DE102019216836A1 - Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle - Google Patents
Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle Download PDFInfo
- Publication number
- DE102019216836A1 DE102019216836A1 DE102019216836.1A DE102019216836A DE102019216836A1 DE 102019216836 A1 DE102019216836 A1 DE 102019216836A1 DE 102019216836 A DE102019216836 A DE 102019216836A DE 102019216836 A1 DE102019216836 A1 DE 102019216836A1
- Authority
- DE
- Germany
- Prior art keywords
- motor vehicle
- algorithm
- simulation
- computer program
- program product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 title claims abstract description 43
- 238000012549 training Methods 0.000 title claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 67
- 238000013528 artificial neural network Methods 0.000 claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000002787 reinforcement Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Abstract
Beschrieben wird ein Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs, wobei der Algorithmus durch ein selbstlernendes neuronales Netz trainiert wird, umfassend folgende Schritte:a) Bereitstellen eines Computerprogrammproduktmoduls für die automatisierte bzw. autonome Fahrfunktion,b) Bereitstellen einer Simulationsumgebung mit Simulationsparametern, wobei die Simulationsumgebung Kartendaten eines real existierenden Einsatzgebiets, das Kraftfahrzeug sowie wenigstens einen weiteren simulierten Verkehrsteilnehmer enthält, wobei ein Verhalten des Kraftfahrzeugs sowie des wenigstens einen weiteren Verkehrsteilnehmer durch einen Regelsatz mit Verhaltensparametern bestimmt ist,c) Bereitstellen einer Mission für das Kraftfahrzeug,d) Modifizieren wenigstens eines Verhaltensparameters des Kraftfahrzeugs, sodass der wenigstens eine Verhaltensparameter jenseits der zulässigen Grenzen liegt,e) Durchführen einer Simulation der Mission.A method is described for training at least one algorithm for a control unit of a motor vehicle, the algorithm being trained by a self-learning neural network, comprising the following steps: a) providing a computer program product module for the automated or autonomous driving function, b) providing a simulation environment with simulation parameters , wherein the simulation environment contains map data of a real existing application area, the motor vehicle and at least one other simulated road user, the behavior of the motor vehicle and the at least one further road user being determined by a rule set with behavior parameters, c) providing a mission for the motor vehicle, d) Modifying at least one behavior parameter of the motor vehicle so that the at least one behavior parameter lies beyond the permissible limits, e) performing a simulation of the mission.
Description
Vorliegend werden ein Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs, ein Computerprogrammprodukt sowie ein Kraftfahrzeug beschrieben.A method for training at least one algorithm for a control unit of a motor vehicle, a computer program product and a motor vehicle are described here.
Verfahren, Computerprogrammprodukte sowie Kraftfahrzeuge der eingangs genannten Art sind im Stand der Technik bekannt. Die ersten teilautomatisiert fahrenden Kraftfahrzeuge (entspricht SAE Level 2 gemäß SAE J3016) sind in den vergangenen Jahren zur Serienreife gelangt. Automatisiert (entspricht SAE Level >=3 gemäß SAE J3016) bzw., autonom (entspricht SAE Level 4/5 gemäß SAE J3016) fahrende Kraftfahrzeuge müssen anhand vielfältiger Vorgaben, zum Beispiel Fahrziel und Einhaltung gängiger Verkehrsregeln, mit maximaler Sicherheit auf unbekannte Verkehrssituationen selbständig reagieren können. Da die Verkehrswirklichkeit aufgrund der Unvorhersehbarkeit des Verhaltens anderer Verkehrsteilnehmer, insbesondere menschlicher Verkehrsteilnehmer, hoch komplex ist, gilt es als nahezu unmöglich, entsprechende Steuergeräte von Kraftfahrzeugen mit herkömmlichen Methoden und auf der Grundlage von menschengemachten Regeln zu programmieren.Methods, computer program products and motor vehicles of the type mentioned at the beginning are known in the prior art. The first partially automated vehicles (corresponds to
Zur Bewältigung komplexer Probleme mittels Computern ist es darüber hinaus bekannt, mit Methoden des maschinellen Lernens bzw. der künstlichen Intelligenz Algorithmen zu entwickeln bzw. sich durch selbstlernende neuronale Netze entwickeln zu lassen. Solche Algorithmen können einerseits maßvoller auf komplexe Verkehrssituationen reagieren als traditionelle Algorithmen. Andererseits ist es mithilfe künstlicher Intelligenz prinzipiell möglich, die Algorithmen während des Entwicklungsprozesses und im Alltag durch ständiges Lernen weiterzuentwickeln und kontinuierlich zu verbessern. Alternativ kann ein Stand des Algorithmus nach der Beendigung einer Trainingsphase im Entwicklungsprozess und einer Validierung durch den Hersteller eingefroren werden.In order to cope with complex problems by means of computers, it is also known to develop algorithms with methods of machine learning or artificial intelligence or to allow them to be developed by self-learning neural networks. On the one hand, such algorithms can react more moderately to complex traffic situations than traditional algorithms. On the other hand, with the help of artificial intelligence, it is in principle possible to further develop and continuously improve the algorithms during the development process and in everyday life through constant learning. Alternatively, the state of the algorithm can be frozen after the end of a training phase in the development process and a validation by the manufacturer.
