CN108292134B - 自主车辆、用于控制其的方法和系统以及计算机可读介质 - Google Patents

自主车辆、用于控制其的方法和系统以及计算机可读介质 Download PDF

Info

Publication number
CN108292134B
CN108292134B CN201680064769.7A CN201680064769A CN108292134B CN 108292134 B CN108292134 B CN 108292134B CN 201680064769 A CN201680064769 A CN 201680064769A CN 108292134 B CN108292134 B CN 108292134B
Authority
CN
China
Prior art keywords
autonomous vehicle
data
event
trajectory
determining
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.)
Active
Application number
CN201680064769.7A
Other languages
English (en)
Other versions
CN108292134A (zh
Inventor
J·S·莱文森
G·T·斯布莱
A·G·赖格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zoox Inc
Original Assignee
Zoox Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from US14/932,940 external-priority patent/US9734455B2/en
Priority claimed from US14/932,959 external-priority patent/US9606539B1/en
Priority claimed from US14/932,966 external-priority patent/US9507346B1/en
Priority claimed from US14/932,963 external-priority patent/US9612123B1/en
Application filed by Zoox Inc filed Critical Zoox Inc
Priority to CN202210978945.5A priority Critical patent/CN115113629A/zh
Publication of CN108292134A publication Critical patent/CN108292134A/zh
Application granted granted Critical
Publication of CN108292134B publication Critical patent/CN108292134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/50—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking
    • B60Q1/503—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking using luminous text or symbol displays in or on the vehicle, e.g. static text
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/50—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking
    • B60Q1/507—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking specific to autonomous vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/50—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking
    • B60Q1/508—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking specific to vehicles driving in fleets or convoys
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G01S7/4972—Alignment of sensor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G05D1/0022—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement characterised by the communication link
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G05D1/0027—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/28—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating front of vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/30—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating rear of vehicle, e.g. by means of reflecting surfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/50—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking
    • B60Q1/549—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking for expressing greetings, gratitude or emotions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2400/00—Special features or arrangements of exterior signal lamps for vehicles
    • B60Q2400/40—Welcome lights, i.e. specific or existing exterior lamps to assist leaving or approaching the vehicle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9316—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles combined with communication equipment with other vehicles or with base stations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Transportation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)

Abstract

一种系统、设备或过程可以被配置成实施一种应用，该应用利用人工智能和/或机器学习技术为自主车辆系统(例如，自主车辆的规划器、模拟器或远程操作员的一个或多个)预测最优动作流程(或动作流程的子集)，以基于欠最优自主车辆性能和/或所检测传感器数据的变化(例如，新的建筑物、地标、坑洼等)加以采用。该应用可以在解决由于事件或状况造成的异常时，基于若干决策和交互而确定轨迹的子集。该应用可以使用来自多个自主车辆的汇集传感器数据辅助(例如，使用语意场景分类)识别可能影响行驶的事件或状况。可以响应于语意改变(例如，道路建设)基于建议来形成轨迹的最优子集。

