下面的描述涉及用于路径分布估计的方法和装置。
背景技术：
1、用于家庭和工业用途的机器人和车辆可在各种地方(诸如，房屋、办公室和公共场所)自动驾驶。
2、自动驾驶装置可抢先规划路线以便创建驾驶路线。已经发现，可通过基于采样的算法来建立路径的规划，但是基于采样的算法可能具有收敛速度慢、存储器需求大以及在窄通道中路径创建有延迟的问题。
技术实现思路
1、提供本
技术实现要素：
以简化的形式介绍在下面的具体实施方式中进一步描述的构思的选择。本发明内容不意在确定要求权利的主题的关键特征或必要特征，也不意在用于帮助确定要求权利的主题的范围。
2、在一个总体方面，一种处理器实现的方法包括：生成初始信息，初始信息包括地图信息、出发信息和到达信息中的任意一个或者任意两个或更多个的任意组合；通过将初始信息输入到规划器集合来生成多个路径；以及训练路径分布估计模型输出与所述多个路径对应的路径分布。
3、规划器集合可包括彼此具有不同特性的多个规划器。
4、生成所述多个路径的步骤可包括：通过将初始信息输入到所述多个规划器中的每个来分别生成与所述多个规划器对应的所述多个路径。
5、所述训练的步骤可包括：训练路径分布估计模型以使损失函数最小化，损失函数基于所述多个路径与通过将初始信息输入到路径分布估计模型而生成的测试路径之间的差异被确定。
6、所述多个规划器可包括基于采样的规划器。
7、路径分布估计模型可包括基于生成模型的路径分布估计模型。
8、地图信息可包括占用栅格地图，出发信息可包括出发位置信息和出发定位信息中的任意一个或两个，并且到达信息可包括到达位置信息和到达定位信息中的任意一个或两个。
9、在另一总体方面，一种处理器实现的方法包括：生成初始信息，初始信息包括地图信息、出发信息和到达信息中的任意一个或者任意两个或更多个的任意组合；通过将初始信息输入到路径分布估计模型来生成与初始信息对应的路径分布；以及基于路径分布确定最终路径。
10、确定最终路径的步骤可包括：通过对路径分布执行统计处理来确定最终路径。
11、确定最终路径的步骤可包括：通过将路径分布输入到基于采样的规划器来确定最终路径。
12、生成初始信息的步骤可包括：基于从一个或多个传感器获得的传感器数据来生成初始信息。
13、生成初始信息的步骤可包括：基于从定位模块获得的定位数据来生成出发信息。
14、路径分布估计模型可以是通过以下方式训练的训练模型：生成训练信息，训练信息包括训练地图信息、训练出发信息和训练到达信息中的任意一个或者任意两个或更多个的任意组合；通过将训练信息输入到规划器集合来生成多个路径；以及训练路径分布估计模型输出与所述多个路径对应的路径分布。
15、在另一总体方面，一个或多个实施例包括一种存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时，将所述一个或多个处理器配置为执行在此描述的操作和方法中的任意一个、任意组合或全部。
16、在另一总体方面，一种电子装置包括：处理器，被配置为：生成初始信息，初始信息包括地图信息、出发信息和到达信息中的任意一个或者任意两个或更多个的任意组合；通过将初始信息输入到规划器集合来生成多个路径；并且训练路径分布估计模型输出与所述多个路径对应的路径分布。
17、规划器集合可包括彼此具有不同的特性的多个规划器，并且为了生成所述多个路径，处理器可被配置为：通过将初始信息输入到所述多个规划器中的每个来分别生成与所述多个规划器对应的所述多个路径。
18、对于所述训练，处理器可被配置为训练路径分布估计模型以使损失函数最小化，损失函数基于所述多个路径与通过将初始信息输入到路径分布估计模型而生成的测试路径之间的差异被确定。
19、所述多个规划器可包括基于采样的规划器，并且路径分布估计模型可包括基于生成模型的路径分布估计模型。
20、地图信息可包括占用栅格地图，出发信息可包括出发位置信息和出发定位信息中的任意一个或两个，并且到达信息可包括到达位置信息和到达定位信息中的任意一个或两个。
21、在另一总体方面，一种电子装置包括：处理器，被配置为：生成初始信息，初始信息包括地图信息、出发信息和到达信息中的任意一个或者任意两个或更多个的任意组合；通过将初始信息输入到路径分布估计模型来生成与初始信息对应的路径分布；并且基于路径分布确定最终路径。
22、为了确定最终路径，处理器可被配置为通过对路径分布执行统计处理来确定最终路径。
23、为了确定最终路径，处理器可被配置为通过将路径分布输入到基于采样的规划器来确定最终路径。
24、从下面的具体实施方式、附图和权利要求，其他特征和方面将是清楚的。
1.一种处理器实现的训练路径分布估计模型的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，规划器集合包括彼此具有不同的特性的多个规划器。
3.根据权利要求2所述的方法，其中，生成所述多个路径的步骤包括：通过将初始信息输入到所述多个规划器中的每个来分别生成与所述多个规划器对应的所述多个路径。
4.根据权利要求1所述的方法，其中，所述训练的步骤包括：训练路径分布估计模型以使损失函数最小化，损失函数基于所述多个路径与通过将初始信息输入到路径分布估计模型而生成的测试路径之间的差异被确定。
5.根据权利要求2所述的方法，其中，所述多个规划器包括基于采样的规划器。
6.根据权利要求1至权利要求5中的任意一项所述的方法，其中，路径分布估计模型包括基于生成模型的路径分布估计模型。
7.根据权利要求1至权利要求5中的任意一项所述的方法，其中，
8.一种处理器实现的估计路径的方法，所述方法包括：
9.根据权利要求8所述的方法，其中，确定最终路径的步骤包括：
10.根据权利要求8所述的方法，其中，确定最终路径的步骤包括：
11.根据权利要求8所述的方法，其中，生成初始信息的步骤包括：
12.根据权利要求11所述的方法，其中，生成初始信息的步骤包括：
13.根据权利要求8至权利要求12中的任意一项所述的方法，其中，路径分布估计模型是通过以下方式训练的训练模型：
14.一种存储指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时，将处理器配置为执行根据权利要求1至权利要求13中的任意一项所述的方法。
15.一种电子装置，包括：
16.根据权利要求15所述的电子装置，其中，
17.根据权利要求15所述的电子装置，其中，为了所述训练，处理器被配置为：训练路径分布估计模型以使损失函数最小化，损失函数基于所述多个路径与通过将初始信息输入到路径分布估计模型而生成的测试路径之间的差异被确定。
18.根据权利要求16所述的电子装置，其中，
19.根据权利要求15至权利要求18中的任意一项所述的电子装置，其中，
20.一种电子装置，包括：
21.根据权利要求20所述的电子装置，其中，为了确定最终路径，处理器被配置为：通过对路径分布执行统计处理来确定最终路径。
22.根据权利要求20所述的电子装置，其中，为了确定最终路径，处理器被配置为：通过将路径分布输入到基于采样的规划器来确定最终路径。
