买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学申请的专利考虑不确定性的自动驾驶强化学习运动规划方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116118772B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211463660.4，技术领域涉及：B60W60/00；该发明授权考虑不确定性的自动驾驶强化学习运动规划方法和系统是由杨殿阁;江昆;周伟韬;曹重;邓楠山;刘小钰设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本考虑不确定性的自动驾驶强化学习运动规划方法和系统在说明书摘要公布了：本发明涉及一种考虑不确定性的自动驾驶强化学习运动规划方法和系统，包括以下步骤：基于获取的历史驾驶数据，使用深度强化学习方法对预先构建的多头值函数网络进行训练；获取当前时刻的环境状态信息，并分别利用训练得到的多头值函数网络和自动驾驶车辆的自动驾驶系统得到基于数据拟合的运动轨迹和基于规则的运动轨迹，比较后得到自动驾驶车辆的最优运动轨迹。通过结合自举式不确定性估计，考虑了强化学习算法在计算过程中可能由于其黑箱特性导致的不确定性，通过基于规则的方法避免了这种不确定性可能造成的危险决策，有助于提升该类方法在智能车辆中使用的安全性和可靠性。因此，本发明可以广泛应用于智能车辆领域。

本发明授权考虑不确定性的自动驾驶强化学习运动规划方法和系统在权利要求书中公布了：1.一种考虑不确定性的自动驾驶强化学习运动规划方法，其特征在于，包括以下步骤： 基于获取的历史驾驶数据，使用深度强化学习方法对预先构建的多头值函数网络进行训练； 获取当前时刻的环境状态信息，并分别利用训练得到的多头值函数网络和待规划车辆的自动驾驶系统得到基于数据拟合的运动轨迹和基于规则的运动轨迹，比较后得到待规划车辆的最优运动轨迹； 所述基于获取的历史驾驶数据，使用深度强化学习方法对预先构建的多头值函数网络进行训练，包括： 构建多头值函数网络并进行随机初始化； 采集驾驶数据； 对采集的驾驶数据进行自举式的采样，并基于采样数据，使用深度强化学习方法对多头值函数网络中的各子神经网络分别训练； 所述获取当前时刻的环境状态信息，并分别利用训练得到的多头值函数网络和待规划车辆的自动驾驶系统得到基于数据拟合的运动轨迹和基于规则的运动轨迹，比较后得到待规划车辆的最优运动轨迹，包括： 获取当前时刻的环境状态信息； 基于当前时刻的环境状态信息，利用待规划车辆本身的自动驾驶系统获取全局轨迹规划结果，并基于代价函数计算得到基于规则的运动轨迹； 基于当前时刻的环境状态信息，利用多头值函数网络，计算得到基于数据拟合的运动轨迹； 基于自举不确定性计算，从基于规则的运动轨迹与基于数据拟合的运动轨迹中确定最优运动轨迹并输出； 所述基于当前时刻的环境状态信息，利用待规划车辆本身的自动驾驶系统获取全局轨迹规划结果，并基于代价函数计算得到基于规则的运动轨迹，包括： 基于当前时刻的环境状态信息，根据自动驾驶的全局轨迹规划结果，生成运动规划的m条候选轨迹； 在每个规划循环中，利用代价函数，从候选轨迹中选取代价值最小的轨迹作为基于规则的运动轨迹； 所述基于当前时刻的环境状态信息，利用训练好的多头值函数网络，计算得到基于数据拟合的运动轨迹，包括： ①将当前环境状态信息s和基于规则的运动轨迹作为多头值函数网络的输入，得到基于规则的运动轨迹所对应的一系列决策值； ②从m条候选轨迹中随机采集一条轨迹作为期望决策动作a，将期望决策动作a和当前环境状态信息s作为多头值函数网络的输入，得到期望决策动作a所对应的一系列决策值：； ③将期望决策动作a所对应的一系列决策值分别与基于规则的运动轨迹所对应的一系列决策值进行比较，得到该期望决策动作a中满足的决策值数量K，； ④重复步骤②～③，并将满足条件数量最多的期望决策动作作为基于数据拟合的运动轨迹。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学，其通讯地址为：100084 北京市海淀区100084信箱82分箱清华大学专利办公室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。