JP2021046193A - 混雑した道路における協働認識車線変更制御を提供するためのシステム及び方法 - Google Patents
混雑した道路における協働認識車線変更制御を提供するためのシステム及び方法 Download PDFInfo
- Publication number
- JP2021046193A JP2021046193A JP2020142594A JP2020142594A JP2021046193A JP 2021046193 A JP2021046193 A JP 2021046193A JP 2020142594 A JP2020142594 A JP 2020142594A JP 2020142594 A JP2020142594 A JP 2020142594A JP 2021046193 A JP2021046193 A JP 2021046193A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- control
- surrounding
- data
- controller
- 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 abstract description 85
- 230000008859 change Effects 0.000 title claims abstract description 50
- 230000033001 locomotion Effects 0.000 claims abstract description 37
- 238000013528 artificial neural network Methods 0.000 claims abstract description 21
- 230000000306 recurrent effect Effects 0.000 claims abstract description 21
- 230000002452 interceptive effect Effects 0.000 claims abstract description 3
- 230000003993 interaction Effects 0.000 claims description 35
- 230000007613 environmental effect Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000004806 packaging method and process Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 14
- 230000001133 acceleration Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012546 transfer Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- B60W2554/80—Spatial relation or speed relative to objects
Abstract
Description
I.システムの概要
II.協働認識混雑道路制御アプリケーション及び関連方法
式中z=[xyψv]T及びu=[aδ]Tである。したがって、自車両102の将来の状態は、自車両102の中心点の将来の予測される位置と、自車両102の将来の予測される初期進行方向と、自車両102の将来の予測される速度と、自車両102の将来の予測される加速度と、自車両102の将来の予測される操舵角(例えば、t+1時間枠)と、を含んでもよい。自車両102の将来の状態は、1つ以上の将来の時間枠において、自車両102と関連付けられた追加又は代替の将来予測される動的パラメータを含んでもよいことが理解される。
Claims (20)
- 混雑した道路における協働認識車線変更制御を提供するためのコンピュータ実装方法であって、
自車両と関連付けられた車両動的データを受信することと、
前記自車両の周囲環境と関連付けられた環境データを受信することと、
前記車両動的データを分析するための分析器及び前記環境データを分析するためのリカレントニューラルネットワークを含むコントローラを利用することであって、前記分析器が、前記自車両の将来の状態を予測するように構成されており、前記リカレントニューラルネットワークが、前記自車両の前記周囲環境内に位置する周囲車両の相互作用運動を予測するように構成されている、利用することと、
前記自車両の前記将来の状態及び前記周囲車両の前記予測される相互作用運動を順次評価して、前記混雑した道路における前記協働認識車線変更制御を促進する、ヒューリスティックアルゴリズムを実行することと、を含む、方法。 - 車両動的データを受信することが、複数の自車両動的パラメータと関連付けられた前記車両動的データを分析することと、前記車両動的データを、前記自車両の現在の状態の形態で電子的にパッケージ化することと、を含む、請求項1に記載のコンピュータ実装方法。
- 前記環境データを受信することが、前記自車両の前記周囲環境と関連付けられた画像データ及びLiDARデータを受信することを含み、前記画像データ及び前記LiDARデータが集約され、前記周囲車両の位置と関連付けられた位置座標が判定される、請求項2に記載のコンピュータ実装方法。
- 前記コントローラを利用することが、前記現在の状態を前記分析器に入力して、前記車両動的データを分析することを含み、前記分析器が、モデル予測制御を使用するように構成されており、前記車両動的データに基づいて、前記自車両の前記将来の状態を予測するために非線形の自転車運動学モデルを使用し、前記自車両の前記将来の状態が、前記自車両の中心点の将来の予測される位置を含む、請求項3に記載のコンピュータ実装方法。
- 前記コントローラを利用することが、位置データを前記リカレントニューラルネットワークに入力して、前記環境データを分析することを含み、目標車線に車線を円滑に変更するための制御目的が、前記制御目的に適合する制御制約条件を計算するように処理される、請求項3に記載のコンピュータ実装方法。
- 前記制御制約条件は、前記自車両が、前記周囲車両の閾値距離未満近づかず、前記自車両の経路が、前記周囲車両の経路と重複しないことを確実とするように許容された、前記自車両と前記周囲車両との間の最小距離と関連付けられている最小距離閾値を含む、請求項5に記載のコンピュータ実装方法。
- 前記リカレントニューラルネットワークが、前記周囲車両の運動状態をプールして、それらの相互作用を評価する訓練された社会的敵対的生成ネットワークとして構成され、互いに社会的に相互作用している前記周囲車両の各々の複数の軌跡が予測され、予測対象期間にわたる前記周囲車両の各々の位置のシーケンスが出力される、請求項6に記載のコンピュータ実装方法。
- 前記ヒューリスティックアルゴリズムを実行することが、前記自車両の前記状態及び前記予測対象期間にわたる前記周囲車両の各々の位置の前記シーケンスに基づいて、制御候補を処理することを含み、前記ヒューリスティックアルゴリズムが、車線変更操作中の前記自車両の潜在的制御と関連付けられた見込み車両動的パラメータを含む制御候補を生成するように実行される、請求項7に記載のコンピュータ実装方法。
- 前記制御候補が、前記制御制約条件と比較されて、前記制御制約条件に従う制御候補を判定し、前記制御制約条件に従う少なくとも1つの制御候補が、前記目標車線に車線を円滑に変更するために、前記自車両を動作可能に制御して、前記混雑した道路における前記協働認識車線変更制御を促進するために実行される、自律制御パラメータを出力するために前記コントローラによって利用される、請求項8に記載のコンピュータ実装方法。
- 混雑した道路における協働認識車線変更制御を提供するためのシステムであって、
命令を記憶しているメモリを備え、前記命令は、プロセッサによって実行されると、前記プロセッサに、
自車両と関連付けられた車両動的データを受信することと、
前記自車両の周囲環境と関連付けられた環境データを受信することと、
前記車両動的データを分析するための分析器及び前記環境データを分析するためのリカレントニューラルネットワークを含むコントローラを利用することであって、前記分析器が、前記自車両の将来の状態を予測するように構成されており、前記リカレントニューラルネットワークが、前記自車両の前記周囲環境内に位置する周囲車両の相互作用運動を予測するように構成されている、利用することと、
前記自車両の前記将来の状態及び前記周囲車両の前記予測される相互作用運動を順次評価して、前記混雑した道路における前記協働認識車線変更制御を促進する、ヒューリスティックアルゴリズムを実行することと、を行わせる、システム。 - 車両動的データを受信することが、複数の自車両動的パラメータと関連付けられた前記車両動的データを分析することと、前記車両動的データを、前記自車両の現在の状態の形態で電子的にパッケージ化することと、を含む、請求項10に記載のシステム。
- 前記環境データを受信することが、前記自車両の前記周囲環境と関連付けられた画像データ及びLiDARデータを受信することを含み、前記画像データ及び前記LiDARデータが集約され、前記周囲車両の位置と関連付けられた位置座標が判定される、請求項11に記載のシステム。
- 前記コントローラを利用することが、前記現在の状態を前記分析器に入力して、前記車両動的データを分析することを含み、前記分析器が、モデル予測制御を使用するように構成されており、前記車両動的データに基づいて、前記自車両の前記将来の状態を予測するために非線形の自転車運動学モデルを使用し、前記自車両の前記将来の状態が、前記自車両の中心点の将来の予測される位置を含む、請求項12に記載のシステム。
- 前記コントローラを利用することが、前記位置データを前記リカレントニューラルネットワークに入力して、前記環境データを分析することを含み、目標車線に車線を円滑に変更するための制御目的が、前記制御目的に適合する制御制約条件を計算するように処理される、請求項12に記載のシステム。
- 前記制御制約条件は、前記自車両が、前記周囲車両の閾値距離未満近づかず、前記自車両の経路が、前記周囲車両の経路と重複しないことを確実とするように許容された、前記自車両と前記周囲車両との間の最小距離と関連付けられた最小距離閾値を含み、請求項14に記載のシステム。
- 前記リカレントニューラルネットワークが、前記周囲車両の運動状態をプールして、それらの相互作用を評価する訓練された社会的敵対的生成ネットワークとして構成され、互いに社会的に相互作用している前記周囲車両の各々の複数の軌跡が予測され、予測対象期間にわたる前記周囲車両の各々の位置のシーケンスが出力される、請求項15に記載のシステム。
- 前記ヒューリスティックアルゴリズムを実行することが、前記自車両の前記状態及び前記予測対象期間にわたる前記周囲車両の各々の位置の前記シーケンスに基づいて、制御候補を処理することを含み、前記ヒューリスティックアルゴリズムが、車線変更操作中の前記自車両の潜在的制御と関連付けられた見込み車両動的パラメータを含む制御候補を生成するように実行される、請求項16に記載のシステム。
- 前記制御候補が、前記制御制約条件と比較されて、前記制御制約条件に従う制御候補を判定し、前記制御制約条件に従う少なくとも1つの制御候補が、前記目標車線に車線を円滑に変更するために、前記自車両を動作可能に制御して、前記混雑した道路における前記協働認識車線変更制御を促進するために実行される自律制御パラメータを出力するために、前記コントローラによって利用される、自律制御パラメータを出力する、請求項17に記載のシステム。
- 命令を記憶している非一時的コンピュータ可読記憶媒体であって、前記命令は、プロセッサを含むコンピュータによって実行されると、
自車両と関連付けられた車両動的データを受信することと、
前記自車両の周囲環境と関連付けられた環境データを受信することと、
前記車両動的データを分析するための分析器及び前記環境データを分析するためのリカレントニューラルネットワークを含むコントローラを利用することであって、前記分析器が、前記自車両の将来の状態を予測するように構成されており、前記リカレントニューラルネットワークが、前記自車両の前記周囲環境内に位置する周囲車両の相互作用運動を予測するように構成されている、利用することと、
前記自車両の前記将来の状態及び前記周囲車両の前記予測される相互作用運動を順次評価して、混雑した道路における協働認識車線変更制御を促進する、ヒューリスティックアルゴリズムを実行することと、を含む、方法を実行する、非一時的コンピュータ可読記憶媒体。 - 前記ヒューリスティックアルゴリズムを実行することが、前記自車両の状態及び予測対象期間にわたる前記周囲車両の各々の位置のシーケンスに基づいて、制御候補を処理することを含み、前記ヒューリスティックアルゴリズムが、車線変更操作中の前記自車両の潜在的制御と関連付けられた見込み車両動的パラメータを含む制御候補を生成するように実行され、前記制御候補のうちの少なくとも1つの制御候補が、前記目標車線に車線を円滑に変更するために、前記自車両を動作可能に制御して、前記混雑した道路における前記協働認識車線変更制御を促進するために実行される自律制御パラメータを出力するために、前記コントローラによって利用される、請求項19に記載の非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962902180P | 2019-09-18 | 2019-09-18 | |
US62/902,180 | 2019-09-18 | ||
US16/844,331 US11608083B2 (en) | 2019-09-18 | 2020-04-09 | System and method for providing cooperation-aware lane change control in dense traffic |
US16/844,331 | 2020-04-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021046193A true JP2021046193A (ja) | 2021-03-25 |
JP7113048B2 JP7113048B2 (ja) | 2022-08-04 |
Family
ID=74868900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020142594A Active JP7113048B2 (ja) | 2019-09-18 | 2020-08-26 | 混雑した道路における協働認識車線変更制御を提供するためのシステム及び方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11608083B2 (ja) |
JP (1) | JP7113048B2 (ja) |
CN (1) | CN112537306A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230033551A (ko) * | 2021-08-27 | 2023-03-08 | 모셔널 에이디 엘엘씨 | 운전 가능 영역 검출을 사용한 운행 |
WO2023080393A1 (ko) * | 2021-11-04 | 2023-05-11 | 한국과학기술원 | 자율주행 자동차의 차선 변경 시스템 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210077052A (ko) * | 2019-12-16 | 2021-06-25 | 현대자동차주식회사 | 자율주행 차량의 운행 제어 시스템 및 방법 |
US11608067B2 (en) * | 2020-08-12 | 2023-03-21 | Honda Motor Co., Ltd. | Probabilistic-based lane-change decision making and motion planning system and method thereof |
US20220097690A1 (en) * | 2020-09-30 | 2022-03-31 | Toyota Motor Engineering & Manufacturing North America, Inc. | Optical sense-compute solution for real-time navigation involving multiple vehicles |
US11731663B2 (en) * | 2020-11-17 | 2023-08-22 | Uatc, Llc | Systems and methods for actor motion forecasting within a surrounding environment of an autonomous vehicle |
US11834066B2 (en) * | 2020-12-29 | 2023-12-05 | GM Global Technology Operations LLC | Vehicle control using neural network controller in combination with model-based controller |
US20220234614A1 (en) * | 2021-01-28 | 2022-07-28 | Motional Ad Llc | Sampling-based maneuver realizer |
US11780466B1 (en) * | 2021-03-29 | 2023-10-10 | Zoox, Inc. | Vehicle fleet remote ride comfort tuning management system |
US11897506B1 (en) | 2021-03-29 | 2024-02-13 | Zoox, Inc. | Vehicle ride dynamics active comfort tuning system |
US11810225B2 (en) * | 2021-03-30 | 2023-11-07 | Zoox, Inc. | Top-down scene generation |
US11858514B2 (en) | 2021-03-30 | 2024-01-02 | Zoox, Inc. | Top-down scene discrimination |
CN112937608B (zh) * | 2021-03-31 | 2022-06-21 | 吉林大学 | 一种基于轨迹预测的冰雪环境无人驾驶车辆一体化滚动决策方法、装置及存储介质 |
US11861853B1 (en) * | 2022-11-17 | 2024-01-02 | Elm | System and method of vehicle speed estimation using moving camera and time series neural network |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015148545A (ja) * | 2014-02-07 | 2015-08-20 | 株式会社豊田中央研究所 | 車両制御装置及びプログラム |
JP2017084110A (ja) * | 2015-10-28 | 2017-05-18 | 株式会社デンソーアイティーラボラトリ | 車両用制御装置 |
JP2017206152A (ja) * | 2016-05-19 | 2017-11-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
JP2018055141A (ja) * | 2016-09-26 | 2018-04-05 | 日立オートモティブシステムズ株式会社 | 移動体軌道予測システム |
WO2019106789A1 (ja) * | 2017-11-30 | 2019-06-06 | 三菱電機株式会社 | 処理装置及び処理方法 |
JP2019519851A (ja) * | 2016-11-03 | 2019-07-11 | 三菱電機株式会社 | 車両を制御する方法及びシステム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8489317B2 (en) * | 2008-08-29 | 2013-07-16 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for stochastically predicting the future states of a vehicle |
US10800416B2 (en) * | 2016-09-21 | 2020-10-13 | Apple Inc. | Vehicle control system |
US10137896B2 (en) * | 2016-12-30 | 2018-11-27 | Baidu Usa Llc | Method and system for operating autonomous driving vehicles using graph-based lane change guide |
CN110462544A (zh) * | 2017-03-20 | 2019-11-15 | 御眼视觉技术有限公司 | 自主车辆的轨迹选择 |
US10657811B2 (en) * | 2017-10-04 | 2020-05-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Travel lane identification without road curvature data |
US11269352B2 (en) * | 2017-12-15 | 2022-03-08 | Baidu Usa Llc | System for building a vehicle-to-cloud real-time traffic map for autonomous driving vehicles (ADVS) |
US11161464B2 (en) * | 2018-01-12 | 2021-11-02 | Uatc, Llc | Systems and methods for streaming processing for autonomous vehicles |
US11351987B2 (en) * | 2019-09-13 | 2022-06-07 | Intel Corporation | Proactive vehicle safety system |
-
2020
- 2020-04-09 US US16/844,331 patent/US11608083B2/en active Active
- 2020-08-17 CN CN202010828355.5A patent/CN112537306A/zh active Pending
- 2020-08-26 JP JP2020142594A patent/JP7113048B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015148545A (ja) * | 2014-02-07 | 2015-08-20 | 株式会社豊田中央研究所 | 車両制御装置及びプログラム |
JP2017084110A (ja) * | 2015-10-28 | 2017-05-18 | 株式会社デンソーアイティーラボラトリ | 車両用制御装置 |
JP2017206152A (ja) * | 2016-05-19 | 2017-11-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
JP2018055141A (ja) * | 2016-09-26 | 2018-04-05 | 日立オートモティブシステムズ株式会社 | 移動体軌道予測システム |
JP2019519851A (ja) * | 2016-11-03 | 2019-07-11 | 三菱電機株式会社 | 車両を制御する方法及びシステム |
WO2019106789A1 (ja) * | 2017-11-30 | 2019-06-06 | 三菱電機株式会社 | 処理装置及び処理方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230033551A (ko) * | 2021-08-27 | 2023-03-08 | 모셔널 에이디 엘엘씨 | 운전 가능 영역 검출을 사용한 운행 |
KR102639022B1 (ko) | 2021-08-27 | 2024-02-21 | 모셔널 에이디 엘엘씨 | 운전 가능 영역 검출을 사용한 운행 |
WO2023080393A1 (ko) * | 2021-11-04 | 2023-05-11 | 한국과학기술원 | 자율주행 자동차의 차선 변경 시스템 |
Also Published As
Publication number | Publication date |
---|---|
CN112537306A (zh) | 2021-03-23 |
US11608083B2 (en) | 2023-03-21 |
JP7113048B2 (ja) | 2022-08-04 |
US20210078603A1 (en) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021046193A (ja) | 混雑した道路における協働認識車線変更制御を提供するためのシステム及び方法 | |
JP6833936B2 (ja) | 自己中心映像に基づく将来の車両位置特定のためのシステム及び方法 | |
US11586974B2 (en) | System and method for multi-agent reinforcement learning in a multi-agent environment | |
US20220379920A1 (en) | Trajectory planning method and apparatus | |
JP7086911B2 (ja) | 自動運転車両のためのリアルタイム意思決定 | |
CN110379193B (zh) | 自动驾驶车辆的行为规划方法及行为规划装置 | |
US11042156B2 (en) | System and method for learning and executing naturalistic driving behavior | |
US11465650B2 (en) | Model-free reinforcement learning | |
US11555927B2 (en) | System and method for providing online multi-LiDAR dynamic occupancy mapping | |
JP2020083308A (ja) | オブジェクト挙動のリアルタイム予測 | |
US11188766B2 (en) | System and method for providing context aware road-user importance estimation | |
JP7072030B2 (ja) | アクション事前分布を使用して将来予測するためのシステム及び方法 | |
US11209820B2 (en) | System and method for providing autonomous vehicular navigation within a crowded environment | |
US11699062B2 (en) | System and method for implementing reward based strategies for promoting exploration | |
US11657251B2 (en) | System and method for multi-agent reinforcement learning with periodic parameter sharing | |
US20220230080A1 (en) | System and method for utilizing a recursive reasoning graph in multi-agent reinforcement learning | |
CN114074681A (zh) | 基于概率的车道变更决策和运动规划系统及其方法 | |
US20210271988A1 (en) | Reinforcement learning with iterative reasoning for merging in dense traffic | |
CN113835421A (zh) | 训练驾驶行为决策模型的方法及装置 | |
JP2020135901A (ja) | 移動ロボットの歩行者回避方策を実施するためのシステム及び方法 | |
WO2023048943A1 (en) | Optimization based planning system | |
US20230071810A1 (en) | System and method for providing spatiotemporal costmap inference for model predictive control | |
CN115116021A (zh) | 用于完成连续多代理轨迹预测的系统和方法 | |
US20230050217A1 (en) | System and method for utilizing model predictive control for optimal interactions | |
US11498591B2 (en) | System and method for providing adaptive trust calibration in driving automation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200826 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20200828 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20201224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210917 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220412 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220608 |
|
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: 20220628 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220725 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7113048 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |