買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣州智體科技有限公司申請的專利一種基于多模態(tài)感知與動態(tài)環(huán)境建模的智能自動駕駛車輛調(diào)度系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120071616B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510219116.2，技術(shù)領(lǐng)域涉及：G08G1/01；該發(fā)明授權(quán)一種基于多模態(tài)感知與動態(tài)環(huán)境建模的智能自動駕駛車輛調(diào)度系統(tǒng)是由梁曉輝;陳榮波;蔡軼佳;楊昊設(shè)計研發(fā)完成，并于2025-02-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于多模態(tài)感知與動態(tài)環(huán)境建模的智能自動駕駛車輛調(diào)度系統(tǒng)在說明書摘要公布了：本發(fā)明提出了一種基于多模態(tài)感知與動態(tài)環(huán)境建模的智能自動駕駛車輛調(diào)度系統(tǒng)，屬于自動駕駛技術(shù)領(lǐng)域；本系統(tǒng)包括：情境感知模塊、特征提取與融合模塊、語義與行動決策模塊、自適應(yīng)集群接送模塊、軌跡生成與優(yōu)化模塊和具身智能學習模塊；該系統(tǒng)的自動駕駛技術(shù)涉及具身智能、VLA多模態(tài)架構(gòu)等，并在此基礎(chǔ)上實現(xiàn)了端到端的數(shù)據(jù)處理方式，使得自動駕駛汽車能夠根據(jù)輸入快速的生成對應(yīng)策略，并根據(jù)策略做出反應(yīng)；在復雜場景中實現(xiàn)了環(huán)境理解、智能決策與精準控制的自動駕駛車輛的行駛更加安全。

本發(fā)明授權(quán)一種基于多模態(tài)感知與動態(tài)環(huán)境建模的智能自動駕駛車輛調(diào)度系統(tǒng)在權(quán)利要求書中公布了：1.一種基于多模態(tài)感知與動態(tài)環(huán)境建模的智能自動駕駛車輛調(diào)度系統(tǒng)，其特征在于，所述系統(tǒng)包括情境感知模塊、特征提取與融合模塊、語義與行動決策模塊、自適應(yīng)集群接送模塊、軌跡生成與優(yōu)化模塊和具身智能學習模塊； 所述情境感知模塊用于實時感知自動駕駛車輛的內(nèi)外部情境數(shù)據(jù)，所述內(nèi)外部情境數(shù)據(jù)包括乘客需求、交通情況、道路狀況、天氣數(shù)據(jù)和車輛狀態(tài)； 所述特征提取與融合模塊，用于對所述內(nèi)外部情境數(shù)據(jù)進行特征提取，將提取的特征進行融合，生成環(huán)境特征，所述環(huán)境特征至少包括BEV空間特征； 所述語義與行動決策模塊用于通過VLA大模型結(jié)合所述特征提取與融合模塊中的環(huán)境特征，生成智能行為決策； 所述自適應(yīng)集群接送模塊用于將最終的軌跡和智能行為決策轉(zhuǎn)化為車輛調(diào)度； 所述軌跡生成與優(yōu)化模塊用于基于OccupancyNetwork網(wǎng)絡(luò)，實時構(gòu)建環(huán)境占用網(wǎng)格的Occ模型，Occ模型通過結(jié)合環(huán)境特征中的BEV空間特征預測并更新環(huán)境中的空閑與占用區(qū)域，采用自監(jiān)督學習方法通過空閑與占用區(qū)域來優(yōu)化路徑規(guī)劃和車輛調(diào)度規(guī)劃，同時引入強化學習來優(yōu)化所述自適應(yīng)集群接送模塊生成的實時車輛調(diào)度，并將優(yōu)化結(jié)果實時輸入所述自適應(yīng)集群接送模塊進行實時車輛調(diào)度； 所述具身智能學習模塊用于通過自動駕駛車輛與環(huán)境的交互，實現(xiàn)實時調(diào)整自動駕駛車輛的路徑規(guī)劃和車輛調(diào)度規(guī)劃，并根據(jù)接收到的實時環(huán)境反饋、所述環(huán)境特征、所述軌跡生成與優(yōu)化模塊的優(yōu)化結(jié)果進行學習，將學習的結(jié)果實時輸入所述自適應(yīng)集群接送模塊進行實時車輛調(diào)度； 所述具身智能學習模塊包括：實時感知與決策、環(huán)境反饋機制和強化學習與自監(jiān)督學習；所述實時感知與決策包括：通過感知系統(tǒng)實時獲取自動駕駛汽車周圍環(huán)境信息，并基于獲得的信息及時的做出決策；感知系統(tǒng)集成了多種傳感器，并通過傳感器獲取周圍環(huán)境數(shù)據(jù)，通過將傳感器數(shù)據(jù)的融合和處理建立環(huán)境模型，建立的模型公式為： Ht＝FpSt，vp 其中，Ht為時刻t的環(huán)境狀態(tài)，所述環(huán)境狀態(tài)為所述內(nèi)外部情境數(shù)據(jù)；Fp為環(huán)境感知函數(shù)，表示如何將傳感器的數(shù)據(jù)轉(zhuǎn)化為環(huán)境狀態(tài)；St是時刻t時傳感器采集的數(shù)據(jù)，vp是感知模型的參數(shù)； 所述環(huán)境反饋機制包括：通過與環(huán)境的交互獲取反饋，并根據(jù)反饋調(diào)整調(diào)度任務(wù)規(guī)劃，進而調(diào)整調(diào)度任務(wù)；首先，系統(tǒng)通過情境感知模塊建立的動態(tài)環(huán)境模型，生成相應(yīng)的決策，與對應(yīng)動態(tài)環(huán)境中的目標進行交互；隨后，進行交互后，收到動態(tài)環(huán)境中目標的反饋后，系統(tǒng)根據(jù)反饋的結(jié)果調(diào)整調(diào)度任務(wù)規(guī)劃，決定接下來汽車的決策；最后，根據(jù)重新調(diào)整的調(diào)度任務(wù)規(guī)劃，調(diào)整調(diào)度任務(wù)規(guī)劃，將最終結(jié)果實時輸入所述自適應(yīng)集群接送模塊進行實時車輛調(diào)度； 所述強化學習與自監(jiān)督學習包括：通過強化學習框架優(yōu)化調(diào)度任務(wù)；通過上一時刻狀態(tài)下的調(diào)度動作價值優(yōu)化當前時刻狀態(tài)下的調(diào)度動作價值；通過不斷地更新，并根據(jù)接收到的實時環(huán)境反饋、所述環(huán)境特征、所述軌跡生成與優(yōu)化模塊的優(yōu)化結(jié)果進行學習進而擇優(yōu)選擇，將最終結(jié)果實時輸入所述自適應(yīng)集群接送模塊進行實時車輛調(diào)度。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣州智體科技有限公司，其通訊地址為：510000 廣東省廣州市天河區(qū)軟件路11號5樓503室F區(qū)1號房；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。