Description

自主车辆、用于控制其的方法和系统以及计算机可读介质
相关申请的交叉引用
本PCT国际申请是2015年11月5日提交的题为“Machine-Learning Systems andTechniques to Optimize Teleoperation and/or Planner Decisions”的美国申请No.14/933,602，2015年11月4日提交的题为“Autonomous Vehicle Fleet Service AndSystem”的美国专利申请No.14/932,959，2015年11月4日提交的题为“Adaptive MappingTo Navigate Autonomous Vehicles Responsive To Physical Environment Changes”的美国专利申请No.14/932,963，2015年11月4日提交的题为“Teleoperation System AndMethod For Trajectory Modification Of Autonomous Vehicles”的美国专利申请No.14/932,966，以及2015年11月4日提交的题为“Automated Extraction of SemanticInformation to Enhance Incremental Mapping Modifications for RoboticVehicles”的美国专利申请No.14/932,940的继续，在此出于所有目的通过引用将其所有的全文并入本文。
技术领域
各实施例总体上涉及自主车辆以及相关联的机械、电气和电子硬件、计算机软件和系统，以及有线和无线网络通信，以在自主车辆中提供自动化决策选择和执行。
背景技术
自主车辆可以被委派导航于其中的环境可能由于使用模式(例如，行人)、道路基础设施(例如，交通标牌、交通信号灯、道路标志等)、道路条件(例如，道路建设、车道封闭、坑洼、道路表面上的障碍物等)变化而随时间改变。道路条件的变化，例如车道关闭、坑洼等，可能需要自主车辆采取适当动作以将初始引导路径变为修改的引导路径。不过，如果自主车辆未被配置成基于新检测到的事件预测要采取的动作流程，检测到可能需要实施改变的事件可能并没有效果。此外，与事件相关联的信息和自主车辆响应于该事件采取的响应可能不会使也可能遇到类似事件的其他自主车辆受益，除非向其他自主车辆传播信息和/或响应。
因此，需要一种实施事件检测的方案，其响应于事件而预测最优动作流程，而没有常规技术的局限。
发明内容
根据本发明的第一方面，提供了一种用于控制自主车辆的方法，包括：从传感器或通信接口中的一个或多个接收与事件相关联的遥测数据，所述事件与自主车辆相关联；获得策略数据，所述策略数据包括用于操作自主车辆的指令以及与所述事件相关联的事件置信度水平，所述事件置信度水平指示鉴于所述事件，所述自主车辆在根据所述策略数据操作时将安全操作的确定程度；响应于所述事件，基于所述遥测数据获得候选轨迹，每条候选轨迹都具有相关联的置信度水平；通过由处理器进行机器学习并且至少部分地基于所述候选轨迹和所述遥测数据，产生更新的策略数据，所述更新的策略数据包括用于响应于所述事件以不同于根据所述策略数据的方式操作所述自主车辆的指令；以及经由通信接口向至少一个自主车辆发送所更新的策略数据。
根据本发明的第二方面，提供了一种用于控制自主车辆的系统，包括：一个或多个处理器；以及存储器，所述存储器具有存储在其上的指令，在由所述一个或多个处理器执行所述指令时，使所述一个或多个处理器执行所包括的如下操作：获得与自主车辆的操作相关联的传感器数据；至少基于所述传感器数据和第一操作标准确定用于操作所述自主车辆的第一轨迹，所述第一操作标准包括用于确定所述第一轨迹的驾驶策略；发送对用于操作所述自主车辆的第二轨迹的请求；至少部分地基于所述对用于操作所述自主车辆的所述第二轨迹的请求，接收用于实现所述用于操作所述自主车辆的所述第二轨迹的指令，所述指令包括更新的驾驶策略，以及产生第二操作标准以替换第一操作标准，所述第二操作标准包括所述更新的驾驶策略且配置所述一个或多个处理器以至少基于所述传感器数据和所述第二操作标准确定所述第二轨迹。
根据本发明的第三方面，提供了一种或多种存储处理器可执行指令的计算机可读介质，所述处理器可执行指令在被执行时，令一个或多个处理器执行操作，所述操作包括：接收与自主车辆的操作相关联的遥测数据；响应于所述遥测数据接收用于操作所述自主车辆的指令；从所述指令和所述遥测数据获知更新的操作标准；以及向至少一个自主车辆传送所更新的操作标准以替换所述至少一个自主车辆的操作标准，所更新的操作标准和所述操作标准包括供所述至少一个自主车辆至少部分基于在合成环境中模拟的候选轨迹来确定所述至少一个自主车辆的轨迹的指令。
根据本发明的第四方面，提供了一种自主车辆，包括：一个或者多个处理器；通信接口，所述通信接口被配置为在所述自主车辆和一个或多个其它装置或者自主车辆之间建立通信链路；一个或者多个传感器；以及存储器，在所述存储器上存储有处理器可执行指令，当通过所述一个或者多个处理器执行所述处理器可执行指令时，配置所述自主车辆执行所包括的以下操作；从所述一个或者多个传感器获得传感器数据；从所述传感器数据检测事件，所述事件具有超过与所述自主车辆的规范操作相关联的阈值置信度水平的相关联置信度水平；确定所述事件的类型；至少部分基于所述事件的类型，经由所述通信接口请求远程操作员命令；经由所述通信接口接收远程操作员命令；以及至少部分基于所述远程操作员命令来控制所述自主车辆。
根据本发明的第五方面，提供了一种用于控制自主车辆的方法，包括：从一个或者多个传感器获得传感器数据，所述一个或者多个传感器位于自主车辆上；至少部分基于所述传感器数据来确定已经发生某一类型的事件；至少部分基于所述事件的类型来发送对远程操作员命令的请求；响应于所述事件，基于所述传感器数据和与所述事件相关联的策略数据来获得多条候选轨迹，所述策略数据包括用于操作所述自主车辆的指令；经由通信接口接收远程操作员命令，所述远程操作员命令包括更新的策略数据，所述更新的策略数据包括有所述多条候选轨迹中被选择的一条候选轨迹；以及至少部分基于所述远程操作员命令来控制所述自主车辆，其中所述通信接口被配置为在通信链路上发送并且接收一个或者多个数据消息，其中所述事件的类型包括以下各项中的一项或多项：所述自主车辆接近一区域；当天的时间；太阳的位置；交通；事故；所述自主车辆已经持续阈值时间量不动；或者根据所述传感器数据确定的置信度水平低于阈值。
根据本发明的第六方面，提供了一种或者多种非暂态计算机可读介质，所述一种或者多种非暂态计算机可读介质存储计算机可执行指令，所述计算机可执行指令被配置为对一个或者多个计算装置进行编程以执行操作，所述操作包括：至少部分基于从所述一个或者多个自主车辆接收的数据来监测一个或者多个自主车辆的操作；根据所述监测来检测所述一个或者多个自主车辆中的一自主车辆处的事件，所述事件超过与所述自主车辆的规范操作相关联的阈值置信度水平；以及至少部分基于所述事件的检测获得来自所述自主车辆的传感器数据，所述获得包括以下各项中的一项或者多项；经由通信链路向所述自主车辆发送指令，以发送所述传感器数据被所述一个或者多个计算装置接收；或者经由通信接口接收来自所述自主车辆的与所述事件同时的所述传感器数据，其中所述通信接口被配置为在通信链路上发送并且接收一个或者多个数据消息。
根据本发明的第七方面，提供了一种用于控制自主车辆的方法，包括：接收来自自主车辆的遥测数据，所述遥测数据包括来自所述自主车辆上的传感器的传感器数据；接收策略数据；至少部分基于所述遥测数据或者所述策略数据中的至少一个，确定所述自主车辆已经穿过的环境的区域中的事件；至少部分基于所述事件，确定所述自主车辆的操作的状态是非规范的，所述非规范状态指示不足以保证无碰撞行驶；至少部分基于所述操作的状态，确定多条轨迹；至少部分基于所述多条轨迹中的轨迹，确定更新的策略数据；以及发送所述更新的策略数据至所述自主车辆，所述更新的策略数据被配置为使得所述自主车辆根据所述更新的策略数据中的一个或多个策略来进行操作。
根据本发明的第八方面，提供了一种用于控制自主车辆的系统，包括：一个或者多个处理器；以及存储器，在所述存储器上存储有处理器可执行指令，当通过所述一个或者多个处理器执行所述指令时，使得所述系统：接收来自自主车辆的遥测数据，所述遥测数据包括来自所述自主车辆上的传感器的传感器数据；接收策略数据；至少部分基于所述遥测数据或者所述策略数据中的至少一个，确定与围绕所述自主车辆的环境的区域中的事件相关联的置信度水平；至少部分基于所述置信度水平，确定多条轨迹；至少部分基于所述多条轨迹中的轨迹，确定更新的策略数据；以及发送所述更新的策略数据至所述自主车辆，所述更新的策略数据被配置为使得所述自主车辆根据所述更新的策略数据中的一个或者多个策略来进行操作。
根据本发明的第九方面，提供了一种用于控制自主车辆的系统，包括：一个或者多个处理器；以及一个或者多个传感器；存储器，所述存储器存储处理器可执行指令，当通过所述一个或者多个处理器执行所述处理器可执行指令时，使得所述系统：接收来自所述一个或者多个传感器的遥测数据；接收策略数据；至少部分基于所述遥测数据或者所述策略数据中的至少一个，确定围绕自主车辆的环境的区域中的事件以及与所述事件相关联的置信度水平；向第二装置发送所述遥测数据或者所述策略数据中的至少一个的至少一部分；从所述第二装置接收更新的策略数据；以及至少部分基于所述更新的策略数据，改变所述事件期间所述自主车辆的操作。
附图说明
在以下具体实施方式和附图中公开了本发明的各种实施例或示例(“示例”)。
图1是绘示了根据一些实施例通信联网到自主车辆服务平台的一队自主车辆的实施方式的图示；
图2是根据一些实施例监测一队自主车辆的流程图的示例；
图3A是绘示了根据一些示例的传感器和其他自主车辆部件的示例的图示；
图3B到3E是绘示了根据一些示例的感测区域冗余和自主车辆适应感测区域损失的示例的图示；
图4是绘示了根据一些示例的系统的功能框图，该系统包括经由通信层通信耦合到自主车辆控制器的自主车辆服务平台；
图5是根据一些实施例控制自主车辆的流程图的示例；
图6是绘示了根据一些实施例用于自主车辆控制器的架构示例的图示；
图7是绘示了根据一些实施例的自主车辆服务平台示例的图示，该自主车辆服务平台实施冗余通信信道以与一队自主车辆保持可靠通信；
图8是绘示了根据一些实施例被配置成在各种应用之间交换数据的消息应用示例的图示；
图9是绘示了根据一些示例使用图8所述的通信协议方便远程操作的数据类型的图示；
图10是示出根据一些实施例的远程操作员界面的示例的图示，远程操作员可以利用该界面影响路径规划；
图11是绘示了根据一些示例被配置成调用远程操作的规划器(planner)示例的图示；
图12是根据一些实施例被配置成控制自主车辆的流程图的示例；
图13示出了根据一些示例规划器可以产生轨迹的示例；
图14是绘示了根据一些实施例的自主车辆服务平台另一示例的图示；
图15是根据一些实施例控制自主车辆的流程图的示例；
图16是根据一些示例实现车队优化管理器的自主车队管理器的示例的图示；
图17是根据一些实施例用于管理一队自主车辆的流程图的示例；
图18是示出了根据一些实施例实施自主车辆通信链路管理器的自主车队管理器的图示；
图19是根据一些实施例用于确定事件期间自主车辆动作的流程图的示例；
图20是示出根据一些实施例的定位器示例的图示；
图21是根据一些实施例基于集成传感器数据产生本地姿态数据的流程图的示例；
图22是示出根据一些实施例的定位器另一示例的图示；
图23是示出根据一些实施例的感知引擎示例的图示；
图24是根据一些实施例产生感知引擎数据的流程图的示例；
图25是示出根据一些实施例的分割处理器的示例；
图26A是示出根据各实施例的对象跟踪器和分类器示例的图示；
图26B是示出根据一些示例的对象跟踪器另一示例的图示；
图27是根据一些示例用于感知引擎的前端处理器的示例；
图28是绘示了根据各实施例被配置成在合成环境中模拟自主车辆的模拟器的图示；
图29是根据一些实施例模拟自主车辆各方面的流程图的示例；
图30是根据一些实施例产生地图数据的流程图的示例；
图31是示出根据一些实施例的制图引擎架构的图示；
图32是绘示了根据一些示例的自主车辆应用的图示；
图33到35示出了根据各实施例被配置成向自主车辆服务的部件提供各种功能性的各种计算平台的示例；
图36是绘示了根据各示例被配置成向一队自主车辆中的一个或多个自主车辆提供更新策略数据的策略探索器的实施方式的图示；
图37是根据各示例产生更新策略数据的流程图的示例；
图38是绘示了根据各示例在模拟器中实现策略探索器的图示；以及
图39是绘示了根据各示例在远程操作员中实现策略探索器的图示。
尽管上述附图绘示了本发明的各示例，但本发明不受所示示例的限制。要理解的是，在附图中，类似附图标记指示类似结构元件。而且，要理解的是，附图未必成比例。
具体实施方式
可以通过众多方式实现各实施例或示例，包括系统、过程、设备、用户接口或计算机可读介质上的一系列程序指令，计算机可读介质例如是计算机可读存储介质或通过光学、电子或无线通信链路发送程序指令的计算机网络。通常，可以按照任意次序执行所公开过程的操作，除非在权利要求中做出其他陈述。
下文连同附图提供对一个或多个示例的详细描述。结合这样的示例提供详细描述，但不限于任何特定示例。保护范围仅受权利要求及其众多替代、修改和等价要件的限制。在以下描述中阐述了众多具体细节，以便提供透彻的理解。提供这些细节是为了举例，可以根据权利要求实践所述的技术而无需这些具体细节的一些或全部。为了清晰起见，未详细描述在涉及示例的技术领域中已知的技术材料，以免使描述不必要地模糊不清。
图1是绘示了根据一些实施例通信联网到自主车辆服务平台的一队自主车辆的实施方式的图示。图示100示出了作为服务工作的一队自主车辆109(例如，一个或多个自主车辆109a到109e)，每个自主车辆109都被配置成在路网110上自驾驶，并与自主车辆服务平台101建立通信链路192。在一队自主车辆109构成服务的示例中，用户102可以经由一个或多个网络106向自主车辆服务平台101发送对自主运输的请求103。作为响应，自主车辆服务平台101可以分派自主车辆109之一以自主地将用户102从地理位置119运输到地理位置111。自主车辆服务平台101可以将自主车辆从车站190分派到地理位置119，或者可以将已经在运输中(例如，没有乘坐者)的自主车辆109c转移到为用户102的运输请求服务。自主车辆服务平台101可以进一步被配置成响应于来自用户102(例如，作为乘客)的请求转移运输中有乘客的自主车辆109c。此外，自主车辆服务平台101可以被配置成保留运输中带乘客的自主车辆109c，以在现有乘客下车之后转移到为用户102的请求服务。需注意，可以实现多个自主车辆服务平台101(未示出)和一个或多个车站190以结合路网110为一个或多个自主车辆190服务。一个或多个车站190可以被配置成存储、服务、管理和/或维护自主车辆109的库存(例如，车站190可以包括实现自主车辆服务平台101的一个或多个计算设备)。
根据一些示例，至少一些自主车辆109a到109e被配置为双向自主车辆，例如双向自主车辆("AV")130。双向自主车辆130可以被配置成在基本沿着但不限于纵轴131的任意方向行驶。因此，双向自主车辆130可以被配置成实施车辆外部的主动照明以提示相邻附近区域中的其他人(例如，其他驾驶员、行人、骑行者等)，以及双向自主车辆130正在行驶的方向。例如，在沿第一方向行驶时可以将主动光源136实现为主动灯138a，或者可以在沿第二方向行驶时实现为主动灯138b。可以使用一种或多种颜色的第一子集实现主动灯138a并具有任选的动画(例如，光强可变的光图案或可以随时间改变的颜色)。类似地，可以使用一种或多种颜色的第二子集以及可能与主动灯138a的那些不同的光图案实现主动灯138b。例如，可以利用白色灯将主动灯138a实现为“头灯”，而可以使用红色灯将主动灯138b实现为“尾灯”。主动灯138a和138b或其部分可以被配置成提供其他与灯相关的功能，例如提供“转向信号指示”功能(例如，使用黄光)。根据各示例，自主车辆130中的逻辑可以被配置成调整主动灯138a和138b以遵守针对任意数量管辖区的各种安全要求和交通规则或法规。
在一些实施例中，双向自主车辆130可以被配置成在四个部分中的每一个中，例如四个部分194中都具有类似的结构元件和部件。至少在本示例中，四个部分被示为由平面132和平面134的相交区域界定的双向自主车辆130的部分，两个平面都通过车辆以在平面132和134的每侧形成两个相似一半。此外，双向自主车辆130可以包括自主车辆控制器147，自主车辆控制器147包括被配置成控制绝大多数车辆功能的逻辑(例如，硬件或软件，或其组合)，所述功能包括驾驶控制(例如，推进、转向等)和主动光源136等功能。双向自主车辆130还包括设置于车辆各处的若干传感器139(其他传感器未示出)。
自主车辆控制器147可以进一步被配置成确定自主车辆109的本地姿态(例如，本地位置)并检测相对于车辆的外部对象。例如，考虑到双向自主车辆130正在路网110中沿方向119行驶。自主车辆控制器147的定位器(未示出)可以确定在地理位置111处的本地姿态。这样一来，定位器可以使用采集的传感器数据，例如与建筑物115和117的表面相关联的传感器数据，传感器数据可以参照参考数据，例如地图数据(例如，3D地图数据，包括反射率数据)进行对比以确定本地姿态。此外，自主车辆控制器147的感知引擎(未示出)可以被配置成检测、分类并预测外部对象，例如外部对象112(“树”)和外部对象114(“行人”)的行为。对这样的外部对象进行分类可以将对象宽泛地分为诸如外部对象112的静态对象和诸如外部对象114的动态对象。定位器和感知引擎以及AV控制器147的其他部件合作，以使得自主车辆109自主驾驶。
根据一些示例，自主车辆服务平台101被配置成如果自主车辆109请求远程操作则提供远程操作员服务。例如，考虑到自主车辆109d中的自主车辆控制器147检测到在点191处道路122上有挡住道路124的对象126，如插图120中所示。如果自主车辆控制器147不能以较高确定度确定车辆109d可以安全通过的路径或轨迹，那么自主车辆控制器147可以发送请求消息105以获得远程操作服务。作为响应，远程操作员计算装置104可以从远程操作员108接收指令以执行一系列动作以成功(并安全)地通过障碍物126。响应数据107然后可以被发送回自主车辆109d，以令车辆例如在其沿替代路径121通过时安全跨越一组双线。在一些示例中，远程操作员计算装置104可以产生响应，标识在规划路径时要排除的地理区域。具体而言，并非是提供要遵循的路径，远程操作员108可以定义自主车辆必须要避开的区域或位置。
考虑前述内容，自主车辆130和/或自主车辆控制器147及其部件的结构和/或功能，可以通过自主相关的操作，例如局域化和感知，进行实时(或接近实时)的轨迹计算，以使得自主车辆109能够自驾驶。
在一些情况下，双向自主车辆130的双向性质提供了一种车辆，其具有彼此类似或基本类似的四个部分194(或任何其他数量的对称部分)。这样的对称性降低了设计复杂性并相对减少了唯一性部件或结构的数量，由此降低了库存和制造复杂性。例如，传动系统和车轮系统可以设置于四个部分的任何部分中。此外，自主车辆控制器147被配置成调用远程操作服务，以减小在解决本来可能影响乘车者安全的事件或问题时自主车辆109交通延迟的可能性。在一些情况下，路网110的可见部分绘示了地理围栏区域，其可以将自主车辆109的移动限制或通过其他方式控制到图1所示的路网。根据各示例，自主车辆109及其车队可以被配置成作为4级(“完全自驾驶自动化”或L4)车辆工作，4级车辆能够按需提供运输，具有点到点个人移动性的便利和隐私，同时提供共享车辆的效率。在一些示例中，自主车辆109或本文所述的任何自主车辆可以被配置成省去方向盘或为自主车辆109提供人工(即，人控制的)转向的任何其他机械装置。此外，自主车辆109或本文所述的任何自主车辆可以被配置成省去车内为操控方向盘的乘车者预留的座椅或位置。
图2是根据一些实施例监测一队自主车辆的流程图的示例。在202，在监测到一队自主车辆时开始流程200。至少一个自主车辆包括自主车辆控制器，其被配置为令车辆自主地从第一地理区域移动到第二地理区域。在204，检测代表与为车辆计算的置信度水平相关联的事件的数据。事件可能是影响自主车辆操作或潜在影响其操作的条件或状况。事件可以在自主车辆内部或外部。例如，挡在道路上的障碍物以及通信的减少或丢失可以被视为事件。事件可以包括交通状况或拥堵，以及被感知引擎感知到的意外或异常数量或类型的外部对象(或轨道)。事件可以包括天气相关的条件(例如，由于冰或雨而失去摩擦力)或太阳照射的角度(例如，日落时)，例如与地平面角度低，导致太阳在其他车辆的人类驾驶员眼睛中明亮地闪光。这些和其他条件可以被视为导致调用远程操作员服务或车辆执行安全停车轨迹的事件。
在206，可以响应于检测到事件而从自主车辆接收代表候选轨迹的子集的数据。例如，自主车辆控制器的规划器可以计算并评估每单位时间，例如一秒钟大量的轨迹(例如，几千或更大)。在一些实施例中，候选轨迹是在考虑事件的情况下自主车辆能够安全向前移动的，提供较高置信度水平的轨迹的子集(例如，使用远程操作员提供的替代路径)。注意，一些候选轨迹可以被排序或与其他候选轨迹相比具有更高的置信度。根据一些示例，候选轨迹的子集可以源自任意数量的源，例如规划器、远程操作员计算装置(例如，远程操作员可以确定并提供近似路径)等，并可以被组合为候选轨迹的超集。在208，可以在一个或多个处理器处识别路径引导数据。路径引导数据可以被配置成辅助远程操作员从一个或多个候选轨迹选择引导轨迹。在一些情况下，路径引导数据指定表示置信度水平或概率的值，置信度水平或概率指示特定候选轨迹可以减小或抵消事件可能影响自主车辆操作的概率的确定程度。可以在210，响应于来自远程操作员的输入(例如，远程操作员可以从一组排序不同的候选轨迹选择至少一个候选轨迹作为引导轨迹)接收引导轨迹作为选定候选轨迹。可以经由操作员界面做出该选择，该操作员界面列出若干候选轨迹，例如，按照从最高置信度水平到最低置信度水平的次序列出。在212，作为引导轨迹的候选轨迹的选择可以被发送到车辆，车辆继而实施引导轨迹，以通过令车辆执行远程操作员指定的策略来解决该状况。这样一来，自主车辆就可以从不规范操作状态过渡出来。
图3A是绘示了根据一些示例的传感器和其他自主车辆部件的示例的图示。图示300示出了双向自主车辆330的内部视图，其包括传感器、信号路由器345、传动系349、可移除电池343、音频发生器344(例如，扬声器或换能器)和自主车辆(“AV”)控制逻辑347。图示300中示出的传感器包括图像拍摄传感器340(例如，任何类型的光拍摄装置或相机)、音频捕获传感器342(例如，任何类型的麦克风)、雷达装置348、声呐装置341(或其他类似传感器，包括超声波传感器或声学相关传感器)以及LIDAR装置346、以及其他传感器类型和模态(其中一些未示出，例如惯性测量单元、或“IMU”、全球定位系统(“GPS”)传感器、声呐传感器等)。注意，四个部分350代表双向自主车辆330的四个“四个部分”的每个的对称性(例如，在图示之外，四个部分350中的每一个可以包括车轮、传动系349、类似的转向机构、类似的结构支撑和构件等)。如图3A所示，类似的传感器可以放在四个部分350的每一个中的类似位置处，不过，可以实施任何其他配置。每个车轮都可以单独转向并独立于其他车轮。还要指出，可移除电池343可以被配置成方便换入和换出，而不是原地充电，由此确保由于必须为电池343充电导致的停机时间减小或可忽略。尽管自主车辆控制器347a被绘示了为用于双向自主车辆330中，但自主车辆控制器347a不受此限制，可以实现于单向自主车辆或任何其他类型的交通工具中，无论是陆地、空中或海上。需注意，图3A中所示传感器的绘示了和描述的位置、地点、取向、数量和类型并非意在加以限制，这样一来，可以有任意数量和类型的传感器，任何传感器都可以位于自主车辆330上的任意地方并任意取向。
根据一些实施例，可以利用实现用于对GPU集群编程的框架和编程模型的图形处理单元(“GPU”)的集群实现自主车辆(“AV”)控制逻辑347的部分。例如，可以使用兼容计算统一装置架构(“CUDATM”)的编程语言和应用编程接口(“API”)模型对GPU编程。CUDATM由加利福尼亚Santa Clara的NVIDIA生产和维护。注意，可以实施其他编程语言，例如OpenCL或任何其他并行编程语言。
根据一些实施例，自主车辆控制逻辑347可以在硬件和/或软件中实现为自主车辆控制器347a，其被示为包括运动控制器362、规划器364、感知引擎366和定位器368。如图所示，自主车辆控制器347a被配置成接收相机数据340a、LIDAR数据346a和雷达数据348a或任何其他测距或局域化数据，包括声呐数据341a等。自主车辆控制器347a还被配置成接收定位数据，例如GPS数据352、IMU数据354和其他位置感测数据(例如，车轮相关的数据，例如转向角、角速度等)。此外，自主车辆控制器347a可以接收任何其他传感器数据356以及参考数据339。在一些情况下，参考数据339包括地图数据(例如，3D地图数据、2D地图数据、4D地图数据(例如，包括Epoch Determination))和路线数据(例如，路网数据，包括，但不限于RNDF数据(或类似数据)、MDF数据(或类似数据))等。
定位器368被配置成从一个或多个源接收传感器数据，例如GPS数据352、车轮数据、IMU数据354、LIDAR数据346a、相机数据340a、雷达数据348a等，以及参考数据339(例如，3D地图数据和路线数据)。定位器368通过将传感器数据与地图数据进行比较来集成(例如，融合传感器数据)和分析，以确定双向自主车辆330的本地姿态(或位置)。根据一些示例，定位器368可以实时或接近实时地产生或更新任何自主车辆的姿态或位置。需注意，定位器368及其功能不需要被限于“双向”车辆，可以在任何类型的任何车辆中实现。因此，定位器368(以及AV控制器347a的其他部件)可以实现于“单向”车辆或任何非自主车辆中。根据一些实施例，描述本地姿态的数据可以包括x坐标、y坐标、z坐标(或任何坐标系的任何坐标，包括极坐标系或柱形坐标系等)、偏转值、翻滚值、俯仰值(例如，角度值)、速率(例如速率)、海拔高度等的一种或多种。
感知引擎366被配置成从一个或多个源接收传感器数据，例如LIDAR数据346a、相机数据340a、雷达数据348a等，以及本地姿态数据。感知引擎366可以被配置为基于传感器数据和其他数据确定外部对象的位置。例如，外部对象可以是并非为可驾驶表面的部分的对象。例如，感知引擎366可以能够检测到外部对象并将其分类为行人、骑行者、狗、其他车辆等(例如，感知引擎366被配置成根据分类类型对对象进行分类，其可以与包括标记的语义信息相关联)。基于这些外部对象的分类，可以将外部对象标记为动态对象或静态对象。例如，被分类为树的外部对象可以被标记为静态对象，而被分类为行人的外部对象可以被标记为动态对象。可以在地图数据中描述或不描述被标记为静态的外部对象。可能被标记为静态的外部对象的示例包括交通锥、道路上布置的水泥路障、道路封闭指示牌、与道路相邻的新放置的邮箱或垃圾箱等。可能被标记为动态的外部对象的示例包括自行车、行人、动物、其他车辆等。如果外部对象被标记为动态，关于外部对象的其他数据可以指示典型水平的活动和速度，以及与分类类型相关联的行为模式。可以通过跟踪外部对象来产生关于外部对象的其他数据。这样一来，可以使用分类类型来预测或通过其他方式确定外部对象例如可能干扰沿规划路径行驶的自主车辆的可能性。例如，被分类为行人的外部对象可以与某一最大速度以及平均速度(例如，基于跟踪数据)相关联。行人相对于自主车辆速度的速度可以用于判断是否可能有碰撞。此外，感知引擎364可以确定与当前和将来的对象状态相关联的不确定水平。在一些示例中，不确定水平可以被表达为估计值(或概率)。
规划器364被配置成从感知引擎366接收感知数据，还可以包括来自定位器368的定位器数据。根据一些示例，感知数据可以包括指定位于自主车辆附近的静态和动态对象的障碍物地图，而定位器数据可以包括本地姿态或位置。在工作时，规划器364产生众多轨迹，并至少基于自主车辆的位置，参照外部动态和静态对象的相对位置，来评估轨迹。规划器364基于各种标准选择最优轨迹，通过该标准，以提供无碰撞行驶的方式指引自主车辆。在一些示例中，规划器364可以被配置成将轨迹计算为概率确定的轨迹。此外，规划器364可以向运动控制器362发送转向和驱动命令(以及减速或制动命令)。运动控制器362接下来可以将命令中的任何命令，例如转向命令、油门或推进命令和制动命令，转换成控制信号(例如，应用于致动器或其他机械接口)，以实施转向或车轮角351和/或速度353的改变。
图3B到3E是绘示了根据一些示例的感测区域冗余和自主车辆适应感测区域损失的示例的图示。图3B的图示391示出了传感器310a检测对象的感测区域301a(例如，用于确定范围或距离或其他信息)。尽管传感器310a可以实现任何类型的传感器或传感器模态，但传感器310a和类似描述的传感器，例如传感器310b、310c和310d可以包括LIDAR装置。因此，感测区域301a、301b、301c和301d均包括激光延伸到其中的场。图3C的图示392绘示了四种交叠的感测区域，其每个都由对应的LIDAR传感器310(未示出)产生。如图所示，感测区域的部分301不包括交叠的感测区域(例如，单个LIDAR场)，感测区域的部分302包括两个交叠的感测区域，部分303包括三个交叠的感测区域，由此，这样的传感器为LIDAR传感器失效时提供了多个水平的冗余性。
图3D示出了根据一些示例，由于LIDAR309工作故障，损失了感测区域。图3C的感测区域302被变换成单个感测区域305，图3C的感测区域301之一消失于间隙304中，图3C的感测区域303的三个被转换成感测区域306(即，限于两个交叠的场)。如果自主汽车330c正在沿行驶方向396行驶，移动中的自主车辆前方的感测区域可能没有后端部分处的感测区域那么鲁棒。根据一些示例，自主车辆控制器(未示出)被配置成利用自主车辆330c的双向性质解决车辆前方引导区域处感测区域的损失问题。图3E绘示了用于恢复自主车辆330d前方感测区域的特定鲁棒性的双向操控。如图所示，更鲁棒的感测区域302设置于与尾灯348共存的车辆330d后部。在方便的时候，自主车辆330d通过拉入行车道397而进行双向操控，并切换其方向，使得尾灯348主动切换到自主车辆330d的另一侧(例如，后沿)。如图所示，自主车辆330d在其沿行驶方向398行驶时恢复车辆前方的鲁棒感测区域302。此外，上述双向操控避免了对需要返回繁忙道路的更复杂操控的需要。
图4是绘示了根据一些示例的系统的功能框图，该系统包括经由通信层通信耦合到自主车辆控制器的自主车辆服务平台。图示400绘示了设置于自主车辆430中的自主车辆控制器(“AV”)447，其又包括若干耦合到自主车辆控制器447的传感器470。传感器470包括一个或多个LIDAR装置472、一个或多个相机474、一个或多个雷达476、一个或多个全球定位系统(“GPS”)数据接收机传感器、一个或多个惯性测量单元(“IMUs”)475、一个或多个测程传感器477(例如，车轮编码器传感器、车轮速度传感器等)，以及任何其他适当的传感器478，例如红外相机或传感器、有超光谱能力的传感器、超声波传感器(或任何其他基于声能的传感器)、基于射频的传感器等。在一些情况下，可以包括被配置成感测车轮转向角的车轮角度传感器，作为测程传感器477或适当的传感器478。在非限制性示例中，自主车辆控制器447可以包括四个或更多个LIDAR 472、十六个或更多相机474和四个或更多雷达单元476。此外，传感器470可以被配置成向自主车辆控制器447的部件并向自主车辆服务平台401的元件提供传感器数据。如图示400中所示，自主车辆控制器447包括规划器464、运动控制器462、定位器468、感知引擎466和本地地图发生器440。需注意，图4的图示400中绘示了的元件可以包括与结合一幅或多幅其他附图描述的元件类似命名的结构和/或功能。
定位器468被配置成相对于参考数据定位自主车辆(即，确定本地姿态)，参考数据可以包括地图数据、路线数据(例如，路网数据，例如RNDF样数据)等。在一些情况下，定位器468被配置成识别例如可以代表自主车辆430相对于环境表达特征的位置的空间点。定位器468被示为包括传感器数据集成器469，其可以被配置成集成(例如，不同传感器模态的)传感器数据的多个子集，以减小与每个个体类型传感器相关的不确定性。根据一些示例，传感器数据集成器469被配置成融合传感器数据(例如，LIDAR数据、相机数据、雷达数据等)以形成用于确定本地姿态的集成传感器数据值。根据一些示例，定位器468检索源自参考数据储存库405的参考数据，其包括用于存储2D地图数据、3D地图数据、4D地图数据等的地图数据储存库405a。定位器468可以被配置成在环境中识别特征的至少子集，以参照地图数据进行匹配，从而识别或通过其他方式确认自主车辆430的姿态。根据一些示例，定位器468可以被配置成识别环境中任意量的特征，这样一组特征可以是一个或多个特征或全部特征。在具体示例中，可以参照代表地图的数据比较任意量的LIDAR数据(例如，大部分或基本全部LIDAR数据)，以实现局域化的目的。通常，通过比较环境特征和地图数据获得的不匹配对象可以是动态对象，例如车辆、骑行者、行人等。注意，可以利用或不利用地图数据来检测动态对象，包括障碍物。具体而言，可以独立于地图数据(即，在没有地图数据的情况下)检测并跟踪动态对象。在一些情况下，可以将2D地图数据和3D地图数据视为“全球地图数据”或已经在一时间点被自主车辆服务平台401验证的地图数据。由于地图数据储存库405a中的地图数据可以被周期性更新和/或验证，所以在地图数据和自主车辆所处的实际环境之间可能存在偏差。因此，定位器468可以检索由本地地图发生器440产生的本地导出的地图数据以增强局域化。本地地图发生器440被配置成实时或接近实时地产生本地地图数据。任选地，本地地图发生器440可以接收静态和动态对象地图数据以例如通过传输无视局域化中的动态对象来增强本地产生的地图的准确性。根据至少一些实施例，本地地图发生器440可以与定位器468集成或形成其部分。在至少一种情况下，本地地图发生器440或者独自或者与定位器468协作，可以被配置成基于同时局域化和制图(“SLAM”)等产生地图和/或参考数据。需注意，定位器468可以对使用地图数据实施“混合”方法，由此，定位器468中的逻辑可以被配置成根据每个地图数据源的可靠程度，从地图数据储存库405a选择各种量的地图数据或从本地地图发生器440选择本地地图数据。因此，考虑到本地产生的地图数据，定位器468仍然可以使用过期的地图数据。
感知引擎466被配置成例如通过识别自主车辆430行驶的周围环境中的感兴趣对象来辅助规划器464规划路线和产生轨迹。此外，概率可以与每个感兴趣对象相关联，由此概率可以代表感兴趣对象可能对安全行驶造成威胁的可能性(例如，快速移动的摩托车可能需要增强跟踪而不是坐在公共汽车站长椅上看报的人)。如图所示，感知引擎466包括对象检测器442和对象分类器444。对象检测器442被配置成相对于环境中的其他特征区分出对象，对象分类器444可被配置成将对象分类成动态或静态对象，并相对于自主车辆430跟踪动态和静态对象的位置以进行规划。此外，感知引擎466可以被配置成向静态或动态对象分配标识符，其指定对象是否是(或有可能成为)可能影响规划器464处路径规划的障碍物。尽管图4中未示出，但要注意，感知引擎466也可以执行其他与感知相关的功能，例如分割和跟踪，下文描述其示例。
规划器464被配置成产生若干候选轨迹，用于实现经由若干可用的路径或路线到达目的地的目标。轨迹评估器465被配置成评估候选轨迹并识别哪些候选轨迹子集与提供通往目的地的无碰撞路径的更高置信度水平相关联。这样一来，轨迹评估器465可以基于相关标准选择最优轨迹，以使得命令为车辆部件450(例如致动器或其他机构)产生控制信号。需注意，相关标准可以包括任意数量的定义最优轨迹的因素，其选择不需要限于减少碰撞。例如，可以做出轨迹的选择以优化用户体验(例如，用户舒适性)以及遵循交通法规的无碰撞轨迹。可以通过在各种线性和角方向上缓和加速度(例如，以减少抽搐式行驶或其他不令人愉悦的运动)来优化用户体验。在一些情况下，相关标准的至少一部分可以指定要推翻或取代其他标准的哪些，同时保持优化的无碰撞行驶。例如，在受限状况(例如，跨过双黄线以在骑行者周围行驶或以比发布的速度极限更高的速度行驶以与车流匹配)中产生轨迹时可以暂时忽略或不强调法律约束。这样一来，控制信号被配置成导致传动系和/或车轮的推进和方向改变。在本示例中，运动控制器462被配置成将命令转换成用于控制自主车辆430的移动的控制信号(例如，速度、车轮角度等)。在轨迹评估器465没有充分多信息确保置信度水平高到足以提供无碰撞优化行驶的情况下，规划器464可以产生请求，向远程操作员404请求远程操作员支持。
自主车辆服务平台401包括远程操作员404(例如，远程操作员计算装置)、参考数据储存库405、地图更新器406、车辆数据控制器408、校准器409和离线对象分类器410。需注意，自主车辆服务平台401的每个元件都可以独立地定位或分布，并与自主车辆服务平台401中的其他元件通信。此外，自主车辆服务平台401的元件可以独立地经由通信层402与自主车辆430通信。地图更新器406被配置成(例如，从本地地图发生器440、传感器460或自主车辆控制器(447)的任何其他部件)接收地图数据，并且还被配置成检测例如地图数据储存库405a中的地图数据与本地产生的地图之间的偏差。车辆数据控制器408可以使得地图更新器406更新储存库405之内的参考数据，并促成对2D、3D和/或4D地图数据的更新。在一些情况下，车辆数据控制器408可以控制在自主车辆服务平台408中接收本地地图数据的速率，以及地图更新器406对地图数据进行更新的频率。
校准器409被配置成对相同或不同类型的各种传感器进行校准。校准器409可以被配置成确定传感器的相对姿态(例如，在笛卡尔空间(x,y,z)中)和传感器的取向(例如，翻滚、俯仰和偏转)。可以相对于其他传感器，以及全局性地相对于车辆的参照系，校准传感器，例如相机、LIDAR传感器、雷达传感器等的姿态和取向。离线自校准也可以校准或估计其他参数，例如车辆惯性传感器、前后轮距、车轮半径或表面道路摩擦力。根据一些示例，也可以在线进行校准以检测参数变化。同样注意，校准器409进行的校准可以包括传感器的固有参数(例如，光学失真、光束角度等)和非固有参数。在一些情况下，例如，可以通过使3D激光数据中的深度不连续性和图像数据边缘之间的相关最大化来执行校准器409。离线对象分类410被配置成从传感器470或自主车辆控制器447的任何其他部件接收数据，例如传感器数据。根据一些实施例，离线对象分类410的离线分类流水线可以被配置成预先收集并注释对象(例如，由人手工进行和/或使用离线标注算法自动进行)，并可以进一步被配置成培训离线分类器(例如，对象分类器444)，它可以在在线自主操作期间提供对象类型的实时分类。
