JP2021077362A - 車両による性能データの収集のためのシステムおよび方法 - Google Patents
車両による性能データの収集のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2021077362A JP2021077362A JP2020176578A JP2020176578A JP2021077362A JP 2021077362 A JP2021077362 A JP 2021077362A JP 2020176578 A JP2020176578 A JP 2020176578A JP 2020176578 A JP2020176578 A JP 2020176578A JP 2021077362 A JP2021077362 A JP 2021077362A
- Authority
- JP
- Japan
- Prior art keywords
- data
- vehicle
- operation data
- predicted
- performance
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 claims description 59
- 230000033001 locomotion Effects 0.000 claims description 30
- 238000013500 data storage Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000012549 training Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- 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
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
【課題】更なる解析と、自律および半自律車両のトレーニングにおける使用のために、非局所的な格納場所への選択的な送信に対する、運用車両データを体系的に識別且つ収集するシステムおよび方法を提供すること。【解決手段】提供されるシステムおよび方法は、更なる解析を保証する、収集された運転データのみを選択的に保管することにより、収集されたデータの格納および送信における制限を克服する。【選択図】図1
Description
本開示は、データ収集およびデータ処理に関し、より特別には、予測モデルにおける性能測定値に基づいて、自律または半自律車両によるデータ収集に関する。
自律および半自律車両は、大量のデータを生成および収集する。車両により取られた注目すべき行動を調べ、それらの行動がなぜ取られたのかを調べるために、そのような車両により収集されたデータを調べることは利点であり得る。しかし、車両は、このデータすべてを格納して、調査のためにクラウドサーバに提供するための局所的リソースを有していないことがあり得る。つまり、車両により生成されたデータ量は、車両の格納制限や、利用できない送信接続、または、クラウドサーバへの低帯域幅送信、または要求される送信の高いコストなどのような送信制限のために、非局所的サーバに効率よく、且つ正確に送信することができない。
本開示の態様は、更なる解析、および自律および半自律車両のトレーニングにおける使用のために、非局所的格納場所への選択的な送信のための、運用車両データ(operational vehicle data)を体系的に識別して収集するシステムおよび方法を提供する。1つの態様によれば、車両の性能を測定する方法が提示される。予め定義されたモデルを、車両の動作に適用できる。動作データは車両から収集でき、性能測定値は、動作データから生成できる。利得は、性能測定値に基づいて決定でき、利得(gain)が閾値を満たす場合、動作データを保管できる。
開示の他の態様によれば、車両の性能を測定するためのシステムが開示される。システムは、予測モデルを生成するように構成されている予測器と、車両からの動作データを検出するように構成されている検出器を含むことができる。プロセッサは、予測モデルを車両の動作に適用し、動作データから性能測定値を生成し、性能測定値に基づいて利得を決定するように構成できる。データ収集器は、利得が閾値を満たす場合、動作データを保管するように構成できる。
他の態様によれば、非一時的コンピュータ読取り可能媒体が開示され、この媒体は、車両の性能測定値を決定するために媒体に記録されているプログラムコードを有している。プログラムコードはプロセッサにより実行でき、予め定義されたモデルを車両の動作に適用するためのプログラムコード、車両からの動作データを収集するためのプログラムコード、および動作データから性能測定値を生成するためのプログラムコードを含むことができる。非一時的コンピュータ読取り可能媒体は、性能測定値に基づいて利得を決定するためのプログラムコード、および、利得が閾値を満たす場合、動作データを保管するためのプログラムコードを更に含むことができる。
これは、後に続く詳細な記述がより良好に理解され得るように、本開示の特徴および技術的利点を広く概説している。本開示の追加的特徴および利点は下記に記述される。当業者は、本開示と同じ目的を実行するための他の構造を修正または設計するための基盤として本開示を容易に利用できるということは認識するべきである。そのような等価な構築物は、付随する請求項において記述されるような本開示の教示から逸脱しないということも当業者は認識すべきである。更なる目的および利点と共に、その構造よび動作の方法についての本開示の特徴と考えられる新規な特徴は、付随する図面と連携して考察されると、下記の記述からより良好に理解されるであろう。しかし、図のそれぞれは、例示および記述の目的としてのみのために提供され、本開示の制限の定義としては意図されていないということは明確に理解されるべきである。
本開示の特徴、性質、および利点は、類似の参照文字が全体を通して対応して特定する図面と連携されると、下記に記述される詳細な記述からより明白となろう。
付随する図面と関連して下記に記述される詳細な記述は、種々の構成の記述として意図されており、ここにおいて記述される概念を実践できる構成のみを表現しているということは意図されていない。詳細な記述は、種々の概念の完全な理解を提供するために特定の詳細を含んでいる。しかし当業者には、これらの概念は、これらの特定の詳細がなくても実践できるということは明白であろう。幾つかの例においては、良く知られている構造および構成要素は、そのような概念を不明瞭にすることを回避するためにブロック図の形式で示されている。
本開示の態様は、収集されたデータの格納および送信における制限を、例えば、エゴ車両は環境を適切に理解しなかったかどうか、エゴ車両は(環境を適切に理解していたとしても)誤った動作を行ったか、または、欠陥のある予測を行ったかどうか、または他の道路エージェント(道路に関連する車両全般を指す)の運転者が、予期せぬ操作を行ったかどうかを決定するための更なる解析を保証する収集された運転データのみを選択的に保管することにより克服するためのシステムおよび方法を提供する。
本開示の1つの態様によれば、ここにおいてはエゴ車両(ego vehicle)と称される車両におけるシステムは、軌道予測またはルートプランニングモデルなどのようなモデルの生成された性能測定値に基づいて、保管のための、収集された運転データを識別および選択できる。図1は、本開示の1つの態様に係る、保管のためのデータを識別および収集する、例としての方法100を示している。
ブロック102に示されているように、システムは、局所的または非局所的データ格納装置104のようなデータ供給源からの収集されたデータに基づいてトレーニングされた動作モデルを生成および適用できる。データ格納装置104は、エゴ車両に常駐している局所的データ格納装置、または、クラウドサーバなどのような遠隔データ格納装置、または、エゴ車両システムと通信する他のデータストレージ装置であってよい。データ格納装置104はまた、任意の局所的または遠隔分散データ格納装置の組み合わせも含むことができる。車両の動作環境に適用された、生成されたモデルにより、ここにおいて更に詳細に記述されるような車上センサは、車両が動作するとき、または車両が動作させられるときに、車両の性能に関連する、動作および環境データを収集できる。
システムは、ブロック108に示されているように、収集された動作および環境データに基づいて、性能測定値を生成できる。例えば、性能測定値は、事前に収集された運転データでトレーニングされたモデルの情報利得として定義できる。既知の環境および行動を表わすデータは、人工知能システムおよびプロセスにとってはほとんど価値がない。既知のデータは、おそらくは既存のモデルに内蔵され、エゴ車両はそのデータに従って、既に動作できていると思われる。従って、同じまたは実質的に類似しているデータの収集および解析は重複であり得、再び保存、送信、および解析することは、計算の観点から見て不経済であり得る。
一方、実質的に異なるデータまたは新しいデータは、人工知能システムを、後続する動作および車両における将来の配置に対してトレーニングできる、トレーニングシステム追加データを提供できるという点において、モデルおよびトレーニングシステム(training system)に、より高い価値を提供する。ブロック110と112に示されているように、システムは、情報の利得を決定でき、その利得を、予め定義されている閾値と比較できる。システムは、収集された動作および環境データが、十分な推定される情報利得という結果になる場合は、収集されたデータを保管のために選択できる。閾値は、収集されたデータと、収集されたデータに基づいてトレーニングされていないモデルの既知のデータとの間の差が、後日の使用のために、車両以外に保管および送信するための計算作業とコストを保証するために十分であるかどうかを示すことができる。
ブロック114に示されているように、収集されたデータが閾値を超えない場合、データの失効を許可しうる。データの失効は、データを局所的格納装置またはバッファから消去するために、システムにより取られる肯定的な行動であり得、データが、格納装置またはバッファにおいて上書きされることを可能にすることによる、より受動的なアプローチを意味することができる。収集されたデータが十分な情報利得を示している場合(つまり、閾値に到達またはそれを超えている場合)は、システムは、ブロック118に示されているように、保管のためにそのようなデータを選択でき、またはそのようなデータにマークを付けることができる。データが、保管のためのデータとして識別され、マークが付けられると、システムは、選択されたデータを、クラウドサーバまたは他の遠隔格納場所などのような、非局所的データ格納装置に送信できる。選択されたデータの送信は、リソースがそれを行うために存在している場合、保管可能なデータとしての識別と実質的に同時であることができる。代替的に、システムは、システムが必要なネットワークリソースにアクセスするような、検索動作が示されるまで、または、エゴ車両から手動でダウンロードされ、サーバにアップードされるまで、データを格納するように構成できる。
本開示の他の態様によれば、エゴ車両において定義且つ生成された性能測定値は、車両(エゴ車両または他の道路エージェント)の予測軌道と、その車両の実際の軌道との間の差を含むことができる。エゴ車両は、予測軌道と実際の軌道との間の差が差の閾値を超える場合、保管のための収集された運転データを識別できる。図2は、1つのそのような性能測定値に従って、保管可能なデータを生成する方法200を示している。エゴ車両は、軌道予測器、軌道検出器、およびデータ収集器を備えることができる。
ブロック202に示されているように、予測軌道モデルを生成でき、エゴ車両の車上システムに適用できる。モデルは、ここにおいて記述されるように、局所的または非局所的データ格納装置204からのデータから得ることができ、またはそのデータを使用して生成できる。エゴ車両の予測軌道は、事前に収集された運転データ、環境データ、およびエゴ車両上で、またはエゴ車両外で生成された他のモデルに基づいて生成できる。軌道予測器は、エゴ車両または他の道路エージェントであってよい車両の予測軌道を生成するように構成されており、車両が予測軌道を取る確率を示す確率レベルを生成できる。1つの態様によれば、軌道予測器は、複数の予測軌道およびそれぞれの確率レベルを計算でき、生成された予測軌道は、計算された(それぞれの確率レベルを有する)予測軌道の1つの形状を取ることができる。
ブロック206に示されているように、エゴ車両は、予測軌道モデルに従って動作するときに車両データの収集を開始できる。エゴ車両は、同時にまたは後で、ブロック208に示されているように、エゴ車両により取られた実際の軌道と関連付けられている収集された車両データを、モデルの予測軌道と比較できる。軌道予測器は、車両により取られた実際の軌道を決定するように構成できる。検出器は、ここにおいて記述されているような、ライダー、レーダー、カメラ、および光電センサのような1つ以上のセンサを含むことができる。検出器は、センサにより提供された情報に基づいて軌道を決定するように構成できる。
ブロック208に示されているように、システムは、予測軌道と、車両により実際に取られた軌道を比較でき、ブロック210に示されているように、軌道間の差を決定できる。1つの態様によれば、データ収集器は、生成された予測軌道と実際の軌道との間の差のレベルに基づいて、収集のための得られた運転データを選択し、選択された運転データを収集するように構成されている。データ収集器は、差のレベルと、予測軌道の確率レベルの両者に基づいて、収集のための得られた運転データを選択できる。ここにおいて注記されているように、選択されたデータを収集することは、運転データを、エゴ車両のデータ格納装置に格納することと、運転データを、クラウドサーバに送ること(例えば、無線通信を介して)、または、これらの任意の組み合わせを、他の可能性の中で含むことができる。
1つの実施形態においては、データ収集器は、ブロック212に示されているように、差のレベルが閾値量を超える場合、収集のための得られた運転データを選択する。例えば、予測軌道は、車両が予測軌道を取る確率が高いことを示している確率レベルを有する確率的予測であってよい。ブロック214に示されているように、データ収集器が、高い確率の軌道と実際の軌道との間の差のレベルは閾値量を超える(高い確率の軌道と実際の軌道との間の相対的な非類似性を示している)と判断した場合、データ収集器はそれに応答して、ブロック216と218に示されているように、得られた運転データを選択し、それを検索または送信のために格納できる。データが閾値を超えていない場合、ブロック220に示されているように、そのデータの失効が、ここにおいて記述されているように許可されうる。
他の態様によれば、データ収集器は、差のレベルが閾値量未満の場合、収集のための得られた運転データを選択できる。例えば、予測軌道は、車両が予測軌道を取る確率が低いことを示している確率レベルを有する確率的予測であってよい。データ収集器が、低い確率の軌道と実際の軌道との間の差のレベルは閾値量未満である(低い確率の軌道と実際の軌道との間の相対的な類似性を示している)場合、データ収集器はそれに応答して、得られた運転データを選択できる。
1つの態様によれば、軌道予測器により予測軌道が生成される時間は、軌道予測器により実際の軌道が決定される時間とは異なっていてもよい。従って、差のレベルは、(例えば)今取られた実際の軌道と、数秒前(または、おそらく他の指定された時間だけ前)に予測された軌道との間の差を反映できる。
1つの態様によれば、データ収集器は、差のレベルに基づいて、得られた運転データの何れを収集するかを選択できる。例えば、差のレベルが、予測軌道と実際の軌道との間の相対的に大きな差を示している場合、データ収集器は、収集のために、大量の得られた運転データを選択できる。差のレベルが相対的に小さな差を示している場合、データ収集器は、収集のために、より少ない量のデータを選択できる。従って、収集されたデータ量は、予測軌道と実際の軌道がなぜ異なったのかを決定するために必要なデータ量に比例することができる。
図3は、本開示の態様に係る、性能測定システム300に対するハードウェア実現形態の例を示している。性能測定システム300は、車両、ロボット装置、または他の装置の構成要素であることができる。例えば、図3に示されているように、性能測定システム300は、自動車328の構成要素であることができる。バス、ボート、ドローン、シミュレータ、またはロボットなどのような他の装置もまた性能測定システム300の使用に対して考えられるので、本開示の態様は、性能測定システム300が自動車328の構成要素であることに制限されない。自動車328は自律または半自律であってよい。
性能測定システム300は、一般的にはバス330により代表されるバスアーキテクチャで実現できる。バス330は、性能測定システム300の特定の適用、および全体の設計に対する規制に従って、任意の数の相互接続バスおよびブリッジを含むことができる。バス330は、プロセッサ320、通信モジュール322、位置モジュール318、センサモジュール302、移動モジュール326、プラニングモジュール324、およびコンピュータ読取り可能媒体314に代表される1つ以上のプロセッサおよび/またはハードウェアモジュールを含んでいる種々の回路を共にリンクできる。バス330はまた、タイミング供給源、周辺機器、電圧レギュレータ、および電力管理回路のような種々の他の回路もリンクでき、これらはこの技術においてはよく知られているので、これ以上は記述しない。
性能測定システム300は、プロセッサ320に結合されているトランシーバ316、センサモジュール302、性能測定モジュール308、データ収集器312、通信モジュール322、位置モジュール318、移動モジュール326、プラニングモジュール324、およびコンピュータ読取り可能媒体314を含むことができる。トランシーバ316はアンテナ334に結合されている。トランシーバ316は、送信媒体を介して種々の他の装置と通信する。例えば、トランシーバ316は、ユーザまたは遠隔装置から送信を介してコマンドを受信できる。他の例として、トランシーバ316は、性能測定モジュール308からの運転統計値および情報をサーバ(図示されてない)に送信できる。
性能測定モジュール308は、コンピュータ読取り可能媒体314に結合されているプロセッサ320を含むことができる。プロセッサ320は、コンピュータ読取り可能媒体314に格納されているソフトウェアの実行を含む処理を行うことができ、開示に係る機能を提供できる。ソフトウェアは、プロセッサ320により実行されると、性能測定システム300に、自動車328、または、モジュール302、308、314、316、318、320、322、324、326の何れかのような特別な装置に対して記述されている種々の機能を実行させる。コンピュータ読取り可能媒体314はまた、プロセッサ320がソフトウェアを実行するときにプロセッサ320により操作されるデータを格納するためにも使用できる。
センサモジュール302は、第1センサ306、第2センサ304、および第3センサ310のような異なるセンサを介して測定値を得るために使用できる。第1センサ306は、2D画像を撮像するための、立体カメラまたは赤/緑/青(RGB)カメラなどのような視覚センサであることができる。第2センサ304は、光検出および測距(ライダー)センサまたは無線検出および測距(レーダー)センサなどのような測距センサであることができる。第3センサ310は、自動車328の内部環境の未処理映像または画像を撮像するためのキャビン内カメラを含むことができる。もちろん、本開示の態様は、例えば、熱、超音波、および/またはレーザーのような他のタイプのセンサもまた、センサ304、306の何れかに対して考えられるので、前述したセンサに制限されない。センサ304、306、310の測定値は、ここにおいて記述されている機能を実現するために、コンピュータ読取り可能媒体314と連携して、プロセッサ320、センサモジュール302、性能測定モジュール308、通信モジュール322、位置モジュール318、移動モジュール326、およびプラニングモジュール324の1つ以上により処理できる。1つの構成においては、第1センサ306および第2センサ304により得られたデータは、トランシーバ316を介して外部装置に送信できる。センサ304、306、310は自動車328に結合でき、または自動車328と通信できる。
位置モジュール318は、自動車328の位置を決定するために使用できる。例えば、位置モジュール318は、自動車328の位置を決定するために全地球測位システム(GPS)を使用できる。通信モジュール322は、トランシーバ316を介する通信を容易にするために使用できる。例えば、通信モジュール322は、WiFi、ロングタームエボルーション(LTE)、3Gなどのような異なる無線プロトコルを介して通信機能を提供するように構成できる。通信モジュール322はまた、性能測定モジュール308のモジュールではない、自動車328の他の構成要素と通信するためにも使用できる。
移動モジュール326は、自動車328の移動を容易にするために使用できる。例として、移動モジュール326は、車輪の動きを制御できる。他の例として、移動モジュール326は、エンジンまたはバッテリなどのような、自動車328の電力供給源と通信できる。もちろん、本開示の態様は、車輪を介して移動を提供することに制限されず、プロペラ、トレッド、フィン、および/またはジェットエンジンなどのような移動を提供するための構成要素の他のタイプに対して考えられる。
性能測定システム300はまた、移動モジュール326を介して、予測ルートまたは軌道のプランニングをするための、または自動車328の移動を制御するためのプラニングモジュール324も含んでいる。1つの構成においては、プラニングモジュール324は、ユーザ入力が衝突を引き起こすと予期される(例えば、予測される)ときは、ユーザ入力を覆す。モジュールは、プロセッサ320において動作し、または、コンピュータ読取り可能媒体314に常駐/格納されているソフトウェアモジュール、または、プロセッサ320に結合されている1つ以上のハードウェアモジュール、または、それらの何らかの組み合わせであることができる。
性能測定モジュールは、センサモジュール302、トランシーバ316、プロセッサ320、通信モジュール322、位置モジュール318、移動モジュール326、プラニングモジュール324、およびコンピュータ読取り可能媒体314と通信できる。1つの構成においては、性能測定モジュール308は、センサモジュール302からセンサデータを受信できる。センサモジュール302は、センサ304、306、310からセンサデータを受信できる。開示の態様によれば、センサモジュール302は、ノイズを除去するためにデータに対してフィルタリング処理を行うこと、データを符号化すること、データを復号化すること、データを融合すること、フレームを抽出すること、または、他の機能を行うことができる。代替の構成においては、性能測定モジュール308は、センサ304、306、310から直接センサデータを受信できる。
図3において示されているように、性能測定モジュール308は、ルートマップを生成し、予測ルートのプラニングを行い、予測ルートまたは軌道に従って自動車328を動作させるために、プラニングモジュール324および移動モジュール326と通信できる。ここにおいて記述されているように、性能測定モジュール308は、センサモジュール302およびその他からのデータを、検索および後続する解析および使用のためにデータ収集器312により何れのデータ(もしあれば)を選択および保管できるかを決定するために解析できる。性能測定モジュール308は、センサモジュール302からのセンサデータを、自動車328がそれに基づいて現在走行しているモデルまたは軌道を含む、既知のデータセットと比較できる。データ収集器312および性能測定モジュール308が、システムにより得られた、または計算された性能測定値に従って、収集されたデータは重要であると決定した場合、ここにおいて記述されているように、データ収集器312は、そのデータはシステムの負担を軽減するために保管されるべきであると印を付けること、または示すことができる。
教示に基づいて、当業者は、本開示の範囲は、本開示の如何なる他の態様と独立して実現されようが、それと組み合わせて実現されようが、本開示の如何なる態様も含むことが意図されているということを認識すべきである。例えば、装置は、記述されている態様の任意の数を使用して実現でき、方法は、記述されている態様の任意の数を使用して実践できる。加えて、本開示の範囲は、記述されている本開示の種々の態様に加えて、またはそれら以外の、他の構造、機能、または構造および機能を使用して実践されるそのような装置または方法を含むことが意図されている。本開示の如何なる態様も、請求項の1つ以上の要素により具現化できるということは理解されるべきである。
「例としての」という用語はここでは、「例、実例、または例示としての役割を果たしている」ということを意味するために使用されている。ここにおいて「例としての」として記述されている如何なる態様も、他の態様よりも好適または利点があるとは必ずしも解釈されるべきでない。
ここにおいては特別な態様が記述されているが、これらの態様の多くの変形例および置換例は本開示の範囲内である。好適な態様の幾つかの恩典および利点に言及しているが、本開示の範囲は、特別な恩典、使用、または目的に制限されることは意図されていない。そうではなく、本開示の態様は、異なる技術、システム構成、ネットワークおよびプロトコルに広く適用可能であることが意図されおり、それらの幾つかは、好適な態様の図、および下記の記述において例として示されている。詳細な記述および図は制限的ではなく、本開示の例に過ぎず、本開示の範囲は、付随する請求項およびその等価物により定義されている。
ここで使用されているような、「決定する」という用語は、広く多様な行動を含んでいる。例えば、「決定する」とは、計算する、演算する、処理する、導出する、調査する、調べる(例えば、表、データベースまたは他のデータ構造を調べる)、確認することなどを含むことができる。追加的に、「決定する」とは、受信する(例えば、情報を受信する)、アクセスする(例えば、メモリにおけるデータにアクセスする)ことなどを含むことができる。更に、「決定する」とは、解決する、選択する、選ぶ、確立することなどを含むことができる。
ここにおいて使用されているような、アイテムのリストの「少なくとも1つ」に言及しているフレーズは、単一の部材を含む、それらのアイテムの如何なる組合せにも言及している。例として、「a、b、またはcの少なくとも1つ」とは、a、b、c、aとb、aとc、bとc、およびaとbとcを含むことが意図されている。
本開示と関連して記述されている種々の例としての論理ブロック、モジュール、および回路は、本開示において検討されている機能を実行するように特別に構成されているプロセッサで実現または実行できる。プロセッサは、ニューラルネットワークプロセッサ、デジタル信号プロセッサ(DSP)、特定用途向け集積回路(ASIC)、フィールドプログラマブルゲートアレイ(FPGA)または他のプログラマブル論理装置(PLD)、分離ゲートまたはトランジスタ論理、分離ハードウェア構成要素または、ここにおいて記述されている機能を実行するように設計されているそれらの如何なる組合せであってよい。代替的に、処理システムは、ここにおいて記述されているニューロンモデルおよびニューラルシステムのモデルを実現するための1つ以上のニューロモルフィックプロセッサを備えることができる。プロセッサは、マイクロプロセッサ、コントローラ、マイクロコントローラ、または、ここにおいて記述されているように特別に構成されている状態マシンであってよい。プロセッサはまた、演算装置の組み合わせ、例えば、DSPとマイクロプロセッサの組み合わせ、複数のマイクロプロセッサ、DSPコアと連携している1つ以上のマイクロプロセッサ、または、ここにおいて記述されているような、他の特別な構成としても実現できる。
本開示と関連して記述されている方法またはアルゴリズムのステップは、ハードウェアにおいて直接、またはプロセッサにより実行されるソフトウェアモジュールにおいて、またはその2つの組み合わせにおいて具現化できる。ソフトウェアモジュールは、ランダムアクセスメモリ(RAM)、リードオンリメモリ(ROM)、フラッシュメモリ、消去可能型プログラマブルリードオンリメモリ(EPROM)、電気的消去可能型プログラマブルリードオンリメモリ(EEPROM)、レジスタ、ハードディスク、取外し可能ディスク、CD−ROMまたは他の光ディスクストレージ、磁気ディスクストレージまたは他の磁気ストレージ装置、または、所望のプログラムコードを指令またはデータ構造の形状で搬送または格納するために使用でき、コンピュータによりアクセス可能な任意の他の媒体を含むストレージまたは機械読取り可能媒体に常駐できる。ソフトウェアモジュールは単一の指令、または多数の指令を備えることができ、幾つかの異なるコードセグメント上で、異なるプログラム間で、および多数のストレージ媒体全体において分散できる。ストレージ媒体は、プロセッサが情報をストレージ媒体から読むことができ、ストレージ媒体に情報を書き込むことができるようにプロセッサに結合できる。代替として、ストレージ媒体はプロセッサに統合できる。
ここにおいて開示される方法は、記述されている方法を達成するために、1つ以上のステップまたは動作を備えている。方法のステップおよび/または動作は、請求項の範囲から逸脱することなく互いに入れ換えることができる。言い換えれば、ステップまたは動作の特定の順序が指定されていない限り、特定のステップおよび/または動作の順序および/または使用は、請求項の範囲から逸脱することなく修正できる。
記述されている機能は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの任意の組み合わせにおいて実現できる。ハードウェアにおいて実現される場合、例としてのハードウェア構成は、装置における処理システムを備えることができる。処理システムは、バスアーキテクチャで実現できる。バスは、処理システムの特定の適用および設計全体の規制に依存して、任意の数の相互接続バスおよびブリッジを含むことができる。バスは、プロセッサ、機械読取り可能媒体、およびバスインタフェースを含む種々の回路を共にリンクできる。バスインタフェースは、ネットワークアダプタを、特には、処理システムにバスを介して接続するために使用できる。ネットワークアダプタは、信号処理機能を実現するために使用できる。ある態様に対しては、ユーザインタフェース(例えば、キーパッド、ディスプレイ、マウス、ジョイスティックなど)もまたバスに接続できる。バスはまた、タイミング供給源、周辺機器、電圧レギュレータ、電力管理回路などのような種々の他の回路もまたリンクでき、それらはこの技術においてはよく知られているので、これ以上は記述しない。
プロセッサは、機械読取り可能媒体に格納されているソフトウェアの実行を含む、バスおよび処理の管理の義務を負うことができる。ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語などと言及されようが、指令、データ、またはそれらの任意の組み合わせを意味していると解釈されるべきである。
ハードウェア実現形態においては、機械読取り可能媒体は、プロセッサとは別個の処理システムの一部であることができる。しかし、当業者は容易に認識するように、機械読取り可能媒体、またはその任意の部分は、処理システムの外部であることができる。例として、機械読取り可能媒体は、送信ライン、データにより変調された搬送波、および/または、装置とは別個のコンピュータ製品を含むことができ、それらはすべて、バスインタフェースを介してプロセッサがアクセスできる。代替的または追加的に、機械読取り可能媒体、またはその任意の一部は、キャッシュおよび/または特殊化レジスタファイルの場合のように、プロセッサに統合できる。検討されている種々の構成要素は、局所的構成要素のように、特定の位置を有しているように記述できるが、それらはまた、分散演算システムの一部として構成されている、ある構成要素などのように、種々の方法でも構成できる。
機械読取り可能媒体は、多数のソフトウェアモジュールを備えることができる。ソフトウェアモジュールは、送信モジュールおよび受信モジュールを含むことができる。各ソフトウェアモジュールは、単一のストレージ装置に常駐でき、または、多数のストレージ装置にわたり分散できる。例として、ソフトウェアモジュールは、誘発事象が起きたときに、ハードドライブからRAMにロードできる。ソフトウェアモジュールの実行中に、プロセッサは指令の幾つかを、アクセス速度を増すためにキャッシュにロードできる。そして、1つ以上のキャッシュラインは、プロセッサによる実行のために、特殊目的レジスタファイルにロードできる。下記において、ソフトウェアモジュールの機能に言及するときは、そのような機能は、そのソフトウェアモジュールからの指令を実行するときに、プロセッサにより実現されるということは理解されるであろう。更に、本開示の態様は、プロセッサ、コンピュータ、マシン、またはそのような態様を実現する他のシステムの機能の改良という結果になるということは認識されるべきである。
ソフトウェアにおいて実現される場合、機能は、コンピュータ読取り可能媒体に、1つ以上の指令またはコードとして格納または送信できる。コンピュータ読取り可能媒体は、コンピュータ格納媒体および、コンピュータプログラムのある場所から他の場所への転送を容易にする任意の格納媒体を含む通信媒体の両者を含んでいる。
更に、ここにおいて記述されている方法および技術を実行するためのモジュールおよび/または他の適切な手段は、ダウンロード、および/または、ユーザ端末および/または適用可能であれば基地局により得ることができるということは認識されるべきである。例えば、そのような装置は、ここにおいて記述されている方法を実行するための手段の転送を容易にするために、サーバに結合できる。代替的に、ここにおいて記述されている種々の方法は、ユーザ端末および/または基地局が、格納手段を装置に結合または提供すると、種々の方法を得ることができるように、格納手段を介して提供できる。更に、ここにおいて記述されている方法および技術を装置に提供するための任意の他の適切な技術を利用できる。
請求項は、上記に例示された正確な構成および構成要素に制限されないということは理解されるべきである。上記の方法および装置の配置、動作、および詳細における種々の修正、変更、および変形を、請求項の範囲から逸脱することなく行うことができる。
〔例1〕
車両の性能を測定する方法であって、
事前に定義されたモデルを車両の動作に適用することと、
車両からの動作データを収集することと、
動作データから性能測定値を生成することと、
性能測定値に基づいて利得を決定することと、
利得が閾値を満たす場合、動作データを保管することと、
を有している、方法。
〔例2〕
事前に定義されたモデルは、車両の予測軌道である、例1に記載の方法。
〔例3〕
動作データは、車両により取られた実際の軌道を備えている、例2に記載の方法。
〔例4〕
性能測定値は、実際の軌道と予測軌道との間の差を表わしている、例3に記載の方法。
〔例5〕
閾値は、予測軌道と実際の軌道との間の距離を備えている、例4に記載の方法。
〔例6〕
保管されている動作データを非局所的データ格納装置に送信することを更に有している、例1に記載の方法。
〔例7〕
利得が閾値を満たさない場合、動作データを失効させることを更に有している、例1に記載の方法
〔例8〕
動作データを失効させることは、動作データを消去することを有している、例7に記載の方法。
〔例9〕
動作データを失効させることは、動作データに上書きすることを有している、例7に記載の方法。
〔例10〕
車両の性能を測定するためのシステムであって、
予測モデルを生成するように構成されている予測器と、
車両からの動作データを検出するように構成されている検出器と、
プロセッサであって、
予測モデルを車両の動作に適用し、
動作データから性能測定値を生成し、
性能測定値に基づいて利得を決定する、
ように構成されているプロセッサと、
利得が閾値を満たす場合、動作データを保管するように構成されているデータ収集器と、を備えている、システム。
〔例11〕
予測モデルは、予測軌道である、例10に記載のシステム。
〔例12〕
動作データは、実際の軌道データを備えている、例11に記載のシステム。
〔例13〕
性能測定値は、予測軌道と実際の軌道データとの間の差を備えている、例12に記載のシステム。
〔例14〕
プロセッサは、保管されている動作データを、非局所的データ格納装置に送信するように更に構成されている、例10に記載のシステム。
〔例15〕
プロセッサは、利得が閾値を満たさない場合、動作データを失効させるように更に構成されている、例10に記載のシステム。
〔例16〕
動作データを失効させることは、動作データを消去することを有している、例15に記載のシステム。
〔例17〕
動作データを失効させることは、動作データに上書きすることを有している、例15に記載のシステム。
〔例18〕
非一時的コンピュータ読取り可能媒体であって、車両の性能測定値を決定するために媒体に記録されているプログラムコードを有しており、
該プログラムコードは、
プロセッサにより実行され、
事前に定義されたモデルを車両の動作に適用するためのプログラムコードと、
車両からの動作データを収集するためのプログラムコードと、
動作データから性能測定値を生成するためのプログラムコードと、
性能測定値に基づいて利得を決定するためのプログラムコードと、
利得が閾値を満たす場合、動作データを保管するためのプログラムコードと、
を備えている、非一時的コンピュータ読取り可能媒体。
〔例19〕
事前に定義されたモデルは、車両の予測軌道である、例18に記載の非一時的コンピュータ読取り可能媒体。
〔例20〕
動作データは、車両により取られた実際の軌道を備えており、性能測定値は、予測軌道と実際の軌道データとの間の差を備えている、例19に記載の非一時的コンピュータ読取り可能媒体。
車両の性能を測定する方法であって、
事前に定義されたモデルを車両の動作に適用することと、
車両からの動作データを収集することと、
動作データから性能測定値を生成することと、
性能測定値に基づいて利得を決定することと、
利得が閾値を満たす場合、動作データを保管することと、
を有している、方法。
〔例2〕
事前に定義されたモデルは、車両の予測軌道である、例1に記載の方法。
〔例3〕
動作データは、車両により取られた実際の軌道を備えている、例2に記載の方法。
〔例4〕
性能測定値は、実際の軌道と予測軌道との間の差を表わしている、例3に記載の方法。
〔例5〕
閾値は、予測軌道と実際の軌道との間の距離を備えている、例4に記載の方法。
〔例6〕
保管されている動作データを非局所的データ格納装置に送信することを更に有している、例1に記載の方法。
〔例7〕
利得が閾値を満たさない場合、動作データを失効させることを更に有している、例1に記載の方法
〔例8〕
動作データを失効させることは、動作データを消去することを有している、例7に記載の方法。
〔例9〕
動作データを失効させることは、動作データに上書きすることを有している、例7に記載の方法。
〔例10〕
車両の性能を測定するためのシステムであって、
予測モデルを生成するように構成されている予測器と、
車両からの動作データを検出するように構成されている検出器と、
プロセッサであって、
予測モデルを車両の動作に適用し、
動作データから性能測定値を生成し、
性能測定値に基づいて利得を決定する、
ように構成されているプロセッサと、
利得が閾値を満たす場合、動作データを保管するように構成されているデータ収集器と、を備えている、システム。
〔例11〕
予測モデルは、予測軌道である、例10に記載のシステム。
〔例12〕
動作データは、実際の軌道データを備えている、例11に記載のシステム。
〔例13〕
性能測定値は、予測軌道と実際の軌道データとの間の差を備えている、例12に記載のシステム。
〔例14〕
プロセッサは、保管されている動作データを、非局所的データ格納装置に送信するように更に構成されている、例10に記載のシステム。
〔例15〕
プロセッサは、利得が閾値を満たさない場合、動作データを失効させるように更に構成されている、例10に記載のシステム。
〔例16〕
動作データを失効させることは、動作データを消去することを有している、例15に記載のシステム。
〔例17〕
動作データを失効させることは、動作データに上書きすることを有している、例15に記載のシステム。
〔例18〕
非一時的コンピュータ読取り可能媒体であって、車両の性能測定値を決定するために媒体に記録されているプログラムコードを有しており、
該プログラムコードは、
プロセッサにより実行され、
事前に定義されたモデルを車両の動作に適用するためのプログラムコードと、
車両からの動作データを収集するためのプログラムコードと、
動作データから性能測定値を生成するためのプログラムコードと、
性能測定値に基づいて利得を決定するためのプログラムコードと、
利得が閾値を満たす場合、動作データを保管するためのプログラムコードと、
を備えている、非一時的コンピュータ読取り可能媒体。
〔例19〕
事前に定義されたモデルは、車両の予測軌道である、例18に記載の非一時的コンピュータ読取り可能媒体。
〔例20〕
動作データは、車両により取られた実際の軌道を備えており、性能測定値は、予測軌道と実際の軌道データとの間の差を備えている、例19に記載の非一時的コンピュータ読取り可能媒体。
Claims (15)
- 車両の性能を測定する方法であって、
事前に定義されたモデルを前記車両の動作に適用することと、
前記車両からの動作データを収集することと、
前記動作データから性能測定値を生成することと、
前記性能測定値に基づいて利得を決定することと、
前記利得が閾値を満たす場合、前記動作データを保管することと、
を有する、方法。 - 前記事前に定義されたモデルは、前記車両の予測軌道である、請求項1に記載の方法。
- 前記動作データは、前記車両により取られた実際の軌道を備えている、請求項2に記載の方法。
- 前記性能測定値は、前記実際の軌道と前記予測軌道との間の差を表わしている、請求項3に記載の方法。
- 前記閾値は、前記予測軌道と前記実際の軌道との間の距離を備えている、請求項4に記載の方法。
- 前記保管されている動作データを非局所的データ格納装置に送信することを更に有している、請求項1から5の何れか1項に記載の方法。
- 前記利得が閾値を満たさない場合、前記動作データを失効させることを更に有している、請求項1から6の何れか1項に記載の方法。
- 前記動作データを失効させることは、前記動作データを消去することを有している、請求項7に記載の方法。
- 前記動作データを失効させることは、前記動作データに上書きすることを有している、請求項7に記載の方法。
- 車両の性能を測定するためのシステムであって、
予測モデルを生成するように構成されている予測器と、
前記車両からの動作データを検出するように構成されている検出器と、
プロセッサであって、
前記予測モデルを前記車両の動作に適用し、
前記動作データから性能測定値を生成し、
前記性能測定値に基づいて利得を決定する、
ように構成されているプロセッサと、
前記利得が閾値を満たす場合、前記動作データを保管するように構成されているデータ収集器と、
を備えている、システム。 - 前記予測モデルは、予測軌道である、請求項10に記載のシステム。
- 前記動作データは、実際の軌道データを備えており、前記性能測定値は、前記予測軌道と前記実際の軌道データとの間の差を備えている、請求項11に記載のシステム。
- 非一時的コンピュータ読取り可能媒体であって、車両の性能測定値を決定するために該媒体に記録されているプログラムコードを有しており、
前記プログラムコードは、
プロセッサにより実行され、
事前に定義されたモデルを前記車両の動作に適用するためのプログラムコードと、
前記車両からの動作データを収集するためのプログラムコードと、
前記動作データから性能測定値を生成するためのプログラムコードと、
前記性能測定値に基づいて利得を決定するためのプログラムコードと、
前記利得が閾値を満たす場合、前記動作データを保管するためのプログラムコードと、を備えている、非一時的コンピュータ読取り可能媒体。 - 前記事前に定義されたモデルは、前記車両の予測軌道である、請求項13に記載の非一時的コンピュータ読取り可能媒体。
- 前記動作データは、前記車両により取られた実際の軌道を備えており、前記性能測定値は、前記予測軌道と前記実際の軌道データとの間の差を備えている、請求項14に記載の非一時的コンピュータ読取り可能媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/663,699 US11300967B2 (en) | 2019-10-25 | 2019-10-25 | System and method for collection of performance data by a vehicle |
US16/663,699 | 2019-10-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021077362A true JP2021077362A (ja) | 2021-05-20 |
Family
ID=75542867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020176578A Pending JP2021077362A (ja) | 2019-10-25 | 2020-10-21 | 車両による性能データの収集のためのシステムおよび方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11300967B2 (ja) |
JP (1) | JP2021077362A (ja) |
CN (1) | CN112712608B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11300967B2 (en) | 2019-10-25 | 2022-04-12 | Toyota Research Institute, Inc. | System and method for collection of performance data by a vehicle |
US11475720B2 (en) * | 2020-03-31 | 2022-10-18 | Toyota Research Institute, Inc. | Methods and systems for collecting sensor data according to a data collection configuration based on an estimated information gain |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7941258B1 (en) * | 2000-08-31 | 2011-05-10 | Strategic Design Federation W, Inc. | Automobile monitoring for operation analysis |
JP2010013061A (ja) * | 2008-07-07 | 2010-01-21 | Toyota Motor Corp | 運転者状態推定装置 |
CN101857028A (zh) * | 2010-05-27 | 2010-10-13 | 金龙联合汽车工业(苏州)有限公司 | 车辆性能远程监控系统 |
JP5576727B2 (ja) * | 2010-06-30 | 2014-08-20 | 富士通テン株式会社 | 信号処理装置、レーダ装置、車両制御システム、および、信号処理方法 |
US20130204513A1 (en) * | 2012-02-08 | 2013-08-08 | Bendix Commercial Vehicle Systems Llc | Protect information stored in ecu from unintentional writing and overwriting |
US9168924B2 (en) | 2012-03-26 | 2015-10-27 | GM Global Technology Operations LLC | System diagnosis in autonomous driving |
JP5939134B2 (ja) * | 2012-11-09 | 2016-06-22 | トヨタ自動車株式会社 | 車両状態記憶装置 |
JP5900454B2 (ja) * | 2013-10-09 | 2016-04-06 | トヨタ自動車株式会社 | 車両用車線案内システム及び車両用車線案内方法 |
CN103646446B (zh) * | 2013-12-20 | 2015-12-30 | 徐州徐工施维英机械有限公司 | 用于监控车辆行驶的方法、记录仪、系统及混凝土搅拌车 |
US10102590B1 (en) * | 2014-10-02 | 2018-10-16 | United Services Automobile Association (Usaa) | Systems and methods for unmanned vehicle management |
CN105894606A (zh) * | 2014-10-30 | 2016-08-24 | 无锡孚嘉航海科技有限公司 | 一种船载航行数据存储介质的抗振方法与装置 |
JP2018510373A (ja) | 2015-02-10 | 2018-04-12 | モービルアイ ビジョン テクノロジーズ リミテッド | 自律車両ナビゲーションのための疎な地図 |
US9817838B2 (en) * | 2015-02-26 | 2017-11-14 | General Motors Llc | Purging user data from vehicle memory |
JP6447348B2 (ja) * | 2015-05-01 | 2019-01-09 | 富士通株式会社 | ダンプデータ管理プログラム、ダンプデータ管理方法、およびダンプデータ管理装置 |
EP3091509A1 (en) | 2015-05-04 | 2016-11-09 | Honda Research Institute Europe GmbH | Method for improving performance of a method for computationally predicting a future state of a target object, driver assistance system, vehicle including such driver assistance system and respective program storage medium and program |
EP3295422B1 (en) | 2015-05-10 | 2020-01-01 | Mobileye Vision Technologies Ltd. | Road profile along a predicted path |
JP6350428B2 (ja) * | 2015-07-22 | 2018-07-04 | トヨタ自動車株式会社 | 車載記録システム |
EP3433131B1 (en) | 2016-03-23 | 2023-07-12 | Netradyne, Inc. | Advanced path prediction |
US10248124B2 (en) * | 2016-07-21 | 2019-04-02 | Mobileye Vision Technologies, Inc. | Localizing vehicle navigation using lane measurements |
CA3029124A1 (en) * | 2016-07-21 | 2018-01-25 | Mobileye Vision Technologies Ltd. | Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation |
CN106652089B (zh) * | 2016-10-28 | 2019-06-07 | 努比亚技术有限公司 | 一种行车数据记录装置及方法 |
JP2018180880A (ja) * | 2017-04-12 | 2018-11-15 | トヨタ自動車株式会社 | 衝突データ記憶装置及び衝突データ記憶方法 |
DE102017004114A1 (de) * | 2017-04-27 | 2018-01-04 | Daimler Ag | Verfahren und Vorrichtung zum Betrieb eines vollautonom oder zumindest teilautonom fahrenden Fahrzeugs |
US10579062B2 (en) * | 2017-05-31 | 2020-03-03 | Baidu Usa Llc | Scalable smooth reference path generator for autonomous driving vehicles |
US10358129B2 (en) * | 2017-06-06 | 2019-07-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for dynamic vehicle control according to traffic |
US20190056231A1 (en) * | 2017-08-15 | 2019-02-21 | GM Global Technology Operations LLC | Method and apparatus for participative map anomaly detection and correction |
ES2913725T3 (es) * | 2018-05-30 | 2022-06-06 | Siemens Ind Software Nv | Método y sistema para controlar un dispositivo de vehículo autónomo para seguir repetidamente una misma trayectoria predeterminada |
US10866590B2 (en) * | 2018-09-28 | 2020-12-15 | Intel Corporation | Computer-assisted or autonomous driving safety-related decision making system and apparatus |
CN109756363A (zh) * | 2018-11-27 | 2019-05-14 | 平安科技(深圳)有限公司 | 数据传输稳定性控制方法、装置、计算机设备及存储介质 |
US11126179B2 (en) * | 2019-02-21 | 2021-09-21 | Zoox, Inc. | Motion prediction based on appearance |
US11300967B2 (en) | 2019-10-25 | 2022-04-12 | Toyota Research Institute, Inc. | System and method for collection of performance data by a vehicle |
-
2019
- 2019-10-25 US US16/663,699 patent/US11300967B2/en active Active
-
2020
- 2020-10-21 CN CN202011132142.5A patent/CN112712608B/zh active Active
- 2020-10-21 JP JP2020176578A patent/JP2021077362A/ja active Pending
-
2022
- 2022-03-10 US US17/691,967 patent/US11703874B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN112712608B (zh) | 2024-03-01 |
US20220197297A1 (en) | 2022-06-23 |
US11703874B2 (en) | 2023-07-18 |
US20210124361A1 (en) | 2021-04-29 |
US11300967B2 (en) | 2022-04-12 |
CN112712608A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10990096B2 (en) | Reinforcement learning on autonomous vehicles | |
US10259468B2 (en) | Active vehicle performance tuning based on driver behavior | |
US10759444B2 (en) | Resource optimization in vehicles | |
CN110850854A (zh) | 自动驾驶员代理和为自动驾驶员代理提供策略的策略服务器 | |
JP2021533036A (ja) | 自律エージェントによる行動方針選択のための多視点システムおよび方法 | |
US11741720B2 (en) | System and method for tracking objects using using expanded bounding box factors | |
US11703874B2 (en) | System and method for collection of performance data by a vehicle | |
US11577756B2 (en) | Detecting out-of-model scenarios for an autonomous vehicle | |
CN115269370A (zh) | 用于自动驾驶系统的路径规划系统开发的平台 | |
CN114116444A (zh) | 监控自动驾驶车辆的自主操作的测试数据的系统和方法 | |
US20220244068A1 (en) | Dynamic map generation with focus on construction and localization field of technology | |
Shi et al. | Computing Systems for Autonomous Driving | |
WO2022245916A1 (en) | Device health code broadcasting on mixed vehicle communication networks | |
US20220244725A1 (en) | Autonomous trailing logistical support vehicle | |
US20210398014A1 (en) | Reinforcement learning based control of imitative policies for autonomous driving | |
US20210375078A1 (en) | Automated vehicle body damage detection | |
US20220050934A1 (en) | Sensor calibration via extrinsic scanning | |
US11897510B2 (en) | Estimating trip duration based on vehicle reroute probabilities | |
US20230185919A1 (en) | System and process using homomorphic encryption to secure neural network parameters for a motor vehicle | |
US12024100B2 (en) | Device-level fault detection | |
US10882520B2 (en) | System and method for enabling safety of a vehicle | |
WO2024111389A1 (ja) | 処理システム | |
JP7238738B2 (ja) | 画像処理システム、処理装置、中継装置及びプログラム | |
CN117950408B (zh) | 自动驾驶方法、系统、介质、场端服务器及智能设备 | |
US20230347925A1 (en) | Agent and scenario modeling extracted via an mbse classification on a large number of real-world data samples |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231020 |