用于自动驾驶的场景编码模型训练方法、装置及介质与流程

本公开涉及计算机，尤其涉及人工智能、自动驾驶领域，具体涉及一种用于自动驾驶的场景编码模型训练方法、用于自动驾驶的场景编码方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

2、基于人工智能的数据处理，已经广泛应用于各个领域。其中，在自动驾驶领域中，基于人工智能对数据进行处理，能够为车辆规划合理的驾驶轨迹。自动驾驶车辆依靠人工智能、视觉计算、雷达、监控装置和全球定位系统等协同合作，不需要人现场实际操控车辆便可以实现车辆的驾驶，是未来智能交通的主要发展方向之一。

3、在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

1、本公开提供了一种用于自动驾驶的场景编码模型训练方法、用于自动驾驶的场景编码方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

2、根据本公开的一方面，提供了一种用于自动驾驶的场景编码模型训练方法，包括：获取样本数据集，样本数据集包括对应于多个第一时刻的多个第一样本数据，每个第一样本数据包括该第一样本数据相应的第一时刻对应的第一数据以及相应第一时刻之前的至少一个历史时刻对应的至少一个第二数据，第一数据包括相应第一时刻的车辆行驶状态数据，至少一个第二数据中的每个第二数据包括相应历史时刻的车辆行驶状态数据；基于至少一个掩码策略，对多个第一样本数据进行处理，以获取多个第二样本数据，至少一个掩码策略包括第一掩码策略，第一掩码策略用于对多个第一样本数据中的至少一个第三样本数据中每个第三样本数据的第一数据进行掩码处理；将多个第二样本数据输入场景编码模型，以获取场景编码模型输出的分别对应于多个第二样本数据的多个行驶场景编码；以及基于多个行驶场景编码训练场景编码模型。

3、根据本公开的另一方面，提供了一种用于自动驾驶的场景编码方法，包括：获取当前时刻的第一数据以及当前时刻之前的至少一个历史时刻对应的至少一个第二数据，第一数据包括当前时刻的车辆行驶状态数据、障碍物状态数据和路网数据中的至少一者，至少一个第二数据中的每个第二数据包括相应历史时刻的车辆行驶状态数据、障碍物状态数据和路网数据中的至少一者；将第一数据和至少一个第二数据输入场景编码模型中，以获得场景编码模型输出的当前时刻的行驶场景编码，其中，场景编码模型根据上述用于自动驾驶的场景编码模型训练方法训练获得。

4、根据本公开的另一方面，提供了一种用于自动驾驶的场景编码模型训练装置，包括：第一获取单元，被配置为获取样本数据集，样本数据集包括对应于多个第一时刻的多个第一样本数据，每个第一样本数据包括该第一样本数据相应的第一时刻对应的第一数据以及相应第一时刻之前的至少一个历史时刻对应的至少一个第二数据，第一数据包括相应第一时刻的车辆行驶状态数据，至少一个第二数据中的每个第二数据包括相应历史时刻的车辆行驶状态数据；处理单元，被配置为基于至少一个掩码策略，对多个第一样本数据进行处理，以获取多个第二样本数据，至少一个掩码策略包括第一掩码策略，第一掩码策略用于对多个第一样本数据中的至少一个第三样本数据中每个第三样本数据的第一数据进行掩码处理；输入单元，被配置为将多个第二样本数据输入场景编码模型，以获取场景编码模型输出的分别对应于多个第二样本数据的多个行驶场景编码；以及训练单元，被配置为基于多个行驶场景编码训练场景编码模型。

5、根据本公开的另一方面，提供了一种用于自动驾驶的场景编码装置，包括：第二获取单元，被配置为获取当前时刻的第一数据以及当前时刻之前的至少一个历史时刻对应的至少一个第二数据，第一数据包括当前时刻的车辆行驶状态数据、障碍物状态数据和路网数据中的至少一者，至少一个第二数据中的每个第二数据包括相应历史时刻的车辆行驶状态数据、障碍物状态数据和路网数据中的至少一者；编码单元，被配置为将第一数据和至少一个第二数据输入场景编码模型中，以获得场景编码模型输出的当前时刻的行驶场景编码，其中，场景编码模型根据上述用于自动驾驶的场景编码模型训练方法训练获得。

6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述用于自动驾驶的场景编码模型训练方法或上述用于自动驾驶的场景编码方法。

7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述用于自动驾驶的场景编码模型训练方法或上述用于自动驾驶的场景编码方法。

8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述用于自动驾驶的场景编码模型训练方法或上述用于自动驾驶的场景编码方法。

9、根据本公开的一个或多个实施例，可以通过至少一种掩码策略，对多个第一样本数据中的一个或多个样本数据中的部分信息进行随机掩码(例如，对样本数据中的第一数据进行随机掩码处理)，并基于处理后的样本数据进行模型训练，从而提升模型的鲁棒性，使其能够在接收到第一数据异常的噪声数据时，有更准确的场景编码表达。

10、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种用于自动驾驶的场景编码模型训练方法，所述方法包括：

2.根据权利要求1所述的方法，其中，所述至少一个掩码策略从预设掩码策略集中获得，所述预设掩码策略集还包括第二掩码策略，所述第二掩码策略用于对所述多个第一样本数据中的至少一个第四样本数据中每个第四样本数据的至少一个第二数据进行随机掩码处理。

3.根据权利要求2所述的方法，其中，所述至少一个第二数据数量为多个，所述预设掩码策略集还包括第三掩码策略，所述第三掩码策略用于对所述多个第一样本数据中的至少一个第五样本数据中每个第五样本数据的第三数据进行掩码处理，其中，所述第三数据为该第五样本数据对应的至少一个历史时刻中的最早历史时刻对应的第二数据。

4.根据权利要求3所述的方法，还包括：

5.根据权利要求1至4中任一项所述的方法，还包括：

6.根据权利要求1至5中任一项所述的方法，其中，所述第一数据包括相应第一时刻对应的障碍物状态数据以及路网数据，所述至少一个第二数据中的每个第二数据包括相应历史时刻的障碍物状态数据以及路网数据。

7.一种用于自动驾驶的场景编码方法，所述方法包括：

8.一种用于自动驾驶的场景编码模型训练装置，所述装置包括：

9.根据权利要求8所述的装置，其中，所述至少一个掩码策略从预设掩码策略集中获得，所述预设掩码策略集还包括第二掩码策略，所述第二掩码策略用于对所述多个第一样本数据中的至少一个第四样本数据中每个第四样本数据的至少一个第二数据进行随机掩码处理。

10.根据权利要求9所述的装置，其中，所述至少一个第二数据数量为多个，所述预设掩码策略集还包括第三掩码策略，所述第三掩码策略用于对所述多个第一样本数据中的至少一个第五样本数据中每个第五样本数据的第三数据进行掩码处理，其中，所述第三数据为该第五样本数据对应的至少一个历史时刻中的最早历史时刻对应的第二数据。

11.根据权利要求10所述的装置，还包括：

12.根据权利要求8至11中任一项所述的装置，还包括：

13.根据权利要求8至12中任一项所述的装置，其中，所述第一数据包括相应第一时刻对应的障碍物状态数据以及路网数据，所述至少一个第二数据中的每个第二数据包括相应历史时刻的障碍物状态数据以及路网数据。

14.一种用于自动驾驶的场景编码装置，所述装置包括：

15.一种电子设备，包括：

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法。

技术总结
本公开提供了一种用于自动驾驶的场景编码模型训练方法、装置及介质，涉及计算机技术领域，尤其涉及人工智能、自动驾驶领域。实现方案为：获取样本数据集；基于至少一个掩码策略，对多个第一样本数据进行处理，以获取多个第二样本数据；将多个第二样本数据输入场景编码模型，以获取场景编码模型输出的分别对应于多个第二样本数据的多个行驶场景编码；以及基于多个行驶场景编码训练场景编码模型。

技术研发人员：宋泽良,柳长春,苏亚博
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/1/13