A path planning approach based on semi-supervised learning including a trained encoder-decoder type of deep neural network to generate and plan paths with the objective to minimize the off-track of the tractor-trailer swept area. The encoder encodes input information such as lane markings, static obstacles, and potentially other features, and pass it to the decoder to generate a planned path. A path cost function scores and penalizes each network-generated path based on its deviation from the lane center, the path smoothness and collision with any static obstacles, and backpropagates the cost of the paths through the encoder-decoder network to train it. As the path cost function acts as a critic of the path quality, no collected data from expert driving for training is required, but only randomly generated samples of many possible combinations of lane shapes and obstacles arrangements.

    La présente invention porte sur une approche de planification de trajet basée sur un apprentissage semi-supervisé comprenant un type de codeur-décodeur entraîné de réseau neuronal profond pour générer et planifier des trajets avec l'objectif de réduire au minimum le hors piste de la zone balayée de semi-remorque. Le codeur code des informations d'entrée telles que des marquages de voie, des obstacles statiques et potentiellement d'autres caractéristiques et les transmet au décodeur pour générer un trajet planifié. Une fonction de coût de trajet note et pénalise chaque trajet généré par réseau sur la base de son écart par rapport au centre de la voie, au caractère fluide du trajet et à la collision avec n'importe quels obstacles statiques, et propage par rétroaction le coût des trajets à travers le réseau codeur-décodeur pour l'entraîner. Au fur et à mesure que la fonction de coût de trajet agit en tant que critique de la qualité de trajet, aucune donnée collectée provenant d'une conduite experte pour l'apprentissage n'est requise, mais uniquement des échantillons générés de manière aléatoire de nombreuses combinaisons possibles de formes de voie et d'agencements d'obstacles.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    A LEARNING-BASED METHOD AND SYSTEM FOR PATH PLANNING OF AN AUTONOMOUS TRACTOR-TRAILER


    Weitere Titelangaben:

    PROCÉDÉ ET SYSTÈME BASÉS SUR L'APPRENTISSAGE POUR LA PLANIFICATION DE TRAJET D'UN SEMI-REMORQUE AUTONOME


    Beteiligte:
    ZHANG XIAN (Autor:in)

    Erscheinungsdatum :

    05.10.2023


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Englisch


    Klassifikation :

    IPC:    G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion / B62D MOTOR VEHICLES , Motorfahrzeuge / G06Q Datenverarbeitungssysteme oder -verfahren, besonders angepasst an verwaltungstechnische, geschäftliche, finanzielle oder betriebswirtschaftliche Zwecke, sowie an geschäftsbezogene Überwachungs- oder Voraussagezwecke , DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS




    Path Planning for Tractor-Trailer System

    Wang, Xinwei / Liu, Jie / Peng, Haijun | Springer Verlag | 2020


    A LEARNING-BASED METHOD AND SYSTEM FOR PATH PLANNING OF AN AUTONOMOUS TRACTOR-TRAILER

    ZHANG XIAN | Europäisches Patentamt | 2025

    Freier Zugriff

    AUTONOMOUS TRACTOR-TRAILER

    BURCHETT CHAD | Europäisches Patentamt | 2023

    Freier Zugriff