Aus der
Nachteilig hieran ist, dass die Simulation mit regelkonformen Verkehrsteilnehmern durchgeführt wird. In der Realität kommt es hingegen häufig vor, dass Verkehrsteilnehmer sich nicht regelkonform verhalten, z.B. zu schnell fahren, Spurmarkierungen scheinbar grundlos überfahren, unaufmerksam sind, rechts überholen etc. Ein nur mit sich regelkonform verhaltenden anderen Verkehrsteilnehmern trainierter Algorithmus ist daher schlechter auf menschliches Fahrverhalten vorbereitet. Dies führt zu einem unnatürlichen Fahrverhalten eines mit einem entsprechend trainierten Algorithmus ausgestatteten Kraftfahrzeugs, da das Kraftfahrzeug weniger flexibel reagiert.The disadvantage here is that the simulation is carried out with road users who conform to the rules. In reality, however, it often happens that road users do not behave in accordance with the rules, e.g. drive too fast, drive over lane markings for no apparent reason, are inattentive, overtake on the right, etc. An algorithm trained only with other road users who behave in accordance with the rules is therefore less prepared for human driving behavior . This leads to an unnatural driving behavior of a motor vehicle equipped with a suitably trained algorithm, since the motor vehicle reacts less flexibly.
Des Weiteren gibt es Situationen, in denen der Verkehrsfluss verbessert und ggf. sogar das Unfallrisiko reduziert werden können, wenn das Ego-Fahrzeug sich selbst nicht zu einhundert Prozent regelkonform verhält, z.B. wenn es eine durchgezogene Linie überfährt, um einem Hindernis auszuweichen, solange dies gefahrlos möglich ist, z.B. wenn kein Gegenverkehr herrscht. Ein Abbremsen könnte zur Folge haben, dass nachfolgend fahrende, unvorbereitete menschliche Fahrer durch die plötzliche Unterbrechung des Verkehrsflusses einen Auffahrunfall bauen.Furthermore, there are situations in which the flow of traffic can be improved and, if necessary, the risk of an accident can be reduced if the ego vehicle does not behave one hundred percent according to the rules, e.g. if it drives over a solid line to avoid an obstacle, as long as this is the case is possible without risk, e.g. if there is no oncoming traffic. Braking could have the consequence that unprepared human drivers who were driving afterwards could have a rear-end collision due to the sudden interruption of the flow of traffic.
Somit stellt sich die Aufgabe, Verfahren, Computerprogrammprodukte sowie Kraftfahrzeuge der eingangs genannten Art dahingehend weiterzubilden, dass eine bessere Anpassung eines trainierten Algorithmus auf reale Verkehrssituationen stattfinden kann.Thus, the task arises of developing methods, computer program products and motor vehicles of the type mentioned at the outset in such a way that a trained algorithm can be better adapted to real traffic situations.
Die Aufgabe wird gelöst durch ein Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs gemäß Anspruch 1, ein Computerprogrammprodukt gemäß dem nebengeordneten Anspruch 12 sowie ein Kraftfahrzeug gemäß dem nebengeordneten Anspruch 13. Weiterführende Ausgestaltungen und Weiterbildungen sind Gegenstand der abhängigen Ansprüche.The object is achieved by a method for training at least one algorithm for a control unit of a motor vehicle according to claim 1, a computer program product according to the
Nachfolgend wird ein Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs beschrieben, wobei das Steuergerät zur Umsetzung einer automatisierten bzw. autonomen Fahrfunktion unter Eingriff in Aggregate des Kraftfahrzeugs auf der Grundlage von Eingangsdaten unter Verwendung des wenigstens einen Algorithmus vorgesehen ist, wobei der Algorithmus durch ein selbstlernendes neuronales Netz trainiert wird, umfassend folgende Schritte:
- a) Bereitstellen eines Computerprogrammproduktmoduls für die automatisierte bzw. autonome Fahrfunktion, wobei das Computerprogrammproduktmodul den zu trainierenden Algorithmus und das selbstlernende neuronale Netz enthält,
- b) Bereitstellen einer Simulationsumgebung mit Simulationsparametern, wobei die Simulationsumgebung Kartendaten eines real existierenden Einsatzgebiets, das Kraftfahrzeug sowie wenigstens einen weiteren simulierten Verkehrsteilnehmer enthält, wobei ein Verhalten des Kraftfahrzeugs sowie des wenigstens einen weiteren Verkehrsteilnehmers durch einen Regelsatz bestimmt ist, wobei der Regelsatz zulässige Grenzen bestimmende Verhaltensparameter enthält,
- c) Bereitstellen einer Mission für das Kraftfahrzeug,
- d) Modifizieren wenigstens eines Verhaltensparameters des Kraftfahrzeugs, sodass der wenigstens eine Verhaltensparameter jenseits der zulässigen Grenzen liegt,
- e) Durchführen einer Simulation der Mission.
- a) providing a computer program product module for the automated or autonomous driving function, the computer program product module containing the algorithm to be trained and the self-learning neural network,
- b) Providing a simulation environment with simulation parameters, the simulation environment containing map data of a real existing area of use, the motor vehicle and at least one other simulated road user, the behavior of the motor vehicle and the at least one other road user being determined by a rule set, the rule set determining permissible limits Contains behavioral parameters,
- c) Provision of a mission for the motor vehicle,
- d) Modifying at least one behavior parameter of the motor vehicle so that the at least one behavior parameter lies beyond the permissible limits,
- e) Performing a simulation of the mission.
Entsprechende Verhaltensparameter können beispielsweise die zulässige Geschwindigkeit, einen einzuhaltenden Abstand, Verbotsüberschreitungsschwellwerte (z.B. ein Zeitraum, innerhalb dessen eine auf Rot wechselnde Ampel überfahren werden darf, Risikoparameter, bei denen eine durchgezogene Linie überfahren werden darf, und/oder wann trotz fehlender Vorfahrt weitergefahren werden darf), eine erlaubte Varianz der Position des Kraftfahrzeugs in der Spur, eine erlaubte Überholseite (bei Rechtsverkehr nur links oder beiderseits) und dergleichen mehr sein.Corresponding behavior parameters can, for example, be the permissible speed, a distance to be observed, thresholds for exceeding the prohibition (e.g. a period of time within which a traffic light that changes to red may be driven over, risk parameters in which a solid line may be driven over, and / or when it is allowed to continue driving despite the lack of right of way) ), a permitted variance of the position of the motor vehicle in the lane, a permitted overtaking side (in right-hand traffic only on the left or on both sides) and the like.
Eine entsprechende Mission kann beispielsweise sein, von einem Ausgangspunkt in einer kürzest möglichen Zeit oder energieverbrauchsoptimiert zu einem festgelegten Ziel zu gelangen.A corresponding mission can be, for example, to get from a starting point to a specified destination in the shortest possible time or in an energy-saving manner.
Es wurde festgestellt, dass ein entsprechend trainierter Algorithmus auch innerhalb engerer Parametergrenzen, wie sie dann für einen Einsatz in einem realen Kraftfahrzeug verwendet werden würden, ein anderes Fahrverhalten hat als ein herkömmlich trainierter Algorithmus. Das Fahrverhalten eines solchen Algorithmus ist natürlicher, entspricht also eher dem Fahrverhalten eines Menschen, was einerseits den Insassen zugutekommt und andererseits auf andere Verkehrsteilnehmer natürlicher wirkt. Ein Beispiel hierfür ist das Passieren eines in zweiter Reihe parkenden Lieferfahrzeuges mit notwendiger Überschreitung einer durchgezogenen Linie. Ein absolut regelkonformer Algorithmus würde das Kraftfahrzeug anhalten und so lange warten, bis das Lieferfahrzeug weiterfährt. Ein entsprechend dem vorliegend beschriebenen Verfahren trainierter Algorithmus, der in engen Grenzen geltende Regeln überschreiten darf, z.B. wenn dies aufgrund fehlenden Gegenverkehrs gefahrlos möglich ist, fährt an einer solchen Stelle weiter.It was found that a suitably trained algorithm has a different driving behavior than a conventionally trained algorithm, even within narrower parameter limits, such as would then be used for use in a real motor vehicle. The driving behavior of such an algorithm is more natural, i.e. it corresponds more closely to the driving behavior of a person, which on the one hand benefits the occupants and on the other hand has a more natural effect on other road users. An example of this is passing a delivery vehicle parked in the second row and having to cross a solid line. An algorithm that was absolutely compliant with the rules would stop the motor vehicle and wait for the delivery vehicle to continue. An algorithm trained in accordance with the method described here, which may exceed applicable rules within narrow limits, e.g. if this can be done safely due to the lack of oncoming traffic, continues at such a point.
Hierdurch kann also erreicht werden, dass ein mit einem entsprechenden Algorithmus ausgerüstetes Kraftfahrzeug flexibler auf Verkehrssituationen reagieren kann als ein mit herkömmlichen Verfahren trainierter Algorithmus.It can thus be achieved that a motor vehicle equipped with a corresponding algorithm can react more flexibly to traffic situations than an algorithm trained with conventional methods.
In einer ersten weiterführenden Ausgestaltung kann vorgesehen sein, dass das neuronale Netz durch bestärkendes Lernen-Verfahren (auch bekannt als RFL-Algorithmus. RFL steht für: „reinforcement learning“) lernt, wobei als Belohnungsmetrik wenigstens eines von Zeit zur Erfüllung der Mission und/oder Anzahl der Unfälle, in die das Kraftfahrzeug involviert ist, während der Mission dient, wobei die Simulation so lange wiederholt wird, bis eine Mindestmetrik erreicht ist.In a first further refinement, it can be provided that the neural network learns through reinforcement learning processes (also known as the RFL algorithm. RFL stands for: "reinforcement learning"), with at least one of the time to fulfill the mission and / or number of accidents in which the motor vehicle is involved during the mission, the simulation being repeated until a minimum metric is reached.
Insbesondere kann vorgesehen sein, dass zum erfolgreichen Abschluss einer Mission erforderlich ist, keinen Unfall zu bauen. Eine weiterführende Metrik kann sein, nicht indirekt Auslöser von Unfällen anderer Verkehrsteilnehmer zu sein, z.B. durch plötzliches, unerwartetes hartes Bremsen.In particular, it can be provided that in order to successfully complete a mission it is necessary not to cause an accident. A further metric can be that it is not an indirect trigger of accidents with other road users, e.g. through sudden, unexpected hard braking.
Durch Verwenden von bestärkendes Lernen-Verfahren lernt das neuronale Netzwerk bei aufeinanderfolgenden Simulationen immer bessere Strategien zum Absolvieren einer vorgegebenen Mission.By using reinforcement learning methods, the neural network learns better and better strategies for completing a given mission in successive simulations.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass der wenigstens eine anormale Verkehrsteilnehmer ein Kraftfahrzeug, Motorradfahrer oder Fußgänger ist.In a further refinement, it can be provided that the at least one abnormal road user is a motor vehicle, motorcyclist or pedestrian.
Die Fahrzeuge werden von Menschen bewegt, die sich teilweise nicht regelkonform verhalten. Eine Simulation mit solchen sich anormal verhaltenen Verkehrsteilnehmern ist daher besonders realitätsnah.The vehicles are driven by people, some of whom do not comply with the rules. A simulation with such abnormally behaving road users is therefore particularly realistic.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass das Computerprogrammproduktmodul einen bereits mit regelkonformen Verkehrsteilnehmern vortrainieren Algorithmus aufweist.In a further refinement, it can be provided that the computer program product module has an algorithm that has already been pre-trained with traffic participants that conform to the rules.
Auf diese Weise findet eine Verfeinerung der bereits erlernten Verhaltensweisen statt und das Training wird effizienter und schneller.In this way, the already learned behaviors are refined and the training becomes more efficient and faster.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass der wenigstens eine Verhaltensparameter um einen vorgegebenen Prozentsatz über- oder unterschritten wird.In a further refinement, it can be provided that the at least one behavior parameter is exceeded or undercut by a predetermined percentage.
Dies kann insbesondere bei in Zahlen ausdrückbaren Verhaltensparametern sinnvoll sein, beispielsweise einer Geschwindigkeit, einem Abstand, einer Abweichung von einer vorgegebenen Fahrlinie etc.This can be particularly useful for behavior parameters that can be expressed in numbers, for example a speed, a distance, a deviation from a specified driving line, etc.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die Simulation mehrfach wiederholt wird, wobei jeweils wenigstens ein Simulationsparameter verändert wird.In a further refinement, it can be provided that the simulation is repeated several times, with at least one simulation parameter being changed in each case.
Ein solcher Simulationsparameter kann beispielsweise ein Verhaltensparameter sein. Durch Variation der entsprechenden Parameter kann eine Überspezialisierung des Algorithmus auf eine bestimmte Situation vermieden werden.Such a simulation parameter can be a behavior parameter, for example. By varying the corresponding parameters, over-specialization of the algorithm for a certain situation can be avoided.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die Simulationsumgebung variiert wird.In a further refinement, it can be provided that the simulation environment is varied.
Auch hierdurch kann vermieden werden, dass der Algorithmus zu sehr auf die bestehende Simulationsumgebung trainiert wird. Die Variation kann beispielsweise durch Modifikationen innerhalb des gleichen Verkehrsgebietes (z.B. durch Änderung von Straßenbreiten, Vorfahrtsregeln, Ampelschaltungen, Straßensperren etc.) oder durch Änderung des Verkehrsgebietes als Ganzes erfolgen.This can also prevent the algorithm from being trained too much on the existing simulation environment. The variation can take place, for example, through modifications within the same traffic area (e.g. by changing road widths, right-of-way rules, traffic lights, road blocks, etc.) or by changing the traffic area as a whole.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass wenigstens ein Verhaltensparameter variiert wird.In a further refinement, it can be provided that at least one behavior parameter is varied.
Solche Verhaltensparameter decken übliche Fahrverhalten von verschiedenen Fahrertypen ab, zum Beispiel Fahrer, die tendenziell zu schnell fahren, Fahrer, deren Fahrpräzision geringer ist, etc.Such behavior parameters cover the usual driving behavior of different types of drivers, for example drivers who tend to drive too fast, drivers whose driving precision is less, etc.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass die Anzahl, Positionierung und/oder Missionen der anderen Verkehrsteilnehmer variiert wird.In a further refinement, provision can be made for the number, positioning and / or missions of the other road users to be varied.
Hierdurch werden neue Situationen geschaffen, mithilfe deren der Algorithmus weiter trainiert werden kann.This creates new situations with which the algorithm can be trained further.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass der Algorithmus weiterführend durch ein selbstlernendes neuronales Netz trainiert wird, umfassend folgende Schritte:
- a) Bereitstellen des Computerprogrammproduktmoduls für die automatisierte bzw. autonome Fahrfunktion, wobei das Computerprogrammproduktmodul den zu trainierenden Algorithmus und das selbstlernende neuronale Netz enthält,
- b) Bereitstellen einer Simulationsumgebung mit Simulationsparametern, wobei die Simulationsumgebung Kartendaten eines real existierenden Einsatzgebiets, das Kraftfahrzeug sowie wenigstens einen weiteren simulierten Verkehrsteilnehmer enthält, wobei der weitere simulierte Verkehrsteilnehmer durch einen Algorithmus simuliert wird, der nach dem zuvor beschriebenen Verfahren trainiert wurde,
- c) Bereitstellen einer Mission für das Kraftfahrzeug,
- d) Durchführen einer Simulation der Mission.
- a) providing the computer program product module for the automated or autonomous driving function, the computer program product module containing the algorithm to be trained and the self-learning neural network,
- b) Providing a simulation environment with simulation parameters, the simulation environment containing map data of a real existing area of use, the motor vehicle and at least one further simulated road user, the further simulated road user being simulated by an algorithm that was trained according to the method described above,
- c) Provision of a mission for the motor vehicle,
- d) Performing a simulation of the mission.
Auf diese Weise ist es möglich, nicht nur das eigene Kraftfahrzeug nicht verhaltenskonform auszugestalten, sondern auch andere Kraftfahrzeuge, wodurch sich die Robustheit des Algorithmus erhöht.In this way it is possible not only to design your own motor vehicle in a manner that does not conform to behavior, but also other motor vehicles, which increases the robustness of the algorithm.
Der Algorithmus lässt sich auch auf andere Verkehrsteilnehmer anwenden, zum Beispiel Fußgänger oder Radfahrer, wobei in diesem Fall kein Computerprogrammproduktmodul für eine automatisiert bzw. autonome Fahrfunktion, sondern ein Computerprogrammproduktmodul für eine Bewegungsverhaltenssimulation zum Einsatz kommt. Hierdurch können diese Agenten realitätsnaher ausgestaltet werden und dann in zukünftigen Trainingsmissionen der zuvor beschriebenen Art zum Einsatz kommen, wodurch die Simulationsqualität steigt.The algorithm can also be applied to other road users, for example pedestrians or cyclists, in which case no computer program product module for an automated or autonomous driving function, but a computer program product module for movement behavior simulation is used. As a result, these agents can be made more realistic and can then be used in future training missions of the type described above, which increases the quality of the simulation.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass das Computerprogrammproduktmodul in einem Steuergerät eines Kraftfahrzeuges integriert wird und wobei der Algorithmus im real existierenden Einsatzgebiet getestet und/oder trainiert wird.In a further refinement, provision can be made for the computer program product module to be integrated in a control device of a motor vehicle and for the algorithm to be tested and / or trained in the real-world application.
Auf diese Weise können Einflüsse des realen Kraftfahrzeugs, die womöglich nicht vollständig simulierbar sind, berücksichtigt werden. So kann ein real fahrendes Kraftfahrzeug anders reagieren als es simuliert wird.In this way, influences of the real motor vehicle, which possibly cannot be completely simulated, can be taken into account. A motor vehicle that is actually moving can react differently than it is simulated.
Ein erster unabhängiger Gegenstand betrifft eine Vorrichtung zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs, wobei das Steuergerät zur Umsetzung einer automatisierten bzw. autonomen Fahrfunktion unter Eingriff in Aggregate des Kraftfahrzeugs auf der Grundlage von Eingangsdaten unter Verwendung des wenigstens einen Algorithmus vorgesehen ist, wobei der Algorithmus durch ein selbstlernendes neuronales Netz trainiert wird, wobei vorgesehen sind:
- a) Mittel zum Bereitstellen eines Computerprogrammproduktmoduls für die automatisierte bzw. autonome Fahrfunktion, wobei das Computerprogrammproduktmodul den zu trainierenden Algorithmus und das selbstlernende neuronale Netz enthält,
- b) Mittel zum Bereitstellen einer Simulationsumgebung mit Simulationsparametern, wobei die Simulationsumgebung Kartendaten eines real existierenden Einsatzgebiets, das Kraftfahrzeug sowie wenigstens einen weiteren simulierten Verkehrsteilnehmer enthält, wobei ein Verhalten des Kraftfahrzeugs sowie des wenigstens einen weiteren Verkehrsteilnehmers durch einen Regelsatz bestimmt ist, wobei der Regelsatz zulässige Grenzen bestimmende Verhaltensparameter enthält,
- c) Mittel zum Bereitstellen einer Mission für das Kraftfahrzeug,
- d) Mittel zum Modifizieren wenigstens eines Verhaltensparameters des Kraftfahrzeugs, sodass der wenigstens eine Verhaltensparameter jenseits der zulässigen Grenzen liegt,
- e) Mittel zum Durchführen einer Simulation der Mission.
- a) Means for providing a computer program product module for the automated or autonomous driving function, the computer program product module containing the algorithm to be trained and the self-learning neural network,
- b) Means for providing a simulation environment with simulation parameters, the simulation environment containing map data of a real existing area of use, the motor vehicle and at least one other simulated road user, the behavior of the motor vehicle and the at least one other road user being determined by a rule set, the rule set being permissible Contains behavioral parameters that determine boundaries,
- c) means for providing a mission for the motor vehicle,
- d) means for modifying at least one behavior parameter of the motor vehicle so that the at least one behavior parameter is beyond the permissible limits,
- e) means for performing a simulation of the mission.
In einer ersten weiterführenden Ausgestaltung kann vorgesehen sein, dass das neuronale Netz Mittel zum Lernen durch bestärkendes Lernen-Verfahren aufweist, wobei als Belohnungsmetrik wenigstens eines von Zeit zur Erfüllung der Mission und/oder Anzahl der Unfälle, in die das Kraftfahrzeug involviert ist, während der Mission vorgesehen ist, Mittel zum Wiederholen der Simulation vorgesehen sind, sodass die Simulation so lange wiederholt wird, bis eine Mindestmetrik erreicht ist.In a first further refinement, it can be provided that the neural network has means for learning by reinforcing learning methods, with at least one of the time to fulfill the mission and / or the number of accidents in which the motor vehicle is involved as the reward metric during the Mission is provided, means are provided for repeating the simulation, so that the simulation is repeated until a minimum metric is reached.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass der wenigstens eine anormale Verkehrsteilnehmer ein Kraftfahrzeug, Motorrad oder Fußgänger ist.In a further refinement, it can be provided that the at least one abnormal road user is a motor vehicle, motorcycle or pedestrian.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass das Computerprogrammproduktmodul einen bereits mit regelkonformen Verkehrsteilnehmern vortrainieren Algorithmus aufweist.In a further refinement, it can be provided that the computer program product module has an algorithm that has already been pre-trained with traffic participants that conform to the rules.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Mittel zum Über- oder Unterschreiten der wenigstens eine Verhaltensparameter um einen vorgegebenen Prozentsatz vorgesehen sind.In a further refinement, provision can be made for means to be provided for exceeding or falling below the at least one behavior parameter by a predetermined percentage.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Mittel zum mehrfachen Wiederholen der Simulation, bei der jeweils wenigstens ein Simulationsparameter verändert ist, vorgesehen sind.In a further refinement, provision can be made for means to be provided for repeating the simulation several times, in which at least one simulation parameter is changed in each case.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Mittel zum Variieren der Simulationsumgebung vorgesehen sind.In a further refinement, provision can be made for means for varying the simulation environment to be provided.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Mittel zum Variieren wenigstens eines Verhaltensparameters vorgesehen sind.In a further refinement, provision can be made for means for varying at least one behavior parameter to be provided.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Mittel zum Variieren der Anzahl, Positionierung und/oder Missionen der anderen Verkehrsteilnehmer vorgesehen sind.In a further refinement, provision can be made for means for varying the number, positioning and / or missions of the other road users to be provided.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass Mittel zum Trainieren des Algorithmus durch ein selbstlernendes neuronales Netz vorgesehen sind, wobei vorgesehen sind:
- a) Mittel zum Bereitstellen des Computerprogrammproduktmoduls für die automatisierte bzw. autonome Fahrfunktion, wobei das Computerprogrammproduktmodul den zu trainierenden Algorithmus und das selbstlernende neuronale Netz enthält,
- b) Mittel zum Bereitstellen einer Simulationsumgebung mit Simulationsparametern, wobei die Simulationsumgebung Kartendaten eines real existierenden Einsatzgebiets, das Kraftfahrzeug sowie wenigstens einen weiteren simulierten Verkehrsteilnehmer enthält, wobei der weitere simulierte Verkehrsteilnehmer durch einen Algorithmus simuliert wird, der nach dem zuvor beschriebenen Verfahren trainiert wurde,
- c) Mittel zum Bereitstellen einer Mission für das Kraftfahrzeug,
- d) Mittel zum Durchführen einer Simulation der Mission.
- a) Means for providing the computer program product module for the automated or autonomous driving function, the computer program product module containing the algorithm to be trained and the self-learning neural network,
- b) Means for providing a simulation environment with simulation parameters, the simulation environment containing map data of a real existing area of use, the motor vehicle and at least one further simulated road user, the further simulated road user being simulated by an algorithm that was trained according to the method described above,
- c) means for providing a mission for the motor vehicle,
- d) means for performing a simulation of the mission.
In einer weiteren weiterführenden Ausgestaltung kann vorgesehen sein, dass das Computerprogrammproduktmodul in einem Steuergerät eines Kraftfahrzeuges integriert ist und wobei Mittel zum Testen und/oder Trainieren des Algorithmus im real existierenden Einsatzgebiet vorgesehen sind.In a further refinement, provision can be made for the computer program product module to be integrated in a control device of a motor vehicle, and means for testing and / or training the algorithm in the actual area of use being provided.
Ein weiterer unabhängiger Gegenstand betrifft ein Computerprogrammprodukt, mit einem computerlesbaren Speichermedium, auf dem Befehle eingebettet sind, die, wenn sie von wenigstens einer Recheneinheit ausgeführt werden, bewirken, dass die wenigstens eine Recheneinheit dazu eingerichtet ist, das Verfahren der zuvor beschriebenen Art auszuführen.Another independent subject matter relates to a computer program product with a computer-readable storage medium on which instructions are embedded which, when executed by at least one processing unit, cause the at least one processing unit to be set up for this purpose is to carry out the procedure of the type described above.
Das Verfahren kann auf einer oder auf mehreren Recheneinheiten verteilt ausgeführt werden, sodass bestimmte Verfahrensschritte auf der einen Recheneinheit und andere Verfahrensschritte auf wenigstens einer weiteren Recheneinheit ausgeführt werden, wobei berechnete Daten sofern notwendig zwischen den Recheneinheiten übermittelt werden können.The method can be carried out on one or more processing units, so that certain method steps are carried out on one processing unit and other method steps are carried out on at least one further processing unit, with calculated data being transmitted between the processing units if necessary.
Ein weiterer unabhängiger Gegenstand betrifft ein Kraftfahrzeug mit einem Computerprogrammprodukt der zuvor beschriebenen Art.Another independent subject matter relates to a motor vehicle with a computer program product of the type described above.
Weitere Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Beschriebene und/oder bildlich dargestellte Merkmale bilden für sich oder in beliebiger, sinnvoller Kombination den Gegenstand, gegebenenfalls auch unabhängig von den Ansprüchen, und können insbesondere zusätzlich auch Gegenstand einer oder mehrerer separater Anmeldung/en sein. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen. Dabei zeigen schematisch:
-
1 ein Kraftfahrzeug, das zum automatisierten bzw. autonomen Fahren eingerichtet ist; -
2 ein Computerprogrammprodukt für das Kraftfahrzeug aus1 ; -
3 eine Simulationsumgebung dem Kraftfahrzeug aus1 , sowie -
4 ein Ablaufdiagramm des Verfahrens.
-
1 a motor vehicle that is set up for automated or autonomous driving; -
2 a computer program product for the motor vehicle1 ; -
3 a simulation environment from the motor vehicle1 , as -
4th a flow chart of the process.
Das Kraftfahrzeug
Das Steuergerät
Des Weiteren sind Sensoren zur Erfassung des Zustands des Kraftfahrzeugs
Während des Betriebs des Kraftfahrzeugs
Daten der Sensoren
Der Algorithmus wurde nach dem nachfolgend beschriebenen Verfahren trainiert.The algorithm was trained according to the method described below.
Das Computerprogrammproduktmodul
Der Algorithmus
Das Computerprogrammproduktmodul
Das Computerprogrammproduktmodul
In der Simulationsumgebung
An einem Straßenrand der Straße
In der betreffenden Situation gibt es für den Algorithmus
Des Weiteren ist die Geschwindigkeit des Kraftfahrzeuges
In aufeinanderfolgenden Iterationen könnte der Algorithmus
In einer darauffolgenden Interaktion könnte der Algorithmus
Anschließend könnte der Algorithmus
Anschließend kann ein Optimieren hinsichtlich anderer Kriterien und Metriken erfolgen, um den Reifegrad des Algorithmus
Zunächst wird nach dem Start das Computerprogrammproduktmodul bereitgestellt. Das Computerprogrammproduktmodul beinhaltet den zu trainierenden Algorithmus und ein selbstlernendes neuronales Netz.First, after the start, the computer program product module is made available. The computer program product module contains the algorithm to be trained and a self-learning neural network.
Anschließend wird auf der Basis von realen Kartendaten eine Simulationsumgebung bereitgestellt. Die Simulationsumgebung kann neben Straßen und bestimmten Regeln auch andere Verkehrsteilnehmer nebst deren Missionen enthalten.A simulation environment is then provided on the basis of real map data. In addition to roads and certain rules, the simulation environment can also contain other road users and their missions.
Ausgehend von einem Basisalgorithmus kann ein Regelsatz des Ego-Fahrzeugs variiert werden, der Verhaltensregeln beinhaltet, zum Beispiel Einhalten von Geschwindigkeiten, Überfahren durchgezogener Linien, Position auf der Fahrspur etc.On the basis of a basic algorithm, a rule set of the ego vehicle can be varied, which includes rules of behavior, for example Compliance with speeds, driving over solid lines, position in the lane, etc.
Dann kann die Simulation durchgeführt werden, wobei nach Verfahren des bestärkenden Lernens versucht wird, einzelne Metriken zu erreichen. Solange dies nicht der Fall ist, wird die Strategie bzw. der Algorithmus variiert und die Simulation erneut solange durchgeführt, bis eine bestimmte Einzelmetrik erreicht ist. Dieses Verfahren wird für sämtliche Metriken wiederholt.The simulation can then be carried out, using reinforcement learning methods to attempt to achieve individual metrics. As long as this is not the case, the strategy or the algorithm is varied and the simulation is carried out again until a certain individual metric is reached. This process is repeated for all metrics.
Sobald alle Metriken erreicht sind, wird der Regelsatz des Ego-Fahrzeuges variiert und das Verfahren so lange wiederholt, bis der Algorithmus ausreichend gereift ist. Anschließend kann der Algorithmus eingefroren werden.As soon as all metrics have been reached, the rule set of the ego vehicle is varied and the process is repeated until the algorithm has matured sufficiently. The algorithm can then be frozen.
Der Algorithmus kann beispielsweise in Verkehrssimulationen für andere simulierte Fahrzeuge als den des zu trainierenden Kraftfahrzeugs verwenden werden. Auch kann das Verfahren auf andere Verkehrsteilnehmer angewendet werden.The algorithm can be used, for example, in traffic simulations for simulated vehicles other than that of the motor vehicle to be trained. The method can also be applied to other road users.
Das Training kann in einer realen Umgebung weitergeführt werden, die vollständig oder gemischt-real ist.The training can be continued in a real environment that is fully or mixed real.
Obwohl der Gegenstand im Detail durch Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa einer weitergehenden Erläuterung in der Beschreibung, definiert wird.Although the subject matter has been illustrated and explained in more detail by means of exemplary embodiments, the invention is not restricted by the disclosed examples and other variations can be derived therefrom by the person skilled in the art. It is therefore clear that there is a multitude of possible variations. It is also clear that embodiments cited by way of example only represent examples which are not to be interpreted in any way as a limitation, for example, of the scope of protection, the possible applications or the configuration of the invention. Rather, the preceding description and the description of the figures enable the person skilled in the art to implement the exemplary embodiments in concrete terms, whereby the person skilled in the art, with knowledge of the disclosed inventive concept, can make various changes, for example with regard to the function or the arrangement of individual elements mentioned in an exemplary embodiment, without the To leave the scope of protection that is defined by the claims and their legal equivalents, such as a more detailed explanation in the description.
BezugszeichenlisteList of reference symbols
- 22
- KraftfahrzeugMotor vehicle
- 44th
- SteuergerätControl unit
- 66th
- RecheneinheitArithmetic unit
- 88th
- SpeicherStorage
- 1010
- UmgebungssensorEnvironmental sensor
- 1111
- UmgebungssensorEnvironmental sensor
- 1212th
- UmgebungssensorEnvironmental sensor
- 1313th
- UmgebungssensorEnvironmental sensor
- 1414th
- Kameracamera
- 1515th
- GPS-ModulGPS module
- 1616
- RaddrehzahlsensorWheel speed sensor
- 1818th
- BeschleunigungssensorAccelerometer
- 2020th
- PedalsensorPedal sensor
- 2222nd
- Lenkungsteering
- 2424
- MotorsteuerungEngine control
- 2626th
- BremsenBrakes
- 2828
- ComputerprogrammproduktComputer program product
- 3030th
- ComputerprogrammproduktmodulComputer program product module
- 3232
- neuronales Netzneural network
- 3434
- Algorithmusalgorithm
- 3636
- SimulationsumgebungSimulation environment
- 3838
- StraßenkreuzungIntersection
- 40, 4240, 42
- Straßeroad
- 4444
- geparktes Kraftfahrzeugparked motor vehicle
- 4646
- durchgezogene Liniesolid line
- 4848
- MotorradfahrerMotorcyclists
- 5050
- Fußgängerpedestrian
- 5252
-
Bewegungsrichtung des Fußgängers 50Direction of movement of the
pedestrian 50 - 5454
- geplante Trajektorieplanned trajectory
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent literature cited
- DE 102017007136 A1 [0004]DE 102017007136 A1 [0004]
Claims (13)
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019216836.1A DE102019216836A1 (en) | 2019-10-31 | 2019-10-31 | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle |
CN202080076990.0A CN114667545A (en) | 2019-10-31 | 2020-10-22 | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle |
PCT/EP2020/079764 WO2021083785A1 (en) | 2019-10-31 | 2020-10-22 | Method for training at least one algorithm for a control device of a motor vehicle, computer program product, and motor vehicle |
EP20796785.2A EP4052178A1 (en) | 2019-10-31 | 2020-10-22 | Method for training at least one algorithm for a control device of a motor vehicle, computer program product, and motor vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019216836.1A DE102019216836A1 (en) | 2019-10-31 | 2019-10-31 | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019216836A1 true DE102019216836A1 (en) | 2021-05-06 |
Family
ID=73013437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019216836.1A Pending DE102019216836A1 (en) | 2019-10-31 | 2019-10-31 | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4052178A1 (en) |
CN (1) | CN114667545A (en) |
DE (1) | DE102019216836A1 (en) |
WO (1) | WO2021083785A1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113345227A (en) * | 2021-05-31 | 2021-09-03 | 上海涵润汽车电子有限公司 | Random traffic flow generation method and device |
CN113392467A (en) * | 2021-06-15 | 2021-09-14 | 广东洪裕智能制造研究院有限公司 | Automobile part complex product collaborative simulation platform based on HLATH _ RTI |
CN114333493A (en) * | 2021-12-31 | 2022-04-12 | 江苏普旭科技股份有限公司 | Human body simulation system and method of driving simulator |
WO2023274594A1 (en) * | 2021-06-29 | 2023-01-05 | Psa Automobiles Sa | Designing an automation algorithm of a vehicle |
DE102022208519A1 (en) | 2022-08-17 | 2024-02-22 | STTech GmbH | Computer-implemented method and computer program for the movement planning of an ego driving system in a traffic situation, computer-implemented method for the movement planning of an ego driving system in a real traffic situation, control device for an ego vehicle |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116424332B (en) * | 2023-04-10 | 2023-11-21 | 重庆大学 | Energy management strategy enhancement updating method for deep reinforcement learning type hybrid electric vehicle |
CN117246345A (en) * | 2023-11-06 | 2023-12-19 | 镁佳(武汉)科技有限公司 | Method, device, equipment and medium for controlling generating type vehicle |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017007136A1 (en) * | 2017-07-27 | 2019-01-31 | Opel Automobile Gmbh | Method and device for training self-learning algorithms for an automated mobile vehicle |
DE102018217004A1 (en) * | 2017-10-12 | 2019-04-18 | Honda Motor Co., Ltd. | Autonomous vehicle strategy generation |
US20190303759A1 (en) * | 2018-03-27 | 2019-10-03 | Nvidia Corporation | Training, testing, and verifying autonomous machines using simulated environments |
-
2019
- 2019-10-31 DE DE102019216836.1A patent/DE102019216836A1/en active Pending
-
2020
- 2020-10-22 EP EP20796785.2A patent/EP4052178A1/en active Pending
- 2020-10-22 WO PCT/EP2020/079764 patent/WO2021083785A1/en unknown
- 2020-10-22 CN CN202080076990.0A patent/CN114667545A/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017007136A1 (en) * | 2017-07-27 | 2019-01-31 | Opel Automobile Gmbh | Method and device for training self-learning algorithms for an automated mobile vehicle |
DE102018217004A1 (en) * | 2017-10-12 | 2019-04-18 | Honda Motor Co., Ltd. | Autonomous vehicle strategy generation |
US20190303759A1 (en) * | 2018-03-27 | 2019-10-03 | Nvidia Corporation | Training, testing, and verifying autonomous machines using simulated environments |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113345227A (en) * | 2021-05-31 | 2021-09-03 | 上海涵润汽车电子有限公司 | Random traffic flow generation method and device |
CN113392467A (en) * | 2021-06-15 | 2021-09-14 | 广东洪裕智能制造研究院有限公司 | Automobile part complex product collaborative simulation platform based on HLATH _ RTI |
WO2023274594A1 (en) * | 2021-06-29 | 2023-01-05 | Psa Automobiles Sa | Designing an automation algorithm of a vehicle |
CN114333493A (en) * | 2021-12-31 | 2022-04-12 | 江苏普旭科技股份有限公司 | Human body simulation system and method of driving simulator |
DE102022208519A1 (en) | 2022-08-17 | 2024-02-22 | STTech GmbH | Computer-implemented method and computer program for the movement planning of an ego driving system in a traffic situation, computer-implemented method for the movement planning of an ego driving system in a real traffic situation, control device for an ego vehicle |
Also Published As
Publication number | Publication date |
---|---|
EP4052178A1 (en) | 2022-09-07 |
WO2021083785A1 (en) | 2021-05-06 |
CN114667545A (en) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102019216836A1 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle | |
DE102019206908B4 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product, motor vehicle and system | |
DE102018220865B4 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle | |
DE102016121691A1 (en) | Method and system for operating a motor vehicle | |
DE102018210280A1 (en) | Adaptation of the trajectory of an ego vehicle to moving foreign objects | |
EP3543985A1 (en) | Simulation of different traffic situations for a test vehicle | |
DE102014216257A1 (en) | Method for determining a driving strategy | |
DE102018119867B4 (en) | Autonomous behavior control using policy triggering and execution | |
DE102019219241A1 (en) | Method for creating a road user algorithm for computer simulation of road users, method for training at least one algorithm for a control device of a motor vehicle, computer program product and motor vehicle | |
DE112017007596T5 (en) | Strategy generator and vehicle | |
DE102018205278A1 (en) | Method and system for controlling an autonomously driving vehicle | |
WO2020187563A1 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product, motor vehicle and system | |
AT523834B1 (en) | Method and system for testing a driver assistance system | |
DE102017200580A1 (en) | Method for optimizing a maneuver planning for autonomous vehicles | |
DE102020202540A1 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product and motor vehicle | |
DE102020201931A1 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, method for optimizing a traffic flow in a region, computer program product and motor vehicle | |
DE102019205957A1 (en) | Process for controlled driving on an oncoming lane | |
WO2022077042A1 (en) | Method and a system for testing a driver assistance system for a vehicle | |
DE102019123899B3 (en) | Method for autonomous driving of a vehicle | |
DE102020110671A1 (en) | Process for automated longitudinal control | |
DE102021003856A1 (en) | Method for operating an automated vehicle | |
DE102021202083A1 (en) | Computer-implemented method for training at least one algorithm for a control unit of a motor vehicle, computer program product, control unit and motor vehicle | |
EP3256358A1 (en) | Method and system for performing automated driving manoeuvers | |
DE112020007528T5 (en) | Device and method for driving monitoring | |
WO2024037812A1 (en) | Method for evaluating the safety of a lane-change manoeuvre in the automated driving mode of a vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R084 | Declaration of willingness to licence | ||
R016 | Response to examination communication | ||
R081 | Change of applicant/patentee |
Owner name: STELLANTIS AUTO SAS, FR Free format text: FORMER OWNER: PSA AUTOMOBILES SA, POISSY, FR |