JP2022176081A - 適応視標追跡機械学習モデル・エンジン - Google Patents

適応視標追跡機械学習モデル・エンジン Download PDF

Info

Publication number
JP2022176081A
JP2022176081A JP2022039787A JP2022039787A JP2022176081A JP 2022176081 A JP2022176081 A JP 2022176081A JP 2022039787 A JP2022039787 A JP 2022039787A JP 2022039787 A JP2022039787 A JP 2022039787A JP 2022176081 A JP2022176081 A JP 2022176081A
Authority
JP
Japan
Prior art keywords
data
eye
adaptive
vehicle
tracking
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
Application number
JP2022039787A
Other languages
English (en)
Inventor
ムラート アラル ヌリ
Murat Arar Nuri
アヴァンデハナム ニランジャン
Avadhanam Niranjan
ジャン ハイロング
Hairong Jiang
プーリー ニシャント
Puri Nishant
シェティ ラジャス
Shetty Rajath
サー シャガン
Sah Shagan
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nvidia Corp
Original Assignee
Nvidia Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nvidia Corp filed Critical Nvidia Corp
Publication of JP2022176081A publication Critical patent/JP2022176081A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
    • 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
    • G06N3/045—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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/0985—Hyperparameter optimisation; Meta-learning; Learning-to-learn
    • 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
    • G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
    • G06N3/105—Shells for specifying net layout
    • 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
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • 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
    • G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

【課題】視標追跡システムのための適応視標追跡機械学習モデル・エンジン（「適応モデル・エンジン」）を提供する。【解決手段】適応モデル・エンジンは、データを収集すること、トレーニングすること、最適化すること、及び識別された配備環境の特徴のセットに基づいてカスタマイズされた視標追跡モデルである適応視標追跡モデルを配備することをサポートする視標追跡又は凝視追跡開発パイプライン（「適応モデル・トレーニング・パイプライン」）を含み得る。適応モデル・エンジンは、サラウンド環境において凝視ベクトル推定に対してトレーニングされ、複数の視標追跡変形モデル及び複数のフェイス・ランドマーク・ニューラル・ネットワーク基準に基づいてアンサンブルし得る適応視標追跡モデルをアンサンブルすることをサポートする。【選択図】図１Ａ

Description

視標追跡技術の最近の向上は、デスクトップ、ラップトップ、及びタブレット（すなわち、ユーザが小平面を見ている非サラウンド又は２Ｄ環境）のために開発されてきており、そのようなものとして、従来の視標追跡ソリューションは、サラウンド配備アプリケーション（たとえば、運転監視システム）に適用されるときに限定される。これは、車両における（すなわち、サラウンド又は３Ｄ環境における）視標追跡の要件が、非サラウンド環境の要件とは異なるからである。たとえば、ドライバの頭部姿勢及び凝視（ｇａｚｅ）角度の予想範囲が、典型的には、デスクトップ・ユーザに比べると運転の自然の進路においてはるかに広く、ドライバからの様々な深度における、はるかに多くの表面を伴い得る。加えて、車両における視標追跡は、様々な照明条件－良い照明条件及び悪い照明条件－で堅牢に動作しなければならない。たとえば、車両は、環境及び環境光が異なる１日の異なる時間に動作される可能性があり、そのようなものとして、視標追跡は、日光と暗闇の間の全範囲で効果的に動作しなければならない。
従来の視標追跡技術は、機械学習技法を含み、具体的には、機械学習モデルをトレーニングするために収集されたデータのタイプ、及び、データから生成された機械学習モデルのアプリケーションの硬直性が原因で限定される。高レベルでは、視標追跡機械学習モデルは、通常、分類問題として凝視領域検出を公式化する分類モデルである。典型的な実装形態では、粗い頭部姿勢方向、及び両目を含む顔部分が、サポート・ベクトル・マシン（「ＳＶＭ」：Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）凝視分類器をトレーニングするために識別され、使用される。ＳＶＭ凝視分類器は、次いで、８つの所定の凝視領域の１つを出力する。別の実例において、顔の特徴が、６つの領域内のこれらの空間構成において識別され、分類される。しかしながら、顔の特徴の分類は、しばしば、正確な凝視推定を使用せずに実施される。この空間構成ベースの技法は、対象間の、及び対象内の、分類精度の変動を生じる恐れがある。さらに、空間構成ベースの技法は、明示的な瞳孔の特徴を取得せず、そのようなものとして、（頭部の動きではなく）凝視に対する瞳孔の動きの理解の精度及び堅牢性が低下することがある。
第３の従来のアプローチでは、畳み込みニューラル・ネットワーク（「ＣＮＮ」：Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）が、凝視領域を分類するためにフェイシャル・ディスクリプタを使用してトレーニングされる。しかしながら、これらのアプローチによる凝視分類モデルの有効性及び精度は、しばしば、固定された３Ｄ形状を有する特定の車両タイプに限定される。そのようなものとして、機械学習動作を実施するための代替の基礎を有する、より包括的な視標追跡システムが、視標追跡システムのための計算動作及びインターフェースを向上させることができる。
米国特許出願第１６／１０１，２３２号
本開示の実施例は、視標追跡システムのための適応視標追跡機械学習モデル・エンジン（「適応モデル・エンジン」）に関する。視標追跡又は凝視追跡開発パイプライン（「適応モデル・トレーニング・パイプライン」）を含む適応モデル・エンジンを提供するためのシステム及び方法が開示される－適応モデル・トレーニング・パイプラインは、以下のトレーニング動作を実行し得る：データを収集すること、トレーニングすること、最適化すること、及び識別された配備環境の特徴のセットに基づいてカスタマイズされた適応視標追跡モデルを配備すること。適応モデル・エンジンは、サラウンド環境における凝視ベクトル推定のために適応視標追跡モデルをトレーニングすること、並びに複数の視標追跡変形モデル及び複数のフェイス・ランドマーク・ニューラル・ネットワーク基準に基づいて、適応視標追跡モデルを生成することをサポートし得る。
前述されたものなどの従来のシステムとは対照的に、適応視標追跡モデルを生成するために、データが、サラウンド・シーン又はサラウンド配備環境から収集され得る。たとえば、サラウンド・シーン・データ収集は、複数のセンサ、複数の観点、及びデータ同期技法に基づき得る。適応モデル・エンジンのためのデータ収集は、凝視方向ベクトル及び凝視方向ベクトル範囲を含むグラウンド・トゥルース値についての、増強されたデータ変動（たとえば、サラウンド・シーン・データ・タイプのセット）を含むことができる。適応モデル・エンジンは、サラウンド・シーン・データ・タイプのセットに基づく、適応視標追跡モデルの適応モデル・トレーニングをサポートする。サラウンド・シーン・データ・タイプのセットは、適応モデル・トレーニング中に使用されることが可能な異なる入力を表し得る。適応モデル・トレーニングは、適応視標追跡モデルをトレーニングするために使用されるサラウンド・シーン・データ・タイプのセットの多様性を管理するための、いくつかのデータ準備及び処理ステージを含み得る。
いくつかの実施例において、適応モデル・エンジンの適応モデル・トレーニングは、適応視標追跡モデルを最適化するための技法を含み得る。再トレーニングされた適応視標追跡モデルを生成するために、反復的向上が、適応視標追跡モデルに対して具体的に実施されることが可能である。たとえば、車両のための第１の適応視標追跡モデルが生成され、次いで、車両のタイプ、車両のサイズと形状、ディープ・ニューラル・ネットワーク（「ＤＮＮ」：Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）モデルのサイズと基本設定の変化、及びＤＮＮ機能の焦点と範囲に基づいて、第２の適応視標追跡モデルとして最適化されることが可能である。
適応視標追跡機械学習モデル・エンジン提供するための本システム及び方法について、添付の図面を参照して、以下に詳しく説明する。
本開示のいくつかの実施例による、適応モデル・エンジンを提供するための実例のシステムの図である。 本開示のいくつかの実施例による、適応モデル・エンジンを使用した適応視標追跡モデルを提供する処理の実例のデータ・フロー図である。 本開示のいくつかの実施例による、適応モデル・エンジンに関連付けられた実例のデータ収集構成要素の視覚表現を含む図である。 本開示のいくつかの実施例による、適応モデル・エンジンに関連付けられた実例のデータ収集構成要素の視覚表現を含む図である。 本開示のいくつかの実施例による、適応モデル・エンジンに関連付けられた実例のデータ収集構成要素の視覚表現を含む図である。 本開示のいくつかの実施例による、適応モデル・エンジンのための車両内データ収集の処理についてのデータ・フロー図である。 本開示のいくつかの実施例による、適応モデル・エンジンに関連付けられた凝視検出の処理についての実例のデータ・フロー図である。 本開示のいくつかの実施例による、適応モデル・エンジンに関連付けられた凝視検出の処理についての実例のデータ・フロー図である。 本開示のいくつかの実施例による、適応モデル・エンジンに関連付けられた凝視検出の処理についての実例のデータ・フロー図である。 本開示のいくつかの実施例による、適応視標追跡モデルを提供するための適応モデル・エンジンと相互作用するための方法を示す流れ図である。 本開示のいくつかの実施例による、適応視標追跡モデルを提供するための適応モデル・エンジンのための方法を示す流れ図である。 本開示のいくつかの実施例による、例示的自律型車両のイラストレーションである。 本開示のいくつかの実施例による、図７Ａの例示的自律型車両のカメラ位置及び視野の実例である。 本開示のいくつかの実施例による、図７Ａの例示的自律型車両の例示的システム・アーキテクチャのブロック図である。 本開示のいくつかの実施例による、クラウドベースのサーバと図７Ａの例示的自律型車両との間の通信のシステム図である。 本開示のいくつかの実施例の実装において使用するのに適した例示的コンピューティングデバイスのブロック図である。 本開示のいくつかの実施例の実装において使用するのに適した例示的データ・センタのブロック図である。
機械学習モデル・エンジンを使用した、適応視標追跡アプローチに関するシステム及び方法が開示される。本開示は、例示的自律型車両７００（本明細書で別法として「車両７００」又は「エゴ車両７００」と称され、その実例は図７Ａ～７Ｄを参照して説明される）に関して説明されることがあるが、これは限定を意図していない。たとえば、本明細書に記載のシステム及び方法は、制限なしに、非自律型車両、半自律型車両（たとえば、１つ又は複数の適応型運転者支援システム（ＡＤＡＳ：ａｄａｐｔｉｖｅ ｄｒｉｖｅｒ ａｓｓｉｓｔａｎｃｅ ｓｙｓｔｅｍ）における）、操縦される若しくは操縦されないロボット若しくはロボット・プラットフォーム、倉庫車両、オフロード車両、１つ又は複数のトレーラに連結された車両、飛行船舶、ボート、シャトル、緊急対応車両、オートバイ、電気若しくは原動機付自転車、航空機、建設車両、潜水艦、ドローン、及び／又は他の車両タイプによって使用され得る。加えて、本開示は、自律運転及び視標追跡技術について説明され得るが、これは限定を意図しておらず、本明細書に記載のシステム及び方法は、拡張現実、仮想現実、複合現実、ロボット工学、セキュリティ及び監視、自律若しくは半自律マシン・アプリケーション、並びに／又は、自律運転が使用され得る任意の他の技術空間において使用され得る。
本開示の実施例は、視標追跡システムのための機械学習モデル・エンジン（「適応モデル・エンジン」）を使用した、適応視標追跡のためのアプローチを提供することを対象とする。適応モデル・エンジンは、データを収集すること、トレーニングすること、最適化すること、及び識別された配備環境の特徴のセットに基づいてカスタマイズされた適応視標追跡モデルを配備することをサポートする視標追跡又は凝視追跡開発パイプライン（「適応モデル・トレーニング・パイプライン」）を含み得る。適応モデル・エンジンは、サラウンド環境における凝視ベクトル推定のために適応視標追跡モデルをトレーニングすること、並びに複数の視標追跡変形モデル及び複数のフェイス・ランドマーク・ニューラル・ネットワーク基準に基づいて、適応視標追跡モデルを生成することをサポートする。
１つ又は複数の実施例によれば、適応モデル・エンジンは、サラウンド・シーン又はサラウンド配備環境におけるサラウンド・シーン・データ収集を使用して、適応視標追跡モデルを生成する。サラウンド・シーンは、グラウンド・トゥルース値の適応モデル・エンジン・データ（たとえば、適応モデル・エンジン・データのセット）のキャプチャを可能にするために、グラウンド・トゥルース・データが収集される、任意の多次元環境（たとえば、２Ｄ又は３Ｄ環境）を指すことができる。２次元シーン・データ収集を伴う従来のシステムとは対照的に、適応モデル・エンジンのためのデータ収集は、凝視方向ベクトル及び凝視方向ベクトル範囲を含むグラウンド・トゥルース値の増強されたデータ変動（たとえば、サラウンド・シーン・データ・タイプのセット）を含むことができる。
サラウンド・シーン・データ収集は、複数のセンサ、複数の観点、及びデータ同期技法に基づき得る。サラウンド・シーンにおけるデータを収集することによって、従来の視標追跡データ収集技法を超えるいくつかの長所が達成されることが可能である。これらの長所は、以下を制限なしに含む：カメラ配置の柔軟性、１人又は複数の人の体、頭、目の動きを含む多様なデータの迅速な獲得、並びに、サラウンド・シーン及びシーン形状の堅牢なモデリング。たとえば、サラウンド・シーン・データ収集は、具体的には、適応視標追跡モデルが、異なる車両形状を有する車両の異なるタイプに配備されることが可能な、異なる視標追跡モデルにカスタマイズされるように、適応視標追跡モデルをトレーニングするために使用されることが可能なやり方で、シーン及び車両形状データ収集のために使用されることが可能である。サラウンド・シーン・データ収集は、ベンチ・セットアップに基づくことが可能であり、ここで、参加者は、データ収集インターフェースを通じて画面上にターゲット・グラウンド・トゥルース（「ＧＴ」：Ｇｒｏｕｎｄ Ｔｒｕｔｈ）凝視点を提示される。サラウンド・シーン・データ収集は、車両内セットアップに基づくことが可能であり、ここで、車両は、いくつかの領域に分割され、サラウンド・シーン・データは、領域におけるシグナリング・メカニズム（たとえば、発光ダイオード（「ＬＥＤ」）パネル）を使用して収集される。
適応モデル・エンジンは、サラウンド・シーン・データ・タイプのセットに基づく、適応視標追跡モデルの適応モデル・トレーニングをサポートする。サラウンド・シーン・データ・タイプは、サラウンド・シーンにおけるサラウンド・シーン・データ収集中に検索されたデータのカテゴリを指すことができる。サラウンド・シーン・データ・タイプのセットは、適応モデル・トレーニング中に使用される異なる入力を表し得る。本開示の様々な実施例による適応モデル・トレーニング・パイプラインは、複数のセンサ及びデータ同期動作に少なくとも基づいて、サラウンド・シーン・データ収集中に検索されたデータに対応するサラウンド・シーン・データ・タイプのセットを処理することを含むことができる。
適応モデル・トレーニングは、適応視標追跡モデルをトレーニングするために使用されるサラウンド・シーン・データ・タイプのセットの多様性を管理するための、いくつかのデータ準備及び処理ステージを含み得る。データ準備ステージは、事前処理、データ・フィルタ処理、グラウンド・トゥルース有効化、及びタスク固有サブサンプリングを含むことができる。サラウンド・シーン・データ・タイプのセット、並びにデータ準備及び処理ステージを使用して適応視標追跡モデルをトレーニングすることは、適応視標追跡を配備環境の変化に適合させることをサポートする。たとえば、適応視標追跡モデルは、第１に、異なる車両視標追跡システムをサポートするための異なる照明、カメラ、及び配置データ・タイプをサポートすることと、第２に、異なる占有者データ・タイプ（たとえば、顔の特性、民族性、アイウェア、ヘッドギア、衣類、顔ひげ、部分的な遮蔽、並びに、体、頭、及び目の動き）をサポートすることと、第３に、グラウンド・トゥルース生成及びラベリングのエラーを処理することとを行うようにトレーニングされることが可能である。
適応モデル・トレーニングは、１つ又は複数の実施例による、適応モデル・トレーニング・パイプライン、及び、特に、特定のタイプの問題がＤＮＮを使用して解決されるように、キャプチャされてきた十分なデータがあるとき、高品質の結果をかなえるためのディープ・ニューラル・ネットワーク（「ＤＮＮ」）の能力に基づくことが可能である。このようにして、適応モデル・エンジンは、異なる配備環境における視標追跡システムのためのカスタマイズされた適応視標追跡モデルを導出することをサポートし得る。カスタマイズされた適応視標追跡モデルは、適応モデル・エンジン・データ－具体的には、適合可能な視標追跡モデル－を使用して生成されることが可能である。適合可能な視標追跡モデルは、最大変動モデルであることが可能である。適合可能な視標追跡モデルは、最大変動に重点的に取り組むデータの大きいプール（すなわち、両極端で構成された、又は、多種多様な入力データ及び特徴を保証するように選ばれたサンプル）に対して、最初にトレーニングされることが可能である。適合可能な視標追跡モデルは、計算の複雑性を低減させ、オーバーフィッティングにつながる冗長なパラメータを棄てるために、（たとえば、小さい値のノルム（ｓｍａｌｌ ｖａｌｕｅｄ ｎｏｒｍｓ）を有する特徴マップを落として）取り除かれ得る。取り除かれた適合可能な視標追跡モデルは、次いで、配備された環境データの特徴のセット（たとえば、車のタイプ及びカメラのロケーション／観点）にマッチするデータ分散に対して再トレーニングされるか、微調整されることが可能である。
カスタマイズされた適応視標追跡モデルは、複数の視標追跡変形モデル（たとえば、包括的なヘッド・ノルム、単一の目のモデル、制限された頭部姿勢）及び複数のフェイス・ランドマーク・ニューラル・ネットワーク基準（たとえば、フェイス・ランドマーク信頼度、頭部姿勢、左／右の目の外見品質）を含む適応モデル・エンジン・データを、適応モデル選択アンサンブル・マネージャへの入力として使用して生成されることが可能である。カスタマイズされた適応視標追跡モデルは、凝視ベクトル推定データ（たとえば、顔、左目、右目、２Ｄ／３Ｄランドマーク）を考慮して、人が見ている場所を予測する凝視推定をサポートする。凝視推定は、凝視ベクトルを予測する３Ｄ凝視ベクトル推定に基づくことが可能である。
さらに、適応モデル・エンジンの適応モデル・トレーニングは、適応視標追跡モデルを最適化するための技法を含み得る。再トレーニングされた適応視標追跡モデルを生成するために、適応視標追跡モデルに対して、反復的向上が具体的に実施されることが可能である。たとえば、車両のための第１の適応視標追跡モデルが生成され、次いで、車両のタイプ、車両のサイズと形状、ユーザ固有パラメータ、ＤＮＮモデルのサイズと基本設定の変化、及びＤＮＮ機能の焦点と範囲に基づいて、第２の適応視標追跡モデルとして最適化されることが可能である。さらに、より一般には、適応視標追跡モデルは、自動車アプリケーションを超えて、異なるタイプのアプリケーション・シナリオに適合されることが可能である。
適応視標追跡機械学習モデル・エンジン
図１Ａを参照すると、図１Ａは、本開示のいくつかの実施例による、適応視標追跡機械学習モデル・エンジン（「適応モデル・エンジン」）のための実例のシステム１００である。たとえば、システム１００は、視標追跡又は凝視追跡開発パイプライン（「適応モデル・トレーニング・パイプライン」）を含む適応モデル・エンジンを提供し得る。システム１００は、以下を含む３つの異なるタイプのモデル向上動作をさらにサポートする－適応モデル選択及びアンサンブル動作、トレーニングベースの向上動作、並びに反復フィードバック動作。本明細書に記載のこの及び他の配置は、単に実例として説明されていることを理解されたい。他の構成及び要素（たとえば、マシン、インターフェース、機能、順番、機能のグループ化など）が、図示されたものに加えて又はそれらの代わりに使用され得、いくつかの要素は、完全に省略され得る。さらに、本明細書に記載の要素の多数は、個別の若しくは分散された構成要素として又は他の構成要素と併せて、並びに任意の適切な組合せ及び場所において実装され得る機能エンティティである。エンティティによって実行されるものとして本明細書に記載された様々な機能は、ハードウェア、ファームウェア、及び／又はソフトウェアによって実施され得る。たとえば、様々な機能は、メモリに記憶された命令を実行するプロセッサによって実施され得る。
システム１００は、適応モデル・トレーニング・パイプラインを含む適応モデル・エンジンを提供するための構成要素、命令、及び動作を提供する。図１Ａに示されているように－及び以下に記載のように－、構成要素、命令、及び動作は、以下を含む：データ収集動作のためのベンチ・セットアップ１１２及び車内セットアップ１１４を含むデータ収集１１０－データ抽出１２２、データ・フィルタ処理１２４、データ・ラベリング１２６、合成データ生成１２８のためのデータ準備１３０、データ・サブサンプリング１３２のためのデータ準備１３０、データ事前処理１３４、及びデータ隔離１３６－ＤＮＮモデル・トレーニング１４０－マルチステージ有効化１５０－フィードバック１６０、品質保証（「ＱＡ」：Ｑｕａｌｉｔｙ Ａｓｓｕｒａｎｃｅ）１７０、キー・パフォーマンス指標（「ＫＰＩ」：Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒ）１７２、モデル選択及び配備１８０、並びに配備環境１９０。
図１Ｂを参照すると、図１Ｂは、本開示のいくつかの実施例による、適応視標追跡のための実例のシステム１００を示す。図１Ｂは、車両１０２（すなわち、第１の配備環境データを有する第１の配備環境）、及び車両１０４（すなわち、第２の配備環境データを有する第２の配備環境）を含む。第１の配備環境及び第２の配備環境は、車両の異なるタイプ（たとえば、車両タイプ、サイズ、及び形状）を表すことができる。たとえば、第１の車両は、スポーツ・ユーティリティ・ビークル（「ＳＵＶ」）であり得、第２の車両は、セダンであり得る－各車両は、視標追跡モデルによってサポートされる異なる特徴を有する。車両の異なるタイプ（たとえば、第１の車両及び別の車両）並びに非自動車配備環境が、本開示の実施例によって想定される。
車両１０２及び車両１０４は、これらのそれぞれの環境の特徴のセットに対応する配備環境データにアクセスし、配備環境データを図１Ａのシステム１００（すなわち、適応モデル・エンジン）に提供し得る。特徴のセットは、配備のための対応するモデルを識別するために使用され得る。たとえば、特徴のセットは、空間構成特徴（たとえば、車両のタイプ、サイズ、及び形状）、ＤＮＮ基本設定構成特徴（たとえば、ＤＮＮモデルのサイズ及びパフォーマンス基本設定、ＤＮＮ機能の焦点と範囲）、又は凝視タイプ構成特徴（たとえば、運転者注意散漫のための領域ベースの凝視、サッカード・ベースの認知負荷推定（ｓａｃｃａｄｅ－ｂａｓｅｄ ｃｏｇｎｉｔｉｖｅ ｌｏａｄ ｅｓｔｉｍａｔｉｏｎ）、自動車ドメインと非自動車ドメイン両方の凝視ベースの人間－機械相互作用）を含み得る。
配備環境の特徴のセットは、サラウンド・シーンにおけるデータ収集中に検索されたデータのカテゴリを指すサラウンド・シーン・データ・タイプにさらに対応し得る。サラウンド・シーン・データ・タイプのセットは、モデル・トレーニング中に使用される異なる入力を表し得る。この点に関して、特徴のセットは、モデル・トレーニング中に使用される入力のタイプに対応し得る。たとえば、適応視標追跡モデルは、第１に、異なる車両視標追跡システムをサポートするために、異なる照明、カメラ、及び配置データ・タイプをサポートすることと、第２に、異なる占有者データ・タイプ（たとえば、顔の特性、民族性、アイウェア、ヘッドギア、衣類、顔ひげ、部分遮蔽、並びに体、頭、及び目の動き）をサポートすることと、第３に、グラウンド・トゥルース生成及びラベリング時のエラーを処理することとを行うようにトレーニングされることが可能である。そのようなものとして、に対応する配備環境データ
配備環境データは、配備環境によって、配備環境の、配備環境において、又は配備環境内で生成されたデータを含み得る。たとえば、運転システム（たとえば、運転システム１０６及び運転システム１０８）並びに／又は車両の他の構成要素は、配備環境データの１つ又は複数の部分を、適応モデル・エンジン（たとえば、適応モデル選択及びアンサンブル・マネージャ）に通信し得る。さらなる実例として、１つ又は複数の計算デバイス８００は、配備環境データの１つ又は複数の部分を適応モデル・エンジンに通信し得る。実例として、計算デバイス８００は、本明細書に記載のように、データ収集のために配備環境において使用され得るが、配備環境及び／又は配備される車両の一部でなくてもよい。
配備環境データは、配備環境の凝視タイプに基づいて生成され得る。凝視タイプに基づいて生成された配備環境データは、配備環境における配備のための１つ又は複数の適応視標追跡モデルを生成するために適応モデル・エンジンが使用する１つ又は複数の特徴によって、キャプチャされ得る。凝視タイプは、運転者注意散漫のための領域ベースの凝視検出、サッカード・ベースの認知負荷推定、自動車ドメインと非自動車ドメイン両方の凝視ベースの人間－機械相互作用を含むことができる。たとえば、第１の車両構成（たとえば、車両タイプ、サイズ、及び形状）は、運転者注意散漫のための領域ベースの凝視に関連付けられ得る一方で、第２の車両構成は、凝視ベースの人間－機械相互作用に関連付けられ得る。単一の車両構成は、第１の凝視タイプを有する車両の第１の部分、及び第２の凝視タイプを有する車両の第２の部分を含み得る。そのようなものとして、配備環境データは、車両構成の１つ又は複数の凝視タイプ、及び１つ又は複数の凝視タイプに関連付けられた対応する部分を識別するために使用されることが可能な凝視タイプ情報を含むことができる。凝視タイプの他の変更形態及び組合せが、本開示の実施例によって想定される。
１つ又は複数の実施例において、適応モデル・エンジンは、－本明細書で論じられるように－配備環境の特徴のセットに少なくとも基づいて、対応する配備環境に合わせてカスタマイズされた適応視標追跡モデルを導出するために使用されることが可能である。１つ又は複数の実施例において、特徴のセットは、データベースを使用して、及び／又は、手でエンター若しくは選択された設定若しくは構成要素から、適応モデル・エンジンに指示され得る。さらなる実例として、配備環境データは、配備環境データによってキャプチャされた特徴のセットのうちの１つ又は複数のスキーマ又は他の指標を使用して、適応モデル・エンジンに提供され得る。また、１つ又は複数の実施例において、１つ又は複数の特徴は、配備環境データ内の潜在的なものであり得る。動作的に、車両１０２又は車両１０４は、配備環境データを適応モデル・エンジンに提供し、対応する車両の配備環境に合わせてカスタマイズされた適応視標追跡モデルを、適応モデル・エンジンから受信し得る。１つの実例において、適応モデル・エンジンは、第１の車両配備環境、第２の車両配備環境、及び第３の非車両配備環境の適応視標追跡モデルを導出するために使用されることが可能であり、それぞれの車両配備環境が異なる形状を備える。実施例によれば、第１の車両配備環境は、第１の車両タイプに関連付けられ得、第２の車両配備環境は、第１の車両タイプとは異なり得る第２の車両タイプに関連付けられ得る。
別の実施例において、第２の配備環境の特徴のセットに対応する第２の配備環境データがアクセスされ、第２の適応視標追跡モデルの生成を行うために適応モデル・エンジンを提供される。第２の適応視標追跡モデルは、第２の配備環境の特徴に少なくとも基づいて識別された適応モデル・エンジン・データを使用して、第２の配備環境に合わせてカスタマイズされる。第２の適応視標追跡モデルは、第２の配備環境における配備のために提供される。
少なくとも１つの実施例において、車両１０２又は車両１０４は、データを適応モデル・エンジンに伝送することによって配備環境データを提供し得る。しかしながら、他の実例において、配備環境データのうちの少なくともいくつかは、配備環境内の別のデバイス又はユーザによって提供され得る。
配備環境の特徴のセットに少なくとも基づいて識別されたデータを使用して、適応モデル・エンジンは（たとえば、適応モデル選択及びアンサンブル・マネージャ１８０を使用して）、車両１０２のための第１のカスタマイズされた適応視標追跡モデル、及び車両１０４のための第２のカスタマイズされた適応視標追跡モデルを導出する。対応する適応視標追跡モデルは、凝視サラウンド・シーン・データ及び凝視ベクトル推定データに少なくとも基づいてトレーニングされ得る。カスタマイズされた適応視標追跡モデルは、凝視ベクトル推定データ（たとえば、顔、左目、右目、２Ｄ／３Ｄランドマーク）を考慮して、人が見ている場所を予測する凝視推定をサポートする。凝視推定は、凝視ベクトルを予測する３Ｄ凝視ベクトル推定に基づくことが可能である。
適応モデル・エンジン・データは、複数の視標追跡変形モデル（たとえば、包括的なヘッド・ノルム、単一の目のモデル、制限された頭部姿勢）、及び複数のフェイス・ランドマーク・ニューラル・ネットワーク基準（たとえば、フェイス・ランドマーク信頼度、頭部姿勢、左／右の目の外見品質）を含み得る。複数の視標追跡変形モデル、及び複数のフェイス・ランドマーク・ニューラル・ネットワーク基準は、適応視標追跡モデルを生成するために、配備環境データに少なくとも基づいて、（たとえば、向上された予測的パフォーマンスのためにアンサンブル機械学習方法を使用して）アンサンブルとして選択され、まとめてパッケージ化されるか、結合される。たとえば、適応モデル選択及びアンサンブル・マネージャは、適応視標追跡モデルを生成するために、第１の視標追跡変形モデル、及び第１のフェイス・ランドマーク・ニューラル・ネットワーク・モデルを受信し得る。アンサンブル方法は、分散（たとえば、バギング）、バイアス（たとえば、ブースティング）を減少させるため、又は、予測（たとえば、スタッキング）を向上するために、いくつかの機械学習技法を１つの予測モデルに結合させるメタアルゴリズムを指すことができる。
アンサンブル方法は、ベース・ラーナーが順次生成される連続アンサンブル方法（たとえばＡｄａＢｏｏｓｔ）、又は、ベース・ラーナーが並列に生成される並列アンサンブル方法（たとえば、ランダム・フォレスト）を使用して実施されることが可能である。１つ又は複数の実施例において、機械学習アンサンブリングは、空間構成特徴、ＤＮＮ基本設定構成特徴、又は凝視タイプ構成特徴に基づき得る。たとえば、選択及びアンサンブリングが、ＤＮＮ基本設定構成特徴によるものであるように、特定のＤＮＮ基本設定構成特徴、ＤＮＮモデル・サイズ及びパフォーマンス基本設定、ＤＮＮ機能の焦点と範囲から、決定が行われることが可能である。この点に関して、適応視標追跡モデルを生成することは、複数のフェイス・ランドマーク・ニューラル・ネットワーク基準及び複数の視標追跡変形モデルを選択することを含むことができる。複数の視標追跡変形モデル及び複数のフェイス・ランドマーク・ニューラル・ネットワーク基準は、以下を含む（たとえば、適応視標追跡モデルを介した）出力を生成するために結合される：凝視ベクトル、カメラ空間における注視点、又は両方。出力は、配備環境データにおいて識別されるような、ＤＮＮモデル・サイズ、パフォーマンス基本設定、並びにＤＮＮ機能、焦点、及び範囲で整列させる。
いくつかの実施例において、車両１０２又は車両１０４から受信された配備環境データは、配備環境に関連付けられた凝視角度範囲を含む。凝視角度範囲は、所定の凝視角度範囲基準（たとえば、目の高さ（０°）、２５°上又は下、目の高さ（１０°）３０°）を使用して表されることが可能である－他の変更形態及び組合せが本明細書で想定される。アルゴリズムは、凝視角度及び対応する凝視角度範囲を決定するために、頭部と両目の間の関係を分析する。そのようなものとして、適応視標追跡モデルをカスタマイズすることは、凝視角度範囲に少なくとも基づいて適応視標追跡モデルを生成するために、適応モデル・エンジン・データを識別することに少なくとも基づく。適応視標追跡モデルは、適応モデル・エンジン・データからのデータのサブセットを含む。
車両１０２又は車両１０４は（たとえば、その運転システムを介して）、配備環境の特徴に少なくとも基づいて識別された適応モデル・エンジン・データを使用して配備環境に合わせてカスタマイズされた適応視標追跡モデルを、（たとえば、適応モデル選択及びアンサンブル・マネージャ１８０を介して）適応モデル・エンジンから受信する。車両１０２又は車両１０４は、配備環境における配備のために、適応視標追跡モデルを使用する。適応視標追跡モデルは、配備環境の凝視のタイプ（たとえば、運転者注意散漫のための領域ベースの凝視、サッカード・ベースの認知負荷推定、自動車ドメインと非自動車ドメイン両方の凝視ベースの人間－機械相互作用）を効率的に識別するために配備されることが可能である。
図２Ａ～図２Ｃに移ると、図２Ａ～図２Ｃは、データ収集をサポートするデータ収集構成要素、命令、及び動作を示す。データ収集構成要素は、本明細書に記載の配備環境データのうちの少なくともいくつかを生成するために使用され得る。データ収集は、データ・コレクタ２１０によって管理され得、データ・コレクタ２１０は、配備環境１９０（たとえば、車両）及び／又は計算デバイス８００の任意の組合せにおいて実装され得る。データ収集構成要素は、ベンチ構成２２０、車内構成２３０、グラウンド・トゥルース・ディスプレイ２４０、ユーザの記録２５０、ドライブワークス・レコーダ２６０、アニメータ２７２、点分布２７４、ＬＥＤパネル２７６、ＬＥＤコントローラ２７８、及びレコーダ／カメラ構成２８０を含み得る）。配備環境１９０及び／又は配備環境１９０に取り付けられたデバイス（たとえば、ＬＥＤパネル２７６）を使用してデータが生成される場合、出力は、サーバ、クラウド・コンピューティング環境、ＧＰＵデバイス等などの、計算デバイス８００に提供され得る。
１つ又は複数の実施例において、計算デバイス８００は、適応モデル選択及びアンサンブル・マネージャ４５０Ｃを備え得る、並びに／又は、計算デバイス８００は、出力データ、配備環境データ、及び／若しくは、配備環境データを生成するために使用されるデータのうちの少なくともいくつかを、適応モデル選択及びアンサンブル・マネージャ４５０Ｃを含み得る別のデバイスに提供し得る（たとえば、伝送し得る）。１つ又は複数の実施例において、データは、ＤＮＮモデル・トレーニング１４０、フィードバック１６０、マルチステージ有効化１５０、及び／又はデータ準備１３０の１つ又は複数を実装する計算デバイス８００に提供され得る。
データ収集動作は、データの大きい変動をキャプチャするための凝視データ収集を容易にする。データの変動は、周囲の照明（屋内、屋外）、３Ｄヘッド・ボックスにおける頭部の動き、頭部姿勢角度、瞳孔の動き、アイウェア（眼鏡、サングラス、コンタクト・レンズ）、ヘッドウェア（ハット、キャップ等）、遮蔽（顔のマスク、カップから飲むこと）、顔ひげ（あごひげ、口ひげ）及び化粧、並びに対象人口統計（年齢、性別、民族性、目のタイプ）を含むことができる。
データ収集動作は、ベンチ・セットアップ（たとえば、オン・ベンチ構成２２０）、又は車内セットアップ（たとえば、車内構成２３０）に基づくことが可能である。有利なことに、ベンチ・セットアップと車内セットアップ両方に関して、高スループット及び現実的なデータ収集が存在することが可能である。図２Ａは、ベンチ・セットアップ及び車内セットアップのそれぞれのために使用され得るビルディング・ブロックを含む。両方のセットアップに対して、同期されたマルチカメラ（たとえば、８個のカメラ）の記録（すなわち、データ同期動作）が、カメラのロケーション及び観点の変動に対する堅牢性を達成するために使用されることが可能である。これは、自動車製造業者による非常に望まれる特徴である車内カメラ配置の柔軟性を提供し得る。
図２Ｂは、データ収集のための凝視コレクション命令及びデータの高レベル・アーキテクチャ（たとえば、凝視コレクション・ソフトウェア）を示す。１つ若しくは複数の命令又はデータ・プロセッサが、オン・ベンチ・コレクションと車内コレクション両方に共通であり得るが、１つ又は複数の命令又はデータ・プロセッサが、特に車内データ収集のためにデザインされ得ることが想定される。たとえば、アニメータ、ＧａｚｅＥｘｐｅｒｉｍｅｎｔＧＵＩ、生成器、ＧａｚｅＥｘｐｅｒｉｍｅｎｔＭｏｄｅｌ、及びリッスンが、オン・ベンチ及び車内コレクションに共通である一方で、ＧａｚｅＥｘｐｅｒｉｍｅｎｔＬＥＤ、ＬｉｇｈｔＧｒｉｄ、及びＬＥＤコントローラ（ＰｉＬｉｂ）が、特に車内データ収集のためにデザインされる。この点に関して、ベンチ・セットアップ及び車両内セットアップからのサラウンド・シーン・データ・タイプのセットのサラウンド・シーン・データを処理することが、２つ以上の共通データ・プロセッサに少なくとも基づく一方で、ベンチ・セットアップ及び車両内セットアップの少なくとも１つの異なるデータ・プロセッサが、サラウンド・シーン・データを処理し、ベンチ・セットアップ又は車両内セットアップのために排他的にデータ同期動作を実行する。
ベンチ・セットアップについては、参加者は、データ収集アプリを通じて画面上にターゲット・グラウンド・トゥルース（「ＧＴ」）凝視点を提示され得る。ＧＴポイントは、画面上の一様なデータ分散のために擬似ランダム的に生成され得る。視覚刺激として機能させるために、円形ターゲット・ポイントのサイズは、連続的に変化され得る。加えて、参加者がターゲット・ポイントに固定しつつ注意を払っているかどうかを保証するために、Ｌ又はＲ字が各円の中心に示され得る。参加者は、次いで、次のターゲットに進むために示された文字を、適宜右又は左クリックすることを求められる。
図２Ｃに移ると、図２Ｃは、車内セットアップ又は車両内セットアップのための車又は車両を示す。図２Ｃは、凝視定義を説明するために使用され得る。車は、以下を含む車内データ収集のための７つの領域に分割される：「前面中央」、「前面右」、「情報クラスタ」、「エンターテイメント・コンソール」、「左外部」、「右外部」、及び「オフ・ロード」。「オフ・ロード」領域は、６つの領域以外の車の内部として定義される。車内セットアップについては、ＬＥＤパネルが、車の各領域（たとえば、領域１、領域２、領域３、領域４、領域５、及び領域６）にマウントされる。ＬＥＤボードのポジションは、車の形状全体にわたってできるだけ多くのロケーションをカバーするために、反復して変化するように構成されることが可能である。図３に示されているように、構成可能な一連のポイントが、複数の凝視領域上のＬＥＤパネル全体に強調される。
図３は、車内データ収集をサポートする車内データ収集構成要素、命令、及び動作を示している。車内データ収集構成要素は、車内グリッド３１０、ＬＥＤ２３０、ＬＥＤコントローラ３３０、カメラ３４０、及びユーザ入力インターフェース３５０を含む。ＬＥＤコントローラ３３０は、車内グリッド３１０、ＬＥＤ２３０、ＬＥＤコントローラ３３０、カメラ３４０、及びユーザ入力インターフェース３５０を接続するブレイクアウト基板であることが可能である。選択されたグリッドは、ユーザ凝視データが、選択されたグリッドに基づいて収集されるように、視覚刺激として機能するようにトリガされることが可能である。図示のように、ＬＥＤボードの構成は、凝視データ収集を支援する。各ボードは、特定の領域内に置かれ、個々のＬＥＤは、車インターフェースを通じて照らされる。ユーザ又は対象は、操舵輪制御を通じて、データ・キャプチャのスタート及びエンドをトリガする。操舵輪制御は、ネットワーク・ソケット、及びＧＰＩＯブレイクアウトに接続される。これは、ユーザがＬＥＤを見ているときにデータが収集されることを保証する。操舵輪ボタンは、ネットワーク・ソケットにおけるＪＳＯＮパック青色ＬＥＤ、ＪＳＯＮパック赤色ＬＥＤ、及びＪＳＯＮパック緑色ＬＥＤ、並びに、ＧＰＩＯブレイクアウト上のＳＬシリアルＩＤＸ／ＲＧＢ、ＳＬシリアルＩＤＸ／ＲＧＢ、及びＳＬシリアルＩＤＸ／ＲＧＢに対応する、始めること、有効化すること、及び記録することを始動させる。
図１Ａに戻ると、図１Ａは、データ準備をサポートするデータ準備構成要素、命令、及び動作を示す。データ準備動作は、データ抽出１２２、データ・フィルタ処理１２４、データ・ラベリング１２６、合成データ生成１２８、データ・サブサンプリング１３２、データ事前処理１３４、及びデータ隔離１３６を含む。データ抽出１２２は、（マウス・クリックを通じて）タイムスタンプ、及び、各ターゲット凝視点のＧＴ凝視値を格納するファイルとともに、カメラからの未加工ビデオのデータ収集レコードにアクセスすることを含む。これらのファイルは、未加工ビデオからフレームを抽出し、対応するＧＴを割り当てるために、構文解析される。データ・フィルタ処理１２４は、データ分散を最適化するやり方で抽出されたものから最も有用なフレームを識別する。ビデオが３０又は６０Ｈｚで記録されるとき、ほとんどの抽出されたフレームは、外見的に非常に似ており、したがって、学習にとって冗長である。また、トレーニングするために使用される場合、これらのフレームは、データ・ラベリングのため、及びモデル・トレーニングのための追加の計算コストを生じるはずである。これに対処するために、データ・フィルタ処理１２４は、頭部姿勢角度の変動に基づくなど、外見的類似点に基づいて、フレームをフィルタ処理し得る。
データ・ラベリング（及び有効化）１２６は、顔及び目の境界ボックス、フェイス・ランドマーク、目の状態（開いている、半分開いている、わずかに開いている、閉じている）、グレア／グリント強度及び局在化等などの、様々な属性がモデル・トレーニングにおいて使用されるように、人間のラベラーによって注釈をつけられたフレームの最終リストを生成することを含む。加えて、人間のラベリング・エラーを低減させるか除くために、有効化ステップは、アルゴリズム生成した予想されるラベルについて所与のラベルをチェック及び検証するグラウンド・トゥルース有効化メカニズムを採用する。予想されるラベルから非常に逸脱するこれらのサンプルは、手動ラベリングの別の繰返しのために、棄てられるか、再び送られる。
データ・サブサンプリング１３２は、タスク固有モデルを生成するために、トレーニングの前に採用され得る。たとえば、モデルが、特定の車のタイプ（コンパクト、セダン、ＳＵＶ、トラック等）に配備するためのものであるか、特定の頭部姿勢又は凝視角度範囲に対して機能することが望まれる場合、データは、ＤＮＮモデル・トレーニング１４０に送り込むために、適宜サブサンプルされ得る。データ隔離１３６は、データをトレーニング、テスト、及び有効化セットに分割するためのＤＮＮモデル・トレーニング要件をサポートする。データ隔離１３６は、対象全体の高度のモデル一般化能力を達成するために、フレームレベルではなく、ユーザレベル・データ隔離（キーとしての一意の匿名のユーザｉｄ）を採用する。これは、ユーザのどれも、分割の２つ以上に含まれないことを保証する。
データ準備１３０は、以下のそれぞれを含むデータ事前処理動作をサポートするデータ事前処理１３４も含むことができる：グレア検出、凝視データ正規化、及び手動目－凝視特徴抽出。データ事前処理１３４は、グレアの除去、及び対応するマスキングのためのグレア検出を含み得る。グレア検出は、トレーニングの前に、眼鏡及び他の反射性オブジェクト上のグレアに対する堅牢性を達成するために、データ準備１３０によって使用され得る。モデル・トレーニングは、入力イメージに対するイメージ処理を使用したグレア除去のため、及び、（トレーニングされるとモデルに同様に提供され得る）トレーニングされたネットワークに、追加の入力としてグレア・マスクを提供するためなどの、様々なやり方で、これを活用することができる。
データ事前処理１３４は、凝視データ正規化をさらに含み得る。凝視データ正規化は、凝視推定分析の自由度を低減させることを目指し得る。凝視データ正規化は、カメラ軸、及び顔又は個々の目の軸が整列される正規化されたカメラ空間を使用し得る（すなわち、カメラからの凝視データの軸を、カメラからの凝視データにおける顔又は目に整列させる）。このような正規化されたカメラ空間において、ＤＮＮは、整列されたイメージ全体の外見変動をより正確に学習し得る。凝視データを正規化することは、元のフレームを歪ませないこと（たとえば、歪んでいない凝視データ正規化動作）、フェイス・ランドマークの局在化及びＰｎＰを通じた３Ｄ頭部姿勢推定、目及び顔の中心の３Ｄポジション推定、並びにイメージ・ワーピングを含み得る。
データ事前処理１３４は、ハンドデザインの又は手動式の目－特徴抽出をさらに含み得る。各フレームに対して、データ事前処理動作は、目及び瞳孔の輪郭、眼球に対する瞳孔の相対位置などを含む、凝視（たとえば、２８個の特徴）と相関したハンドクラフトの特徴を抽出することを含み得る。入力イメージとともに、これらの特徴は、学習処理に役立つように明示的に提供され得る。このようにして、データ事前処理１３４は、手動式抽出凝視特徴のセットを抽出することを含み、手動式抽出凝視特徴のセットは、適応モデル・エンジンにおけるトレーニング動作のために明示的にタグ付けされる。
図１Ａに示されているように、適応モデル・エンジンは、ＤＮＮモデル・トレーニング１４０を含む。図４Ａ及び図４Ｂは、ＤＮＮモデル・トレーニング１４０をサポートするＤＮＮモデル・トレーニング構成要素、命令、及び動作の例を含む。図４Ａに関して、ＤＮＮモデル・トレーニング構成要素は、入力フレーム４０２Ａ、モデル入力生成器４０４Ａ、データ拡張４０６Ａ、入力選択４０８Ａ、ネットワーク・アーキテクチャ４１０Ａ、出力４１２Ａ、出力選択４１４Ａ、及び最終凝視４１６Ａを含み得る。ＤＮＮモデル・トレーニング構成要素は、トレーニングが実現されることが可能な凝視モデル・トレーニング・パイプラインを定義する。動作時、入力フレーム（たとえば、入力フレーム４０２Ａ）は、モデル入力生成器（たとえば、モデル入力生成器４０４Ａ）を通じて受信され、処理されることが可能である。潜在的なネットワーク入力（たとえば、サラウンド・シーン・データ・タイプのセット）は、限定ではなく実例として、顔（元の若しくは正規化された）、左目（元の若しくは正規化された）、右目（元の若しくは正規化された）、各目＋グレア・マスクを伴うチャネル、各目＋瞳孔マスクを伴うチャネル、両目のストライプ（両目をカバーする顔を覆う長方形のクロップ）、２Ｄランドマーク、３Ｄランドマーク、フェイス・マスク／グリッド３Ｄ頭部姿勢角度、及び／又はハンドクラフトの目－凝視特徴を含み得る。入力フレームは、ネットワーク・アーキテクチャ（たとえば、ニューラル・ネットワーク・アーキテクチャ４１０Ａ）についての任意の数のこれらの特徴又はその組合せを含む入力選択（たとえば、入力選択４０８Ａ）を生成するために、モデル入力生成器４０４Ａによって処理される。
いくつかの実施例において、データ拡張（たとえば、データ拡張４０６Ａ）が、－本明細書でさらに詳しく論じられるように－入力選択とともにさらに提供される。ネットワーク・アーキテクチャは入力を処理して、最終凝視（たとえば、最終凝視４１６Ａ）を生成するために出力選択（たとえば、出力選択４１４Ａ）として処理される注視点及び凝視線（たとえば、出力４１２Ａ）などの出力を生成する。モデル出力の異なる変更形態及び組合せが可能であることが想定される。たとえば、モデル出力は、限定ではなく実例として、凝視ベクトル（Θ，Φ）、カメラ空間における注視点（ｘ，ｙ，ｚ）、又は、その組合せ（ｘ，ｙ，ｚ，Θ，Φ）を含み得る。凝視モデル・トレーニング・パイプラインは、図４Ｂに示されたものなどの、エンドツーエンドの車両内凝視追跡システム上で動作し得る。
図４Ｂは、カメラ４０２Ｂ、顔検出４０４Ｂ、検出された顔４０６Ｂ、３Ｄ凝視ベクトル推定４０８Ｂ、フェイス・ランドマーク検出４１０Ｂ、３Ｄ凝視オリジン推定４１２Ｂ、３Ｄ車両形状４１４Ｂ、投影ベースの車内凝視領域マッピング４１６、及び出力凝視領域４１８Ｂを含むＤＮＮモデル・トレーニング構成要素の例を示す。動作時、カメラ（たとえば、カメラ４０２Ｂ）は、検出された顔（たとえば、検出された顔４０６Ｂ）を識別するために顔検出動作（たとえば、顔検出４０４Ｂ）を使用して処理されたコンテンツを記録する。検出された顔は、フェイス・ランドマーク（たとえば、フェイス・ランドマーク検出４１０Ｂ）を識別するため、３Ｄ凝視オリジン推定（たとえば、３Ｄ凝視オリジン推定４１２Ｂ）を決定するためにさらに処理される。検出された顔はまた、３Ｄ凝視ベクトル推定（たとえば、３Ｄ凝視ベクトル推定４０８Ｂ）を決定するために処理されることが可能である。
動作的に、３Ｄ凝視ベクトル推定は、ユーザの凝視方向又は凝視ベクトルを推定するために提供され得る。いくつかの実例において、３Ｄ凝視ベクトル推定４１０８Ｂ及び３Ｄ凝視オリジン推定４１２Ｂは、出力凝視領域４１８Ｂを決定する。３Ｄ凝視ベクトル推定、３Ｄ凝視ベクトル推定、及び３Ｄ車両形状（たとえば、３Ｄ車両形状４１４Ｂ）は、出力凝視領域（たとえば、出力凝視領域４１８Ｂ）を生成するために、投影ベースの車内凝視領域マッピング（たとえば、投影ベースの車内凝視領域マッピング４１６Ｂ）と組み合わせて処理されてもよい。
追加の凝視生成動作が上述の動作を補足するために想定される。いくつかの実施例において、データ拡張（たとえば、データ拡張４０６Ａ）が、凝視決定動作における追加の堅牢性のために提供されることが可能である。たとえば、データ拡張は、ガウスぼかし、ガンマ調節；（遮蔽の不変のための）形状を使用して目を遮蔽すること；及び、いくつかの確率で目をランダムにドロップすることを含むことができる。追加の凝視生成動作は、特定のタスクのためのデータ・フィルタ処理、及び損失関数の使用へのサポートも提供し得る。たとえば、データは、頭部姿勢制限モデルを生成するための頭部姿勢角度、及び損失関数（たとえば、Ｌ１、Ｌ２、ｌｏｇｃｏｓｈ、コサイン）に基づいて、フィルタ処理され得る。補足的な凝視生成動作の他の変更形態及び組合せが、本開示の実施例と互換性のあるものとして想定される。
適応モデル・エンジンは、異なるタイプのモデル向上動作へのサポートをさらに含み、この実例は、適応モデル選択及びアンサンブリング、トレーニングベースの向上、並びに反復フィードバックを含む。図４Ｃを参照すると、図４Ｃは、本開示の実施例による、適応視標追跡モデルを提供するために使用され得る、適応モデル選択及びアンサンブリングのためのデータ・フロー図を含む。図４Ｃは、全体的な凝視を生成することをサポートする適応モデル選択及びアンサンブル構成要素、命令、並びに動作を含む。図４Ｃは、フェイス・ランドマーク・ネットワーク４１０Ｃ、モデル４２０Ｃ、モデル４３０Ｃ、モデル４４０Ｃ、並びに適応モデル選択及びアンサンブル・マネージャ４５０Ｃを含み、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、モデルから選択して、適応視標追跡モデル４６０Ｃを生成する。
動作時、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、全体的な凝視を決定する（予測する）適応視標追跡モデル４６０Ｃを生成するために、入力（たとえば、フェイス・ランドマーク及び変形モデル）を受信するように構成される。本明細書で論じられるように、視標追跡モデルは、様々な入力でトレーニングされ得る。モデル・トレーニングは、視標追跡モデルが結合されるときに活用される相補的情報を学習することを含むことができる。たとえば、伝統的なジョイント・モデルと顔が正規化されたシータ－ファイ・モデルとのアンサンブルが、適応モデル選択及びアンサンブル・マネージャ４５０Ｃによって生成されることが可能である。
図４Ｃは、アンサンブルされる、又は－より一般に－結合され得る変形モデルの様々な実例（たとえば、モデル＃１：包括的ヘッド・ノルム；モデル＃２単一の目のモデル；からモデル＃Ｎ：制限された頭部姿勢まで）を示す。これらの変形モデルは、様々な可能なアプローチを使用した配備環境の特徴のセットに基づいて、適応的にアンサンブル又は選択されることが可能である。本明細書に記載のように、適応モデル選択及びアンサンブル・マネージャ４５０Ｃの特徴は、データベースを使用して、及び／又は、手動でエンター若しくは選択された設定若しくは構成から、適応モデル・エンジンに指示され得る適応視標追跡モデル４６０Ｃをカスタマイズするために使用され得る。たとえば、適応モデル選択及びアンサンブル・マネージャは、配備環境に対応し、特徴のセットを指示する、構成及び／又は設定データにアクセスし得る。設定又は構成は、グラフィカル・ユーザ・インターフェース（ＧＵＩ）のユーザ・インターフェース、及び／又は構成若しくは設定ファイルを通じて、適応モデル選択及びアンサンブル・マネージャ４５０Ｃにエンター及び提供され得る。
追加又は代替として、配備環境データは、配備環境データによってキャプチャされた１つ又は複数の特徴のスキーマ又は他の指標を使用して適応モデル・エンジンに提供され得る。たとえば、設定、構成、スキーマ、及び／又は他の指標は、トレーニングのための１つ又は複数のモデル、たとえば、（モデル４２０Ｃ、４３０Ｃ、又は４４０Ｃ）、どのようにモデルがトレーニングされ得るか、どのようにモデルがアンサンブルされ得るか等を選択するために、適応モデル選択及びアンサンブル・マネージャ４５０Ｃが使用し得る配備環境の１つ又は複数の特性を定義又は指定し得る。たとえば、他ではないが、図４Ｂを参照して説明された、潜在的なネットワーク入力の１つ又は複数のための（たとえば、サラウンド・シーン・データ・タイプの）入力を配備環境が提供することを特性が指示又は指定する場合、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、アンサンブルにおいて、トレーニングのための入力を有する１つ又は複数のモデルを選択及び／又は収集し得る。同様に、大きい頭部姿勢を提供するカメラを配備環境が含むことを特性が指示又は指定する場合、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、単一の目のモデルを有する１つ又は複数のモデルのアンサンブルが、１つの目だけが可視である場合に使用されることが可能であるとき、選択及び／又は収集し得る。
また、１つ又は複数の実施例において、１つ又は複数の特徴は、配備環境データ内で潜在的であり得る。たとえば、トレーニング中、適応モデル選択及びアンサンブル・マネージャ４５０Ｃが、適応視標追跡モデル４６０Ｃ及び／又はその１つ若しくは複数の部分が閾値レベルを下回って実施していると決定した場合、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、たとえば、１つ又は複数の他の利用可能な構成オプションに少なくとも基づいて、適応視標追跡モデル４６０Ｃを自動的に再構成し得る。他の利用可能な構成オプションは、たとえば、配備環境データに対応する入力を有する、及び／又は、配備環境の１つ若しくは複数の特性に対応する、１つ又は複数の他のモデルを含み得る。
さらなる例として、１つ又は複数の実施例において、たとえば、１つ若しくは複数の機械学習モデル及び／又はアルゴリズムを使用して、配備環境データ又は配備環境にそうでなければ対応するデータの１つ又は複数の部分から、潜在的特徴が抽出され得る。様々な実施例において、データの分析に少なくとも基づいて、最新の特徴が抽出され、１つ又は複数の基準に適用され得る。１つ又は複数の実施例において、適応モデル・エンジンは、（例として、また限定ではなく）フェイス・ランドマーク信頼度、頭部姿勢、データ正規化品質、及び／又は、左／右の目の外見品質を関連させるための基準など、様々な基準をサポートすること（適用すること）ができる。図４Ｃに指示されているように、基準についてのデータは、限定ではなく実例として、フェイス・ランドマーク・ネットワーク４１０Ｃによって提供され得る。左／右の目の外見品質変形モデルについて、データによって指示されるようなすべての入力が利用可能な場合、完全変形モデルが使用されることが可能である；しかしながら、たとえば、大きい頭部姿勢により、１つの目だけが可視の場合、単一の目のモデルが使用されることが可能であることが想定される。動作的に、頭部姿勢は、対応する変形モデルが、対応する頭部姿勢の制限されたデータでトレーニングされるように、決定されることが可能である。
トレーニングベースの向上動作は、（たとえば、故障ケースを識別し、数量化する）ＤＮＮモデルを連続的に向上するために、たとえば、図１ＡのＱＡ１７０、ＫＰＩ１７２、マルチステージ有効化１５０、並びにフィードバック・ベンチマーキング及びエラー分析１６０に依存する反復フィードバック・メカニズムを使用して、実装され得る。ＱＡ１７０は、品質要件が満足される信頼度を提供するために、モデル又はモデル変更形態におけるミス及び欠陥を防ぐための動作を提供し得る。ＫＰＩは、モデルの長期パフォーマンスを測るために使用される数量化可能な測定のセットを含むことができる。ＫＰＩは、具体的には、同じモデル又は別の異なるモデルの変更形態に比べて、１つのモデルのパフォーマンスを決定するのに役立てることができる。ＱＡ及びＫＰＩに基づいて、トレーニングベースの向上は、マルチステップ方策（たとえば、トレーニングすること、取り除くこと、及び再トレーニングすること）を使用して、反復して実施され得る。方策は、配備された環境に重点をおいて－完全凝視角度範囲に堅牢な－低計算ネットワークを取得するために採用されることが可能である。たとえば、少なくとも１つの実施例において、変形モデルは、最大変動に重点的に取り組むデータの大きいプールに対して最初にトレーニングされる。変形モデルは、計算の複雑性を低減させ、オーバーフィッティングにつながる冗長なパラメータを棄てるために、－小さい値のノルムを有する特徴マップを積極的に落として－取り除かれる。少なくとも１つの実施例において、取り除くことは、－配備される各新しいモデル・バージョンに対して－大規模ベンチマーキング（たとえば、ベンチマーキング・バージョン）、及び、評価基準（たとえば、様々なデータ・バケットにおける正確な凝視ベクトル・エラー、運転のＮ時間毎の偽の凝視領域検出の数）に関するモデルの以前のバージョンに対する差の列挙を含み得る。取り除かれたモデルは、次いで、車のタイプ及びカメラのロケーション又はカメラの観点などの、配備された環境にマッチするデータ分散に対して再トレーニングされ、微調整される。この点に関して、トレーニングベースの向上動作は、適応モデル・エンジンのマルチステージ再トレーニング・パイプラインに少なくとも基づいて、適応視標追跡モデルのためのフィードバック・データを受信すること、及び、適応視標追跡モデルを再トレーニングすることを含むことができる。適応視標追跡モデルを再トレーニングすると、再トレーニングされた適応視標追跡モデルが生成される。
ここで図５を参照すると、本明細書に記載される、方法５００の各ブロックは、任意の組合せのハードウェア、ファームウェア、及び／又はソフトウェアを使用して実行することができる計算プロセスを含む。たとえば、様々な機能が、メモリに記憶された命令を実行するプロセッサによって実施され得る。方法はまた、コンピュータ記憶媒体に記憶されたコンピュータ使用可能命令として実施され得る。方法は、いくつか例を挙げると、独立型アプリケーション、サービス若しくはホスト型サービス（独立型の若しくは別のホスト型サービスと組み合わせた）、又は別の製品へのプラグインによって、提供され得る。加えて、方法５００は、例として、図１のシステム１００に関して説明されている。しかしながら、これらの方法は、追加で又は別法として、本明細書に記載のものを含むがこれらに限定されない、任意の１つのシステム、又は任意の組合せのシステムによって実行され得る。
図５は、本開示のいくつかの実施例による、適応視標追跡モデルを提供するための適応モデル・エンジンと相互作用するための方法５００を示す流れ図である。方法５００は、ブロックＢ５０２において、（たとえば、車両１０２又は１０４の）配備環境に少なくとも基づいて、配備環境に対応する配備環境データにアクセスすることを含む。配備環境データは、サラウンド・シーン・データ・タイプのセットに対応する配備環境の特徴のデータを含み得、ここで、サラウンド・シーン・データ・タイプは、サラウンド・シーン・データ収集中に検索されたデータのカテゴリである。
方法５００は、ブロックＢ５０４において、１つ又は複数の配備環境の特徴に少なくとも基づいて、１つ又は複数の配備環境に合わせてカスタマイズされた適応視標追跡モデルを導出することをサポートする適応モデル・エンジンに配備環境データを提供することを含む。たとえば、配備環境データは、モデル選択及び配備１８０のために、適応モデル・エンジンの適応モデル選択及びアンサンブル・マネージャ４５０Ｃに提供され得る。
方法５００は、ブロックＢ５０６において、配備環境の特徴に少なくとも基づいて識別された適応モデル・エンジン・データを使用して配備環境に合わせてカスタマイズされた適応視標追跡モデル４６０Ｃを、適応モデル・エンジンから受信することを含む。たとえば、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、モデル４２０Ｃ、モデル４３０Ｃ、及び／又は４４０Ｃの１つ又は複数を選択、アンサンブル、及びトレーニングし、１つ又は複数のデバイス（たとえば、配備環境データを提供した、及び／又は適応視標追跡モデル４６０Ｃの生成をリクエストしたデバイス）に、結果として生じた適応視標追跡モデル４６０Ｃを提供し得る。
方法５００は、ブロックＢ５０８において、配備環境における配備のために、適応視標追跡モデルを提供することを含む。たとえば、適応視標追跡モデル４６０Ｃを受信したデバイスは、配備環境内のデバイス（たとえば、車両１０２又は１０４）に、適応視標追跡モデル４６０Ｃを提供（たとえば、伝送）し得る。
図６は、本開示のいくつかの実施例による、適応モデル・エンジンが適応視標追跡モデルを提供するための方法６００を示す流れ図である。方法６００は、ブロックＢ６０２において、配備環境に対応する配備環境データを、適応モデル・エンジンにおいて受信することを含み、適応モデル・エンジンは、１つ又は複数の配備環境の特徴に少なくとも基づいて、１つ又は複数の配備環境に合わせてカスタマイズされた適応視標追跡モデルを導出することをサポートする。たとえば、配備環境データは、モデル選択及び配備１８０のために、適応モデル・エンジンの適応モデル選択及びアンサンブル・マネージャ４５０Ｃによって受信され得る。
方法６００は、ブロックＢ６０４において、配備環境の特徴に少なくとも基づいて識別された適応モデル・エンジン・データを使用して配備環境に合わせてカスタマイズされた適応視標追跡モデルを、適応モデル・エンジン使用して生成することを含み、ここで、適応視標追跡モデルは、凝視サラウンド・シーン・データ及び凝視ベクトル推定データに少なくとも基づいてトレーニングされる。たとえば、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、配備環境１９０に合わせてカスタマイズされた適応視標追跡モデル４６０Ｃを生成し得る。
方法６００は、ブロックＢ６０６において、適応視標追跡モデルを、適応モデル・エンジンから通信することを含む。たとえば、適応モデル選択及びアンサンブル・マネージャ４５０Ｃは、１つ又は複数のデバイス（たとえば、配備環境データを提供した、及び／又は適応視標追跡モデル４６０Ｃの生成をリクエストしたデバイス）に、結果として生じた適応視標追跡モデル４６０Ｃを提供し得る。
適応視標追跡機械学習モデル・エンジンを提供するために開示されるシステム及び方法は、プロセッサを使用して実行されることが可能なことが想定される。プロセッサは、１つ又は複数の回路を含み得る。プロセッサは、以下の少なくとも１つに備えられ得る：自律若しくは半自律マシンのための制御システム；自律若しくは半自律マシンのための知覚システム；シミュレーション動作を実施するためのシステム；深層学習動作を実施するためのシステム；エッジ・デバイスを使用して実装されるシステム；ロボットを使用して実装されるシステム；１つ若しくは複数の仮想マシン（ＶＭ）を組み込むシステム；データ・センタに少なくとも部分的に実装されるシステム；又はクラウド計算資源を使用して少なくとも部分的に実装されるシステム。
例示的自律型車両
図７Ａは、本開示のいくつかの実施例による、例示的自律型車両７００の図である。自律型車両７００（本明細書で別法として「車両７００」と称する）は、旅客車両、たとえば、乗用車、トラック、バス、ファースト・レスポンダ車両、シャトル、電気若しくは原動機付自転車、オートバイ、消防車、警察車両、救急車、ボート、建設車両、潜水艦、ドローン、トレーラに連結された車両、及び／又は別のタイプの車両（たとえば、無人の及び／又は１人若しくは複数の乗客を乗せた）、を含み得るが、これらに限定されない。自律型車両は、一般に、米国運輸省道路交通安全局（ＮＨＴＳＡ：Ｎａｔｉｏｎａｌ Ｈｉｇｈｗａｙ Ｔｒａｆｆｉｃ Ｓａｆｅｔｙ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ）、米国運輸省の部署、及び自動車技術者協会（ＳＡＥ：Ｓｏｃｉｅｔｙ ｏｆ Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｓ）「Ｔａｘｏｎｏｍｙ ａｎｄ Ｄｅｆｉｎｉｔｉｏｎｓ ｆｏｒ Ｔｅｒｍｓ Ｒｅｌａｔｅｄ ｔｏ Ｄｒｉｖｉｎｇ Ａｕｔｏｍａｔｉｏｎ Ｓｙｓｔｅｍｓ ｆｏｒ Ｏｎ－Ｒｏａｄ Ｍｏｔｏｒ Ｖｅｈｉｃｌｅ」（２０１８年６月１５日に公開された規格番号Ｊ３０１６－２０１８０６、２０１６年９月３０日に公開された規格番号Ｊ３０１６－２０１６０９、及びこの規格の前の及び未来のバージョン）によって定義される、自動化レベルに関して記述される。車両７００は、自律運転レベルのレベル３～レベル５のうちの１つ又は複数による機能の能力を有し得る。たとえば、車両７００は、実施例に応じて、条件付き自動化（レベル３）、高度自動化（レベル４）、及び／又は完全自動化（レベル５）の能力を有し得る。
車両７００は、車両のシャシ、車体、車輪（たとえば、２、４、６、８、１８など）、タイヤ、車軸、及び他の構成要素などの構成要素を含み得る。車両７００は、内部燃焼エンジン、ハイブリッド動力装置、完全な電気式エンジン、及び／又は別の推進システム・タイプなど、推進システム７５０を含み得る。推進システム７５０は、車両７００の推進力を有効にするために、トランスミッションを含み得る、車両７００のドライブ・トレインに接続され得る。推進システム７５０は、スロットル／加速装置７５２からの信号の受信に応答して制御され得る。
ハンドルを含み得る、ステアリング・システム７５４は、推進システム７５０が動作しているときに（たとえば、車両が移動中のときに）車両７００のかじを取る（たとえば、所望の進路又はルートに沿って）ために使用され得る。ステアリング・システム７５４は、ステアリング・アクチュエータ７５６から信号を受信することができる。ハンドルは、完全自動化（レベル５）機能のオプションでもよい。
ブレーキ・センサ・システム７４６は、ブレーキ・アクチュエータ７４８及び／又はブレーキ・センサからの信号の受信に応答して車両ブレーキを動作させるために使用され得る。
１つ又は複数のシステム・オン・チップ（ＳｏＣ：ｓｙｓｔｅｍ ｏｎ Ｃｈｉｐ）７０４（図７Ｃ）及び／又はＧＰＵを含み得る、コントローラ７３６は、車両７００の１つ若しくは複数の構成要素及び／又はシステムに信号（たとえば、コマンドの表現）を提供することができる。たとえば、コントローラは、１つ又は複数のブレーキ・アクチュエータ７４８を介して車両ブレーキを動作させて、１つ又は複数のステアリング・アクチュエータ７５６を介してステアリング・システム７５４を動作させて、１つ又は複数のスロットル／加速装置７５２を介して推進システム７５０を動作させるために、信号を送ることができる。コントローラ７３６は、センサ信号を処理する、並びに律的運転を可能にするために及び／又は運転者の車両７００の運転を支援するために動作コマンド（たとえば、コマンドを表す信号）を出力する、１つ又は複数の搭載された（たとえば、統合された）計算デバイス（たとえば、スーパーコンピュータ）を含み得る。コントローラ７３６は、自律運転機能のための第１のコントローラ７３６、機能的安全性機能のための第２のコントローラ７３６、人工知能機能（たとえば、コンピュータ・ビジョン）のための第３のコントローラ７３６、インフォテインメント機能のための第４のコントローラ７３６、緊急状態における冗長性のための第５のコントローラ７３６、及び／又は他のコントローラを含み得る。いくつかの実例では、単一のコントローラ７３６が、前述の機能のうちの２個以上を処理することができ、２個以上のコントローラ７３６が、単一の機能、及び／又はその任意の組合せを処理することができる。
コントローラ７３６は、１つ又は複数のセンサから受信したセンサ・データ（たとえば、センサ入力）に応答して車両７００の１つ若しくは複数の構成要素及び／又はシステムを制御するための信号を提供することができる。センサ・データは、たとえば、そして制限なしに、全地球的航法衛星システム・センサ７５８（たとえば、グローバル・ポジショニング・システム・センサ）、ＲＡＤＡＲセンサ７６０、超音波センサ７６２、ＬＩＤＡＲセンサ７６４、慣性計測装置（ＩＭＵ：ｉｎｅｒｔｉａｌ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ）センサ７６６（たとえば、加速度計、ジャイロスコープ、磁気コンパス、磁力計など）、マイクロフォン７９６、ステレオ・カメラ７６８、ワイドビュー・カメラ７７０（たとえば、魚眼カメラ）、赤外線カメラ７７２、サラウンド・カメラ７７４（たとえば、３６０度カメラ）、長距離及び／又は中距離カメラ７９８、スピード・センサ７４４（たとえば、車両７００のスピードを測定するための）、振動センサ７４２、ステアリング・センサ７４０、ブレーキ・センサ（たとえば、ブレーキ・センサ・システム７４６の一部としての）、及び／又は他のセンサ・タイプから受信され得る。
コントローラ７３６のうちの１つ又は複数のコントローラは、車両７００の計器群７３２から入力（たとえば、入力データによって表される）を受信し、出力（たとえば、出力データ、表示データなどによって表される）をヒューマン・マシン・インターフェース（ＨＭＩ：ｈｕｍａｎ－ｍａｃｈｉｎｅ ｉｎｔｅｒｆａｃｅ）ディスプレイ７３４、可聴式アナンシエータ、ラウドスピーカ、及び／又は車両７００の他の構成要素を介して提供することができる。出力は、車両ベロシティ、スピード、時間、マップ・データ（たとえば、図７ＣのＨＤマップ７２２）、位置データ（たとえば、マップ上などの、車両７００の位置）、方向、他の車両の位置（たとえば、占有グリッド）、コントローラ７３６によって把握されるものとしての物体及び物体の状況に関する情報などの、情報を含み得る。たとえば、ＨＭＩディスプレイ７３４は、１つ又は複数の物体（たとえば、道路標識、警告標識、交通信号の変化など）の存在、及び／又は車両が行った、行っている、又は行うであろう運転操作（たとえば、今、車線変更をしていること、３．２２ｋｍ（２マイル）内の出口３４Ｂを出ることなど）に関する情報を表示することができる。
車両７００はさらに、１つ若しくは複数のワイヤレス・アンテナ７２６及び／又はモデムを使用して１つ若しくは複数のネットワークを介して通信することができるネットワーク・インターフェース７２４を含む。たとえば、ネットワーク・インターフェース７２４は、ＬＴＥ、ＷＣＤＭＡ（登録商標）、ＵＭＴＳ、ＧＳＭ、ＣＤＭＡ２０００などを介する通信の能力を有し得る。ワイヤレス・アンテナ７２６はまた、ブルートゥース（登録商標）、ブルートゥース（登録商標）ＬＥ、Ｚ－Ｗａｖｅ、ＺｉｇＢｅｅなどのローカル・エリア・ネットワーク、及び／又はＬｏＲａＷＡＮ、ＳｉｇＦｏｘなどのロー・パワー・ワイドエリア・ネットワーク（ＬＰＷＡＮ：ｌｏｗ ｐｏｗｅｒ ｗｉｄｅ－ａｒｅａ ｎｅｔｗｏｒｋ）を使用し、環境内の物体（たとえば、車両、モバイル・デバイスなど）の間の通信を可能にすることができる。
図７Ｂは、本開示のいくつかの実施例による、図７Ａの例示的自律型車両７００のカメラ位置及び視野の実例である。カメラ及びそれぞれの視野は、１つの例示的実施例であり、制限することは意図されていない。たとえば、追加の及び／又は代替カメラが含まれ得る、及び／又はカメラは車両７００の異なる位置に置かれ得る。
カメラのカメラ・タイプは、車両７００の構成要素及び／又はシステムと使用するようになされ得るデジタル・カメラを含み得るが、これに限定されない。カメラは、自動車安全整合性レベル（ＡＳＩＬ：ａｕｔｏｍｏｔｉｖｅ ｓａｆｅｔｙ ｉｎｔｅｇｒｉｔｙ ｌｅｖｅｌ）Ｂにおいて及び／又は別のＡＳＩＬにおいて動作することができる。カメラ・タイプは、実施例に応じて、６０フレーム／秒（ｆｐｓ）、１２０ｆｐｓ、２４０ｆｐｓなど、任意の画像キャプチャ・レートの能力を有し得る。カメラは、ロール・シャッタ、グローバル・シャッタ、別のタイプのシャッタ、又はその組合せを使用する能力を有し得る。いくつかの実例では、カラー・フィルタ・アレイは、ＲＣＣＣ（ｒｅｄ ｃｌｅａｒ ｃｌｅａｒ ｃｌｅａｒ）カラー・フィルタ・アレイ、ＲＣＣＢ（ｒｅｄ ｃｌｅａｒ ｃｌｅａｒ ｂｌｕｅ）カラー・フィルタ・アレイ、ＲＢＧＣ（ｒｅｄ ｂｌｕｅ ｇｒｅｅｎ ｃｌｅａｒ）カラー・フィルタ・アレイ、Ｆｏｖｅｏｎ Ｘ３カラー・フィルタ・アレイ、Ｂａｙｅｒセンサ（ＲＧＧＢ）カラー・フィルタ・アレイ、モノクロ・センサ・カラー・フィルタ・アレイ、及び／又は別のタイプのカラー・フィルタ・アレイを含み得る。一部の実施例では、ＲＣＣＣ、ＲＣＣＢ、及び／又はＲＢＧＣカラー・フィルタ・アレイを有するカメラなどのクリア画素カメラは、光感度を上げるための取り組みにおいて使用され得る。
いくつかの実例では、カメラのうちの１つ又は複数が、高度運転者支援システム（ＡＤＡＳ：ａｄｖａｎｃｅｄ ｄｒｉｖｅｒ ａｓｓｉｓｔａｎｃｅ ｓｙｓｔｅｍ）機能（たとえば、冗長又はフェイルセーフ設計の一部として）を実行するために使用され得る。たとえば、多機能モノ・カメラは、車線逸脱警報、交通標識アシスト及びインテリジェント・ヘッドランプ制御を含む機能を提供するために設置され得る。カメラのうちの１つ又は複数（たとえば、すべてのカメラ）が、画像データ（たとえば、ビデオ）を同時に記録及び提供することができる。
カメラのうちの１つ又は複数は、カメラの画像データ・キャプチャ能力を妨げることがある自動車内からの迷光及び反射（たとえば、フロントガラスのミラーにおいて反射されたダッシュボードからの反射）を取り除くために、カスタム設計された（３Ｄ印刷された）部品などの取付部品において取り付けられ得る。サイドミラー取付部品を参照すると、サイドミラー部品は、カメラ取付板がサイドミラーの形状に合うように、カスタム３Ｄ印刷され得る。いくつかの実例では、カメラは、サイドミラー内に統合され得る。サイドビュー・カメラについては、カメラはまた、キャビンの各角にある４個の支柱内に統合され得る。
車両７００の前の環境の部分を含む視野を有するカメラ（たとえば、前向きのカメラ）は、前向きの進路及び障害物の識別を助け、１つ若しくは複数のコントローラ７３６及び／又は制御ＳｏＣの助けにより、占有グリッドの生成及び／又は好ましい車両進路の決定に不可欠な情報の提供の提供を助けるための、サラウンド・ビューのために使用され得る。前向きのカメラは、緊急ブレーキ、歩行者検出、及び衝突回避を含む、ＬＩＤＡＲと同じＡＤＡＳ機能の多くを実行するために使用され得る。前向きのカメラはまた、車線逸脱警報（「ＬＤＷ（Ｌａｎｅ Ｄｅｐａｒｔｕｒｅ Ｗａｒｎｉｎｇ）」）、自律的クルーズ制御（「ＡＣＣ（Ａｕｔｏｎｏｍｏｕｓ Ｃｒｕｉｓｅ Ｃｏｎｔｒｏｌ）」）、及び／又は交通標識認識などの他の機能を含むＡＤＡＳ機能及びシステムのために使用され得る。
様々なカメラが、たとえば、ＣＭＯＳ（ｃｏｍｐｌｅｍｅｎｔａｒｙ ｍｅｔａｌ ｏｘｉｄｅ ｓｅｍｉｃｏｎｄｕｃｔｏｒ）カラー画像化装置を含む単眼カメラ・プラットフォームを含む、前向きの構成において使用され得る。別の実例は、周辺（たとえば、歩行者、交差する交通又は自転車）からのビューに入る物体を把握するために使用され得るワイドビュー・カメラ７７０でもよい。図７Ｂにはワイドビュー・カメラは１つだけ示されているが、車両７００には任意の数のワイドビュー・カメラ７７０が存在し得る。加えて、長距離カメラ７９８（たとえば、ロングビュー・ステレオ・カメラ・ペア）が、特に、ニューラル・ネットワークがまだトレーニングされていない物体について、深度ベースの物体検出のために使用され得る。長距離カメラ７９８はまた、物体検出及び分類、並びに基本物体追跡のために使用され得る。
１つ又は複数のステレオ・カメラ７６８もまた、前向きの構成に含まれ得る。ステレオ・カメラ７６８は、単一のチップ上に統合されたＣＡＮ又はイーサネット（登録商標）・インターフェースを有するプログラマブル論理（ＦＰＧＡ）及びマルチコア・マイクロプロセッサを提供し得る、拡張可能な処理ユニットを備えた統合された制御ユニットを含み得る。そのようなユニットは、画像内のすべてのポイントの距離推定値を含む、車両の環境の３Ｄマップを生成するために使用され得る。代替ステレオ・カメラ７６８は、２個のカメラ・レンズ（左と右に１つずつ）と、車両から対象物体までの距離を測定する及び生成された情報（たとえば、メタデータ）を使用して自律的緊急ブレーキ及び車線逸脱警報機能をアクティブにすることができる画像処理チップとを含み得る、コンパクト・ステレオ・ビジョン・センサを含み得る。他のタイプのステレオ・カメラ７６８が、本明細書に記載のものに加えて、又はそれらの代わりに、使用されてもよい。
車両７００の側面に対する環境の部分を含む視野を有するカメラ（たとえば、サイドビュー・カメラ）が、占有グリッドを作成及び更新するために並びに側面衝撃衝突警報を生成するために使用される情報を提供する、サラウンド・ビューのために使用され得る。たとえば、サラウンド・カメラ７７４（たとえば、図７Ｂに示されるような４個のサラウンド・カメラ７７４）は、車両７００上に位置付けられ得る。サラウンド・カメラ７７４は、ワイドビュー・カメラ７７０、魚眼カメラ、３６０度カメラ、及び／又は同類のものを含み得る。たとえば、４個の魚眼カメラが、車両の前、後ろ、及び側面に配置され得る。代替配置において、車両は、３個のサラウンド・カメラ７７４（たとえば、左、右、及び後部）を使用してもよく、第４のサラウンド・ビュー・カメラとして１つ又は複数の他のカメラ（たとえば、前向きのカメラ）を活用してもよい。
車両７００の後ろに対する環境の部分を含む視野を有するカメラ（たとえば、後方確認カメラ）が、駐車支援、サラウンド・ビュー、後部衝突警報、並びに占有グリッドの作成及び更新のために使用され得る。本明細書に記載のように、前向きのカメラ（たとえば、長距離及び／又は中距離カメラ７９８、ステレオ・カメラ７６８）、赤外線カメラ７７２など）としても適したカメラを含むがこれらに限定されない、多種多様なカメラが使用され得る。
図７Ｃは、本開示のいくつかの実施例による、図７Ａの例示的自律型車両７００の例示的システム・アーキテクチャのブロック図である。本明細書に記載されているこの及び他の配置は単に実例として説明されていることを理解されたい。他の配置及び要素（たとえば、マシン、インターフェース、機能、順番、機能のグループ分けなど）が、示されたものに加えて又はこれらに代わって使用されてもよく、いくつかの要素はともに除外されてもよい。さらに、本明細書に記載の要素の多くは、個別の又は分散された構成要素として又は他の構成要素と併せて、並びに任意の適切な組合せ及び場所において、実装され得る機能エンティティである。エンティティによって実行されるものとして本明細書に記載された様々な機能は、ハードウェア、ファームウェア、及び／又はソフトウェアによって実施され得る。たとえば、様々な機能が、メモリに記憶された命令を実行するプロセッサによって実施され得る。
図７Ｃの車両７００の構成要素、特徴、及びシステムのそれぞれは、バス７０２を介して接続されるものとして図示されている。バス７０２は、コントローラ・エリア・ネットワーク（ＣＡＮ）データ・インターフェース（或いは、「ＣＡＮバス」と称される）を含み得る。ＣＡＮは、ブレーキ、加速度、ブレーキ、ステアリング、フロント・ガラス・ワイパなどの作動など、車両７００の様々な特徴及び機能の制御を助けるために使用される車両７００内のネットワークでもよい。ＣＡＮバスは、それぞれが独自の一意の識別子（たとえば、ＣＡＮ ＩＤ）を有する、数ダース又は数百ものノードを有するように構成され得る。ＣＡＮバスは、ハンドル角度、対地速度、１分間のエンジン回転（ＲＰＭ：ｒｅｖｏｌｕｔｉｏｎｓ ｐｅｒ ｍｉｎｕｔｅ）、ボタン位置、及び／又は他の車両状況指標を見つけるために読み取られ得る。ＣＡＮバスは、ＡＳＩＬ Ｂ準拠でもよい。
バス７０２は、ＣＡＮバスであるものとして本明細書に記載されているが、これは制限することを意図されていない。たとえば、ＣＡＮバスに加えて、又はこのその代替として、ＦｌｅｘＲａｙ及び／又はイーサネット（登録商標）が使用されてもよい。加えて、単一の線が、バス７０２を表すために使用されているが、これは制限することを意図されていない。たとえば、１つ若しくは複数のＣＡＮバス、１つ若しくは複数のＦｌｅｘＲａｙバス、１つ若しくは複数のイーサネット（登録商標）・バス、及び／又は異なるプロトコルを使用する１つ若しくは複数の他のタイプのバスを含み得る、任意の数のバス７０２が存在し得る。いくつかの実例では、２個以上のバス７０２が、異なる機能を実行するために使用され得る、及び／又は冗長性のために使用され得る。たとえば、第１のバス７０２は衝突回避機能のために使用されてもよく、第２のバス７０２は作動制御のために使用されてもよい。任意の実例において、各バス７０２は、車両７００の構成要素のいずれかと通信し得、２個以上のバス７０２が同じ構成要素と通信し得る。いくつかの実例では、車両内の各ＳｏＣ７０４、各コントローラ７３６、及び／又は各コンピュータは、同じ入力データ（たとえば、車両７００のセンサからの入力）へのアクセスを有し得、ＣＡＮバスなどの共通バスに接続され得る。
車両７００は、図７Ａに関して本明細書で説明されるものなど、１つ又は複数のコントローラ７３６を含み得る。コントローラ７３６は、様々な機能のために使用され得る。コントローラ７３６は、車両７００の様々な他の構成要素及びシステムのいずれかに連結されてもよく、車両７００、車両７００の人工知能、車両７００のためのインフォテインメント、及び／又は同類のものの制御のために使用され得る。
車両７００は、システム・オン・チップ（ＳｏＣ）７０４を含み得る。ＳｏＣ７０４は、ＣＰＵ７０６、ＧＰＵ７０８、プロセッサ７１０、キャッシュ７１２、加速装置７１４、データ・ストア７１６、及び／又は図示されていない他の構成要素及び特徴を含み得る。ＳｏＣ７０４は、様々なプラットフォーム及びシステム内の車両７００を制御するために使用され得る。たとえば、ＳｏＣ７０４は、１つ又は複数のサーバ（たとえば、図７Ｄのサーバ７７８）からネットワーク・インターフェース７２４を介してマップのリフレッシュ及び／又は更新を取得することができるＨＤマップ７２２を有するシステム（たとえば、車両７００のシステム）において結合され得る。
ＣＰＵ７０６は、ＣＰＵクラスタ又はＣＰＵ複合体（或いは、「ＣＣＰＬＥＸ」とも称される）を含み得る。ＣＰＵ７０６は、複数のコア及び／又はＬ２キャッシュを含み得る。たとえば、一部の実施例では、ＣＰＵ７０６は、コヒーレント・マルチプロセッサ構成内の８個のコアを含み得る。一部の実施例では、ＣＰＵ７０６は、４個のデュアルコア・クラスタを含むことができ、各クラスタが専用のＬ２キャッシュ（たとえば、２ＭＢＬ２キャッシュ）を有する。ＣＰＵ７０６（たとえば、ＣＣＰＬＥＸ）は、ＣＰＵ７０６のクラスタの任意の組合せが任意の所与の時間にアクティブになることを可能にする同時クラスタ動作をサポートするように構成され得る。
ＣＰＵ７０６は、以下の特徴のうちの１つ又は複数を含む電力管理能力を実装することができる：個別ハードウェア・ブロックが、動的電力を節約するためにアイドル状態のときに自動的にクロック・ゲーティングされ得る、各コア・クロックは、ＷＦＩ／ＷＦＥ命令の実行により命令をコアがアクティブに実行していないときにゲーティングされ得る、各コアは、独立してパワー・ゲーティングされ得る、各コア・クラスタは、すべてのコアがクロック・ゲーティングされる若しくはパワー・ゲーティングされるときに、独立してクロック・ゲーティングされ得る、及び／又は、各コア・クラスタは、すべてのコアがパワー・ゲーティングされるときに、独立してパワー・ゲーティングされ得る。ＣＰＵ７０６は、電力状態を管理するための強化されたアルゴリズムをさらに実装することができ、そこでは、許容される電力状態及び予想されるウェイクアップ時間が指定され、ハードウェア／マイクロ・コードが、コア、クラスタ、及びＣＣＰＬＥＸに入力するための最良の電力状態を決定する。処理コアは、作業がマイクロ・コードにオフロードされたソフトウェアにおける簡略化された電力状態入力シーケンスをサポートすることができる。
ＧＰＵ７０８は、統合されたＧＰＵ（或いは本明細書において「ｉＧＰＵ」と称される）を含み得る。ＧＰＵ７０８は、プログラマブルになり得、並行のワークロードに効率的になり得る。一部の実例では、ＧＰＵ７０８は、強化されたテンソル命令セットを使用することができる。ＧＰＵ７０８は、１つ又は複数のストリーミング・マイクロプロセッサを含み得、そこで、各ストリーミング・マイクロプロセッサは、Ｌ１キャッシュ（たとえば、少なくとも９６ＫＢ記憶容量を有するＬ１キャッシュ）を含み得、ストリーミング・マイクロプロセッサのうちの２個以上が、キャッシュ（たとえば、５１２ＫＢ記憶容量を有するＬ２キャッシュ）を共用し得る。一部の実施例では、ＧＰＵ７０８は、少なくとも８個のストリーミング・マイクロプロセッサを含み得る。ＧＰＵ７０８は、計算アプリケーション・プログラミング・インターフェース（ＡＰＩ）を使用することができる。加えて、ＧＰＵ７０８は、１つ若しくは複数の並行のコンピューティング・プラットフォーム及び／又はプログラミング・モデル（たとえば、ＮＶＩＤＩＡのＣＵＤＡ）を使用することができる。
ＧＰＵ７０８は、自動車の及び組み込まれた使用事例における最高のパフォーマンスのために電力最適化され得る。たとえば、ＧＰＵ７０８は、ＦｉｎＦＥＴ（Ｆｉｎ ｆｉｅｌｄ－ｅｆｆｅｃｔ ｔｒａｎｓｉｓｔｏｒ）上に製造され得る。しかしながら、これは制限することを意図されておらず、ＧＰＵ７０８は、他の半導体製造プロセスを使用し、製造され得る。各ストリーミング・マイクロプロセッサは、複数のブロックに区切られたいくつかの混合精度処理コアを組み込むことができる。限定ではなく、たとえば、６４ ＰＦ３２コア及び３２ ＰＦ６４コアは、４個の処理ブロックに区切られてもよい。そのような実例では、各処理ブロックは、１６ ＦＰ３２コア、８ ＦＰ６４コア、１６ ＩＮＴ３２コア、深層学習行列演算のための２個の混合精度ＮＶＩＤＩＡテンソル・コア、Ｌ０命令キャッシュ、ワープ・スケジューラ、発送ユニット、及び／又は６４ＫＢレジスタ・ファイルを割り当てられ得る。加えて、ストリーミング・マイクロプロセッサは、計算及びアドレス指定演算の混合を有するワークロードの効率的な実行を提供するための独立した並行の整数及び浮動小数点データ進路を含み得る。ストリーミング・マイクロプロセッサは、並行スレッドの間のより高い細粒度の同期及び連携を可能にするために、独立したスレッド・スケジューリング能力を含み得る。ストリーミング・マイクロプロセッサは、プログラミングを単純化しつつ性能を向上させるために、結合されたＬ１データ・キャッシュ及び共用メモリ・ユニットを含み得る。
ＧＰＵ７０８は、一部の実例では、９００ＧＢ／秒のピーク・メモリ帯域幅に関して、提供するための高帯域幅メモリ（ＨＢＭ：ｈｉｇｈ ｂａｎｄｗｉｄｔｈ ｍｅｍｏｒｙ）及び／又は１６ＧＢＨＢＭ２メモリ・サブシステムを含み得る。いくつかの実例では、ＨＢＭメモリに加えて、又はこれの代わりに、グラフィックス・ダブル・データ・レート・タイプ５同期ランダム・アクセス・メモリ（ＧＤＤＲ５：ｇｒａｐｈｉｃｓ ｄｏｕｂｌｅ ｄａｔａ ｒａｔｅ ｔｙｐｅ ｆｉｖｅ ｓｙｎｃｈｒｏｎｏｕｓ ｒａｎｄｏｍ－ａｃｃｅｓｓ ｍｅｍｏｒｙ）などの同期グラフィックス・ランダム・アクセス・メモリ（ＳＧＲＡＭ：ｓｙｎｃｈｒｏｎｏｕｓ ｇｒａｐｈｉｃｓ ｒａｎｄｏｍ－ａｃｃｅｓｓ ｍｅｍｏｒｙ）が使用され得る。
ＧＰＵ７０８は、メモリ・ページに最も頻繁にアクセスするプロセッサへのそれらのメモリ・ページのより正確な移動を可能にするためにアクセス・カウンタを含む統一されたメモリ技術を含むことができ、それにより、プロセッサ間で共用される記憶範囲の効率を向上させる。いくつかの実例では、アドレス変換サービス（ＡＴＳ：ａｄｄｒｅｓｓ ｔｒａｎｓｌａｔｉｏｎ ｓｅｒｖｉｃｅ）サポートが、ＧＰＵ７０８がＣＰＵ７０６ページ・テーブルに直接アクセスすることを可能にするために使用され得る。そのような実例では、ＧＰＵ７０８メモリ管理ユニット（ＭＭＵ：ｍｅｍｏｒｙ ｍａｎａｇｅｍｅｎｔ ｕｎｉｔ）がミスを経験するとき、アドレス変換要求が、ＣＰＵ７０６に送信され得る。応答して、ＣＰＵ７０６は、アドレスの仮想対現実マッピングのためのそのページ・テーブルを調べることができ、ＧＰＵ７０８に変換を送り返す。そのようなものとして、統一されたメモリ技術は、ＣＰＵ７０６とＧＰＵ７０８との両方のメモリの単一統一仮想アドレス空間を可能にすることができ、それによりＧＰＵ７０８へのアプリケーションのＧＰＵ７０８プログラミング及び移植を単純化する。
加えて、ＧＰＵ７０８は、他のプロセッサのメモリへのＧＰＵ７０８のアクセスの頻度を記録することができるアクセス・カウンタを含み得る。アクセス・カウンタは、メモリ・ページが最も頻繁にそのページにアクセスしているプロセッサの物理メモリに移動されることを確実にするのを助けることができる。
ＳｏＣ７０４は、本明細書に記載のものを含む任意の数のキャッシュ７１２を含み得る。たとえば、キャッシュ７１２は、ＣＰＵ７０６とＧＰＵ７０８との両方に利用可能な（たとえば、ＣＰＵ７０６とＧＰＵ７０８との両方に接続された）Ｌ３キャッシュを含み得る。キャッシュ７１２は、キャッシュ・コヒーレンス・プロトコル（たとえば、ＭＥＩ、ＭＥＳＩ、ＭＳＩなど）を使用することなどによって、線の状態を記録することができるライトバック・キャッシュを含み得る。Ｌ３キャッシュは、より小さいキャッシュ・サイズが使用されてもよいが、実施例に応じて、４ＭＢ以上を含み得る。
ＳｏＣ７０４は、車両７００の様々なタスク又は動作のいずれか（たとえば、処理ＤＮＮ）に関して処理を実行する際に活用され得る論理演算ユニット（ＡＬＵ：ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）を含み得る。加えて、ＳｏＣ７０４は、システム内で数学演算を実行するための浮動小数点演算ユニット（ＦＰＵ：ｆｌｏａｔｉｎｇ ｐｏｉｎｔ ｕｎｉｔ）（又は他のマス・コプロセッサ又は数値演算コプロセッサ・タイプ）を含み得る。たとえば、ＳｏＣ１０４は、ＣＰＵ７０６及び／又はＧＰＵ７０８内の実行ユニットとして統合された１つ又は複数のＦＰＵを含み得る。
ＳｏＣ７０４は、１つ又は複数の加速装置７１４（たとえば、ハードウェア・加速装置、ソフトウェア・加速装置、又はその組合せ）を含み得る。たとえば、ＳｏＣ７０４は、最適化されたハードウェア加速装置及び／又は大きなオンチップ・メモリを含み得る、ハードウェア加速クラスタを含み得る。大きなオンチップメモリ（たとえば、４ＭＢのＳＲＡＭ）は、ハードウェア加速クラスタがニューラル・ネットワーク及び他の演算を加速することを可能にし得る。ハードウェア加速クラスタは、ＧＰＵ７０８を補完するために及びＧＰＵ７０８のタスクの一部をオフロードするために（たとえば、他のタスクを実行するためのＧＰＵ７０８のより多くのサイクルを解放するために）使用され得る。一実例として、加速装置７１４は、加速に適するように十分に安定している対象ワークロード（たとえば、知覚、畳み込みニューラル・ネットワーク（ＣＮＮ：ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）など）のために使用され得る。本明細書では、「ＣＮＮ」という用語は、領域ベースの又は領域的畳み込みニューラル・ネットワーク（ＲＣＮＮ：ｒｅｇｉｏｎａｌ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）及び高速ＲＣＮＮ（たとえば、物体検出のために使用されるものとしての）を含む、すべてのタイプのＣＮＮを含み得る。
加速装置７１４（たとえば、ハードウェア加速クラスタ）は、深層学習加速装置（ＤＬＡ：ｄｅｅｐ ｌｅａｒｎｉｎｇ ａｃｃｅｌｅｒａｔｏｒ）を含み得る。ＤＬＡは、深層学習アプリケーション及び推論のために１秒あたり追加の１０兆の動作を提供するように構成することができる１つ又は複数のテンソル処理ユニット（ＴＰＵ：Ｔｅｎｓｏｒ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）を含み得る。ＴＰＵは、画像処理機能（たとえば、ＣＮＮ、ＲＣＮＮなどの）を実行するように構成及び最適化された加速装置でもよい。ＤＬＡはさらに、特定のセットのニューラル・ネットワーク・タイプ及び浮動小数点演算、並びに推論のために最適化され得る。ＤＬＡの設計は、汎用ＧＰＵよりも１ミリメートルあたりより多くのパフォーマンスを提供することができ、ＣＰＵのパフォーマンスを大きく超える。ＴＰＵは、たとえば、特徴と重みとの両方についてＩＮＴ８、ＩＮＴ１６、及びＦＰ１６データ・タイプをサポートする、単一インスタンス畳み込み機能、並びにポストプロセッサ機能を含む、いくつかの機能を実行することができる。
ＤＬＡは、以下を含むがこれらに限定されない、様々な機能のいずれかのために処理済み又は未処理のデータでニューラル・ネットワーク、特にＣＮＮ、を迅速に及び効率的に実行することができる：カメラ・センサからのデータを使用する物体識別及び検出のためのＣＮＮ、カメラ・センサからのデータを使用する距離推定のためのＣＮＮ、マイクロフォンからのデータを使用する緊急車両検出及び識別及び検出のためのＣＮＮ、カメラ・センサからのデータを使用する顔認識及び車両所有者識別のためのＣＮＮ、及び／又は、セキュリティ及び／又は安全性関連イベントのためのＣＮＮ。
ＤＬＡは、ＧＰＵ７０８の任意の機能を実行することができ、そして、推論加速装置を使用することによって、たとえば、設計者は、任意の機能のためにＤＬＡ又はＧＰＵ７０８のいずれかを対象にすることができる。たとえば、設計者は、ＤＬＡ上のＣＮＮ及び浮動小数点演算の処理に重点的に取り組み、他の機能をＧＰＵ７０８及び／又は他の加速装置７１４に任せることができる。
加速装置７１４（たとえば、ハードウェア加速クラスタ）は、或いはコンピュータ・ビジョン加速装置と本明細書で称され得るプログラマブル・ビジョン加速装置（ＰＶＡ：ｐｒｏｇｒａｍｍａｂｌｅ ｖｉｓｉｏｎ ａｃｃｅｌｅｒａｔｏｒ）を含み得る。ＰＶＡは、高度運転者支援システム（ＡＤＡＳ：ａｄｖａｎｃｅｄ ｄｒｉｖｅｒ ａｓｓｉｓｔａｎｃｅ ｓｙｓｔｅｍ）、自律運転、及び／又は拡張現実（ＡＲ：ａｕｇｍｅｎｔｅｄ ｒｅａｌｉｔｙ）及び／又は仮想現実（ＶＲ：ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ）アプリケーションのためのコンピュータ・ビジョン・アルゴリズムを加速するように設計及び構成され得る。ＰＶＡは、パフォーマンスと柔軟性との間のバランスをもたらすことができる。たとえば、各ＰＶＡは、たとえば、任意の数の縮小命令セット・コンピュータ（ＲＩＳＣ：ｒｅｄｕｃｅｄ ｉｎｓｔｒｕｃｔｉｏｎ ｓｅｔ ｃｏｍｐｕｔｅｒ）コア、直接メモリ・アクセス（ＤＭＡ：ｄｉｒｅｃｔ ｍｅｍｏｒｙ ａｃｃｅｓｓ）、及び／又は任意の数のベクトル・プロセッサを含み得るが、これらに限定されない。
ＲＩＳＣコアは、画像センサ（たとえば、本明細書に記載のカメラのうちのいずれかのカメラの画像センサ）、画像信号プロセッサ、及び／又は同類のものと相互作用することができる。それぞれのＲＩＳＣコアは、任意の量のメモリを含み得る。ＲＩＳＣコアは、実施例に応じて、いくつかのプロトコルのいずれかを使用することができる。いくつかの実例では、ＲＩＳＣコアは、リアルタイム・オペレーティング・システム（ＲＴＯＳ：ｒｅａｌ－ｔｉｍｅ ｏｐｅｒａｔｉｎｇ ｓｙｓｔｅｍ）を実行することができる。ＲＩＳＣコアは、１つ若しくは複数の集積回路デバイス、特定用途向け集積回路（ＡＳＩＣ）、及び／又はメモリ・デバイスを使用して、実装され得る。たとえば、ＲＩＳＣコアは、命令キャッシュ及び／又はしっかりと結合されたＲＡＭを含み得る。
ＤＭＡは、ＣＰＵ７０６から独立したシステム・メモリにＰＶＡの構成要素がアクセスすることを可能にし得る。ＤＭＡは、多次元アドレス指定及び／又は循環アドレス指定をサポートすることを含むがこれに限定されないＰＶＡに最適化をもたらすために使用される任意の数の特徴をサポートすることができる。いくつかの実例では、ＤＭＡは、ブロック幅、ブロック高さ、ブロック深度、水平ブロック・ステッピング、垂直ブロック・ステッピング、及び／又は深度ステッピングを含み得る、６次元まで又はそれ以上のアドレス指定をサポートすることができる。
ベクトル・プロセッサは、コンピュータ・ビジョン・アルゴリズムのプログラミングを効率的に柔軟に実行する及び信号処理能力を提供するように設計され得るプログラマブル・プロセッサでもよい。いくつかの実例では、ＰＶＡは、ＰＶＡコア及び２個のベクトル処理サブシステム・パーティションを含み得る。ＰＶＡコアは、プロセッサ・サブシステム、ＤＭＡエンジン（たとえば、２個のＤＭＡエンジン）、及び／又は他の周辺装置を含み得る。ベクトル処理サブシステムは、ＰＶＡの１次的処理エンジンとして動作することができ、ベクトル処理ユニット（ＶＰＵ：ｖｅｃｔｏｒ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、命令キャッシュ、及び／又はベクトル・メモリ（たとえば、ＶＭＥＭ）を含み得る。ＶＰＵコアは、たとえば、単一の命令、複数のデータ（ＳＩＭＤ）、超長命令語（ＶＬＩＷ：ｖｅｒｙ ｌｏｎｇ ｉｎｓｔｒｕｃｔｉｏｎ ｗｏｒｄ）デジタル信号プロセッサなど、デジタル信号プロセッサを含み得る。ＳＩＭＤ及びＶＬＩＷの組合せは、スループット及びスピードを高めることができる。
それぞれのベクトル・プロセッサは、命令キャッシュを含み得、専用のメモリに連結され得る。結果として、一部の実例では、それぞれのベクトル・プロセッサは、他のベクトル・プロセッサから独立して実行するように構成され得る。他の実例において、特定のＰＶＡに含まれるベクトル・プロセッサは、データ並列処理を用いるように構成され得る。たとえば、一部の実施例では、単一のＰＶＡに含まれる複数のベクトル・プロセッサは、同じコンピュータ・ビジョン・アルゴリズムを、しかし画像の異なる領域上で、実行することができる。他の実例において、特定のＰＶＡに含まれるベクトル・プロセッサは、異なるコンピュータ・ビジョン・アルゴリズムを、同じ画像上で、同時に実行することができ、或いは順次画像又は画像の部分で異なるアルゴリズムを実行することさえできる。特に、任意の数のＰＶＡは、ハードウェア加速クラスタに含まれ得、任意の数のベクトル・プロセッサは、それぞれのＰＶＡに含まれ得る。加えて、ＰＶＡは、全体的システム安全性を高めるために、追加のエラー訂正コード（ＥＣＣ：ｅｒｒｏｒ ｃｏｒｒｅｃｔｉｎｇ ｃｏｄｅ）メモリを含み得る。
加速装置７１４（たとえば、ハードウェア加速クラスタ）は、加速装置７１４のための高帯域幅、低レイテンシＳＲＡＭを提供するための、コンピュータ・ビジョン・ネットワーク・オンチップ及びＳＲＡＭを含み得る。いくつかの実例では、オンチップ・メモリは、たとえば、そして制限ではなく、ＰＶＡとＤＬＡとの両方によってアクセス可能でもよい、８個のフィールド構成可能なメモリ・ブロックから成る、少なくとも４ＭＢのＳＲＡＭを含み得る。各ペアのメモリ・ブロックは、高度周辺バス（ＡＰＢ：ａｄｖａｎｃｅｄ ｐｅｒｉｐｈｅｒａｌ ｂｕｓ）インターフェース、構成回路、コントローラ、及びマルチプレクサを含み得る。任意のタイプのメモリが、使用され得る。ＰＶＡ及びＤＬＡは、メモリへの高速アクセスを有するＰＶＡ及びＤＬＡを提供するバックボーンを介してメモリにアクセスすることができる。バックボーンは、（たとえば、ＡＰＢを使用して）ＰＶＡ及びＤＬＡをメモリに相互接続するコンピュータ・ビジョン・ネットワーク・オンチップを含み得る。
コンピュータ・ビジョン・ネットワーク・オンチップは、ＰＶＡとＤＬＡとの両方が作動可能及び有効信号を提供することを、任意の制御信号／アドレス／データの送信の前に、決定するインターフェースを含み得る。そのようなインターフェースは、制御信号／アドレス／データを送信するための別個のフェーズ及び別個のチャネル、並びに連続的データ転送のためのバーストタイプの通信を提供することができる。このタイプのインターフェースは、ＩＳＯ２６２６２又はＩＥＣ６１５０８規格に従うことができるが、他の規格及びプロトコルが使用されてもよい。
いくつかの実例では、ＳｏＣ７０４は、特許文献１に記載されるような、リアルタイム・レイトレーシング・ハードウェア加速装置を含み得る。リアルタイム・レイトレーシング・ハードウェア加速装置は、ＲＡＤＡＲ信号解釈のための、音響伝播合成及び／又は分析のための、ＳＯＮＡＲシステムのシミュレーションのための、一般波伝播シミュレーションのための、ローカリゼーション及び／又は他の機能を目的とするＬＩＤＡＲデータに対する比較のための、及び／又は他の使用のための、リアルタイム視覚化シミュレーションを生成するために、（たとえば、世界モデル内の）物体の位置及び規模を迅速に効率的に決定するために使用され得る。一部の実施例では、１つ又は複数の木の走査ユニット（ＴＴＵ：ｔｒｅｅ ｔｒａｖｅｒｓａｌ ｕｎｉｔ）が、１つ又は複数のレイトレーシング関連動作を実行するために使用され得る。
加速装置７１４（たとえば、ハードウェア加速装置クラスタ）は、自律運転のための多様な用途を有する。ＰＶＡは、ＡＤＡＳ及び自律型車両における極めて重要な処理段階に使用され得るプログラマブル・ビジョン加速装置でもよい。ＰＶＡの能力は、低電力及び低レイテンシにおいて、予測可能な処理を必要とするアルゴリズムの領域にふさわしい。言い換えれば、ＰＶＡは、低レイテンシ及び低電力とともに予測可能な実行時間を必要とする、小さなデータ集合上でも、半高密度の又は高密度の通常の計算で上手く機能する。それ故に、ＰＶＡは、物体検出及び整数計算での動作において効率的であるので、自律型車両のためのプラットフォームとの関連で、ＰＶＡは、クラシック・コンピュータ・ビジョン・アルゴリズムを実行するように設計される。
たとえば、本技術の１つの実施例によれば、ＰＶＡは、コンピュータ・ステレオ・ビジョンを実行するために使用される。半グローバルなマッチングベースのアルゴリズムが、一部の実例では使用され得るが、これは制限することを意図されていない。レベル３～５の自律運転のための多数のアプリケーションは、動き推定／ステレオ・マッチング・オンザフライ（たとえば、ＳＦＭ（ｓｔｒｕｃｔｕｒｅ ｆｒｏｍ ｍｏｔｉｏｎ）、歩行者認識、レーン検出など）を必要とする。ＰＶＡは、２個の単眼カメラからの入力でコンピュータ・ステレオ・ビジョン機能を実行することができる。
いくつかの実例では、ＰＶＡは、高密度のオプティカル・フローを実行するために使用され得る。処理されたＲＡＤＡＲを提供するために未加工のＲＡＤＡＲデータを処理する（たとえば、４Ｄ高速フーリエ変換を使用して）ことによる。他の実例において、ＰＶＡは、たとえば、飛行データの未加工の時間を処理して飛行データの処理済み時間を提供することにより、飛行深度処理の時間に使用される。
ＤＬＡは、たとえば、各物体検出の信頼性の測定値を出力するニューラル・ネットワークを含む、制御及び運転安全性を強化するために任意のタイプのネットワークを実行するために使用され得る。そのような信頼性値は、確率として、又は他の検出と比較した各検出の相対的「重み」を提供するものとして、解釈され得る。この信頼性値は、どの検出が誤判定検出ではなくて真陽性検出と考えられるべきであるかに関するさらなる決定をシステムが行うことを可能にする。たとえば、システムは、信頼性の閾値を設定し、真陽性検出としての閾値を超える検出のみを考慮することができる。自動非常ブレーキ（ＡＥＢ：ａｕｔｏｍａｔｉｃ ｅｍｅｒｇｅｎｃｙ ｂｒａｋｉｎｇ）システムにおいて、誤判定検出は、車両に非常ブレーキを自動で実行させることになり、これは明らかに望ましくない。したがって、最も確信のある検出のみが、ＡＥＢのトリガとして考えられるべきである。ＤＬＡは、信頼性値を回帰するニューラル・ネットワークを実行し得る。ニューラル・ネットワークは、境界ボックス次元、（たとえば、別のサブシステムから）取得されたグラウンド・プレーン推定、ニューラル・ネットワーク及び／又は他のセンサ（たとえば、ＬＩＤＡＲセンサ７６４又はＲＡＤＡＲセンサ７６０）から取得された物体の車両７００方位、距離、３Ｄ位置推定と相関する慣性計測装置（ＩＭＵ：ｉｎｅｒｔｉａｌ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ）センサ７６６出力、その他など、少なくともいくつかのサブセットのパラメータをその入力として受け取ることができる。
ＳｏＣ７０４は、データ・ストア７１６（たとえば、メモリ）を含み得る。データ・ストア７１６は、ＳｏＣ７０４のオンチップ・メモリでもよく、ＧＰＵ及び／又はＤＬＡで実行されることになるニューラル・ネットワークを記憶することができる。いくつかの実例では、データ・ストア７１６は、冗長性及び安全性のためにニューラル・ネットワークの複数のインスタンスを記憶するのに十分な大きさの容量を有し得る。データ・ストア７１２は、Ｌ２又はＬ３キャッシュ７１２を備え得る。データ・ストア７１６の参照は、本明細書に記載のような、ＰＶＡ、ＤＬＡ、及び／又は他の加速装置７１４に関連するメモリの参照を含み得る。
ＳｏＣ７０４は、１つ又は複数のプロセッサ７１０（たとえば、組み込まれたプロセッサ）を含み得る。プロセッサ７１０は、ブート電力及び管理能力及び関連するセキュリティ施行を処理するための専用のプロセッサ及びサブシステムでもよいブート及び電力管理プロセッサを含み得る。ブート及び電力管理プロセッサは、ＳｏＣ７０４ブート・シーケンスの一部でもよく、実行時間電力管理サービスを提供することができる。ブート電力及び管理プロセッサは、クロック及び電圧プログラミング、システム低電力状態移行の支援、ＳｏＣ７０４熱及び温度センサの管理、及び／又はＳｏＣ７０４電力状態の管理を提供することができる。各温度センサは、その出力頻度が温度に比例するリング発振器として実装されてもよく、ＳｏＣ７０４は、リング発振器を使用してＣＰＵ７０６、ＧＰＵ７０８、及び／又は加速装置７１４の温度を検出することができる。温度が、閾値を超えたと判定された場合、ブート及び電力管理プロセッサは、温度障害ルーティンに入り、ＳｏＣ７０４をより低い電力状態に置く及び／又は車両７００をショーファーの安全停止モードにする（たとえば、車両７００を安全停止させる）ことができる。
プロセッサ７１０は、オーディオ処理エンジンの機能を果たし得る１セットの組み込まれたプロセッサをさらに含み得る。オーディオ処理エンジンは、複数のインターフェースを介するマルチチャネル・オーディオの完全なハードウェア・サポートとオーディオＩ／Ｏインターフェースの広く柔軟な範囲とを可能にするオーディオ・サブシステムでもよい。いくつかの実例では、オーディオ処理エンジンは、専用のＲＡＭを有するデジタル信号プロセッサを有する専用のプロセッサ・コアである。
プロセッサ７１０は、低電力センサ管理及びウェイク使用事例をサポートするための必要なハードウェア特徴を提供することができる常時オンのプロセッサ・エンジンをさらに含み得る。常時オンのプロセッサ・エンジンは、プロセッサ・コア、しっかりと結合されたＲＡＭ、支援周辺装置（たとえば、タイマ及び割り込みコントローラ）、様々なＩ／Ｏコントローラ周辺装置、及びルーティング論理を含み得る。
プロセッサ７１０は、自動車のアプリケーションの安全性管理を処理するために専用のプロセッサ・サブシステムを含む安全性クラスタ・エンジンをさらに含み得る。安全性クラスタ・エンジンは、２個以上のプロセッサ・コア、しっかりと結合されたＲＡＭ、サポート周辺装置（たとえば、タイマ、割り込みコントローラなど）、及び／又はルーティング論理を含み得る。安全性モードにおいて、２個以上のコアは、ロックステップ・モードにおいて動作し、それらの動作の間の何らかの差を検出するための比較論理を有する単一のコアとして機能することができる。
プロセッサ７１０は、リアルタイム・カメラ管理を処理するための専用のプロセッサ・サブシステムを含み得るリアルタイム・カメラ・エンジンをさらに含み得る。
プロセッサ７１０は、カメラ処理パイプラインの一部であるハードウェア・エンジンである画像信号プロセッサを含み得る高ダイナミック・レンジ信号プロセッサをさらに含み得る。
プロセッサ７１０は、プレイヤ・ウインドウのための最終的画像を生み出すためにビデオ再生アプリケーションによって必要とされるビデオ処理後機能を実装する処理ブロック（たとえば、マイクロプロセッサに実装された）でもよいビデオ画像合成器を含み得る。ビデオ画像合成器は、ワイドビュー・カメラ７７０で、サラウンド・カメラ７７４で、及び／又はキャビン内監視カメラ・センサでレンズ歪み補正を実行することができる。キャビン内監視カメラ・センサは好ましくは、キャビン内イベントを識別し、適切に応答するように構成された、高度ＳｏＣの別のインスタンス上で実行するニューラル・ネットワークによって監視される。キャビン内システムは、セルラ・サービスをアクティブにする及び電話をかける、電子メールを書き取らせる、車両の目的地を変更する、車両のインフォテインメント・システム及び設定をアクティブにする又は変更する、或いは音声起動型ウェブ・サーフィンを提供するために、読唇術を実行することができる。ある特定の機能は、自律モードで動作しているときにのみ運転者に利用可能であり、そうでない場合には無効にされる。
ビデオ画像合成器は、空間的ノイズ低減及び時間的ノイズ低減の両方のための強化された時間的ノイズ低減を含み得る。たとえば、動きがビデオ内で生じた場合、ノイズ低減は、隣接するフレームによって提供される情報の重みを減らし、空間的情報に適切に重みを加える。画像又は画像の一部が動きを含まない場合、ビデオ画像合成器によって実行される時間的ノイズ低減は、前の画像からの情報を使用して現在の画像におけるノイズを減らすことができる。
ビデオ画像合成器はまた、入力ステレオ・レンズ・フレーム上でステレオ・レクティフィケーションを実行するように構成され得る。ビデオ画像合成器はさらに、オペレーティング・システム・デスクトップが使用中であるときにユーザ・インターフェース合成のために使用することができ、ＧＰＵ７０８は、新しい表面を連続してレンダリングために必要とされない。ＧＰＵ７０８の電源が入れられ、３Ｄレンダリングをアクティブに行っているときでも、ビデオ画像合成器は、ＧＰＵ７０８をオフロードしてパフォーマンス及び反応性を向上させるために使用され得る。
ＳｏＣ７０４は、カメラからビデオ及び入力を受信するためのモバイル・インダストリ・プロセッサ・インターフェース（ＭＩＰＩ：ｍｏｂｉｌｅ ｉｎｄｕｓｔｒｙ ｐｒｏｃｅｓｓｏｒ ｉｎｔｅｒｆａｃｅ）カメラ・シリアル・インターフェース、高速インターフェース、及び／又は、カメラ及び関連画素入力機能のために使用され得るビデオ入力ブロックをさらに含み得る。ＳｏＣ７０４は、ソフトウェアによって制御され得る、及び特定の役割にコミットされていないＩ／Ｏ信号を受信するために使用され得る、入力／出力コントローラをさらに含み得る。
ＳｏＣ７０４は、周辺装置、オーディオ・コーデック、電力管理、及び／又は他のデバイスとの通信を可能にするために、広範囲の周辺インターフェースをさらに含み得る。ＳｏＣ７０４は、（たとえば、ギガビット・マルチメディア・シリアル・リンク及びイーサネット（登録商標）を介して接続された）カメラからのデータ、センサ（たとえば、イーサネット（登録商標）を介して接続され得るＬＩＤＡＲセンサ７６４、ＲＡＤＡＲセンサ７６０など）、バス７０２からのデータ（たとえば、車両７００のスピード、ハンドル位置など）、（たとえば、イーサネット（登録商標）又はＣＡＮバスを介して接続された）ＧＮＳＳセンサ７５８からのデータを処理するために使用され得る。ＳｏＣ７０４は、独自のＤＭＡエンジンを含み得る及びルーティン・データ管理タスクからＣＰＵ７０６を解放するために使用され得る専用の高性能大容量記憶コントローラをさらに含み得る。
ＳｏＣ７０４は、自動化レベル３～５に広がる柔軟なアーキテクチャを有する終端間プラットフォームでもよく、それによって、多様性及び冗長性のためにコンピュータ・ビジョン及びＡＤＡＳ技法を活用し、効率的に使用し、深層学習ツールとともに、柔軟な、信頼できる運転ソフトウェア・スタックのためのプラットフォームを提供する、総合的機能的安全性アーキテクチャを提供する。ＳｏＣ７０４は、従来のシステムよりも高速で、信頼でき、さらにエネルギ効率がよく、空間効率がよくなり得る。たとえば、加速装置７１４が、ＣＰＵ７０６と結合されるとき、ＧＰＵ７０８、及びデータ・ストア７１６は、レベル３～５の自律型車両のための高速で効率的なプラットフォームを提供することができる。
したがって、本技術は、従来のシステムによって達成することができない能力及び機能性をもたらす。たとえば、コンピュータ・ビジョン・アルゴリズムは、多種多様な視覚的データにわたり多種多様な処理アルゴリズムを実行するために、Ｃプログラミング言語などの高レベルのプログラミング言語を使用して構成され得る、ＣＰＵで実行され得る。しかしながら、ＣＰＵは、しばしば、たとえば、実行時間及び電力消費に関連するものなど、多数のコンピュータ・ビジョン・アプリケーションの性能要件を満たすことができない。具体的には、多数のＣＰＵは、車両内ＡＤＡＳアプリケーションの要件及び実際のレベル３～５の自律型車両の要件である、リアルタイムでの複合物体検出アルゴリズムを実行することができない。
従来のシステムとは対照的に、ＣＰＵ複合体、ＧＰＵ複合体、及びハードウェア加速クラスタを提供することによって、本明細書に記載の技術は、複数のニューラル・ネットワークが同時に及び／又は連続して実行されることと、レベル３～５の自律運転機能を可能にするために結果が結合されることとを可能にする。たとえば、ＤＬＡ又はｄＧＰＵ（たとえば、ＧＰＵ７２０）で実行するＣＮＮは、ニューラル・ネットワークが具体的にトレーニングされていない標識を含む、交通標識をスーパーコンピュータが読み取る及び理解することを可能にする、テキスト及び単語認識を含み得る。ＤＬＡは、標識の意味論的理解を識別、解釈、及び提供することと、ＣＰＵ複合体で実行する進路計画立案モジュールに意味論的理解を渡すこととを行うことができる、ニューラル・ネットワークをさらに含み得る。
別の実例として、複数のニューラル・ネットワークは、レベル３、４、又は５の運転に必要とされるように、同時に実行され得る。たとえば、電光とともに、「注意：点滅光は、凍った状態を示す」から成る警告標識は、いくつかのニューラル・ネットワークによって独立して又は集合的に解釈され得る。標識自体は、第１の配備されたニューラル・ネットワーク（たとえば、トレーニングされてあるニューラル・ネットワーク）によって交通標識として識別され得、テキスト「点滅光は、凍った状態を示す」は、点滅光が検出されるときには凍った状態が存在することを車両の進路計画立案ソフトウェア（好ましくはＣＰＵ複合体上で実行する）に知らせる、第２の配備されたニューラル・ネットワークによって解釈され得る。点滅光は、点滅光の存在（又は無いこと）を車両の進路計画立案ソフトウェアに知らせ、複数のフレームを介して第３の配備されたニューラル・ネットワークを動作させることによって識別され得る。すべての３個のニューラル・ネットワークは、ＤＬＡ内及び／又はＧＰＵ７０８上などで、同時に実行することができる。
いくつかの実例では、顔認識及び車両所有者識別のためのＣＮＮは、カメラ・センサからのデータを使用して車両７００の正規の運転者及び／又は所有者の存在を識別することができる。常時オンのセンサ処理エンジンは、所有者が運転席側のドアに近づくときに車両を解錠する及び明かりをつけるために、並びに、セキュリティ・モードにおいて、所有者が車両を離れるときに車両の動作を停止させるために、使用され得る。このようにして、ＳｏＣ７０４は、盗難及び／又は車の乗っ取りに対するセキュリティをもたらす。
別の実例では、緊急車両検出及び識別のためのＣＮＮは、マイクロフォン７９６からのデータを使用して緊急車両サイレンを検出及び識別することができる。一般分類子を使用してサイレンを検出する及び特徴を手動で抽出する従来のシステムとは対照的に、ＳｏＣ７０４は、環境の及び都市の音の分類、並びに視覚的データの分類のためにＣＮＮを使用する。好ましい一実施例では、ＤＬＡ上で実行するＣＮＮは、（たとえば、ドップラー効果を使用することによって）緊急車両の相対的終速度を識別するようにトレーニングされる。ＣＮＮはまた、ＧＮＳＳセンサ７５８によって識別されるように、車両が稼働しているローカル・エリアに特有の緊急車両を識別するようにトレーニングされ得る。それ故に、たとえば、欧州で稼働しているとき、ＣＮＮは、欧州のサイレンを検出しようとすることになり、そして、米国にあるとき、ＣＮＮは、北米のサイレンのみを識別しようとすることになる。緊急車両が検出された後は、制御プログラムが、緊急車両が通過するまで、超音波センサ７６２の支援を受けて、車両を減速する、道の端に停止させる、車両を駐車する、及び／又は車両をアイドリングさせる、緊急車両安全性ルーティンを実行するために使用され得る。
車両は、高速相互接続（たとえば、ＰＣＩｅ）を介してＳｏＣ７０４に連結され得るＣＰＵ７１８（たとえば、個別のＣＰＵ、又はｄＣＰＵ）を含み得る。ＣＰＵ７１８は、たとえば、Ｘ８６プロセッサを含み得る。ＣＰＵ７１８は、たとえば、ＡＤＡＳセンサとＳｏＣ７０４との間の潜在的に不整合の結果を調停すること、及び／又はコントローラ７３６及び／又はインフォテインメントＳｏＣ７３０の状況及び調子を監視することを含む、様々な機能のいずれかを実行するために使用され得る。
車両７００は、高速相互接続（たとえば、ＮＶＩＤＩＡのＮＶＬＩＮＫ）を介してＳｏＣ７０４に連結され得るＧＰＵ７２０（たとえば、個別のＧＰＵ、又はｄＧＰＵ）を含み得る。ＧＰＵ７２０は、冗長及び／又は異なるニューラル・ネットワークを実行することなどによって、付加的人工知能機能をもたらすことができ、車両７００のセンサからの入力（たとえば、センサ・データ）に基づいてニューラル・ネットワークをトレーニング及び／又は更新するために使用され得る。
車両７００は、１つ又は複数のワイヤレス・アンテナ７２６（たとえば、セルラ・アンテナ、ブルートゥース（登録商標）・アンテナなど、異なる通信プロトコルのための１つ又は複数のワイヤレス・アンテナ）を含み得るネットワーク・インターフェース７２４をさらに含み得る。ネットワーク・インターフェース７２４は、インターネットを介するクラウドとの（たとえば、サーバ７７８及び／又は他のネットワーク・デバイスとの）、他の車両との、及び／又は計算デバイス（たとえば、乗客のクライアント・デバイス）とのワイヤレス接続を使用可能にするために使用され得る。他の車両と通信するために、直接リンクが２個の車両の間に確立され得る、及び／又は、間接リンクが（たとえば、ネットワークを通じて及びインターネットを介して）確立され得る。直接リンクは、車両対車両通信リンクを使用し、提供され得る。車両対車両通信リンクは、車両７００に近接する車両（たとえば、車両７００の前の、横の、及び／又は後ろの車両）に関する車両７００情報を提供することができる。この機能は、車両７００の共同適応クルーズ制御機能の一部でもよい。
ネットワーク・インターフェース７２４は、変調及び復調機能を提供する及びコントローラ７３６がワイヤレス・ネットワークを介して通信することを可能にする、ＳｏＣを含み得る。ネットワーク・インターフェース７２４は、ベースバンドから無線周波数へのアップコンバージョン、及び無線周波数からベースバンドへのダウンコンバージョンのための無線周波数フロントエンドを含み得る。周波数コンバージョンは、よく知られているプロセスを通して実行することができ、及び／又はスーパーヘテロダイン・プロセスを用いて実行することができる。いくつかの実例では、無線周波数フロントエンド機能は、別個のチップによって提供され得る。ネットワーク・インターフェースは、ＬＴＥ、ＷＣＤＭＡ（登録商標）、ＵＭＴＳ、ＧＳＭ、ＣＤＭＡ２０００、ブルートゥース（登録商標）、ブルートゥース（登録商標）ＬＥ、Ｗｉ－Ｆｉ、Ｚ－Ｗａｖｅ、ＺｉｇＢｅｅ、ＬｏＲａＷＡＮ、及び／又は他のワイヤレス・プロトコルを介して通信するためのワイヤレス機能を含み得る。
車両７００は、チップ外の（たとえば、ＳｏＣ７０４外の）ストレージを含み得るデータ・ストア７２８をさらに含み得る。データ・ストア７２８は、ＲＡＭ、ＳＲＡＭ、ＤＲＡＭ、ＶＲＡＭ、フラッシュ、ハードディスク、及び／又は、少なくとも１ビットのデータを記憶することができる他の構成要素及び／又はデバイスを含む、１つ又は複数の記憶素子を含み得る。
車両７００は、ＧＮＳＳセンサ７５８をさらに含み得る。ＧＮＳＳセンサ７５８（たとえば、ＧＰＳ、支援されたＧＰＳセンサ、ディファレンシャルＧＰＳ（ＤＧＰＳ）センサなど）は、マッピング、知覚、占有グリッド生成、及び／又は進路計画策定機能を支援する。たとえば、シリアル（ＲＳ－２３２）ブリッジへのイーサネット（登録商標）を有するＵＳＢコネクタを使用するＧＰＳを含むが、これに限定されない、任意の数のＧＮＳＳセンサ７５８が、使用され得る。
車両７００は、ＲＡＤＡＲセンサ７６０をさらに含み得る。ＲＡＤＡＲセンサ７６０は、暗闇及び／又は厳しい気象条件においても、長距離車両検出のために車両７００によって使用され得る。ＲＡＤＡＲ機能安全性レベルは、ＡＳＩＬ Ｂでもよい。一部の実例では、ＲＡＤＡＲセンサ７６０は、未加工のデータにアクセスするためのイーサネット（登録商標）へのアクセスを用いて、制御のために及び物体追跡データにアクセスするために（たとえば、ＲＡＤＡＲセンサ７６０によって生成されたデータを送信するために）ＣＡＮ及び／又はバス７０２を使用することができる。多種多様なＲＡＤＡＲセンサ・タイプが、使用され得る。たとえば、そして制限なしに、ＲＡＤＡＲセンサ７６０は、前部、後部、及び側部ＲＡＤＡＲ使用に適し得る。一部の実例では、パルス・ドップラーＲＡＤＡＲセンサが使用される。
ＲＡＤＡＲセンサ７６０は、狭い視野を有する長距離、広い視野を有する短距離、短距離側部カバレッジなど、異なる構成を含み得る。いくつかの実例では、長距離ＲＡＤＡＲは、適応クルーズ制御機能のために使用され得る。長距離ＲＡＤＡＲシステムは、２５０ｍの範囲内など、２個以上の独立したスキャンによって実現される広い視野を提供することができる。ＲＡＤＡＲセンサ７６０は、静的物体と動く物体との区別を助けることができ、緊急ブレーキ・アシスト及び前方衝突警報のためのＡＤＡＳシステムによって使用され得る。長距離ＲＡＤＡＲセンサは、複数の（たとえば、６つ以上の）固定ＲＡＤＡＲアンテナと高速ＣＡＮ及びＦｌｅｘＲａｙインターフェースとを有するモノスタティック・マルチモーダルＲＡＤＡＲを含み得る。６つのアンテナを有する一実例では、中央の４個のアンテナは、隣接レーン内の交通からの干渉を最小限にして高速で車両７００の周囲を記録するように設計された、集束ビーム・パターンを作成し得る。他の２個のアンテナは、視野を広げることができ、車両７００のレーンに入る又はこれを去る車両を迅速に検出することを可能にする。
一実例として、中距離ＲＡＤＡＲシステムは、７６０ｍ（前）又は８０ｍ（後）までの範囲、及び４２度（前）又は７５０度（後）までの視野を含み得る。短距離ＲＡＤＡＲシステムは、後部バンパの両端に設置されるように設計されたＲＡＤＡＲセンサを含み得るが、これに限定されない。後部バンパの両端に設置されるとき、そのようなＲＡＤＡＲセンサ・システムは、車両の後ろ及び隣の死角を常に監視する２個のビームを作成することができる。
短距離ＲＡＤＡＲシステムは、死角検出及び／又はレーン変更アシストのためにＡＤＡＳシステムにおいて使用され得る。
車両７００は、超音波センサ７６２をさらに含み得る。車両７００の前部、後部、及び／又は側部に位置付けられ得る、超音波センサ７６２は、駐車アシストのために及び／又は占有グリッドの作成及び更新のために使用され得る。多種多様な超音波センサ７６２が使用され得、異なる超音波センサ７６２が、異なる範囲の検出（たとえば、２．５ｍ、４ｍ）のために使用され得る。超音波センサ７６２は、ＡＳＩＬ Ｂの機能的安全性レベルにおいて動作することができる。
車両７００はＬＩＤＡＲセンサ７６４を含み得る。ＬＩＤＡＲセンサ７６４は、物体及び歩行者検出、緊急ブレーキ、衝突回避、及び／又は他の機能のために使用され得る。ＬＩＤＡＲセンサ７６４は、機能的安全性レベルＡＳＩＬ Ｂでもよい。いくつかの実例では、車両７００は、（たとえば、ギガビット・イーサネット（登録商標）・スイッチにデータを提供するために）イーサネット（登録商標）を使用することができる複数の（たとえば、２個、４個、６個などの）ＬＩＤＡＲセンサ７６４を含み得る。
いくつかの実例では、ＬＩＤＡＲセンサ７６４は、物体及び３６０度視野のそれらの距離のリストを提供する能力を有し得る。市販のＬＩＤＡＲセンサ７６４は、たとえば、２ｃｍ～３ｃｍの精度を有し、７００Ｍｂｐｓイーサネット（登録商標）接続のサポートを有して、約７００ｍの広告された範囲を有し得る。いくつかの実例では、１つ又は複数の非突出したＬＩＤＡＲセンサ７６４が、使用され得る。そのような実例では、ＬＩＤＡＲセンサ７６４は、車両７００の前部、後部、側部、及び／又は角に組み込まれ得る小さいデバイスとして実装され得る。そのような実例では、ＬＩＤＡＲセンサ７６４は、低反射物体についても２００ｍの範囲を有し、１２０度水平及び３５度垂直視野まで提供することができる。前部に取り付けられたＬＩＤＡＲセンサ７６４は、４５度と１３５度との間の水平視野向けに構成され得る。
いくつかの実例では、３ＤフラッシュＬＩＤＡＲなどのＬＩＤＡＲ技術もまた使用され得る。３ＤフラッシュＬＩＤＡＲは、約２００ｍまで車両の周囲を照らすために、送信元としてレーザーのフラッシュを使用する。フラッシュＬＩＤＡＲユニットは、車両から物体までの範囲に順番に対応する、レーザー・パルス走行時間及び各画素上の反射光を記録する、レセプタを含む。フラッシュＬＩＤＡＲは、周囲の高精度の及び歪みのない画像があらゆるレーザー・フラッシュで生成されることを可能にし得る。いくつかの実例では、４個のフラッシュＬＩＤＡＲセンサが、車両７００の各側面に１つずつ、配備され得る。利用可能な３ＤフラッシュＬＩＤＡＲシステムは、送風機以外に動く部分を有さないソリッドステート３Ｄステアリング・アレイＬＩＤＡＲカメラ（たとえば、非スキャン型ＬＩＤＡＲデバイス）を含む。フラッシュＬＩＤＡＲデバイスは、１フレームにつき５ナノ秒クラスＩ（目に安全な）レーザー・パルスを使用することができ、３Ｄ範囲点群及び共記載された強度データの形で反射レーザー光をキャプチャし得る。フラッシュＬＩＤＡＲを使用することによって、また、フラッシュＬＩＤＡＲは、動く部分を有さないソリッドステート・デバイスであるので、ＬＩＤＡＲセンサ７６４は、モーション・ブラー、振動、及び／又は衝撃の影響を受けにくくなり得る。
車両は、ＩＭＵセンサ７６６をさらに含み得る。一部の実例では、ＩＭＵセンサ７６６は、車両７００の後部車軸の中央に位置付けられ得る。ＩＭＵセンサ７６６は、たとえば、加速度計、磁力計、ジャイロスコープ、磁気コンパス、及び／又は他のセンサ・タイプを含み得るが、これらに限定されない。いくつかの実例では、６軸アプリケーションなどにおいて、ＩＭＵセンサ７６６は、加速度計及びジャイロスコープを含み得るが、９軸アプリケーションにおいて、ＩＭＵセンサ７６６は、加速度計、ジャイロスコープ、及び磁力計を含み得る。
一部の実施例では、ＩＭＵセンサ７６６は、マイクロ電気機械システム（ＭＥＭＳ：ｍｉｃｒｏ－ｅｌｅｃｔｒｏ－ｍｅｃｈａｎｉｃａｌ ｓｙｓｔｅｍ）慣性センサ、高感度ＧＰＳレシーバ、及び高度カルマン・フィルタリング・アルゴリズムを結合して位置、ベロシティ、及び姿勢の推定値を提供するミニチュア、高性能ＧＰＳ支援型慣性航行システム（ＧＰＳ／ＩＮＳ：ＧＰＳ－Ａｉｄｅｄ Ｉｎｅｒｔｉａｌ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍ）として実装され得る。そのようなものとして、一部の実例では、ＩＭＵセンサ７６６は、ＧＰＳからＩＭＵセンサ７６６までのベロシティの変化を直接観測すること及び関連付けることによって、磁気センサからの入力を必要とせずに進行方向を車両７００が推定することを可能にし得る。いくつかの実例では、ＩＭＵセンサ７６６及びＧＮＳＳセンサ７５８は、単一の統合されたユニットにおいて結合され得る。
車両は、車両７００内及び／又は周囲に置かれたマイクロフォン７９６を含み得る。マイクロフォン７９６は、中でも、緊急車両検出及び識別のために使用され得る。
車両は、ステレオ・カメラ７６８、ワイドビュー・カメラ７７０、赤外線カメラ７７２、サラウンド・カメラ７７４、長距離及び／又は中距離カメラ７９８、及び／又は他のカメラ・タイプを含む、任意の数のカメラ・タイプをさらに含み得る。カメラは、車両７００の全外面の周りの画像データをキャプチャするために使用され得る。使用されるカメラのタイプは、車両７００の実施例及び要件に応じて決まり、任意の組合せのカメラ・タイプが、車両７００の周りの必要なカバレッジを実現するために使用され得る。加えて、カメラの数は、実施例に応じて異なり得る。たとえば、車両は、６個のカメラ、７個のカメラ、１０個のカメラ、１２個のカメラ、及び／又は別の数のカメラを含み得る。カメラは、一実例として、ギガビット・マルチメディア・シリアル・リンク（ＧＭＳＬ：Ｇｉｇａｂｉｔ Ｍｕｌｔｉｍｅｄｉａ Ｓｅｒｉａｌ Ｌｉｎｋ）及び／又はギガビット・イーサネット（登録商標）をサポートし得るが、これに限定されない。それぞれのカメラは、図７Ａ及び図７Ｂに関連して本明細書においてさらに詳しく説明される。
車両７００は、振動センサ７４２をさらに含み得る。振動センサ７４２は、車軸など、車両の構成要素の振動を測定することができる。たとえば、振動の変化は、道路の表面の変化を示し得る。別の実例では、２個以上の振動センサ７４２が使用されるとき、振動の差は、道路表面の摩擦又は滑りを判定するために使用され得る（たとえば、振動の差が電力駆動車軸と自由回転車軸との間であるとき）。
車両７００は、ＡＤＡＳシステム７３８を含み得る。一部の実例では、ＡＤＡＳシステム７３８は、ＳｏＣを含み得る。ＡＤＡＳシステム７３８は、自律／適応／自動クルーズ制御（ＡＣＣ：ａｕｔｏｎｏｍｏｕｓ／ａｄａｐｔｉｖｅ／ａｕｔｏｍａｔｉｃ ｃｒｕｉｓｅ ｃｏｎｔｒｏｌ）、共同適応クルーズ制御（ＣＡＣＣ：ｃｏｏｐｅｒａｔｉｖｅ ａｄａｐｔｉｖｅ ｃｒｕｉｓｅ ｃｏｎｔｒｏｌ）、前方衝突警報（ＦＣＷ：ｆｏｒｗａｒｄ ｃｒａｓｈ ｗａｒｎｉｎｇ）、自動緊急ブレーキ（ＡＥＢ：ａｕｔｏｍａｔｉｃ ｅｍｅｒｇｅｎｃｙ ｂｒａｋｉｎｇ）、車線逸脱警報（ＬＤＷ：ｌａｎｅ ｄｅｐａｒｔｕｒｅ ｗａｒｎｉｎｇ）、レーン・キープ・アシスト（ＬＫＡ：ｌａｎｅ ｋｅｅｐ ａｓｓｉｓｔ）、死角警報（ＢＳＷ：ｂｌｉｎｄ ｓｐｏｔ ｗａｒｎｉｎｇ）、後部交差交通警報（ＲＣＴＷ：ｒｅａｒ ｃｒｏｓｓ－ｔｒａｆｆｉｃ ｗａｒｎｉｎｇ）、衝突警報システム（ＣＷＳ：ｃｏｌｌｉｓｉｏｎ ｗａｒｎｉｎｇ ｓｙｓｔｅｍ）、レーン・センタリング（ＬＣ：ｌａｎｅ ｃｅｎｔｅｒｉｎｇ）、及び／又は他の特徴及び機能を含み得る。
ＡＣＣシステムは、ＲＡＤＡＲセンサ７６０、ＬＩＤＡＲセンサ７６４、及び／又はカメラを使用し得る。ＡＣＣシステムは、縦ＡＣＣ及び／又は横ＡＣＣを含み得る。縦ＡＣＣは、車両７００の直ぐ前の車両までの距離を監視及び制御し、前方の車両からの安全距離を維持するために車両速度を自動的に調整する。横ＡＣＣは、距離の保持を実行し、必要なときにレーンを変更するように車両７００にアドバイスする。横ＡＣＣは、ＬＣＡ及びＣＷＳなどの他のＡＤＡＳアプリケーションに関連する。
ＣＡＣＣは、ワイヤレス・リンクを介して他の車両からネットワーク・インターフェース７２４及び／又はワイヤレス・アンテナ７２６を介して、或いは間接的にネットワーク接続を介して（たとえば、インターネットを介して）、受信することができる、他の車両からの情報を使用する。直接リンクは、車両対車両（Ｖ２Ｖ：ｖｅｈｉｃｌｅ－ｔｏ－ｖｅｈｉｃｌｅ）通信リンクによって提供され得、一方、間接リンクは、インフラストラクチャ対車両（Ｉ２Ｖ：ｉｎｆｒａｓｔｒｕｃｔｕｒｅ－ｔｏ－ｖｅｈｉｃｌｅ）通信リンクでもよい。一般に、Ｖ２Ｖ通信概念は、直前の車両（たとえば、車両７００と同じレーン内にある、車両７００の直ぐ前の車両）に関する情報を提供し、一方、Ｉ２Ｖ通信概念は、さらに前の交通に関する情報を提供する。ＣＡＣＣシステムは、Ｉ２Ｖ情報ソースとＶ２Ｖ情報ソースとのいずれか又は両方を含み得る。車両７００の前方の車両の情報を所与として、ＣＡＣＣは、より高信頼になり得、ＣＡＣＣは、交通の流れをよりスムーズにし、道路の渋滞を減らす可能性を有する。
運転者が修正行動を取ることができるように、ＦＣＷシステムは、危険を運転者に警告するように設計される。ＦＣＷシステムは、ディスプレイ、スピーカ、及び／又は振動部品など、運転者フィードバックに電気的に連結された、専用のプロセッサ、ＤＳＰ、ＦＰＧＡ、及び／又はＡＳＩＣに連結された、前向きのカメラ及び／又はＲＡＤＡＲセンサ７６０を使用する。ＦＣＷシステムは、音響、視覚的警報、振動及び／又はクイック・ブレーキ・パルスなどの形で、警報を提供することができる。
ＡＥＢシステムは、別の車両又は他の物体との差し迫った前方衝突を検出し、運転者が指定された時間又は距離パラメータ内に修正行動を取らない場合に、ブレーキを自動的に適用することができる。ＡＥＢシステムは、専用のプロセッサ、ＤＳＰ、ＦＰＧＡ、及び／又はＡＳＩＣに連結された、前向きのカメラ及び／又はＲＡＤＡＲセンサ７６０を使用することができる。ＡＥＢシステムが危険を検出するとき、ＡＥＢシステムは通常は、先ず、衝突を回避するための修正行動を取るように運転者に警告し、運転者が修正行動を取らない場合、ＡＥＢシステムは、予測される衝突の影響を防ぐ、又は少なくとも軽減するための努力の一環としてブレーキを自動的に適用することができる。ＡＥＢシステムは、ダイナミック・ブレーキ・サポート及び／又は衝突切迫ブレーキなどの技法を含み得る。
ＬＤＷシステムは、ハンドル又はシートの振動など、視覚的、可聴式、及び／又は触覚的警報を提供して、車両７００が車線区分線を越えたときに運転者に警告する。ＬＤＷシステムは、運転者が、方向指示器を起動することによって、意図的な車線逸脱を指示するときには、起動しない。ＬＤＷシステムは、ディスプレイ、スピーカ、及び／又は振動部品など、運転者フィードバックに電気的に連結された、専用のプロセッサ、ＤＳＰ、ＦＰＧＡ、及び／又はＡＳＩＣに連結された、前側を向いたカメラを使用することができる。
ＬＫＡシステムは、ＬＤＷシステムの変更形態である。ＬＫＡシステムは、車両７００が車線をはみ出し始めた場合に車両７００を修正するためにステアリング入力又はブレーキを提供する。
ＢＳＷシステムは、自動車の死角において車両の運転者に検出及び警告する。ＢＳＷシステムは、合流又はレーンの変更が安全ではないことを指示するために視覚的、可聴式、及び／又は触覚的警告を提供することができる。システムは、運転者が方向指示器を使用するとき、付加的警報を提供し得る。ＢＳＷシステムは、運転者フィードバック、たとえば、ディスプレイ、スピーカ、及び／又は振動部品、に電気的に連結された、専用プロセッサ、ＤＳＰ、ＦＰＧＡ、及び／又はＡＳＩＣに連結された、後ろ側を向いたカメラ及び／又はＲＡＤＡＲセンサ７６０を使用し得る。
ＲＣＴＷシステムは、車両７００がバックしているときにリアカメラの範囲外で物体が検出されると視覚的、可聴式、及び／又は触覚的通知を提供することができる。いくつかのＲＣＴＷシステムは、衝突を回避するために車両ブレーキが適用されることを確実にするために、ＡＥＢを含む。ＲＣＴＷシステムは、運転者フィードバック、たとえば、ディスプレイ、スピーカ、及び／又は振動部品、に電気的に連結された、専用プロセッサ、ＤＳＰ、ＦＰＧＡ、及び／又はＡＳＩＣに連結された、１つ又は複数の後ろを向いたＲＡＤＡＲセンサ７６０を使用することができる。
従来のＡＤＡＳシステムは、運転者に警告し、安全状態が本当に存在するかどうかを運転者が判定し、それに応じて行動することを可能にするので、従来のＡＤＡＳシステムは、通常は壊滅的ではないが、運転者を悩ませている及び気を散らせていることがある誤判定結果を生み出す傾向にあることがあった。しかしながら、自律型車両７００では、結果が矛盾する場合には、車両７００自体が、１次的コンピュータ又は２次的コンピュータ（たとえば、第１のコントローラ７３６又は第２のコントローラ７３６）からの結果を聞き入れるかどうかを決定しなければならない。たとえば、一部の実施例では、ＡＤＡＳシステム７３８は、知覚情報をバックアップ・コンピュータ合理性モジュールに提供するためのバックアップ及び／又は２次的コンピュータでもよい。バックアップ・コンピュータ合理性モニタは、ハードウェア構成要素で冗長な多様なソフトウェアを実行して、知覚及び動的運転タスクにおいて障害を検出することができる。ＡＤＡＳシステム７３８からの出力は、監督ＭＣＵに提供され得る。１次的コンピュータ及び２次的コンピュータからの出力が矛盾する場合、監督ＭＣＵは、安全な動作を確実にするためにその矛盾をどのように調整するかを決定する必要がある。
いくつかの実例では、１次的コンピュータは、選択された結果における１次的コンピュータの信頼性を指示する、信頼性スコアを監督ＭＣＵに提供するように構成され得る。信頼性スコアが閾値を超えた場合、監督ＭＣＵは、２次的コンピュータが矛盾する又は不整合の結果を与えるかどうかにかかわらず、１次的コンピュータの指示に従い得る。信頼性スコアが閾値を満たさない場合、及び１次的及び２次的コンピュータが異なる結果を示す（たとえば、矛盾する）場合、監督ＭＣＵは、コンピュータの間で調停して適切な結果を決定することができる。
監督ＭＣＵは、２次的コンピュータが誤ったアラームを提供する状態を、１次的コンピュータ及び２次的コンピュータからの出力に基づいて、判定するようにトレーニング及び構成されたニューラル・ネットワークを実行するように構成され得る。したがって、監督ＭＣＵ内のニューラル・ネットワークは、２次的コンピュータの出力が信頼され得るとき、及びそれが信頼され得ないときを学習することができる。たとえば、２次的コンピュータがＲＡＤＡＲベースのＦＣＷシステムであるとき、監督ＭＣＵ内のニューラル・ネットワークは、アラームをトリガする下水溝の鉄格子又はマンホールの蓋など、実際には危険ではない金属製の物をいつＦＣＷが識別しているかを学習することができる。同様に、２次的コンピュータがカメラベースのＬＤＷシステムであるとき、監督ＭＣＵ内のニューラル・ネットワークは、自転車に乗った人又は歩行者が存在し、車線逸脱が、実際には、最も安全な操作であるときに、ＬＤＷを無視することを学習することができる。監督ＭＣＵ上で実行中のニューラル・ネットワークを含む実施例では、監督ＭＣＵは、関連メモリを有するニューラル・ネットワークを実行するのに適したＤＬＡ又はＧＰＵのうちの少なくとも１つを含み得る。好ましい実施例において、監督ＭＣＵは、ＳｏＣ７０４の構成要素を備え得る、及び／又はＳｏＣ７０４の構成要素として含まれ得る。
他の実例において、ＡＤＡＳシステム７３８は、コンピュータ・ビジョンの従来のルールを使用するＡＤＡＳ機能を実行する２次的コンピュータを含み得る。そのようなものとして、２次的コンピュータは、古典的コンピュータ・ビジョン・ルール（ｉｆ－ｔｈｅｎ）を使用することができ、監督ＭＣＵ内のニューラル・ネットワークの存在は、信頼性、安全性及び性能を向上させることができる。たとえば、多様な実装形態及び意図的な非同一性は、特にソフトウェア（又はソフトウェア－ハードウェア・インターフェース）機能によって引き起こされる障害に対して、システム全体をよりフォールトトレラントにする。たとえば、１次的コンピュータで実行中のソフトウェア内にソフトウェア・バグ又はエラーが存在し、２次的コンピュータで実行中の同一でないソフトウェア・コードが同じ総合的結果を提供する場合、監督ＭＣＵは、総合的結果は正しく、１次的コンピュータ上のソフトウェア又はハードウェア内のバグは重大なエラーを引き起こしていないというより大きな確信を有し得る。
いくつかの実例では、ＡＤＡＳシステム７３８の出力は、１次的コンピュータの知覚ブロック及び／又は１次的コンピュータの動的運転タスク・ブロックに供給され得る。たとえば、ＡＤＡＳシステム７３８が、直ぐ前の物体が原因で、前方衝突警報を示した場合、知覚ブロックは、物体を識別するときに、この情報を使用することができる。他の実例において、２次的コンピュータは、本明細書に記載のように、トレーニングされ、それ故に誤判定のリスクを減らす、独自のニューラル・ネットワークを有し得る。
車両７００は、インフォテインメントＳｏＣ７３０（たとえば、車両内のインフォテインメント・システム（ＩＶＩ：ｉｎ－ｖｅｈｉｃｌｅ ｉｎｆｏｔａｉｎｍｅｎｔ ｓｙｓｔｅｍ））をさらに含み得る。ＳｏＣとして図示及び記述されているが、インフォテインメント・システムは、ＳｏＣでなくてもよく、２個以上の個別の構成要素を含み得る。インフォテインメントＳｏＣ７３０は、オーディオ（たとえば、音楽、携帯情報端末、ナビゲーション命令、ニュース、無線など）、ビデオ（たとえば、ＴＶ、映画、ストリーミングなど）、電話（たとえば、ハンズフリー通話）、ネットワーク接続（たとえば、ＬＴＥ、Ｗｉ－Ｆｉなど）、及び／又は情報サービス（たとえば、ナビゲーション・システム、後方駐車支援、無線データシステム、燃料レベル、総移動距離、ブレーキ燃料レベル、オイル・レベル、ドアを開ける／閉じる、エア・フィルタ情報などの車両関連情報）を車両７００に提供するために使用され得るハードウェア及びソフトウェアの組合せを含み得る。たとえば、インフォテインメントＳｏＣ７３０は、無線、ディスク・プレイヤ、ナビゲーション・システム、ビデオ・プレイヤ、ＵＳＢ及びブルートゥース（登録商標）接続、カーピュータ、車内エンターテイメント、Ｗｉ－Ｆｉ、ハンドル・オーディオ制御装置、ハンズ・フリー音声制御、ヘッドアップ・ディスプレイ（ＨＵＤ：ｈｅａｄｓ－ｕｐ ｄｉｓｐｌａｙ）、ＨＭＩディスプレイ７３４、テレマティックス・デバイス、制御パネル（たとえば、様々な構成要素、特徴、及び／又はシステムを制御する及び／又はこれと相互に作用するための）、及び／又は他の構成要素でもよい。インフォテインメントＳｏＣ７３０は、ＡＤＡＳシステム７３８からの情報、計画された車両操作などの自律運転情報、軌道、周囲環境情報（たとえば、交差点情報、車両情報、道路情報など）、及び／又は他の情報など、車両のユーザへの情報（たとえば、視覚的及び／又は可聴式の）を提供するためにさらに使用され得る。
インフォテインメントＳｏＣ７３０は、ＧＰＵ機能性を含み得る。インフォテインメントＳｏＣ７３０は、バス７０２（たとえば、ＣＡＮバス、イーサネット（登録商標）など）を介して、車両７００の他のデバイス、システム、及び／又は構成要素と通信することができる。いくつかの実例では、インフォテインメント・システムのＧＰＵが、１次的コントローラ７３６（たとえば、車両７００の１次的及び／又はバックアップ・コンピュータ）が故障した場合に、いくつかのセルフドライブ機能を実行することができるように、インフォテインメントＳｏＣ７３０は、監督ＭＣＵに連結され得る。そのような実例では、インフォテインメントＳｏＣ７３０は、本明細書に記載のように、車両７００をショーファーの安全停止モードにすることができる。
車両７００は、計器群７３２（たとえば、デジタル・ダッシュ、電子計器群、デジタル計器パネルなど）をさらに含み得る。計器群７３２は、コントローラ及び／又はスーパーコンピュータ（たとえば、個別のコントローラ又はスーパーコンピュータ）を含み得る。計器群７３２は、スピードメーター、燃料レベル、油圧、タコメーター、オドメーター、方向指示器、ギアシフト位置インジケータ、シート・ベルト警告灯、パーキングブレーキ警告灯、エンジン故障灯、エアバッグ（ＳＲＳ）システム情報、照明制御装置、安全システム制御装置、ナビゲーション情報など、１セットの器具類を含み得る。いくつかの実例では、情報は、インフォテインメントＳｏＣ７３０及び計器群７３２の間で表示及び／又は共有され得る。言い換えれば、計器群７３２は、インフォテインメントＳｏＣ７３０の一部として含まれてもよく、逆もまた同様である。
図７Ｄは、本開示のいくつかの実施例による、図７Ａのクラウドベースのサーバと例示的自律型車両７００との間の通信のシステム図である。システム７７６は、サーバ７７８、ネットワーク７９０、及び、車両７００を含む車両を含み得る。サーバ７７８は、複数のＧＰＵ７８４（Ａ）～７８４（Ｈ）（本明細書でＧＰＵ７８４と総称される）、ＰＣＩｅスイッチ７８２（Ａ）～７８２（Ｈ）（本明細書でＰＣＩｅスイッチ７８２と総称される）、及び／又はＣＰＵ７８０（Ａ）～７８０（Ｂ）（本明細書でＣＰＵ７８０と総称される）を含み得る。ＧＰＵ７８４、ＣＰＵ７８０、及びＰＣＩｅスイッチは、たとえば、ＮＶＩＤＩＡによって開発されたＮＶＬｉｎｋインターフェース７８８及び／又はＰＣＩｅ接続７８６などの、これらに限定されない、高速相互接続で相互に接続され得る。いくつかの実例では、ＧＰＵ７８４は、ＮＶＬｉｎｋ及び／又はＮＶＳｗｉｔｃｈ ＳｏＣを介して接続され、ＧＰＵ７８４及びＰＣＩｅスイッチ７８２は、ＰＣＩｅ相互接続を介して接続される。８個のＧＰＵ７８４、２個のＣＰＵ７８０、及び２個のＰＣＩｅスイッチが図示されているが、これは制限を意図されていない。実施例に応じて、それぞれのサーバ７７８は、任意の数のＧＰＵ７８４、ＣＰＵ７８０、及び／又はＰＣＩｅスイッチを含み得る。たとえば、サーバ７７８は、それぞれ、８個、１６個、３２個、及び／又はそれ以上のＧＰＵ７８４を含み得る。
サーバ７７８は、最近開始された道路工事など、予想外の又は変更された道路状態を示す画像を表す画像データを、ネットワーク７９０を介して、車両から、受信することができる。サーバ７７８は、ニューラル・ネットワーク７９２、更新されたニューラル・ネットワーク７９２、及び／又は、交通及び道路状態に関する情報を含むマップ情報７９４をネットワーク７９０を介して車両に送信することができる。マップ情報７９４の更新は、建設現場、くぼみ、迂回路、洪水、及び／又は他の障害物に関する情報など、ＨＤマップ７２２の更新を含み得る。いくつかの実例では、ニューラル・ネットワーク７９２、更新されたニューラル・ネットワーク７９２、及び／又はマップ情報７９４は、環境において任意の数の車両から受信されたデータにおいて表された新しいトレーニング及び／又は経験から、及び／又は（たとえば、サーバ７７８及び／又は他のサーバを使用する）データ・センタにおいて実行されたトレーニングに基づいて、生じた可能性がある。
サーバ７７８は、トレーニング・データに基づいてマシン学習モデル（たとえば、ニューラル・ネットワーク）をトレーニングするために使用され得る。トレーニング・データは、車両によって生成され得る、及び／又は（たとえば、ゲーム・エンジンを使用して）シミュレーションにおいて生成され得る。いくつかの実例では、トレーニング・データは、タグ付けされる（たとえば、ニューラル・ネットワークが、監督された学習の恩恵を受ける場合）及び／又は他の事前処理を受けるが、他の実例において、トレーニング・データは、タグ付け及び／又は事前処理されない（たとえば、ニューラル・ネットワークが、監督された学習を必要としない場合）。トレーニングは、たとえば以下のクラスを含むがこれらに限定されない、任意の１つ又は複数のクラスのマシン学習技法に従って、実行され得る：監視されたトレーニング、半監視されたトレーニング、監視されていないトレーニング、自己学習、強化学習、連合型学習、転移学習、特徴学習（主要構成要素及びクラスタ分析を含む）、マルチ線形部分空間学習、多様体学習、表現学習（予備辞書学習を含む）、ルールに基づくマシン学習、異常検出、及びそれらの変更形態若しくは組合せ。マシン学習モデルがトレーシングされた後は、マシン学習モデルは、車両によって使用され得（たとえば、ネットワーク７９０を介して車両に送信される）、及び／又は、マシン学習モデルは、車両を遠隔監視するために、サーバ７７８によって使用され得る。
いくつかの実例では、サーバ７７８は、車両からデータを受信し、リアルタイムのインテリジェント推論のために最新のリアルタイムのニューラル・ネットワークにデータを適用することができる。サーバ７７８は、ＮＶＩＤＩＡによって開発されたＤＧＸ及びＤＧＸステーション・マシンなど、ＧＰＵ７８４によって電力供給される深層学習スーパーコンピュータ及び／又は専用のＡＩコンピュータを含み得る。しかしながら、一部の実例では、サーバ７７８は、ＣＰＵ電源式データ・センタのみを使用する深層学習インフラストラクチャを含み得る。
サーバ７７８の深層学習インフラストラクチャは、高速のリアルタイム推論の能力を有することでき、その能力を使用して車両７００内のプロセッサ、ソフトウェア、及び／又は関連ハードウェアの調子を評価及び検証することができる。たとえば、深層学習インフラストラクチャは、車両７００がそのシーケンスの画像内に位置したシーケンスの画像及び／又は物体など、車両７００からの定期的更新を受信することができる（たとえば、コンピュータ・ビジョン及び／又は他のマシン学習物体分類技法を介して）。深層学習インフラストラクチャは、物体を識別し、車両７００によって識別された物体とそれらを比較するために、独自のニューラル・ネットワークを実行することができ、結果が一致せず、インフラストラクチャが、車両７００内のＡＩは正常に機能していないという結論を下した場合、サーバ７７８は、制御を推測し、乗客に通知し、安全な駐車操作を完了するように車両７００のフェイルセーフ・コンピュータに命じる車両７００への信号を送信することができる。
推論のために、サーバ７７８は、ＧＰＵ７８４及び１つ又は複数のプログラマブル推論加速装置（たとえば、ＮＶＩＤＩＡのＴｅｎｓｏｒＲＴ）を含み得る。ＧＰＵ電源式サーバ及び推論加速の組合せは、リアルタイムの反応性を可能にすることができる。パフォーマンスがさほど必要とされない場合など、他の実例では、ＣＰＵ、ＦＰＧＡ、及び他のプロセッサによって電力供給されるサーバが、推論のために使用され得る。
例示的計算デバイス
図８は、本開示のいくつかの実施例の実装に使用するのに適した計算デバイス８００の一実例のブロック図である。計算デバイス８００は、以下のデバイスを間接的に又は直接的につなぐ相互接続システム８０２を含み得る：メモリ８０４、１つ又は複数の中央処理装置（ＣＰＵ）８０６、１つ又は複数のグラフィック処理ユニット（ＧＰＵ）８０８、通信インターフェース８１０、入力／出力（Ｉ／Ｏ）ポート８１２、入力／出力構成要素８１４、電力供給装置８１６、１つ又は複数の提示構成要素８１８（たとえば、ディスプレイ）、及び１つ又は複数の論理ユニット８２０。少なくとも１つの実施例において、計算デバイス８００は、１つ又は複数の仮想マシン（ＶＭ）を含み得る、及び／又は、その構成要素のいずれかは、仮想構成要素（たとえば、仮想ハードウェア構成要素）を含み得る。非限定的実例として、ＧＰＵ８０８のうちの１つ又は複数は、１つ又は複数のｖＧＰＵを含み得、ＣＰＵ８０６のうちの１つ又は複数は、１つ又は複数のｖＣＰＵを含み得、及び／又は、論理ユニット８２０のうちの１つ又は複数は、１つ又は複数の仮想論理ユニットを含み得る。そのようなものとして、計算デバイス８００は、個別の構成要素（たとえば、計算デバイス８００専用の全ＧＰＵ）、仮想構成要素（たとえば、計算デバイス８００専用のＧＰＵの一部分）、又はその組合せを含み得る。
図８の様々なブロックは、線で相互接続システム８０２を介して接続しているように示されているが、これは制限することを意図されておらず、単に分かりやすくするためである。たとえば、一部の実施例では、表示デバイスなどの提示構成要素８１８は、Ｉ／Ｏ構成要素８１４と考えられ得る（たとえば、ディスプレイがタッチ・スクリーンである場合）。別の実例として、ＣＰＵ８０６及び／又はＧＰＵ８０８はメモリを含み得る（たとえば、メモリ８０４は、ＧＰＵ８０８、ＣＰＵ８０６、及び／又は他の構成要素のメモリに加えた記憶デバイスを表し得る）。言い換えれば、図８の計算デバイスは、単に例示である。「ワークステーション」、「サーバ」、「ラップトップ」、「デスクトップ」、「タブレット」、「クライアント・デバイス」、「モバイル・デバイス」、「ハンドヘルド・デバイス」、「ゲーム機」、「電子制御ユニット（ＥＣＵ：ｅｌｅｃｔｒｏｎｉｃ ｃｏｎｔｒｏｌ ｕｎｉｔ）」、「仮想現実システム」、及び／又は他のデバイス若しくはシステム・タイプなどのカテゴリはすべて、図８の計算デバイスの範囲内にあることが意図されているので、これらは区別されない。
相互接続システム８０２は、１つ又は複数のリンク又はバス、たとえば、アドレス・バス、データ・バス、制御バス、又はその組合せ、を表し得る。相互接続システム８０２は、１つ又は複数のバス又はリンク・タイプ、たとえば、業界標準アーキテクチャ（ＩＳＡ：ｉｎｄｕｓｔｒｙ ｓｔａｎｄａｒｄ ａｒｃｈｉｔｅｃｔｕｒｅ）バス、拡張業界標準アーキテクチャ（ＥＩＳＡ：ｅｘｔｅｎｄｅｄ ｉｎｄｕｓｔｒｙ ｓｔａｎｄａｒｄ ａｒｃｈｉｔｅｃｔｕｒｅ）バス、ＶＥＳＡ（ｖｉｄｅｏ ｅｌｅｃｔｒｏｎｉｃｓ ｓｔａｎｄａｒｄｓ ａｓｓｏｃｉａｔｉｏｎ）バス、周辺構成要素相互接続（ＰＣＩ：ｐｅｒｉｐｈｅｒａｌ ｃｏｍｐｏｎｅｎｔ ｉｎｔｅｒｃｏｎｎｅｃｔ）バス、周辺構成要素相互接続エクスプレス（ＰＣＩｅ：ｐｅｒｉｐｈｅｒａｌ ｃｏｍｐｏｎｅｎｔ ｉｎｔｅｒｃｏｎｎｅｃｔ ｅｘｐｒｅｓｓ）バス、及び／又は別のタイプのバス若しくはリンク、を含み得る。一部の実施例では、構成要素の間に直接接続が存在する。一実例として、ＣＰＵ８０６は、メモリ８０４に直接接続され得る。さらに、ＣＰＵ８０６は、ＧＰＵ８０８に直接接続され得る。構成要素の間に直接、又はポイント対ポイント接続が存在する場合、相互接続システム８０２は、接続を実施するためのＰＣＩｅリンクを含み得る。これらの実例では、ＰＣＩバスは、計算デバイス８００に含まれる必要はない。
メモリ８０４は、様々なコンピュータ可読媒体のいずれかを含み得る。コンピュータ可読媒体は、計算デバイス８００によってアクセスすることができる任意の利用可能な媒体でもよい。コンピュータ可読媒体は、揮発性及び不揮発性媒体の両方、及び取り外し可能な及び取り外し不可能な媒体を含み得る。例として、しかし限定ではなく、コンピュータ可読媒体は、コンピュータ記憶媒体及び通信媒体を備え得る。
コンピュータ記憶媒体は、コンピュータ可読命令、データ構造体、プログラム・モジュール、及び／又は他のデータ・タイプなどの情報の記憶のための任意の方法又は技術において実装された揮発性及び不揮発性媒体及び／又は取り外し可能な及び取り外し不可能な媒体の両方を含み得る。たとえば、メモリ８０４は、オペレーティング・システムなど、（たとえば、プログラム及び／又はプログラム要素を表す）コンピュータ可読命令を記憶することができる。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ又は他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｋ）又は他の光ディスク・ストレージ、磁気カセット、磁気テープ、磁気ディスク・ストレージ又は他の磁気記憶デバイス、或いは、所望の情報を記憶するために使用し得る及び計算デバイス８００によってアクセスし得る任意の他の媒体を含み得るが、これらに限定されない。本明細書では、コンピュータ記憶媒体は、信号自体を含まない。
コンピュータ記憶媒体は、搬送波などの変調データ信号又は他の移送機構においてコンピュータ可読命令、データ構造体、プログラム・モジュール、及び／又は他のデータ・タイプを実施することができ、任意の情報配信媒体を含む。「変調データ信号」という用語は、その特性セットのうちの１つ又は複数を有する或いは信号内の情報をエンコードするような方式で変化した信号を指し得る。例として、しかし限定せず、コンピュータ記憶媒体は、ワイヤード・ネットワーク又は直接ワイヤード接続などのワイヤード媒体と、音響、ＲＦ、赤外線及び他のワイヤレス媒体などのワイヤレス媒体とを含み得る。前述のいずれかの組合せもまた、コンピュータ可読媒体の範囲に含まれるべきである。
ＣＰＵ８０６は、コンピュータ可読命令のうちの少なくともいくつかを実行して計算デバイス８００の１つ又は複数の構成要素を制御して本明細書に記載の方法及び／又はプロセスのうちの１つ又は複数を実行するように構成され得る。ＣＰＵ８０６は、多数のソフトウェア・スレッドを同時に処理する能力を有する１つ又は複数の（たとえば、１個、２個、４個、８個、２８個、７２個などの）コアをそれぞれ含み得る。ＣＰＵ８０６は、任意のタイプのプロセッサを含み得、実装された計算デバイス８００のタイプに応じて、異なるタイプのプロセッサを含み得る（たとえば、モバイル・デバイスのためのより少数のコアを有するプロセッサ、及びサーバのためのより多数のコアを有するプロセッサ）。たとえば、計算デバイス８００のタイプに応じて、プロセッサは、縮小命令セット計算（ＲＩＳＣ：Ｒｅｄｕｃｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅｔ Ｃｏｍｐｕｔｉｎｇ）を使用して実装されたＡｄｖａｎｃｅｄ ＲＩＳＣ Ｍａｃｈｉｎｅｓ（ＡＲＭ）プロセッサ、又は複合命令セット計算（ＣＩＳＣ：Ｃｏｍｐｌｅｘ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｅｔ Ｃｏｍｐｕｔｉｎｇ）を使用して実装されたｘ８６プロセッサでもよい。計算デバイス８００は、計算コプロセッサなど、１つ又は複数のマイクロプロセッサ又は補助コプロセッサ内の１つ又は複数のＣＰＵ８０６を含み得る。
ＣＰＵ８０６に加えて又はその代わりに、ＧＰＵ８０８は、コンピュータ可読命令のうちの少なくともいくつかを実行して計算デバイス８００の１つ又は複数の構成要素を制御して本明細書に記載の方法及び／又はプロセスのうちの１つ又は複数を実行するように構成され得る。ＧＰＵ８０８のうちの１つ若しくは複数は、統合されたＧＰＵ（たとえば、ＣＰＵ８０６のうちの１つ又は複数とでもよく、及び／又はＧＰＵ８０８のうちの１つ若しくは複数は、離散ＧＰＵでもよい。実施例では、ＧＰＵ８０８のうちの１つ又は複数は、ＣＰＵ８０６のうちの１つ又は複数のコプロセッサでもよい。ＧＰＵ８０８は、グラフィックス（たとえば、３Ｄグラフィックス）をレンダリングする又は汎用計算を実行するために、計算デバイス８００によって使用され得る。たとえば、ＧＰＵ８０８は、ＧＰＵによる汎用計算（ＧＰＧＰＵ：Ｇｅｎｅｒａｌ－Ｐｕｒｐｏｓｅ ｃｏｍｐｕｔｉｎｇ ｏｎ ＧＰＵ）のために使用され得る。ＧＰＵ８０８は、同時に数百又は数千のソフトウェア・スレッドを処理する能力を有する数百又は数千のコアを含み得る。ＧＰＵ８０８は、レンダリング・コマンド（たとえば、ホスト・インターフェースを介して受信されたＣＰＵ８０６からのレンダリング・コマンド）に応答して、出力画像のための画素データを生成することができる。ＧＰＵ８０８は、画素データ又は任意の他の適切なデータ、たとえばＧＰＧＰＵデータ、を記憶するためのグラフィックス・メモリ、たとえば表示メモリ、を含み得る。表示メモリは、メモリ８０４の一部として含まれ得る。ＧＰＵ８０８は、並行して動作する（たとえば、リンクを介して）２個以上のＧＰＵを含み得る。リンクは、ＧＰＵに直接接続することができ（たとえば、ＮＶＬＩＮＫを使用して）、又はスイッチを介して（たとえば、ＮＶＳｗｉｔｃｈを使用して）ＧＰＵを接続することができる。ともに結合されるとき、各ＧＰＵ８０８は、出力の異なる部分の又は異なる出力の画素データ又はＧＰＧＰＵデータ（たとえば、第１の画像の第１のＧＰＵ及び第２の画像の第２のＧＰＵ）を生成することができる。各ＧＰＵは、独自のメモリを含むことができ、又は他のＧＰＵとメモリを共有することができる。
ＣＰＵ８０６及び／又はＧＰＵ８０８に加えて又はその代わりに、論理ユニット８２０は、コンピュータ可読命令のうちの少なくともいくつかを実行して計算デバイス８００のうちの１つ又は複数を制御して本明細書に記載の方法及び／又はプロセスのうちの１つ又は複数を実行するように構成され得る。実施例では、ＣＰＵ８０６、ＧＰＵ８０８、及び／又は論理ユニット８２０は、方法、プロセス及び／又はその部分の任意の組合せを離散的に又は合同で実行することができる。論理ユニット８２０のうちの１つ若しくは複数は、ＣＰＵ８０６及び／若しくはＧＰＵ８０８のうちの１つ若しくは複数の一部でもよく及び／又はそこで統合されてもよく、及び／又は、論理ユニット８２０のうちの１つ若しくは複数は、ＣＰＵ８０６及び／若しくはＧＰＵ８０８に対する離散構成要素であっても若しくは他の方法でそれらの外部にあってもよい。実施例では、論理ユニット８２０のうちの１つ又は複数は、ＣＰＵ８０６のうちの１つ若しくは複数及び／又はＧＰＵ８０８のうちの１つ若しくは複数のコプロセッサでもよい。
論理ユニット８２０の実例は、１つ又は複数の処理コア及び／又はその構成要素、たとえば、テンソル・コア（ＴＣ：Ｔｅｎｓｏｒ Ｃｏｒｅ）、テンソル処理ユニット（ＴＰＵ：Ｔｅｎｓｏｒ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、画素ビジュアル・コア（ＰＶＣ：Ｐｉｘｅｌ Ｖｉｓｕａｌ Ｃｏｒｅ）、ビジョン処理ユニット（ＶＰＵ：Ｖｉｓｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、グラフィックス処理クラスタ（ＧＰＣ：Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｃｌｕｓｔｅｒ）、テクスチャ処理クラスタ（ＴＰＣ：Ｔｅｘｔｕｒｅ Ｐｒｏｃｅｓｓｉｎｇ Ｃｌｕｓｔｅｒ）、ストリーミング・マルチプロセッサ（ＳＭ：Ｓｔｒｅａｍｉｎｇ Ｍｕｌｔｉｐｒｏｃｅｓｓｏｒ）、木の走査ユニット（ＴＴＵ：Ｔｒｅｅ Ｔｒａｖｅｒｓａｌ Ｕｎｉｔ）、人工知能加速装置（ＡＩＡ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ａｃｃｅｌｅｒａｔｏｒ）、深層学習加速装置（ＤＬＡ：Ｄｅｅｐ Ｌｅａｒｎｉｎｇ Ａｃｃｅｌｅｒａｔｏｒ）、論理演算ユニット（ＡＬＵ）、特定用途向け集積回路（ＡＳＩＣ）、浮動小数点演算ユニット（ＦＰＵ）、入力／出力（Ｉ／Ｏ）エレメント、周辺構成要素相互接続（ＰＣＩ）又は周辺構成要素相互接続エクスプレス（ＰＣＩｅ）エレメント、及び／又は同類のもの、を含む。
通信インターフェース８１０は、ワイヤード及び／又はワイヤレス通信を含む、電子通信ネットワークを介して計算デバイス８００が他の計算デバイスと通信することを可能にする、１つ又は複数のレシーバ、トランスミッタ、及び／又はトランシーバを含み得る。通信インターフェース８１０は、ワイヤレス・ネットワーク（たとえば、Ｗｉ－Ｆｉ、Ｚ－Ｗａｖｅ、ブルートゥース（登録商標）、ブルートゥース（登録商標）ＬＥ、ＺｉｇＢｅｅなど）、ワイヤード・ネットワーク（たとえば、イーサネット（登録商標）又はＩｎｆｉｎｉＢａｎｄを介して通信すること）、低電力ワイド・エリア・ネットワーク（たとえば、ＬｏＲａＷＡＮ、ＳｉｇＦｏｘなど）、及び／又はインターネットなどの、いくつかの異なるネットワークのうちのいずれかを介する通信を可能にするための構成要素及び機能を含み得る。
Ｉ／Ｏポート８１２は、そのうちのいくつかは計算デバイス８００に内蔵（たとえば、統合）され得る、Ｉ／Ｏ構成要素８１４、提示構成要素８１８、及び／又は他の構成要素を含む、他のデバイスに計算デバイス８００が論理的に連結されることを可能にすることができる。例示的なＩ／Ｏ構成要素８１４は、マイクロフォン、マウス、キーボード、ジョイスティック、ゲーム・パッド、ゲーム・コントローラ、サテライト・ディッシュ、スキャナ、プリンタ、ワイヤレス・デバイスなどを含む。Ｉ／Ｏ構成要素８１４は、エア・ジェスチャ、音声、又は、ユーザによって生成される他の生理的入力を処理する自然ユーザ・インターフェース（ＮＵＩ：ｎａｔｕｒａｌ ｕｓｅｒ ｉｎｔｅｒｆａｃｅ）を提供することができる。場合によっては、入力は、さらなる処理のための適切なネットワーク要素に送信され得る。ＮＵＩは、音声認識、スタイラス認識、顔認識、生体認識、画面上での及び画面の隣でのジェスチャ認識、エア・ジェスチャ、頭部及び視標追跡、並びに計算デバイス８００のディスプレイに関連するタッチ認識（さらに詳しく後述するような）の任意の組合せを実装し得る。計算デバイス８００は、ジェスチャ検出及び認識のための、ステレオスコープ・カメラ・システム、赤外線カメラ・システム、ＲＧＢカメラ・システム、タッチ画面技術、及びこれらの組合せなど、深度カメラを含み得る。追加で、計算デバイス８００は、動きの検出を可能にする加速度計又はジャイロスコープを含み得る（たとえば、慣性測定ユニット（ＩＭＵ：ｉｎｅｒｔｉａ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔ）の一部として）。いくつかの実例では、加速度計又はジャイロスコープの出力は、没入型拡張現実又は仮想現実をレンダリングするために、計算デバイス８００によって使用され得る。
電力供給装置８１６は、ハードワイヤード電力供給装置、バッテリ電力供給装置、又はその組合せを含み得る。電力供給装置８１６は、計算デバイス８００の構成要素が動作することを可能にするために計算デバイス８００に電力を提供することができる。
提示構成要素８１８は、ディスプレイ（たとえば、モニタ、タッチ画面、テレビジョン画面、ヘッドアップ表示装置（ＨＵＤ）、他のディスプレイタイプ、又はその組合せ）、スピーカ、及び／又は他の提示構成要素を含み得る。提示構成要素８１８は、他の構成要素（たとえば、ＧＰＵ８０８、ＣＰＵ８０６など）からデータを受信し、データを（たとえば、画像、ビデオ、音響などとして）出力することができる。
例示的データ・センタ
図９は、本開示の少なくとも１つの実施例において使用され得る例示的データ・センタ９００を示す。データ・センタ９００は、データ・センタ・インフラストラクチャ層９１０、フレームワーク層９２０、ソフトウェア層９３０、及び／又はアプリケーション層９４０を含み得る。
図９に示すように、データ・センタ・インフラストラクチャ層９１０は、資源オーケストレータ９１２、グループ化された計算資源９１４、及びノード計算資源（「ノードＣ．Ｒ．」）９１６（１）～９１６（Ｎ）を含み得、そこで、「Ｎ」は、任意の整数の、自然数を表す。少なくとも１つの実施例において、ノードＣ．Ｒ．９１６（１）～９１６（Ｎ）は、任意の数の中央処理装置（「ＣＰＵ」）又は他のプロセッサ（加速装置、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、グラフィックス・プロセッサ若しくはグラフィックス・プロセッシング・ユニット（ＧＰＵ）などを含む）、メモリ・デバイス（たとえば、動的リード・オンリ・メモリ）、記憶デバイス（たとえば、ソリッドステート若しくはディスク・ドライブ）、ネットワーク入力／出力（「ＮＷ Ｉ／Ｏ」）デバイス、ネットワーク・スイッチ、仮想マシン（「ＶＭ」）、電力モジュール、及び／又は冷却モジュールなどを含み得るが、これらに限定されない。いくつかの実施例において、ノードＣ．Ｒ．９１６（１）～９１６（Ｎ）のうちの１つ又は複数のノードＣ．Ｒ．は、前述の計算資源のうちの１つ又は複数を有するサーバに対応し得る。加えて、いくつかの実施例において、ノードＣ．Ｒ．９１６（１）～９１６１（Ｎ）は、１つ若しくは複数の仮想構成要素、たとえば、ｖＧＰＵ、ｖＣＰＵ、及び／若しくは同類のもの、を含み得る、並びに／又は、ノードＣ．Ｒ．９１６（１）～９１６（Ｎ）のうちの１つ若しくは複数は、仮想マシン（ＶＭ）に対応し得る。
少なくとも１つの実施例において、グループ化された計算資源９１４は、１つ又は複数のラック（図示せず）内に収容された別個のグループのノードＣ．Ｒ．９１６、或いは様々な地理的場所（やはり図示せず）にあるデータ・センタに収容された多数のラックを含み得る。グループ化された計算資源９１４内の別個のグループのノードＣ．Ｒ．９１６は、１つ又は複数のワークロードをサポートするように構成する又は割り当てることができる、グループ化された計算、ネットワーク、メモリ又はストレージ資源を含み得る。少なくとも１つの実施例において、ＣＰＵ、ＧＰＵ、及び／又は他のプロセッサを含むいくつかのノードＣ．Ｒ．９１６は、１つ又は複数のワークロードをサポートするための計算資源を提供するために、１つ又は複数のラック内にグループ化され得る。１つ又は複数のラックはまた、任意の組合せで、任意の数の電力モジュール、冷却モジュール、及び／又はネットワーク・スイッチを含み得る。
資源オーケストレータ９２２は、１つ若しくは複数のノードＣ．Ｒ．９１６（１）～９１６（Ｎ）及び／又はグループ化された計算資源９１４を構成又は他の方法で制御することができる。少なくとも１つの実施例において、資源オーケストレータ９２２は、データ・センタ９００のソフトウェア設計インフラストラクチャ（「ＳＤＩ」）管理エンティティを含み得る。資源オーケストレータ９２２は、ハードウェア、ソフトウェア、又はその何らかの組合せを含み得る。
少なくとも１つの実施例において、図９に示すように、フレームワーク層９２０は、ジョブ・スケジューラ９３２、構成マネージャ９３４、資源マネージャ９３６、及び／又は分散型ファイル・システム９３８を含み得る。フレームワーク層９２０は、ソフトウェア層９３０のソフトウェア９３２及び／又はアプリケーション層９４０の１つ若しくは複数のアプリケーション９４２をサポートするためにフレームワークを含み得る。ソフトウェア９３２又はアプリケーション９４２は、ウェブベースのサービス・ソフトウェア又はアプリケーション、たとえば、アマゾン・ウェブ・サービス、グーグル・クラウド及びＭｉｃｒｏｓｏｆｔ Ａｚｕｒｅによって提供されるもの、をそれぞれ含み得る。フレームワーク層９２０は、大規模データ処理（たとえば、「ビッグ・データ」）のための分散型ファイル・システム９３８を使用し得るＡｐａｃｈｅ Ｓｐａｒｋ（商標）（以下「Ｓｐａｒｋ」）などのフリー及びオープン・ソース・ソフトウェア・ウェブ・アプリケーション・フレームワークのタイプでもよいが、これに限定されない。少なくとも１つの実施例において、ジョブ・スケジューラ９３２は、データ・センタ９００の様々な層によってサポートされるワークロードのスケジューリングを容易にするために、Ｓｐａｒｋドライバを含み得る。構成マネージャ９３４は、異なる層、たとえば、ソフトウェア層９３０と、大規模データ処理をサポートするためのＳｐａｒｋ及び分散型ファイル・システム９３８を含むフレームワーク層９２０、を構成する能力を有し得る。資源マネージャ９３６は、分散型ファイル・システム９３８及びジョブ・スケジューラ９３２のサポートのためにマップされた又は割り当てられたクラスタ化された又はグループ化された計算資源を管理する能力を有し得る。少なくとも１つの実施例において、クラスタ化された又はグループ化された計算資源は、データ・センタ・インフラストラクチャ層９１０にグループ化された計算資源９１４を含み得る。資源マネージャ１０３６は、資源オーケストレータ９１２と調整して、これらのマップされた又は割り当てられた計算資源を管理することができる。
少なくとも１つの実施例において、ソフトウェア層９３０に含まれるソフトウェア９３２は、ノードＣ．Ｒ．９１６（１）～９１６（Ｎ）の少なくとも部分、グループ化された計算資源９１４、及び／又はフレームワーク層９２０の分散型ファイル・システム９３８によって使用されるソフトウェアを含み得る。１つ又は複数のタイプのソフトウェアは、インターネット・ウェブ・ページ検索ソフトウェア、電子メール・ウイルス・スキャン・ソフトウェア、データベース・ソフトウェア、及びストリーミング・ビデオ・コンテンツ・ソフトウェアを含み得るが、これらに限定されない。
少なくとも１つの実施例において、アプリケーション層９４０に含まれるアプリケーション９４２は、ノードＣ．Ｒ．９１６（１）～９１６（Ｎ）の少なくとも部分、グループ化された計算資源９１４、及び／又はフレームワーク層９２０の分散型ファイル・システム９３８によって使用される１つ又は複数のタイプのアプリケーションを含み得る。１つ又は複数のタイプのアプリケーションは、任意の数のゲノミクス・アプリケーション、認知計算、並びに、トレーニング若しくは推論ソフトウェア、マシン学習フレームワーク・ソフトウェア（たとえば、ＰｙＴｏｒｃｈ、ＴｅｎｓｏｒＦｌｏｗ、Ｃａｆｆｅなど）、及び／又は１つ若しくは複数の実施例と併せて使用される他のマシン学習アプリケーションを含む、マシン学習アプリケーションを含み得るが、これらに限定されない。
少なくとも１つの実施例において、構成マネージャ９３４、資源マネージャ９３６、及び資源オーケストレータ９１２のうちのいずれかは、任意の技術的に可能な方式で取得される任意の量及びタイプのデータに基づいて任意の数及びタイプの自己書換え型アクションを実装することができる。自己書換え型アクションは、よくない可能性のある構成決定を行うこと並びにデータ・センタの十分に活用されていない及び／又は実行の不十分な部分を恐らく回避することからデータ・センタ９００のデータ・センタ・オペレータを解放し得る。
データ・センタ９００は、１つ又は複数のマシン学習モデルをトレーニングする或いは本明細書に記載の１つ又は複数の実施例による１つ又は複数のマシン学習モデルを使用して情報を予測する又は推論するために、ツール、サービス、ソフトウェア或いは他の資源を含み得る。たとえば、マシン学習モデルは、データ・センタ９００に関して前述されたソフトウェア及び／又は計算資源を使用するニューラル・ネットワーク・アーキテクチャによる重量パラメータの計算によって、トレーニングされ得る。少なくとも１つの実施例において、１つ又は複数のニューラル・ネットワークに対応するトレーニングされた又は配備されたマシン学習モデルは、たとえば、本明細書に記載のものに限定されない、１つ又は複数のトレーニング技法を介して計算された重量パラメータを使用することによって、データ・センタ９００に関して前述された資源を使用して情報を推論又は予測するために使用され得る。
少なくとも１つの実施例において、データ・センタ９００は、前述の資源を使用するトレーニング及び／又は推論の実行のために、ＣＰＵ、特定用途向け集積回路（ＡＳＩＣ）、ＧＰＵ、ＦＰＧＡ、及び／又は他のハードウェア（若しくはそれに対応する仮想計算資源）を使用することができる。さらに、前述の１つ又は複数のソフトウェア及び／又はハードウェア資源は、情報の推論をユーザがトレーニング又は実行することを可能にするためのサービス、たとえば、画像認識、音声認識、又は他の人工知能サービス、として構成され得る。
例示的ネットワーク環境
本開示の実施例の実装において使用するのに適したネットワーク環境は、１つ若しくは複数のクライアント・デバイス、サーバ、ネットワーク接続型ストレージ（ＮＡＳ：ｎｅｔｗｏｒｋ ａｔｔａｃｈｅｄ ｓｔｏｒａｇｅ）、他のバックエンド・デバイス、及び／又は他のデバイス・タイプを含み得る。クライアント・デバイス、サーバ、及び／又は他のデバイス・タイプ（たとえば、各デバイス）は、図８の計算デバイス８００の１つ又は複数のインスタンスで実装され得、たとえば、各デバイスは、計算デバイス８００の類似の構成要素、特徴、及び／又は機能性を含み得る。加えて、バックエンド・デバイス（たとえば、サーバ、ＮＡＳなど）が、実装される場合、バックエンド・デバイスは、データ・センタ９００の一部として含まれ得、その実例は、図９に関して本明細書でさらに詳述される。
ネットワーク環境の構成要素は、ワイヤード、ワイヤレス、又はその両方でもよい、ネットワークを介して互いに通信し得る。ネットワークは、複数のネットワーク、又はネットワークのネットワークを含み得る。実例として、ネットワークは、１つ若しくは複数のワイド・エリア・ネットワーク（ＷＡＮ）、１つ若しくは複数のローカル・エリア・ネットワーク（ＬＡＮ）、１つ若しくは複数のパブリック・ネットワーク、たとえば、インターネット及び／若しくは公衆交換電話網（ＰＳＴＮ）、並びに／又は１つ若しくは複数のプライベート・ネットワークを含み得る。ネットワークが、ワイヤレス電気通信ネットワークを含む場合、構成要素、たとえば、基地局、通信塔、或いはアクセス・ポイント（並びに他の構成要素）、は、ワイヤレス接続を提供し得る。
互換性のあるネットワーク環境は、１つ又は複数のピア・ツー・ピア・ネットワーク環境（その場合、サーバはネットワーク環境に含まれないことがある）と、１つ又は複数のクライアント・サーバ・ネットワーク環境（その場合、１つ又は複数のサーバがネットワーク環境に含まれ得る）とを含み得る。ピア・ツー・ピア・ネットワーク環境では、サーバに関して本明細書に記載した機能性は、任意の数のクライアント・デバイスで実装され得る。
少なくとも１つの実施例において、ネットワーク環境は、１つ又は複数のクラウドベースのネットワーク環境、分散型計算環境、その組合せなどを含み得る。クラウドベースのネットワーク環境は、フレームワーク層、ジョブ・スケジューラ、資源マネージャ、並びに、１つ若しくは複数のコア・ネットワーク・サーバ及び／又はエッジ・サーバを含み得る、サーバのうちの１つ又は複数で実装された分散型ファイル・システムを含み得る。フレームワーク層は、ソフトウェア層のソフトウェア及び／又はアプリケーション層の１つ若しくは複数のアプリケーションをサポートするために、フレームワークを含み得る。ソフトウェア又はアプリケーションは、それぞれ、ウェブベースのサービス・ソフトウェア又はアプリケーションを含み得る。実施例において、クライアント・デバイスのうちの１つ又は複数は、ウェブベースのサービス・ソフトウェア又はアプリケーションを使用し得る（たとえば、１つ又は複数のアプリケーション・プログラミング・インターフェース（ＡＰＩ）を介してサービス・ソフトウェア及び／又はアプリケーションにアクセスすることによって）。フレームワーク層は、たとえば大規模データ処理（たとえば、「ビッグ・データ」）のための分散型ファイル・システムを使用し得る、フリー及びオープン・ソース・ソフトウェア・ウェブ・アプリケーション・フレームワークのタイプでもよいが、これに限定されない。
クラウドベースのネットワーク環境は、本明細書に記載の計算及び／又はデータ・ストレージ機能（又は１つ若しくは複数のその部分）の任意の組合せを実施するクラウド計算及び／又はクラウド・ストレージを提供し得る。これらの様々な機能のいずれも、セントラル又はコア・サーバ（たとえば、州、領域、国、世界にわたって分散され得る１つ又は複数のデータ・センタなどの）から複数の場所に分散され得る。ユーザ（たとえば、クライアント・デバイス）への接続が、エッジ・サーバに比較的近い場合、コア・サーバは、機能性の少なくとも一部分をエッジ・サーバに任じ得る。クラウドベースのネットワーク環境は、プライベート（たとえば、単一の組織に制限される）でもよく、パブリック（たとえば、多数の組織に利用可能）、及び／又はその組合せ（たとえば、ハイブリッド・クラウド環境）でもよい。
クライアント・デバイスは、図８に関して本明細書に記載の例示的計算デバイス８００の構成要素、特徴、及び機能性のうちの少なくともいくつかを含み得る。実例として、及び制限ではなく、クライアント・デバイスは、パーソナル・コンピュータ（ＰＣ）、ラップトップ・コンピュータ、モバイル・デバイス、スマートフォン、タブレット・コンピュータ、スマート・ウォッチ、ウェアラブル・コンピュータ、パーソナル・デジタル・アシスタント（ＰＤＡ）、ＭＰ３プレイヤ、仮想現実ヘッドセット、全地球測位システム（ＧＰＳ）又はデバイス、ビデオ・プレイヤ、ビデオカメラ、監視デバイス又はシステム、車両、ボート、飛行船、仮想マシン、ドローン、ロボット、ハンドヘルド通信デバイス、病院デバイス、ゲーミング・デバイス又はシステム、娯楽システム、車両コンピュータ・システム、組み込み型システム・コントローラ、リモート制御、器具、民生用電子デバイス、ワークステーション、エッジ・デバイス、これらの描写されたデバイスの任意の組合せ、或いは任意の他の適切なデバイスとして実施され得る。
本開示は、コンピュータ又は、携帯情報端末若しくは他のハンドヘルド・デバイスなどの、他のマシンによって実行されている、プログラム・モジュールなどのコンピュータ実行可能命令を含む、コンピュータ・コード又はマシン使用可能命令との一般的関連において説明されることがある。一般に、ルーティン、プログラム、オブジェクト、構成要素、データ構造体などを含むプログラム・モジュールは、特定のタスクを実行する又は特定の抽象データ・タイプを実装するコードを指す。本開示は、ハンドヘルド・デバイス、家電製品、汎用コンピュータ、より特殊な計算デバイスなどを含む、様々な構成で実施され得る。本開示はまた、通信ネットワークを介してリンクされた遠隔処理デバイスによってタスクが実行される分散型コンピューティング環境において実施され得る。
本明細書では、２個以上の要素に関する「及び／又は」の記述は、１つの要素のみ、又は要素の組合せを意味すると解釈されるべきである。たとえば、「要素Ａ、要素Ｂ、及び／又は要素Ｃ」は、要素Ａのみ、要素Ｂのみ、要素Ｃのみ、要素Ａ及び要素Ｂ、要素Ａ及び要素Ｃ、要素Ｂ及び要素Ｃ、或いは、要素Ａ、Ｂ、及びＣを含み得る。加えて、「要素Ａ又は要素Ｂのうちの少なくとも１つ」は、要素Ａの少なくとも１つ、要素Ｂの少なくとも１つ、或いは、要素Ａの少なくとも１つ及び要素Ｂの少なくとも１つを含み得る。さらに、「要素Ａ及び要素Ｂのうちの少なくとも１つ」は、要素Ａのうちの少なくとも１つ、要素Ｂのうちの少なくとも１つ、或いは、要素Ａのうちの少なくとも１つ及び要素Ｂのうちの少なくとも１つを含み得る。
本開示の主題は、法定の要件を満たすために特異性を有して記述されている。しかしながら、その記述自体が本開示の範囲を制限することは意図されていない。そうではなくて、本発明者は、請求されている主題が、他の現在の又は未来の技術と併せて、異なるステップ又は本文書に記載されたものと類似のステップの組合せを含むように、他の形で実施され得ることを意図している。さらに、「ステップ」及び／又は「ブロック」という用語は、使用される方法の異なる要素を含意するように本明細書で使用され得るが、これらの用語は、個別のステップの順番が明示的に記載されていない限り及びそのように記載されているときを除いて本明細書で開示される様々なステップの間に何らかの特定の順番を暗示するものとして解釈されるべきではない。

Claims (20)

  1. 配備環境の特徴のセットに少なくとも基づいて、視標追跡モデルのためのトレーニング・データ又は１つ若しくは複数の構成要素のうちの少なくとも１つを含む、第１のデータのサブセットを選択するステップと、
    前記配備環境に対してカスタマイズされた適合視標追跡モデルとして前記視標追跡モデルの少なくとも一部を、前記第１のデータのサブセットを使用して再トレーニングするステップと、
    前記適合視標追跡モデルを前記配備環境に配備する第２のデータを伝送するステップと
    を含む、方法。
  2. 前記第１のデータのサブセットを選択するステップが、前記配備環境の前記特徴のセットに関連付けられたサラウンド・シーン・データに少なくとも基づき、前記サラウンド・シーン・データが、複数のセンサを使用したサラウンド・シーン・データ収集中に検索されたデータのカテゴリを表す、請求項１に記載の方法。
  3. 前記第１のデータのサブセットが、１つ又は複数のベンチ・セットアップ及び１つ又は複数の車両内セットアップのそれぞれからのデータのカテゴリに対応する前記トレーニング・データを含む、請求項１に記載の方法。
  4. 前記第１のデータのサブセットが、前記配備環境の前記特徴のセットの１つ又は複数に対応する前記トレーニング・データを含む、請求項１に記載の方法。
  5. 前記視標追跡モデルが、複数の視標追跡変形モデルの第１の変形モデルを備え、前記複数の視標追跡変形モデルが、
    正規化された凝視データを、カメラからの凝視データの軸を前記凝視データ内に描写された顔又は目に整列させることに少なくとも基づいて生成するステップと、
    前記正規化された凝視データのタグ付けされた凝視特徴を決定するステップであって、前記タグ付けされた凝視特徴が、対応するカメラ空間内の凝視ベクトル又は注視点の１つ又は複数に対応する、ステップと、
    前記タグ付けされた凝視特徴の第１のサブセットを使用して前記複数の視標追跡変形モデルの前記第１の変形モデルを、及び前記タグ付けされた凝視特徴の第２のサブセットを使用して前記複数の視標追跡変形モデルの第２の変形モデルをトレーニングするステップと
    に少なくとも基づいて生成される、請求項１に記載の方法。
  6. 前記視標追跡モデルが、前記第１のデータの視標追跡変形モデルのサブセットを備え、前記選択するステップが、前記配備環境の前記特徴のセットに対応するフェイス・ランドマーク・ニューラル・ネットワーク基準に少なくとも基づいて、前記視標追跡変形モデルから前記サブセットを選択するステップを含む、請求項１に記載の方法。
  7. 前記配備環境の前記特徴のセットが、空間構成特徴のセット、ＤＮＮ基本設定構成特徴のセット、又は凝視タイプ構成特徴のセットのうちの１つ又は複数を含む、請求項１に記載の方法。
  8. 前記第１のデータの前記サブセットが、前記トレーニング・データを含み、前記特徴のセットが、前記配備環境に関連付けられた凝視角度範囲のしるしを含み、前記選択するステップが、前記凝視角度範囲に対応する前記トレーニング・データの１つ又は複数の部分を識別することに少なくとも基づく、請求項１に記載の方法。
  9. 前記適合視標追跡モデルが、第１の適合視標追跡モデルを備え、前記方法が、
    前記適合視標追跡モデルのためのフィードバック・データを受信するステップであって、前記フィードバック・データが、前記配備環境に対応する、ステップと、
    前記フィードバック・データを使用して前記第１の適合視標追跡モデルを再トレーニングすることに少なくとも基づいて、第２の適合視標追跡モデルを生成するステップと、
    前記第２の適合視標追跡モデルを前記配備環境に配備する第３のデータを伝送するステップと
    をさらに含む、請求項１に記載の方法。
  10. 前記視標追跡モデルが、第１の視標追跡モデルを備え、前記第１のデータのサブセットが、前記第１のデータの第１のサブセットを含み、前記方法が、
    第２の配備環境に対応する前記第１のデータの第２のサブセットを選択するステップと、
    第２の視標追跡モデルの１つ又は複数の部分を再トレーニングすることに少なくとも基づいて、前記第２の配備環境に適合された第２の適合視標追跡モデルを、前記第１のデータの前記第２のサブセットを使用して生成するステップと、
    前記第２の適合視標追跡モデルを前記第２の配備環境に配備する第３のデータを伝送するステップと
    をさらに含む、請求項１に記載の方法。
  11. 前記配備環境が、第１の車両タイプに関連付けられ、前記第２の配備環境が、第２の車両タイプに関連付けられる、請求項１０に記載の方法。
  12. 配備環境の特徴のセットに対応し、且つ視標追跡モデルのためのトレーニング・データ又は１つ若しくは複数の構成要素のうちの少なくとも１つを含む、第１のデータのサブセットを識別し、
    前記配備環境に対してカスタマイズされた適合視標追跡モデルとして前記視標追跡モデルの少なくとも一部を、前記第１のデータのサブセットを使用して再トレーニングし、
    前記適合視標追跡モデルを前記配備環境に配備する第２のデータを伝送する
    ための１つ又は複数の回路を備えるプロセッサ。
  13. 前記プロセッサが、
    自律若しくは半自律マシンのための制御システム、
    自律若しくは半自律マシンのための知覚システム、
    シミュレーション動作を実施するためのシステム、
    深層学習動作を実施するためのシステム、
    エッジ・デバイスを使用して実装されるシステム、
    ロボットを使用して実装されるシステム、
    １つ若しくは複数の仮想マシン（ＶＭ）を組み込むシステム、
    データ・センタに少なくとも部分的に実装されるシステム、又は
    クラウド計算資源を使用して少なくとも部分的に実装されるシステム
    の少なくとも１つに含まれる、請求項１２に記載のプロセッサ。
  14. 前記第１のデータのサブセットの識別が、前記配備環境に関連付けられた凝視角度範囲に少なくとも基づく、請求項１２に記載のプロセッサ。
  15. 前記視標追跡モデルが、前記配備環境の前記特徴のセットに少なくとも基づく前記第１のデータの複数の視標追跡変形モデルのサブセットを含む、請求項１２に記載のプロセッサ。
  16. 前記適合視標追跡モデルが、第１の適合視標追跡モデルを備え、前記１つ又は複数の回路が、さらに、
    前記第１の適合視標追跡モデルのためのフィードバック・データであって、前記配備環境に対応するフィードバック・データを受信し、
    前記フィードバック・データを使用して前記第１の適合視標追跡モデルを再トレーニングすることに少なくとも基づいて、第２の適合視標追跡モデルを生成し、
    前記第２の適合視標追跡モデルを前記配備環境に配備する第３のデータを伝送する、請求項１２に記載のプロセッサ。
  17. １つ又は複数の処理デバイスと、前記１つ又は複数の処理デバイスによって実行される場合に、前記１つ又は複数の処理デバイスによる動作の実施を引き起こすプログラム命令を格納する、前記１つ又は複数の処理デバイスに通信連結された１つ又は複数のメモリ・デバイスとを備え、前記動作が、
    配備環境の特徴のセットに対応する第１のデータを提供するステップと、
    前記配備環境の前記特徴のセットに少なくとも基づいて、視標追跡モデルのためのトレーニング・データ又は１つ若しくは複数の構成要素のうちの少なくとも１つを含む、第１のデータのサブセットを選択することに少なくとも基づいて決定された適合視標追跡モデルを受信し、前記配備環境に対してカスタマイズされた適合視標追跡モデルとして前記視標追跡モデルの少なくとも一部を、前記第１のデータのサブセットを使用して再トレーニングするステップと、
    前記適合視標追跡モデルを前記配備環境に配備する第２のデータを伝送するステップと
    を含む、システム。
  18. 前記第１のデータが、前記配備環境に関連付けられた車両内セットアップから提供される、請求項１７に記載のシステム。
  19. 前記第１のデータが、前記配備環境に関連付けられたベンチ・セットアップから提供される、請求項１７に記載のシステム。
  20. 前記適合視標追跡モデルが、第１の適合視標追跡モデルを備え、前記動作が、
    前記第１の適合視標追跡モデルにフィードバック・データを提供するステップであって、前記フィードバック・データが、前記配備環境に対応する、ステップと、
    前記フィードバック・データを使用して前記第１の適合視標追跡モデルを再トレーニングすることに少なくとも基づいて生成された第２の適合視標追跡モデルを受信するステップと、
    前記第２の適合視標追跡モデルを前記配備環境に配備する第３のデータを伝送するステップと
    をさらに含む、請求項１７に記載のシステム。
JP2022039787A 2021-05-13 2022-03-15 適応視標追跡機械学習モデル・エンジン Pending JP2022176081A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/319,891 US11704814B2 (en) 2021-05-13 2021-05-13 Adaptive eye tracking machine learning model engine
US17/319,891 2021-05-13

Publications (1)

Publication Number Publication Date
JP2022176081A true JP2022176081A (ja) 2022-11-25

Family

ID=83806191

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022039787A Pending JP2022176081A (ja) 2021-05-13 2022-03-15 適応視標追跡機械学習モデル・エンジン

Country Status (4)

Country Link
US (1) US11704814B2 (ja)
JP (1) JP2022176081A (ja)
CN (1) CN115344117A (ja)
DE (1) DE102022111322A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537295B (zh) * 2021-06-22 2023-10-24 北京航空航天大学 基于离群点引导的视线估计跨场景适配方法和装置
US11830259B2 (en) * 2021-08-24 2023-11-28 Nvidia Corporation Robust state estimation
GB2626136A (en) * 2023-01-10 2024-07-17 Mercedes Benz Group Ag System and method for estimation of eye gaze direction of a user with or without eyeglasses
CN117809358B (zh) * 2023-12-26 2024-07-05 北京极溯光学科技有限公司 一种眼球自转角度的确定方法、装置、设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8581647B2 (en) 2011-11-10 2013-11-12 Qualcomm Incorporated System and method of stabilizing charge pump node voltage levels
JP2016201609A (ja) 2015-04-08 2016-12-01 日本電気通信システム株式会社 加入者端末装置、通信サービス提供システム、通信制御方法、及び、通信制御プログラム
US10885698B2 (en) 2018-08-10 2021-01-05 Nvidia Corporation Method for programmable timeouts of tree traversal mechanisms in hardware
US11400944B2 (en) * 2019-01-04 2022-08-02 Byton North America Corporation Detecting and diagnosing anomalous driving behavior using driving behavior models
CN110058694B (zh) * 2019-04-24 2022-03-25 腾讯科技（深圳）有限公司 视线追踪模型训练的方法、视线追踪的方法及装置

Also Published As

Publication number Publication date
US11704814B2 (en) 2023-07-18
CN115344117A (zh) 2022-11-15
DE102022111322A1 (de) 2022-11-17
US20220366568A1 (en) 2022-11-17

Similar Documents

Publication Publication Date Title
US11841458B2 (en) Domain restriction of neural networks through synthetic data pre-training
US11657263B2 (en) Neural network based determination of gaze direction using spatial models
JP2022536030A (ja) ビデオ分析アプリケーションにおける相関フィルタを使用した複数物体追跡
US11841987B2 (en) Gaze determination using glare as input
CN114155272A (zh) 自主机器应用中的自适应目标跟踪算法
CN114332907A (zh) 包括使用神经网络进行鲁棒预测的背景修改的数据增强
US11704814B2 (en) Adaptive eye tracking machine learning model engine
JP2023031237A (ja) 自律マシン・アプリケーションのためのＬｉＤＡＲデータを使用する物体追跡
US20230110713A1 (en) Training configuration-agnostic machine learning models using synthetic data for autonomous machine applications
US20230351807A1 (en) Data set generation and augmentation for machine learning models
US11886634B2 (en) Personalized calibration functions for user gaze detection in autonomous driving applications
US20220277193A1 (en) Ground truth data generation for deep neural network perception in autonomous driving applications
US20230341235A1 (en) Automatic graphical content recognition for vehicle applications
JP2023051713A (ja) 自律マシン・アプリケーションにおける深層学習を使用する視認距離推定
JP2023131069A (ja) 自律システム及びアプリケーションのためのニューラル・ネットワークを使用したマップ情報の物体データ・キュレーション
US20220340149A1 (en) End-to-end evaluation of perception systems for autonomous systems and applications
JP2023021910A (ja) 自律マシン・アプリケーションにおける距離画像マッピングのための信念伝搬
JP2022104773A (ja) 拘束デバイスのローカリゼーション
US20230298361A1 (en) Image to world space transformation for ground-truth generation in autonomous systems and applications
JP2023071168A (ja) 自律マシン・アプリケーションのための粒子ベース危険検出
JP2023087616A (ja) 自律システム及びアプリケーションのための画像コントラスト分析を使用した眩しさ軽減
JP2022117916A (ja) 自律マシン・アプリケーションのための配備されたディープ・ニューラル・ネットワークのパッチ
US20240087561A1 (en) Using scene-aware context for conversational ai systems and applications
US20240161341A1 (en) Sensor calibration for autonomous systems and applications
US20240022601A1 (en) Detecting identity spoofing attacks in multi-sensor systems and applications