图5是根据一些实施例控制自主车辆的流程图的示例。在502，在例如自主车辆控制器接收源自自主车辆处的多种模态传感器的传感器数据时，流程500开始。可以集成传感器数据的一个或多个子集以产生融合数据，以改善例如估计。在一些示例中，可以在504融合一个或多个传感器(例如，相同或不同模态)的传感器流以形成融合的传感器数据。在一些示例中，可以在504处融合LIDAR传感器数据和相机传感器数据的子集以方便局域化。在506，可以在处理器处导出基于传感器数据的至少两个子集的代表对象的数据。例如，可以至少从LIDAR和相机数据(例如，在感知引擎处)导出标识静态对象或动态对象的数据。在508，判定检测到的对象是否影响规划的路径，并在510处响应于检测到的对象(例如，在规划器处)评估轨迹的子集。在512处判定置信度水平是否超过与自主车辆规范操作相关联的可接受置信度水平。因此，在这种情况下，置信度水平可以使得选择优化路径的确定度可能较低，由此可以将优化路径确定为促成无碰撞行驶、遵守交通法律、提供舒适的用户体验(例如，舒适地乘车)和/或产生候选轨迹或任何其他因素的函数。这样一来，可以在514将对替代路径的请求发送到远程操作员计算装置。之后，远程操作员计算装置可以为规划器提供最优轨迹，自主车辆将在所述最优轨迹上行驶。在一些状况下，车辆也可以判定执行安全停车策略是最佳动作流程(例如，安全且自动地令自主车辆停在危险概率较低的位置)。需注意，本文中该流程图和其他流程图中绘示了的次序并非意在暗示要求线性地执行各种功能，因为流程图的每个部分都可以与流程图的任一个或多个其他部分串行或并行地，并且独立于或依赖于流程图的其他部分被执行。
图6是绘示了根据一些实施例，用于自主车辆控制器的架构示例的图示。图示600绘示了若干过程，包括运动控制器过程662、规划器过程664、感知过程666、制图过程640和局域化过程668，其中一些可以相对于其他过程产生或接收数据。其他过程，例如过程670和650可以方便与自主车辆的一个或多个机械部件交互。例如，感知过程666、制图过程640和局域化过程668被配置成从传感器670接收传感器数据，而规划器过程664和感知过程666被配置成接收引导数据606，其可以包括路线数据，例如路网数据。继续图示600，局域化过程668被配置成接收地图数据605a(即，2D地图数据)、地图数据605b(即，3D地图数据)和本地地图数据642以及其他类型的地图数据。例如，局域化过程668还可以接收其他形式的地图数据，例如4D地图数据，其可以包括例如时间确定。局域化过程668被配置成产生代表本地姿态的本地位置数据641。本地位置数据641被提供给运动控制器过程662、规划器过程664和感知过程666。感知过程666被配置成产生静态和动态对象地图数据667，它们又可以被发送到规划器过程664。在一些示例中，静态和动态对象地图数据667可以与其他数据一起发送，例如语义分类信息和预测的对象行为。规划器过程664被配置成产生轨迹数据665，其描述由规划器664产生的若干轨迹。运动控制器过程使用轨迹数据665以产生低级命令或控制信号，以应用于致动器650，导致转向角和/或速度的改变。
图7是绘示了根据一些实施例的自主车辆服务平台示例的图示，该自主车辆服务平台实施冗余通信信道以与一队自主车辆保持可靠通信。图示700绘示了自主车辆服务平台701，其包括参考数据发生器705、车辆数据控制器702、自主车队管理器703、远程操作员管理器707、模拟器740和策略管理器742。参考数据发生器705被配置成产生并修改地图数据和路线数据(例如，RNDF数据)。此外，参考数据发生器705可以被配置成访问2D地图数据储存库720中的2D地图，访问3D地图数据储存库722中的3D地图，并访问路线数据储存库724中的路线数据。在一些示例中可以实现其他地图表示数据和储存库，例如包括时间确定的4D地图数据。车辆数据控制器702可以被配置成执行各种操作。例如，车辆数据控制器702可以被配置成基于通过信道770的通信质量水平来改变一队自主车辆和平台701之间交换数据的速率。在带宽约束周期期间，例如，可以确定数据通信的优先级，使来自自主车辆730的远程操作请求的优先级高以确保递送。此外，根据特定信道可用的带宽，可以通过信道770针对每个车辆发送可变水平的数据摘要。例如，在存在鲁棒网络连接的情况下，可以发送完整的LIDAR数据(例如，基本全部LIDAR数据，但也可以更少)，而在存在降级或低速连接的情况下，可以发送更简单或更抽象的数据表示(例如，具有关联元数据的边界框等)。自主车队管理器703被配置成协调自主车辆730的分派，以优化多个变量，包括电池电力的高效率使用、行驶时间、在电池低电量状态期间是否可以使用自主车辆730中的空调单元等，其任何变量或所有变量都可以被监测，以优化与操作自主车辆服务相关联的成本函数。可以实施一种算法以分析用以使一队自主车辆的行驶成本或时间最小化的各种变量。此外，自主车队管理器703维护自主车辆的库存以及用于考虑使车队工作时间最大化而供应服务安排的部分。
远程操作员管理器707被配置成管理远程操作员708用以提供输入的若干远程操作员计算装置704。模拟器740被配置成模拟一个或多个自主车辆730的操作，以及远程操作员管理器707和自主车辆730之间的交互。模拟器740还可以模拟设置于自主车辆730中的若干传感器的操作(包括模拟噪声的引入)。此外，可以模拟诸如城市的环境，从而可以将模拟自主车辆引入合成环境中，由此模拟传感器可以接收模拟传感器数据，例如模拟激光回波。模拟器740还可以提供其他功能，包括验证软件更新和/或地图数据。策略管理器742被配置成维护代表策略或规则的数据，考虑到自主车辆在路网中行驶时遇到的状况或事件，自主车辆应当根据这样的策略或规则行动。在一些情况下，可以在模拟器740中模拟更新的策略和/或规则，以考虑到策略的改变而确认一队自主车辆的安全操作。下文进一步描述了自主车辆服务平台701的上述元件的一些。
通信信道770被配置成在一队自主车辆730和自主车辆服务平台701之间提供联网的通信链路。例如，通信信道770包括若干不同类型的网络771、772、773和774，具有对应的子网(例如，771a到771n)，以确保特定水平的冗余性，以用于可靠地操作自主车辆服务。例如，通信信道770中不同类型的网络可以包括不同的蜂窝网络提供商、不同类型的数据网络等，以确保在由于一个或多个网络771、772、773和774中断造成通信减弱或丢失的事件中有足够的带宽。
图8是绘示了根据一些实施例，被配置成在各种应用之间交换数据的消息应用示例的图示。图示800绘示了设置于远程操作员管理器中的远程操作员应用801、设置于自主车辆中的自主车辆应用830，由此远程操作员应用801和自主车辆应用830经由方便通过各种网络，例如网络871、872和其他网络873进行通信的协议交换消息数据。根据一些示例，通信协议是实现为Data Distribution ServiceTM的中间件协议，其具有由对象管理组织联盟维护的规范。根据通信协议，远程操作员应用801和自主车辆应用830可以包括设置于消息域中的消息路由器854，该消息路由器被配置成与远程操作员API852交接。在一些示例中，消息路由器854是路由服务。在一些示例中，远程操作员应用801中的消息域850a可以由远程操作员标识符标识，而消息域850b可以被标识为与车辆标识符相关联的域。远程操作员应用801中的远程操作员API 852被配置成与远程操作员过程803a到803c交接，由此远程操作员过程803b与自主车辆标识符804相关联，且远程操作员过程803c与事件标识符806(例如，指定可能对于无碰撞路径规划有问题的路口的标识符)相关联。自主车辆应用830中的远程操作员API 852被配置成与自主车辆操作系统840交接，自主车辆操作系统840包括感测应用842、感知应用844、局域化应用846和控制应用848。考虑到以上内容，上述通信协议可以方便数据交换，以方便本文所述的远程操作。此外，上述通信协议还可以适于在一个或多个自主车辆以及一个或多个自主车辆服务平台之间提供安全的数据交换。例如，消息路由器854可以被配置成对消息加密和解密，以在例如远程操作员过程803和自主车辆操作系统840之间提供安全交互。
图9是绘示了根据一些示例，使用图8所述的通信协议方便远程操作的数据类型的图示。图示900绘示了与耦合到远程操作员应用901的远程操作员计算装置904交互的远程操作员908，所述远程操作员应用901被配置成经由一个或多个网络971中实现的以数据为中心的消息总线972交换数据。以数据为中心的消息总线972在远程操作员应用901和自主车辆应用930之间提供通信链路。远程操作员应用901中的远程操作员API 962被配置成接收消息服务配置数据964和路线数据960，例如路网数据(例如，RDNF样的数据)、任务数据(例如，MDF数据)等。类似地，消息服务桥932还被配置成接收消息服务配置数据934。消息服务配置数据934和964提供配置数据，以配置远程操作员应用901和自主车辆应用930之间的消息服务。消息服务配置数据934和964的示例包括被实现成配置Data DistributionServiceTM应用的服务质量("QoS")配置数据。
用于方便经由通信协议进行远程操作的数据交换的示例如下所述。考虑由自主车辆控制器的感知系统产生障碍物数据920。此外，由规划器产生规划器选项数据924以通知远程操作员候选轨迹的子集，并由定位器产生位置数据926。障碍物数据920、规划器选项数据924和位置数据926被发送到消息服务桥932，根据消息服务配置数据934，其产生遥测数据940和查询数据942，两者都经由以数据为中心的消息总线972被发送到远程操作员应用901中作为遥测数据950和查询数据952。远程操作员API 962接收遥测数据950和查询数据952，它们接着又根据路线数据960和消息服务配置数据964进行处理。接下来将所得的数据经由远程操作员计算装置904和/或协作显示器(例如，一组合作远程操作员908能够看到的仪表盘显示器)被呈现给远程操作员908。远程操作员908查看远程操作员计算装置904的显示器上呈现的候选轨迹选项，并选择引导的轨迹，其产生命令数据982和查询响应数据980，两者都通过远程操作员API 962作为查询响应数据954和命令数据956被传递。继而，查询响应数据954和命令数据956经由以数据为中心的消息总线972被发送到自主车辆应用930中作为查询响应数据944和命令数据946。消息服务桥932接收查询响应数据944和命令数据946，并产生远程操作员命令数据928，其被配置成产生远程操作员选择的轨迹，由规划器实现。需注意，上述消息过程并非意在限制，也可以实施其他消息协议。
图10是示出根据一些实施例的远程操作员界面的示例的图示，远程操作员可以利用该界面影响路径规划。图示1000绘示了与自主车辆服务平台1001通信的自主车辆1030的示例，其包括配置成方便远程操作的远程操作员管理器1007。在第一示例中，远程操作员管理器1007接收需要远程操作员1008先行查看接近潜在障碍物或低规划器置信度水平区域的自主车辆路径的数据，使得远程操作员1008能够提前解决问题。为了例示，考虑可以将自主车辆正在接近的路口标记为有问题。这样一来，用户界面1010显示沿路径1012行驶的对应自主车辆1030的表示1014，该路径已经由规划器产生的若干轨迹预测。还显示了可能在规划器处导致充分大混淆的其他车辆1011和动态对象1013，例如行人，由此需要远程操作支持。用户界面1010还向远程操作员1008呈现当前速度1022、速度限制1024和电池中当前的电量1026。根据一些示例，用户界面1010可以显示其他数据，例如从自主车辆1030采集的传感器数据。在第二示例中，考虑规划器1064已经产生了若干轨迹，不论是否检测到未标识的对象1046，它们都与规划器产生的路径1044共存。规划器1064还可以产生候选轨迹1040的子集，但在本示例中，规划器不能进行到给定的当前置信度水平。如果规划器1064未能确定替代路径，可以发送远程操作请求。在这种情况下，远程操作员可以选择候选轨迹1040之一，以方便与基于远程操作员的路径1042一致的自主车辆1030行驶。
图11是绘示了根据一些示例，被配置成调用远程操作的规划器示例的图示。图示1100绘示了规划器1164，其包括地形管理器1110、路线管理器1112、路径发生器1114、轨迹评估器1120和轨迹跟踪器1128。地形管理器1110被配置成接收地图数据，例如3D地图数据或其他指定地形特征的类似地图数据。地形管理器1110还被配置成基于通往目的地的路径上与地形相关的特征来识别候选路径。根据各示例，地形管理器1110接收由与车队中一个或多个自主车辆相关联的传感器产生的3D地图。路线管理器1112被配置成接收环境数据1103，其可以包括与可以被选择为通往目的地的路径的一条或多条路线相关联的交通相关信息。路径发生器1114从地形管理器1110和路线管理器1112接收数据，并产生适于向目的地引导自主车辆的一个或多个路径或路段。将代表一个或多个路径或路段的数据发送到轨迹评估器1120中。
轨迹评估器1120包括状态和事件管理器1122，其又可以包括置信度水平发生器1123。轨迹评估器1120还包括引导轨迹发生器1126和轨迹发生器1124。此外，规划器1164被配置成接收策略数据1130、感知引擎数据1132和定位器数据1134。
根据一些示例，策略数据1130可以包括规划器1164用于确定具有产生轨迹的充分高置信度水平的路径。策略数据1130的示例包括指定轨迹产生由距外部对象的间隔距离界定的策略(例如，可能的话，保持安全缓冲器距骑行者3英尺)，或要求轨迹必须不能跨越中央双黄线的策略，或要求将轨迹限于四车道道路中的单车道的策略(例如，基于过往事件，例如典型地在距公交车站最近的车道处聚集)，以及由策略指定的任何其他类似标准。感知引擎数据1132包括感兴趣的静态对象和动态对象的位置地图，定位器数据1134至少包括本地姿态或位置。
状态和事件管理器1122可以被配置成通过概率方式确定自主车辆的操作状态。例如，第一操作状态(即，“规范操作”)可以描述轨迹无碰撞的状况，而第二操作状态(即，“非规范操作”)可以描述与可能轨迹相关联的置信度水平不足以保证无碰撞行驶的另一状况。根据一些示例，状态和事件管理器1122被配置成使用感知数据1132以确定规范或不规范的自主车辆的状态。置信度水平发生器1123可以被配置成分析感知数据1132以确定自主车辆的状态。例如，置信度水平发生器1123可以使用与静态和动态对象相关联的语义信息以及关联的概率估计，以增强规划器1164确定安全动作流程的确定度。例如，规划器1164可以使用指定对象是人或不是人的概率的感知引擎数据1132以判断规划器1164是否安全工作(例如，规划器1164可以接收到对象有98％概率是人，对象不是人的概率为2％的确定程度)。
在(例如，基于统计和概率确定)确定置信度水平低于针对预测安全操作所需的阈值时，较低的置信度水平(例如，单个概率分数)可以触发规划器1164向自主车辆服务平台1101发送对远程操作支持的请求1135。在一些情况下，遥测数据和一组候选轨迹可以伴随请求。遥测数据的示例包括传感器数据、局域化数据、感知数据等。远程操作员1108可以经由远程操作员计算装置1104向引导轨迹发生器1126发送选择的轨迹1137。这样一来，选择的轨迹1137是利用来自远程操作员的引导形成的轨迹。在确认状态没有变化时(例如，非规范状态未决)，引导轨迹发生器1126向轨迹发生器1124传递数据，继而令轨迹跟踪器1128作为轨迹跟踪控制器，使用远程操作指定的轨迹产生控制信号1170(例如，转向角、速度等)。注意，规划器1164可以在状态过渡到非规范状态之前触发发送对远程操作支持的请求1135。具体地讲，自主车辆控制器和/或其部件能够预测，远方的障碍物可能成为问题并事先令规划器1164在自主车辆到达障碍物之前调用远程操作。否则，自主车辆可能通过在遇到障碍物或情形时过渡到安全状态(例如，开到路边停车)而导致延迟。在另一个示例中，可以在自主车辆接近已知难以导航的特定位置之前自动调用远程操作。这种确定可以任选地考虑其他因素，包括当天的时间、太阳位置，如果这样的状况可能给传感器读数的可靠性造成干扰的话，以及从各种源导出的交通或事故数据。
图12是根据一些实施例，被配置成控制自主车辆的流程图的示例。在1202，流程1200开始。代表对象子集的数据是在自主车辆中的规划器处接收的，该对象子集包括与代表针对分类类型的确定程度的数据相关联的至少一个对象。例如，感知引擎数据可以包括与对象相关联的元数据，由此元数据指定与特定分类类型相关联的确定程度。例如，可以以85％正确的置信度水平将动态对象分类为“年轻行人”。在1204，可以接收定位器数据(例如，在规划器处)。定位器数据可以包括在自主车辆之内本地产生的地图数据。本地地图数据可以指定一地理区域可能发生事件的确定程度(包括不确定程度)。事件可能是影响自主车辆操作或潜在影响其操作的条件或状况。事件可以是自主车辆内部(例如，失效或受损的传感器)或外部(例如，道路障碍)的。本文例如在图2以及其他附图和段落中描述了事件的示例。可以在1206确定与感兴趣地理区域共同扩张的路径。例如，考虑事件是在一天中的某时间定位天空中的太阳，其中日光强度在交通繁忙时段影响驾驶员的视觉。这样一来，预计或预测交通可能响应于明亮的日光而减慢。因此，如果不太可能有避免事件的替代路径，规划器可以预见性地调用远程操作。在1208，在规划器处基于本地姿态数据确定本地位置。在1210处，例如，可以基于分类类型的确定程度和事件的确定程度，(例如，通过概率方式)确定自主车辆的操作状态，所述确定程度可以基于任意数量的因素，例如速度、位置和其他状态信息。为了例示，考虑在其他驾驶员的视觉可能将受到太阳影响而给年轻行人造成不安全状况的事件期间，自主车辆检测到年轻行人的示例。因此，相对不安全的状况可能被检测为可能会发生的概率事件(即，可以调用远程操作的不安全状况)。在1212，确定操作状态为规范状态的可能性，基于该确定，向远程操作员计算装置发送消息，请求远程操作抢先过渡到下一操作状态(例如，抢先从规范操作状态过渡到非规范操作状态，例如不安全操作状态)。
图13绘示了根据一些示例规划器可以产生轨迹的示例。图示1300包括轨迹评估器1320和轨迹发生器1324。轨迹评估器1320包括置信度水平发生器1322和远程操作员查询消息器1329。如图所示，轨迹评估器1320耦合到感知引擎1366以接收静态地图数据1301以及当前和预测的对象状态数据1303。轨迹评估器1320还从定位器1368接收本地姿态数据1305，并从全局规划器1369接收规划数据1307。在一种操作状态中(例如，非规范)，置信度水平发生器1322接收静态地图数据1301和当前预测对象状态数据1303。基于这一数据，置信度水平发生器1322可以确定检测到的轨迹与不可接受的置信度水平值相关联。这样一来，置信度水平发生器1322经由远程操作员查询消息器1329发送检测到的轨迹数据1309(例如，包括候选轨迹的数据)，以通知远程操作员，这继而又发送对远程操作员辅助的请求1370。
在另一种操作状态(例如，规范状态)中，静态地图数据1301、当前和预测对象状态数据1303、本地姿态数据1305和规划数据1307(例如，全局规划数据)被接收到轨迹计算器1325中，所述轨迹计算器1325被配置成(例如，迭代地)计算轨迹以确定最优的一条或多条路径。接下来，选择至少一条路径并作为选定路径数据1311发送。根据一些实施例，作为示例，轨迹计算器1325被配置成实施轨迹的重新规划。标称驾驶轨迹发生器1327被配置成以细化方式产生轨迹，例如，通过基于后退地平线控制技术产生轨迹。标称驾驶轨迹发生器1327接下来可以例如向轨迹跟踪器或车辆控制器发送标称驾驶轨迹路径数据1372，以实现转向、加速和其他部件中的物理改变。
图14是绘示了根据一些实施例的自主车辆服务平台另一示例的图示。图示1400绘示了自主车辆服务平台1401，其包括被配置成管理远程操作员1408之间交互和/或通信的远程操作员管理器1407、远程操作员计算装置1404和自主车辆服务平台1401的其他部件。再次参考图示1400，自主车辆服务平台1401包括模拟器1440、储存库1441、策略管理器1442、参考数据更新器1438、2D地图数据储存库1420、3D地图数据储存库1422和路线数据储存库1424。可以在储存库(未示出)中实现并存储其他地图数据，例如4D地图数据(例如，使用时间确定)。
远程操作员动作建议控制器1412包括被配置成经由自主车辆(“AV”)规划器数据1472接收和/或控制远程操作服务请求的逻辑，所述规划器数据1472可以包括对远程操作员辅助的请求以及遥测数据和其他数据。这样一来，规划器数据1472可以包括建议的候选轨迹或路径，远程操作员1408可以经由远程操作员计算装置1404从其中进行选择。根据一些示例，远程操作员动作建议控制器1412可以被配置成访问建议候选轨迹的其他源，从候选轨迹选择优化轨迹。例如，自主车辆规划器数据1472中包含的候选轨迹可以被并行引入模拟器1440中，所述模拟器1440被配置成模拟请求远程操作员辅助的自主车辆正在经历的事件或状况。模拟器1440可以访问在该组候选轨迹上执行模拟必需的地图数据和其他数据，由此模拟器1440不需要穷举地迭代模拟以确认充分性。相反，模拟器1440可以提供确认候选轨迹的适当性，或者可以通过其他方式提示远程操作员谨慎进行其选择。
远程操作员交互捕获分析器1416可以被配置成捕获大量远程操作员事务或交互以在储存库1441中存储，例如，其可以积累与若干远程操作员事务相关的数据，用于至少在一些情况下分析和产生策略。根据一些实施例，储存库1441还可以被配置成存储策略数据，供策略管理器1442访问。此外，远程操作员交互捕获分析器1416可以应用机器学习技术以通过经验方式确定如何最好地对导致请求远程操作辅助的事件或状况做出响应。在一些情况下，策略管理器1442可以被配置成响应于分析一大组远程操作员交互(例如，在应用机器学习技术之后)而更新特定策略或产生新策略。策略管理器1442管理可以被视为规则或指南的策略，自主车辆控制器及其部件在所述策略之下工作，以遵循车辆的自主操作。在一些情况下，可以向模拟器1440应用修改或更新的策略，以确认持久发布或实施这样的策略改变的功效。
模拟器接口控制器1414被配置成在模拟器1440和远程操作员计算装置1404之间提供接口。例如，考虑来自一队自主车辆的传感器数据经由自主(“AV”)车队数据1470被应用于参考数据更新器1438，由此参考数据更新器1438被配置成产生更新的地图和路线数据1439。在一些实施方式中，可以预备性地发布更新的地图和路线数据1439作为地图数据储存库1420和1422中的数据更新或作为路线数据储存库1424中数据的更新。在这种情况下，可以将这样的数据标记为“测试版本”，其中例如在自主车辆使用包括预备更新信息的地图图块时，可以实现用于请求远程操作员服务的更低阈值。此外，可以将更新的地图和路线数据1439引入模拟器1440中用于验证更新的地图数据。在完整发布时(例如，在关闭β测试时)，取消用于请求与地图图块相关的远程操作员服务的先前更低阈值。用户界面图形控制器1410向远程操作员1408提供丰富的图形，由此可以在模拟器1440之内模拟一队自主车辆，并可以经由远程操作员计算装置1404访问，如同模拟自主车队是真实的一般。
图15是根据一些实施例用于控制自主车辆的流程图的示例。在1502，流程1500开始。可以在远程操作员计算装置处接收消息数据，以用于管理一队自主车辆。消息数据可以在为自主车辆规划的路径语境中指示与非规范操作状态相关联的事件属性。例如，事件可以被表征为由于例如大量行人违反交通信号灯匆忙过街而成为问题的特定路口。事件属性描述事件的特性，例如，过街的人数、行人数量增加导致的交通延迟等。在1504，可以访问远程操作储存库以基于与一组自主车辆相关联的汇集数据的模拟操作检索第一建议子集。在这种情况下，模拟器可以是建议源，可以利用其实现远程操作员。此外，还可以访问远程操作储存库以基于响应于类似事件属性的远程操作员交互的汇集检索第二建议子集。具体而言，远程操作员交互捕获分析器可以应用机器学习技术以基于对远程操作辅助的先前请求通过经验方式确定如何最好地对具有类似属性的事件做出响应。在1506，组合建议的第一子集和第二子集以为自主车辆形成一组建议动作流程。在1508，可以在远程操作员计算装置的显示器上视觉呈现该组建议动作流程的表示。在1510，可以检测代表(例如，远程操作员)选择建议动作流程的数据信号。
图16是根据一些示例，实现车队优化管理器的自主车队管理器的示例的图示。图示1600绘示了被配置成管理正在路网1650之内行驶的一队自主车辆1630的自主车队管理器。自主车队管理器1603经由远程操作员计算装置1604耦合到远程操作员1608，并且还耦合到车队管理数据储存库1646。自主车队管理器1603被配置成接收策略数据1602和环境数据1606以及其他数据。再次参考图示1600，车队优化管理器1620被示为还包括交通请求处理器1631，交通请求处理器1631又包括车队数据提取器1632和自主车辆分派优化计算器1634。交通请求处理器1631被配置成处理例如来自请求自主车辆服务的用户1688的交通请求。车队数据提取器1632被配置成提取与车队中自主车辆相关的数据。与每个自主车辆相关联的数据被存储在储存库1646中。例如，针对每个车辆的数据可以描述维护问题、安排的服务呼叫、每天使用情况、电池充电和放电速率以及任何其他数据，它们可以实时更新，可以用于优化一队自主车辆以使停机时间最小化的目的。自主车辆分派优化计算器1634被配置成分析提取的数据并计算车队的最优使用，以确保例如从车站1652分派的下一辆车合计为自主车辆服务提供最少的行驶时间和/或成本。
车队优化管理器1620被示为包括混合自主车辆/非自主车辆处理器1640，混合自主车辆/非自主车辆处理器1640又包括AV/非AV优化计算器1642和非AV选择器1644。根据一些示例，混合自主车辆/非自主车辆处理器1640被配置成管理自主车辆和人类驾驶车辆(例如，作为独立承包人)的混合车队。这样一来，自主车辆服务可以采用非自主车辆以满足超量需求，或者在诸如非AV服务区1690的区域中，它们可能超过地理围栏或在通信覆盖不良的区域中。AV/非AV优化计算器1642被配置成优化自主车队的使用并邀请非AV驾驶员加入运输服务(例如，对自主车辆服务损害最小或没有损害)。非AV选择器1644包括用于基于AV/非AV优化计算器1642导出的计算结果选择若干非AV驾驶员以提供帮助。
图17是根据一些实施例管理一队自主车辆的流程图的示例。在1702，流程1700开始。在1702，接收策略数据。策略数据可以包括定义如何最好应用以选择自主车辆为交通请求服务的参数。在1704，可以从储存库提取车队管理数据。车队管理数据包括针对自主车辆池的数据子集(例如，该数据描述要为运输请求服务的车辆准备情况)。在1706，接收代表交通请求的数据。出于示范性目的，交通请求可以是从第一地理位置到第二地理位置的运输。在1708，计算基于策略数据的属性以确定可用于为请求服务的自主车辆子集。例如，属性可以包括电池电量水平和直到下次安排的维护之前的时间。在1710，选择自主车辆作为从第一地理位置到第二地理位置的运输，产生数据以将自主车辆分派到与交通请求的发起相关联的第三地理位置。
图18是示出了根据一些实施例，实施自主车辆通信链路管理器的自主车队管理器的图示。图示1800绘示了被配置成管理正在路网1880之内行驶的一队自主车辆1830的自主车队管理器，该路网与标识为“通信减弱区域”1880的地区处的通信中断重合。自主车队管理器1803经由远程操作员计算装置1804耦合到远程操作员1808。自主车队管理器1803被配置成接收策略数据1802和环境数据1806以及其他数据。再次参考图示1800，自主车辆通信链路管理器1820被示为包括环境事件检测器1831、策略调整确定器1832和交通请求处理器1834。环境事件检测器1831被配置成接收环境数据1806，环境数据1806指定实现自主车辆服务的环境之内的改变。例如，环境数据1806可以指定该地区1880具有降低的通信服务，这可能影响自主车辆服务。策略调整确定器1832可以指定在这样的事件期间(例如，在失去通信期间)接收交通请求时采用的参数。交通请求处理器1834被配置成考虑到劣化的通信处理交通请求。在本示例中，用户1888正在请求自主车辆服务。此外，交通请求处理器1834包括应用调整的策略改变分派自主车辆的方式以避免由于通信不良导致的复杂化的逻辑。
通信事件检测器1840包括策略下载管理器1842和通信配置(“COMM配置”)AV分派器1844。策略下载管理器1842被配置成考虑到通信减弱区域1880为自主车辆1830提供更新的策略，由此更新的策略可以指定路线以在自主车辆进入该区域时快速离开该区域1880。例如，自主车辆1864可以在驶入该区域1880之前接收更新的策略时刻。在失去通信时，自主车辆1864实施更新的策略，并选择路线1866以快速驶出区域1880。COMM配置AV分派器1844可以被配置成识别要停放被配置为中继以在区域1880上建立对等网络的自主车辆的点1865。这样一来，COMM配置AV分派器1844被配置成分派自主车辆1862(无乘客)以停靠在位置1865处，目的是作为对等自组织网络中的通信塔工作。
图19是根据一些实施例确定事件期间，例如通信劣化或丢失期间，自主车辆动作的流程图的示例。在1901，流程1900开始。接收策略数据，由此策略数据定义在事件期间应用于地理区域中的交通请求的参数。在1902，可以实施以下动作中的一个或多个：(1)向该地理位置该部分中的地理位置分派自主车辆的子集，该自主车辆的子集被配置成停靠在特定地理位置并均充当静止通信中继，或者在地理区域中行驶以均充当移动通信中继，(2)在与该地理区域该部分相关联的自主车辆池的一部分之间实施对等通信，(3)向自主车辆提供事件策略，其描述在事件期间进入该地理区域的该部分的路线，(4)调用远程操作，以及(5)重新计算路径以避开该地理部分。在实施该动作之后，在1914监测该队自主车辆。
图20是示出根据一些实施例的定位器示例的图示。图示2000包括被配置成从传感器2070接收传感器数据的定位器2068，传感器数据例如为LIDAR数据2072、相机数据2074、雷达数据2076和其他数据2078。此外，定位器2068被配置成接收参考数据2020，例如2D地图数据2022、3D地图数据2024和3D本地地图数据。根据一些示例，也可以实施其他地图数据，例如4D地图数据2025和语义地图数据(未示出)，包括对应的数据结构和储存库。再次参考图示2000，定位器2068包括定位系统2010和局域化系统2012，两者都被配置成从传感器2070接收传感器数据以及参考数据2020。局域化数据集成器2014被配置成从定位系统2010接收数据并从局域化系统2012接收数据，由此局域化数据集成器2014被配置成集成或融合来自多个传感器的传感器数据以形成本地姿态数据2052。
图21是根据一些实施例，基于集成传感器数据产生本地姿态数据的流程图的示例。在2101，流程2100开始。在2102，接收参考数据，参考数据包括三维地图数据。在一些示例中，参考数据，例如3D或4D地图数据，可以经由一个或多个网络被接收。在2104，来自一个或多个局域化传感器的局域化数据被接收并放入局域化系统中。在2106，来自一个或多个定位传感器的定位数据被接收并放入定位系统中。在2108，局域化和定位数据被集成。在2110，局域化数据和定位数据被集成以形成指定自主车辆地理位置的本地位置数据。
图22是绘示了根据一些实施例的定位器另一示例的图示。图示2200包括定位器2268，其又包括局域化系统2210和相对局域化系统2212，以分别产生基于定位的数据2250和基于本地位置的数据2251。局域化系统2210包括用于处理GPS数据2273、GPS数据2211和3D地图数据2222和其他任选数据(例如，4D地图数据)的投影处理器2254a。局域化系统2210还包括测程处理器2254b，以处理车轮数据2275(例如，车轮速度)、车辆模型数据2213和3D地图数据2222，以及其他任选数据。此外，局域化系统2210包括集成器处理器2254c，以处理IMU数据2257、车辆模型数据2215和3D地图数据2222，以及其他任选数据。类似地，相对局域化系统2212包括LIDAR局域化处理器2254d，用于处理LIDAR数据2272、2D图块地图数据2220、3D地图数据2222和3D本地地图数据2223和其他任选数据。相对局域化系统2212还包括视觉配准处理器2254e，以处理相机数据2274、3D地图数据2222和3D本地地图数据2223，以及其他任选数据。再者，相对局域化系统2212包括雷达回波处理器2254f，以处理雷达数据2276、3D地图数据2222和3D本地地图数据2223，以及其他任选数据。需注意，在各示例中，可以实现其他类型的传感器数据和传感器或处理器，例如声呐数据等。
再次参考图示2200，基于局域化的数据2250和基于相对局域化的数据2251可以被分别馈送到数据集成器2266a和局域化数据集成器2266中。数据集成器2266a和局域化数据集成器2266可以被配置成融合对应的数据，由此可以在局域化数据集成器2266处与基于相对局域化的数据2251融合之前，在数据集成器2266a处融合基于局域化的数据2250。根据一些实施例，数据集成器2266a被形成为局域化数据集成器2266的部分，或者不存在。无论如何，基于局域化的数据2250和基于相对局域化的数据2251都可以被馈送到局域化数据集成器2266中，以融合数据产生本地位置数据2252。基于局域化的数据2250可以包括来自投影处理器2254a的一元约束数据(和不确定性值)以及来自测程处理器2254b和集成器处理器2254c的二元约束数据(和不确定性值)。基于相对局域化的数据2251可以包括来自局域化处理器2254d和视觉配准处理器2254e，以及任选来自雷达回波处理器2254f的一元约束数据(和不确定性值)。根据一些实施例，局域化数据集成器2266可以实施非线性平滑化功能，例如Kalman滤波器(例如，选通Kalman滤波器)、相对束调节器、姿态曲线缓解、颗粒滤波器、柱状图滤波器等。
图23是绘示了根据一些实施例的感知引擎示例的图示。图示2300包括感知引擎2366，其又包括分割处理器2310、对象跟踪器2330和分类器2360。此外，感知引擎2366被配置成接收例如本地位置数据2352、LIDAR数据2372、相机数据2374和雷达数据2376。需注意，可以访问诸如声呐数据的其他传感器数据，以提供感知引擎2366的功能。分割处理器2310被配置成提取地平面数据和/或分割图像的各部分，以将对象彼此区分并形成静态影像(例如，背景)。在一些情况下，3D斑点可以被分割以彼此进行区分。在一些示例中，斑点可以指标识空间再现的环境中的对象的一组特征，并可以由具有类似特性，例如强度和颜色的元素(例如，相机数据的像素、激光回波数据的点等)构成。在一些示例中，斑点也可以指点云(例如，由彩色激光回波数据构成)或构成对象的其他元素。对象跟踪器2330被配置成针对斑点或其他分割的图像部分进行逐帧的估计。此外，使用数据关联将时间t1第一帧中一个位置处的斑点关联到时间t2第二帧中不同位置处的斑点。在一些示例中，对象跟踪器2330被配置成执行3D对象，例如斑点的实时概率跟踪。分类器2360被配置成识别对象并通过分类类型(例如，行人、骑行者等)和能量/活动(例如，对象是动态还是静态)对该对象进行分类，由此通过语义标签描述代表分类的数据。根据一些实施例，可以对对象类别进行概率估计，例如将对象分类为车辆、骑行者、行人等，每种对象类别具有不同的置信度。感知引擎2366被配置成确定感知引擎数据2354，其可以包括静态对象地图和/或动态对象地图，以及语义信息，从而例如规划器可以使用这种信息增强路径规划。根据各示例，分割处理器2310、对象跟踪器2330和分类器2360的一个或多个可以应用机器学习技术以产生感知引擎数据2354。
图24是根据一些实施例产生感知引擎数据的流程图的示例。流程图2400开始于2402，在此检索代表自主车辆本地位置的数据。在2404，接收来自一个或多个局域化传感器的局域化数据，并在2406处分割设置自主车辆的环境的特征以形成分割对象。在2408在空间上跟踪分割对象的一个或多个部分以形成至少一个具有运动(例如，估计运动)的跟踪对象。在2410，将被跟踪对象至少分类为静态对象或动态对象。在一些情况下，静态对象或动态对象可以与分类类型相关联。在2412，产生标识分类对象的数据。例如，标识分类对象的数据可以包括语义信息。
图25是根据一些实施例的分割处理器的示例。图示2500绘示了分割处理器2510从一个或多个LIDAR2572接收LIDAR数据并从一个或多个相机2574接收相机图像数据。本地姿态数据2552、LIDAR数据和相机图像数据被接收到元旋转发生器2521。在一些示例中，元旋转发生器被配置成基于各种属性(例如，颜色、强度等)将图像划分成可区分区域(例如，点云的群或组)，其中至少两个或更多可以同时或大约同时更新。元旋转数据2522用于在分割处理器2523处进行对象分割和地分割，由此将来自分割处理器2523的元旋转数据2522和分割相关数据都应用于扫描差分处理器2513。扫描差分处理器2513被配置成预测分割图像部分的运动和/或相对速度，其可以用于在2517处识别动态对象。指示具有在2517处检测到的速度的对象的数据任选地被发送到规划器以增强路径规划决策。此外，来自扫描差分处理器2513的数据可以用于近似对象的位置，以形成此类对象的制图(以及任选地识别运动水平)。在一些示例中，可以产生占用网格地图2515。代表占用网格地图2515的数据可以被发送到规划器以进一步(例如，通过降低不确定性)增强路径规划决策。再次参考图示2500，来自一个或多个相机2574的图像相机数据用于在斑点分类器2520中对斑点进行分类，斑点分类器还从分割处理器2523接收斑点数据2524。分割处理器2510还可以从一个或多个雷达2576接收原始的雷达回波数据2512，以在雷达分割处理器2514处进行分割，从而产生雷达相关斑点数据2516。再次参考图25，分割处理器2510还可以接收和/或产生与雷达数据相关的跟踪斑点数据2518。斑点数据2516、跟踪斑点数据2518、来自斑点分类器2510的数据和斑点数据2524可以用于跟踪对象或其部分。根据一些示例，以下一项或多项可以是任选的：扫描差分处理器2513、斑点分类2520和来自雷达的数据2576。
图26A是绘示了根据各实施例的对象跟踪器和分类器示例的图示。图示2600的对象跟踪器2630被配置成接收斑点数据2516、跟踪斑点数据2518、来自斑点分类器2520的数据、斑点数据2524和来自一个或多个相机2676的相机图像数据。图像跟踪器2633被配置成从一个或多个相机2676接收相机图像数据，以产生被跟踪的图像数据，其继而可以被提供到数据关联处理器2632。如图所示，数据关联处理器2632被配置成接收斑点数据2516、跟踪斑点数据2518、来自斑点分类器2520的数据、斑点数据2524和来自图像跟踪器2633的跟踪图像数据，并被进一步配置为识别上述类型数据之间的一种或多种关联。数据关联处理器2632被配置成例如从一个帧到下一帧跟踪各斑点数据，例如，以估计运动等。此外，数据关联处理器2632产生的数据可以由跟踪更新器2634用于更新一个或多个跟踪或跟踪对象。在一些示例中，跟踪更新器2634可以实现Kalman滤波器等，以针对跟踪对象形成更新的数据，其可以在线存储于跟踪数据库(“DB”)2636中。可以经由路径2699在数据关联处理器2632和跟踪数据库2636之间交换反馈数据。在一些示例中，图像跟踪器2633可以是任选的，并可以被排除。对象跟踪器2630也可以使用其他传感器数据，例如雷达或声呐，以及例如任何其他类型的传感器数据。
图26B是绘示了根据至少一些示例的对象跟踪器另一示例的图示。图示2601包括对象跟踪器2631，对象跟踪器2631可以包括与结合一幅或多幅其他附图(例如，图26A)描述的元件类似命名的结构和/或功能。如图所示，对象跟踪器2631包括任选的配准部分2699，其包括被配置成进行对象扫描配准和数据融合的处理器2696。处理器2696被进一步配置成在3D对象数据库2698中存储所得数据。
