用于训练中央人工智能模块的方法技术

一种用于训练(106)中央人工智能模块KI模块的方法，所述KI模块用于车辆的高度自动化的或完全自动化的运行，其中，中央KI模块设置用于将输入信号转变为输出信号，其中，根据通过内部处理参数的值的变化可匹配的处理链实现所述转变，其特征在于，中央KI模块的训练(106)如此实现，使得基于另外的KI模块的另外的内部处理参数改变内部处理参数，其中，另外的KI模块位于多个车辆中并且分别设置用于将输入信号转变为输出信号，其中，所述转变分别根据通过另外的内部处理参数的值的变化可匹配的处理链来实现，其中，根据基于借助安装在车辆中的环境传感机构检测的环境数据的输入信号训练所述另外的KI模块。

A Method for Training Central Artificial Intelligence Module

【技术实现步骤摘要】
用于训练中央人工智能模块的方法
本专利技术涉及一种用于训练中央人工智能模块的方法。
技术介绍
由现有技术已知用于人工智能的学习方法，其中，基于由车辆检测和中央存储的环境数据训练神经网络。在此使用车辆传感器的原始数据，所述原始数据可以包含必要时敏感的限制车辆用户的隐私的信息。此外，已知以下学习方法：在所述学习方法中，在车辆上根据由车辆检测的环境数据学习意在用于自动化驾驶的人工智能。为了收集对于人工智能的学习足够大的量的数据，需要的是，车辆驶过极其多的测试公里数。
技术实现思路
本专利技术描述一种用于训练位于服务器上的中央人工智能模块(KI模块)的方法，所述KI模块用于车辆的高度自动化的或完全自动化的运行。所述方法包括以下步骤：根据输入信号执行至少一个学习步骤用于训练位于第一车辆或第一车辆的硬件在环(HiL：HardwareintheLoop)仿真中的第一KI模块，其中，输入信号基于车辆的借助在第一车辆中安装的环境传感机构检测的环境数据或记录的环境数据，其中，在训练时匹配所述第一KI模块的第一内部处理参数，基于所述第一内部处理参数将进入所述第一KI模块的输入信号转变为输出信号；根据输入信号执行至少一个学习步骤用于训练位于第二车辆或第二车辆的硬件在环(HiL)仿真中的第二KI模块，其中，所述输入信号基于车辆的借助在所述第二车辆中安装的环境传感机构检测的环境数据或记录的环境数据，其中，在训练时匹配所述第二KI模块的第二内部处理参数，基于所述第二内部处理参数将进入所述第二KI模块的输入信号转变为输出信号；传输经匹配的第一内部处理参数给所述服务器；传输经匹配的第二内部处理参数给所述服务器；基于所传输的经匹配的第一和第二内部处理参数训练所述中央KI模块。服务器例如可以是中央计算机，其与互联网连接并且可以接收车辆的数据并且发送数据给车辆。中央KI模块的训练在此尤其在服务器上实现。位于中央服务器上的人工智能模块(人工智能模块在本申请中在下文中缩写为KI模块)可以是以下模块：该模块可以独立处理问题。作为KI模块例如可以应用人工神经网络、递归神经网络、卷积神经网络或基于反向传播的网络。也可以考虑应用自编码器或相似的结构或算法。多种算法或网络类型的组合也是可能的。一般地，多个网络也可以相互联网，并且，将各个网络的输出值用作到另外的网络中的输入值。例如在车辆或硬件在环(HiL)仿真中应用的另外的KI模块可以相应地构造。在本专利技术的一种实施方式中，所述另外的KI模块甚至可以相同地设计。另外的KI模块同样具有独立解决问题的任务。为此，基于可变的内部处理参数将输入数据转变为输出数据。在另外的KI模块学习时，基于相应于所检测的环境数据的输入数据匹配这些处理参数。为此，例如可以使用如强化学习这样的方法。补充地或替代地，也可以基于输入数据提供所期望的输出数据并且因此提供学习集(Lernset)，根据其来训练KI模块。所述另外的KI模块的经匹配的处理参数可以独立于KI模块的学习状态地传输给中央KI模块。中央KI模块的特征在于，基于另外的KI模块尤其第一KI模块的和第二KI模块的所传输的处理参数来训练所述中央KI模块。另外的KI模块的处理参数可以为此例如借助基于随机梯度法的算法被用于求取中央KI模块的中央处理参数。中央处理参数例如也可以通过相应的另外的处理参数的求平均值来求取。如果KI模块构造为神经网络，则处理参数尤其可以包含权重的值，其确定在不同的神经元之间的信息转发。在神经网络的学习中，常用的实践是，随机选择权重的开始值。对于借助多个KI模块的分布式学习适合的是，相同地选择在各个KI模块中的权重的所有初始值。由此可以提高权重在中央KI中收敛的概率。所述第一KI模块的和/或所述第二KI模块的处理参数的传输例如通过常用的Car2X通信单元和Car2X通信方法来实现。例如传输通过无线电、例如通过WLAN和/或UMTS和/或LTE是可能的。如果第一和/或第二KI模块位于HiL仿真中，则对于所述KI模块的训练可以使用由任意车辆记录的环境数据。因此，对于第一和第二KI模块的训练，可以使用不同车辆的或相同车辆的环境数据。在此适合的是，如果使用相同车辆的环境数据，则选择来自不同行驶状况的环境数据。一方面可以将环境数据实时馈入KI模块，另一方面可以首先记录环境数据并且以一时间偏差将环境数据馈入/输入KI模块中。对于HiL仿真，尤其记录的数据是适合的。高度自动化的或高度自动化运行的车辆理解为以下车辆：所述车辆可以独立地在没有驾驶员干预的情况下实施至少预先定义的驾驶功能。示例性的驾驶功能是具有自动化的横向和/或纵向引导的系统，例如停车辅助、拥堵辅助、高速公路领航员(Autobahnpilot)，等等。完全自动化的或完全自动化运行的车辆能够实施这些驾驶功能中的多个，从而必要时也可以独立地由车辆驶过复杂的路段，而无需驾驶员干预。必要时，完全自动化的车辆几乎可以掌握所有典型的行驶状况，从而这些车辆可以独立地在没有驾驶员干预的情况下参与道路交通。必要时在这些车辆中不再存在驾驶员干预的可能性，因为不再需要驾驶员。车辆在此理解为陆上交通工具、空中交通工具以及空间交通工具和水域交通工具，尤其客车、载重车辆、公共汽车、往返运输工具、两轮车、小船、飞机、直升飞机以及无人机。例如也可以为了运行自动化的机器人和/或叉车而根据在自动化的机器人和/或叉车中的分布式KI模块来训练中央KI模块。在本申请中要求保护的方法提供以下优点：即对于中央KI模块的学习不必强制地使用输入数据，而是也可以基于另外的KI模块的处理参数来实现学习。此外，可以足够的是，位于车辆中的另外的KI模块仅仅执行少量学习步骤，所述少量学习步骤自身不足以用于KI模块的训练，但是与另外的KI模块组合地提供足够好的学习结果。各个车辆因此必要时也需要少量计算功率且由此可以更成本有利地制造。除此之外可以借助所述方法时间错开地使用学习结果用于训练中央KI模块，因为可以暂存处理参数。所述方法相比于以下学习方法——在所述学习方法中使用由车辆检测的环境数据用于训练中央KI模块——的另一重要优点在于，不再必须传输这些环境数据。根据位于车辆中的KI模块的学习过程压缩以经匹配的处理参数形式的输入数据。因为仅仅传输经压缩的处理参数给中央KI模块，所以由此可以大幅降低要所传输的数据量。由此，来自单个车辆的Car-to-X通信连接的传输能力几乎不受负荷，因为仅仅传输学习步骤的计算结果给云端。此外，输入信号和/或环境数据不可以由所传输的处理参数再建立/重构。由此，必要时保护包含个人数据的输入信号和/或环境数据，并且能够实现在没有敏感数据的情况下的匿名学习。通过将KI模块安装在尽可能多的、尤其在不同区域中运动的车辆中可以确保：驾驶操纵的尽可能广泛的学习结果对于中央KI模块的计算在服务器上可用。中央KI模块的学习过程可以基于车辆中的并行学习过程同样并行化并且因此极度加速。在中央服务器上的学习除此之外提供以下优点，即可以给服务器提供非常多的计算功率。因此，中央KI模块的训练可以以高效的方式通过HPC(高性能计算)来实现。如果第一和/或第二KI模块在HiL仿真中执行学习步骤，则相比于在车辆上也可以以更高的频率馈入输入数据，因为在相应设计的HiL中的处理速度相比本文档来自技高网...

【技术保护点】
1.一种用于训练位于服务器上的中央人工智能模块——KI模块的方法，所述KI模块用于车辆的高度自动化的或完全自动化的运行，所述方法具有以下步骤：根据输入信号执行(102)至少一个学习步骤用于训练位于第一车辆或第一车辆的硬件在环(HiL)仿真中的第一KI模块，其中，所述输入信号基于车辆的借助在所述第一车辆中安装的环境传感机构检测的环境数据或记录的环境数据，其中，在训练时匹配所述第一KI模块的第一内部处理参数，基于所述第一内部处理参数将进入所述第一KI模块的输入信号转变为输出信号；根据输入信号执行(103)至少一个学习步骤用于训练位于第二车辆或第二车辆的硬件在环(HiL)仿真中的第二KI模块，其中，所述输入信号基于车辆的借助在所述第二车辆中安装的环境传感机构检测的环境数据或记录的环境数据，其中，在训练时匹配所述第二KI模块的第二内部处理参数，基于所述第二内部处理参数将进入所述第二KI模块的输入信号转变为输出信号；传输(104)经匹配的第一内部处理参数给所述服务器；传输(105)经匹配的第二内部处理参数给所述服务器；基于所传输的经匹配的第一和第二内部处理参数训练(106)所述中央KI模块。

【技术特征摘要】
2017.10.30 DE 102017219441.31.一种用于训练位于服务器上的中央人工智能模块——KI模块的方法，所述KI模块用于车辆的高度自动化的或完全自动化的运行，所述方法具有以下步骤：根据输入信号执行(102)至少一个学习步骤用于训练位于第一车辆或第一车辆的硬件在环(HiL)仿真中的第一KI模块，其中，所述输入信号基于车辆的借助在所述第一车辆中安装的环境传感机构检测的环境数据或记录的环境数据，其中，在训练时匹配所述第一KI模块的第一内部处理参数，基于所述第一内部处理参数将进入所述第一KI模块的输入信号转变为输出信号；根据输入信号执行(103)至少一个学习步骤用于训练位于第二车辆或第二车辆的硬件在环(HiL)仿真中的第二KI模块，其中，所述输入信号基于车辆的借助在所述第二车辆中安装的环境传感机构检测的环境数据或记录的环境数据，其中，在训练时匹配所述第二KI模块的第二内部处理参数，基于所述第二内部处理参数将进入所述第二KI模块的输入信号转变为输出信号；传输(104)经匹配的第一内部处理参数给所述服务器；传输(105)经匹配的第二内部处理参数给所述服务器；基于所传输的经匹配的第一和第二内部处理参数训练(106)所述中央KI模块。2.根据权利要求1所述的方法，其中，所述中央KI模块设置用于基于可匹配的中央内部处理参数将输入信号转变为输出信号，其中，在所述中央KI模块的训练(106)的步骤中，基于经匹配的第一和第二内部处理参数匹配所述中央内部处理参数，尤其其中，不使用所述第一车辆的或所述第二车辆的或所述第一HiL仿真的或所述第二HiL仿真的输入信号用于匹配所述中央内部处理参数。3.根据以上权利要求中任一项所述的方法，其特征在于，借助所述第一KI模块和/或所述第二KI模块学习各个驾驶功能和/或驾驶操纵。4.根据以上权利要求中任一项所述的方法，其特征在于，对于所述第一KI模块和所述第二KI模块选择相同的内部输出处理参数，其中，所述内部输出处理参数相应于在所述KI模块的第一学习过程之前的所述内部处理参数，尤其其中，所述第一内部输出处理参数和所述第二内部输出处理参数具有相同的输出值。5.根据以上权利要求中任一项所述的方法，其特征在于，所述服务器接收具有KI模块的另外的车辆的经匹配的内部处理参数，并且，所述方法包括选择所述另外的车辆中的至少一个的附加步骤，并且，仅仅将所选择的至少一个车辆的经匹配的...

【专利技术属性】
技术研发人员：M·R·埃韦特，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国,DE