Bestimmen von Objektassoziationen durch maschinelles Lernen in autonomen Systemen und Anwendungen

In verschiedenen Beispielen werden Systeme und Verfahren offenbart, die die Bestimmung von Assoziationen zwischen in Sensordaten dargestellten Objekten und vorhergesagten Zuständen der Objekte in Multisensorsystemen wie autonomen oder halbautonomen Fahrzeugwahrnehmungssystemen betreffen. Es werden Systeme und Verfahren offenbart, die neuronale Netzwerkmodelle, wie mehrschichtige Perzeptron (MLP) Modelle oder andere tiefe neuronale Netzwerk (DNN) Modelle, beim Lernen von Assoziationskosten zwischen Sensormessungen und vorhergesagten Zuständen von Objekten einsetzen. Während des Trainings können die Systeme und Verfahren Daten zur Aktualisierung der Parameter der neuronalen Netzwerkmodelle erzeugen, so dass die neuronalen Netzwerkmodelle während des Einsatzes Sensordaten und vorhergesagte Zustände empfangen und entsprechende Assoziationskosten bereitstellen können. In various examples, systems and methods are disclosed relating to determining associations between objects represented in sensor data and predicted states of the objects in multi-sensor systems such as autonomous or semi-autonomous vehicle perception systems. Systems and methods are disclosed that employ neural network models, such as multi-layer perceptron (MLP) models or other deep neural network (DNN) models, in learning association costs between sensor measurements and predicted states of objects. During training, the systems and methods can generate data for updating parameters of the neural network models such that, during deployment, the neural network models can receive sensor data and predicted states, and provide corresponding association costs.