CN111273634A - 至少部分自动的机动车的控制系统的配置 - Google Patents

至少部分自动的机动车的控制系统的配置 Download PDF

Info

Publication number
CN111273634A
CN111273634A CN201911233555.XA CN201911233555A CN111273634A CN 111273634 A CN111273634 A CN 111273634A CN 201911233555 A CN201911233555 A CN 201911233555A CN 111273634 A CN111273634 A CN 111273634A
Authority
CN
China
Prior art keywords
modules
module
control system
motor vehicle
data
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
Application number
CN201911233555.XA
Other languages
English (en)
Inventor
F.胡格
P.施利克特
R.莫里茨
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.)
Volkswagen AG
Original Assignee
Volkswagen AG
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
Application filed by Volkswagen AG filed Critical Volkswagen AG
Publication of CN111273634A publication Critical patent/CN111273634A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • 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
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • 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
    • G05D1/0055—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements
    • G05D1/0077—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements using redundant signals or controls
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G06Q50/40—
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control

Abstract

本发明涉及至少部分自动的机动车的控制系统的配置。本发明涉及一种用于配置至少部分自动的机动车的控制系统的方法、具有指令的计算机程序以及设备。在第一步骤(10)中，采集关于行驶状况的数据。然后，根据可用数据确定(11)选择标准。基于选择标准，在行驶运行期间，从KI模块的库中选择(12)两个或更多个KI模块。最后，控制系统开始(13)以组合的方式执行所选择的两个或更多个KI模块。

Description

至少部分自动的机动车的控制系统的配置
技术领域
本发明涉及一种用于配置至少部分自动的机动车的控制系统的方法、具有指令的计算机程序以及设备。此外，本发明涉及一种使用这种方法或者这种设备的机动车。
背景技术
(高度)自动化的行驶依赖于安全、可靠并且具有实时能力的车辆系统。为此，为了实现故障安全性(Ausfallsicherheit)，冗余地实施中心功能是必不可少的。在此，在机动车中使用多重配备的资源，然而，由此并不能改善功能的实际质量。这些功能需要的资源越多，在机动车中成本和收益之间的这种差异越大。这尤其是适用于基于人工智能(künstlicher Intelligenz，KI)的功能，例如基于深度学习(Deep Learning)(德语例如为：tiefgehendes Lernen)的KI功能。
在这种背景下，DE 10 2017 006 599 A1描述了一种用于运行至少部分自动化地行驶的机动车的方法。在这种方法中，分别借助终端对终端方法，基于在训练行驶期间记录的车辆执行机构的训练执行器数据，并且基于与训练执行器数据相关的车辆传感机构的训练传感器数据，彼此独立地在机动车的分离的训练行驶中，对至少三个人工神经网络进行训练。在机动车的至少部分自动化的运行中，采集实际传感器数据，作为神经网络的输入数据，并且借助与训练传感器数据进行比较，将实际传感器数据与作为神经网络的输出数据的训练执行器数据相关联。将所有神经网络的训练执行器数据馈送到融合模块，融合模块按照预先给定的规则，将所有神经网络的训练执行器数据融合，并且根据融合的结果来确定实际执行器数据。基于利用所确定的实际执行器数据对车辆执行机构的控制，至少部分自动化地对机动车执行横向和/或纵向控制。
此外，DE 10 2017 107 837 A1描述了一种可调整的传感器装置。该传感器装置包括具有控制和分析单元的至少一个传感器元件。利用分类器对传感器数据进行分析。分类器具有神经网络。传感器装置可以经由接口与上级的计算机网络连接。针对扩展功能来构造控制和分析单元。为此，传感器装置将在扩展功能中选择的、要附加地由分类器处理的传感器数据，传输到计算机网络。在那里，基于传感器数据对分类器进行训练，并且在训练完成之后，传感器装置回收分类器数据，例如参数、程序段或者甚至整个经过训练的分类器，用于对分类器进行修改。因此，传感器装置也被配备为用于对所选择的传感器数据进行分类。
另一个示例是在语义分割的过程中对视频数据的分析。在此，根据当前的现有技术，使用神经网络的功能是不可替代的。
神经网络不仅需要大量的计算容量，而且通常是高度复杂的，因此其工作方式极其难以追溯。这种情况在汽车的情境下与安全相关的功能所需要的安全保障领域也是巨大的挑战。对不理解的系统进行安全保障是不可能的。
对于传统的算法，存在用于在数学上证明其正确性的方法。然而，在使用神经网络时，这些方法已经用尽，因此需要其它途径。
基于神经网络的KI模型具有依据训练数据和模型的结构而不同的特性。在此，训练数据例如可以是来自训练行驶的数据或者合成训练数据。KI模型的特性尤其是以功能性和非功能性的质量特征来呈现。这些特性中的许多是与安全相关的，例如功能品质的情境相关性(kontextuelle
Figure BDA0002304252650000021
)、功能的稳定性等。在此，几乎不可能开发出一种为了能够满足可接受的安全设计而充分展现所有与安全相关的能力的KI模型。此外，在行驶运行期间产生的变化的需求要求在动态的变化中以不同的程度展现特定的能力。
目前在机动车中使用人工智能时的方案局限于使用单个KI模块或者KI模块的集合以及其优化。在此，KI模块应当理解为实现KI模型的软件部件。像在航空业中一样，冗余设计一般经由多重实施、结合监视系统来解决。在此，两重或者三重同步地实施相同的软件部件，并且相应地比较并且使用其结果。
然而，这种冗余设计不是针对KI模块，而是针对可以相对简单地检查运行行为的软件部件开发的。KI模块的功能覆盖被这些冗余设计忽略的“对”与“错”之间的灰色区域。
发明内容
本发明要解决的技术问题是，呈现一种改进的用于配置至少部分自动的机动车的控制系统的方案。
上述技术问题通过具有本发明的特征的方法、通过根据本发明的具有指令的计算机程序以及通过具有本发明的特征的设备来解决。本发明的优选设计方案是下面的描述的内容。
根据本发明的第一方面，用于配置至少部分自动的机动车的控制系统的方法包括以下步骤：
-基于选择标准，在行驶运行期间，从KI模块的库中选择两个或更多个KI模块；以及
-开始控制系统对两个或更多个KI模块的执行。
根据本发明的另一方面，计算机程序包括指令，在由计算机执行时，所述指令使计算机执行以下用于配置至少部分自动的机动车的控制系统的步骤：
-基于选择标准，在行驶运行期间，从KI模块的库中选择两个或更多个KI模块；以及
-开始控制系统对两个或更多个KI模块的执行。
在此，应当广义地理解术语“计算机”。特别是，计算机也包括控制装置和基于处理器的其它数据处理设备。
例如，可以提供计算机程序，用于以电子方式进行调用，或者可以将计算机程序存储在计算机可读存储介质上。
根据本发明的另一方面，用于配置至少部分自动的机动车的控制系统的设备具有：
-选择单元，用于基于选择标准，在行驶运行期间，从KI模块的库中选择两个或更多个KI模块；以及
-执行控制器，用于使控制系统开始执行两个或更多个KI模块。
迄今为止的方法局限于将KI模型用于特定的功能，这对于驶过的所有场景都不变地应用。相反，根据本发明的方法不专注于开发在所有状况下都良好并且安全地工作的功能，而是专注于将良好的功能的集合组合。在车辆侧将不同的KI模块动态地彼此组合并且冗余地执行。在此，与KI模块是在内部、还是在外部开发的无关地，可以将每个可用的KI模块集成到车辆系统中。这种方法的一个固有特性在于：至少总是提供与包含在选择中的最佳功能一样好的结果。然而，与由控制系统执行的每个功能本身单独提供的结果相比，通常通过动态选择提供的结果更好。因此，相对于各个模块的性能，实现了总体性能的提升。根据本发明的解决方案的特征尤其是在于其高度的系统可用性、其安全性和其适应能力。
在机动车中，在库中提供KI模块，在库中完全可以存储一百个或者更多个KI模块。基于选择标准，从这种库中选择多个KI模块，用于激活的运行。未来在机动车中可用的计算能力将足以能够并行地运行例如三至四个KI模型。为了一般地保障相关功能的安全，冗余地存在这些KI模型，以便能够对可能的故障或者错误进行补偿，即，提供实现相同功能的不同的KI模块。冗余使得能够对激活的KI模块进行同步的质量控制，并且在由于错误导致一个或多个KI模块故障的情况下，使得能够实现先验已知的效率或者效果损失。
在此，在机动车中将KI模块组合时，追踪多个目标，这些目标同样具有功能性或者非功能性的性质。特别是，不一定需要确定冗余地存在的KI模块中的一个的结果。相反，为了提高功能性和非功能性品质，也可以将各个结果组合。
根据本发明的一方面，选择标准涉及当前的行驶状况、所选择的其它KI模块的特性或者预期的未来。所有这些方面都影响要针对给定的状况使用可用KI模块中的哪个。对于行驶状况，例如可以观察是否存在高速公路行驶或者城市行驶。所选择的其它KI模块的特性例如涉及所需的计算能力或者KI模块对于特定情境的品质。变化的预期的未来例如影响在由于改变的状况而必须由其它KI模块代替激活的KI模块之前，可以使用多久激活的KI模块。通过考虑这些选择标准，可以针对每种状况实现最佳的系统性能。
根据本发明的一方面，由后端对KI模块进行评估。为此，由后端侧检查KI模块或者基础KI模型的特定特性，并且有说服力地依据语义情境进行分析。作为语义情境，例如观察行驶状况、环境、天气、白天的时间等。将评估的结果存储在模块特性中，并且机动车可以将其用于模块选择。此外，后端还可以将新的或者改变的KI模块传输到机动车。
根据本发明的一方面，后端对KI模块的评估观察KI模块的功能性特性和非功能性特性。功能性特性例如涉及识别特殊对象、识别稀有对象、识别隐藏对象、识别的一致性等。非功能性特性例如包括延迟、所需的计算能力、可靠性等。通过考虑这两个方面，可以确保对KI模块的全面评估。
根据本发明的一方面，将两个或更多个KI模块的特性用于聚集用于当前情境的两个或更多个KI模块的结果。聚集例如可以通过计算、替换或者按照对象或者按照类别选择两个或更多个KI模块的结果来进行。将KI模块或者基础KI模型的特性用于聚集，可以实现针对当前的情境产生最佳输出。在此，例如使用包含关于特定分割类别或者特定情境的各个模块的品质信息的特性。例如，KI模型具有用于在夜晚在城市环境中划分行人的较高的品质。这可以通过将较高的置信度值存储在模块特性中。
根据本发明的一个方面，在启动新选择的KI模块时，要替换的KI模块保持激活，直到新选择的KI模块完全启动位置。在启动KI模块期间，该KI模型尚未完全准备就绪，但是已经需要计算能力。当现在要由迄今未激活的KI模块调换激活的KI模块中的一个时，要调换的KI模块将保持激活，直到新的KI模块完全启动运行为止。在此，尽管短期内需要更多的计算能力，但从中期来看以这种方式可以实现鲁棒和安全的系统。
根据本发明的一个方面，选择三个或者四个冗余的KI模块来执行。通过三个至四个KI模块的并行运行，最佳地利用未来在机动车中可用的计算能力。
特别有利地在机动车中使用根据本发明的方法或者根据本发明的设备。
附图说明
结合附图，本发明的其它特征从下面的描述中变得清楚。
图1示意性地示出了用于配置至少部分自动的机动车的控制系统的方法；
图2示出了用于配置至少部分自动的机动车的控制系统的设备的第一实施方式；
图3示出了用于配置至少部分自动的机动车的控制系统的设备的第二实施方式；
图4示意性地示出了实现根据本发明的解决方案的机动车；
图5示意性地示出了根据本发明的解决方案的系统图。
具体实施方式
为了更好地理解本发明的原理，下面，根据附图更详细地解释本发明的实施方式。应当理解，本发明不限于这些实施方式，也可以对所描述的特征进行组合或者修改，而不脱离在所附的权利要求中限定的本发明的保护范围。
图1示意性地示出了用于配置至少部分自动的机动车的控制系统的方法。在第一步骤10中，采集关于行驶状况的数据。这例如可以是安装在机动车中的环境传感机构的环境数据或者由控制装置提供的机动车的运行参数。然后，根据可用数据确定11选择标准。选择标准例如可以涉及当前的行驶状况、所选择的其它KI模块的特性或者预期的未来。在此，必要时可以考虑附加的边界条件，例如可用的计算能力。基于选择标准，在行驶运行期间，从KI模块的库中选择12两个或更多个KI模块。在此，优选选择三个或者四个冗余的KI模块。最后，控制系统开始13执行所选择的两个或更多个KI模块。在执行KI模块时，可以使用KI模块的特性来聚集KI模块针对当前的情境的结果。聚集例如可以通过计算、替换或者按照对象或按照类别选择KI模块的结果来进行。优选在启动新选择的KI模块时，要替换的KI模块保持激活，直到新选择的KI模块完全启动为止。
图2示出了用于配置至少部分自动的机动车的控制系统的设备20的第一实施方式的简化示意图。设备20具有输入端21，通过输入端21，可以接收关于行驶状况的数据。这例如可以是安装在机动车中的环境传感机构的环境数据或者由控制装置提供的机动车的运行参数。然后，分析单元22根据可用数据确定选择标准。选择标准例如可以涉及当前的行驶状况、所选择的其它KI模块的特性或者预期的未来。在此，必要时可以考虑附加的边界条件，例如可用的计算能力。选择单元23基于选择标准，在行驶运行期间从KI模块的库中选择两个或更多个KI模块。优选选择单元23选择三个或者四个冗余的KI模块。库例如可以存储在设备20的存储器26中。执行控制器24开始控制系统对两个或更多个KI模块的执行。通过设备20的输出端27提供控制系统，以供进一步使用。为此，例如可以将所使用的KI模块直接输出到处理器。替换地，可以仅将要加载哪些KI模块的信息输出到处理器。在执行KI模块时，可以使用KI模块的特性，来聚集KI模块针对当前情境的结果。聚集例如可以通过计算、替换或者按照对象或按照类别选择KI模块的结果来进行。优选执行控制器24使得在启动新选择的KI模块时，要替换的KI模块保持激活，直到新选择的KI模块完全启动为止。
分析单元22、选择单元23和执行控制器24可以由控制单元25控制。必要时，可以通过用户接口28来改变分析单元22、选择单元23、执行控制器24或者控制单元25的设置。在需要时，可以将在设备20中累积的数据存储在存储器26中，例如用于稍后进行分析或者由设备20的部件使用。分析单元22、选择单元23、执行控制器24以及控制单元25可以作为专用硬件、例如作为集成电路来实现。当然，它们也可以部分或者完全以组合的方式或者作为在合适的处理器上、例如在GPU或者CPU上运行的软件来实现。输入端21和输出端27可以作为单独的接口或者作为组合的双向接口来实现。
图3示出了用于配置至少部分自动的机动车的控制系统的设备30的第二实施方式的简化示意图。设备30具有处理器32和存储器31。例如，设备30是计算机或者控制装置。在存储器31中存储有指令，在由处理器32执行时，指令使设备30执行根据所描述的方法中的一个的步骤。因此，存储在存储器31中的指令表示处理器32可执行的、实现根据本发明的方法的程序。设备30具有输入端33，输入端33用于接收信息、例如机动车的环境数据或者运行参数。通过输出端34提供处理器32产生的数据。此外，可以将数据存储在存储器31中。输入端33和输出端34可以组合成双向接口。
处理器32可以包括一个或多个处理器单元，例如微处理器、数字信号处理器或者其组合。
所描述的实施方式的存储器26、31可以具有易失性和非易失性的存储区域，并且可以包括不同的存储装置和存储介质，例如硬盘、光存储介质或者半导体存储器。
图4示意性地示出了实现根据本发明的解决方案的机动车40。机动车40具有用于自动化或者高度自动化的行驶运行的控制系统41，控制系统41通过设备20来配置。在图4中，设备20是独立的部件，但是它也可以集成在控制系统41中。为了从KI模块的库中选择KI模块，设备20使用关于行驶状况的数据。这例如可以是安装在机动车40中的环境传感机构42的环境数据或者由控制装置43提供的机动车40的运行参数。机动车40的另一个部件是数据传输单元44，通过数据传输单元44，另外可以与后端建立连接，以便例如获得附加的或者改变后的KI模块。为了存储KI模块的库或者其它数据，存在存储器45。机动车40的不同部件之间的数据交换通过网络46进行。
图5示意性地示出了根据本发明的解决方案的系统图。系统包括机动车40、KI模块NNi的外部源50以及后端60。在机动车40的存储器45中准备好KI模块NNi的库B。这些KI模块可以由机动车40的制造商在内部开发或者可以来自外部源50。在该示例中，由外部源50提供KI模块NN1。后端60与来源无关地对KI模块NNi进行评估。在此，后端60观察KI模块NNi的功能性特性和非功能性特性。功能性特性的示例例如是识别特殊对象、识别稀有对象、识别隐藏对象、识别的一致性等。非功能性特性例如是延迟、所需要的计算能力、可靠性等。将所产生的对KI模块NNi的评估，作为模块特性ME存储在库B中。基于选择标准和与模块特性ME的比较，在车辆侧将不同的KI模块动态地彼此组合，并且通过机动车40的控制系统41来冗余地执行。在该示例中，这是两个KI模块NN1和NN2。
附图标记列表
10 采集关于行驶状况的数据
11 根据可用数据确定选择标准
12 选择两个或更多个KI模块
13 开始执行两个或更多个KI模块
20 设备
21 输入端
22 分析单元
23 选择单元
24 执行控制器
25 控制单元
26 存储器
27 输出端
28 用户接口
30 设备
31 存储器
32 处理器
33 输入端
34 输出端
40 机动车
41 控制系统
42 环境传感机构
43 控制装置
44 数据传输单元
45 存储器
46 网络
50 外部源
60 后端
B 库
ME 模块特性
NNi KI模块

Claims (10)

1.一种用于配置至少部分自动的机动车(40)的控制系统(41)的方法，具有以下步骤：
-基于选择标准，在行驶运行期间，从KI模块的库(B)中选择(12)两个或更多个KI模块(NNi)；以及
-所述控制系统(41)开始(13)执行所述两个或更多个KI模块(NNi)。
2.根据权利要求1所述的方法，其中，所述选择标准涉及当前的行驶状况、选择的其它KI模块(NNi)的特性或者预期的未来。
3.根据权利要求1或2所述的方法，其中，由后端(60)对KI模块(NNi)进行评估。
4.根据权利要求3所述的方法，其中，所述后端(60)对KI模块(NNi)的评估观察KI模块(NNi)的功能性特性和非功能性特性。
5.根据上述权利要求中任一项所述的方法，其中，使用所述两个或更多个KI模块(NNi)的特性，来聚集所述两个或更多个KI模块(NNi)针对当前情境的结果。
6.根据权利要求5所述的方法，其中，所述聚集通过计算、替换或者按照对象或按照类别选择所述两个或更多个KI模块(NNi)的结果来进行。
7.根据上述权利要求中任一项所述的方法，其中，在启动新选择的KI模块(NNi)时，要替换的KI模块(NNi)保持激活，直到新选择的KI模块(NNi)完全启动为止。
8.根据上述权利要求中任一项所述的方法，其中，选择(12)三个或者四个冗余的KI模块(NNi)来执行。
9.一种具有指令的计算机程序，在由计算机执行所述指令时，所述指令使计算机执行根据权利要求1至8中任一项所述的用于配置至少部分自动的机动车(40)的控制系统(41)的方法的步骤。
10.一种用于配置至少部分自动的机动车(40)的控制系统(41)的设备(20)，所述设备具有：
-选择单元(23)，用于基于选择标准，在行驶运行期间，从KI模块的库(B)中选择(12)两个或更多个KI模块(NNi)；以及
-执行控制器(24)，用于开始(13)所述控制系统(41)对所述两个或更多个KI模块(NNi)的执行。
CN201911233555.XA 2018-12-05 2019-12-05 至少部分自动的机动车的控制系统的配置 Pending CN111273634A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018221063.2 2018-12-05
DE102018221063.2A DE102018221063A1 (de) 2018-12-05 2018-12-05 Konfiguration eines Steuerungssystems für ein zumindest teilautonomes Kraftfahrzeug

Publications (1)

Publication Number Publication Date
CN111273634A true CN111273634A (zh) 2020-06-12

Family

ID=68840847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911233555.XA Pending CN111273634A (zh) 2018-12-05 2019-12-05 至少部分自动的机动车的控制系统的配置

Country Status (6)

Country Link
US (1) US11500382B2 (zh)
EP (1) EP3667568A1 (zh)
KR (1) KR102263955B1 (zh)
CN (1) CN111273634A (zh)
DE (1) DE102018221063A1 (zh)
IL (1) IL271153A (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020213058A1 (de) 2020-10-15 2022-04-21 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum teilautomatisierten oder vollautomatisierten Steuern eines Fahrzeugs
CN114691346A (zh) * 2020-12-25 2022-07-01 华为技术有限公司 一种算力资源的配置方法及设备
DE102021200030A1 (de) * 2021-01-05 2022-07-07 Volkswagen Aktiengesellschaft Verfahren, Computerprogramm und Vorrichtung zum Betreiben eines KI-Moduls
DE102021211357A1 (de) 2021-10-08 2023-04-13 Volkswagen Aktiengesellschaft Verfahren zum Ausführen einer sicherheitsrelevanten Funktion eines Fahrzeuges, Computerprogrammprodukt, sowie Fahrzeug
DE102021128456A1 (de) 2021-11-02 2023-05-04 Man Truck & Bus Se Verfahren zur Betriebsoptimierung eines Kraftfahrzeugs

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872171A (zh) * 2009-04-24 2010-10-27 中国农业大学 基于信息融合的驾驶员疲劳状态识别方法和系统
US20180053091A1 (en) * 2016-08-17 2018-02-22 Hawxeye, Inc. System and method for model compression of neural networks for use in embedded platforms
CN107977706A (zh) * 2017-08-09 2018-05-01 小蚁科技（香港）有限公司 模块化分布式人工神经网络
CN108205731A (zh) * 2016-12-20 2018-06-26 通用汽车环球科技运作有限责任公司 情境评估车辆系统
CN108229366A (zh) * 2017-12-28 2018-06-29 北京航空航天大学 基于雷达和图像数据融合的深度学习车载障碍物检测方法
CN108475056A (zh) * 2016-01-19 2018-08-31 奥迪股份公司 用于全自动地引导车辆系统的方法以及机动车
CN108885109A (zh) * 2016-04-08 2018-11-23 罗伯特·博世有限公司 用于借助不同路标类型确定至少半自动行驶的车辆的姿势的方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9254846B2 (en) * 2013-05-03 2016-02-09 Google Inc. Predictive reasoning for controlling speed of a vehicle
US9910441B2 (en) * 2015-11-04 2018-03-06 Zoox, Inc. Adaptive autonomous vehicle planner logic
JP6747502B2 (ja) * 2016-03-25 2020-08-26 ソニー株式会社 情報処理装置
DE102016009655A1 (de) * 2016-08-09 2017-04-06 Daimler Ag Verfahren zum Betrieb eines Fahrzeugs
US10421460B2 (en) * 2016-11-09 2019-09-24 Baidu Usa Llc Evaluation framework for decision making of autonomous driving vehicle
DE102016015401A1 (de) * 2016-12-22 2017-07-06 Daimler Ag Verfahren zur Konfiguration einer Fahrzeugsteuerungselektronik
US10228693B2 (en) * 2017-01-13 2019-03-12 Ford Global Technologies, Llc Generating simulated sensor data for training and validation of detection models
DE102017107837A1 (de) 2017-04-11 2018-10-11 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Anpassen einer Sensoranordnung durch ein Rechnernetzwerk
JP6756661B2 (ja) * 2017-04-28 2020-09-16 日立オートモティブシステムズ株式会社 車両電子制御装置
US11573573B2 (en) * 2017-06-06 2023-02-07 Plusai, Inc. Method and system for distributed learning and adaptation in autonomous driving vehicles
DE102017006599A1 (de) 2017-07-12 2018-03-01 Daimler Ag Verfahren zum Betrieb eines Fahrzeugs
EP3701347A4 (en) * 2017-09-06 2021-09-01 OSR Enterprises AG SYSTEM AND METHOD OF USE OF KNOWLEDGE COLLECTED BY A VEHICLE
US20190102674A1 (en) * 2017-09-29 2019-04-04 Here Global B.V. Method, apparatus, and system for selecting training observations for machine learning models
US10935982B2 (en) * 2017-10-04 2021-03-02 Huawei Technologies Co., Ltd. Method of selection of an action for an object using a neural network
WO2019094843A1 (en) * 2017-11-10 2019-05-16 Nvidia Corporation Systems and methods for safe and reliable autonomous vehicles
US10755115B2 (en) * 2017-12-29 2020-08-25 Here Global B.V. Method, apparatus, and system for generating synthetic image data for machine learning

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872171A (zh) * 2009-04-24 2010-10-27 中国农业大学 基于信息融合的驾驶员疲劳状态识别方法和系统
CN108475056A (zh) * 2016-01-19 2018-08-31 奥迪股份公司 用于全自动地引导车辆系统的方法以及机动车
CN108885109A (zh) * 2016-04-08 2018-11-23 罗伯特·博世有限公司 用于借助不同路标类型确定至少半自动行驶的车辆的姿势的方法
US20180053091A1 (en) * 2016-08-17 2018-02-22 Hawxeye, Inc. System and method for model compression of neural networks for use in embedded platforms
CN108205731A (zh) * 2016-12-20 2018-06-26 通用汽车环球科技运作有限责任公司 情境评估车辆系统
CN107977706A (zh) * 2017-08-09 2018-05-01 小蚁科技（香港）有限公司 模块化分布式人工神经网络
CN108229366A (zh) * 2017-12-28 2018-06-29 北京航空航天大学 基于雷达和图像数据融合的深度学习车载障碍物检测方法

Also Published As

Publication number Publication date
DE102018221063A1 (de) 2020-06-10
EP3667568A1 (de) 2020-06-17
IL271153A (en) 2020-06-30
KR20200068598A (ko) 2020-06-15
US11500382B2 (en) 2022-11-15
KR102263955B1 (ko) 2021-06-11
US20200183391A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
CN111273634A (zh) 至少部分自动的机动车的控制系统的配置
US20210011908A1 (en) Model-based structured data filtering in an autonomous vehicle
US20210012230A1 (en) Uncertainty-based data filtering in a vehicle
US20200082648A1 (en) Automatic Driving System, Vehicle Control Method and Device
CN107226091B (zh) 物体检测装置、物体检测方法以及记录介质
US11558483B2 (en) Value-based data transmission in an autonomous vehicle
US10611381B2 (en) Decentralized minimum risk condition vehicle control
CN110214312A (zh) 共享备用单元和控制系统
CN105501227B (zh) 道路紧急激活
KR102452555B1 (ko) 차량 고장 처리 제어 장치 및 그 방법
US20210334151A1 (en) Dynamic communications paths for sensors in an autonomous vehicle
US20210133057A1 (en) Fault state transitions in an autonomous vehicle
CN105501149B (zh) 车辆插入策略
US11893412B2 (en) Device initialization by an access-restricted virtual machine
CN111199088A (zh) 复现场景数据的方法和装置
CN111897304B (zh) 用于机器系统中实时诊断和故障监视的方法、设备和系统
US20210316742A1 (en) Error handling in an autonomous vehicle
US20200189609A1 (en) Smart vehicle system
US20170171036A1 (en) Distributed network management system and method for a vehicle
US11691637B2 (en) Handling input data errors in an autonomous vehicle
US20210012220A1 (en) Rules-based structured data filtering in an autonomous vehicle
KR102658832B1 (ko) 차량 포렌식 분석 방법 및 이를 수행하기 위한 컴퓨팅 장치
US11897512B2 (en) Modifying settings of autonomous vehicle sensors based on predicted environmental states
US20220371607A1 (en) Failover system for autonomous vehicles
US20240019929A1 (en) Modifying vehicle display parameters using operator gaze

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