CN119476395A - 模型的训练方法、车辆的控制方法及相关装置 - Google Patents

Abstract

一种模型的训练方法、车辆的控制方法及相关装置，可以应用于人工智能领域，方法包括：获取目标车辆的路况信息；根据路况信息，通过第一神经网络模型，得到目标信息，目标信息为目标车辆的行车意图预测、行驶路径的预测或者目标车辆和环境的交互行为预测；根据目标信息，通过专家系统或者专家系统对路况信息和路况信息对应的标签处理得到的结果，更新第一神经网络模型。本申请利用专家系统的输出来引导确定用于更新AI模型的梯度，相当于对AI模型进行了闭环训练，从而提高了AI模型的精度。

Description

模型的训练方法、车辆的控制方法及相关装置

技术领域

本申请涉及人工智能领域，尤其涉及一种模型的训练方法、车辆的控制方法及相关装置。

背景技术

人工智能(artificial intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

自动驾驶领域内的关键技术包括感知、决策、规划、控制等。其中，车辆的自主决策能力对整个自动驾驶系统的智能性、安全性起到关键性的作用。相比专家系统，数据驱动的AI方法具有复杂场景下类人决策的能力，是自动驾驶技术发展的趋势。然而数据驱动的AI方法不具备可解释性，在当前及未来相当长时间内需要与规控专家系统配合使用。

当前主流数据驱动方法多为开环类学习方法(如模仿学习)，此类方法思路较为直接：从海量人驾数据中学习观测量到后验轨迹输出的端对端映射的模型。然而，因此此类方法学习模型难以考虑模型的输出的实际闭环效果，从而造成实际应用效果的下降。

发明内容

本申请提供了一种模型的训练方法、车辆的控制方法及相关装置，可以对车辆的规控系统中的AI模型进行闭环训练，从而提高了AI模型的精度。

第一方面，本申请提供了一种模型的训练方法，具体的，获取目标车辆的路况信息；根据该路况信息，通过第一神经网络模型，得到目标信息，该目标信息为该目标车辆的行车意图预测、行驶路径的预测或者该目标车辆和环境的交互行为预测；根据目标信息，通过专家系统或者专家系统对路况信息和路况信息对应的标签处理得到的结果，更新第一神经网络模型。

由于行车信息往往不准确(例如在安全性或者舒适性上不是最优的信息)，因此需要专家模块来对行车信息进行兜底和纠正，在现有的实现中，在对AI模型进行训练的过程中，往往采用行车信息作为标签来更新AI模型，并未引入后续专家系统的输出，因此用于更新第一神经网络模型的标签实质上的置信度较低，从而导致训练后的模型的处理精度较低。

其中，路况信息对应的标签可以为实际驾驶过程(可以是仿真环境中的驾驶过程，也可以是实际物理环境中的驾驶过程)中的数据(例如可以是行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测)，该数据可以在训练样本中作为目标信息对应的真值。

本申请实施例中，将利用专家系统或者专家系统的输出，参与到第一神经网络模型的训练中，相当于对第一神经网络模型进行了闭环训练，使第一神经网络模型具有了规控专家系统的特征，从而提高了第一神经网络模型的精度。

其中，专家系统可以为基于规则实现的，也可以是基于神经网络实现的。

在一种可能的实现中，在确定用于更新第一神经网络模型的损失时，根据该目标信息和路况信息对应的标签，确定损失，并通过该标签的可行度对该损失进行调整，标签的可行度可根据专家系统对该路况信息以及该路况信息对应的标签的处理结果得到。

路况信息的对应的标签的可行度可以认为是对标签的评价，因此，可以将可行度引入到第一神经网络模型的训练过程中，具体的，可以根据该目标信息和对应的标签，确定损失(由于标签可能并不准确，因此该损失也可能不准确，若基于不准确的损失进行AI模型的更新会导致模型的训练精度较差)。因此，本申请实施例中通过该可行度对该损失进行调整，并根据调整后的该损失(调整后的损失相当于引入了专家系统的输出)。

在一种可能的实现中，该可行度指示该路况信息对应的标签可行或者不可行。

在一种可能的实现中，该可行度指示当目标车辆根据该标签进行相应的行车控制时，车辆自身的安全性或者舒适性是否满足要求，示例性的，可行度可以通过1或者0来表示，其中1表示可行，0表示不可行。例如，该可行度指示该标签可行或者不可行，在可行度指示标签可行时，可以确定AI模型需要被更新，而在可行度指示标签不可行时，可以确定AI模型不需要被更新，或者相应减少更新梯度的绝对大小。

在一种可能的实现中，该可行度为可行度分数；该通过该可行度对该损失进行调整，包括：将该可行度分数作为权重，对该损失进行调整。可以根据专家系统的处理结果确定该标签的可行分数，也就是目标车辆根据该标签进行对应的行车控制时，车辆自身的安全性或者舒适性的满足程度。例如，该可行度可以指示该标签的可行度分数，可以将该可行度分数作为权重，对该损失进行调整。在可行度分数较大时，可以认为该标签的准确度较高，进而基于可行度分数得到的更新梯度也较大，在可行度分数较小时，可以认为标签的准确度较低，进而基于可行度分数得到的更新梯度也较小。

在一种可能的实现中，该可行度与如下信息有关：在根据该标签对该目标车辆进行行驶控制时，该目标车辆的安全性或者舒适性。

在一种可能的实现中，该专家系统为第二神经网络模型，也就是在进行第一神经网络模型的训练时，将专家系统进行参数化(参数化后的专家系统为第二神经网络模型)；可以根据该路况信息以及该目标信息，通过第二神经网络模型，确定该目标车辆的控制指令；根据该控制指令控制该目标车辆和所处环境进行交互，确定交互结果，并根据交互结果更新第一神经网络模型。

例如，可以根据交互结果确定奖励值；根据该奖励值，确定该第一神经网络模型的更新梯度，并利用更新梯度来更新第一神经网络模型。

在专家系统为非神经网络的情况下，无法直接利用专家系统的输出对应的奖励值来确定第一神经网络模型的更新梯度(原因在于专家系统为非神经网络，无法进行梯度回传，且基于策略算法的专家系统往往存在大量的状态机迁转、随机采样、优化等模块，若通过随机探索对其进行的特性学习非常缓慢，大大增加了在线学习交互的难度)。而若在训练过程中将专家系统进行参数化，则可以利用专家系统的输出来确定奖励值，在进行梯度回传时，可以传递至第一神经网络模型，一方面可以得到第一神经网络模型对应的更新梯度，且该更新梯度是基于专家系统的输出得到的，相当于将专家系统得到的输出引入到AI模型的训练过程中，从而提高了训练后的模型的处理精度。

第二方面，本申请提供了一种车辆控制方法，该方法包括：获取目标车辆的路况信息；根据该路况信息，通过如第一方面或第一方面任一可能的实现方法得到的更新后的第一神经网络模型，得到目标信息，该目标信息为该目标车辆的行车意图预测、行驶路径的预测或者该目标车辆和环境的交互行为预测；

根据该路况信息以及该目标信息，通过专家系统，确定该目标车辆的控制指令。

第三方面，本申请提供了一种模型的训练装置，该装置包括：

获取模块，用于获取目标车辆的路况信息；

处理模块，用于根据该路况信息，通过第一神经网络模型，得到目标信息，该目标信息为该目标车辆的行车意图预测、行驶路径的预测或者该目标车辆和环境的交互行为预测；

更新模块，用于根据该目标信息，通过专家系统或者专家系统对该路况信息和该路况信息对应的标签处理得到的结果，更新该第一神经网络模型。

在一种可能的实现中，该更新模块，具体用于：根据该目标信息和标签，确定损失；通过该标签的可行度对该损失进行调整，得到调整后的损失，标签的可行度根据专家系统对该路况信息以及该路况信息对应的标签的处理结果得到；根据该调整后的损失，更新该第一神经网络模型。

在一种可能的实现中，该可行度指示该路况信息对应的标签可行或者不可行。

在一种可能的实现中，该可行度为可行度分数；该更新模块，具体用于：将该可行度分数作为权重，对该损失进行调整。

在一种可能的实现中，该可行度与如下信息有关：在根据该标签对该目标车辆进行行驶控制时，该目标车辆的安全性或者舒适性。

在一种可能的实现中，该专家系统为第二神经网络模型；该更新模块，具体用于：根据该路况信息以及该目标信息，通过该第二神经网络模型，确定该目标车辆的控制指令；根据该控制指令控制该目标车辆和该目标车辆周围的环境进行交互，确定交互结果；根据该交互结果，更新该第一神经网络模型。

在一种可能的实现中，该更新模块，还用于：根据该控制指令和该控制指令对应的标签，更新该第二神经网络模型，该控制指令对应的标签为通过基于规则实现的专家系统处理该路况信息和该目标信息得到的。

第四方面，本申请提供了一种车辆控制装置，该装置包括：获取模块，用于获取目标车辆的路况信息；处理模块，用于根据该路况信息，通过如第一方面或第一方面任一可能的实现方法得到的更新后的第一神经网络模型，得到目标信息，该目标信息为该目标车辆的行车意图预测、行驶路径的预测或者该目标车辆和环境的交互行为预测；根据该路况信息以及该目标信息，通过专家系统，确定该目标车辆的控制指令。

第五方面，本申请实施例提供了一种计算装置，可以包括存储器、处理器以及总线系统，其中，存储器用于存储程序，处理器用于执行存储器中的程序，以执行如上述第一方面或第一方面任一可能的实现方法，以及如上述第二方面或第二方面任一可能的实现方法。

第六方面，本申请实施例提供了一种车辆，该车辆包括传感器，以及如第四方面的车辆控制装置；该传感器用于采集该车辆的路况信息。

第七方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面或第一方面任一可能的实现方法，以及如上述第二方面或第二方面任一可能的实现方法。

第八方面，本申请实施例提供了一种计算机程序产品，包括代码，当代码被执行时，用于实现上述第一方面或第一方面任一可能的实现方法，以及如上述第二方面或第二方面任一可能的实现方法。

第九方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持计算装置实现上述方面中所涉及的功能，例如，发送或处理上述方法中所涉及的数据；或，信息。在一种可能的设计中，芯片系统还包括存储器，该存储器，用于保存执行设备或训练设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

附图说明

图1为人工智能主体框架的一种结构示意图；

图2为本申请实施例提供的一种自动驾驶装置的示意图；

图3为本申请实施例提供的一种系统架构的示意图；

图4为本申请实施例提供的一种系统架构示意图；

图5为本申请实施例提供的一种模型的训练方法的流程示意图；

图6为本申请实施例中车辆的换道行为的场景示意图；

图7为本申请实施例提供的一种奖励值确定示意图；

图8为本申请实施例提供的一种预训练示意图；

图9为本申请实施例提供的一种模型的训练方法的流程示意图；

图10A为本申请实施例提供的一种模型的训练装置的结构示意图；

图10B为本申请实施例提供的一种车辆控制装置的结构示意图；

图11为本申请实施例提供的一种终端设备的示意图；

图12为本申请实施例提供的一种服务器的示意图；

图13为本申请实施例提供的一种芯片的示意图。

具体实施方式

下面结合本发明实施例中的附图对本发明实施例进行描述。本发明的实施方式部分使用的术语仅用于对本发明的具体实施例进行解释，而非旨在限定本发明。

下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。

首先对人工智能系统总体工作流程进行描述，请参见图1，图1示出的为人工智能主体框架的一种结构示意图，下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中，“智能信息链”反映从数据的获取到处理的一列过程。举例来说，可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中，数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程，反映人工智能为信息技术产业带来的价值。

(1)基础设施

基础设施为人工智能系统提供计算能力支持，实现与外部世界的沟通，并通过基础平台实现支撑。通过传感器与外部沟通；计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供；基础平台包括分布式计算框架及网络等相关的平台保障和支持，可以包括云存储和计算、互联互通网络等。举例来说，传感器和外部沟通获取数据，这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。

(2)数据

基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本，还涉及到传统设备的物联网数据，包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。

(3)数据处理

数据处理通常包括数据训练，机器学习，深度学习，搜索，推理，决策等方式。

其中，机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。

推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的信息进行机器思维和求解问题的过程，典型的功能是搜索与匹配。

决策是指智能信息经过推理后进行决策的过程，通常提供分类、排序、预测等功能。

(4)通用能力

对数据经过上面提到的数据处理后，进一步基于数据处理的结果可以形成一些通用的能力，比如可以是算法或者一个通用系统，例如，翻译，文本的分析，计算机视觉的处理，语音识别，图像的识别等等。

(5)智能产品及行业应用

智能产品及行业应用指人工智能系统在各领域的产品和应用，是对人工智能整体解决方案的封装，将智能信息决策产品化、实现落地应用，其应用领域主要包括：智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。

本申请可以应用于车辆的自动驾驶模块。

在一种可能的实现中，车辆可以为将引擎作为动力源的内燃机车辆、将引擎和电动马达作为动力源的混合动力车辆、将电动马达作为动力源的电动汽车等等。

本申请实施例中，车辆可以包括具有驾驶功能的驾驶装置100。

参照图2，图2是本申请实施例提供的具有自动驾驶功能的驾驶装置100的功能框图。在一个实施例中，将驾驶装置100配置为完全或部分地自动驾驶模式。例如，驾驶装置100可以在处于自动驾驶模式中的同时控制自身，并且可通过人为操作来确定自动驾驶装置及其周边环境的当前状态，确定周边环境中的至少一个其他自动驾驶装置的可能行为，并确定该其他自动驾驶装置执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制驾驶装置100。在驾驶装置100处于自动驾驶模式中时，可以将驾驶装置100置为在没有和人交互的情况下操作。

驾驶装置100可包括各种子系统，例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地，驾驶装置100可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，驾驶装置100的每个子系统和元件可以通过有线或者无线互连。

行进系统102可包括为驾驶装置100提供动力运动的组件。在一个实施例中，行进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如气油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。

能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为驾驶装置100的其他系统提供能量。

传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置120还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。

传感器系统104可包括感测关于驾驶装置100周边的环境的信息的若干个传感器。例如，传感器系统104可包括定位系统122(定位系统可以是全球定位系统(globalpositioning system，GPS)系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)124、雷达126(或者称之为雷达传感器)、激光测距仪128以及相机130。传感器系统104还可包括被监视驾驶装置100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主驾驶装置100的安全操作的关键功能。

定位系统122可用于估计驾驶装置100的地理位置。IMU 124用于基于惯性加速度来感测驾驶装置100的位置和朝向变化。在一个实施例中，IMU 124可以是加速度计和陀螺仪的组合。

其中，定位系统122还可以包括接收机，接收机可以接收到来自导航卫星的信号。

雷达126可利用无线电信号来感测驾驶装置100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达126还可用于感测物体的速度和/或前进方向。

雷达126可包括电磁波发送部、接收部。雷达126在电波发射原理上可实现为脉冲雷达(pulse radar)方式或连续波雷达(continuous wave radar)方式。雷达126在连续波雷达方式中可根据信号波形而实现为调频连续波(frequency modulated continuouswave，FMCW)方式或频移监控(frequency shift keying，FSK)方式。

雷达126可以电磁波作为媒介，基于飞行时间(time of flight，TOF)方式或相移(phase-shift)方式来检测对象，并检测被检测出的对象的位置、与检测出的对象的距离以及相对速度。为了检测位于车辆的前方、后方或侧方的对象，雷达126可配置在车辆的外部的适当的位置。激光雷达126可以激光作为媒介，基于TOF方式或相移方式检测对象，并检测被检测出的对象的位置、与检测出的对象的距离以及相对速度。

可选地，为了检测位于车辆的前方、后方或侧方的对象，激光雷达126可配置在车辆的外部的适当的位置。

激光测距仪128可利用激光来感测驾驶装置100所位于的环境中的物体。在一些实施例中，激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

相机130可用于捕捉驾驶装置100的周边环境的多个图像。相机130可以是静态相机或视频相机。

其中，本申请实施例中，传感系统104可以采集到车辆的路况信息。

控制系统106为控制驾驶装置100及其组件的操作。控制系统106可包括各种元件，其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物避免系统144。

转向系统132可操作来调整驾驶装置100的前进方向。例如在一个实施例中可以为方向盘系统。

油门134用于控制引擎118的操作速度并进而控制驾驶装置100的速度。

制动单元136用于控制驾驶装置100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中，制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制驾驶装置100的速度。

计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别驾驶装置100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(structure frommotion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

路线控制系统142用于确定驾驶装置100的行驶路线。在一些实施例中，路线控制系统142可结合来自传感器138、定位系统122和一个或多个预定地图的数据以为驾驶装置100确定行驶路线。

障碍规避系统144用于识别、评估和规避或者以其他方式越过驾驶装置100的环境中的潜在障碍物。

其中，本申请实施例中，计算机视觉系统140、路线控制系统142以及障碍规避系统144可以由神经网络实现(例如第一神经网络模型)，第一神经网络模型可以基于传感系统104采集到的路况信息来确定车辆的行驶意图、路径规划或者是和环境的交互策略(例如避障策略等)。

专家系统145可以为基于规则实现的算法，其可以根据路况信息以及神经网络输出的车辆的行驶意图、路径规划或者是和环境的交互策略来确定对于车辆的控制信号，以便控制车辆(例如控制车辆的转向系统132、油门134或者制动单元136)安全、舒适的在交通环境中行驶。

当然，在一个实例中，控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

驾驶装置100通过外围设备108与外部传感器、其他自动驾驶装置、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。

在一些实施例中，外围设备108提供驾驶装置100的用户与用户接口116交互的手段。例如，车载电脑148可向驾驶装置100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中，外围设备108可提供用于驾驶装置100与位于车内的其它设备通信的手段。例如，麦克风150可从驾驶装置100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可向驾驶装置100的用户输出音频。

无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统146可使用3G蜂窝通信，例如码分多址(code division multipleaccess，CDMA)、EVD0、全球移动通信系统(global system for mobile communications，GSM)/是通用分组无线服务技术(general packet radio service，GPRS)，或者4G蜂窝通信，例如长期演进(long term evolution，LTE)，或者5G蜂窝通信。无线通信系统146可利用WiFi与无线局域网(wireless local area network，WLAN)通信。在一些实施例中，无线通信系统146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种自动驾驶装置通信系统，例如，无线通信系统146可包括一个或多个专用短程通信(dedicatedshort range communications，DSRC)设备，这些设备可包括自动驾驶装置和/或路边台站之间的公共和/或私有数据通信。

电源110可向驾驶装置100的各种组件提供电力。在一个实施例中，电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为驾驶装置100的各种组件提供电力。在一些实施例中，电源110和能量源119可一起实现，例如一些全电动车中那样。

驾驶装置100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113，处理器113执行存储在例如存储器114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制驾驶装置100的个体组件或子系统的多个计算设备。

处理器113可以是任何常规的处理器，诸如商业可获得的中央处理器(centralprocessing unit，CPU)。替选地，该处理器可以是诸如专用集成电路(applicationspecific integrated circuits，ASIC)或其它基于硬件的处理器的专用设备。尽管图2功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器可以位于远离该驾驶装置并且与该驾驶装置进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于驾驶装置内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

在一些实施例中，存储器114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行驾驶装置100的各种功能，包括以上描述的那些功能。存储器114也可包含额外的指令，包括向行进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

其中，本申请实施例中，处理器113可以通过执行存储器114中的指令115来实现上述介绍的计算机视觉系统140、路线控制系统142、障碍规避系统144以及专家系统145的功能。

除了指令115以外，存储器114还可存储数据，例如道路地图、路线信息，自动驾驶装置的位置、方向、速度以及其它这样的自动驾驶装置数据，以及其他信息。这种信息可在驾驶装置100在自主、半自主和/或手动模式中操作期间被驾驶装置100和计算机系统112使用。

用户接口116，用于向驾驶装置100的用户提供信息或从其接收信息。可选地，用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备，例如无线通信系统146、车载电脑148、麦克风150和扬声器152。

计算机系统112可基于从各种子系统(例如，行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制驾驶装置100的功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。在一些实施例中，计算机系统112可操作来对驾驶装置100及其子系统的许多方面提供控制。

可选地，上述这些组件中的一个或多个可与驾驶装置100分开安装或关联。例如，存储器114可以部分或完全地与驾驶装置100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图2不应理解为对本申请实施例的限制。

在道路行进的自动驾驶汽车，如上面的驾驶装置100，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它自动驾驶装置、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与自动驾驶装置的间距等，可以用来确定自动驾驶汽车所要调整的速度。

可选地，自动驾驶汽车驾驶装置100或者与驾驶装置100相关联的计算设备(如图2的计算机系统112、计算机视觉系统140、存储器114)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。驾驶装置100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定自动驾驶装置将需要调整到(例如，加速、减速、或者停止)什么稳定状态。在这个过程中，也可以考虑其它因素来确定驾驶装置100的速度，诸如，驾驶装置100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改驾驶装置100的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。

上述驾驶装置100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场自动驾驶装置、施工设备、电车、高尔夫球车、火车、和手推车等，本申请实施例不做特别的限定。

应理解，本申请实施例提供的方法中的和模型训练以及推理过程相关的步骤涉及AI相关的运算，下面结合图3对本申请实施例提供的系统架构进行详细的介绍。

图3为本申请实施例提供的系统架构示意图。如图3所示，系统架构500包括执行设备510、训练设备520、数据库530、客户设备540、数据存储系统550以及数据采集系统560。

执行设备510包括计算模块511、I/O接口512、预处理模块513和预处理模块514。计算模块511中可以包括目标模型/规则501，预处理模块513和预处理模块514是可选的。

其中，执行设备510可以为轮式移动设备。

数据采集设备560用于采集训练样本。训练样本可以为真实的车辆的行驶数据(例如包括多个时刻车辆的路况信息以及对应的驾驶信息)，训练样本也可以为仿真器中的车辆模拟行驶数据等。在采集到训练样本之后，数据采集设备560将这些训练样本存入数据库530。

训练设备520可以基于数据库530中维护训练样本，对待训练的神经网络(例如本申请实施例中的神经网络模型(例如包括第一神经网络模型和第二神经网络模型等))，以得到目标模型/规则501。

应理解，训练设备520可以基于数据库530中维护训练样本，对待训练的神经网络进行预训练过程，或者是在预训练的基础上进行模型的微调。

需要说明的是，在实际应用中，数据库530中维护的训练样本不一定都来自于数据采集设备560的采集，也有可能是从其他设备接收得到的。另外需要说明的是，训练设备520也不一定完全基于数据库530维护的训练样本进行目标模型/规则501的训练，也有可能从云端或其他地方获取训练样本进行模型训练，上述描述不应该作为对本申请实施例的限定。

根据训练设备520训练得到的目标模型/规则501可以应用于不同的系统或设备中，如应用于图3所示的执行设备510，该执行设备510可以是终端，如手机终端，平板电脑，笔记本电脑，增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备，车载终端等，还可以是服务器等。

具体的，训练设备520可以将训练后的模型传递至执行设备510。

在图3中，执行设备510配置输入/输出(input/output，I/O)接口512，用于与外部设备进行数据交互，用户可以通过客户设备540向I/O接口512输入数据。

预处理模块513和预处理模块514用于根据I/O接口512接收到的输入数据进行预处理。应理解，可以没有预处理模块513和预处理模块514或者只有的一个预处理模块。当不存在预处理模块513和预处理模块514时，可以直接采用计算模块511对输入数据进行处理。

在执行设备510对输入数据进行预处理，或者在执行设备510的计算模块511执行计算等相关的处理过程中，执行设备510可以调用数据存储系统550中的数据、代码等以用于相应的处理，也可以将相应处理得到的数据、指令等存入数据存储系统550中。

最后，I/O接口512将处理结果提供给客户设备540，从而提供给用户。

在图3所示情况下，用户可以手动给定输入数据，该“手动给定输入数据”可以通过I/O接口512提供的界面进行操作。另一种情况下，客户设备540可以自动地向I/O接口512发送输入数据，如果要求客户设备540自动发送输入数据需要获得用户的授权，则用户可以在客户设备540中设置相应权限。用户可以在客户设备540查看执行设备510输出的结果，具体的呈现形式可以是显示、声音、动作等具体方式。客户设备540也可以作为数据采集端，采集如图所示输入I/O接口512的输入数据及输出I/O接口512的输出结果作为新的样本数据，并存入数据库530。当然，也可以不经过客户设备540进行采集，而是由I/O接口512直接将如图所示输入I/O接口512的输入数据及输出I/O接口512的输出结果，作为新的样本数据存入数据库530。

值得注意的是，图3仅是本申请实施例提供的一种系统架构的示意图，图中所示设备、器件、模块等之间的位置关系不构成任何限制，例如，在图3中，数据存储系统550相对执行设备510是外部存储器，在其它情况下，也可以将数据存储系统550置于执行设备510中。应理解，上述执行设备510可以部署于客户设备540中。

从模型的推理侧来说：

本申请实施例中，上述执行设备520的计算模块511可以获取到数据存储系统550中存储的代码来实现本申请实施例中的和模型推理过程相关的步骤。

本申请实施例中，执行设备520的计算模块511可以包括硬件电路(如专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)、通用处理器、数字信号处理器(digital signalprocessing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，训练设备520可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。

具体的，执行设备520的计算模块511可以为具有执行指令功能的硬件系统，本申请实施例提供的和模型推理过程相关的步骤可以为存储在存储器中的软件代码，执行设备520的计算模块511可以从存储器中获取到软件代码，并执行获取到的软件代码来实现本申请实施例提供的和模型推理过程相关的步骤。

应理解，执行设备520的计算模块511可以为不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合，本申请实施例提供的和模型推理过程相关的步骤的部分步骤还可以通过执行设备520的计算模块511中不具有执行指令功能的硬件系统来实现，这里并不限定。

从模型的训练侧来说：

本申请实施例中，上述训练设备520可以获取到存储器(图3中未示出，可以集成于训练设备520或者与训练设备520分离部署)中存储的代码来实现本申请实施例中和模型训练相关的步骤。

本申请实施例中，训练设备520可以包括硬件电路(如专用集成电路(applicationspecific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gatearray，FPGA)、通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，训练设备520可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。

应理解，训练设备520可以为不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合，本申请实施例提供的中和模型训练相关的部分步骤还可以通过训练设备520中不具有执行指令功能的硬件系统来实现，这里并不限定。

上述介绍的第一神经网络模型和专家系统可以简称为车辆中的规控模块，参照图4，图4中的AI模型可以为第一神经网络模型，图4中的车具体可以为车辆中的行进系统。

本申请实施例主要应用于自动驾驶中的规控系统。规控系统在自动驾驶系统中具有重要的作用，在如图4所示的自动驾驶基本框架中，规控系统接收感知、定位、预测模块的所有信息，根据当前的任务规划合理的轨迹并将其转化为对车辆控制量，控制车辆安全、舒适的在交通环境中行驶。规控系统的AI模型与专家系统同时存在，由于AI模型的不可解释性、功能边界模糊难确定等问题，规控系统的AI模型需要专家系统兜底。

由于本申请实施例涉及大量神经网络的应用，为了便于理解，下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。

(1)神经网络

神经网络可以是由神经单元组成的，神经单元可以是指以xs(即输入数据)和截距1为输入的运算单元，该运算单元的输出可以为：

其中，s＝1、2、……n，n为大于1的自然数，Ws为xs的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入，激活函数可以是sigmoid函数。神经网络是将多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。

(2)深度神经网络

深度神经网络(Deep Neural Network，DNN)，也称多层神经网络，可以理解为具有很多层隐含层的神经网络，这里的“很多”并没有特别的度量标准。从DNN按不同层的位置划分，DNN内部的神经网络可以分为三类：输入层，隐含层，输出层。一般来说第一层是输入层，最后一层是输出层，中间的层数都是隐含层。层与层之间是全连接的，也就是说，第i层的任意一个神经元一定与第i+1层的任意一个神经元相连。虽然DNN看起来很复杂，但是就每一层的工作来说，其实并不复杂，简单来说就是如下线性关系表达式：其中，是输入向量，是输出向量，是偏移向量，W是权重矩阵(也称系数)，α()是激活函数。每一层仅仅是对输入向量经过如此简单的操作得到输出向量由于DNN层数多，则系数W和偏移向量的数量也就很多了。这些参数在DNN中的定义如下所述：以系数W为例：假设在一个三层的DNN中，第二层的第4个神经元到第三层的第2个神经元的线性系数定义为上标3代表系数W所在的层数，而下标对应的是输出的第三层索引2和输入的第二层索引4。

总结就是：第L-1层的第k个神经元到第L层的第j个神经元的系数定义为

需要注意的是，输入层是没有W参数的。在深度神经网络中，更多的隐含层让网络更能够刻画现实世界中的复杂情形。理论上而言，参数越多的模型复杂度越高，“容量”也就越大，也就意味着它能完成更复杂的学习任务。训练深度神经网络的也就是学习权重矩阵的过程，其最终目的是得到训练好的深度神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。

(3)损失函数

在训练深度神经网络的过程中，因为希望深度神经网络的输出尽可能的接近真正想要预测的值，所以可以通过比较当前网络的预测值和真正想要的目标值，再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然，在第一次更新之前通常会有初始化的过程，即为深度神经网络中的各层预先配置参数)，比如，如果网络的预测值高了，就调整权重向量让它预测低一些，不断的调整，直到深度神经网络能够预测出真正想要的目标值或与真正想要的目标值非常接近的值。因此，就需要预先定义“如何比较预测值和目标值之间的差异”，这便是损失函数(loss function)或目标函数(objective function)，它们是用于衡量预测值和目标值的差异的重要方程。其中，以损失函数举例，损失函数的输出值(loss)越高表示差异越大，那么深度神经网络的训练就变成了尽可能缩小这个loss的过程。

(4)反向传播算法

可以采用误差反向传播(back propagation，BP)算法在训练过程中修正初始模型中参数的大小，使得模型的误差损失越来越小。具体地，前向传递输入信号直至输出会产生误差损失，通过反向传播误差损失信息来更新初始模型中的参数，从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动，旨在得到最优的模型参数，例如权重矩阵。

自动驾驶领域内的关键技术包括感知、决策、规划、控制等。其中，车辆的自主决策能力对整个自动驾驶系统的智能性、安全性起到关键性的作用。相比专家系统，数据驱动的AI方法具有复杂场景下类人决策的能力，是自动驾驶技术发展的趋势。然而数据驱动的AI方法不具备可解释性，在当前及未来相当长时间内需要与规控专家系统配合使用。因此，相比感知领域的AI应用，规控领域AI不仅要具备从海量人驾数据中学习类人决策的能力，还需要考虑与规控专家系统的适配。

具体的，AI模型在规控系统中可以基于路况信息预测车辆的行车意图、路径规划或者和环境的交互策略，然而AI模型输出的结果可能从行车的安全性或者舒适性的角度来说较差，因此需要基于规则的算法来对AI模型输出的结果进行判决，确定AI模型输出的结果是否可以被使用，以及在确定可以被使用的情况下，确定车辆的控制信息。

当前主流数据驱动方法多为开环类学习方法(如模仿学习)，此类方法思路较为直接：从海量人驾数据中学习观测量到后验轨迹输出的端对端映射的模型。然而，此类方法学习模型难以考虑输出动作的实际闭环效果，从而造成实际应用效果的下降。

结合上述描述，本申请实施例提供了一种模型的训练方法和道路拓扑预测方法，可分别应用于模型的训练阶段和推理阶段，下面分别进行描述。

一、训练阶段

本申请实施例中，训练阶段为上述图3中训练设备520利用训练集中的训练样本对目标模型501执行训练操作的过程。具体请参阅图5，图5为本申请实施例提供的模型的训练方法的一种流程示意图，具体可以包括：

501、获取目标车辆的路况信息。

在一种可能的实现中，在对车辆的规控系统中的AI模型(例如本申请实施例中的第一神经网络模型)进行训练时，可以获取到训练样本，该训练样本可以包括目标车辆在多个时刻所处的路况信息以及对应的行车信息，例如，行车信息可以为行车意图(例如左转、右转、车道保持等)、行车轨迹以及和环境的交互决策(例如是否避障等)。

由于行车信息往往不准确(例如在安全性或者舒适性上不是最优的信息)，因此需要专家模块来对行车信息进行兜底和纠正，在现有的实现中，在对AI模型进行训练的过程中，往往采用行车信息作为标签来更新AI模型，并未引入后续专家系统的输出，因此用于更新第一神经网络模型的标签实质上的置信度较低，从而导致训练后的模型的处理精度较低。

本申请实施例中，利用专家系统的输出参与到第一神经网络模型的训练当中，相当于对第一神经网络模型进行了闭环训练，从而提高了AI模型的精度。

接下来首先介绍本申请实施例中的训练样本：

在一种可能的实现中，训练样本可以包括目标车辆在某一时刻所处的路况信息。

其中，目标车辆可以为实体的车辆，路况信息可以来源于真实的车辆的行驶数据中的路况信息。

例如，路况信息可以为传感器(例如摄像头、雷达)对目标车辆所处道路等周边环境所采集的数据。

此外，目标车辆还可以为仿真器中的虚拟车辆，路况信息可以来源于仿真器中的车辆模拟行驶数据中的路况信息。

其中，路况信息可以包括周围交通参与者的状态信息，包括位置、位姿、速度、加速度等；以及道路相关的信息，包括车道限速、车道剩余长度、虚实线、交通信号等。

此外，还可以获取到目标车辆的状态，该状态可以和路况信息一同输入到第一神经网络模型中，目标车辆的状态可以是目标车辆的车辆位置、速度(例如车辆坐标中的纵向和横向速度)和姿态(例如，车辆侧倾、俯仰和偏航)、加速度等。

502、根据所述路况信息，通过第一神经网络模型，得到目标信息，所述目标信息为所述目标车辆的行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测。

例如，目标信息可以为行车意图(例如左转、右转、车道保持等)、行车轨迹以及和环境的交互决策(例如是否避障等)等。

503、根据所述目标信息，通过专家系统或者专家系统对所述路况信息和所述路况信息对应的标签处理得到的结果，更新所述第一神经网络模型。

在一种可能的实现中，可以将路况信息以及目标信息对应的标签，输入到专家系统中，以得到专家系统的处理结果。

其中，路况信息对应的标签可以为实际驾驶过程(可以是仿真环境中的驾驶过程，也可以是实际物理环境中的驾驶过程)中的数据(例如可以是行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测)，该数据可以在训练样本中作为目标信息对应的真值。

其中，专家系统可以为基于规则实现的，也可以是基于神经网络实现的。

在一种可能的实现中，可以根据处理结果确定路况信息对应的标签的可行度，也就是目标车辆若根据标签进行对应的行车控制时，车辆自身的安全性或者舒适性是否满足要求，示例性的，可行度可以通过1或者0来表示，其中1表示可行，0表示不可行。例如，参照图6，若标签为左换道，而专家系统确定车辆在左换道之后存在安全风险，因此专家系统可以输出左换道不可行且控制车辆进行车道保持。

在一种可能的实现中，处理结果可以为所述标签的可行分数，也就是目标车辆若进行标签对应的行车控制时，车辆自身的安全性或者舒适性的满足程度。

其中，专家系统可以为策略类的算法(非神经网络的算法)。

专家系统在处理标签时，可以首先根据路况信息确定规控系统状态s，该规控系统状态s可以为专家系统内部的一些参数的赋值，之后专家系统可以根据路况信息和标签(例如将标签和路况信息作为专家系统的输入，或者将通过对标签和路况信息映射得到的数据作为专家系统的输入)得到规控系统的下一时刻状态s’，同时根据规控系统状态s、下一时刻状态s’等信息得到标签的可行度。

应理解，可行度可以是专家系统直接输出的数据，也可以根据专家系统的输出结果确定标签的可行度，例如，专家系统可以输出纠正后的标签，可以基于标签纠正前后的差异来确定可行度。例如，若纠正后的标签相比纠正前没有差异，则认为标签可行，若纠正后的标签相比纠正前存在差异，则认为标签不可行。

专家系统得到的可行度可以认为是对标签的评价，因此，可以将可行度引入到AI模型的训练过程中，具体的，可以根据所述目标信息和对应的标签，确定损失(由于标签可能并不准确，因此该损失也可能不准确，若基于不准确的损失进行AI模型的更新会导致模型的训练精度较差)。因此，本申请实施例中通过所述可行度对所述损失进行调整，并根据调整后的所述损失(调整后的损失相当于引入了专家系统的输出)，确定所述更新梯度。

例如，所述可行度指示所述标签可行或者不可行，在可行度指示标签可行时，可以确定第一神经网络模型需要被更新，而在可行度指示标签不可行时，可以确定第一神经网络模型不需要被更新，或者相应减少更新梯度的绝对大小。

例如，所述可行度可以指示所述标签的可行度分数，可以将所述可行度分数作为权重，对所述损失进行调整。在可行度分数较大时，可以认为标签的准确度较高，进而基于可行度分数得到的更新梯度也较大，在可行度分数较小时，可以认为标签的准确度较低，进而基于可行度分数得到的更新梯度也较小。

具体的，设有海量人驾数据集D＝[x,y](其中x为网络输入量、y为标签量)，D按需构建成离散点型数据集或时序流型数据集。将D接入到规控系统(例如，基于规则的专家系统)中，即根据x设定规控系统状态s，并将标签量y和x作为规控系统输入，得到规控系统的下一时刻状态s’以及规控系统的输出a，得到包含规控特性的数据元组[x,y,s,a,s’]。同时，设计评估模型R对规控响应进行评估，分值r＝R(s,a(基于x和y),s’)。对数据集D进行上述操作，则得到包含规控特性的分数数据集Ds＝[x,y,r]。基于分数数据集训练时，分数r将作为对应样本的权重，影响模型更新的梯度。

参照图7，以目标信息为换道决策为例，对于收集到的换道数据集D＝[x,y]，其中x为路况信息，y为换道信息(也就是本申请实施例中的标签)，即左换道、保持车道、右换道。将D逐帧注入到专家系统中，利用x对专家系统进行状态初始化得到s，并将y作为启发命令输入到专家系统中，此时专家系统对每一帧数据均会有产生一个对应输出a，并更新到后继状态s’，这样得到数据元组[x,y,s,a,s’]。随后，设计一个奖励模型(第一奖励模型)对该元组进行打分，该奖励模型可以在离线学习中被使用，具体用于基于专家系统的输出来确定标签的可行度。示例性的，本实施例中，奖励模型可以采用y与a的是否相同进行打分。若y与a相同，则证明规控专家系统可以响应y的输入，得1分(也就是指示目标信息可行)；若y与a不相同，则证明规控专家系统不能响应y的输入，得0分(也就是指示目标信息不可行)。这样得到增广数据1[x,y,r]。

基于增广数据集1对第一神经网络模型进行训练，相比于传统数据集中值包含[输入量，标签量]，增广数据集1中多了一个打分项。在训练过程中，该打分项将作为此条样本的权重参与到模型参数更新的过程中。在该实施例中，若样本与规控不适配时r＝0，在实际参数更新中此条样本并不会产生影响；若样本与规控适配r＝1，则样本对模型参数更新产生影响。

此外，在一种可能的实现中，专家系统可以为参数化后的神经网络模型(也就是神经网络，本申请实施例中可以称之为第二神经网络模型)。可以通过训练的方式，使得参数化后的神经网络模型可以具备和参数前的专家系统相同或者近似的数据处理能力。

参照图8，本实施例中，可以使用离线训练模型m(也就是第一神经网络模型)，在输入x下由专家系统承接离线训练模型m的输出u，并获得对应专家系统输出a，得到增广数据集2[x,u,a]。增广数据集2，包含了在离线训练模型m下的专家系统特性。基于增广数据集2，以(x,u)为输入，a为标签训练，可得到专家系统的参数化模型f(即第二神经网络模型)。此时参数化模型f在离线训练模型m下的泛化性能较好。

示例性的，设与规控系统交互过程中获得的路况信息为x，同时给定x下第一神经网络模型的输出为u，两者同时接入到专家系统中可得专家系统的输出a。经过足够轮次交互后可得规控特性数据集Dp＝[x,u,a]，基于数据集Dp，可训练一个基于规则实现的专家系统的神经网络模型a＝f(x,u；w)，其中f为专家系统参数化模型(也就是本申请实施例中的第二神经网络模型)，w为模型参数。

在专家系统为非神经网络的情况下，无法直接利用专家系统的输出对应的奖励值来确定第一神经网络模型的更新梯度(原因在于专家系统为非神经网络，无法进行梯度回传，且基于策略算法的专家系统往往存在大量的状态机迁转、随机采样、优化等模块，若通过随机探索对其进行的特性学习非常缓慢，大大增加了在线学习交互的难度)。而，若在训练过程中将专家系统进行参数化，则可以利用专家系统的输出来确定奖励值，在进行梯度回传时，可以传递至第一神经网络模型，一方面可以得到第一神经网络模型对应的更新梯度，且该更新梯度是基于基于神经网络模型实现的专家系统的输出得到的，相当于将基于神经网络模型实现的专家系统得到的输出引入到第一神经网络模型的训练过程中，从而提高了训练后的模型的处理精度。

在一种可能的实现中，专家系统为第二神经网络模型；可以根据路况信息以及目标信息，通过第二神经网络模型，确定目标车辆的控制指令；根据控制指令控制目标车辆和目标车辆周围的环境进行交互，得到交互结果，根据交互结果更新第一神经网络模型。示例性的，可以设计奖励模型(第二奖励模型)，根据交互结果确定奖励值，根据奖励值确定第一神经网络的更新梯度，并利用第一神经网络模型的更新梯度更新第一神经网络模型。

可选的，还可以根据控制指令和控制指令对应的标签，更新第二神经网络模型，控制指令对应的标签为通过基于规则实现的专家系统处理路况信息和目标信息得到的。

关于奖励模型确定交互结果确定奖励值，可以基于现有强化学习的实现，这里不再赘述。

示例性的，参照图9,规控系统包括离线训练模型m(第一神经网络模型)及规控专家系统参数化模型f(第二神经网络模型)，本实施例通过在线交互的方式对两个模型继续进行调优。具体的，将m、f带入到仿真系统中，此时由于f的存在，可直接对a进行探索，探索更加高效。将奖励模型(第二奖励模型)带入到在线探索中，可得到交互数据[x,(u,a),x’,r,d]。其中，u、a为给定路况信息x下第一神经网络模型的输出及第二神经网络模型的输出。可基于数据[u,a]持续对f更新。其中，a为探索数据，可以基于[x,a,x’,r,d]利用传统强化学习对m进行更新，x’为目标车辆与周围环境交互以后的路况信息，r为奖励模型根据目标车辆与周围环境交互后的交互结果得到的评分(例如，奖励值)，d为任务执行是否结束的标记，例如任务执行完成、执行中止等。从而实现m，f的持续在线优化，直到收敛。

需要说明的是，在本申请的一些实施方式中，利用更新梯度对第一神经网络模型进行训练时应该训练到何种程度可以有多种判断方式，下面提供一些结束对该第一神经网络模型进行训练的终止条件，包括但不限于：

(1)损失函数达到预设阈值。

在配置好该损失函数后，可事先对该损失函数设置一个阈值(如，0.03)，在对第一神经网络模型进行迭代训练的过程中，每次训练结束后都判断当前轮次训练得到的损失函数的取值是否达到阈值，若没达到，则继续训练，若达到设置的预设阈值，则终止训练，那么该当前轮次训练确定的第一神经网络模型的网络参数的取值就作为最终训练好的第一神经网络模型的网络参数取值。

(2)损失函数开始收敛。

在配置好该损失函数后，就可对第一神经网络模型进行迭代训练，若当前轮次训练得到的损失函数的取值与上一轮次训练得到的损失函数的取值之间的差值在预设范围(如，在0.01)之内，则认为该损失函数收敛了，则可终止训练，那么该当前轮次训练确定的第一神经网络模型的网络参数的取值就作为最终训练好的第一神经网络模型的网络参数取值。

(3)训练达到预设次数。

在这种方式中，可预先配置对第一神经网络模型进行训练的迭代次数(如，1000次)，在配置好该损失函数后，可对第一神经网络模型进行迭代训练，每个轮次训练结束后，都将对应该轮次的第一神经网络模型的网络参数的取值存储下来，直至训练的迭代次数达到预设次数，之后，利用测试数据对各个轮次得到的第一神经网络模型进行验证，从中选择性能最好的那个网络参数的取值作为该第一神经网络模型最终的网络参数的取值。

二、推理阶段

本申请实施例中，推理阶段为上述图3中执行设备510利用训练好的目标模型501进行车辆控制的过程。具体的，在实际推理时，执行设备510可以获取目标车辆的路况信息，并通过图5对应的实施例得到的更新后的第一神经网络模型，得到目标信息，该目标信息为目标车辆的行车意图预测、行驶路径的预测或者目标车辆和环境的交互行为预测，然后根据路况信息以及目标信息，通过专家系统，确定目标车辆的控制指令。

接下来从装置的角度介绍本申请实施例提供的一种模型训练装置，该模型训练装置可以是上述的训练设备520，参照图10A，图10A为本申请实施例提供的一种模型训练装置的结构示意图，如图10A所示，本申请实施例提供的一种模型训练装置1000包括：

获取模块1001，用于获取目标车辆的路况信息；

其中，关于获取模块1001的具体介绍可以参照上述实施例中步骤501的描述，这里不再赘述。

处理模块1002，用于根据路况信息，通过第一神经网络模型，得到目标信息，该目标信息为目标车辆的行车意图预测、行驶路径的预测或者目标车辆和环境的交互行为预测；

其中，关于处理模块1002的具体介绍可以参照上述实施例中步骤502的描述，这里不再赘述。

更新模块1003，用于根据目标信息，通过专家系统或者专家系统对该路况信息和该路况信息对应的标签处理得到的结果，更新第一神经网络模型。

其中，关于更新模块1003的具体介绍可以参照上述实施例中步骤503的描述，这里不再赘述。

在一种可能的实现中，更新模块1003，具体用于：

根据目标信息和该路况信息对应的标签，确定损失；通过可行度对损失进行调整，得到调整后的损失，可行度为根据专家系统对路况信息和路况信息对应的标签处理得到的结果得到的；根据调整后的损失，更新第一神经网络模型。

在一种可能的实现中，可行度指示标签可行或者不可行。

在一种可能的实现中，可行度为可行度分数；更新模块1003，具体用于：

将可行度分数作为权重，对损失进行调整。

在一种可能的实现中，所述可行度与如下信息有关：

在根据标签对所述目标车辆进行行驶控制时，所述目标车辆的安全性或者舒适性。

所述专家系统为第二神经网络模型；所述更新模块1003，具体用于：

根据路况信息以及目标信息，通过第二神经网络模型，确定目标车辆的控制指令；根据控制指令控制目标车辆和目标车辆周围的环境进行交互，确定交互结果；根据交互结果更新第一神经网络模型。

在一种可能的实现中，更新模块1003，还用于：根据控制指令和控制指令对应的标签，更新第二神经网络模型，控制指令对应的标签为通过基于规则实现的专家系统处理路况信息和目标信息得到的。

接下来从装置角度介绍本申请实施例提供的一种车辆控制装置，该车辆控制装置可以是前述的执行设备510，参照图10B，为本申请实施例提供的一种车辆控制装置的结构示意图，如图10B所示，本申请实施例提供的一种车辆控制装置1010包括：

获取模块1011，用于获取目标车辆的路况信息；

处理模块1012，用于根据路况信息，通过图5对应的实施例得到更新后的第一神经网络模型，得到目标信息，该目标信息为目标车辆的行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测；

以及根据路况信息以及所述目标信息，通过专家系统，确定目标车辆的控制指令。

接下来介绍本申请实施例提供的一种终端设备1100，请参阅图11，图11为本申请实施例提供的终端设备的一种结构示意图，终端设备1100具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、智能车、车载计算平台、车载域控制器、车载终端等，此处不做限定。其中，终端设备1100实现执行设备510的功能。具体的，终端设备1100包括：接收器1101、发射器1102、处理器1103和存储器1104(其中终端设备1100中的处理器1103的数量可以一个或多个)，其中，处理器1103可以包括应用处理器11031和通信处理器11032。在本申请的一些实施例中，接收器1101、发射器1102、处理器1103和存储器1104可通过总线或其它方式连接。

存储器1104可以包括只读存储器和随机存取存储器，并向处理器1103提供指令和数据。存储器1104的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器1104存储有处理器和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。

处理器1103控制终端设备的操作。具体的应用中，终端设备的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。

上述本申请实施例揭示的方法可以应用于处理器1103中，或者由处理器1103实现。处理器1103可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1103中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1103可以是通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器、以及视觉处理器(vision processing unit，VPU)、张量处理器(tensorprocessing unit，TPU)等适用于AI运算的处理器，还可进一步包括专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1103可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1104，处理器1103读取存储器1104中的信息，结合其硬件完成上述实施例中步骤501至步骤503的步骤。

接收器1101可用于接收输入的数字或字符信息，以及产生与终端设备的相关设置以及功能控制有关的信号输入。发射器1102可用于通过第一接口输出数字或字符信息；发射器1102还可用于通过第一接口向磁盘组发送指令，以修改磁盘组中的数据；发射器1102还可以包括显示屏等显示设备。

本申请实施例还提供了一种服务器，该服务器可以是上述的训练设备520，请参阅图12，图12是本申请实施例提供的服务器一种结构示意图，具体的，服务器1200由一个或多个服务器实现，服务器1200可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)1212(例如，一个或一个以上处理器)和存储器1232，一个或一个以上存储应用程序1242或数据1244的存储介质1230(例如一个或一个以上海量存储设备)。其中，存储器1232和存储介质1230可以是短暂存储或持久存储。存储在存储介质1230的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1212可以设置为与存储介质1230通信，在服务器1200上执行存储介质1230中的一系列指令操作。

服务器1200还可以包括一个或一个以上电源1226，一个或一个以上有线或无线网络接口1250，一个或一个以上输入输出接口1258；或，一个或一个以上操作系统1241，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

具体的，服务器可以进行上述实施例中步骤501至步骤503的步骤。

本申请实施例中还提供一种包括计算机程序产品，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。

本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有用于进行信号处理的程序，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。

本申请实施例还提供一种车辆，该车辆包括传感器，以及上述的执行设备510或者车辆控制装置1010或者终端设备1100；该传感器用于采集车辆的路况信息。

本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使芯片执行前述执行设备所执行的前述实施例的方法，或者，以使芯片执行前述训练设备所执行的前述实施例的方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。

具体的，请参阅图13，图13为本申请实施例提供的芯片的一种结构示意图，所述芯片可以表现为神经网络处理器NPU1300，NPU 1300作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路1303，通过控制器1304控制运算电路1303提取存储器中的矩阵数据并进行乘法运算。

NPU 1300可以通过内部的各个器件之间的相互配合，来实现图5所描述的实施例中提供的模型的训练方法。

更具体的，在一些实现中，NPU 1300中的运算电路1303内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路1303是二维脉动阵列。运算电路1303还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路1303是通用的矩阵处理器。

举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器1302中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器1301中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)1308中。

统一存储器1306用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)1305，DMAC被搬运到权重存储器1302中。输入数据也通过DMAC被搬运到统一存储器1306中。

BIU为Bus Interface Unit即，总线接口单元1310，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)1309的交互。

总线接口单元1310(Bus Interface Unit，简称BIU)，用于取指存储器1309从外部存储器获取指令，还用于存储单元访问控制器1305从外部存储器获取输入矩阵A或者权重矩阵B的原数据。

DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1306或将权重数据搬运到权重存储器1302中或将输入数据数据搬运到输入存储器1301中。

向量计算单元1307包括多个运算处理单元，在需要的情况下，对运算电路1303的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如Batch Normalization(批归一化)，像素级求和，对特征平面进行上采样等。

在一些实现中，向量计算单元1307能将经处理的输出的向量存储到统一存储器1306。例如，向量计算单元1307可以将线性函数；或，非线性函数应用到运算电路1303的输出，例如对卷积层提取的特征平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元1307生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路1303的激活输入，例如用于在神经网络中的后续层中的使用。

控制器1304连接的取指存储器(instruction fetch buffer)1309，用于存储控制器1304使用的指令；

统一存储器1306，输入存储器1301，权重存储器1302以及取指存储器1309均为On-Chip存储器。外部存储器私有于该NPU硬件架构。

其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述程序执行的集成电路。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，训练设备，或者网络设备等)执行本申请各个实施例所述的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

Claims (19)

1.一种模型的训练方法，其特征在于，所述方法包括：

获取目标车辆的路况信息；

根据所述路况信息，通过第一神经网络模型，得到目标信息，所述目标信息为所述目标车辆的行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测；

根据所述目标信息，通过专家系统或者专家系统对所述路况信息和所述路况信息对应的标签处理得到的结果，更新所述第一神经网络模型。

2.根据权利要求1所述的方法，其特征在于，

所述根据所述目标信息，通过专家系统或者专家系统对所述路况信息和所述路况信息对应的标签处理得到的结果，更新所述第一神经网络模型，包括：

根据所述目标信息和所述标签，确定损失；

通过可行度对所述损失进行调整，得到调整后的损失，所述可行度根据所述结果得到；

根据所述调整后的损失，更新所述第一神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述可行度为可行度分数；

所述通过所述可行度对所述损失进行调整，包括：

将所述可行度分数作为权重，对所述损失进行调整。

4.根据权利要求2或3所述的方法，其特征在于，所述可行度与如下信息有关：

在根据所述目标信息对所述目标车辆进行行驶控制时，所述目标车辆的安全性或者舒适性。

5.根据权利要求1所述的方法，其特征在于，所述专家系统为第二神经网络模型，所述根据所述目标信息，通过专家系统或者专家系统对所述路况信息和所述路况信息对应的标签处理得到的结果，更新所述第一神经网络模型，包括：

根据所述路况信息以及所述目标信息，通过所述第二神经网络模型，确定所述目标车辆的控制指令；

根据所述控制指令控制所述目标车辆和所述车辆周围的环境进行交互，确定交互结果；

根据所述交互结果，更新所述第一神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

根据所述控制指令和所述控制指令对应的标签，更新所述第二神经网络模型，所述控制指令对应的标签为通过基于规则实现的专家系统处理所述路况信息和所述目标信息得到的。

7.一种车辆控制方法，其特征在于，所述方法包括：

获取目标车辆的路况信息；

根据所述路况信息，通过如权利要求1至6任一所述的方法得到的更新后的第一神经网络模型，得到目标信息，所述目标信息为所述目标车辆的行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测；

根据所述路况信息以及所述目标信息，通过专家系统，确定所述目标车辆的控制指令。

8.一种模型的训练装置，其特征在于，所述装置包括：

获取模块，用于获取目标车辆的路况信息；

处理模块，用于根据所述路况信息，通过第一神经网络模型，得到目标信息，所述目标信息为所述目标车辆的行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测；

更新模块，用于根据所述目标信息，通过专家系统或者专家系统对所述路况信息和所述路况信息对应的标签处理得到的结果，更新所述第一神经网络模型。

9.根据权利要求8所述的装置，其特征在于，所述更新模块，具体用于：

根据所述目标信息和所述标签，确定损失；

通过可行度对所述损失进行调整，得到调整后的损失，所述可行度根据所述结果得到；

根据所述调整后的损失，更新所述第一神经网络模型。

10.根据权利要求9所述的装置，其特征在于，所述可行度为可行度分数；

所述更新模块，具体用于：

将所述可行度分数作为权重，对所述损失进行调整。

11.根据权利要求9或10所述的装置，其特征在于，所述可行度与如下信息有关：

在根据所述目标信息对所述目标车辆进行行驶控制时，所述目标车辆的安全性或者舒适性。

12.根据权利要求8所述的装置，其特征在于，所述专家系统为第二神经网络模型；所述更新模块，具体用于：

根据所述路况信息以及所述目标信息，通过所述第二神经网络模型，确定所述目标车辆的控制指令；根据所述控制指令控制所述目标车辆和所述目标车辆周围的环境进行交互，确定交互结果；根据所述交互结果，更新所述第一神经网络模型。

13.根据权利要求12所述的装置，其特征在于，所述更新模块，还用于：根据所述控制指令和所述控制指令对应的标签，更新所述第二神经网络模型，所述控制指令对应的标签为通过基于规则实现的专家系统处理所述路况信息和所述目标信息得到的。

14.一种车辆控制装置，其特征在于，所述装置包括：

获取模块，用于获取目标车辆的路况信息；

处理模块，用于根据所述路况信息，通过如权利要求1至6任一所述的方法得到的更新后的第一神经网络模型，得到目标信息，所述目标信息为所述目标车辆的行车意图预测、行驶路径的预测或者所述目标车辆和环境的交互行为预测；

根据所述路况信息以及所述目标信息，通过专家系统，确定所述目标车辆的控制指令。

15.一种计算装置，其特征在于，所述计算装置包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行如权利要求1至7任一所述的方法。

16.一种车辆，其特征在于，包括传感器，以及如权利要求14所述的车辆控制装置；

所述传感器用于采集所述车辆的路况信息。

17.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一个或多个指令，所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至7任一所述的方法。

18.一种计算机程序产品，包括代码，其特征在于，在所述代码被执行时用于实现如权利要求1至7任一所述的方法。

19.一种芯片，包括处理器，其特征在于，所述处理器用于执行如权利要求1至7任一所述的方法。