CN117608276A - 自主式赛道驾驶教练和演示器 - Google Patents
自主式赛道驾驶教练和演示器 Download PDFInfo
- Publication number
- CN117608276A CN117608276A CN202310084301.6A CN202310084301A CN117608276A CN 117608276 A CN117608276 A CN 117608276A CN 202310084301 A CN202310084301 A CN 202310084301A CN 117608276 A CN117608276 A CN 117608276A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- trajectory
- road route
- autonomous
- electronic controller
- 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 claims abstract description 68
- 230000001133 acceleration Effects 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 7
- 239000000725 suspension Substances 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000005457 optimization Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
-
- 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
- B60W30/10—Path keeping
-
- 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
- B60W60/005—Handover processes
- B60W60/0053—Handover processes from vehicle to occupant
-
- 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
- B60W2300/00—Indexing codes relating to the type of vehicle
- B60W2300/28—Racing vehicles, e.g. Formula one cars
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/06—Direction of travel
-
- 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
- B60W2540/01—Occupants other than the driver
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及自主式赛道驾驶教练和演示器。一种在采用用于推进和操纵的车辆操作系统的自主机动车辆中操作自主式赛道驾驶教练和演示器的方法包括经由远程配置器识别道路路线并绘制车辆的速度分布和轨迹。轨迹限定围绕道路路线的车辆路径,并且通过速度分布最小化车辆的单圈时间。该方法还包括确定位于车辆中的人类乘客/操作者的存在。该方法还包括经由与远程检测源通信的电子控制器确定车辆在道路路线上的定位。该方法还包括确定相对于绘制的轨迹的车辆速度、加速度和航向。此外,该方法包括:响应于确定的定位、速度、加速度和航向,使用操作系统的反馈控制,在人类乘客/操作者位于车辆中的情况下操作车辆,以遵循绘制的轨迹。
Description
技术领域
本公开涉及用于在机动车辆中提供自主式赛道驾驶教练和演示器的系统和方法。
背景技术
自主车辆包括:诸如激光雷达、雷达和相机的传感器,其可操作用于检测车辆操作和车辆周围的环境;以及计算设备,其可操作用于控制车辆操作的所有方面。自主车辆通常采用与车辆控制件、线控系统、车辆对车辆通信和/或车辆对基础设施技术集成的车辆导航系统来识别车辆位置和导航车辆。
典型地,车辆导航系统使用全球定位系统(GPS)来获得其位置数据,然后将位置数据与相对于周围地理区域的车辆位置相关联。基于GPS信号,当需要到特定航路点的方向时,可以计算到这样的目的地的路线,从而确定车辆路径。具体地,车辆传感器和计算设备可以协作以识别中间航路点并在这样的航路点之间操纵车辆,以将车辆保持在所选路径上。
虽然与传统车辆相比,自主车辆提供了许多潜在优势,但在某些情况下,可能希望训练人类在没有自主辅助或控制的情况下操作和操纵这样的车辆。例如,人类可能希望为了个人满足而操作车辆和/或进行竞赛驾驶,诸如在闭路赛道或跑道上。用于训练人类在实际跑道上驾驶车辆的当前技术典型地包括人类教员。然而,聘请人类教员可能是耗时的、昂贵的和/或难以安排的。另外,由特定人类教员使用的技术可能并不总是最佳的。
发明内容
一种在采用用于推进和操纵的车辆操作系统的自主机动车辆中操作自主式赛道驾驶教练和演示器的方法包括识别道路路线。该方法还包括经由远离车辆布置的配置器来绘制车辆的轨迹和速度分布。绘制的轨迹限定了车辆围绕道路路线的路径,并且绘制的速度分布旨在最小化车辆的道路路线单圈时间。该方法还包括确定位于车辆中的人类乘客/操作者的存在。
该方法另外包括经由与远离车辆布置的检测源(诸如全球定位系统(GPS))通信的电子控制器确定车辆在道路路线上的定位。该方法还包括经由电子控制器监测定位并确定车辆相对于在道路路线上的绘制的轨迹的速度、加速度和航向。此外,该方法包括:响应于确定的定位、速度、加速度和航向,使用车辆操作系统的反馈控制,经由电子控制器在人类乘客/操作者位于车辆中的情况下操作车辆,以遵循绘制的轨迹。
自主式赛道驾驶教练和演示器可以在驾驶教练模式下操作。在这样的实施例中,该方法还可以包括检测人类乘客/操作者向车辆操作系统中的至少一个的输入。
