使用神经网络对自主对象进行组合预测和路径规划

摘要

传感器测量有关要操纵的对象(例如车辆或机器人)附近的行动者或其他对象的信息。传感器数据用于确定可操纵对象的可能动作序列，以实现确定的目标。对于要考虑的每个可能的动作，确定附近行动者或对象的一个或更多个可能的反应。在一些实施例中，这可以采用决策树的形式，具有对应于当前对象的可能动作和一个或更多个其他车辆或行动者的可能反应动作的交替等级的节点。机器学习可用于确定概率，以及沿着决策树的路径(包括序列)投影出选项。价值函数用于为每个考虑的序列或路径生成值，并且选择具有最高值的路径用于确定如何导航对象。