重新参考图26A，图示2600还包括分类器2660，其可以包括跟踪分类引擎2662，用于产生静态障碍物数据2672和动态障碍物数据2674，两者都可以被发送到规划器用于路径规划。在至少一个示例中，跟踪分类引擎2662被配置成判断障碍物是静态还是动态，以及针对对象的另一种分类类型(例如，对象是车辆、行人、树、骑行者、狗、猫、纸袋等)。静态障碍物数据2672可以被形成为障碍物地图(例如，2D占用地图)的一部分，动态障碍物数据2674可以被形成为包括具有表示速度和分类类型的界定框。至少在一些情况下，动态障碍物数据2674包括2D动态障碍物地图数据。
图27是根据一些示例用于感知引擎的前端处理器的示例。根据各示例，图示2700包括地分割处理器2723a，用于进行地分割，以及过分割处理器2723b，用于执行“过分割”。处理器2723a和2723b被配置成接收任选着色的LIDAR数据2775。过分割处理器2723b产生第一斑点类型(例如，较小的斑点)的数据2710，其被提供给汇聚分类和分割引擎2712，其产生第二斑点类型的数据2714。数据2714被提供给数据关联处理器2732，其被配置成检测数据2714是否驻留在跟踪数据库2736中。在2740处判断第二斑点类型(例如，较大斑点，其可以包括一个或多个较小斑点)的数据2714是否是新跟踪。如果是，在2742处对跟踪进行初始化，否则，可以在跟踪数据库2736中存储跟踪对象数据并由跟踪更新器2742扩展或更新跟踪。跟踪分类引擎2762耦合到跟踪数据库2736，以通过例如增加、去除或修改跟踪相关的数据来识别和更新/修改跟踪。
图28是绘示了根据各实施例，被配置成在合成环境中模拟自主车辆的模拟器的图示。图示2800包括被配置成产生模拟环境2803的模拟器2840。如图所示，模拟器2840被配置成使用参考数据2822(例如，3D地图数据和/或其他地图或路线数据，包括RNDF数据或类似路网数据)产生模拟环境2803之内的模拟几何形状，例如模拟表面2892a和2892b。模拟表面2892a和2892b可以模拟与道路相邻的建筑物的墙壁或前侧。模拟器2840还可以使用预先产生或流程产生的动态对象数据2825以模拟合成环境中的动态行为主体。动态行为主体的示例是模拟动态对象2801，其代表具有速度的模拟骑行者。模拟动态行为主体可以任选地对模拟环境中的其他静态和动态行为主体，包括模拟自主车辆，做出响应。例如，针对模拟环境2803中的其他障碍物，模拟对象2801可以减慢而不是遵循预设轨迹，由此生成现实世界中存在的实际动态环境的更现实模拟。
模拟器2840可以被配置成产生模拟自主车辆控制器2847，其包括感知引擎2866、定位器2868、运动控制器2862和规划器2864的合成调整，上述每者都可以具有本文在模拟环境2803中描述的功能。模拟器2840还可以产生模拟界面("I/F")2849以模拟与不同传感器模态和不同传感器数据格式的数据交换。这样一来，模拟界面2849可以模拟用于来自例如模拟LIDAR传感器2872的分组数据的软件界面。此外，模拟器2840还可以被配置成产生实现模拟AV控制器2847的模拟自主车辆2830。模拟自主车辆2830包括模拟LIDAR传感器2872、模拟相机或图像传感器2874以及模拟雷达传感器2876。在图示的示例中，模拟LIDAR传感器2872可以被配置成产生与光线踪迹2892一致的模拟激光，这导致产生模拟传感器回波2891。需注意，模拟器2840可以模拟在传感器数据上增加噪声或其他环境效应(例如，影响模拟传感器回波2891的增加漫射或反射等)。再者，模拟器2840可以被配置成模拟各种传感器缺陷，包括传感器故障、传感器误校准、间歇性数据中断等。
模拟器2840包括物理处理器2850，用于模拟自主车辆的机械、静态、动态和运动学方面，用于模拟模拟自主车辆2830的行为。例如，物理处理器2850包括用于模拟接触力学的内容力学模块2851、用于模拟模拟主体之间交互的碰撞检测模块2852，以及用于模拟模拟机械交互之间交互的多体动力学模块2854。
模拟器2840还包括模拟器控制器2856，其被配置成控制模拟以适应模拟环境2803的任何合成产生元件的功能，以确定因果关系等。模拟器2840包括模拟器评估器2858，以评估模拟环境2803的合成产生元件的性能。例如，模拟器评估器2858可以分析模拟车辆命令2880(例如，模拟转向角和模拟速度)以判断这样的命令是否是对模拟环境2803之内模拟活动的适当响应。此外，模拟器2858可以评估远程操作员2808经由远程操作员计算装置2804与模拟自主车辆2830的交互。模拟器评估器2858可以评估更新的参考数据2827的效果，包括更新的地图图块和路线数据，它们可以被增加以引导模拟自主车辆2830的响应。模拟器评估器2858还可以在更新、删除或增加策略数据2829时评估模拟器AV控制器2847的响应。模拟器2840的以上描述并非意图进行限制。这样一来，模拟器2840被配置成相对于模拟环境执行自主车辆的各种不同模拟，模拟环境包括静态和动态特征。例如，模拟器2840可以用于验证软件版本的变化以确保可靠性。模拟器2840还可以用于确定车辆的运动学性质并用于校正目的。此外，模拟器2840可以用于利用适用控件的空间和所得轨迹，以便通过自我模拟实现学习。
图29是根据一些实施例用于模拟自主车辆各方面的流程图的示例。流程图2900开始于2902，在此，将包括三维地图数据的参考数据接收到模拟器中。可以在2904处检索针对分类对象定义运动模式的动态对象数据。在2906，至少基于三维("3D")地图数据和动态对象数据形成模拟环境。模拟环境可以包括一个或多个模拟表面。在2908，模拟自主车辆，其包括形成模拟环境一部分的模拟自主车辆控制器。自主车辆控制器可以包括模拟感知引擎和被配置成接收传感器数据的模拟定位器。在2910，基于针对至少一个模拟传感器回波的数据产生模拟传感器数据，并在2912产生模拟车辆命令，以导致模拟自主车辆在合成环境中运动(例如，矢量化推进)。在2914，评估模拟车辆命令以判断模拟自主车辆的行为是否与预期行为一致(例如，与策略一致)。
图30是根据一些实施例用于产生地图数据的流程图的示例。流程图3000开始于3002，在此检索轨迹数据。轨迹数据可以包括在一段时间内捕获的轨迹(例如，作为记录的轨迹)。在3004，可以接收至少局域化数据。可以在一段时间内捕获局域化数据(例如，作为记录的局域化数据)。在3006，可以实现相机或其他图像传感器以产生局域化数据的子集。这样一来，检索的局域化数据可以包括图像数据。在3008，对准局域化数据的子集以识别全球位置(例如，全球姿态)。在3010，基于全球位置产生三维("3D")地图数据，在3012，3维地图数据可适于由例如人工路线数据编辑器(例如，包括人工路网数据编辑器，例如RNDF编辑器)、自动化路线数据发生器(例如，包括自动路网发生器，包括自动RNDF发生器)、一队自主车辆、模拟器、远程操作员计算装置和自主车辆服务的任何其他部件来实现。
图31是绘示了根据一些实施例的制图引擎架构的图示。图示3100包括3D制图引擎，其被配置成接收轨迹日志数据3140、LIDAR日志数据3172、相机日志数据3174、雷达日志数据3176和其他任选的日志传感器数据(未示出)。逻辑3141包括环线闭合检测器3150，其被配置成检测传感器数据是否指示先前到访过空间中附近的点等等。逻辑3141还包括配准控制器3152，用于相对于一个或多个配准点对准地图数据，在一些情况下，包括3D地图数据。此外，逻辑3141提供代表环线闭合的状态的数据3142，供全球姿态曲线图发生器3143使用，其被配置成产生姿态曲线图数据3145。在一些示例中，也可以基于来自配准细化模块3146的数据产生姿态曲线图数据3145。逻辑3144包括3D制图器3154和LIDAR自校准单元3156。此外，逻辑3144接收传感器数据和姿态曲线图数据3145，以产生3D地图数据3120(或其他地图数据，例如4D地图数据)。在一些示例中，逻辑3144可以实施截断符号距离函数("TSDF")以融合传感器数据和/或地图数据，形成最优三维地图。此外，逻辑3144被配置成包括纹理和反射性质。可以发布3D地图数据3120以供人工路线数据编辑器3160(例如，操控路线数据或其他类型的路线或参考数据的编辑器)、自动化路线数据发生器3162(例如，被配置成产生路线数据或其他类型的路网或参考数据的逻辑)、一队自主车辆3164、模拟器3166、远程操作员计算装置3168和自主车辆服务的任何其他部件使用。制图引擎3110可以从人工注释或自动产生的注释以及其他传感器，例如声呐或仪表化环境(例如，智能停车灯)捕获语义信息。
图32是绘示了根据一些示例的自主车辆应用的图示。图示3200绘示了包括自主服务应用3240的移动计算装置3203，该自主服务应用被配置成联系自主车辆服务平台3201以经由自主车辆3230布置用户3202的运输。如图所示，自主服务应用3240可以包括运输控制器3242，其可以是驻留在计算装置(例如，移动电话3203等)上的软件应用。运输控制器3242被配置成接收、调度、选择或执行与用户3202用以布置从用户位置到目的地的运输的自主车辆和/或自主车队相关的操作。例如，用户3202可以打开应用以请求车辆3230。该应用可以显示地图，用户3202可以扎大头针(drop a pin)以指示其例如在地理围栏区域之内的目的地。或者，该应用可以显示附近预先指定的上客位置列表或为用户提供文本输入场，以向其中通过地址或名称键入目的地。
继续参考所示出的示例，自主车辆应用3240还可以包括用户标识控制器3246，其可以被配置成在车辆接近时检测在地理区域中或附近或在自主车辆3230附近的用户3202。在一些状况下，在车辆接近供用户3203使用时，用户3202可能不容易感知或识别自主车辆3230(例如，由于各种其他车辆，包括卡车、小汽车、出租车和其他城市环境中典型的障碍)。在一个示例中，自主车辆3230可以建立无线通信链路3262(例如，经由射频("RF")信号，例如WiFi或
Figure GDA0003588007410000401
包括BLE等)，用于(例如，使用RF信号的相对方向和信号强度)传输和/或确定用户3202相对于自主车辆3230的空间位置。在一些情况下，自主车辆3230可以使用例如GPS数据等检测用户3202的大致地理位置。移动计算装置3203的GPS接收器(未示出)可以被配置成向自主车辆服务应用3240提供GPS数据。因此，用户标识控制器3246可以经由链路3260向自主车辆服务平台3201提供GPS数据，该平台继而可以经由链路3261向自主车辆3230提供该位置。接下来，自主车辆3230可以通过将用户的GPS数据与车辆的GPS导出位置比较来确定用户3202的相对距离和/或方向。
自主车辆3230还可以包括额外逻辑以识别用户3202的存在，使得被配置成执行面部检测算法的逻辑基于用户的唯一性面部特性一般性地，或特异性地识别用户3202的身份(例如，姓名、电话号码等)。此外，自主车辆3230可以包括检测用于识别用户3202的代码的逻辑。这样的代码示例包括专用视觉代码，例如QR代码、色彩代码等，专用音频代码，例如语音激活或识别的代码等。在一些情况下，代码可以是编码的安全密钥，可以经由链路3262以数字方式将其发送到自主车辆3230以确保安全地进入和/或离开。此外，可以使用上述用于识别用户3202的技术的一种或多种作为安全手段以向用户3202授予进入和外出权限，以便防止其他人进入自主车辆3230(例如，以确保第三方的人在到达用户3202之前不进入未被占用的自主车辆)。根据各示例，也可以在自主车辆服务应用3240、自主车辆服务平台3201和自主车辆3230中的一个或多个中实施用于识别用户3202并提供安全进出的任何其他手段。
为了辅助用户3302识别其请求的运输的到达，自主车辆3230可以被配置成在自主车辆3230接近用户3202时通知或通过其他方式提示用户3202其存在。例如，自主车辆3230可以根据特定的光图案激活一个或多个发光器件3280(例如，LED)。具体而言，生成特定的光图案，使得用户3202可以容易地感知到自主车辆3230被预留为用户3202的运输需求服务。例如，自主车辆3230可以产生可以被用户3202感知为“眨眼”的光图案3290或通过这样的视觉和时间方式产生其外部和内部灯的其他动画。产生的光图案3290可以具有或没有声音模式以向用户3202标识这辆车是他们预定的。
根据一些实施例，自主车辆用户控制器3244可以实施被配置成控制自主车辆各种功能的软件应用。此外，应用可以被配置成在向其初始目的地行进期间对自主车辆进行重定向或重新设定路线。此外，自主车辆用户控制器3244可以被配置成令车载逻辑改变自主车辆3230的内部照明以实现例如柔和的光照。控制器3244还可以控制音频源(例如，外部源，例如音乐播放器或移动计算装置3203上本地存储的音频)，选择驾车类型(例如，改变期望加速度和制动强度，改变主动悬架参数以选择一组“道路应对”特性，以实现积极的驾驶特性，包括振动，或者以选择为了舒适而阻抑振动的“软驾车”质量)等等。例如，移动计算装置3203可以被配置成还控制HVAC功能，像换气和温度。
图33到35示出了根据各实施例被配置成向自主车辆服务的部件提供各种功能性的各种计算平台的示例。在一些示例中，计算平台3300可以用于实施计算机程序、应用、方法、过程、算法或其他软件，以执行上述技术。
需注意，图33的各种结构和/或功能都适用于图34和35，这样一来，可以在图33的语境中论述那些图中的一些元件。
在一些情况下，计算平台3300可以设置于任何装置中，例如计算装置3390a中，计算装置3390a可以设置于自主车辆3391和/或移动计算装置3390b中。
计算平台3300包括用于传输信息的总线3302或其他通信机构，其对子系统和装置进行互连，例如处理器3304、系统存储器3306(例如，RAM等)、存储装置3308(例如，ROM等)、存储器内高速缓存(可以实现于RAM 3306或计算平台3300的其他部分中)、通信接口3313(例如，以太网或无线控制器、蓝牙控制器、NFC逻辑等)，以方便经由通信链路3321上的端口进行通信，从而与例如计算装置，包括具有处理器的移动计算装置和/或通信装置通信。可以利用一个或多个图形处理单元(“GPU”)，利用一个或多个中央处理单元(“CPU”)，例如由
Figure GDA0003588007410000411
Corporation制造的那些，或一个或多个虚拟处理器，以及CPU和虚拟处理器的任意组合，来实现处理器3304。计算平台3300经由输入和输出装置3301交换代表输入和输出的数据，输入和输出装置包括，但不限于键盘、鼠标、音频输入(例如，语音转文本装置)、用户接口、显示器、监视器、光标、触敏显示器、LCD或LED显示器和其他I/O相关装置。
根据一些示例，计算平台3300通过由处理器3304执行系统存储器3306中存储的一个或多个系列的一条或多条指令来执行特定操作，且计算平台3300可以实现于客户端-服务器布置、对等布置或任何移动计算装置中，包括智能电话等。此类指令或数据可以从另一个计算机可读介质，诸如存储装置3308被读入系统存储器3306中。在一些示例中，硬连线电路可以取代或结合软件指令加以实施。指令可以嵌入软件或固件中。术语“计算机可读介质”是指参与向处理器3304提供指令加以执行的任何有形介质。这样的介质可以采取很多形式，包括，但不限于非易失性介质和易失性介质。非易失性介质包括例如光盘或磁盘等。易失性介质包括动态存储器，例如系统存储器3306。
计算机可读介质的常见形式例如包括软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、任何其他光学介质、打孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、FLASH-EPROM、任何其他存储芯片或存储盒或计算机能够读取的任何其他介质。可以使用传输介质进一步发送或接收指令。术语“传输介质”可以包括能够存储、编码或承载供机器执行的指令的任何有形或无形介质，并包括数字或模拟通信信号或其他无形介质，以方便这种指令的通信。传输介质包括同轴电缆、铜线和光纤，包括具有用于传输计算机数据信号的总线3302的线路。
在一些示例中，指令序列的执行可以由计算平台3300执行。根据一些示例，计算平台3300可以由通信链路3321(例如，有线网络，如LAN、PSTN，或任何无线网络，包括各种标准和协议的WiFi、
Figure GDA0003588007410000421
NFC、Zig-Bee等)耦合到任何其他处理器，以彼此协同(或异步地)执行指令序列。计算平台3300可以通过通信链路3321和通信接口3313发送和接收消息、数据和指令，包括程序代码(例如，应用代码)。所接收的程序代码可以在被接收时由处理器3304执行，和/或存储在存储器3306中，或存储在非易失性存储装置中用于稍后执行。
在所示出的示例中，系统存储器3306可以包括各种模块，所述模块包括可执行指令，以实施本文所述的功能。系统存储器3306可以包括操作系统(“O/S”)3332以及应用3336和/或逻辑模块3359。在图33中所示的示例中，系统存储器3306包括自主车辆(“AV”)控制器模块3350和/或其部件(例如，感知引擎模块、局域化模块、规划器模块和/或运动控制器模块)，其中的任何模块或其一个或多个部分可以被配置成通过实施本文所述的一个或多个功能来有助于自主车辆服务。
参考图34中所示的示例，系统存储器3306包括自主车辆服务平台模块3450和/或其部件(例如，远程操作员管理器、模拟器等)，其中的任何模块或其一个或多个部分可以被配置成通过实施本文所述的一个或多个功能来有助于管理自主车辆服务。
参考图35中所示的示例，系统存储器3306包括自主车辆(“AV”)模块和/或其部件，例如，用于移动计算装置中。模块3550的一个或多个部分可以被配置成通过实施本文所述的一个或多个功能来有助于交付自主车辆。
重新参考图33，上述特征的任何特征的结构和/或功能可以实现于软件、硬件、固件、电路或其组合中。需注意，以上结构和构成元件，以及其功能可以与一个或多个其他结构或元件汇聚在一起。或者，可以将元件及其功能细分成构成子元件(如果有的话)。作为软件，可以使用各种类型的编程或格式化语言、框架、句法、应用、协议、对象或技术实现上述技术。作为硬件和/或固件，可以使用各种类型的编程或集成电路设计语言实施上述技术，包括硬件描述语言，例如被配置成设计现场可编程门阵列(“FPGA”)、专用集成电路(“ASIC”)或任何其他类型集成电路的任何寄存器传送语言(“RTL”)。根据一些实施例，术语“模块”可以指例如实现于硬件电路或软件中或其组合中的算法或其部分和/或逻辑。这些可以变化，不限于所提供示例或描述。
在一些实施例中，图33的模块3350、图34的模块3450和图35的模块3550或其部件的一个或多个或本文所述的任何过程或装置可以与移动装置，例如移动电话或计算装置通信(例如，有线或无线)或者可以设置于其中。
在一些情况下，移动装置或与一个或多个模块3359(图33的模块3350、图34的模块3450和图35的模块3550)通信的任何联网的计算装置(未示出)或其部件的一个或多个(或本文所述的任何过程或装置)可以提供本文所述特征的任何特征的结构和/或功能的至少一些。如上述图中所示，上述特征的任何特征的结构和/或功能可以实现于软件、硬件、固件、电路或其组合中。需注意，以上结构和构成元件，以及其功能可以与一个或多个其他结构或元件汇聚或组合在一起。或者，可以将元件及其功能细分成构成子元件(如果有的话)。作为软件，可以使用各种类型的编程或格式化语言、框架、句法、应用、协议、对象或技术实现上述技术中的至少一些。例如，附图中任何附图中所示的元件的至少一个可以代表一种或多种算法。或者，元件的至少一个可以代表逻辑的一部分，该逻辑包括被配置成提供构成结构和/或功能的硬件的一部分。
例如，图33的模块3350、图34的模块3450和图35的模块3550或其部件的一个或多个，或本文所述的任何过程或装置可以实现于一个或多个包括一个或多个被配置成执行存储器中的一种或多种算法的处理器的计算装置(即，任何移动计算装置，例如可穿戴装置、音频装置(例如耳机或耳塞)或移动电话，无论佩戴或携带)中。因此，上述附图中元件的至少一些可以代表一种或多种算法。或者，元件的至少一个可以代表逻辑的一部分，该逻辑包括被配置成提供构成结构和/或功能的硬件的一部分。这些可以变化，不限于所提供示例或描述。
作为硬件和/或固件，可以使用各种类型的编程或集成电路设计语言实施上述结构和技术，包括硬件描述语言，例如被配置成设计现场可编程门阵列(“FPGA”)、专用集成电路(“ASIC”)、多芯片模块或任何其他类型集成电路的任何寄存器传送语言(“RTL”)。
例如，图33的模块3350、图34的模块3450和图35的模块3550或其部件的一个或多个或本文所述的任何过程或装置可以实现于一个或多个包括一个或多个电路的计算装置中。因此，上述附图中的至少一个元件可以代表硬件的一个或多个部件。或者，至少一个元件可以代表逻辑的一部分，该逻辑包括被配置成提供构成结构和/或功能的电路的一部分。
图36是绘示了根据各示例被配置成向一队自主车辆中的一个或多个自主车辆提供更新策略数据的策略探索器的实施方式的图示3600。图示3600示出了具有自主车辆3630和3630a和驾驶员驾驶的车辆3640的路网3650，自主车辆在路网3650的道路上自主导航，驾驶员驾驶车辆3640在路网3650的道路上被人驾驶。路网3650可以包括自主车辆(例如，3630、3630a)跨越的区域(例如，区域3624)，自主车辆可以采用各种系统(例如，规划器、感知、定位器和传感器系统)在路网3650的道路上自主导航。自主车辆(例如，3630，3630a)在其行驶期间检测到的对象可以包括具有已知语义分类的对象(例如，先前分类的对象)和没有已知语义分类的对象。类似地，自主车辆(例如，3630，3630a)在其行驶期间遇到的事件或状况可能是基于先前遭遇和/或分析(例如，经由模拟数据或远程操作员数据)识别的事件或状况，或者可能是并非基于过往遭遇和/或分析识别的事件或状况。路网3650和/或其他路网(由3698表示)中的自主车辆(例如，车辆3630和/或3630a的传感器系统)捕获的数据可以原地被自主车辆的一个或多个系统分析和/或可以被发送到外部资源加以分析，以获知并指定针对先前未知对象的新语义分类和/或基于对象、状况或事件提供候选轨迹和/或车辆控制参数(例如，速度、功耗等)。
路网3650可以代表地理围栏区域或地理围栏区域的一部分，其可以限制或通过其他方式控制例如自主车辆3630和3630a的运动。自主车辆3630和3630a可以是例如一队自主车辆中的自主车辆子集。该队自主车辆中的其他自主车辆可以在由3698表示的一个或多个其他地理围栏区域中的其他路上中主动导航。每辆自主车辆3630和3630a都可以使用每辆自主车辆中包括的传感器系统对自主车辆外部的环境实施感测。例如，表示为3630a的自主车辆可以包括传感器套件3610a-3610d，以在车辆在路网3650之内的路面上自主导航时感测自主车辆3630a外部的环境。传感器套件3610a-3610d可以被配置成提供例如自主车辆3630a附近360度的交叠传感器覆盖区域(表示为虚线圆3601a)。另一自主车辆3630也可以包括传感器套件，其提供例如自主车辆3630附近360度的交叠传感器覆盖区域(表示为虚线圆3601)。
再次参考图示3600，自主车辆3630a可以沿例如由箭头3632大致指示的路面3623的车道3622，在行驶方向上，在路网3650的区域3624中的路面3623上自主导航。车辆3630a的传感器系统(未示出)可以检测路面3623上或邻近的对象，表示那些对象的传感器数据可以由例如自主车辆3630a的一个或多个系统(例如，感知系统和/或规划器系统)处理和分类。在区域3624中，自主车辆3630a外部的环境可以包括，但不限于以下检测到的对象(例如，基于感知系统处理的传感器数据分类的对象)：建筑物3602、路面3623、车道标记3625、车道3622和3628、路缘3626和3627、行人3620、消防栓3631和坑洼3634。
自主车辆3630a的规划器3670可以被配置成基于包括，但不限于遥测数据3671和策略数据3672的数据，在路网3650中对自主车辆3630a进行自主控制。遥测数据3671可以包括，但不限于例如由自主车辆3630a的传感器系统中的传感器类型和传感器模态(例如，图3A中所示的一个或多个传感器)产生的传感器数据3673，感知引擎产生的数据3675，定位器产生的数据3677和运动控制器数据3679。遥测数据3671可以包括比3676所示更多的数据或更少的数据。感知引擎数据3675可以包括例如从传感器数据3673产生的对象数据以及区域3624中检测到的感兴趣静态对象和动态对象的位置地图。定位器数据3677例如可以至少包括与自主车辆3630的位置相关联的本地姿态数据和/或位置数据、地图数据和地图图块数据。运动控制器数据3679可以包括例如代表与自主车辆的转向、减速或推进和制动功能相关联的命令和/或信号(例如，应用于自主车辆的致动器或其他机械接口的信号或数据)的数据，以实现例如自主车辆3630a和3630的转向(例如，车轮角度)、速度或制动的变化。
策略数据3672可以包括被配置成实现规划器3670用于确定具有产生轨迹的充分高置信度水平的路径(例如，选定候选轨迹)的标准的数据3674。数据3674的示例包括指定轨迹产生由距外部对象的分离距离划界(例如，在可能的情况下，保持距骑行者3英尺的安全缓冲)的策略，或要求轨迹必须不要越过双黄线的策略等。数据3674可以包括，但不限于代表与规划器3670响应于事件(例如，坑洼3634)产生的候选轨迹相关联的置信度水平和自主车辆操作状态(例如，规范或非规范)的数据。在一些示例中，数据3674可以由远程操作员产生。在其他示例中，数据3674可以由模拟器产生。在其他示例中，数据3674可以由自主车辆3630a的规划器或由另一自主车辆(例如，由车辆3630之一中的规划器)产生。
规划器3670可以将与遥测数据3671和/或策略数据3672相关联的一些或全部数据作为数据3696加以传送。数据3696可以被传送到策略探索器3699，其被配置成接收数据3696并利用一个或多个计算机资源3692处理数据3696。一个或多个计算机资源3692可以包括，但不限于电路、逻辑、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、可编程逻辑、数字信号处理器(DSP)、图形处理单元(GPU)、微处理器、微控制器、肥大计算机(BFC)等或其集群。在一些示例中，策略探索器(例如，3699)可以实现于自主车辆的规划器中。
再次参考图示3600，自主车辆3630a的规划器3670可能已经计算了候选轨迹3651，每条轨迹都具有与在路面3623中的坑洼3634附近对自主车辆3630a安全导航相关联的高置信度水平。规划器3670可以选择候选轨迹3651之一供自主车辆3630执行，选定的轨迹被表示为3652(以粗线绘示)。
由于路面3623上坑洼3634的位置，自主车辆3630a可能不能避免撞到坑洼之一或两个；因此，有可能撞到坑洼3634之一或两者可能给自主车辆3630a造成损伤和/或影响自主车辆3630a运输的乘客的坐车舒适性。在一些示例中，可以计算选定的轨迹3652以允许自主车辆3630a通过绕过坑洼3634行驶来继续其通过区域3624行驶。在其他示例中，可以计算选定的轨迹3652以允许自主车辆3630a执行安全停车轨迹，防止自主车辆3630a可能在坑洼3634之一或两者上方运行并受到损伤和/或干扰乘客。在其他示例中，规划器3670可以实施候选轨迹3653的替代集合中的一条轨迹，其被配置成令自主车辆3630a避开坑洼3634(例如，通过将车道从车道3266变到车道3634)。例如，规划器3670可以(例如，基于与每条替代候选轨迹3653相关联的置信度水平)从一组替代候选轨迹3653选择替代候选轨迹3654(以粗线表示)。在其他示例中，与自主车辆3630a通信的外部系统(例如，模拟器或远程操作员)可以计算替代候选轨迹3653，对替代候选轨迹3653排序(例如，按照置信度水平从最高置信度水平到最低置信度水平排序)，并选择替代候选轨迹3653之一(例如，替代候选轨迹3654)供自主车辆3630a在规划器3670的控制下执行。
可以由策略探索器3699接收代表遥测数据3671和/或策略数据3672的数据3696。策略探索器3699可以被配置成基于数据3696(例如，遥测数据3671、策略数据3672或两者)实施策略更新的策略数据3694的产生。一个或多个计算机资源3692可以访问一个或多个数据储存库3693、3695、3697、3691，并可以比较、计算、相关或通过其他方式处理与数据3696以及数据储存库的一个或多个相关联的数据，以产生更新的策略数据3694。
数据储存库3693、3695、3697、3691不需要在策略探索器3699内部，可以从策略探索器3699外部的资源访问数据储存库中的一些或全部。数据储存库3693可以包括代表与自主车队中自主车辆相关联的传感器数据、地图数据、本地姿态数据、遥测数据、策略数据和其他数据的数据。数据储存库3693可以包括处理的数据和/或原始(例如，未处理)数据。数据储存库3695可以包括代表与自主车队中一个或多个车辆相关联的模拟数据的数据。数据储存库3697可以包括代表与自主车队中一个或多个车辆相关联的远程操作的数据。数据储存库3691可以包括与一队自主车辆的操作相关联的其他数据。策略探索器3699可以包括和/或有权访问比例如图示3600中绘示的更多或更少的数据储存库。策略探索器3699可以包括和/或有权访问与上文参考例如图示3600描述不同的其他类型数据的数据储存库。
策略探索器3699可以向例如一个或多个自主车辆(例如，3630或车队中的其他车辆)和/或向自主车辆3630a传送更新的策略数据3694。在其他示例中，更新的策略数据3694可以被传送到远程操作员、模拟器或两者。
更新的策略数据3694可以包括一条或多条候选轨迹，该一条或多条候选轨迹可以具有与每条候选轨迹相关联的相同或不同置信度水平。可以按照预定次序或排序，例如基于置信度水平的排列次序(例如，从最高置信度水平到最低置信度水平排序，或者反之)布置候选轨迹。
更新的策略数据3694可以包括其他数据，所述其他数据被配置成令接收数据的系统(例如，自主车辆、模拟器、远程操作员)采取动作，例如，实施一条或多条候选轨迹的选定一条。在其他示例中，该其他数据可以被配置成允许接收数据的系统基于标准(例如，基于最高置信度水平排序)选择一条或多条候选轨迹之一加以实施(例如，以确定选择一条或多条候选轨迹中的哪条作为选定候选轨迹)。作为一个示例，更新的策略数据3694可以包括被配置成令候选轨迹3654由接收更新策略数据3694的系统选择的数据。作为另一个示例，更新策略数据3694可以包括被配置成令自主车辆3630a基于标准(例如，由规划器3670应用)决定选择候选轨迹的哪一条的数据，可以将该标准应用于更新策略数据3694中包括的数据，例如，与每条候选轨迹相关联的上述置信度水平。
在一些示例中，可以基于策略选择选定的候选轨迹(例如，候选轨迹3654)，该策略要求选定的候选轨迹具有的置信度水平基于事件或提示要产生更新策略数据的条件而被预测为向自主车辆导航提供安全轨迹。在其他示例中，可以基于强调优选客户体验的策略(例如，平滑乘车而没有坑洼的颠簸效果)或与自主车辆操作相关联的其他度量(例如，避开由于诸如坑洼、道路废墟等导致的潜在损坏)选择选定的候选轨迹(例如，候选轨迹3654)。
在其他示例中，在已经发生事件之后可以由系统(例如，自主车辆3630a)接收更新策略数据3694，并可能已经使用事件时就有的策略数据(例如，策略数据3672)确定从一条或多条(例如，由规划器367)计算的候选轨迹(3653)选择的候选轨迹(例如，3652)。可以访问后接收的更新策略数据3694以在另一事件(例如，传感器系统进行的检测以及坑洼的感知和/或规划器进行的语义分类)导致机器学习考虑替代策略数据以避免或通过其他方式减轻事件对自主车辆操作影响时，在将来的时间实施候选轨迹确定。例如，可以由规划器访问更新的策略数据3694以计算候选轨迹3653，比较候选轨迹3653与候选轨迹3651，并(例如，基于置信度水平)确定要选择哪条候选轨迹来引导自主车辆的路径。更新的策略数据3694可以包括代表与沿自主车辆的计算路径检测到的坑洼对象的事件或语义分类相关联的规则，该规则可以决定拒绝候选轨迹3651，而倾向候选轨迹3653，因为候选轨迹3653避免了与例如坑洼3634接触的可能性。
图37绘示了根据各示例用于产生更新策略数据的流程图的示例。在流程图3700中，在阶段3702，可以(例如，在策略探索器3699处)接收代表遥测数据(例如，遥测数据3671)和策略数据(例如，策略数据3672)的数据。遥测数据和策略数据可能与自主车辆已经自主导航的环境的区域中的事件相关联。在一些示例中，遥测数据和策略数据可以与自主车辆当前正在自主导航的环境区域中的事件相关联(例如，实时或接近实时接收的遥测数据和策略数据)。
在阶段3704，可以从策略数据提取代表与事件相关联的置信度水平的数据。例如，置信度水平可以是与自主车辆的规划器计算的候选轨迹相关联的经排序的置信度水平值。
在阶段3706，可以基于置信度水平确定自主车辆的操作状态。例如，在阶段3704提取的置信度水平可以超过与自主车辆的规范操作相关联的能够接受的置信度水平的范围(例如，优化路径具有有助于自主车辆无碰撞行驶的计算概率，遵守交通法规，提供舒适的用户体验或舒适的用户乘车)。作为另一个示例，在阶段3704提取的置信度水平可以表示与自主车辆由于不足以保证自主车辆无碰撞行驶的可能轨迹而出现非规范操作相关联的置信度水平。
在阶段3708，可以基于遥测数据和自主车辆的操作状态(例如，规范或非规范操作)计算代表响应于事件的候选轨迹(例如，避免与坑洼3634接触的轨迹)的数据。在阶段3708计算的每条候选轨迹都可以具有相关联的置信度水平。
在阶段3710，可以产生与事件相关联的更新的策略数据。更新的策略数据可以包括候选轨迹。
在阶段3712，可以传送(例如，发送)更新的策略数据。作为一个示例，可以将更新的策略数据发送到至少一个自主车辆(例如，一队自主车辆中的一个或多个自主车辆)的规划器。在其他示例中，可以将更新的策略数据传送到远程操作员(例如，被配置成影响一个或多个自主车辆中的路径规划和/或导航控制)。在其他示例中，可以将更新的策略数据传送到模拟器(例如，被配置成模拟合成环境中的自主车辆)。在一些示例中，可以将更新的策略数据传送到数据存储装置、存储器(例如，非易失性存储器)、数据储存库或其他数据存储系统。
可以由策略探索器(例如，图36的策略探索器3699)或其他系统(例如，规划器、远程操作员、模拟器)实施流程图3700的一个或多个阶段。可以通过例如一个或多个数据通信网络，使用有线(例如，图36中的3642)和/或无线(例如，图36中的3641)通信传送更新的策略数据。
图38是绘示了根据各示例在模拟器中实现策略探索器的图示3800。在图示3800中，模拟器3840可以被配置成模拟合成环境中一个或多个自主车辆，如上文参考图28所述。模拟器3840的数据输入3896可以包括，但不限于来自传感器3870的数据和数据3820。传感器数据3870可以包括，但不限于LIDAR数据3872、相机数据3874、雷达数据3876、声呐数据3878和其他传感器数据3880(例如，GPS、IMU、环境传感器、麦克风、运动传感器、车轮编码器、加速度计等)。数据3820可以包括，但不限于地图数据3822、3824、3825、3826，本地姿态数据3828和策略数据3874。数据3820和/或传感器数据3870可以被实时或接近实时(例如，由一个或多个自主车辆)产生，或者可以从例如数据存储装置或数据储存库被访问。数据3820和/或传感器数据3870可以构成来自多个自主车辆的汇集数据。在一些示例中，从一个或多个自主车辆(例如，图36中的3830或3630a)接收数据3820和/或传感器数据3870的至少一部分。模拟器3840接收的数据可以被概括地表示为3896，并可以包括来自数据3820、传感器数据3870或两者的数据。
策略探索器3899可以访问例如物理处理器3850及其关联子块3851、3852和3854、控制器3856和评估器3858的功能。策略探索器3899可以访问相关器3861的功能以确定数据项之间的相关性，比较器3862将数据与其他数据进行比较，统计变化点检测器3864和/或概率推断计算器3863确定置信度间隔。概率探索器3899可以产生模拟策略数据以在模拟器3840中模拟，并基于模拟结果的分析，例如，与模拟候选轨迹相关联的置信度水平，产生更新的策略数据3894。例如，可以至少部分由具有符合和/或超过预定值(例如，95％或更高置信度水平)的高置信度水平的模拟候选轨迹来确定更新的策略数据3894。
更新的策略数据3894可以被(例如，经由通信网络)传送到一个或多个目的地，例如包括，但不限于远程操作员3894、一个或多个自主车辆3830和数据储存库。远程操作员3891可以基于更新的策略数据3894产生策略数据3897。远程操作员3891可以基于例如其他数据，例如数据3896、更新策略数据3894或两者，产生策略数据3897。
图39是绘示了根据各示例在远程操作员中实现策略探索器的图示3900。在图示3900中，远程操作员3940可以接收数据3996，其包括来自传感器3970的数据、数据3920或两者。传感器3970和数据3920可以包括类似于例如上文参考图38所述数据的数据。远程操作员3940中实现的策略探索器3999可以访问远程操作员3940的功能和/或例如相关器3961、比较器3962、变化点检测器3964或概率推断计算器3963中一个或多个的功能。策略探索器3999可以产生更新的策略数据3994。更新的策略数据3994可以被(例如，经由通信网络)传送到一个或多个目的地，例如包括，但不限于模拟器3990(例如，图38中的模拟器3840)、一个或多个自主车辆3930和数据储存库3991。模拟器3990可以基于更新的策略数据3994产生策略数据3997。模拟器3990可以基于例如其他数据，例如数据3996、更新策略数据3994或两者，产生策略数据3997。
图38的策略探索器3899和/或图39的策略探索器3999可以基于上文参考例如图37的流程图3700所述的一个或多个阶段产生更新的策略数据。
根据一些实施例，术语“电路”可以是指例如包括若干部件的任何系统，电流通过该若干部件流动以执行一个或多个功能，部件包括离散和复杂的部件。离散部件的示例包括晶体管、电阻器、电容器、电感器、二极管等，复杂部件的示例包括存储器、处理器、模拟电路、数字电路等，包括现场可编程门阵列(“FPGA”)、专用集成电路(“ASIC”)。因此，电路可以包括电子部件和逻辑部件的系统(例如，被配置成执行指令的逻辑，使得算法的一组可执行指令例如，从而是电路的部件)。根据一些实施例，术语“模块”可以指例如实现于硬件电路或软件中或其组合中的算法或其部分和/或逻辑(即，模块可以被实现为电路)。在一些实施例中，算法和/或存储算法的存储器是电路的“部件”。因此，术语“电路”还可以指例如包括算法的部件的系统。这些可以变化，不限于所提供示例或描述。
尽管出于理解清晰的目的以某些细节描述了前述示例，但上述本发明的技术不限于所提供的细节。有很多实施上述发明技术的替代方式。公开的示例为例示性的而非限制性的。

Claims (64)

1.一种用于控制自主车辆的方法，包括：
从传感器或通信接口中的一个或多个接收与事件相关联的遥测数据，所述事件与自主车辆相关联；
获得策略数据，所述策略数据包括用于操作自主车辆的指令以及与所述事件相关联的事件置信度水平，所述事件置信度水平指示鉴于所述事件，所述自主车辆在根据所述策略数据操作时将安全操作的确定程度；
响应于所述事件，基于所述遥测数据获得候选轨迹，每条候选轨迹都具有相关联的置信度水平；
通过由处理器进行机器学习并且至少部分地基于所述候选轨迹和所述遥测数据，产生更新的策略数据，所述更新的策略数据包括用于响应于所述事件以不同于根据所述策略数据的方式操作所述自主车辆的指令；以及
经由通信接口向至少一个自主车辆发送所更新的策略数据。
2.根据权利要求1所述的方法，其中所述事件置信度水平通过未能符合所述策略数据指定的置信度水平阈值而指示所述自主车辆的非规范操作状态。
3.根据权利要求1所述的方法，其中向至少一个自主车辆发送所更新的策略数据包括向与所述事件相关联的所述自主车辆之外的自主车辆发送所更新的策略数据。
4.根据权利要求3所述的方法，其中从与所述事件相关联的所述自主车辆获得所述遥测数据和策略数据。
5.根据权利要求1所述的方法，其中在远程操作员计算装置处接收所述遥测数据并且获得所述策略数据，并且其中所述远程操作员计算装置被配置成向至少一个自主车辆发送所更新的策略数据。
6.根据权利要求5所述的方法，其中在模拟器处接收所述遥测数据并且获得所述策略数据，所述方法还包括，由所述模拟器：
响应于所述事件，通过至少部分地基于所述遥测数据或所述策略数据中的一个或多个模拟所述候选轨迹，来获得所述候选轨迹；
确定与每条模拟候选轨迹相关联的置信度水平；
接收所述候选轨迹之一的选择，以供所述自主车辆实施；
向所述至少一个自主车辆提供所选择的轨迹来作为所更新的策略数据的部分。
7.根据权利要求6所述的方法，所述方法还包括，由所述模拟器：
至少部分地基于模拟所述候选轨迹或所选择的轨迹中的一个或多个进行所更新的策略数据的产生；以及
向如下一者或多者发送所述策略数据或所更新的策略数据中的一个或多个：
远程操作员计算装置，或者
所述至少一个自主车辆。
8.根据权利要求1所述的方法，其中在模拟器处接收所述遥测数据并且获得所述策略数据，所述模拟器被配置成模拟合成环境中的自主车辆。
9.根据权利要求1所述的方法，其中在自主车辆处接收所述遥测数据，获得所述策略数据并且产生所更新的策略数据。
10.根据权利要求1所述的方法，其中所述策略数据是从捕获所述遥测数据的自主车辆或与针对一队自主车辆的服务相关联的数据储存库中的一个或多个获得的。
11.根据权利要求1所述的方法，还包括：
确定所述至少一个自主车辆一直根据远程操作轨迹进行操作；
从所述至少一个自主车辆获得其他遥测数据；
至少从所述其他遥测数据确定所述至少一个自主车辆根据所述远程操作轨迹并且响应于所述事件的操作的结果是所述至少一个自主车辆的规范操作；
响应于确定根据所述远程操作轨迹操作所述至少一个自主车辆的结果是规范操作，通过机器学习产生所更新的策略；以及
向至少一个自主车辆发送所更新的策略数据。
12.根据权利要求1所述的方法，其中所述策略数据包括如下一项或多项：
用于选择操作所述自主车辆的候选轨迹的标准；
为产生轨迹定义约束的规则；
用于确定所述自主车辆的操作是否规范的阈值置信度水平；
用于从所述遥测数据检测所述自主车辆操作所处环境中的对象的分类器；
从所述遥测数据检测到的对象的语义分类；或者
与所述事件相关联的语义分类；并且
其中，所更新的策略数据包括所述标准、所述规则、所述阈值置信度水平、所述对象的语义分类或与所述事件相关联的语义分类中的一者或多者的更新。
13.根据权利要求2所述的方法，其中所述相关联的置信度水平中的至少一个大于所述事件置信度水平。
14.根据权利要求2所述的方法，其中至少部分地响应于所述事件置信度水平指示所述非规范操作状态来获得所述候选轨迹。
15.一种用于控制自主车辆的系统，包括：
一个或多个处理器；以及
存储器，所述存储器具有存储在其上的指令，在由所述一个或多个处理器执行所述指令时，使所述一个或多个处理器执行所包括的如下操作：
获得与自主车辆的操作相关联的传感器数据；
至少基于所述传感器数据和第一操作标准确定用于操作所述自主车辆的第一轨迹，所述第一操作标准包括用于确定所述第一轨迹的驾驶策略；
发送对用于操作所述自主车辆的第二轨迹的请求；
至少部分地基于所述对用于操作所述自主车辆的所述第二轨迹的请求，接收用于实现所述用于操作所述自主车辆的所述第二轨迹的指令，所述指令包括更新的驾驶策略，以及
产生第二操作标准以替换所述第一操作标准，所述第二操作标准包括所述更新的驾驶策略且配置所述一个或多个处理器以至少基于所述传感器数据和所述第二操作标准确定所述第二轨迹。
16.根据权利要求15所述的系统，所述第一操作标准包括如下一者或多者：
用于选择操作所述自主车辆的候选轨迹的标准；
为产生轨迹定义约束的规则；
用于确定所述自主车辆的操作是否规范的阈值置信度水平；
用于从所述传感器数据检测所述自主车辆操作所处环境中的对象的分类器；
感知引擎从所述传感器数据检测到的对象的语义分类；
与事件相关联的语义分类；
一条或多条候选轨迹；或者
与所述候选轨迹或用于确定与所述候选轨迹相关联的置信度水平的规则相关联的置信度水平；
并且其中所述第二操作标准包括如下一者或多者的修改或增加：
用于选择候选轨迹的标准，
为产生轨迹定义约束的规则，
所述阈值置信度水平，
感知引擎的配置，
所述语义分类，
所述候选轨迹，
所述置信度水平，或者
用于确定置信度水平的规则。
17.根据权利要求15所述的系统，所述系统包括自主车辆，并且还包括如下一者或多者：
用于获得所述传感器数据的一个或多个传感器；以及
用于接收所述指令的通信接口。
18.根据权利要求15所述的系统，所述操作还包括至少部分地基于所述传感器数据和所述第一操作标准中的一个或多个在合成环境中模拟候选轨迹，并且其中接收用于操作所述自主车辆的第二轨迹包括接收对所模拟的候选轨迹之一的选择。
19.根据权利要求15所述的系统，所述系统包括远程操作员计算装置，所述远程操作员计算装置被配置成控制所述自主车辆的操作。
20.一种或多种存储处理器可执行指令的计算机可读介质，所述处理器可执行指令在被执行时，令一个或多个处理器执行操作，所述操作包括：
接收与自主车辆的操作相关联的遥测数据；
响应于所述遥测数据接收用于操作所述自主车辆的指令；
从所述指令和所述遥测数据获知更新的操作标准；以及
向至少一个自主车辆传送所更新的操作标准以替换所述至少一个自主车辆的操作标准，所更新的操作标准和所述操作标准包括供所述至少一个自主车辆至少部分基于在合成环境中模拟的候选轨迹来确定所述至少一个自主车辆的轨迹的指令。
21.根据权利要求20所述的一种或多种计算机可读介质，所述操作还包括：
响应于事件为所述自主车辆产生多条候选轨迹；
确定对应于所述多条候选轨迹中的相应候选轨迹的置信度水平，所述置信度水平指示所述多条候选轨迹中的相应候选轨迹遵守分别由所述操作标准或所更新的操作标准指定的标准的确定程度；以及
如下至少一项：
根据所述多条候选轨迹的置信度水平对所述多条候选轨迹进行排序，以及
至少部分地基于排序结果、所述置信度水平和所述操作标准或所更新的操作标准分别指定的能够接受的置信度水平，从所述多条候选轨迹选择轨迹供所述自主车辆实施；或者
如果所述多条候选轨迹中没有任何轨迹与符合所述能够接受的置信度水平的置信度水平相关联，则发送针对所述自主车辆的远程操作的请求。
22.根据权利要求21所述的一种或多种计算机可读介质，确定所述置信度水平至少部分地分别基于所述操作标准或所更新的操作标准，并且鉴于所述事件确定相应候选轨迹的置信度水平，并且所述确定包括如下一者或多者：
确定通过根据所述候选轨迹操作，鉴于所述事件，所述自主车辆将安全操作的概率；
确定所述候选轨迹是否遵守交通法规；
确定所述候选轨迹是否违反所述交通法规；
确定违反所述交通法规的后果；
确定不违反所述交通法规的后果；或者
确定所述候选轨迹是否违反乘客舒适策略，
其中所述能够接受的置信度水平是允许所述自主车辆实施所述候选轨迹的最小所需置信度水平。
23.根据权利要求20所述的一种或多种计算机可读介质，所述一种或多种计算机可读介质是自主车辆、远程操作员计算装置、存储模拟器的计算装置或车队管理服务装置的存储器。
24.一种自主车辆，包括：
一个或者多个处理器；
通信接口，所述通信接口被配置为在所述自主车辆和一个或多个其它装置或者自主车辆之间建立通信链路；
一个或者多个传感器；以及
存储器，在所述存储器上存储有处理器可执行指令，当通过所述一个或者多个处理器执行所述处理器可执行指令时，配置所述自主车辆执行所包括的以下操作；
从所述一个或者多个传感器获得传感器数据；
从所述传感器数据检测事件，所述事件具有超过与所述自主车辆的规范操作相关联的阈值置信度水平的相关联置信度水平；
确定所述事件的类型；
至少部分基于所述事件的类型，经由所述通信接口请求远程操作员命令；
经由所述通信接口接收远程操作员命令；以及
至少部分基于所述远程操作员命令来控制所述自主车辆。
25.根据权利要求24所述的自主车辆，其中所述通信链路包括两个或者多个网络或者子网络，所述两个或者多个网络或者子网络被配置为提供所述通信链路和冗余通信链路，并且其中所述一个或者多个网络或者子网络中的每一个包括蜂窝网络或者数据网络中的一个或多个。
26.根据权利要求24所述的自主车辆，其中所述通信接口被配置为实施通信协议，所述通信协议包括实时加密协议或者质量服务中的一个或多个。
27.根据权利要求24所述的自主车辆，其中至少部分基于策略数据来确定所述远程操作员命令。
28.根据权利要求27所述的自主车辆，还包括：
通信事件检测器，所述通信事件检测器被配置为输出通信水平；并且
其中所述操作进一步包括至少部分基于所述通信水平来选择更新的策略数据。
29.根据权利要求28所述的自主车辆，其中所更新的策略数据包括被配置为控制所述自主车辆以将其导航出一区域的指令。
30.根据权利要求24所述的自主车辆，所述操作还包括：
至少部分基于所述事件的类型，确定指示所述事件将影响所述自主车辆的操作的概率的置信度水平，所述事件的类型指示所述事件的关键性；并且
其中检测所述事件或者确定所述事件的类型包括以下各项中的一项或者多项；
确定所述自主车辆接近一区域；
确定当天的时间；
确定太阳的位置；
确定存在一个或者多个交通或者事故；
确定所述自主车辆已经持续阈值时间量不动；
确定所述置信度水平低于阈值；或者
确定先前所确定的置信度水平表现出减小趋势。
31.一种用于控制自主车辆的方法，包括：
从一个或者多个传感器获得传感器数据，所述一个或者多个传感器位于自主车辆上；
至少部分基于所述传感器数据来确定已经发生某一类型的事件；
至少部分基于所述事件的类型来发送对远程操作员命令的请求；
响应于所述事件，基于所述传感器数据和与所述事件相关联的策略数据来获得多条候选轨迹，所述策略数据包括用于操作所述自主车辆的指令；
经由通信接口接收远程操作员命令，所述远程操作员命令包括更新的策略数据，所述更新的策略数据包括有所述多条候选轨迹中被选择的一条候选轨迹；以及
至少部分基于所述远程操作员命令来控制所述自主车辆，其中所述通信接口被配置为在通信链路上发送并且接收一个或者多个数据消息，其中所述事件的类型包括以下各项中的一项或多项：
所述自主车辆接近一区域；
当天的时间；
太阳的位置；
交通；
事故；
所述自主车辆已经持续阈值时间量不动；或者
根据所述传感器数据确定的置信度水平低于阈值。
32.根据权利要求31所述的方法，其中所述通信链路被配置为在所述自主车辆和另一装置之间发送和接收所述一个或者多个数据消息。
33.根据权利要求32所述的方法，其中所述另一装置包括另一自主车辆。
34.根据权利要求31所述的方法，其中所述一个或者多个传感器包括LIDAR、雷达、声纳或者图像捕获装置中的至少一个。
35.根据权利要求31所述的方法，其中所述通信链路被配置为提供主通信链路和冗余通信链路，所述冗余通信链路位于所述自主车辆和另一装置之间。
36.根据权利要求31所述的方法，其中对所述一个或者多个数据消息进行加密。
37.根据权利要求31所述的方法，其中所述更新的策略数据包括用于控制所述自主车辆以避开一区域的指令，并且
其中所述区域包括一个或者多个网络的带宽不满足用于形成所述通信链路或者在所述通信链路上成功发送数据的阈值带宽的地理位置。
38.根据权利要求31所述的方法，其中所述通信链路包括蜂窝网络或者数据网络中的一个或多个。
39.根据权利要求31所述的方法，其中所述置信度水平至少部分基于所述事件的类型由所述自主车辆来计算，并且指示通过所述自主车辆选择的动作流程将导致所述自主车辆的安全操作的概率。
40.根据权利要求31所述的方法，还包括引导所述通信链路的可用带宽进行调整，以至少保持阈值带宽。
41.一种或者多种非暂态计算机可读介质，所述一种或者多种非暂态计算机可读介质存储计算机可执行指令，所述计算机可执行指令被配置为对一个或者多个计算装置进行编程以执行操作，所述操作包括：
至少部分基于从所述一个或者多个自主车辆接收的数据来监测一个或者多个自主车辆的操作；
根据所述监测来检测所述一个或者多个自主车辆中的一自主车辆处的事件，所述事件超过与所述自主车辆的规范操作相关联的阈值置信度水平；以及
至少部分基于所述事件的检测获得来自所述自主车辆的传感器数据，所述获得包括以下各项中的一项或者多项；
经由通信链路向所述自主车辆发送指令，以发送所述传感器数据被所述一个或者多个计算装置接收；或者
经由通信接口接收来自所述自主车辆的与所述事件同时的所述传感器数据，
其中所述通信接口被配置为在通信链路上发送并且接收一个或者多个数据消息。
42.根据权利要求41所述的一种或者多种非暂态计算机可读介质，其中所述操作还包括：
确定所述事件的类型，所述类型指示所述事件将影响所述自主车辆的标称驾驶操作的概率；并且
其中所述获得还至少部分基于所述事件的类型。
43.根据权利要求41所述的一种或者多种非暂态计算机可读介质，所述操作还包括经由所述通信接口建立经由第一通信信道的所述通信链路以及经由替代通信信道的冗余通信链路，
其中建立所述冗余通信链路包括建立与另一自主车辆的所述冗余通信链路。
44.根据权利要求43所述的一种或者多种非暂态计算机可读介质，建立与所述另一自主车辆的所述冗余通信链路包括分派第二自主车辆停在一位置，以与所述自主车辆建立对等网络。
45.一种用于控制自主车辆的方法，包括：
接收来自自主车辆的遥测数据，所述遥测数据包括来自所述自主车辆上的传感器的传感器数据；
接收策略数据；
至少部分基于所述遥测数据或者所述策略数据中的至少一个，确定所述自主车辆已经穿过的环境的区域中的事件；
至少部分基于所述事件，确定所述自主车辆的操作的状态是非规范的，所述非规范状态指示不足以保证无碰撞行驶；
至少部分基于所述操作的状态，确定多条轨迹；
至少部分基于所述多条轨迹中的轨迹，确定更新的策略数据；以及
发送所述更新的策略数据至所述自主车辆，所述更新的策略数据被配置为使得所述自主车辆根据所述更新的策略数据中的一个或多个策略来进行操作。
46.根据权利要求45所述的方法，
其中确定更新的策略数据包括经由策略探索器确定所述更新的策略数据，并且
其中所述策略数据包括以下各项中的一项或者多项：
要求轨迹与附近对象具有间隔距离；或者
要求轨迹停留在双黄线以内。
47.根据权利要求45所述的方法，其中确定所述自主车辆的操作的状态是非规范的包括确定与所述事件相关联的置信度水平是否满足或者超过阈值置信度水平。
48.根据权利要求45所述的方法，
其中确定更新的策略数据包括在模拟环境中模拟一个或者多个模拟自主车辆。
49.根据权利要求48所述的方法，其中模拟一个或者多个模拟自主车辆包括模拟一个或者多个模拟LIDAR装置、模拟RADAR传感器或者模拟相机传感器。
50.根据权利要求45所述的方法，其中确定更新的策略数据包括经由策略探索器从远程操作员接收所述更新的策略数据。
51.一种用于控制自主车辆的系统，包括：
一个或者多个处理器；以及
存储器，在所述存储器上存储有处理器可执行指令，当通过所述一个或者多个处理器执行所述指令时，使得所述系统：
接收来自自主车辆的遥测数据，所述遥测数据包括来自所述自主车辆上的传感器的传感器数据；
接收策略数据；
至少部分基于所述遥测数据或者所述策略数据中的至少一个，确定与围绕所述自主车辆的环境的区域中的事件相关联的置信度水平；
至少部分基于所述置信度水平，确定多条轨迹；
至少部分基于所述多条轨迹中的轨迹，确定更新的策略数据；以及
发送所述更新的策略数据至所述自主车辆，所述更新的策略数据被配置为使得所述自主车辆根据所述更新的策略数据中的一个或者多个策略来进行操作。
52.根据权利要求51所述的系统，
其中确定所述置信度水平包括至少确定与所述自主车辆生成的第一候选轨迹相关联的第一置信度水平；并且
其中所述多条轨迹包括与所述第一候选轨迹不同的替代轨迹。
53.根据权利要求52所述的系统，
其中所述第一候选轨迹是多条候选轨迹中的一条；并且
其中所述策略数据或者所述更新的策略数据中的至少一个包括规则，所述规则与使得所述自主车辆从所述替代轨迹而不是所述多条候选轨迹中选择用于控制所述自主车辆的运动的引导轨迹的事件相关联。
54.根据权利要求51所述的系统，
其中确定更新的策略数据包括经由策略探索器确定所述更新的策略数据；并且
其中所述策略数据或者所述更新的策略数据中的至少一个包括以下各项中的一项或者多项；
与所述事件或者所述环境中的对象的语义分类相关联的规则，与规范操作期间相比，所述规则使得所述自主车辆在所述事件期间或者检测到所述对象时选择不同的引导轨迹；
要求轨迹与附近对象具有间隔距离；或者
要求轨迹停留在双黄线以内。
55.根据权利要求51所述的系统，其中所述指令还使得所述系统至少部分基于确定所述置信度水平不满足阈值置信度水平来确定所述自主车辆的操作的状态是非规范的，其中操作的非规范状态指示不足以保证无碰撞行驶。
56.根据权利要求51所述的系统，其中确定更新的策略数据包括在模拟环境中模拟一个或者多个模拟自主车辆。
57.根据权利要求56所述的系统，其中模拟一个或者多个模拟自主车辆包括模拟一个或者多个模拟LIDAR装置、模拟RADAR传感器或者模拟相机传感器。
58.根据权利要求51所述的系统，其中确定更新的策略数据包括经由策略探索器从远程操作员接收所述更新的策略数据。
59.根据权利要求58所述的系统，其中当通过所述一个或者多个处理器执行所述指令时还使得所述系统发送所述更新的策略数据至第二自主车辆。
60.一种用于控制自主车辆的系统，包括：
一个或者多个处理器；以及
一个或者多个传感器；
存储器，所述存储器存储处理器可执行指令，当通过所述一个或者多个处理器执行所述处理器可执行指令时，使得所述系统：
接收来自所述一个或者多个传感器的遥测数据；
接收策略数据；
至少部分基于所述遥测数据或者所述策略数据中的至少一个，确定围绕自主车辆的环境的区域中的事件以及与所述事件相关联的置信度水平；
向第二装置发送所述遥测数据或者所述策略数据中的至少一个的至少一部分；
从所述第二装置接收更新的策略数据；以及
至少部分基于所述更新的策略数据，改变所述事件期间所述自主车辆的操作。
61.根据权利要求60所述的系统，其中改变所述自主车辆的操作包括以下各项中的至少一项：
除了所述自主车辆在基本上与检测到所述事件的同时生成的多条轨迹之外，生成替代轨迹；
至少部分基于与所述事件或者语义分类相关联的规则，选择用于控制所述自主车辆的运动的轨迹，所述更新的策略数据包括所述规则；或者
修改与附近对象的间隔距离。
62.根据权利要求60所述的系统，其中所述第二装置包括第二自主车辆或者远程操作员装置。
63.根据权利要求60所述的系统，其中发送所述遥测数据或者所述策略数据中的至少一个至少部分基于确定所述置信度水平不满足或者超过阈值置信度水平。
64.根据权利要求60所述的系统，
其中确定所述置信度水平包括至少确定与所述自主车辆生成的第一候选轨迹相关联的第一置信度水平；并且
其中所述更新的策略数据使得所述自主车辆确定与所述第一候选轨迹不同的替代轨迹。
CN201680064769.7A 2015-11-04 2016-11-03 自主车辆、用于控制其的方法和系统以及计算机可读介质 Active CN108292134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210978945.5A CN115113629A (zh) 2015-11-04 2016-11-03 用于优化远程操作和/或规划器决策的机器学习系统和技术

