具体实施方式
在以下讨论中,将大量参考由计算装置形成的处理器、服务器、服务、接口、门户、平台或其他系统。应当理解,这些术语的使用视为代表具有至少一个处理器的一个或多个计算装置,处理器配置为执行存储在非暂时性计算机可读有形介质上的软件指令。例如,如本文所使用的,“处理器”可以包括以任意操作方式实现本文描述的角色、职责或功能的任意云计算服务、一个或多个单独的计算机和/或一个或多个处理芯片或处理核。
在一些实施例中,用于描述和要求保护本申请某些实施例的表示成分数量、性质(例如,浓度)、反应条件等的数字应理解为在某些情况下被术语“约”修饰。因此,在一些实施例中,在书面描述和所附权利要求书中阐述的数字参数是近似值,该数字参数可以根据特定实施例试图获得的期望特性而变化。在一些实施例中,应当根据报告的有效数字的数目并通过应用普通的舍入技术来解释数字参数。尽管列出本申请一些实施例的广泛的数值范围和参数是近似值,但在具体示例中列出的数值尽可能是精确的。在本申请的一些实施例中呈现的数值可能包含某些误差,这些误差是由它们各自的测试测量中发现的标准偏差必然导致的。
如本文的说明书中及整个权利要求书中所使用的,“一个”、“一种”和“所述”的含义包括复数形式,除非上下文另外明确指出。同样,如本文的说明书中所使用的,“在...中”的含义包括“在...中”和“在...上”,除非上下文另外明确指出。
本文中数值范围的列举仅旨在分别指代该范围内的每个单独数值的简写方法。每个单独的值都被并入说明书中,如同在本文单独列举,除非本文另外指出。本文描述的所有方法可以以任意合适的顺序执行,除非本文另外指出或与上下文明显矛盾。相对于本文的某些实施例提供的任意和所有示例或示例性语言(例如,“诸如”)的使用仅旨在更好地阐明本申请,而不对以其他方式要求保护的本申请的范围构成限制。说明书中的任何语言都不应解释为表示实施本申请必不可少的任何未要求保护的元素。
本文公开的本申请的备选元素或实施例的分组不应解释为限制。每个组的成员可以单独引用,也可以与该组的其他成员或本文中的其他元素组合使用。出于方便和/或可专利性原因,一个组中的一个或多个成员可以包含在组中或从该组中删除。当发生任何这样的包含或删除时,说明书在本文中被认为包含经修改的组,从而满足所附权利要求中使用的所有马库什组的书面描述。
以下讨论提供了本申请主题的许多示例实施例。尽管每个实施例代表发明元素的单个组合,但是发明主题被认为包括所公开元素的所有可能的组合。因此,如果一个实施例包括元素A、B和C,而第二实施例包括元素B和D,那么即使没有明确说明,本申请主题也被认为包括A、B、C或D的其他剩余组合。
如本文中所使用的,术语“连接至”旨在包括直接连接(其中彼此连接的两个元件彼此接触)和间接连接(其中至少一个附加元件位于彼此连接的两个元件之间),除非上下文另有指示。因此,术语“连接至”和“连接于”同义地使用。
图1是载运工具105的预测控制系统100的示例性示意图,该系统被配置为基于预测载运工具105的运动来主动减轻或补偿对乘员的不良影响。
在图1中,预测控制系统100通常包括向处理器150提供信息的各种机载传感器110、120和/或130以及各种机外传感器140(例如,机外速度控制传感器、机外乘员传感器和/或机外环境传感器)。处理器150继而使用所提供的信息来操作各种致动器160A、160B、160C以控制影响乘员的受控装置170。在该应用中特别重要的是,处理器150被编程为使用由传感器110、120、130和/或140得到的信息来预测载运工具105的加速、猛击、颠簸或其他运动,并使用所预测的运动来进行控制,以至少部分地减轻或补偿由预测的运动对乘员造成的不良影响。
虚线示意性地指示这些部件中的一些部件(例如,传感器110、120、130)是机载传感器,即物理上至少部分位于载运工具105内或载运工具105上的传感器。其他部件(例如,传感器140)是机外传感器,并且仅与载运工具105信息连接。机外传感器140可包括机外速度控制传感器、机外乘员传感器或机外环境传感器。在实施例中,检测燃料驱动汽车中的乘员执行的油门踏板或制动踏板的操作的传感器属于机载速度控制传感器110的类别,而检测远距离飞行员执行的载运工具操纵杆的操作的传感器则属于机外传感器140的类别。
作为示意图,图1的范围包括具有座椅、床或其他部件的任何类型的载运工具,这些座椅、床或其他部件被配置为将乘员保持在所坐位置、躺卧位置或其他可以在处理器150的控制下主动改变的位置。载运工具105的示例包括汽车、公共汽车、卡车、火车、缆车、手推车、供人乘坐的游乐装置、轮船、小舟和/或飞机。载运工具105也应该广义地解释为包括乘员驾驶的载运工具、外部控制人员操作的载运工具和/或自动驾驶载运工具。例如,载运工具105的一个实施例是具有乘客座椅或小床的无人飞机,用于从战区撤退士兵。载运工具105的另一示例是具有驾驶员座椅的自动驾驶卡车,用于将货物从一个城市运输到另一个城市,驾驶员可以在交通困难的情况下操作该卡车。载运工具105的又一个示例是自动驾驶汽车或自动驾驶公共汽车,用于运送座椅上的乘客,而不需要任何乘客驾驶载运工具。
