Sensoren messen Informationen zu Aktoren oder anderen Objekten in der Nähe eines zu manövrierenden Objekts, wie etwa eines Fahrzeugs oder Roboters. Sensordaten werden verwendet, um eine Abfolge möglicher Handlungen für das manövrierbare Objekt zu bestimmen, um ein bestimmtes Ziel zu erreichen. Für jede mögliche zu betrachtende Handlung werden eine oder mehrere wahrscheinliche Reaktionen der Aktoren oder Objekte in der Nähe bestimmt. Dies kann in einigen Ausführungsformen die Form eines Entscheidungsbaums annehmen, mit alternativen Ebenen von Knoten, die möglichen Handlungen des gegenwärtigen Objekts und wahrscheinlichen reaktiven Handlungen eines oder mehrerer anderer Fahrzeuge oder Aktoren entsprechen. Maschinelles Lernen kann verwendet werden, um die Wahrscheinlichkeiten zu bestimmen sowie um die Optionen entlang der Pfade des Entscheidungsbaums, die die Abfolgen beinhalten, zu projizieren. Eine Wertfunktion wird verwendet, um einen Wert für jede betrachtete Abfolge oder jeden betrachteten Pfad zu erzeugen und ein Pfad, der einen höchsten Wert aufweist, wird zur Verwendung bei der Bestimmung, wie das Objekt navigiert werden soll, ausgewählt.

    Sensors measure information about actors or other objects near an object, such as a vehicle or robot, to be maneuvered. Sensor data is used to determine a sequence of possible actions for the maneuverable object to achieve a determined goal. For each possible action to be considered, one or more probable reactions of the nearby actors or objects are determined. This can take the form of a decision tree in some embodiments, with alternative levels of nodes corresponding to possible actions of the present object and probable reactive actions of one or more other vehicles or actors. Machine learning can be used to determine the probabilities, as well as to project out the options along the paths of the decision tree including the sequences. A value function is used to generate a value for each considered sequence, or path, and a path having a highest value is selected for use in determining how to navigate the object.


    Access

    Download


    Export, share and cite



    Title :

    KOMBINIERTE VORHERSAGE UND PFADPLANUNG FÜR AUTONOME OBJEKTE UNTER VERWENDUNG NEURONALER NETZE


    Contributors:

    Publication date :

    2021-12-30


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    German


    Classification :

    IPC:    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 / G05D SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES , Systeme zum Steuern oder Regeln nichtelektrischer veränderlicher Größen / G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS



    Beitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler Netze

    Schaub, Michèle / Universität Rostock / Universität Rostock, Fakultät für Maschinenbau und Schiffstechnik | TIBKAT | 2021

    Free access

    VORHERSAGE DES FAHRZEUGGESCHWINDIGKEITSPROFILS UNTER VERWENDUNG NEURONALER NETZWERKE

    PARK JUNGME / FANG CHEN / KRISTINSSON JOHANNES GEIR et al. | European Patent Office | 2023

    Free access


    Vorhersage subjektiver Komforturteile mittels kuenstlicher neuronaler Netze

    Albers,A. / Albrecht,M. / Univ.Karlsruhe,DE | Automotive engineering | 2002


    Automatische Oberflaecheninspektion von Flugzeugstrukturen unter Verwendung Neuronaler Netze

    Knappe, P. / Deutschen Gesellschaft fur Luft- und Raumfahrt eV | British Library Conference Proceedings | 1994