JP2021165048A - 情報処理装置及び情報処理方法 - Google Patents
情報処理装置及び情報処理方法 Download PDFInfo
- Publication number
- JP2021165048A JP2021165048A JP2018124101A JP2018124101A JP2021165048A JP 2021165048 A JP2021165048 A JP 2021165048A JP 2018124101 A JP2018124101 A JP 2018124101A JP 2018124101 A JP2018124101 A JP 2018124101A JP 2021165048 A JP2021165048 A JP 2021165048A
- Authority
- JP
- Japan
- Prior art keywords
- transition time
- log
- learning
- information processing
- driving
- 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
Images
Classifications
-
- 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
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/05—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles the view from a vehicle being simulated
-
- 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
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/80—Special adaptations for executing a specific game genre or game mode
- A63F13/803—Driving vehicles or craft, e.g. cars, airplanes, ships, robots or tanks
-
- 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
- B60W60/005—Handover processes
- B60W60/0057—Estimation of the time available or required for the handover
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Business, Economics & Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
Abstract
【課題】自動運転から手動運転に切り換わる場合などの、1の状態から他の状態に切り換わる場合に、ユーザに違和感を生じさせることなく切り換えを行うことができる情報処理装置及び情報処理方法を提供する。【解決手段】情報処理装置300は、運転シミュレータ200における運転に関わるログと、ログに対応して得られるモード切換の遷移時間を取得する取得部102と、ログと遷移時間との関係を学習する学習部104と、学習部による学習結果に基づいて、任意の運転状態に対応する遷移時間を演算する演算部302とを備える。【選択図】図2
Description
本開示は、情報処理装置及び情報処理方法に関する。
従来、下記の特許文献1には、第2自動走行車両の自動運転から手動運転への切り替えを表すデータ値を受信し、受信したデータ値に依存して、第1自動走行車両を動作させるステップとして、運転者に手動運転への切り替えが必要となることを通知することが記載されている。
自動運転から手動運転に切り換わる場合などのように、1の状態から他の状態にモードが切り換わる場合には、切り換わりに応じてユーザに違和感を与えてしまう場合がある。この違和感は、切り換わりが生じる時点の状態に依存するため、切り換わりが生じる時点の様々な状態を考慮してモードの切り換えを行うことが望ましい。
しかしながら、上記特許文献1には、自動運転と手動運転の切り換わりについては記載されているが、切り換わりの際に違和感無く切り換えを行う手法については、何ら考慮していなかった。
そこで、1の状態から他の状態に切り換わる場合に、ユーザに違和感を生じさせることなく切り換えを行うことが望まれていた。
本開示によれば、運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得する取得部と、前記ログと前記遷移時間との関係を学習する学習部と、前記学習部による学習結果に基づいて、任意の運転状態に対応する前記遷移時間を演算する演算部と、を備える、情報処理装置が提供される。
また、本開示によれば、運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得することと、前記ログと前記遷移時間との関係を学習することと、前記学習の結果に基づいて、任意のログに対応する前記遷移時間を演算することと、を備える、情報処理方法が提供される。
以上説明したように本開示によれば、そこで、1の状態から他の状態に切り換わる場合に、ユーザに違和感を生じさせることなく切り換えを行うことが可能となる。
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
なお、説明は以下の順序で行うものとする。
1.本開示の概要
1.1.概要
1.2.シミュレータについて
1.3.モード切換時の学習について
1.4.自動運転と手動運転のモード切換を学習することの意義
2.システムの構成例
2.1.システムの全体構成
2.2.学習器による学習の例
2.3.遷移時間の例
2.4.遷移時間における近似方法
1.本開示の概要
1.1.概要
1.2.シミュレータについて
1.3.モード切換時の学習について
1.4.自動運転と手動運転のモード切換を学習することの意義
2.システムの構成例
2.1.システムの全体構成
2.2.学習器による学習の例
2.3.遷移時間の例
2.4.遷移時間における近似方法
1.本開示の概要
1.1.概要
本開示は、例えばシミュレータで車両を運転する際に運転に関するログを取得し、取得したログからモード切換時の挙動を学習し、モード切換時のパラメータを最適に調整する技術に関する。なお、以下では、車両の運転を例に挙げて説明を行うが、ログを取得する環境は車両の運転に限られるものではなく、様々な環境に適用が可能である。
1.1.概要
本開示は、例えばシミュレータで車両を運転する際に運転に関するログを取得し、取得したログからモード切換時の挙動を学習し、モード切換時のパラメータを最適に調整する技術に関する。なお、以下では、車両の運転を例に挙げて説明を行うが、ログを取得する環境は車両の運転に限られるものではなく、様々な環境に適用が可能である。
1.2.シミュレータについて
本開示では、車両の運転を行うシミュレータを用いて、シミュレータから得られるログを学習する。シミュレータを用いることで、運転時の天候、路面状況、車種、車両の諸元(大きさ、重量など)、運転状態(速度、加速度、操舵角)などの様々な運転状態に応じたログを容易に取得することができる。一方、実車からログを取得しようとしても、様々な運転状態に応じたログを短時間で収集することには困難が伴う。従って、シミュレータを用いることで、運転状態に応じた各種ログを簡素な手法で効率良く収集することが可能である。
本開示では、車両の運転を行うシミュレータを用いて、シミュレータから得られるログを学習する。シミュレータを用いることで、運転時の天候、路面状況、車種、車両の諸元(大きさ、重量など)、運転状態(速度、加速度、操舵角)などの様々な運転状態に応じたログを容易に取得することができる。一方、実車からログを取得しようとしても、様々な運転状態に応じたログを短時間で収集することには困難が伴う。従って、シミュレータを用いることで、運転状態に応じた各種ログを簡素な手法で効率良く収集することが可能である。
より好適な手法では、シミュレータとしてゲームのプログラムを活用することができる。例えば、既に市販されているGTS(グランツーリスモ スポーツ)などのゲームのプログラムを用いることで、様々な運転状態に応じたログを取得することができる。そして、多数のログを学習することで、学習結果を実車へ適用することも可能となる。更に、開発過程のゲームのプログラムを利用することで、市販のゲームでは想定していない状況下における学習も可能である。
図1は、ゲームによる学習結果を実車に適用する概念を示す模式図である。ゲームにおける学習時には、ユーザが画面10を見ながらコントローラ20を操作し、様々な運転状態でログを取得し、学習を行う。学習結果は実車30へ適用される。
1.3.モード切換時の学習について
本開示では、特に運転のモード切換時のログに基づいて学習を行い、モード切換時のパラメータを最適に調整する。運転時のモード切換として様々なものを想定できるが、本開示では特に自動運転と手動運転のモード切換に着目する。なお、他のモード切換についても、同様の観点で適用可能である。
本開示では、特に運転のモード切換時のログに基づいて学習を行い、モード切換時のパラメータを最適に調整する。運転時のモード切換として様々なものを想定できるが、本開示では特に自動運転と手動運転のモード切換に着目する。なお、他のモード切換についても、同様の観点で適用可能である。
1.4.自動運転と手動運転のモード切換を学習することの意義
自動運転と手動運転との間でモード切換を行う場合、運転の主体がコンピュータ(AI)と人の間で切り換わる。このため、運転の各種パラメータがシームレスに切り換わらないと、切り換え時に違和感が生じてしまう。
自動運転と手動運転との間でモード切換を行う場合、運転の主体がコンピュータ(AI)と人の間で切り換わる。このため、運転の各種パラメータがシームレスに切り換わらないと、切り換え時に違和感が生じてしまう。
例えば、電動パワーステアリング(EPS)を例に挙げて説明すると、EPSのモーターは、手動運転中は操舵のアシストを行い、自動運転中は操舵の角度をコントロールしており、制御が異なる。自動運転から手動運転に切り換える場合に、単純に自動運転をオフにするだけでは、ドライバーがステアリングを操作する際の操舵トルクに落差が生じ、ドライバーの不安を招来する可能性がある。
本開示では、このようなモード切換時のシミュレータの挙動を学習し、モード切換時の最適なパラメータを学習する。学習により得られたモード切換時の最適なパラメータを実車に適用することで、実車のモード切換時においても、最適なモード切換を実現することができ、ドライバーに違和感が生じることを抑制することができる。
なお、シミュレータで得られた学習結果を実車に適用する際には、シミュレータと実車が完全同一でないことを考慮し、学習結果の補正、スケーリング等を行ってから実車に適用することが好適である。
2.システムの構成例
2.1.システムの全体構成
図2は、本開示の一実施形態に係るシステム1000の構成を示す模式図である。図2に示すように、このシステム1000は、学習器100とシミュレータ200を備える。シミュレータ200として、上述のようにゲームのプログラムを適用することができる。
2.1.システムの全体構成
図2は、本開示の一実施形態に係るシステム1000の構成を示す模式図である。図2に示すように、このシステム1000は、学習器100とシミュレータ200を備える。シミュレータ200として、上述のようにゲームのプログラムを適用することができる。
学習器100は、シミュレータ200から得られる各種ログと、モード切換の遷移時間Δeに基づいて学習を行う。各種ログは、遷移時間に関係する様々な情報を含む。各種ログは、天候、風向き、風力、路面状態、路面摩擦係数、コーナの半径、道路状況、等の様々な環境情報を含む。路面状態は、舗装路か未舗装路か、ドライかウェットか等の情報を含む。道路状況は、道路の制限速度、一般道か高速道路の種別、周囲に存在する他車両の数、他車両との距離、コーナを走行している場合はコーナ半径、等の情報を含む。
また、各種ログは、車両の操作量、状態量などの車両情報を含む。操作量として、操舵角、アクセル開度、ブレーキ踏込量、ギヤシフト位置、ライト照度、座席背もたれの角度、アームレストの角度、座席とハンドル間の距離、等が挙げられる。また、状態量として、車両速度、車両加速度、ヨーレート、車両重心位置、回転角、タイヤ荷重、タイヤ摩擦係数、冷却水温、油温、車種、車両重量、車幅や車長などの車両の大きさ、エンジン排気量、モータ出力、車体Cd値などの車両諸元、タイヤ種別、タイヤの幅や大きさなどの諸元、等が挙げられる。
更に、各種ログは、運転者に関する個人情報(プロファイル情報)を含む。個人情報は、氏名、年齢、性別、運転歴、等の情報を含む。
遷移時間は、モード切換の際に、あるモードから他のモードへ遷移する時間に相当する。遷移時間は、アクセル開度、ブレーキ操作量、ステアリング操舵角などのパラメータ毎に設定される。
この遷移時間は、環境情報、車両情報に応じて変化する。例えば、アクセル開度の遷移時間を例に挙げると、自動運転から手動運転へモード切換を行う際に、雪道走行時など路面摩擦係数が極度に低い場合は、遷移時間をより長くしてアクセル開度を滑らかに自動運転から手動運転に遷移させることが望ましい。遷移時間が短いと、車両がスリップするなど車両挙動が不安定になる可能性があるためである。
同様に、自動運転から手動運転へモード切換を行う際に、車両の加速度が大きい場合は、遷移時間をより長くしてアクセル開度を滑らかに自動運転から手動運転に遷移させることが望ましい。遷移時間が短いと、手動運転に切り換えた際にショックを感じるなど、車両挙動が不安定になる可能性があるためである。
以上のように、各種ログが示す環境情報、車両情報は、モード切換の遷移時間と密接に関連しており、環境情報、車両情報に応じて遷移時間は異なる。また、アクセル開度、ブレーキ操作量、ステアリング操舵角などのパラメータ毎に遷移時間は異なる。シミュレータ200では、各種ログに対応する遷移時間が予め規定されているため、シミュレータ200を用いることで、各種ログに対する遷移時間を取得することができる。特にシミュレータ200としてゲームプログラムを利用する場合は、開発中のプログラムを用いることで、各種ログに対する様々の情報を取得することが可能である。
学習器100は、環境情報、車両情報を含む各種ログと遷移時間の関係を学習し、各種ログと遷移時間との相関関係f(θ)を得る。相関関係f(θ)が得られると、各種ログに基づいて遷移時間を演算することが可能となる。学習の際には、例えば入力(各種ログ)に対する出力(遷移時間)の教師データを参照し、出力が教師データと一致するように相関関係f(θ)を学習する。
図2に示すように、学習器100は、シミュレータ200における運転に関わるログと、ログに対応して得られるモード切換の遷移時間を取得する取得部102と、ログと遷移時間との関係を学習する学習部104を備える。また、学習部104による学習結果に基づいて、任意の運転状態に対応する遷移時間を演算する演算部302が備えられている。演算部302は、学習器100とは別の装置に設けられていても良く、学習器100と演算部302を含む情報処理装置300が構成されても良い。なお、図2に示す学習器100、シミュレータ200、情報処理装置300の構成要素は、回路(ハードウェア)、またはCPUなどの中央演算処理装置とこれを機能させるためのプログラム(ソフトウェア)から構成することができる。
2.2.学習器による学習の例
図3は、ゲームプログラム上で車両が走行する環境として、「砂地」、「トンネル」、「雨の日」の3つの例を挙げ、各環境において各種ログと遷移時間との相関関係f(θ)を学習する様子を示す模式図である。この環境が異なる3つの例において、学習器100は、それぞれの環境に応じた運転状態のログを取得し、学習を行う。
図3は、ゲームプログラム上で車両が走行する環境として、「砂地」、「トンネル」、「雨の日」の3つの例を挙げ、各環境において各種ログと遷移時間との相関関係f(θ)を学習する様子を示す模式図である。この環境が異なる3つの例において、学習器100は、それぞれの環境に応じた運転状態のログを取得し、学習を行う。
ここでは、ニューラルネットワークを用いる一例を挙げる。リカレントニューラルネットワークを用いてシーケンス トゥ シーケンス、もしくはシーケンス トゥ バリューの予測を行う。リカレントニューラルネットワークは一時刻前の入力と中間層によって次時刻の内容が決定されるネットワークである。
この一時刻前を自動運転時とし、一時刻後を手動運転時とすると、f(θ)が求められることが分かる。リカレントニューラルネットワークの汎化性は高く、様々な条件の車情報、操作情報からこの遷移を獲得することが容易となる。なお、シーケンス トゥ シーケンスとシーケンス トゥ バリューはその遷移範囲の決定の仕方である。
学習器100への入力は、環境情報、車両情報を示すログであり、上述したように、天候、風向き、風力、路面状態、路面摩擦係数、コーナの半径、道路状況、等の様々な環境情報、アクセル開度、ブレーキ踏込量、操舵角、車両速度、車両加速度、ヨーレート、冷却水温、油温、車種、車両重量、車両の大きさ、エンジン排気量、モータ出力、車体Cd値などの車両諸元、タイヤ種別、タイヤの幅や大きさなどの諸元、等の様々な車両情報を含む。
また、シミュレータ200から、自動運転から手動運転に切り換わる際の遷移時間Δe1,...Δeiが取得される。学習器100では、入力である各種ログと遷移時間Δe1,...Δeiとの関係を示す関数f(θ)を学習する。
遷移時間Δe1,...Δeiは、自動運転から手動運転に切り換わる際における、運転に関する各種パラメータの遷移時間に相当する。上述したように、各種パラメータは、アクセル開度、ブレーキ踏込量、操舵角などのパラメータである。
2.3.遷移時間の例
図4は、自動運転と手動運転との間でモードが切り換わる際に、自動運転と手動運転の間の遷移時間Δeを示す模式図である。一例として、図4では、アクセル開度の遷移時間Δeを例に挙げて示している。
図4は、自動運転と手動運転との間でモードが切り換わる際に、自動運転と手動運転の間の遷移時間Δeを示す模式図である。一例として、図4では、アクセル開度の遷移時間Δeを例に挙げて示している。
図4において、時刻t0からt1までは自動運転が行われている。そして、時刻t1で自動運転から手動運転へのモード切換が行われるものとする。上述したように、時刻t1で単純に自動運転をオフにして手動運転に切り換えると、アクセル開度に落差が生じ、車両の挙動が不安定になったり、ドライバーに違和感が生じる可能性がある。
このため、シミュレータ200上では、時刻t1で自動運転がオフになっても、所定の遷移時間Δeの間は完全には手動運転に切り換わらず、自動運転の状態が維持される。そして、時刻t2で完全に手動運転に切り換わり、時刻t2以降は手動運転が行われる。このように、時刻t1で自動運転がオフになってから、遷移時間Δeが経過した後に実際に手動運転が可能となる。
この遷移時間Δeは、モード切換時の状況によって異なり、上述した環境情報、車両情報に応じて異なる値となる。図4に示す例では、「砂地」、「トンネル」、「雨の日」の3つの例について、それぞれの環境におけるログと、遷移時間Δe1,...Δeiがシミュレータ200から取得され、関数f(θ)学習される。なお、一例として、Δe1はアクセルの遷移時間であり、Δe2はブレーキの遷移時間であり、Δe3は操舵角の遷移時間である。
以上のようにして、学習により関数f(θ)が求まると、運転ログを関数f(θ)に代入することで、各種パラメータの遷移時間を求めることが可能である。
2.4.遷移時間における近似方法
学習により求めた関数f(θ)を用いて各種パラメータの遷移時間を求めることで、環境情報、車両情報に応じた最適の遷移時間をパラメータ毎に求めることができる。また、遷移時間における各パラメータの変化は、直前の特性を近似することで求めることができる。
学習により求めた関数f(θ)を用いて各種パラメータの遷移時間を求めることで、環境情報、車両情報に応じた最適の遷移時間をパラメータ毎に求めることができる。また、遷移時間における各パラメータの変化は、直前の特性を近似することで求めることができる。
図4に示す例では、時刻t1から時刻t2の間の遷移時間におけるアクセル開度(図4中に破線で示す)は、時刻t1よりも以前のアクセル開度の変化に基づいて近似することで求まる。また、遷移時間におけるアクセル開度は、シミュレータ200上での遷移時間におけるアクセル開度を学習することで近似することができる。
近似の方法として、DMP(dynamic movement primitives)、GP(Gaussian Process)、NN(Neural Network)等の手法を用いることができる。これらの手法を用いた近似処理は、例えば上述した情報処理装置300が備える演算部302にて行うことができる。
これにより、ユーザに不自然を感じさせない遷移時間と、遷移時間における遷移特性をシミュレータ200から得られるデータに基づいて学習することが可能となる。
以上説明したように本実施形態によれば、様々な条件に応じた遷移時間をシミュレータ200を用いて学習することで、モード切り換え時にシームレスな切り換えが可能となり、ユーザに違和感が生じることを抑止することが可能となる。
なお、以上の説明では、運転に関するモード切り換えの遷移時間を学習し、実車に適用する手法について説明したが、本開示の適用は運転に限定されるものではない。本開示は、例えば料理やフィットネスの負荷など、モード切り換えが行われる様々な事象について適用が可能である。
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
なお、以下のような構成も本開示の技術的範囲に属する。
(1) 運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得する取得部と、
前記ログと前記遷移時間との関係を学習する学習部と、
前記学習部による学習結果に基づいて、任意の運転状態に対応する前記遷移時間を演算する演算部と、
を備える、情報処理装置。
(2) 前記遷移時間は、運転のモード切換に関する遷移時間である、前記(1)に記載の情報処理装置。
(3) 前記モード切換は、自動運転モードから手動運転モードへの切り換えである、前記(2)に記載の情報処理装置。
(4) 前記ログは、運転者に関する個人情報、運転時の環境情報、又は運転時の車両情報を含む、前記(1)〜(3)のいずれかに記載の情報処理装置。
(5) 前記遷移時間におけるパラメータの変化を前記遷移時間以前の前記パラメータの変化に基づいて計算する、前記(1)〜(3)のいずれかに請求項1に記載の情報処理装置。
(6) 運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得することと、
前記ログと前記遷移時間との関係を学習することと、
前記学習の結果に基づいて、任意のログに対応する前記遷移時間を演算することと、
を備える、情報処理方法。
(1) 運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得する取得部と、
前記ログと前記遷移時間との関係を学習する学習部と、
前記学習部による学習結果に基づいて、任意の運転状態に対応する前記遷移時間を演算する演算部と、
を備える、情報処理装置。
(2) 前記遷移時間は、運転のモード切換に関する遷移時間である、前記(1)に記載の情報処理装置。
(3) 前記モード切換は、自動運転モードから手動運転モードへの切り換えである、前記(2)に記載の情報処理装置。
(4) 前記ログは、運転者に関する個人情報、運転時の環境情報、又は運転時の車両情報を含む、前記(1)〜(3)のいずれかに記載の情報処理装置。
(5) 前記遷移時間におけるパラメータの変化を前記遷移時間以前の前記パラメータの変化に基づいて計算する、前記(1)〜(3)のいずれかに請求項1に記載の情報処理装置。
(6) 運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得することと、
前記ログと前記遷移時間との関係を学習することと、
前記学習の結果に基づいて、任意のログに対応する前記遷移時間を演算することと、
を備える、情報処理方法。
100 学習器
102 取得部
104 学習部
200 シミュレータ
300 情報処理装置
302 演算部
102 取得部
104 学習部
200 シミュレータ
300 情報処理装置
302 演算部
Claims (6)
- 運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得する取得部と、
前記ログと前記遷移時間との関係を学習する学習部と、
前記学習部による学習結果に基づいて、任意の運転状態に対応する前記遷移時間を演算する演算部と、
を備える、情報処理装置。 - 前記遷移時間は、運転のモード切換に関する遷移時間である、請求項1に記載の情報処理装置。
- 前記モード切換は、自動運転モードから手動運転モードへの切り換えである、請求項2に記載の情報処理装置。
- 前記ログは、運転者に関する個人情報、運転時の環境情報、又は運転時の車両情報を含む、請求項1に記載の情報処理装置。
- 前記遷移時間におけるパラメータの変化を前記遷移時間以前の前記パラメータの変化に基づいて計算する、請求項1に記載の情報処理装置。
- 運転シミュレータにおける運転に関わるログと、前記ログに対応して得られるモード切換の遷移時間を取得することと、
前記ログと前記遷移時間との関係を学習することと、
前記学習の結果に基づいて、任意のログに対応する前記遷移時間を演算することと、
を備える、情報処理方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018124101A JP2021165048A (ja) | 2018-06-29 | 2018-06-29 | 情報処理装置及び情報処理方法 |
US17/250,253 US20210264806A1 (en) | 2018-06-29 | 2019-06-25 | Information processing apparatus and information processing method |
PCT/JP2019/025115 WO2020004376A1 (ja) | 2018-06-29 | 2019-06-25 | 情報処理装置及び情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018124101A JP2021165048A (ja) | 2018-06-29 | 2018-06-29 | 情報処理装置及び情報処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021165048A true JP2021165048A (ja) | 2021-10-14 |
Family
ID=68986699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018124101A Pending JP2021165048A (ja) | 2018-06-29 | 2018-06-29 | 情報処理装置及び情報処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210264806A1 (ja) |
JP (1) | JP2021165048A (ja) |
WO (1) | WO2020004376A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113163955A (zh) * | 2018-11-29 | 2021-07-23 | 提爱思科技股份有限公司 | 座椅系统和座椅型体验装置 |
JP6803448B1 (ja) * | 2019-12-02 | 2020-12-23 | Toyo Tire株式会社 | 最大摩擦係数推定システムおよび最大摩擦係数推定方法 |
WO2022208676A1 (ja) * | 2021-03-30 | 2022-10-06 | 本田技研工業株式会社 | 車両及びその制御装置 |
KR102549419B1 (ko) * | 2021-06-16 | 2023-06-28 | 아주대학교산학협력단 | 주행 환경요인의 변화를 고려한 제어권 전환 수행 장치 및 방법 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020146667A1 (en) * | 2001-02-14 | 2002-10-10 | Safe Drive Technologies, Llc | Staged-learning process and system for situational awareness training using integrated media |
US20040158476A1 (en) * | 2003-02-06 | 2004-08-12 | I-Sim, Llc | Systems and methods for motor vehicle learning management |
JP4057955B2 (ja) * | 2003-05-28 | 2008-03-05 | 本田技研工業株式会社 | 車両の自動操舵装置 |
WO2005027077A2 (en) * | 2003-09-05 | 2005-03-24 | Craft Frederick G | System for combining driving simulators and data acquisition systems and methods of use thereof |
US20060040239A1 (en) * | 2004-08-02 | 2006-02-23 | J. J. Keller & Associates, Inc. | Driving simulator having articial intelligence profiles, replay, hazards, and other features |
US8323025B2 (en) * | 2005-07-12 | 2012-12-04 | Eastern Virginia Medical School | System and method for automatic driver evaluation |
US9315195B2 (en) * | 2009-10-20 | 2016-04-19 | Cartasite, Inc. | Driver, vehicle, and operational analysis |
DE102011015032B4 (de) * | 2011-03-25 | 2020-10-22 | Audi Ag | Verfahren zum Verändern eines Werts einer effektiven Stellgröße sowie Kombinationsvorrichtung |
US10013893B2 (en) * | 2011-10-31 | 2018-07-03 | Lifelong Driver Llc | Driver training |
GB2523200B (en) * | 2014-02-18 | 2016-08-31 | Jaguar Land Rover Ltd | Vehicle speed control system and method |
KR20150128280A (ko) * | 2014-05-09 | 2015-11-18 | 현대자동차주식회사 | 듀얼클러치를 장착한 하이브리드 차량의 엔진클러치 액츄에이터 페일세이프방법 |
US10259467B2 (en) * | 2015-06-17 | 2019-04-16 | Systems Technology, Inc. | Driver simulation system and methods of performing the same |
CN108885722A (zh) * | 2016-03-25 | 2018-11-23 | 索尼公司 | 信息处理设备 |
JP6788425B2 (ja) * | 2016-08-10 | 2020-11-25 | 株式会社Subaru | 車両の走行制御装置 |
-
2018
- 2018-06-29 JP JP2018124101A patent/JP2021165048A/ja active Pending
-
2019
- 2019-06-25 US US17/250,253 patent/US20210264806A1/en not_active Abandoned
- 2019-06-25 WO PCT/JP2019/025115 patent/WO2020004376A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20210264806A1 (en) | 2021-08-26 |
WO2020004376A1 (ja) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020004376A1 (ja) | 情報処理装置及び情報処理方法 | |
CN108284771B (zh) | 一种单踏板驾驶控制方法、装置及电动汽车 | |
Li et al. | An optimal torque distribution control strategy for four-independent wheel drive electric vehicles | |
Merah et al. | A new shared control for lane keeping and road departure prevention | |
Boada et al. | Fuzzy-logic applied to yaw moment control for vehicle stability | |
Pasquier et al. | Fuzzylot: a novel self-organising fuzzy-neural rule-based pilot system for automated vehicles | |
CN113561993B (zh) | 车速规划方法、装置及电子设备 | |
JP3844141B2 (ja) | 車両の駆動力制御装置 | |
Kang et al. | Coordinated vehicle traction control based on engine torque and brake pressure under complicated road conditions | |
Toffin et al. | Role of steering wheel feedback on driver performance: driving simulator and modeling analysis | |
JP2010095067A (ja) | ハイブリッド自動車およびコンピュータ装置ならびにプログラム | |
CN111452781A (zh) | 一种改善加速舒适性的轮毂电机驱动电动汽车强鲁棒自适应驱动防滑控制方法 | |
Krishna Teja Mantripragada et al. | Sensitivity analysis of tyre characteristic parameters on ABS performance | |
Zhao et al. | An improved data-driven method for steering feedback torque of driving simulator | |
Anderson et al. | Modelling minimum-time manoeuvering with global optimisation of local receding horizon control | |
Li et al. | Design and application of a tire slip energy control scheme based on optimal guaranteed cost theory for four‐in‐wheel drive electric vehicles | |
US20220170543A1 (en) | Gear stage choosing apparatus, gear stage choosing method, and simulation apparatus | |
Vošahlík et al. | Real-time estimation of the optimal longitudinal slip ratio for attaining the maximum traction force | |
JP2019510293A5 (ja) | ||
CN113954849A (zh) | 一种电动汽车控制方法、装置、存储介质以及车辆 | |
CN116052504B (zh) | 汽车模拟驾驶器制动数据处理方法、装置、电子设备 | |
JPH09113418A (ja) | 自動車自動運転ロボットの制御方法 | |
WO2019174643A1 (zh) | 交通器模拟方法及系统 | |
CN113954999B (zh) | 两轮车的定速巡航控制方法、装置、两轮车及可读介质 | |
CN118709352A (zh) | 四驱车辆仿真系统及方法 |