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
US14/932,940 US9734455B2 (en) 2015-11-04 2015-11-04 Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US14/932,966 2015-11-04
US14/932,940 2015-11-04
US14/932,959 2015-11-04
US14/932,959 US9606539B1 (en) 2015-11-04 2015-11-04 Autonomous vehicle fleet service and system
US14/932,963 2015-11-04
US14/932,966 US9507346B1 (en) 2015-11-04 2015-11-04 Teleoperation system and method for trajectory modification of autonomous vehicles
US14/932,963 US9612123B1 (en) 2015-11-04 2015-11-04 Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes
US14/933,602 2015-11-05
US14/933,602 US9632502B1 (en) 2015-11-04 2015-11-05 Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
PCT/US2016/060384 WO2017079474A2 (en) 2015-11-04 2016-11-03 Machine-learning systems and techniques to optimize teleoperation and/or planner decisions

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210978945.5A Division CN115113629A (zh) 2015-11-04 2016-11-03 用于优化远程操作和/或规划器决策的机器学习系统和技术

Publications (2)

Publication Number Publication Date
CN108292134A CN108292134A (zh) 2018-07-17
CN108292134B true CN108292134B (zh) 2022-08-16

Family

ID=58547155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680064769.7A Active CN108292134B (zh) 2015-11-04 2016-11-03 自主车辆、用于控制其的方法和系统以及计算机可读介质

Country Status (5)

Country Link
US (4) US9632502B1 (zh)
EP (1) EP3371660A4 (zh)
JP (1) JP7103946B2 (zh)
CN (1) CN108292134B (zh)
WO (1) WO2017079474A2 (zh)

Families Citing this family (311)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101459107B1 (ko) * 2013-07-11 2014-11-12 유니슨이테크 주식회사 정하중 지지장치
US9972054B1 (en) 2014-05-20 2018-05-15 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US10185998B1 (en) 2014-05-20 2019-01-22 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US10599155B1 (en) 2014-05-20 2020-03-24 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US10373259B1 (en) 2014-05-20 2019-08-06 State Farm Mutual Automobile Insurance Company Fully autonomous vehicle insurance pricing
US11669090B2 (en) 2014-05-20 2023-06-06 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US11030696B1 (en) 2014-07-21 2021-06-08 State Farm Mutual Automobile Insurance Company Methods of providing insurance savings based upon telematics and anonymous driver data
DE102014221888A1 (de) * 2014-10-28 2016-04-28 Robert Bosch Gmbh Verfahren und Vorrichtung zur Lokalisierung eines Fahrzeugs in seinem Umfeld
US10915965B1 (en) 2014-11-13 2021-02-09 State Farm Mutual Automobile Insurance Company Autonomous vehicle insurance based upon usage
US9626763B1 (en) * 2015-02-25 2017-04-18 Lytx, Inc. Pothole detection
US10241515B2 (en) 2015-05-29 2019-03-26 Clearpath Robotics, Inc. Method, system and apparatus for handling operational constraints for control of unmanned vehicles
JP6567056B2 (ja) * 2015-07-31 2019-08-28 日立オートモティブシステムズ株式会社 自車周辺情報管理装置
EP3133455B1 (en) * 2015-08-17 2021-04-14 Honda Research Institute Europe GmbH System for autonomously or partially autonomously driving a vehicle with a communication module for obtaining additional information from a vehicle driver and corresponding method
US11107365B1 (en) 2015-08-28 2021-08-31 State Farm Mutual Automobile Insurance Company Vehicular driver evaluation
US9632502B1 (en) 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US10334050B2 (en) 2015-11-04 2019-06-25 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
US10401852B2 (en) 2015-11-04 2019-09-03 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US9878664B2 (en) 2015-11-04 2018-01-30 Zoox, Inc. Method for robotic vehicle communication with an external environment via acoustic beam forming
US9804599B2 (en) 2015-11-04 2017-10-31 Zoox, Inc. Active lighting control for communicating a state of an autonomous vehicle to entities in a surrounding environment
US10248119B2 (en) 2015-11-04 2019-04-02 Zoox, Inc. Interactive autonomous vehicle command controller
US9606539B1 (en) 2015-11-04 2017-03-28 Zoox, Inc. Autonomous vehicle fleet service and system
US11283877B2 (en) 2015-11-04 2022-03-22 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
WO2017079341A2 (en) 2015-11-04 2017-05-11 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US9754490B2 (en) 2015-11-04 2017-09-05 Zoox, Inc. Software application to request and control an autonomous vehicle service
US9630619B1 (en) 2015-11-04 2017-04-25 Zoox, Inc. Robotic vehicle active safety systems and methods
US9494940B1 (en) 2015-11-04 2016-11-15 Zoox, Inc. Quadrant configuration of robotic vehicles
US9507346B1 (en) 2015-11-04 2016-11-29 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
DE102016220913A1 (de) * 2015-11-06 2017-05-11 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Generierung von Testfällen für autonome Fahrzeuge
CA3008886A1 (en) * 2015-12-18 2017-06-22 Iris Automation, Inc. Real-time visual situational awareness system
US9843474B2 (en) * 2015-12-23 2017-12-12 Intel Corporation Telemetry adaptation
US10134278B1 (en) 2016-01-22 2018-11-20 State Farm Mutual Automobile Insurance Company Autonomous vehicle application
US11242051B1 (en) 2016-01-22 2022-02-08 State Farm Mutual Automobile Insurance Company Autonomous vehicle action communications
US11719545B2 (en) 2016-01-22 2023-08-08 Hyundai Motor Company Autonomous vehicle component damage and salvage assessment
US10747234B1 (en) 2016-01-22 2020-08-18 State Farm Mutual Automobile Insurance Company Method and system for enhancing the functionality of a vehicle
US11441916B1 (en) 2016-01-22 2022-09-13 State Farm Mutual Automobile Insurance Company Autonomous vehicle trip routing
GB201602308D0 (en) * 2016-02-09 2016-03-23 Touchtype Ltd System and method for generating predictions
US10662045B2 (en) * 2016-02-11 2020-05-26 Clearpath Robotics Inc. Control augmentation apparatus and method for automated guided vehicles
US10787176B2 (en) * 2016-02-19 2020-09-29 A Truly Electric Car Company Plug-compatible interface between cars and their human and/or computer drivers
US10752257B2 (en) * 2016-02-19 2020-08-25 A Truly Electric Car Company Car operating system that controls the car's direction and speed
JP6578224B2 (ja) * 2016-02-22 2019-09-18 ルネサスエレクトロニクス株式会社 車載システム、プログラムおよびコントローラ
JP2017182129A (ja) * 2016-03-28 2017-10-05 ソニー株式会社 情報処理装置。
US10234856B2 (en) * 2016-05-12 2019-03-19 Caterpillar Inc. System and method for controlling a machine
DE102016208883A1 (de) * 2016-05-23 2017-11-23 Robert Bosch Gmbh Verfahren zum Bereitstellen einer Fahrzeugtrajektorieninformation und Verfahren zum Orten eines Schlaglochs
WO2017214581A1 (en) * 2016-06-10 2017-12-14 Duke University Motion planning for autonomous vehicles and reconfigurable motion planning processors
CN106096192B (zh) * 2016-06-27 2019-05-28 百度在线网络技术（北京）有限公司 一种无人驾驶车辆的测试场景的构建方法和装置
US10473761B2 (en) * 2016-08-11 2019-11-12 Rodradar Ltd. Wire and pylon classification based on trajectory tracking
US10179586B2 (en) * 2016-08-11 2019-01-15 Toyota Motor Engineering & Manufacturing North America, Inc. Using information obtained from fleet of vehicles for informational display and control of an autonomous vehicle
US11182709B2 (en) 2016-08-16 2021-11-23 Teleport Mobility, Inc. Interactive real time system and real time method of use thereof in conveyance industry segments
US11087252B2 (en) 2016-08-16 2021-08-10 Teleport Mobility, Inc. Interactive real time system and real time method of use thereof in conveyance industry segments
US11176500B2 (en) 2016-08-16 2021-11-16 Teleport Mobility, Inc. Interactive real time system and real time method of use thereof in conveyance industry segments
DE102016217637A1 (de) * 2016-09-15 2018-03-15 Volkswagen Aktiengesellschaft Odometrie-Verfahren zum Ermitteln einer Position eines Kraftfahrzeugs, Steuervorrichtung und Kraftfahrzeug
US10410320B2 (en) 2016-09-30 2019-09-10 Sony Interactive Entertainment Inc. Course profiling and sharing
US10357709B2 (en) 2016-09-30 2019-07-23 Sony Interactive Entertainment Inc. Unmanned aerial vehicle movement via environmental airflow
US10416669B2 (en) 2016-09-30 2019-09-17 Sony Interactive Entertainment Inc. Mechanical effects by way of software or real world engagement
US10679511B2 (en) 2016-09-30 2020-06-09 Sony Interactive Entertainment Inc. Collision detection and avoidance
US10850838B2 (en) 2016-09-30 2020-12-01 Sony Interactive Entertainment Inc. UAV battery form factor and insertion/ejection methodologies
US10377484B2 (en) 2016-09-30 2019-08-13 Sony Interactive Entertainment Inc. UAV positional anchors
JP6548690B2 (ja) * 2016-10-06 2019-07-24 株式会社アドバンスド・データ・コントロールズ シミュレーションシステム、シミュレーションプログラム及びシミュレーション方法
US10802484B2 (en) * 2016-11-14 2020-10-13 Baidu Usa Llc Planning feedback based decision improvement system for autonomous driving vehicle
US10769452B2 (en) * 2016-11-14 2020-09-08 Lyft, Inc. Evaluating and presenting pick-up and drop-off locations in a situational-awareness view of an autonomous vehicle
WO2018102477A1 (en) 2016-11-30 2018-06-07 Nissan North America, Inc. Tele-operation of autonomous cars to negotiate problem situations
EP3549044A4 (en) 2016-12-02 2020-07-22 Starsky Robotics, Inc. VEHICLE CONTROL SYSTEM AND METHOD OF USE
US10118538B2 (en) * 2016-12-07 2018-11-06 Ford Global Technologies, Llc Illuminated rack
EP3346418A1 (en) * 2016-12-28 2018-07-11 Volvo Car Corporation Method and system for vehicle localization from camera image
US10380886B2 (en) 2017-05-17 2019-08-13 Cavh Llc Connected automated vehicle highway systems and methods
US10730531B1 (en) * 2017-02-02 2020-08-04 Uatc, Llc Machine-learning based vehicle motion control system
US20180232840A1 (en) * 2017-02-15 2018-08-16 Uber Technologies, Inc. Geospatial clustering for service coordination systems
US10293818B2 (en) * 2017-03-07 2019-05-21 Uber Technologies, Inc. Teleassistance data prioritization for self-driving vehicles
US10109198B2 (en) * 2017-03-08 2018-10-23 GM Global Technology Operations LLC Method and apparatus of networked scene rendering and augmentation in vehicular environments in autonomous driving systems
US10338594B2 (en) 2017-03-13 2019-07-02 Nio Usa, Inc. Navigation of autonomous vehicles to enhance safety under one or more fault conditions
US10209718B2 (en) 2017-03-14 2019-02-19 Starsky Robotics, Inc. Vehicle sensor system and method of use
US10679312B2 (en) * 2017-04-25 2020-06-09 Lyft Inc. Dynamic autonomous vehicle servicing and management
CN107063713B (zh) * 2017-04-27 2020-03-10 百度在线网络技术（北京）有限公司 应用于无人驾驶汽车的测试方法和装置
US10423162B2 (en) 2017-05-08 2019-09-24 Nio Usa, Inc. Autonomous vehicle logic to identify permissioned parking relative to multiple classes of restricted parking
US10692365B2 (en) 2017-06-20 2020-06-23 Cavh Llc Intelligent road infrastructure system (IRIS): systems and methods
US12020563B2 (en) 2017-05-17 2024-06-25 Cavh Llc Autonomous vehicle and cloud control system
WO2018213931A1 (en) 2017-05-25 2018-11-29 Clearpath Robotics Inc. Systems and methods for process tending with a robot arm
US10186156B2 (en) * 2017-05-25 2019-01-22 Uber Technologies, Inc. Deploying human-driven vehicles for autonomous vehicle routing and localization map updating
US10816973B2 (en) * 2017-06-02 2020-10-27 Baidu Usa Llc Utilizing rule-based and model-based decision systems for autonomous driving control
US10740988B2 (en) * 2017-06-16 2020-08-11 nuTonomy Inc. Intervention in operation of a vehicle having autonomous driving capabilities
US11112789B2 (en) 2017-06-16 2021-09-07 Motional Ad Llc Intervention in operation of a vehicle having autonomous driving capabilities
WO2018232032A1 (en) * 2017-06-16 2018-12-20 nuTonomy Inc. Intervention in operation of a vehicle having autonomous driving capabilities
US10595455B2 (en) * 2017-06-19 2020-03-24 Cnh Industrial America Llc Planning system for an autonomous work vehicle system
US10692371B1 (en) 2017-06-20 2020-06-23 Uatc, Llc Systems and methods for changing autonomous vehicle operations based on user profiles
WO2018232681A1 (en) * 2017-06-22 2018-12-27 Baidu.Com Times Technology (Beijing) Co., Ltd. TRAFFIC PREDICTION BASED ON CARD IMAGES FOR AUTONOMOUS DRIVING
US11889393B2 (en) * 2017-06-23 2024-01-30 Veniam, Inc. Methods and systems for detecting anomalies and forecasting optimizations to improve urban living management using networks of autonomous vehicles
WO2019006033A1 (en) * 2017-06-27 2019-01-03 Drive.Ai Inc METHOD FOR DETECTING AND MANAGING VARIATIONS ALONG ROAD SURFACES FOR AUTONOMOUS VEHICLES
US10759534B2 (en) 2017-07-03 2020-09-01 George A. Miller Method and system from controlling an unmanned aerial vehicle
US10606259B2 (en) 2017-07-07 2020-03-31 Zoox, Inc. Interactions between vehicle and teleoperations system
EP3936966B1 (en) * 2017-07-07 2023-05-03 Zoox, Inc. Interactions between vehicle and teleoperations system
US10386836B2 (en) * 2017-07-07 2019-08-20 Zoox, Inc. Interactions between vehicle and teleoperations system
US10369974B2 (en) 2017-07-14 2019-08-06 Nio Usa, Inc. Control and coordination of driverless fuel replenishment for autonomous vehicles
US10710633B2 (en) 2017-07-14 2020-07-14 Nio Usa, Inc. Control of complex parking maneuvers and autonomous fuel replenishment of driverless vehicles
US10493622B2 (en) * 2017-07-14 2019-12-03 Uatc, Llc Systems and methods for communicating future vehicle actions to be performed by an autonomous vehicle
CA3070186A1 (en) * 2017-07-20 2019-01-24 Nuro, Inc. Autonomous vehicle repositioning
US10586104B2 (en) * 2017-07-21 2020-03-10 Tata Consultancy Services Limited System and method for theme extraction
CN111801717A (zh) * 2017-07-28 2020-10-20 高通股份有限公司 机器人式运载工具的自动探索控制
US10437247B2 (en) 2017-08-10 2019-10-08 Udelv Inc. Multi-stage operation of autonomous vehicles
US10852721B1 (en) * 2017-08-24 2020-12-01 Uatc, Llc Autonomous vehicle hybrid simulation testing
US11422569B2 (en) 2017-08-31 2022-08-23 Clearpath Robotics Inc. Systems and methods for generating a mission for a self-driving material-transport vehicle
US11001446B2 (en) 2017-08-31 2021-05-11 Clearpath Robotics Inc. Apparatus, systems, and methods for payload pick-up and drop-off with a self-driving material-transport vehicle
US10629080B2 (en) 2017-08-31 2020-04-21 Uatc Llc Autonomous vehicles featuring vehicle intention system
US10953880B2 (en) * 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
US10953881B2 (en) * 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
US10649458B2 (en) 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
US20190079517A1 (en) 2017-09-08 2019-03-14 nuTonomy Inc. Planning autonomous motion
US10515321B2 (en) * 2017-09-11 2019-12-24 Baidu Usa Llc Cost based path planning for autonomous driving vehicles
US10647332B2 (en) * 2017-09-12 2020-05-12 Harman International Industries, Incorporated System and method for natural-language vehicle control
US10957201B2 (en) * 2017-09-15 2021-03-23 Qualcomm Incorporated System and method for relative positioning based safe autonomous driving
CN109521757B (zh) * 2017-09-18 2021-12-31 阿波罗智能技术(北京)有限公司 静态障碍物识别方法和装置
US11657266B2 (en) 2018-11-16 2023-05-23 Honda Motor Co., Ltd. Cooperative multi-goal, multi-agent, multi-stage reinforcement learning
US10739776B2 (en) * 2017-10-12 2020-08-11 Honda Motor Co., Ltd. Autonomous vehicle policy generation
US11093829B2 (en) * 2017-10-12 2021-08-17 Honda Motor Co., Ltd. Interaction-aware decision making
EP3477616A1 (en) 2017-10-27 2019-05-01 Sigra Technologies GmbH Method for controlling a vehicle using a machine learning system
US10739775B2 (en) * 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
US11392121B2 (en) 2017-10-31 2022-07-19 Clearpath Robotics Inc. Systems and methods for operating robotic equipment in controlled zones
US10962650B2 (en) 2017-10-31 2021-03-30 United States Of America As Represented By The Administrator Of Nasa Polyhedral geofences
US10825340B1 (en) * 2017-11-17 2020-11-03 State Farm Mutual Automotive Insurance Company Autonomous vehicle maneuver system for emergency vehicles and non-standard traffic flow
US10976737B2 (en) * 2017-11-21 2021-04-13 GM Global Technology Operations LLC Systems and methods for determining safety events for an autonomous vehicle
US10860018B2 (en) 2017-11-30 2020-12-08 Tusimple, Inc. System and method for generating simulated vehicles with configured behaviors for analyzing autonomous vehicle motion planners
KR102428216B1 (ko) 2017-12-04 2022-08-01 엘지전자 주식회사 인공지능을 이용한 이동 로봇, 이동 로봇의 제어방법, 및 이동 로봇의 제어 시스템
US10921142B2 (en) 2017-12-14 2021-02-16 Waymo Llc Methods and systems for sun-aware vehicle routing
US20190185012A1 (en) 2017-12-18 2019-06-20 PlusAI Corp Method and system for personalized motion planning in autonomous driving vehicles
US11130497B2 (en) 2017-12-18 2021-09-28 Plusai Limited Method and system for ensemble vehicle control prediction in autonomous driving vehicles
US10908614B2 (en) 2017-12-19 2021-02-02 Here Global B.V. Method and apparatus for providing unknown moving object detection
WO2019139815A1 (en) 2018-01-12 2019-07-18 Duke University Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects
US11262756B2 (en) * 2018-01-15 2022-03-01 Uatc, Llc Discrete decision architecture for motion planning system of an autonomous vehicle
US11022971B2 (en) 2018-01-16 2021-06-01 Nio Usa, Inc. Event data recordation to identify and resolve anomalies associated with control of driverless vehicles
US20190220036A1 (en) * 2018-01-17 2019-07-18 Uber Technologies, Inc. Systems and Methods for Implementing Vehicle Assignments using Vehicle State Information
US10467581B2 (en) * 2018-01-19 2019-11-05 Udelv Inc. Delivery management system
TWI822729B (zh) 2018-02-06 2023-11-21 美商即時機器人股份有限公司 用於儲存一離散環境於一或多個處理器之一機器人之運動規劃及其改良操作之方法及設備
US10867512B2 (en) 2018-02-06 2020-12-15 Cavh Llc Intelligent road infrastructure system (IRIS): systems and methods
US10678248B2 (en) * 2018-02-15 2020-06-09 GM Global Technology Operations LLC Fast trajectory planning via maneuver pattern selection
PL3769174T3 (pl) 2018-03-21 2022-10-24 Realtime Robotics, Inc. Planowanie przemieszczania robota do różnych środowisk i zadań oraz jego ulepszone działanie
IT201800003849A1 (it) * 2018-03-21 2019-09-21 Vhive Tech Ltd Sistema e metodo per gestire sistemi aerei senza pilota (UAS) che eseguono una missione adattiva
US11467590B2 (en) 2018-04-09 2022-10-11 SafeAI, Inc. Techniques for considering uncertainty in use of artificial intelligence models
US11625036B2 (en) 2018-04-09 2023-04-11 SafeAl, Inc. User interface for presenting decisions
US11169536B2 (en) 2018-04-09 2021-11-09 SafeAI, Inc. Analysis of scenarios for controlling vehicle operations
US11561541B2 (en) * 2018-04-09 2023-01-24 SafeAI, Inc. Dynamically controlling sensor behavior
US20190311616A1 (en) * 2018-04-10 2019-10-10 Cavh Llc Connected and automated vehicle systems and methods for the entire roadway network
US10676085B2 (en) 2018-04-11 2020-06-09 Aurora Innovation, Inc. Training machine learning model based on training instances with: training instance input based on autonomous vehicle sensor data, and training instance output based on additional vehicle sensor data
US11550061B2 (en) * 2018-04-11 2023-01-10 Aurora Operations, Inc. Control of autonomous vehicle based on environmental object classification determined using phase coherent LIDAR data
US10816992B2 (en) * 2018-04-17 2020-10-27 Baidu Usa Llc Method for transforming 2D bounding boxes of objects into 3D positions for autonomous driving vehicles (ADVs)
US10996679B2 (en) * 2018-04-17 2021-05-04 Baidu Usa Llc Method to evaluate trajectory candidates for autonomous driving vehicles (ADVs)
US11501643B2 (en) 2018-05-02 2022-11-15 Uber Technologies, Inc. Reducing autonomous vehicle downtime and idle data usage
US11245583B2 (en) * 2018-05-03 2022-02-08 Micron Technology, Inc. Determining whether a vehicle should be configured for a different region
US10816968B2 (en) * 2018-05-08 2020-10-27 GM Global Technology Operations LLC System and method for access to restricted areas by an autonomous vehicle
EP3794421A4 (en) 2018-05-09 2022-12-21 Cavh Llc INTELLIGENCE ALLOCATION TRAINING SYSTEMS AND METHODS BETWEEN VEHICLES AND HIGHWAYS
US10445599B1 (en) * 2018-06-13 2019-10-15 Luminar Technologies, Inc. Sensor system augmented with thermal sensor object confirmation
FR3082811B1 (fr) * 2018-06-20 2020-07-31 Psa Automobiles Sa Vehicule automobile equipe de capteurs anticollisions
US11842642B2 (en) 2018-06-20 2023-12-12 Cavh Llc Connected automated vehicle highway systems and methods related to heavy vehicles
US10717445B2 (en) * 2018-06-26 2020-07-21 Toyota Research Institute, Inc. Systems and methods for end-user modification of driving behavior of autonomous vehicle
US11354406B2 (en) * 2018-06-28 2022-06-07 Intel Corporation Physics-based approach for attack detection and localization in closed-loop controls for autonomous vehicles
US11735041B2 (en) 2018-07-10 2023-08-22 Cavh Llc Route-specific services for connected automated vehicle highway systems
US11373122B2 (en) 2018-07-10 2022-06-28 Cavh Llc Fixed-route service system for CAVH systems
US20200019173A1 (en) * 2018-07-12 2020-01-16 International Business Machines Corporation Detecting activity near autonomous vehicles
US11216007B2 (en) 2018-07-16 2022-01-04 Phantom Auto Inc. Normalization of intelligent transport system handling characteristics
US10754344B2 (en) 2018-07-19 2020-08-25 Toyota Research Institute, Inc. Method and apparatus for road hazard detection
DE102018212733A1 (de) * 2018-07-31 2020-02-06 Robert Bosch Gmbh Erkennung einer nachlassenden Leistungsfähigkeit eines Sensors
US11068627B2 (en) * 2018-08-09 2021-07-20 Zoox, Inc. Procedural world generation
US10795804B1 (en) 2018-08-21 2020-10-06 Waymo Llc Collision evaluation for log-based simulations
DE102018215560A1 (de) * 2018-08-28 2020-03-05 Robert Bosch Gmbh Verfahren zum Koordinieren und Überwachen von Objekten
US10901417B2 (en) * 2018-08-31 2021-01-26 Nissan North America, Inc. Autonomous vehicle operational management with visual saliency perception control
US20220035367A1 (en) * 2018-09-14 2022-02-03 Human Automation Teaming Solutions, Inc. Coordination of remote vehicles using automation level assignments
US20200104289A1 (en) * 2018-09-27 2020-04-02 Aptiv Technologies Limited Sharing classified objects perceived by autonomous vehicles
US20200103902A1 (en) * 2018-10-01 2020-04-02 GM Global Technology Operations LLC Comfortable ride for autonomous vehicles
US11169531B2 (en) * 2018-10-04 2021-11-09 Zoox, Inc. Trajectory prediction on top-down scenes
JP7330758B2 (ja) 2018-10-05 2023-08-22 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 情報処理方法、及び、情報処理システム
US10887023B1 (en) * 2018-10-10 2021-01-05 Wayfarer, Inc. Variable bandwidth free-space optical communication system for autonomous or semi-autonomous passenger vehicles
US11428817B2 (en) * 2018-10-11 2022-08-30 Baidu Usa Llc Automatic LIDAR calibration based on cross validation for autonomous driving
US11841437B2 (en) 2018-10-12 2023-12-12 Baidu Usa Llc Automatic lidar calibration based on pre-collected static reflection map for autonomous driving
CN112969622A (zh) * 2018-10-30 2021-06-15 动态Ad有限责任公司 自主运载工具中的冗余
US11403492B2 (en) 2018-11-02 2022-08-02 Aurora Operations, Inc. Generating labeled training instances for autonomous vehicles
US11209821B2 (en) 2018-11-02 2021-12-28 Aurora Operations, Inc. Labeling autonomous vehicle data
US11163312B2 (en) 2018-11-02 2021-11-02 Aurora Operations, Inc. Removable automotive LIDAR data collection POD
US11829143B2 (en) 2018-11-02 2023-11-28 Aurora Operations, Inc. Labeling autonomous vehicle data
US11256263B2 (en) 2018-11-02 2022-02-22 Aurora Operations, Inc. Generating targeted training instances for autonomous vehicles
US11086319B2 (en) 2018-11-02 2021-08-10 Aurora Operations, Inc. Generating testing instances for autonomous vehicles
US11726473B2 (en) * 2018-11-08 2023-08-15 Zoox, Inc. Autonomous vehicle guidance authority framework
JP7258137B2 (ja) * 2018-11-15 2023-04-14 モービルアイ ヴィジョン テクノロジーズ リミテッド 複数フレーム意味信号の高速ｃｎｎ分類
US11294381B2 (en) 2018-11-21 2022-04-05 Toyota Motor North America, Inc. Vehicle motion adaptation systems and methods
US11287523B2 (en) * 2018-12-03 2022-03-29 CMMB Vision USA Inc. Method and apparatus for enhanced camera and radar sensor fusion
US11734472B2 (en) * 2018-12-07 2023-08-22 Zoox, Inc. System and method for modeling physical objects in a simulation
US11681294B2 (en) 2018-12-12 2023-06-20 Here Global B.V. Method and system for prediction of roadwork zone
DE102018132520A1 (de) * 2018-12-17 2020-06-18 Trw Automotive Gmbh Verfahren sowie System zum Steuern eines Kraftfahrzeugs
US10955853B2 (en) 2018-12-18 2021-03-23 Beijing Voyager Technology Co., Ltd. Systems and methods for autonomous driving
CN111338333B (zh) * 2018-12-18 2021-08-31 北京航迹科技有限公司 用于自动驾驶的系统和方法
CN111413957B (zh) 2018-12-18 2021-11-02 北京航迹科技有限公司 用于确定自动驾驶中的驾驶动作的系统和方法
US20190126922A1 (en) * 2018-12-27 2019-05-02 Intel Corporation Method and apparatus to determine a trajectory of motion in a predetermined region
US11520331B2 (en) * 2018-12-28 2022-12-06 Intel Corporation Methods and apparatus to update autonomous vehicle perspectives
KR102651410B1 (ko) * 2018-12-28 2024-03-28 현대자동차주식회사 자율 발렛 주차를 지원하는 시스템 및 방법, 그리고 이를 위한 인프라 및 차량
US20190138848A1 (en) * 2018-12-29 2019-05-09 Intel Corporation Realistic sensor simulation and probabilistic measurement correction
US11353870B2 (en) * 2018-12-31 2022-06-07 Baidu Usa Llc Autonomous driving computing and storage expansion device with flexible host and client configuration
US20220076369A1 (en) * 2018-12-31 2022-03-10 Tata Consultancy Services Limited Self-learning based mechanism for vehicle utilization and optimization
WO2020141694A1 (en) * 2019-01-04 2020-07-09 Seoul Robotics Co., Ltd. Vehicle using spatial information acquired using sensor, sensing device using spatial information acquired using sensor, and server
KR102193950B1 (ko) 2019-01-04 2020-12-22 주식회사 서울로보틱스 센서를 이용하여 획득한 공간 정보를 활용하는 차량 및 센싱 장치, 그리고 이를 위한 서버
US11810075B2 (en) 2019-01-07 2023-11-07 Ottopia Technologies Ltd. Servicing of autonomous vehicles
JP7247592B2 (ja) * 2019-01-16 2023-03-29 株式会社デンソー 異常検出装置、異常検出プログラム、異常検出方法及び異常検出システム
US11507662B2 (en) 2019-02-04 2022-11-22 Sateesh Kumar Addepalli Systems and methods of security for trusted artificial intelligence hardware processing
US20200250517A1 (en) * 2019-02-04 2020-08-06 Pathtronic Inc. Systems and methods for continuous & real-time ai adaptive sense learning
US11150720B2 (en) 2019-02-04 2021-10-19 Sateesh Kumar Addepalli Systems and methods for power management of hardware utilizing virtual multilane architecture
US11544525B2 (en) 2019-02-04 2023-01-03 Sateesh Kumar Addepalli Systems and methods for artificial intelligence with a flexible hardware processing framework
US20200249674A1 (en) * 2019-02-05 2020-08-06 Nvidia Corporation Combined prediction and path planning for autonomous objects using neural networks
US20200249332A1 (en) * 2019-02-06 2020-08-06 Ford Global Technologies, Llc Online Extrinsic Miscalibration Detection Between Sensors
EP3696786B1 (en) 2019-02-13 2023-12-13 Volkswagen Aktiengesellschaft System, vehicle, network component, apparatuses, methods, and computer programs for a vehicle and a network component
US11423454B2 (en) 2019-02-15 2022-08-23 Sateesh Kumar Addepalli Real-time customizable AI model collaboration and marketplace service over a trusted AI model network
KR20200106102A (ko) * 2019-02-21 2020-09-11 현대자동차주식회사 저비용 자율 주행 셔틀 운행 방법 및 장치
JP7155043B2 (ja) * 2019-02-28 2022-10-18 株式会社日立製作所 サーバ、車両制御システム
US20200293041A1 (en) * 2019-03-15 2020-09-17 GM Global Technology Operations LLC Method and system for executing a composite behavior policy for an autonomous vehicle
US20200310420A1 (en) * 2019-03-26 2020-10-01 GM Global Technology Operations LLC System and method to train and select a best solution in a dynamical system
EP3951743A4 (en) * 2019-03-27 2022-09-28 Nissan Motor Co., Ltd. VEHICLE ROUTE CONTROL SYSTEM, VEHICLE ROUTE CONTROL DEVICE AND VEHICLE ROUTE CONTROL METHOD
US11016485B2 (en) * 2019-03-28 2021-05-25 Nissan North America, Inc. Teleoperation for exception handling
US11048261B1 (en) 2019-04-05 2021-06-29 State Farm Mutual Automobile Insurance Company Systems and methods for evaluating autonomous vehicle software interactions for proposed trips
US11321972B1 (en) * 2019-04-05 2022-05-03 State Farm Mutual Automobile Insurance Company Systems and methods for detecting software interactions for autonomous vehicles within changing environmental conditions
EP3726497A1 (en) * 2019-04-15 2020-10-21 Zenuity AB Autonomous decisions in traffic situations with planning control
WO2020214723A1 (en) 2019-04-17 2020-10-22 Real Time Robotics, Inc. Motion planning graph generation user interface, systems, methods and articles
DE102019206036A1 (de) 2019-04-26 2020-10-29 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung der geografischen Position und Orientierung eines Fahrzeugs
US11182623B2 (en) * 2019-04-30 2021-11-23 Baidu Usa Llc Flexible hardware design for camera calibration and image pre-procesing in autonomous driving vehicles
GB202215836D0 (en) * 2019-05-07 2022-12-07 Motional Ad Llc Systems and methods for planning and updating a vehicle's trajectory
US11136023B2 (en) * 2019-05-07 2021-10-05 Baidu Usa Llc Method for determining exiting intersection of moving objects for autonomous driving vehicles
TWI711804B (zh) * 2019-05-15 2020-12-01 宜陞有限公司 自駕車輛之車輛導航設備
US11100339B2 (en) * 2019-05-20 2021-08-24 Zoox, Inc. Closed lane detection
JP6885421B2 (ja) * 2019-05-28 2021-06-16 村田機械株式会社 搬送制御装置
US11215987B2 (en) * 2019-05-31 2022-01-04 Nissan North America, Inc. Exception situation playback for tele-operators
US11674812B2 (en) * 2019-05-31 2023-06-13 Lyft, Inc. Approaches for mapping geographic regions
EP3977226A4 (en) 2019-06-03 2023-06-07 Realtime Robotics, Inc. APPARATUS, METHODS AND ARTICLES FOR FACILITATING MOVEMENT PLANNING IN ENVIRONMENTS HAVING DYNAMIC OBSTACLES
US11574089B2 (en) * 2019-06-28 2023-02-07 Zoox, Inc. Synthetic scenario generator based on attributes
US20200406894A1 (en) * 2019-06-28 2020-12-31 Zoox, Inc. System and method for determining a target vehicle speed
US11568100B2 (en) * 2019-06-28 2023-01-31 Zoox, Inc. Synthetic scenario simulator based on events
US11703562B2 (en) * 2019-07-05 2023-07-18 Uatc, Llc Semantic segmentation of radar data
JP2021015565A (ja) * 2019-07-16 2021-02-12 トヨタ自動車株式会社 車両制御装置
US11249479B2 (en) * 2019-07-18 2022-02-15 Nissan North America, Inc. System to recommend sensor view for quick situational awareness
CN110377009B (zh) * 2019-07-30 2022-06-07 南京爱福路汽车科技有限公司 一种用于汽车故障诊断的方法和系统
WO2021041223A1 (en) 2019-08-23 2021-03-04 Realtime Robotics, Inc. Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk
JP7417384B2 (ja) * 2019-08-29 2024-01-18 株式会社Subaru 情報処理装置、情報処理方法、プログラム、情報処理システム
US11113570B2 (en) 2019-09-16 2021-09-07 The Boeing Company Systems and methods for automatically generating training image sets for an environment
US10885386B1 (en) 2019-09-16 2021-01-05 The Boeing Company Systems and methods for automatically generating training image sets for an object
US11958183B2 (en) 2019-09-19 2024-04-16 The Research Foundation For The State University Of New York Negotiation-based human-robot collaboration via augmented reality
CN110626336B (zh) * 2019-09-24 2021-07-16 中国第一汽车股份有限公司 一种l3级车辆自动驾驶的控制系统
US11370454B2 (en) 2019-09-26 2022-06-28 Nuro, Inc. Parallel and failover autonomy systems
US11500385B2 (en) 2019-09-30 2022-11-15 Zoox, Inc. Collision avoidance perception system
US11353592B2 (en) 2019-09-30 2022-06-07 Zoox, Inc. Complex ground profile estimation
US20210095980A1 (en) * 2019-09-30 2021-04-01 Gm Cruise Holdings Llc Enhanced localization
US11754408B2 (en) * 2019-10-09 2023-09-12 Argo AI, LLC Methods and systems for topological planning in autonomous driving
US11325492B2 (en) * 2019-10-09 2022-05-10 Carnegie Mellon University Method for determining optimal placement of electric vehicle chargers
US11586931B2 (en) * 2019-10-31 2023-02-21 Waymo Llc Training trajectory scoring neural networks to accurately assign scores
US10928820B1 (en) * 2019-11-12 2021-02-23 Baidu Usa Llc Confidence levels along the same predicted trajectory of an obstacle
CN112987711B (zh) * 2019-11-30 2022-08-09 华为技术有限公司 自动驾驶规控算法优化方法及仿真测试装置
US11940804B2 (en) * 2019-12-17 2024-03-26 Motional Ad Llc Automated object annotation using fused camera/LiDAR data points
US11433922B1 (en) * 2019-12-20 2022-09-06 Zoox, Inc. Object uncertainty detection
CN111190401A (zh) * 2019-12-30 2020-05-22 讯飞智元信息科技有限公司 指令调度方法、水利工程控制方法、设备及介质
US11127142B2 (en) * 2019-12-31 2021-09-21 Baidu Usa Llc Vehicle trajectory prediction model with semantic map and LSTM
US11902327B2 (en) * 2020-01-06 2024-02-13 Microsoft Technology Licensing, Llc Evaluating a result of enforcement of access control policies instead of enforcing the access control policies
TW202146189A (zh) 2020-01-22 2021-12-16 美商即時機器人股份有限公司 於多機器人操作環境中之機器人之建置
US20210223776A1 (en) * 2020-01-22 2021-07-22 Ati Motors Inc. Autonomous vehicle with on-board navigation
US11320829B2 (en) * 2020-01-31 2022-05-03 Ekin Teknoloj: Sanayi Ve Ticaret Anonim Sirketi Battery powered artificial intelligence autonomous patrol vehicle
US11772672B2 (en) * 2020-02-13 2023-10-03 Toyota Motor North America, Inc. Unsafe transport operation
US11945447B2 (en) 2020-02-13 2024-04-02 Toyota Motor North America, Inc. Transport boundary expansion
US11597406B2 (en) * 2020-02-19 2023-03-07 Uatc, Llc Systems and methods for detecting actors with respect to an autonomous vehicle
US11526721B1 (en) 2020-02-21 2022-12-13 Zoox, Inc. Synthetic scenario generator using distance-biased confidences for sensor data
US20210286924A1 (en) * 2020-03-11 2021-09-16 Aurora Innovation, Inc. Generating autonomous vehicle simulation data from logged data
CN111414686B (zh) * 2020-03-18 2021-01-05 北京北特圣迪科技发展有限公司 一种剧场机械设备运行风险的监测预警系统
CN111190427B (zh) * 2020-04-10 2020-10-02 北京三快在线科技有限公司 一种轨迹规划的方法及装置
US11584389B2 (en) 2020-04-17 2023-02-21 Zoox, Inc. Teleoperations for collaborative vehicle guidance
WO2021211322A1 (en) * 2020-04-17 2021-10-21 Zoox, Inc. Teleoperations for collaborative vehicle guidance
US20210325880A1 (en) * 2020-04-17 2021-10-21 Zoox, Inc. Collaborative vehicle guidance
CA3116264A1 (en) * 2020-04-26 2021-10-26 Paccar Inc Fleet-specific performance impact of vehicle configuration
US11430042B2 (en) 2020-04-30 2022-08-30 Capital One Services, Llc Methods and systems for providing a vehicle recommendation
US12007791B2 (en) 2020-05-11 2024-06-11 Soter Technology Inc Multi-drone/sensor platform with information lateralization and federated path planning
CN111580522A (zh) * 2020-05-15 2020-08-25 东风柳州汽车有限公司 无人驾驶汽车的控制方法、汽车和存储介质
CN111563046B (zh) * 2020-05-15 2023-07-18 北京百度网讯科技有限公司 用于生成信息的方法和装置
US11481884B2 (en) 2020-06-04 2022-10-25 Nuro, Inc. Image quality enhancement for autonomous vehicle remote operations
US20210380134A1 (en) * 2020-06-04 2021-12-09 Uatc, Llc Systems and Methods for Dictating Routes for Bi-Directional Vehicles
JP7382901B2 (ja) * 2020-06-09 2023-11-17 株式会社日立製作所 自走式点検ロボット
US11708088B2 (en) * 2020-08-27 2023-07-25 Beijing Voyager Technology Co., Ltd. Dynamically modifying collision avoidance response procedure in autonomous vehicles
US11713979B2 (en) 2020-08-27 2023-08-01 Here Global B.V. Method, apparatus, and computer program product for generating a transition variability index related to autonomous driving
US11687094B2 (en) 2020-08-27 2023-06-27 Here Global B.V. Method, apparatus, and computer program product for organizing autonomous vehicles in an autonomous transition region
US20220063639A1 (en) * 2020-08-27 2022-03-03 Here Global B.V. Method, apparatus, and computer program product for predicting autonomous transition regions using historical information
US20220063676A1 (en) * 2020-08-27 2022-03-03 Here Global B.V. Method and apparatus to provide dynamic solutions for autonomous transition regions
US11691643B2 (en) 2020-08-27 2023-07-04 Here Global B.V. Method and apparatus to improve interaction models and user experience for autonomous driving in transition regions
CN114162137A (zh) * 2020-09-10 2022-03-11 华为技术有限公司 自动驾驶方法及装置
CN112265548B (zh) * 2020-09-15 2022-06-14 北京工业大学 一种考虑路面状况的自动驾驶控制策略调整方法
US11386776B2 (en) * 2020-10-05 2022-07-12 Qualcomm Incorporated Managing a driving condition anomaly
US11926318B2 (en) * 2020-10-29 2024-03-12 Verizon Connect Development Limited Systems and methods for detecting a vulnerable road user in an environment of a vehicle
US20220179411A1 (en) * 2020-12-09 2022-06-09 International Business Machines Corporation Edge computing autonomous vehicle infrastructure
US20220194469A1 (en) * 2020-12-17 2022-06-23 Argo AI, LLC Autonomous vehicle steering juke event detector
US12014126B2 (en) * 2020-12-23 2024-06-18 Woven By Toyota, U.S., Inc. Generating accurate and diverse simulations for evaluation of autonomous-driving systems
US20220223059A1 (en) * 2021-01-08 2022-07-14 The Boeing Company Probability-based obstacle avoidance
US20220269282A1 (en) * 2021-02-19 2022-08-25 Deere & Company System and method for autonomous work machine exception handling
EP4314708A1 (en) 2021-04-02 2024-02-07 May Mobility, Inc. Method and system for operating an autonomous agent with incomplete environmental information
US11767032B2 (en) 2021-04-29 2023-09-26 Tusimple, Inc. Direct autonomous vehicle to autonomous vehicle communications
US20220348223A1 (en) * 2021-04-29 2022-11-03 Tusimple, Inc. Autonomous vehicle to oversight system communications
CN113511215B (zh) * 2021-05-31 2022-10-04 西安电子科技大学 一种混合自动驾驶决策方法、设备及计算机存储介质
US11834067B1 (en) * 2021-07-30 2023-12-05 Waymo Llc Comfort scales for autonomous driving
US11556403B1 (en) 2021-10-19 2023-01-17 Bank Of America Corporation System and method for an application programming interface (API) service modification
US20230132512A1 (en) * 2021-10-29 2023-05-04 Zoox, Inc. Autonomous vehicle trajectory determination based on state transition model
US12012123B2 (en) 2021-12-01 2024-06-18 May Mobility, Inc. Method and system for impact-based operation of an autonomous agent
CN114299632A (zh) * 2021-12-23 2022-04-08 阿波罗智联(北京)科技有限公司 用于自动驾驶车辆的运行日志生成方法及装置
US20230219599A1 (en) * 2022-01-07 2023-07-13 SIT Autonomous AG Multi-layered approach for path planning and its execution for autonomous cars
US20230242149A1 (en) * 2022-01-31 2023-08-03 Zoox, Inc. Radar object classification based on radar cross-section data
US11550851B1 (en) * 2022-02-10 2023-01-10 Motional Ad Llc Vehicle scenario mining for machine learning models
WO2023151797A1 (en) * 2022-02-10 2023-08-17 Volvo Autonomous Solutions AB Collaboratively monitoring an autonomous vehicle operation zone
US11814072B2 (en) 2022-02-14 2023-11-14 May Mobility, Inc. Method and system for conditional operation of an autonomous agent
WO2023183326A1 (en) * 2022-03-21 2023-09-28 Tusimple, Inc. Dynamic allocation of communication network resources for autonomous vehicles
US20230334959A1 (en) * 2022-04-13 2023-10-19 Truist Bank Artifical intelligence driven automated teller machine
CN114912775B (zh) * 2022-04-27 2023-03-24 北京航天飞行控制中心 颗粒化管理行为时长的遥操作规划方法和系统
US11590880B1 (en) 2022-05-13 2023-02-28 Rivian Ip Holdings, Llc Predictive illumination shaping
US11644842B1 (en) * 2022-06-23 2023-05-09 Motional Ad Llc Semi-closed loop rollouts for data augmentation
US20230415772A1 (en) * 2022-06-24 2023-12-28 Motional Ad Llc Trajectory planning based on extracted trajectory features
CN117597637A (zh) * 2022-11-28 2024-02-23 北京百度网讯科技有限公司 人工智能车辆操作系统
DE102022132912A1 (de) 2022-12-12 2024-06-13 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Computerimplementiertes Verfahren zur Anpassung realer Parameter eines realen Sensorsystems

Family Cites Families (266)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5220507A (en) 1990-11-08 1993-06-15 Motorola, Inc. Land vehicle multiple navigation route apparatus
US10361802B1 (en) * 1999-02-01 2019-07-23 Blanding Hovenweep, Llc Adaptive pattern recognition based control system and method
US5558370A (en) 1995-03-30 1996-09-24 Automotive Systems Laboratory, Inc. Electronic seat belt tensioning system
IL117792A (en) 1995-05-08 2003-10-31 Rafael Armament Dev Authority Autonomous command and control unit for mobile platform
US10573093B2 (en) 1995-06-07 2020-02-25 Automotive Technologies International, Inc. Vehicle computer design and use techniques for receiving navigation software
US5646613A (en) 1996-05-20 1997-07-08 Cho; Myungeun System for minimizing automobile collision damage
DE19750338A1 (de) 1997-11-13 1999-05-20 Siemens Ag Fahrtregelungssystem für Fahrzeuge, insbesondere für Kraftfahrzeuge
US7426429B2 (en) 1998-04-27 2008-09-16 Joseph A Tabe Smart seatbelt control system
JP3865182B2 (ja) 1998-12-25 2007-01-10 タカタ株式会社 シートベルトシステム
US7036128B1 (en) 1999-01-05 2006-04-25 Sri International Offices Using a community of distributed electronic agents to support a highly mobile, ambient computing environment
US6615130B2 (en) 2000-03-17 2003-09-02 Makor Issues And Rights Ltd. Real time vehicle guidance and traffic forecasting system
US6728616B1 (en) 2000-10-20 2004-04-27 Joseph A. Tabe Smart seatbelt control system
US20020131608A1 (en) 2001-03-01 2002-09-19 William Lobb Method and system for providing digitally focused sound
WO2003088209A1 (fr) 2002-04-12 2003-10-23 Mitsubishi Denki Kabushiki Kaisha Systeme de navigation de voiture et dispositif de reconnaissance vocale de ce systeme
US6746049B2 (en) 2002-07-24 2004-06-08 Visteon Global Technologies, Inc. Adaptive seat belt tensioning system
EP1541295A1 (en) 2002-08-26 2005-06-15 Sony Corporation Environment identification device, environment identification method, and robot device
US20070096447A1 (en) 2003-10-07 2007-05-03 Tabe Joseph A Smart seatbelt control system
AU2004294651A1 (en) * 2003-10-21 2005-06-16 Proxy Aviation Systems, Inc. Methods and apparatus for unmanned vehicle control
US7447593B2 (en) 2004-03-26 2008-11-04 Raytheon Company System and method for adaptive path planning
US8972052B2 (en) 2004-07-07 2015-03-03 Irobot Corporation Celestial navigation system for an autonomous vehicle
JP2006113836A (ja) 2004-10-15 2006-04-27 Fuji Heavy Ind Ltd 道路情報提供システム
US7499774B2 (en) 2004-10-22 2009-03-03 Irobot Corporation System and method for processing safety signals in an autonomous vehicle
KR100679042B1 (ko) 2004-10-27 2007-02-06 삼성전자주식회사 음성인식 방법 및 장치, 이를 이용한 네비게이션 시스템
CN100489457C (zh) * 2004-12-06 2009-05-20 厦门雅迅网络股份有限公司 具有卫星定位及通信设备的车辆导航方法
DE112005003266T5 (de) 2004-12-28 2008-09-04 Kabushiki Kaisha Toyota Chuo Kenkyusho Fahrzeugbewegungssteuerungsvorrichtung
US7644799B2 (en) 2005-02-10 2010-01-12 Friedman Research Corporation Vehicle safety control system
US20060207820A1 (en) 2005-03-20 2006-09-21 Hemant Joshi Active Vehile Shield
GB2445507B (en) 2005-10-21 2011-08-24 Deere & Co Versatile robotic control module
EP1961619B1 (en) 2005-12-16 2012-03-14 Panasonic Corporation Input device and input method for mobile body
US9459622B2 (en) 2007-01-12 2016-10-04 Legalforce, Inc. Driverless vehicle commerce network and community
US8164461B2 (en) 2005-12-30 2012-04-24 Healthsense, Inc. Monitoring task performance
US7813870B2 (en) 2006-03-03 2010-10-12 Inrix, Inc. Dynamic time series prediction of future traffic conditions
US9373149B2 (en) * 2006-03-17 2016-06-21 Fatdoor, Inc. Autonomous neighborhood vehicle commerce network and community
US20090306989A1 (en) 2006-03-31 2009-12-10 Masayo Kaji Voice input support device, method thereof, program thereof, recording medium containing the program, and navigation device
JP2007290423A (ja) 2006-04-21 2007-11-08 Toyota Motor Corp シートベルト装置
JP2007322172A (ja) 2006-05-30 2007-12-13 Nissan Motor Co Ltd 迂回路提案システム及び迂回路提案方法
US20080033645A1 (en) 2006-08-03 2008-02-07 Jesse Sol Levinson Pobabilistic methods for mapping and localization in arbitrary outdoor environments
WO2008024639A2 (en) 2006-08-11 2008-02-28 Donnelly Corporation Automatic headlamp control system
KR101841753B1 (ko) 2006-08-18 2018-03-23 브룩스 오토메이션 인코퍼레이티드 용량이 축소된 캐리어, 이송, 로드 포트, 버퍼 시스템
RU2428744C2 (ru) 2006-09-14 2011-09-10 Краун Эквипмент Корпорейшн Вспомогательная система дистанционного управления погрузочно-разгрузочной машиной и способы ее эксплуатации
US7579942B2 (en) 2006-10-09 2009-08-25 Toyota Motor Engineering & Manufacturing North America, Inc. Extra-vehicular threat predictor
WO2008043795A1 (de) 2006-10-13 2008-04-17 Continental Teves Ag & Co. Ohg Verfahren und vorrichtung zur erkennung von verdeckten objekten im strassenverkehr
US8131012B2 (en) 2007-02-08 2012-03-06 Behavioral Recognition Systems, Inc. Behavioral recognition system
JP4949063B2 (ja) * 2007-02-14 2012-06-06 富士重工業株式会社 車両の運転支援装置
US10096038B2 (en) 2007-05-10 2018-10-09 Allstate Insurance Company Road segment safety rating system
US20080320421A1 (en) 2007-06-20 2008-12-25 Demaris David L Feature extraction that supports progressively refined search and classification of patterns in a semiconductor layout
KR20090001403A (ko) 2007-06-29 2009-01-08 엘지전자 주식회사 방송 수신이 가능한 텔레매틱스 단말기 및 방송 신호 처리방법
WO2009029913A2 (en) 2007-08-31 2009-03-05 Van Buskirk Peter C Selectively negotiated ridershare system comprising riders, drivers, and vehicles
US9513125B2 (en) 2008-01-14 2016-12-06 The Boeing Company Computing route plans for routing around obstacles having spatial and temporal dimensions
US8244469B2 (en) 2008-03-16 2012-08-14 Irobot Corporation Collaborative engagement for target identification and tracking
US20090240647A1 (en) 2008-03-19 2009-09-24 Appleseed Networks, Inc. Method and appratus for detecting patterns of behavior
KR100946723B1 (ko) 2008-04-12 2010-03-12 재단법인서울대학교산학협력재단 차량의 조향 방법 및 그 장치
US8548727B2 (en) 2008-05-02 2013-10-01 Honeywell International Inc. Cognitive aircraft hazard advisory system (CAHAS)
US9539969B2 (en) 2008-05-06 2017-01-10 Activerestraint, Llc System and method for minimizing occupant injury during vehicle crash events
US8392064B2 (en) 2008-05-27 2013-03-05 The Board Of Trustees Of The Leland Stanford Junior University Systems, methods and devices for adaptive steering control of automotive vehicles
JP5215740B2 (ja) * 2008-06-09 2013-06-19 株式会社日立製作所 移動ロボットシステム
US7948439B2 (en) * 2008-06-20 2011-05-24 Honeywell International Inc. Tracking of autonomous systems
US8686095B2 (en) 2008-06-30 2014-04-01 Basf Corporation Process for continuous production of epoxy resins
US8989972B2 (en) 2008-09-11 2015-03-24 Deere & Company Leader-follower fully-autonomous vehicle with operator on side
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
JP5251496B2 (ja) 2008-12-25 2013-07-31 アイシン・エィ・ダブリュ株式会社 自動変速機の油圧制御装置
US9449142B2 (en) * 2009-03-09 2016-09-20 Massachusetts Institute Of Technology System and method for modeling supervisory control of heterogeneous unmanned vehicles through discrete event simulation
US8676466B2 (en) * 2009-04-06 2014-03-18 GM Global Technology Operations LLC Fail-safe speed profiles for cooperative autonomous vehicles
US20100286845A1 (en) * 2009-05-11 2010-11-11 Andrew Karl Wilhelm Rekow Fail-safe system for autonomous vehicle
EP2280241A3 (en) 2009-07-30 2017-08-23 QinetiQ Limited Vehicle control
KR101597289B1 (ko) 2009-07-31 2016-03-08 삼성전자주식회사 동적 화면에 따라 음성을 인식하는 장치 및 방법
US20110098922A1 (en) 2009-10-27 2011-04-28 Visteon Global Technologies, Inc. Path Predictive System And Method For Vehicles
US20110106615A1 (en) 2009-11-03 2011-05-05 Yahoo! Inc. Multimode online advertisements and online advertisement exchanges
US20130246301A1 (en) 2009-12-04 2013-09-19 Uber Technologies, Inc. Providing user feedback for transport services through use of mobile devices
US9230292B2 (en) 2012-11-08 2016-01-05 Uber Technologies, Inc. Providing on-demand services through use of portable computing devices
JP5025719B2 (ja) 2009-12-23 2012-09-12 株式会社半導体エネルギー研究所 液晶表示装置
US8559673B2 (en) 2010-01-22 2013-10-15 Google Inc. Traffic signal mapping and detection
US20110190972A1 (en) * 2010-02-02 2011-08-04 Gm Global Technology Operations, Inc. Grid unlock
WO2011098848A1 (en) 2010-02-11 2011-08-18 John Gano A method of bidirectional automotive transport
WO2011116837A1 (fr) 2010-03-26 2011-09-29 Siemens Sas Méthode et système de gestion d'évènements particuliers liés au déplacement d'un véhicule guidé
US8031085B1 (en) 2010-04-15 2011-10-04 Deere & Company Context-based sound generation
US9014848B2 (en) 2010-05-20 2015-04-21 Irobot Corporation Mobile robot system
GB201009523D0 (en) 2010-06-07 2010-07-21 Capoco Design Ltd An autonomous vehicle
RU103114U1 (ru) 2010-09-29 2011-03-27 Закрытое акционерное общество ЗАО "ВНИИстройдормаш" Автоматизированный реверсивный профилировщик
US8509982B2 (en) 2010-10-05 2013-08-13 Google Inc. Zone driving
US9513630B2 (en) 2010-11-17 2016-12-06 General Electric Company Methods and systems for data communications
US8773535B2 (en) * 2010-12-08 2014-07-08 GM Global Technology Operations LLC Adaptation for clear path detection using reliable local model updating
US20140358427A1 (en) 2010-12-13 2014-12-04 Google Inc. Enhancing driving navigation via passive drivers feedback
CA2831216C (en) * 2011-02-28 2018-07-24 Bradford Scott Yelland Control computer for an unmanned vehicle
EP2681512B1 (en) 2011-03-03 2021-01-13 Verizon Patent and Licensing Inc. Vehicle route calculation
JP5670246B2 (ja) 2011-04-07 2015-02-18 本田技研工業株式会社 車体下部構造
US9171268B1 (en) 2011-04-22 2015-10-27 Angel A. Penilla Methods and systems for setting and transferring user profiles to vehicles and temporary sharing of user profiles to shared-use vehicles
DE102011104925A1 (de) 2011-06-18 2012-12-20 Daimler Ag Kraftfahrzeug mit einer Fahrerassistenzeinheit
EP2745261A1 (en) 2011-08-16 2014-06-25 Better Place GmbH Estimation and management of loads in electric vehicle networks
US8583361B2 (en) 2011-08-24 2013-11-12 Modular Mining Systems, Inc. Guided maneuvering of a mining vehicle to a target destination
IL214867A0 (en) * 2011-08-29 2012-01-31 Elta Systems Ltd Moving cellular communicatio system
DE102011112577A1 (de) 2011-09-08 2013-03-14 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung für ein Assistenzsystem in einem Fahrzeg zur Durchführung eines autonomen oder teilautonomen Fahrmanövers
US8886390B2 (en) 2011-09-22 2014-11-11 Aethon, Inc. Monitoring, diagnostic and tracking tool for autonomous mobile robots
RU2014112202A (ru) 2011-10-03 2015-11-10 Тойота Дзидося Кабусики Кайся Вспомогательная система управления транспортным средством
US20160189544A1 (en) 2011-11-16 2016-06-30 Autoconnect Holdings Llc Method and system for vehicle data collection regarding traffic
FR2984254B1 (fr) * 2011-12-16 2016-07-01 Renault Sa Controle de vehicules autonomes
US20140309852A1 (en) 2013-04-15 2014-10-16 Flextronics Ap, Llc Automatic vehicle diagnostic detection and communication
US20140309866A1 (en) 2013-04-15 2014-10-16 Flextronics Ap, Llc Building profiles associated with vehicle users
US8880272B1 (en) 2012-03-16 2014-11-04 Google Inc. Approach for estimating the geometry of roads and lanes by using vehicle trajectories
EP2645196B1 (en) * 2012-03-30 2018-12-12 The Boeing Company Network of unmanned vehicles
US20130268138A1 (en) 2012-04-05 2013-10-10 Caterpillar Inc. High Availability For Autonomous Machine Control System
JP5927735B2 (ja) 2012-04-05 2016-06-01 株式会社日立製作所 地図データ作成装置、自律移動システムおよび自律移動制御装置
US9495874B1 (en) * 2012-04-13 2016-11-15 Google Inc. Automated system and method for modeling the behavior of vehicles and other agents
EP2844950A2 (en) 2012-05-03 2015-03-11 Lockheed Martin Corporation Systems and methods for vehicle survivability planning
US20130304514A1 (en) * 2012-05-08 2013-11-14 Elwha Llc Systems and methods for insurance based on monitored characteristics of an autonomous drive mode selection system
US10089537B2 (en) 2012-05-18 2018-10-02 Magna Electronics Inc. Vehicle vision system with front and rear camera integration
US8768565B2 (en) 2012-05-23 2014-07-01 Enterprise Holdings, Inc. Rental/car-share vehicle access and management system and method
JP5987259B2 (ja) * 2012-06-19 2016-09-07 株式会社リコー 自動運転ナビゲーションシステム
US9255989B2 (en) 2012-07-24 2016-02-09 Toyota Motor Engineering & Manufacturing North America, Inc. Tracking on-road vehicles with sensors of different modalities
US8849515B2 (en) 2012-07-24 2014-09-30 GM Global Technology Operations LLC Steering assist in driver initiated collision avoidance maneuver
US9686306B2 (en) * 2012-11-02 2017-06-20 University Of Washington Through Its Center For Commercialization Using supplemental encrypted signals to mitigate man-in-the-middle attacks on teleoperated systems
US9026300B2 (en) * 2012-11-06 2015-05-05 Google Inc. Methods and systems to aid autonomous vehicles driving through a lane merge
USD743978S1 (en) 2012-11-08 2015-11-24 Uber Technologies, Inc. Display screen of a computing device with a computer-generated electronic panel for providing confirmation for a service request
US20140129302A1 (en) 2012-11-08 2014-05-08 Uber Technologies, Inc. Providing a confirmation interface for on-demand services through use of portable computing devices
US9671233B2 (en) 2012-11-08 2017-06-06 Uber Technologies, Inc. Dynamically providing position information of a transit object to a computing device
DE102012022392B4 (de) 2012-11-15 2016-02-04 Audi Ag Verfahren und Vorrichtung zur Steuerung einer mit einem Sicherheitsgurt verbundenen Sicherheitsgurt-Vorrichtung eines Fahrzeugs mit einer vorausschauenden Kollisionserkennungseinheit
US8914225B2 (en) * 2012-12-04 2014-12-16 International Business Machines Corporation Managing vehicles on a road network
FR3000005B1 (fr) 2012-12-21 2015-10-09 Valeo Securite Habitacle Boitier de commande a distance d'un systeme de controle de manoeuvres de stationnement d'un vehicule, et procede associe
US20140188347A1 (en) 2012-12-31 2014-07-03 Joseph Akwo Tabe Smart supplemental restraint and occupant classification system
US9367065B2 (en) 2013-01-25 2016-06-14 Google Inc. Modifying behavior of autonomous vehicles based on sensor blind spots and limitations
US8948993B2 (en) 2013-03-08 2015-02-03 Richard Schulman Method and system for controlling the behavior of an occupant of a vehicle
US9613534B2 (en) * 2013-03-11 2017-04-04 Rockwell Collins, Inc. Systems and methods for creating a network cloud based system for supporting regional, national and international unmanned aircraft systems
WO2014152554A1 (en) 2013-03-15 2014-09-25 Caliper Corporation Lane-level vehicle navigation for vehicle routing and traffic management
US8996224B1 (en) * 2013-03-15 2015-03-31 Google Inc. Detecting that an autonomous vehicle is in a stuck condition
US9747898B2 (en) 2013-03-15 2017-08-29 Honda Motor Co., Ltd. Interpretation of ambiguous vehicle instructions
US9395727B1 (en) 2013-03-22 2016-07-19 Google Inc. Single layer shared aperture beam forming network
JP2014203196A (ja) * 2013-04-03 2014-10-27 トヨタ自動車株式会社 危険度判定装置、危険度判定方法、警報装置、及び運転支援装置
US9342074B2 (en) 2013-04-05 2016-05-17 Google Inc. Systems and methods for transitioning control of an autonomous vehicle to a driver
US9141107B2 (en) * 2013-04-10 2015-09-22 Google Inc. Mapping active and inactive construction zones for autonomous driving
US9632210B2 (en) 2013-05-07 2017-04-25 Google Inc. Methods and systems for detecting weather conditions using vehicle onboard sensors
US9025140B2 (en) 2013-05-07 2015-05-05 Google Inc. Methods and systems for detecting weather conditions including sunlight using vehicle onboard sensors
US8977007B1 (en) 2013-04-23 2015-03-10 Google Inc. Detecting a vehicle signal through image differencing and filtering
US9411780B1 (en) 2013-06-03 2016-08-09 Amazon Technologies, Inc. Employing device sensor data to determine user characteristics
US9384443B2 (en) 2013-06-14 2016-07-05 Brain Corporation Robotic training apparatus and methods
JP6166107B2 (ja) 2013-06-17 2017-07-19 株式会社Ｉｈｉエアロスペース 無人移動体の遠隔操縦システム及び無人移動体
US9412173B2 (en) 2013-06-21 2016-08-09 National University Of Ireland, Maynooth Method for mapping an environment
US9760698B2 (en) 2013-09-17 2017-09-12 Toyota Motor Sales, U.S.A., Inc. Integrated wearable article for interactive vehicle control system
US9579789B2 (en) 2013-09-27 2017-02-28 Brain Corporation Apparatus and methods for training of robotic control arbitration
US9425654B2 (en) 2013-09-30 2016-08-23 Google Inc. Contactless electrical coupling for a rotatable LIDAR device
JP6257318B2 (ja) 2013-09-30 2018-01-10 株式会社日本総合研究所 自動運転交通システムにおける移動体、移動体の連携配車装置、及びその配車方法
JP2015072650A (ja) * 2013-10-04 2015-04-16 株式会社デンソーアイティーラボラトリ 経路算出装置、車両制御装置、車両運転支援装置、車両、経路算出プログラム、及び経路算出方法
US10033814B2 (en) 2013-10-08 2018-07-24 Ictk Holdings Co., Ltd. Vehicle security network device and design method therefor
CN107533801A (zh) * 2013-11-01 2018-01-02 国际智能技术公司 使用测绘车辆的地图测绘技术
US20150127224A1 (en) 2013-11-02 2015-05-07 Joseph Akwo Tabe Advanced weight responsive supplemental restraint and occupant classification system
US20150268665A1 (en) 2013-11-07 2015-09-24 Google Inc. Vehicle communication using audible signals
US9212926B2 (en) 2013-11-22 2015-12-15 Ford Global Technologies, Llc In-vehicle path verification
US10078811B2 (en) 2013-11-29 2018-09-18 Fedex Corporate Services, Inc. Determining node location based on context data in a wireless node network
US9200910B2 (en) * 2013-12-11 2015-12-01 Here Global B.V. Ranking of path segments based on incident probability
US9002634B1 (en) 2013-12-12 2015-04-07 Verizon Patent And Licensing Inc. Navigation service in support of mobile communication sessions
US10332405B2 (en) * 2013-12-19 2019-06-25 The United States Of America As Represented By The Administrator Of Nasa Unmanned aircraft systems traffic management
WO2015099679A1 (en) 2013-12-23 2015-07-02 Intel Corporation In-vehicle authorization for autonomous vehicles
US9915950B2 (en) * 2013-12-31 2018-03-13 Polysync Technologies, Inc. Autonomous vehicle interface system
US20150203107A1 (en) 2014-01-17 2015-07-23 Ford Global Technologies, Llc Autonomous vehicle precipitation detection
US20150202770A1 (en) * 2014-01-17 2015-07-23 Anthony Patron Sidewalk messaging of an autonomous robot
US9984574B2 (en) 2014-01-21 2018-05-29 Tribal Rides, Inc. Method and system for anticipatory deployment of autonomously controlled vehicles
US9550419B2 (en) 2014-01-21 2017-01-24 Honda Motor Co., Ltd. System and method for providing an augmented reality vehicle interface
US9656667B2 (en) 2014-01-29 2017-05-23 Continental Automotive Systems, Inc. Method for minimizing automatic braking intrusion based on collision confidence
US9567077B2 (en) * 2014-02-14 2017-02-14 Accenture Global Services Limited Unmanned vehicle (UV) control system
EP2908203B1 (en) 2014-02-14 2019-03-27 Accenture Global Services Limited Unmanned vehicle (UV) movement and data control system
US9201426B1 (en) 2014-02-19 2015-12-01 Google Inc. Reverse iteration of planning data for system control
US9465388B1 (en) 2014-03-03 2016-10-11 Google Inc. Remote assistance for an autonomous vehicle in low confidence situations
US10692370B2 (en) * 2014-03-03 2020-06-23 Inrix, Inc. Traffic obstruction detection
US9720410B2 (en) 2014-03-03 2017-08-01 Waymo Llc Remote assistance for autonomous vehicles in predetermined situations
US9547989B2 (en) 2014-03-04 2017-01-17 Google Inc. Reporting road event data and sharing with other vehicles
JP6137001B2 (ja) 2014-03-14 2017-05-31 株式会社デンソー 車載装置
US9960986B2 (en) 2014-03-19 2018-05-01 Uber Technologies, Inc. Providing notifications to devices based on real-time conditions related to an on-demand service
WO2015151862A1 (ja) 2014-04-01 2015-10-08 みこらった株式会社 自動車及び自動車用プログラム
DE102014213171A1 (de) 2014-04-09 2015-10-15 Continental Automotive Gmbh System zur autonomen Fahrzeugführung und Kraftfahrzeug
US20150292894A1 (en) 2014-04-11 2015-10-15 Telecommunication Systems, Inc. Travel route
US10185998B1 (en) * 2014-05-20 2019-01-22 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US20150338226A1 (en) 2014-05-22 2015-11-26 Telogis, Inc. Context-based routing and access path selection
US9613274B2 (en) 2014-05-22 2017-04-04 International Business Machines Corporation Identifying an obstacle in a route
US9475422B2 (en) 2014-05-22 2016-10-25 Applied Invention, Llc Communication between autonomous vehicle and external observers
US9393922B2 (en) 2014-05-23 2016-07-19 Google Inc. Devices and methods for an energy-absorbing end of a vehicle
US9436182B2 (en) 2014-05-23 2016-09-06 Google Inc. Autonomous vehicles
US9631933B1 (en) 2014-05-23 2017-04-25 Google Inc. Specifying unavailable locations for autonomous vehicles
US10124800B2 (en) * 2014-05-30 2018-11-13 The Boeing Company Variably controlled ground vehicle
US10424036B2 (en) 2014-06-02 2019-09-24 Uber Technologies, Inc. Maintaining data for use with a transport service during connectivity loss between systems
US9235775B2 (en) 2014-06-08 2016-01-12 Uber Technologies, Inc. Entrance detection from street-level imagery
US9494937B2 (en) 2014-06-20 2016-11-15 Verizon Telematics Inc. Method and system for drone deliveries to vehicles in route
US9858922B2 (en) 2014-06-23 2018-01-02 Google Inc. Caching speech recognition scores
US10474470B2 (en) * 2014-06-24 2019-11-12 The Boeing Company Techniques deployment system
EP2962903A1 (en) 2014-07-04 2016-01-06 Fujitsu Limited Configurable rental vehicle
US9365218B2 (en) 2014-07-14 2016-06-14 Ford Global Technologies, Llc Selectable autonomous driving modes
US9283678B2 (en) 2014-07-16 2016-03-15 Google Inc. Virtual safety cages for robotic devices
US10127927B2 (en) 2014-07-28 2018-11-13 Sony Interactive Entertainment Inc. Emotional speech processing
KR20160015987A (ko) 2014-08-01 2016-02-15 한국전자통신연구원 실내 인프라 지도 및 센서를 이용한 위치 인식 기반 원격 자율주행 시스템 및 그 방법
JP6181300B2 (ja) 2014-09-05 2017-08-16 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 無人航空機の速度を制御するシステム
US9459620B1 (en) * 2014-09-29 2016-10-04 Amazon Technologies, Inc. Human interaction with unmanned aerial vehicles
US9381949B2 (en) 2014-10-15 2016-07-05 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicles having a cross-vehicle stabilizing structure
DE102014224108A1 (de) 2014-11-26 2016-06-02 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
USPP28774P3 (en) 2014-11-27 2017-12-19 Agro Selections Fruits Peach tree named ‘CRISPONDA’
US9371093B1 (en) 2014-12-03 2016-06-21 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicles having upper side member reinforcement portions
JP6277948B2 (ja) 2014-12-05 2018-02-14 マツダ株式会社 自動車の下部車体構造
USPP28706P3 (en) 2014-12-08 2017-11-28 Syngenta Participations Ag Dahlia plant named ‘DAHZ0001’
US10074224B2 (en) 2015-04-20 2018-09-11 Gate Labs Inc. Access management system
US10345775B2 (en) * 2015-01-28 2019-07-09 Brian Westcott Methods and systems for infrastructure performance: monitoring, control, operations, analysis and adaptive learning
US9151628B1 (en) 2015-01-30 2015-10-06 Nissan North America, Inc. Associating parking areas with destinations
CA3067177A1 (en) * 2015-02-10 2016-08-18 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
GB2535718A (en) 2015-02-24 2016-08-31 Addison Lee Ltd Resource management
US20160247106A1 (en) 2015-02-24 2016-08-25 Siemens Aktiengesellschaft Managing a fleet of autonomous electric vehicles for on-demand transportation and ancillary services to electrical grid
US10846589B2 (en) 2015-03-12 2020-11-24 William Marsh Rice University Automated compilation of probabilistic task description into executable neural network specification
US9667710B2 (en) 2015-04-20 2017-05-30 Agverdict, Inc. Systems and methods for cloud-based agricultural data processing and management
US10345809B2 (en) * 2015-05-13 2019-07-09 Uber Technologies, Inc. Providing remote assistance to an autonomous vehicle
US9547309B2 (en) * 2015-05-13 2017-01-17 Uber Technologies, Inc. Selecting vehicle type for providing transport
US9494439B1 (en) * 2015-05-13 2016-11-15 Uber Technologies, Inc. Autonomous vehicle operated with guide assistance of human driven vehicles
US9690290B2 (en) * 2015-06-04 2017-06-27 Toyota Motor Engineering & Manufacturing North America, Inc. Situation-based transfer of vehicle sensor data during remote operation of autonomous vehicles
US20180348023A1 (en) 2015-06-09 2018-12-06 Google Llc Sensor Calibration Based On Environmental Factors
US9904900B2 (en) 2015-06-11 2018-02-27 Bao Tran Systems and methods for on-demand transportation
KR20170010645A (ko) 2015-07-20 2017-02-01 엘지전자 주식회사 자율 주행 차량 및 이를 구비하는 자율 주행 차량 시스템
US10623162B2 (en) 2015-07-23 2020-04-14 Centurylink Intellectual Property Llc Customer based internet of things (IoT)
US10023231B2 (en) 2015-08-12 2018-07-17 Madhusoodhan Ramanujam Parking autonomous vehicles
US10220705B2 (en) 2015-08-12 2019-03-05 Madhusoodhan Ramanujam Sharing autonomous vehicles
US9805605B2 (en) 2015-08-12 2017-10-31 Madhusoodhan Ramanujam Using autonomous vehicles in a taxi service
KR101895485B1 (ko) 2015-08-26 2018-09-05 엘지전자 주식회사 운전 보조 장치 및 그 제어 방법
WO2017033215A1 (ja) * 2015-08-27 2017-03-02 日本電気株式会社 渋滞予防システム、渋滞予防方法、及び、記録媒体
US10139237B2 (en) 2015-09-01 2018-11-27 Chris Outwater Method for remotely identifying one of a passenger and an assigned vehicle to the other
US10150448B2 (en) 2015-09-18 2018-12-11 Ford Global Technologies. Llc Autonomous vehicle unauthorized passenger or object detection
WO2017053046A1 (en) 2015-09-21 2017-03-30 Continental Intelligent Transportation Systems, LLC On-demand and on-site vehicle maintenance service
US10139828B2 (en) 2015-09-24 2018-11-27 Uber Technologies, Inc. Autonomous vehicle operated with safety augmentation
US9714089B1 (en) * 2015-09-25 2017-07-25 Amazon Technologies, Inc. Trigger agents in video streams from drones
US9830757B2 (en) 2015-09-30 2017-11-28 Faraday & Future Inc. System and method for operating vehicle using mobile device
US9507346B1 (en) 2015-11-04 2016-11-29 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US9630619B1 (en) 2015-11-04 2017-04-25 Zoox, Inc. Robotic vehicle active safety systems and methods
WO2017079341A2 (en) 2015-11-04 2017-05-11 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US9606539B1 (en) 2015-11-04 2017-03-28 Zoox, Inc. Autonomous vehicle fleet service and system
US9734455B2 (en) 2015-11-04 2017-08-15 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US9632502B1 (en) 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US11283877B2 (en) 2015-11-04 2022-03-22 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
US10334050B2 (en) 2015-11-04 2019-06-25 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
US9958864B2 (en) 2015-11-04 2018-05-01 Zoox, Inc. Coordination of dispatching and maintaining fleet of autonomous vehicles
US10248119B2 (en) 2015-11-04 2019-04-02 Zoox, Inc. Interactive autonomous vehicle command controller
US10401852B2 (en) 2015-11-04 2019-09-03 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US9494940B1 (en) 2015-11-04 2016-11-15 Zoox, Inc. Quadrant configuration of robotic vehicles
US20190227553A1 (en) 2015-11-04 2019-07-25 Zoox, Inc. Interactive autonomous vehicle command controller
US9754490B2 (en) 2015-11-04 2017-09-05 Zoox, Inc. Software application to request and control an autonomous vehicle service
US9716565B2 (en) 2015-11-12 2017-07-25 Ben Mandeville-Clarke System, apparatus, and method for generating and transmitting an interruption signal to a substantially autonomous vehicle
US9963012B2 (en) 2015-12-07 2018-05-08 GM Global Technology Operations LLC Personalizing vehicular comfort settings for a specific user
US10036642B2 (en) * 2015-12-08 2018-07-31 Uber Technologies, Inc. Automated vehicle communications system
US10887155B2 (en) 2015-12-30 2021-01-05 Sony Corporation System and method for a unified connected network
CA3010440A1 (en) 2016-01-03 2017-07-06 Yosef Mintz System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities
US9940834B1 (en) 2016-01-22 2018-04-10 State Farm Mutual Automobile Insurance Company Autonomous vehicle application
US9813541B2 (en) 2016-02-29 2017-11-07 Ford Global Technologies, Llc Mobile device control for powered door
US9836057B2 (en) 2016-03-24 2017-12-05 Waymo Llc Arranging passenger pickups for autonomous vehicles
US9989645B2 (en) 2016-04-01 2018-06-05 Uber Technologies, Inc. Utilizing accelerometer data to configure an autonomous vehicle for a user
US10012990B2 (en) 2016-04-01 2018-07-03 Uber Technologies, Inc. Optimizing timing for configuring an autonomous vehicle
US10255648B2 (en) 2016-04-14 2019-04-09 Eric John Wengreen Self-driving vehicle systems and methods
EP3232285B1 (en) 2016-04-14 2019-12-18 Volvo Car Corporation Method and arrangement for monitoring and adapting the performance of a fusion system of an autonomous vehicle
JP6569596B2 (ja) 2016-05-20 2019-09-04 トヨタ自動車株式会社 車両
US9928434B1 (en) 2016-06-14 2018-03-27 State Farm Mutual Automobile Insurance Company Appartuses, systems, and methods for determining when a vehicle occupant is using a mobile telephone
US20180017399A1 (en) 2016-07-15 2018-01-18 Robert C. Rolnik Safety charging for computer vehicle
US9956910B2 (en) 2016-07-18 2018-05-01 Toyota Motor Engineering & Manufacturing North America, Inc. Audible notification systems and methods for autonomous vehicles
US10095229B2 (en) 2016-09-13 2018-10-09 Ford Global Technologies, Llc Passenger tracking systems and methods
US20180075565A1 (en) 2016-09-13 2018-03-15 Ford Global Technologies, Llc Passenger validation systems and methods
US10031523B2 (en) 2016-11-07 2018-07-24 Nio Usa, Inc. Method and system for behavioral sharing in autonomous vehicles
US10699305B2 (en) 2016-11-21 2020-06-30 Nio Usa, Inc. Smart refill assistant for electric vehicles
US10214219B2 (en) 2017-01-10 2019-02-26 Ford Global Technologies, Llc Methods and systems for powertrain NVH control in a vehicle
US9953538B1 (en) 2017-01-17 2018-04-24 Lyft, Inc. Autonomous vehicle notification system
US10147325B1 (en) 2017-02-02 2018-12-04 Wells Fargo Bank, N.A. Customization of sharing of rides
US10053088B1 (en) 2017-02-21 2018-08-21 Zoox, Inc. Occupant aware braking system
US10415983B2 (en) 2017-03-21 2019-09-17 Sony Corporation System and method for automatic passenger sharing among vehicles
US10303961B1 (en) 2017-04-13 2019-05-28 Zoox, Inc. Object detection and passenger notification
US10459444B1 (en) 2017-11-03 2019-10-29 Zoox, Inc. Autonomous vehicle fleet model training and testing
US11176426B2 (en) 2018-06-18 2021-11-16 Zoox, Inc. Sensor obstruction detection and mitigation using vibration and/or heat
US10647250B1 (en) 2019-03-08 2020-05-12 Pony Ai Inc. Directed acoustic alert notification from autonomous vehicles
US10919497B1 (en) 2019-10-09 2021-02-16 Ford Global Technologies, Llc Systems and methods for starting a vehicle using a secure password entry system

Also Published As

Publication number Publication date
US20180136644A1 (en) 2018-05-17
EP3371660A4 (en) 2019-05-08
JP7103946B2 (ja) 2022-07-20
WO2017079474A2 (en) 2017-05-11
EP3371660A2 (en) 2018-09-12
JP2019501468A (ja) 2019-01-17
US9632502B1 (en) 2017-04-25
WO2017079474A3 (en) 2017-06-08
US20190361432A1 (en) 2019-11-28
US20170123419A1 (en) 2017-05-04
US11061398B2 (en) 2021-07-13
CN108292134A (zh) 2018-07-17
US20180329411A1 (en) 2018-11-15
US10048683B2 (en) 2018-08-14
US10591910B2 (en) 2020-03-17

Similar Documents

Publication Publication Date Title
CN108292134B (zh) 自主车辆、用于控制其的方法和系统以及计算机可读介质
JP7330259B2 (ja) 自律車両のためのシミュレーションシステム、方法、及び非一時的なコンピュータ可読記憶媒体
CN108700876B (zh) 用于自主车辆轨迹修改的远程操作系统和方法
CN108369775B (zh) 响应于物理环境的改变自适应制图以对自主车辆进行导航
JP7195143B2 (ja) 適応的な自律車両のプランナ論理
US11301767B2 (en) Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US10712750B2 (en) Autonomous vehicle fleet service and system
CN114822008B (zh) 派遣和维护自主车辆的车队的协调
US9734455B2 (en) Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US9720415B2 (en) Sensor-based object-detection optimization for autonomous vehicles
JP2022137160A (ja) 遠隔操作および／またはプランナ決定を最適化するための機械学習システムおよび技法
US20240028031A1 (en) Autonomous vehicle fleet service and system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant