DE102023206535A1

DE102023206535A1 - Fahrbezogene Vorgänge in virtuellen Feldern

Info

Publication number: DE102023206535A1
Application number: DE102023206535.5A
Authority: DE
Inventors: Armin BIESS; Isaac Misri; Julius Engelsoy; Igal RAICHELGAUZ
Original assignee: Autobrains Tech Ltd; Autobrains Technologies Ltd
Current assignee: Autobrains Tech Ltd; Autobrains Technologies Ltd
Priority date: 2022-07-11
Filing date: 2023-07-10
Publication date: 2024-01-11
Also published as: KR20240024735A; JP2024009792A

Abstract

Verfahren für fahrbezogene Vorgänge in virtuellen Feldern, wobei das Verfahren Folgendes beinhaltet: (i) Gewinnen von Grobnavigationsinformationen in Bezug auf mindestens ein Segment eines Weges eines Fahrzeugs zu einem Zielort des Fahrzeugs; und (ii) Bestimmung einer oder mehrerer virtueller Kräfte unter Verwendung eines Verarbeitungsschaltkreises und auf der Grundlage der Grobnavigationsinformationen, wobei die eine oder die mehreren virtuellen Kräfte zur Anwendung eines fahrbezogenen Ablaufs des Fahrzeugs dienen, wobei die eine oder die mehreren virtuellen Kräfte zu einem virtuellen physikalischen Modell gehören und zumindest teilweise die Grobnavigationsinformationen darstellen.

Description

Querverweis
Diese Anmeldung ist eine Teilfortsetzung („continuation in part“) der US-Patentanmeldung 17/823,069 mit Anmeldedatum 29. August 2022, die die Priorität der vorläufigen US-Patentanmeldung 63/260,839 beansprucht, die durch Bezugnahme hierin aufgenommen wird. Diese Anmeldung beansprucht die Priorität der vorläufigen US-Patentnummer 63/368,156 mit Anmeldedatum 11. Juli 2022, die durch Bezugnahme in vollem Umfang hierin aufgenommen wird.
Hintergrund
Autonome Fahrzeuge (AV) könnten dazu beitragen, die Zahl der Verkehrsunfälle und die CO2-Emissionen erheblich zu reduzieren und ein effizienteres Beförderungssystem zu schaffen. Die heutigen AV-Technologien sind jedoch aus den folgenden drei Gründen nicht erweiterbar:
Ein begrenztes Sichtfeld, Beleuchtungs- und Wetterprobleme sowie Sichtbehinderungen führen zu Erkennungsfehlern und verrauschter Lokalisierung/Kinematik. Um mit solch schlechten Wahrnehmungsdaten der realen Welt zu arbeiten, besteht ein Ansatz der AV-Technologie darin, in teure Sensoren zu investieren und/oder eine spezielle Infrastruktur in das Straßennetz zu integrieren. Ein solches Unterfangen ist jedoch sehr kostspielig und - im Falle der Infrastruktur - geografisch begrenzt und kann daher nicht zu einer allgemein zugänglichen AV-Technologie führen.
AV-Technologie, die nicht auf kostspieliger Hardware und Infrastruktur basiert, verlässt sich vollständig auf maschinelles Lernen und somit auf Daten, um reale Situationen zu verarbeiten. Um mit Erkennungsfehlern umzugehen und eine ausreichend gute Fahrstrategie für die komplexe Aufgabe des Fahrens zu erlernen, ist eine große Menge an Daten und Rechenressourcen erforderlich, und dennoch gibt es Grenzfälle, die nicht korrekt verarbeitet werden. Der gemeinsame Nenner dieser Grenzfälle ist, dass das maschinelle Lernmodell nicht gut auf ungesehene oder verwirrende Situationen übertragen werden kann, und aufgrund der Black-Box-Natur tiefer neuronaler Netzwerke ist es schwierig, fehlerhaftes Verfahren zu analysieren.
Gegenwärtig wird das automatisierte Fahren im Straßenverkehr in Form separater ADAS-Funktionen wie ACC, AEB und LCA realisiert. Um zu einem vollständig autonomen Fahren zu gelangen, müssten die bestehenden ADAS-Funktionen nahtlos miteinander verbunden und alle derzeit nicht automatisierten Lücken durch Hinzufügen weiterer solcher Funktionen (z. B. Fahrspurwechsel, Kreuzungsmanagement usw.) geschlossen werden. Kurz gesagt, das derzeitige automatisierte Fahren basiert nicht auf einem ganzheitlichen Ansatz, der ohne Weiteres zu einem vollständig autonomen Fahren erweitert werden kann.
Kurzbeschreibung der Zeichnungen
Die Ausführungsformen der Erfindung werden nachstehend anhand der Zeichnungen näher erläutert und gewürdigt. In diesen zeigen:

1 ein Ausführungsbeispiel eines Verfahrens;
2 ein Ausführungsbeispiel eines Verfahrens;
3 ein Ausführungsbeispiel eines Verfahrens;
4 ein Ausführungsbeispiel eines Verfahrens;
5 ein Ausführungsbeispiel eines Fahrzeugs;
6-9 Ausführungsbeispiele für Situationen und Wahrnehmungsfelder;
10 ein Ausführungsbeispiel eines Verfahrens;
11 ein Ausführungsbeispiel eines Verfahrens;
12 ein Ausführungsbeispiel eines Verfahrens;
13 ein Ausführungsbeispiel für ein Szenario; und
14 ein Ausführungsbeispiel für ein Szenario.

Beschreibung der Ausführungsbeispiele
In der folgenden detaillierten Beschreibung werden zahlreiche spezifische Details aufgeführt, um ein umfassendes Verständnis der Erfindung zu ermöglichen. Der Fachmann wird jedoch verstehen, dass die vorliegende Erfindung auch ohne diese spezifischen Details ausgeführt werden kann. In anderen Fällen wurden bekannte Verfahren, Prozesse und Komponenten nicht im Detail beschrieben, um die vorliegende Erfindung nicht zu verschleiern.
Der Gegenstand der Erfindung ist im abschließenden Teil der Beschreibung besonders hervorgehoben und eindeutig beschrieben. Die Erfindung kann jedoch sowohl in Bezug auf die Organisation und die Funktionsweise, als auch auf ihre Aufgaben, Merkmale und Vorteile am besten durch Bezugnahme auf die folgende detaillierte Beschreibung unter Zuhilfenahme der beigefügten Zeichnungen verstanden werden.
Der Einfachheit und Klarheit halber sind die in den Figuren dargestellten Elemente nicht unbedingt maßstabsgetreu gezeichnet. Zum Beispiel können die Abmessungen einiger Elemente im Vergleich zu anderen Elementen zur Verdeutlichung übertrieben dargestellt sein. Darüber hinaus können, wo es angemessen erscheint, Bezugsziffern in den Figuren wiederholt werden, um entsprechende oder analoge Elemente zu kennzeichnen.
Da die dargestellten Ausführungsformen der vorliegenden Erfindung zum größten Teil mit elektronischen Bauteilen und Schaltungen, die dem Fachmann bekannt sind, umgesetzt werden können, werden Details nicht in einem größeren Umfang als dem, der als notwendig erachtet wird, wie oben dargestellt, für das Verständnis und die Würdigung der zugrundeliegenden Konzepte der vorliegenden Erfindung und um nicht zu verwirren oder von den Lehren der vorliegenden Erfindung abzulenken, erläutert.
Jede Bezugnahme in der Beschreibung auf ein Verfahren kann analog auf ein Gerät oder System angewandt werden, welches in der Lage ist, das Verfahren auszuführen, und/oder auf ein nicht flüchtiges, computerlesbares Medium, welches Instruktionen zur Ausführung des Verfahrens speichert.
Jede Bezugnahme in der Beschreibung auf ein System oder ein Gerät kann analog auf ein Verfahren angewandt werden, welches von dem System ausgeführt werden kann, und/oder kann entsprechend auf ein nicht flüchtiges, computerlesbares Medium angewandt werden, welches von dem System ausführbare Instruktionen speichert.
Jede Bezugnahme in der Beschreibung auf ein nicht flüchtiges, computerlesbares Medium kann analog auf ein Gerät oder System angewandt werden, welches in der Lage ist, die in dem nicht flüchtigen computerlesbaren Medium gespeicherten Instruktionen auszuführen, und/oder kann analog auf ein Verfahren zur Ausführung der Instruktionen angewandt werden.
Jede beliebige Kombination von Modulen oder Einheiten, die in einer der Figuren, einem beliebigen Teil der Beschreibung und/oder einem der Ansprüche aufgeführt sind, kann realisiert werden.
Jede der Einheiten und/oder Module, die in der Anmeldung dargestellt sind, können in Hardware und/oder Code, Instruktionen und/oder Kommandos, die in einem nicht flüchtigen computerlesbaren Medium gespeichert sind, ausgeführt sein, und können in einem Fahrzeug, außerhalb eines Fahrzeugs, in einem mobilen Gerät, in einem Server, und dergleichen enthalten sein.
Bei dem Fahrzeug kann es sich um jede Art von Fahrzeug handeln, d.h. um ein Landfahrzeug, ein Luftfahrzeug und ein Wasserfahrzeug.
Die Beschreibung und/oder die Zeichnungen können sich auf ein Bild beziehen. Ein Bild ist ein Beispiel für eine Medieneinheit. Jede Bezugnahme auf ein Bild kann analog auch auf eine Medieneinheit angewendet werden. Eine Medieneinheit kann ein Beispiel für eine abgetastete Informationseinheit (SIU) sein. Jede Bezugnahme auf eine Medieneinheit kann analog auf jede Art von natürlichen Signalen angewandt werden, wie z. B. von der Natur erzeugte Signale, Signale, die menschliches Verhalten wiedergeben, Signale, die Vorgänge an der Börse darstellen, medizinische Signale, Finanzreihen, geodätische Signale, geophysikalische, chemische, molekulare, textuelle und numerische Signale, Zeitreihen und dergleichen. Jede Bezugnahme auf eine Medieneinheit kann analog auf eine abgetastete Informationseinheit (SIU) angewendet werden. Die SIU kann beliebiger Art sein und von jeder Art von Sensoren erfasst werden, z. B. einer Kamera für sichtbares Licht, einem Audiosensor, einem Sensor für Infrarot, Radarbilder, Ultraschall, Elektrooptik, Radiographie, LIDAR (Light Detection and Ranging = Detektion mittels Licht- und Abstandsmessung), einem Wärmesensor, einem passiven Sensor, einem aktiven Sensor usw. Das Abtasten kann das Erzeugen von Abtastwerten (z. B. Pixel, Audiosignale) umfassen, die das Signal darstellen, das übertragen wurde oder anderweitig den Sensor erreicht. Bei der SIU kann es sich um ein oder mehrere Bilder, einen oder mehrere Videoclips, Textinformationen zu einem oder mehreren Bildern, Text, der kinematische Informationen über ein Objekt beschreibt, und Ähnliches handeln.
Objektinformation kann jede Art von Information in Bezug auf ein Objekt umfassen, wie z. B., aber nicht ausschließlich, einen Standort des Objekts, ein Verhalten des Objekts, eine Geschwindigkeit des Objekts, eine Beschleunigung des Objekts, eine Ausbreitungsrichtung des Objekts, eine Art des Objekts, eine oder mehrere Dimensionen des Objekts und dergleichen. Bei den Objektinformationen kann es sich um eine unbearbeitete SIU, eine verarbeitete SIU, Textinformationen, von der SIU abgeleitete Informationen und Ähnliches handeln.
Das Gewinnen von Objektinformationen kann den Empfang der Objektinformationen, die Erzeugung der Objektinformationen, die Einbindung in eine Verarbeitung der Objektinformationen, die Verarbeitung nur eines Teils der Objektinformationen und/oder den Empfang nur eines anderen Teils der Objektinformationen umfassen.
Das Gewinnen der Objektinformationen kann eine Objekterkennung beinhalten oder ohne Objekterkennung durchgeführt werden.
Die Verarbeitung der Objektinformationen kann mindestens eine der folgenden Maßnahmen umfassen: Objekterkennung, Rauschunterdrückung, Verbesserung des Signal-Rausch-Verhältnisses, Definition von Begrenzungsrahmen und dergleichen.
Die Objektinformationen können von einer oder mehreren Quellen wie einem oder mehreren Sensoren, einer oder mehreren Kommunikationseinheiten, einer oder mehreren Speichereinheiten, einem oder mehreren Bildprozessoren und dergleichen empfangen werden.
Die Objektinformationen können auf eine oder mehrere Arten bereitgestellt werden - beispielsweise in absoluter Form (z. B. durch Angabe der Koordinaten des Standorts eines Objekts) oder in relativer Form - beispielsweise in Bezug auf ein Fahrzeug (z. B. befindet sich das Objekt in einer bestimmten Entfernung und in einem bestimmten Winkel in Bezug auf das Fahrzeug.)
Das Fahrzeug wird auch als Ego-Fahrzeug bezeichnet.
Die Beschreibung und/oder die Zeichnungen können sich auf einen Prozessor oder auf einen Verarbeitungsschaltkreis beziehen. Bei dem Prozessor kann es sich um einen Verarbeitungsschaltkreis handeln. Der Verarbeitungsschaltkreis kann als Zentraleinheit (CPU) und/oder als ein oder mehrere andere integrierte Schaltkreise wie anwendungsspezifische integrierte Schaltkreise (ASICs), feldprogrammierbare Gate-Arrays (FPGAs), vollständig kundenspezifische integrierte Schaltkreise usw. oder eine Kombination solcher integrierten Schaltkreise implementiert sein.
Es kann jede beliebige Kombination von Schritten eines in der Beschreibung und/oder den Zeichnungen dargestellten Verfahrens vorgesehen sein.
Es kann eine beliebige Kombination der Gegenstände aus jedem der Ansprüche bereitgestellt werden.
Es können beliebige Kombinationen der in der Beschreibung und/oder den Zeichnungen dargestellten Systeme, Einheiten, Komponenten, Prozessoren und Sensoren eingesetzt werden.
Jede Bezugnahme auf ein Objekt kann auch auf ein Muster angewendet werden. Dementsprechend ist jede Bezugnahme auf die Objekterkennung analog auch auf eine Mustererkennung anwendbar.
Obwohl erfolgreiches Fahren davon abhängt, dass umliegende Objekte auf der Straße aufgrund ihres Standorts und ihrer Bewegung umfahren werden, sind Menschen bekanntermaßen schlecht im Einschätzen der Kinematik. Es wird angenommen, dass Menschen eine interne Abbildung der sie umgebenden Objekte in Form von virtuellen Kraftfeldern verwenden, die unmittelbar eine Aktion implizieren und so die Notwendigkeit einer Kinematikeinschätzung umgehen. Stellen Sie sich ein Szenario vor, in dem das Ego-Fahrzeug auf einer Spur fährt und ein Fahrzeug diagonal vor ihm auf einer benachbarten Spur beginnt, auf die Ego-Spur auszuweichen. Die menschliche Reaktion, zu bremsen oder auszuweichen, würde unmittelbar und instinktiv erfolgen und kann als virtuelle Kraft empfunden werden, die das Ego-Fahrzeug von dem ausweichenden Fahrzeug abstößt. Diese virtuelle Kraftrepräsentation wird erlernt und mit dem spezifischen Straßenobjekt assoziiert.
Ausgehend von den obigen Überlegungen schlagen wir das neuartige Konzept der Wahrnehmungsfelder vor. Wahrnehmungsfelder sind eine erlernte Abbildung von Straßenobjekten in Form eines virtuellen Kraftfeldes, das durch das Steuerungssystem des Ego-Fahrzeugs in Form von ADAS- und/oder AV-Software „abgetastet“ wird. Ein Feld ist hier definiert als eine mathematische Funktion, die von der räumlichen Position (oder einer analogen Größe) abhängt.
Ein Ausführungsbeispiel für ein Inferenzverfahren 100 ist in 1 dargestellt und umfasst:
Das Verfahren 100 kann für einen oder mehrere Bildfelder einer Umgebung des Fahrzeugs ausgeführt werden.
Schritt 110 des Verfahrens 100 kann das Erkennen und/oder Verfolgen eines oder mehrerer Objekte (einschließlich z. B. eines oder mehrerer Verkehrsteilnehmer) umfassen. Die Erfassung und/oder Verfolgung kann auf beliebige Weise erfolgen. Bei dem einen oder den mehreren Objekten kann es sich um jedes Objekt handeln, das das Verhalten des Fahrzeugs beeinflussen kann. Zum Beispiel - ein Verkehrsteilnehmer (Fußgänger, ein anderes Fahrzeug), die Straße und/oder der Weg, auf dem das Fahrzeug fährt (zum Beispiel der Zustand der Straße oder des Weges, die Form der Straße - zum Beispiel eine Kurve, ein gerader Straßenabschnitt), Verkehrsschilder, Ampeln, Straßenkreuzungen, eine Schule, ein Kindergarten und ähnliches. Schritt 110 kann das Gewinnen zusätzlicher Informationen wie kinematische und kontextbezogene Variablen in Bezug auf das eine oder die mehreren Objekte beinhalten. Das Gewinnen kann den Empfang oder die Erzeugung umfassen. Das Gewinnen kann die Verarbeitung des einen oder der mehreren Bildfelder umfassen, um die kinematischen und kontextbezogenen Variablen zu erzeugen.
Es ist anzumerken, dass Schritt 110 die Ermittlung der kinematischen Variablen beinhalten kann (auch ohne Ermittlung des einen oder der mehreren Bildfelder).
Das Verfahren 100 kann auch den Schritt 120 umfassen, in dem das jeweilige Wahrnehmungsfeld in Bezug auf das eine oder die mehreren Objekte ermittelt wird. Schritt 120 kann die Festlegung beinhalten, welche Zuordnung zwischen Objekten abgerufen und/oder verwendet werden soll, und ähnliches.
Auf Schritt 110 (und sogar auf Schritt 120) kann ein Schritt 130 folgen, in dem die eine oder mehrere virtuelle Kräfte bestimmt werden, die mit dem einen oder den mehreren Objekten assoziiert sind, indem das Wahrnehmungsfeld (und eine oder mehrere virtuelle physikalische Modellfunktionen) die relevanten Eingangsvariablen, wie kinematische und kontextbezogene Variablen, erhält.
An Schritt 130 kann sich ein Schritt 140 anschließen, in dem eine virtuelle Gesamtkraft bestimmt wird, die auf das Fahrzeug ausgeübt wird - basierend auf der einen oder den mehreren virtuellen Kräften, die mit dem einen oder den mehreren Objekten assoziiert sind. Zum Beispiel kann Schritt 140 die Durchführung einer vektorgewichteten Summe (oder einer anderen Funktion) über die eine oder mehrere virtuelle Kräfte beinhalten, die mit dem einen oder den mehreren Objekten assoziiert sind.
Auf Schritt 140 kann ein Schritt 150 folgen, in dem auf der Grundlage der virtuellen Gesamtkraft eine virtuelle Soll-Beschleunigung (oder ZielBeschleunigung) bestimmt wird - beispielsweise auf der Grundlage der Entsprechung des zweiten Newtonschen Gesetzes. Die virtuelle Soll-Beschleunigung kann ein Vektor sein - oder eine andere Richtung haben.
An Schritt 150 kann sich ein Schritt 160 anschließen, in dem die virtuelle Soll-Beschleunigung in einen oder mehrere Fahrvorgänge des Fahrzeugs umgewandelt wird, die das Fahrzeug veranlassen, sich entsprechend der virtuellen Soll-Beschleunigung zu bewegen.
Schritt 160 kann beispielsweise die Umsetzung der Soll-Beschleunigung in eine Beschleunigung oder Verlangsamung oder eine Änderung der Fortbewegungsrichtung des Fahrzeugs unter Verwendung der Gaspedalbewegung, der Bremspedalbewegung und/oder des Lenkradwinkels umfassen. Die Umsetzung kann auf einem Dynamikmodell des Fahrzeugs mit einem bestimmten Steuerschema beruhen.
Zu den Vorteilen von Wahmehmungsfeldem gehören zum Beispiel Erklärbarkeit, Generalisierbarkeit und eine Robustheit gegenüber verrauschten Eingaben.
Erklärbarkeit. Die Darstellung der Ego-Bewegung als Zusammensetzung einzelner Wahrnehmungsfelder impliziert die Zerlegung von Handlungen in grundlegendere Komponenten und ist an sich schon ein bedeutender Schritt in Richtung Erklärbarkeit. Die Möglichkeit, diese Felder zu visualisieren und die physikalische Intuition zur Vorhersage der Ego-Bewegung anzuwenden, stellt eine weitere Erklärbarkeit im Vergleich zu den üblichen durchgängigen Ansätzen des Black-Box Deep Learning dar. Diese erhöhte Transparenz führt auch dazu, dass Fahrgäste und Fahrer der AV- oder ADAS-Technologie mehr vertrauen können.
Generalisierbarkeit. Die Darstellung von Ego-Reaktionen auf unbekannte Straßenobjekte als abstoßende virtuelle Kraftfelder stellt eine induktive Verzerrung in ungesehenen Situationen dar. Ein potenzieller Vorteil dieser Darstellung besteht darin, dass sie Grenzfälle auf sichere Weise und mit weniger Training behandeln kann. Außerdem ist das Wahrnehmungsfeldmodell ganzheitlich in dem Sinne, dass derselbe Ansatz für alle Aspekte der Fahrstrategie verwendet werden kann. Es kann auch in enge Fahrfunktionen unterteilt werden, die in ADAS wie ACC, AEB, LCA usw. verwendet werden. Und schließlich kann das Modell aufgrund des zusammengesetzten Charakters der Wahrnehmungsfelder auf atomare Szenarien trainiert werden und ist dennoch in der Lage, kompliziertere Szenarien richtig zu behandeln.
Robustheit gegenüber verrauschten Eingaben: Physikalische Einschränkungen der zeitlichen Entwicklung von Wahrnehmungsfeldern in Kombination mit einer möglichen Filterung der Eingaben können zu einer besseren Handhabung von Rauschen in den Eingabedaten führen als die reine Filterung von Lokalisierungs- und kinematischen Daten.
Physikalische oder virtuelle Kräfte können mathematisch formuliert werden, z. B. in Form einer gewöhnlichen Differentialgleichung zweiter Ordnung, die ein so genanntes dynamisches System darstellt. Die Vorteile einer solchen Darstellung einer Steuerungspolitik liegen darin, dass sie sich intuitiv aus der Theorie dynamischer Systeme ableiten lässt und dass es einfach ist, externe Module wie Prognose, Navigation und Filterung der Ein- und Ausgänge einzubinden.
Ein zusätzlicher Vorteil des Wahrnehmungsfeld-Ansatzes ist, dass er nicht von spezieller Hardware abhängt und rechnerisch nicht teurer ist als bestehende Verfahren.
Trainingsvorgang
Das Erlernen von Wahrnehmungsfeldern kann auf zwei Arten oder in einer Kombination davon erfolgen, nämlich durch Klonen von Verhaltensweisen (BC) und durch Verstärkungs lernen (RL). BC nähert sich der Steuerungspolitik an, indem ein neuronales Netzwerk an beobachtete menschliche Zustands-Aktions-Paare angepasst wird, während RL ein Lernen durch Versuch und Irrtum in einer Simulationsumgebung ohne Bezugnahme auf Experten-Darlegungen beinhaltet.
Man kann diese beiden Klassen von Lernalgorithmen kombinieren, indem man zunächst eine Strategie durch BC lernt, um sie als anfängliche Strategie zu verwenden, die dann mit RL feinabgestimmt wird. Eine andere Möglichkeit, die beiden Ansätze zu kombinieren, besteht darin, zunächst die so genannte Belohnungsfunktion (die in RL verwendet werden soll) durch Verhaltensklonen zu erlernen, um daraus abzuleiten, was für den Menschen wünschenswertes Verhalten darstellt, und später durch Versuch und Irrtum mit regulärem RL zu trainieren. Dieser letztere Ansatz wird als inverses RL (IRL) bezeichnet.
2 zeigt ein Beispiel für ein Trainingsverfahren 200, das zum Lernen durch BC eingesetzt wird.
Das Verfahren 200 kann mit dem Schritt 210 beginnen, in dem menschliche Daten gesammelt werden, die als Experten-Darlegungen zum Umgang mit dem Szenario verstanden werden.
An Schritt 210 kann sich ein Schritt 220 anschließen, in dem eine Verlustfunktion konstruiert wird, die die Differenz zwischen einer kinematischen Variable, die sich aus dem Wahrnehmungsfeldmodell ergibt, und der entsprechenden kinematischen Variable der menschlichen Ausführungen ahndet.
Auf Schritt 220 kann ein Schritt 230 folgen, in dem die Parameter des Wahrnehmungsfeldes und der Hilfsfunktionen (bei denen es sich um virtuelle physikalische Modellfunktionen handeln kann, die sich von den Wahmehmungsfeldem unterscheiden) aktualisiert werden, um die Verlustfunktion mit Hilfe eines Optimierungsalgorithmus, wie z. B. dem Gradientenabstieg, zu minimieren.
3 zeigt ein Ausführungsbeispiel eines Trainingsverfahrens 250 für das Verstärkungslernen.
Das Verfahren 250 kann mit dem Schritt 260 des Aufbaus einer realistischen Simulationsumgebung beginnen.
Auf Schritt 260 kann ein Schritt 270 folgen, in dem eine Belohnungsfunktion konstruiert wird, entweder durch Lernen aus Experten-Darlegungen oder durch manuelle Konstruktion.
Auf Schritt 270 kann ein Schritt 280 folgen, in dem Episoden in der Simulationsumgebung ablaufen und die Parameter des Wahrnehmungsfeldes und der Hilfsfunktionen kontinuierlich aktualisiert werden, um die erwarteten akkumulierten Belohnungen mit Hilfe eines Algorithmus, wie z. B. der proximalen Strategieoptimierung, zu maximieren.
4 zeigt ein Ausführungsbeispiel für ein Verfahren 400.
Das Verfahren 400 kann für mit Wahrnehmungsfeldern zusammenhängende Fahrvorgänge eingesetzt werden
Das Verfahren 400 kann mit dem Initialisierungsschritt 410 beginnen.
Der Initialisierungsschritt 410 kann den Empfang einer Gruppe von NN (= neuralen Netzwerken) beinhalten, die für die Ausführung von Schritt 440 des Verfahrens 400 trainiert wurden.
Alternativ kann Schritt 410 das Trainieren einer Gruppe von NN beinhalten, die den Schritt 440 des Verfahrens 400 ausführen sollen.
Im Folgenden werden verschiedene Beispiele für das Training der Gruppe von NN aufgeführt.

• Die Gruppe von NN kann so trainiert werden, dass sie die Objektinformationen auf die eine oder mehrere virtuelle Kräfte abbildet, indem sie Verhaltensklonen verwendet.
• Die Gruppe von NN kann so trainiert werden, dass sie die Objektinformationen auf die eine oder mehrere virtuelle Kräfte unter Verwendung von Verstärkungs lernen abbildet.
• Die Gruppe von NN kann so trainiert werden, dass sie die Objektinformationen auf die eine oder mehrere virtuelle Kräfte abbildet, indem sie eine Kombination aus Verstärkungslernen und Verhaltensklonen verwendet.

• Die Gruppe von NN kann trainiert werden, die Objektinformationen auf die eine oder mehrere virtuelle Kräfte abzubilden, indem ein Verstärkungslemen verwendet wird, welches eine Belohnungsfunktion hat, die unter Verwendung von Verhaltensklonen definiert wird.
• Die Gruppe von NN kann so trainiert werden, dass sie die Objektinformationen auf die eine oder die mehreren virtuellen Kräfte abbildet, indem ein Verstärkungslemen verwendet wird, das eine anfängliche Strategie hat, die durch Verhaltensklonen definiert wird.
• Die Gruppe von NN kann so trainiert werden, dass sie die Objektinformationen auf die eine oder die mehreren virtuellen Kräfte und eine oder mehrere virtuelle physikalische Modellfunktionen abbildet, die sich von den Wahrnehmungsfeldern unterscheiden.
• Die Gruppe von NN kann ein erstes NN und ein zweites NN umfassen, wobei das erste NN darauf trainiert ist, die Objektinformationen auf das eine oder die mehreren Wahrnehmungsfelder abzubilden, und das zweite NN darauf trainiert wurde, die Objektinformationen auf die eine oder die mehreren virtuellen physikalischen Modellfunktionen abzubilden.

Auf den Initialisierungsschritt 410 kann ein Schritt 420 folgen, in dem Objektinformationen über ein oder mehrere Objekte, die sich in der Umgebung eines Fahrzeugs befinden, eingeholt werden. Schritt 410 kann mehrfach wiederholt werden - und die folgenden Schritte können ebenfalls mehrfach wiederholt werden. Die Objektinformationen können Video-, Bild-, Audio- oder andere abgetastete Informationen umfassen.
An Schritt 420 kann sich Schritt 440 anschließen, in dem unter Verwendung eines oder mehrerer neuronaler Netzwerke (NN) eine oder mehrere virtuelle Kräfte bestimmt werden, die auf das Fahrzeug einwirken.
Bei dem einen oder den mehreren NN kann es sich um die gesamte Gruppe von NN (aus dem Initialisierungsschritt 410) oder nur um einen Teil der Gruppe von NN handeln, wobei ein oder mehrere nicht ausgewählte NN der Gruppe übrig bleiben.
Die eine oder mehreren virtuellen Kräfte stellen einen oder mehrere Einwirkungen des einen oder der mehreren Objekte auf ein Verhalten des Fahrzeugs dar. Die Einwirkung kann eine zukünftige Einwirkung oder eine aktuelle Einwirkung sein. Die Einwirkung kann dazu führen, dass das Fahrzeug seine Fahrtrichtung ändert.
Die eine oder mehreren virtuellen Kräfte gehören zu einem virtuellen physikalischen Modell. Das virtuelle physikalische Modell ist ein virtuelles Modell, das physikalische Regeln (z. B. mechanische Regeln, elektromagnetische Regeln, optische Regeln) virtuell auf das Fahrzeug und/oder die Objekte anwenden kann.
Schritt 440 kann mindestens einen der folgenden Schritte umfassen:

• Berechnen einer virtuellen Gesamtkraft, die auf das Fahrzeug ausgeübt wird, auf der Grundlage der einen oder mehreren virtuellen Kräfte, die auf das Fahrzeug ausgeübt werden.
• Bestimmen einer virtuellen Soll-Beschleunigung des Fahrzeugs auf der Grundlage einer virtuellen Gesamtbeschleunigung, die durch die virtuelle Gesamtkraft auf das Fahrzeug ausgeübt wird. Die virtuelle Soll-Beschleunigung kann gleich der virtuellen Gesamtbeschleunigung sein - oder von dieser abweichen.

Das Verfahren 400 kann auch mindestens einen der Schritte 431, 432, 433, 434, 435 und 436 umfassen.
Schritt 431 kann die Bestimmung einer Situation des Fahrzeugs auf der Grundlage der Objektinformationen beinhalten.
An Schritt 431 kann sich Schritt 432 anschließen, in dem die ein oder mehreren NN basierend auf der Situation ausgewählt werden.
Zusätzlich oder alternativ kann auf Schritt 431 Schritt 433 folgen, in dem die ein oder mehreren NN mit Situationsmetadaten gefüttert werden.
Schritt 434 kann die Ermittlung einer Klasse für jedes der ein oder mehreren Objekte auf der Grundlage der Objektinformationen umfassen.
An Schritt 434 kann sich Schritt 435 anschließen, in dem der eine oder die mehreren NN auf der Grundlage einer Klasse mindestens eines Objekts des einen oder der mehreren Objekte ausgewählt werden.
Zusätzlich oder alternativ kann auf Schritt 434 Schritt 436 folgen, in welchem das eine oder die mehreren NN mit Klassenmetadaten gefüttert werden, welche eine Klasse mindestens eines Objekts des einen oder der mehreren Objekte angeben.
An Schritt 440 kann sich Schritt 450 anschließen, in welchem eine oder mehrere fahrbezogene Vorgänge des Fahrzeugs auf der Grundlage der einen oder mehreren virtuellen Kräfte durchgeführt werden.
Schritt 450 kann ohne menschliches Eingreifen des Fahrers ausgeführt werden und kann eine Änderung der Geschwindigkeit und/oder Beschleunigung und/oder Fortbewegungsrichtung des Fahrzeugs umfassen. Dies kann die Durchführung des autonomen Fahrens oder die Durchführung von Fahrmanövern des erweiterten Fahrerassistenzsystems (Advanced Driver Assistance System, ADAS) beinhalten, die die vorübergehende Übernahme der Kontrolle über das Fahrzeug und/oder über eine oder mehrere fahrbezogene Einheiten des Fahrzeugs umfassen können. Dies kann beinhalten, dass mit oder ohne Beteiligung des menschlichen Fahrers eine Beschleunigung des Fahrzeugs auf die virtuelle Soll-Beschleunigung eingestellt wird.
Schritt 440 kann beinhalten, dass dem Fahrer vorgeschlagen wird, eine Beschleunigung des Fahrzeugs auf die virtuelle Soll-Beschleunigung einzustellen.
5 zeigt ein Ausführungsbeispiel eines Fahrzeugs. Das Fahrzeug kann eine oder mehrere Abtasteinheiten 501, eine oder mehrere fahrbezogene Einheiten 510 (wie autonome Fahreinheiten, ADAS-Einheiten und dergleichen), einen Prozessor 560, welcher so konfiguriert ist, dass er jedes der Verfahren ausführt, eine Speichereinheit 508 zum Speichern von Instruktionen und/oder Verfahrensergebnissen, Funktionen und dergleichen sowie eine Kommunikationseinheit 504 umfassen.
6 zeigt Ausführungsbeispiele für ein Verfahren 600 zur Fahrspurzentrierung RL mit Spurmesspunkten als Eingaben. Die Spurmesspunkte befinden sich in der Umgebung des Fahrzeugs.
Das RL geht von einer Simulationsumgebung aus, welche Eingangsdaten generiert, in denen ein Agent (Ego-Fahrzeug) seine gelernte Strategie (Wahrnehmungsfelder) umsetzen kann.
Das Verfahren 600 kann mit Schritt 610 beginnen, in welchem die nächstgelegenen Spurmesspunkte oder Straßenrandmesspunkte (X_L,i, Y_L,i) und (X_R,i, Y_R,i) ermittelt werden, wobei L für links, R für rechts und der Index i für die Messpunkte steht. Die Geschwindigkeit des Ego-Fahrzeugs (im Vorfeld als Fahrzeug bezeichnet) wird mit V_ego bezeichnet.
Auf Schritt 610 kann Schritt 620 folgen, in welchem die Eingangsvektoren der linken Fahrspur (X_L,i, Y_L,i) und V_ego zu X_L und die Eingangsvektoren der rechten Fahrspur (X_R,i, Y_R,i) und V_ego zu X_R zusammengefasst werden.
Auf Schritt 620 kann Schritt 630 zur Berechnung der Fahrspurwahrnehmungsfelder f_θ(X_L) und f_θ(X_R) folgen. Dies wird von einem oder mehreren NN durchgeführt.
An Schritt 630 kann sich Schritt 640 anschließen, in dem eine Differentialgleichung aufgestellt wird, welche die auf das Ego-Fahrzeug wirkende Ego-Beschleunigung beschreibt: a = f_θ(X_L)+ f_θ(X_R).
Dies kann das Ergebnis des Inferenzprozesses sein. An Schritt 640 kann sich Schritt 450 anschließen (nicht dargestellt).
Das Verfahren kann die Aktualisierung des einen oder der mehreren NN umfassen. In diesem Fall kann das RL eine Belohnungsfunktion annehmen, die entweder auf der Grundlage von Experten-Darlegungen erlernt oder von Hand erstellt wurde. Im Beispiel von kann die Belohnungsfunktion für jeden Zeitstempel, in dem das Ego-Fahrzeug seine Spur beibehält, ansteigen.
Die Aktualisierung kann Schritt 670 beinhalten, in welchem in einer Simulationsumgebung umgesetzt wird und der RL-Lemalgorithmus aufzeichnet, was im nächsten Zeitschritt passiert, einschließlich des Erhalts der Belohnung.
Schritt 670 kann die Verwendung eines bestimmten RL-Algorithmus (z. B. PPO, SAC, TTD3) beinhalten, um die Netzwerkparameter θ sequentiell zu aktualisieren, um die durchschnittliche Belohnung zu maximieren.
7 zeigt das Verfahren 700 für Multiobjekt-RL mit visueller Eingabe.
Schritt 710 des Verfahrens 700 kann den Empfang einer Sequenz von panoptisch segmentierten Bildern über ein kurzes Zeitfenster aus der Ego-Perspektive (vom Ego-Fahrzeug aufgenommene Bilder), die relative Entfernung zu einzelnen Objekten X_rel,i.
An Schritt 710 kann sich Schritt 720 anschließen, in welchem ein räumlich-zeitliches CNN (= Convolutional Neural Network = faltendes neurales Netzwerk) auf einzelne Instanzen (Objekte) angewendet wird, um räumlichzeitliche Merkmale X_i auf hoher Ebene zu erfassen.
An Schritt 720 kann sich Schritt 730 anschließen, in welchem die einzelnen Wahrnehmungsfelder f_θ(X_i,i) und die Summe Σf_θ(X_rel,I, X_i,i) berechnet werden.
An Schritt 730 kann sich Schritt 740 anschließen, in welchem eine Differentialgleichung aufgestellt wird, welche die auf das Ego-Fahrzeug wirkende Ego-Beschleunigung beschreibt: a = Σf_θ(X_rel,I, X_i,i).
Dies kann das Ergebnis des Inferenzprozesses sein. An Schritt 740 kann sich Schritt 450 anschließen (nicht dargestellt).
Das Verfahren kann die Aktualisierung des einen oder der mehreren Netzwerkparameter θ unter Verwendung eines RL-Prozesses beinhalten.
Das Verfahren kann den Schritt 760 beinhalten, in welchem in der Simulationsumgebung umgesetzt wird und der RL-Lemalgorithmus aufzeichnet, was im nächsten Zeitschritt passiert, einschließlich der erhaltenen Belohnung.
Das RL kann eine Belohnungsfunktion annehmen, die entweder auf der Grundlage von Experten-Darlegungen erlernt oder von Hand erstellt wurde.
Auf Schritt 760 kann Schritt 770 folgen, in welchem ein spezifischer RL-Algorithmus wie PPO, SAC, TTD3 verwendet wird, um die Netzwerkparameter θ sequentiell zu aktualisieren, um die durchschnittliche Belohnung zu maximieren.
8 zeigt das Verfahren 800 für Multi-Objekt-BC mit kinematischer Eingabe.
Schritt 810 des Verfahrens 800 kann das Empfangen einer Liste von relativen Kinematiken (X_rel,i, V_rel,i) des erfassten Objekts umfassen, wobei X_rel,i ein relativer Standort des erfassten Objekts i- in Bezug auf das Ego-Fahrzeug ist und V_rei,i eine relative Geschwindigkeit des erfassten Objekts i- in Bezug auf das Ego-Fahrzeug ist. Außerdem wird die Geschwindigkeit des Ego-Fahrzeugs V_ego empfangen.
An Schritt 810 kann sich Schritt 820 anschließen, in welchem für jedes Objekt das Wahrnehmungsfeld f_θ(X_rel,i, V_rel,i, V_ego,i) berechnet wird.
An Schritt 820 kann sich Schritt 830 anschließen, in welchem die Beiträge der einzelnen Wahrnehmungsfelder summiert werden. Schritt 830 kann auch eine Normalisierung beinhalten, so dass die Größe des resultierenden 2d-Vektors gleich der höchsten Größe der einzelnen Terme ist: $N * \sum f_{θ} (X_{rel,i}, V_{rel,i}, V_{ego}, i) .$
An Schritt 830 kann sich Schritt 840 anschließen, in welchem eine Differentialgleichung aufgestellt wird, welche die auf das Ego-Fahrzeug wirkende Ego-Beschleunigung beschreibt: a = N*Σf_θ(X_rel,i,V_rel,i, V_ego,i).
Dies kann das Ergebnis des Inferenzprozesses sein. An Schritt 840 kann sich Schritt 450 anschließen (nicht dargestellt).
Das Verfahren kann das Aktualisieren des einen oder der mehreren Netzwerkparameter beinhalten.
Das Verfahren kann Schritt 860 der Berechnung der Ego-Trajektorie bei gegebenen Ausgangsbedingungen X̂(t;x₀,v₀) umfassen.
An Schritt 860 kann sich Schritt 870 anschließen, in welchem eine Verlustfunktion = Σ(X̂(t;x₀,v₀))- x(t;x₀,v₀))² berechnet wird. Und der Verlust wird entsprechend propagiert.
9 zeigt das Verfahren 900 Inferenz mit dem Zusatz einer Verlustfunktion für ein adaptives Geschwindigkeitsregelungsmodell, das mit kinematischen Variablen als Eingaben umgesetzt wird.
Schritt 910 des Verfahrens 900 kann den Empfang eines Standorts des Ego-Fahrzeugs X_ego, der Geschwindigkeit des Ego-Fahrzeugs V_ego, des Standorts des nächstgelegenen Fahrzeugs vor dem Ego-Fahrzeug X_CIPV und der Geschwindigkeit des nächstgelegenen Fahrzeugs vor dem Ego-Fahrzeug V_CIPV umfassen.
An Schritt 910 kann sich der Schritt 920 anschließen, in dem der relative Standort X_rel = X_ego - X_CIPV und die relative Geschwindigkeit V_rel = V_ego - V_CIPV berechnet werden.
Auf Schritt 920 kann Schritt 930 folgen:

• Berechnen einer Wahrnehmungsfeldfunktion gθ(X_rel, V_CIPV) durch ein erstes NN.
• Berechnen einer Hilfsfunktion h_Ψ(V_rel) durch ein zweites NN.
• Multiplikation von g_θ(X_rel, V_CIPV)mit h_Ψ(V_rel), um eine Zielbeschleunigung zu erhalten (welche der Zielkraft entspricht).

Dies kann das Ergebnis des Inferenzprozesses sein. Auf den Schritt 930 kann der Schritt 450 folgen (nicht dargestellt).
Das Verfahren kann die Aktualisierung des einen oder der mehreren NN-Parameter umfassen.
Das Verfahren kann Schritt 960 der Berechnung der Ego-Trajektorie bei gegebenen Ausgangsbedingungen X̂(t;x₀,v₀) umfassen.
An Schritt 960 kann sich Schritt 970 anschließen, in welchem eine Verlustfunktion = Σ(X̂(t;x₀,v₀))- x(t;x₀,v₀))² berechnet wird. Und der Verlust wird entsprechend propagiert.
Berücksichtigung eines Soll-Bahn des Fahrzeugs
Ein Fahrzeug kann eine Fahrt durchführen, um ein Ziel zu erreichen.
Zu einem bestimmten Zeitpunkt kann sich das Fahrzeug auf einem Abschnitt einer Bahn befinden, die das Ziel erreicht. Dieser Abschnitt wird als lokaler Abschnitt bezeichnet. Andere Abschnitte der Bahn können weiter entfernt sein als der lokale Abschnitt.
Der lokale Abschnitt kann einen Abschnitt einer Straße umfassen, auf der sich das Fahrzeug befindet, oder mehr als nur einen einzigen Abschnitt einer oder mehrerer Straßen umfassen. Der Abschnitt der Straße kann eine beliebige Länge haben - beispielsweise zwischen 2 und 500 Metern und sogar mehr. Der Abschnitt der Straße kann auf der Grundlage der Bahn zum Zielort definiert werden - zum Beispiel kann der Abschnitt enden, sobald die Bahn zu einer anderen Straße führt.
Zum gegebenen Zeitpunkt sind dem Fahrzeug Grobnavigationsinformationen bekannt. Die Grobnavigationsinformationen können zumindest den lokalen Abschnitt des Weges beschreiben oder angeben.
Die Grobnavigationsinformationen sind grob in dem Sinne, dass sie nicht den genauen Fortschritt des Fahrzeugs innerhalb des lokalen Abschnitts definieren. Der genaue Fortschritt des Fahrzeugs innerhalb des lokalen Abschnitts muss feinabgestimmt werden.
Zum Beispiel können die Grobnavigationsinformationen einen Straßenabschnitt definieren - aber sie definieren nicht, auf welcher Spur man vorankommt, wann man die Spur wechseln soll und dergleichen. Ein weiteres Beispiel: Die Grobnavigationsinformationen können die Fahrspur definieren, aber nicht, wie innerhalb der Fahrspur zu fahren ist.
Die Feinabstimmung kann auf den Grobnavigationsinformationen und auf dem Vorhandensein eines oder mehrerer Objekte in der Umgebung des Fahrzeugs beruhen, die das Verhalten des Fahrzeugs beeinflussen können.
10 zeigt ein Beispiel, in dem die Feinabstimmung auf der Grundlage der Grobnavigationsinformationen durchgeführt wird.
10 zeigt ein Beispiel für das Verfahren 1000 für fahrbezogene Vorgänge in virtuellen Feldern.
Das Verfahren 1000 ist ein computergestütztes Verfahren, das von einem Verarbeitungsschaltkreis ausgeführt wird.
Gemäß einer Ausführungsform beginnt das Verfahren 1000 mit dem Schritt 1010 des Gewinnens von Grobnavigationsinformationen bezüglich mindestens eines Abschnitts einer Bahn eines Fahrzeugs zu einem Ziel des Fahrzeugs.
Schritt 1010 kann den Empfang der Grobnavigationsinformationen, die Erzeugung der Grobnavigationsinformationen, die Teilnahme an einer Verarbeitung der Grobnavigationsinformationen, die Verarbeitung nur eines Teils der Grobnavigationsinformationen und/oder den Empfang nur eines anderen Teils der Grobnavigationsinformationen umfassen.
Die Grobnavigationsinformationen können von einer Navigationsanwendung wie GOOGLE MAPS™, WAZE™, von einer Navigationsanwendung, die von einem Fahrergerät ausgeführt wird, von einem Fahrzeuggerät (z. B. einem Multimediasystem), von einem außerhalb des Fahrzeugs befindlichen Computersystem usw. bereitgestellt werden.
Auf Schritt 1010 folgt Schritt 1020 zur Bestimmung einer oder mehrerer virtueller Kräfte unter Verwendung eines Verarbeitungsschaltkreises und basierend auf den Grobnavigationsinformationen.
Gemäß einer Ausführungsform umfasst Schritt 1020 den Schritt 1020-1 der Bestimmung eines oder mehrerer virtueller Felder, die die Grobnavigationsinformationen darstellen. Auf Schritt 1020-1 kann Schritt 1020-2 (von Schritt 1020) zur Bestimmung der einen oder mehreren virtuellen Kräfte auf der Grundlage der einen oder mehreren virtuellen Felder folgen.
Die eine oder die mehreren virtuellen Kräfte sind für die Anwendung eines fahrbezogenen Vorgangs des Fahrzeugs bestimmt, wobei die eine oder die mehreren virtuellen Kräfte zu einem virtuellen physikalischen Modell gehören und zumindest teilweise die Grobnavigationsinformationen darstellen.
Gemäß einer Ausführungsform wird die Grobnavigationsinformation durch ein oder mehrere virtuelle Felder dargestellt, und das virtuelle physikalische Modell kann eine Zuordnung zwischen dem einen oder den mehreren virtuellen Feldern und der einen oder den mehreren virtuellen Kräften liefern.
Gemäß einer Ausführungsform kann das virtuelle physikalische Modell auch das eine oder die mehreren virtuellen Felder definieren.
Gemäß einer Ausführungsform reagiert die Bestimmung der einen oder mehreren virtuellen Kräfte auf einen Standort des Fahrzeugs.
Gemäß einer Ausführungsform reagiert die Bestimmung der einen oder mehreren virtuellen Kräfte auf die Bewegungsinformationen des Fahrzeugs.
In Schritt 1020 kann die gleiche Berechnung wie in Schritt 440 nach 4 durchgeführt werden, wobei die Berechnung auf die Grobnavigationsinformationen statt auf die Objektinformationen angewendet wird.
Schritt 1020 kann eine Berechnung anwenden, die sich von der in Schritt 440 nach 4 angewandten Berechnung unterscheidet.
Gemäß einer Ausführungsform umfasst Schritt 1020 die Analyse der Grobnavigationsinformationen in Bezug auf einen Standort des Fahrzeugs. Dies kann die Ermittlung des lokalen Abschnitts umfassen.
Das eine oder die mehreren virtuellen Felder können virtuell von einer oder mehreren virtuellen Feldquellen erzeugt werden, die einen oder mehrere Standorte aufweisen, die auf der Grundlage der Grobnavigationsinformationen bestimmt werden. So kann sich beispielsweise eine virtuelle Feldquelle auf dem lokalen Abschnitt der Bahn befinden. Angenommen, die Grobnavigationsinformation hat einen Abschnitt auf der Straße definiert, den das Fahrzeug passieren soll, so kann sich eine virtuelle Feldquelle beispielsweise auf diesem Straßenabschnitt oder in der Nähe des Fahrzeugs befinden. In der Nähe - z. B. zwischen 2 und 100 Metern vom Fahrzeug entfernt - oder in noch größerer Entfernung vom Fahrzeug. Zusätzlich oder alternativ kann die Nähe durch die Bahn des Fahrzeugs definiert werden - ob die Bahn mehrere nahe beieinander liegende Abzweigungen umfasst, ob sich das Fahrzeug in einer städtischen Umgebung befindet, ob sich das Fahrzeug in einer Reihe von nahe beieinander liegenden Kreuzungen befindet, ob das Fahrzeug auf einer Straße fährt, die nur wenige Kreuzungen aufweist - zum Beispiel eine Kreuzung alle 5-10 Kilometer oder mehr.
Das eine oder die mehreren virtuellen Felder können ein anziehendes virtuelles Feld enthalten. Das anziehende virtuelle Feld kann das Fahrzeug veranlassen, sich dem Ziel zu nähern.
Das eine oder die mehreren virtuellen Felder können ein abstoßendes virtuelles Feld enthalten.
Gemäß einer Ausführungsform können die Grobnavigationsinformationen auch Informationen über eine oder mehrere Verkehrsregeln enthalten, die auf der Bahn anzuwenden sind - zum Beispiel eine maximal zulässige Geschwindigkeit. In diesem Fall können das eine oder die mehreren virtuellen Felder auf die eine oder die mehreren Verkehrsregeln reagieren - zum Beispiel können sie im Hinblick auf die maximal zulässige Geschwindigkeit definiert werden. Beispielsweise kann die Größe eines virtuellen Feldes so definiert werden, dass eine (in Schritt 1030 berechnete) virtuelle Kraft, die das virtuelle Feld repräsentiert, das Fahrzeug daran hindert, sich mit einer Geschwindigkeit fortzubewegen, die die maximal zulässige Geschwindigkeit überschreitet. Die Höchstgeschwindigkeitsbegrenzung oder jede andere Verkehrsregelbegrenzung kann durch eine dedizierte virtuelle Kraft und/oder ein dediziertes virtuelles Feld dargestellt werden. Die Begrenzung der Höchstgeschwindigkeit kann durch die Änderung einer (in Schritt 1030 berechneten) virtuellen Soll-Beschleunigung erzwungen werden, um eine virtuelle Soll-Beschleunigung zu erreichen, bei deren Anwendung das Fahrzeug die Höchstgeschwindigkeit nicht überschreiten wird. Die Änderung kann in Notsituationen, z. B. bei drohenden Kollisionen, übersprungen werden.
Gemäß einer Ausführungsform folgt auf Schritt 1020 Schritt 1030, in welchem auf der Grundlage einer oder mehrerer virtueller Kräfte eine virtuelle Soll-Beschleunigung (oder Zielbeschleunigung) des Fahrzeugs bestimmt wird - zum Beispiel auf der Grundlage des zweiten Newtonschen Gesetzes. Die virtuelle Soll-Beschleunigung kann ein Vektor sein - oder anderweitig eine Richtung haben.
Die eine oder die mehreren virtuellen Kräfte können kombiniert werden, um eine virtuelle Gesamtkraft zu erzeugen, die virtuell auf das Fahrzeug ausgeübt wird. Die virtuelle Gesamtkraft weist eine virtuelle Gesamtbeschleunigung auf.
Gemäß einer Ausführungsform kann die virtuelle Soll-Beschleunigung die gleiche Größe haben wie die virtuelle Gesamtbeschleunigung, aber in eine entgegengesetzte Richtung gerichtet sein.
Gemäß einer Ausführungsform kann die virtuelle Soll-Beschleunigung eine Größe haben, die sich von der Größe der gesamten virtuellen Beschleunigung unterscheidet.
Gemäß einer Ausführungsform kann die virtuelle Soll-Beschleunigung eine Richtung haben, die nicht entgegengesetzt zu einer Richtung der virtuellen Gesamtbeschleunigung ist.
Gemäß einer Ausführungsform kann die virtuelle Soll-Beschleunigung für eine bestimmte Zeitspanne gelten (z.B. zwischen 1-10 Sekunden, zwischen 2-20 Sekunden, zwischen 2-60 Sekunden, bis zu 2-5 Minuten oder über längere Zeiträume).
Gemäß einer Ausführungsform erfordert die Feinabstimmung der Bahn des Fahrzeugs die Durchführung einer mehrfachen Bestimmung der virtuellen Soll-Beschleunigung.
Gemäß einer Ausführungsform folgt auf Schritt 1030 Schritt 1040 des Reagierens auf die virtuelle Soll-Beschleunigung.
Schritt 1040 kann mindestens einen der folgenden Schritte umfassen:

• Auslösen einer Berechnung eines oder mehrerer Fahrzeugfahrvorgänge, die das Fahrzeug veranlassen, sich entsprechend der virtuellen Soll-Beschleunigung fortzubewegen.
• Auslösen einer Ausführung eines oder mehrerer Fahrzeugfahrvorgänge, die das Fahrzeug veranlassen, sich entsprechend der virtuellen Soll-Beschleunigung fortzubewegen
• Berechnung eines oder mehrerer Fahrzeugfahrvorgänge, die das Fahrzeug veranlassen, sich entsprechend der virtuellen Soll-Beschleunigung fortzubewegen.
• Ausführen eines oder mehrerer Fahrzeugfahrvorgänge, die das Fahrzeug veranlassen, sich entsprechend der virtuellen Soll-Beschleunigung fortzubewegen.
• Auslösen der Erzeugung einer grafischen Benutzeroberfläche zur Anzeige mindestens eines der folgenden Elemente: (i) das eine oder die mehreren virtuellen Felder, (ii) die eine oder die mehreren virtuellen Kräfte, oder (iii) die Soll-Beschleunigung.
• Erzeugung einer grafischen Benutzerschnittstelle zur Anzeige mindestens eines der folgenden Elemente: (i) das eine oder die mehreren virtuellen Felder, (ii) die eine oder die mehreren virtuellen Kräfte, oder (iii) die Soll-Beschleunigung.
• Durch eine grafische Benutzerschnittstelle Anzeigen von mindestens einem der folgenden Elemente: (i) das eine oder die mehreren virtuellen Felder, (ii) die eine oder die mehreren virtuellen Kräfte oder (iii) die Soll-Beschleunigung.

Beispielsweise kann Schritt 1040 die Umsetzung der Soll-Beschleunigung in eine Beschleunigung oder Verzögerung des Fahrzeugs oder in eine Änderung der Fortbewegungsrichtung des Fahrzeugs mithilfe der Gaspedalbewegung, der Bremspedalbewegung und/oder des Lenkradwinkels umfassen.
Die Schritte 1020, 1030 und 1040 können von ein und demselben Verarbeitungsschaltkreis ausgeführt werden. Alternativ können zwei oder mehr Schritte der Schritte 1020, 1030 und 1040 von verschiedenen Verarbeitungsschaltkreisen ausgeführt werden. Beispielsweise wird Schritt 1020 von einem ersten Verarbeitungsschaltkreis ausgeführt, Schritt 1030 wird von einem zweiten Verarbeitungsschaltkreis ausgeführt, der sich von dem ersten Verarbeitungsschaltkreis unterscheidet, und Schritt 1040 wird von einem dritten Verarbeitungsschaltkreis ausgeführt, der sich von jedem der ersten und zweiten Verarbeitungsschaltkreise unterscheidet. Ein weiteres Anwendungsbeispiel: Zwei Schritte der Schritte 1020, 1030 und 1040 werden von demselben Verarbeitungsschaltkreis ausgeführt, und der andere Schritt der Schritte 1020, 1030 und 1040 wird von einem anderen Verarbeitungsschaltkreis ausgeführt.
11 zeigt ein Ausführungsbeispiel des Verfahrens 1001 für fahrbezogene Vorgänge in virtuellen Feldern.
Das Verfahren 1001 ist ein computergestütztes Verfahren, das von einem Verarbeitungsschaltkreis ausgeführt wird.
Das Verfahren 1001 umfasst die Schritte 1020, 1030 und 1040.
Das Verfahren 1001 unterscheidet sich von dem Verfahren 1000 nach 10 durch einen weiteren Schritt 1025.
Schritt 1025 folgt auf Schritt 1020 und umfasst zumindest teilweise die Teilnahme an einer Erzeugung einer grafischen Benutzeroberfläche zur Anzeige des einen oder der mehreren virtuellen Felder. Schritt 1025 kann das Auslösen der Erzeugung der grafischen Benutzeroberfläche, das Erzeugen der grafischen Benutzeroberfläche, das Durchführen einiger der für die Bereitstellung der grafischen Benutzeroberfläche erforderlichen Schritte (z. B. das Bestimmen einiger der Instruktionen, die nach ihrer Ausführung die Anzeige der grafischen Benutzeroberfläche bewirken) umfassen.
12 zeigt ein Ausführungsbeispiel des Verfahrens 1002 für fahrbezogene Vorgänge in virtuellen Feldern.
Das Verfahren 1002 nach 12 unterscheidet sich von dem Verfahren 1000 nach 10 durch die Berücksichtigung von Objektinformationen über ein oder mehrere Objekte, die sich in der Umgebung des Fahrzeugs befinden.
Gemäß einer Ausführungsform umfasst das Verfahren 1002 den Schritt 1010 des Gewinnens von Grobnavigationsinformationen bezüglich mindestens eines Abschnitts einer Bahn eines Fahrzeugs zu einem Zielort des Fahrzeugs.
Gemäß einer Ausführungsform umfasst das Verfahren 1002 den Schritt 1012 des Gewinnens von Objektinformationen über ein oder mehrere Objekte, die sich in der Umgebung des Fahrzeugs befinden.
Auf Schritt 1010 und Schritt 1012 folgt Schritt 1022 zur Bestimmung einer oder mehrerer virtueller Kräfte unter Verwendung eines Verarbeitungsschaltkreises und auf der Grundlage der Grobnavigationsinformationen und der Objektinformationen. Die eine oder mehreren virtuellen Kräfte stellen die Grobnavigationsinformationen und die Objektinformationen dar.
Gemäß einer Ausführungsform umfasst der Schritt 1022 den Schritt 1022-1 der Bestimmung eines oder mehrerer virtueller Felder, die die Grobnavigationsinformationen und die Objektinformationen darstellen. Auf Schritt 1022-1 kann Schritt 1022-2 (von Schritt 1022) folgen, in welchem die eine oder mehreren virtuellen Kräfte auf der Grundlage des einen oder der mehreren virtuellen Felder und auf der Grundlage der Objektinformationen bestimmt werden.
Schritt 1022 kann auch auf Standortinformationen über das Fahrzeug und/oder auf Bewegungsinformationen über das Fahrzeug beruhen.
Gemäß einer Ausführungsform folgt auf Schritt 1022 der Schritt 1030, in dem auf der Grundlage einer oder mehrerer virtueller Kräfte eine virtuelle Soll-Beschleunigung (oder Zielbeschleunigung) des Fahrzeugs bestimmt wird.
Die eine oder mehreren virtuellen Kräfte stellen die Einwirkung der Grobnavigationsinformationen und der Objektinformationen auf das Verhalten des Fahrzeugs dar.
Eine virtuelle Kraft kann auf der Grundlage der Objektinformationen und der Grobnavigationsinformationen bestimmt werden.
Eine virtuelle Kraft kann auf der Grundlage der Objektinformationen und nicht auf der Grundlage der Grobnavigationsinformationen bestimmt werden.
Eine virtuelle Kraft kann auf der Grundlage der Grobnavigationsinformationen und nicht auf der Grundlage der Objektinformationen bestimmt werden.
Gemäß einer Ausführungsform folgt auf Schritt 1030 Schritt 1040 des Reagierens auf die virtuelle Soll-Beschleunigung.
13 zeigt ein Ausführungsbeispiel für ein Szenario.
13 zeigt ein Ausführungsbeispiel eines Fahrzeugs 1031, das sich innerhalb eines Abschnitts 1011-1 einer ersten Straße 1011 befindet. Grobnavigationsinformationen werden durch die gestrichelte Linie 1111 dargestellt, die durch die erste Straße 1011 verläuft und dann zur zweiten Straße 1102 weiterführt.
Eine virtuelle Feldquelle 1201, welche die Grobnavigationsinformationen darstellt, erzeugt ein virtuelles Feld (veranschaulicht durch virtuelle Äquipotentialfeldlinien 1021'), welches das Fahrzeug 1031 dazu veranlasst, die mit der gestrichelten Linie 1101 gekennzeichnete Bahn entlangzufahren.
In 13 ist auch eine virtuelle Soll-Beschleunigung 1041 dargestellt, welcher das Fahrzeug 1031 folgen soll.
14 zeigt ein Ausführungsbeispiel eines Fahrzeugs 1031, das sich innerhalb eines Abschnitts 1011-1 einer ersten Straße befindet. Grobnavigationsinformationen werden durch die gestrichelte Linie 1111 dargestellt, die durch die erste Straße 1011 verläuft.
Eine erste virtuelle Feldquelle 1201, welche die Grobnavigationsinformationen darstellt, erzeugt ein virtuelles Feld (veranschaulicht durch virtuelle Äquipotentialfeldlinien 1021'), welches das Fahrzeug 1031 abstößt und dazu bewegt, die mit der gestrichelten Linie 1101 gekennzeichnete Bahn entlangzufahren.
14 zeigt auch einen Fußgänger 1022, der beginnt, den Abschnitt vor dem Fahrzeug 1301 zu überqueren. Der Fußgänger wird durch ein zweites virtuelles Feld dargestellt (veranschaulicht durch virtuelle Äquipotentialfeldlinien 1022'), welches das Fahrzeug 1031 abstößt.
In 14 ist auch eine virtuelle Soll-Beschleunigung 1041 dargestellt, welcher das Fahrzeug 1031 folgen sollte.
Das erste und das zweite virtuelle Feld werden bei der Berechnung einer virtuellen Gesamtkraft berücksichtigt, die virtuell auf das Fahrzeug ausgeübt wird. Die virtuelle Soll-Beschleunigung 1041 des Fahrzeugs 1031 berücksichtigt die virtuelle Gesamtkraft.
Die virtuelle Soll-Beschleunigung 1041 des Fahrzeugs 1031 kann auf der Grundlage des ersten und des zweiten virtuellen Feldes berechnet werden - mit oder ohne Berechnung der virtuellen Gesamtkraft.
In der vorstehenden Beschreibung wurde die Erfindung unter Bezugnahme auf spezifische Ausführungsbeispiele der Erfindung beschrieben. Es wird jedoch klar sein, dass verschiedene Modifikationen und Änderungen vorgenommen werden können, ohne von dem breiten Geist und Umfang der Erfindung wie in den beigefügten Ansprüchen dargelegt abzuweichen. Darüber hinaus werden die Begriffe „vorne“, „hinten“, „oben“, „unten“, „über“, „unter“ und dergleichen in der Beschreibung und in den Ansprüchen, falls vorhanden, zu beschreibenden Zwecken und nicht notwendigerweise zur Beschreibung permanenter relativer Positionen verwendet. Es versteht sich, dass die so verwendeten Begriffe unter geeigneten Umständen austauschbar sind, so dass die hierin beschriebenen Ausführungsformen der Erfindung beispielsweise auch in anderen Ausrichtungen als den abgebildeten oder anderweitig hier beschriebenen angewendet werden können. Darüber hinaus werden die Begriffe „bestätigen" oder „einstellen“ und „verwerfen“ (oder „aufheben“ oder „löschen“) hier verwendet, wenn sie sich auf die Umwandlung eines Signals, eines Statusbits oder eines ähnlichen Geräts in seinen logisch wahren bzw. falschen Zustand beziehen. Wenn der logisch wahre Zustand ein Logikpegel Eins ist, ist der logisch falsche Zustand ein Logikpegel Null. Und wenn der logisch wahre Zustand ein Logikpegel Null ist, ist der logisch falsche Zustand ein Logikpegel Eins. Fachleute werden erkennen, dass die Grenzen zwischen Logikblöcken lediglich illustrativ sind und dass alternative Ausführungsformen Logikblöcke oder Schaltungselemente zusammenführen oder verschiedenen Logikblöcken oder Schaltungselementen eine andere Zerlegung der Funktionalität auferlegen können. Es ist daher zu verstehen, dass die hier dargestellten Architekturen nur beispielhaft sind und dass in der Tat viele andere Architekturen realisiert werden können, welche die gleiche Funktionalität erreichen. Jede Anordnung von Bauteilen, mit der dieselbe Funktionalität erreicht wird, ist effektiv „verknüpft“, so dass die gewünschte Funktionalität erreicht wird. Daher können zwei beliebige Komponenten, die hier kombiniert werden, um eine bestimmte Funktionalität zu erreichen, als „verknüpft“ angesehen werden, so dass die gewünschte Funktionalität erreicht wird, unabhängig von Architekturen oder intermedialen Komponenten. Ebenso können zwei auf diese Weise verbundene Komponenten als „funktionsfähig verknüpft“ oder „funktionsfähig gekoppelt“ angesehen werden, um die gewünschte Funktionalität zu erreichen. Darüber hinaus wird der Fachmann erkennen, dass die Grenzen zwischen den oben beschriebenen Vorgängen lediglich illustrativ sind. Die verschiedenen Vorgänge können zu einem einzigen Vorgang kombiniert werden, ein einzelner Vorgang kann auf weitere Vorgänge verteilt werden, und die Vorgänge können zumindest teilweise zeitlich überlappend ausgeführt werden. Darüber hinaus können alternative Ausführungsformen mehrere Instanzen einer bestimmten Operation umfassen, und die Reihenfolge der Operationen kann in verschiedenen anderen Ausführungsformen geändert werden. In einer Ausführungsform können die dargestellten Beispiele auch als Schaltungen auf einem einzigen integrierten Schaltkreis oder in einem einzigen Gerät implementiert werden. Alternativ können die Beispiele als eine beliebige Anzahl separater integrierter Schaltkreise oder separater Geräte realisiert werden, die in geeigneter Weise miteinander verbunden sind. Es sind jedoch auch andere Modifikationen, Variationen und Alternativen möglich. Die Beschreibungen und Zeichnungen sind daher eher illustrativ als einschränkend zu verstehen. In den Ansprüchen sind die in Klammern gesetzten Bezugszeichen nicht als Einschränkung des Anspruchs zu verstehen. Das Wort „umfassend“ schließt das Vorhandensein anderer Elemente oder Schritte als die in einem Anspruch aufgeführten nicht aus. Darüber hinaus sind die Begriffe „ein“ oder „eine“, wie sie hier verwendet werden, als eins oder mehr als eins definiert. Auch die Verwendung einleitender Wendungen wie „mindestens eines“ und „eines oder mehrere“ in den Ansprüchen sollte nicht dahingehend ausgelegt werden, dass die Einführung eines weiteren Anspruchselements durch die unbestimmten Artikel „ein“ oder „eine“ einen bestimmten Anspruch, der ein solches eingefügtes Anspruchselement enthält, auf Erfindungen beschränkt, die nur ein solches Element enthalten, selbst wenn derselbe Anspruch die einleitenden Wendungen „eines oder mehrere“ oder „mindestens eines“ und unbestimmte Artikel wie „ein“ oder „eine“ enthält. Dasselbe gilt für die Verwendung von bestimmten Artikeln. Sofern nicht anders angegeben, werden Begriffe wie „erster/s" und „zweiter/s“ verwendet, um willkürlich zwischen den Elementen zu unterscheiden, die diese Begriffe beschreiben. Diese Begriffe sind also nicht unbedingt als Hinweis auf eine zeitliche oder sonstige Priorisierung dieser Elemente zu verstehen. Die bloße Tatsache, dass bestimmte Maßnahmen in verschiedenen Ansprüchen aufgeführt sind, bedeutet nicht, dass eine Kombination dieser Maßnahmen nicht vorteilhaft sein kann. Obwohl bestimmte Merkmale der Erfindung hierin illustriert und beschrieben wurden, werden dem Fachmann viele Modifikationen, Substitutionen, Änderungen und Äquivalente einfallen. Es ist daher zu verstehen, dass die beigefügten Ansprüche alle Modifikationen und Änderungen abdecken sollen, die dem wahren Geist der Erfindung entsprechen. Es wird davon ausgegangen, dass verschiedene Merkmale der Ausführungsformen der Offenbarung, die aus Gründen der Klarheit im Zusammenhang mit einzelnen Ausführungsformen beschrieben werden, auch in Kombination in einer einzigen Ausführungsform vorgesehen werden können. Umgekehrt können verschiedene Merkmale der Ausführungsformen der Offenbarung, die der Kürze halber im Zusammenhang mit einer einzigen Ausführungsform beschrieben werden, auch separat oder in jeder geeigneten Unterkombination bereitgestellt werden. Der Fachmann wird verstehen, dass die Ausführungsformen der Offenbarung nicht durch das beschränkt sind, was hierin gezeigt und beschrieben wurde. Vielmehr wird der Umfang der Ausführungsformen der Offenbarung durch die beigefügten Ansprüche und deren Äquivalente definiert.
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

US 17823069 [0001]
US 63260839 [0001]
US 63/368156 [0001]

Claims

Verfahren für fahrbezogene Vorgänge in virtuellen Feldern, wobei das Verfahren folgende Schritte umfasst: - Gewinnen von Grobnavigationsinformationen über mindestens ein Segment eines Weges eines Fahrzeugs zu einem Zielort des Fahrzeugs; und - Bestimmen einer oder mehrerer virtueller Kräfte unter Verwendung eines Verarbeitungsschaltkreises und auf der Grundlage der Grobnavigationsinformationen, wobei die eine oder mehreren virtuellen Kräfte zur Anwendung eines fahrbezogenen Ablaufs des Fahrzeugs dienen, wobei die eine oder mehreren virtuellen Kräfte zu einem virtuellen physikalischen Modell gehören und zumindest teilweise die Grobnavigationsinformationen darstellen.
Verfahren nach Anspruch 1, welches das Analysieren der Grobnavigationsinformationen in Bezug auf einen Standort des Fahrzeugs umfasst.
Verfahren nach Anspruch 1, wobei die Bestimmung der einen oder mehreren virtuellen Kräfte die Bildung eines oder mehrerer virtueller Felder, die mit den Grobnavigationsinformationen verknüpft sind, umfasst.
Verfahren nach Anspruch 3, wobei auf die Bildung des einen oder der mehreren virtuellen Felder die Bestimmung der einen oder der mehreren virtuellen Kräfte auf der Grundlage des einen oder der mehreren virtuellen Felder folgt.
Verfahren nach Anspruch 3, wobei das eine oder die mehreren virtuellen Felder ein anziehendes virtuelles Feld umfassen.
Verfahren nach Anspruch 3, wobei das eine oder die mehreren virtuellen Felder ein abstoßendes virtuelles Feld umfassen.
Verfahren nach Anspruch 3, welches das Erzeugen einer grafischen Benutzeroberfläche zur Anzeige des einen oder der mehreren virtuellen Felder umfasst.
Verfahren nach Anspruch 1, welches während der Fahrt das Gewinnen von Objektinformationen über ein oder mehrere Objekte, die sich in der Umgebung des Fahrzeugs befinden, umfasst.
Verfahren nach Anspruch 8, wobei die Bestimmung der einen oder mehreren virtuellen Kräfte auch auf der Objektinformation basiert, wobei die eine oder mehreren virtuellen Kräfte auch eine oder mehrere Einwirkungen des einen oder der mehreren Objekte auf ein Verhalten des Fahrzeugs darstellen.
Verfahren nach Anspruch 8, wobei die eine oder mehreren virtuellen Kräfte eine Mehrzahl von Kräften sind, die eine virtuelle Kraft, die eine Einwirkung eines Objekts des einen oder der mehreren Objekte darstellt, und eine virtuelle Kraft, die die Grobnavigationsinformation darstellt, umfassen.
Verfahren nach Anspruch 8, wobei die Bestimmung der einen oder mehreren virtuellen Kräfte auch auf mindestens einer der Standortinformationen in Bezug auf das Fahrzeug und der Bewegungsinformationen in Bezug auf das Fahrzeug basiert.
Nicht flüchtiges, computerlesbares Medium, das Instruktionen speichert, die, sobald sie von einem Verarbeitungsschaltkreis ausgeführt werden, den Verarbeitungsschaltkreis dazu veranlassen: - Grobnavigationsinformationen über mindestens ein Segment eines Weges eines Fahrzeugs zu einem Zielort des Fahrzeugs zu gewinnen; und - eine oder mehrere virtuelle Kräfte unter Verwendung eines Verarbeitungsschaltkreises und auf der Grundlage der Grobnavigationsinformationen zu bestimmen, wobei die eine oder mehreren virtuellen Kräfte zur Anwendung eines fahrbezogenen Ablaufs des Fahrzeugs bestimmt sind, wobei die eine oder mehreren virtuellen Kräfte zu einem virtuellen physikalischen Modell gehören und zumindest teilweise die Grobnavigationsinformationen darstellen.
Nicht flüchtiges computerlesbares Medium nach Anspruch 12, wobei das Bestimmen der einen oder mehreren virtuellen Kräfte das Gewinnen eines oder mehrerer virtueller Felder, die mit den Grobnavigationsinformationen verbunden sind, umfasst.
Nicht flüchtiges computerlesbares Medium nach Anspruch 13, wobei auf die Bildung des einen oder der mehreren virtuellen Felder die Bestimmung der einen oder der mehreren virtuellen Kräfte auf der Grundlage des einen oder der mehreren virtuellen Felder folgt.
Nicht flüchtiges computerlesbares Medium nach Anspruch 13, wobei das eine oder die mehreren virtuellen Felder ein anziehendes virtuelles Feld umfassen.
Nicht flüchtiges computerlesbares Medium nach Anspruch 13, das Instruktionen zur Erzeugung einer grafischen Benutzeroberfläche zur Anzeige des einen oder der mehreren virtuellen Felder speichert.
Nicht flüchtiges computerlesbares Medium nach Anspruch 12, das Instruktionen speichert, um während der Fahrt Objektinformationen über ein oder mehrere Objekte zu gewinnen, die sich in einer Umgebung des Fahrzeugs befinden.
Nicht flüchtiges computerlesbares Medium nach Anspruch 17, wobei die Bestimmung der einen oder mehreren virtuellen Kräfte auch auf der Objektinformation basiert, wobei die eine oder mehreren virtuellen Kräfte auch eine oder mehrere Einwirkungen des einen oder der mehreren Objekte auf ein Verhalten des Fahrzeugs darstellen.
Nicht flüchtiges computerlesbares Medium nach Anspruch 17, wobei die eine oder mehreren virtuellen Kräfte eine Mehrzahl von Kräften sind, die eine virtuelle Kraft, die eine Einwirkung eines Objekts des einen oder der mehreren Objekte darstellt, und eine virtuelle Kraft, die die Grobnavigationsinformationen darstellt, umfassen.
Nicht flüchtiges computerlesbares Medium nach Anspruch 17, wobei die Bestimmung der einen oder mehreren virtuellen Kräfte auch auf mindestens einer der Standortinformationen in Bezug auf das Fahrzeug und der Bewegungsinformationen in Bezug auf das Fahrzeug basiert.