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！

龙图腾网获悉江苏大学申请的专利一种基于变分自编码器和强化学习的自动驾驶控制器及训练方法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：CN112801273B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202110124110.9，技术领域涉及：G06N3/0455；该发明授权一种基于变分自编码器和强化学习的自动驾驶控制器及训练方法是由蔡英凤;杨绍卿;高翔;陈龙;王海;高洪波;刘卫国;董钊志;陈军设计研发完成，并于2021-01-29向国家知识产权局提交的专利申请。

本一种基于变分自编码器和强化学习的自动驾驶控制器及训练方法在说明书摘要公布了：本发明公开了一种基于变分自编码器和强化学习的自动驾驶控制器及训练方法，采用了变分自编码器提取周围交通环境信息，编码器采用了卷积神经网络加循环神经网络的方法，有效的提取了多个传感器信息和历史环境信息，避免了信息的丢失。强化学习网络利用变分自编码器降维提取的潜在变量作为状态量进行训练，解决了强化学习部分状态空间过大的问题。利用变分自编码器的损失函数构造的附加奖励，加速了智能体对陌生状态空间的探索，提高了强化学习的探索率和学习率。

本发明授权一种基于变分自编码器和强化学习的自动驾驶控制器及训练方法在权利要求书中公布了：1.一种基于变分自编码器和强化学习的自动驾驶控制器，其特征在于，包括变分自编码器和强化学习网络两部分；所述变分自编码器包括编码器和解码器；编码器的输入为带时序信息的环境状态量st，输出为潜在变量特征zt；解码器的输入为潜在变量特征zt，输出为预测的下一时刻特征；所述强化学习网络的输入为潜在变量特征zt和实时奖励rt，输出为具体的动作at； 所述实时奖励rt包括环境实时反馈的奖励r't和附加奖励Bst，具体表达式为： rt＝r't+Bst 其中，附加奖励Bst的表达式为： Bst＝-γlogpst γ为比例因子，-logpst为状态量的信息量，pst表示为状态量st的稠密程度； 所述编码器包括卷积模块和循环神经网络模块，卷积模块处理第m时刻的前视摄像头图片、雷达点云图和地图，提取特征fm，卷积模块每次共处理连续四个时刻的前视摄像头图片、雷达点云图和地图，提取的特征分别为f1、f2、f3和f4，将连续的四个时刻特征处理为时序特征组，输入到循环神经网络模块；循环神经网络模块最后将带有四个时刻的特征的时序特征组进一步提取出潜在变量； 所述的卷积模块包括三层卷积层，两层池化层和三层全连接层，具体构造如下： 输入层将3个256*256*3的矩阵合并为256*256*9的矩阵；卷积层Conv1由3*3*9*32，步长stride＝2的卷积核组成，其输入是输入层的输出，为256*256*9的矩阵，其输出为128*128*32的特征；池化层Pool1由2*2、步长stride＝2的池化核组成，其输入是卷积层Conv1的输出，为128*128*32的特征，其输出为64*64*32的特征；卷积层Conv2由3*3*32*64，步长stride＝2的卷积核组成，其输入是池化层Pool1的输出，为64*64*32的特征，其输出为32*32*128的特征；池化层Pool2由2*2，步长stride＝2的池化核组成，其输入是卷积层Conv2的输出，为32*32*128的特征，其输出为16*16*128的特征；卷积层Conv3由3*3*128*128，步长stride＝2的卷积核组成，其输入是池化层Pool2的输出，为16*16*128的特征，其输出为8*8*128的特征；全连接层FC的尺寸为8*8*128*512，其输入是卷积层Conv3的输出，为8*8*128的特征，其输出为1*1*512的特征f； 所述的循环神经网络模块为LSTM长短时记忆网络，输入是带有四个时刻的特征的时序特征组，为卷积模块提取的4个连续时刻1*1*512的特征f，输出为1*1*512的特征； 所述的潜在变量zt由循环神经网络模块通过全连接层FC-μ和全连接层FC-σ进一步提取获得：所述的全连接层FC-μ和全连接层FC-σ为并联结构，输入均是循环神经网络模块提取的特征，为1*1*512的特征，全连接层FC-μ的输出为1*1*512的特征，全连接层FC-σ的输出为1*1*512的特征，全连接层FC-μ和全连接层FC-σ提取的特征共同构成潜在变量zt； 所述解码器为反卷积模块，其输入为由潜在变量zt采样得到的1*1*512的特征，输出为256*256*3的下一时刻特征图；所述的下一时刻特征图为语义分割鸟瞰图。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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”。