用于车辆自动驾驶的速度规划方法、装置及计算装置。
方法包括:采用训练样本集进行机器学习,获得机器学习模型;对于输入空间进行分区,以及基于所述获得的机器学习模型,得到与确定分区对应的决策结果,形成各个分区对应于相应决策结果的分区决策表;实时获得行驶中车辆的各维特征分量作为输入特征量,确定该输入特征量所属于的输入分区,基于所确定的分区,查询分区决策表来获得相应的决策结果。
很好地解决了不能对机器学习训练出的模型做局部调整的问题,易于修改某个分区的决策,而完全不影响其它分区的决策结果;分区决策表的直观特性可以很好的帮助发现和解决机器学习过程中存在的问题;分区决策表可以加速决策过程。
周小成 姜岩 彭进展 周鑫 张丹 罗赛
驭势科技(北京)有限公司
102400 北京市房山区弘安路85号2号楼401室
用于车辆自动驾驶的速度规划方法、装置及计算装置。
方法包括:采用训练样本集进行机器学习,获得机器学习模型;对于输入空间进行分区,以及基于所述获得的机器学习模型,得到与确定分区对应的决策结果,形成各个分区对应于相应决策结果的分区决策表;实时获得行驶中车辆的各维特征分量作为输入特征量,确定该输入特征量所属于的输入分区,基于所确定的分区,查询分区决策表来获得相应的决策结果。
很好地解决了不能对机器学习训练出的模型做局部调整的问题,易于修改某个分区的决策,而完全不影响其它分区的决策结果;分区决策表的直观特性可以很好的帮助发现和解决机器学习过程中存在的问题;分区决策表可以加速决策过程。