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！

龙图腾网获悉中国科学院软件研究所申请的专利行人模型的训练方法、装置、电子设备以及存储介质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：CN115860105B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211584429.0，技术领域涉及：G06N3/092；该发明授权行人模型的训练方法、装置、电子设备以及存储介质是由薛云志;刘光镇;孟令中;董乾;陈贺;师源;李瑞;任红萍;杨光设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本行人模型的训练方法、装置、电子设备以及存储介质在说明书摘要公布了：本公开涉及一种行人模型的训练方法、装置、电子设备以及存储介质，属于自动驾驶技术领域。所述方法包括：构建行人模型；根据仿真系统的地图信息和仿真系统中目标车辆的行驶信息，得到行人模型的训练数据；其中，目标车辆为仿真系统中正在行驶的车辆，且目标车辆与行人模型发生交通事故的概率大于预设概率；利用训练数据，对行人模型进行强化学习的训练，以使训练后的行人模型与目标车辆发生交通事故的概率大于预设阈值，预设阈值大于预设概率。本公开可以通过行人模型模拟实际开放道路场景下的各种突发情况，对自动驾驶车辆进行有效的测试。

本发明授权行人模型的训练方法、装置、电子设备以及存储介质在权利要求书中公布了：1.一种行人模型的训练方法，其特征在于，包括： 构建行人模型； 根据仿真系统的地图信息和所述仿真系统中目标车辆的行驶信息，得到所述行人模型的训练数据；其中，所述目标车辆为所述仿真系统中正在行驶的车辆，且所述目标车辆与所述行人模型发生交通事故的概率大于预设概率；所述行驶信息包括所述目标车辆的位置和或速度； 利用所述训练数据，对所述行人模型进行强化学习的训练，以使训练后的行人模型与所述目标车辆发生交通事故的概率大于预设阈值，所述预设阈值大于所述预设概率；其中，所述行人模型的输入为所述地图信息的状态表征和所述行驶信息的状态表征，所述行人模型的输出为行进动作信息； 其中，所述训练数据中的一组样本包括状态信息、动作信息、奖励信息； 所述状态信息包括所述仿真系统的地图信息的状态表征和所述目标车辆的行驶信息的状态表征；或者，所述状态信息包括所述仿真系统的地图信息的状态表征； 所述动作信息包括所述行人模型基于输入的所述状态信息输出的行进动作信息； 所述奖励信息包括所述行人模型按照所述动作信息向目标地点行进时，根据所述行人模型与所述目标车辆发生交通事故的概率所生成的奖励值； 所述奖励值的生成过程，包括： 根据所述行人模型在多个轮次的训练过程中生成的历史行进动作信息和当前轮次的行进动作信息，利用第一神经网络模型得到第一值；其中，所述第一神经网络模型为基于时序的神经网络模型，所述第一值用于指示所述当前轮次的行进动作信息对所述行人模型与所述目标车辆发生交通事故的影响程度； 根据所述地图信息中的边框数据，利用第二神经网络模型得到第二值；其中，所述地图信息中的边框数据包括所述行人模型的边框数据和或所述目标车辆的边框数据，所述第二神经网络模型为卷积神经网络模型，所述第二值用于指示所述行人模型与所述目标车辆之间的位置信息； 根据所述第一值和所述第二值，利用线性变换算法，得到所述奖励值；其中，相比于所述行人模型未与所述目标车辆发生交通事故，在所述行人模型与所述目标车辆发生交通事故的情况下，所述行人模型获得的所述奖励值更大； 或， 将所述地图信息中的边框数据，输入卷积神经网络模型，所述卷积神经网络模型通过所述地图信息中的边框数据确定所述行人模型与所述目标车辆是否发生交通事故； 在所述行人模型与所述目标车辆发生交通事故的情况下，通过所述卷积神经网络模型输出第一奖励值； 在所述行人模型未与所述目标车辆发生交通事故的情况下，通过所述卷积神经网络模型输出第二奖励值；其中，所述第一奖励值大于所述第二奖励值，所述第二奖励值根据所述行人模型与所述目标车辆之间的距离以及相对位置确定。

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中国科学院软件研究所，其通讯地址为：100190 北京市海淀区中关村南四街4号；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。