JP2019109691A - 移動体挙動予測装置および移動体挙動予測方法 - Google Patents
移動体挙動予測装置および移動体挙動予測方法 Download PDFInfo
- Publication number
- JP2019109691A JP2019109691A JP2017242023A JP2017242023A JP2019109691A JP 2019109691 A JP2019109691 A JP 2019109691A JP 2017242023 A JP2017242023 A JP 2017242023A JP 2017242023 A JP2017242023 A JP 2017242023A JP 2019109691 A JP2019109691 A JP 2019109691A
- Authority
- JP
- Japan
- Prior art keywords
- behavior
- prediction
- unit
- vehicle
- predicted
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 26
- 230000006399 behavior Effects 0.000 claims description 262
- 238000011156 evaluation Methods 0.000 claims description 27
- 230000033001 locomotion Effects 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 230000000306 recurrent effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000002787 reinforcement Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 230000004913 activation Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 47
- 238000010586 diagram Methods 0.000 description 16
- 238000013527 convolutional neural network Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000009191 jumping Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/285—Analysis of motion using a sequence of stereo image pairs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4043—Lateral speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
Description
例えば、特許文献1では、回帰分析によって移動体の将来位置を予測する仕組みが検討されている。一般に、予測問題には教師あり学習が用いられる。
図1は、第1実施形態に係る移動体挙動予測装置が適用される自動車の走行環境の一例を示す模式図である。
図1において、道路100上を自車両101が走行し、自車両101の前方を他車両102、103が走行しているものとする。他車両102、103は自車両101以外の車両である。道路100の脇には歩行者104が歩行しているものとする。
強化学習による挙動予測では、自車両101の制御に対して不安全になる要因を重点的に考慮する必要があるため、危険な行動である希少パターンに対して予測精度が向上しやすくなる。
図2において、移動体挙動予測装置10には、認識部202、第一挙動予測部203、予測誤差算出部205、第一パラメータ更新量算出部206、第二挙動予測部207、制御部209、運転評価部210、報酬生成部211および第二パラメータ更新量算出部212が設けられている。
また、第一挙動予測部203は、第一予測挙動204が頻出パターンである時に、自車両101が安全に走行できるように教師あり学習によって第一予測挙動204を学習する。第二挙動予測部207は、第二予測挙動208が希少パターンである時に、自車両101が安全に走行できるように強化学習によって第二予測挙動208を学習する。また、第二予測挙動208は第一予測挙動204と同様の形式をとることができる。この時、第二挙動予測部207の構成は第一挙動予測部203と同様の構成をとることができる。また、第二挙動予測部207は第一挙動予測部203とパラメータを共有してもよい。
図3において、認識部202は、センサデータ201に基づいて、自車両101の周辺物体や周辺環境を認識する。この時、センサデータ201は、ステレオカメラ画像および自車量の速度、ヨーレート、GPSなどから得られた時系列データによって構成することができる。認識部202には、ステレオマッチング部303、物体認識部305、位置算出部307および物体追跡部311が設けられている。
図4において、マップ情報313は複数のレイヤ情報401を有する。レイヤ情報401は、車両周辺の情報を位置情報ごとに整理したものである。レイヤ情報401は、車両周辺の領域を切り出し、その領域がグリッドで仕切られた情報である。グリッドで仕切られた各マス402の情報は、それぞれ現実の位置情報と対応している。例えば、道路情報のような1次元の2値で表現される情報であれば、道路の位置情報に対応するマスに1が格納され、道路以外の位置情報に対応するマスには0が格納される。
図5において、挙動予測部には、N(Nは正の整数)個の移動体1〜Nごとにリカレントニューラルネットワーク502−1〜502−N、全結合層505−1〜505−Nおよび乗算層506−1〜506−Nが設けられている。さらに、挙動予測部には、総和層507、畳込み層509、511および結合層510がN個の移動体1〜Nに共通に設けられている。
図6において、制御部209には、軌道生成部601、軌道評価部602、軌道決定部603および軌道追従部604が設けられている。
図7(a)において、道路100上を自車両101が走行し、自車両101の前方では他車両105が走行しているものとする。他車両105は経路K5に沿って移動するものとする。この他車両105は、図5の移動体1に対応するものとする。
図8において、自車両101のフロントガラス40には、第一予測挙動204−1〜204−3および第二予測挙動208−1が投影されている。第一予測挙動204−1〜204−3および第二予測挙動208−1は、運転者がフロントガラス40越しに実際に観察できる移動体の位置に表示することができる。
以下、周辺環境に応じて制御部209で用いる予測挙動を選択する手法について説明する。
図9は、第2実施形態に係る移動体挙動予測装置の構成を示すブロック図である。
図9の移動体挙動予測装置では、図2の移動体挙動予測装置に予測手法決定部801が追加されている。予測手法決定部801には、荷重推定部802が設けられている。
この際、認識部202では、図3で示した情報以外にも、GPSの情報や周辺の地図情報、走行道路の道路種別を入力に加えてもよい。
図10は、第3実施形態に係る移動体挙動予測装置のハードウェア構成を示すブロック図である。
図10において、移動体挙動予測装置10には、プロセッサ11、通信制御デバイス12、通信インターフェース13、主記憶デバイス14および外部記憶デバイス15が設けられている。プロセッサ11、通信制御デバイス12、通信インターフェース13、主記憶デバイス14および外部記憶デバイス15は、内部バス16を介して相互に接続されている。主記憶デバイス14および外部記憶デバイス15は、プロセッサ11からアクセス可能である。
Claims (12)
- 車両から認識可能な移動体の挙動の予測結果と、予測時間経過後の前記移動体の挙動の認識結果に基づいて、前記移動体の第一予測挙動を出力する第一挙動予測部と、
前記車両の挙動に基づいて、前記車両から認識可能な移動体の第二予測挙動を出力する第二挙動予測部とを備える移動体挙動予測装置。 - 前記第一挙動予測部は、教師あり学習に基づいて前記第一予測挙動を出力する第一ニューラルネットワークを備え、
前記第二挙動予測部は、強化学習に基づいて前記第二予測挙動を出力する第二ニューラルネットワークを備える請求項1に記載の移動体挙動予測装置。 - 前記第一予測挙動および前記第二予測挙動は前記車両の運転制御に用いられ、
前記第一挙動予測部は、前記移動体の挙動の予測結果と、前記予測時間経過後の前記移動体の挙動の認識結果との誤差を最小化するように、前記第一予測挙動を学習し、
前記第二挙動予測部は、前記車両が不安全な運転を行わないように、前記車両から認識可能な移動体の前記第二予測挙動を学習する請求項1に記載の移動体挙動予測装置。 - 前記移動体の種別、位置および速度を認識する認識部と、
前記第一予測挙動および前記第二予測挙動の少なくともいずれかに基づいて、前記車両を制御する制御部と、
前記車両の制御結果に基づいて前記車両の運転の安全性を評価する運転評価部と、
前記安全性の評価結果が不安全であれば負の報酬を生成し、前記安全性の評価結果が安全であれば正の報酬を生成する報酬生成部とを備え、
前記報酬を最大化するように前記第二挙動予測部の予測パラメータを更新する請求項3に記載の移動体挙動予測装置。 - 前記認識部は、
複数のカメラ画像に基づいて視差画像を生成するステレオマッチング部と、
前記カメラ画像に基づいて物体を認識する物体認識部と、
前記視差画像および前記物体の認識結果に基づいて前記物体の現時刻における位置認識結果を算出する位置算出部と、
前記車両の軌道および前時刻までの位置認識結果に基づいて前記物体の現時刻における位置認識結果を予測し、前記位置認識結果の予測結果と、前記位置算出部で算出された位置認識結果とのマッチング結果に基づいて、前記物体を追跡する物体追跡部とを備える請求項4に記載の移動体挙動予測装置。 - 前記第一挙動予測部は、
N(Nは正の整数)個の移動体の現在時刻の移動データに基づいて、前記N個の移動体の将来時刻の移動データをそれぞれ出力するN個のリカレントニューラルネットワークと、
前記車両の位置を基準とした前記N個の移動体の相対位置データにアフィン変換および活性化関数をそれぞれ適用するN個の全結合層と、
前記N個のリカレントニューラルネットワークの内部状態と前記N個の全結合層の出力をそれぞれ乗算するN個の乗算層と、
前記N個の乗算層の出力の総和をとる総和層と、
前記車両の周辺の道路情報に畳み込みューラルネットワークを適用する第一畳込み層と、
前記総和層の出力と前記第一畳込み層の出力を結合する結合層と、
前記結合層の出力に畳み込みューラルネットワークを適用する第二畳込み層とを備える請求項4に記載の移動体挙動予測装置。 - 前記制御部は、
前記車両の複数の軌道候補を生成する軌道生成部と、
前記第一予測挙動および前記第二予測挙動に基づいて前記軌道候補を評価する軌道評価部と、
前記軌道評価部による評価結果に基づいて、前記車両の軌道を決定する軌道決定部と、
前記軌道決定部で決定された軌道に前記車両が追従するように前記車両を制御する軌道追従部とを備える請求項4に記載の移動体挙動予測装置。 - 前記車両が不安全運手または不動作運転を引き起こすかどうかの確信度に基づいて、前記制御部で用いられる予測挙動を、前記第一予測挙動のみ、前記第二予測挙動のみ、前記第一予測挙動と前記第二予測挙動の荷重平均のいずれかに決定する予測手法決定部を備える請求項4に記載の移動体挙動予測装置。
- 前記第一予測挙動の重みと前記第二予測挙動の重みを推定する荷重推定部を備え、
前記制御部は、前記第一予測挙動と前記第二予測挙動との荷重平均に基づいて前記車両を制御する請求項4に記載の移動体挙動予測装置。 - 前記第一予測挙動および前記第二予測挙動を前記車両の前方のカメラ画像と重ねて表示する表示部を備える請求項4に記載の移動体挙動予測装置。
- 前記第一予測挙動および前記第二予測挙動を前記車両のフロントガラスに表示する表示部を備える請求項4に記載の移動体挙動予測装置。
- 教師あり学習に基づいて移動体の第1挙動を予測し、
強化学習に基づいて移動体の第2挙動を予測する移動体挙動予測方法であって、
前記予測時において前記第2挙動の頻出度は前記第1挙動の頻出度よりも小さい移動体挙動予測方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017242023A JP6917878B2 (ja) | 2017-12-18 | 2017-12-18 | 移動体挙動予測装置 |
CN201880066893.6A CN111670468B (zh) | 2017-12-18 | 2018-11-28 | 移动体行为预测装置以及移动体行为预测方法 |
DE112018005774.7T DE112018005774T5 (de) | 2017-12-18 | 2018-11-28 | Vorrichtung zur Vorhersage des Verhaltens eines sich bewegenden Körpers und Verfahren zur Vorhersage des Verhaltens eines sich bewegenden Körpers |
US16/768,733 US11645916B2 (en) | 2017-12-18 | 2018-11-28 | Moving body behavior prediction device and moving body behavior prediction method |
PCT/JP2018/043689 WO2019124001A1 (ja) | 2017-12-18 | 2018-11-28 | 移動体挙動予測装置および移動体挙動予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017242023A JP6917878B2 (ja) | 2017-12-18 | 2017-12-18 | 移動体挙動予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019109691A true JP2019109691A (ja) | 2019-07-04 |
JP6917878B2 JP6917878B2 (ja) | 2021-08-11 |
Family
ID=66994609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017242023A Active JP6917878B2 (ja) | 2017-12-18 | 2017-12-18 | 移動体挙動予測装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11645916B2 (ja) |
JP (1) | JP6917878B2 (ja) |
CN (1) | CN111670468B (ja) |
DE (1) | DE112018005774T5 (ja) |
WO (1) | WO2019124001A1 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021014809A1 (ja) * | 2019-07-19 | 2021-01-28 | 京セラ株式会社 | 画像認識評価プログラム、画像認識評価方法、評価装置及び評価システム |
KR102490011B1 (ko) * | 2022-07-19 | 2023-01-19 | 주식회사 라이드플럭스 | 로드 유저 예측 기반 자율주행 차량의 주행 계획 결정방법, 장치 및 컴퓨터프로그램 |
JP2023508986A (ja) * | 2019-12-27 | 2023-03-06 | ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー | 交通弱者の意図を予測する方法および装置 |
WO2023047651A1 (ja) * | 2021-09-22 | 2023-03-30 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、情報処理システム及び情報処理方法 |
WO2023102126A1 (en) * | 2021-12-03 | 2023-06-08 | Zoox, Inc. | Vehicle perception system with temporal tracker |
US11685405B2 (en) | 2020-04-06 | 2023-06-27 | Toyota Jidosha Kabushiki Kaisha | Vehicle controller, method, and computer program for vehicle trajectory planning and control based on other vehicle behavior |
WO2023157350A1 (ja) * | 2022-02-15 | 2023-08-24 | 日立Astemo株式会社 | 物標算出方法、演算装置 |
US11776277B2 (en) | 2020-03-23 | 2023-10-03 | Toyota Jidosha Kabushiki Kaisha | Apparatus, method, and computer program for identifying state of object, and controller |
US11829153B2 (en) | 2020-04-06 | 2023-11-28 | Toyota Jidosha Kabushiki Kaisha | Apparatus, method, and computer program for identifying state of object, and controller |
JP7404125B2 (ja) | 2019-09-13 | 2023-12-25 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 物体追跡方法及びプログラム |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3095878B1 (fr) * | 2019-05-10 | 2021-10-08 | Univ De Brest | Procédé d'analyse automatique d'images pour reconnaître automatiquement au moins une caractéristique rare |
DE102019213222B4 (de) * | 2019-09-02 | 2022-09-29 | Volkswagen Aktiengesellschaft | Verfahren zum Vorhersagen einer zukünftigen Fahr-Situation eines am Straßenverkehr teilnehmenden Fremd-Objektes, Vorrichtung, Fahrzeug |
CN114207667A (zh) * | 2019-09-19 | 2022-03-18 | 赫尔实验室有限公司 | 利用嵌入空间中的少量标签来学习动作 |
US11645498B2 (en) * | 2019-09-25 | 2023-05-09 | International Business Machines Corporation | Semi-supervised reinforcement learning |
US11354913B1 (en) * | 2019-11-27 | 2022-06-07 | Woven Planet North America, Inc. | Systems and methods for improving vehicle predictions using point representations of scene |
US11860634B2 (en) * | 2019-12-12 | 2024-01-02 | Baidu Usa Llc | Lane-attention: predicting vehicles' moving trajectories by learning their attention over lanes |
KR102541685B1 (ko) * | 2020-04-13 | 2023-06-09 | 한국과학기술원 | 재귀 구조를 이용한 예측을 위한 전자 장치 및 그의 동작 방법 |
US11654933B2 (en) * | 2020-11-10 | 2023-05-23 | GM Global Technology Operations LLC | Navigation trajectory using reinforcement learning for an ego vehicle in a navigation network |
CN112669335A (zh) * | 2021-01-27 | 2021-04-16 | 东软睿驰汽车技术(沈阳)有限公司 | 车辆感知方法、装置、电子设备以及机器可读存储介质 |
GB202106238D0 (en) * | 2021-04-30 | 2021-06-16 | Five Ai Ltd | Motion planning |
CN113361665B (zh) | 2021-08-11 | 2021-11-16 | 成都理工大学 | 一种基于强化学习的高原山地旅游安全风险预警方法 |
TWI794971B (zh) * | 2021-09-14 | 2023-03-01 | 和碩聯合科技股份有限公司 | 物體方位辨識方法與物體方位辨識裝置 |
DE102022202002A1 (de) * | 2022-02-28 | 2023-08-31 | Volkswagen Aktiengesellschaft | Verfahren, Computerprogramm, und Vorrichtung zur Anpassung von Betriebsparametern eines Fortbewegungsmittels, sowie Fortbewegungsmittel |
CN116091894B (zh) * | 2023-03-03 | 2023-07-14 | 小米汽车科技有限公司 | 模型训练方法、车辆控制方法、装置、设备、车辆及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004068399A1 (ja) * | 2003-01-31 | 2004-08-12 | Matsushita Electric Industrial Co. Ltd. | 予測型行動決定装置および行動決定方法 |
JP2010173616A (ja) * | 2009-02-02 | 2010-08-12 | Nissan Motor Co Ltd | 車両走行支援装置及び車両走行支援方法 |
JP2011014037A (ja) * | 2009-07-03 | 2011-01-20 | Fuji Heavy Ind Ltd | リスク予測システム |
JP2017211913A (ja) * | 2016-05-27 | 2017-11-30 | 日本電信電話株式会社 | 行動決定装置、未来予測モデル学習装置、ネットワーク学習装置、方法、及びプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6954744B2 (en) * | 2001-08-29 | 2005-10-11 | Honeywell International, Inc. | Combinatorial approach for supervised neural network learning |
AU2011265090A1 (en) * | 2010-06-07 | 2012-11-29 | Affectiva,Inc. | Mental state analysis using web services |
JP5189157B2 (ja) * | 2010-11-30 | 2013-04-24 | 株式会社豊田中央研究所 | 可動物の目標状態決定装置及びプログラム |
JP5838879B2 (ja) | 2012-03-22 | 2016-01-06 | 株式会社デンソー | 予測システム |
JP5962706B2 (ja) | 2014-06-04 | 2016-08-03 | トヨタ自動車株式会社 | 運転支援装置 |
CN107180220B (zh) * | 2016-03-11 | 2023-10-31 | 松下电器(美国)知识产权公司 | 危险预测方法 |
US10055652B2 (en) * | 2016-03-21 | 2018-08-21 | Ford Global Technologies, Llc | Pedestrian detection and motion prediction with rear-facing camera |
CN105892471B (zh) * | 2016-07-01 | 2019-01-29 | 北京智行者科技有限公司 | 汽车自动驾驶方法和装置 |
EP3485337B1 (en) * | 2016-09-23 | 2020-10-21 | Apple Inc. | Decision making for autonomous vehicle motion control |
CN106842925B (zh) * | 2017-01-20 | 2019-10-11 | 清华大学 | 一种基于深度强化学习的机车智能操纵方法与系统 |
US20180374341A1 (en) * | 2017-06-27 | 2018-12-27 | GM Global Technology Operations LLC | Systems and methods for predicting traffic patterns in an autonomous vehicle |
-
2017
- 2017-12-18 JP JP2017242023A patent/JP6917878B2/ja active Active
-
2018
- 2018-11-28 DE DE112018005774.7T patent/DE112018005774T5/de active Pending
- 2018-11-28 CN CN201880066893.6A patent/CN111670468B/zh active Active
- 2018-11-28 WO PCT/JP2018/043689 patent/WO2019124001A1/ja active Application Filing
- 2018-11-28 US US16/768,733 patent/US11645916B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004068399A1 (ja) * | 2003-01-31 | 2004-08-12 | Matsushita Electric Industrial Co. Ltd. | 予測型行動決定装置および行動決定方法 |
JP2010173616A (ja) * | 2009-02-02 | 2010-08-12 | Nissan Motor Co Ltd | 車両走行支援装置及び車両走行支援方法 |
JP2011014037A (ja) * | 2009-07-03 | 2011-01-20 | Fuji Heavy Ind Ltd | リスク予測システム |
JP2017211913A (ja) * | 2016-05-27 | 2017-11-30 | 日本電信電話株式会社 | 行動決定装置、未来予測モデル学習装置、ネットワーク学習装置、方法、及びプログラム |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021018576A (ja) * | 2019-07-19 | 2021-02-15 | 京セラ株式会社 | 画像認識評価プログラム、画像認識評価方法、評価装置及び評価システム |
JP7148462B2 (ja) | 2019-07-19 | 2022-10-05 | 京セラ株式会社 | 画像認識評価プログラム、画像認識評価方法、評価装置及び評価システム |
WO2021014809A1 (ja) * | 2019-07-19 | 2021-01-28 | 京セラ株式会社 | 画像認識評価プログラム、画像認識評価方法、評価装置及び評価システム |
JP7404125B2 (ja) | 2019-09-13 | 2023-12-25 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 物体追跡方法及びプログラム |
JP7480302B2 (ja) | 2019-12-27 | 2024-05-09 | ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー | 交通弱者の意図を予測する方法および装置 |
JP2023508986A (ja) * | 2019-12-27 | 2023-03-06 | ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー | 交通弱者の意図を予測する方法および装置 |
US11776277B2 (en) | 2020-03-23 | 2023-10-03 | Toyota Jidosha Kabushiki Kaisha | Apparatus, method, and computer program for identifying state of object, and controller |
US11829153B2 (en) | 2020-04-06 | 2023-11-28 | Toyota Jidosha Kabushiki Kaisha | Apparatus, method, and computer program for identifying state of object, and controller |
US11685405B2 (en) | 2020-04-06 | 2023-06-27 | Toyota Jidosha Kabushiki Kaisha | Vehicle controller, method, and computer program for vehicle trajectory planning and control based on other vehicle behavior |
WO2023047651A1 (ja) * | 2021-09-22 | 2023-03-30 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、情報処理システム及び情報処理方法 |
WO2023102126A1 (en) * | 2021-12-03 | 2023-06-08 | Zoox, Inc. | Vehicle perception system with temporal tracker |
WO2023157350A1 (ja) * | 2022-02-15 | 2023-08-24 | 日立Astemo株式会社 | 物標算出方法、演算装置 |
KR102490011B1 (ko) * | 2022-07-19 | 2023-01-19 | 주식회사 라이드플럭스 | 로드 유저 예측 기반 자율주행 차량의 주행 계획 결정방법, 장치 및 컴퓨터프로그램 |
Also Published As
Publication number | Publication date |
---|---|
CN111670468B (zh) | 2022-06-14 |
US20210171025A1 (en) | 2021-06-10 |
JP6917878B2 (ja) | 2021-08-11 |
US11645916B2 (en) | 2023-05-09 |
WO2019124001A8 (ja) | 2020-06-04 |
CN111670468A (zh) | 2020-09-15 |
WO2019124001A1 (ja) | 2019-06-27 |
DE112018005774T5 (de) | 2020-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019124001A1 (ja) | 移動体挙動予測装置および移動体挙動予測方法 | |
US11131993B2 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
US11485384B2 (en) | Unstructured vehicle path planner | |
US10937178B1 (en) | Image-based depth data and bounding boxes | |
US11748909B2 (en) | Image-based depth data and localization | |
US20210339741A1 (en) | Constraining vehicle operation based on uncertainty in perception and/or prediction | |
US10984543B1 (en) | Image-based depth data and relative depth data | |
KR20210074366A (ko) | 자율주행 차량 계획 및 예측 | |
CN110857085A (zh) | 车辆路径规划 | |
JP2023511755A (ja) | オブジェクト速度および/またはヨーレート検出およびトラッキング | |
US11827214B2 (en) | Machine-learning based system for path and/or motion planning and method of training the same | |
US10449956B2 (en) | Object tracking by unsupervised learning | |
US11577741B1 (en) | Systems and methods for testing collision avoidance systems | |
CN117794803A (zh) | 使用具有响应型代理预测的树搜索和/或代理滤波进行车辆轨迹控制 | |
US11787438B2 (en) | Collaborative vehicle path generation | |
US12005925B1 (en) | Collaborative action ambiguity resolution for autonomous vehicles | |
JP7459238B2 (ja) | ユーザ選好による強化学習基盤の自律走行最適化方法およびシステム | |
US20230399026A1 (en) | State Identification For Road Actors With Uncertain Measurements Based On Compliant Priors | |
US20230415773A1 (en) | Validating protolanes with actor behavior flowcharts | |
US20230415767A1 (en) | Protolanes for testing autonomous vehicle intent | |
US20230418291A1 (en) | Testing reuse across protolane families | |
RU2790105C2 (ru) | Способ и электронное устройство для управления беспилотным автомобилем | |
US20240092357A1 (en) | Trajectory optimization in multi-agent environments | |
US20240092350A1 (en) | Vehicle safety system | |
Nino et al. | Priority Tracking of Pedestrians for Self-Driving Cars |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200813 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200901 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210518 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210622 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210706 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210720 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6917878 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |