CN115427278A - 训练载具适应驾驶员 - Google Patents

Abstract

一种系统可以电子方式训练载具适应驾驶员。所述系统可训练所述载具适应所述驾驶员的能力、条件和/或个性。所述系统可响应于来自所述驾驶员的输入而改变对所述载具的控制，以与由预定模型(例如，安全驾驶员模型)产生的控制的模式相匹配。所述载具可看起来是由安全驾驶员驱动。具有较低驾驶能力的驾驶员可以可能较慢、不稳定或不充分的模式应用物理控制。可训练所述载具调整从UI信号到线控驱动信号的转换，使得经转换信号看起来由道路上更有能力的驾驶员应用。通过经由机器学习进行训练，所述转换可随时间推移而改进。

Description

训练载具适应驾驶员

相关申请

本申请主张2020年2月7日申请且标题为“训练载具适应驾驶员(TRAINING AVEHICLE TO ACCOMMODATE A DRIVER)”的美国专利申请第16/785,341号的优先权，所述美国专利申请的全部公开内容以引用的方式并入本文中。

技术领域

本文所公开的至少一些实施例涉及以电子方式训练载具适应驾驶员。

背景技术

高级驾驶员辅助系统(ADAS)是在驾驶时帮助载具的驾驶员的电子系统。ADAS提高了汽车安全性和道路安全性。ADAS可使用例如电子控制单元和功率半导体装置的电子技术。大多数道路事故是归因于人为差错而发生的；因此，使载具的一些控制自动化的ADAS可减少人为差错和道路事故。此类系统已经设计成自动化、调适且增强载具系统以实现安全性和改进驾驶。ADAS的安全性特征经设计成通过提供警示驾驶员潜在问题的技术来避免碰撞和事故，或通过实施保障措施和接管载具控制来避免碰撞。自适应特征可使照明自动化，提供自适应巡航控制和碰撞避免，提供行人防撞缓解(PCAM)，警示驾驶员注意其它汽车或危险，提供车道偏离警告系统，提供自动车道居中，在盲区展示视野，或连接到导航系统。

除汽车和卡车以外，一般载具中也可实施高级辅助驾驶员系统或类似系统。而且，此类载具可包含船和飞机以及用于军事、建筑、农业或休闲用途的载具或载具设备。载具可经由载具电子器件和高级辅助驾驶员系统定制或个性化。

载具电子器件可包含在载具中使用的电子系统。载具电子器件可包含用于载具的传动系统、载具的主体或内部特征、载具中的娱乐系统和载具的其它部分的电子器件。点火、发动机和透射电子器件可见于具有内燃动力机械的载具中。用于控制电动载具系统的相关元件还见于例如混动或电动机动车的混动和电动载具中。例如，电动汽车可依赖于电力电子器件来控制主推进电动机和管理电池系统。

对于ADAS和其它类型的载具系统，载具电子器件可为分布式系统。而且，载具中的分布式系统可包含动力系控制模块和动力系电子器件、主体控制模块和主体电子器件、内部电子器件和底盘电子器件、安全和娱乐电子器件以及用于乘客和驾驶员舒适度系统的电子器件。此外，载具电子器件可包含用于载具自动化的电子器件。此类电子器件可包含机械电子、人工智能和分布式系统或与机械电子、人工智能和分布式系统一起操作。对包含导航的复杂任务使用自动化的载具可称为半自主的。仅依赖于自动化的载具可称为自主的。美国汽车工程师学会(SAE)已将自主性分类为六种级别。级别0或无自动化。级别1或驾驶员辅助，其中载具可在特定情形下自主地控制转向或速度以辅助驾驶员。级别2或部分自动化，其中载具可在特定情形下自主地控制转向和速度两者以辅助驾驶员。级别3或条件性自动化，其中载具可在正常环境条件下自主地控制转向和速度两者，但需要驾驶员监督。级别4或高度自动化，其中载具可在正常环境条件下自主地完成行进，不需要驾驶员监督。以及级别5或全自主性，其中载具可在任何环境条件下自主地完成行进。

附图说明

将从下文给出的实施方式和从本公开的各种实施例的附图更充分地理解本公开。

图1到3说明根据本公开的一些实施例的至少包含移动装置和载具且配置成实施以电子方式训练载具适应驾驶员的实例联网系统。

图4到6说明根据本公开的一些实施例的可由图1到3中所描绘的联网系统的各方面执行的实例操作的流程图。

具体实施方式

本文所公开的至少一些实施例涉及以电子方式训练载具适应驾驶员。举例来说，一些实例实施例可涉及训练载具适应驾驶员的能力、条件和/或个性。载具系统可响应于来自驾驶员的输入而改变对载具的所实施控制，以与由预定模型(例如，预定安全驾驶员模型)产生的控制模式相匹配。因此，本文中所描述的技术可提供载具在可未由安全驾驶员驱动的情况下看起来是由安全驾驶员驱动。举例来说，具有较低驾驶能力的驾驶员可以可能较慢、不稳定、较弱或不充分的模式应用物理控制。然而，可训练载具调整从物理控制到线控驱动控制的转换，使得经转换控制看起来由道路上的典型或更有能力的驾驶员所应用。举例来说，可训练所述转换匹配或模拟能力水平、驱动习惯和/或驱动风格。而且，通过经由机器学习的训练，所述转换可随时间推移而改进。

在一些实施例中，驾驶员可经由到用户接口(UI)中的用户输入来控制载具的驱动。在这类实施例中，系统可接收来自驾驶员的输入或感测来自驾驶员的输入，且接着系统可相应地控制载具。从用户输入信号到用于驱动载具的物理机构的控制信号的转换可经由载具的电子器件发生，且可根据ADAS来调整所述转换。而且，可训练所述转换匹配或模拟能力水平、驱动习惯和/或驱动风格。而且，通过经由机器学习的训练，所述转换可随时间推移而改进。

在此类实施例和其它实施例中，UI可为汽车控制、为汽车控制的一部分或包含汽车控制。举例来说，UI可为油门踏板、制动踏板或方向盘。此外，UI可为电子装置和/或电气机械装置的一部分或包含电子装置和/或电气机械装置，且可为触觉UI(触摸)、视觉UI(视线)、听觉UI(声音)、嗅觉UI(气味)、平衡感UI(平衡)或味觉UI(味道)或其任何组合的一部分或包含触觉UI(触摸)、视觉UI(视线)、听觉UI(声音)、嗅觉UI(气味)、均衡UI(平衡)或味觉UI(味道)或其任何组合。

用于控制载具的驱动的一组机械组件可包含∶(1)轮子上的制动机构(用于停止轮子的自旋)；(2)发动机或电动机上的节流机构(用于调节多少气体进入发动机，或多少电流进入电动机)，其决定驱动轴可自旋得多快和因此汽车可运行得多快；以及(3)用于前轮的定向的转向机构(例如，如此载具在轮子指向的方向上行进)。这些机构可控制载具的制动、加速度和转向。用户通过可由用户操作的UI元件间接地控制这些机构，所述UI元件通常为制动踏板、加速踏板和方向盘。踏板和方向盘未必以机械方式连接到用于制动、加速和转向的驱动机构。而且，此类部分可具有传感器或接近于传感器，所述传感器测量驾驶员对踏板的按压量和/或方向盘的转动量。此外，所感测的控制输入经由导线传输到控制单元(且因此可线控驱动)。

可调整的用于驱动载具的方面可包含可经由汽车电子器件从控制器调整的驱动配置和偏好(例如，经由相应汽车电子器件在传输、发动机、底盘、乘客环境和安全特征中的调整)。驱动方面还可包含典型的驱动方面和/或线控驱动方面，例如对载具的转向、制动和加速度进行控制。用于驱动载具的方面还可包含根据SAE控制针对不同级别的自动化的设置，例如控制以不设置自动化偏好/配置(级别0)、驾驶员辅助偏好/配置(级别1)、部分自动化偏好/配置(级别2)、条件自动化偏好/配置(级别3)、高自动化偏好/配置(级别4)或完全偏好/配置(级别5)。用于驱动载具的方面还可包含控制用于驱动模式的设置，例如运动或性能模式、燃油经济性模式、牵引模式、全电动模式、混合动力模式、AWD模式、FWD模式、RWD模式和4WD模式。

在载具中，驾驶员可经由借由机械连杆机构和一些机电连杆机构介接驱动组件的物理控制元件(例如方向盘、制动踏板、油门踏板、加速踏板、换档拨片等)来控制载具。然而，越来越多的载具当前经由电子控制元件或模块(例如，电子控制单元或ECU)使控制元件与机械动力系元件(例如，制动系统、转向机构、传动系等)介接。电子控制元件或模块可为线控驱动技术的一部分。

线控驱动技术可包含用于执行传统上通过机械连杆机构实现的载具功能的电气或机电系统。所述技术可用使用机电致动器和例如踏板及转向感觉模拟器的人机接口的电子控制系统代替传统机械控制系统。可从载具中除去例如驾驶杆、中间轴、泵、软管、皮带、冷却器和真空服务器和主缸的组件。存在不同程度和类型的线控驱动技术。

具有线驱动技术的载具可包含从用户或驾驶员(例如，经由更多常规控制或经由线驱动控制或其某一组合)接收输入的调制器(例如，包含ECU和/或ADAS的一部分或为ECU和/或ADAS的一部分的调变器)。调制器可接着使用驾驶员的输入来调制输入或转换所述输入以匹配“安全驾驶员”的输入。“安全驾驶员”的输入可由“安全驾驶员”的模型表示。

可训练或调整调制器(例如，包含ECU和/或ADAS或为ECU和/或ADAS的一部分的调制器)，使得从用户输入到“安全驾驶员”的转换以较高成功率发生。随时间的推移，调制器可在转换时变得更有效。因此，随时间的推移，可训练具有可训练调制器的载具以更成功地适应“不安全”驾驶员的能力或个性。调制器可使用机器学习和AI。举例来说，调制器可包含人工神经网络(ANN)，且可随时间推移训练ANN。此外，训练载具适应驾驶员的能力或性格或习惯时存在至少三个组件。第一组件参数化驾驶员的输入特性。第二组件参数化安全或有能力驾驶员的输出特性。第三组件确定规则地或一致地(或在一定程度上)将第一组件转换为第二组件的调制技术和/或算法。举例来说，转换具有满足某一阈值的某一成功率。调制技术和/或算法的训练或调整可基于与所要输出相比较的输出的成功率或结果。所要输出为与安全驾驶员等相关联的输出。输入为使用载具的任何驾驶员的输入。

可基于从由安全驾驶员等驱动的载具中的传感器和计量器取得的历史上安全驱动数据来产生“安全驾驶员”模型。所述模型可对载具的类型为通用或更特定的，且甚至对载具的制作和模型为特定的。

图1到3说明根据本公开的一些实施例的至少包含移动装置和载具(例如参见移动装置140、150和302研究载具102、202和130)且配置成实施以电子方式训练载具适应驾驶员的实例联网系统100。

联网系统100经由一或多个通信网络120联网。本文所描述的通信网络(例如，一或多个通信网络120)可至少包含例如蓝牙等本地到装置网络、广域网(WAN)、局域网(LAN)、内联网、例如4G或5G的移动无线网络、外联网、因特网和/或其任何组合。联网系统100的节点(例如，参见移动装置140、150和302以及载具102、202和130)可各自为对等网络、客户端服务器网络、云计算环境等的一部分。此外，本文中所描述的设备、计算装置、载具、传感器或摄像机和/或用户接口中的任一个可包含某一种类的计算机系统(例如，参见计算系统104和204)。并且，此计算机系统可包含到LAN、内联网、外联网和/或因特网中的其它装置的网络接口。计算机系统还可作为对等(或分布式)网络环境中的对等机器或作为云计算基础设施或环境中的服务器或客户端机器而在客户端-服务器网络环境中的服务器或客户端机器的容量中操作。

如图1中所展示，联网系统100可至少包含载具102，所述载具102包含载具计算系统104(包含高级驾驶员辅助系统106)、主体和主体的可控制部分(未描绘)、动力系和动力系的可控制部分(未描绘)、主体控制模块108(其为ECU的一种类型)、动力系控制模块110(其为一种类型的ECU)、动力转向控制单元112(其为ECU的一种类型)。载具102还包含多个用户接口元件(例如参见UI元件114a到114b)—其为载具的实例汽车控制115中的一些。而且，载具102包含多个传感器(例如参见传感器116a到116b)和将至少载具计算系统104、主体控制模块108、动力系控制模块110、动力转向控制单元112、多个UI元件和多个传感器彼此连接的控制器局域网(CAN)总线118。此外，如所展示，载具102经由载具计算系统104连接到网络120。此外，如所展示，载具130和移动装置140和150连接到网络120。且因此，以通信方式耦合到载具102。

载具102包含载具电子器件，其至少包含用于主体的可控制部分、动力系的可控制部分和动力转向的可控制部分的电子器件。载具102包含主体的可控制部分，且此些部分和子系统连接到主体控制模块108。主体至少包含用以支撑动力系的框架。载具的底盘可附接到载具的框架。主体还可包含用于至少一个驾驶员或乘客的内部。内部可包含座位。主体的可控制部分还可包含一或多个电动门和/或一或多个电动窗。主体还可包含载具主体的任何其它已知部分。而且，主体的可控制部分还可包含折合式敞蓬车顶(convertible top)、天窗、电动座位和/或载具的主体的任何其它类型的可控制部分。主体控制模块108可控制主体的可控制部分。

此外，载具102还包含动力系的可控制部分。动力系的可控制部分研究其部分和子系统连接到动力系控制模块110。动力系的可控制部分可至少包含发动机、变速器、驱动轴、悬挂和转向系统以及动力系电气系统。动力系还可包含载具动力系的任何其它已知部分，且动力系的可控制部分可包含动力系的任何其它已知可控制部分。此外，可控制的动力转向部分可经由动力转向控制单元112来控制。

载具102的多个UI元件(例如参见UI元件114a到114b)可包含任何类型的UI。UI元件可为汽车控制、为汽车控制的一部分或包含汽车控制。举例来说，UI可为油门踏板、制动踏板或方向盘。此外，UI可为电子装置和/或电气机械装置的一部分或包含电子装置和/或电气机械装置，且可为触觉UI(触摸)、视觉UI(视线)、听觉UI(声音)、嗅觉UI(气味)、平衡感UI(平衡)或味觉UI(味道)或其任何组合的一部分或包含触觉UI(触摸)、视觉UI(视线)、听觉UI(声音)、嗅觉UI(气味)、均衡UI(平衡)或味觉UI(味道)或其任何组合。

载具102的多个传感器(例如参见传感器116a到116b)可包含配置成感测和/或记录多个UI元件或其输出的一个或多个特征或特性的任何类型的传感器或摄像机。载具102的传感器还可配置成根据所感测和/或所记录特征或特性来产生对应于多个UI元件或其输出的一或多个特征或特性的数据。载具102的传感器还可配置成输出对应于一或多个特征或特性的所产生数据。多个传感器中的任一个还可配置成例如经由CAN总线118将对应于一或多个特征或特性的所产生数据发送到载具102的计算系统104或其它电子电路系统(例如主体控制模块108、动力系控制模块110和动力转向控制单元112)。

用于控制载具的驱动的一组机械组件可包含：(1)轮子上的制动机构(用于停止轮子的自旋)；(2)发动机或电动机上的节流机构(用于调节多少气体进入发动机，或多少电流进入电动机)，其决定驱动轴可自旋得多快和因此汽车可运行得多快；以及(3)用于前轮的定向的转向机构(例如，如此载具在轮子指向的方向上行进)。这些机构可控制载具的制动、加速度和转向。用户通过可由用户操作的UI元件间接地控制这些机构，所述UI元件通常为制动踏板、加速踏板和方向盘。踏板和方向盘未必以机械方式连接到用于制动、加速和转向的驱动机构。而且，此类部分可具有传感器或接近于传感器，所述传感器测量驾驶员对踏板的按压量和/或方向盘的转动量。此外，所感测的控制输入经由导线传输到控制单元(且因此可线控驱动)。

在一些实施例中，载具102可包含主体、动力系和底盘。载具102还可包含配置成控制载具(例如参见主体控制模块108、动力系控制模块110和动力转向控制单元112)的驱动的多个电子控制单元(ECU)。载具102还可包含多个用户UI元件，所述多个用户UI元件配置成由驾驶员操控以指示由驾驶员施加的控制程度(例如，参见实例汽车控制115的UI元件114a到114b)。

多个UI元件(例如UI元件114a到114b)可配置成测量指示由驾驶员施加的控制程度的信号。多个UI元件还可配置成将信号以电子方式传输到多个ECU。ECU(例如，参见主体控制模块108、动力系控制模块110和动力转向控制单元112)可配置成基于从多个UI元件接收到的所测量信号来产生用于驱动载具102的控制信号。

载具102还可包含高级驾驶员辅助系统(例如，参见，高级驾驶员辅助系统106)。高级驾驶员辅助系统106(ADAS 106)可配置成识别与UI元件(例如，实例汽车控制115的UI元件114a到114b)交互的驾驶员的模式。ADAS 106还可配置成确定所述模式与预定模型的偏差(例如，预定常规驾驶员模型、预定安全干燥器模型等)。ADAS 106还可配置成根据偏差来调整多个ECU(例如，主体控制模块108、动力系控制模块110和动力转向控制单元112)，以便将由UI元件测量的信号转换为用于驱动载具102的控制信号。举例来说，ADAS 106可配置成基于偏差来改变供ECU使用以控制载具的驱动的传递函数。

在此类实施例和其它实施例中，ADAS 106可进一步配置成根据指示载具的环境条件的传感器数据来调整多个ECU(例如，主体控制模块108、动力系控制模块110和动力转向控制单元112)，以便将由UI元件(例如，UI元件114a到114b)测量的信号转换为用于驱动载具102的控制信号。而且，ADAS 106可进一步配置成根据预定模型和指示载具102的环境条件的传感器数据来确定由多个UI元件产生的所测量信号与由ADAS 106自主地产生的驱动决策之间的响应差异。此外，ADAS 106可进一步配置成基于响应差异训练ANN识别偏差。

在此类实施例和其它实施例中，对于偏差的确定，ADAS 106可配置成将指示控制程度的所传输信号输入到ANN中。而且，ADAS 106可配置成基于ANN的输出来确定偏差的至少一个特征。此外，为了训练偏差的确定，ADAS 106可配置成训练ANN。为了训练ANN，ADAS106可配置成基于偏差来调整ANN。

在此类实施例和其它实施例中，预定模型可从预选定安全驾驶员的相关模型导出。此外，预定模型可从具有预选定驾驶员能力水平的驾驶员的相关模型导出。预定模型还可从具有预选定驱动习惯的驾驶员的相关模型导出。预定模型还可从具有预选定驱动风格的驾驶员的相关模型导出。而且，预定模型还可从其任何组合导出。

在此类实施例和其它实施例中，多个UI(例如，实例汽车控制115的UI元件114a到114b)可包含转向控制(例如，方向盘或GUI或另一种类型的UI等效物，例如用于转向的语音输入UI)。此外，多个UI可包含制动控制(例如，制动踏板或GUI或另一种类型的UI等效物，例如用于制动的语音输入UI)。多个UI还可包含节流控制(例如，油门踏板或GUI或另一种类型的UI等效物，例如用于使载具加速的语音输入UI)。而且，由驾驶员施加的控制程度可包含检测到的用户与转向控制、制动控制或节流控制中的至少一个或其任何组合的交互。

在此类实施例和其它实施例中，ADAS 106可配置成基于偏差来改变供ECU(例如，主体控制模块108、动力系控制模块110和动力转向控制单元112)使用以控制载具102的驱动的传递函数。而且，传递函数可包含用于控制载具102的转向机构、载具的节流机构或载具的制动机构中的至少一个或其任何组合的至少一个传递函数或从所述至少一个传递函数导出。

此外，多个UI(例如，实例汽车控制115的UI元件114a到114b)可包含变速器控制(例如，手动变速箱和驾驶员操作离合器或GUI或另一种类型的UI等效物，例如用于改变载具的速度的语音输入UI)。而且，由驾驶员施加的控制程度可包含检测到的用户与变速器控制的交互。传递函数可包含用于控制载具102的传动机构的传递函数或从所述传递函数导出。

在此类实施例和其它实施例中，载具102可包含配置成由驾驶员操控以指示由驾驶员施加的控制程度的多个汽车控制(例如，参见实例汽车控制115)。如所展示，汽车控制115可包含多个UI元件(例如，参见UI元件114a到114b)。载具102还可包含配置成检测由驾驶员对多个汽车控制施加的控制程度的多个传感器(例如，UI元件可测量检测到的信号)。多个传感器还可配置成将指示检测到的控制程度的信号以电子方式传输到多个ECU(和/或在一些实施例中，UI可将所测量信号以电子方式传输到多个ECU)。在此类实例实施例中，ECU可配置成取决于实施例基于从多个传感器接收到和/或从多个UI元件接收到的信号来产生用于驱动载具的控制信号。

在此类实施例和其它实施例中，ADAS 106可配置成接收指示由驾驶员对多个汽车控制(例如，实例汽车控制115)施加的检测到的控制程度的所传输信号。ADAS 106还可配置成基于所传输信号与预定模型(例如，常规驾驶员模型、安全驾驶员模型等)的偏差来为驾驶员产生滤波器。举例来说，通过滤波器的产生，ADAS 106可配置成识别与UI元件交互的驾驶员的模式且确定所述模式与预定模型的偏差。此外，ADAS 106可配置成基于所产生滤波器来改变供ECU(例如，主体控制模块108、动力系控制模块110和动力转向控制单元112)使用以控制载具102的驱动的传递函数。

在此类实施例和其它实施例中，为了训练滤波器的产生，ADAS 106可配置成确定所改变传递函数与预定传递函数(例如，预定传递函数可在预定模型中)之间的差异。ADAS106还可配置成基于所改变传递函数与预定传递函数之间的差异来调整滤波器的产生。对于滤波器的产生，ADAS 106可配置成将指示由驾驶员对多个汽车控制(例如，实例汽车控制115)施加的检测到的控制程度的所传输信号输入到ANN中。而且，ADAS 106可配置成基于ANN的输出来确定滤波器的至少一个特征。

在此类实施例和其它实施例中，为了训练滤波器的产生，ADAS 106可配置成训练ANN。而且，为了训练ANN，ADAS 106可配置成确定所改变传递函数与预定传递函数之间的差异其基于所改变传递函数与预定传递函数之间的差异来调整ANN。此外，预定模型可从预选定安全驾驶员的相关模型导出。此外，预定模型可从具有预选定驾驶员能力水平的驾驶员的相关模型导出。预定模型还可从具有预选定驱动习惯的驾驶员的相关模型导出。预定模型还可从具有预选定驱动风格的驾驶员的相关模型导出。而且，预定模型还可从其任何组合导出。

在此类实施例和其它实施例中，多个汽车控制(和/或UI元件—例如GUI元件)可包含转向控制(例如，方向盘或GUI或另一种类型的UI等效物，例如用于转向的语音输入UI)。多个汽车控制还可包含制动控制(例如，制动踏板或GUI或另一种类型的UI等效物，例如用于制动的语音输入UI)。多个汽车控制还可包含节流控制(例如，油门踏板或GUI或另一种类型的UI等效物，例如用于使载具加速的语音输入UI)。而且，由驾驶员对于多个汽车控制施加的检测到的控制程度可包含检测到的用户与转向控制、制动控制或节流控制中的至少一个或其任何组合的交互。在此类实例和其它实例中，ADAS 106可配置成基于滤波器来改变供ECU使用以控制载具的驱动的传递函数。而且，传递函数可包含用于控制载具的转向机构、载具的节流机构或载具的制动机构中的至少一个或其任何组合的至少一个传递函数或从所述至少一个传递函数导出。

此外，多个汽车控制可包含变速器控制(例如，手动变速箱和驾驶员操作离合器或GUI或另一种类型的UI等效物，例如用于改变载具的速度的语音输入UI)。而且，由驾驶员施加的检测到的控制程度可包含检测到的用户与变速器控制的交互。传递函数可包含用于控制载具的传动机构的传递函数或从所述传递函数导出。

在一些实施例中，可包含载具的计算系统的一部分或为载具的计算系统的一部分的载具(例如，参见载具102和202)的电子电路系统可包含以下中的至少一个：发动机电子器件、变速器电子器件、底盘电子器件、乘客环境和舒适度电子器件、载具内娱乐电子器件、载具内安全电子器件或导航系统电子器件或其任何组合(例如，参见图1和2中分别展示的主体控制模块108和220、动力系控制模块110和222、动力转向控制单元112和224、电池管理系统226以及信息娱乐电子器件228)。在一些实施例中，载具的电子电路系统可包含用于自动驱动系统的电子器件。

可调整的用于驱动载具102或202的方面可包含可经由汽车电子器件从控制器调整的驱动配置和偏好(例如，经由相应汽车电子器件在传输、发动机、底盘、乘客环境和安全特征中的调整)。驱动方面还可包含典型驱动方面和/或线控驱动方面，例如对载具的转向、制动和加速(例如，参见主体控制模块108、动力系控制模块110和动力转向控制单元112)进行控制。用于驱动载具的方面还可包含根据SAE控制针对不同级别的自动化的设置，例如控制以不设置自动化偏好/配置(级别0)、驾驶员辅助偏好/配置(级别1)、部分自动化偏好/配置(级别2)、条件自动化偏好/配置(级别3)、高自动化偏好/配置(级别4)或完全偏好/配置(级别5)。用于驱动载具的方面还可包含控制用于驱动模式的设置，例如运动或性能模式、燃油经济性模式、牵引模式、全电动模式、混合动力模式、AWD模式、FWD模式、RWD模式和4WD模式。

在一些实施例中，载具(例如计算系统104或204)的计算系统可包含中央控制模块(CCM)、中央定时模块(CTM)和/或通用电子模块(GEM)。此外，在一些实施例中，载具可包含ECU，所述ECU可为控制载具中的电气系统或子系统中的一或多个的汽车电子器件中的任何嵌入式系统。ECU的类型可以包含发动机控制模块(ECM)、动力系统控制模块(PCM)、变速器控制模块(TCM)、制动控制模块(BCM或EBCM)、CCM、CTM、GEM、主体控制模块(BCM)、悬挂控制模块(SCM)等。车门控制单元(DCU)。ECU的类型还可包含动力转向控制单元(PSCU)、一或多个人机接口(HMI)单元、动力系控制模块(PCM)—其可至少充当ECM和TCM、座位控制单元、速度控制单元、远程信息处理控制单元、变速器控制单元、制动控制模块和电池管理系统。

如图2中所展示，联网系统100可至少包含载具202，所述载具202至少包含车辆计算系统204、具有内部(未描绘)的主体(未描绘)、动力系(未描绘)、空调控制系统(未描绘)和信息娱乐系统(未描绘)。载具202还可包含其它载具部分。

可具有与计算系统104类似的结构和/或功能性的计算系统204可连接到通信网络120，所述通信网络可至少包含例如蓝牙等本地到装置网络、广域网(WAN)、局域网(LAN)、内联网、例如4G或5G等移动无线网络、外联网、因特网和/或其任何组合。计算系统204可为能够(循序或以其它方式)执行指定将由机器采取的动作的指令集的机器。此外，尽管说明了用于计算系统204的单个机器，但还应认为术语“机器”包含机器的任何集合，所述集合个别地或共同地执行指令集(或多个指令集)以执行方法或操作。而且，其可至少包含总线(例如，参见总线206)和/或母板、一或多个控制器(例如，一或多个CPU，例如参见控制器208)、可包含暂时性数据存储装置的主存储器(例如，参见存储器210)、至少一个类型的网络接口(例如，参见网络接口212)、可包含永久性数据存储装置的存储系统(例如，参见数据存储系统214)和/或其任何组合。在一些多装置实施例中，一个装置可完成本文所描述的方法的一些部分，接着通过网络将完成的结果发送到另一装置，使得另一装置可继续本文所描述的方法的其它步骤。

图2还说明可包含且实施高级驾驶员辅助系统106(或ADAS 106)的计算系统204的实例部分。计算系统204可以通信方式耦合到网络120，如图所展示。计算系统204至少包含：总线206；控制器208(例如CPU)，可执行ADAS 106的指令；存储器210，可保持ADAS 106的指令以供执行；网络接口212；数据存储系统214，可存储ADAS 106的指令；以及其他组件216--其可为在移动或计算装置中发现的例如GPS组件的任何类型的组件，例如摄像机和各种类型的用户接口组件(其可包含本文中所描述的多个UI元件中的一或多个)和传感器(其可包含本文中所描述的多个传感器中的一或多个)的I/O组件。其它组件216可包含一或多个用户接口(例如，GUI、听觉用户接口、触觉用户接口、汽车控制等)、显示器、不同类型的传感器、触觉、音频和/或视觉输入/输出装置、额外专用存储器、一或多个额外控制器(例如，GPU)或其任何组合。计算系统204还可包含配置成介接载具202的传感器的传感器接口，所述传感器可为本文中所描述的传感器中的任一个中的一或多个(例如，参见传感器219a、219b和219c)。在一些实施例中，总线206以通信方式耦合控制器208、存储器210网络接口212、数据存储系统214、其它组件216和传感器以及传感器接口。计算系统204包含计算机系统，所述计算机系统至少包含经由总线206(其可包含多个总线)彼此通信的控制器208、存储器210(例如，只读存储器(ROM)、快闪存储器、动态随机存取存储器(DRAM)(例如同步DRAM(SDRAM)或Rambus DRAM(RDRAM))、静态随机存取存储器(SRAM)、交叉点存储器、交叉开关存储器等)，以及数据存储系统214。

在一些实施例中，计算系统204可包含指令集，以用于在指令集被执行时使得机器执行本文所论述的方法中的任何一或多个。在此类实施例中，机器可连接(例如，经由网络接口212联网)到LAN、内联网、外联网和/或因特网(例如，网络120)中的其它机器。机器可作为对等(或分布式)网络环境中的对等机器或作为云计算基础设施或环境中的服务器或客户端机器而在客户端-服务器网络环境中的服务器或客户端机器的容量中操作。

控制器208表示一或多个通用处理装置，例如微处理器、中央处理单元等。更确切地说，处理装置可为复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、单指令多数据(SIMD)、多指令多数据(MIMD)，或实施其它指令集的处理器，或实施指令集的组合的处理器。控制器208还可为一或多个专用处理装置(例如，ASIC)、可编程逻辑(例如，FPGA)、数字信号处理器(DSP)、网络处理器等。控制器208配置成执行指令以用于执行本文所论述的操作和步骤。控制器208可进一步包含例如网络接口212的网络接口装置以经由一或多个通信网络(例如网络120)通信。

数据存储系统214可包含机器可读存储媒体(也称为计算机可读媒体)，其上存储有体现本文所描述的任何一或多个方法或功能的一或多个指令集或软件。数据存储系统214可具有执行能力，例如其可至少部分地执行驻留于数据存储系统中的指令。指令也可在其通过计算机系统执行期间完全地或至少部分地驻留于存储器210内和/或控制器208内，所述存储器210和控制器208也构成机器可读存储媒体。存储器210可为或包含系统204的主存储器。存储器210可具有执行能力，例如其可至少部分地执行驻存在存储器中的指令。

载具202还可具有主体的载具主体控制模块220、动力系的动力系统控制模块222、动力转向控制单元224、电池管理系统226、信息娱乐系统的信息娱乐电子器件228以及至少连接载具计算系统204、载具主体控制模块、动力系控制模块、动力转向控制单元、电池管理系统和信息娱乐电子器件的CAN总线218。此外，如所展示，载具202经由载具计算系统204连接到网络120。此外，如所展示，载具130和移动装置140和150连接到网络120。且因此，以通信方式耦合到载具202。

载具202还展示为具有可为计算系统204的部分的多个传感器(例如，参见传感器219a、219b和219c)。在一些实施例中，CAN总线218可将多个传感器、载具计算系统204、载具主体控制模块、动力系控制模块、动力转向控制单元、电池管理系统和信息娱乐电子器件连接到至少计算系统204。多个传感器可经由计算系统的传感器接口连接到计算系统204。

如图3中所展示，联网系统100可至少包含移动装置302。可具有与计算系统104或204在某种程度上类似的结构和/或功能性的移动装置302可连接到通信网络120。且因此，连接到载具102、202和130以及移动装置140和150。移动设备302(或移动装置140或150)可包含本文提及的多个传感器中的一或多个和/或本文提及的多个UI元件中的一或多个。因此，在一些实施例中，移动装置302(或移动装置140或150)可充当一或多个汽车控制，如由包含移动装置302的实例汽车控制315所展示。

取决于实施例，移动装置302可为或包含移动装置等，例如智能手机、平板计算机、IoT装置、智能电视、智能手表、眼镜或其它智能家用电器、载具内信息系统、可穿戴智能装置、游戏控制台、PC、数码摄像机或其任何组合。如所展示，移动装置302可连接到通信网络120，所述通信网络120至少包含例如蓝牙等本地到装置网络、广域网(WAN)、局域网(LAN)、内联网、例如4G或5G的移动无线网络、外联网、因特网和/或其任何组合。

本文中所描述的移动装置中的每一个可为以下各者或由以下各者代替：个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、网络器具、服务器、网络路由器、交换机或网桥，或能够(循序或以其它方式)执行指定待由所述机器采取的动作的指令集的任何机器。本文所描述的载具的计算系统可为能够(循序或以其它方式)执行指定待由机器采取的动作的指令集的机器。

此外，虽然针对本文所描述的计算系统和移动装置说明单个机器，但术语“机器”还应理解为包含个别地或共同地执行一(或多个)指令集以执行本文所论述的方法或操作中的任何一或多个的机器的任何集合。而且，所说明的移动装置中的每一个可各自至少包含总线和/或母板、一或多个控制器(例如，一或多个CPU)、可包含暂时性数据存储装置的主存储器、至少一种类型的网络接口、可包含永久性数据存储装置的存储系统和/或其任何组合。在一些多装置实施例中，一个装置可完成本文所描述的方法的一些部分，接着通过网络将完成的结果发送到另一装置，使得另一装置可继续本文所描述的方法的其它步骤。

图3还说明根据本公开的一些实施例的移动装置302的实例部分。如所展示，移动装置302可以通信方式耦合到网络120。移动装置302至少包含总线306、控制器308(例如，CPU)、存储器310、网络接口312、数据存储系统314和其它组件316(其可为移动或计算装置中发现的例如GPS组件的任何类型的组件，例如各种类型的用户接口组件和传感器(例如生物识别传感器)以及摄像机的I/O组件)。其它组件316可包含一或多个用户接口(例如，GUI、听觉用户接口、触觉用户接口等)、显示器、不同类型的传感器、触觉(例如，生物识别传感器)、音频和/或视觉输入/输出装置、额外专用存储器、一或多个额外控制器(例如，GPU)或其任何组合。总线306以通信方式耦合控制器308、存储器310、网络接口312、数据存储系统314和其它组件316。移动装置302包含计算机系统，所述计算机系统至少包含经由总线306(其可包含多个总线)彼此通信的控制器308、存储器310(例如，只读存储器(ROM)、快闪存储器、动态随机存取存储器(DRAM)(例如同步DRAM(SDRAM)或Rambus DRAM(RDRAM))、静态随机存取存储器(SRAM)、交叉点存储器、交叉开关存储器等)，以及数据存储系统314。

换句话说，图3为具有本公开的实施例可在其中操作的计算机系统的移动装置302的框图。在一些实施例中，计算机系统可包含指令集，以用于在指令集被执行时使得机器执行本文所论述的方法中的一些。在此类实施例中，机器可连接(例如，经由网络接口312联网)到LAN、内联网、外联网和/或因特网(例如，网络120)中的其它机器。机器可作为对等(或分布式)网络环境中的对等机器或作为云计算基础设施或环境中的服务器或客户端机器而在客户端-服务器网络环境中的服务器或客户端机器的容量中操作。

控制器308表示一或多个通用处理装置，例如微处理器、中央处理单元等。更确切地说，处理装置可为复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、单指令多数据(SIMD)、多指令多数据(MIMD)，或实施其它指令集的处理器，或实施指令集的组合的处理器。控制器308还可为一或多个专用处理装置，例如ASIC、例如FPGA的可编程逻辑、数字信号处理器(DSP)、网络处理器等。控制器308配置成执行指令以用于执行本文所论述的操作和步骤。控制器308可进一步包含例如网络接口312的网络接口装置以经由一或多个通信网络(例如网络120)通信。

数据存储系统314可包含机器可读存储媒体(也称为计算机可读媒体)，其上存储有体现本文所描述的任何一或多个方法或功能的一或多个指令集或软件。数据存储系统314可具有执行能力，例如其可至少部分地执行驻存于数据存储系统中的指令。指令也可在其通过计算机系统执行期间完全地或至少部分地驻留于存储器310内和/或控制器308内，所述存储器310和控制器308也构成机器可读存储媒体。存储器310可为或包含装置302的主存储器。存储器310可具有执行能力，例如其可至少部分地执行驻存于存储器中的指令。

虽然存储器、控制器和数据存储装置在实例实施例中展示为各自为单一部分，但每一部分应被认为包含可存储指令且执行其相应操作的单一部分或多个部分。还应认为术语“机器可读存储媒体”包含能够存储或编码供机器执行的指令集且使得机器进行本公开的方法中的任何一或多个的任何媒体。因此，应认为术语“机器可读存储媒体”包含但不限于固态存储器、光学媒体和磁性媒体。

如图3中所展示，移动装置302可包含用户接口(例如，参见其它组件316)。用户接口可配置成提供图形用户接口(GUI)、触觉用户接口或听觉用户接口或其任何组合。举例来说，用户接口可为或包含显示器，所述显示器连接到也可为移动装置302的一部分的可穿戴式结构、计算装置或摄像机中的至少一者或其任何组合，且所述显示器可配置成提供GUI。此外，本文所描述的实施例可包含任何类型的一或多个用户接口，包含触觉UI(触摸)、视觉UI(视线)、听觉UI(声音)、嗅觉UI(气味)、均衡UI(平衡)和味觉UI(味道)。

此外，如图3中所展示，移动装置302可包含计算系统(例如，参见为计算系统的所有组件的总线306、控制器308、存储器310、网络接口312和数据存储系统314)。移动装置302的计算系统可配置成从其用户自身和其传感器(例如，参见其他组件316)取得生物识别和/或非生物识别数据，且接着经由其网络接口和网络120将生物识别和/或非生物识别数据发送到连接到移动装置的载具。

图4说明根据本公开的一些实施例可由图1至3中描绘的联网系统的各方面执行的方法400的实例操作的流程图。举例来说，方法400可由计算系统和/或图1到3中描绘的任何载具和/或移动装置的其它部分执行。

在图4中，方法400在步骤402处开始，其中通过载具中的多个传感器来检测指示由驾驶员用载具中的多个UI元件施加的控制程度的信号。在步骤404处，方法400继续通过多个UI元件测量指示由驾驶员施加的控制程度的信号。在步骤406处，方法400继续通过多个UI元件将所测量信号以电子方式传输到载具的多个电子控制单元(ECU)和载具的高级驾驶员辅助系统。在步骤408处，方法400继续通过ECU基于从多个UI元件接收到的所测量信号来产生用于驱动载具的控制信号。在步骤410处，方法400继续通过高级驾驶员辅助系统基于从多个UI元件接收到的所测量信号来识别与多个UI元件交互的驾驶员的模式。在步骤412处，方法400继续通过高级驾驶员辅助系统来确定模式与预定模型的偏差。在步骤414处，方法400继续通过高级驾驶员辅助系统根据偏差来调整多个ECU，以便将UI元件测量的信号转换为用于驱动载具的控制信号。

图5说明根据本公开的一些实施例可由图1至3中描绘的联网系统的各方面执行的方法500的实例操作的流程图。举例来说，方法500可由计算系统和/或图1到3中描绘的任何载具和/或移动装置的其它部分执行。如所展示，方法500以方法400的步骤402到412开始。接着，在步骤502处，方法500继续通过高级驾驶员辅助系统基于所确定偏差来为驾驶员产生信号调制。在步骤504处，方法500继续通过高级驾驶员辅助系统根据所产生信号调制来调整多个ECU，以便将UI元件测量的信号转换为用于驱动载具的控制信号。

图6说明根据本公开的一些实施例可由图1至3中描绘的联网系统的各方面执行的方法600的实例操作的流程图。举例来说，方法600可由计算系统和/或图1到3中描绘的任何载具和/或移动装置的其它部分执行。如所展示，方法600以方法400的步骤402到412开始。接着，在步骤602处，方法600继续通过高级驾驶员辅助系统基于所确定偏差来改变多个UI元件的传递函数。在步骤604处，方法600继续通过高级驾驶员辅助系统根据所改变传递函数来调整多个ECU，以便将由UI元件测量的信号转换为用于驱动载具的控制信号。

在一些实施例中，应理解，方法400、500或600的步骤可实施为连续过程，例如每一步骤可通过监测输入数据、执行操作且将数据输出到后续步骤而独立地运行。此外，用于每一方法的此类步骤可实施为离散事件过程，例如每一步骤可由其应触发且产生某一输出的事件触发。还应理解，图4到6中的每一图表示比图1到3中部分地呈现的方法更复杂的计算机系统的可能较大方法内的最小方法。因此，图4到6中的每一图中所描绘的步骤可与供应出入与较复杂系统的较大方法相关联的其它步骤的其它步骤组合。

应理解，除非另外规定载具，否则本文所描述的载具可为任何类型的载具。载具可包含汽车、卡车、船和飞机以及用于军事、建筑、农学或休闲用途的载具或载具设备。载具、载具部分或载具的驾驶员或乘客使用的电子器件可被视为载具电子器件。载具电子器件可包含用于发动机管理、点火装置、无线电、车载计算机、远程信息处理、车载娱乐系统和载具的其它部分的电子器件。载具电子器件可与点火装置和发动机及变速器控制一起使用或通过点火装置和发动机及变速器控制使用，所述点火装置和发动机及变速器控制可在具有例如汽油驱动的汽车、卡车、摩托车、船、飞机、军用载具、铲车、拖拉机和挖掘机等内燃驱动的机械的载具中见到。此外，载具电子器件可由相关元件使用或与相关元件一起使用以用于控制例如混合动力汽车或电动汽车的混合动力和电动载具中所见的电气系统。例如，电动载具可使用电力电子器件以用于主要推进电动机控制以及管理电池系统。而且，自动化载具几乎完全依赖于载具电子器件。

已依据计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示为数据处理领域的技术人员用以将其工作的主旨最有效地传达给本领域的其它技术人员的方式。算法在这里且通常被认为是引起所要结果的操作的自洽序列。操作为要求对物理量进行物理操控的操作。这些量通常但未必呈能够经存储、组合、比较和以其它方式操控的电或磁信号的形式。有时，主要出于通用的原因，已证明将这些信号称为位、值、元件、符号、字符、术语、数字等是方便的。

然而，应牢记，所有这些和类似术语应与适当物理量相关联，且仅仅是应用于这些量的方便标签。本公开可涉及将计算机系统的寄存器和存储器内的表示为物理(电子)量的数据操控和转换为计算机系统存储器或寄存器或其它这类信息存储系统内的类似地表示为物理量的其它数据的计算机系统或类似电子计算装置的动作和过程。

本公开还涉及用于执行本文中的操作的设备。此设备可以出于既定目的而专门构造，或其可包含由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。此类计算机程序可存储于计算机可读存储媒体中，例如包含软盘、光盘、CD-ROM和磁性光盘的任何类型的盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡或适于存储电子指令的任何类型的媒体，其各自耦合到计算机系统总线。

本文中所呈现的算法和显示本质上并不与任何特定计算机或其它设备相关。各种通用系统可与根据本文中的教示的程序一起使用，或其可证明构造更专用的设备来执行方法是方便的。将如下文描述中所示呈现用于这些各种系统的结构。另外，不参考任何特定编程语言来描述本公开。应了解，可使用各种编程语言来实施本文中所描述的本公开的教示。

本公开可提供为计算机程序产品或软件，其可包含在其上存储有可用于编程计算机系统(或其它电子装置)以执行根据本公开的过程的指令的机器可读媒体。机器可读媒体包含用于以机器(例如，计算机)可读的形式存储信息的任何机构。在一些实施例中，机器可读(例如，计算机可读)媒体包含机器(例如，计算机)可读存储媒体，如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储媒体、光学存储媒体、快闪存储器组件等。

在前述说明书中，已参考其特定实例实施例描述本公开的实施例。将显而易见的是，可在不脱离如所附权利要求书中阐述的本公开的实施例的更广泛精神和范围的情况下对本公开进行各种修改。因此，应以说明性意义而非限制性意义看待本说明书和图式。

Claims (20)

1.一种设备，其包括：

多个电子控制单元(ECU)，其配置成控制载具的驱动；

多个用户接口(UI)元件，其配置成由所述载具的驾驶员操控以指示施加的控制程度，所述控制程度至少部分地基于所述驾驶员与转向控制、制动控制或节流控制中的至少一个或其任何组合的交互，所述多个UI元件配置成：

测量指示由所述驾驶员施加的所述控制程度的信号；及

将所述信号传输到所述多个ECU中的ECU，其中所述ECU配置成基于从所述UI元件接收到的所述所测量信号来产生用于驱动所述载具的控制信号；及

高级驾驶员辅助系统(ADAS)，其配置成：

识别与所述UI元件交互的所述驾驶员的模式；

将所述模式与预定模型进行比较；及

至少部分地基于所述比较来调整所述多个ECU，以便将由所述UI元件测量的所述信号转换为用于驱动所述载具的所述控制信号。

2.根据权利要求1所述的设备，其中所述ADAS进一步配置成根据指示所述载具的环境条件的传感器数据来调整所述多个ECU，以便将由所述UI元件测量的所述信号转换为用于驱动所述载具的所述控制信号。

3.根据权利要求2所述的设备，其中所述ADAS进一步配置成：

根据所述预定模型和指示所述载具的环境条件的所述传感器数据来确定由所述多个UI元件产生的所述所测量信号与由所述ADAS自主地产生的驱动决策之间的响应差异；及

基于所述响应差异来训练人工神经网络(ANN)比较所述模式。

4.根据权利要求1所述的设备，其中所述ADAS配置成：

将指示所述控制程度的所述所传输信号输入到人工神经网络(ANN)中；及

基于所述ANN的输出来确定所述比较的至少一个特征。

5.根据权利要求4所述的设备，其中所述ADAS配置成训练所述ANN且基于所述比较来调整所述ANN。

6.根据权利要求1所述的设备，其中所述预定模型从预选定安全驾驶员的相关模型、具有预选定驾驶员能力水平的驾驶员的相关模型、具有预选定驱动习惯的驾驶员的相关模型或具有预选定驱动风格的驾驶员的相关模型或其任何组合导出。

7.根据权利要求1所述的设备，其中所述多个UI元件包括转向控制、制动控制和节流控制。

8.根据权利要求7所述的设备，其中所述ADAS配置成基于所述比较改变供所述ECU使用以控制所述载具的驱动的传递函数，且其中所述传递函数包括用于控制所述载具的转向机构、所述载具的节流机构或所述载具的制动机构中的至少一个或其任何组合的至少一个传递函数或从所述至少一个传递函数导出。

9.根据权利要求8所述的设备，其中所述多个UI元件包括变速器控制，且其中由所述驾驶员施加的所述控制程度包括检测到的用户与所述变速器控制的交互。

10.根据权利要求9所述的设备，其中所述传递函数包括用于控制所述载具的传动机构的传递函数或从所述传递函数导出。

11.一种设备，其包括：

多个电子控制单元(ECU)，其配置成控制载具的驱动；

多个汽车控制，其配置成由所述载具的驾驶员操控以指示施加的控制程度，所述控制程度至少部分地基于所述驾驶员与转向控制、制动控制或节流控制中的至少一个或其任何组合的交互；

多个传感器，其配置成：

检测由所述驾驶员对所述多个汽车控制施加的控制程度；及

将指示所述检测到的控制程度的信号传输到所述多个ECU中的ECU，其中所述ECU配置成基于从所述多个传感器接收到的所述信号来产生用于驱动所述载具的控制信号；及

高级驾驶员辅助系统(ADAS)，其配置成：

接收指示由所述驾驶员对所述多个汽车控制施加的所述检测到的控制程度的所述所传输信号；

基于将所述所传输信号与预定模型进行比较来为所述驾驶员产生滤波器；及

基于所述所产生滤波器改变供所述ECU使用以控制所述载具的驱动的传递函数。

12.根据权利要求11所述的设备，其中所述ADAS配置成：

将所述所改变传递函数与预定传递函数进行比较；及

基于所述所改变传递函数与所述预定传递函数的所述比较来调整所述滤波器的所述产生。

13.根据权利要求12所述的设备，其中所述ADAS配置成：

将指示由驾驶员对所述多个汽车控制施加的所述检测到的控制程度的所述所传输信号输入到人工神经网络(ANN)中；及

基于所述ANN的输出来确定所述滤波器的至少一个特征。

14.根据权利要求13所述的设备，其中所述ADAS配置成训练所述ANN，及

基于所述所改变传递函数与所述预定传递函数的所述比较来调整所述ANN。

15.根据权利要求12所述的设备，其中所述预定传递函数从预选定安全驾驶员的相关传递函数、具有预选定驾驶员能力水平的驾驶员的相关传递函数、具有预选定驱动习惯的驾驶员的相关传递函数或具有预选定驱动风格的驾驶员的相关传递函数或其任何组合导出。

16.根据权利要求11所述的设备，其中所述多个汽车控制包括转向控制、制动控制和节流控制。

17.根据权利要求16所述的设备，其中所述ADAS配置成基于所述滤波器改变供所述ECU使用以控制所述载具的驱动的传递函数，且其中所述传递函数包括用于控制所述载具的转向机构、所述载具的节流机构或所述载具的制动机构中的至少一个或其任何组合的至少一个传递函数或从所述至少一个传递函数导出。

18.一种方法，其包括：

通过载具中的多个传感器来检测指示由驾驶员用所述载具中的多个用户接口(UI)元件施加的控制程度的信号；

通过所述多个UI元件测量指示由所述驾驶员施加的控制程度的所述信号；

通过所述多个UI元件将所述所测量信号传输到所述载具的多个电子控制单元(ECU)和所述载具的高级驾驶员辅助系统(ADAS)；

通过所述ECU基于从所述多个UI元件接收到的所述所测量信号来产生用于驱动所述载具的控制信号；

通过所述ADAS基于从所述多个UI元件接收到的所述所测量信号来识别与所述多个UI元件交互的所述驾驶员的模式；

通过所述ADAS将所述模式与预定模型进行比较；及

通过所述ADAS至少部分地基于所述比较来调整所述多个ECU，以便将由所述UI元件测量的所述信号转换为用于驱动所述载具的所述控制信号。

19.根据权利要求18所述的方法，其包括：

通过所述ADAS基于所述比较来为所述驾驶员产生信号调制；及

通过所述ADAS根据所产生信号调制来调整所述多个ECU，以便将由所述UI元件测量的所述信号转换为用于驱动所述载具的所述控制信号。

20.根据权利要求18所述的方法，其包括：

通过所述ADAS基于所述比较来改变所述多个UI元件的传递函数；及

通过所述ADAS根据所述所改变传递函数来调整所述多个ECU，以便将由所述UI元件测量的所述信号转换为用于驱动所述载具的所述控制信号。

Images