CN114368392A - 自主训练驾驶员的方法和系统 - Google Patents
自主训练驾驶员的方法和系统 Download PDFInfo
- Publication number
- CN114368392A CN114368392A CN202110504168.6A CN202110504168A CN114368392A CN 114368392 A CN114368392 A CN 114368392A CN 202110504168 A CN202110504168 A CN 202110504168A CN 114368392 A CN114368392 A CN 114368392A
- Authority
- CN
- China
- Prior art keywords
- trainee
- autonomous vehicle
- manual inputs
- vehicle
- recommended actions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 title claims abstract description 45
- 230000009471 action Effects 0.000 claims abstract description 57
- 230000006870 function Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 12
- 230000001276 controlling effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000037424 autonomic function Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
-
- 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
- B60W50/087—Interaction between the driver and the control system where the control system corrects or modifies a request from the driver
-
- 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
- B60W50/12—Limiting control by the driver depending on vehicle state, e.g. interlocking means for the control input for preventing unsafe operation
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/042—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles providing simulation in a real vehicle
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
-
- 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
- B60W2540/10—Accelerator pedal position
-
- 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
- B60W2540/12—Brake pedal position
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
根据示例性实施例,提供了一种用于使用自主车辆训练受训者的方法,该方法包括:经由一个或多个传感器测量来自受训者关于控制自主车辆的一个或多个手动输入;经由处理器使用存储在自主车辆的存储器中的自主驾驶算法确定用于自主车辆的一个或多个推荐动作;经由处理器将来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及经由处理器基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
Description
技术领域
本公开总体上涉及车辆,更具体地涉及用于使用自主车辆训练驾驶员的系统和方法。
背景技术
自主车辆是能够在很少或没有用户输入的情况下感测其环境并进行导航的车辆。它是通过使用感测设备比如雷达、激光雷达、图像传感器等来实现的。自主车辆还使用来自全球定位系统(GPS)技术、导航系统、车辆至车辆通信、车辆至基础设施技术和/或电传驾驶系统的信息来导航车辆。
尽管自主车辆相对于传统车辆具有许多潜在的优势,但在某些情况下,可能需要训练人能够在没有车辆自主协助的情况下驾驶车辆。例如,在各个实施例中,人可能希望为个人满意而开车,和/或可能需要在某些情况下开车,例如,如果人可能在未来的某个时刻处于这样的情况下:可能在某些位置或情况下无法使用或不允许使用运行的自主车辆。
用于训练人驾驶的当前技术包括人工教练。然而,在某些情况下,使用人工教练的典型技术可能并不总是最佳的,例如,因为这可能会引入人工教练的偏见,并且/或者可能更加耗时、昂贵和/或难以安排时间,和/或在某些情况下可能包含风险和/或效率低下。
因此,期望提供用于训练车辆的人类驾驶员的系统和方法。此外,结合附图和本发明的该背景技术,根据本发明的随后的详细描述和所附的权利要求,本发明的其他期望的特征和特性将变得显而易见。
发明内容
根据示例性实施例,提供了一种用于使用自主车辆训练受训者的方法,该方法包括:经由一个或多个传感器测量来自受训者关于控制自主车辆的一个或多个手动输入;经由处理器使用存储在自主车辆的存储器中的自主驾驶算法确定用于自主车辆的一个或多个推荐动作;经由处理器将来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及经由处理器基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,测量手动输入的步骤包括经由一个或多个传感器测量来自受训者在接合用于自主车辆的加速器踏板时的一个或多个手动输入;将手动输入与推荐动作进行比较的步骤包括经由处理器将来自受训者在接合加速器踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及确定分数的步骤包括经由处理器基于来自受训者在接合加速器踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,测量手动输入的步骤包括经由一个或多个传感器测量来自受训者在接合用于自主车辆的方向盘时的一个或多个手动输入;将手动输入与推荐动作进行比较的步骤包括经由处理器将来自受训者在接合方向盘时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及确定分数的步骤包括经由处理器基于来自受训者在接合方向盘时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,测量手动输入的步骤包括经由一个或多个传感器测量来自受训者在接合用于自主车辆的制动踏板时的一个或多个手动输入;将手动输入与推荐动作进行比较的步骤包括经由处理器将来自受训者在接合制动踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及确定分数的步骤包括经由处理器基于来自受训者在接合制动踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,该方法还包括基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来为受训者提供瞬时反馈。
同样在示例性实施例中,该方法还包括向一个或多个第三方提供与受训者分数相关的结果。
同样在示例性实施例中,该方法还包括:确定受训者的分数是否超过一个或多个预定阈值;以及选择性地允许受训者控制用于自主车辆的驾驶功能的一个或多个特征。
同样在示例性实施例中,选择性地允许受训者控制车辆的一个或多个特征的步骤包括:基于分数是否超过一个或多个第一阈值,选择性地允许受训者控制用于自主车辆的驾驶功能的某些特征;以及基于分数是否超过不同于第一阈值的一个或多个第二阈值,经由通过处理器根据自主驾驶算法提供的指令,自动控制驾驶功能的某些其他特征。
在另一示例性实施例中,一种用于使用自主车辆训练受训者的系统,该系统包括:一个或多个传感器,其配置为测量来自受训者关于控制自主车辆的手动输入;非暂时性计算机可读存储器,其配置为存储用于自主车辆的自主驾驶算法;以及处理器,其耦合到一个或多个传感器以及非暂时性计算机可读存储器,并且配置为至少有助于:使用自主驾驶算法确定用于自主车辆的一个或多个推荐动作;将来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,一个或多个传感器配置为测量来自受训者在接合用于自主车辆的加速器踏板时的一个或多个手动输入;并且处理器配置为至少有助于:将来自受训者在接合加速器踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及基于来自受训者在接合加速器踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,一个或多个传感器配置为测量来自受训者在接合用于自主车辆的方向盘时的一个或多个手动输入;并且处理器配置为至少有助于:将来自受训者在接合方向盘时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及基于来自受训者在接合方向盘时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,一个或多个传感器配置为测量来自受训者在接合用于自主车辆的制动踏板时的一个或多个手动输入;并且处理器配置为至少有助于:将来自受训者在接合制动踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及基于来自受训者在接合制动踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,处理器还配置为至少有助于基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来为受训者提供瞬时反馈。
同样在示例性实施例中,处理器还配置为至少有助于向一个或多个第三方提供与受训者分数相关的结果。
同样在示例性实施例中,处理器还配置为至少有助于:确定受训者的分数是否超过一个或多个预定阈值;以及选择性地允许受训者控制用于自主车辆的驾驶功能的一个或多个特征。
同样在示例性实施例中,处理器还配置为至少有助于:基于分数是否超过一个或多个第一阈值,选择性地允许受训者控制用于自主车辆的驾驶功能的某些特征;以及基于分数是否超过不同于第一阈值的一个或多个第二阈值,经由通过处理器根据自主驾驶算法提供的指令,自动控制驾驶功能的某些其他特征。
在另一示例性实施例中,提供了一种用于训练受训者的自主车辆,该自主车辆包括:加速器踏板;制动踏板;方向盘;多个传感器,其配置为测量经由受训者接合加速器踏板、制动踏板和方向盘而来自受训者关于控制自主车辆的手动输入;非暂时性计算机可读存储器,其配置为存储用于自主车辆的自主驾驶算法;以及处理器,其耦合到一个或多个传感器以及非暂时性计算机可读存储器,并且配置为至少有助于:使用自主驾驶算法确定用于自主车辆的一个或多个推荐动作;将来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
同样在示例性实施例中,处理器还配置为至少有助于:基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来为受训者提供瞬时反馈;以及向一个或多个第三方提供与受训者分数相关的结果。
同样在示例性实施例中,处理器还配置为至少有助于:确定受训者的分数是否超过一个或多个预定阈值;以及选择性地允许受训者控制用于自主车辆的驾驶功能的一个或多个特征。
同样在示例性实施例中,处理器还配置为至少有助于:基于分数是否超过一个或多个第一阈值,选择性地允许受训者控制用于自主车辆的驾驶功能的某些特征;以及基于分数是否超过不同于第一阈值的一个或多个第二阈值,经由通过处理器根据自主驾驶算法提供的指令,自动控制驾驶功能的某些其他特征。
附图说明
在下文中将结合以下附图描述示例性实施例,其中,相同的标号表示相同的元件,并且其中:
图1是示出根据各个实施例的自主车辆的功能框图;
图2是示出根据各个实施例的具有如图1所示的一个或多个自主车辆的运输系统的功能框图;
图3是示出根据各个实施例的与自主车辆相关的自主驾驶系统(ADS)的功能框图;
图4是示出根据各个实施例的用于自主车辆的驾驶员训练控制系统的数据流程图;以及
图5是根据各个实施例的用于使用自主车辆训练驾驶员的控制过程的流程图。
具体实施方式
以下详细描述本质上仅是示例性的,并不旨在限制应用和使用。此外,无意受在前述技术领域、背景技术、发明内容或以下详细描述中提出的任何明示或暗示的理论约束。如本文所用,术语“模块”是指单独或以任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备,包括但不限于:专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用或组)和存储器、组合逻辑电路和/或提供所描述功能的其他合适部件。
这里可以根据功能和/或逻辑块部件以及各种处理步骤来描述本公开的实施例。应当理解,可以通过配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实现这样的块部件。例如,本公开的实施例可以采用各种集成电路部件,例如存储器元件、数字信号处理元件、逻辑元件、查找表等,其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。另外,本领域技术人员将理解,可以结合任何数量的系统来实践本公开的实施例,并且本文描述的车辆系统仅仅是本公开的示例性实施例。
为了简洁起见,与信号处理、数据传输、信令、控制、机器学习、图像分析和系统的其他功能方面(以及系统的各个操作部件)有关的常规技术在此处可能不会详细描述。此外,本文包含的各个附图中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意,在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。
