量确定出的实际控制量,可以保证无人驾驶设备处于诸如直行等无需快速响应的情况时能够进行平稳行驶。
为了进一步地保证无人驾驶设备的安全行驶,在本说明书中,无人驾驶设备可以确定第一子模型在上一时刻输出的自身在当前时刻的控制量误差偏量,作为第一基准偏量,并确定出第二子模型在上一时刻输出的自身在当前时刻的控制量误差偏量,作为第二基准偏量,同时获取在上一时刻确定出的针对当前时刻的无人驾驶设备的控制量基础误差,作为第二控制量基础误差,进而将该第二控制量基础误差、第一基准偏量以及第二基准偏量输入到第一子模型,得到上述第一偏量。
也就是说,假设当前时刻为,无人驾驶设备在确定上述第一偏量时,需要参考第
一子模型在时针对时刻所确定出的控制量误差偏量(即第一基准偏量),第二子模
型在时针对无人驾驶设备在时刻所确定出的控制量误差偏量(即第二基准偏量),
以及无人驾驶设备在时刻针对时刻的无人驾驶设备所确定出的控制量基础误差
(第二控制量基础误差)。
例如,无人驾驶设备在确定上述第一偏量时,可以采用下述公式来进行确定:
即为确定出的第一偏量,为通过第一子模型在上一时刻针对无人驾驶设备
的当前时刻所确定出的控制量误差偏量,即第一基准偏量,为通过第二子模型在上一
时刻针对无人驾驶设备的当前时刻所确定出的控制量误差偏量,即第二基准偏量,即
为无人驾驶设备在上一时刻针对当前时刻的无人驾驶设备所确定出的控制量基础误差,即
第二控制量基础误差。第一子模型对应的时间参数,为第一子模型内的模型参数。
在确定上述第二偏量时,无人驾驶设备也可以先确定出第一子模型在上一时刻输出的自身在当前时刻的控制量误差偏量,即第一基准偏量,以及确定第二子模型在上一时刻输出的无人驾驶设备在当前时刻的控制量误差偏量,即第二基准偏量。而后,无人驾驶设备可以将该第一基准偏量以及第二基准偏量输入到第二子模型中,得到第二偏量。
也就是说,假设当前时刻为,无人驾驶设备在确定上述第二偏量时,需要参考第
一子模型在时针对无人驾驶设备在时刻所确定出的控制量误差偏量(即第一基准
偏量),以及第二子模型在时针对无人驾驶设备在时刻所确定出的控制量误差偏量
(即第二基准偏量)。
例如,无人驾驶设备在确定上述第二偏量时,可以采用下述公式来进行确定:
即为确定出的第二偏量,通过第二子模型在上一时刻针对无人驾驶设备的
当前时刻所确定出的控制量误差偏量,即第二基准偏量,为通过第一子模型在上一时
刻针对无人驾驶设备的当前时刻所确定出的控制量误差偏量,即第一基准偏量,为第二
子模型对应的时间参数,为第二子模型中的模型参数。
需要说明的是,在确定上述第一偏量时需要参考第二子模型在上一时刻确定出的数据,是因为如果单单指考虑第一子模型自身在上一时刻确定出的数据,可能会无人驾驶设备过度响应的情况,如,无人驾驶设备按照确定出的实际控制量对自身进行控制时,在弯道可能会出现转向过度的情况。而为了避免这种情况的发生,无人驾驶设备可以将第二子模型在上一时刻确定出的数据作为输入,输入到第一子模型中,以通过引入第二子模型在上一时刻的输出,降低第一子模型的输出会引起无人驾驶设备过度响应的情况的发生。
在确定上述第二偏量时需要引入第一子模型在上一时刻确定出的数据,则是因为,如果单单指考虑第二子模型自身在上一时刻确定出的数据,可能会无人驾驶设备响应过慢的情况,如,无人驾驶设备按照确定出的实际控制量对自身进行控制时,在直道上可能会出现过度直行的情况。而为了避免这种情况的发生,无人驾驶设备可以将第一子模型在上一时刻确定出的数据作为输入,输入到第二子模型中,以通过引入第一子模型在上一时刻的输出,降低第二子模型的输出会引起无人驾驶设备响应过慢的情况的发生。
进一步地,在上述确定第一偏量的公式中,这一项主要用于控制第
一子模型输出的第一偏量与上一时刻第一子模型输出的偏量(即第一基准偏量)之间的变
化幅度。具体的,这一项中的用于表示第一基准偏量,而当取1时,这
一项为0,说明第一子模型在确定第一偏量时完全不考虑第一子模型上一时刻输出的第一
基准偏量,那么最终确定出的第一偏量相较于第一基准偏量来说,变化幅度可能较大。而如
果当取0~1之间的数时,说明第一子模型在确定第一偏量时会考虑第一子模型上一时刻
输出的第一基准偏量,而当逐渐趋近0时,说明第一子模型在确定第一偏量时考虑第一
基准偏量的比重也越来越大,最终导致确定出的第一偏量相较于第一基准偏量来说,变化
幅度也越来越低。
需要说明的是,在本说明书中,和需要满足:这一关系。具体
的数值可以根据实际需求而定,是之所以要保证,是因为,第一子模型主要应对的
是无人驾驶设备需要快速响应的情况,而第二子模型主要应对的是无人驾驶设备无需快速
响应的情况,那么要求满足这一关系,可以保证在同一时刻,第一子模型确定出的
第一偏量与第一子模型上一时刻确定出的第一基准偏量之间的变化幅度,要大于第二子模
型确定出的第二偏量与第二子模型上一时刻确定出的第二基准偏量之间的变化幅度,以进
一步地满足第一子模型和第二子模型各自的适用情况。
还需指出的是,虽然无人驾驶设备在一个具体的时刻可以选用第一子模型和第二子模型中的一个子模型确定实际控制量,但是,第一子模型和第二子模型每个时刻都需要确定出各自的第一偏量以及第二偏量,以使第一子模型和第二子模型能够在下一时刻为彼此提供参考数据。
在本说明书中,可以事先对上述控制量误差预测模型、第一子模型以及第二子模型进行训练。具体过程如图2所示。
图2为本说明书提供的对控制量误差预测模型、第一子模型以及第二子模型进行训练的示意图。
在获取到训练样本后,可以将该训练样本中包含的状态数据输入到控制量误差预测模型中,而由于控制量误差预测模型中包含有第一子模型和第二子模型,所以,在对控制量误差预测模型进行训练的过程中,还需要对第一子模型和第二子模型进行一并训练。
其中,在模型训练的过程中,控制量误差预测模型的输入/输出层为多层感知机结构,可以接受来自第一子模型或是第二子模型的输出,而第一子模型则可以接受来自上一时刻控制量误差预测模型的输入/输出层的输出,以及第二子模型的输出作为输入。第二子模型可以只接受第一子模型的输出。
由于可以在训练样本中获取到时刻无人驾驶设备的真实控制量,因此
可以通过该与控制量误差预测模型输出的针对时刻无人驾驶设备的控制量
之间的偏差进行优化,以对控制量误差预测模型、第一子模型以及第二子模型进行训练。其
中,基于与之间的偏差进行优化的方式可以有多种,例如,将与视为两个
概率分布,并通过KL散度确定这两者之间的损失函数,对上述三个模型进行训练。其他方式
在此就不详细举说明了。
为了进一步保证无人驾驶设备的平稳行驶,在本说明书中,若确定上述控制量变化频率大于第二设定频率,则可以通过预设的第一调整方式对该控制量实际误差进行调整,得到第一调整后控制量误差,并根据该第一调整后控制量误差以及上述基准控制量误差,确定在下一时刻针对无人驾驶设备的实际控制量。
若是确定出的控制量变化频率不大于第二设定频率,则可以通过预设的第二调整方式对控制量实际误差进行,得到第二调整后控制量误差,并根据第二调整后控制量误差以及上述基准控制量,确定在下一时刻针对无人驾驶设备自身的实际控制量。这里提到的第二设定频率与上述第一设定频率可以是相同的,也可以是不同的,具体可以根据实际需求进行设定。
其中,基于第一调整方式确定出的针对下一时刻的实际控制量与在上一时刻确定出的针对当前时刻的实际控制量之间的控制量变化量,大于基于第二调整方式确定出的针对下一时刻的实际控制量与在上一时刻确定出的针对当前时刻的实际控制量之间的控制量变化量。
这是因为,在实际应用中,控制量变化频率若是较高,则说明无人驾驶设备可能处于如弯道等情况下,需要达到快速响应的目的,所以,需要通过第一调整方式对确定出的控制量误差进行调整,以保证无人驾驶设备能够通过第一调整后控制量误差所确定出的针对下一时刻的实际控制量,实现无人驾驶设备的快速响应。而若是控制量变化频率较低,则说明无人驾驶设备可能处于如直行等情况下,无需进行快速响应,所以,需要通过第二调整方式对确定出的控制量误差进行调整,以保证无人驾驶设备能够通过第二调整后控制量误差所确定出的针对下一时刻的实际控制量,实现无人驾驶设备的平稳行驶。
在本说明书中,无人驾驶设备可以通过下述公式确定第一调整后控制量误差以及第二调整后控制量误差:
在该公式中,用于表示确定出针对下一时刻的控制量实际误差,用
于表示第一调整方式,用于表示第二调整方式。其中,为比例系数,为微
分时间常数,为积分时间常数,这里判断采用哪种调整方式,主要是通过无人驾驶设备的
角度变化为依据,所以,用于表示设定角度变化。这种方式与上述提到的通过控制量
变化频率来确定采用哪种调整方式在原理上基本是相同的。即,如果角度变化较大,则无人
驾驶设备很可能处于需要快速响应的情况,如果角度变化较小,则无人驾驶设备很可能处
于无需快速响应,平稳行驶的情况。
需要说明的是,上述第一调整方式和第二调整方式实际上可以看作是微分(PD)控制器和比例积分(PI)控制器。而因为第二调整方式为比例积分(PI)控制器,所以通过在时间上进行积分得到的第二调整后控制量误差,可以保证无人驾驶设备确定出的实际控制量与上一时刻的实际控制量相比,在变化上更为平滑,从而保证了无人驾驶设备行驶更加平稳,而因为第一调整方式为微分(PD)控制器,所以确定出的第一调整后控制量误差能够突出具体一个时刻的控制量误差变化,从而保证了无人驾驶设备处在诸如弯道等需要快速响应的情况时,能够实现有效地快速响应。
进一步地,在上述控制量误差预测模型采用多时间尺度的循环神经网络(MTRNN,Multiple timescale recurrent neural network)的情况下,将其与PID控制算法结合来预测下一时刻的控制量误差,可以有效地提高无人驾驶设备的进行决策的效率。具体的,如果直接采用一个整体网络,获取到无人驾驶设备的残差控制量,那就需要构建一个最优控制量的监督信号,而这种监督信号在无人驾驶设备的实际控制中往往是无法获取,因此是使用该整体网络对无人驾驶设备进行控制之前,需要使用获取到的仿真数据对这一整体网络进行训练,而这样导致训练后的该整体网络往往难以用到无人驾驶设备的实际控制中。
S104:根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量。
在确定出上述控制量实际误差后,可以通过该控制量实际误差对上述基准控制量进行修正,从而确定出在下一时刻针对无人驾驶设备的实际控制量。其中,无人驾驶设备所确定出的基准控制量实际上是一个控制量序列,即,从下一时刻开始,连续若干个时刻所对应的控制量,而由于上述确定出的控制量实际误差是针对下一时刻的控制量实际误差,所以,无人驾驶设备可以通过该控制量实际误差,将该控制量序列中下一时刻所对应的控制量进行修正,得到下一时刻针对自身的实际控制量,具体参考如下公式:
基于此,无人驾驶设备可以通过以下公式,确定出针对下一时刻的实际控制量:
在本说明书中,上述基准控制量可以采用求解非线性优化问题的方式来进行确定,由于求解非线性优化问题所采用的方式有多种,所以,本说明书不对基准控制量的具体确定方式进行限定。
S105:根据所述实际控制量,对所述无人驾驶设备进行控制。
在确定出实际控制量后,无人驾驶设备可以通过该实际控制量对自身进行控制,而由于该实际控制量是通过修正后的控制量,所以无人驾驶设备采用该实际控制量对自身进行控制,可以有效地保证无人驾驶设备的平稳行驶,保证了无人驾驶设备在行驶过程中的安全性。
以上为本说明书的一个或多个实施例提供的无人驾驶设备的控制方法,基于同样的思路,本说明书还提供了相应的无人驾驶设备的控制装置,如图3所示。
图3为本说明书提供的一种无人驾驶设备的控制装置示意图,具体包括:
获取模块301,用于获取无人驾驶设备在当前时刻的状态数据;
预测模块302,用于根据所述状态数据,预测在下一时刻针对所述无人驾驶设备的控制量,作为基准控制量;
输入模块303,用于将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差;
确定模块304,用于根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
控制模块305,用于根据所述实际控制量,对所述无人驾驶设备进行控制。
可选地,所述输入模块303具体用于,确定所述控制量误差预测模型在上一时刻针对所述当前时刻所确定出的控制量误差,作为参照控制量误差;将所述状态数据以及所述参照控制量误差输入到所述控制量误差预测模型中,得到针对所述下一时刻的控制量误差。
可选地,所述控制量误差预测模型中包含有第一子模型和第二子模型;
所述输入模块303具体用于,根据所述状态数据,确定针对所述下一时刻的所述无人驾驶设备的控制量基础误差,作为第一控制量基础误差;根据所述无人驾驶设备在所述当前时刻之前设定时间段的历史状态数据以及历史控制量,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率;若确定所述控制量变化频率大于第一设定频率,通过所述第一子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第一偏量,并根据所述第一偏量以及所述第一控制量基础误差,确定在所述下一时刻针对所述无人驾驶设备的控制量实际误差;若确定所述控制量变化频率不大于所述第一设定频率,通过所述第二子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第二偏量,并根据所述第二偏量以及所述第一控制量基础误差,确定在所述下一时刻针对所述无人驾驶设备的控制量实际误差。
可选地,所述输入模块303具体用于,针对所述设定时间段中包含的每个历史时刻,根据该历史时刻对应的历史控制量以及该历史时刻的下一历史时刻对应的历史状态数据,确定该历史时刻对应的历史控制量偏差;根据每个历史时刻对应的历史控制量偏差,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率。
可选地,所述输入模块303具体用于,确定所述第一子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第一基准偏量,确定所述第二子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第二基准偏量,以及获取在上一时刻确定出的针对所述当前时刻的所述无人驾驶设备的控制量基础误差,作为第二控制量基础误差;将所述第二控制量基础误差、所述第一基准偏量以及所述第二基准偏量输入到所述第一子模型中,得到所述第一偏量。
可选地,所述输入模块303具体用于,确定所述第一子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第一基准偏量,确定所述第二子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第二基准偏量;将所述第一基准偏量以及所述第二基准偏量输入到所述第二子模型中,得到所述第二偏量。
可选地,所述确定模块304具体用于,若确定所述控制量变化频率大于第二设定频率,通过预设的第一调整方式对所述控制量实际误差进行调整,得到第一调整后控制量误差,并根据所述第一调整后控制量误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;若确定所述控制量变化频率不大于第二设定频率,通过预设的第二调整方式对所述控制量实际误差进行调整,得到第二调整后控制量误差,并根据所述第二调整后控制量误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
其中,基于所述第一调整方式确定出的在所述下一时刻针对所述无人驾驶设备的实际控制量与在上一时刻确定出的在所述当前时刻针对所述无人驾驶设备的实际控制量之间的控制量变化量,大于基于所述第二调整方式确定出的在所述下一时刻针对所述无人驾驶设备的实际控制量与在上一时刻确定出的在所述当前时刻针对所述无人驾驶设备的实际控制量之间的控制量变化量。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的无人驾驶设备的控制方法。
本说明书还提供了图4所示的无人驾驶设备的示意结构图。如图4所述,在硬件层面,该无人驾驶设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的无人驾驶设备的控制方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种无人驾驶设备的控制方法,其特征在于,包括:
获取无人驾驶设备在当前时刻的状态数据;
根据所述状态数据,预测在下一时刻针对所述无人驾驶设备的控制量,作为基准控制量;
将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差;
根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
根据所述实际控制量,对所述无人驾驶设备进行控制。
2.如权利要求1所述的方法,其特征在于,将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差,具体包括:
确定所述控制量误差预测模型在上一时刻针对所述当前时刻所确定出的控制量误差,作为参照控制量误差;
将所述状态数据以及所述参照控制量误差输入到所述控制量误差预测模型中,得到针对所述下一时刻的控制量误差。
3.如权利要求1所述的方法,其特征在于,所述控制量误差预测模型中包含有第一子模型和第二子模型;
将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差,具体包括:
根据所述状态数据,确定针对所述下一时刻的所述无人驾驶设备的控制量基础误差,作为第一控制量基础误差;
根据所述无人驾驶设备在所述当前时刻之前设定时间段的历史状态数据以及历史控制量,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率;
若确定所述控制量变化频率大于第一设定频率,通过所述第一子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第一偏量,并根据所述第一偏量以及所述第一控制量基础误差,确定在所述下一时刻针对所述无人驾驶设备的控制量实际误差;
若确定所述控制量变化频率不大于所述第一设定频率,通过所述第二子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第二偏量,并根据所述第二偏量以及所述第一控制量基础误差,确定在所述下一时刻针对所述无人驾驶设备的控制量实际误差。
4.如权利要求3所述的方法,其特征在于,根据所述无人驾驶设备在所述当前时刻之前设定时间段的历史状态数据以及历史控制量,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率,具体包括:
针对所述设定时间段中包含的每个历史时刻,根据该历史时刻对应的历史控制量以及该历史时刻的下一历史时刻对应的历史状态数据,确定该历史时刻对应的历史控制量偏差;
根据每个历史时刻对应的历史控制量偏差,确定所述无人驾驶设备在所述当前时刻对应的控制量变化频率。
5.如权利要求3所述的方法,其特征在于,通过所述第一子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第一偏量,具体包括:
确定所述第一子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第一基准偏量,确定所述第二子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第二基准偏量,以及获取在上一时刻确定出的针对所述当前时刻的所述无人驾驶设备的控制量基础误差,作为第二控制量基础误差;
将所述第二控制量基础误差、所述第一基准偏量以及所述第二基准偏量输入到所述第一子模型中,得到所述第一偏量。
6.如权利要求3所述的方法,其特征在于,通过所述第二子模型,确定在所述下一时刻针对所述无人驾驶设备的控制量误差偏量,作为第二偏量,具体包括:
确定所述第一子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第一基准偏量,确定所述第二子模型在上一时刻输出的所述无人驾驶设备在所述当前时刻的控制量误差偏量,作为第二基准偏量;
将所述第一基准偏量以及所述第二基准偏量输入到所述第二子模型中,得到所述第二偏量。
7.如权利要求3所述的方法,其特征在于,根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量,具体包括:
若确定所述控制量变化频率大于第二设定频率,通过预设的第一调整方式对所述控制量实际误差进行调整,得到第一调整后控制量误差,并根据所述第一调整后控制量误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
若确定所述控制量变化频率不大于第二设定频率,通过预设的第二调整方式对所述控制量实际误差进行调整,得到第二调整后控制量误差,并根据所述第二调整后控制量误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
其中,基于所述第一调整方式确定出的在所述下一时刻针对所述无人驾驶设备的实际控制量与在上一时刻确定出的在所述当前时刻针对所述无人驾驶设备的实际控制量之间的控制量变化量,大于基于所述第二调整方式确定出的在所述下一时刻针对所述无人驾驶设备的实际控制量与在上一时刻确定出的在所述当前时刻针对所述无人驾驶设备的实际控制量之间的控制量变化量。
8.一种无人驾驶设备的控制装置,其特征在于,包括:
获取模块,用于获取无人驾驶设备在当前时刻的状态数据;
预测模块,用于根据所述状态数据,预测在下一时刻针对所述无人驾驶设备的控制量,作为基准控制量;
输入模块,用于将所述状态数据输入到预设的控制量误差预测模型中,得到在所述下一时刻针对所述无人驾驶设备的控制量实际误差;
确定模块,用于根据所述控制量实际误差以及所述基准控制量,确定在所述下一时刻针对所述无人驾驶设备的实际控制量;
控制模块,用于根据所述实际控制量,对所述无人驾驶设备进行控制。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种无人驾驶设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110000641.7A CN112346467B (zh) | 2021-01-04 | 2021-01-04 | 一种无人驾驶设备的控制方法及装置 |
PCT/CN2021/144012 WO2022144010A1 (zh) | 2021-01-04 | 2021-12-31 | 无人驾驶设备的控制 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110000641.7A CN112346467B (zh) | 2021-01-04 | 2021-01-04 | 一种无人驾驶设备的控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112346467A true CN112346467A (zh) | 2021-02-09 |
CN112346467B CN112346467B (zh) | 2021-04-27 |
Family
ID=74427559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110000641.7A Active CN112346467B (zh) | 2021-01-04 | 2021-01-04 | 一种无人驾驶设备的控制方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112346467B (zh) |
WO (1) | WO2022144010A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113048989A (zh) * | 2021-04-06 | 2021-06-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及定位装置 |
CN113643321A (zh) * | 2021-07-30 | 2021-11-12 | 北京三快在线科技有限公司 | 一种无人驾驶设备的传感器数据采集方法及装置 |
WO2022144010A1 (zh) * | 2021-01-04 | 2022-07-07 | 北京三快在线科技有限公司 | 无人驾驶设备的控制 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116125796A (zh) * | 2023-02-17 | 2023-05-16 | 之江实验室 | 一种设备控制方法、装置、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140336787A1 (en) * | 2013-05-10 | 2014-11-13 | Honeywell International Inc. | Index generation and embedded fusion for controller performance monitoring |
CN108345270A (zh) * | 2017-01-24 | 2018-07-31 | 欧姆龙株式会社 | 控制装置、控制程序及控制*** |
CN110941272A (zh) * | 2019-11-27 | 2020-03-31 | 深圳先进技术研究院 | 自动驾驶控制方法和设备 |
CN111152796A (zh) * | 2020-04-07 | 2020-05-15 | 北京三快在线科技有限公司 | 一种车辆运动状态预测方法及装置 |
CN111208838A (zh) * | 2020-04-20 | 2020-05-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
CN111930015A (zh) * | 2020-09-16 | 2020-11-13 | 北京三快在线科技有限公司 | 一种无人车控制方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112346467B (zh) * | 2021-01-04 | 2021-04-27 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
-
2021
- 2021-01-04 CN CN202110000641.7A patent/CN112346467B/zh active Active
- 2021-12-31 WO PCT/CN2021/144012 patent/WO2022144010A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140336787A1 (en) * | 2013-05-10 | 2014-11-13 | Honeywell International Inc. | Index generation and embedded fusion for controller performance monitoring |
CN108345270A (zh) * | 2017-01-24 | 2018-07-31 | 欧姆龙株式会社 | 控制装置、控制程序及控制*** |
CN110941272A (zh) * | 2019-11-27 | 2020-03-31 | 深圳先进技术研究院 | 自动驾驶控制方法和设备 |
CN111152796A (zh) * | 2020-04-07 | 2020-05-15 | 北京三快在线科技有限公司 | 一种车辆运动状态预测方法及装置 |
CN111208838A (zh) * | 2020-04-20 | 2020-05-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
CN111930015A (zh) * | 2020-09-16 | 2020-11-13 | 北京三快在线科技有限公司 | 一种无人车控制方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022144010A1 (zh) * | 2021-01-04 | 2022-07-07 | 北京三快在线科技有限公司 | 无人驾驶设备的控制 |
CN113048989A (zh) * | 2021-04-06 | 2021-06-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及定位装置 |
CN113048989B (zh) * | 2021-04-06 | 2022-12-09 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及定位装置 |
CN113643321A (zh) * | 2021-07-30 | 2021-11-12 | 北京三快在线科技有限公司 | 一种无人驾驶设备的传感器数据采集方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022144010A1 (zh) | 2022-07-07 |
CN112346467B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112346467B (zh) | 一种无人驾驶设备的控制方法及装置 | |
WO2019242718A1 (zh) | 一种车辆变道控制方法和装置 | |
CN111208838B (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN108791289B (zh) | 一种车辆控制方法和装置 | |
CN111930015B (zh) | 一种无人车控制方法及装置 | |
CN112766468B (zh) | 一种轨迹预测方法、装置、存储介质及电子设备 | |
US10613489B2 (en) | Method and system for determining optimal coefficients of controllers for autonomous driving vehicles | |
CN111076739B (zh) | 一种路径规划的方法及装置 | |
CN111522245B (zh) | 用于控制无人设备的方法及装置 | |
CN111062372B (zh) | 一种预测障碍物轨迹的方法及装置 | |
CN111532285B (zh) | 一种车辆控制方法及装置 | |
CN112896191A (zh) | 轨迹处理方法、装置、电子设备和计算机可读介质 | |
CN112013853B (zh) | 一种对无人驾驶设备的轨迹点验证的方法及装置 | |
CN113342005B (zh) | 一种无人驾驶设备的横向控制方法及装置 | |
CN116001811A (zh) | 一种自动驾驶车辆的轨迹规划方法、装置及设备 | |
CN112947495B (zh) | 模型训练的方法、无人驾驶设备的控制方法以及装置 | |
CN112731957B (zh) | 无人机的控制方法、装置、计算机可读存储介质及无人机 | |
CN112925210B (zh) | 一种模型训练和控制无人设备的方法及装置 | |
CN112925331B (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
Luu et al. | Research on cooperative adaptive cruise control system for autonomous vehicles based on distributed model predictive control | |
CN113515108B (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN115542899A (zh) | 车辆路径跟踪的方法、装置、车辆、电子设备及介质 | |
CN113848913A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN114153207A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
US20230391352A1 (en) | Managing an integral part of a controller of an automated vehicle |
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 |