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！

龙图腾网获悉同济大学申请的专利一种基于快慢系统的人机共融的自动驾驶决策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：CN120066281B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510536060.3，技术领域涉及：G06F3/01；该发明授权一种基于快慢系统的人机共融的自动驾驶决策方法是由孙剑;徐成凯;杭鹏;刘佳琦;房世玉;郭翼成设计研发完成，并于2025-04-27向国家知识产权局提交的专利申请。

本一种基于快慢系统的人机共融的自动驾驶决策方法在说明书摘要公布了：本发明公开了一种基于快慢系统的人机共融的自动驾驶决策方法，旨在兼顾自动驾驶场景下安全性、灵活性和可控性。该模型由基于深度强化学习的快系统和基于大语言模型的慢系统共同构成：其中，快系统负责实时驾驶决策与控制，能够在短时高频的动态交通环境中快速响应；慢系统通过理解并解析人类用户的指令，结合环境感知信息做出高层次决策和目标车道选择，并将该信息传递给快系统执行。通过在快系统的观测空间中引入目标车道与人类指令信息，并设计相应的网络结构及奖励函数，系统能够在保证安全驾驶的同时，听从人类指令，实现“人机共融”自动驾驶。本发明具有良好的通用性、可扩展性及可解释性。

本发明授权一种基于快慢系统的人机共融的自动驾驶决策方法在权利要求书中公布了：1.一种基于快慢系统的人机共融的自动驾驶决策方法，其特征在于，包括以下步骤： S1数据采集与环境感知，获取实时车辆和环境状态信息； S2慢系统解析与高层指令生成； S3快系统实时决策与控制执行； S4人机共融与动态反馈； 步骤S2具体为， 大语言模型LLM作为慢系统，输入LLM的信息包括：LLM的身份定位信息、实时车辆和环境状态信息和人类指令信息； 所述LLM的身份定位信息用于让LLM确认自己的身份定位； 所述人类指令信息由用户通过语音或文本输入抽象或具体的驾驶指令； 实时车辆和环境状态信息由步骤S1获得，需将其转化为标准的符合自然语言规则的表述； 上述信息输入大语言模型，利用其自然语言理解和推理能力，对人类意图与外部环境约束进行综合分析；大语言模型内部通过语义向量表示，对抽象指令进行结构化映射，生成高层次策略信息； 为实现对快系统DRL的有效引导，慢系统需要输出明确的驾驶策略要素，包括目标车道和行驶模式，慢系统输出的高层指令如下： 其中， 目标车道：根据语义解析与道路信息，指定车辆应优先选择或保持的车道； 行驶模式：包括“快速”、“舒适”和“节能”； 慢系统定期或在检测到用户指令或环境变化时重新计算并更新该高层次策略信息，以确保在动态场景下能够持续满足用户需求； 步骤S3中，快系统基于深度强化学习DRL方法构建，具体如下： 将慢系统输出的高层指令与车辆环境状态相结合，形成快系统的扩展观测空间： 其中包括车辆在时刻的综合感知信息以及当前时刻慢系统给出的目标车道、行驶模式指令要素； 采用深度强化学习网络对进行实时决策，以得到底层控制动作： 其中表示方向盘转向角，表示加（减）速度或油门刹车控制量； 深度强化学习网络的训练采用策略梯度类算法，定义策略并优化以下期望回报函数： 其中，代表策略网络的参数，表示在状态下采取动作所得奖励；为策略诱导的状态访问分布，对于给定的智能体策略，当智能体从初始分布出发，按照折扣因子运行无穷步，则其折扣占优的状态分布定义为： 表示从策略诱导的状态分布随机抽取一个状态；表示在状态下按策略分布随机抽取动作；表示在上述条件下的期望； 其中，奖励设计为： 其中， 与安全驾驶相关，如保持安全车距、无碰撞或违章时给予正奖励，出现危险则惩罚； 对慢系统指令遵循度的奖励；若车辆当前实际车道或速度与目标要求相差较大，则给予负奖励； 与行驶效率、舒适度等因素相关，如减少无谓变道、避免频繁加减速等；为加权系数，根据不同场景或需求进行调配； 通过训练，快系统网络可在保证安全和服从指令的前提下逐渐学会如何进行最优驾驶决策，并在实际运行时以高频率输出控制信号； 此外，在执行过程中将快系统网络输出的底层动作传递至车辆执行单元，完成对车辆的实时控制；若系统检测到潜在危险或违反交通规则的指令输出，则可引入安全过滤模块对动作进行裁剪或报警，确保车辆行驶安全。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。