DE102022209278A1 - Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern - Google Patents

Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern Download PDF

Info

Publication number
DE102022209278A1
DE102022209278A1 DE102022209278.3A DE102022209278A DE102022209278A1 DE 102022209278 A1 DE102022209278 A1 DE 102022209278A1 DE 102022209278 A DE102022209278 A DE 102022209278A DE 102022209278 A1 DE102022209278 A1 DE 102022209278A1
Authority
DE
Germany
Prior art keywords
motor vehicle
control
interventions
machine learning
learning algorithm
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
DE102022209278.3A
Other languages
English (en)
Inventor
Wadim Napolskich
Stefan Lindenau
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102022209278.3A priority Critical patent/DE102022209278A1/de
Priority to US18/456,813 priority patent/US20240078470A1/en
Priority to JP2023144638A priority patent/JP2024037710A/ja
Priority to CN202311143559.5A priority patent/CN117657160A/zh
Publication of DE102022209278A1 publication Critical patent/DE102022209278A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W40/00Estimation 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
    • B60W40/08Estimation 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
    • B60W40/09Driving style or behaviour
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205Diagnosing or detecting failures; Failure detection models
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08Interaction between the driver and the control system
    • B60W50/10Interpretation of driver requests or demands
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • B60W2050/0062Adapting control system settings
    • B60W2050/0075Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083Setting, resetting, calibration
    • B60W2050/0088Adaptive recalibration
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205Diagnosing or detecting failures; Failure detection models
    • B60W2050/021Means for detecting failure or malfunction
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00Input parameters relating to overall vehicle dynamics
    • B60W2520/10Longitudinal speed
    • B60W2520/105Longitudinal acceleration
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00Input parameters relating to overall vehicle dynamics
    • B60W2520/14Yaw
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2540/00Input parameters relating to occupants
    • B60W2540/043Identity of occupants
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2540/00Input parameters relating to occupants
    • B60W2540/18Steering angle

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, wobei das Verfahren folgende Schritte aufweist: Während eines Betriebs des Kraftfahrzeuges, Bestimmen, ob eines von wenigstens einem bestimmten Fahrmanövern ausgeführt wird (2); falls ein bestimmtes Fahrmanöver ausgeführt wird, Erfassen von Eingriffen eines Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges während des Ausführens des Fahrmanövers (3); und Trainieren des wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmtem Fahrmanöver und den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges (4).

Description

  • Die Erfindung betrifft ein Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, welcher dazu genutzt werden kann, um auf einfache Art und Weise und mit geringem Ressourcenverbrauch das Verhalten von wenigstens einer Komponente einer Steuerung des Kraftfahrzeuges und/oder einer Komponente einer Steuerung wenigstens eines ähnlichen Kraftfahrzeuges während des Ausführens eines bestimmten Fahrmanövers zu beurteilen.
  • Gewöhnliche Kraftfahrzeuge sind mehr und mehr mit Fahrerassistenzsystemen ausgestattet. Unter Fahrerassistenzsystemen werden dabei insbesondere elektronische Zusatzeinrichtungen, welche ausgebildet sind, einen Fahrer eines Kraftfahrzeuges in gewissen Fahrsituationen zu unterstützen, verstanden. Ein Beispiel derartiger Fahrerassistenzsysteme sind dabei Fahrdynamikregelungen, wie beispielsweise die elektronische Stabilitätskontrolle, welche ausgebildet ist, durch gezieltes Abbremsen einzelner Räder des Kraftfahrzeuges einem Ausbrechen des Kraftfahrzeuges entgegenzuwirken, und welche standradmäßig insbesondere in schwere Nutzfahrzeuge integriert werden müssen.
  • Da derartige Fahrdynamikregelung in die Steuerung des Kraftfahrzeuges eingreifen, sind diese extrem sicherheitsrelevant und müssen vor deren Einsatz ausreichend getestet werden, wobei sehr hohe Anforderungen an die entsprechenden Testverfahren und/oder Testsysteme beziehungsweise die entsprechenden Testspezifikationen gestellt werden.
  • Das Testen von derartigen Fahrdynamikregelungen basiert dabei für gewöhnlich auf manuellen Testverfahren, wobei allgemein zwischen open-loop Regelungen und closed-loop Regelungen unterschieden wird. Open-loop Regelungen basieren darauf, dass vordefinierte Fahrereingaben beziehungsweise Eingriffe in die Steuerung des Kraftfahrzeuges unabhängig von einer Fahrzeugreaktion getätigt werden und eine gemessene beziehungsweise tatsächliche Fahrzeugreaktion ausgewertet wird. Closed-loop Regelungen basieren ferner drauf, dass von der Fahrzeugreaktionen abhängige Fahrereingaben vorgenommen werden und der hierzu benötigte Aufwand, beispielsweise der Aufwand für das Halten eines vorgegebenen Sollkurses, und die Extremwerte von Messgrößen, welche mit der Fahrzeugkonfiguration bei dem entsprechenden Fahrmanöver erreicht werden, beurteilt werden. Als nachteilig erweist sich hierbei jedoch beispielsweise, dass derartige Testverfahren nicht vollständig automatisiert werden können, da das Verhalten und/oder die Reaktionen eines Fahrers bei bestimmten Fahrmanövern für gewöhnlich nur manuell erfasst werden können.
  • Aus der Druckschrift DE 10 2006 031 242 A1 ist ein Verfahren zum Durchführen eines Tests eines in einem Fahrzeug befindlichen Steuergeräts bekannt, bei dem mindestens eine Betriebssituation, die sich während des Betriebs des Fahrzeugs ergeben kann, automatisch simuliert wird.
  • Der Erfindung liegt die Aufgabe zugrunde, ein verbessertes Testverfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern zu ermöglichen.
  • Die Aufgabe wird gelöst durch ein Verfahren zum Trainieren eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern gemäß den Merkmalen des Patentanspruchs 1.
  • Die Aufgabe wird zudem auch gelöst durch ein System zum Trainieren eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern gemäß den Merkmalen des Patentanspruchs 6.
  • Offenbarung der Erfindung
  • Gemäß einer Ausführungsform der Erfindung wird diese Aufgabe gelöst durch ein Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, wobei das Verfahren ein Bestimmen, während eines Betriebs des Kraftfahrzeuges, ob eines von wenigstens einem bestimmten Fahrmanövern ausgeführt wird, ein Erfassen von Eingriffen eines Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges während des Ausführens des Fahrmanövers, falls ein bestimmtes Fahrmanöver ausgeführt wird, und ein Trainieren des wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmtem Fahrmanöver und den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges aufweist.
  • Unter Fahrmanöver wird dabei ein Manöver beziehungsweise ein Eingriff in die Steuerung des Kraftfahrzeuges, um eine Fahrzeugreaktion zu erwirken, verstanden.
  • Unter Steuerung des Kraftfahrzeuges beziehungsweise Komponenten der Steuerung des Kraftfahrzeuges werden weiter zum Steuern beziehungsweise Betreiben oder Fahren eines Kraftfahrzeuges benötigte Komponenten verstanden, insbesondere mit einem Antriebsstrang des Kraftfahrzeuges zusammenwirkende Komponenten des Kraftfahrzeuges.
  • Algorithmen des maschinellen Lernens basieren ferner darauf, dass Verfahren der Statistik verwendet werden, um eine Datenverarbeitungsanlage derart zu trainieren, dass diese eine bestimmte Aufgabe ausführen kann, ohne dass diese ursprünglich explizit hierzu programmiert wurde. Das Ziel des maschinellen Lernens besteht dabei darin, Algorithmen zu konstruieren, die aus Daten lernen und Vorhersagen treffen können. Diese Algorithmen erstellen mathematische Modelle, mit denen beispielsweise Daten klassifiziert werden können.
  • Somit wird ein Algorithmus des maschinellen Lernens trainiert, welcher ausgebildet ist, Eingriffe eines Fahrers in die Steuerung eines Kraftfahrzeuges bei Vorliegen bestimmter Fahrmanöver automatisch vorzugeben. Basierend auf dem Algorithmus des maschinellen Lernens kann somit das Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern automatisiert werden. Dies hat den Vorteil, dass die Beurteilung beziehungsweise das entsprechende Testverfahren verglichen mit manuellen Testverfahren weniger fehleranfällig und robuster ist. Zudem kann der Algorithmus des maschinellen Lernens auch bei ähnlichen Kraftfahrzeugen angewendet werden, ohne dass zunächst jeweils aufwendige Testverfahren und/oder Testsysteme entwickelt werden müssen, so dass auf einfache Art und Weise und geringem Ressourcenverbrauch, insbesondere vergleichsweise geringem Bedarf an Speicher- und/oder Prozessorkapazitäten, das Verhalten von wenigstens einer Komponente einer Steuerung des Kraftfahrzeuges und einer Komponente einer Steuerung wenigstens eines ähnlichen Kraftfahrzeuges beurteilt werden kann. Bei dem wenigstens einen ähnlichen Kraftfahrzeug kann es sich dabei insbesondere um ein Kraftfahrzeug desselben Herstellers, welches ein ähnliches Fahrverhalten aufweisen sollte, handeln.
  • Insgesamt wird somit ein verbessertes Testverfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern ermöglicht.
  • Das Trainieren des wenigstens einen Algorithmus des maschinellen Lernens kann dabei ein Trainieren des wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmten Fahrmanöver, den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges und Informationen über den Fahrer des Kraftfahrzeuges aufweisen.
  • Unter Informationen über den Fahrer des Kraftfahrzeuges werden dabei das Fahrverhalten des Fahrers charakterisierende Informationen verstanden, beispielsweise ob der Fahrer für gewöhnlich sportlicher oder zurückhaltender fährt, welche Fahrzeugmarke der Fahrer für gewöhnlich fährt, oder welchen Fahrzeugtyp der Fahrer für gewöhnlich fährt.
  • Hierdurch kann die Robustheit des entsprechend trainierten Algorithmus des maschinellen Lernens und auch die Beurteilung eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern noch weiter verbessert werden.
  • Die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges können zudem eine Änderung eines Lenkwinkels und/oder eine Änderung einer Fahrzeugbeschleunigung und/oder eine Änderung einer Gierrate aufweisen.
  • Unter Lenkwinkel wird dabei ein, insbesondere durch einen Fahrer eines Kraftfahrzeuges über ein Lenksystem vorgegebener mittlerer Radlenkwinkel der Räder des Kraftfahrzeuges verstanden.
  • Unter Fahrzeugbeschleunigung wird weiter eine Beschleunigung des Kraftfahrzeuges beziehungsweise ein Zuwachs der Geschwindigkeit des Kraftfahrzeuges per Zeiteinheit verstanden.
  • Unter Gierrate wird ferner die Winkelgeschwindigkeit der Drehung eines Kraftfahrzeuges um die Hochachse des Kraftfahrzeuges verstanden.
  • Insbesondere können alle bei gewöhnlichen Kraftfahrzeugen bereits standardmäßig überwachten Eingriffe in die Steuerung eines Kraftfahrzeuges überwacht beziehungsweise erfasst werden, ohne dass aufwendige und kostspielige Anpassungen vonnöten wären.
  • Dabei, dass die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges eine Änderung eines Lenkwinkels und/oder eine Änderung einer Fahrzeugbeschleunigung und/oder eine Änderung einer Gierrate aufweisen, handelt es sich jedoch nur um eine mögliche Ausführungsform. So können die Eingriffe in die Steuerung des Kraftfahrzeuges beispielsweise auch eine Änderung der Raddrehzahlen von einem oder mehreren Rädern des Kraftfahrzeuges aufweisen.
  • Jedes des wenigstens eine Fahrmanövers kann ferner jeweils durch eine Testspezifikation vorgegeben werden.
  • Unter Testspezifikation werden dabei Festlegungen und Vorbereitungen verstanden, welche erforderlich sind, um einen bestimmten Testfall ausführen zu können.
  • Somit kann der Algorithmus des maschinellen Lernens optimal an entsprechende Bedarfsfälle angepasst und somit auch die Beurteilung eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern noch weiter verbessert werden.
  • Mit einer weiteren Ausführungsform der Erfindung wird auch ein Verfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von wenigstens einem bestimmten Fahrmanöver angegeben, wobei das Verfahren ein Bereitstellen eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, wobei der Algorithmus des maschinellen Lernens durch ein obenstehend beschriebenes Verfahren zum Trainieren eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern trainiert wurde, ein Testen der wenigstens einen Komponente der Steuerung des Fahrzeuges unter Verwendung des bereitgestellten Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, um Testergebnisse bereitzustellen, und ein Beurteilen des Verhaltens der wenigstens einen Komponente der Steuerung des Kraftfahrzeuges während des Ausführens des wenigstens einen bestimmten Fahrmanövers basierend auf den Testergebnissen aufweist.
  • Somit wird ein Verfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von wenigstens einem bestimmten Fahrmanöver angegeben, welches auf einem Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern basiert, welcher ein verbessertes Testverfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern ermöglicht. Insbesondere basiert das Verfahren auf einem Algorithmus des maschinellen Lernens, welcher ausgebildet ist, Eingriffe eines Fahrers bei Vorliegen bestimmter Fahrmanöver automatisch vorzugeben. Basierend auf dem Algorithmus des maschinellen Lernens kann somit das Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern automatisiert werden. Dies hat den Vorteil, dass die Beurteilung beziehungsweise das entsprechende Testverfahren verglichen mit manuellen Testverfahren weniger fehleranfällig und robuster ist. Zudem kann der Algorithmus des maschinellen Lernens auch bei ähnlichen Kraftfahrzeugen angewendet werden, ohne dass zunächst jeweils aufwendige Testverfahren und/oder Testsysteme entwickelt werden müssen, so dass auf einfache Art und Weise und geringem Ressourcenverbrauch, insbesondere vergleichsweise geringem Bedarf an Speicher- und/oder Prozessorkapazitäten, das Verhalten von wenigstens einer Komponente einer Steuerung des Kraftfahrzeuges und einer Komponente einer Steuerung wenigstens eines ähnlichen Kraftfahrzeuges beurteilt werden kann.
  • Mit einer weiteren Ausführungsform der Erfindung wird weiter auch ein System zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern angegeben, wobei das System eine Bestimmungseinheit, welche ausgebildet ist, während eines Betriebs des Kraftfahrzeuges zu bestimmen, ob eines von wenigstens einem bestimmten Fahrmanövern ausgeführt wird, wenigstens eine Erfassungseinheit, welche ausgebildet ist, Eingriffe eines Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges während des Ausführens des Fahrmanövers zu erfassen, falls ein bestimmtes Fahrmanöver ausgeführt wird, und eine Trainingseinheit, welche ausgebildet ist, den wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmtem Fahrmanöver und den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges zu trainieren, aufweist.
  • Somit wird ein System angegeben, mit welchem ein verbessertes Testverfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern ermöglicht wird. Insbesondere wird ein System angegeben, welches ausgebildet ist, einen Algorithmus des maschinellen Lernens zu trainieren, welcher ausgebildet ist, Eingriffe eines Fahrers bei Vorliegen bestimmter Fahrmanöver automatisch vorzugeben. Basierend auf dem Algorithmus des maschinellen Lernens kann somit das Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern automatisiert werden. Dies hat den Vorteil, dass die Beurteilung beziehungsweise das entsprechende Testverfahren verglichen mit manuellen Testverfahren weniger fehleranfällig und robuster ist. Zudem kann der Algorithmus des maschinellen Lernens auch bei ähnlichen Kraftfahrzeugen angewendet werden, ohne dass zunächst jeweils aufwendige Testverfahren und/oder Testsysteme entwickelt werden müssen, so dass auf einfache Art und Weise und geringem Ressourcenverbrauch, insbesondere vergleichsweise geringem Bedarf an Speicher- und/oder Prozessorkapazitäten, das Verhalten von wenigstens einer Komponente einer Steuerung des Kraftfahrzeuges und einer Komponente einer Steuerung wenigstens eines ähnlichen Kraftfahrzeuges beurteilt werden kann.
  • Die Trainingseinheit kann dabei ausgebildet sein, den wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem ausgeführten Fahrmanöver, den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges und Informationen über den Fahrer des Kraftfahrzeuges zu trainieren. Hierdurch kann die Robustheit des entsprechend trainierten Algorithmus des maschinellen Lernens und auch die Beurteilung eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern noch weiter verbessert werden.
  • Die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges können zudem wiederum eine Änderung eines Lenkwinkels und/oder eine Änderung einer Fahrzeugbeschleunigung und/oder eine Änderung einer Gierrate aufweisen. Insbesondere können alle bei gewöhnlichen Kraftfahrzeugen bereits standardmäßig überwachten Eingriffe in die Steuerung eines Kraftfahrzeuges überwacht beziehungsweise erfasst werden, ohne dass aufwendige und kostspielige Anpassungen vonnöten wären.
  • Dabei, dass die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges eine Änderung eines Lenkwinkels und/oder eine Änderung einer Fahrzeugbeschleunigung und/oder eine Änderung einer Gierrate aufweisen, handelt es sich jedoch wiederum nur um eine mögliche Ausführungsform. So können die Eingriffe in die Steuerung des Kraftfahrzeuges beispielsweise auch eine Änderung der Raddrehzahlen von einem oder mehreren Rädern des Kraftfahrzeuges aufweisen.
  • Jedes des wenigstens einen Fahrmanövers kann ferner wiederum jeweils durch eine Testspezifikation vorgegeben werden. Somit kann der Algorithmus des maschinellen Lernens optimal an entsprechende Bedarfsfälle angepasst und somit auch die Beurteilung eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern noch weiter verbessert werden.
  • Mit einer weiteren Ausführungsform der Erfindung wird zudem auch ein System zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von wenigstens einem bestimmten Fahrmanöver angegeben, wobei das System eine Bereitstellungseinheit, welche ausgebildet ist, einen Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern bereitzustellen, wobei der Algorithmus des maschinellen Lernens durch ein obenstehend beschriebenes System zum Trainieren eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern trainiert wurde, eine Testeinheit, welche ausgebildet ist, die wenigstens eine Komponente der Steuerung des Fahrzeuges unter Verwendung des bereitgestellten Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern zu testen, um Testergebnisse bereitzustellen, und eine Beurteilungseinheit, welche ausgebildet ist, das Verhalten der wenigstens einen Komponente der Steuerung des Kraftfahrzeuges während des Ausführens des wenigstens einen bestimmten Fahrmanövers basierend auf den Testergebnissen zu beurteilen, aufweist.
  • Somit wird ein System zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von wenigstens einem bestimmten Fahrmanöver angegeben, welches auf einem Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern basiert, welcher ein verbessertes Testverfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern ermöglicht. Insbesondere basiert das System auf einem Algorithmus des maschinellen Lernens, welcher ausgebildet ist, Eingriffe eines Fahrers bei Vorliegen bestimmter Fahrmanöver automatisch vorzugeben. Basierend auf dem Algorithmus des maschinellen Lernens kann somit das Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern automatisiert werden. Dies hat den Vorteil, dass die Beurteilung beziehungsweise das entsprechende Testverfahren verglichen mit manuellen Testverfahren weniger fehleranfällig und robuster ist. Zudem kann der Algorithmus des maschinellen Lernens auch bei ähnlichen Kraftfahrzeugen angewendet werden, ohne dass zunächst jeweils aufwendige Testverfahren und/oder Testsysteme entwickelt werden müssen, so dass auf einfache Art und Weise und geringem Ressourcenverbrauch, insbesondere vergleichsweise geringem Bedarf an Speicher- und/oder Prozessorkapazitäten, das Verhalten von wenigstens einer Komponente einer Steuerung des Kraftfahrzeuges und einer Komponente einer Steuerung wenigstens eines ähnlichen Kraftfahrzeuges beurteilt werden kann.
  • Zusammenfassend ist festzustellen, dass mit der vorliegenden Erfindung ein Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, welcher dazu genutzt werden kann, um auf einfache Art und Weise und mit geringem Ressourcenverbrauch das Verhalten von wenigstens einer Komponente einer Steuerung des Kraftfahrzeuges und/oder einer Komponente einer Steuerung wenigstens eines ähnlichen Kraftfahrzeuges während des Ausführens eines bestimmten Fahrmanövers zu beurteilen, angegeben wird.
  • Weitere mögliche Ausgestaltungen, Weiterbildungen und Implementierungen der Erfindung umfassen auch nicht explizit genannte Kombinationen von zuvor oder im Folgenden bezüglich der Ausführungsbeispiele beschriebenen Merkmalen der Erfindung.
  • Kurze Beschreibung der Zeichnungen
  • Die beiliegenden Zeichnungen sollen ein weiteres Verständnis der Ausführungsformen der Erfindung vermitteln. Sie veranschaulichen Ausführungsformen und dienen im Zusammenhang mit der Beschreibung der Erklärung von Prinzipien und Konzepten der Erfindung.
  • Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Zeichnungen. Die dargestellten Elemente der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt.
  • Es zeigen:
    • 1 ein Flussdiagramm eines Verfahrens zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern gemäß Ausführungsformen der Erfindung; und
    • 2 ein schematisches Blockschaltbild eines Systems zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern gemäß Ausführungsformen der Erfindung.
  • In den Figuren der Zeichnungen bezeichnen gleiche Bezugszeichen gleiche oder funktionsgleiche Elemente, Bauteile oder Komponenten, soweit nichts Gegenteiliges angegeben ist.
  • 1 zeigt ein Flussdiagramm eines Verfahrens zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern 1 gemäß Ausführungsformen der Erfindung.
  • Gewöhnliche Kraftfahrzeuge sind mehr und mehr mit Fahrerassistenzsystemen ausgestattet. Unter Fahrerassistenzsystemen werden dabei insbesondere elektronische Zusatzeinrichtungen, welche ausgebildet sind, einen Fahrer eines Kraftfahrzeuges in gewissen Fahrsituationen zu unterstützen, verstanden. Ein Beispiel derartiger Fahrerassistenzsysteme sind dabei Fahrdynamikregelungen, wie beispielsweise die elektronische Stabilitätskontrolle, welche ausgebildet ist, durch gezieltes Abbremsen einzelner Räder des Kraftfahrzeuges einem Ausbrechen des Kraftfahrzeuges entgegenzuwirken, und welche standradmäßig insbesondere in schwere Nutzfahrzeuge integriert werden müssen.
  • Da derartige Fahrdynamikregelung in die Steuerung des Kraftfahrzeuges eingreifen, sind diese extrem sicherheitsrelevant und müssen vor deren Einsatz ausreichend getestet werden, wobei sehr hohe Anforderungen an die entsprechenden Testverfahren und/oder Testsysteme gestellt werden.
  • Das Testen von derartigen Fahrdynamikregelungen basiert dabei für gewöhnlich auf manuellen Testverfahren, wobei allgemein zwischen open-loop Regelungen und closed-loop Regelungen unterschieden wird. Open-loop Regelungen basieren darauf, dass vordefinierte Fahrereingaben beziehungsweise Eingriffe in die Steuerung des Kraftfahrzeuges unabhängig von einer Fahrzeugreaktion getätigt werden und eine gemessene beziehungsweise tatsächliche Fahrzeugreaktion ausgewertet wird. Closed-loop Regelungen basieren ferner drauf, dass von der Fahrzeugreaktionen abhängige Fahrereingaben vorgenommen werden und der hierzu benötigte Aufwand, beispielsweise der Aufwand für das Halten eines vorgegebenen Sollkurses, und die Extremwerte von Messgrößen, welche mit der Fahrzeugkonfiguration bei dem entsprechenden Fahrmanöver erreicht werden, beurteilt werden. Als nachteilig erweist sich hierbei jedoch beispielsweise, dass derartige Testverfahren nicht vollständig automatisiert werden können, da das Verhalten und/oder die Reaktionen eines Fahrers bei bestimmten Fahrmanövern für gewöhnlich nur manuell erfasst werden können.
  • 1 zeigt dabei ein Verfahren 1, welches einen Schritt 2 eines Bestimmens, während eines Betriebs des Kraftfahrzeuges, ob eines von wenigstens einem bestimmten Fahrmanövern ausgeführt wird, einen Schritt 3 eines Erfassens von Eingriffen eines Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges während des Ausführens des Fahrmanövers falls ein bestimmtes Fahrmanöver ausgeführt wird, und einen Schritt 4 eines Trainierens wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern basierend auf dem bestimmtem Fahrmanöver und den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges aufweist.
  • Somit wird ein Algorithmus des maschinellen Lernens trainiert, welcher ausgebildet ist, Eingriffe eines Fahrers bei Vorliegen bestimmter Fahrmanöver automatisch vorzugeben. Basierend auf dem Algorithmus des maschinellen Lernens kann somit das Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern automatisiert werden. Dies hat den Vorteil, dass die Beurteilung beziehungsweise das entsprechende Testverfahren verglichen mit manuellen Testverfahren weniger fehleranfällig und robuster ist. Zudem kann der Algorithmus des maschinellen Lernens auch bei ähnlichen Kraftfahrzeugen angewendet werden, ohne dass zunächst jeweils aufwendige Testverfahren und/oder Testsysteme entwickelt werden müssen, so dass auf einfache Art und Weise und geringem Ressourcenverbrauch, insbesondere vergleichsweise geringem Bedarf an Speicher- und/oder Prozessorkapazitäten, das Verhalten von wenigstens einer Komponente einer Steuerung des Kraftfahrzeuges und einer Komponente einer Steuerung wenigstens eines ähnlichen Kraftfahrzeuges, beispielsweise eines Kraftfahrzeuges desselben Herstellers beurteilt werden kann.
  • Insgesamt wird somit ein verbessertes Testverfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern ermöglicht.
  • Insbesondere zeigt 1 dabei ein Verfahren 1, bei dem ein spezielles Fahrermodel in Form eines Algorithmus des maschinellen Lernens aus während zurückliegenden beziehungsweise vergangenen Fahrten oder zurückliegender Ausführungen von entsprechenden Testverfahren gewonnen Daten erzeugt werden kann, in dem die Daten gemessen und gespeichert sowie anschließend entsprechend zum Trainieren des wenigstens einen Algorithmus des maschinellen Lernens verwendet werden.
  • Bei dem Algorithmus des maschinellen Lernens kann es sich dabei beispielsweise um ein künstliches neuronales Netz handeln. Dabei kann das künstliche Netz eine vergleichsweise einfache Architektur beziehungsweise vergleichsweise wenig Zwischenschichten aufweisen, da jeweils nur Fahrbeziehungsweise Testsequenzen, welche eine Dauer von circa zwanzig bis dreißig Sekunden aufweisen, vorgegeben werden müssen.
  • Bei dem wenigstens Fahrmanöver kann es sich ferner beispielsweise um einen Spurwechsel oder einen Elchtest handeln.
  • Gemäß den Ausführungsformen der 1 weist der Schritt 4 des Trainierens des wenigstens einen Algorithmus des maschinellen Lernens zudem ein Trainieren des wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem ausgeführten Fahrmanöver, den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges und Informationen über den Fahrer des Kraftfahrzeuges auf.
  • Insbesondere kann dabei beispielsweise für jeden Fahrzeughersteller und/oder jeden Fahrzeugtyp ein separater Algorithmus des maschinellen Lernens trainiert werden.
  • Gemäß den Ausführungsformen der 1 weisen die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges zudem wiederum eine Änderung eines Lenkwinkels und/oder eine Änderung einer Fahrzeugbeschleunigung und/oder eine Änderung einer Gierrate auf.
  • Somit kann der wenigstens eine Algorithmus des maschinellen Lernens basierend auf durch standardmäßig in ESP-Fahrzeuge integrierte Sensoren erfasste Daten trainiert werden.
  • Ferner ist jedes des wenigstens einen Fahrmanövers jeweils durch eine Testspezifikation vorgegeben.
  • Der wenigstens eine trainierte Algorithmus des maschinellen Lernens kann anschließend beispielsweise zur automatisierten Durchführung entsprechender Systemtests beziehungsweise zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern herangezogen werden.
  • Wie 1 zeigt, weist das Verfahren 1 hierbei zudem einen Schritt 5 eines Testens wenigstens einer Komponente der Steuerung des Fahrzeuges unter Verwendung eines entsprechenden trainierten Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern, um Testergebnisse bereitzustellen, und einen Schritt 6 eines Beurteilens des Verhaltens der wenigstens einen Komponente der Steuerung des Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern basierend auf den Testergebnissen auf.
  • Der Schritt 5 eines Testens wenigstens einer Komponente der Steuerung des Fahrzeuges unter Verwendung des wenigstens einen trainierten Algorithmus des maschinellen Lernens zum Ausgeben von Informationen über ein Verhalten eines virtuellen Fahrers eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern kann dabei insbesondere eine virtuelle Ausführung des Testverfahrens aufweisen, wobei das Fahrzeug basierend auf künstlicher Intelligenz und insbesondere dem entsprechenden Algorithmus des maschinellen Lernens gelenkt beziehungsweise gesteuert wird.
  • Der Schritt 6 des Beurteilens des Verhaltens der wenigstens einen Komponente der Steuerung des Kraftfahrzeuges während des Ausführens der bestimmten Fahrmanöver basierend auf den Testergebnissen kann ferner ein Vergleichen der Testergebnisse mit entsprechenden Schwellwerten aufweisen.
  • Die Ergebnisse der Beurteilung des Verhaltens der wenigstens einen Komponente der Steuerung des Kraftfahrzeuges können anschließend beispielsweise zur Entwicklung von Fahrzeugkomponenten, beispielsweise eines Bremssystems herangezogen werden.
  • Alternativ kann basierend auf dem wenigstens einen trainierten Algorithmus des maschinellen Lernens aber auch eine Beurteilung beziehungsweise Validierung der Ergebnisse von entsprechenden manuellen Testverfahren vorgenommen werden.
  • 2 zeigt ein schematisches Blockschaltbild eines Systems zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern 10 gemäß Ausführungsformen der Erfindung.
  • Wie 2 zeigt, weist das System 10 dabei eine Bestimmungseinheit 11, welche ausgebildet ist, während eines Betriebs des Kraftfahrzeuges zu bestimmen, ob eines von wenigstens einem bestimmten Fahrmanövern ausgeführt wird, wenigstens eine Erfassungseinheit 12, welche ausgebildet ist, Eingriffe eines Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges während des Ausführens des Fahrmanövers zu erfassen, falls ein bestimmtes Fahrmanöver ausgeführt wird, und eine Trainingseinheit 13, welche ausgebildet ist, den wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmtem Fahrmanöver und den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges zu trainieren, auf.
  • Die Bestimmungseinheit und die Trainingseinheit können dabei jeweils beispielsweise basierend auf einem in einem Speicher hinterlegten und durch einen Prozessor ausführbaren Code realisiert werden. Bei der wenigstens einen Erfassungseinheit kann es sich ferner beispielsweise um einen Fahrzeugsensor oder einen Empfänger, welcher ausgebildet ist, entsprechende Sensordaten zu empfangen, handeln.
  • Die Bestimmungseinheit kann ferner ausgebildet sein, basierend auf Daten einer Steuerung und/oder von wenigstens einem Steuergerät des Kraftfahrzeuges zu bestimmen, ob eines von wenigstens einem bestimmten Fahrmanöver ausgeführt wird.
  • Gemäß den Ausführungsformen der 2 ist die Trainingseinheit 13 dabei zudem ausgebildet, den wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem ausgeführten Fahrmanöver, den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges und Informationen über den Fahrer des Kraftfahrzeuges zu trainieren.
  • Die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges weisen ferner wiederum eine Änderung eines Lenkwinkels, eine Änderung einer Fahrzeugbeschleunigung und eine Änderung einer Gierrate auf.
  • Zudem ist jedes des wenigstens einen Fahrmanövers wiederum jeweils durch eine Testspezifikation vorgegeben.
  • Das System 10 kann dabei insbesondere ausgebildet sein, ein obenstehend beschriebenes Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern auszuführen.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • 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.
  • Zitierte Patentliteratur
    • DE 102006031242 A1 [0005]

Claims (10)

  1. Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, wobei das Verfahren folgende Schritte aufweist: - Während eines Betriebs des Kraftfahrzeuges, Bestimmen, ob eines von wenigstens einem bestimmten Fahrmanövern ausgeführt wird (2); - Falls ein bestimmtes Fahrmanöver ausgeführt wird, Erfassen von Eingriffen eines Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges während des Ausführens des Fahrmanövers (3); und - Trainieren des wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmtem Fahrmanöver und den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges (4).
  2. Verfahren nach Anspruch 1, wobei das Trainieren des wenigstens einen Algorithmus des maschinellen Lernens (4) ein Trainieren des wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmten Fahrmanöver, den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges und Informationen über den Fahrer des Kraftfahrzeuges aufweist.
  3. Verfahren nach Anspruch 1 oder 2, wobei die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges eine Änderung eines Lenkwinkels und/oder eine Änderung einer Fahrzeugbeschleunigung und/oder eine Änderung einer Gierrate aufweisen.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei jedes des wenigstens einen Fahrmanövers jeweils durch eine Testspezifikation vorgegeben wird.
  5. Verfahren zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von wenigstens einem bestimmten Fahrmanövern, wobei das Verfahren (1) folgende Schritte aufweist: - Bereitstellen eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, wobei der Algorithmus des maschinellen Lernens durch ein Verfahren zum Trainieren eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern nach einem der Ansprüche 1 bis 4 trainiert wurde; - Testen der wenigstens einen Komponente der Steuerung des Fahrzeuges unter Verwendung des bereitgestellten Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, um Testergebnisse bereitzustellen (5); und - Beurteilen des Verhaltens der wenigstens einen Komponente der Steuerung des Kraftfahrzeuges während des Ausführen des wenigstens einen bestimmten Fahrmanövers basierend auf den Testergebnissen (6).
  6. System zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern, wobei das System (10) eine Bestimmungseinheit (11), welche ausgebildet ist, während eines Betriebs des Kraftfahrzeuges zu bestimmen, ob eines von wenigstens einem bestimmten Fahrmanövern ausgeführt wird, wenigstens eine Erfassungseinheit (12), welche ausgebildet ist, Eingriffe eines Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges während des Ausführens des Fahrmanövers zu erfassen, falls ein bestimmtes Fahrmanöver ausgeführt wird, und eine Trainingseinheit (13), welche ausgebildet ist, den wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmtem Fahrmanöver und den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges zu trainieren, aufweist.
  7. System nach Anspruch 6, wobei die Trainingseinheit (13) ausgebildet ist, den wenigstens einen Algorithmus des maschinellen Lernens basierend auf dem bestimmten Fahrmanöver, den erfassten Eingriffen des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges und Informationen über den Fahrer des Kraftfahrzeuges zu trainieren.
  8. System nach Anspruch 6 oder 7, wobei die Eingriffe des Fahrers des Kraftfahrzeuges in die Steuerung des Kraftfahrzeuges eine Änderung eines Lenkwinkels und/oder eine Änderung einer Fahrzeugbeschleunigung und/oder eine Änderung einer Gierrate aufweisen.
  9. System nach einem der Ansprüche 6 bis 8, wobei jedes des wenigstens einen Fahrmanövers jeweils durch Testspezifikationen vorgegeben wird.
  10. System zum Beurteilen eines Verhaltens wenigstens einer Komponente einer Steuerung eines Kraftfahrzeuges während des Ausführens von bestimmten Fahrmanövern, wobei das System eine Bereitstellungseinheit, welche ausgebildet ist, einen Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern bereitzustellen, wobei der Algorithmus des maschinellen Lernens durch ein System zum Trainieren eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern nach einem der Ansprüche 6 bis 9 trainiert wurde, eine Testeinheit, welche ausgebildet ist, die wenigstens eine Komponente der Steuerung des Fahrzeuges unter Verwendung des bereitgestellten Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern zu testen, um Testergebnisse bereitzustellen, und eine Beurteilungseinheit, welche ausgebildet ist, das Verhalten der wenigstens einen Komponente der Steuerung des Kraftfahrzeuges während des Ausführens des wenigstens einen bestimmten Fahrmanövers basierend auf den Testergebnissen zu beurteilen, aufweist.
DE102022209278.3A 2022-09-07 2022-09-07 Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern Pending DE102022209278A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE102022209278.3A DE102022209278A1 (de) 2022-09-07 2022-09-07 Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern
US18/456,813 US20240078470A1 (en) 2022-09-07 2023-08-28 Method for Training at least one Machine Learning Algorithm used to Output Specifications for Interventions in the Control System of a Motor Vehicle During Specific Driving Maneuvers
JP2023144638A JP2024037710A (ja) 2022-09-07 2023-09-06 特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも1つのアルゴリズムを訓練する方法
CN202311143559.5A CN117657160A (zh) 2022-09-07 2023-09-06 训练机器学习算法以输出对车辆的控制的干预规范的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022209278.3A DE102022209278A1 (de) 2022-09-07 2022-09-07 Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern

Publications (1)

Publication Number Publication Date
DE102022209278A1 true DE102022209278A1 (de) 2024-03-07

Family

ID=89905569

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022209278.3A Pending DE102022209278A1 (de) 2022-09-07 2022-09-07 Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern

Country Status (4)

Country Link
US (1) US20240078470A1 (de)
JP (1) JP2024037710A (de)
CN (1) CN117657160A (de)
DE (1) DE102022209278A1 (de)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006031242A1 (de) 2006-07-06 2008-01-10 Robert Bosch Gmbh Verfahren zum Durchführen eines Tests

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006031242A1 (de) 2006-07-06 2008-01-10 Robert Bosch Gmbh Verfahren zum Durchführen eines Tests

Also Published As

Publication number Publication date
CN117657160A (zh) 2024-03-08
JP2024037710A (ja) 2024-03-19
US20240078470A1 (en) 2024-03-07

Similar Documents

Publication Publication Date Title
DE102017214611A1 (de) Verfahren zum Überprüfen eines Reaktionssignals einer Fahrzeugkomponente sowie Überprüfungsvorrichtung und Kraftfahrzeug
DE102015218361A1 (de) Verfahren und Testeinheit zur Verifizierung einer Fahrzeugfunktion
DE102014221007A1 (de) Vorrichtung und Verfahren zum Betreiben eines Fahrzeugs
DE102019134258A1 (de) Verfahren zum Steuern einer Fahrfunktion eines Fahrzeugs
DE102019219263A1 (de) Verfahren und System zur Verbesserung der Fahrstabilität
DE102011083266B4 (de) Untersteuerungs-Einschätzung für Fahrzeuge
WO2019206513A1 (de) Verfahren zur fahrmanöverassistenz eines fahrzeuges, vorrichtung, computerprogramm und computerprogrammprodukt
WO2021148178A1 (de) Verfahren und vorrichtung zum betreiben einer automatisierten spurführung eines kraftfahrzeugs
DE102016006005B4 (de) Elektronisch gesteuerte Aufhängungsvorrichtung und ein eine Dämpfungskraft regelndes Verfahren
DE102011109357A1 (de) System und Verfahren zum kontrollierten Bewegen eines Fahrzeugs
DE102022209278A1 (de) Verfahren zum Trainieren wenigstens eines Algorithmus des maschinellen Lernens zum Ausgeben von Vorgaben für Eingriffe in die Steuerung eines Kraftfahrzeuges bei bestimmten Fahrmanövern
DE102022102782A1 (de) Fahrassistenzsystem und Verfahren zum Betreiben eines Fahrassistenzsystems
DE102012017477A1 (de) Verfahren zur Überwachung eines Fahrerzustandes eines Fahrers eines Fahrzeuges
DE112016005067T5 (de) Verfahren und system zur erleichterung des lenkens eines fahrzeugs beim fahren entlang einer strasse
DE112016005072T5 (de) Verfahren und System zur Erleichterung des Lenkens eines Fahrzeugs beim Fahren entlang einer Strasse
DE102016219315B4 (de) Verfahren und Vorrichtung zur Vermeidung einer ungewollten Beschleunigung eines Kraftfahrzeugs
DE102018009556A1 (de) Verfahren zur Funktionsüberprüfung wenigstens eines Fahrerassistenzsystems eines Kraftwagens
DE102018214414A1 (de) Verfahren zum Testen eines Kraftfahrzeugs
DE102018219238A1 (de) Verfahren zum Notbremsen eines zumindest teilautomatisiert geführten Kraftfahrzeugs
AT524759B1 (de) Verfahren zur Fahrassistenz und Fahrassistenzsystem
DE102018215640A1 (de) System und Verfahren zum Ermitteln eines Lenkungseingriffs durch einen Fahrer
DE102022127924B3 (de) Kraftfahrzeug und Verfahren zur Lokalisierung und/oder Klassifizierung eines Problems im Bereich eines Fahrwerks
DE102017010386A1 (de) Verfahren zum Betrieb eines Fahrerassistenzsystems
DE10319177A1 (de) Verfahren und Vorrichtung zur Berücksichtigung des Reibwerts bei der Giergeschwindigkeitssollwertberechnung
EP4325366A1 (de) Verfahren und system zum ausführen eines virtuellen tests