DE102016224291A1 - Method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle - Google Patents

Method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle Download PDF

Info

Publication number
DE102016224291A1
DE102016224291A1 DE102016224291.1A DE102016224291A DE102016224291A1 DE 102016224291 A1 DE102016224291 A1 DE 102016224291A1 DE 102016224291 A DE102016224291 A DE 102016224291A DE 102016224291 A1 DE102016224291 A1 DE 102016224291A1
Authority
DE
Germany
Prior art keywords
automated driving
driver
driving system
training data
predetermined semi
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
Application number
DE102016224291.1A
Other languages
German (de)
Inventor
Matthias Schlegel
Michael Burkhart
Gerhard DEUTER
Georg Gabelmann
Alexander Graf
Rainer Haevescher
Carolin Heller
Arnold Schlegel
Franz-Josef Schuler
Julian Stratmann
Volker Vogel
Volker Wagner
Daniel Wolf
Karl-Heinz Glander
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.)
ZF Friedrichshafen AG
ZF Automotive Germany GmbH
Original Assignee
TRW Automotive GmbH
ZF Friedrichshafen AG
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 TRW Automotive GmbH, ZF Friedrichshafen AG filed Critical TRW Automotive GmbH
Priority to DE102016224291.1A priority Critical patent/DE102016224291A1/en
Publication of DE102016224291A1 publication Critical patent/DE102016224291A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur rechnergestützten Adaption eines vorgegebenen teilautomatisierten Fahrsystems (TF) eines Kraftfahrzeugs (1), wobei das vorgegebene teilautomatisierte Fahrsystem (TF) eine Anzahl von Fahraufgaben eines Fahrers (F) des Kraftfahrzeugs (1) automatisch durchführt und selbsttätig in Grenzsituationen (GS) eine oder mehrere der Fahraufgaben an den Fahrer (F) überträgt. Im erfindungsgemäßen Verfahren werden Trainingsdatensätze (TD) bereitgestellt, die von einer Anzahl von vorbestimmten teilautomatisierten Fahrsystemen erfasst wurden, welche jeweils eine Anzahl von Fahraufgaben durchführen, die den Fahraufgaben des vorgegebenen teilautomatisierten Fahrsystems (TF) entsprechen, und welche selbsttätig in Grenzsituationen (GS) eine oder mehrere der Fahraufgaben an den Fahrer (F) übertragen. Ein jeweiliger Trainingsdatensatz (TD) zumindest eines Teils der Trainingsdatensätze (TD) spezifiziert eine aufgetretene Grenzsituation (GS) und die darauf folgende Reaktion (RE) des Fahrers (F). Mittels der Trainingsdatensätze (TD) wird das vorgegebene teilautomatisierte Fahrsystem (TF) basierend auf maschinellem Lernen (ML) trainiert.The invention relates to a method for the computer-aided adaptation of a predetermined semi-automated driving system (TF) of a motor vehicle (1), wherein the predetermined semi-automated driving system (TF) performs a number of driving tasks of a driver (F) of the motor vehicle (1) automatically and automatically in borderline situations ( GS) transmits one or more of the driving tasks to the driver (F). In the method according to the invention, training data sets (TD) are provided which have been detected by a number of predetermined semi-automated driving systems, each of which performs a number of driving tasks corresponding to the driving tasks of the given semi-automated driving system (TF) and automatically in borderline situations (GS) or transfer several of the driving tasks to the driver (F). A respective training data set (TD) of at least a part of the training data sets (TD) specifies an occurred limit situation (GS) and the subsequent reaction (RE) of the driver (F). By means of the training data sets (TD), the predetermined semi-automated driving system (TF) is trained based on machine learning (ML).

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur rechnergestützten Adaption eines vorgegebenen teilautomatisierten Fahrsystems eines Kraftfahrzeugs.The invention relates to a method and a device for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle.

Aus dem Stand der Technik sind viele unterschiedliche teilautomatisierte Fahrsysteme bekannt, welche im Fahrbetrieb eines Kraftfahrzeugs bestimmte Fahraufgaben, die originär durch den Fahrer durchzuführen sind, automatisiert übernehmen. Hierzu verwenden die Systeme im Kraftfahrzeug verbaute Sensorik, wie z.B. Kameras, Radar, Lidar und dergleichen. Beispiele von teilautomatisierten Systemen sind Fahrerassistenzsysteme, wie z.B. ein Spurhalteassistent, der die Querführung eines Kraftfahrzeugs automatisch durchführt, oder ein Abstandsregeltempomat, der automatisch die Geschwindigkeit des Kraftfahrzeugs in Abhängigkeit vom Abstand zu vorausfahrenden Fahrzeugen regelt und hierdurch die Längsführung des Fahrzeugs übernimmt.Many different semi-automated driving systems are known from the prior art, which automatically take over certain driving tasks that are originally carried out by the driver while driving a motor vehicle. For this purpose, the systems use sensors installed in the motor vehicle, such as e.g. Cameras, radar, lidar and the like. Examples of semi-automated systems are driver assistance systems, such as driver assistance systems. a lane departure warning system, which automatically performs the transverse guidance of a motor vehicle, or a distance control, which automatically regulates the speed of the motor vehicle as a function of the distance to vehicles in front and thereby takes over the longitudinal guidance of the vehicle.

Im Unterschied zu autonomen Fahrsystemen zeichnet sich ein teilautomatisiertes Fahrsystem dadurch aus, dass es bestimmte Fahraufgaben zwar automatisiert durchführt, jedoch in Grenzsituationen, in denen es die entsprechende Fahrsituation nicht mehr ausreichend zuverlässig einschätzen kann, die Fahraufgabe an den Fahrer überträgt bzw. zurückgibt. Gegebenenfalls können teilautomatisierte Fahrsysteme in entsprechenden Grenzsituationen auch in einen sicheren Zustand übergehen, z.B. ein automatisiertes Haltemanöver durchführen.In contrast to autonomous driving systems, a partially automated driving system is characterized by the fact that it carries out certain driving tasks automatically, but in borderline situations in which it can no longer reliably estimate the corresponding driving situation, transfers the driving task to the driver or returns. If necessary, partially automated driving systems can also enter a safe state in corresponding borderline situations, e.g. perform an automated stop maneuver.

Trotz der sich kontinuierlich verbessernden Sensorik in Kraftfahrzeugen kommt es in heutigen teilautomatisierten Fahrsystemen immer wieder zu den oben beschriebenen Grenzsituationen. Diese treten meist bei komplexen Fahrsituationen auf, in denen das teilautomatisierte Fahrsystem überfordert ist.Despite the continuously improving sensor technology in motor vehicles, in today's partially automated driving systems there are always the limiting situations described above. These usually occur in complex driving situations in which the semi-automated driving system is overwhelmed.

Aufgabe der Erfindung ist es deshalb, ein Verfahren zur rechnergestützten Adaption eines vorgegebenen teilautomatisierten Fahrsystems eines Kraftfahrzeugs zu schaffen, mit dem das vorgegebene teilautomatisierte Fahrsystem dahingehend verbessert werden kann, dass es weniger häufig zu Grenzsituationen kommt, in denen der Fahrer die entsprechende Fahraufgabe übernehmen muss.The object of the invention is therefore to provide a method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle, with which the predetermined semi-automated driving system can be improved to the effect that it comes less frequently to limit situations in which the driver must take the appropriate driving task.

Diese Aufgabe wird durch das Verfahren gemäß Patentanspruch 1 bzw. die Vorrichtung gemäß Patentanspruch 11 gelöst. Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen definiert.This object is achieved by the method according to claim 1 or the device according to claim 11 solved. Further developments of the invention are defined in the dependent claims.

Das erfindungsgemäße Verfahren dient zur rechnergestützten Adaption eines vorgegebenen teilautomatisierten Fahrsystems eines Kraftfahrzeugs. Dieses vorgegebene teilautomatisierte Fahrsystem führt eine Anzahl von Fahraufgaben (d.h. zumindest eine Fahraufgabe) eines Fahrers des Kraftfahrzeugs automatisch durch, d.h. eine ursprünglich dem Fahrer zugewiesene Fahraufgabe wird durch das teilautomatisierte Fahrsystem übernommen. Wie bereits oben beschrieben, ist ein solches teilautomatisiertes Fahrsystem ferner dadurch charakterisiert, dass es selbsttätig in Grenzsituationen, in denen das teilautomatisierte Fahrsystem überfordert ist, eine oder mehrere der Fahraufgaben an den Fahrer überträgt.The inventive method is used for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle. This predetermined semi-automated driving system automatically performs a number of driving tasks (i.e., at least one driving task) of a driver of the motor vehicle, i. a driving task originally assigned to the driver is taken over by the partially automated driving system. As already described above, such a partially automated driving system is further characterized in that it automatically transmits one or more of the driving tasks to the driver in borderline situations in which the partially automated driving system is overwhelmed.

Im erfindungsgemäßen Verfahren werden Trainingsdatensätze in der Form von digitalen Daten bereitgestellt, d.h. es wird ein Zugriff auf die in einem entsprechenden Speicher hinterlegten digitalen Trainingsdatensätze ermöglicht. Die Trainingsdatensätze wurden dabei von einer Anzahl von vorbestimmten teilautomatisierten Fahrsystemen (d.h. von zumindest einem vorbestimmten teilautomatisierten Fahrsystem) erfasst. Gegebenenfalls kann die Erfassung der Trainingsdatensätze auch Bestandteil des erfindungsgemäßen Verfahrens sein.In the method of the invention, training data sets are provided in the form of digital data, i. it is possible to access the stored in a corresponding memory digital training records. The training data sets were thereby acquired by a number of predetermined semi-automated driving systems (i.e., at least one predetermined semi-automated driving system). Optionally, the detection of training data sets may also be part of the method according to the invention.

Jedes vorbestimmte teilautomatisierte Fahrsystem führt jeweils eine Anzahl von Fahraufgaben durch, die den Fahraufgaben des vorgegebenen teilautomatisierten Fahrsystems entsprechen. Ferner überträgt jedes vorbestimmte teilautomatisierte Fahrsystem selbsttätig in Grenzsituationen eine oder mehrere der Fahraufgaben an den Fahrer. Mit anderen Worten sind die vorbestimmten teilautomatisierten Fahrsysteme vom gleichen Typ wie das vorgegebene, im erfindungsgemäßen Verfahren zu adaptierende teilautomatisierte Fahrsystem.Each predetermined semi-automated driving system performs each a number of driving tasks, which correspond to the driving tasks of the predetermined semi-automated driving system. Furthermore, each predetermined semi-automated driving system automatically transmits one or more of the driving tasks to the driver in borderline situations. In other words, the predetermined semi-automated driving systems are of the same type as the predetermined partially automated driving system to be adapted in the method according to the invention.

Im erfindungsgemäßen Verfahren spezifiziert ein jeweiliger Trainingsdatensatz zumindest eines Teils der bereitgestellten Trainingsdatensätze eine aufgetretene Grenzsituation und die darauf folgende Reaktion des Fahrers. Mittels dieser Trainingsdatensätze wird das vorgegebene teilautomatisierte Fahrsystem basierend auf maschinellem Lernen trainiert. Entsprechende Lernverfahren sind an sich aus dem Stand der Technik bekannt, beispielsweise können zum Trainieren ein oder mehrere neuronale Netze und/oder eine Regressionsmethode verwendet werden.In the method according to the invention, a respective training data set of at least a part of the provided training data records specifies an occurred limit situation and the subsequent reaction of the driver. By means of these training data sets, the predetermined semi-automated driving system is trained based on machine learning. Corresponding learning methods are known per se from the prior art, for example, one or more neural networks and / or a regression method can be used for training.

Das trainierte vorgegebene teilautomatisierte Fahrsystem stellt das mit dem erfindungsgemäßen Verfahren adaptierte Fahrsystem dar. Im Rahmen des Trainings wird dabei die Parametrierung von einem oder mehreren Algorithmen verändert, auf denen das vorgegebene teilautomatisierte Fahrsystem beruht.The trained predetermined semi-automated driving system represents the driving system adapted with the method according to the invention. In the course of the training, the parameterization of one or more algorithms is modified on which the predetermined semi-automated driving system is based.

Das erfindungsgemäße Verfahren weist den Vorteil auf, dass der Erfahrungsschatz eines Fahrers, gegeben durch sein Verhalten in Grenzsituationen, zur Verbesserung eines vorgegebenen teilautomatisierten Fahrsystems genutzt wird. Über Methoden des maschinellen Lernens wird dieser Erfahrungsschatz zum Trainieren des vorgegebenen teilautomatisierten Fahrsystems verwendet, so dass dieses trainierte vorgegebene teilautomatisierte Fahrsystem besser mit Grenzsituationen umzugehen weiß und es somit seltener die automatisierte Fahraufgabe an den Fahrer zurückgibt.The inventive method has the advantage that the wealth of experience of a driver, given by his behavior in borderline situations, to improve a given semi-automated driving system is used. By methods of machine learning, this wealth of experience is used to train the given semi-automated driving system, so that knows this trained preset semi-automated driving system knows how to deal with border situations and thus less often returns the automated driving task to the driver.

Das erfindungsgemäße Verfahren kann für beliebige Arten von teilautomatisierten Fahrsystemen eingesetzt werden. In einer bevorzugten Variante führt das vorgegebene teilautomatisierte Fahrsystem, welches im Rahmen der Erfindung adaptiert wird, die Längsführung und/oder die Querführung des Kraftfahrzeugs automatisch durch.The inventive method can be used for any type of semi-automated driving systems. In a preferred variant, the predetermined semi-automated driving system, which is adapted in the context of the invention, performs the longitudinal guidance and / or the transverse guidance of the motor vehicle automatically.

In einer bevorzugten Variante des erfindungsgemäßen Verfahrens umfasst die Anzahl von vorbestimmten teilautomatisierten Fahrsystemen auch das vorgegebene, zu adaptierende teilautomatisierte Fahrsystem. Gegebenenfalls kann die Anzahl von vorbestimmten teilautomatisierten Fahrsystemen auch nur aus dem vorgegebenen teilautomatisierten Fahrsystem bestehen. In diesem Fall wird nur auf Trainingsdaten zurückgegriffen, welche von dem zu adaptierenden teilautomatisierten Fahrsystem selbst stammen. In abgewandelten Ausführungsformen können jedoch auch Trainingsdaten verwendet werden, die von anderen teilautomatisierten Fahrsystemen und damit anderen Kraftfahrzeugen stammen.In a preferred variant of the method according to the invention, the number of predetermined semi-automated driving systems also includes the predetermined, partially automated driving system to be adapted. Optionally, the number of predetermined semi-automated driving systems may consist only of the predetermined semi-automated driving system. In this case, only training data is used which originates from the semi-automated driving system to be adapted itself. In modified embodiments, however, training data can be used that come from other semi-automated driving systems and thus other motor vehicles.

In einer besonders bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens spezifizieren einer oder mehrere der Trainingsdatensätze jeweils eine Fahreingriffssituation, bei welcher der Fahrer von sich aus zumindest eine Fahraufgabe übernimmt, sowie die Aktion des Fahrers (d.h. den entsprechenden Fahreingriff) bei der Übernahme der zumindest einen Fahraufgabe. Es werden somit beim Trainieren des teilautomatisierten Fahrsystems auch solche Situationen berücksichtigt, bei denen der Fahrer das teilautomatisierte Fahrsystem überstimmt, weil er ein bestimmtes Verhalten für zielführender in der entsprechenden Fahrsituation hält. Mit dieser Ausführungsform kann die Menge der Trainingsdaten erweitert werden und hierdurch das Training des vorgegebenen teilautomatisierten Fahrsystems verbessert werden.In a particularly preferred embodiment of the inventive method, one or more of the training data sets each specify a driving engagement situation in which the driver assumes at least one driving task, and the driver's action (i.e., the corresponding driving engagement) in taking over the at least one driving task. Thus, during training of the partially automated driving system, those situations are taken into account in which the driver overrules the partially automated driving system because he considers a certain behavior to be more effective in the corresponding driving situation. With this embodiment, the amount of training data can be expanded and thereby the training of the predetermined semi-automated driving system can be improved.

Das Trainieren des vorgegebenen teilautomatisierten Fahrsystems kann je nach Ausgestaltung des erfindungsgemäßen Verfahrens an unterschiedlichen Orten erfolgen. In einer Variante wird das Trainieren des vorgegebenen teilautomatisierten Fahrsystems in dem Kraftfahrzeug selbst durchgeführt, welches das vorgegebene teilautomatisierte Fahrsystem enthält. Vorzugsweise wird das Trainieren dabei im Fahrbetrieb dieses Kraftfahrzeugs durchgeführt. Vorzugsweise stammen in dieser Ausführungsform die Trainingsdatensätze, welche zum Trainieren des vorgegebenen teilautomatisierten Fahrsystems verwendet werden, zumindest teilweise von diesem vorgegebenen teilautomatisierten Fahrsystem.The training of the predetermined semi-automated driving system can be done depending on the configuration of the method according to the invention at different locations. In one variant, the training of the predetermined semi-automated driving system is carried out in the motor vehicle itself, which contains the predetermined semi-automated driving system. Preferably, the training is carried out while driving this motor vehicle. Preferably, in this embodiment, the training data sets used to train the predetermined semi-automated driving system are at least partially derived from that predetermined semi-automated driving system.

In einer weiteren Variante des erfindungsgemäßen Verfahrens erfolgt das Trainieren des vorgegebenen teilautomatisierten Fahrsystems in einer Rechnereinheit außerhalb des Kraftfahrzeugs. Dies kann insbesondere dadurch erreicht werden, dass eine Kopie des oder der Algorithmen des vorgegebenen teilautomatisierten Fahrsystems in der Rechnereinheit außerhalb des Kraftfahrzeugs trainiert wird und anschließend eine Parametrierung der trainierten Kopie an das Kraftfahrzeug übermittelt wird und dort in dem teilautomatisierten Fahrsystem hinterlegt wird.In a further variant of the method according to the invention, the training of the predetermined semi-automated driving system takes place in a computer unit outside the motor vehicle. This can be achieved, in particular, by training a copy of the algorithm (s) of the predetermined semi-automated driving system in the computer unit outside the motor vehicle and then transmitting a parameterization of the trained copy to the motor vehicle, where it is stored in the partially automated driving system.

Um die Qualität der Trainingsdatensätze zu verbessern, sind diese Datensätze in einer bevorzugten Variante des erfindungsgemäßen Verfahrens in Abhängigkeit von einer Bewertungsmetrik bewertet. Die Bewertung kann dabei automatisiert durch einen Algorithmus oder gegebenenfalls auch durch einen menschlichen Experten erfolgt sein.In order to improve the quality of the training data records, these data records are evaluated in a preferred variant of the method according to the invention as a function of a rating metric. The evaluation can be done automatically by an algorithm or possibly also by a human expert.

In einer Variante der Erfindung beruht die Bewertungsmetrik auf Straßenverkehrsregeln, wie z.B. der Straßenverkehrsordnung. Insbesondere wird dabei ein Trainingsdatensatz umso höher bewertet und damit stärker beim Training berücksichtigt, je besser die Fahrerreaktion in der Grenzsituation des entsprechenden Trainingsdatensatzes die Straßenverkehrsregeln erfüllt. Alternativ oder zusätzlich kann die Bewertungsmetrik auch auf vorgegebenen Präferenzen basieren, welche einem Profil eines Fahrers des Kraftfahrzeugs zugeordnet sind, welches das vorgegebene teilautomatisierte Fahrsystem enthält. Die Bewertung der Fahrerreaktion in der Grenzsituation des jeweiligen Trainingsdatensatzes ist dabei umso höher, je besser die vorgegebenen Präferenzen erfüllt sind. Die konkrete Ausgestaltung der genannten Bewertungsmetriken liegt im Rahmen von fachmännischem HandelnIn a variant of the invention, the scoring metric is based on road traffic rules, e.g. the Highway Code. In particular, a training data set is rated even higher and thus taken into greater account during training, the better the driver reaction in the limit situation of the corresponding training data set fulfills the road traffic regulations. Alternatively or additionally, the evaluation metric can also be based on predetermined preferences that are associated with a profile of a driver of the motor vehicle that contains the predetermined semi-automated driving system. The evaluation of the driver reaction in the limit situation of the respective training data record is the higher, the better the given preferences are fulfilled. The specific design of the aforementioned evaluation metrics lies within the scope of expert action

Neben dem oben beschriebenen Verfahren betrifft die Erfindung eine Vorrichtung zur rechnergestützten Adaption eines vorgegebenen teilautomatisierten Fahrsystems eines Kraftfahrzeugs, wobei das vorgegebene teilautomatisierte Fahrsystem eine Anzahl von Fahraufgaben eines Fahrers des Kraftfahrzeugs automatisch durchführt und selbsttätig in Grenzsituationen eine oder mehrere der Fahraufgaben an den Fahrer überträgt. Diese Vorrichtung umfasst ein Speichermittel zur Bereitstellung von digitalen Trainingsdatensätzen, welche von einer Anzahl von vorbestimmten teilautomatisierten Fahrsystemen erfasst wurden, welche jeweils die Anzahl von Fahraufgaben durchführen, die den Fahraufgaben des vorgegebenen teilautomatisierten Fahrsystems entsprechen, und welche selbsttätig in Grenzsituationen eine oder mehrere der Fahraufgaben an den Fahrer übertragen. Ein jeweiliger Trainingsdatensatz zumindest eines Teils der Trainingsdatensätze spezifiziert dabei eine aufgetretene Grenzsituation und die darauf folgende Reaktion des Fahrers. Die erfindungsgemäße Vorrichtung umfasst ferner ein Rechnermittel, um mittels der Trainingsdatensätze das vorgegebene teilautomatisierte Fahrsystem basierend auf maschinellem Lernen zu trainieren.In addition to the method described above, the invention relates to a device for computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle, the predetermined semi-automated driving system automatically performs a number of driving tasks of a driver of the motor vehicle and automatically transmits one or more of the driving tasks to the driver in borderline situations. This device comprises a storage means for providing digital training data sets acquired by a number of predetermined semi-automated driving systems each performing the number of driving tasks corresponding to the driving tasks of the correspond to predetermined semi-automated driving system, and which automatically transmit in borderline situations one or more of the driving tasks to the driver. A respective training data set of at least a part of the training data sets specifies an occurred border situation and the subsequent reaction of the driver. The inventive device further comprises a computer means for training the predetermined semi-automated driving system based on machine learning by means of the training data sets.

Vorzugsweise ist die erfindungsgemäße Vorrichtung zur Durchführung einer oder mehrerer bevorzugter Varianten des erfindungsgemäßen Verfahrens eingerichtet.The device according to the invention is preferably set up to carry out one or more preferred variants of the method according to the invention.

Ein Ausführungsbeispiel der Erfindung wird nachfolgend anhand der beigefügten 1 detailliert beschrieben. Diese Figur zeigt in schematischer Darstellung eine Variante des erfindungsgemäßen Verfahrens.An embodiment of the invention will be described below with reference to the attached 1 described in detail. This figure shows a schematic representation of a variant of the method according to the invention.

Die hier beschriebene Ausführungsform des erfindungsgemäßen Verfahrens wird dazu genutzt, um ein teilautomatisiertes Fahrsystem in einem Kraftfahrzeug basierend auf dem Erfahrungsschatz des Fahrers zu verbessern. In 1 ist das entsprechende Kraftfahrzeug mit Bezugszeichen 1 bezeichnet. Dieses Kraftfahrzeug enthält ein teilautomatisiertes Fahrsystem TF, welches Fahraufgaben des Fahrers F des Kraftfahrzeugs übernimmt. Die Fahraufgaben umfassen dabei die Längsführung und die Querführung des Fahrzeugs, d.h. das teilautomatisierte Fahrsystem führt automatisiert die Lenkvorgänge sowie die Beschleunigungs- und Bremsvorgänge des Kraftfahrzeugs 1 durch. Der Begriff „teilautomatisiert“ bedeutet dabei, dass das Fahrsystem in bestimmten Grenzsituationen, in denen es die aktuelle Fahrsituation nicht mehr mit hinreichender Sicherheit beurteilen kann, die Fahraufgaben wieder an den Fahrer zurückgibt. Mit anderen Worten kann ein teilautomatisiertes Fahrsystem zwar gegebenenfalls alle Fahraufgaben des Fahrers übernehmen, jedoch unterscheidet sich dieses System von einem autonomen Fahrsystem darin, dass in bestimmten Situationen Fahraufgaben wieder an den Fahrer zurückgegeben werden.The embodiment of the method according to the invention described here is used to improve a partially automated driving system in a motor vehicle based on the experience of the driver. In 1 is the corresponding motor vehicle with reference numerals 1 designated. This motor vehicle includes a semi-automated driving system TF which driving tasks of the driver F of the motor vehicle takes over. The driving tasks include the longitudinal guide and the transverse guide of the vehicle, ie the semi-automated driving system automatically performs the steering operations and the acceleration and braking of the motor vehicle 1 by. The term "partially automated" means that the driving system returns the driving tasks to the driver in certain borderline situations in which the current driving situation can no longer be assessed with sufficient certainty. In other words, although a partially automated driving system may take over all driving tasks of the driver, this system differs from an autonomous driving system in that in certain situations driving tasks are returned to the driver.

In der hier beschriebenen Ausführungsform wird das teilautomatisierte Fahrsystem TF kontinuierlich während des Fahrbetriebs des Kraftfahrzeugs 1 mittels Trainingsdaten verbessert. Dies ist in dem Block B1 der 1 angedeutet. Die Trainingsdaten umfassen dabei eine Vielzahl von digitalen Trainingsdatensätzen TD, welche jeweils eine Grenzsituation GS sowie eine Fahrerreaktion RE spezifizieren. Mit anderen Worten werden sowohl die Grenzsituationen GS als auch die Fahrerreaktionen RE durch geeignete Parameter spezifiziert, die als digitale Daten vorliegen und typisch für die entsprechende Grenzsituation und die darauf folgende Fahrerreaktion sind. Die jeweiligen Grenzsituationen GS wurden dabei im Fahrbetrieb des Fahrzeugs erfasst. Gleichzeitig wurde beim Auftreten einer entsprechenden Grenzsituation auch die Fahrerreaktion RE aufgezeichnet. Jeder Trainingsdatensatz TD bezieht sich somit auf im Fahrbetrieb des Kraftfahrzeugs aufgetretene Grenzsituationen und die daraus resultierenden Fahrerreaktionen. Es versteht sich, dass ein Trainingsdatensatz auch eine Fahrsituation umfassen kann, in der der Fahrer das teilautomatisierte Fahrsystem durch einen Fahreingriff überstimmt hat.In the embodiment described herein, the semi-automated driving system TF continuously during the driving operation of the motor vehicle 1 improved by means of training data. This is in the block B1 of the 1 indicated. The training data include a variety of digital training data sets TD , which are each a borderline situation GS as well as a driver reaction RE specify. In other words, both the borderline situations GS as well as the driver reactions RE specified by suitable parameters which are present as digital data and are typical for the corresponding limit situation and the subsequent driver reaction. The respective borderline situations GS were detected while driving the vehicle. At the same time, when a corresponding borderline situation occurred, the driver's reaction also became RE recorded. Each training data set TD thus refers to borderline situations that occurred during the driving operation of the motor vehicle and the resulting driver reactions. It is understood that a training data set may also include a driving situation in which the driver has overruled the semi-automated driving system by a driving intervention.

Erfindungsgemäß macht man sich die Reaktionen des Fahrers in Grenzsituationen zunutze, um hierdurch das teilautomatisierte Fahrsystem TF zu verbessern. Um dies zu erreichen, wird mittels eines maschinellen Lernverfahrens das teilautomatisierte Fahrsystem TF mit den zuvor im Fahrbetrieb ermittelten Trainingsdaten TD trainiert, wobei dieses Training in der hier beschriebenen Ausführungsform in einer Rechnereinheit innerhalb des Fahrzeugs 1 abläuft. Der Schritt des Trainierens ist durch den Block B2 in 1 angedeutet. Im Rahmen des Trainings wird ein maschinelles Lernverfahren ML verwendet, wie z.B. an sich bekannte neuronale Netze oder Regressionsverfahren. Als Ergebnis des maschinellen Lernens erhält man eine neue Parametrierung PA des teilautomatisierten Fahrsystems TF. Mit anderen Worten werden entsprechende Parameter von Algorithmen, auf deren Basis die Funktionalität des teilautomatisierten Fahrsystems TF realisiert wird, neu festgelegt. Auf diese Weise erhält man ein adaptiertes teilautomatisiertes Fahrsystem TF, welches durch die Berücksichtigung von Fahrerreaktionen verbessert ist, so dass seltener Grenzsituationen auftreten, in denen das teilautomatisierte Fahrsystem die Fahraufgaben an den Fahrer zurückgibt.According to the invention, one makes use of the reactions of the driver in borderline situations, thereby the partially automated driving system TF to improve. In order to achieve this, the semi-automated driving system is made by means of a machine learning method TF with the training data previously determined while driving TD trained, this training in the embodiment described here in a computing unit within the vehicle 1 expires. The step of exercising is through the block B2 in 1 indicated. As part of the training will be a machine learning process ML used, such as known neural networks or regression methods. As a result of machine learning, a new parameterization is obtained PA of the partially automated driving system TF , In other words, corresponding parameters are algorithms on the basis of which the functionality of the semi-automated driving system TF is realized, redefined. In this way one obtains an adapted semi-automated driving system TF , which is improved by taking into account driver reactions, so that occur more rarely borderline situations in which the semi-automated driving system returns the driving tasks to the driver.

In einer Modifikation des soeben beschriebenen Verfahrens werden die im Fahrzeug 1 aufgezeichneten Trainingsdaten TD ferner an eine zentrale Verarbeitungseinheit ZV übertragen, wie in 1 durch einen gestrichelten Pfeil hin zu der Verarbeitungseinheit angedeutet ist. In dieser zentralen Verarbeitungseinheit ZV können auch entsprechende Trainingsdaten TD von teilautomatisierten Fahrsystemen anderer Fahrzeuge gesammelt werden. Das teilautomatisierte Fahrsystem TF kann dann auch die Trainingsdaten anderer Kraftfahrzeuge nutzen. D.h., die Trainingsdaten der anderen Kraftfahrzeuge werden von der zentralen Verarbeitungseinheit ZV an das Kraftfahrzeug 1 übermittelt, wie durch den gestrichelten Pfeil hin zum Kraftfahrzeug angedeutet ist. Diese Trainingsdaten werden dann zusätzlich zu den vom Fahrzeug 1 selbst ermittelten Trainingsdaten zum Trainieren des teilautomatisierten Fahrsystems TF verwendet. Durch das Sammeln von Trainingsdaten vieler Kraftfahrzeuge in der zentralen Verarbeitungseinheit ZV entsteht ein gemeinsamer Erfahrungsschatz aller Fahrzeuge, wodurch die Möglichkeit zum kollektiven Lernen einer Vielzahl von teilautomatisierten Fahrsystemen geschaffen wird.In a modification of the method just described those in the vehicle 1 recorded training data TD further to a central processing unit ZV transferred as in 1 is indicated by a dashed arrow towards the processing unit. In this central processing unit ZV can also provide appropriate training data TD be collected by semi-automated driving systems of other vehicles. The semi-automated driving system TF can then use the training data of other motor vehicles. That is, the training data of the other motor vehicles are from the central processing unit ZV to the motor vehicle 1 transmitted, as indicated by the dashed arrow to the motor vehicle. These training data will then be in addition to those from the vehicle 1 self-determined training data for training the semi-automated driving system TF used. By collecting training data of many motor vehicles in the central processing unit ZV The result is a common experience of all vehicles, creating the opportunity for collective learning of a variety of semi-automated driving systems.

In einer weiteren Variante des erfindungsgemäßen Verfahrens wird der Schritt des Trainierens des teilautomatisierten Fahrsystems TF nicht im Kraftfahrzeug selbst, sondern in der zentralen Verarbeitungseinheit ZV durchgeführt. Das heißt, die Trainingsdaten TD des Kraftfahrzeugs werden an diese Verarbeitungseinheit übermittelt, welche anschließend das Training mit dem entsprechenden maschinellen Lernverfahren durchführt. Die sich hieraus ergebende neue Parametrierung des teilautomatisierten Fahrsystems wird dann im Rahmen eines Softwareupdates an das Kraftfahrzeug 1 übermittelt. Auch bei diesem Training können wiederum die Trainingsdaten von anderen Kraftfahrzeugen genutzt werden, sofern solche Trainingsdaten in der zentralen Verarbeitungseinheit ZV vorliegen.In a further variant of the method according to the invention, the step of training the partially automated driving system TF not in the motor vehicle itself, but in the central processing unit ZV carried out. That is, the training data TD of the motor vehicle are transmitted to this processing unit, which then carries out the training with the corresponding machine learning method. The resulting new parameterization of the semi-automated driving system is then in the context of a software update to the motor vehicle 1 transmitted. In this training, in turn, the training data from other vehicles can be used, provided such training data in the central processing unit ZV available.

In einer weiteren Variante des erfindungsgemäßen Verfahrens, bei der auf Trainingsdaten in der zentralen Verarbeitungseinheit ZV zurückgegriffen wird, werden diese Trainingsdaten vor ihrer Verwendung zum Trainieren bewertet. Diese Bewertung kann durch einen menschlichen Experten oder gegebenenfalls auch durch einen geeigneten Algorithmus durchgeführt werden. Auf diese Weise wird jedem Trainingsdatensatz TD ein Bewertungsmaß (z.B. eine Bewertungszahl) zugewiesen. Dieses Bewertungsmaß beschreibt basierend auf einer Metrik, wie zielführend die Reaktion des Fahrers auf die entsprechende Grenzsituation des Trainingsdatensatzes eingestuft wird. Die Metrik kann z.B. Straßenverkehrsregeln, wie Vorfahrtsregeln, berücksichtigen. Ebenso kann die Metrik die Reaktion des Fahrers im Hinblick auf die Gefährdung für andere Verkehrsteilnehmer geeignet einstufen. Werden beispielsweise bei einer bestimmten Fahrerreaktion in Antwort auf eine Grenzsituation Verkehrsregeln übertreten bzw. führt die Reaktion zu einer Gefährdung anderer Verkehrsteilnehmer, wird hierfür eine niedrige Bewertung vergeben, was zur Folge hat, dass derTrainingsdatensatz mit geringerem Gewicht beim Trainieren des teilautomatisierten Fahrsystems berücksichtigt wird. Dies kann so weit gehen, dass der Trainingsdatensatz eine derartige Bewertung erhält, dass er beim Trainieren überhaupt nicht mehr berücksichtigt wird.In a further variant of the method according to the invention, in which training data in the central processing unit ZV This training data is evaluated prior to its use for training. This evaluation may be performed by a human expert or, where appropriate, by a suitable algorithm. In this way everyone gets training data set TD assigned a rating measure (eg a rating number). Based on a metric, this evaluation measure describes how the driver's reaction to the corresponding limit situation of the training data set is expediently classified. For example, the metric may take into account road traffic regulations, such as right of way rules. Likewise, the metric may classify the driver's response to the threat to other road users. For example, in a given driver reaction, if traffic rules are violated in response to a boundary situation, or if the response results in endangering other road users, it will be given a low score, with the result that the lower weight training data set will be taken into account when training the semi-automated driving system. This can go so far that the training data set receives such a rating that it is no longer considered during training.

In einer weiteren Variante der Erfindung kann das Bewertungsmaß ferner persönliche Präferenzen eines Fahrers berücksichtigen. Umso besser eine Fahrerreaktion die festgelegten persönlichen Präferenzen erfüllt, desto höher wird der diesbezügliche Trainingsdatensatz bewertet. In einer weiteren Ausführungsform können neben den Trainingsdatensätzen, welche Grenzsituationen beschreiben, weitere digitale Trainingsdatensätze berücksichtigt werden, bei denen die entsprechende Fahraufgabe selbsttätig durch den Fahrer mittels eines Fahreingriffs übernommen wird. Ein Trainingsdatensatz umfasst in diesem Fall das Ereignis der Übernahme der Fahraufgabe sowie den Fahreingriff selbst, d.h. die Aktion des Fahrers bei der Übernahme.In a further variant of the invention, the assessment measure may further take into account a driver's personal preferences. The better a driver response fulfills the set personal preferences, the higher the training data set is rated. In a further embodiment, besides the training data records which describe boundary situations, further digital training data sets can be taken into account in which the corresponding driving task is automatically taken over by the driver by means of a driving intervention. A training data set in this case comprises the event of taking over the driving task as well as the driving intervention itself, i. the action of the driver at the takeover.

Die im Vorangegangenen beschriebenen Ausführungsformen der Erfindung weisen eine Reihe von Vorteilen auf. Insbesondere wird ein teilautomatisiertes Fahrsystem mittels des Erfahrungsschatzes eines Fahrers verbessert, indem das teilautomatisierte Fahrsystem mit Trainingsdaten gelernt wird, die diesen Erfahrungsschatz berücksichtigen. Für einen jeweiligen Trainingsdatensatz liegt dabei sowohl eine „Problembeschreibung“ in der Form einer Grenzsituation als auch eine mögliche „Lösung“ in der Form einer Fahrerreaktion vor. Diese Informationen können durch überwachtes maschinelles Lernen zum Trainieren des teilautomatisierten Fahrersystems genutzt werden. Über die Berücksichtigung von Bewertungen, die das Verhalten des Fahrers in der entsprechenden Grenzsituation bewerten, kann das Verfahren geeignet erweitert werden. In diesem Fall beruht das Trainieren des teilautomatisierten Fahrsystems auf sog. „bestärkendem Lernen“.The embodiments of the invention described above have a number of advantages. In particular, a semi-automated driving system is improved by means of the experience of a driver by the semi-automated driving system is learned with training data that take into account this wealth of experience. For a respective training data set, there is both a "problem description" in the form of a border situation and a possible "solution" in the form of a driver reaction. This information can be used by supervised machine learning to train the semi-automated driver system. By considering evaluations that assess the behavior of the driver in the corresponding boundary situation, the method can be suitably extended. In this case, the training of the partially automated driving system is based on so-called "strengthening learning".

BezugszeichenlisteLIST OF REFERENCE NUMBERS

11
Kraftfahrzeugmotor vehicle
FF
Fahrerdriver
TFTF
teilautomatisiertes Fahrsystemsemi-automated driving system
TDTD
TrainingsdatensätzeTraining records
GSGS
Grenzsituationborder situation
RERE
Reaktion des FahrersReaction of the driver
MLML
maschinelles Lernenmachine learning
PAPA
Parametrierungparameterization
ZVZV
zentrale Verarbeitungseinheitcentral processing unit
B1, B2B1, B2
Blocksblocks

Claims (12)

Verfahren zur rechnergestützten Adaption eines vorgegebenen teilautomatisierten Fahrsystems (TF) eines Kraftfahrzeugs (1), wobei das vorgegebene teilautomatisierte Fahrsystem (TF) eine Anzahl von Fahraufgaben eines Fahrers (F) des Kraftfahrzeugs (1) automatisch durchführt und selbsttätig in Grenzsituationen (GS) eine oder mehrere der Fahraufgaben an den Fahrer (F) überträgt, wobei Trainingsdatensätze (TD) bereitgestellt werden, die von einer Anzahl von vorbestimmten teilautomatisierten Fahrsystemen erfasst wurden, welche jeweils eine Anzahl von Fahraufgaben durchführen, die den Fahraufgaben des vorgegebenen teilautomatisierten Fahrsystems (TF) entsprechen, und welche selbsttätig in Grenzsituationen (GS) eine oder mehrere der Fahraufgaben an den Fahrer (F) übertragen, wobei ein jeweiliger Trainingsdatensatz (TD) zumindest eines Teils der Trainingsdatensätze (TD) eine aufgetretene Grenzsituation (GS) und die darauf folgende Reaktion (RE) des Fahrers (F) spezifiziert; mittels der Trainingsdatensätze (TD) das vorgegebene teilautomatisierte Fahrsystem (TF) basierend auf maschinellem Lernen (ML) trainiert wird.Method for the computer-aided adaptation of a predetermined semi-automated driving system (TF) of a motor vehicle (1), wherein the predetermined semi-automated driving system (TF) performs a number of driving tasks of a driver (F) of the motor vehicle (1) automatically and automatically in borderline situations (GS) one or more transmitting multiple of the driving tasks to the driver (F), providing training data sets (TD) acquired by a number of predetermined semi-automated driving systems each performing a number of driving tasks corresponding to the driving tasks of the predetermined semi-automated driving system Fahrsystem (TF), and which automatically transmit in borderline situations (GS) one or more of the driving tasks to the driver (F), wherein a respective training data set (TD) at least a part of the training data sets (TD) a occurred bordering situation (GS) and the subsequent reaction (RE) of the driver (F) specified; training the predetermined semi-automated driving system (TF) based on machine learning (ML) by means of the training data sets (TD). Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das vorgegebene teilautomatisierte Fahrsystem (TF) als die Anzahl von Fahraufgaben die Längsführung und/oder die Querführung des Kraftfahrzeugs (1) automatisch durchführt.Method according to Claim 1 , characterized in that the predetermined semi-automated driving system (TF) automatically performs the longitudinal guidance and / or the transverse guidance of the motor vehicle (1) as the number of driving tasks. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das vorgegebene teilautomatisierte Fahrsystem (TF) mittels eines oder mehrerer neuronaler Netze und/oder mittels einer Regressionsmethode trainiert wird.Method according to Claim 1 or 2 , characterized in that the predetermined semi-automated driving system (TF) is trained by means of one or more neural networks and / or by means of a regression method. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Anzahl von vorbestimmten teilautomatisierten Fahrsystemen das vorgegebene teilautomatisierte Fahrsystem (TF) umfasst.Method according to one of the preceding claims, characterized in that the number of predetermined semi-automated driving systems comprises the predetermined semi-automated driving system (TF). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass einer oder mehrere der Trainingsdatensätze (TD) jeweils eine Fahrereingriffssituation, bei welcher der Fahrer (F) von sich aus zumindest eine Fahraufgabe übernimmt, sowie die Aktion des Fahrers bei der Übernahme der zumindest einen Fahraufgabe spezifizieren.Method according to one of the preceding claims, characterized in that one or more of the training data sets (TD) in each case a driver intervention situation, in which the driver (F) assumes at least one driving task, and the action of the driver in the acquisition of the at least one driving task specify. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Trainieren des vorgegebenen teilautomatisierten Fahrsystems (F) in dem Kraftfahrzeug (1) durchgeführt wird, welches das vorgegebene teilautomatisierte Fahrsystem (TF) enthält, wobei das Trainieren vorzugsweise im Fahrbetrieb dieses Kraftfahrzeugs (1) durchgeführt wird.Method according to one of the preceding claims, characterized in that the training of the predetermined semi-automated driving system (F) in the motor vehicle (1) is carried out, which contains the predetermined semi-automated driving system (TF), wherein the training preferably in driving operation of this motor vehicle (1) is carried out. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Trainieren des vorgegebenen teilautomatisierten Fahrsystems (TF) in einer Rechnereinheit außerhalb des Kraftfahrzeugs (1) erfolgt.Method according to one of the preceding claims, characterized in that the training of the predetermined semi-automated driving system (TF) takes place in a computer unit outside the motor vehicle (1). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Trainingsdatensätze (TD) in Abhängigkeit von einer Bewertungsmetrik bewertet sind.Method according to one of the preceding claims, characterized in that the training data sets (TD) are evaluated as a function of a weighting metric. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass die Bewertungsmetrik auf Straßenverkehrsregeln basiert.Method according to Claim 8 , characterized in that the rating metric is based on road traffic rules. Verfahren nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass die Bewertungsmetrik auf vorgegebenen Präferenzen basiert, welche einem Profil eines Fahrers des Kraftfahrzeugs (1) zugeordnet sind, welches das vorgegebene teilautomatisierte Fahrsystem (TF) enthält.Method according to Claim 8 or 9 , characterized in that the rating metric is based on predetermined preferences associated with a profile of a driver of the motor vehicle (1) containing the predetermined semi-automated driving system (TF). Vorrichtung zur rechnergestützten Adaption eines vorgegebenen teilautomatisierten Fahrsystems (TF) eines Kraftfahrzeugs (1), wobei das vorgegebene teilautomatisierte Fahrsystem (TF) eine Anzahl von Fahraufgaben eines Fahrers (F) des Kraftfahrzeugs (1) automatisch durchführt und selbsttätig in Grenzsituationen (GS) eine oder mehrere der Fahraufgaben an den Fahrer (F) überträgt, umfassend ein Speichermittel zur Bereitstellung von Trainingsdatensätzen (TD), die von einer Anzahl von vorbestimmten teilautomatisierten Fahrsystemen erfasst wurden, welche jeweils eine Anzahl von Fahraufgaben durchführen, die den Fahraufgaben des vorgegebenen teilautomatisierten Fahrsystems (TF) entsprechen, und welche selbsttätig in Grenzsituationen (GS) eine oder mehrere der Fahraufgaben an den Fahrer (F) übertragen, wobei ein jeweiliger Trainingsdatensatz (TD) zumindest eines Teils der Trainingsdatensätze (TD) eine aufgetretene Grenzsituation (GS) und die darauf folgende Reaktion (RE) des Fahrers (F) spezifiziert; ein Rechnermittel, um mittels der Trainingsdatensätze (TD) das vorgegebene teilautomatisierte Fahrsystem (TF) basierend auf maschinellem Lernen (ML) zu trainieren.Device for the computer-aided adaptation of a predetermined semi-automated driving system (TF) of a motor vehicle (1), wherein the predetermined semi-automated driving system (TF) performs a number of driving tasks of a driver (F) of the motor vehicle (1) automatically and automatically in borderline situations (GS) one or more several of the driving tasks to the driver (F) transmits, comprehensive a training data set (TD) providing means detected by a number of predetermined semi-automated driving systems each performing a number of driving tasks corresponding to the driving tasks of the predetermined semi-automated driving system (TF) and automatically operating in borderline situations (GS) or a plurality of the driving tasks to the driver (F), wherein a respective training data set (TD) of at least a part of the training data sets (TD) a specified limit situation (GS) and the subsequent reaction (RE) of the driver (F) specified; a computer means for training by means of the training data sets (TD) the predetermined semi-automated driving system (TF) based on machine learning (ML). Vorrichtung nach Anspruch 11, dadurch gekennzeichnet, dass die Vorrichtung zur Durchführung eines Verfahrens nach einem der Ansprüche 2 bis 11 eingerichtet ist.Device after Claim 11 , characterized in that the device for carrying out a method according to one of Claims 2 to 11 is set up.
DE102016224291.1A 2016-12-06 2016-12-06 Method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle Pending DE102016224291A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102016224291.1A DE102016224291A1 (en) 2016-12-06 2016-12-06 Method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102016224291.1A DE102016224291A1 (en) 2016-12-06 2016-12-06 Method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle

Publications (1)

Publication Number Publication Date
DE102016224291A1 true DE102016224291A1 (en) 2018-06-07

Family

ID=62163781

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016224291.1A Pending DE102016224291A1 (en) 2016-12-06 2016-12-06 Method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle

Country Status (1)

Country Link
DE (1) DE102016224291A1 (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020224910A1 (en) * 2019-05-09 2020-11-12 LGN Innovations Limited Method and system for detecting edge cases for use in training a vehicle control system
WO2021058205A1 (en) * 2019-09-24 2021-04-01 Daimler Ag Method for operating a vehicle
US20220227379A1 (en) * 2019-05-09 2022-07-21 LGN Innovations Limited Network for detecting edge cases for use in training autonomous vehicle control systems
WO2022233759A1 (en) * 2021-05-05 2022-11-10 Bayerische Motoren Werke Aktiengesellschaft Vehicle system and method for operating a functionality, designed for at least partially automated driving or parking, in a vehicle
EP4137897A4 (en) * 2020-05-09 2023-05-31 Huawei Technologies Co., Ltd. Method and device for self-adaptively optimizing automatic driving system
DE102021132544A1 (en) 2021-12-09 2023-06-15 Cariad Se Method for supporting a vehicle management unit when reacting to at least one traffic situation in the vicinity of the motor vehicle, and motor vehicle that can be operated accordingly
DE102022117676A1 (en) 2022-07-14 2024-01-25 Bayerische Motoren Werke Aktiengesellschaft Method, system and computer program for training a neural network designed to operate a vehicle and for operating a vehicle with a neural network

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013201169A1 (en) * 2013-01-24 2014-07-24 Ford Global Technologies, Llc Requirement activatable remote control system for motor vehicle, has personal data terminal for remote monitoring and/or remote control of vehicle over data-communication link according to driving simulation computer games
US20160042650A1 (en) * 2014-07-28 2016-02-11 Here Global B.V. Personalized Driving Ranking and Alerting

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013201169A1 (en) * 2013-01-24 2014-07-24 Ford Global Technologies, Llc Requirement activatable remote control system for motor vehicle, has personal data terminal for remote monitoring and/or remote control of vehicle over data-communication link according to driving simulation computer games
US20160042650A1 (en) * 2014-07-28 2016-02-11 Here Global B.V. Personalized Driving Ranking and Alerting

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020224910A1 (en) * 2019-05-09 2020-11-12 LGN Innovations Limited Method and system for detecting edge cases for use in training a vehicle control system
US20220227379A1 (en) * 2019-05-09 2022-07-21 LGN Innovations Limited Network for detecting edge cases for use in training autonomous vehicle control systems
WO2021058205A1 (en) * 2019-09-24 2021-04-01 Daimler Ag Method for operating a vehicle
CN114502442A (en) * 2019-09-24 2022-05-13 戴姆勒卡车股份公司 Method for operating a vehicle
CN114502442B (en) * 2019-09-24 2024-05-24 戴姆勒卡车股份公司 Method for operating a vehicle
EP4137897A4 (en) * 2020-05-09 2023-05-31 Huawei Technologies Co., Ltd. Method and device for self-adaptively optimizing automatic driving system
WO2022233759A1 (en) * 2021-05-05 2022-11-10 Bayerische Motoren Werke Aktiengesellschaft Vehicle system and method for operating a functionality, designed for at least partially automated driving or parking, in a vehicle
DE102021132544A1 (en) 2021-12-09 2023-06-15 Cariad Se Method for supporting a vehicle management unit when reacting to at least one traffic situation in the vicinity of the motor vehicle, and motor vehicle that can be operated accordingly
DE102022117676A1 (en) 2022-07-14 2024-01-25 Bayerische Motoren Werke Aktiengesellschaft Method, system and computer program for training a neural network designed to operate a vehicle and for operating a vehicle with a neural network

Similar Documents

Publication Publication Date Title
AT521607B1 (en) Method and device for testing a driver assistance system
DE102016224291A1 (en) Method for the computer-aided adaptation of a predetermined semi-automated driving system of a motor vehicle
EP3431355B1 (en) Method for detecting and characterising a driving behaviour of an autopilot or a driver in a motor vehicle, control unit and motor vehicle
DE102018128289B4 (en) METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND CLASSIFICATION
EP3436325A1 (en) Method for producing control data for rule-based driver assistance
WO2017167801A1 (en) Driver assistance system for supporting a driver when driving a vehicle
EP3152092A1 (en) Method for operating a driver assistance system for automatically guiding a motor vehicle, and paired motor vehicle
WO2018068917A1 (en) Categorization of vehicles in the environment of a motor vehicle
DE102014003343A1 (en) Method for determining a lane change requirement of a system vehicle
AT523834B1 (en) Method and system for testing a driver assistance system
DE102016007899A1 (en) Method for operating a device for traffic situation analysis, motor vehicle and data processing device
DE102018213971A1 (en) Method and device for selecting a driving maneuver
WO2020051618A1 (en) Analysis of dynamic spatial scenarios
DE102021004426A1 (en) Method for training an autonomous driving function
DE102019215147A1 (en) Method and driver assistance device for driving an ego vehicle
DE112018005794T5 (en) System and method for controlling a motor vehicle for autonomous driving
DE102018211726A1 (en) Method for automatic machine training of an electronic vehicle guidance system, and motor vehicle
DE102019129904A1 (en) Automatic driving competence analysis
DE102018125712A1 (en) Driving support method for a vehicle
DE102017004114A1 (en) Method and device for operating a fully autonomously or at least partially autonomously driving vehicle
DE102019104973A1 (en) Method and control device for a system for controlling a motor vehicle
DE102015202343A1 (en) Method and system for performing automated driving maneuvers
DE102018001581A1 (en) Method for predicting the driving behavior of other road users
DE102019213222B4 (en) Method for predicting a future driving situation of a foreign object, device, vehicle participating in road traffic
DE102010017831A1 (en) Method for testing stability of driving behavior of motor vehicle, involves assigning characteristics of variable of driving situation to actual driving situation when values correspond to variables of combination of possible values

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed