“R·阿维夫”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]用于自主机器系统和应用的车道规划架构-CN202211537958.5在审
发明人： D·尼斯特;李汉良;王一舟;R·阿维夫;B·亨克;J·额;A·阿克巴扎德 -专利权人：辉达公司
申请日： 2022-12-01 - 公布日： 2023-10-20 - 主分类号： B60W30/12 文献下载
摘要：本公开涉及用于自主机器系统和应用的车道规划架构。在各个示例中，提供了用于基于状态和概率动作空间生成车道规划器输出数据的车道规划器。驾驶系统(基于分层驾驶规划框架进行操作)包括车道规划器和其他规划和控制组件。车道规划器处理车道规划器输入数据(例如，大车道图、源节点、目标节点)以生成车道规划器输出数据(例如，预期时间奖励)。驾驶系统还可以包括路线规划器(例如，第一规划层)，其操作以将车道规划器输入数据提供给车道规划器。车道规划器作为第二规划层操作，其至少部分地基于大车道图的状态和概率动作空间来处理车道规划器输入数据并且计算与从大车道图中的源节点导航至目标节点相关联的时间成本。
用于自主机器系统应用车道规划架构

[发明专利]让行场景中自主车辆的行为规划-CN202210836624.1在审
发明人：杨方凯;D·尼斯特;王一舟;R·阿维夫;J·额;B·亨克;李汉良;石云飞 -专利权人：辉达公司
申请日： 2022-07-15 - 公布日： 2023-02-17 - 主分类号： G05D1/02 文献下载
摘要：本公开涉及让行场景中自主车辆的行为规划。在各种示例中，可以为第一车辆识别让行情景。接收等待元素，该等待元素对第一车辆穿过让行区域的第一路径和第二车辆穿过让行区域的第二路径进行编码。第一路径用于至少基于第一车辆在一时刻的第一位置确定第一车辆在让行区域中的第一轨迹，并且第二路径用于至少基于第二车辆在所述时刻的第二位置来确定第二车辆在让行区域中的第二轨迹。为了根据等待状态操作第一车辆，可以确定第一轨迹和第二轨迹之间是否存在冲突，其中等待状态定义了第一车辆的让行行为。
场景自主车辆行为规划

[发明专利]自主系统中用于行为预测的基于模型的增强学习及应用-CN202180022518.3在审
发明人： N·斯莫良斯基;A·加米涅夫;L·王;D·尼斯特;O·博埃尔·博安;I·库尔卡尼;杨方凯;J·额;A·德伊尔曼吉;R·巴尔加瓦;R·阿维夫 -专利权人：辉达公司
申请日： 2021-11-01 - 公布日： 2022-11-08 - 主分类号： G06N3/08 文献下载
摘要：在各种示例中，增强学习被用于训练至少一个机器学习模型(MLM)以通过借助在真实世界数据上训练的深度神经网络(DNN)，通过使用模仿学习来预测一个或更多个活动者的移动以定义世界模型，从而来控制车辆。DNN可以从真实世界数据中被训练以从输入属性中预测活动者的属性，例如位置和/或移动。预测可以定义在模拟器中的环境的状态，并且输入到DNN中的一个或更多个活动者的一个或更多个属性可以被模拟器修改或控制以模拟可能在其他情况下不可行的条件。MLM可以借助由DNN做出的预测来预测车辆的一个或更多个动作。
自主系统用于行为预测基于模型增强学习应用

[发明专利]自主车辆的行为规划-CN202180015379.1在审
发明人： D·尼斯特;王一舟;J·额;R·阿维夫;S·李;J·J·比亚高斯基;李汉良;H·兰克;R·科雷尔·特扎诺斯;张振毅;N·斯莫良斯基;A·加米涅夫;O·博埃尔·博安;A·沃龙佐夫;M·塞恩兹·塞拉;B·亨克 -专利权人：辉达公司
申请日： 2021-02-18 - 公布日： 2022-10-11 - 主分类号： B60W60/00 文献下载
摘要：本公开的实施例涉及自主车辆的行为规划。本文所述技术基于规划系统内不同组件对多个假设轨迹的评估来选择自主车辆的优选轨迹。各个组件根据组件的优先级为每个轨迹提供优化分数，并且来自多个组件的分数可以形成最终的优化分数。该评分系统允许同时考虑不同组件的竞争优先级(例如，舒适性、最短行驶时间、燃油经济性)。在示例中，可以选择具有最佳组合分数的轨迹用以实施。因此，可以使用评估各种因素的迭代方法在导航环境时识别自主车辆的最佳或优选轨迹。
自主车辆行为规划

[发明专利]用于自主机器应用的多活动者环境中的未来轨迹预测-CN202180005405.2在审
发明人： A·加米涅夫;N·斯莫良斯基;I·库尔卡尼;O·博埃尔·博安;杨方凯;A·德伊尔曼吉;R·巴尔加瓦;U·穆勒;D·尼斯特;R·阿维夫 -专利权人：辉达公司
申请日： 2021-03-19 - 公布日： 2022-05-06 - 主分类号： G06V20/58 文献下载
摘要：在各个示例中，对应于环境中的活动者的过去位置信息和地图信息可被应用于被训练成计算对应于活动者的未来轨迹的信息的深度神经网络(DNN)(诸如循环神经网络(RNN))。DNN的输出可包括，针对DNN被训练以预测的每个未来时间片的表示活动者存在的每个像素的置信度的置信度图以及表示活动者在先前时间片的置信度图中的位置的向量场。向量场因此可被用于通过每个未来时间片的置信度图来追踪对象，以生成每个活动者的预测的未来轨迹。除了追踪的过去轨迹之外，预测的未来轨迹还可用于为可在导航环境时帮助自车的活动者生成完整轨迹。
用于自主机器应用活动环境中的未来轨迹预测

[发明专利]从用于自主机器应用的经变换的真实世界传感器数据模拟逼真的测试数据-CN202080032512.X在审
发明人： J·洪;U·穆勒;B·菲尔纳;杨宗义;J·道;D·尼斯特;R·G·L·瓦伦蒂;R·阿维夫 -专利权人：辉达公司
申请日： 2020-04-28 - 公布日： 2021-12-07 - 主分类号： G06F30/15 文献下载
摘要：在各种示例中，可以利用现实世界中记录的传感器数据来生成变换后的传感器数据，以测试车辆的一项或更多项功能，例如AEB、CMW、LDW、ALC或ACC系统的功能。由传感器记录的传感器数据可以被增强、变换或以其他方式更新，以表示与由用于测试车辆功能的模拟测试简档定义的状态信息相对应的传感器数据。一旦生成了测试数据，测试数据就可以由车辆的系统处理以确定系统关于任何数量的测试标准的功效。因此，可以从真实世界记录的传感器数据生成包含传感器数据的附加或替代实例的测试集，以在各种测试场景中测试车辆，包括在真实世界中进行测试可能有危险的场景。
用于自主机器应用变换真实世界传感器数据模拟逼真测试数据