参照图1,根据各个实施例,总体上表示为100的驾驶员训练控制系统100与车辆10相关。通常,驾驶员训练控制系统(或简称为“系统”)100提供使用车辆10训练人驾驶。在各个实施例中,车辆10包括自主车辆。
如图1所示,车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上并且基本上包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16-18每个在车身14的相应角部附近旋转地联接至底盘12。尽管在图1中描绘了机动车辆,但应理解,在各个实施例中,车辆10可包括任何数量的其他类型的车辆(例如船、其他海上车辆、火车、飞机和/或航天器)和/或一个或多个其他类型的移动平台。
在各个实施例中,车辆10是自主车辆,并且驾驶员训练控制系统100和/或其部件被结合到自主车辆10(以下称为自主车辆10)中。自主车辆10是例如被自动控制以将乘客在各位置间载运的车辆。在图示的实施例中,车辆10被描述为乘用车,但应当理解,也可以使用任何其他车辆,包括摩托车、卡车、运动型多用途车(SUV)、休闲车(RV)、轮船、飞机等。如下面进一步更详细地描述,车辆10还配置为训练人如何驾驶车辆,例如使得人一旦被训练就能够在不依赖于自主车辆功能的情况下驾驶车辆。
在示例性实施例中,自主车辆10对应于自动驾驶级别的汽车工程师协会(SAE)“J3016”标准分类法下的四级或五级自动化系统。使用该术语,四级系统表示“高度自动化”,是指自动驾驶系统执行动态驾驶任务的所有方面的驾驶模式,即使人类驾驶员没有适当地响应干预要求。另一方面,五级系统表示“完全自动化”,是指自动驾驶系统在可由人类驾驶员管理的所有道路和环境条件下执行动态驾驶任务的所有方面的驾驶模式。然而,将理解,根据本主题的实施例不限于自动化类别的任何特定分类法或标题。此外,根据本实施例的系统可以与利用导航系统和/或其他系统来提供路线引导和/或实现的任何自主或其他车辆结合使用。
如图所示,自主车辆10通常包括推进系统20、传动系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储装置32、至少一个控制器34和通信系统36。
在各个实施例中,推进系统20可以包括内燃机、诸如牵引马达的电机和/或燃料电池推进系统。在各个实施例中,推进系统20具有或联接至用于驾驶员(和/或受训者)的加速器踏板21,以为推进系统20提供手动加速输入,以车辆10提供加速。
传动系统22配置成根据可选速比将动力从推进系统20传递至车轮16和18。根据各个实施例,传动系统22可包括有级传动比自动变速器、无级变速器或其他合适的变速器。
制动系统26配置成向车轮16和18提供制动扭矩。在各个实施例中,制动系统26可以包括摩擦制动、线制动、诸如电机的再生制动系统和/或其他合适的制动系统。在各个实施例中,制动系统26包括用于驾驶员(和/或受训者)的制动踏板27,以为制动系统26提供手动制动输入。
转向系统24影响车轮16和/或18的位置。在各个实施例中,转向系统24包括用于驾驶员(和/或受训者)的方向盘25,以为转向系统24提供手动转向输入。
传感器系统28包括一个或多个感测设备40a-40n,其感测自主车辆10的外部环境和/或内部环境的可观察到的状况。感测设备40a-40n可以包括但不限于制动踏板传感器、方向盘传感器、加速器踏板传感器、雷达、激光雷达、全球定位系统、光学相机、热像仪、超声波传感器、转向信号及其传感器、相机和/或其他用于观看驾驶员(例如用于正确后视镜使用等)的其他传感器和/或其他传感器。致动器系统30包括控制车辆10的一个或多个车辆特征的一个或多个致动器装置42a-42n。在各个实施例中,致动器装置42a-42n(也称为致动器42)控制一个或多个特征,比如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各个实施例中,自主车辆10还可以包括图1中未示出的内部和/或外部车辆特征,比如行李箱和舱室特征,比如通风、音乐、照明、触摸屏显示部件(比如与导航系统结合使用的那些)等。
数据存储装置32存储用于自动控制自主车辆10和使用自主车辆10进行驾驶员训练的数据。在各个实施例中,数据存储装置32存储与当前驾驶员(或受训者)的驾驶得分有关的信息,包括基于驾驶员(或受训者)的手动驾驶输入与由车辆10的自主功能推荐的驾驶输入之间的比较。
另外,在各个实施例中,数据存储设备32存储可导航环境的定义地图。在各个实施例中,定义地图可以由远程系统预定义并从其获得(参考图2更详细地描述)。例如,定义地图可以由远程系统组装,并(无线地和/或以有线方式)传送到自主车辆10,并存储在数据存储设备32中。路线信息也可以存储在数据存储设备32中,即一起定义用户从起始位置(例如用户的当前位置)到目标位置可能要行使的路线的一组路段(在地理上与一个或多个定义地图相关)。同样在各个实施例中,数据存储设备32存储与车辆10可能在其上行驶的道路有关的数据。将理解的是,数据存储设备32可以是控制器34的一部分、与控制器34分离或者是控制器34的一部分并且是单独系统的一部分。
控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制的或可商购的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关的多个处理器中的辅助处理器、基于半导体的微处理器(形式为微芯片或芯片组)、其任何组合或通常用于执行指令的任何设备。例如,计算机可读存储设备或介质46可以包括只读存储器(ROM)、随机存取存储器(RAM)和保持活动存储器(KAM)中的易失性和非易失性存储。KAM是持久性或非易失性存储器,其可以在处理器44掉电时用于存储各种操作变量。可以使用许多已知的存储设备中的任何一种来实现计算机可读存储设备或介质46,比如PROM(可编程只读存储器)、EPROM(电PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其他电、磁、光或组合存储设备,其中一些表示可执行指令,由控制器34在控制自主车辆10和提供驾驶员训练时使用。
在各个实施例中,处理器44基于当前驾驶员(或受训者)的驾驶得分为人类驾驶员提供驾驶员训练,包括基于驾驶员(或受训者)的手动驾驶输入与车辆10的自主功能推荐的驾驶输入之间的比较。
指令可以包括一个或多个单独的程序,每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器44执行时,指令从传感器系统28接收并处理信号,执行用于驾驶员训练以及用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法,并且基于逻辑、计算、方法和/或算法生成传输至致动器系统30的控制信号以自动控制自主车辆10的部件。尽管在图1中仅示出了一个控制器34,但自主车辆10的实施例可包括任意数量的控制器34,它们通过任何合适的通信介质或通信介质的组合进行通信,并且配合以处理传感器信号,执行逻辑、计算、方法和/或算法,并且生成控制信号以自动控制自主车辆10的特征。在一实施例中,如下文详细讨论,控制器34配置成用于提供使用自主车辆10的驾驶员训练。
通信系统36配置为与其他实体48进行无线通信,比如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、训练和运输系统和/或用户设备(关于图2更详细地描述)。在示例性实施例中,通信系统36是无线通信系统,其配置为使用IEEE 802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信。然而,在本公开的范围内还考虑了诸如专用短程通信(DSRC)信道之类的附加或替代通信方法。DSRC信道是指专门为汽车使用而设计的单向或双向短程到中程无线通信信道以及一组相应的协议和标准。
现在参考图2,在各个实施例中,参照图1描述的自主车辆10可适用于成组或成队车辆的环境,或者可以简单地由远程系统管理。例如,自主车辆10可以与成组或成队自主车辆相关,以训练学生驾驶员(并且在某些实施例中还用于运输)。图2示出了总体上以50示出的操作环境的示例性实施例,其包括基于自主车辆的远程系统(或简称为“训练和运输系统”)52,其与关于图1所描述的一个或多个自主车辆10a-10n相关。在各个实施例中,操作环境50(其全部或部分可以对应于图1所示的实体48)进一步包括通过通信网络56而与自主车辆10和/或训练和运输系统52通信的一个或多个用户设备54。
通信网络56根据需要支持由操作环境50支持的设备、系统和部件之间的通信(例如经由有形的通信链路和/或无线通信链路)。例如,通信网络56可以包括诸如蜂窝电话系统之类的无线载波系统60,其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出)以及将无线载波系统60与陆地通信系统连接所需的任何其他联网部件。每个蜂窝塔包括发送和接收天线以及基站,来自不同蜂窝塔的基站直接或通过诸如基站控制器的中间装备连接到MSC。无线载波系统60可以实施任何合适的通信技术,包括例如数字技术,比如CDMA(例如CDMA2000)、LTE(例如4G LTE或5G LTE)、GSM/GPRS或者其他当前或新兴的无线技术。其他蜂窝塔/基站/MSC布置也是可能的,并且可以与无线载波系统60一起使用。例如,基站和蜂窝塔可以共同位于同一地点,或者它们可以位于彼此遥远的位置,每个基站可以负责单个蜂窝塔,或单个基站可以服务各个蜂窝塔,或各个基站可以耦合到单个MSC,仅举几个可能的布置。
除了包括无线载波系统60之外,还可以包括卫星通信系统64的形式的第二无线载波系统,以提供与自主车辆10a-10n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发送站(未示出)来完成。单向通信可以包括例如卫星无线电服务,其中节目内容(新闻、音乐等)由发送站接收,打包后上传,然后发送到卫星,它将节目广播给订户。双向通信可以包括例如卫星电话服务,其使用卫星来中继车辆10和站之间的电话通信。除了或代替无线载波系统60,还可以利用卫星电话。
可以进一步包括陆地通信系统62,其是连接到一个或多个陆线电话的常规基于陆地的电信网络,并且将无线载波系统60连接到训练和运输系统52。例如,陆地通信系统62可以包括公共交换电话网络(PSTN),比如用于提供硬线电话、分组交换的数据通信以及互联网基础设施。可以通过使用标准有线网络、光纤或其他光网络、电缆网络、电力线、其他无线网络(比如无线局域网(WLAN))或提供宽带无线访问(BWA)的网络或其任何组合来实施陆地通信系统62的一个或多个段。此外,训练和运输系统52不需要经由陆地通信系统62连接,而是可以包括无线电话装备,从而其可以与诸如无线载波系统60的无线网络直接通信。
尽管在图2中仅示出了一个用户设备54,但操作环境50的实施例可以支持任何数量的用户设备54,包括一个人拥有、操作或以其他方式使用的多个用户设备54。可以使用任何适当的硬件平台来实施由操作环境50支持的每个用户设备54。就这一点而言,用户设备54可以以任何常见的形式来实现,包括但不限于:台式计算机;移动计算机(例如平板计算机、膝上型计算机或上网本计算机);智能手机;视频游戏设备;数字媒体播放器;家庭娱乐设备的部件;数码相机或摄像机;可穿戴计算设备(例如智能手表、智能眼镜、智能服装)等。由操作环境50支持的每个用户设备54被实现为具有执行本文所述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑的计算机实施的或基于计算机的设备。例如,用户设备54包括可编程设备形式的微处理器,其包括存储在内部存储器结构中并被用于接收二进制输入以创建二进制输出的一个或多个指令。在一些实施例中,用户设备54包括GPS模块,其能够接收GPS卫星信号并基于那些信号生成GPS坐标。在其他实施例中,用户设备54包括蜂窝通信功能,使得该设备使用一种或多种蜂窝通信协议通过通信网络56执行语音和/或数据通信,如本文所讨论。在各个实施例中,用户设备54包括视觉显示器,比如触摸屏图形显示器或其他显示器。
训练和运输系统52包括一个或多个后端服务器系统(未示出),其可以是基于云的、基于网络的或驻留在由训练和运输系统52提供服务的特定校园或地理位置中。训练和运输系统52可以由现场顾问,自动顾问,人工智能系统或其组合来操纵。训练和运输系统52可以与用户设备54和自主车辆10a-10n通信以提供驾驶员训练以及安排行程、调度自主车辆10a-10n等。在各个实施例中,训练和运输系统52存储商店帐户信息,比如订户认证信息、车辆识别符、简档记录、生物统计数据、行为模式以及其他相关的订户信息。
根据典型的用例工作流程,训练和运输系统52的注册用户可以经由用户设备54创建乘车请求。乘车请求通常将指示乘客的期望上车位置(或当前GPS位置)、期望的目的地位置(其可以识别预定义的车辆停靠站和/或用户指定的乘客目的地)以及上车时间。训练和运输系统52接收乘车请求,处理该请求,并调度自主车辆10a-10n中的一个选定车辆(当可用时且如果有的话)在指定的上车地点并在适当的时间接载乘客。运输系统52还可以生成适当配置的确认消息或通知并将其发送到用户设备54,以使乘客知道车辆在路上。
可以理解的是,本文公开的主题提供了可以视为标准或基准自主车辆10和/或基于自主车辆的训练和运输系统52的某些增强的特征和功能。为此,可以对自主车辆和基于自主车辆的远程运输系统进行修改、增强或补充,以提供以下更详细描述的其他特征。
根据各个实施例,控制器34实施如图3所示的自主驾驶系统(ADS)。即,控制器34(例如处理器44和计算机可读存储设备46)的合适的软件和/或硬件部件用于提供与车辆10结合使用的ADS。
在各个实施例中,自主驾驶系统70的指令可以通过功能或系统来组织。例如,如图3所示,自主驾驶系统70可以包括传感器融合系统74、定位系统76、引导系统78和车辆控制系统80。可以理解的是,在各个实施例中,指令可被组织成任意数量的系统(例如组合的、进一步划分的等),因为本公开不限于本示例。
在各个实施例中,传感器融合系统74合成并处理传感器数据,并且预测车辆10的环境的物体和特征的存在、位置、分类和/或路径。在各个实施例中,传感器融合系统74可以包括合并来自多个传感器的信息,包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型传感器。
定位系统76与其他数据一起处理传感器数据以确定车辆10相对于环境的位置(例如相对于地图的局部位置、相对于道路车道的精确位置、车辆前进方向、速度等)。引导系统78与其他数据一起处理传感器数据,以确定车辆10要遵循的路径。车辆控制系统80根据确定的路径生成用于控制车辆10的控制信号。
在各个实施例中,控制器34实施机器学习技术以辅助控制器34的功能,比如特征检测/分类、障碍物缓解、路线穿越、地图绘制、传感器集成、地面真相确定等。
返回参考图1,在各个实施例中,控制器34的一个或多个指令被体现在图1的用户驾驶员训练控制系统100中,其通过自主车辆10控制驾驶员训练。
参考图4,示例性驾驶员训练控制系统400通常包括感测模块402、输入模块404、确定模块406和控制模块408。
在各个实施例中,感测模块402获得用于车辆10及其周围环境的传感器数据,包括关于车辆10的位置、车辆10的操作参数(例如航向、速度、加速度、转向角等)以及车辆10周围的环境(例如道路、其他车辆以及靠近车辆10的其他物体、天气、交通状况、道路状况等)。在各个实施例中,传感器数据是经由图1的传感器系统的感测设备(例如传感器)40获得的。在各个实施例中,感测模块402将传感器数据作为输入403提供给输入模块404和/或确定模块406,如下所述。
同样在各个实施例中,输入模块404从车辆10的驾驶员受训者接收手动输入。例如,在各个实施例中,输入模块经由图1的传感器40从受训者接合车辆输入装置比如图1的加速器踏板21、方向盘25和制动踏板27接收手动输入,传感器40联接到这样的输入装置(例如联接到加速器踏板21、方向盘25、制动踏板27等)。在各个实施例中,驾驶员手动输入包括驾驶员对车辆10的预期操作(例如用于推进、转向、制动等),并且被提供为确定模块406的输入405,如下所述。
同样在各个实施例中,确定模块406使用自主车辆10的自主控制功能和相关算法,基于由感测模块402提供的传感器输入403来确定用于车辆10的推荐动作。另外,同样在各个实施例中,确定模块406还将用户手动输入405与车辆10的推荐动作进行比较,并基于该比较确定受训者的得分。在各个实施例中,得分被提供为控制模块408的输入407。
另外,在各个实施例中,控制模块408基于得分输入407报告受训者和/或一个或后勤局和/或主管部门(例如车队的运营商、机动车辆驾驶当局等)的得分。同样在各个实施例中,控制模块408大体上根据传感器输入403来控制车辆操作(例如包括推进、转向和制动)。此外,在各个实施例中,控制模块408基于得分输入407中反映的受训者的得分而允许受训者对车辆10的驾驶进行逐渐控制(例如在某些实施例中,逐渐进入各个级别和/或对车辆10的操作进行控制)。
在各个实施例中,图4的感测模块402、输入模块404、确定模块406和控制模块408连同图1的车辆10的相关部件(例如传感器40、处理器44和计算机可读存储设备)一起根据图5所示并且下面对此进行描述的过程500提供这些功能。
图5是根据示例性实施例的用于使用自主车辆训练驾驶员的控制过程500的流程图。下面结合图5以及继续参考图1-4讨论控制方法400。在各个实施例中,控制方法500可以由系统100、自主车辆10、驾驶训练控制系统400以及图1-4的各个部件及相关实施方式根据示例性实施例来执行。如根据本公开可以理解的是,该方法内的操作顺序不限于如图5所示的顺序执行,而是可以按照适用且根据本公开的一个或多个变化顺序来执行。在各个实施例中,控制方法500可被调度为基于一个或多个预定事件运行,和/或可以在自主车辆10的操作期间连续运行。
在各个实施例中,控制方法500可以在步骤502开始。在各个实施例中,当乘员/受训者在车辆10内并且进入车辆10的训练模式时,502发生。
在各个实施例中,在步骤504为受训者确定简档和设置。具体地,在各个实施例中,识别受训者(例如通过密钥卡和/或受训者的其他特征,和/或受训者名称的手动输入和/或其他标识等)。同样在各个实施例中,基于受训者的先前经验和/或相对于车辆10的得分来建立对受训者的适当控制。例如,在某些实施例中,可以逐渐允许受训者在受训者已经达到关于这种功能性的特定测试和/或得分指标等之后使用车辆10的不同功能以驾驶和操作车辆10。在各个实施例中,这些确定是经由图1的处理器44使用来自图1的传感器40的传感器输入和在图1的计算机可读存储设备(例如计算机存储器)46中存储的有关受训者的数据而做出的。
同样在各个实施例中,在步骤506确定受训者是否正试图控制车辆10。在各个实施例中,该确定由图1的处理器44经由图1的传感器40而做出,例如关于受训者是否已接合一个或多个输入装置,比如图1的加速器踏板21、方向盘25和/或制动踏板27。
如果确定受训者正在尝试控制,则在各个实施例中,在下面描述的步骤508-514中,确定推荐的车辆动作并将其与用户手动输入进行比较。
具体地,在各个实施例中,在步骤508,用于车辆10的自主算法利用各种输入(包括关于车辆10的操作和车辆周围环境的传感器数据)。在各个实施例中,这由图1的处理器44基于由图1的传感器40提供的数据使用存储在图1的存储器46中的自主驾驶算法而执行。
另外,在各个实施例中,在步骤510获得用于车辆10的人工输入和控制。具体地,在各个实施例中,通过受训者接合车辆输入装置比如车辆10的加速器踏板21、方向盘25和制动踏板27(如经由与其联接的图1的传感器40测量)来确定受训者对车辆的预期动作。
同样在各个实施例中,在步骤512获得来自其他车辆传感器的数据。具体地,在各个实施例中,获得来自其他车辆传感器40(比如相机、雷达、激光雷达、声纳等)的数据,并进一步用于根据自主算法确定车辆动作并用于与受训者针对车辆10的预期动作的用户手动输入进行比较。在各个实施例中,除其他传感器数据外,来自其他车辆传感器的传感器数据还可包括来自其他传感器、输入、相机等(其可能不是自主系统的一部分,但可以用于驾驶得分算法(例如在相机内部查看驾驶员是否正在注意力集中和驾驶时双向注视等))的传感器数据。
另外,同样在各个实施例中,在步骤514利用算法来将用户手动输入与自主驾驶算法的输出进行比较。例如,在各个实施例中,受训者请求的车辆动作(例如请求车辆加速、转向和制动,这分别由受训者接合车辆10的加速器踏板21、方向盘25和制动踏板27来确定)与由自主驾驶算法确定的推荐的车辆动作进行比较(例如关于车辆10的推荐的加速、转向和制动)。
在各个实施例中,图1的处理器44做出这些确定。另外,在各个实施例中,处理器44还基于这些比较来计算受训者的分数。另外,在各个实施例中,处理器44关于得分以及针对受训者的具体改进说明向受训者和/或一个或多个其他方(例如向后勤局、车队运营商、政府驾驶当局等)提供用于各种通知和/或警告的指令。例如,在各个实施例中,当受训者接合车辆10的特定用户设备(例如加速器踏板21、方向盘25或制动踏板27)时,处理器44关于受训者的预期动作(例如加速、转向或制动)是否与由自主驾驶算法确定的推荐的车辆动作相一致提供立即听觉的、视觉的、触觉的和/或其他反馈,自主驾驶算法存储在自主车辆10的计算机系统的存储器46中并由其处理器44执行。
同样在各个实施例中,在步骤516做出关于受训者是否已经获得对车辆功能的特定特征的控制的一个或多个确定。具体地,在各个实施例中,图1的处理器44确定受训者的得分是否已超过允许受训者控制车辆功能的一个或多个特定特征(例如某些类型的加速、转向、制动等)所需的一个或多个阈值。
例如,在不同的实施例中,需要以分阶段或渐进方法为受训者/驾驶员提供不同级别的得分,以允许车辆功能的不同特定类型的特征。例如,在某些实施例中:(i)受训者需要第一阈值来控制高速公路上的车道内的转向;(ii)受训者需要第二阈值(与第一阈值相比更高或更难满足)来为车辆10提供加速度;(iii)受训者需要第三阈值(与第二阈值相比更高或更难满足)来为车辆10提供制动;以及(iv)受训者需要第四阈值(与第三阈值相比更高或更难满足)来提供对车辆10的完全控制等。
如果在步骤516确定受训者的得分尚未满足针对驾驶功能的特定特征的相应预定阈值,则处理器44不允许受训者对驾驶功能的此类特征进行控制,并提供用于控制此类驾驶特征的指令,以经由自主驾驶算法(例如经由从图1的处理器44提供的指令)被提供给致动器42。
相反,如果代替地在步骤516确定受训者的得分已满足驾驶功能的特定特征的相应预定阈值,则处理器44允许受训者例如基于受训者/驾驶员接合输入装置(比如车辆10的加速器踏板21、方向盘25和制动踏板27)来控制这些驾驶特征。
如上所述,在各个实施例中,渐进或分阶段方法用于允许针对驾驶功能的不同特征而对驾驶员进行控制。因此,在某些实施例中,当受训者获得的分数足够高以允许受训者控制某些驾驶特征而不是其他特征时,应当理解,在某些实施例中,处理器44可以同时:(i)在步骤518允许受训者控制某些驾驶特征,同时还(ii)在步骤516保持对某些其他驾驶特征的自主控制。
在各个实施例中,在步骤520确定车辆驾驶是否继续。在各个实施例中,在步骤520期间,处理器44确定受训者是否仍在训练模式下利用车辆10。
在各个实施例中,如果在步骤520确定车辆驾驶继续,则过程返回到步骤506。在各个实施例中,此后在新迭代中重复步骤506-520,直到在步骤520的随后迭代中确定车辆驾驶完成。
在各个实施例中,一旦在步骤520的迭代中确定车辆驾驶不再继续(例如车辆驾驶完成),则过程代替地进行到步骤522。具体地,在各个实施例中,在步骤522期间,提供受训者的得分结果。在各个实施例中,将受训者的得分提供给受训者(例如图1的用户设备54)以及后勤局(例如用于车队的运营商)和管理实体(例如监视驾驶考试、颁发驾驶执照、规范驾驶等)。
同样在各个实施例中,在步骤524还将受训者得分的评估上传到云。例如,在某些实施例中,将受训者的得分存储在一个或多个中央数据库中以供将来使用,例如当受训者随后进入车辆10和/或相似类型的另一车辆10时等。
在各个实施例中,当驾驶会话结束时,该过程然后在步骤526终止。
因此,在各个实施例中,自主车辆用于训练人类受训者以能够驾驶车辆。在各个实施例中,将来自驾驶员的手动输入与来自自主驾驶算法的输出进行比较,以便为受训者提供训练、评估和得分。另外,在各个实施例中,为受训者提供实时反馈。此外,同样在各个实施例中,由于针对受训者的得分达到了不同的阈值,因此有效地解锁了车辆的不同驾驶特征,从而随着受训者/驾驶员的得分逐渐超过各个增加的阈值,将驾驶控制逐渐转移给受训者/驾驶员。另外,在各个实施例中,将得分结果提供给受训者/驾驶员以及一个或多个其他感兴趣的实体,例如作为车队的负责人和/或政府当局,其负责规范驾驶、管理驾驶考试、颁发驾驶执照等。最后,应注意,向驾驶员逐步提供控制的渐进方法与当今通常执行的方法相反,例如自主车辆可能会从手动控制的加速器踏板、方向盘、制动踏板上移开等。
尽管在前面的详细描述中已经提出了至少一个示例性实施例,但应当理解,存在大量的变型。还应当理解,一个或多个示例性实施例仅是示例,并且无意以任何方式限制本公开的范围、适用性或配置。相反,前述详细描述将为本领域技术人员提供用于实施一个或多个示例性实施例的便利路线图。应当理解,在不脱离如所附权利要求及其合法等同物所阐述的本公开的范围的情况下,可以对元件的功能和布置进行各种改变。
Claims (10)
1.一种用于使用自主车辆训练受训者的方法,该方法包括:
经由一个或多个传感器测量来自受训者关于控制自主车辆的一个或多个手动输入;
经由处理器使用存储在自主车辆的存储器中的自主驾驶算法确定用于自主车辆的一个或多个推荐动作;
经由处理器将来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及
经由处理器基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
2.根据权利要求1所述的方法,其中:
测量手动输入的步骤包括经由一个或多个传感器测量来自受训者在接合用于自主车辆的加速器踏板时的一个或多个手动输入;
将手动输入与推荐动作进行比较的步骤包括经由处理器将来自受训者在接合加速器踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及
确定分数的步骤包括经由处理器基于来自受训者在接合加速器踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
3.根据权利要求1所述的方法,其中:
测量手动输入的步骤包括经由一个或多个传感器测量来自受训者在接合用于自主车辆的方向盘时的一个或多个手动输入;
将手动输入与推荐动作进行比较的步骤包括经由处理器将来自受训者在接合方向盘时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及
确定分数的步骤包括经由处理器基于来自受训者在接合方向盘时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
4.根据权利要求1所述的方法,其中:
测量手动输入的步骤包括经由一个或多个传感器测量来自受训者在接合用于自主车辆的制动踏板时的一个或多个手动输入;
将手动输入与推荐动作进行比较的步骤包括经由处理器将来自受训者在接合制动踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及
确定分数的步骤包括经由处理器基于来自受训者在接合制动踏板时的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
5.根据权利要求1所述的方法,还包括:
基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来为受训者提供瞬时反馈。
6.根据权利要求1所述的方法,还包括:
向一个或多个第三方提供与受训者分数相关的结果。
7.根据权利要求1所述的方法,还包括:
确定受训者的分数是否超过一个或多个预定阈值;以及
选择性地允许受训者控制用于自主车辆的驾驶功能的一个或多个特征。
8.根据权利要求7所述的方法,其中,选择性地允许受训者控制车辆的一个或多个特征的步骤包括:
基于所述分数是否超过一个或多个第一阈值,选择性地允许受训者控制用于自主车辆的驾驶功能的某些特征;以及
基于所述分数是否超过不同于第一阈值的一个或多个第二阈值,经由通过处理器根据自主驾驶算法提供的指令,自动控制驾驶功能的某些其他特征。
9.一种用于使用自主车辆训练受训者的系统,该系统包括:
一个或多个传感器,其配置为测量来自受训者关于控制自主车辆的手动输入;
非暂时性计算机可读存储器,其配置为存储用于自主车辆的自主驾驶算法;以及
处理器,其耦合到所述一个或多个传感器以及所述非暂时性计算机可读存储器,并且配置为至少有助于:
使用自主驾驶算法确定用于自主车辆的一个或多个推荐动作;
将来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及
基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
10.一种用于训练受训者的自主车辆,该自主车辆包括:
加速器踏板;
制动踏板;
方向盘;
多个传感器,其配置为测量经由受训者接合加速器踏板、制动踏板和方向盘而来自受训者关于控制自主车辆的手动输入;
非暂时性计算机可读存储器,其配置为存储用于自主车辆的自主驾驶算法;以及
处理器,其耦合到所述一个或多个传感器以及所述非暂时性计算机可读存储器,并且配置为至少有助于:
使用自主驾驶算法确定用于自主车辆的一个或多个推荐动作;
将来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作进行比较,以产生比较;以及
基于来自受训者的一个或多个手动输入与用于自主车辆的一个或多个推荐动作之间的比较来确定受训者的分数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/070,366 | 2020-10-14 | ||
US17/070,366 US11721234B2 (en) | 2020-10-14 | 2020-10-14 | Methods and systems to autonomously train drivers |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114368392A true CN114368392A (zh) | 2022-04-19 |
Family
ID=80818239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110504168.6A Pending CN114368392A (zh) | 2020-10-14 | 2021-05-10 | 自主训练驾驶员的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11721234B2 (zh) |
CN (1) | CN114368392A (zh) |
DE (1) | DE102021110863B4 (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170166222A1 (en) * | 2015-12-09 | 2017-06-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Assessment of human driving performance using autonomous vehicles |
US20180237027A1 (en) * | 2017-02-21 | 2018-08-23 | Allstate Insurance Company | Data Processing System for Guidance, Control, and Testing Autonomous Vehicle Features and Driver Response |
JP2018135058A (ja) * | 2017-02-23 | 2018-08-30 | 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Panasonic Intellectual Property Corporation of America | 情報処理装置及びプログラム |
CN108944944A (zh) * | 2018-07-09 | 2018-12-07 | 深圳市易成自动驾驶技术有限公司 | 自动驾驶模型训练方法、终端及可读存储介质 |
US20190337532A1 (en) * | 2017-01-26 | 2019-11-07 | Ford Global Technologies, Llc | Autonomous vehicle providing driver education |
CN110422171A (zh) * | 2018-04-27 | 2019-11-08 | 通用汽车环球科技运作有限责任公司 | 使用基于神经网络的驾驶员学习的自主驾驶 |
CN110816542A (zh) * | 2018-07-23 | 2020-02-21 | 罗伯特·博世有限公司 | 提供驾驶员帮助的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014042571A1 (en) | 2012-09-17 | 2014-03-20 | Volvo Truck Corporation | Method and system for providing a tutorial message to a driver of a vehicle |
US9424696B2 (en) * | 2012-10-04 | 2016-08-23 | Zonar Systems, Inc. | Virtual trainer for in vehicle driver coaching and to collect metrics to improve driver performance |
US10571911B2 (en) * | 2014-12-07 | 2020-02-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Mixed autonomous and manual control of a vehicle |
CN105654808A (zh) | 2016-02-03 | 2016-06-08 | 北京易驾佳信息科技有限公司 | 一种基于实际机动车的机动车驾驶人智能化训练系统 |
JP6579014B2 (ja) * | 2016-03-29 | 2019-09-25 | 株式会社デンソー | 自動ブレーキ制御装置及びコンピュータプログラム |
US10407078B2 (en) * | 2016-04-26 | 2019-09-10 | Sivalogeswaran Ratnasingam | Dynamic learning driving system and method |
US10146222B2 (en) | 2016-07-12 | 2018-12-04 | Elwha Llc | Driver training in an autonomous vehicle |
US11623647B2 (en) * | 2016-10-27 | 2023-04-11 | Toyota Motor Engineering & Manufacturing North America, Inc. | Driver and vehicle monitoring feedback system for an autonomous vehicle |
JP6575934B2 (ja) * | 2017-03-29 | 2019-09-18 | マツダ株式会社 | 車両運転支援システム及び車両運転支援方法 |
JP7018276B2 (ja) * | 2017-09-12 | 2022-02-10 | フォルシアクラリオン・エレクトロニクス株式会社 | 情報システム、運転支援情報提供方法、車載端末 |
US10442443B1 (en) * | 2018-05-09 | 2019-10-15 | GM Global Technology Operations LLC | Providing driver feedback |
-
2020
- 2020-10-14 US US17/070,366 patent/US11721234B2/en active Active
-
2021
- 2021-04-28 DE DE102021110863.2A patent/DE102021110863B4/de active Active
- 2021-05-10 CN CN202110504168.6A patent/CN114368392A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170166222A1 (en) * | 2015-12-09 | 2017-06-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Assessment of human driving performance using autonomous vehicles |
US20190337532A1 (en) * | 2017-01-26 | 2019-11-07 | Ford Global Technologies, Llc | Autonomous vehicle providing driver education |
US20180237027A1 (en) * | 2017-02-21 | 2018-08-23 | Allstate Insurance Company | Data Processing System for Guidance, Control, and Testing Autonomous Vehicle Features and Driver Response |
JP2018135058A (ja) * | 2017-02-23 | 2018-08-30 | 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Panasonic Intellectual Property Corporation of America | 情報処理装置及びプログラム |
CN110422171A (zh) * | 2018-04-27 | 2019-11-08 | 通用汽车环球科技运作有限责任公司 | 使用基于神经网络的驾驶员学习的自主驾驶 |
CN108944944A (zh) * | 2018-07-09 | 2018-12-07 | 深圳市易成自动驾驶技术有限公司 | 自动驾驶模型训练方法、终端及可读存储介质 |
CN110816542A (zh) * | 2018-07-23 | 2020-02-21 | 罗伯特·博世有限公司 | 提供驾驶员帮助的方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102021110863A1 (de) | 2022-04-14 |
US11721234B2 (en) | 2023-08-08 |
US20220114909A1 (en) | 2022-04-14 |
DE102021110863B4 (de) | 2023-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108268034B (zh) | 用于车辆的专家模式 | |
US10976737B2 (en) | Systems and methods for determining safety events for an autonomous vehicle | |
US20190332109A1 (en) | Systems and methods for autonomous driving using neural network-based driver learning on tokenized sensor inputs | |
CN109085819B (zh) | 用于实施自主车辆中的驾驶模式的系统和方法 | |
CN107826102B (zh) | 用于无乘员自主车辆的控制策略 | |
US10214240B2 (en) | Parking scoring for autonomous vehicles | |
US20180093671A1 (en) | Systems and methods for adjusting speed for an upcoming lane change in autonomous vehicles | |
US11242060B2 (en) | Maneuver planning for urgent lane changes | |
US20180224860A1 (en) | Autonomous vehicle movement around stationary vehicles | |
US20180004215A1 (en) | Path planning of an autonomous vehicle for keep clear zones | |
US10458174B2 (en) | Door closing system | |
US10466704B2 (en) | Autonomous vehicle localization | |
CN110758401A (zh) | 自主车辆操作期间的停止应急计划 | |
US20190168805A1 (en) | Autonomous vehicle emergency steering profile during failed communication modes | |
US20200103902A1 (en) | Comfortable ride for autonomous vehicles | |
CN111216724B (zh) | 用于控制自动驾驶车辆的系统及方法 | |
US10166985B2 (en) | Methods and systems for autonomous vehicle performance capability | |
US20200050191A1 (en) | Perception uncertainty modeling from actual perception systems for autonomous driving | |
CN110027558B (zh) | 自主车辆的可放松转弯边界 | |
US20180370503A1 (en) | Contact sensor assembly for brake systems in autonomous vehicles | |
CN112389454A (zh) | 自动驾驶/主动安全车辆中的感知系统的错误隔离 | |
US20230069363A1 (en) | Methods and systems for dynamic fleet prioritization management | |
US20220214181A1 (en) | Systems and methods for translating navigational route into behavioral decision making in autonomous vehicles | |
US11721234B2 (en) | Methods and systems to autonomously train drivers | |
US20210086576A1 (en) | Suspension fault diagnostics and prognostics using pitch and roll model |
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 |