如本文所使用的,术语“乘员”优选地指人、驾驶员、飞行员、骑手或乘客,但是也可以指室内宠物(例如,狗或猫)、农场动物(例如,猪、马或牛)、其他动物、货物或货品。例如,乘员可以是操作载运工具的驾驶员或占用载运工具座椅的乘客。在这样的示例中,提出的主动座椅控制系统可以预测载运工具的运动以主动地调节载运环境(例如,调节座椅的方向、倾斜度、倾斜角度或刚度)以减轻、消除、抵消或补偿由于预测的运动而可能产生的不良影响。又例如,乘员可以是将要运送到农场或动物园的动物或宠物。为了运输动物或宠物,这些动物或宠物可以占据卡车、火车或飞机的可调节座椅或可移动托盘/笼子。在这样的示例中,提出的主动座椅控制系统可以预测卡车的未来运动,以主动改变卡车环境(例如,调节可调节座椅或可移动托盘/笼子的位置、方向或倾斜度)以保持动物或宠物处于稳定的位置,并防止由于即将出现的不良运输条件引起的不良的载运环境而可能出现的动物或宠物的不良情绪(例如,愤怒、焦虑、恐惧等)或不适。又例如,乘员可能是要从商人/供应商运送到消费者/顾客的易碎货物,占用载运工具或送货卡车的座椅以进行货物运输。在这样的示例中,提出的主动座椅控制系统可以基于检测到的即将出现的道路状况、运送路线或地图数据等来预测卡车的未来运动。所预测的未来运动可以用于主动改变载运环境(例如,收紧货物绳索),以防止即将出现的不良道路状况引起的猛击运动或振动导致易碎货物损坏。又例如,乘员可以是要在室内环境(例如,仓库或零售商)中从一个位置运输到另一位置的产品,以基于产品的不同类别分别存储。产品可以占用自动驾驶载运工具的存储结构,以将不同类别的产品发送到仓库内的不同指定区域。在这样的示例中,提出的主动座椅控制系统可以基于与仓库的室内布局或用于对不同产品进行分类的调度路线等相关联的信息来预测自动驾驶载运工具的未来运动,以防止不良情况(例如,产品损坏或从自动驾驶载运工具上掉落)的发生。本文中提及的“一个”或“该”乘员应理解为考虑到该载运工具可能有或可能没有其他乘员。
图2示出了各种示例性机载速度控制传感器110和机外速度控制传感器140。
如图2所示,机载速度控制传感器110在本文中应被解释为表示至少部分地位于载运工具内或载运工具上的任何装置,用于检测与载运工具的速度控制有关的操作。在一些实施例中,机载速度控制传感器110例如可以包括传感器112,该传感器112检测与油门踏板、加速踏板、其他加速踏板112A或其他加速机构112B相关联的操作。在这样的实施例中,处理器150可以接收基于传感器112检测到的操作(例如,加速踏板)而产生的控制信号,并预测载运工具的加速运动。
在实施例中,预测的计算/确定不仅可以使用从传感器检测获得的当前接收的控制信号,还可以使用处理器150从存储器155中得到的历史控制信号,存储器155中存储有历史检测到的传感器数据和历史控制信号。具体地,历史控制信号可以与诸如驾驶员个人资料的乘员个人资料相关联。在这样的示例中,驾驶员个人资料可以记录与驾驶员的驾驶习惯、通勤路线和时间、姿态或就座习惯等相关联的历史控制信号。通过使用信号混合或融合技术(例如,传感器融合过程),当前检测到的控制信号和历史控制信号可以被联合使用或混合,以提供更准确的预测结果。
例如,历史控制信号可以包括有关驾驶员驾驶习惯的信息,例如,驾驶员在转向时可能使用的平均旋转角度。基于平均旋转角度,提出的主动座椅控制系统可以提供更准确的预测,通过计算座椅的相应旋转角度,在可能发生转向运动时,抵消/补偿基于驾驶员的驾驶习惯预测的平均旋转角度。
再例如,历史控制信号还可以包括关于驾驶员的通勤路线和时间的信息。历史控制信号可以包括通勤路线的信息,包含有从驾驶员的住所到工作地点的通勤路线。历史控制信号还可包括从机载或机外速度控制传感器110、140检测到的存储在存储器中的其他交通信息,例如,交通信号灯的位置、停车标志或与通勤路线和驾驶员相关的估计的出发/到达时间。在这样的示例中,提出的主动座椅控制系统可以利用通勤路线的信息来预测载运工具可能在何处直行、左转或右转,并利用其他信息来确定载运工具可能在何时加速和减速,以提供对载运工具运动的更好预测。例如,在靠近交通信号灯的位置或靠近路线上的停车标志时预测减速。在实施例中,历史控制信号还可以基于日期的时间(例如,白天或晚上)或一年的时节(例如,长周末或节假日),合并附加的交通信息。例如,在白天或长周末期间,由于交通繁忙,载运工具的行驶速度可能比夜间或常规周末慢。在这样的示例中,由于交通繁忙和多次停止/暂停,可能会预测减速运动。
再例如,历史控制信号还可以包括关于驾驶员的姿态或就座习惯的信息。历史控制信号可以包括诸如坐高、倾斜角度或记录特定驾驶员或乘客偏好的刚度之类的信息。在这样的示例中,提出的主动座椅控制系统可以被定制为在将驾驶员或乘客保持在座椅上的同时调节载运环境。在实施例中,提出的主动座椅控制系统可以结合当前检测到的速度控制信号和关于驾驶员或乘客的姿态或就座习惯的历史信号,改变座椅的高度(例如,当检测到即将出现的空穴时增加座椅的高度,或检测到即将出现的颠簸时减小座椅的高度)、方向(例如,检测到弯曲的道路或转向运动时旋转座椅)、刚度(例如,检测到由于道路不均而振动时减小座椅的刚度)或座椅的倾斜角度(例如,在检测到红灯或停车标志的情况下向后倾斜座椅以进行减速),以便更好地预测载运工具的运动并在座椅上进行相应的补偿性调节。
应当理解的是,载运工具加速的预测可以基于传感器112产生的当前检测到的控制信号中的一个或多个,该传感器112检测与油门踏板、加速踏板、其他加速踏板112A或其他加速机构112B相关的操作。载运工具加速的预测可以基于与类似加速运动相关的历史控制信号。或者,载运工具加速的预测可以基于当前检测到的控制信号和历史控制信号的组合。具体地,可以基于当前检测到的控制信号和/或由传感器112检测到的类似加速操作(例如,加速踏板)得到的历史控制信号,通过使用传感器融合处理,计算载运工具的加速的预测,以提供更准确的预测结果。历史控制信号可以存储在存储器155中,每当检测到类似的加速操作时都可以检索到历史控制信号。
在其他实施例中,机载速度控制传感器110可以包括传感器113,用于检测与制动踏板113A或其他制动机构113B相关联的操作。在这样的实施例中,处理器150可以接收基于传感器113(例如,制动踏板)检测到的操作而产生的控制信号,并预测载运工具的减速运动。还可以基于当前检测到的控制信号和/或由传感器113检测到的类似减速操作(例如,制动踏板)得到的历史控制信号,通过使用传感器融合处理,计算载运工具的减速的预测,以提供更准确的预测结果。历史控制信号可以存储在存储器155中,每当检测到类似的减速操作时都可以检索到历史控制信号。
在其他实施例中,机载速度控制传感器110可以包括传感器114,用于检测与方向盘114A或其他转向机构114B相关联的操作。在这样的实施例中,处理器150可以接收基于传感器114(例如,方向盘)检测到的操作而产生的控制信号,并预测载运工具的转向运动(例如,右转、左转或掉头)。还可以基于当前检测到的控制信号和/或由传感器114检测到的类似转向操作(例如,方向盘)得到的历史控制信号,通过使用传感器融合处理,计算载运工具的转向的预测,以提供更准确的预测结果。历史控制信号可以存储在存储器155中,每当检测到类似的转向操作时都可以检索到历史控制信号。
在其他实施例中,机载速度控制传感器110可以包括检测与IMU115A相关联的操作的传感器115。在这样的实施例中,处理器150可以接收基于传感器115(例如,IMU)检测到的操作而产生的控制信号,并预测载运工具的三维(3D)动态运动(例如,振动运动、旋转运动、倾斜运动等)。还可以基于由传感器115(例如,IMU)检测到的类似的3D动态操作得到的当前检测到的控制信号和/或历史控制信号,通过使用传感器融合处理,计算载运工具的3D动态运动的预测。历史控制信号可以存储在存储器155中,每当检测到类似的3D动态操作时都可以检索到历史控制信号。
在本申请的各个实施例中,处理器150还可以从机外传感器140接收附加控制信号。处理器150可以利用从机载传感器、机外传感器或以上两种的组合的方式接收的控制信号来预测载运工具的未来运动。从机外速度控制传感器140接收的示例控制信号的实施例可以包括与地图数据相关的信号,该地图数据从连接到远程地图数据库的机外传感器接收,远程地图数据库中存储有各种地图数据。从机外速度控制传感器140接收的示例控制信号的实施例还可以包括从机外传感器接收的GPS信号,机外传感器连接到远程GPS数据库,远程GPS数据库中存储有各种纬度和经度坐标。从机外速度控制传感器140接收的示例控制信号的实施例还可以包括从远程装置(例如,位于交通信号灯杆上的传感器)接收的控制信号或从嵌入在附近其他载运工具中的传感器发出的其他控制信号。
例如,处理器150可以从连接到远程地图数据库的机外传感器接收与地图数据相关的信号。在这样的示例中,接收到的信号可以用于基于载运工具和与地图相关联的周围区域之间的关系来预测载运工具的运动。在载运工具位置根据地图数据显示载运工具正在接近十字路口和交叉路口的情况下,载运工具可能因转向而减速以及在十字路口或交叉路口处加速,因此可以预测未来的减速、转向或加速运动。再例如,处理器150可以从连接到远程GPS数据库的机外传感器接收信号,远程数据库包含各种GPS坐标。在这样的示例中,接收到的信号可以用于基于接收到的与载运工具地理位置相关联的GPS坐标来预测载运工具的运动。在载运工具GPS坐标周围的GPS坐标显示载运工具正接近高度/海拔增加或减小的区域的情况下,载运工具可能会在上坡路段减速行驶,在下坡路段加速行驶,因此可以预测未来的减速或加速。
再例如,处理器150可以从嵌入在固定对象(例如,交通信号灯杆或道路标志)上的远程装置接收控制信号。在这样的示例中,接收到的信号可以用于基于交通状况、载运工具与交通信号灯杆或道路标志之间的距离或载运工具与其他载运工具之间的距离来预测载运工具的运动。在处理器150从位于交通信号灯杆或道路标志(例如,停车标志)上的距离传感器(例如,LIDAR或任何类型的光传感器、相机或任何类型的图像传感器、任何类型的声音传感器等)接收控制信号的情况下,载运工具可能在交通信号灯杆或道路标志(例如,停车标志)的位置减速并停下来,因此当距离传感器检测到载运工具与交通信号灯杆或道路标志之间的距离减小时,可以预测未来的减速和停止运动。
又例如,处理器150可以接收嵌入在附近的其他载运工具上的传感器发射的控制信号。在实施例中,处理器150可以接收嵌入在先前载运工具上的传感器发射的控制信号,先前载运工具位于乘员正在操作的当前载运工具的前方。在这样的实施例中,嵌入在先前载运工具上的传感器可以包括各种类型的距离传感器,包括LIDAR传感器或其他光传感器(例如,可见光传感器、红外传感器、紫外线传感器、激光传感器等)、超声传感器或其他声音传感器、GPS接收器或其他位置确定传感器、视觉传感器或其他图像检测传感器(例如,相机)和/或任何种类的距离或接近传感器等。这些传感器例如可以在先前载运工具与当前载运工具之间的距离小于阈值时,向当前载运工具发出控制信号。在这样的示例中,为了避免碰撞到先前载运工具,当前载运工具可能减速或停止,因此处理器150可以预测减速或停止运动。
相应的机外速度控制传感器140可以附加地或替代地由人、计算机、计算实体或载运工具外部的其他操作实体来操作。在实施例中,处理器150可以从机外传感器140接收控制信号,该控制信号基于由人、计算机和/或非人工操作的机外传感器140检测到的操作而产生。处理器150可以基于机外传感器140接收的控制信号来预测载运工具的运动。载运工具的运动的预测可以基于检测到的控制信号和/或历史控制信号来生成,该历史控制信号是由机外传感器140历史上检测到的类似操作得到的。历史控制信号可以存储在存储器155中,每当机外传感器检测到的类似操作被发送到处理器150时,都可以检索到历史控制信号。
在一些实施例中,上述的机载速度控制传感器110或机外速度控制传感器140还可以包括与线控驱动(即线控驱动、线控转向、线控飞行或其他线控技术)系统相关联的电气控制机构,该线控驱动系统利用电气或机电系统执行通常由机械连杆操作的载运工具功能或运动。在实施例中,电气控制机构可以使用机载或机外机电致动器和人机界面,例如包括踏板和转向感觉模拟器。在这样的实施例中,机载速度控制传感器110或机外速度控制传感器140可以用于通过检测与线控驱动系统相关的电子信号或电磁信号,预测载运工具的未来运动。
图3是标识有各种示例性机载乘员传感器120和机外乘员传感器140的图示。
如图3所示,可选地,机载乘员传感器120可以包含在预测控制系统100中,以向处理器150提供附加控制信号。在实施例中,机载乘员传感器120可以响应于乘员特征的检测而产生附加控制信号。在实施例中,可以感测到的乘员的示例特征包括体重、身高、脊柱曲度、柔韧性、体温、坐高、肩宽、臀围、腰围、胸围、年龄、性别、身体残疾、健康状况、精神状况和/或乘员的其他生物特征。在实施例中,机载乘员传感器120可以包括:秤124、相机125、声音传感器126、化学传感器127和/或杂项传感器128。秤124可操作地连接至座椅122以测量乘员的体重。相机125可以测量乘员的尺寸。声音传感器126可以检测乘员的语音或音频指令的音量,或通过语音识别技术识别乘员的身份。化学传感器127可以检测乘员发出的信息素或其他化学物质。杂项传感器128可以是用于检测乘员的伸展运动或其他自控运动的传感器。可选地,也可以通过位于载运工具105外部的机外乘员传感器来感测乘员的特征。机外乘员传感器可以执行类似的功能以检测乘员的特征,并提供连接到处理器150的附加控制信号。
在实施例中,处理器150可以接收基于机载乘员传感器120和/或机外乘员传感器140检测到的操作而产生的附加控制信号。处理器150还可以基于检测到的乘员特征,利用各种致动器(在下文的图5中描述)提供对载运环境的调节,例如,通过使用座椅致动器160B来改变座椅的物理方面。例如,在声音传感器126经由语音识别技术识别出驾驶员A的语音的情况下,处理器150可以从机载乘员传感器120和/或机外乘员传感器140接收附加控制信号,以调节驾驶员A的座椅的高度、倾斜度或刚度。在实施例中,在驾驶员A已在历史上操作载运工具并适当调节座椅的情况下,可以基于与驾驶员A的个人资料相关的历史数据,从存储器155中检索适合驾驶员A的座椅的高度、倾斜度或刚度的信息。又例如,在机载乘员传感器120和/或机外乘员传感器140检测到乘员的伸展运动的情况下,处理器150可以响应于检测到的乘员的伸展运动使座椅致动器160B改变座椅的刚度(例如,将座椅的刚度从硬的程度改变为软的程度)。
应当理解,示例性机载和机外速度控制传感器110、140以及示例性机载和机外乘员传感器120、140中的任意一个或任意组合可以用于基于所预测的运动,预测载运工具的运动并改变载运环境。例如,当驾驶员(或嵌入在自动驾驶载运工具中的计算实体)正在操作油门踏板、制动踏板或油门时,可以使用机载或机外速度控制传感器110、140来预测(驾驶员驱动或自动驾驶)载运工具的加速或减速运动。同时,附加地,机载或机外乘员传感器120、140可用于检测特定乘员的特征,预测对载运环境的调节,以适合特定乘员。在这样的示例中,可以基于机载或机外速度控制传感器110、140的检测结果来产生第一控制信号。可以基于机载或机外乘员传感器120、140的检测结果来生成第二控制信号。图1所示的处理器150可以共同利用第一控制信号和第二控制信号来预测载运工具的载运环境的未来运动或变化。
更具体地,在机载或机外速度控制传感器110、140包括用于方向盘或其他转向机构的传感器的示例中,可以在驾驶员操作方向盘转向时使用该传感器。同时,机载或机外乘员传感器120、140还可以包括与座椅、相机、声音传感器、化学传感器或其他杂项传感器连接的秤,用于在驾驶员使用方向盘转向时检测乘员的特征。例如,连接到座椅的秤可以检测乘员的体重并在载运工具转向时调节乘员的方向(例如,在载运工具转向时,为了更好地保持乘员,为较轻的乘员更大程度地改变方向)。在这样的示例中,由方向盘的传感器检测到的第一控制信号和由秤检测到的第二控制信号共同用于预测未来的运动或调节载运工具的载运环境。
图4是标识有各种示例性机载环境传感器130和机外环境传感器140的图示。
在图4中,可选地,机载环境传感器130可以包括在预测控制系统100中,向处理器150提供其他附加信号,以基于预测的运动至少部分地减轻对乘员的影响。在实施例中,机载环境传感器130可以包括LIDAR传感器或其他光传感器132(例如,可见光传感器、红外传感器、紫外线传感器、激光传感器等)、超声传感器或其他声音传感器134、GPS接收器或其他位置确定传感器136、惯性测量传感器138、化学测量传感器139(例如,湿度传感器)、环境气象传感器(例如,风速传感器、风向传感器、环境温度传感器、温度计等)、距离或接近传感器、视觉传感器和/或图像检测传感器(例如,相机)。
应当理解,示例性机载和机外速度控制传感器110、140以及示例性机载和机外环境传感器130、140中的任意一个或任意组合可以用于基于所预测的运动,预测载运工具的运动并改变载运环境。例如,当驾驶员(或嵌入在自动驾驶载运工具中的计算实体)正在操作油门踏板、制动踏板或油门时,可以使用机载或机外速度控制传感器110、140来预测(驾驶员驱动或自动驾驶)载运工具的加速或减速运动。同时,附加地,机载或机外环境传感器130、140可用于检测即将出现的道路状况、天气状况和/或其他周围环境状况,以预测载运环境的潜在变化。例如,在基于从图像传感器、光传感器、声音传感器等接收到的信号预测即将出现的道路状况中有空穴、颠簸或不均匀的情况下,这些信号可以分别和/或共同与载运工具控制信号使用,以确定载运工具的未来运动。具体地,当检测到空穴或颠簸时,可能发生振动运动。又例如,在基于从机载或机外环境传感器(例如,湿度传感器、温度计、风速传感器等)接收到的信号检测到下雨、下雾或下雪的天气情况下,这些信号可以分别和/或共同与载运工具控制信号使用,以确定载运工具的未来运动。具体地,当检测到下雨、下雾或下雪的天气时,由于湿滑的道路状况和较差的能见度,驾驶员可能比正常驾驶速度慢,因此可以预测减速运动。在各种实施例中,可以基于机载或机外速度控制传感器110、140的检测结果来产生第一控制信号。可以基于机载或机外环境传感器130、140的检测结果来生成第二控制信号。图1所示的处理器150可以单独地或共同地利用第一控制信号和第二控制信号来预测载运工具的未来运动。
更具体地,在机载或机外速度控制传感器110、140包括用于方向盘或其他转向机构的传感器的示例中,可以在驾驶员操作方向盘转向时使用该传感器。同时,包括光传感器、声音传感器或任何其他距离/接近传感器的机载或机外环境传感器130、140还可以在驾驶员使用方向盘转向时,用于检测载运工具与即将出现的障碍物(例如,驾驶员正在占用的载运工具前方的另一个载运工具)之间的距离或接近度。在这样的示例中,由方向盘的传感器检测到的第一控制信号和由距离或接近传感器检测到的第二控制信号被单独地或共同地用于预测载运工具的未来运动。
在各实施例中,光传感器132的LIDAR实施方式可以用于预测即将发生碰撞。普通的视觉相机可以检测到即将出现的崎岖道路状况、即将出现的湿路面等。声音传感器134可以检测到乘员或其他人的“减速”、“快,去医院”或尖叫等指令。GPS或其他位置确定传感器136可以用于预测道路或轨道中即将出现的弯道、减速带、砾石或其他不良的道路状况。惯性测量传感器138例如可以检测到在潮湿或积雪的道路上的打滑。化学测量传感器139可以用于检测载运工具周围空气中的雾或灰尘,或检测到指示乘员恐惧的气息。这些传感器中的任意一个可以用于触发载运工具的急减速或载运工具的快速转向,并触发对乘员的座椅或其他载运环境的相应调节,以至少部分地减轻预测的未来运动对乘员的影响。
如本文所使用的,术语“预测”是指从算法上产生的事件的标识,该标识至少具有在接下来的几秒钟或几分钟之内发生的阈值可能性。在不同的实施例中,预测是针对可能在不超过5秒、10秒、30秒、1分钟或5分钟的事件发生时间内发生的事件。事件发生时间也可以根据所预测事件的严重性而变化。在预测与计算的可能性相关联的情况下,用于执行预测的阈值可以具有至少5%至100%的可能性,包括例如至少10%、25%、50%、75%和90%的可能性,阈值可以根据所预测事件的严重性而变化。
也可以从机载或机外数据存储中获取用于预测速度变化的信息。例如,预测载运工具运动的步骤可以包括基于先前的交通模式、一天中的时间(例如,高峰时间)、一周中的一天(例如,工作日或周末)或一年中的时节(例如,假日)、交通报告、交通广播、卫星数据等数据来预测即将出现的交通的变化。载运工具运动的预测还可以包括使用国家或地区天气数据预测周围天气的变化。下雨、下雪、冰雹和雾的发生是认为特别相关的天气条件。
预测的运动可以包括载运工具105的任何运动,无论是自愿的还是非自愿的,包括加速和减速、颠簸、转向和振动等。载运工具105的运动对乘员的影响范围可以从轻微的恼怒到晕车或其他严重的生理或心理不适。
从传感器获得的信息可以使用信号以任何适当方式传递传递给处理器。信号的传送例如可以包括使用电子方式、光学方式、机械方式以及通过硬线、无线或光学连接的通信。
处理器150是具有执行程序或算法的计算能力的任何硬件。示例处理器150包括数字/深度神经网络(DNN)或其他机器学习系统。在实施例中,处理器150用于使用一个或多个信号预测载运工具105的未来动作运动。该一个或多个信号是从传感器110、120、130、140以及机载存储器/数据库155或机外存储器/数据库中的任何一个得到的。优选地,对处理器150进行设置,使得在同时接收到不一致的第二信号时,或者在接收到第一信号后的几秒钟之内接收到不一致的第二信号时,通过忽略第一或第二信号、求平均值或以其他方式,使用信号混合或融合方法(例如,传感器融合处理)来组合第一信号和第二信号,完成对未来运动的预测。这样的结果可以至少部分地基于机器学习模型得到,例如,使用控制信号的样本数据训练DNN并评估载运工具105的相应运动。
如图1所示,处理器150用于向各个致动器(例如,载运工具致动器160A、座椅致动器160B或环境致动器160C)提供致动信号,以减轻由载运工具的预测运动引起的对乘员的影响。致动器可以是能够改变载运环境以提高乘员搭乘体验的任何装置、机械或设备。在实施例中,致动信号可以包括用于改变或调节座椅部件的信号。例如,致动信号可用于通过改变座椅的部件(包括支撑、坐垫、背部支撑、头部支撑、腰部支撑、诸如安全带的座椅约束或扶手等)来调节座椅的方向、倾斜度、空间位置、距离、尺寸、张力或刚度。
例如,在由于加速踏板的操作或传感器检测到即将出现的下坡道路状况时,由处理器150预测载运工具的加速运动的情况下,为了补偿所预测的载运工具的加速运动,处理器150可以生成致动信号以调节座椅的倾斜度,使座椅能够向前倾斜。类似地,在由于制动踏板的操作或传感器检测到即将出现的上坡道路状况时,由处理器150预测载运工具的减速运动的情况下,为了补偿所预测的载运工具的减速运动,处理器150可以生成致动信号以调节座椅的倾斜度,使座椅能够向后倾斜。
再例如,在由于方向盘的操作或传感器检测到即将出现的右弯时,由处理器150预测载运工具的右转运动的情况下,为了补偿所预测的载运工具的右转运动,处理器150可以生成致动信号以调节座椅的方向,使座椅能够左转。类似地,在由于方向盘的操作或传感器检测到即将出现的左弯时,由处理器150预测载运工具的左转运动的情况下,为了补偿所预测的载运工具的左转运动,处理器150可以生成致动信号以调节座椅的方向,使座椅能够右转。
图5是标识有各种示例性载运工具致动器、座椅致动器和环境致动器的图示。
如图5所示,示例性致动器包括:载运工具致动器160A、座椅致动器160B和环境致动器160C,这些致动器中的任意一个可以是机械的或非机械的。示例性机械致动器包括步进马达161、液压活塞162和气动活塞163。其他示例致动器,可以是机械的,也可以不是机械的,包括速度控制致动器164、转向致动器165、视觉显示控制器166、扬声器控制器167和其他杂项环境致动器168。
这些致动器中的任何一个都可用于控制一个或多个相应的受控装置170,包括座椅171和/或座椅的座椅部件171A、安全带172、腿部支撑173、安全带或其他座椅约束174、踏板、油门或其他速度控制机构175、方向盘或其他转向机构176、视觉显示系统177A和扬声器177B的物理方面。认为可以被致动的杂项环境装置178包括空调或座椅温度控制装置,以及用于操作窗户、窗帘和镜子的致动器。例如也可以通过改变载运工具高度、改变与四轮驱动或其他防滑机构的接合或脱出运动,致动载运工具的悬架系统179。
从处理器150到各种致动器160A、160B、160C的致动信号可以通过任何合适的方式传递。例如包括电子、光学或机械传递的信号。可以通过硬线、无线或光学连接的任意组合来传递电子信号。
图6示例性示出实现本申请实施例的方法600的步骤的流程图。
根据本申请的实施例,方法600包括至少四个主要步骤:
·步骤610-可选地从射频接收电路613接收信号612;
·步骤620-至少部分地基于接收到的信号612预测载运工具105的运动;
·步骤630-基于所预测的运动,计算对乘员的载运环境632的调节,以至少部分地抵消或补偿对乘员的影响;以及
·步骤640-对载运环境632执行调节。
在步骤610,信号612可以包括从机载速度控制传感器110、机载乘员传感器120、机载环境传感器130或相应的机外传感器140接收的控制信号。可以从嵌入在这些传感器上的射频接收电路613接收信号612。
在步骤620,基于接收到的信号612预测载运工具的运动。在实施例中,信号612可以包括从一个或多个机载传感器或机外传感器接收的控制信号。信号612可以由单个控制信号或多个控制信号生成。在接收到多个控制信号的情况下,处理器150可以通过以下方式生成信号612:忽略多个控制信号中的一部分、计算多个控制信号的平均值或将不同的加权参数应用于每个控制信号以将多个控制信号组合。在实施例中,可以基于历史数据预定义不同的加权参数,以向乘员提供更好的载运环境。
在步骤630,在预测了载运工具的未来运动之后,可以计算或确定对乘员的载运环境632的相应调节。计算或确定对载运环境的相应调节,是为了预先抵消或补偿所预测的运动。由于本申请公开内容的主动性或预测性,对载运环境即将发生的变化的反应时间和响应时间可以显著减少,以抵消所检测到的潜在不良影响并为乘员提供更好的载运工具的搭乘体验。
在步骤640,响应于预测的未来运动而计算或确定的的调节可以在载运工具上执行,以改变载运环境。在实施例中,通过发送致动信号以触发各种致动器(例如,载运工具致动器160A、座椅致动器160B或环境致动器160C)的方式进行调节,进而改变载运环境。可以通过调节受控装置来进行载运环境的改变,受控装置包括座椅、扬声器和/或其他杂项环境装置等的一个或多个部件。
可选地,方法600可以包括子步骤615、625、635和645。
可选步骤615包括:由以下任意一个或多个传感器得到在步骤610中示出的信号612:光传感器132、声音传感器134、位置确定传感器136、加速踏板112A或其他加速机构112B、制动踏板113A或其他制动机构113B、方向盘114A或其他转向机构114B、惯性测量单元115A、或机外传感器140。
可选步骤625包括:预测运动,包括预测以下任意一个或多个的变化:即将出现的道路状况、即将出现的交通的变化、环境天气的变化、或从附加信号接收到的信息。
可选步骤635包括:至少部分地基于乘员的特征来计算调节,其中,该特征选自以下任意一个或多个:体重、身高、年龄、体温、柔韧性、脊柱曲度、坐高、肩宽、臀围、腰围、胸围、性别、身体残疾、健康状况或精神状况。
可选步骤645包括进行调节,包括改变以下一个或多个:乘员所坐的座椅122的至少一个部件的位置、方向或刚度、改变载运工具105的悬架系统179的功能、改变载运工具105内的视觉显示177A、以及改变从载运工具105内的扬声器177B发出的声音或音量中的至少一种。
图7是载运工具的预测控制系统的示例性示意图,该系统包括各种基于预测的载运工具运动改变载运环境的模块。
如图7所示,预测控制系统可以包括感测模块710、决定模块720或执行模块730。在本申请的实施例中,感测模块710可以与各种机载传感器(例如,机载速度控制传感器110、乘员传感器120、环境传感器130)和机外传感器(例如,机外传感器140)相关联,以用于通过使用传感器融合技术混合从不同传感器源检测到的信息,从而提供控制信号或组合/混合控制信号。感测模块可以连接到执行不同种类的感测机制的各种传感器(如上所述),感测机制包括方向感测、振动感测、IMU感测、乘员特征感测或环境感测等,以向决定模块720提供更多信息,用于生成载运工具的未来运动的更准确的预测结果。
在本申请的实施例中,决定模块720可以与处理器150和存储器155相关联,用于根据基于接收到的控制信号所确定的预测结果来确定和生成致动信号。确定所产生的致动信号,并将该致动信号发送至执行模块730,以触发对载运环境的改变,进而抵消/补偿载运工具的预测未来运动。例如,当基于接收到的控制信号预测到加速运动时,决定模块720可以确定改变座椅的倾斜度以向前倾斜。类似地,当基于接收到的控制信号预测到减速运动时,决定模块720可确定改变座椅的倾斜度以向后倾斜。再例如,当基于接收到的控制信号预测到右转/左转运动时,决定模块可以确定将座椅向左/向右转以抵消/补偿所预测的右转/左转运动。又例如,当基于接收到的控制信号预测到振动运动时,决定模块720可以确定在3D维度的任何一个轴上改变座椅(例如,在3D维度的俯仰轴线、横滚轴线或偏航轴线上),以抵消/补偿所预测的振动运动。在实施例中,决定模块还可以基于存储在存储器155中的历史控制信号来进行确定。从感测模块接收的当前检测到的控制信号和存储在存储器中的先前检测到的历史控制信号可以独立地或共同地用于产生致动信号,以确定载运环境的改变/调节。
在实施例中,决定模块720可以基于从感测模块710得到的预测,从多个补偿策略中选择合适的补偿策略。多个补偿策略可以包括基于振动的策略、基于惯性的策略等。基于振动的策略需要一组预先定义的基于振动的规则,用于IMU检测到的振动运动(例如,振动运动、振荡运动、猛击运动)。例如,由于检测到即将出现的颠簸而可能将载运工具提升到更高的位置时,降低座椅的高度,或者由于检测到即将出现的空穴而可能使载运工具下降至更低位置时,升高座椅的高度,或者围绕座椅的重心,在3D动态中改变座椅的方向/姿态(改变座椅在俯仰轴线、横滚轴线和偏航轴线中的任意一个方向或它们的组合),该方向/姿态与预测的方向/姿态相反,等。基于惯性的策略需要一组预先定义的基于惯性的规则,用于检测到的惯性运动(例如,加速运动、减速运动、转向运动)。例如,当预测到加速运动时,将座椅的倾斜角度调节为向后倾斜,或者当预测到减速运动时,将座椅的倾斜角调节为向前倾斜,当预测到左转运动时,以一定的旋转角度向右旋转座椅和/或以一定的倾斜角度向右倾斜座椅,当预测到右转运动时,以一定的旋转角度向左旋转座椅和/或以一定的倾斜角度向左倾斜座椅等。
可以基于预测结果的特征(例如,基于振动或基于惯性),从一个或多个相应的基于振动的策略、基于惯性的策略等中选择合适的补偿策略。在预测结果具有多个特征的情况下,也可以基于多个补偿策略的组合来选择合适的补偿策略。例如,当检测到上坡路段上即将出现的颠簸时,感测模块710可以通过不同的传感器同时检测由于颠簸引起的基于振动的运动和由于上坡路段引起的基于惯性的运动。在这样的示例中,决定模块720可以确定合适的补偿策略,包括基于振动的策略和基于惯性的策略的组合或聚合,例如包括基于振动的策略中包含的规则的子集和基于惯性的策略中包含的规则的子集。合适的补偿策略的选择可以基于其他特征,包括预测结果的特征(例如,预测运动的类型、预测运动的幅度等)、载运工具的特征、乘员的特征(乘员的喜好、乘员的体重、就座高度、手臂长度等)和/或类似特征。具体地,在IMU感测到所预测的基于振动的运动的预测结果的情况下,决定模块720还可以考虑乘员的优选就座高度来确定合适的补偿策略。例如,在预测载运工具由于检测到即将出现的空穴而下降到更低位置的情况下,决定模块720还可以基于特定乘员的优选坐高来确定特定高度调节(例如,当一个乘员的坐高优选大于默认阈值时,较大程度地增加座椅的高度;当另一个乘员的坐高优选小于默认阈值时,较小程度地增加座椅的高度,等等)。
如图7所示,补偿策略可以具有相应执行机制,由执行模块730经由从决定模块720接收的致动信号执行,其中可以基于决定模块720所选的合适的补偿策略来产生致动信号。基于从感测模块710得到的预测,一旦从多个补偿策略中选择了合适的补偿策略,执行模块730就可以遵照与合适的补偿策略相关联的规则来执行相应的执行机制。
具体地,在根据IMU检测到的振动运动(例如,振动运动、振荡运动、猛击运动)确定基于振动的补偿策略的情况下,由执行模块730执行相应的基于振动的执行机制以抵消/补偿检测到的振动运动。例如,如果由于检测到即将出现的颠簸而可能将载运工具提升到更高的位置时,选择了降低座椅的高度的基于振动的规则,则执行模块730可以执行相应的基于振动的执行机制,以降低座椅的高度。再例如,如果由于检测到即将出现的空穴而可能使载运工具下降至更低位置时,选择了升高座椅的高度的基于振动的规则,则执行模块730可以执行相应的基于振动的执行机制,以增加座椅的高度。又例如,如果检测到在3D动态改变座椅的方向/姿态的基于振动的规则,则执行模块730可以执行相应的基于振动的执行机制,以在3D动态反向改变座椅的方向/姿态(将俯仰轴线、横滚轴线和偏航轴线中的任意一个或它们的组合变为与所预测的未来方向/姿态变化相反的方向),以抵消/补偿检测到的基于振动的方向/姿态运动。
具体地,在根据检测到的惯性运动(例如,加速运动、减速运动、转向运动)确定基于惯性的补偿策略的情况下,执行模块730执行相应的基于惯性的执行机制以抵消/补偿检测到的惯性运动。例如,如果在预测到加速运动时选择了将座椅的倾斜角调节为向后倾斜的基于惯性的规则,则执行模块730可以执行相应的基于惯性的执行机制来改变座椅的部件(例如,座椅靠背、座椅底部等),以使座椅可以向后倾斜。再例如,如果在预测到减速运动时选择了将座椅的倾斜角调节为向前倾斜的基于惯性的规则,则执行模块730执行相应的基于惯性的执行机制来改变座椅的部件(例如,座椅靠背、座椅底部等),以使座椅可以向前倾斜。又例如,如果在预测到左转/右转运动时,选择了以一定的旋转角度向右/向左旋转座椅和/或以一定的倾斜角度向右/向左倾斜座椅的基于惯性的规则,则执行模块730执行相应的基于惯性的执行机制来改变座椅,使得座椅可以以一定的旋转角度向右/向左旋转和/或以一定的倾斜角度向右/向左倾斜。
在实施例中,当从一个或多个基于振动的补偿策略、基于惯性的策略和/或其他补偿策略中选择合适的补偿策略时,可以基于该选择共同地执行相应的执行机制。共同地执行相应的执行机制,是为了基于所预测的不良运动的不同检测特征(例如,基于振动或基于惯性)的载运环境组合或聚合调节可以同时生效,以提供更好的补偿运动,消除所预测的不良运动。在实施例中,合适的补偿策略的选择还可以基于其他特征,包括预测结果的特征(例如,预测运动的类型、预测运动的幅度等)、载运工具的特征、乘员的特征(乘员的喜好、乘员的体重、就座高度、手臂长度等)和/或类似特征。在这样的实施例中,还可以考虑与这些附加特征(包括预测结果、载运工具、乘员等特征)相关联的相应执行机制,以更好地消除所预测的不良运动。具体地,对于特定的预测结果(例如,考虑转向运动的转向角度、即将出现的上坡/下坡路段的道路状况的陡度、特定载运工具的振动幅度等)、对于特定的载运工具(例如,考虑到与常规汽车相比,跑车的底盘较低;与常规汽车相比,运动型多功能车(SUV)的底盘较高等)和/或对于特定的乘员(例如,考虑特定乘员的坐高、体重、臂长、肩宽等),执行模块730可以执行附加的执行机制。由于考虑到各种特征,例如所预测的未来运动的特征、所预测的结果的特征、载运工具的特征、和/或乘员的特征,本申请提出的系统可以基于多种因素主动地调节载运环境,包括所预测的载运工具的未来运动、载运工具的独特特征和/或乘员的独特特征,并可以为乘员提供精确的调节和更好的搭乘体验。
在本申请的实施例中,执行模块730可以与各种致动器(例如,载运工具致动器160A、座椅致动器160B或环境致动器160C)相关联。执行模块730接收决定模块720产生的致动信号,以改变或调节座椅环境。载运工具致动器160A可以包括速度致动器(例如,油门或制动器)和/或转向致动器。例如,当预测到为避免与障碍物或先前载运工具发生碰撞的减速或停止运动时,载运工具致动器160A可以由执行模块触发,以锁定加速踏板或触发制动踏板,进而使载运工具停止或绕过障碍物。再例如,当确定座椅的方向、倾斜度、刚度改变时,执行模块可以触发座椅致动器160B,以调节座椅的一个或多个部件。又例如,当检测到为停止载运工具的减速或停止运动时,执行模块730可以打开扬声器的音量并提供音频警告,以警告驾驶员或乘客所预测的不良道路状况或可能的碰撞。
对于本领域技术人员显而易见的是,在不背离本文的发明构思的前提下,除已经描述的修改之外,还可以进行更多修改。因此,除所附权利要求的精神之外,本申请的主题不受限制。此外,在解释说明书和权利要求书时,所有术语应当以与上下文一致的尽可能广泛的方式进行解释。特别地,术语“包括”和“包含”应被解释为以非排他性的方式指代元件、部件或步骤,指示所引用的元件、部件或步骤可以存在、使用或与其他未明确引用的元件、部件或步骤组合。说明书要求保护包含有A、B、C、…、N的一组中的至少一个,则应解释为仅需要该组中的一个元素,而不是A加N或B加N等。