DE102020132384A1 - System, method and computer program product for configuring an optimized sensor set for a moving object - Google Patents
System, method and computer program product for configuring an optimized sensor set for a moving object Download PDFInfo
- Publication number
- DE102020132384A1 DE102020132384A1 DE102020132384.0A DE102020132384A DE102020132384A1 DE 102020132384 A1 DE102020132384 A1 DE 102020132384A1 DE 102020132384 A DE102020132384 A DE 102020132384A DE 102020132384 A1 DE102020132384 A1 DE 102020132384A1
- Authority
- DE
- Germany
- Prior art keywords
- individuals
- sensors
- population
- sensor
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004590 computer program Methods 0.000 title claims description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 42
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000006798 recombination Effects 0.000 claims description 8
- 238000005215 recombination Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 33
- 238000005516 engineering process Methods 0.000 description 10
- 230000002068 genetic effect Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241001136792 Alle Species 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Abstract
Die Erfindung betrifft ein Verfahren zum Konfigurieren eines optimierten Sensorsets für ein sich bewegendes Objekt, umfassend:- Definieren zumindest einer Anforderung an ein Sensorset mit Sensoren zur Erfüllung einer Aufgabenfunktion des sich bewegenden Objekts;- Initialisieren einer Population von ausgewählten Individuen von Sensorsets, wobei jedem Individuum zumindest ein Parameter zugeordnet wird;- Generieren von synthetischen Sensordaten für jedes Sensorset innerhalb einer Simulation;- Bewerten der Qualität der synthetischen Sensordaten der Individuen mittels einer Bewertungsfunktion für alle Individuen der Population;- Feststellen, ob der Algorithmus beendet werden kann;- Beenden des Algorithmus, falls zumindest ein definiertes Abschlusskriterium zutrifft;- Auswählen von ein oder mehreren Individuen von Sensorsets basierend auf einem Bewertungsergebnis;- Kombinieren der Parameter von einem oder mehreren der ausgewählten Individuen miteinander und Erzeugen von ein oder mehreren Individuen der nächsten Generation;- Variieren der Parameter der Individuen der neuen Generation um ein definiertes Maß und Erzeugen eines neuen Individuums der neuen Population;- Übermitteln der neuen Population an das Initialisierungsmodul.The invention relates to a method for configuring an optimized sensor set for a moving object, comprising: - defining at least one requirement for a sensor set with sensors to fulfill a task function of the moving object; - initializing a population of selected individuals of sensor sets, each individual at least one parameter is assigned;- generating synthetic sensor data for each sensor set within a simulation;- evaluating the quality of the synthetic sensor data of the individuals using an evaluation function for all individuals of the population;- determining whether the algorithm can be terminated;- terminating the algorithm , if at least one defined termination criterion applies;- selecting one or more individuals from sensor sets based on an evaluation result;- combining the parameters of one or more of the selected individuals with one another and generating one or more Ind next generation individuals; - varying the parameters of the new generation individuals by a defined amount and creating a new individual of the new population; - submitting the new population to the initialization module.
Description
Die Erfindung betrifft ein System, Verfahren und Computerprogrammprodukt zum Konfigurieren eines optimierten Sensorsets für ein sich bewegendes Objekt, insbesondere ein Kraftfahrzeug.The invention relates to a system, method and computer program product for configuring an optimized sensor set for a moving object, in particular a motor vehicle.
Die Entwicklung des hochautomatisierten Fahrens (HAF) geht mit einem Komplexitätsanstieg von Fahrfunktionen einher, der zu einer Erhöhung der Anforderungen an Fahrzeugsensorsysteme führt. Für hochautomatisierte Fahrfunktionen sowie im Bereich der industriellen Robotik spielt die Umgebungswahrnehmung durch verschiedene Sensortechnologien wie z.B. LiDAR, Radar, Kamera und Ultraschall eine entscheidende Rolle.The development of highly automated driving (HAD) is accompanied by an increase in the complexity of driving functions, which leads to an increase in the demands on vehicle sensor systems. The perception of the environment through various sensor technologies such as LiDAR, radar, camera and ultrasound plays a decisive role for highly automated driving functions and in the field of industrial robotics.
Neben der Umgebungswahrnehmung liefern Eigenbewegungs- und Systemüberwachungs-Sensoren wie z.B. Kraft-/Drehmoment-Sensoren, Beschleunigungs-Sensoren, Temperatur-Sensoren oder Power-Management-Sensoren wichtige Informationen, um eine Aufgabe korrekt erfüllen zu können und/oder Kollisionen und Schäden zu vermeiden.In addition to the perception of the environment, self-motion and system monitoring sensors such as force/torque sensors, acceleration sensors, temperature sensors or power management sensors provide important information in order to be able to carry out a task correctly and/or to avoid collisions and damage .
Um bei steigender Komplexität der Aufgaben eines sich bewegenden Objekts z.B. eines Roboters oder eines automatisierten Kraftfahrzeugs für einen entsprechenden Erfolg der Aufgabe und für eine entsprechende Sicherheit zu sorgen, ist eine zuverlässige Umgebungswahrnehmung sowie Eigenbewegungs- und Systemüberwachung erforderlich. Um dieses Ziel zu erreichen, kann die Anzahl der erforderlichen Sensorelemente in einem Fahrzeug oder Roboter stark ansteigen. Zudem weisen einige Sensortechnologien Vor- und Nachteile auf, die von anderen Sensortechnologien ausgeglichen werden können. So haben beispielsweise Ultraschallsensoren eine begrenzte Reichweite von etwa einem Zentimeter bis zu einigen Metern und einen maximalen Richtkegel von etwa 30 Grad. Hinzu kommt, dass sie eine hohe Genauigkeit im Nahbereich bieten, die allerdings mit zunehmender Entfernung und zunehmendem Messwinkel abfällt. Außerdem sind sie anfällig für Temperatur- und Druckschwankungen sowie Störungen durch benachbarte Roboter oder Automobile, die Ultraschallsensoren mit gleicher Arbeitsfrequenz verwenden. Dennoch können sie in Kombination mit anderen Präsenzsensoren zuverlässige Positionsinformationen generieren. Daher ist die Kombination von verschiedenen Sensortechnologien im Rahmen einer Sensorfusion entscheidend, beispielsweise die Kombination von Sensorinformationen einer 2D/3D-Kamera, von LiDAR-Sensoren, Radar-Sensoren und Ultraschall-Sensoren, um einem Kraftfahrzeug oder einem Roboter zu ermöglichen, ihre Umgebung räumlich wahrzunehmen.In order to ensure that the tasks of a moving object, e.g. a robot or an automated motor vehicle, are successful and safe as the tasks of a moving object increase in complexity, reliable environmental perception as well as self-movement and system monitoring are required. In order to achieve this goal, the number of sensor elements required in a vehicle or robot can increase significantly. In addition, some sensor technologies have advantages and disadvantages that can be compensated for by other sensor technologies. Ultrasonic sensors, for example, have a limited range of around one centimeter to a few meters and a maximum directional cone of around 30 degrees. In addition, they offer a high level of accuracy at close range, which, however, decreases with increasing distance and measuring angle. In addition, they are susceptible to temperature and pressure fluctuations, as well as interference from neighboring robots or automobiles that use ultrasonic sensors with the same operating frequency. Nevertheless, in combination with other presence sensors, they can generate reliable position information. Therefore, the combination of different sensor technologies within the framework of a sensor fusion is crucial, for example the combination of sensor information from a 2D/3D camera, LiDAR sensors, radar sensors and ultrasonic sensors, in order to enable a motor vehicle or a robot to spatially perceive their surroundings to perceive
Um bei diesem Anstieg der erforderlichen Sensorelemente und den vielfältigen Kombinationsmöglichkeiten der Sensorfusion verschiedener Sensortechnologien eine geforderte Funktionsqualität und Sicherheit bei gleichzeitig tragbaren Kosten zu gewährleisten, ist eine Optimierung der Auslegung des Sensorsets, bestehend aus mindestens einem Sensorelement, wünschenswert. Eine Optimierung kann die Auswahl der verwendeten Sensorelemente, deren Technologie, Positionierung, Orientierung in einem Fahrzeug oder Roboter, sowie dessen Auflösung, Abtastrate oder Überwachungsbereich umfassen. Als Optimierungsverfahren ist ein genetischer Algorithmus angestrebt.In order to ensure the required functional quality and safety with this increase in the required sensor elements and the diverse possible combinations of sensor fusion of different sensor technologies while at the same time bearable costs, an optimization of the design of the sensor set, consisting of at least one sensor element, is desirable. Optimization can include the selection of the sensor elements used, their technology, positioning, orientation in a vehicle or robot, as well as their resolution, sampling rate or monitoring area. A genetic algorithm is aimed at as an optimization method.
Derzeit werden Sensoren in einem Fahrzeug oder Roboter weitgehend aufgrund von Erfahrungswerten und Expertenwissen ausgelegt, so dass ein generalistisches Optimierungsverfahren bisher nicht gegeben ist.Sensors in a vehicle or robot are currently designed largely on the basis of empirical values and expert knowledge, so that a general optimization method has not yet been given.
Die
Die
Die
Die der Erfindung zu Grunde liegende Aufgabe besteht nun darin, ein Verfahren, ein System und ein Computerprogrammprodukt zum Konfigurieren eines optimierten Sensorsets für ein sich bewegendes Objekt, insbesondere für ein Kraftfahrzeug, zu schaffen, das sich durch eine hohe Zuverlässigkeit und Genauigkeit bei gelichzeitig realisierbarem Optimierungsaufwand, auszeichnet.The object on which the invention is based is now to create a method, a system and a computer program product for configuring an optimized sensor set for a moving object, in particular for a motor vehicle, which is characterized by high reliability and accuracy with simultaneously realizable optimization effort , excellent.
Gemäß der vorliegenden Erfindung wird ein Verfahren, ein System und ein Computerprogrammprodukt vorgeschlagen, durch das die Auswahl, Positionierung, Orientierung der einzelnen Sensoren sowie deren Auflösung, Abtastrate und Überwachungsbereich für die Umgebungs- und/oder Eigen- und/oder Systemüberwachung eines sich bewegenden Objekts optimiert wird, um hierdurch die Grundlage für eine zuverlässige und genaue Sensorwahrnehmung und damit eine zuverlässige und genaue Funktionsweise der Aufgabenerfüllung des Objekts zu schaffen.According to the present invention, a method, a system and a computer program product is proposed by which the selection, positioning, orientation of the individual sensors and their resolution, sampling rate and monitoring range for the environmental and/or self-monitoring and/or system monitoring of a moving object is optimized in order to thereby create the basis for a reliable and accurate sensor perception and thus a reliable and accurate functioning of the task fulfillment of the object.
Diese Aufgabe wird hinsichtlich eines Verfahrens durch die Merkmale des Patentanspruchs 1, hinsichtlich eines Systems durch die Merkmale des Patentanspruchs 6, und hinsichtlich eines Computerprogrammprodukts durch die Merkmale des Patentanspruchs 11 erfindungsgemäß gelöst. Die weiteren Ansprüche betreffen bevorzugte Ausgestaltungen der Erfindung.This object is achieved according to the invention with regard to a method by the features of patent claim 1, with regard to a system by the features of patent claim 6, and with regard to a computer program product by the features of patent claim 11. The further claims relate to preferred embodiments of the invention.
Gemäß einem ersten Aspekt stellt die Erfindung ein Verfahren zum Konfigurieren eines optimierten Sensorsets für ein sich bewegendes Objekt, insbesondere eines Kraftfahrzeugs, bereit. Das Verfahren umfasst die folgenden Verfahrensschritte:
- - Definieren von mindestens einer Anforderung an ein Sensorset, bestehend aus einem oder mehreren Sensoren, zur Erfüllung einer Aufgabenfunktion des sich bewegenden Objekts;
- - Initialisieren einer Population von zufällig oder nach bestimmten Kriterien ausgewählten Individuen von Sensorsets, wobei jedem Individuum zumindest ein Parameter zugeordnet wird;
- - Generieren von synthetischen Sensordaten und Referenzinformationen durch eine virtuelle Simulation für alle Individuen der Population;
- - Bewerten der Qualität der vorliegenden synthetischen Sensordaten mittels einer Bewertungsfunktion, in Abhängigkeit der Anforderungen an die zu erfüllende Aufgabe, für alle Individuen der Population;
- - Beenden des Algorithmus, falls zumindest ein definiertes Abschlusskriterium zutrifft;
- - Auswählen von ein oder mehreren Individuen basierend auf dem Bewertungsergebnis der Bewertungsfunktion;
- - Kombinieren der Parameter von einem oder mehreren der ausgewählten Individuen miteinander und Erzeugen von ein oder mehreren Individuen der nächsten Generation;
- - Variieren der Parameter der Individuen der neuen Generation um ein definierbares Maß und Erzeugen eines neuen Individuums der neuen Generation;
- - Übermitteln der neuen Population an das Initialisierungsmodul und Durchführen der vorangehenden Verfahrensschritte mit der neuen Population.
- - defining at least one requirement for a sensor set consisting of one or more sensors to fulfill a task function of the moving object;
- - Initializing a population of individuals from sensor sets selected randomly or according to specific criteria, with each individual being assigned at least one parameter;
- - Generation of synthetic sensor data and reference information through a virtual simulation for all individuals of the population;
- - Assess the quality of the available synthetic sensor data by means of an assessment function, depending on the requirements of the task to be performed, for all individuals in the population;
- - Termination of the algorithm if at least one defined termination criterion applies;
- - selecting one or more individuals based on the evaluation result of the evaluation function;
- - combining the parameters of one or more of the selected individuals together and generating one or more next generation individuals;
- - varying the parameters of the new generation individuals by a definable amount and creating a new new generation individual;
- - Sending the new population to the initialization module and performing the previous method steps on the new population.
In einer Weiterbildung ist vorgesehen, dass es sich bei einem Parameter um eine Eigenschaft wie beispielsweise Technologie, Einbauposition, Orientierung, Auflösung, Abtastrate oder Überwachungsbereich eines Sensorelements handelt.A further development provides that a parameter is a property such as technology, installation position, orientation, resolution, sampling rate or monitoring range of a sensor element.
Insbesondere handelt es sich bei den Sensoren um 2D/3D-Kameras und/oder LiDAR-Sensoren und/oder Radar-Sensoren und/oder Ultraschall-Sensoren und/oder Kraft/Drehmoment-Sensoren und/oder Beschleunigungs-Sensoren und/oder Drucksensoren und/oder Temperatur-Sensoren und/oder Feuchtigkeitssensoren und/oder Power-Management-Sensoren.In particular, the sensors are 2D/3D cameras and/or LiDAR sensors and/or radar sensors and/or ultrasonic sensors and/or force/torque sensors and/or acceleration sensors and/or pressure sensors and /or temperature sensors and/or humidity sensors and/or power management sensors.
In einer Ausführungsform ist vorgesehen, dass eine oder mehrere der folgenden Bedingungen ein Abschlusskriterium darstellen: das Bewertungsergebnis hat einen Zielwert erreicht, der dadurch definiert wird, dass die Qualität der synthetischen Sensordaten eines Individuums über einem Schwellenwert liegt; und/oder die Individuen einer Population erreichen einen Konvergenzwert; und/oder eine gegebene maximale Anzahl von Iterationen wurde erreicht.In one embodiment it is provided that one or more of the following conditions constitute a termination criterion: the evaluation result has reached a target value which is defined by the quality of the synthetic sensor data of an individual being above a threshold value; and/or the individuals of a population reach a convergence value; and/or a given maximum number of iterations has been reached.
Insbesondere handelt es sich bei dem sich bewegenden Objekt um ein Kraftfahrzeug, ein Wasserfahrzeug, ein Luftfahrzeug oder einen Roboter.In particular, the moving object is a motor vehicle, a watercraft, an aircraft or a robot.
Gemäß einem zweiten Aspekt stellt die Erfindung ein System zum Konfigurieren eines optimierten Sensorsets für ein sich bewegendes Objekt, insbesondere eines Kraftfahrzeugs, bereit. Das System umfasst ein Anforderungsmodul, das ausgebildet ist, zumindest eine Anforderung an ein Sensorset bestehend aus mindestens einem Sensorelement zur Erfüllung einer Aufgabenfunktion des sich bewegenden Objekts zu definieren; ein Initialisierungsmodul, das ausgebildet ist, eine Population von zufällig oder nach bestimmten Kriterien ausgewählten Individuen von Sensorsets zu initialisieren, wobei jedem Individuum zumindest ein Sensorelement mit mindestens einem variierbaren Parameter zugeordnet wird; ein Simulationsmodul, das ausgebildet ist, innerhalb eines Katalogs definierter Simulationsszenarien, synthetische Sensordaten für ein oder mehrere Individuen einer Population zu generieren; ein Bewertungsmodul, das ausgebildet ist, die Qualität der vorliegenden synthetische Sensordaten mittels einer Bewertungsfunktion eines oder mehreren Individuen einer Population zu bewerten; ein Abschlussmodul, das ausgebildet ist, festzustellen, ob der Algorithmus beendet werden kann und den Algorithmus zu beenden, falls zumindest ein definiertes Abschlusskriterium zutrifft; ein Selektionsmodul, das ausgebildet ist, ein oder mehrere Individuen einer Population basierend auf einem Bewertungsergebnis der Bewertungsfunktion auszuwählen; ein Rekombinationsmodul, das ausgebildet ist, die Parameter von mindestens zwei der ausgewählten Individuen miteinander zu kombinieren und ein oder mehrere Individuen der nächsten Generation zu erzeugen; ein Mutationsmodul, das ausgebildet ist, die Parameter der Individuen der neuen Generation um ein definiertes Maß zu variieren und ein neues Individuum der neuen Population zu erzeugen sowie die neuen Population an das Initialisierungsmodul zu übermitteln.According to a second aspect, the invention provides a system for configuring an optimized sensor set for a moving object, in particular a motor vehicle. The system includes a requirement module which is designed to define at least one requirement for a sensor set consisting of at least one sensor element for fulfilling a task function of the moving object; an initialization module that is designed to initialize a population of individuals from sensor sets selected randomly or according to specific criteria, wherein each individual is assigned at least one sensor element with at least one variable parameter; a simulation module that is designed to generate synthetic sensor data for one or more individuals of a population within a catalog of defined simulation scenarios; an evaluation module that is designed to evaluate the quality of the available synthetic sensor data by means of an evaluation function of one or more individuals in a population; a termination module that is designed to determine whether the algorithm can be terminated and to terminate the algorithm if at least one defined termination criterion applies; a selection module configured to select one or more individuals from a population based on an evaluation result of the evaluation function; a recombination module configured to combine the parameters of at least two of the selected individuals and to generate one or more individuals of the next generation; a mutation module designed to vary the parameters of the new generation individuals by a defined amount and generate a new individual of the new population and the new ones Submit population to the initialization module.
In einer Weiterbildung ist vorgesehen, dass es sich bei einem Parameter um eine Eigenschaft wie beispielsweise Technologie, Einbauposition, Orientierung, Auflösung, Abtastrate oder Überwachungsbereich eines Sensorelements handelt.A further development provides that a parameter is a property such as technology, installation position, orientation, resolution, sampling rate or monitoring range of a sensor element.
In einer Ausführungsform ist vorgesehen, dass es sich bei den Sensoren um 2D/3D-Kameras und/oder LiDAR-Sensoren und/oder Radar-Sensoren und/oder Ultraschall-Sensoren und/oder Kraft/Drehmoment-Sensoren und/oder Beschleunigungs-Sensoren und/oder Drucksensoren und/oder Temperatur-Sensoren und/oder Feuchtigkeitssensoren und/oder Power-Management-Sensoren handelt.One embodiment provides that the sensors are 2D/3D cameras and/or LiDAR sensors and/or radar sensors and/or ultrasonic sensors and/or force/torque sensors and/or acceleration sensors and/or pressure sensors and/or temperature sensors and/or humidity sensors and/or power management sensors.
In einer weiteren Ausführungsform ist vorgesehen, dass eine oder mehrere der folgenden Bedingungen ein Abschlusskriterium darstellen: das Bewertungsergebnis hat einen Zielwert erreicht, der dadurch definiert wird, dass die Qualität der synthetischen Sensordaten eines Individuums über einem Schwellenwert liegt; und/oder die Individuen einer Population erreichen einen Konvergenzwert; und/oder eine gegebene maximale Anzahl von Iterationen wurde erreicht.In a further embodiment it is provided that one or more of the following conditions represent a conclusion criterion: the evaluation result has reached a target value which is defined by the fact that the quality of the synthetic sensor data of an individual is above a threshold value; and/or the individuals of a population reach a convergence value; and/or a given maximum number of iterations has been reached.
Insbesondere handelt es sich bei dem sich bewegenden Objekt um ein Kraftfahrzeug, ein Wasserfahrzeug, ein Luftfahrzeug oder einen Roboter.In particular, the moving object is a motor vehicle, a watercraft, an aircraft or a robot.
Gemäß einem dritten Aspekt stellt die Erfindung ein Computerprogrammprodukt bereit, das einen ausführbaren Programmcode umfasst, der so konfiguriert ist, dass er bei seiner Ausführung das Verfahren gemäß dem ersten Aspekt ausführt.According to a third aspect, the invention provides a computer program product comprising executable program code configured, when executed, to carry out the method according to the first aspect.
Nachfolgend wird die Erfindung anhand von in der Zeichnung dargestellten Ausführungsbeispielen näher erläutert.The invention is explained in more detail below with reference to exemplary embodiments illustrated in the drawing.
Dabei zeigt:
-
1 eine schematische Darstellung eines Sensorsets für ein sich bewegendes Objekt; -
2 ein Blockdiagram zur Erläuterung eines Ausführungsbeispiels des erfindungsgemäßen Systems; -
3 ein Flussdiagramm zur Erläuterung der einzelnen Verfahrensschritte des erfindungsgemäßen Verfahrens; -
4 eine schematische Darstellung eines Computerprogrammprodukts gemäß einer Ausführungsform des dritten Aspekts der Erfindung.
-
1 a schematic representation of a sensor set for a moving object; -
2 a block diagram to explain an embodiment of the system according to the invention; -
3 a flowchart to explain the individual steps of the method according to the invention; -
4 a schematic representation of a computer program product according to an embodiment of the third aspect of the invention.
Zusätzliche Kennzeichen, Aspekte und Vorteile der Erfindung oder ihrer Ausführungsbeispiele werden durch die ausführliche Beschreibung in Verbindung mit den Ansprüchen ersichtlich.Additional features, aspects and advantages of the invention or embodiments thereof will become apparent from the detailed description coupled with the claims.
Die verschiedenen Sensoren a1, a2, ..., ak; b1, b2, ..., bl; ...; n1, n2, ..., nm des Sensorsets 10 werden in dem sich bewegenden Objekt 20 und/oder der Umgebung des Objekts 20 an unterschiedlichen Positionen verbaut und verfügen über unterschiedliche Eigenschaften z.B. Einbauposition (in Koordinaten), Orientierung (in Winkeln), Auflösung (in Anzahl Messpunkte), Abtastrate (in Hz) oder Überwachungsbereich (in Winkeln). Die Sensorelemente, die aus dem Sensorset 10 und den weiteren damit verbundenen elektrischen und elektronischen Bauelementen wie Aktuatoren, Prozessoren und/oder Speicherelemente bestehen, dienen zur Erfassung von Messdaten, um bestimmte Aufgabenfunktionen des Objekts 20 zu erfüllen. Bei einer Aufgabenfunktion kann es sich zum Beispiel um einen Autopiloten bei einem Fahrzeug, eine Objekterkennung oder eine Lokalisierung oder um Bewegungsabläufe eines Roboters handeln. Das verwendete Sensorset muss daher derart ausgelegt und konfiguriert werden, dass durch die verwendeten Sensorelemente a1, a2, ..., ak; b1, b2, ..., bl; ...; n1, n2, ..., nm, alle relevanten Informationen erfasst werden, die für die jeweilige Aufgabenfunktion benötigt werden. Es kann auch erforderlich sein, dass mehrere Aufgabenfunktionen gleichzeitig erfüllt werden müssen, wie beispielsweise die Überwachung der Umgebung des Objekts 20 und die Koordinierung eines Bewegungsablaufs des Objekts 20.The various sensors a 1 , a 2 , ..., a k ; b 1 , b 2 , ..., b 1 ; ...; n 1 , n 2 , ), resolution (in number of measuring points), sampling rate (in Hz) or monitoring range (in angles). The sensor elements, which consist of the sensor set 10 and the other electrical and electronic components connected thereto, such as actuators, processors and/or storage elements, are used to acquire measurement data in order to fulfill specific task functions of the
Bei den Sensortypen S1, S2, ..., Sn handelt es sich beispielsweise um verschiedene Sensortechnologien wie 2D/3D-Kameras, LiDAR-Sensoren, Radar-Sensoren, Ultraschall-Sensoren, Kraft/Drehmoment-Sensoren, Beschleunigungs-Sensoren, Drucksensoren, Temperatursensoren, Feuchtigkeitssensoren oder Power-Management-Sensoren, die für verschiedene Aufgabenfunktionen eingesetzt werden. Es können auch mehrere Sensoren unterschiedlicher Sensortechnologien miteinander kombiniert werden, um ein oder mehrere Aufgabenfunktionen zu erfüllen.The sensor types S 1 , S 2 , , pressure sensors, temperature sensors, humidity sensors or power management sensors that are used for various task functions. Several sensors from different sensor technologies can also be combined with one another in order to fulfill one or more task functions.
Erfindungsgemäß werden zur Optimierung des verwendeten Sensorsets a1, a2, ..., ak; b1, b2, ..., bl; ...; n1, n2, ..., nm evolutionäre Algorithmen und insbesondere genetische Algorithmen eingesetzt, die auf einem Populationsansatz basieren, um mittels einer heuristischen Suche ein Optimierungsproblem zu lösen. Das System 100, gezeigt in
Unter einem „Prozessor“ kann im Zusammenhang mit der Erfindung beispielsweise eine Maschine oder eine elektronische Schaltung verstanden werden. Bei einem Prozessor kann es sich insbesondere um einen Hauptprozessor (engl. Central Processing Unit, CPU), einen Mikroprozessor oder einen Mikrocontroller, beispielsweise eine anwendungsspezifische integrierte Schaltung oder einen digitalen Signalprozessor, möglicherweise in Kombination mit einer Speichereinheit zum Speichern von Programmbefehlen, etc. handeln. Auch kann unter einem Prozessor ein virtualisierter Prozessor, eine virtuelle Maschine oder eine Soft-CPU verstanden werden. Es kann sich beispielsweise auch um einen programmierbaren Prozessor handeln, der mit Konfigurationsschritten zur Ausführung des genannten erfindungsgemäßen Verfahrens ausgerüstet wird oder mit Konfigurationsschritten derart konfiguriert ist, dass der programmierbare Prozessor die erfindungsgemäßen Merkmale des Verfahrens, der Komponente, der Module, oder anderer Aspekte und/oder Teilaspekte der Erfindung realisiert.In the context of the invention, a “processor” can be understood to mean, for example, a machine or an electronic circuit. A processor can in particular be a central processing unit (CPU), a microprocessor or a microcontroller, for example an application-specific integrated circuit or a digital signal processor, possibly in combination with a memory unit for storing program instructions, etc . A processor can also be understood to mean a virtualized processor, a virtual machine or a soft CPU. It can also be a programmable processor, for example, which is equipped with configuration steps for executing the mentioned method according to the invention or is configured with configuration steps in such a way that the programmable processor has the inventive features of the method, the component, the modules, or other aspects and/or or implemented partial aspects of the invention.
Unter einer „Speichereinheit“ oder „Speichermodul“ und dergleichen kann im Zusammenhang mit der Erfindung beispielsweise ein flüchtiger Speicher in Form eines Arbeitsspeichers (engl. Random-Access Memory, RAM) oder ein dauerhafter Speicher wie eine Festplatte oder ein Datenträger oder z. B. ein wechselbares Speichermodul verstanden werden. Es kann sich bei dem Speichermodul aber auch um eine cloudbasierte Speicherlösung handeln.In the context of the invention, a “memory unit” or “memory module” and the like can mean, for example, a volatile memory in the form of a random-access memory (RAM) or a permanent memory such as a hard disk or a data carrier or e.g. B. be understood as a removable memory module. However, the storage module can also be a cloud-based storage solution.
Unter einem „Modul“ kann im Zusammenhang mit der Erfindung beispielsweise ein Prozessor und/oder eine Speichereinheit zum Speichern von Programmbefehlen verstanden werden. Beispielsweise ist ein Modul speziell dazu eingerichtet, die Programmbefehle derart auszuführen, damit der Prozessor und/oder die Speichereinheit Funktionen ausführt, um das erfindungsgemäße Verfahren oder einen Schritt des erfindungsgemäßen Verfahrens zu implementieren oder realisieren.In connection with the invention, a “module” can be understood to mean, for example, a processor and/or a memory unit for storing program instructions. For example, a module is specially set up to execute the program instructions in such a way that the processor and/or the memory unit executes functions in order to implement or realize the method according to the invention or a step of the method according to the invention.
Wie in
In einem Initialisierungsmodul 120 wird eine initiale Population Ωt=0 von zufällig ausgewählten Individuen X1, X2, ..., Xk von Sensorsets 10 erzeugt. Jedes Individuum Xi entspricht einem Sensorset 10. Die einzelnen Individuen weisen einen genetischen Code auf, der beispielsweise als Zeichenkette und/oder als reale Ziffern und/oder in einer Baumstruktur darstellbar ist. Ein Beispiel für eine Zeichenkette ist ein Spaltenvektor mit einer Anzahl m von Elementen Ψ1, Ψ2, ..., Ψp. Die einzelnen Elemente einer Zeichenkette repräsentieren die Sensorparameter, welche die Eigenschaften eines Sensorelements, wie eine bestimmte Einbauposition, Orientierung, Auflösung, Abtastrate oder Überwachungsbereich abbilden.In an
Eine Population Ω kann ebenso in einem anderen Modul erzeugt und an das Initialisierungsmodul 120 übermittelt werden. Ein Individuum Xi stellt somit eine individuelle Ausprägung eines Sensorsets 10 mit bestimmten Eigenschaften einzelner Sensoren a1, a2, ..., ak; b1, b2,...,bl; ...; n1, n2,..., nm hinsichtlich der Technologie, der Einbauposition, der Auflösung und/oder des Sichtfeldes, etc. dar. Die initialen Individuen X1, X2, ..., Xk können eine zufällige Auswahl oder eine aktuelle Serienausprägung darstellen und müssen nicht optimal sein.A population Ω can also be generated in another module and transmitted to the
Anschließend wird die Population Ω an ein Simulationsmodul 130 überführt. Jedes Individuum Xi durchläuft einen Katalog definierter Simulationsszenarien, welche die Aufgabenfunktion bestmöglich repräsentieren. Das Simulationsmodul 130 generiert für jedes Individuum Xi synthetische Sensordaten.Then the population Ω is transferred to a
Basierend auf Anforderungen der Aufgabenfunktion wird eine Bewertungsfunktion F(Xi) bestimmt, um die Qualität eines bestimmten Individuums Xi eines Sensorsets 10 bestehend aus den verschiedenen Sensoren a1, a2, ..., ak; b1, b2, ..., bl; ...; n1, n2,..., nm zu bewerten. Die Bewertungsfunktion F(Xi) besteht beispielsweise aus gewichteten Eigenschaften ei, die den Kriterien entsprechen, die für eine optimierte Auswahl und Anordnung eines Individuums Xi des Sensorsets 10 erforderlich sind. Das Ziel des Algorithmus des erfindungsgemäßen Systems 100 ist es, Individuen Xi von Sensorsets 10 zu erzeugen, die ein hohes Bewertungsergebnis aufweisen, um die jeweilige Aufgabenfunktion hinsichtlich der Bewertungskriterien gut zu erfüllen.Based on requirements of the task function, an evaluation function F(X i ) is determined in order to assess the quality of a specific individual X i of a sensor set 10 consisting of the various sensors a 1 , a 2 , ..., ak ; b 1 , b 2 , ..., b 1 ; ...; n 1 , n 2 ,..., n m . The evaluation function F(X i ) consists, for example, of weighted properties e i that correspond to the criteria that are required for an optimized selection and arrangement of an individual X i of the sensor set 10 . The goal of the algorithm of the
In einem Bewertungsmodul 140 wird nun für jedes Individuum Xi der Population Ω mittels der Bewertungsfunktion F(Xi) eine Bewertung durchgeführt. Es wird bewertet, wie gut die synthetischen Sensordaten des Individuums Xi die definierten Anforderungen der Aufgabenfunktion erfüllen können. Auch weitere Kriterien wie beispielsweise die Kosten, das Gewicht, die Busauslastung, die übertragbare Datenrate, etc. des Sensorsets Xi fließen in die Bewertung mit ein. Alle Bewertungskriterien werden zu der Bewertungsfunktion F(Xi) kombiniert. Die Bewertungsfunktion F(Xi) kann beispielsweise eine lineare Kombination von Eigenschaften ei und derer Gewichtung wi aufweisen:
F(Xi): Bewertungsfunktion
wi: Gewicht
ei: EigenschaftIn an
F(X i ): evaluation function
w i : weight
ei : property
Ein hoher Wert für die Bewertungsfunktion F(Xi) ist ein Maß für die Qualität des jeweiligen Sensorsets Xi. Für jedes Individuum Xi der Population Ω wird mittels der Bewertungsfunktion F(Xi) ein Bewertungsergebnis berechnet.A high value for the evaluation function F(X i ) is a measure of the quality of the respective sensor set X i . An evaluation result is calculated for each individual X i of the population Ω using the evaluation function F(X i ).
Basierend auf dem Bewertungsergebnis werden ein oder mehrere Individuen Xi von Sensorsets 10 in einem Selektionsmodul 150 ausgewählt. Hierbei sind verschiedene Ansätze denkbar, wie beispielsweise die Auswahl der n-besten Individuen Xi oder aller Individuen Xi mit einem Bewertungsergebnis, das größer als ein Schwellenwert ist gemäß:
Nun werden die ausgewählten Individuen Xi an ein Rekombinationsmodul 160 überführt. In dem Rekombinationsmodul 160 werden die Parameter Ψi von allen ausgewählten Individuen Xi miteinander kombiniert und ein oder mehrere Individuen Yi der nächsten Generation erzeugt. Somit vererben die selektierten Individuen Xi ihre Parameter Ψi an die nächste Generation. Hier sind mehrere Ansätze denkbar, wie diese Parameter Ψi vererbt werden können, beispielsweise über die Kombination der Parameter von zumindest zwei Elternteilen. Beispielsweise kann die Zeichenkette Ψ1, Ψ2, ..., Ψp eines Elters an einer zufälligen Stelle getrennt werden und mit den Parametwerten des anderen Elters aufgefüllt werden. So entsteht ein neues Individuum Yi, das Eigenschaften beider Elternteile aufweist.The selected individuals X i are now transferred to a
Nun werden in einem Mutationsmodul 170 die Parameter Ψi der Individuen Yi der neuen Generation um ein definiertes Maß variiert. Somit entsteht ein neues Individuum Y'i. Die Individuen Y'i stellen nun die neue Population Ωt+1 für einen erneuten Durchlauf der einzelnen Verfahrensschritte dar.Now, in a
Die Verfahrensschritte in dem Initialisierungsmodul 120, dem Simulationsmodul 130, dem Bewertungsmodul 140, dem Selektionsmodul 150, dem Rekombinationsmodul 160 und dem Mutationsmodul 170 werden iterativ solange durchgeführt, bis ein in einem Abschlussmodul 180 definiertes Abbruchkriterium erfüllt ist. Hierfür können mehrere Abschlusskriterien ausgewählt werden, beispielsweise, dass das Bewertungsergebnis einen Zielwert erreicht hat, der dadurch definiert wird, dass die Abweichung unter einem Schwellenwert liegt. Ein anderes Kriterium kann sein, dass die Individuen der vorangehenden Population und die Individuen der nächsten Population sich annähern und somit einen Konvergenzwert erreichen. Ein weiteres Kriterium ist, dass eine gegebene maximale Anzahl von Iterationen erreicht wurde. Ist/sind eines oder mehrerer dieser Kriterien erreicht, so beendet das Abschlussmodul 180 den Algorithmus.The method steps in the
In dem Fall jedoch, dass ein Abschlusskriterium nicht erfüllt ist, wird eine neue Population Ωt+1 erzeugt. Die neue Population Ωt+1 wird nun an das Initialisierungsmodul 120 übermittelt und die Verfahrensschritte werden solange iterativ durchgeführt, bis ein Abschlusskriterium erfüllt ist.However, in the event that a closure criterion is not met, a new population Ω t+1 is created. The new population Ω t+1 is now transmitted to the
Das erfindungsgemäße Verfahren lässt sich zur Optimierung ganzer Sensorsets 10 verwenden, kann aber auch zur Optimierung eines einzelnen Sensors eingesetzt werden.The method according to the invention can be used to optimize entire sensor sets 10, but can also be used to optimize an individual sensor.
Es ist auch denkbar, den Verfahrensschritt in dem Rekombinationsmodul 160 oder den Verfahrensschritt in dem Mutationsmodul 170 nicht vorzusehen.It is also conceivable not to provide the method step in the
In
In einem Schritt S10 wird in einem Anforderungsmodul 110 zumindest eine Anforderung an ein Sensorset 10 mit ein oder mehreren Sensoren a1, a2, ..., ak; b1, b2,...,bl; ...; n1, n2,...,nm zur Erfüllung einer Aufgabenfunktion eines sich bewegenden Objekts definiert.In a step S10, in a
In einem Schritt S20 wird in einem Initialisierungsmodul 120 eine Population Ω von zufällig oder nach bestimmten Kriterien ausgewählten Individuen X1, X2, ..., Xn von Sensorsets 10 initialisiert, wobei jedem Individuum Xi zumindest ein Parameter Ψi zugeordnet wird.In a step S20 , a population Ω of individuals X 1 , X 2 , .
In einem Schritt S30, durchläuft jedes Individuum Xi in einem Simulationsmodul 130 einen Katalog definierter Simulationsszenarien, welche die Aufgabenfunktion bestmöglich repräsentieren. Das Simulationsmodul 130 generiert für jedes Individuum Xi synthetische Sensordaten.In a step S30, each individual X i runs through a catalog of defined simulation scenarios in a
In einem Schritt S40 wird in einem Bewertungsmodul 140 für jedes Individuum Xi der Population Ω die Qualität der synthetischen Sensordaten mittels einer Bewertungsfunktion F(Xi) hinsichtlich der an das Sensorset gestellten Anforderungen für die Erfüllung einer bestimmten Aufgabe bewertet.In a step S40, the quality of the synthetic sensor data is evaluated in an
In einem Schritt S50 wird in einem Abschlussmodul 180 festgestellt, ob der Algorithmus beendet werden kann.In a step S50, a
In einem Schritt S60 wird der Algorithmus beendet, falls zumindest ein im Abschlussmodul 180 definiertes Abschlusskriterium zutrifft.In a step S60, the algorithm is terminated if at least one termination criterion defined in the
In einem Schritt S70 werden basierend auf dem Bewertungsergebnis ein oder mehrere Individuen Xi von Sensorsets 10 in einem Selektionsmodul 150 ausgewählt.In a step S70, one or more individuals X i from sensor sets 10 are selected in a
In einem Schritt S80 werden in einem Rekombinationsmodul 160 die Parameter Ψi von einem oder mehreren der ausgewählten Individuen Xi miteinander kombiniert und ein oder mehrere Individuen Yi der nächsten Generation erzeugt.In a step S80, the parameters Ψ i of one or more of the selected individuals X i are combined with one another in a
In einem Schritt S90 werden in einem Mutationsmodul 170 die Parameter Ψi der Individuen Yi der neuen Generation um ein definiertes Maß variiert und ein neues Individuum Y'i der neuen Population Ωt+1 erzeugt.In a step S90, the parameters Ψ i of the individuals Y i of the new generation are varied by a defined amount in a
In einem Schritt S100 wird die Population Ωt+1 der neuen Generation an das Initialisierungsmodul 120 übermittelt. Hierbei wird die neue Generation Ωt+1 in die aktuelle Population Ωt überführt und anschließend die Schritte S10 - S50 durchgeführt.The population Ω t+1 of the new generation is transmitted to the
Mit dem Verfahren gemäß der vorliegenden Erfindung können Zeit und Kosten für das Konfigurieren geeigneter Sensorsets 10 reduziert und die Sicherheit des sich bewegenden Objekts 20, insbesondere eines Kraftfahrzeugs verbessert werden. Durch die Verwendung eines evolutionären Algorithmus ist eine Anpassung der Parameter Ψi, die einen Einfluss auf die Datenqualität eines Sensorsets 10 haben, autonom und automatisch ermöglicht.With the method according to the present invention, time and costs for configuring suitable sensor sets 10 can be reduced and the safety of the moving
BezugszeichenlisteReference List
- 1010
- Sensorsetsensor set
- 2020
- Objektobject
- 100100
- System zum Konfigurieren eines SensorsetsSystem for configuring a sensor set
- 110110
- Anforderungsmodulrequirements module
- 120120
- Initialisierungsmodulinitialization module
- 130130
- Simulationsmodulsimulation module
- 140140
- Bewertungsmodulrating module
- 150150
- Selektionsmodulselection module
- 160160
- Rekombinationsmodulrecombination module
- 170170
- Mutationsmodulmutation module
- 180180
- Abschlussmodulfinal module
- 700700
- Computerprogrammproduktcomputer program product
- 750750
- Programmcode program code
- a1, a2, ..., ak; b1, b2, ..., bl; ...; n1, n2, ..., nma1, a2, ..., ak; b1, b2, ..., bl; ...; n1, n2, ..., nm
- Sensorensensors
- X1, X2, ..., Xi, ..., XnX1, X2, ..., Xi, ..., Xn
- Individuen von Sensorsetsindividuals of sensor sets
- Y1, Y2, ..., Yi, ..., YnY1, Y2, ..., Yi, ..., Yn
- Individuen von Sensorsets der nächsten GenerationIndividuals of next-generation sensor sets
- ΩtΩt
- Population der aktuellen GenerationCurrent generation population
- Ωt+1Ωt+1
- Population der nächsten Generationnext generation population
- Ψ1, Ψ2, ..., Ψi, ..., ΨpΨ1, Ψ2, ..., Ψi, ..., Ψp
- Parameter-Zeichenketteparameter string
- F(Xi)F(Xi)
- Bewertungsfunktionrating function
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- CN 109917290 A [0007]CN 109917290A [0007]
- US 6006604 A [0008]US6006604A [0008]
- US 7895021 B1 [0009]US7895021B1 [0009]
Claims (11)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020132384.0A DE102020132384A1 (en) | 2020-12-07 | 2020-12-07 | System, method and computer program product for configuring an optimized sensor set for a moving object |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020132384.0A DE102020132384A1 (en) | 2020-12-07 | 2020-12-07 | System, method and computer program product for configuring an optimized sensor set for a moving object |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102020132384A1 true DE102020132384A1 (en) | 2022-06-09 |
Family
ID=81655413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020132384.0A Pending DE102020132384A1 (en) | 2020-12-07 | 2020-12-07 | System, method and computer program product for configuring an optimized sensor set for a moving object |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102020132384A1 (en) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6006604A (en) | 1997-12-23 | 1999-12-28 | Simmonds Precision Products, Inc. | Probe placement using genetic algorithm analysis |
US7895021B1 (en) | 2006-06-13 | 2011-02-22 | The United States Of America As Represented By The Secretary Of The Navy | Method of sensor disposition |
CN109917290A (en) | 2019-02-13 | 2019-06-21 | 北京长城华冠汽车科技股份有限公司 | A kind of temperature determining method and device of Vehicular dynamic battery group |
-
2020
- 2020-12-07 DE DE102020132384.0A patent/DE102020132384A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6006604A (en) | 1997-12-23 | 1999-12-28 | Simmonds Precision Products, Inc. | Probe placement using genetic algorithm analysis |
US7895021B1 (en) | 2006-06-13 | 2011-02-22 | The United States Of America As Represented By The Secretary Of The Navy | Method of sensor disposition |
CN109917290A (en) | 2019-02-13 | 2019-06-21 | 北京长城华冠汽车科技股份有限公司 | A kind of temperature determining method and device of Vehicular dynamic battery group |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112009003656B4 (en) | Method and system for in-production optimization of the parameters of a robot used for assembly | |
EP3785177B1 (en) | Method and device for determining a network-configuration of a neural network | |
DE102018128289B4 (en) | METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND CLASSIFICATION | |
DE202010017612U1 (en) | Improved genetic algorithm with multiple targets for component design optimization | |
EP4193135A1 (en) | Computer-implemented method for providing a test process for traffic scenarios to be tested | |
DE112020001774T5 (en) | DATA SET-DEPENDENT LOW-RANKING DETACHMENT OF NEURAL NETWORKS | |
DE102018008685A1 (en) | Method for training an artificial neural network, artificial neural network, use of an artificial neural network and corresponding computer program, machine-readable storage medium and corresponding device | |
DE102021109382A1 (en) | SYSTEM AND PROCEDURE OF A MONOTON NEURAL OPERATOR NETWORK TECHNICAL FIELD | |
DE102019209616A1 (en) | Carrying out a given task with the aid of at least one robot | |
DE102021124445A1 (en) | META-FEATURE TRAINING MODELS FOR MACHINE LEARNING ALGORITHMS | |
DE102021104178A1 (en) | DYNAMICALLY ROUTED FIELD DISCRIMINATOR | |
DE102020132384A1 (en) | System, method and computer program product for configuring an optimized sensor set for a moving object | |
DE102023202593A1 (en) | Method and system for recommending modules for an engineering project | |
DE102018129871A1 (en) | Train a deep convolutional neural network to process sensor data for use in a driving support system | |
DE102020132383A1 (en) | System, method and computer program product for optimizing a sensing function of a sensor set for a moving object | |
DE102018218611A1 (en) | Method and computing device for generating a three-dimensional CAD model | |
DE102020126154A1 (en) | CERTIFIED ROBUSTNESS AGAINST ADVERSARY ATTACKS FOR DEEP REINFORCING LEARNING | |
DE102020127051A1 (en) | Method for determining safety-critical output values using a data analysis device for a technical entity | |
DE102019215256A1 (en) | Method for generating a digital localization map for determining a location of an at least partially automated mobile platform | |
DE102013208643B4 (en) | System, method and product for locating a vehicle key using neural networks | |
DE102021211185B4 (en) | Device and method for controlling a robot | |
DE102022200718B3 (en) | Method and device for processing object data and driver assistance system | |
DE102022212583A1 (en) | Image quantization using machine learning | |
DE102023205473A1 (en) | Improving the performance of neural networks under distribution shifting | |
DE102021110083A1 (en) | Training an artificial neural network to test an automatic driving function of a vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication |