CN110626357A - 信息处理方法及信息处理装置 - Google Patents
信息处理方法及信息处理装置 Download PDFInfo
- Publication number
- CN110626357A CN110626357A CN201910519634.0A CN201910519634A CN110626357A CN 110626357 A CN110626357 A CN 110626357A CN 201910519634 A CN201910519634 A CN 201910519634A CN 110626357 A CN110626357 A CN 110626357A
- Authority
- CN
- China
- Prior art keywords
- learning
- information
- movement
- sensor data
- movement path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 56
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot 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
- G06N20/00—Machine learning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle for navigation systems
Abstract
目的是提供一种能够知道用于移动体的自动行驶的学习状况的信息处理方法及信息处理装置。信息处理方法从移动体取得上述移动体的操作信息或表示上述移动体的移动路径的移动信息、以及通过上述移动体上具备的传感器的上述移动路径中进行感测而得到的传感器数据(步骤S11);将操作信息或移动信息、以及传感器数据用作输入,使学习模型学习移动路径中的使用传感器数据的移动体的操作或移动(步骤S12);根据学习模型的学习次数,生成表示到关于移动路径的学习模型的学习完成为止所需要的输入的提示信息(步骤S13);使提示装置(20)提示提示信息(步骤S14)。
Description
技术领域
本发明涉及使学习模型学习移动体的操作或移动时的信息处理方法等。
背景技术
以往,提出了如下技术:在关于车辆等移动体没有给出为了开始自动行驶而使用的地图、目的地及路径等信息的环境下,使用在沿某路径手动行驶时的该移动体的驾驶者的手动操作时得到的操作信息、以及从设置在该移动体上的传感器得到的传感器信息,获得为了以该路径开始自动行驶而使用的信息(例如专利文献1)。由此,在没有预先给出为了开始自动行驶而使用的信息的环境下,也能够学习进行自动行驶的自动行驶路径,能够开始自动行驶。
专利文献1:日本特许第6022447号公报
发明内容
在使用上述专利文献1所公开的技术获得为了开始自动行驶而使用的信息的情况下,有时仅利用关于某路径通过一次手动行驶而得到的操作信息及传感器信息难以完成自动行驶路径的学习。在此情况下,到判定为自动行驶路径是妥当的路径而学习完成为止,用户反复进行手动行驶。但是,在该路径中进行用来开始自动行驶的学习时,用户难以知道例如哪个路径被学习了何种程度等学习状况。
所以,本发明的目的是提供一种能够知道用于移动体的自动行驶的学习状况的信息处理方法等。
有关本发明的一技术方案的信息处理方法,从移动体取得上述移动体的操作信息或表示上述移动体的移动路径的移动信息、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;将上述操作信息或上述移动信息、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作或移动;根据上述学习模型的学习次数,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;使提示装置提示上述提示信息。
另外,这些包含性或具体的技术方案也可以由系统、装置、方法、记录介质或计算机程序实现,也可以由系统、装置、方法、记录介质及计算机程序的任意的组合实现。
发明效果
根据有关本发明的信息处理方法等,能够知道用于移动体的自动行驶的学习状况。
附图说明
图1是表示实施方式的信息处理装置的结构的一例的框图。
图2是表示实施方式的信息处理装置的动作的一例的流程图。
图3是表示实施方式的生成提示信息的方法的第1例的流程图。
图4是表示实施方式的生成提示信息的方法的第2例的流程图。
图5是表示实施方式的生成提示信息的方法的第3例的流程图。
图6是表示手动行驶的路径的一例的图。
图7是表示提示信息的第1例的图。
图8是表示提示信息的第2例的图。
图9是表示提示信息的第3例的图。
标号说明
10 信息处理装置
11 取得部
12 学习部
13 生成部
14 提示部
141、142、143、144 提示信息
具体实施方式
本发明的信息处理方法,从移动体取得上述移动体的操作信息或表示上述移动体的移动路径的移动信息、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;将上述操作信息或上述移动信息、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作或移动;根据上述学习模型的学习次数,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;使提示装置提示上述提示信息。
操作信息例如是方向盘操作及加速器操作等的信息。移动信息例如是根据由GPS(Global Positioning System,全球定位系统)等得到的位置信息等得到的表示移动体的移动路径的信息。传感器数据例如是通过由设置在移动体上的相机拍摄而得到的移动体周围的图像、或通过由LIDAR(LIght Detection And Ranging,光探测与测距)扫描而得到的表示存在于移动体周围的物体的点群信息。由此,通过关于某移动路径进行手动行驶,能够使学习模型学习当传感器数据表示的移动体周围的状况是怎样的状况时,对移动体进行怎样的操作或移动体在怎样的移动路径上行驶。并且,根据这样进行的关于某移动路径的学习模型的学习次数(例如用户关于该移动路径进行了手动行驶的次数),提示到关于该移动路径的学习模型的学习完成为止所需要的输入(例如关于该移动路径要求的手动行驶的剩余的次数),所以能够知道用于移动体的自动行驶的学习状况。结果,用户能够对学习给出有效的输入。
此外,也可以是,上述学习次数越少,则到上述学习完成为止所需要的上述输入越增加或越不减少;上述学习次数越多,则到上述学习完成为止所需要的上述输入越减少。
由此,学习次数越少,则用户作为学习状况而能够知道到学习完成为止所需要的输入越不变少,学习次数越多,则能够知道该输入越少。
此外,本发明的信息处理方法,从移动体取得上述移动体的操作信息或表示上述移动体的移动路径的移动信息、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;将上述操作信息或上述移动信息、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作或移动;根据关于上述操作或移动的学习中使用的上述操作信息或上述移动信息、以及上述传感器数据中的至少1个的方差,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;使提示装置提示上述提示信息。
由此,根据目前为止进行的关于某移动路径的方差(例如关于该移动路径每当用户进行手动行驶而得到的关于移动体的操作、移动路径或周围环境的信息的分散程度),提示到关于该移动路径的学习模型的学习完成为止所需要的输入,所以能够知道用于移动体的自动行驶的学习状况。
此外,也可以是,上述方差越高,则到上述学习完成为止所需要的上述输入越增加或越不减少;上述方差越低,则到上述学习完成为止所需要的上述输入越减少。
由此,方差越高,则用户作为学习状况而能够知道到学习完成为止所需要的输入越不变少,方差越低,则能够知道该输入越变少。
此外,也可以是,在有上述方差为阈值以上的区域的情况下,根据该区域的上述操作信息或上述移动信息与上述传感器数据的关系能否模型化的程度,生成表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入的提示信息。
在有方差为阈值以上的区域的情况下,可以说在该区域中使用操作信息或移动信息、以及传感器数据进行的自动行驶路径的学习的难度较高。这是因为,方差为阈值以上意味着根据在该区域中进行的手动行驶得到的操作信息、移动信息或传感器数据在每次手动行驶中不同的情况较多,即意味着难以确定自动行驶路径。相对于此,根据该区域中的操作信息或移动信息与传感器数据的关系是否能够模型化(例如,线性回归模型化、基于聚类解析的模型化等)、或者模型的性能,也能够测定自动行驶路径的学习的进展。根据本结构,由于根据该能否模型化的程度,提示到关于该区域中的移动路径的学习模型的学习完成为止所需要的输入,所以能够知道用于移动体的自动行驶的学习状况。
此外,也可以是,上述能否模型化的程度越低,则到上述学习完成为止所需要的上述输入越增加或越不减少;上述能否模型化的程度越高,则到上述学习完成为止所需要的上述输入越减少。
由此,能否模型化的程度越低,则用户作为学习状况而能够知道到学习完成为止所需要的输入不变少,能否模型化的程度越高,则能够知道该输入越少。
此外,也可以还将上述提示信息提供给上述移动体的用户以外的其他用户。
由此,能够向其他移动体的用户通知用于移动体的自动行驶的学习状况。
此外,也可以是,在学习没有完成的情况下,将关于与上述移动体不同的其他移动体的上述操作信息或上述移动信息、以及上述传感器数据用作输入,使上述学习模型学习上述移动体的操作或移动。例如,也可以是,根据关于上述移动体的上述输入与关于上述其他移动体的上述输入的类似度,决定在上述学习模型的学习中使用的上述其他移动体的上述输入。
由此,能够挪用关于其他移动体的输入即操作信息或移动信息、以及传感器数据,进行学习对象的移动体的学习。具体而言,通过挪用关于其他移动体的输入中的、与关于学习对象的移动体的输入的类似度高的输入,能够减少用户应提供的输入。提示的到学习完成为止所需要的输入也变少。
此外,本发明的信息处理装置具备:取得部,从移动体取得上述移动体的操作信息或表示上述移动体的移动路径的移动信息、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;学习部,将上述操作信息或上述移动信息、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作或移动;生成部,根据上述学习模型的学习次数,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;以及提示部,使提示装置提示上述提示信息。
由此,能够提供能够知道用于移动体的自动行驶的学习状况的信息处理装置。
本发明的信息处理装置具备:取得部,从移动体取得上述移动体的操作信息或表示上述移动体的移动路径的移动信息、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;学习部,将上述操作信息或上述移动信息、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作或移动;生成部,根据关于上述操作或移动的学习中使用的上述操作信息或上述移动信息、以及上述传感器数据中的至少1个的方差,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;以及提示部,使提示装置提示上述提示信息。
由此,能够提供能够知道用于移动体的自动行驶的学习状况的信息处理装置。
以下,参照附图对本发明的实施方式具体地进行说明。
另外,以下说明的实施方式都表示包含性或具体的例子。在以下的实施方式中表示的数值、形状、构成要素、构成要素的配置及连接形态、步骤、步骤的顺序等是一例,不是限定本发明的意思。此外,以下的实施方式的构成要素中的、在表示最上位概念的独立权利要求中没有记载的构成要素,设为任意的构成要素而进行说明。
(实施方式)
以下,使用图1至图9对实施方式进行说明。
[1.信息处理装置的结构]
图1是表示有关实施方式的信息处理装置10的结构的一例的框图。另外,在图1中,也记载了提示在信息处理装置10中生成的信息的提示装置20。
信息处理装置10是在使学习模型对移动体的操作及移动中的至少一方进行学习时使用的装置。另外,将移动体的操作及移动中的至少一方也称作移动体的操作或移动。信息处理装置10既可以是搭载在移动体上的装置,也可以是通过无线等与移动体连接的服务器装置。即,该学习既可以在移动体中进行,也可以在被从移动体发送了信息的服务器装置进行。信息处理装置10在是搭载在移动体上的装置的情况下,例如也可以由电子控制单元(ECU:Electronic Control Unit)或汽车导航系统等实现。
提示装置20例如是搭载在移动体上的显示装置(例如显示器等)或声音输出装置(例如扬声器等)等。此外,如后述那样,在使用AR(Augmanted Reality:增强现实)的情况下,提示装置20也可以是移动体的前风挡玻璃或向前风挡玻璃投影图像的装置。另外,提示装置20也可以是对移动体进行操作的驾驶员即用户所具有的便携终端(例如智能电话或平板电脑等)。
信息处理装置10具备取得部11、学习部12、生成部13及提示部14。
信息处理装置10例如是包括处理器(例如微处理器)、存储器等的数字电路、模拟电路、通信电路等的装置。存储器是ROM、RAM等,能够存储由处理器执行的控制程序、换言之计算机程序。例如通过由处理器按照控制程序动作,信息处理装置10实现各种功能,即取得部11、学习部12、生成部13及提示部14。
[2.信息处理装置的动作]
使用图2对取得部11、学习部12、生成部13及提示部14的动作进行说明。
图2是表示实施方式的信息处理装置10的动作的一例的流程图。
首先,取得部11从移动体取得移动体的操作信息及表示移动体的移动路径的移动信息中的至少一方、以及通过移动体所具备的传感器在移动路径中进行感测而得到的传感器数据(步骤S11)。另外,将移动体的操作信息及表示移动体的移动路径的移动信息中的至少一方也称作移动体的操作信息或表示移动体的移动路径的移动信息。操作信息例如是对移动体进行操作的用户的方向盘操作、换言之转向操作、加速器及制动器操作等的信息。具体而言,操作信息是表示方向盘的操舵角及移动体的起步及停止的信息。移动信息例如是根据由GPS等得到的位置信息等得到的表示移动体的移动路径的信息。具体而言,移动信息是根据随着时刻而变化的位置信息导出的表示移动体的移动路径的信息。传感器数据例如是通过由设置在移动体上的相机进行拍摄而得到的移动体周围的图像、或通过由LIDAR进行扫描得到的表示存在于移动体周围的物体的点群信息。具体而言,传感器数据是表示存在于移动体周围的建筑物、街道树、信号机或道路标识、其他移动体等的信息。
接着,学习部12将操作信息或移动信息、以及传感器数据用作输入,使学习模型学习移动路径中的使用传感器数据的移动体的操作或移动(步骤S12)。例如,学习部12通过对某个移动路径进行手动行驶,将所取得的操作信息所表示的在该移动路径的手动行驶中对移动体进行的操作、与所取得的传感器数据所表示的进行了该操作时的移动体周围的景色等建立对应而存储。具体而言,学习部12存储当周围的景色为某景色时方向盘被向右转动即右转、使停止的移动体开始移动、使移动的移动体停止这样的信息。或者,学习部12将在该移动路径手动行驶中时时刻刻变化的移动体的位置与该各位置处的移动体周围的景色等建立对应而存储。由此,学习部12能够使学习模型学习当传感器数据所表示的移动体周围的状况为怎样的状况时对移动体进行怎样的操作、或移动体在怎样的路径行驶。因而,通过将移动体在学习完成的移动路径行驶时取得的传感器数据向学习完成的学习模型输入,输出与该传感器数据对应的移动体的操作或移动,能够对应于该操作或移动而使移动体进行自动驾驶。
这里,在获得为了开始自动行驶而使用的信息的情况下,仅利用对某个移动路径通过一次手动行驶得到的操作信息或移动信息、以及传感器数据,难以完成学习。因此,要求在关于该移动路径的学习完成之前,用户对该移动路径反复进行手动行驶。此时,如果用户能够知道用于移动体的自动行驶的学习状况,则能够有效地推进学习。
所以,生成部13根据学习模型的学习次数、或者在关于移动体的操作或移动的学习中使用的操作信息或移动信息、以及传感器数据中的至少1个的方差,生成表示到关于移动路径的学习模型的学习完成为止所需要的该输入的提示信息(步骤S13)。学习模型的学习次数例如是关于某移动路径取得了操作信息或移动信息、以及传感器数据的次数,具体而言是用户关于该移动路径进行了手动行驶的次数。方差例如是关于某移动路径每当用户进行手动行驶时得到的关于移动体的操作、移动路径或周围环境的信息的分散程度。此外,移动路径例如是从出发地到目的地的路径。例如,出发地是从移动体完全停止的状态起开始移动的地点,目的地是从移动体移动的状态完全停止的地点。另外,移动路径并不限于此,例如也可以将路径细分,将从某个交叉点到下一个交叉点为止作为移动路径。在此情况下,各交叉点为被细分后的各移动路径的出发地,并且为目的地。此外,到关于移动路径的学习模型的学习完成为止所需要的输入例如是到关于该移动路径学习完成为止被要求的操作信息或移动信息、以及传感器数据被输入的次数,具体而言为用户关于该移动路径被要求的手动行驶的次数。对于生成部13的动作的详细情况,使用后述的图3至图5进行说明。
并且,提示部14使提示装置20提示提示信息(步骤S14)。对于提示信息的具体例,使用后述的图6至图9进行说明。
[3.提示信息的生成]
接着,对生成部13的动作的详细情况进行说明。这里,作为生成提示信息的方法的具体例,举第1例至第3例进行说明。
首先,对第1例进行说明。
图3是表示实施方式的生成提示信息的方法的第1例的流程图。
生成部13取得关于某移动路径的学习次数(步骤S21)。例如,在关于该移动路径进行了1次手动行驶的情况下,生成部13作为学习次数而取得“1次”。
接着,生成部13计算规定的次数与所取得的学习次数的差分(步骤S22)。规定的次数例如也可以是预先设定的固定值。此外,例如通过关于该移动路径进行1次手动行驶,能够计算该移动路径的长度,所以规定的次数也可以根据该长度来决定。此外,例如通过关于该移动路径进行1次手动行驶,能够计算在该移动路径驾驶时的难度,所以规定的次数也可以根据该难度来决定。该难度例如基于能够根据传感器数据来推测的该移动路径的交通量或通行人的多少等来计算。
并且,生成部13生成表示该差分的提示信息,作为到学习模型的学习完成为止所需要的输入(步骤S23)。例如,在关于某移动路径的规定的次数是5次的情况下,提示信息作为到学习模型的学习完成为止所需要的输入,如当关于该移动路径的到此为止的学习次数是1次时为4次、当学习次数是2次时为3次那样表示,如果学习次数达到与规定的次数相同的5次则表示学习完成。即,学习次数越多,则到学习完成为止所需要的输入越减少。换言之,学习次数越少(例如在不进行学习的情况下),则到学习完成为止所需要的输入越不减少。另外,也可以是,学习次数越少,则到学习完成为止所需要的输入越增加。
接着,对第2例进行说明。
图4是表示实施方式的生成提示信息的方法的第2例的流程图。
生成部13取得关于某移动路径的学习中使用的操作信息或移动信息、以及传感器数据中的至少1个的方差(步骤S31)。例如,生成部13取得关于该移动路径每当用户进行手动行驶时得到的关于操作信息所表示的移动体的操作或移动信息所表示的移动路径、以及传感器数据所表示的周围环境的信息的离散程度。例如,在每当在该移动路径手动行驶时得到的信息不同的情况下,该方差变高。具体而言,在每当在该移动路径手动行驶时方向盘的操舵角不同、行驶路径不同或周围的景色不同的情况下,该方差变高。作为该方差变高的原因,可以举出在该移动路径中可动障碍物较多(例如,路上停车较多、交通量较多)。该方差例如用数值或多个阶段的等级等表示。
接着,生成部13根据该方差,计算到学习完成为止所需要的手动行驶数(步骤S32)。例如,在上述的第1例中,根据在移动路径驾驶时的难度而决定规定的次数的情况下,该方差与该难度对应。例如,在该方差高的情况下,由于难度高,所以决定为规定的次数多。即,规定的次数与到此为止的学习次数的差分、即到学习完成为止所需要的手动行驶数变多。因而,在该方差高的情况下,生成部13根据该高方差,计算该变多的手动行驶数。另一方面,在方差低的情况下,由于难度低,所以决定为规定的次数少。即,规定的次数与到此为止的学习次数的差分、即到学习完成为止所需要的手动行驶数变少。因而,在该方差低的情况下,生成部13根据该低方差,计算该变少的手动行驶数。这样,方差越高,则到学习完成为止所需要的输入越增加,方差越低,则到学习完成为止所需要的输入越减少。另外,也可以是,方差越高,则到学习完成为止所需要的输入越不减少,即,规定的次数也可以越不变少。
接着,生成部13生成表示根据该方差计算出的手动行驶数的提示信息,作为到学习模型的学习完成为止所需要的输入(步骤S33)。
接着,对第3例进行说明。
生成部13取得关于某移动路径的学习中使用的操作信息或移动信息、以及传感器数据中的至少1个的方差(步骤S41)。步骤S41中的处理与步骤S31中的处理相同,所以省略说明。
接着,生成部13判定是否有方差为阈值以上的区域(步骤S42)。该阈值为与在移动路径驾驶时的难度高时的方差对应的值,例如被预先设定。
生成部13在判定为没有方差为阈值以上的区域的情况下(步骤S42中否),例如进行第2例中的步骤S32以后的处理。即,生成部13根据小于阈值的方差而计算到学习完成为止所需要的手动行驶数,生成表示该手动行驶数的提示信息。
生成部13在判定为有方差为阈值以上的区域的情况下(步骤S42中是),取得该区域中的操作信息或移动信息与传感器数据的关系能否模型化的程度(步骤S43)。操作信息或移动信息与传感器数据的关系,例如是表示在移动体的周围存在路上停车的车辆的传感器数据、和此时应进行的方向盘操作、加速器/制动器操作(例如用来避开该车辆的操作)等的操作信息或此时应选取的路径(例如用来避开该车辆的路径)的信息的关系。即,生成部13将物体检测的结果作为说明变量,取得关于怎样进行方向盘操作、加速器/制动器操作、路径选择的能否模型化的程度。该能否模型化的程度,例如是线性回归模型化的程度、或基于聚类解析的模型化的容易度等。具体而言,能否模型化的程度也可以是模型的性能即模型的输出的正确性或精度。例如,在能够进行这样的建模的情况下,可以说能否模型化的程度高。此外,例如在将进行了几次手动操作时得到的操作信息或移动信息以相互类似的信息属于相同的群集的方式分为多个群集、并在各群集内能够计算方差的情况下,可以说容易进行基于聚类解析的模型化,能否模型化的程度高。另一方面,在不知道方向盘操作、加速器/制动器操作、路径选择的变化的原因的情况下,或在分为多个群集时相同群集内的信息没有差异而不能计算方差的情况下,可以说能否模型化的程度低。该能否模型化的程度例如用数值或多个阶段的等级等表示。
接着,生成部13根据该能否模型化的程度,计算到学习完成为止所需要的手动行驶数(步骤S44)。例如,在方差为阈值以上的区域的移动路径驾驶时的难度高,所以可以决定为上述第1例中的规定的次数多、即到学习完成为止所需要的手动行驶数多。但是,在该能否模型化的程度高的情况下,通过使用该模型,能够在难度高的移动路径正确地驾驶,所以能够减少上述规定的次数,即,作为到学习完成为止所需要的手动行驶数而计算较少的次数。另一方面,在该能否模型化的程度低的情况下,由于没有用来在难度高的移动路径正确地驾驶的模型,所以上述规定的次数变多,即作为到学习完成为止所需要的手动行驶数而计算较多的次数。这样,能否模型化的程度越低,则到学习完成为止所需要的输入越增加,能否模型化的程度越高,则到学习完成为止所需要的输入越减少。另外,也可以是,能否模型化的程度越低,则到学习完成为止所需要的输入越不减少,即也可以规定的次数越不变少。
并且,生成部13生成表示根据该能否模型化的程度计算出的手动行驶数的提示信息,作为到学习模型的学习完成为止所需要的输入(步骤S45)。
这样,生成表示到学习模型的学习完成为止所需要的输入的提示信息。
另外,该学习模型的学习是移动路径中的移动体的操作或移动的学习,例如以自动行驶为主要目的。因此,该学习有时并没有考虑在自动行驶中使移动体的乘员舒适地度过来进行。具体而言,可能有在自动行驶中选择晃动、左右转等较多而使乘员不适的路径的情况。
所以,也可以进行用来在自动行驶中使乘员舒适地度过的学习。在此情况下,由于也考虑在自动行驶中使乘员舒适地度过而进行学习,所以到学习模型的学习完成为止所需要的输入变多。例如,将加速度传感器等的感测结果也包含在传感器数据中而进行学习,所以学习的难度变高。
[4.提示信息的具体例]
接着,关于向提示装置20提示的提示信息的具体例,举第1例至第3例进行说明。首先,关于第1例及第2例,对进行了如图6所示的手动行驶时的提示信息进行说明。
图6是表示手动行驶的路径的一例的图。如图6所示,假设朝向目的地A,以由虚线表示的手动行驶路径1及2进行了手动行驶。手动行驶路径1是在北上后在十字路口左转、在下个T字路口左转、到达目的地A的路径。手动行驶路径2是在南下后在十字路口右转、在下个T字路左转而到达目的地A的路径。
图7是表示提示信息的第1例图。在第1例中,提示信息是在例如显示器等提示装置20上显示的地图上的路径上叠加的带有颜色的线。另外,该地图既可以是二维地图即平面地图,也可以是三维地图即立体地图。例如,该颜色表示学习的状况,如例如叠加了橙色线的移动路径的到学习完成为止所需要的手动行驶数是3次、叠加了蓝色线的移动路径是学习完成那样,根据颜色预先决定到学习完成为止所需要的输入。
在图7中用实线表示的提示信息141例如是叠加在地图上的蓝色线,表示学习完成。这是因为,如图6所示,从十字路到目的地A的移动路径如手动行驶路径1及2表示那样,被重复进行手动行驶,判断为不需要新的手动行驶。在图7中由虚线表示的提示信息142例如是叠加在地图上的橙色线,表示到学习完成为止所需要的手动行驶数是3次。这是因为,如图6所示,从南侧到十字路口的移动路径及从北侧到十字路口的移动路径分别仅进行1次手动行驶,判断为需要新的手动行驶。
这样,提示信息也可以是在地图上的路径上叠加的带有颜色的线。另外,该提示信息不仅叠加在地图上的路径上,例如也可以叠加在建筑物或街道树等障碍物上。
图8是表示提示信息的第2例的图。在第2例中,提示信息例如是在显示于显示器等提示装置20上的地图上的路径附近叠加的字符。如图8所示,提示信息143对于与提示信息142对应的路径,通过“如果再行驶3次则能够进行自动行驶”这样的字符,表示到学习完成为止所需要的输入。
这样,提示信息也可以是在地图上的路径附近叠加的字符。另外,在第2例中,提示信息中包含提示信息141及142,但也可以不包含。即,在地图上仅叠加提示信息143。
在第1例及第2例中,提示信息是叠加在地图上的信息,但并不限于此。例如,提示信息也可以通过AR提示。对此,使用图9进行说明。
图9是表示提示信息的第3例的图。在第3例中,提示信息是例如通过AR在前风挡玻璃等提示装置20上显示的图像。如图9所示,在越过前风挡玻璃的景色中包含的道路与学习没有完成的移动路径对应的情况下,作为提示信息144,表示学习没有完成的图像(例如表示学习没有完成的颜色的图像)以叠加在该道路上而可见的方式显示在前风挡玻璃上。由此,用户能够直观地知道关于能够以目视确认的道路的学习状况。
这样,提示信息也可以是基于AR的图像。
另外,作为提示信息的变化,并不限于上述第1例至第3例所示。
例如,提示信息也可以是将由提示信息143表示的字符朗读的语音。在此情况下,提示装置20中包括扬声器等。
此外,例如提示信息也可以是标记等。例如,该标记表示学习的状况,例如如被叠加了十字记号的移动路径的到学习完成为止所需要的手动行驶数是3次、被叠加了圆形记号的移动路径是学习完成那样,根据记号预先决定了到学习完成为止所需要的输入。
此外,例如提示信息也可以是根据到学习完成为止所需要的输入而变化的量规图像等。例如,到学习完成为止所需要的输入越少,则量规图像中的柱状图的长度越长,在学习完成的情况下,量规图像被柱状图埋上。
此外,例如在还进行用于在自动行驶中使乘员舒适地度过的学习的情况下,也可以将表示到不考虑在自动行驶中使移动体的乘员舒适地度过而进行的学习完成为止所需要的输入的提示信息(称作第1提示信息)、和表示到考虑在自动行驶中使移动体的乘员舒适地度过而进行的学习完成为止所需要的输入的提示信息(称作第2提示信息)分别区分而进行提示。
例如,也可以在第1提示信息和第2提示信息中改变颜色。具体而言,在使用第1提示信息及第2提示信息双方的情况下,表示学习状况的颜色的变化增加。此外,例如也可以在第1提示信息和第2提示信息中改变记号。具体而言,在使用第1提示信息及第2提示信息双方的情况下,表示学习状况的记号的变化增加。此外,例如也可以在第1提示信息和第2提示信息中改变量规图像的宽度。具体而言,在使用第1提示信息及第2提示信息双方的情况下,表示学习状况的量规图像的宽度变长。即,如果仅仅是仅用于自动行驶的学习完成,则量规图像不会被柱状图填埋,通过在自动行驶中用于使移动体的乘员舒适地度过的学习也完成,量规图像被柱状图填埋。此外,例如也可以在第1提示信息和第2提示信息中,切换显示的地图等的图像,或者在能够将图像进行页切换的情况下切换页。
另外,提示信息例如接受来自用户的指示(例如关于信息处理装置10的向用户接口的输入等)来提示,但也可以每当在学习的进展中有变化就自动地提示。
这样,根据关于某移动路径的学习模型的学习次数或方差,提示到关于该移动路径的学习模型的学习完成为止所需要的输入,所以用户能够知道用于移动体的自动行驶的学习状况。
[5.与其他移动体的协同]
另外,也可以将提示信息提供给移动体的用户以外的其他用户。
由此,能够向其他移动体的用户通知用于移动体的自动行驶的学习状况。
此外,在学习没有完成的情况下,学习部12也可以将关于与移动体不同的其他移动体的操作信息或移动信息、以及传感器数据用作输入,使学习模型学习移动体的操作或移动。例如,学习部12也可以根据关于移动体的输入与关于其他移动体的输入的类似度,决定在学习模型的学习中使用的其他移动体的输入。具体而言,如果有与移动体取得的操作信息或移动信息、以及传感器数据的组合类似的其他移动体的这些组合,则在学习中使用该其他移动体的这些组合。
由此,能够挪用作为关于其他移动体的输入的操作信息或移动信息、以及传感器数据而进行学习对象的移动体的学习。具体而言,通过挪用关于其他移动体的输入中的、与关于学习对象的移动体的输入类似度高的输入,能够减少用户应提供的输入。提示的到学习完成为止所需要的输入也变少。
这样,多个移动体也可以协同而进行学习。
[6.总结]
如以上说明,通过关于某移动路径进行手动行驶,能够使学习模型学习当传感器数据表示的移动体周围的状况是怎样的状况时对移动体进行怎样的操作、或者移动体沿怎样的移动路径行驶。并且,根据这样进行的关于某移动路径的学习模型的学习次数或方差,提示到关于该移动路径的学习模型的学习完成为止所需要的输入,所以能够知道用于移动体的自动行驶的学习状况。结果,用户能够提供对学习有效的输入。
(其他实施方式)
以上,基于实施方式对本发明的信息处理装置10进行了说明,但本发明并不限定于上述实施方式。只要不脱离本发明的主旨,对本实施方式实施了本领域技术人员想到的各种变形后的形态、以及将不同的实施方式的构成要素组合而构建的形态也包含在本发明的范围内。
例如,信息处理装置10在由服务器装置等实现的情况下,信息处理装置10具备的功能构成要素也可以分散配置在多个服务器装置中。
此外,例如也可以是,在某移动路径的学习完成后,当移动体在该移动路径自动行驶时,在使用传感器数据等识别出该移动路径的周围环境相对于学习时变化的情况下,也可以根据最新的传感器数据等将学习模型更新。
此外,本发明不仅能够作为信息处理装置10实现,还能够作为包括构成信息处理装置10的各构成要素进行的处理的步骤的信息处理方法实现。
具体而言,如图2所示,信息处理方法从移动体取得移动体的操作信息及表示移动体的移动路径的移动信息中的至少一方、以及通过移动体所具备的传感器在移动路径中进行感测而得到的传感器数据(步骤S11),将操作信息及移动信息中的至少一方、以及传感器数据用作输入,使学习模型学习移动路径中的使用传感器数据的移动体的操作及移动中的至少一方(步骤S12),根据学习模型的学习次数、或者关于该操作或该移动的学习中使用的操作信息或移动信息、以及传感器数据中的至少1个的方差,生成提示信息,该提示信息表示到关于移动路径的学习模型的学习完成为止所需要的输入(步骤S13),使提示装置20提示提示信息(步骤S14)。
此外,例如这些步骤也可以由计算机(计算机系统)执行。并且,本发明能够将在这些方法中包含的步骤作为用来使计算机执行的程序实现。进而,本发明能够作为记录有该程序的CD-ROM等即非暂时性的计算机可读取的记录介质实现。
例如,本发明在由程序换言之由软件实现的情况下,通过利用计算机的CPU、存储器及输入输出电路等的硬件资源执行程序,执行各步骤。即,通过由CPU从存储器或输入输出电路等取得数据并运算、或将运算结果向存储器或输入输出电路等输出,执行各步骤。
此外,上述实施方式的信息处理装置10中包含的多个构成要素分别也可以作为专用或通用的电路实现。这些构成要素既可以作为1个电路实现,也可以作为多个电路实现。
此外,上述实施方式的信息处理装置10中包含的多个构成要素也可以作为集成电路(IC:Integrated Circuit)即LSI(Large Scale Integration)实现。这些构成要素既可以单独作成1芯片,也可以包含一部分或全部而作成1芯片。LSI根据集成度的差异,也有被称作系统LSI、超级LSI或超大规模LSI的情况。
此外,集成电路并不限于LSI,也可以由专用电路或通用处理器实现。也可以利用能够编程的FPGA(Field Programmable Gate Array)、或者能够重构LSI内部的电路单元的连接及设定的可重构处理器。
进而,如果因半导体技术的进步或派生的其他技术而出现替代LSI的集成电路化的技术,则当然也可以使用该技术进行信息处理装置10中包含的各构成要素的集成电路化。
除此以外,对于实施方式实施本领域技术人员想到的各种变形而得到的形态、或通过在不脱离本发明的主旨的范围内将各实施方式的构成要素及功能任意地组合而实现的形态也包含在本发明中。
本发明的一技术方案例如可以利用于自动驾驶车辆等。
Claims (11)
1.一种信息处理方法,其特征在于,
从移动体取得上述移动体的操作信息及表示上述移动体的移动路径的移动信息中的至少一方、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;
将上述操作信息及上述移动信息中的至少一方、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作及移动中的至少一方;
根据上述学习模型的学习次数,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;
使提示装置提示上述提示信息。
2.如权利要求1所述的信息处理方法,其特征在于,
上述学习次数越少,则到上述学习完成为止所需要的上述输入越增加或越不减少;
上述学习次数越多,则到上述学习完成为止所需要的上述输入越减少。
3.一种信息处理方法,其特征在于,
从移动体取得上述移动体的操作信息及表示上述移动体的移动路径的移动信息中的至少一方、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;
将上述操作信息及上述移动信息中的至少一方、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作及移动中的至少一方;
根据关于上述操作的学习中使用的上述操作信息、关于上述移动的学习中使用的上述移动信息、以及上述传感器数据中的至少1个的方差,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;
使提示装置提示上述提示信息。
4.如权利要求3所述的信息处理方法,其特征在于,
上述方差越高,则到上述学习完成为止所需要的上述输入越增加或越不减少;
上述方差越低,则到上述学习完成为止所需要的上述输入越减少。
5.如权利要求3所述的信息处理方法,其特征在于,
当有上述方差为阈值以上的区域的情况下,根据该区域的上述操作信息及上述移动信息中的至少一方与上述传感器数据的关系能否模型化的程度,生成表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入的提示信息。
6.如权利要求5所述的信息处理方法,其特征在于,
上述能否模型化的程度越低,则到上述学习完成为止所需要的上述输入越增加或越不减少;
上述能否模型化的程度越高,则到上述学习完成为止所需要的上述输入越减少。
7.如权利要求1所述的信息处理方法,其特征在于,
还将上述提示信息提供给上述移动体的用户以外的其他用户。
8.如权利要求1~7中任一项所述的信息处理方法,其特征在于,
在学习没有完成的情况下,将关于与上述移动体不同的其他移动体的上述操作信息及上述移动信息中的至少一方以及上述传感器数据用作输入,使上述学习模型学习上述移动体的操作及移动中的至少一方。
9.如权利要求8所述的信息处理方法,其特征在于,
根据关于上述移动体的上述输入与关于上述其他移动体的上述输入的类似度,决定在上述学习模型的学习中使用的上述其他移动体的上述输入。
10.一种信息处理装置,其特征在于,具备:
取得部,从移动体取得上述移动体的操作信息及表示上述移动体的移动路径的移动信息中的至少一方、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;
学习部,将上述操作信息及上述移动信息中的至少一方、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作及移动中的至少一方;
生成部,根据上述学习模型的学习次数,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;以及
提示部,使提示装置提示上述提示信息。
11.一种信息处理装置,其特征在于,具备:
取得部,从移动体取得上述移动体的操作信息及表示上述移动体的移动路径的移动信息中的至少一方、以及通过上述移动体所具备的传感器在上述移动路径中进行感测而得到的传感器数据;
学习部,将上述操作信息及上述移动信息中的至少一方、以及上述传感器数据用作输入,使学习模型学习上述移动路径中的使用上述传感器数据的上述移动体的操作及移动中的至少一方;
生成部,根据关于上述操作的学习中使用的上述操作信息、关于上述移动的学习中使用的上述移动信息、以及上述传感器数据中的至少1个的方差,生成提示信息,该提示信息表示到关于上述移动路径的上述学习模型的学习完成为止所需要的上述输入;以及
提示部,使提示装置提示上述提示信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-118272 | 2018-06-21 | ||
JP2018118272A JP7079156B2 (ja) | 2018-06-21 | 2018-06-21 | 情報処理方法及び情報処理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110626357A true CN110626357A (zh) | 2019-12-31 |
Family
ID=67001514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910519634.0A Pending CN110626357A (zh) | 2018-06-21 | 2019-06-17 | 信息处理方法及信息处理装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11454977B2 (zh) |
EP (1) | EP3588007B1 (zh) |
JP (1) | JP7079156B2 (zh) |
CN (1) | CN110626357A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114174945A (zh) * | 2020-07-01 | 2022-03-11 | 视觉半导体股份有限公司 | 移动型抗病毒机器人及其控制方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022133181A (ja) * | 2021-03-01 | 2022-09-13 | パナソニックIpマネジメント株式会社 | 駐車支援装置および駐車支援方法 |
JP2022161301A (ja) * | 2021-04-08 | 2022-10-21 | 日立Astemo株式会社 | 車両制御装置及び車両制御方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0660050A (ja) * | 1992-08-11 | 1994-03-04 | Hitachi Ltd | ニューラルネットワークの学習支援装置 |
CN101019358A (zh) * | 2004-09-10 | 2007-08-15 | 松下电器产业株式会社 | 无线通信装置和无线通信方法 |
JP2013148486A (ja) * | 2012-01-20 | 2013-08-01 | Kddi Corp | ユーザが搭乗している移動車両を推定する移動車両推定方法、移動端末及びプログラム |
US20150094928A1 (en) * | 2013-09-30 | 2015-04-02 | Toyota Jidosha Kabushiki Kaisha | Driving assistance device |
US20150338225A1 (en) * | 2014-05-26 | 2015-11-26 | Hitachi, Ltd. | Central apparatus, driving support system, and driving support method |
CN105459824A (zh) * | 2014-09-25 | 2016-04-06 | 丰田自动车株式会社 | 车辆控制装置 |
US20170213457A1 (en) * | 2014-07-23 | 2017-07-27 | Hatsumeiya Co, Ltd | Automobile and computing system |
US20170227970A1 (en) * | 2016-02-05 | 2017-08-10 | Toyota Jidosha Kabushiki Kaisha | Autonomous driving system |
JP2018072083A (ja) * | 2016-10-26 | 2018-05-10 | 株式会社東芝 | 消費エネルギー予測装置及び消費エネルギー予測方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6022447B2 (ja) | 1980-12-10 | 1985-06-01 | 松下電器産業株式会社 | 誘電体材料 |
DE102010023162A1 (de) | 2010-06-09 | 2011-12-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Unterstützen eines Fahrers eines Kraftfahrzeugs beim Einparken in eine Parklücke, Fahrerassistenzeinrichtung und Kraftfahrzeug |
US9633564B2 (en) * | 2012-09-27 | 2017-04-25 | Google Inc. | Determining changes in a driving environment based on vehicle behavior |
JP6551790B2 (ja) * | 2015-04-21 | 2019-07-31 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム |
KR102057532B1 (ko) * | 2016-10-12 | 2019-12-20 | 한국전자통신연구원 | 자율주행 차량의 판단 지능 향상을 위한 주행상황 데이터 공유 및 학습 장치 및 그 동작 방법 |
US11157006B2 (en) * | 2019-01-10 | 2021-10-26 | International Business Machines Corporation | Training and testing automated driving models |
-
2018
- 2018-06-21 JP JP2018118272A patent/JP7079156B2/ja active Active
-
2019
- 2019-05-31 EP EP19177691.3A patent/EP3588007B1/en active Active
- 2019-06-17 US US16/442,908 patent/US11454977B2/en active Active
- 2019-06-17 CN CN201910519634.0A patent/CN110626357A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0660050A (ja) * | 1992-08-11 | 1994-03-04 | Hitachi Ltd | ニューラルネットワークの学習支援装置 |
CN101019358A (zh) * | 2004-09-10 | 2007-08-15 | 松下电器产业株式会社 | 无线通信装置和无线通信方法 |
JP2013148486A (ja) * | 2012-01-20 | 2013-08-01 | Kddi Corp | ユーザが搭乗している移動車両を推定する移動車両推定方法、移動端末及びプログラム |
US20150094928A1 (en) * | 2013-09-30 | 2015-04-02 | Toyota Jidosha Kabushiki Kaisha | Driving assistance device |
CN104512415A (zh) * | 2013-09-30 | 2015-04-15 | 丰田自动车株式会社 | 驾驶辅助装置 |
US20150338225A1 (en) * | 2014-05-26 | 2015-11-26 | Hitachi, Ltd. | Central apparatus, driving support system, and driving support method |
US20170213457A1 (en) * | 2014-07-23 | 2017-07-27 | Hatsumeiya Co, Ltd | Automobile and computing system |
CN105459824A (zh) * | 2014-09-25 | 2016-04-06 | 丰田自动车株式会社 | 车辆控制装置 |
US20170227970A1 (en) * | 2016-02-05 | 2017-08-10 | Toyota Jidosha Kabushiki Kaisha | Autonomous driving system |
JP2018072083A (ja) * | 2016-10-26 | 2018-05-10 | 株式会社東芝 | 消費エネルギー予測装置及び消費エネルギー予測方法 |
Non-Patent Citations (1)
Title |
---|
王仲民;刘开绪;: "动态环境下移动机器人路径跟踪与避障", 控制工程, no. 03, 20 May 2010 (2010-05-20) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114174945A (zh) * | 2020-07-01 | 2022-03-11 | 视觉半导体股份有限公司 | 移动型抗病毒机器人及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3588007B1 (en) | 2022-07-06 |
US11454977B2 (en) | 2022-09-27 |
EP3588007A1 (en) | 2020-01-01 |
JP2019220027A (ja) | 2019-12-26 |
US20190391588A1 (en) | 2019-12-26 |
JP7079156B2 (ja) | 2022-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215433B (zh) | 用于自动驾驶仿真的基于视觉的驾驶场景生成器 | |
KR102070530B1 (ko) | 모션 계획에 기초한 자율 주행 차량의 운행 방법 및 시스템 | |
KR102211299B1 (ko) | 곡선 투영을 가속화하기 위한 시스템 및 방법 | |
US11328219B2 (en) | System and method for training a machine learning model deployed on a simulation platform | |
KR102096726B1 (ko) | 자율 주행 차량의 운행을 위한 제어 오류 보정 계획 방법 | |
KR102201045B1 (ko) | 자율 주행 차량을 위한 주행 궤적을 생성하는 방법, 시스템 및 기계 판독 가능한 매체 | |
US20190317513A1 (en) | Sensor aggregation framework for autonomous driving vehicles | |
KR102279078B1 (ko) | 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템 | |
JP6591087B2 (ja) | 表示制御装置、表示装置および表示制御方法 | |
US10895912B2 (en) | Apparatus and a method for controlling a head- up display of a vehicle | |
KR102139426B1 (ko) | 자율 주행 차량을 위한 차량 위치점 전달 방법 | |
EP3342670A1 (en) | Method to dynamically adjusting speed control rates of autonomous vehicles | |
US11915115B2 (en) | Lane selection using machine learning | |
CN110626357A (zh) | 信息处理方法及信息处理装置 | |
CN110390240B (zh) | 自动驾驶车辆中的车道后处理 | |
JP2020097399A (ja) | 表示制御装置および表示制御プログラム | |
CN112825127B (zh) | 生成用于自动驾驶标记的紧密2d边界框的方法 | |
JP6984624B2 (ja) | 表示制御装置および表示制御プログラム | |
WO2018179305A1 (ja) | 走行経路提供システムおよびその制御方法、並びにプログラム | |
JP2010185761A (ja) | ナビゲーションシステム、道路地図表示方法 | |
EP3627110A1 (en) | Method for planning trajectory of vehicle | |
KR20190081664A (ko) | 차선을 검출하는 방법 및 장치 | |
JP2019121876A (ja) | 画像処理装置、表示装置、ナビゲーションシステム、画像処理方法及びプログラム | |
CN112519677A (zh) | 控制装置 | |
CN111328313A (zh) | 用于自动驾驶车辆的控制占主导的三点转弯规划 |
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 |