该方法可以另外包括感知或检测在道路路线上绘制的轨迹附近的危害,诸如障碍物或危险。在这样的实施例中,该方法可以另外包括经由电子控制器仲裁车辆操作系统中的至少一个,以在车辆遵循绘制的轨迹的同时干预车辆的操作以减轻感知的危害。
自主式赛道驾驶教练和演示器可以在演示器模式下操作。在这样的实施例中,该方法可以另外包括感知在道路路线上的绘制的轨迹附近的危害,以及授权人类乘客/操作者接管车辆操作系统的控制,以减轻道路路线上的感知的危害。
绘制轨迹可以包括确定沿着限定的路径的多个控制点。
绘制轨迹可以另外包括在多个控制点中的每一个处确定对车辆操作系统中的至少一个的控制输入,以生成相应的控制点轨迹。
绘制轨迹可以另外包括确定用于对车辆操作系统的控制输入的最优时间序列以使得单圈时间最小化。
该方法还可以包括使用用于对车辆操作系统的控制输入的确定的最优时间序列作为模型预测控制(MPC)算法中的初始猜测,以在整个基于模型的预测范围内传播MPC算法。
该方法还可以包括在相应的生成的控制点轨迹中的每一个处确定非线性预测模型中的初始猜测的线性近似。
该方法可以另外包括生成和求解二次表达式以确定与线性近似的偏差和对车辆操作系统的优化的控制输入,以及应用优化的控制输入以使得与绘制的轨迹的偏差最小化。
还公开了一种用于自主机动车辆并且配置成执行上述方法的自主式赛道驾驶教练和演示器。
本发明提供下列技术方案。
技术方案1.一种在自主机动车辆中操作自主式赛道驾驶教练和演示器的方法,所述自主机动车辆采用用于推进和操纵的车辆操作系统,所述方法包括:
经由远离所述车辆布置的配置器识别道路路线并绘制所述车辆的速度分布和所述车辆的轨迹,所述轨迹限定所述车辆围绕所述道路路线的路径,所述路径被配置成最小化所述车辆的道路路线单圈时间;
确定位于所述车辆中的人类乘客/操作者的存在;
经由与远离所述车辆布置的检测源通信的电子控制器确定所述车辆在所述道路路线上的定位;
经由所述电子控制器监测所述定位并确定所述车辆相对于在所述道路路线上的所述绘制的轨迹的速度、加速度和航向;以及
响应于所述确定的定位、速度、加速度和航向,使用所述车辆操作系统的反馈控制,在所述人类乘客/操作者位于所述车辆中的情况下经由所述电子控制器操作所述车辆,以遵循所述绘制的轨迹。
技术方案2.根据技术方案1所述的方法,其中,所述自主式赛道驾驶教练和演示器以驾驶教练模式操作,还包括检测所述人类乘客/操作者对所述车辆操作系统中的至少一个的输入。
技术方案3.根据技术方案2所述的方法,还包括:
感知在所述道路路线上的所述绘制的轨迹附近的危害;以及
经由所述电子控制器仲裁所述车辆操作系统中的至少一个,以在所述车辆遵循所述绘制的轨迹的同时干预所述车辆的操作,以减轻所述感知的危害。
技术方案4.根据技术方案1所述的方法,其中,所述自主式赛道驾驶教练和演示器以演示器模式操作,还包括感知在所述道路路线上的所述绘制的轨迹附近的危害,以及授权所述人类乘客/操作者接管对所述车辆操作系统的控制以减轻所述感知的危害。
技术方案5.根据技术方案1所述的方法,其中,绘制所述轨迹包括确定沿着所述限定的路径的多个控制点。
技术方案6.根据技术方案5所述的方法,其中,绘制所述轨迹另外包括在所述多个控制点中的每一个处确定对所述车辆操作系统中的至少一个的控制输入,以生成相应的控制点轨迹。
技术方案7.根据技术方案6所述的方法,其中,绘制所述轨迹另外包括确定用于对所述车辆操作系统的控制输入的最优时间序列以使得所述单圈时间最小化。
技术方案8.根据技术方案7所述的方法,还包括使用用于对所述车辆操作系统的控制输入的所述确定的最优时间序列作为模型预测控制(MPC)算法中的初始猜测,以在整个基于模型的预测范围内传播所述MPC算法。
技术方案9.根据技术方案8所述的方法,还包括在所述相应生成的控制点轨迹中的每一个处为所述非线性预测模型中的所述初始猜测确定线性近似。
技术方案10.根据技术方案9所述的方法,还包括生成和求解二次表达式以确定与所述线性近似的偏差以确定对所述车辆操作系统的优化的控制输入,以及应用所述优化的控制输入以使得与所述绘制的轨迹的偏差最小化。
技术方案11.一种用于自主机动车辆的自主式赛道驾驶教练和演示器,所述自主机动车辆采用用于推进和操纵的车辆操作系统,所述方法包括:
配置器,其布置成远离所述车辆,并被配置成识别道路路线并绘制所述车辆的速度分布和所述车辆的轨迹,所述轨迹限定所述车辆围绕所述道路路线的路径,所述路径被配置成最小化所述车辆的道路路线单圈时间;
车辆传感器,其被配置成检测位于所述车辆中的人类乘客/操作者的存在;
电子控制器,其与远离所述车辆布置的检测源通信,并且被配置成:
确定所述车辆在所述道路路线上的定位;
监测所述定位并确定所述车辆相对于在所述道路路线上的所
述绘制的轨迹的速度、加速度和航向;以及
响应于所述确定的定位、速度、加速度和航向,使用所述车辆操作系统的反馈控制,在所述人类乘客/操作者位于所述车辆中的情况下操作所述车辆,以遵循所述绘制的轨迹。
技术方案12.根据技术方案11所述的自主式赛道驾驶教练和演示器,其中,所述自主式赛道驾驶教练和演示器以驾驶教练模式操作,并且其中,所述电子控制器另外被配置成检测所述人类乘客/操作者对所述车辆操作系统中的至少一个的输入。
技术方案13.根据技术方案12所述的自主式赛道驾驶教练和演示器,其中,所述电子控制器另外被配置成:
感知在所述道路路线上的所述绘制的轨迹附近的危害;以及
仲裁所述车辆操作系统中的至少一个,以在所述车辆遵循所述绘制的轨迹的同时干预所述车辆的操作,以减轻所述感知的危害。
技术方案14.根据技术方案11所述的自主式赛道驾驶教练和演示器,其中,所述自主式赛道驾驶教练和演示器以演示器模式操作,其中,所述电子控制器另外被配置成感知在所述道路路线上的所述绘制的轨迹附近的危害并且授权所述人类乘客/操作者接管对所述车辆操作系统的控制以减轻所述感知的危害。
技术方案15.根据技术方案11所述的自主式赛道驾驶教练和演示器,其中,所述配置器另外被配置成:经由确定沿着所述限定的路径的多个控制点并确定在所述多个控制点中的每一个处对所述车辆操作系统中的至少一个的控制输入来绘制所述轨迹,以生成相应的控制点轨迹。
