CN116209611B - 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统 - Google Patents

在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统 Download PDF

Info

Publication number
CN116209611B
CN116209611B CN202180066157.2A CN202180066157A CN116209611B CN 116209611 B CN116209611 B CN 116209611B CN 202180066157 A CN202180066157 A CN 202180066157A CN 116209611 B CN116209611 B CN 116209611B
Authority
CN
China
Prior art keywords
trajectory
vehicle
candidate
self
cost
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.)
Active
Application number
CN202180066157.2A
Other languages
English (en)
Other versions
CN116209611A (zh
Inventor
C·坎宁安
N·西格米勒
M·奥利斯
A·T·哈特尼特
G·P·K·卡尔
C·萨夫琴科
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.)
Ergo Artificial Intelligence Co ltd
Original Assignee
Ergo Artificial Intelligence Co ltd
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 Ergo Artificial Intelligence Co ltd filed Critical Ergo Artificial Intelligence Co ltd
Publication of CN116209611A publication Critical patent/CN116209611A/zh
Application granted granted Critical
Publication of CN116209611B publication Critical patent/CN116209611B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • 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
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W50/0097—Predicting future conditions
    • 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
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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, light or radio wave 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2556/55—External transmission of data to or from the vehicle using telemetry

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

公开了一种确定自动交通工具的轨迹的方法。自我交通工具可以检测环境中移动参与者。为了在自我交通工具的候选轨迹之间进行选择，系统将考虑每个候选轨迹对移动参与者的成本。系统将使用候选轨迹的候选轨迹成本来选择候选轨迹之一，经由该候选轨迹之一来移动自我交通工具。然后，自我交通工具的自动交通工具系统可以沿着所选择的轨迹在环境中移动自我交通工具。

Description

在自动驾驶中使用其他道路使用者对自我交通工具行为的反 应的方法和系统
相关申请的交叉引用
本专利文档要求于2020年9月28日提交的美国专利申请第17/034,366号的优先权，其整体通过引用并入本文。
背景技术
当自动交通工具(AV)控制系统决定在环境中如何移动交通工具以及往何处移动交通工具时，具有挑战性的问题是如何规划AV和环境中其他参与者之间可能的交互。考虑其他参与者的经典方法是预测其他参与者规划采取的轨迹。然后，在运动规划中，AV规划通过将这些轨迹视为硬障碍来避开它们。
然而，将其他参与者的未来行为视为在所有情况下都要避免的硬边界并不理想，因为这会导致AV避免其他参与者实际上不会到达的空间和时间中的位置。其还可能导致AV未能考虑参与者的其他行为，诸如参与者可能如何对AV的行为做出反应。
本文档描述了旨在解决上述问题和/或其他问题的方法和系统。
发明内容
在各种实施例中，公开了一种确定自动交通工具的轨迹的方法。为了实施该方法，自我交通工具的存在检测系统可以在自我交通工具在环境中移动时检测环境中移动参与者的存在。自我交通工具的运动规划系统、自我交通工具的另一系统或外部系统可以识别自我交通工具的各种候选轨迹。对于自我交通工具的每个候选轨迹，系统可以确定：(i)移动参与者响应于自我交通工具的候选轨迹而预期遵循的反应轨迹；(ii)反应轨迹的移动参与者的成本，以及(iii)候选轨迹的候选轨迹成本。候选轨迹成本将是候选轨迹的移动参与者的成本和一个或多个自我中心因素的函数。系统将使用候选轨迹的候选轨迹成本来选择候选轨迹之一，经由该候选轨迹之一来移动自我交通工具。然后，自我交通工具的自动交通工具系统可以沿着所选择的轨迹在环境中移动自我交通工具。
可选地，使用候选轨迹的候选轨迹成本来选择候选轨迹之一可以包括选择具有最低候选轨迹成本的候选轨迹。可选地，使用候选轨迹的候选轨迹成本来选择候选轨迹之一包括从候选轨迹中选择对移动参与者具有最低成本的轨迹。
可选地，系统还可以确定标称轨迹预测，该标称轨迹预测包括移动参与者响应于自我交通工具的过去行为将预期遵循的标称轨迹。
在各种实施例中，移动参与者的成本可以是反应轨迹与标称轨迹的偏差的函数。此外或可替代地，移动参与者的成本可以是以下任一项或两项的函数：(i)与反应轨迹相关联的控制行为的严重性；或(ii)反应轨迹将有多接近候选轨迹。
可选地，确定移动参与者响应于自我交通工具的候选轨迹而预期遵循的反应轨迹可以包括：(i)确定移动参与者响应于候选轨迹可以遵循的可能反应轨迹；(ii)确定每个可能反应轨迹的反应轨迹成本；以及(iii)选择具有最低反应轨迹成本的可能反应轨迹作为移动参与者预期遵循的反应轨迹。
上述方法可以由包含编程指令的处理器和存储器来实施。包括这种指令的计算机程序产品也在本文档中进行了描述。
附图说明
图1图示了环境中的自动交通工具(AV)和另一移动参与者之间的交互的示例。
图2图示了在环境中AV和另一移动参与者之间的交互的另一示例，其中移动参与者响应于AV的移动而减速。
图3图示了AV可以通过其做出关于如何在环境中移动的决定的示例过程。
图4图示了当移动参与者响应于AV的行为而减速时，如何定义与各种移动行为相关联的成本。
图5图示了包括减速度的移动参与者的具体反应轨迹的示例总成本确定。
图6图示了环境中AV和另一移动参与者之间的交互的另一示例，其中移动参与者响应于AV的行为转向进入超车车道(passing lane)。
图7图示了当移动参与者响应于AV的行为而移动进入超车车道时，如何定义与各种移动行为相关联的成本。
图8图示了AV的示例系统和组件。
具体实施方式
如在本文档中所使用的，除非上下文另有明确指示，否则单数形式“一”、“一个”和“该”包括复数引用。除非另有定义，本文使用的所有技术和科学术语具有本领域普通技术人员通常理解的相同含义。如在本文档中所使用的，术语“包括”表示“包括但不限于。”
与本文档相关的附加术语的定义被包括在本详细说明的末尾。
本文档描述了一种方法，通过这种方法，自动交通工具(AV)将识别、评分并使用与环境中其他移动者的交互，并且然后使用结果来决定AV将在何时以及向何处移动。本文档可以将做出这样决定的AV称为“自我交通工具”(“ego-vehicle”)。本文档可以将检测到的移动物体或潜在移动物体(诸如交通工具(汽车、卡车、自行车等)和行人)称为“移动参与者”(“moving actor”)。使用本文档中描述的方法的自我交通工具的目标是避免沿着将使另一移动参与者将导致移动参与者采取激进的方式做出反应或者将使移动参与者的乘坐者不适进行移动(例如急转弯、突然转弯或紧急制动事件)的轨迹移动。该方法考虑自我交通工具的各种候选轨迹，确定这些轨迹中的每一个的移动参与者的成本，并且它惩罚将导致移动参与者的高成本的候选轨迹。成本确定是一个连续的过程，其允许自我交通工具在两个或更多候选行为中进行选择，即使其中任何一个都不是理想的行为(如果需要的话)。
考虑下面在图1中示出的示例，其中自我交通工具101在第一街道111中行驶并且即将转向第二街道112。自我交通工具的传感器检测第二街道112中朝着第一和第二街道111、112之间的交叉路口移动的移动参与者102(在这种情况下，另一交通工具)。(下面将描述自我交通工具的传感器可以通过其检测移动参与者的方法。)自我交通工具101和移动参与者102两者都正在接近第二街道112上的停标志150。自我交通工具101的规划轨迹121和移动参与者102的预测轨迹122表明自我交通工具101和移动参与者102可能碰撞。在这种情况下，如果自我交通工具101不是AV，而是由人类驾驶员操作，则人类驾驶员可能选择前进，预期移动参与者102将减速并让步。然而，AV的运动规划系统可以等待，因为沿着轨迹121移动的规划可能太冒险。
为了解决这个问题，本公开的自我交通工具可以预报检测到的移动参与者的标称轨迹和反应轨迹两者。参考图2，移动参与者102的预期轨迹122被认为是标称轨迹，因为它是自我交通工具101基于关于移动参与者102的感测数据(诸如移动参与者102的过去运动)、基于自我交通工具101的过去行为和/或环境(诸如天气、场景中的其他参与者等)预报的轨迹。然而，在这种情况下，自我交通工具101还预报移动参与者102的反应轨迹132。反应轨迹132考虑移动参与者102可能如何对自我交通工具的规划的未来行为做出反应。预测的标称轨迹122和反应轨迹132可以一起用于确定自我交通工具101将导致移动参与者102采取的反应有多激进，以及这将对移动参与者朝着其预测目标的前进造成多大的不便。
在图2中所示的示例中，当决定是否继续右转进入第二街道112时，自我交通工具还预测并考虑反应轨迹132，而不是仅考虑标称轨迹122。在所示的示例中，反应轨迹132不会显著地限制移动参与者102的向前前进，也不会导致移动参与者采取激进的控制行为。因此，自我交通工具的自动交通工具控制系统(AVS)可以使自我交通工具101继续转向第二街道112。
图3描述了AV可以通过其确定AV在环境中的移动的轨迹的各种元件。在301处，当自我交通工具在环境内移动时，自我交通工具的存在检测系统可以检测环境中的移动参与者的存在，如上面在图1和图2中所讨论的。例如，存在检测系统可以捕获移动参与者的图像，并使用分类器(即，训练的模型)来处理图像，以识别对象的存在并将对象分类为车辆、自行车、行人或其他移动参与者。可以采用诸如LiDAR传感器的其它存在检测系统。存在检测系统可以使用任何现在或以后已知的对象识别算法、视频跟踪算法和计算机视觉算法来识别移动参与者。例如，该系统可以使用边界框来识别第一帧中的对象，并在一段时间内迭代地逐帧逐步移动(rack movement)该框。
在302处，存在检测系统、自我交通工具的运动规划系统、与自我交通工具通信的外部系统(诸如外部服务器、移动电子设备或交通节点)或这些中的任何的组合可以预测移动参与者的标称轨迹。标称轨迹预测将包括移动参与者将被预期遵循的标称轨迹，可选地考虑自我交通工具的过去行为。标称轨迹代表平滑的路径，其不具有将以其他方式会给乘客带来不适的突然变化。用于确定交通工具轨迹的技术在本领域中是公知的，并且可以使用用于确定交通工具轨迹的任何已知或将是已知的技术。例如，在2019年11月6日在https://arxiv.org/abs/1911.02620出版的Chang等人的“Argoverse:3D tracking andForecasting with Rich Maps”中公开了示例轨迹预测算法，并且包括诸如Social-LSTM、Social-GAN、INtentNet、DESIRE、R2P2和PRECOG的算法以及其他算法。在一些实施例中，这些算法可以使用自我交通工具的过去行为作为输入，以预测移动参与者的轨迹。例如，如果自我交通工具的过去行为表明了移动到移动参与者的路径中的意图，则移动交通工具的轨迹可以部分地对移动参与者的自我交通工具的预期行为做出反应。
在303处，自我交通工具的运动规划系统将识别自我交通工具的两个或更多候选轨迹。(注意，步骤302之后的步骤303的位置是可选的；在一些实施方式中，步骤302和303的顺序可以颠倒。)每个候选轨迹将包括路径和对应的时间元素，通过该路径和时间元素，自我交通工具将从其当前位置到达目标位置。在生成候选轨迹时，自我交通工具的运动规划可以考虑地图数据、检测的对象、交通信号和检测的交通信号状态或者环境的其他方面。例如，为了确定候选轨迹，系统可以确定哪些车道可用于自我交通工具到达目标。每个这样的车道可以被认为是轨迹将遵循的路径。然后，系统可以对每条路径应用不同的速度来选择候选轨迹，其中一些轨迹比其他轨迹相对更快地到达目标，而一些轨迹相对更慢。
对于每个候选轨迹，在304处，自我交通工具的运动规划系统将确定移动参与者预期响应于自我交通工具的候选轨迹而遵循的反应轨迹。作为示例，系统可以使用是纵向模型的参数化运动模型来预测移动参与者对AV的反应。参考图1和图2的场景，正如自我交通工具具有是否转向移动参与者的路径的选择一样，移动参与者具有是加速并超过自我交通工具还是减速并在其后面排队的选择。因此，移动参与者可以在若干可能反应轨迹之间进行选择。因此，自我交通工具的运动规划系统可以假设移动者相对于一些成本函数最优地或合理地行动，并且当面临选择(诸如加速并超车，或者减速并在后面排队)时，移动参与者将选择具有相对较低成本的反应轨迹。
在305处，系统可以使用任何合适的成本函数来确定每个可能反应轨迹的成本。例如，如果在上述示例中移动参与者可以采取的行为集被认为是A{Pass,Queue}，则Cost(a)可以是移动参与者通过采取行为a而引发的成本。然后，系统可以假定移动参与者将选择使等式argminaCost(a),a∈A最优的行为。本质上，如果减速和排队的成本较低，则系统将预测移动参与者将这样做；如果加速和超车的成本较低，则系统将预测移动参与者将这样做。(注意：上述示例成本函数仅作为示例，可以使用其他成本函数，包括但不限于比上述简单示例更复杂的函数)。
作为示例，移动参与者对自我交通工具的反应可以被框定为单参数问题或多参数问题。在单参数问题中，参数可以是移动参与者的减速度，预期移动参与者将减速，直到自我交通工具不再在移动参与者的路径上或者移动参与者已经匹配自我交通工具的速度。多参数问题可以包括如上所述的减速度，以及一个或多个其他参数，诸如自我交通工具和移动参与者的速度匹配的时间。
在该示例中，自我交通工具将预期移动参与者将试图最优化的成本可以是减速度(假设移动参与者优选最小化减速度-更剧烈的减速度将是不太优选地)、跟随时间(即，移动参与者和自我交通工具的最近点之间的距离除以移动参与者的当前速度-假设移动参与者将优选最大化跟随时间)、跟随距离(假设移动参与者将优选最大化跟随距离，并避免过于靠近自我交通工具)以及移动者类型(由于不同类型的参与者—汽车、公共汽车、救护车、自行车等—可能具有不同的成本函数参数)的函数。可以使用其他参数或这些参数的子集。成本函数可以定义为多项式、分段线性函数、sigmoid或其他函数。图4图示了与减速度相关联的示例成本401、与跟随时间相关联的示例成本402和与跟随距离相关联的示例成本403。因此，移动参与者可能试图最小化的总成本是：
Cost＝maxt(FollowingTimeCostt)+maxt(FollowingDistCostt)+DecelCostt
在该等式中，max表示系统已经采样距离的所有时间步长(t)上的最大值。
组合成本函数可以看起来像图5中所图示的，其中总成本是所有其他成本分量的和。因此，成本可以作为反应轨迹在空间、时间或两者上偏离标称轨迹多少的函数而变化。
这假设移动参与者相对于成本函数“最优地”行动，并将遵循具有最低成本的可能反应轨迹(图3中的步骤306)。
作为附加示例，考虑这样一种情况，其中移动参与者的可能反应轨迹是超过自我交通工具。这在图6中示出。自我交通工具101、移动参与者102、候选轨迹121和标称轨迹122与图1中的情况相同。然而，移动参与者102的反应轨迹152现在假设移动参与者102将转向以避开自我交通工具101。
在这种情况下，反应轨迹可以具有至少两个自由度，而不是单个参数。该模型假设移动参与者102将在初始时段继续在其正常路径上，然后从标称路径过渡到横向偏移，然后保持沿着该横向偏移的运动。这两个自由参数可以包括横向偏移和另一因素，诸如沿着曲线的距离，该曲线从偏离标称路径开始，并在移动参与者返回标称路径的点处结束。
在该示例中，自我交通工具将预期移动参与者将试图最优化的成本是横向加速度(假设移动参与者优选最小化加速度—更剧烈的加速度将是不太优选的)、到相对车道的车道标记的横向距离(即，移动参与者与移动参与者将移动到的超车车道的车道标记—诸如中心线—之间的距离(假设移动参与者优选最大化该距离)、到自我交通工具的横向距离(假设移动参与者将优选最大化横向距离并避免过于靠近自我交通工具)、以及移动者类型(由于不同类型的参与者—汽车、公共汽车、救护车、自行车等—可能具有不同的成本函数参数)的函数。可以使用其他参数或这些参数的子集。成本函数可以定义为多项式、分段线性函数、sigmoid或其他函数。图7图示了与横向加速度相关联的示例成本701、与到超车车道标记的距离相关联的示例成本702和与到AV(自我交通工具)的距离相关联的示例成本703。因此，移动参与者可能试图最小化的总成本是：
Cost＝maxt(DistToAVCostt)+maxt(DistTolaneMarkCostt)+maxt(LatAccelCost)
在该等式中，max表示系统已经采样距离的所有时间步长(t)上的最大值。
在成本函数中可以考虑其他参数。例如，系统可以在成本中并入惩罚以考虑测量参数(诸如移动参与者的初始速度)中的不确定性和/或以考虑可能反应轨迹中的不确定性。成本还可以考虑其他因素，诸如特定行为是否将会导致场景中的移动参与者或另一移动参与者违反一个或多个规则(诸如交通控制规则、通行权规则等)。
返回图3，对于每个自我交通工具的候选轨迹，在307处，自我交通工具的运动规划系统可以确定候选轨迹的成本。候选轨迹的成本是该候选轨迹的移动参与者的确定成本以及一个或多个自我中心因素的函数。自我中心因素可以包括诸如减速度或加速度的强度(较高的值是不太理想的，因此具有较高的成本)、预期的转弯锐度(较高的值是不太理想的，因此具有较高的成本)或诸如以上对于移动参与者的反应轨迹描述的其他因素。
在308处，系统将使用为候选轨迹确定的候选轨迹成本来选择候选轨迹之一，经由该候选轨迹之一来移动自我交通工具。例如，系统可以简单地从候选轨迹中选择具有最低候选轨迹成本的候选轨迹。可替代地，系统可以从候选轨迹成本中选择与移动参与者的最低成本相关联的成本。可以使用其他函数，包括使用附加参数的更复杂的函数。
在309处，自我交通工具的自动交通工具系统将使自我交通工具在环境中沿着所选择的轨迹移动。例如，所选择的轨迹将具有特定路径，以及路径中每个点的速度。自动交通工具系统将使交通工具的转向系统沿着路径引导交通工具，并且交通工具的加速或制动子系统在路径的每个点处以轨迹的速度移动自我交通工具。
图8图示了用于交通工具(诸如是本实施例中的自我交通工具的AV)的示例性系统架构800。图1和图2的自我交通工具101可以具有与图2中所示的系统架构相同或相似的系统架构。因此，系统架构800的以下讨论足以理解图1和2的自我交通工具101。
如图2中所示，交通工具包括发动机或马达802和用于测量交通工具的各种参数的各种传感器804-818。在具有燃油动力发动机的气体动力或混合动力交通工具中，传感器可以包括例如发动机温度传感器804、电池电压传感器806、发动机每分钟转数(RPM)传感器808和节流阀定位传感器810。如果交通工具是电动交通工具或混合动力交通工具，则交通工具可以具有电动机，并且相应地将具有诸如电池监控系统812(用于测量电池的电流、电压和/或温度)、电动机电流814和温度816传感器以及诸如解析器和编码器818的电动机定位传感器的传感器。
两种类型的交通工具共有的运行参数传感器包括例如：定位传感器836，诸如加速度计、陀螺仪和/或惯性测量单元；速度传感器838；以及里程表传感器840。交通工具还可以具有时钟842，系统使用该时钟来确定运行期间的交通工具时间。时钟842可以被编码到交通工具载有的计算设备中，它可以是分离的设备，或者多个时钟可以是可用的。
交通工具还将包括各种传感器，这些传感器作为存在检测系统来收集关于交通工具行驶环境的信息。这些传感器可以包括例如：位置传感器860(例如，全球定位系统(GPS)设备)；对象检测传感器，诸如一个或多个相机862；LiDAR传感器系统864；和/或雷达和/或声纳系统866。传感器还可以包括环境传感器868，诸如降水传感器和/或环境温度传感器。对象检测传感器可以使交通工具能够检测在任何方向上在交通工具800的给定距离范围内的对象(例如图1和2的移动参与者102)，同时环境传感器收集关于交通工具行驶区域内的环境条件的数据。
在运行期间，信息从传感器传送到载有的计算设备820。载有的计算设备820还用作存在检测系统的一部分，以分析由传感器捕获的数据，并且可选地基于分析的结果控制交通工具的运行。载有的计算设备将包括一个或多个处理器和一个或多个存储器设备。
例如，载有的计算设备820可以包括被配置为使处理器进行以下操作的编程：经由制动控制器822控制制动；经由转向控制器824控制方向；经由节流阀控制器826(在气体动力交通工具中)或电动机速度控制器828(诸如在电动交通工具中的电流水平控制器)控制速度和加速度；控制差速齿轮控制器830(在具有变速器的交通工具中)；和/或其他控制器。
地理位置信息可以从位置传感器860传送到载有的计算设备820，载有的计算设备820然后可以访问对应于位置信息的环境的地图，以确定环境的已知固定特征，诸如街道、建筑物、停标志和/或停/通行信号。从相机862捕获的图像和/或从诸如LiDAR 864的传感器捕获的对象检测信息从那些传感器传送到载有的计算设备820，其中这些元件是交通工具的存在检测系统的元件。载有的计算设备820处理对象检测信息和/或捕获的图像，以检测接近交通工具800的对象。用于基于传感器数据和/或捕获的图像进行对象检测的任何已知或将是已知的技术可以用于本文档中所公开的实施例中。
当载有的计算设备820检测到移动对象时，载有的计算设备820或不同的载有的计算设备或诸如远程服务器或移动电子设备的外部系统880(在每种情况下都用作运动规划系统)将为检测到的对象生成一个或多个可能的对象轨迹，并分析可能的对象轨迹以评估对象和AV之间的碰撞风险。如果风险超过可接受的阈值，则载有的计算设备820执行操作以确定如果AV遵循定义的交通工具轨迹和/或在预定义的时间段(例如，N毫秒)内执行一个或多个动态生成的紧急机动，则碰撞是否可以避免。如果碰撞可以避免，则载有的计算设备820可以使交通工具800执行谨慎的机动(例如，轻微地减速、加速或转向)。相反，如果碰撞不能避免，则载有的计算设备820将使交通工具800采取紧急机动(例如，制动和/或改变行驶方向)。
在本文档中讨论的各种实施例中，描述可以陈述交通工具或交通工具的载有的计算设备可以实施编程指令，该编程指令使得交通工具的载有的计算设备做出决定并使用该决定来控制一个或多个交通工具系统的操作。然而，实施例不限于这种布置，因为在各种实施例中，分析、做出决定和/或操作控制可以全部或部分由与交通工具的载有的计算设备进行电子通信的其他计算设备来处理。这种其他计算设备的示例包括与乘坐在交通工具中的人相关联的电子设备(例如智能手机)，以及经由无线通信网络与交通工具进行电子通信的远程服务器。任何这样的设备的处理器可以执行上面讨论的操作。
以上公开的特征和功能以及可替代方案可以组合到许多其他不同的系统或应用中。各种组件可以以硬件或软件或嵌入式软件来实施。本领域技术人员可以做出各种目前未预见或未预料到的替代、修正、变化或改进，其中每一个也旨在被所公开的实施例所包含。
与上面提供的公开相关的术语包括:
术语“交通工具”是指能够运载一个或多个人类乘员和/或货物并由任何形式的能量提供动力的任何移动形式的运输工具。术语“交通工具”包括但不限于汽车、卡车、货车、火车、自动车辆、飞机、空中无人机等。“自动交通工具”或“AV”是一种具有处理器、编程指令和传动系组件的交通工具，这些组件可由处理器控制而不需要人类操作员。自动交通工具可以是完全自动的，因为它在大多数或所有驾驶条件和功能下不要求人类操作员，或者它可以是半自动的，因为在某些条件下或某些操作下可能要求人类操作员，或者人类操作员可以凌驾于交通工具的自动系统并可以控制交通工具。自动交通工具还包括其中自动系统增强交通工具的人类操作的交通工具，诸如具有驾驶员辅助转向、速度控制、制动、停车和其他系统的交通工具。
术语“自我交通工具”是指是在环境中移动的特定交通工具。当在本文档中使用时，术语“自我交通工具”通常指的是在环境中移动的AV，其具有自动交通工具控制系统(AVS),该系统被编程以决定AV将移动到哪里或不移动到哪里。
在本文档中，术语“街道”、“车道”、“道路”和“交叉路口”以交通工具在一条或多条道路上行驶为示例进行说明。然而，实施例旨在包括其他位置的车道和交叉路口，诸如停车区域。此外，对于设计用于室内的自动交通工具(例如仓库中的自动拣选设备)，街道可以是仓库的走廊，而车道可以是走廊的一部分。如果自动交通工具是无人机或其他飞机，术语“街道”或“道路”可以代表航路，而车道可以是航路的一部分。如果自动交通工具是船只，那么术语“街道”或“道路”可以标识水路，而车道可以是水路的一部分。
“电子设备”或“计算设备”是指包括处理器和存储器的设备。每个设备可以具有其自己的处理器和/或存储器，或者处理器和/或存储器可以如在虚拟机或容器布置中与其他设备共享。存储器将包含或接收包括编程指令的计算机程序，当由处理器运行时，该编程指令使电子设备根据编程指令执行一个或多个操作。计算机程序产品是包含编程指令的存储器设备。
术语“存储器”、“存储器设备”、“数据存储”、“数据存储设施”等各自是指其上存储计算机可读数据、编程指令或两者的非暂时性设备。除非另有特别说明，否则术语“存储器”、“存储器设备”、“数据存储”、“数据存储设施”等旨在包括单个设备实施例、多个存储器设备一起或共同存储数据集或指令集的实施例，以及这些设备内的单独扇区。
术语“处理器”和“处理设备”是指被配置为运行编程指令的电子设备的硬件组件。除非另有特别说明，否则单数术语“处理器”或“处理设备”旨在包括单个处理设备实施例和多个处理设备一起或共同执行处理的实施例。
在本文档中，当诸如“第一”和“第二”的相对顺序术语被用来修饰名词时，除非特别说明，这种使用仅仅旨在将一个项目与另一个项目区分开来，而不旨在要求先后顺序。

Claims (18)

1.一种确定自动交通工具的轨迹的方法，所述方法包括：
通过自我交通工具的存在检测系统，当所述自我交通工具在环境中移动时，检测所述环境中移动参与者的存在；
识别所述自我交通工具的多个候选轨迹；
对于所述自我交通工具的每个候选轨迹：
确定标称轨迹预测，所述标称轨迹预测包括所述移动参与者响应于所述自我交通工具的过去行为将预期遵循的标称轨迹，
确定所述移动参与者响应于所述自我交通工具的所述候选轨迹而预期遵循的反应轨迹，
确定所述反应轨迹的所述移动参与者的成本，其中所述移动参与者的成本是所述反应轨迹与所述标称轨迹的横向偏移和沿着所述反应轨迹与所述标称轨迹的偏差的曲线的距离的函数，以及
确定所述候选轨迹的候选轨迹成本，其中所述候选轨迹成本是所述反应轨迹的所述移动参与者的成本和一个或多个自我中心因素的函数；
使用所述候选轨迹的所述候选轨迹成本来选择所述候选轨迹之一，经由所述候选轨迹之一来移动所述自我交通工具；以及
通过所述自我交通工具的自动交通工具系统，在所述环境中沿着所选择的轨迹移动所述自我交通工具。
2.根据权利要求1所述的方法，其中使用所述候选轨迹的所述候选轨迹成本来选择所述候选轨迹之一包括选择具有最低候选轨迹成本的候选轨迹。
3.根据权利要求1所述的方法，其中使用所述候选轨迹的所述候选轨迹成本来选择所述候选轨迹之一包括从所述候选轨迹中选择具有移动参与者的最低成本的轨迹。
4.根据权利要求1所述的方法，其中所述移动参与者的成本是以下任一项或两者的函数：
与所述反应轨迹相关联的控制行为的严重性；或者
所述反应轨迹将有多接近所述候选轨迹。
5.根据权利要求1所述的方法，其中确定所述移动参与者响应于所述自我交通工具的所述候选轨迹而预期遵循的所述反应轨迹包括：
确定所述移动参与者响应于所述候选轨迹而能够遵循的多个可能反应轨迹；
确定可能反应轨迹中的每个反应轨迹的反应轨迹成本；以及
选择具有最低反应轨迹成本的可能反应轨迹作为所述移动参与者预期遵循的所述反应轨迹。
6.根据权利要求1所述的方法，其中确定所述候选轨迹的所述候选轨迹成本是由所述自我交通工具的运动规划系统执行的。
7.根据权利要求1所述的方法，其中确定所述候选轨迹的所述候选轨迹成本是由与所述自我交通工具通信的外部系统执行的。
8.一种用于确定自动交通工具的轨迹的系统，所述系统包括：
存在检测系统，所述存在检测系统能够在自我交通工具在环境中移动时检测所述环境中移动参与者的存在；
处理器；以及
存储器，所述存储器包含编程指令，所述编程指令被配置为使所述处理器：
识别所述自我交通工具的多个候选轨迹；
对于所述自我交通工具的每个候选轨迹：
确定标称轨迹预测，所述标称轨迹预测包括所述移动参与者响应于所述自我交通工具的过去行为将预期遵循的标称轨迹，
确定所述移动参与者响应于所述自我交通工具的所述候选轨迹而预期遵循的反应轨迹，
确定所述反应轨迹的所述移动参与者的成本，其中所述移动参与者的成本是所述反应轨迹与所述标称轨迹的横向偏移和沿着所述反应轨迹与所述标称轨迹的偏差的曲线的距离的函数，以及
确定所述候选轨迹的候选轨迹成本，其中所述候选轨迹成本是所述反应轨迹的所述移动参与者的成本和一个或多个自我中心因素的函数，使用所述候选轨迹的所述候选轨迹成本来选择所述候选轨迹之一，经由所述候选轨迹之一来移动所述自我交通工具，以及
使所述自我交通工具的自动交通工具系统在所述环境中沿着所选择的轨迹移动。
9.根据权利要求8所述的系统，还包括所述自我交通工具的自动交通工具系统，其中所述自动交通工具系统包括交通工具载有的计算设备并且被编程为被配置为使所述自我交通工具沿着所选择的轨迹移动。
10.根据权利要求8所述的系统，其中所述存在检测系统包括以下的一个或多个：相机或LiDAR系统。
11.根据权利要求8所述的系统，其中使用所述候选轨迹的所述候选轨迹成本来选择所述候选轨迹之一的所述指令包括选择具有最低候选轨迹成本的候选轨迹的指令。
12.根据权利要求8所述的系统，其中使用所述候选轨迹的所述候选轨迹成本来选择所述候选轨迹之一的指令包括从所述候选轨迹中选择具有移动参与者的最低成本的轨迹的指令。
13.根据权利要求8所述的系统，其中所述移动参与者的成本是以下任一项或两者的函数：
与所述反应轨迹相关联的控制行为的严重性；或者
所述反应轨迹将有多接近所述候选轨迹。
14.根据权利要求8所述的系统，其中确定所述移动参与者响应于所述自我交通工具的所述候选轨迹而预期遵循的所述反应轨迹的所述指令包括进行以下操作的指令：
确定所述移动参与者响应于所述候选轨迹而能够遵循的多个可能反应轨迹；
确定可能反应轨迹中的每个反应轨迹的反应轨迹成本；以及
选择具有最低反应轨迹成本的可能反应轨迹作为所述移动参与者预期遵循的所述反应轨迹。
15.根据权利要求8所述的系统，其中所述处理器是所述自我交通工具的运动规划系统的组件。
16.根据权利要求8所述的系统，其中所述处理器是与所述自我交通工具通信的外部系统的组件。
17.一种确定自动交通工具的轨迹的方法，所述方法包括：
通过自我交通工具的存在检测系统，当所述自我交通工具在环境中移动时，检测所述环境中移动参与者的存在；
识别所述自我交通工具的多个候选轨迹；
对于所述自我交通工具的每个候选轨迹：
确定所述移动参与者响应于所述自我交通工具的所述候选轨迹而预期遵循的反应轨迹，
确定标称轨迹预测，所述标称轨迹预测包括所述移动参与者响应于所述自我交通工具的过去行为将预期遵循的标称轨迹，
确定所述反应轨迹的所述移动参与者的成本，其中所述移动参与者的成本是所述反应轨迹与所述标称轨迹的横向偏移和沿着所述反应轨迹与所述标称轨迹的偏差的曲线的距离的函数，以及
确定所述候选轨迹的候选轨迹成本，其中所述候选轨迹成本是所述反应轨迹的所述移动参与者的成本和一个或多个自我中心因素的函数；
从所述候选轨迹中选择具有最低成本的候选轨迹；以及
通过所述自我交通工具的自动交通工具系统，在所述环境中沿着所选择的候选轨迹移动所述自我交通工具。
18.根据权利要求17所述的方法，其中所述移动参与者的成本是以下任一项或两者的函数：
与所述反应轨迹相关联的控制行为的严重性；或者
所述反应轨迹将有多接近所述候选轨迹。
CN202180066157.2A 2020-09-28 2021-09-13 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统 Active CN116209611B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/034,366 2020-09-28
US17/034,366 US11648965B2 (en) 2020-09-28 2020-09-28 Method and system for using a reaction of other road users to ego-vehicle actions in autonomous driving
PCT/US2021/050061 WO2022066458A1 (en) 2020-09-28 2021-09-13 Method and system for using a reaction of other road users to ego-vehicle actions in autonomous driving

Publications (2)

Publication Number Publication Date
CN116209611A CN116209611A (zh) 2023-06-02
CN116209611B true CN116209611B (zh) 2023-12-05

Family

ID=80823226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180066157.2A Active CN116209611B (zh) 2020-09-28 2021-09-13 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统

Country Status (4)

Country Link
US (1) US11648965B2 (zh)
EP (1) EP4217249A1 (zh)
CN (1) CN116209611B (zh)
WO (1) WO2022066458A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11590968B2 (en) * 2018-10-31 2023-02-28 Intel Corporation Methods and apparatus to mitigate hard-braking events
US11131993B2 (en) * 2019-05-29 2021-09-28 Argo AI, LLC Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout
CN112085690A (zh) * 2019-06-14 2020-12-15 株式会社岛野 检测装置、检测方法、生成方法和存储介质
US20220340138A1 (en) * 2021-04-27 2022-10-27 Argo AI, LLC Methods and systems for generating trajectory of an autonomous vehicle for traversing an intersection
US20230192128A1 (en) * 2021-12-21 2023-06-22 Gm Cruise Holdings Llc Hierarchical mode anchoring
DE102022002253B3 (de) * 2022-06-21 2023-08-24 Mercedes-Benz Group AG Verfahren zur Planung einer Solltrajektorie für ein automatisiert fahrendes Fahrzeug

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106528589A (zh) * 2016-09-14 2017-03-22 北京航空航天大学 数据管理方法及装置
CN109074082A (zh) * 2016-06-09 2018-12-21 X开发有限责任公司 用于交通工具的传感器轨迹规划
CN109313445A (zh) * 2016-03-23 2019-02-05 优特诺股份有限公司 车辆驾驶和自动驾驶的促进
CN109489675A (zh) * 2017-09-11 2019-03-19 百度（美国）有限责任公司 用于自动驾驶车辆的基于成本的路径规划
CN110271556A (zh) * 2018-03-14 2019-09-24 通用汽车环球科技运作有限责任公司 自主车辆的基于云的场景规划的驾驶系统和控制逻辑
CN110389584A (zh) * 2018-04-17 2019-10-29 百度（美国）有限责任公司 用于评估自动驾驶车辆的轨迹候选项的方法
CN110936958A (zh) * 2019-11-26 2020-03-31 交通运输部公路科学研究所 自动驾驶换道轨迹优化模型、换道轨迹优化方法及其系统
GB202008597D0 (en) * 2020-06-08 2020-07-22 Daimler Ag A method for determining a trajectory of an autonomous motor vehicle, as well as an assitance system

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8509982B2 (en) 2010-10-05 2013-08-13 Google Inc. Zone driving
EP2562060B1 (en) 2011-08-22 2014-10-01 Honda Research Institute Europe GmbH A method and system for predicting movement behavior of a target traffic object
DE102013223428A1 (de) 2013-11-18 2015-05-21 Robert Bosch Gmbh Verfahren und Fahrerassistenzeinrichtung zur Unterstützung von Spurwechseln bzw. Überholmanövern eines Kraftfahrzeugs
GB201406993D0 (en) 2014-04-17 2014-06-04 Anthony Best Dynamics Ltd Path control system
US10055850B2 (en) 2014-09-19 2018-08-21 Brain Corporation Salient features tracking apparatus and methods using visual initialization
US9248834B1 (en) 2014-10-02 2016-02-02 Google Inc. Predicting trajectories of objects based on contextual information
US9630318B2 (en) 2014-10-02 2017-04-25 Brain Corporation Feature detection apparatus and methods for training of robotic navigation
DE102015221817A1 (de) 2015-11-06 2017-05-11 Audi Ag Verfahren zum dezentralen Abstimmen von Fahrmanövern
CN108431549B (zh) 2016-01-05 2020-09-04 御眼视觉技术有限公司 具有施加的约束的经训练的系统
US9792575B2 (en) 2016-03-11 2017-10-17 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
US11120353B2 (en) 2016-08-16 2021-09-14 Toyota Jidosha Kabushiki Kaisha Efficient driver action prediction system based on temporal fusion of sensor data using deep (bidirectional) recurrent neural network
US11295458B2 (en) 2016-12-01 2022-04-05 Skydio, Inc. Object tracking by an unmanned aerial vehicle using visual sensors
US10268200B2 (en) 2016-12-21 2019-04-23 Baidu Usa Llc Method and system to predict one or more trajectories of a vehicle based on context surrounding the vehicle
US10409288B2 (en) 2017-05-03 2019-09-10 Toyota Research Institute, Inc. Systems and methods for projecting a location of a nearby object into a map according to a camera image
US10942525B2 (en) 2017-05-09 2021-03-09 Uatc, Llc Navigational constraints for autonomous vehicles
KR20180128670A (ko) 2017-05-24 2018-12-04 주식회사 에스더블유엠 차량 주행제어 방법 및 장치
KR102070527B1 (ko) 2017-06-22 2020-01-28 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량 교통 예측에서 예측되는 궤적에 대한 평가 프레임 워크
US10579063B2 (en) * 2017-07-21 2020-03-03 Uatc, Llc Machine learning for predicting locations of objects perceived by autonomous vehicles
US10656657B2 (en) 2017-08-08 2020-05-19 Uatc, Llc Object motion prediction and autonomous vehicle control
US11112796B2 (en) 2017-08-08 2021-09-07 Uatc, Llc Object motion prediction and autonomous vehicle control
US10654522B2 (en) 2017-09-07 2020-05-19 Uatc, Llc System for actively monitoring the steering angle of a vehicle using a kingpin sensor
US10452070B2 (en) 2017-09-15 2019-10-22 Uber Technologies, Inc. Context-specific tolerance for motion control in autonomous vehicles
US11906625B2 (en) 2018-01-08 2024-02-20 The Regents Of The University Of California Surround vehicle tracking and motion prediction
US10782699B2 (en) 2018-03-10 2020-09-22 Baidu Usa Llc Real-time perception adjustment and driving adaption based on surrounding vehicles' behavior for autonomous driving vehicles
US10860025B2 (en) 2018-05-15 2020-12-08 Toyota Research Institute, Inc. Modeling graph of interactions between agents
US11755018B2 (en) 2018-11-16 2023-09-12 Uatc, Llc End-to-end interpretable motion planner for autonomous vehicles
KR102138979B1 (ko) * 2018-11-29 2020-07-29 한국과학기술원 차선 기반의 확률론적 주변 차량 거동 예측 및 이를 이용한 종방향 제어 방법
EP3683782B1 (en) * 2019-01-18 2023-06-28 Honda Research Institute Europe GmbH Method for assisting a driver, driver assistance system, and vehicle including such driver assistance system
US11131993B2 (en) 2019-05-29 2021-09-28 Argo AI, LLC Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout
US11161502B2 (en) * 2019-08-13 2021-11-02 Zoox, Inc. Cost-based path determination
US11390300B2 (en) * 2019-10-18 2022-07-19 Uatc, Llc Method for using lateral motion to optimize trajectories for autonomous vehicles

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109313445A (zh) * 2016-03-23 2019-02-05 优特诺股份有限公司 车辆驾驶和自动驾驶的促进
CN109074082A (zh) * 2016-06-09 2018-12-21 X开发有限责任公司 用于交通工具的传感器轨迹规划
CN106528589A (zh) * 2016-09-14 2017-03-22 北京航空航天大学 数据管理方法及装置
CN109489675A (zh) * 2017-09-11 2019-03-19 百度（美国）有限责任公司 用于自动驾驶车辆的基于成本的路径规划
CN110271556A (zh) * 2018-03-14 2019-09-24 通用汽车环球科技运作有限责任公司 自主车辆的基于云的场景规划的驾驶系统和控制逻辑
CN110389584A (zh) * 2018-04-17 2019-10-29 百度（美国）有限责任公司 用于评估自动驾驶车辆的轨迹候选项的方法
CN110936958A (zh) * 2019-11-26 2020-03-31 交通运输部公路科学研究所 自动驾驶换道轨迹优化模型、换道轨迹优化方法及其系统
GB202008597D0 (en) * 2020-06-08 2020-07-22 Daimler Ag A method for determining a trajectory of an autonomous motor vehicle, as well as an assitance system

Also Published As

Publication number Publication date
CN116209611A (zh) 2023-06-02
US20220097732A1 (en) 2022-03-31
US11648965B2 (en) 2023-05-16
EP4217249A1 (en) 2023-08-02
WO2022066458A1 (en) 2022-03-31

Similar Documents

Publication Publication Date Title
CN116209611B (zh) 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和系统
CN113128326B (zh) 具有语义地图和lstm的车辆轨迹预测模型
US11754408B2 (en) Methods and systems for topological planning in autonomous driving
EP3602220B1 (en) Dynamic sensor selection for self-driving vehicles
CN114391088B (zh) 轨线规划器
WO2021041094A1 (en) Method of handling occlusions at intersections in operation of autonomous vehicle
US11618444B2 (en) Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior
WO2022072414A1 (en) Methods and systems for predicting actions of an object by an autonomous vehicle to determine feasible paths through a conflicted area
US11718290B2 (en) Methods and systems for safe out-of-lane driving
US20230382430A1 (en) Method and system for forecasting reactions of other road users in autonomous driving
WO2022115216A2 (en) Method and system for determining a mover model for motion forecasting in autonomous vehicle control
EP4147936B1 (en) Drive with caution under uncertainty for an autonomous driving vehicle
WO2023177969A1 (en) Method and system for assessing whether a vehicle is likely to leave an off-road parking area
EP4163755B1 (en) Systems and methods for controlling speed of an autonomous vehicle
US20240190463A1 (en) Systems and methods for path planning of autonomous vehicles
EP4147934A1 (en) Methods and systems for autonomous vehicle collision avoidance
EP4145420A1 (en) Hierarchical processing of traffic signal face states
CN117022262A (zh) 无人车速度规划控制方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant