The present invention relates to an automatic driving vehicle navigation control method and system. The method comprises performing navigation by means of an optimized navigation model according to vehicle and environment state data. A training process comprises: determining a vehicle control quantity by means of a navigation control algorithm according to point cloud data of an obstacle; constructing a navigation model by means of a DRL decision network according to the vehicle control quantity and the vehicle and environment state data, wherein the DRL decision network comprises: a DRL Actor network for outputting a first vehicle control quantity according to the vehicle and environment state data and the vehicle control quantity, and a DRL Critic network for outputting, according to the first vehicle control quantity, the vehicle control quantity, and the vehicle and environment state data, expected returns corresponding to the two groups of vehicle control quantities, and determining and outputting a final control quantity; and optimizing the navigation model by using a reward and punishment mechanism. The present invention can improve the precision of automatic driving navigation control of a DRL mode, increase the convergence speed in neural network training, and reduce the convergence difficulty in neural network training.
La présente invention se rapporte à un procédé et à un système de commande de navigation de véhicule à conduite automatique. Le procédé consiste à réaliser une navigation au moyen d'un modèle de navigation optimisé en fonction de données d'état de véhicule et d'environnement. Un processus d'apprentissage consiste : à déterminer une quantité de commande de véhicule au moyen d'un algorithme de commande de navigation en fonction de données de nuage de points d'un obstacle ; à construire un modèle de navigation au moyen d'un réseau de décision DRL en fonction de la quantité de commande de véhicule et des données d'état de véhicule et d'environnement, le réseau de décision DRL comprenant : un réseau acteur DRL permettant de produire en sortie une première quantité de commande de véhicule en fonction des données d'état de véhicule et d'environnement et de la quantité de commande de véhicule, et un réseau critique DRL permettant de produire en sortie, en fonction de la première quantité de commande de véhicule, de la quantité de commande de véhicule, et des données d'état de véhicule et d'environnement, des retours attendus correspondant aux deux groupes de quantités de commande de véhicule, et à déterminer et à produire en sortie une quantité de commande finale ; et à optimiser le modèle de navigation à l'aide d'un mécanisme de récompense et de punition. La présente invention peut améliorer la précision de commande de navigation de conduite automatique d'un mode DRL, augmenter la vitesse de convergence dans un apprentissage de réseau neuronal, et réduire la difficulté de convergence dans un apprentissage de réseau neuronal.
本发明涉及一种自动驾驶车辆导航控制方法及系统。该方法包括根据车辆与环境状态数据采用优化后的导航模型进行导航;训练过程为根据障碍物的点云数据,采用导航控制算法确定车辆控制量;根据车辆控制量和车辆与环境状态数据,采用DRL决策网络构建导航模型;DRL决策网络包括:根据车辆与环境状态数据和车辆控制量输出第一车辆控制量的DRL Actor网络以及根据第一车辆控制量、车辆控制量以及车辆与环境状态数据输出两组车辆控制量对应的期望收益,确定最终控制量并进行输出的DRL Critic网络;利用奖惩机制对导航模型进行优化。本发明能够提高DRL方式的自动驾驶导航控制的精度和神经网络训练收敛速度、降低神经网络训练收敛难度。
AUTOMATIC DRIVING VEHICLE NAVIGATION CONTROL METHOD AND SYSTEM
PROCÉDÉ ET SYSTÈME DE COMMANDE DE NAVIGATION DE VÉHICULE À CONDUITE AUTOMATIQUE
一种自动驾驶车辆导航控制方法及系统
2024-05-02
Patent
Electronic Resource
Chinese
Automatic driving control method, automatic driving control system and vehicle
European Patent Office | 2021
|AUTOMATIC DRIVING CONTROL SYSTEM, AUTOMATIC DRIVING CONTROL METHOD, AND VEHICLE
European Patent Office | 2019
|Automatic driving vehicle control method and system and automatic driving vehicle
European Patent Office | 2022
|NAVIGATION DEVICE, AUTOMATIC DRIVING CONTROL DEVICE, AND NAVIGATION METHOD
European Patent Office | 2022
|