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！

龙图腾网恭喜电子科技大学长三角研究院(衢州)申请的专利一种基于模仿学习的可变驾驶风格的自动驾驶决策方法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：CN117799637B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202311710703.9，技术领域涉及：B60W60/00；该发明授权一种基于模仿学习的可变驾驶风格的自动驾驶决策方法是由胡锐;王玉泽;曾曦霂;苏涵;郑凯;刘顺程;余泉霖;吴佩聪设计研发完成，并于2023-12-13向国家知识产权局提交的专利申请。

本一种基于模仿学习的可变驾驶风格的自动驾驶决策方法在说明书摘要公布了：本发明公开了一种基于模仿学习的可变驾驶风格的自动驾驶决策方法，本发明提出了一个支持增量学习的模仿学习模型，基础的模仿学习模型可以通过多种驾驶风格的专家数据进行训练，并在模仿专家驾驶行为方面实现超越专家的性能。通过增量学习，模型可以根据不断积累的数据不断改进性能，而无需每次重新训练整个模型。这将使自动驾驶车辆能够更及时地更新模型参数，以适应新的道路情境和交通条件。本发明能够根据不同的驾驶风格偏好快速微调基本的基于模仿学习自动驾驶决策模型，同时减少计算、存储和时间的大量开销。本发明基于注意力环境感知框架，以致力于使自动驾驶决策算法在多变的交通场景中关注更有用的关键信息。

本发明授权一种基于模仿学习的可变驾驶风格的自动驾驶决策方法在权利要求书中公布了：1.一种基于模仿学习的可变驾驶风格的自动驾驶决策方法，其特征在于，包括数据收集、基础模型生成器和驾驶风格调整；所述数据收集包括来自不同传感器的环境数据和强化学习专家展示的动作分布，动作分布包括加速度和转向角的分布；环境数据通过数据采集模块对车道、车辆和交通信息的特征进行单独编码，然后整合采集的特征；整合环境数据和动作分布，形成了一个专为离线训练定制的合成数据集；所述基础模型生成器分为编码器和解码器，编码器利用转换器架构为环境数据分配权重，解码器中，模仿学习智能体接收权重分配的环境数据、专家驱动的路点和动作分布作为输入，并输出未来时间步的动作分布策略；所述驾驶风格调整根据基本模型生成器调整强化学习专家的动作分布，调整其输出的贝塔分布的α和β值来改变强化学习专家的驾驶风格以供后续本发明所设计的模仿学习模型微调；所述数据收集包括以下步骤：S11：采用粒子滤波器处理来自GNSS和IMU传感器的数据，随后提取Du范围内前方常规车辆的特征和Du范围内的图像数据中提取交通信号和路标；S12：车辆和行人的编码：车辆和行人的特征分别表示为Fc和Fp：ΔftCi，A＝υel，θ，dis，θυel其中，υel、θ、dis、θυel分别表示车辆Ci和自动驾驶车辆A之间的相对速度、角度、纵向距离和速度角，三条车道上前方距离Du范围内最近的九辆传统车辆覆盖了前方的三个关键区域，即左前方C1、C2、C3，前方C4、C5、C6和右前方C7、C8、C9，同样，在这三个区域内也分布着九名行人、当一个区域内的车辆不足时，将一个特征集υel，θ，dis，θυel置零，将这些特征编码如下：EncA＝ΦAfA；wAEncC＝ΦCΔftCi，A；wCEncP＝ΦPΔftPi，A；wP其中，ΦA、ΦC和ΦP为嵌入层；wA、wC和wP为相应参数；EncA、EncC和EncP为智能体、车辆和行人特征编码，利用这些参数来计算随后时间步t的相对位移；S13：交通规则编码：提取交通规则FR的特征，包括交通信号灯、停车线、让行标志、限速和斑马线，用ftl＝status，dis描述交通信号灯的详细特征，其中，status表示交通信号灯tl的状态，dis表示tl与自动驾驶车辆A之间的相对距离；将整个交通规则FR嵌入到网络的EncR中，从而捕捉到交通规则特征中的关系；S14：航向点编码：智能体收到一组按顺序排列的航向点，这些航向点表示其前进路线，在每个时间步骤t，全局路由算法会提供16个航点，并嵌入为EncW；S15：使用贝塔分布建模为智能体的输出行为，其包含转向角的输出分布和加速度的输出分布这两种分布，微调这些动作分布产生不同的驾驶风格，然后，使用过滤器剔除完成率低的专家经验，确保为强化学习智能体提供高质量的输入数据。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；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”。