[发明专利]行为决策方法、装置、电子设备及存储介质

权利要求书

1.一种行为决策方法，其特征在于，包括：

确定当前地图，以及前向轨迹模拟得到的各行为策略下未来预设连续多个时刻的行人轨迹和机器人轨迹；

基于所述各行为策略下的行人轨迹和机器人轨迹，以及所述当前地图，确定所述各行为策略下的轨迹特征向量；

基于评估代价函数，应用权重向量和所述各行为策略下的轨迹特征向量，对所述各行为策略进行评估，得到最优策略；所述权重向量是基于由样本行人轨迹和样本机器人示例轨迹组成的样本对训练得到的。

2.根据权利要求1所述的行为决策方法，其特征在于，所述基于所述各行为策略下的行人轨迹和机器人轨迹，确定所述各行为策略下的轨迹特征向量，包括：

基于所述各行为策略下的机器人轨迹和所述当前地图，确定所述各行为策略下所述未来预设连续多个时刻内机器人与障碍物最小距离；

基于所述各行为策略下的行人轨迹和机器人轨迹，确定所述各行为策略下所述未来预设连续多个时刻内机器人与行人最小距离；

基于所述各行为策略下的机器人轨迹中最新轨迹位置和预设目标点位置，确定所述各行为策略下机器人与所述预设目标点距离；

基于所述各行为策略下的机器人轨迹和预设全局路径，确定所述各行为策略下机器人与预设全局路径最大偏差距离；

基于所述各行为策略下所述未来预设连续多个时刻机器人与障碍物最小距离，所述各行为策略下所述未来预设连续多个时刻机器人与行人最小距离，所述各行为策略下机器人与所述预设目标点距离，以及所述各行为策略下机器人与预设全局路径最大偏差距离，确定所述各行为策略下的轨迹特征向量。

3.根据权利要求1或2所述的行为决策方法，其特征在于，所述权重向量的训练步骤如下：

确定当前权重向量和所述样本对；

基于所述样本对中的样本机器人示例轨迹的起始位置和结束位置，所述样本对中的样本行人轨迹，以及所述当前权重向量，应用所述评估代价函数，确定机器人规划轨迹；

基于所述样本对中的样本机器人示例轨迹和所述样本对中的样本行人轨迹，确定第一轨迹特征向量；并基于所述机器人规划轨迹和所述样本对中的样本行人轨迹，确定第二轨迹特征向量；

基于所述第一轨迹特征向量和所述第二轨迹特征向量，确定所述当前权重向量的梯度；并基于所述梯度对所述当前权重向量进行迭代调整，直至所述当前权重向量收敛，得到所述权重向量。

4.根据权利要求1或2所述的行为决策方法，其特征在于，所述各行为策略下的行人轨迹的确定步骤包括，包括：

确定当前预测时刻和所述各行为策略中任一策略下的行人轨迹；

基于所述当前预测时刻的前一时刻所述任一策略下行人位置、所述前一时刻所述任一策略下机器人位置和所述当前地图，应用所述行人轨迹预测模型进行预测，得到所述任一策略下当前预测时刻的行人位置；

将所述行人位置加入所述任一策略下的行人轨迹，并将所述当前预测时刻的下一时刻作为所述当前预测时刻进行迭代，直至所述当前预测时刻为所述未来预设连续多个时刻的结束时刻，得到所述任一策略下的行人轨迹。

5.根据权利要求1或2所述的行为决策方法，其特征在于，所述各行为策略下的机器人轨迹的步骤包括，包括：

确定当前规划时刻和所述各行为策略中任一策略下的机器人轨迹；

基于所述当前规划时刻的前一时刻所述任一策略下机器人位置和所述任一策略，应用所述机器人轨迹规划模型进行规划，得到所述任一策略下当前规划时刻的机器人位置；

将所述机器人位置加入所述任一策略下的机器人轨迹，并将所述任一策略下的当前规划时刻的下一时刻作为所述任一策略下的当前规划时刻进行迭代，直至所述当前规划时刻为所述未来预设连续多个时刻的结束时刻，得到所述任一策略下的机器人轨迹。

6.根据权利要求1所述的行为决策方法，其特征在于，所述样本对中的样本机器人示例轨迹是基于记录在仿真环境中由人操作机器人从起始位置到结束位置的运动轨迹；所述仿真环境包括所述起始位置、所述结束位置和多个自主运动行人的轨迹。