JP2021155024A5 - - Google Patents

Description

ここにおける態様は、その精神またはその重要な属性から逸脱することなく他の形状で具現化できる。従って、その範囲を示すものとしては、前述の明細書ではなく、下記の請求項を参照すべきである。
本明細書に開示される発明は以下の態様を含む。
〔態様１〕
複数の歩行者の動きを予測するためのシステムであって、
１つ以上のプロセッサと、
前記１つ以上のプロセッサと通信するメモリであって、初期軌道モジュール、出口点予測モジュール、経路プラニングモジュール、および調整モジュールを有しているメモリと、を備えており、
前記初期軌道モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の軌道を得るようにさせる命令を含んでおり、
前記出口点予測モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の軌道に基づいてシーンから、前記複数の歩行者に対する将来の出口点を予測させる命令を含んでおり、
経路プラニングモジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記将来の出口点と、マップの少なくとも１つのシーン要素とに基づいて、前記複数の歩行者の、前記複数の歩行者が前記将来の出口点に到達するために取ると予測される経路である軌道経路を決定させる命令を含んでおり、
前記調整モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整させる命令を含んでいる、
システム。
〔態様２〕
少なくとも１つの予測される相互作用は衝突である、態様１に記載のシステム。
〔態様３〕
前記調整モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の前記少なくとも２人の間の衝突を回避するために、前記複数の歩行者の前記少なくとも２人の前記軌道経路を調整させる命令を更に備えている、態様２に記載のシステム。
〔態様４〕
前記初期軌道モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、混合密度ネットワークモデルを使用することにより、前記複数の歩行者の軌道を得るようにさせる命令を更に備えている、態様１に記載のシステム。
〔態様５〕
前記調整モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、グラフニューラルネットワークモデルを利用することにより、前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、軌道経路を調整させる命令を更に備えている、態様１に記載のシステム。
〔態様６〕
前記複数の歩行者に対する軌道は、前記グラフニューラルネットワークモデルのノード特徴として前記グラフニューラルネットワークモデルに埋め込まれる、態様５に記載のシステム。
〔態様７〕
前記シーンは固定シーンである、態様１に記載のシステム。
〔態様８〕
前記シーンは、エゴ車両の動きに基づいて移動する、態様１に記載のシステム。
〔態様９〕
複数の歩行者の動きを予測するための方法であって、
前記複数の歩行者の軌道を得るステップと、
前記複数の歩行者の前記軌道に基づいてシーンから、前記複数の歩行者に対する将来の出口点を予測するステップと、
前記将来の出口点と、マップの少なくとも１つのシーン要素とに基づいて、前記複数の歩行者の、前記複数の歩行者が前記将来の出口点に到達するために取ると予測される経路である軌道経路を決定するステップと、
前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整するステップと、
を有している、方法。
〔態様１０〕
少なくとも１つの予測される相互作用は衝突である、態様９に記載の方法。
〔態様１１〕
前記複数の歩行者の前記少なくとも２人の間の前記衝突を回避するために、前記複数の歩行者の前記少なくとも２人の前記軌道経路を調整するステップを更に有している、態様１０に記載の方法。
〔態様１２〕
前記複数の歩行者の軌道を得るステップは、混合密度ネットワークモデルにより実行される、態様９に記載の方法。
〔態様１３〕
前記複数の歩行者の少なくとも２人の間の前記少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整するステップは、グラフニューラルネットワークモデルにより実行される、態様９に記載の方法。
〔態様１４〕
前記複数の歩行者に対する軌道は、前記グラフニューラルネットワークモデルのノード特徴として前記グラフニューラルネットワークモデルに埋め込まれる、態様１３に記載の方法。
〔態様１５〕
前記シーンは固定シーンである、態様９に記載の方法。
〔態様１６〕
前記シーンは、エゴ車両の動きに基づいて移動する、態様９に記載の方法。
〔態様１７〕
複数の歩行者の動きを予測するための非一時的コンピュータ可読媒体であって、
１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、
前記複数の歩行者の軌道を得るようにさせ、
前記複数の歩行者の軌道に基づいてシーンから、前記複数の歩行者に対する将来の出口点を予測させ、
前記将来の出口点と、マップの少なくとも１つのシーン要素とに基づいて、前記複数の歩行者の、前記複数の歩行者が前記将来の出口点に到達するために取ると予想される経路である軌道経路を決定させ、
前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整させる、
命令を備えている、
非一時的コンピュータ可読媒体。
〔態様１８〕
少なくとも１つの予測される相互作用は衝突である、態様１７に記載の非一時的コンピュータ可読媒体。
〔態様１９〕
前記非一時的コンピュータ可読媒体は、１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の前記少なくとも２人の間の衝突を回避するために、前記複数の歩行者の前記少なくとも２人の前記軌道経路を調整させる命令を更に備えている、態様１８に記載の非一時的コンピュータ可読媒体。
〔態様２０〕
前記シーンは、エゴ車両の動きに基づいて移動する、態様１７記載の非一時的コンピュータ可読媒体。

Claims (20)

1. 複数の歩行者の動きを予測するためのシステムであって、
   １つ以上のプロセッサと、
   前記１つ以上のプロセッサと通信するメモリであって、初期軌道モジュール、出口点予測モジュール、経路プラニングモジュール、および調整モジュールを有しているメモリと、を備えており、
   前記初期軌道モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の軌道を得るようにさせる命令を含んでおり、
   前記出口点予測モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の軌道に基づいてシーンから、前記複数の歩行者に対する将来の出口点を予測させる命令を含んでおり、
   前記経路プラニングモジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記将来の出口点と、マップの少なくとも１つのシーン要素とに基づいて、前記複数の歩行者の、前記複数の歩行者が前記将来の出口点に到達するために取ると予測される経路である軌道経路を決定させる命令を含んでおり、
   前記調整モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整させる命令を含んでいる、
   システム。
2. 少なくとも１つの予測される相互作用は衝突である、請求項１に記載のシステム。
3. 前記調整モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の前記少なくとも２人の間の衝突を回避するために、前記複数の歩行者の前記少なくとも２人の前記軌道経路を調整させる命令を更に備えている、請求項２に記載のシステム。
4. 前記初期軌道モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、混合密度ネットワークモデルを使用することにより、前記複数の歩行者の軌道を得るようにさせる命令を更に備えている、請求項１に記載のシステム。
5. 前記調整モジュールは、前記１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、グラフニューラルネットワークモデルを利用することにより、前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、軌道経路を調整させる命令を更に備えている、請求項１に記載のシステム。
6. 前記複数の歩行者に対する軌道は、前記グラフニューラルネットワークモデルのノード特徴として前記グラフニューラルネットワークモデルに埋め込まれる、請求項５に記載のシステム。
7. 前記シーンは固定シーンである、請求項１に記載のシステム。
8. 前記シーンは、エゴ車両の動きに基づいて移動する、請求項１に記載のシステム。
9. 複数の歩行者の動きを予測するための方法であって、
   前記複数の歩行者の軌道を得るステップと、
   前記複数の歩行者の前記軌道に基づいてシーンから、前記複数の歩行者に対する将来の出口点を予測するステップと、
   前記将来の出口点と、マップの少なくとも１つのシーン要素とに基づいて、前記複数の歩行者の、前記複数の歩行者が前記将来の出口点に到達するために取ると予測される経路である軌道経路を決定するステップと、
   前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整するステップと、
   を有している、方法。
10. 少なくとも１つの予測される相互作用は衝突である、請求項９に記載の方法。
11. 前記複数の歩行者の前記少なくとも２人の間の前記衝突を回避するために、前記複数の歩行者の前記少なくとも２人の前記軌道経路を調整するステップを更に有している、請求項１０に記載の方法。
12. 前記複数の歩行者の軌道を得るステップは、混合密度ネットワークモデルにより実行される、請求項９に記載の方法。
13. 前記複数の歩行者の少なくとも２人の間の前記少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整するステップは、グラフニューラルネットワークモデルにより実行される、請求項９に記載の方法。
14. 前記複数の歩行者に対する軌道は、前記グラフニューラルネットワークモデルのノード特徴として前記グラフニューラルネットワークモデルに埋め込まれる、請求項１３に記載の方法。
15. 前記シーンは固定シーンである、請求項９に記載の方法。
16. 前記シーンは、エゴ車両の動きに基づいて移動する、請求項９に記載の方法。
17. 複数の歩行者の動きを予測するための非一時的コンピュータ可読媒体であって、
    １つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、
    前記複数の歩行者の軌道を得るようにさせ、
    前記複数の歩行者の軌道に基づいてシーンから、前記複数の歩行者に対する将来の出口点を予測させ、
    前記将来の出口点と、マップの少なくとも１つのシーン要素とに基づいて、前記複数の歩行者の、前記複数の歩行者が前記将来の出口点に到達するために取ると予想される経路である軌道経路を決定させ、
    前記複数の歩行者の少なくとも２人の間の少なくとも１つの予測される相互作用に基づいて、前記軌道経路を調整させる、
    命令を備えている、
    非一時的コンピュータ可読媒体。
18. 少なくとも１つの予測される相互作用は衝突である、請求項１７に記載の非一時的コンピュータ可読媒体。
19. 前記非一時的コンピュータ可読媒体は、１つ以上のプロセッサにより実行されると、前記１つ以上のプロセッサに、前記複数の歩行者の前記少なくとも２人の間の衝突を回避するために、前記複数の歩行者の前記少なくとも２人の前記軌道経路を調整させる命令を更に備えている、請求項１８に記載の非一時的コンピュータ可読媒体。
20. 前記シーンは、エゴ車両の動きに基づいて移動する、請求項１７に記載の非一時的コンピュータ可読媒体。