JP2019502582A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2019502582A5 JP2019502582A5 JP2018517836A JP2018517836A JP2019502582A5 JP 2019502582 A5 JP2019502582 A5 JP 2019502582A5 JP 2018517836 A JP2018517836 A JP 2018517836A JP 2018517836 A JP2018517836 A JP 2018517836A JP 2019502582 A5 JP2019502582 A5 JP 2019502582A5
- Authority
- JP
- Japan
- Prior art keywords
- speed
- feedback parameter
- command
- parameter
- vehicle
- 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
- 230000004044 response Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims 4
- 238000000034 method Methods 0.000 claims 2
- 238000010801 machine learning Methods 0.000 description 10
- GBIKRMXHJFTOHS-LRHNFOCQSA-N (2S)-N-[2-[[(2S)-1-[[(2S)-1-[[(2S)-1-[[(2S)-1-[(2S)-2-[[(2S)-1-[[(2S)-1-amino-4-methylsulfanyl-1-oxobutan-2-yl]amino]-5-(diaminomethylideneamino)-1-oxopentan-2-yl]carbamoyl]pyrrolidin-1-yl]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxopropan-2-yl]amino]-4-methyl Chemical compound CSCC[C@@H](C(N)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@@H]1CCCN1C(=O)[C@@H](NC(=O)[C@H](C)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)CNC(=O)[C@H]1N(CCC1)C(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](C)N)CC1=CC=CC=C1 GBIKRMXHJFTOHS-LRHNFOCQSA-N 0.000 description 4
- 108010064680 Small cardioactive peptide A Proteins 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003044 adaptive Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
Description
幾つかの実施形態によれば、速度制御パラメータモデリング構造を使用して機械学習モデリング方法と経験モデリング方法を利用することにより、速度制御モデリングの精度が向上する。車両のアクセルモデルパラメータは、一般的にパラメータ調整のない場合にオフラインに推定されるが、システムモデルが常に車両の退化に従って変化する。一実施形態において、システムは経験方法(例えば、目標速度vs.実際速度)を使用する方法を利用して公称速度制御モデルパラメータを推定する。また、当該システムは、更に機械学習方法を利用して、リアルタイムにキャプチャされる各種の要素又は入力パラメータに基づいてオンラインに速度制御モデルを調整することにより、車両の差異と退化に対応する。
最初に、自動運転車両(ADV)の運転統計情報又はADVのタイプに基づいてオフラインに公称速度制御モデルのパラメータを認識する。運転統計情報は、異なるタイミングと各種の運転条件においてキャプチャされる車両速度、車両加速度及び/又は道路の摩擦等を含んでも良い。運転される場合に(例えば、オンライン)、車両は、まずオフラインに決定される公称コントローラ利得とパワートレーン参照モデルで運行される。車両は道路上に走行する場合に、例えば天気、地図/道路状況、車両重量、タイヤ空気圧、運転者の運転行為などの情報を機械学習モデルの入力としてリアルタイムに採集する。機械学習モデルの出力は、ADVの速度コントローラの速度制御パラメータを微調整して後続の速度制御コマンド(例えば、アクセルコマンド、ブレーキコマンド)を生成するように用いられる。
一実施形態において、目標速度に基づいて速度制御コマンド(例えば、アクセルコマンド、ブレーキコマンド)を発信すると、当該速度制御コマンドに応答してADVの予想速度と実際速度に基づいて第一フィードバックパラメータを決定する。機械学習モデル(速度制御パラメータ調整(SPCA)モデルと呼ばれる)をタイミングでキャプチャし又は測定される入力パラメータのセットに適用することにより第二フィードバックパラメータを決定する。入力パラメータのセットは当該タイミングにおけるADVの運転環境を示す。第一フィードバックパラメータと第二フィードバックパラメータに基づいてADVの速度コントローラの一つ又は複数の制御パラメータ(例えば、係数と利得)を調整する。なお、速度コントローラは、速度制御コマンドを生成し発信するように配置される。速度コントローラの調整後の制御パラメータに基づいて後続の速度制御コマンドを生成することができる。各種の車両(例えば、類似の車両)からキャプチャされた多くの運転統計情報に基づいてオフラインにSCPAモデルを生成し訓練することができる。
サーバ103は、各種のクライアントに対してデータ解析サービスを実行するデータ解析システムであっても良い。一実施形態において、データ解析システム103は、データ採集器121と、機械学習エンジン122とを含む。データ採集器121は、複数種の車両(自動運転車両又は人間の運転者により運転される通常の車両)から運転統計情報123を採集する。運転統計情報123には、配布される運転コマンド(例えば、アクセルコマンド、ブレーキコマンド、操舵コマンド)を示す情報及び異なるタイミングで車両のセンサにより採集される車両の応答(例えば、速度、加速、減速、方向)を示す情報が含まれる。運転統計情報123は更に、異なるタイミングにおける運転環境を記述する情報、例えば、路線(出発位置と目的地の位置を含む)、MPOI、道路条件、気候条件などを含んでも良い。
機械学習エンジン122は、運転統計情報123に基いて、各種の目的のためにルール、アルゴリズム及び/又は予測モデル124のセットを実行し又は訓練する。一実施形態において、アルゴリズム/モデル124は、自動運転車両の速度を制御するための速度制御パラメータ又は利得のセットを含むことができる。アルゴリズム/モデル124は、特定のタイプの車両に関連するパワートレーン参照モデルを更に含んでも良い。アルゴリズム/モデル124は、(複数の)機械学習モデル(例えば、SCPAモデル)を更に含んでオンラインに使用することにより、リアルタイムで動的にキャプチャされる入力パラメータのセットに基づいて動的に速度コントローラの速度制御パラメータを調整するフィードバックパラメータを生成することもできる。機械学習エンジンは、ユーザの運転統計情報に基づいて運転ADVのユーザのユーザファイルを生成することもできる。ユーザのユーザファイルは、異なる運転環境におけるユーザの運転好みを示す情報を含んでも良い。そして、アルゴリズム/モデル124とユーザファイルをADVにアップロードして、特に動的にADVの一つ又は複数の速度制御パラメータを調整するようにオンラインに使用することができる。
また、入力パラメータ325のセットは、運転される際にキャプチャし又は測定され、動的入力パラメータとも呼ばれる。入力パラメータ325は、天気状況、道路状況、現在交通状況、風抵抗、地図位置及び/又は興味点、車両の重量、タイヤのタイヤ空気圧などを含んでも良い。入力パラメータ325は、現在に車両の乗客とするユーザのユーザ運転好みを含んでも良い。ユーザ運転好みは、ユーザの以前の運転統計情報に基づいてユーザファイルの一部として決定することができる。運転好みは、回転の平均速度、回転半径、車線を変更する速度と距離、路線選択の好みを含んでも良い。入力パラメータのセットは、第二フィードバックパラメータを生成するSCPAモデル313にフィードされる。図5に示されるように、SCPAモデル313は、以前の運転統計情報に基づいてオフラインに生成しモデリングされる機械学習モデルである。第二フィードバックパラメータは、第二入力としてパラメータアダプティブモジュール307に提供される。
Claims (21)
- 自動運転車両(ADV)を走行させるためのコンピュータ実施方法であって、
前記自動運転車両の目標速度に基づいて、パワートレーン参照モデルを使用して、予想速度を算出するステップであって、前記パワートレーン参照モデルは、目標速度に基づいて車両設計特性を考慮して予想速度を算出する車両特定モデルであるステップと、
前記予想速度と、目標速度に基づいて発信される速度制御コマンドに応答して得た前記自動運転車両の実際速度とに基づいて、第一フィードバックパラメータを決定するステップと、
速度制御パラメータ調整(SPCA)モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すステップと、
前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整するステップと、
調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成するステップと、を含む、
ことを特徴とする方法。 - 前記速度コントローラの前記制御パラメータは、更に、第三フィードバックパラメータとする実際速度コマンドに基づいて調整され、前記実際速度コマンドは、前のコマンドサイクルにおいて次のコマンドサイクルにおける速度制御コマンドに用いられる前の速度制御コマンドを示す、
ことを特徴とする請求項1に記載の方法。 - 前記速度コントローラの前記制御パラメータは、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータに基づいて所定の加重アルゴリズムによって調整され、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータのそれぞれは、単独の重み因子に関連する、
ことを特徴とする請求項2に記載の方法。 - 前記実際速度コマンドは、最大のアクセルコマンド値のアクセルパーセンテージを含む、
ことを特徴とする請求項2に記載の方法。 - 前記パワートレーン参照モデルは、前記自動運転車両に関連するエンジン、変速機、動力伝達パラメータに基づいて生成される、
ことを特徴とする請求項1に記載の方法。 - 前記入力パラメータのセットは、前記時点において測定される天気状況、道路状況、風抵抗、地図位置、車両重量又はタイヤ空気圧のうちの少なくとも一つを含む、
ことを特徴とする請求項1に記載の方法。 - 前記入力パラメータのセットは、前記時点において前記自動運転車両に乗っている乗客のユーザ運転好みを更に含む、
ことを特徴とする請求項6に記載の方法。 - コマンドが記憶されており、前記コマンドがプロセッサにより実行されると、前記プロセッサに処理を実行させる、不発揮性の機械可読媒体であって、
前記処理は、
自動運転車両の目標速度に基づいて、パワートレーン参照モデルを使用して、予想速度を算出するステップであって、前記パワートレーン参照モデルは、目標速度に基づいて車両設計特性を考慮して予想速度を算出する車両特定モデルであることと、
前記予想速度と、目標速度に基づいて発信される速度制御コマンドに応答して得た前記自動運転車両の実際速度とに基づいて、第一フィードバックパラメータを決定することと、
速度制御パラメータ調整モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すことと、
前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整することと、
調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成することと、を含む、
ことを特徴とする不発揮性の機械可読媒体。 - 前記速度コントローラの前記制御パラメータは、更に、第三フィードバックパラメータとする実際速度コマンドに基づいて調整され、前記実際速度コマンドは、前のコマンドサイクルにおいて次のコマンドサイクルの次の速度制御コマンドに用いられる前の速度制御コマンドを示す
ことを特徴とする請求項8に記載の機械可読媒体。 - 前記速度コントローラの前記制御パラメータは、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータに基づいて所定の加重アルゴリズムによって調整され、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータのそれぞれは、単独の重み因子に関連する、
ことを特徴とする請求項9に記載の機械可読媒体。 - 前記実際速度コマンドは、最大のアクセルコマンド値のアクセルパーセンテージを含む、
ことを特徴とする請求項9に記載の機械可読媒体。 - 前記パワートレーン参照モデルは、前記自動運転車両に関連するエンジン、変速機、動力伝達パラメータに基づいて生成される
ことを特徴とする請求項8に記載の機械可読媒体。 - 前記入力パラメータのセットは、前記時点において測定される天気状況、道路状況、風抵抗、地図位置、車両重量又はタイヤ空気圧のうちの少なくとも一つを含む
ことを特徴とする請求項8に記載の機械可読媒体。 - 前記入力パラメータのセットは、前記時点において前記自動運転車両に乗っている乗客のユーザ運転好みを更に含む
ことを特徴とする請求項13に記載の機械可読媒体。 - プロセッサと、
前記プロセッサに連結されてコマンドを記憶するメモリと、を含み、
前記コマンドが前記プロセッサによって実行されるとき、前記プロセッサに処理を実行させる、データ処理システムであって、
前記処理は、
自動運転車両の目標速度に基づいて、パワートレーン参照モデルを使用して、予想速度を算出するステップであって、前記パワートレーン参照モデルは、目標速度に基づいて車両設計特性を考慮して予想速度を算出する車両特定モデルであることと、
前記予想速度と、目標速度に基づいて発信される速度制御コマンドに応答して得た前記自動運転車両の実際速度とに基づいて第一フィードバックパラメータを決定することと、
速度制御パラメータ調整モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すことと、
前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整することと、
調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成することと、を含む、
ことを特徴とするデータ処理システム。 - 前記速度コントローラの前記制御パラメータは、更に、第三フィードバックパラメータとする実際速度コマンドに基づいて調整され、前記実際速度コマンドは、前のコマンドサイクルにおいて次のコマンドサイクルの次の速度制御コマンドに用いられる前の速度制御コマンドを示す
ことを特徴とする請求項15に記載のシステム。 - 前記速度コントローラの前記制御パラメータは、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータに基づいて所定の加重アルゴリズムによって調整され、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータのそれぞれは、単独の重み因子に関連する
ことを特徴とする請求項16に記載のシステム。 - 前記実際速度コマンドは、最大のアクセルコマンド値のアクセルパーセンテージを含む
ことを特徴とする請求項16に記載のシステム。 - 前記パワートレーン参照モデルは、前記自動運転車両に関連するエンジン、変速機、動力伝達パラメータに基づいて生成される
ことを特徴とする請求項15に記載のシステム。 - 前記入力パラメータのセットは、前記時点において測定される天気状況、道路状況、風抵抗、地図位置、車両重量又はタイヤ空気圧のうちの少なくとも一つを含む
ことを特徴とする請求項15に記載のシステム。 - 前記入力パラメータのセットは、前記時点において前記自動運転車両に乗っている乗客のユーザ運転好みを更に含む
ことを特徴とする請求項20に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/379,345 US10442435B2 (en) | 2016-12-14 | 2016-12-14 | Speed control parameter estimation method for autonomous driving vehicles |
US15/379,345 | 2016-12-14 | ||
PCT/US2017/033923 WO2018111338A1 (en) | 2016-12-14 | 2017-05-23 | Speed control parameter estimation method for autonomous driving vehicles |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019502582A JP2019502582A (ja) | 2019-01-31 |
JP2019502582A5 true JP2019502582A5 (ja) | 2019-06-13 |
JP6585291B2 JP6585291B2 (ja) | 2019-10-02 |
Family
ID=62489986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018517836A Active JP6585291B2 (ja) | 2016-12-14 | 2017-05-23 | 自動運転車両の速度制御に用いられるパラメータの推定方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10442435B2 (ja) |
EP (1) | EP3353494B1 (ja) |
JP (1) | JP6585291B2 (ja) |
KR (1) | KR102042123B1 (ja) |
CN (1) | CN109196432B (ja) |
WO (1) | WO2018111338A1 (ja) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10438074B2 (en) * | 2017-06-14 | 2019-10-08 | Baidu Usa Llc | Method and system for controlling door locks of autonomous driving vehicles based on lane information |
US11029693B2 (en) * | 2017-08-08 | 2021-06-08 | Tusimple, Inc. | Neural network based vehicle dynamics model |
US11529950B2 (en) * | 2018-04-10 | 2022-12-20 | Pony Ai Inc. | Enhanced training information generation |
KR102416203B1 (ko) | 2018-06-01 | 2022-07-06 | 탈레스 캐나다 아이엔씨 | 자기-학습(self-learning) 차량 제어 시스템 |
US11066067B2 (en) * | 2018-06-29 | 2021-07-20 | Baidu Usa Llc | Planning parking trajectory for self-driving vehicles |
CN111033418B (zh) * | 2018-07-09 | 2023-08-08 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的速度控制命令自动校准系统 |
US10890914B2 (en) * | 2018-08-24 | 2021-01-12 | Baidu Usa Llc | Trigger logic to trigger sensors of an autonomous driving vehicle for capturing data |
DE102018131470A1 (de) * | 2018-12-07 | 2020-06-10 | Zf Active Safety Gmbh | Fahrerassistenzsystem und Verfahren zum assistierten Betreiben eines Kraftfahrzeugs |
US11834058B2 (en) | 2019-01-04 | 2023-12-05 | Toyota Research Institute, Inc. | Systems and methods for controlling a vehicle based on vehicle states and constraints of the vehicle |
JP7086111B2 (ja) * | 2019-01-30 | 2022-06-17 | バイドゥドットコム タイムズ テクノロジー (ベイジン) カンパニー リミテッド | 自動運転車のlidar測位に用いられるディープラーニングに基づく特徴抽出方法 |
US11669098B2 (en) | 2019-02-07 | 2023-06-06 | GM Global Technology Operations LLC | Method and apparatus for longitudinal motion control of a vehicle |
CN109799699B (zh) * | 2019-02-19 | 2022-06-07 | 阿波罗智能技术(北京)有限公司 | 自动驾驶系统控制参数处理方法、装置、设备、存储介质 |
EP3947089B1 (en) * | 2019-04-02 | 2023-01-11 | Volvo Truck Corporation | An on-board control system for operating a vehicle |
KR102616971B1 (ko) * | 2019-05-20 | 2023-12-27 | 현대모비스 주식회사 | 자율 주행 장치 및 방법 |
CN110285978A (zh) | 2019-07-01 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 车辆的动力参数测试方法、装置、存储介质及电子设备 |
US11724697B2 (en) | 2019-09-04 | 2023-08-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Geofenced AI controlled vehicle dynamics |
US11702087B2 (en) * | 2019-09-17 | 2023-07-18 | Baidu Usa Llc | Autonomous driving monitoring system |
US11548520B2 (en) * | 2019-10-11 | 2023-01-10 | Mitsubishi Electric Research Laboratories, Inc. | Control of autonomous vehicles adaptive to user driving preferences |
DE102019216150A1 (de) * | 2019-10-21 | 2021-04-22 | Robert Bosch Gmbh | Regelsystem für ein Kraftfahrzeug und ein Verfahren zum Anpassen des Regelsystems |
US11561543B2 (en) * | 2019-12-11 | 2023-01-24 | Baidu Usa Llc | Speed planning using a speed planning guideline for idle speed of autonomous driving vehicles |
KR102280989B1 (ko) | 2020-01-09 | 2021-07-26 | 주식회사 현대케피코 | 차량 목표차속 실시간 추종 학습 방법 및 차량 가감속력 학습 시스템 |
US11167770B2 (en) * | 2020-02-13 | 2021-11-09 | Baidu Usa Llc | Autonomous vehicle actuation dynamics and latency identification |
US20210263527A1 (en) * | 2020-02-24 | 2021-08-26 | Thales Canada Inc. | Controller, control system and method for vehicle control |
CN111409647B (zh) * | 2020-03-31 | 2023-04-07 | 潍柴动力股份有限公司 | 车速的修正方法及装置、车辆 |
CN111460667B (zh) * | 2020-04-02 | 2023-12-15 | 中车青岛四方机车车辆股份有限公司 | 一种模拟真实压力波环境的方法、装置、设备及介质 |
US11673584B2 (en) * | 2020-04-15 | 2023-06-13 | Baidu Usa Llc | Bayesian Global optimization-based parameter tuning for vehicle motion controllers |
US11453409B2 (en) * | 2020-04-21 | 2022-09-27 | Baidu Usa Llc | Extended model reference adaptive control algorithm for the vehicle actuation time-latency |
US11919537B2 (en) * | 2020-08-25 | 2024-03-05 | Baidu Usa Llc | IMU feedback based HD map speed limit adjustment system |
KR102431724B1 (ko) * | 2020-09-15 | 2022-08-12 | 인하대학교 산학협력단 | 센서 데이터를 통한 자율주행 차량의 실시간 다이나믹 추정 방법 및 장치 |
CN112758097B (zh) * | 2020-12-30 | 2022-06-03 | 北京理工大学 | 一种用于无人驾驶车辆的状态预测与估计方法 |
CN114194188B (zh) * | 2021-12-22 | 2022-08-26 | 北京轻舟智航智能技术有限公司 | 一种自动驾驶的油门控制方法 |
WO2024113087A1 (en) * | 2022-11-28 | 2024-06-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | On-board parameter tuning for control module for autonomous vehicles |
CN115923791A (zh) * | 2023-02-23 | 2023-04-07 | 北京易控智驾科技有限公司 | 无人驾驶矿用车辆控制方法、装置、电子设备及存储介质 |
CN116295389B (zh) * | 2023-05-23 | 2023-08-04 | 中国船舶集团有限公司第七〇七研究所 | 一种捷联罗经系统状态平稳切换方法、装置、设备和介质 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04339030A (ja) * | 1991-05-15 | 1992-11-26 | Toyota Central Res & Dev Lab Inc | 車両の速度制御装置 |
JPH0592731A (ja) * | 1991-10-01 | 1993-04-16 | Hitachi Ltd | 車両制御装置 |
WO2001038825A1 (en) | 1999-11-23 | 2001-05-31 | California Institute To Technology | Dynamically re-configurable cmos imagers for an active vision system |
JP3918686B2 (ja) * | 2002-08-30 | 2007-05-23 | 株式会社日立製作所 | 自動車の走行制御装置及び制御方法 |
US6990401B2 (en) * | 2002-10-04 | 2006-01-24 | Daimlerchrysler Ag | Predictive speed control for a motor vehicle |
US7706964B2 (en) * | 2006-06-30 | 2010-04-27 | Microsoft Corporation | Inferring road speeds for context-sensitive routing |
DE102008039950B4 (de) | 2008-08-27 | 2015-04-02 | Man Truck & Bus Ag | Verfahren, Vorrichtung und Straßenkraftfahrzeug mit einer Vorrichtung zum Ermitteln eines Fahrprofils für Straßenkraftfahrzeuge |
US8126642B2 (en) * | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
US8359149B2 (en) * | 2009-02-03 | 2013-01-22 | GM Global Technology Operations LLC | Method for integrating multiple feature adaptive cruise control |
US8509982B2 (en) * | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
US9015092B2 (en) | 2012-06-04 | 2015-04-21 | Brain Corporation | Dynamically reconfigurable stochastic learning apparatus and methods |
US20130197736A1 (en) * | 2012-01-30 | 2013-08-01 | Google Inc. | Vehicle control based on perception uncertainty |
WO2014027113A1 (en) * | 2012-08-16 | 2014-02-20 | Jaguar Land Rover Limited | Improvements in vehicle speed control |
US20140142996A1 (en) * | 2012-11-21 | 2014-05-22 | Mitchel Ian Skyer | System and method for passengers vehicle management |
EP2998178B1 (en) * | 2014-09-17 | 2022-01-26 | Volvo Car Corporation | Vehicle control through machine learning |
CN104766058B (zh) * | 2015-03-31 | 2018-04-27 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
CN105700538B (zh) * | 2016-01-28 | 2019-04-12 | 武汉光庭信息技术股份有限公司 | 基于神经网络和pid算法的轨迹跟随方法 |
CN106066644A (zh) * | 2016-06-17 | 2016-11-02 | 百度在线网络技术(北京)有限公司 | 建立智能车辆控制模型的方法、智能车辆控制方法及装置 |
CN106114507B (zh) * | 2016-06-21 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
-
2016
- 2016-12-14 US US15/379,345 patent/US10442435B2/en active Active
-
2017
- 2017-05-23 EP EP17847777.4A patent/EP3353494B1/en active Active
- 2017-05-23 JP JP2018517836A patent/JP6585291B2/ja active Active
- 2017-05-23 KR KR1020187009635A patent/KR102042123B1/ko active IP Right Grant
- 2017-05-23 CN CN201780003108.8A patent/CN109196432B/zh active Active
- 2017-05-23 WO PCT/US2017/033923 patent/WO2018111338A1/en unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019502582A5 (ja) | ||
EP3353494B1 (en) | Speed control parameter estimation method for autonomous driving vehicles | |
Ali et al. | The flatbed platoon towing model for safe and dense platooning on highways | |
JP7361775B2 (ja) | 自律運転のための個人運転スタイル学習 | |
CN102298326B (zh) | 欠驱动auv自适应轨迹跟踪控制装置及控制方法 | |
US11269329B2 (en) | Dynamic model with learning based localization correction system | |
CN106023715B (zh) | 基于多gps和角度传感器的驾驶人辅助训练系统及其控制算法 | |
US10272778B2 (en) | Method and system for determining unit gain of speed control for autonomous driving vehicles | |
JP2009018623A (ja) | 走行制御装置 | |
JP6929845B2 (ja) | 車両における車速をアダプティブに閉ループ制御する方法及びこの方法を実行する速度閉ループ制御装置 | |
JP6721121B2 (ja) | 制御カスタマイズシステム、制御カスタマイズ方法および制御カスタマイズプログラム | |
US20210341886A1 (en) | System and Method of Efficient, Continuous, and Safe Learning Using First Principles and Constraints | |
EP3868624A1 (en) | Method and system for actuating a control substem of an autonomous driving vehicle | |
US20220063651A1 (en) | Vehicle path planning | |
US11453409B2 (en) | Extended model reference adaptive control algorithm for the vehicle actuation time-latency | |
EP4020113A1 (en) | Dynamic model evaluation package for autonomous driving vehicles | |
US20210139007A1 (en) | Enhanced vehicle operation | |
JP2023508486A (ja) | 知的車両の制御方法、装置、および制御システム | |
CN108919799B (zh) | 一种网联智能车辆协作换道方法 | |
Luu et al. | Design and simulation implementation for adaptive cruise control systems of vehicles | |
CN115042816B (zh) | 路径跟踪方法、装置、设备、介质及程序 | |
Wang et al. | Design and implementation of an adaptive cruise control system based on supervised actor-critic learning | |
CN115534970A (zh) | 对车辆的行驶动态调节系统进行最佳参数化的方法和装置 | |
CN114253274A (zh) | 基于数据驱动的网联混合车辆编队滚动优化控制方法 | |
CN114987511A (zh) | 模拟人类驾驶行为以训练基于神经网络的运动控制器的方法 |