技术方案16.根据技术方案15所述的自主式赛道驾驶教练和演示器,其中,所述配置器另外被配置成经由确定用于对所述车辆操作系统的控制输入的最优时间序列以使得所述单圈时间最小化来绘制所述轨迹。
技术方案17.根据技术方案16所述的自主式赛道驾驶教练和演示器,其中,所述配置器另外被配置成:使用用于对所述车辆操作系统的控制输入的所述确定的最优时间序列作为模型预测控制(MPC)算法中的初始猜测,以在整个基于模型的预测范围内传播所述MPC算法。
技术方案18.根据技术方案17所述的自主式赛道驾驶教练和演示器,其中,所述配置器另外被配置成在所述相应生成的控制点轨迹中的每一个处为所述非线性预测模型中的所述初始猜测确定线性近似。
技术方案19.根据技术方案18所述的自主式赛道驾驶教练和演示器,其中,所述配置器另外被配置成:生成和求解二次表达式以确定与所述线性近似的偏差以确定对所述车辆操作系统的所述优化的控制输入,以及应用所述优化的控制输入以使得与所述绘制的轨迹的偏差最小化。
技术方案20.一种用于自主机动车辆的自主式赛道驾驶教练和演示器,所述自主机动车辆采用用于推进和操纵的车辆操作系统,所述方法包括:
配置器,其布置成远离所述车辆,并被配置成识别道路路线并绘制所述车辆的速度分布和所述车辆的轨迹,所述轨迹限定所述车辆围绕所述道路路线的路径,所述路径被配置成最小化所述车辆的道路路线单圈时间;
车辆传感器,其被配置成检测位于所述车辆中的人类乘客/操作者的存在;
电子控制器,其与远离所述车辆布置的检测源通信,并且被配置成:
确定所述车辆在所述道路路线上的定位;
监测所述定位并确定所述车辆相对于在所述道路路线上的所述绘制的轨迹的速度、加速度和航向;以及
响应于所述确定的定位、速度、加速度和航向,使用所述车辆操作系统的反馈控制,在所述人类乘客/操作者位于所述车辆中的情况下操作所述车辆,以遵循所述绘制的轨迹;
其中:
所述自主式赛道驾驶教练和演示器选择性地以驾驶教练模式和演示器模式操作;
在所述驾驶教练模式下,所述电子控制器另外被配置成:检测所述人类乘客/操作者对所述车辆操作系统中的至少一个的输入,感知在所述道路路线上的所述绘制的轨迹附近的危害,并且仲裁所述车辆操作系统中的至少一个,以在所述车辆遵循所述绘制的轨迹的同时干预所述车辆的操作,以减轻所述感知的危害;以及
在所述演示器模式下,所述电子控制器还被配置成:感知在所述道路路线上的所述绘制的轨迹附近的所述危害,并且授权所述人类乘客/操作者接管对所述车辆操作系统的控制以减轻所述感知的危害。
当结合附图和所附权利要求书时,本公开的上述特征和优点以及其它特征和优点将从用于实施本公开的以下实施例和最佳模式的详细描述中变得显而易见。
附图说明
图1是根据本公开的自主机动车辆的示意图,该自主机动车辆采用用于推进和操纵的操作系统以及与车辆的电子控制器通信的远程配置器,该电子控制器被配置成使用全球定位系统(GPS)沿着选定的路径引导车辆。
图2示意性地图示了定位在道路路线上的图1中所示的车辆。
图3是根据本公开的在图1和图2中所示的自主机动车辆中操作自主式赛道驾驶教练和演示器的方法的流程图。
具体实施方式
本领域的普通技术人员将认识到,诸如“上面”、“下面”、“向上”、“向下”、“顶部”、“底部”、“左”、“右”等的术语针对附图描述性地使用,并不代表对由所附权利要求书限定的本公开的范围的限制。此外,本文可以根据功能和/或逻辑块部件和/或各种处理步骤来描述教导内容。应当认识到,这种块部件可以包括配置成执行指定功能的多个硬件、软件和/或固件部件。
参考附图,其中,类似的标记指示类似的零件,参考附图,其中类似的附图标记表示类似的部件,图1示出了相对于道路表面12定位的机动车辆10的示意图。如图1中所示,车辆10包括车辆本体14、具有第一组负重轮16-1、16-2的第一车轴和具有第二组负重轮16-3、16-4(诸如在每个车轴上的单独的左侧和右侧车轮)的第二车轴。负重轮16-1、16-2、16-3、16-4中的每一个采用配置成提供与道路表面12的摩擦接触的轮胎。尽管具体地示出了具有相应负重轮16-1、16-2、16-3、16-4的两个车轴,但绝不排除机动车辆10具有附加的车轴。
如图1中所示,车辆悬挂系统18将车辆本体14操作性地连接到相应组的负重轮16-1、16-2、16-3、16-4,以用于保持车轮与道路表面12之间的接触,并且用于保持机动车辆10的操控性。车辆悬架系统18可以包括主动控制的致动器19,以用于提供自适应的车辆弹簧刚度、阻尼、侧倾缓解等。机动车辆10另外包括具有功率源或多个功率源20A的传动系20,功率源20A可以是内燃发动机(ICE)、电动马达或这样的设备的组合,其被配置成将驱动扭矩传递到具有负重轮16-1、16-2的第一车轴和/或具有负重轮16-3、16-4的第二车轴。机动车辆10还采用车辆操作或控制系统,包括诸如悬架致动器19、配置成经由转向角(θ)来转向第一车轴和/或第二车轴的一个或多个转向致动器22(例如,电动助力转向单元)、用于控制(多个)功率源20A的功率输出的加速器设备23、用于延迟负重轮16-1和16-2的旋转(诸如经由位于相应负重轮处的单独摩擦制动器)的制动开关或设备24等的设备。
如图1中所示,机动车辆10包括至少一个传感器25A和电子控制器26,它们协作以在某些情况下以自主模式至少部分地控制、引导和操纵车辆10。因此,车辆10可以被称为自主车辆。为了实现高效和可靠的自主车辆控制,电子控制器26可以与配置为电动助力转向单元的转向致动器22、加速器设备23和制动设备24进行操作通信。机动车辆10的传感器25A可操作用于感测道路表面12并监测邻近主车辆的周围地理区域和交通状况。
车辆10的传感器25A可以包括但不限于位于车辆10周围的光检测和测距(LIDAR)传感器、雷达和相机中的至少一个,以检测道路表面12的边界指示器,诸如边缘状况。传感器25A的类型、它们在车辆10上的位置以及它们用于检测和/或感测道路表面12的边界指示器并监测周围地理区域和交通状况的操作是本领域技术人员所理解的,与本公开的教导无关,并且因此在此不详细描述。车辆10可以另外包括附接到车辆本体和/或传动系20的传感器25B。
传感器25B可以例如包括配置成检测或测量ICE发动机和/或电动马达速率、温度和驱动扭矩、变速器速率比和电池荷电状态的设备。另外,传感器25B可以包括车辆横摆角速度和角度传感器、(多个)加速度计、车轮速率传感器、轮胎压力传感器、纵向速度传感器和横向速度传感器,所述横向速度传感器被配置成检测对应的参数并将例如在惯性测量单元(IMU)中的相应数据传送到电子控制器26。已经提供了传感器25B的具体示例,以给出对由电子控制器26正在处理的数据的一般理解,因此,上述列表并不意图为穷举性或限制性的。
电子控制器26设置成与车辆10的传感器25A通信,以用于接收它们的与道路表面12的检测或感测相关的相应感测数据以及监测周围地理区域和交通状况。电子控制器26可以备选地被称为控制模块、控制单元、控制器、车辆10控制器、计算机等。电子控制器26可以包括计算机和/或处理器28,并且包括软件、硬件、存储器、算法、连接(诸如到传感器25A和25B)等,以用于管理和控制车辆10的操作。因此,下面描述并在图3中大体上表示的方法可以实施为能够在电子控制器26上部分地操作的程序或算法。应当理解,电子控制器26可以包括能够分析来自传感器25A和25B的数据、比较数据、做出控制车辆10的操作所需的决策以及执行用于控制车辆10的操作的所需任务的设备。
电子控制器26可以实施为一个或多个数字计算机或主机,其各自具有一个或多个处理器28、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、光盘驱动器、磁驱动器等、高速时钟、模数(A/D)电路、数模(D/A)电路、输入/输出(I/O)电路、I/O设备和通信接口,以及信号调节和缓冲电子器件。计算机可读存储器可以包括参与提供数据或计算机可读指令的非暂时性/有形介质。存储器可以是非易失性的或易失性的。非易失性介质可以包括例如光盘或磁盘以及其它永久存储器。示例易失性介质可以包括动态随机存取存储器(DRAM),其可以构成主存储器。存储器的实施例的其它示例包括软盘、硬盘、磁带或其它磁性介质、CD-ROM、DVD和/或其它光学介质,以及诸如闪存的其它可能的存储器设备。
电子控制器26包括有形的非暂时性存储器30,在该存储器30上记录用于调节机动车辆10的操作的包括一个或多个算法的计算机可执行指令。(多个)主题算法可以具体地包括配置成监测机动车辆10的定位并确定车辆相对于下面将详细描述的特定道路路线上的绘制的车辆轨迹的航向的算法。当车辆沿着期望的或选定的路径(包括各种弯道和曲线)通过道路表面12时,(多个)主题算法还在机动车辆10中实现自主式赛道驾驶教练和演示器32,即自主式教练和演示器。机动车辆10可经历动态不稳定性,尤其是在通过转弯处时,该动态不稳定性可以被限定为相对于转弯处的转向不足或转向过度状况,从而导致车辆滑行或打滑。由控制器的(多个)算法实现的自主式教练和演示器32具体地旨在沿着被限定为在减轻车辆的动态不稳定性的同时提供围绕道路路线的最快单圈时间的最佳轨迹操作机动车辆10。电子控制器26的处理器28被配置成执行这样的算法。
机动车辆10还包括车辆导航系统34,其可以是集成车辆控制件的一部分或车辆中用来寻找行驶方向的附加装置。车辆导航系统34还操作性地连接到使用地球轨道卫星的全球定位系统(GPS)36。与GPS 36和上面提及的传感器25A连接的车辆导航系统34可以用于车辆10的自动化。电子控制器26经由车辆导航系统34与GPS 36通信。车辆导航系统34使用卫星导航设备(未示出)从GPS 36接收其位置数据,然后将该数据与车辆相对于周围地理区域的位置相关联。基于这样的信息,当需要到特定航路点的方向时,可以绘制和计算到这样的目的地的路线。可以使用动态地形和/或交通信息来调整路线。车辆10的当前位置可以经由航位推算来计算——通过使用先前确定的位置并基于已知或估计的速率通过离散的控制点在经过的时间和路线上推进该位置。来自附接到车辆的传动系20的传感器25B(例如,横摆角速度传感器、加速度计和速度传感器,以及车载雷达和光学设备)的数据可以用于更高的可靠性和抵消由于城市峡谷或隧道引起的GPS 36信号丢失和/或多径干扰。
电子控制器26大体上被配置(即被编程)成确定或识别机动车辆10在道路表面12上的定位38(在X-Y平面中的当前位置,图1中所示)、速度、加速度、横摆角速度以及预期路径40和航向42。机动车辆10的定位38、预期路径40和航向42可以经由从GPS 36接收数据的导航系统34来确定,而速度、加速度(包括纵向和横向g)和横摆角速度可以从车辆传感器25B确定。备选地,电子控制器26可以使用相对于车辆10远程布置的其它系统或检测源(例如相机)来确定车辆相对于道路表面12的定位38。期望路径可以包括离散的控制航路点,诸如图1中所示的点A、B和C。
如上所述,机动车辆10可以被配置成在由电子控制器26引导的自主模式下操作。在这样的模式下,电子控制器26还可以从车辆传感器25B获得数据,以沿着期望的路径引导车辆,诸如经由调节转向致动器22。电子控制器26可以被另外编程以检测和监测(多个)转向致动器22沿着期望路径40的转向角(θ),诸如在通过转弯处期间。具体地,电子控制器26可以被编程以经由接收和处理来自与(多个)转向致动器22通信的转向位置传感器44(图1中所示)的数据信号以及悬架致动器19、加速器设备23和制动设备24的操作位置来确定转向角度(θ)。
继续参照图1,自主式赛道驾驶教练和演示器32另外包括远程配置器46。远程配置器46可以是远离车辆10定位并与电子控制器26无线通信的独立处理器。例如,远程配置器46可以是外部信息技术(IT)云服务器,其布置成远离车辆10,并且经由电子控制器26与车辆远程信息处理装置无线通信。这样的IT云服务器可以与远程检测源(诸如GPS36)和/或与相应车辆(诸如车辆10)上的多个电子控制器无线通信,并且被配置成从主车辆控制器接收导航数据并将接收的数据存储在IT云数据库(未示出)中。
远程配置器46被具体地配置成识别道路路线48并且离线地(即,在机动车辆10在道路路线48上操作之前)预测或绘制车辆10的最佳轨迹50,该最佳轨迹50限定车辆围绕道路路线的期望路径52,如图2中所示。道路路线48可以经由GPS 36或使用由远程配置器46外部的信息源(未示出)传送的较早生成的文件来识别。远程配置器46还被配置成确定或绘制车辆沿着道路路线48的速度分布51,例如,在多个控制点A、B和C中的每一个处的车辆速度。最佳轨迹50是围绕道路路线48的路径,与预测速度分布51一起旨在为车辆10提供围绕道路路线48的最快单圈时间,即,最小化车辆完成赛道的单圈所需的时间。
远程配置器46可以被配置成经由确定(即,设置或识别)沿着限定的路径52的多个控制点(诸如点A、B和C)来绘制轨迹50。远程配置器46可以另外被配置成经由在诸如点A、B、C的多个控制点中的每一个处确定对车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)中的至少一个的控制输入54来绘制轨迹50,以生成相应的控制点轨迹50A、50B、50C(图1中所示)。如图2中所示,远程配置器46还可以被配置成经由确定用于对车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)的控制输入的最优时间序列56以使得围绕道路路线48的单圈时间最小化来绘制轨迹50。远程配置器46还可以被配置成在车辆10沿着道路路线48前进时将用于对车辆操作系统(悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)的控制输入的确定的最优时间序列56作为实时运行的模型预测控制(MPC)算法58中的初始猜测使用。
一般来说,MPC是一种控制策略,其用于通过基于当前捕获的数据和指示系统的可能行为的系统参数之间的经验确定的相关性来预测系统的未来行为,从而优化每个后续控制步骤。正被控制的系统的简化模型允许将系统的行为的预测结合到反馈控制回路中。基于当前捕获的数据和主题模型,系统的处理器评估多个可能的解决方案,并基于优先级和约束选择被认为是最有可能优化结果的解决方案。因此,预测和优化都在方法的每个控制步骤完成。MPC的优点之一是多个输入和输出的并发优化,同时考虑了广泛的优先级和约束。
MPC算法58可以被配置成通过重复求解基于模型的开环有限水平最优控制表达式来确定轨迹50,该表达式采用对车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)的约束来生成相应的控制点轨迹50A、50B、50C。对车辆操作系统的主题约束可以包括转向角速度和转向角度限制、在ICE发动机的情况下的节气门位置点或在电动马达的情况下的电流控制输入以及制动力参数。具体地,MPC算法58可以用来在有限数量的步骤中为主车辆操作系统在未来范围内找到最优控制序列56。在每个采样时间,可以估计车辆状态以最小化服从于预测模型和对应的车辆操作系统的约束的性能指数。
例如,MPC算法58可以采用线性时变(LTV)MPC,其相对于基准(具体地,预定绘制的控制点轨迹50A、50B、50C)在线地线性化非线性模型并构造二次规划(QP)。然后,QP可以用来求解涉及多变量二次函数的合成数学优化问题,该多变量二次函数服从于确定为遵循规划轨迹的对车辆操作系统的线性输入约束,从而减少车辆10围绕道路路线48的单圈时间。在另一个非限制性示例中,MPC算法58可以采用具有顺序二次规划(SQP)的非线性MPC。MPC算法58将相对于初始猜测在线地线性化非线性模型并构造QP。QP的解将为算法的第二次迭代生成新的猜测,以此类推,直到收敛。因此,在MPC算法58的每个计算步骤中,将存在一次或多次迭代。对新步骤的第一次迭代的猜测典型地是来自先前计算时间步骤的解。
所确定的最优控制序列56用作MPC算法58中的初始猜测,以在整个基于模型的预测范围内传播MPC算法。远程配置器46可以另外被配置成在相应生成的控制点轨迹50A、50B、50C中的每一个处为非线性预测模型中的每个初始猜测确定线性近似60。远程配置器46还可以被配置成生成和求解服从于给定的道路路线和车辆约束的优化函数。具体地,生成的优化函数可以呈二次表达式的形式,该二次表达式用来确定与每个初始猜测的确定的线性近似60的偏差,并应用相应的确定的线性近似和偏差来确定对车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)的优化的控制输入。
在优化函数的解析之后,电子控制器26可以应用优化的控制输入以最小化实际车辆10路径与绘制的轨迹50的偏差。结果,远程配置器46和MPC算法58可以允许电子控制器26对人类乘客/操作者对(多个)车辆操作系统的控制输入生成实时指令和校正,以更紧密地遵循路径52,并且因此减少车辆10围绕道路路线48的单圈时间。另外,远程配置器46和MPC算法58可以允许电子控制器26自主地引导机动车辆10遵循轨迹50,并且因此指示人类乘客/操作者62如何实现围绕道路路线48的更有效的单圈时间,如将在下面详细讨论的。
自主式教练和演示器32还包括与电子控制器26通信的车辆传感器64(图1中所示),诸如内部相机、座椅传感器等。车辆传感器64被配置成检测车辆10中例如位于驾驶员座椅上的人类乘客/操作者62的存在,并且因此便于由电子控制器26确定这样的人类乘客/操作者的存在。电子控制器26还被配置成识别或确定车辆10在道路路线48上的定位38。电子控制器26另外被配置成监测定位38并确定车辆10相对于道路路线48上的绘制轨迹50的航向42。电子控制器26还被配置成确定车辆10对(多个)车辆控制系统的(多个)输入的响应。电子控制器26还被配置成:响应于确定的定位38和航向42,使用车辆操作系统的反馈控制在人类乘客/操作者62位于车辆10中的情况下操作车辆10,以遵循绘制的轨迹50。
自主式教练和演示器32可以在驾驶教练模式32A(图1中所示)下操作。在驾驶教练模式32A下,电子控制器26可以被配置成检测人类乘客/操作者62对车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)中的至少一个的输入。自主式教练和演示器32可以采用由上述车辆传感器25B(例如,横摆角速度传感器、加速度计、车轮速率传感器、纵向速度传感器和横向速度传感器)检测到的参数来指示人类乘客/操作者62关于期望的控制输入,以沿着道路路线48遵循绘制的轨迹50。换句话说,在驾驶教练模式32A下,自主式教练和演示器32被配置成实时地通知人类乘客/操作者62关于实现最佳单圈时间的最有效的车辆控制输入。
另外,在驾驶教练模式32A模式下,电子控制器26可以被配置成经由成像传感器25A(诸如相机或激光雷达)感知或检测在道路路线48上的绘制的轨迹50附近的诸如障碍物或其它类型的危险的潜在危害68(图2中所示)。示例性障碍物可以是突然出现在道路路线48上或路径52附近的另一车辆或动物。电子控制器26还可以被配置成仲裁车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)中的至少一个,以在车辆遵循绘制的轨迹50的同时干预车辆10的操作,即车辆推进和航向42。因此,在这种情况下经由控制器26对车辆操作系统的仲裁旨在减轻感知的危害68。总体而言,驾驶教练模式32A被具体地配置成生成对人类乘客/操作者62的实时指令,以更紧密地遵循路径52,并且因此减少车辆10围绕道路路线48的单圈时间。
备选地,自主式教练和演示器32可以在演示器模式32B(图1中所示)下操作。自主式教练和演示器32可以采用由车辆传感器25B检测到的参数来影响期望的控制输入,以用于沿着道路路线48遵循绘制的轨迹50。换句话说,在演示器模式32B下,自主式教练和演示器32被配置成自主地选择最有效的车辆控制输入以实现最佳单圈时间。在演示器模式32B下,电子控制器26可以另外被配置成感知或检测道路路线48上的危害68。电子控制器26还可以被配置成授权人类乘客/操作者62接管车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)的控制,以减轻感知的危害68。总体而言,演示器模式32B被具体地配置成围绕道路路线48自主地引导车辆10,从而向人类乘客/操作者62演示为了实现轨迹50而对车辆的适当控制。
在诸如关于图1至图2描述的车辆10的自主机动车辆中操作自主式赛道驾驶教练和演示器32的方法100在图3中描绘并在下面详细地公开。如上面关于图1至图2所描述的,自主式赛道驾驶教练和演示器32可以在驾驶教练模式32A或演示器模式32B下操作。方法100从框102开始,其中例如通过人类乘客/操作者62或电子控制器26识别道路路线48。在框102中,该方法另外包括经由远程配置器46绘制车辆10的最优或期望轨迹50,该轨迹50限定配置成最小化车辆围绕道路路线48的单圈时间的车辆的路径52。
如关于图1至图2所描述的,绘制轨迹50可以包括确定沿着限定的路径52的多个控制点,诸如点A、B、C。绘制轨迹50可以另外包括在多个控制点中的每一个处确定对车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)中的至少一个的(多个)控制输入,以生成相应的控制点轨迹50A、50B、50C。另外,绘制轨迹50可以包括确定用于对车辆操作系统的控制输入的最优时间序列56以使得单圈时间最小化。在框102之后,该方法前进到框104。
在框104中,该方法包括经由与电子控制器26通信的适当传感器64确定位于车辆10中的人类乘客/操作者62的存在。另外,在驾驶教练模式32A下,在框104中,该方法可以包括检测人类乘客/操作者62对车辆操作系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)中的至少一个的输入。在框104中,该方法还可以包括感知在道路路线48上的绘制的轨迹50附近的危害或障碍物68。然后,该方法可以继续经由电子控制器26仲裁主车辆操作系统中的至少一个,以在车辆遵循绘制的轨迹50的同时干预车辆10的操作,从而减轻感知的危害68。备选地,在演示器模式32B下,该方法可以包括感知或检测道路路线48上的危害68并授权人类乘客/操作者62接管对车辆操作系统的控制以减轻感知的危害。在框104之后,该方法继续到框106。
在框106中,该方法包括经由电子控制器26确定车辆10在道路路线48上的定位38。在框106之后,该方法前进到框108。在框108中,该方法包括经由电子控制器26监测定位38并确定车辆10相对于道路路线48上的绘制的轨迹50的定位38、航向42以及速度、加速度和横摆角速度。在框108中,该方法另外包括确定车辆10对(多个)车辆控制系统(例如,悬架致动器19、(多个)转向致动器22、加速器设备23和制动设备24)的输入的响应。在框108之后,该方法移动到框110。
在框110中,该方法包括:响应于确定的定位38和航向42,使用车辆操作系统的反馈控制经由电子控制器26在人类乘客/操作者62以驾驶员或乘客身份位于车辆10中的情况下操作车辆10,以遵循绘制的轨迹50。在框110中操作车辆可以包括响应于确定的定位38而通过控制(多个)车辆操作系统来校正航向42,以维持或重新建立车辆路径52。具体地,该方法可以包括经由远程配置器46确定在相应生成的控制点轨迹50A、50B、50C中的每一个处的非线性预测模型中的每个初始猜测的线性近似60。
如上面关于图1至图2所描述的,MPC算法58可以例如包括:使用二次表达式来确定与每个初始猜测的确定的线性近似60的偏差,并且应用确定的线性近似和偏差来确定对车辆操作系统的优化的控制输入。电子控制器26可以依次应用优化的控制输入,使得与绘制的轨迹50的偏差最小化。结果,远程配置器46可以允许对人类乘客/操作者的控制输入或电子控制器26的控制输入的实时指令和校正,并便于(多个)车辆操作系统更紧密地遵循路径52,并且因此减少车辆10围绕道路路线48的单圈时间。从框110,该方法可以循环回到框108,以用于识别下一个航路点,诸如图1中示出的点A、B和C中的一个,并建立车辆10在道路路线48上相对于绘制的轨迹50的定位38、速度、加速度、横摆角速度和航向42。备选地,该方法可以在框112中以机动车辆10达到预定的操作循环(诸如在道路路线48上的整圈)结束。
详细描述和附图或图是对本公开的支持和描述,但是本公开的范围仅由权利要求限定。虽然已经详细描述了用于实施要求保护的公开的最佳模式和其它实施例中的一些,但是存在用于实践所附权利要求书中限定的公开的各种替代设计和实施例。此外,附图中所示的实施例或本说明书中提到的各种实施例的特征不一定被理解为彼此独立的实施例。相反,可能的是,在一个实施例的示例之一中描述的每个特征可以与来自其它实施例的一个或多个其它所需的特征相结合,导致没有用文字或通过参考附图来描述的其它实施例。因此,这些其它实施例落入所附权利要求的范围的框架内。
Claims (10)
1.一种在自主机动车辆中操作自主式赛道驾驶教练和演示器的方法,所述自主机动车辆采用用于推进和操纵的车辆操作系统,所述方法包括:
经由远离所述车辆布置的配置器识别道路路线并绘制所述车辆的速度分布和所述车辆的轨迹,所述轨迹限定所述车辆围绕所述道路路线的路径,所述路径被配置成最小化所述车辆的道路路线单圈时间;
确定位于所述车辆中的人类乘客/操作者的存在;
经由与远离所述车辆布置的检测源通信的电子控制器确定所述车辆在所述道路路线上的定位;
经由所述电子控制器监测所述定位并确定所述车辆相对于在所述道路路线上的所述绘制的轨迹的速度、加速度和航向;以及
响应于所述确定的定位、速度、加速度和航向,使用所述车辆操作系统的反馈控制,在所述人类乘客/操作者位于所述车辆中的情况下经由所述电子控制器操作所述车辆,以遵循所述绘制的轨迹。
2.根据权利要求1所述的方法,其中,所述自主式赛道驾驶教练和演示器以驾驶教练模式操作,还包括检测所述人类乘客/操作者对所述车辆操作系统中的至少一个的输入。
3.根据权利要求2所述的方法,还包括:
感知在所述道路路线上的所述绘制的轨迹附近的危害;以及
经由所述电子控制器仲裁所述车辆操作系统中的至少一个,以在所述车辆遵循所述绘制的轨迹的同时干预所述车辆的操作,以减轻所述感知的危害。
4.根据权利要求1所述的方法,其中,所述自主式赛道驾驶教练和演示器以演示器模式操作,还包括感知在所述道路路线上的所述绘制的轨迹附近的危害,以及授权所述人类乘客/操作者接管对所述车辆操作系统的控制以减轻所述感知的危害。
5.根据权利要求1所述的方法,其中,绘制所述轨迹包括确定沿着所述限定的路径的多个控制点。
6.根据权利要求5所述的方法,其中,绘制所述轨迹另外包括在所述多个控制点中的每一个处确定对所述车辆操作系统中的至少一个的控制输入,以生成相应的控制点轨迹。
7.根据权利要求6所述的方法,其中,绘制所述轨迹另外包括确定用于对所述车辆操作系统的控制输入的最优时间序列以使得所述单圈时间最小化。
8.根据权利要求7所述的方法,还包括使用用于对所述车辆操作系统的控制输入的所述确定的最优时间序列作为模型预测控制(MPC)算法中的初始猜测,以在整个基于模型的预测范围内传播所述MPC算法。
9.一种用于自主机动车辆的自主式赛道驾驶教练和演示器,所述自主机动车辆采用用于推进和操纵的车辆操作系统,所述方法包括:
配置器,其布置成远离所述车辆,并被配置成识别道路路线并绘制所述车辆的速度分布和所述车辆的轨迹,所述轨迹限定所述车辆围绕所述道路路线的路径,所述路径被配置成最小化所述车辆的道路路线单圈时间;
车辆传感器,其被配置成检测位于所述车辆中的人类乘客/操作者的存在;
电子控制器,其与远离所述车辆布置的检测源通信,并且被配置成:
确定所述车辆在所述道路路线上的定位;
监测所述定位并确定所述车辆相对于在所述道路路线上的所述绘制的轨迹的速度、加速度和航向;以及
响应于所述确定的定位、速度、加速度和航向,使用所述车辆操作系统的反馈控制,在所述人类乘客/操作者位于所述车辆中的情况下操作所述车辆,以遵循所述绘制的轨迹。
10.一种用于自主机动车辆的自主式赛道驾驶教练和演示器,所述自主机动车辆采用用于推进和操纵的车辆操作系统,所述方法包括:
配置器,其布置成远离所述车辆,并被配置成识别道路路线并绘制所述车辆的速度分布和所述车辆的轨迹,所述轨迹限定所述车辆围绕所述道路路线的路径,所述路径被配置成最小化所述车辆的道路路线单圈时间;
车辆传感器,其被配置成检测位于所述车辆中的人类乘客/操作者的存在;
电子控制器,其与远离所述车辆布置的检测源通信,并且被配置成:
确定所述车辆在所述道路路线上的定位;
监测所述定位并确定所述车辆相对于在所述道路路线上的所述绘制的轨迹的速度、加速度和航向;以及
响应于所述确定的定位、速度、加速度和航向,使用所述车辆操作系统的反馈控制,在所述人类乘客/操作者位于所述车辆中的情况下操作所述车辆,以遵循所述绘制的轨迹;
其中:
所述自主式赛道驾驶教练和演示器选择性地以驾驶教练模式和演示器模式操作;
在所述驾驶教练模式下,所述电子控制器另外被配置成:检测所述人类乘客/操作者对所述车辆操作系统中的至少一个的输入,感知在所述道路路线上的所述绘制的轨迹附近的危害,并且仲裁所述车辆操作系统中的至少一个,以在所述车辆遵循所述绘制的轨迹的同时干预所述车辆的操作,以减轻所述感知的危害;以及
在所述演示器模式下,所述电子控制器还被配置成:感知在所述道路路线上的所述绘制的轨迹附近的所述危害,并且授权所述人类乘客/操作者接管对所述车辆操作系统的控制以减轻所述感知的危害。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/889,502 US20240059325A1 (en) | 2022-08-17 | 2022-08-17 | Autonomous racetrack driver coach and demonstrator |
US17/889502 | 2022-08-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117608276A true CN117608276A (zh) | 2024-02-27 |
Family
ID=89808834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310084301.6A Pending CN117608276A (zh) | 2022-08-17 | 2023-01-31 | 自主式赛道驾驶教练和演示器 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240059325A1 (zh) |
CN (1) | CN117608276A (zh) |
DE (1) | DE102023100983A1 (zh) |
-
2022
- 2022-08-17 US US17/889,502 patent/US20240059325A1/en active Pending
-
2023
- 2023-01-17 DE DE102023100983.4A patent/DE102023100983A1/de active Pending
- 2023-01-31 CN CN202310084301.6A patent/CN117608276A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240059325A1 (en) | 2024-02-22 |
DE102023100983A1 (de) | 2024-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3947090B1 (en) | Method and system for determining driver intention in semi-autonomous vehicle steering | |
US11809185B2 (en) | Systems and methods for dynamic predictive control of autonomous vehicles | |
CN110531750B (zh) | 一种用于操作自动驾驶车辆的计算机实施的方法、可读介质及系统 | |
US9405293B2 (en) | Vehicle trajectory optimization for autonomous vehicles | |
US20200225676A1 (en) | Control of autonomous vehicle based on pre-learned passenger and environment aware driving style profile | |
CN111547066B (zh) | 车辆轨迹跟踪方法、装置、设备及存储介质 | |
CN106394650B (zh) | 基于场的扭矩转向控制 | |
US20150346723A1 (en) | Vehicle trajectory planning for autonomous vehicles | |
EP3588226B1 (en) | Method and arrangement for generating control commands for an autonomous road vehicle | |
CN106061814A (zh) | 对超过lcc的转向转矩限制的预先警报 | |
CN111696339B (zh) | 一种自动驾驶车队的跟车控制方法、系统及车辆 | |
US11975725B2 (en) | Systems and methods for updating the parameters of a model predictive controller with learned external parameters generated using simulations and machine learning | |
US20200363816A1 (en) | System and method for controlling autonomous vehicles | |
US11341866B2 (en) | Systems and methods for training a driver about automated driving operation | |
US20220242401A1 (en) | Systems and methods for updating the parameters of a model predictive controller with learned controls parameters generated using simulations and machine learning | |
US11279372B2 (en) | System and method for controlling a vehicle having an autonomous mode and a semi-autonomous mode | |
US20210139007A1 (en) | Enhanced vehicle operation | |
WO2018078335A1 (en) | Control of autonomous vehicles | |
US11878706B2 (en) | Driver command prediction | |
EP4051550A1 (en) | Real-time performance handling virtual tire sensor | |
CN111731307A (zh) | 一种车辆转弯控制方法、装置、车辆及存储介质 | |
US10599146B2 (en) | Action-conditioned vehicle control | |
Vörös et al. | Lane keeping control using finite spectrum assignment with modeling errors | |
CN117608276A (zh) | 自主式赛道驾驶教练和演示器 | |
US20220242441A1 (en) | Systems and methods for updating the parameters of a model predictive controller with learned operational and vehicle parameters generated using simulations and machine learning |
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 |