JP2020502615A - 自律走行車シミュレーションのためのシナリオ記述言語 - Google Patents
自律走行車シミュレーションのためのシナリオ記述言語 Download PDFInfo
- Publication number
- JP2020502615A JP2020502615A JP2019519980A JP2019519980A JP2020502615A JP 2020502615 A JP2020502615 A JP 2020502615A JP 2019519980 A JP2019519980 A JP 2019519980A JP 2019519980 A JP2019519980 A JP 2019519980A JP 2020502615 A JP2020502615 A JP 2020502615A
- Authority
- JP
- Japan
- Prior art keywords
- scenario
- primitive
- primitives
- computer
- permutations
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 93
- 230000009471 action Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 97
- 230000002123 temporal effect Effects 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 38
- 230000000670 limiting effect Effects 0.000 abstract description 18
- 230000003993 interaction Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 36
- 238000004891 communication Methods 0.000 description 35
- 238000012545 processing Methods 0.000 description 24
- 230000015654 memory Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 13
- 238000012795 verification Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000013500 data storage Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000013499 data model Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 101100521334 Mus musculus Prom1 gene Proteins 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013031 physical testing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013477 bayesian statistics method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Computational Mathematics (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Ecology (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Debugging And Monitoring (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
Description
本PCT国際出願は、2017年1月13日に出願された「SCENARIO DESCRIPTION LANGUAGE」と題する米国出願第15/405649号明細書に関し、2016年10月14日に出願された米国仮出願第62/408641号明細書の利益を主張し、内容全体が参照によって本明細書に組み込まれる。
上述したように、SDLは、プリミティブセットに基づいて構成される、高水準のシナリオを容易に定義することを可能にする。少なくとも1つの実施例において、プリミティブを、地図内など、環境内においてインスタンス化することができる。地図は、2次元または3次元であることが可能である。2次元および/または3次元の地図は、例えば、制限でないが、(例えば交差点などの)トポロジー、街路、山脈、道路、地形、および一般的な環境などの、環境についての情報を提供することが可能なあらゆる数のデータ構造であることが可能である。説明の目的のために、プリミティブは、シミュレーション環境の特定の側面を定義する。プリミティブの制限でない例は、座標系、条件、動作、エンティティ、エンティティ挙動、ノイズ、障害などを含む。
図1は、一実施例における、SDLを用いてシナリオがどのように生成されるかを大まかに例示するブロック図100である。示すように、プリミティブ110は、エンティティ112と、動作114と、条件116と、他のあらゆるプリミティブ型118(例えば、エンティティ挙動、ノイズ、障害など)を含むことができる。シナリオは、シナリオ記述言語120を使用して、高水準に定義することができる。シナリオ記述言語120は、前述のプリミティブ110に基づいてシナリオの容易な作成を可能にする。シナリオ記述言語120は、ユーザーに、1つまたは複数のプリミティブ110についての仕様を定義することを可能にする。例えば、ユーザーは、エンティティ挙動をエンティティ112に割り当てることによりエンティティのある速さ(または速度)を指定するだけでなく、ある寸法、姿勢を有するエンティティ112を(例えば、走路座標、慣性座標、またはセマンティック座標を使用して)定義することもできる。少なくとも1つの実施例において、少なくとも1つのプリミティブを、「自律走行車」として指定することができ、自律的なコントローラーに関連付けられて、シミュレーションの出力が上記の自律的コントローラーによって制御されるだろう自律走行車の挙動を検証するようにすることができる。
上の実施例は、どのようにSDLによりユーザーが単一のシナリオを容易に指定することができるようにするかを示したが、さらに、SDLは、ユーザーによって、より高水準の(すなわち、より一般的な)記述を与えられた多数のシナリオを、ユーザーに、即座に生成することができるようにする。高水準のユーザー記述に基づく多数のシナリオの今述べた作成は、直積と呼ばれる。直積は、テストシナリオを生成するために組み合わされる値を定義する、任意の個数の名づけられた引数を受け入れる。名づけられた各引数は、変数に対応することができる。変数の制限でない実施例は、道路上の車線における位置、時間、路面状態などを含むことができる。いくつかの実施例において、変数は、プリミティブに関連付けることができる。すなわち、プリミティブは、異なるシナリオを生成するために変化させることができる、いくつかの側面に関連付けることができる。名づけられた各引数は、対応する変数についての可能な値のリストを受け取る。少なくとも1つの実施例において、可能な値のリストの可能な値は、可能な値の範囲であることが可能である。そして、値のすべての組み合わせに対して割り当てられたパラメーターを保有する反復変数が、割り当てられる。各反復を、より特定的なシナリオに関連付けることができ、各シナリオを、テストおよび検証のためのシミュレーションにおける使用に対して出力することができる。
式1
パラメーター(変数1=[値1,値2],変数2=[値3,値4])
手短に図5を参照すると、コンピューター化されたシステム500は、本明細書において説明される技法を実装することができる例示的なコンピューター化されたシステムとして示す。コンピューター化されたシステム500は、ストレージ560と、プロセッサ570と、メモリ540と、オペレーティングシステム520とを有する、コンピューターシステム510を示す。ストレージ560、プロセッサ570、およびオペレーティングシステム520は、通信インフラストラクチャ550を介して、通信可能に結合することができる。オプションとして、コンピューターシステム510は、I/Oデバイス530を介してユーザーと、および通信インフラストラクチャ550を介してネットワーク580と対話することができる。オペレーティングシステム520は、アプリケーション502を制御するために、他のコンポーネントと対話することができる。アプリケーション502は、上で説明されたSDLに基づいてシナリオを生成するよう、プロセッサ570によって実行できることが可能である、シミュレーションアプリケーション504と、シミュレーション環境において作成されたシナリオに応答するよう、プロセッサ570によって実行できること可能である、自律的コントローラー506とを含むことができる。少なくとも1つの実施例において、自律的コントローラー506は、上で説明したように、さらに、自律走行車上において実行されるソフトウェアに対応する。したがって、自律的コントローラー506の応答は、自律走行車が実際の環境においてどのように応答する可能性が高いかを表すことができる。
図6〜8は、本明細書において説明されるSDLを利用して、シミュレーション環境においてシナリオを構成する例示的な処理を例示する。図6〜8は、図1〜5の文脈において説明されるが、上記の文脈に制限しない。
A.シミュレーション環境におけるシナリオを生成するためのコンピューターに実装される方法であって、コンピューターに実装される方法は、シナリオにおいてインスタンス化されるための少なくとも第1のプリミティブを定義する命令を受け取ることであって、第1のプリミティブが自律走行車に対応し、第1のプリミティブに割り当てられる1つまたは複数の値に関連付けられる命令を受け取ることと、1つまたは複数の値に少なくとも部分的に基づいて、第1のプリミティブに関する順列のセットを作成することであって、各順列が1つまたは複数の値のうちの異なる値に関連付けられ、複数のシナリオを生成するために地図内において順列の各々をインスタンス化することであって、各シナリオが順列のセットのうちの順列に対応し、複数のシナリオのうちのシナリオに関連付けられた情報を決定することであって、情報が、自律走行車に関連付けられた、シミュレーション環境において作成されたシナリオを与えられた自律的コントローラーがどのように応答するかを記述する、を含む。
本明細書において説明される技法の1つまたは複数の実施例を説明したが、それらの様々な改変、追加、置換、および同等物は、本明細書において説明される技法の範囲内に含まれる。
Claims (20)
- シミュレーション環境におけるシナリオを生成するためのコンピューターに実装される方法であって、
前記シナリオにおいてインスタンス化されるための少なくとも第1のプリミティブを定義する命令を受け取るステップであって、前記第1のプリミティブが自律走行車に対応する、ステップと、
前記第1のプリミティブに割り当てられる1つまたは複数の値に関連付けられた命令を受け取るステップと、
前記1つまたは複数の値に少なくとも部分的に基づいて、前記第1のプリミティブに関する順列のセットを作成するステップであって、各順列が前記1つまたは複数の値のうちの異なる値に関連付けられる、ステップと、
地図内において前記順列の各々をインスタンス化して複数のシナリオを生成するステップであって、各シナリオが前記順列のセットのうちの順列に対応する、ステップと、
前記複数のシナリオのうちのシナリオに関連付けられた情報を決定するステップであって、前記情報は、前記自律走行車に関連付けられた、前記シミュレーション環境において作成された前記シナリオを与えられた自律的コントローラーがどのように応答するかを記述する、ステップと
を含むことを特徴とするコンピューターに実装される方法。 - 前記第1のプリミティブは、寸法の定義されたセット、姿勢、または前記シミュレーション環境において前記第1のプリミティブを描画するためのメッシュを有するもののうちの1つまたは複数に関連付けられることを特徴とする請求項1に記載のコンピューターに実装される方法。
- 前記姿勢は、慣性座標系、地図ベースの座標系、または走路ベースの座標系によって定義されることを特徴とする請求項2に記載のコンピューターに実装される方法。
- 前記第1のプリミティブは、前記第1のプリミティブが前記シナリオにおいてどのように振る舞うかを示すエンティティ挙動に関連付けられることを特徴とする請求項2に記載のコンピューターに実装される方法。
- 前記命令は、前記第1のプリミティブと少なくとも第2のプリミティブとの間のアソシエーションを定義するシーケンスをさらに含み、前記シーケンスが逐次順に実行される多数のステップを含むことを特徴とする請求項1に記載のコンピューターに実装される方法。
- 前記第2のプリミティブは、第2のエンティティに対応することを特徴とする請求項5に記載のコンピューターに実装される方法。
- 前記第2のエンティティは、静的エンティティまたは動的エンティティであることを特徴とする請求項6に記載のコンピューターに実装される方法。
- 前記第2のプリミティブは、条件、動作、障害、またはノイズに対応することを特徴とする請求項5に記載のコンピューターに実装される方法。
- シミュレーション環境におけるシナリオを生成するためのシステムであって、
1つまたは複数のプロセッサと、
前記1つまたは複数のプロセッサによって実行可能な命令を格納する1つまたは複数の非一時的なコンピューター読み取り可能な媒体であって、前記命令は、
前記シミュレーション環境における少なくとも1つのシナリオにおいてインスタンス化されるためのプリミティブセットを定義する命令を受け取ることと、
前記プリミティブセットのうちの個々のプリミティブ間のアソシエーションを定義する第1のシーケンスを受け取ることと、
前記シミュレーション環境内において前記第1のシーケンスをインスタンス化して第1のシナリオを生成することと、
前記第1のシナリオに関連付けられた情報を決定することであって、前記情報は、前記シミュレーション環境において作成された前記少なくとも1つのシナリオを与えられた自律的コントローラーがどのように応答するかを記述する、決定することと
を含む動作を実行するよう前記1つまたは複数のプロセッサをプログラムする、1つまたは複数の非一時的なコンピューター読み取り可能な媒体と
を備えたことを特徴とするシステム。 - 前記第1のシーケンスは、少なくとも1つのサブシーケンスを含むことを特徴とする請求項9に記載のシステム。
- 前記第1のシーケンスは、線形時相論理を使用して定義されることを特徴とする請求項9に記載のシステム。
- 前記動作は、
前記第1のシーケンスに関連付けられた直積を受け取ることであって、前記直積が2つ以上の変数、および前記2つ以上の変数のうちの各変数に関連付けられた2つ以上の可能な値を含み、前記2つ以上の変数のうちの各変数が前記プリミティブセットのうちのプリミティブに関連付けられる、受け取ることと、
前記2つ以上の変数のうちの各変数に関連付けられた前記2つ以上の可能な値の各可能な組み合わせを含む順列のセットを作成することと、
前記シミュレーション環境内において前記順列のセットのうちの各順列をインスタンス化することであって、各順列が新しいシナリオに対応する、インスタンス化することと、
新しい各シナリオについての結果を決定することであって、前記結果が成功または不成功である、決定することと
をさらに含むことを特徴とする請求項9に記載のシステム。 - 前記動作は、
前記プリミティブセットのうちの個々のプリミティブ間の異なるアソシエーションを定義する第2のシーケンスを受け取ることと、
前記シミュレーション環境内において前記第2のシーケンスをインスタンス化して第2のシナリオを生成することと
をさらに含むことを特徴とする請求項9に記載のシステム。 - 前記動作は、前記第1のシーケンスおよび前記第2のシーケンスを実質的に同時にインスタンス化することをさらに含むことを特徴とする請求項13に記載のシステム。
- 前記第1のシナリオに関連付けられた情報を決定することは、前記シミュレーション環境において作成された前記少なくとも1つのシナリオを与えられた前記自律的コントローラーがどのように応答するかを検証することを含むことを特徴とする請求項9に記載のシステム。
- 前記第1のシナリオに関連付けられた情報を決定することは、前記シミュレーション環境において作成された前記少なくとも1つのシナリオを与えられた前記自律的コントローラーの作動空間を決定することを含むことを特徴とする請求項9に記載のシステム。
- 前記第1のシナリオに関連付けられた情報を決定することは、前記シミュレーション環境において作成された前記少なくとも1つのシナリオを与えられた前記自律的コントローラーがどのように応答するかを考慮して前記自律的コントローラーの作動または設計の少なくとも一方を改善するためのフィードバックを生成することを含むことを特徴とする請求項9に記載のシステム。
- 実行されたときに、1つまたは複数のプロセッサに、
少なくとも1つのシミュレートされるシナリオを生成するためのシーケンスの一部として、プリミティブの可能な組み合わせのサブセットを受け取ることと、
順列のセットを作成することであって、各順列が前記プリミティブの可能な組み合わせのサブセットからのプリミティブの1つの可能な組み合わせを含む、作成することと、
地図内において前記順列のセットのうちの各順列をインスタンス化することであって、各順列がシミュレートされるシナリオに対応する、インスタンス化することと、
各シミュレートされるシナリオについての結果を決定することであって、前記結果が成功または不成功である、決定することと
を含む動作を実行させる命令のセットを有することを特徴とする非一時的なコンピューター読み取り可能な媒体。 - 前記動作は、
前記順列のセットのうちの2つ以上の順列が同じ結果に関連付けられることを決定することと、
前記2つ以上の順列が冗長であることを決定することと、
将来のインスタンス化において前記2つ以上の順列のうちの各順列の代わりに前記2つ以上の順列のうちのただ1つの順列をインスタンス化することと
をさらに含むことを特徴とする請求項18に記載の非一時的なコンピューター読み取り可能な媒体。 - 前記地図内において前記プリミティブの各順列をインスタンス化することは、実質的に同時に並列して実行されることを特徴とする請求項18に記載の非一時的なコンピューター読み取り可能な媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022116396A JP7500663B2 (ja) | 2016-10-14 | 2022-07-21 | 自律走行車シミュレーションのためのシナリオ記述言語 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662408641P | 2016-10-14 | 2016-10-14 | |
US62/408,641 | 2016-10-14 | ||
US15/405,649 US10489529B2 (en) | 2016-10-14 | 2017-01-13 | Scenario description language |
US15/405,649 | 2017-01-13 | ||
PCT/US2017/056398 WO2018071708A1 (en) | 2016-10-14 | 2017-10-12 | Scenario description language for autonomous vehicle simulation |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022116396A Division JP7500663B2 (ja) | 2016-10-14 | 2022-07-21 | 自律走行車シミュレーションのためのシナリオ記述言語 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020502615A true JP2020502615A (ja) | 2020-01-23 |
JP7111702B2 JP7111702B2 (ja) | 2022-08-02 |
Family
ID=61903894
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019519980A Active JP7111702B2 (ja) | 2016-10-14 | 2017-10-12 | 自律走行車シミュレーションのためのシナリオ記述言語 |
JP2022116396A Active JP7500663B2 (ja) | 2016-10-14 | 2022-07-21 | 自律走行車シミュレーションのためのシナリオ記述言語 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022116396A Active JP7500663B2 (ja) | 2016-10-14 | 2022-07-21 | 自律走行車シミュレーションのためのシナリオ記述言語 |
Country Status (5)
Country | Link |
---|---|
US (2) | US10489529B2 (ja) |
EP (1) | EP3526698A1 (ja) |
JP (2) | JP7111702B2 (ja) |
CN (1) | CN110073352B (ja) |
WO (1) | WO2018071708A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220066711A (ko) * | 2020-11-16 | 2022-05-24 | (주)이노시뮬레이션 | 자율주행 분산 시뮬레이션 동기 제어 방법 |
US20220197280A1 (en) * | 2020-12-22 | 2022-06-23 | Uatc, Llc | Systems and Methods for Error Sourcing in Autonomous Vehicle Simulation |
JP2022533292A (ja) * | 2019-12-17 | 2022-07-22 | フォレテリックス リミテッド | 自律車両の適切な挙動を監視するためのシステム及びその方法 |
WO2022180901A1 (ja) * | 2021-02-24 | 2022-09-01 | 日立Astemo株式会社 | シミュレーション方法及び装置 |
Families Citing this family (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10489529B2 (en) | 2016-10-14 | 2019-11-26 | Zoox, Inc. | Scenario description language |
US10942525B2 (en) | 2017-05-09 | 2021-03-09 | Uatc, Llc | Navigational constraints for autonomous vehicles |
US10762447B2 (en) | 2017-05-23 | 2020-09-01 | Uatc, Llc | Vehicle selection for on-demand transportation services |
US10262471B2 (en) | 2017-05-23 | 2019-04-16 | Uber Technologies, Inc. | Autonomous vehicle degradation level monitoring |
US10489721B2 (en) | 2017-05-23 | 2019-11-26 | Uatc, Llc | Path segment risk regression system for on-demand transportation services |
US10884902B2 (en) * | 2017-05-23 | 2021-01-05 | Uatc, Llc | Software version verification for autonomous vehicles |
US11282009B2 (en) | 2017-05-23 | 2022-03-22 | Uatc, Llc | Fleet utilization efficiency for on-demand transportation services |
US10697789B2 (en) | 2017-05-23 | 2020-06-30 | Uatc, Llc | Individualized risk routing for human drivers |
US10789835B2 (en) | 2017-05-23 | 2020-09-29 | Uatc, Llc | Fractional risk performance evaluation for autonomous vehicles |
US11282016B2 (en) | 2017-05-23 | 2022-03-22 | Uatc, Llc | Individualized risk vehicle matching for an on-demand transportation service |
US11288612B2 (en) | 2017-05-23 | 2022-03-29 | Uatc, Llc | Generalized risk routing for human drivers |
US10501091B2 (en) | 2017-05-23 | 2019-12-10 | Uber Technologies, Inc. | Software version and mode switching for autonomous vehicles |
US11080806B2 (en) | 2017-05-23 | 2021-08-03 | Uber Technologies, Inc. | Non-trip risk matching and routing for on-demand transportation services |
US10831202B1 (en) | 2017-09-01 | 2020-11-10 | Zoox, Inc. | Onboard use of scenario description language |
US10599546B1 (en) * | 2017-10-25 | 2020-03-24 | Uatc, Llc | Autonomous vehicle testing systems and methods |
US10831636B2 (en) | 2018-01-08 | 2020-11-10 | Waymo Llc | Software validation for autonomous vehicles |
CN110462543B (zh) * | 2018-03-08 | 2022-09-30 | 百度时代网络技术(北京)有限公司 | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 |
US11954651B2 (en) * | 2018-03-19 | 2024-04-09 | Toyota Jidosha Kabushiki Kaisha | Sensor-based digital twin system for vehicular analysis |
US11086318B1 (en) | 2018-03-21 | 2021-08-10 | Uatc, Llc | Systems and methods for a scenario tagger for autonomous vehicles |
WO2019183609A1 (en) | 2018-03-23 | 2019-09-26 | NetraDyne, Inc. | Traffic boundary mapping |
US11561541B2 (en) | 2018-04-09 | 2023-01-24 | SafeAI, Inc. | Dynamically controlling sensor behavior |
US11467590B2 (en) | 2018-04-09 | 2022-10-11 | SafeAI, Inc. | Techniques for considering uncertainty in use of artificial intelligence models |
US11625036B2 (en) | 2018-04-09 | 2023-04-11 | SafeAl, Inc. | User interface for presenting decisions |
US11169536B2 (en) | 2018-04-09 | 2021-11-09 | SafeAI, Inc. | Analysis of scenarios for controlling vehicle operations |
US11287816B2 (en) | 2018-06-11 | 2022-03-29 | Uatc, Llc | Navigational constraints for autonomous vehicles |
US10795804B1 (en) | 2018-08-21 | 2020-10-06 | Waymo Llc | Collision evaluation for log-based simulations |
US11030364B2 (en) * | 2018-09-12 | 2021-06-08 | Ford Global Technologies, Llc | Evaluating autonomous vehicle algorithms |
CN109408984B (zh) * | 2018-11-01 | 2022-10-11 | 西北工业大学 | 一种cps场景建模方法及装置 |
CN111177878B (zh) * | 2018-11-09 | 2023-06-27 | 百度在线网络技术(北京)有限公司 | 衍生仿真场景筛选方法、装置和终端 |
US11814059B1 (en) * | 2019-04-05 | 2023-11-14 | Zoox, Inc. | Simulating autonomous driving using map data and driving data |
US20200409369A1 (en) * | 2019-06-25 | 2020-12-31 | Uatc, Llc | System and Methods for Autonomous Vehicle Testing |
CN110597086B (zh) * | 2019-08-19 | 2023-01-13 | 深圳元戎启行科技有限公司 | 仿真场景生成方法、无人驾驶系统测试方法以及装置 |
EP3832548A1 (en) * | 2019-12-06 | 2021-06-09 | Universität Stuttgart | Method for testing and testing device |
CN111324945B (zh) | 2020-01-20 | 2023-09-26 | 阿波罗智能技术(北京)有限公司 | 传感器方案确定方法、装置、设备及存储介质 |
CN111290381A (zh) * | 2020-02-10 | 2020-06-16 | 深圳前海微众银行股份有限公司 | 基于无人车的联邦学习实验系统 |
US11429107B2 (en) | 2020-02-21 | 2022-08-30 | Argo AI, LLC | Play-forward planning and control system for an autonomous vehicle |
US11643105B2 (en) | 2020-02-21 | 2023-05-09 | Argo AI, LLC | Systems and methods for generating simulation scenario definitions for an autonomous vehicle system |
CN111524237B (zh) * | 2020-04-23 | 2022-11-04 | 九江精密测试技术研究所 | 一种用于汽车模拟器中的汽车与地形交互仿真方法 |
CN111797000B (zh) * | 2020-05-27 | 2024-06-21 | 中汽数据有限公司 | 一种基于梯度提升决策树模型的场景复杂度评估方法 |
CN111680362B (zh) * | 2020-05-29 | 2023-08-11 | 北京百度网讯科技有限公司 | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 |
CN112036001B (zh) * | 2020-07-01 | 2024-04-23 | 长安大学 | 自动驾驶测试场景构建方法、装置、设备及可读存储介质 |
CN111870949B (zh) * | 2020-07-31 | 2024-06-04 | 深圳市腾讯网域计算机网络有限公司 | 游戏场景中的对象处理方法、装置及电子设备 |
US11648959B2 (en) | 2020-10-20 | 2023-05-16 | Argo AI, LLC | In-vehicle operation of simulation scenarios during autonomous vehicle runs |
CN112464462B (zh) * | 2020-11-20 | 2021-10-01 | 北京赛目科技有限公司 | 一种仿真运行数据的处理方法及装置 |
US12019449B2 (en) | 2021-02-18 | 2024-06-25 | Argo AI, LLC | Rare event simulation in autonomous vehicle motion planning |
CN113221359B (zh) * | 2021-05-13 | 2024-03-01 | 京东鲲鹏(江苏)科技有限公司 | 一种仿真场景生成方法、装置、设备及存储介质 |
CN113177266B (zh) * | 2021-05-21 | 2024-08-30 | 深圳安途智行科技有限公司 | 仿真方法、仿真计算机设备及计算机可读存储介质 |
CN113419850B (zh) * | 2021-06-11 | 2022-07-19 | 中国人民解放军军事科学院国防科技创新研究院 | 一种实体的并行仿真方法、装置、电子设备及存储介质 |
CN113836701A (zh) * | 2021-09-03 | 2021-12-24 | 东风小康汽车有限公司重庆分公司 | 一种仿真场景构建方法、装置、计算机设备和存储介质 |
CN113793527B (zh) * | 2021-09-14 | 2022-11-18 | 北京石油化工学院 | 一种面向城市交通主动控制的测试验证系统 |
FR3127313A1 (fr) * | 2021-09-17 | 2023-03-24 | Institut De Recherche Technologique Systemx | Procédé d’évaluation des performances d’un modèle de conduite pour un véhicule |
US11550851B1 (en) * | 2022-02-10 | 2023-01-10 | Motional Ad Llc | Vehicle scenario mining for machine learning models |
CN115438517B (zh) * | 2022-11-07 | 2023-03-24 | 阿里巴巴达摩院(杭州)科技有限公司 | 仿真地图生成方法、电子设备及计算机存储介质 |
DE102022132922A1 (de) | 2022-12-12 | 2024-06-13 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren und System zur virtuellen Verifikation von automatisierten Fahrfunktionen |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015132863A1 (ja) * | 2014-03-03 | 2015-09-11 | 三菱電機株式会社 | シミュレーションシステム及びシミュレーション設定装置及びシミュレーション方法 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006047741A2 (en) * | 2004-10-27 | 2006-05-04 | Bae Systems Land & Armaments L.P. | Software test environment for regression testing ground combat vehicle software |
JP2008075810A (ja) | 2006-09-22 | 2008-04-03 | Mitsubishi Fuso Truck & Bus Corp | 変速機のアイドル騒音低減のための設計変数最適化方法及び変速機のアイドル騒音低減のための設計変数最適化プログラム |
RU2010136929A (ru) * | 2008-02-04 | 2012-03-20 | Теле Атлас Норт Америка Инк. (Us) | Способ для согласования карты с обнаруженными датчиком объектами |
JP2009259194A (ja) | 2008-03-17 | 2009-11-05 | Mitsubishi Fuso Truck & Bus Corp | 設計最適化方法及びその方法を用いた装置 |
US8229718B2 (en) * | 2008-12-23 | 2012-07-24 | Microsoft Corporation | Use of scientific models in environmental simulation |
US8270733B2 (en) * | 2009-08-31 | 2012-09-18 | Behavioral Recognition Systems, Inc. | Identifying anomalous object types during classification |
GB201008332D0 (en) | 2010-05-19 | 2010-07-07 | Bae Systems Plc | System validation |
US9201773B1 (en) * | 2011-05-08 | 2015-12-01 | Panaya Ltd. | Generating test scenario templates based on similarity of setup files |
US9442181B2 (en) | 2012-07-18 | 2016-09-13 | Microsoft Technology Licensing, Llc | Prediction for power conservation in a mobile device |
US8930180B1 (en) * | 2012-08-15 | 2015-01-06 | The Boeing Company | Rapid scenario generation using natural language understanding |
US10180995B2 (en) * | 2013-07-15 | 2019-01-15 | The Boeing Company | System and method for assessing cumulative effects of a failure |
JP6207960B2 (ja) * | 2013-10-10 | 2017-10-04 | 東京カートグラフィック株式会社 | 信号機表示装置 |
US20160210382A1 (en) | 2015-01-21 | 2016-07-21 | Ford Global Technologies, Llc | Autonomous driving refined in virtual environments |
US9459840B1 (en) * | 2015-03-31 | 2016-10-04 | Toyota Jidosha Kabushiki Kaisha | Timing-oriented and architecture-centric system design using contracts |
US9511767B1 (en) | 2015-07-01 | 2016-12-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle action planning using behavior prediction |
US10229231B2 (en) | 2015-09-11 | 2019-03-12 | Ford Global Technologies, Llc | Sensor-data generation in virtual driving environment |
US10176634B2 (en) | 2015-10-16 | 2019-01-08 | Ford Global Technologies, Llc | Lane boundary detection data generation in virtual environment |
US10527730B2 (en) | 2015-10-22 | 2020-01-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Object detection system |
US9740944B2 (en) | 2015-12-18 | 2017-08-22 | Ford Global Technologies, Llc | Virtual sensor data generation for wheel stop detection |
US9645577B1 (en) | 2016-03-23 | 2017-05-09 | nuTonomy Inc. | Facilitating vehicle driving and self-driving |
CN109791575B (zh) * | 2016-05-24 | 2024-05-14 | 科特罗尔有限责任公司 | 一种应用于机电系统的自动化设计系统及方法 |
US10248124B2 (en) * | 2016-07-21 | 2019-04-02 | Mobileye Vision Technologies, Inc. | Localizing vehicle navigation using lane measurements |
US10489529B2 (en) | 2016-10-14 | 2019-11-26 | Zoox, Inc. | Scenario description language |
US10228693B2 (en) | 2017-01-13 | 2019-03-12 | Ford Global Technologies, Llc | Generating simulated sensor data for training and validation of detection models |
US20180267538A1 (en) | 2017-03-15 | 2018-09-20 | Toyota Jidosha Kabushiki Kaisha | Log-Based Vehicle Control System Verification |
US10831202B1 (en) | 2017-09-01 | 2020-11-10 | Zoox, Inc. | Onboard use of scenario description language |
-
2017
- 2017-01-13 US US15/405,649 patent/US10489529B2/en active Active
- 2017-10-12 CN CN201780075678.8A patent/CN110073352B/zh active Active
- 2017-10-12 WO PCT/US2017/056398 patent/WO2018071708A1/en unknown
- 2017-10-12 EP EP17792243.2A patent/EP3526698A1/en active Pending
- 2017-10-12 JP JP2019519980A patent/JP7111702B2/ja active Active
-
2019
- 2019-10-18 US US16/657,232 patent/US11301601B2/en active Active
-
2022
- 2022-07-21 JP JP2022116396A patent/JP7500663B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015132863A1 (ja) * | 2014-03-03 | 2015-09-11 | 三菱電機株式会社 | シミュレーションシステム及びシミュレーション設定装置及びシミュレーション方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022533292A (ja) * | 2019-12-17 | 2022-07-22 | フォレテリックス リミテッド | 自律車両の適切な挙動を監視するためのシステム及びその方法 |
JP7296465B2 (ja) | 2019-12-17 | 2023-06-22 | フォレテリックス リミテッド | 自律車両の適切な挙動を監視するためのシステム及びその方法 |
KR20220066711A (ko) * | 2020-11-16 | 2022-05-24 | (주)이노시뮬레이션 | 자율주행 분산 시뮬레이션 동기 제어 방법 |
KR102412539B1 (ko) | 2020-11-16 | 2022-06-23 | (주)이노시뮬레이션 | 자율주행 분산 시뮬레이션 동기 제어 방법 |
US20220197280A1 (en) * | 2020-12-22 | 2022-06-23 | Uatc, Llc | Systems and Methods for Error Sourcing in Autonomous Vehicle Simulation |
WO2022180901A1 (ja) * | 2021-02-24 | 2022-09-01 | 日立Astemo株式会社 | シミュレーション方法及び装置 |
DE112021006082T5 (de) | 2021-02-24 | 2023-10-12 | Hitachi Astemo, Ltd. | Simulationsverfahren und -vorrichtung |
Also Published As
Publication number | Publication date |
---|---|
WO2018071708A1 (en) | 2018-04-19 |
US11301601B2 (en) | 2022-04-12 |
EP3526698A1 (en) | 2019-08-21 |
CN110073352A (zh) | 2019-07-30 |
US10489529B2 (en) | 2019-11-26 |
JP7500663B2 (ja) | 2024-06-17 |
JP2022165991A (ja) | 2022-11-01 |
US20180107770A1 (en) | 2018-04-19 |
US20200050721A1 (en) | 2020-02-13 |
CN110073352B (zh) | 2023-07-14 |
JP7111702B2 (ja) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7500663B2 (ja) | 自律走行車シミュレーションのためのシナリオ記述言語 | |
US11360477B2 (en) | Trajectory generation using temporal logic and tree search | |
US11740626B2 (en) | Redundant pose generation system | |
US20210132613A1 (en) | Onboard use of scenario description language | |
US20070271079A1 (en) | Simulator for Vehicle Radio Propagation Including Shadowing Effects | |
US11767030B1 (en) | Scenario simulation execution within a truncated parameter space | |
US11673577B2 (en) | System and methods of adaptive relevancy prediction for autonomous driving | |
CN113485300B (zh) | 一种基于强化学习的自动驾驶车辆碰撞测试方法 | |
KR20220160391A (ko) | Rnn 기반 멀티에이전트 심층강화학습을 활용한 충돌없는 경로 생성 방법 | |
Debner | Performance evaluation of a machine learning environment for intelligent transportation systems | |
US20240303501A1 (en) | Imitation and reinforcement learning for multi-agent simulation | |
US20240300527A1 (en) | Diffusion for realistic scene generation | |
Raghothama et al. | Architectures for distributed, interactive and integrated traffic simulations | |
Scapicchi | AR-Sim: A High-fidelity 3D Simulator for Autonomous Racecars | |
Premi | Autonomous robot exploration using deep learning: an experimental analysis | |
WO2024098163A1 (en) | Neural hash grid based multi-sensor simulation | |
WO2023150876A1 (en) | Autonomous system training and testing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190613 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200806 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211008 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220210 |
|
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: 20220621 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220721 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7111702 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |