JP2022516799A - オクルージョン予測および軌道評価 - Google Patents

Abstract

環境内の予測されたオクルージョンされる領域に基づいて、自律車両などの車両を制御するための技法が説明される。オクルージョンされる領域は、別のオブジェクトによる障害物のために車両のセンサが環境の一部を感知することが不可能である領域を表現することが可能である。オブジェクトの第１のオクルージョンされる領域は、オブジェクトの位置に基づいて第１の時間で決定される。オブジェクトの予測された位置は、第１の時間の後の第２の時間でオブジェクトによって引き起こされる予測されたオクルージョンされる領域を決定するために使用されることができる。予測されたオクルージョンされる領域は、車両が従う多様な軌道について、および／またはそのような軌道に沿った多様な点で決定されることが可能であり、軌道は、関連するオクルージョンスコアおよび／またはそれと共に関連する軌道スコアに基づいて選択されることが可能である。車両は、選択された軌道に基づいて環境を横断するために制御されることが可能である。

Description

本発明のさまざまな例示的な実施形態は、オクルージョン予測および軌道評価に関する。

本特許出願は、２０１９年１月１１日に出願された米国実用特許出願第１６／２４６，２０８号の優先権を主張する。出願番号第１６／２４６，２０８号は、参照により本明細書に完全に組み込まれている。

様々な方法、装置、およびシステムが、自律車両によって、様々な静的オブジェクトおよび動的オブジェクトを含む環境を通じてそのような自律車両を案内するために利用される。例えば、自律車両は、ルートプランニング方法、装置、およびシステムを利用して、他の移動している車両（自律またはそれ以外）、移動している人々、静止している建物などを有する過密エリアを通じて自律車両を案内する。ある例において、自律車両は、自律車両が環境内を横断するための複数の潜在的なルートを生成し得るが、そのようなルート間で選択することは、課題を提示し得る。

詳細な説明は、添付の図を参照しつつ説明される。図において、参照番号の左端の数字は、その参照番号が最初に現われる図を識別する。異なる図における同じ参照番号の使用は、類似または同一の構成要素または特徴を示す。

本開示の実施形態による、センサデータをキャプチャし、車両のための軌道および環境内のオブジェクトに関連付けられる予測された軌道を受け取り、予測されたオクルージョンされる領域を決定し、予測されたオクルージョンされる領域に少なくとも部分的に基づいて車両を制御するための例示的なプロセスの絵入りフロー図である。 本開示の実施形態による、静的オブジェクトに関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の軌道を評価する例の図である。 本開示の実施形態による、動的オブジェクトの軌道に関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の軌道を評価する例の図である。 本開示の実施形態による、動的オブジェクトに関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の多様な軌道を評価する例の図である。 図５Ｂおよび図５Ｃにおいて提示される例の概観の図である。 本開示の実施形態による、経時的なオブジェクトに関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の第１の軌道を評価する例の図である。 本開示の実施形態による、経時的なオブジェクトに関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の第２の軌道を評価する例の図である。 本開示の実施形態による、オブジェクトに関連付けられる予測された軌道、および車両軌道に対するそれぞれのオブジェクトに関連付けられる予測されたオクルージョンされる領域に基づいて、車両のための軌道を評価し、車両軌道に対するオクルージョンスコアを決定し、オクルージョンスコアに基づいて車両を制御する例示的なプロセスの絵入りフロー図である。 本明細書において説明される技法を実装するための例示的なシステムのブロック図を描く図である。 本開示の実施形態による、センサデータをキャプチャし、オブジェクトについての予測された位置を決定し、自律車両が環境を横断するための軌道を決定し、異なる車両軌道に基づいて、オブジェクトについての予測された位置に関連付けられる予測されたオクルージョンされる領域を決定し、オクルージョンされる領域に関連付けられるコストに基づいて軌道を選択し、選択された軌道に基づいて自律車両を制御する例示的なプロセスを描く図である。

本開示は、軌道に関連付けられる予測されたオクルージョンされる領域に基づいて、軌道を評価することに向けられており、予測されたオクルージョンされる領域は、環境内のオブジェクトの予測された位置に対して決定される。例えば、（自律車両などの）車両のセンサは、環境のセンサデータをキャプチャすることができ、センサデータは、車両とは別個のオブジェクト、例えば、他の車両、歩行者、建物、植物などを含んでよい。環境のセンサカバレッジは、環境内の障害物に基づいて限定される（オクルージョンされる）ことがある。車両に関連付けられるプランニングシステムは、そのようなオブジェクトを避けてナビゲートするために、環境内で車両が従うべき軌道を生成することができる。車両に関連付けられるオクルージョンシステムは、環境内で車両が従うべき軌道および／または検出されたオブジェクトに関連付けられる予測された軌道に基づいて、オブジェクトに関連付けられる予測されたオクルージョンされる領域を決定することができる。

静的オブジェクト（例えば、駐車中の自動車、建物など）の場合、オクルージョンシステムは、車両軌道に沿った様々なポイントについての予測されたオクルージョンされる領域を決定することができる。動的オブジェクト（例えば、環境内の他の車両）の場合、オクルージョンシステムは、オブジェクトに関連付けられる予測された軌道を受け取ることができ、環境内のオブジェクトに関連付けられる予測されたオクルージョンされる領域を決定することができる。オクルージョンシステムは、環境内で車両が従うべき複数の軌道に関連付けられる、予測されたオクルージョンされる領域を決定することができる。ある例において、予測されたオクルージョンされる領域は、様々なコストまたはオクルージョンスコアに関連付けられることが可能であり、これらは、予測されたオクルージョンされる領域のサイズ、評価されている特定の軌道に沿ったオブジェクトによってオクルージョンされるエリアの重要性などに基づいてよい。オクルージョンスコアは、軌道に沿った複数の将来の時間について決定されてもよく、オクルージョンスコアは、軌道スコアを決定するために加算され、または集約されてもよい。技法は、複数の軌道に対する軌道スコアを決定するために並行して実行されることが可能であり、軌道は、軌道スコアに基づいて複数の軌道から選択されてもよい。選択された軌道は、車両を制御するために使用されることが可能であり、環境を横断する。

車両によってキャプチャされるセンサデータは、ライダーデータ、レーダデータ、画像データ、飛行時間データ、ソナーデータなどを含むことができる。ある場合において、センサデータは、環境内のオブジェクトのタイプ（例えば、車両、歩行者、自転車、動物、駐車中の自動車、樹木、建物など）を決定するように構成される知覚システムに対して提供されることができる。さらに、知覚システムは、センサデータに基づいて、環境内のオブジェクトに関する移動情報決定することができる。センサデータおよびセンサデータに基づいた任意のデータは、環境のトップダウンビュー（例えば、１つまたは複数のチャネルを有するトップダウン画像）において表現されることができる。例えば、画像は、オブジェクトの範囲（例えば、オブジェクトの長さおよび幅）、ならびに／またはオブジェクトの分類（例えば、車両、歩行者など）だけでなく、環境内のオブジェクトの位置も表現する２次元境界ボックスとして、オブジェクトを表現することができる。ある例において、付加的な画像チャネルは、速度、加速度、それらに関連付けられる不確実性などを含んでもよい。速度情報などの移動情報は、境界ボックスに関連付けられる速度ベクトルとして表現されることが可能であるが、他の表現も想定される。また、画像は、道路網情報（例えば、車線、横断歩道、一旦停止線、車線分離帯、一時停止標識、交差点、信号機などを示す意味論的なラベル）、信号機ステータス（例えば、赤信号、黄信号、青信号など）、オブジェクトに関連付けられる境界ボックス、ｘ方向、ｙ方向および／またはｚ方向におけるオブジェクトの速度、ｘ方向およびｙ方向におけるオブジェクトの加速度、オブジェクトの方向指示器ステータス（例えば、左折、右折、ブレーキ、後進、ハザード、無灯火など）などのうちの１つまたは複数を表現することができるが、これらに限定されない。

環境内のオブジェクトを表現する、車両によってキャプチャされたセンサデータは、車両の特定の軌道に関する、環境内のオブジェクトに関連付けられる予測されたオクルージョンされる領域を生成するために使用されることができる。例えば、オクルージョンシステムは、将来の時点におけるオブジェクトの推定される位置に関連する、予測されたオクルージョンされる領域に関連付けられるオクルージョングリッドを決定することができる。オブジェクトの位置は、オブジェクト分類、位置、速度、加速度、センサ不確実性などに基づいて、オブジェクトの取り得る位置を決定するために経時的に評価されることができる。レイキャスティングなどの技法は、オクルージョングリッドによって表現される環境のどのエリアが、車両の位置に関して経時的にオクルージョンされるかを決定するために使用されることができる。ある例において、オクルージョンを決定するための異なる技法が、様々なセンサ様式に基づいて使用されることができる。非限定的な例として、レイキャスティングは、ライダーセンサについてのオクルージョンを決定するために使用されてもよいのに対して、カメラ行列を使用する画像投影は、画像センサのオクルージョンを決定するために使用されてもよい。オクルージョングリッドは、３次元とすることができ、環境内のオブジェクトの体積を表すボクセルでオブジェクトの予測を表現することができる。オクルージョングリッドを生成するための技法は、例えば、「Ｏｃｃｌｕｓｉｏｎ Ａｗａｒｅ Ｐｌａｎｎｉｎｇ」と題され、２０１８年６月１８日に出願された米国特許出願第１６／０１１，４３６号において見出されることが可能であり、これは、その全体が参照によって本明細書に組み込まれている。

車両が環境を横断するにつれて、プランニングシステムは、時間の進行と共に車両が従い得る多様な取り得る軌道を生成することができる。軌道は、例えば、前方へ移動すること、後方へ移動すること、左へ移動すること、右へ移動すること、斜めに移動すること、停止すること、加速すること、減速すること、または、車両内の搭乗者および／もしくは貨物が所望の目的地に他の方法で到達するための安全で効率的な搭乗を提供するための移動パターンの任意の組み合わせを含んでよい。プランニングシステムは、多様な取り得る軌道を並行して生成することができ、車両が従うべき軌道を選択する前に、安全性、効率、快適さ、および／または他の所望の成果について、各軌道を評価することができる。

オクルージョンシステムは、車両が環境を通じて従うべき軌道を選択する際に使用するためのオクルージョン情報を、プランニングシステムに提供することができる。例えば、オクルージョンシステムは、車両が第１の軌道に従うにつれてオブジェクトによって引き起こされる第１の予測されたオクルージョンされる領域を決定することができ、ただし、第１の予測されたオクルージョンされる領域は、車両が第１の軌道に従うときの、車両に関するオブジェクトの予測された位置に基づく。同様に、およびある例において並行して、オクルージョンシステムは、車両が第１の軌道と異なる第２の軌道に従うにつれて、オブジェクトによって引き起こされる第２の予測されたオクルージョンされる領域も決定することができる。第２の予測されたオクルージョンされる領域も、車両に関するオブジェクトの予測された位置に基づいてよいが、車両が第２の軌道に従うときのものである。

例示のために、対向車があり得る交差点の一部を車両が観察することをオブジェクト（例えば、駐車中の自動車）が遮蔽している交差点に、車両が近づく状況を考えてみる。車両のための第１の軌道は、交差点において待機してよく、車両のための第２の軌道は、交差点内へ前方に徐行してよい。オクルージョンシステムは、第１の軌道に従って交差点においては待機する間の、駐車中の自動車についての予測されたオクルージョンされる領域と、第２の軌道に沿って前方へ徐行することに関連付けられる、駐車中の自動車のための予測されたオクルージョンされる領域とを生成することができる。第１の軌道および第２の軌道についての予測されたオクルージョンされる領域に少なくとも部分的に基づいて、車両は、２つの軌道間でより効率的に選択することができる（例えば、交差点の最適な視認性をもたらす）。

オクルージョンシステムは、車両が軌道に従うにつれて、環境内の様々なオブジェクトによって引き起こされるオクルージョンに対して、１つまたは複数のオクルージョンスコアを生成することができる。オクルージョンスコアは、（例えば、横断歩道、私道などを表現する）マップデータなどと共に、オクルージョンに関連付けられる属性、例えば、オブジェクトによってオクルージョンされる環境の割合（および／または、逆に、オクルージョンされない環境の割合）、オブジェクトに関する視認性距離（例えば、オブジェクトが車両からどのくらい近いか、または遠いか）、オクルージョンされる領域は軌道の重要な領域を妨げるかどうか（例えば、オクルージョンされる領域が、接近してきている対向車情報を含む場合）の組み合わせのうちの１つまたは複数などに基づいてよい。ある例において、オクルージョンシステムは、車両が採用し得る様々な取り得る軌道に対する軌道スコアを決定することができ、ただし、軌道スコアは、環境内の様々な予測されたオクルージョンされる領域のオクルージョンスコアの全体的な合計または集約を表現する。例えば、軌道スコアは、車両を代表するどの軌道またはアクションが車両に対するより良い（または、より悪い）視認性をもたらすことになるかに対応してもよい。オクルージョンシステムは、車両についての１つまたは複数の軌道に関連付けられる軌道スコアをプランニングシステムに出力することが可能であり、プランニングシステムは、軌道を生成および選択するための付加的な車両システムによって提供される他の情報と共に、軌道スコアを使用することができ、車両が従うべき軌道を選択する。少なくともある例において、従うべき軌道の決定は、軌道に沿った単一のオクルージョンスコアおよび／または同じ軌道に沿ったすべてのオクルージョンスコアの合計のうちの１つまたは複数に少なくとも部分的に基づいてもよい。

本明細書において論じられる技法は、コンピューティングデバイスの機能を多くの手法で改善することができる。例えば、オクルージョンシステムは、所望のルートを達成するために重要でないと決定された領域についての、オブジェクトの予測された位置および関連付けられるオクルージョンされる領域を生成することを控えてもよく、したがって、取り得る軌道を分析する際に処理リソースおよびコンピューティングリソースを節約する。ある場合において、説明される技法の動的な性質（例えば、予測されたオクルージョンされる領域に部分的に基づいて、車両を制御すること）は、自律車両などの車両に対する軌道を生成および／または選択するために列挙されるべき、より少ない規則を必要とする。予測されたオクルージョンされる領域に部分的に基づいて、車両を制御することによって、車両の安全性は、特に、特定の規則が存在しない状況が生じた場合に、車両が設定された命令に従うことを必要とするのではなく、車両がその周囲に適応し、反応することを可能にすることによって、改善されることができる。さらに、車両が遭遇し得るあらゆる運転状況に対して列挙される規則の数は、事実上無限となるので、予測されたオクルージョンされる領域に部分的に基づいて車両を制御することは、処理リソースを低減することができる。したがって、予測されたオクルージョンされる領域に基づいて軌道を分析するための技法は、従来の技法より高速に実行されることが可能であり、これは、より高速な応答を可能とすることができ、または付加的な代替的軌道をコンピューティングシステムが考慮することを可能とすることができ、それによって、安全性成果、性能、および／または精度を改善する。コンピュータの機能に対する、これらの改良点および他の改良点は、本明細書において論じられている。

本明細書において説明される技法は、多くの手法で実装されることが可能である。例示的な実装例は、以下の図を参照して、下記に提供される。自律車両のコンテキストにおいて論じられているが、本明細書において説明される方法、装置、およびシステムは、多種多様なシステム（例えば、センサシステムまたはロボティックプラットホーム）に対して適用されることが可能であり、自律車両に限定されない。別の例において、技法は、航空もしくは航海のコンテキストにおいて、またはシステムに対して知られていない振る舞いに関連付けられ得るオブジェクトもしくはエンティティに関与する任意のシステムにおいて、利用されることが可能である。また、本明細書において説明される技法は、（例えば、センサを使用してキャプチャされた）実データ、（例えば、シミュレータによって生成された）シミュレートされたデータ、または、この２つの任意の組み合わせと共に使用されることが可能である。

図１は、本開示の実施形態による、センサデータをキャプチャし、車両についての軌道と環境内のオブジェクトに関連付けられる予測された軌道とを受け取り、オブジェクトに関連付けられる予測されたオクルージョンされる領域を決定し、予測されたオクルージョンされる領域に少なくとも部分的に基づいて車両を制御するための、例示的なプロセス１００の絵入りのフロー図である。

演算１０２において、プロセスは、環境のセンサデータをキャプチャすることを含むことができる。ある例において、センサデータは、車両（自律またはそれ以外）上の１つまたは複数のセンサによってキャプチャされることが可能である。例えば、センサデータは、ライダーセンサ、レーダセンサ、画像センサ、飛行時間センサ、ソナーセンサなどのうちの１つまたは複数によってキャプチャされるデータを含むことができる。

例は、演算１０２においてキャプチャされた画像データ１０４を例示する。例えば、画像データ１０４は、環境内のオブジェクト１０６を表現することができる。ある例において、オブジェクト１０６は、車両、歩行者、動物などを表現することができる。ある例において、演算１０２においてキャプチャされたセンサデータは、オブジェクトのタイプ（例えば、車両、歩行者、自転車、動物などの、オブジェクトの分類を示す意味論的な情報）を含むが、これに限定されない、オブジェクト１０６に関する情報を決定するために使用されることが可能である。ある例において、演算は、本明細書において論じられるような、オブジェクト１０６のタイプ、オブジェクト１０６に関連付けられる境界ボックス、オブジェクト１０６に関連付けられるセグメンテーション情報、および／またはオブジェクトに関連付けられる移動情報、ならびに、これらに関連付けられる任意の不確実性を決定することを含むことができる。

演算１０８において、プロセスは、車両についての軌道を受け取ること、および環境内のオブジェクトに関連付けられる予測された軌道を受け取ることを含むことができる。例１１０は、軌道１１４に関連付けられる車両１１２を例示し、それによって、軌道１１４は、車両が環境内で従うべき経路を表現する。ある例において、軌道１１４は、道路セグメントの中心線を表現することができる。ある例において、軌道１１４は、車両１１２に関連付けられる制御を表現することができる。例えば、制御は、経時的なステアリング角度および／または加速を含むことができるが、これらに限定されない。当然ながら、軌道１１４は、様々な実装例に応じて、他のデータを表現することができる。

考察の目的のために、センサデータをキャプチャする（または利用する）車両１１２は、運転者（または乗員）がいかなる時も車両を制御することを期待されない状態で、旅程全体のためのあらゆるセーフティクリティカル機能を実行することが可能な車両を説明している、米国高速道路交通安全局によって発行されたレベル５分類に従って演算するように構成される自律車両とすることができる。そのような例において、車両１１２は、あらゆる駐車機能を含む、始動から停止までのあらゆる機能を制御するように構成されることが可能であるので、それは無人状態とされることができる。これは例にすぎず、本明細書において説明されるシステムおよび方法は、運転者によって常に手動で制御される必要がある車両から、部分的にまたは完全に自律的に制御される車両にわたる車両を含む、任意の地上車両、空中車両、または水上車両へ組み込まれることが可能である。車両１１２に関連付けられる付加的な詳細は、本開示の全体にわたって説明されている。

例示される例１１０に示されるように、オブジェクト１０６も環境内に位置する。ある例において、オブジェクト１０６は、車両、歩行者、自転車、動物などを表現することができる。例１１０に例示された環境は、運転可能な領域１１６と運転不可能な領域１１８とを含むことができる。ある例において、運転可能な領域１１６は、車両１１２が（合法的に）横断することができる環境の任意のエリア（例えば、道路、私道、駐車場など）を含むことができる。ある例において、非運転可能な領域１１８は、車両１１２が合法的にまたは物理的に横断することができない環境のエリア（例えば、歩道、建物、公園など）を表現することができる。

ある例において、演算１０８において受け取られた軌道は、環境内で車両１１２を位置決めすること、および環境に関連付けられるマップデータにアクセスすることに少なくとも部分的に基づくことができる。例えば、マップデータは、運転可能な領域１１６に対応する環境の領域を示す車線要素などの、マップ要素を含むことができる。マップ要素の付加的な例は、建物または構造、横断歩道要素、バイク車線要素、交差点要素、車線分離帯要素、信号要素、一時停止標識要素、一時停止線要素、先方優先標識要素、先方優先車線要素、駐車車線要素、私道要素、減速バンプ要素、信号を無視して横断する領域（例えば、仮想横断歩道）、軌道通過点（例えば、知られている軌道）、搭乗者ピックアップポイント、標識位置要素、ジオフェンス要素などうちの１つまたは複数を含むことができるが、これらに限定されない。ある場合において、オブジェクトに関連付けられる予測された軌道は、マップデータに基づくことができる。

ある例において、演算１０８において受け取られた軌道は、環境内のオブジェクトについての予測された軌道、例えば、環境を通じて移動するオブジェクト１０６に関連付けられる予測された軌道１２０などを決定することに基づくことができる。予測された軌道１２０は、例えば、それぞれの離散化された確率分布に対応する時間において、環境内の対応する位置にオブジェクト１０６が存在するであろう確率を示す予測確率を表現する、離散化された確率分布（例えば、確率マップ、離散化された予測確率マップ、ヒートマップなど）を使用して、決定されることが可能である。１つまたは複数の離散化された確率分布を生成する例は、２０１８年１１月３０日に出願された米国特許出願第１６／２０６，８７７号において論じられており、これは、その全体が参照によって本明細書に組み込まれている。

演算１２２において、プロセスは、軌道および予測された軌道に基づいて、オブジェクトに関連付けられる予測されたオクルージョンされる領域を決定することを含むことができる。例１２４は、車両１１２の軌道１１４に対する、およびオブジェクト１０６の予測された軌道１２０に対する、予測されたオクルージョンされる領域１２６を決定することを例示する。例えば、軌道１１４に沿った、将来の時点における車両１１２の領域は、領域１１２＊として表現されることが可能である。ある例において、領域１１２＊のサイズは、車両１１２のサイズ、車両１１２の速度、環境内の位置、環境内のオブジェクトのタイプ、車両１１２に関連付けられる安全性要因などに少なくとも部分的に基づくことができる。同様に、予測された軌道１２０に沿った、将来の時点におけるオブジェクト１０６の領域は、領域１０６＊として表現されることが可能であり、ただし、領域１０６＊のサイズは、オブジェクト１０６のサイズ、オブジェクト１０６の予測された速度、環境内の予測された位置、オブジェクト１０６のタイプおよび環境内の他のオブジェクトなどに少なくとも部分的に基づくことができる。

ある例において、予測されたオクルージョンされる領域１２６は、オブジェクト１０６によって遮蔽されてよく、したがって、車両１１２の様々なセンサが環境に関する情報を取得することを防止する、環境の一部を表現する。ある例において、予測されたオクルージョンされる領域１２６は、レイキャスティング技法を使用して決定されることが可能である。例えば、光線は、車両１１２＊の１つまたは複数のセンサによって観察可能である環境の領域を決定するために、車両１１２＊に関連付けられる地点から投影されることができる。車両１１２＊の１つまたは複数のセンサにとって観察可能でない領域は、予測されたオクルージョンされる領域１２６として表現されることができる。ある例において、環境の領域（またはオクルージョングリッド）は、領域の状態、例えば、領域が空きスペースを表現するかどうか、領域が環境内のオブジェクトによって占有されるかどうか、領域がオクルージョンされる領域を表現するかどうか、領域が未知であるなどを示すメタデータに関連付けられることができる。

例１２４では、分かりやすいように、ｘ方向およびｙ方向にあるものとして一般に示されているが、予測されたオクルージョンされる領域１２６は、ｚ方向成分に関連付けられるオクルージョン情報も表現してもよく、ｚ方向成分は、例えば、オブジェクト１０６の高さに対応してよい。別の例において、オクルージョン情報は、丘もしくは谷などの、周囲環境の土地に、または、停止灯もしくは鉄道踏切信号などの、オクルージョンされてよいが、軌道決定に関連するオブジェクトの高さに対応するｚ方向成分に関連付けられてもよい。

ある例において、演算１２２は、予測されたオクルージョンされる領域１２６に対するオクルージョンスコアを決定することを含むことができる。例えば、オクルージョンスコアは、予測されたオクルージョンされる領域１２６の１つまたは複数の態様または属性に基づくことができ、ただし、オクルージョンスコアは、予測されたオクルージョンされる領域のサイズ、評価されている特定の軌道に沿ったオブジェクトによってオクルージョンされるエリアの重要性、マップデータなどに関連付けられることができる。予測されたオクルージョンされる領域１２６の離散的な領域（例えば、オクルージョングリッドの個々のオクルージョンフィールド）に対するオクルージョンスコアは、予測されたオクルージョンされる領域１２６に対する全体的なオクルージョンスコアを決定するために加算され得る。さらに、本開示の全体にわたって論じられているように、オクルージョンスコアは、軌道１１４に沿った複数の将来の時間について決定されてもよく、オクルージョンスコアは、軌道１１４に対する軌道スコアを決定するために加算されても、または集約されてもよい。また、時間の経過と共に、オブジェクトが軌道を維持または変化させるにつれて、および車両１１２の周囲の環境が変化するにつれて、オクルージョンスコア（および、したがって、軌道スコア）は修正されても、または他の方法で更新されてもよい。

演算１２８において、プロセスは、予測されたオクルージョンされる領域に少なくとも部分的に基づいて、車両を制御することを含むことができる。例えば、多様な取り得る軌道に対する軌道スコアは、軌道を選択するために比較されることが可能であり、軌道は、車両１１２が制御するために使用されることが可能であり、環境を横断する。選択された軌道は、多様な軌道スコアのうちの最も高い軌道スコア、多様な軌道スコアのうちの最も低い軌道スコア、多様な軌道スコアのうちの中央値の軌道スコア、または任意の適切な選択に基づくことができる。少なくともある例において、軌道は、車両による安全な横断を保証するように、環境内のデータの量を最適化するために選ばれ得る。

軌道スコアは、車両のための軌道を選択するための様々な手法において使用され得るが、他の入力も、軌道を選択することおよび／または車両を制御することに貢献し得る（例えば、安全システム、ユーザ入力など）。例えば、ある例において、軌道スコアは、軌道を評価することに関連付けられる多くのコストのうちの１つとして使用され得る。軌道を評価するために使用される付加的なコストの例は、基準コスト（例えば、環境内の基準軌道と候補軌道との間の距離に基づくコスト）、障害物コスト（例えば、環境内の基準軌道および／または候補軌道と障害物との間の距離に基づくコスト）、ステアリングコスト（例えば、車両のステアリング角度に基づくコスト）、加速度コスト（例えば、車両の最大加速度に基づくコスト）などのうちの１つまたは複数を含むことができるが、これらに限定されない。

予測された軌道、予測されたオクルージョンされる領域、オクルージョンスコア、および軌道スコアの付加的な詳細は、本開示の全体にわたって論じられている。

図２は、本開示の実施形態による、静的オブジェクトに関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の軌道を評価する例２００である。

環境２０２は、車両２０４（例えば、自律車両）およびオブジェクト２０６（例えば、別の車両）を含む。ある例において、車両２０４のプランニングシステムは、本明細書において論じられているように、オブジェクト２０６の予測された位置に対して軌道２０８を経時的に評価し得る。例示されるように、環境２０２は、初期時間（例えば、Ｔ₁）を表現し得る。

ある例において、車両２０４のプランニングシステムは、車両２０４が従うことを選び得る多様な取り得る軌道について、オブジェクト２０６に関連付けられる予測されたオクルージョンされる領域を決定してもよい。例えば、車両２０４のプランニングシステムは、将来の時点におけるオブジェクトの推定される位置に関連する、予測されたオクルージョンされる領域に関連付けられるオクルージョングリッドを生成してもよい。オクルージョングリッドは、複数のオクルージョンフィールドを含むことができ、複数のオクルージョンフィールドは、運転可能な面などの、環境の離散的なエリアを表現することができる。ある例において、オクルージョンフィールドは、オクルージョン状態（例えば、自律車両の１つまたは複数のセンサに位置が目に見えるかどうかを示す）、および占有状態（例えば、車両、歩行者、動物などのオブジェクトによって位置が占領されているかどうかを示す）を示すことができる。オクルージョングリッドは、環境のマップデータから生成されることが可能であり、プランニングシステムは、車両のセンサからのデータを使用して、オクルージョンフィールドの状態を決定することができる。ある例において、プランニングシステムは、レイキャスティング技法、または他の方法を使用して、オクルージョングリッドに関連付けられるオクルージョン状態を決定することができる。さらに、ある例において、車両２０４のプランニングシステムは、運転可能な面、空きスペース（例えば、運転可能な面）および／または空いていないスペース、車両、歩行者、建物、植物などを含むが、これらに限定されない意味的なカテゴリへ、画像データを識別し、セグメント化することができる。プランニングシステムは、セグメント化された画像データと、オクルージョングリッドおよびオクルージョンフィールドを含むマップデータとを受け取り、オクルージョンフィールドをセグメント化された画像データへ投影するための機能性も含んでよい。ある例において、プランニングシステムは、オクルージョンフィールドが、運転可能な面（例えば、障害物のない道路）へ投影するか、オブジェクト（例えば、領域を占領することになる車両）へ投影するか、または、さもなければ決定不能であるかを決定することによって、１つまたは複数のオクルージョンフィールドの占有を決定することができる。

オブジェクト２０６の位置は、オブジェクト分類、位置、速度、加速度、センサ不確実性などに基づいて、オブジェクト２０６の取り得る将来の位置を決定するために経時的に評価され得る。例２００において、プランニングシステムは、オブジェクト２０６が時間Ｔ₁を通じて静的オブジェクトであると決定することができ、オブジェクト２０６が将来の時間Ｔ₂を通じて静的な（例えば、相対的に静止している）ままであろうということをある程度の確実性をもって予測することができる。例えば、オブジェクト２０６は、停止灯または一時停止標識における車両であってもよく、それにより、少なくともある期間の間は、オブジェクト２０６が静止したままであろうと車両２０４は（例えば、画像データおよび／またはマップデータに基づいて）決定することができる。

演算２１０において、車両２０４のプランニングシステム（および／またはオクルージョンシステム）は、車両２０４の第１の軌道に基づいて、静的オブジェクト（例えば、オブジェクト２０６）の予測されたオクルージョンされる領域を決定することができる。予測された環境２１２は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Aにおける）車両２０４およびオブジェクト２０６を例示しており、ただし、車両２０４は第１の軌道に従う。オブジェクト２０６が将来の時間Ｔ_2Aを通じて静的なままであろうという決定に基づいて、プランニングシステムは、車両２０４の第１の軌道に基づいて、将来の時間Ｔ_2Aについてのオクルージョングリッドを生成することができる。予測された環境２１２に対して生成されたオクルージョングリッドは、オブジェクト２０６の位置に基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境２１２に関連付けられるマップデータを使用して、オブジェクト２０６によってオクルージョンされる予測された環境の部分を決定することができる。

予測された環境２１２に示されるように、車両２０４の第１の軌道は、車両２０４とオブジェクト２０６との間に多くの空間がある状態で車両を停止させる。結果として、比較的小さい予測されたオクルージョンされる領域２１４によって示されるように、より多くの視認性が車両２０４にとって利用可能となる。

演算２１６において、車両２０４のプランニングシステムは、車両２０４の第２の軌道に基づいて、静的オブジェクト（例えば、オブジェクト２０６）の予測されたオクルージョンされる領域を決定することができる。ある例において、車両２０４のプランニングシステムは、環境を通じて横断するためのどの軌道を決定する前に、または、さもなければ選択する前に、第１の軌道および第２の軌道（または、任意の数の取り得る軌道）についての予測されたオクルージョンされる領域を並行して決定することができる。予測された環境２１８は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Bにおける）車両２０４およびオブジェクト２０６を例示しており、ただし、車両２０４は、第１の軌道と異なる第２の軌道に従う。時間Ｔ_2AおよびＴ_2Bは、実質的に同じ将来の時間であってもよく、それにより、車両２０４のプランニングシステムは、環境内の予測されたオクルージョンされる領域に、異なる軌道がどのように影響を与えそうかを比較することができる。

上記の考察と同様に、プランニングシステムは、車両２０４の第２の軌道に基づいて、およびオブジェクト２０６が将来の時間Ｔ_2Bを通じて静的なままであろうという決定に基づいて、将来の時間Ｔ_2Bについてのオクルージョングリッドを生成することができる。予測された環境２１８に対して生成されたオクルージョングリッドも、オブジェクト２０６の位置に基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境２１８に関連付けられるマップデータを使用して、オブジェクト２０６によってオクルージョンされる予測された環境の部分および／または属性を決定することができる。

しかしながら、予測された環境２１８に示されるように、車両２０４の第２の軌道は、予測された環境２１２に比べて、車両がオブジェクト２０６のより近くに停止することをもたらす。結果として、予測された環境２１２に比べて、比較的大きい予測されたオクルージョンされる領域２２０によって示されるように、より少ない視認性が車両２０４にとって利用可能となる。当然ながら、例示の目的のために２つの評価として示されているが、各軌道に沿った多様なポイントが、それに関連付けられるオクルージョンスコアおよび／または軌道スコアを決定するために、決定され、加算され（または、他の方法で組み合わされ）てもよい。

図３は、本開示の実施形態による、動的オブジェクトの軌道に関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の軌道を評価する例３００である。

環境３０２は、車両３０４およびオブジェクト３０６を含む。ある例において、車両３０４のプランニングシステムおよび／またはオクルージョンシステムは、オブジェクト３０６の予測された位置に対して軌道３０８を経時的に評価し得る。例示されるように、環境３０２は、初期時間（例えば、Ｔ₁）を表現し得る。さらに、環境３０２は、２つの接続された運転可能な面、すなわち、第１の運転可能な面３１０（例えば、いくつかの例を挙げると、幹線道路、高速道路、または幹線ルート）と、第２の運転可能な面３１２（例えば、出口道路または脇道など）とを含む。

オブジェクト３０６の位置は、オブジェクト分類、位置、速度、加速度、センサ不確実性などに基づいて、オブジェクト３０６の取り得る将来の位置を決定するために、経時的に評価され得る。例３００において、プランニングシステムは、オブジェクト３０６が運転可能な面３１０を横断するときのオブジェクト３０６の変化する位置、オブジェクト３０６が運転可能な面３１０を横断するときのオブジェクト３０６の速度などに基づいて、オブジェクト３０６は時間Ｔ₁を通じて動的オブジェクトであると決定することができる。

ある例において、車両３０４のプランニングシステムおよび／またはオクルージョンシステムは、（例えば、車両３０４が環境３０２を横断するにつれて連続的に）オブジェクト３０６の予測された位置を決定することができる。例えば、車両３０４のプランニングシステムは、環境内のオブジェクト３０６の取り得る位置を経時的に表現する、離散化された確率分布を生成することができる。例えば、プランニングシステムは、初期状態または初期時間（例えば、Ｔ₁）におけるオブジェクト３０６の不確実性に関連付けられる共分散行列を決定することができる。共分散行列は、環境内の長手方向位置、横方向位置、および／または垂直方向位置に関する分散を含むことができる。オブジェクト３０６の位置が経時的に（例えば、将来の時間Ｔ₂において）評価されるにつれて、将来におけるオブジェクト３０６の位置に関連付けられる共分散行列を決定するために、共分散行列も同様に評価され得る。物理学に基づくモデリングなどの、オブジェクト３０６の取り得る位置を表現するための他の技法が考慮され、これは、オブジェクトの速度および／またはタイプ、マップデータなどを決定することと、オブジェクトの予測された軌道を決定することを含んでよい。

例３００において、車両３０４のプランニングシステムは、オブジェクト３０６が運転可能な面３１０から運転可能な面３１２上へ出るであろうという第１の確率と、オブジェクト３０６が運転可能な面３１０上を継続するであろうという第２の確率とがあると決定することができる。ある例において、プランニングシステムは、環境内のオブジェクト３０６の取り得る位置に関連付けられる予測確率を含む、１つまたは複数の離散化された確率分布またはヒートマップを生成することができる。離散化された確率分布は、将来の任意の時点または期間、例えば、１秒、２秒、５秒先などの将来などを表現するために生成されることが可能である。さらに、そのような離散化された確率分布は、単一のオブジェクトに関連付けられる予測確率を表現することができ、または複数のオブジェクトに関連付けられる集約された予測確率を表現することができる。オブジェクト３０６に関連付けられる予測された軌道は、そのような離散化された確率分布またはヒートマップに少なくとも部分的に基づいて決定されることができる。離散化された確率分布が、１つの取り得る例として説明されているが、オブジェクトの位置および／または軌道を予測するための任意の適切な技法、およびそれらに関連付けられる確率が使用されてもよい。

ある場合において、車両３０４のプランニングシステムは、オブジェクトに近接しているか、または車両に近接している、環境のセルまたは部分へ離散化され得るガウス分布として表現され得る分散行列に基づいて、将来のオブジェクト３０６の取り得る位置を表現することができる。例えば、離散化された確率分布は、車両３０４の周りの１００メートル×１００メートルの領域を表現する、６４×６４グリッド（またはＪ×Ｋサイズのグリッド）を表現することができる。当然ながら、離散化された確率マップは、任意のサイズの領域を表現することができ、領域の任意の数の離散的な部分を表現することができる。つまり、離散化された確率マップは、任意のレベルの分解能で環境を表現することができる。ある場合において、離散化された確率マップの一部は、離散化された確率マップのセルと称されることができる。各セルは、離散化された確率マップに対応する時間において、オブジェクト３０６が環境内の対応する位置に存在するであろう確率を表現する予測確率を含むことができる。ある例において、機械学習モデルは、複数の離散化された確率マップを出力することができ、複数の離散化された確率マップのうちの離散化された確率マップは、将来の特定の時間（例えば、０．５秒、１秒、３秒、５秒、１０秒など）におけるオブジェクトに関連付けられる予測確率を表現することができる。離散化された確率分布の観点から説明されているが、予測された軌道は、そのように限定的である必要はない。他のモデル（例えば、機械学習されたモデル）は、オブジェクトに関連付けられる１つもしくは複数の予測された軌道、および／または、それらに関連付けられる確率を一般に出力することができる。

例示される例３００において、第１の確率および第２の確率が、閾値確率を超えてよく、このことは、車両のプランニングシステムに、オブジェクトの両方の予測された位置について、オブジェクト３０６によって引き起こされる予測されたオクルージョンされる領域を評価させることが可能である。

例えば、演算３１４において、車両３０４のプランニングシステムは、オブジェクト（例えば、オブジェクト３０６）の第１の軌道に基づいて、予測されたオクルージョンされる領域を決定することができる。予測された環境３１６は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Aにおける）車両３０４およびオブジェクト３０６を例示しており、ただし、オブジェクト３０６は、第１の軌道に従う。オブジェクト３０６が将来の時間Ｔ_2Aにおいて運転可能な面３１０から運転可能な面３１２上へ出るであろうという決定に基づいて、プランニングシステムは、オブジェクト３０６の第１の軌道に基づいて、将来の時間Ｔ_2Aについてのオクルージョングリッドを生成することができる。予測された環境３１６に対して生成されたオクルージョングリッドは、オブジェクト３０６の位置および／または空きスペースなどに基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境３１６に関連付けられるマップデータを使用して、オブジェクト３０６によってオクルージョンされる予測された環境の部分を決定することができる。プランニングシステムは、オクルージョングリッドおよびマップデータ（これは、オクルージョンされる領域の重要性を決定するためにも使用され得る）に基づいて、予測されたオクルージョンされる領域３１８を決定し、予測されたオクルージョンされる領域３１８を使用して、上記および下記に説明されるように車両を制御することができる。

演算３２０において、車両３０４のプランニングシステムは、オブジェクト（例えば、オブジェクト３０６）の第２の軌道に基づいて、予測されたオクルージョンされる領域を決定することができる。ある例において、車両３０４のプランニングシステムは、オブジェクト３０６の第１の軌道および第２の軌道（または任意の数の取り得る軌道）についての予測されたオクルージョンされる領域を並行して決定することができる。予測された環境３２２は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Bにおける）車両３０４およびオブジェクト３０６を例示しており、ただし、オブジェクト３０６は、第２の、第１の軌道とは異なる軌道に従う。時間Ｔ_2AおよびＴ_2Bは、実質的に同じ将来の時間であってもよく、それにより、車両３０４のプランニングシステムは、オブジェクト３０６の異なる予測された軌道が環境内のオクルージョンされる領域にどのように影響を与えそうかを比較することができる。

オブジェクト３０６が将来の時間Ｔ_2Bにおいて運転可能な面３１２上に留まるであろうという決定に基づいて、プランニングシステムは、オブジェクト３０６の第２の軌道に基づいて、将来の時間Ｔ_2Bについてのオクルージョングリッドを生成することができる。予測された環境３２２に対して生成されたオクルージョングリッドは、オブジェクト３０６の位置に基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境３２２に関連付けられるマップデータを使用して、オブジェクト３０６によってオクルージョンされる、予測された環境の部分を決定する（および／またはオクルージョンされる領域の重要度を決定する）ことができる。プランニングシステムは、オクルージョングリッドおよびマップデータに基づいて、予測されたオクルージョンされる領域３２４を決定し、予測されたオクルージョンされる領域３２４を使用して、上記および下記に説明されるように車両を制御することができる。当然ながら、例示の目的のために２つの評価として示されているが、各軌道に沿った多様なポイントが、それに関連付けられるオクルージョンスコアおよび／または軌道スコアを決定するために、決定され、加算され（または、他の方法で組み合わされ）てもよい。

図４は、本開示の実施形態による、動的オブジェクトに関連付けられる、予測されたオクルージョンされる領域に基づいて、車両の多様な軌道を評価する例４００である。

環境４０２は、車両４０４、オブジェクト４０６（例えば、別の車両）、オブジェクト４０８（例えば、停止灯）、およびオブジェクト４１０（例えば、二重駐車車両（ＤＰＶ）を含む。ある例において、車両４０４のプランニングシステムは、オブジェクト４０６の予測された位置に対して、第１の軌道４１２および第２の軌道４１４を経時的に評価し得る。例示されるように、環境４０２は、オブジェクト４０８によって表現される赤信号で車両４０４が右折しようとする初期時間（例えば、Ｔ₁）を表現し得る。第１の軌道４１２および第２の軌道４１４は、車両４０４が曲がって入ることができる運転可能な面の異なる車線に対応する。

上記で論じられるように、オブジェクト４０６の位置は、オブジェクト分類、位置、速度、加速度、センサ不確実性などに基づいて、オブジェクトの取り得る将来の位置を決定するために経時的に評価され得る。例４００において、プランニングシステムは、例えば、オブジェクトが環境を横断するときのオブジェクト４０６の変化する位置、オブジェクトが環境を横断するときのオブジェクト４０６の速度などに基づいて、オブジェクト４０６が時間Ｔ₁を通じて動的オブジェクトであると決定することができる。また、車両４０４のプランニングシステムは、オブジェクト分類に基づくなどして、オブジェクト４０８が赤信号インジケーションを有する停止灯であると決定することができる。この情報を使用して、プランニングシステムは、停止灯が赤いままである間にオブジェクト４０６が交差点を通過し続けるであろう確率が高いと決定することができる。さらに、車両４０４のプランニングシステムは、この情報を使用して、第１の軌道４１２および第２の軌道４１４についての予測されたオクルージョンされる領域を決定し、オブジェクト４０６によって引き起こされる予測されたオクルージョンされる領域に基づいて、車両が従うためにどの軌道を選択するべきであるかを評価することができる。

例えば、演算４１６において、車両４０４のプランニングシステムは、車両４０４の第１の軌道４１２に基づいて、動的オブジェクト（例えば、オブジェクト４０６）の予測されたオクルージョンされる領域を決定する。予測された環境４１８は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Aにおける）車両４０４、オブジェクト４０６、オブジェクト４０８、およびオブジェクト４１０を例示しており、ただし、車両４０４は、第１の軌道４１２に従う。車両４０４のプランニングシステムは、車両４０４の第１の軌道４１２、オブジェクト４０６の予測された軌道、およびオブジェクト４１０の予測された位置に基づいて、将来の時間Ｔ_2Aについてのオクルージョングリッドを生成することができる。予測された環境４１８に対して生成されたオクルージョングリッドは、オブジェクト４０６およびオブジェクト４１０の位置に基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境４１８に関連付けられるマップデータを使用して、車両４０４が第１の軌道４１２に従うにつれて、オブジェクト４０６およびオブジェクト４１０によってオクルージョンされる予測された環境の部分（ならびに／または、それらに関連付けられる重要性）を決定することができる。例えば、予測された環境４１８に関連付けられるマップデータは、オブジェクト４１０の背後の方向から交通が到来するかもしれず、車両４０４によって選択された軌道にかかわらず目に見えないかもしれないことを示してよい。ある場合において、マップデータは、オブジェクト４１０の位置の結果として考慮され得る他の潜在的なハザード、例えば、配達を行うためにオブジェクト４１０の近くの建物にアクセスする配達ドライバー、オブジェクト４１０と歩道との間の狭いエリアを横断する自転車走行者などに対する洞察を提供することができる。これらの考慮事項は、環境内で車両４０４が従うべき軌道を選択する場合に、予測された環境４１８の異なる領域に関連付けられる重要性を増加させ（または減少させ）することができる。

プランニングシステムは、オブジェクト４０６の予測された位置に対応するオクルージョングリッドおよびマップデータと、オブジェクト４１０の予測された位置に対応する、予測されたオクルージョンされる領域４２２とに基づいて、予測されたオクルージョンされる領域４２０を決定する。プランニングシステムは、予測されたオクルージョンされる領域４２０および予測されたオクルージョンされる領域４２２を使用して、予測されたオクルージョンされる領域４２０および／または予測されたオクルージョンされる領域４２２に対する、１つまたは複数のオクルージョンスコアを生成することができる。ある例において、オクルージョンスコアは、予測されたオクルージョンされる領域４２０および／または４２２のサイズ、軌道４１２に沿ったオブジェクト４０６および／またはオブジェクト４１０によってオクルージョンされるエリアの重要性、マップデータなどに基づくことができる。例えば、オブジェクトは、車両の視界から比較的大きいエリアをオクルージョンすることがあるが、そのエリアが、車両を制御することに対してほとんど重要性を有しない（例えば、そのエリアが、進行方向の背後にある）場合、オクルージョンスコアは低くなり得る。しかしながら、他の場合において、オブジェクトは、車両の視界から比較的小さいエリアをオクルージョンすることができ、そのエリアが、車両を制御することに対して高い重要性を有し（例えば、そのエリアが、急速に接近する対向車を有する、車両の正面の進入車線である、オクルージョンされるエリアが、私道または横断歩道などを含むなど）、オクルージョンスコアを比較的高くさせる。当然ながら、大きいオクルージョンされるエリアが高いオクルージョンスコア受け取り、小さいオクルージョンされるエリアが低いオクルージョンスコアを受け取る例が想定される。さらに、ある例において、領域は、車両４０４の潜在的な軌道にかかわらずオクルージョンされることがあり、「恒久的にオクルージョンされる」とも称される。領域が恒久的にオクルージョンされると決定される場合、プランニングシステムは、例えば、速度を増加または減少させること、車両によって講じられる近い将来のアクションを周囲の交通および／または歩行者に通知するための信号（例えば、方向指示器または他の信号）を適用することなどによって、車両４０４を適切に制御し得る。少なくともある例において、そのような恒久的にオクルージョンされるエリアは、オクルージョンスコアおよび／または軌道スコアを決定する場合に考慮に入れられてもよい。非限定的な例として、恒久的にオクルージョンされるエリアは、それをさらに最小限にする代替的な軌道を計画することは可能ではないであろうため、あらゆるオクルージョンスコアおよび／または軌道スコアに対する最小の境界を提供することができる。

演算４２４において、車両４０４のプランニングシステムは、車両４０４の第２の軌道４１４に基づいて、動的オブジェクト（例えば、オブジェクト４０６）の予測されたオクルージョンされる領域を決定する。ある例において、車両４０４のプランニングシステムは、車両４０４の第１の軌道４１２および第２の軌道４１４（または任意の数の取り得る軌道）についての予測されたオクルージョンされる領域を並行して決定することができる。予測された環境４２６は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Bにおける）車両４０４、オブジェクト４０６、オブジェクト４０８、およびオブジェクト４１０を例示しており、ただし、車両４０４は、第１の軌道４１２と異なる第２の軌道４１４に従う。時間Ｔ_2AおよびＴ_2Bは、実質的に同じ将来の時間であってもよく、それにより、車両４０４のプランニングシステムは、環境内のオクルージョンされる領域に車両４０４の異なる軌道４１２および４１４がどのように影響を与えそうかを比較することができる。

車両４０４のプランニングシステムは、車両４０４の第２の軌道４１４、オブジェクト４０６の予測された軌道、およびオブジェクト４１０の予測された位置に基づいて、将来の時間Ｔ_2Bについてのオクルージョングリッドを生成することができる。予測された環境４２６に対して生成されたオクルージョングリッドは、オブジェクト４０６およびオブジェクト４１０の位置に基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境４２６に関連付けられるマップデータを使用して、車両４０４が第２の軌道４１４に従うにつれて、オブジェクト４０６および／またはオブジェクト４１０によってオクルージョンされる予測された環境の部分を決定する（および／またはそれらに関連付けられる重要性を決定する）ことができる。プランニングシステムは、オクルージョングリッドおよびマップデータに基づいて、オブジェクト４０６の予測された位置に対応する予測されたオクルージョンされる領域４２８と、オブジェクト４１０の予測された位置に対応する予測されたオクルージョンされる領域４３０とを決定する。プランニングシステムは、予測されたオクルージョンされる領域４２８および／または予測されたオクルージョンされる領域４３０を使用して、予測されたオクルージョンされる領域４２８および／または予測されたオクルージョンされる領域４３０に対する、１つまたは複数のオクルージョンスコアを生成することができる。ある例において、オクルージョンスコアは、予測されたオクルージョンされる領域４２８および／または４３０のサイズ、軌道４１４に沿ったオブジェクト４０６および／またはオブジェクト４１０によってオクルージョンされるエリアの重要性、マップデータ、感知されたデータなどに基づくことができる。

ある例において、車両４０４のプランニングシステムは、第１の軌道４１２に対するオクルージョンスコアのうちの１つまたは複数を、第２の軌道４１４に対するオクルージョンスコアと比較し、それぞれの軌道に対するオクルージョンスコアに基づいて、軌道間で選択することができる。例えば、予測されたオクルージョンされる領域４２０は、予測されたオクルージョンされる領域４２８より大きいエリアを有するにもかかわらず、オブジェクト４０６によってオクルージョンされるエリアの重要性に基づいて、低いオクルージョンスコアを受け取ってもよい。また、予測されたオクルージョンされる領域４２８は、予測されたオクルージョンされる領域４２０より小さいエリアを有するにもかかわらず、オブジェクト４０６によってオクルージョンされるエリアの重要性に基づいて、高いオクルージョンスコアを受け取ってもよい。したがって、予測されたオクルージョンされる領域４２０および予測されたオクルージョンされる領域４２８の分析に基づいて、車両４０４のプランニングシステムは、車両４０４を制御することが可能であり、第１の軌道４１２に従って環境を横断する。

車両４０４のプランニングシステムは、車両４０４が環境を横断するための第１の軌道４１２または第２の軌道４１４を選択する場合、予測されたオクルージョンされる領域４２２および予測されたオクルージョンされる領域４３０も考慮し得る。予測されたオクルージョンされる領域４２２および予測されたオクルージョンされる領域４３０は、少なくとも部分的に重複し、恒久的にオクルージョンされる環境の領域をもたらす。換言すれば、車両４０４が第１の軌道４１２に従うか、または第２の軌道４１４に従うかにかかわらず、オブジェクト４１０の背後のエリアはオクルージョンされることになる。マップデータに基づいて、車両４０４のプランニングシステムは、対向車がオブジェクト４１０の背後に存在する可能性があると決定することができ、この情報を、第１の軌道４１２または第２の軌道４１４を選択する際に使用してもよい。例えば、車両４０４のプランニングシステムは、少なくとも交通の交差点の通過時に、対向車線においてオクルージョンされる車両が、オブジェクト４０６のルートに従い、オブジェクト４１０によって占有されない車線内に留まる可能性の方が高いという決定に基づいて、車両４０４にとって第１の軌道に従う方がより安全であると決定することができる。当然ながら、例示の目的のために２つの評価として示されているが、各軌道に沿った多様なポイントが、それに関連付けられるオクルージョンスコアおよび／または軌道スコアを決定するために、決定され、加算され（または、他の方法で組み合わされ）てもよい。

図５Ａは、図５Ｂおよび図５Ｃにおいて提示される例５００の概観である。環境５０２は、車両５０４、第１のオブジェクト５０６、および第２のオブジェクト５０８を含んでよい。この例において、第１のオブジェクト５０６は、運転可能な面５１０上に駐車しており、近くに配達を行うなどのために、そのハザードランプを点灯させているトラックであってよい（例えば、オブジェクト５０６は、二重駐車車両を表現してよい）。また、この例において、第２のオブジェクト５０８は、車両５０４と同じ方向に移動する車両であってよい。運転可能な面５１０は、２つの車線において交通が反対方向に移動する２車線道路であってもよく、したがって、オブジェクト５０８は、オブジェクト５０６の周りをナビゲートする予測された軌道５０９に関連付けられることができる。

ある例において、車両５０４のプランニングシステムは、オブジェクト５０６およびオブジェクト５０８の予測された位置に対して、第１の軌道５１２および第２の軌道５１４を経時的に評価し得る。例示されるように、環境５０２は、車両５０４が静止オブジェクト５０６に接近しており、オブジェクト５０８が、運転可能な面５１０の接近してきている対向車線内のオブジェクト５０６を通過している初期時間（例えば、Ｔ₁）を表現し得る。

環境５１６において示されるように、第１の軌道５１２は、車両５０４がオブジェクト５０６に接近するときに、運転可能な面５１０の同じ車線内に留まる車両５０４に対応する。また、環境５１８において示されるように、第２の軌道５１４は、オブジェクト５０６を避けてオブジェクト５０８に従うためなどに、運転可能な面５１０の対向車線内へ移動する車両５０４に対応する。車両５０４のプランニングシステムは、上述したように、将来の時間における静止オブジェクト５０６および動的オブジェクト５０８の予測された位置を決定することができる。演算５２０は、車両５０４のプランニングシステムが、第１の軌道５１２に基づいて、および図５Ｂにおいてさらに説明されるように、オブジェクト５０６およびオブジェクト５０８についての予測されたオクルージョンされる領域を決定することを含むことができる。演算５２２は、車両５０４のプランニングシステムが、第２の軌道５１４に基づいて、および図５Ｃにおいてさらに説明されるように、オブジェクト５０６およびオブジェクト５０８についての予測されたオクルージョンされる領域を決定することを含むことができる。

例えば、図５Ｂは、本開示の実施形態による、オブジェクトに関連付けられる予測されたオクルージョンされる領域に基づいて、車両５０４の第１の軌道５１２を経時的に評価する例５２４である。環境５１６は、便宜上再現されており、車両５０４が従い得る第１の軌道５１２を示す。予測された環境５２６は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Aにおける）車両５０４、オブジェクト５０６、およびオブジェクト５０８を例示しており、ただし、車両５０４は、第１の軌道５１２に従う。また、予測された環境５２８は、後続の将来の時間における（例えば、Ｔ_2Aの後の時間である、Ｔ_3Aにおける）車両５０４、オブジェクト５０６、およびオブジェクト５０８を例示しており、ただし、車両５０４は、第１の軌道５１２に沿って続く。

車両５０４のプランニングシステムは、車両５０４の第１の軌道５１２、オブジェクト５０６の位置、およびオブジェクト５０８の予測された軌道に基づいて、将来の時間Ｔ_2AおよびＴ_3Aについてのオクルージョングリッドを生成することができる。予測された環境５２６および５２８に対して生成されたオクルージョングリッドは、オブジェクト５０６およびオブジェクト５０８の位置に基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境５２６および５２８に関連付けられるマップデータを使用して、時間の経過と共に、および車両５０４が第１の軌道５１２に従うにつれて、オブジェクト５０６によってオクルージョンされる予測された環境の部分（および／またはそれらに関連付けられる重要性）ならびにオブジェクト５０８を決定することができる。例えば、プランニングシステムは、予測された環境５２６および５２８に関連付けられるマップデータを使用することができ、運転可能な面５１０上に対向車が存在し得ると決定し、結果的に、対向車を含んでよい運転可能な面５１０のオクルージョンされる領域に対して、より高い相対的重要度を関連付けてもよい。プランニングシステムは、時間Ｔ_2Aにおける予測された環境５２６についてのオクルージョングリッドおよびマップデータ、ならびに時間Ｔ_3Aにおける予測された環境５２８についての予測されたオクルージョンされる領域５３４に基づいて、予測されたオクルージョンされる領域５３０および５３２を決定することができる。

車両５０４のプランニングシステムは、多様な予測されたオクルージョンされる領域５３０、５３２、および５３４を使用して、予測されたオクルージョンされる領域５３０、５３２、および５３４に対するオクルージョンスコアを生成することができる。ある例において、プランニングシステムは、予測されたオクルージョンされる領域５３０、５３２、および／または５３４に対するオクルージョンスコアを加算して、集約して、または他の方法で組み合わせて、第１の軌道５１２に対する軌道スコアを決定することができる。例５２４は、２つの将来の時間（例えば、Ｔ_2AおよびＴ_3A）を例示しているが、特定の軌道に対する軌道スコアを決定するために、予測されたオクルージョンされる領域に対して生成される任意の数のオクルージョンスコアを加算すること、集約すること、および／または他の方法で組み合わせることを含めて、任意の数の将来の時間が特定の軌道について評価されてもよい。

図５Ｃは、本開示の実施形態による、オブジェクトに関連付けられる予測されたオクルージョンされる領域に基づいて、車両５０４の第２の軌道５１４を経時的に評価する例５３６である。環境５１８は、便宜上再現されており、車両５０４が従い得る第２の軌道５１４を示す。予測された環境５３８は、将来の時間における（例えば、Ｔ₁の後の時間である、Ｔ_2Bにおける）車両５０４、オブジェクト５０６、およびオブジェクト５０８を例示しており、ただし、車両５０４は、第２の軌道５１４に従う。また、予測された環境５４０は、後続の将来の時間における（例えば、Ｔ_2Bの後の時間である、Ｔ_3Bにおける）車両５０４、オブジェクト５０６、およびオブジェクト５０８を例示しており、ただし、車両５０４は、第２の軌道５１４に沿って続く。将来の時間Ｔ_2BおよびＴ_3Bは、それぞれ将来の時間Ｔ_2AおよびＴ_3Aと実質的に同じであってもよく、それにより、車両５０４のプランニングシステムは、環境内のオクルージョンされる領域に車両５０４の異なる軌道５１２および５１４がどのように影響を与えそうかを比較することができる。

車両５０４のプランニングシステムは、車両５０４の第２の軌道５１４、オブジェクト５０６の位置、およびオブジェクト５０８の予測された軌道に基づいて、将来の時間Ｔ_2BおよびＴ_3Bについてのオクルージョングリッドを生成することができる。予測された環境５３８および５４０に対して生成されたオクルージョングリッドは、オブジェクト５０６およびオブジェクト５０８の位置に基づいた、オクルージョン状態および占有状態のインジケーションを含むことができる。さらに、プランニングシステムは、予測された環境５３８および５４０に関連付けられるマップデータを使用して、時間の経過と共に、および車両５０４が第２の軌道５１４に従うにつれて、オブジェクト５０６およびオブジェクト５０８によってオクルージョンされる予測された環境の部分を決定することができる。プランニングシステムは、時間Ｔ_2Bにおける予測された環境５３８についてのオクルージョングリッドおよびマップデータ、ならびに時間Ｔ_3Bにおける予測された環境５４０についての予測されたオクルージョンされる領域５４６に基づいて、予測されたオクルージョンされる領域５４２および５４４を決定することができる。

車両５０４のプランニングシステムは、多様な予測されたオクルージョンされる領域５４２、５４４、および／または５４６を使用して、予測されたオクルージョンされる領域５４２、５４４、および５４６に対するオクルージョンスコアを生成することができる。ある例において、プランニングシステムは、予測されたオクルージョンされる領域５４２、５４４、および５４６に対するオクルージョンスコアを加算して、集約して、または他の方法で組み合わせて、第２の軌道５１４に対する軌道スコアを決定することができる。車両５０４のプランニングシステムは、第１の軌道５１２に関連付けられる軌道スコアと第２の軌道５１４に関連付けられる軌道スコアとを（組み合わせて、および／またはオクルージョンスコア単位で）比較して、車両５０４が環境を横断するにつれて車両５０４をどのように制御するかを決定することができる。例えば、プランニングシステムは、最大面積の視認性（例えば、最小のオクルージョンされる総面積）を有する軌道、関心領域の視認性を最も長い時間維持する軌道、軌道スコアおよび／または他のコストに基づく軌道などを選択してもよい。当然ながら、例示の目的のために２つの評価として示されているが、各軌道に沿った多様なポイントが、それに関連付けられるオクルージョンスコアおよび／または軌道スコアを決定するために、決定され、加算され（または、他の方法で組み合わされ）てもよい。

図６は、本開示の実施形態による、オブジェクトに関連付けられる予測された軌道、および車両軌道に対するそれぞれのオブジェクトに関連付けられる予測されたオクルージョンされる領域に基づいて、車両のための軌道を評価し、車両軌道に対するオクルージョンスコアを決定し、オクルージョンスコアに基づいて車両を制御する例示的なプロセス６００の絵入りフロー図である。環境５０２は、例示的なプロセス６００に関連して説明される様々な概念を例示するために再現されている。

車両５０４のプランニングシステムは、車両５０４が環境を横断するにつれて、各種機能を実行し得る。例えば、演算６０２において、車両５０４のプランニングシステムは、車両の第１の軌道（例えば、軌道５１２）を決定する。また、演算６０４において、車両５０４のプランニングシステムは、車両の第２の軌道（例えば、軌道５１４）を決定する。演算６０２および演算６０４は、車両５０４のプランニングシステムによって実質的に同時に実行されることが可能である。

演算６０６において、１つまたは複数の予測された軌道が、オブジェクトＡ（例えば、オブジェクト５０６）について決定される。予測された軌道は、オブジェクト分類、位置、速度、加速度、センサ不確実性などに基づいて、オブジェクトＡの取り得る位置を決定するために、オブジェクトＡを経時的に評価することと共に、オブジェクトＡ（例えば、オブジェクト５０６）の現在の位置に基づくことができる。ある例において、オブジェクトＡについての予測された軌道は、オブジェクトＡが経時的に比較的静止している場合には、静的な軌道とすることができ、または、オブジェクトＡが経時的に移動および／もしくは加速する場合には、動的な軌道とすることができる。オブジェクトＡについての予測された軌道は、将来の１つまたは複数の時間（例えば、０．５秒、１秒、５秒など）におけるオブジェクトの予測された位置を表現することができる。

また、環境内の付加的なオブジェクトについての予測された軌道が決定されることができる。例えば、演算６０８において、オブジェクトＮ（例えば、オブジェクト５０８）についての１つまたは複数の予測された軌道（例えば、予測された軌道５０９）が決定される。オブジェクトＮについての予測された軌道は、オブジェクトＡについての予測された軌道と実質的に同時に、および上述したのと同様の（または異なる）手法で、決定されることが可能である。例えば、オブジェクトＮについての予測された軌道は、将来の１つまたは複数の時間（例えば、０．５秒、１秒、５秒など）におけるオブジェクトの予測された位置を表現することができ、ただし、１つまたは複数の時間は、オブジェクトＡについての予測された位置が計算されるのと実質的に同じ時間である。様々なオブジェクト（例えば、オブジェクトＡ～オブジェクトＮ）についての予測された軌道は、車両５０４の第１の軌道５１２に関連して決定されることができる。換言すれば、プランニングシステムは、車両５０４が第１の軌道５１２に沿って環境を横断するにつれて、オブジェクトが車両５０４に関連して存在するであろう場所を決定する。

演算６１０において、１つまたは複数の予測された軌道が、オブジェクトＡについて決定され、これは、予測された軌道６０６に対応してもよく、または対応しなくてもよい。非限定的な例として、オブジェクトＡの予測された軌道は、車両軌道に依存してもよく、そのため、異なり得る。同様に、演算６１２において、１つまたは複数の予測された軌道が、オブジェクトＮ（これは、上記のように、６０８において予測されたものと異なってもよい）について決定され、これは、オブジェクトＡからオブジェクトＮのうちの任意の数のオブジェクトについて、１つまたは複数の予測された軌道を決定することを含んでもよい。演算６１０および６１２においてオブジェクトＡおよびオブジェクトＮについて決定された予測された軌道は、車両５０４の第２の軌道５１４に関連して決定されることができる。したがって、プランニングシステムは、車両５０４が第２の軌道５１４に沿って環境を横断するにつれて、オブジェクトが車両５０４に関連して存在するであろう場所を決定する。ある例において、第１の軌道５１２に基づいて軌道が決定されるオブジェクトの数は、第２の軌道５１４に基づいて軌道が決定されるオブジェクトの数と異なってもよい。演算６１０および演算６１２は、車両５０４のプランニングシステムによって実質的に同時に実行されることが可能であり、演算６０６および演算６０８とも実質的に同時に実行されてもよい。さらに、オブジェクトＡおよび／またはオブジェクトＮについての予測された軌道は、第１の軌道５１２に対してオブジェクトＡおよびオブジェクトＮについて決定されたのと実質的に同じ将来の時間における、第２の軌道５１４に関連するオブジェクトＡおよびオブジェクトＮの予測された位置を表現することができる。

演算６１４において、オブジェクトＡに関連付けられる、予測されたオクルージョンされる領域が決定される。また、演算６１６において、オブジェクトＮに関連付けられる、予測されたオクルージョンされる領域が決定される。上記で論じられるように、予測されたオクルージョンされる領域は、オブジェクトがセンサの環境の視界を妨げることが理由で、車両のセンサによって感知されることが不可能な環境のエリアに対応する。したがって、演算６１４および演算６１６によって決定された、予測されたオクルージョンされる領域は、車両５０４が第１の軌道５１２に従った場合に、車両５０４のセンサによって見られることが不可能なことがあり得る環境のエリアを表現する。

演算６１８において、オブジェクトＡに関連付けられる、予測されたオクルージョンされる領域が決定される。演算６２０において、オブジェクトＮに関連付けられる、予測されたオクルージョンされる領域が決定される。したがって、演算６１８および演算６２０によって決定された、予測されたオクルージョンされる領域は、車両５０４が第２の軌道５１４に従った場合に、車両５０４のセンサによって感知されることが不可能であり得る環境のエリアを表現する。したがって、演算６１８および演算６２０によって決定された、予測されたオクルージョンされる領域は、第１の軌道５１２および第２の軌道５１４とで車両５０４の位置がオブジェクトＡおよびオブジェクトＮに関連して異なり得るので、演算６１４および演算６１６によって決定された、予測されたオクルージョンされる領域と（必然的ではないが）異なるであろう。

演算６２２において、第１の軌道に関連付けられる第１のオクルージョンスコアが決定される。オクルージョンスコアは、予測されたオクルージョンされる領域に関連付けられる属性、例えば、オブジェクトＡ～オブジェクトＮによってオクルージョンされる環境の割合、オブジェクトＡ～オブジェクトＮに関連する視認性距離（例えば、オブジェクトが車両からどのくらい近いか、または遠いか）、オクルージョンされる領域が軌道の重要な領域を妨げるかどうか（例えば、車両の「背後の」オクルージョンされる領域は、車両の「正面の」オクルージョンされる領域、すなわち、車両の進行に影響を与えることになる領域、例えば対向車などを含む（または含んでよい）オクルージョンされる領域などほど重要ではないことがある）などの組み合わせの１つまたは複数などに基づいてよい。ある例において、第１のオクルージョンスコアは、第１の軌道５１２に対する軌道スコアを決定するために使用されることが可能であり、ただし、軌道スコアは、環境内のオブジェクトＡ～オブジェクトＮのオクルージョンスコアの全体的な和または集約を表現する。

演算６２４において、第２の軌道に関連付けられる第２のオクルージョンスコアが決定される。第２の車両軌道に対するオクルージョンスコアは、予測されたオクルージョンされる領域に関連付けられる、同じ属性または異なる属性を使用して、決定されることができる。また、ある例において、第２のオクルージョンスコアは、環境内のオブジェクトＡ～オブジェクトＮのオクルージョンスコアの全体的な和または集約を表現する、第２の軌道５１４に対する軌道スコアを決定するために使用されることが可能である。

演算６２６において、車両は、オクルージョンスコアに基づいて、および／または軌道スコアに基づいて、制御される。例えば、車両は、最も良い視認性割合（例えば、最も小さいオクルージョンされる面積）を有する軌道、重要なエリアの視認性を維持する（例えば、重要なエリアをオクルージョンしない）軌道、閾値オクルージョンスコア以上のオクルージョンスコアを有しない軌道などに従うように制御され得る。

図７は、本明細書において説明される技法を実装するための例示的なシステム７００のブロック図を描く。少なくとも１つの例において、システム７００は、車両７０２を含むことができ、車両７０２は、図１の車両１１２、図２の車両２０４、図３の車両３０４、図４の車両４０４、および／または図５Ａ～図５Ｃの車両５０４に対応することができる。

車両７０２は、車両コンピューティングデバイス７０４と、１つまたは複数のセンサシステム７０６と、１つまたは複数のエミッタ７０８と、１つまたは複数の通信接続部７１０と、少なくとも１つの直接接続部７１２と、１つまたは複数の駆動システム７１４とを含むことができる。

車両コンピューティングデバイス７０４は、１つまたは複数のプロセッサ７１６と、１つまたは複数のプロセッサ７１６と通信可能に結合されたメモリ７１８とを含むことができる。例示される例において、車両７０２は自律車両であるが、車両７０２は、任意の他のタイプの車両またはロボティックプラットホームであってもよい。例示される例において、車両コンピューティングデバイス７０４のメモリ７１８は、位置特定構成要素７２０、知覚構成要素７２２、１つまたは複数のマップ７２４、１つまたは複数のシステムコントローラ７２６、オクルージョン構成要素７２８、オブジェクト軌道予測構成要素７３０、オブジェクト位置投影構成要素７３２、プランニング構成要素７３４、および軌道選択構成要素７３６を格納する。図７では、例示の目的のためにメモリ７１８に存在するものとして描かれているが、位置特定構成要素７２０、知覚構成要素７２２、１つまたは複数のマップ７２４、１つまたは複数のシステムコントローラ７２６、オクルージョン構成要素７２８、オブジェクト軌道予測構成要素７３０、オブジェクト位置投影構成要素７３２、プランニング構成要素７３４、および軌道選択構成要素７３６は、付加的にまたは代替的に、車両７０２にアクセス可能である（例えば、車両７０２から遠隔のメモリ上に格納される、または車両７０２から遠隔のメモリによって他の方法でアクセス可能である）ことが想定される。

少なくとも１つの例において、位置特定構成要素７２０は、車両７０２の位置および／または向き（例えば、ｘ位置、ｙ位置、ｚ位置、ロール、ピッチ、またはヨーのうちの１つまたは複数）を決定するために、センサシステム７０６からデータを受け取るための機能性を含むことができる。例えば、位置特定構成要素７２０は、環境のマップを含むことおよび／または要求すること／受け取ることができ、マップ内の自律車両の位置および／または向きを連続的に決定することができる。ある例において、位置特定構成要素７２０は、ＳＬＡＭ（自己位置推定およびマッピングの同時実行）、ＣＬＡＭＳ（較正、位置特定およびマッピングの同時実行）、相対的ＳＬＡＭ、バンドル調整、非線形最小二乗最適化などを利用して、画像データ、ライダーデータ、レーダデータ、飛行時間データ、ＩＭＵデータ、ＧＰＳデータ、ホイールエンコーダデータなどを受け取って、自律車両の位置を正確に決定することができる。ある例において、位置特定構成要素７２０は、本明細書において論じられるように、車両７０２の様々な構成要素にデータを提供して、軌道を生成するために、および／またはメモリからオクルージョングリッドを含むマップデータを取り出すことを決定するために、自律車両の最初の位置を決定することができる。

ある例において、知覚構成要素７２２は、オブジェクト検出、セグメンテーション、および／または分類を実行するための機能性を含むことができる。ある例において、知覚構成要素７２２は、車両７０２に近接するエンティティの存在、および／またはエンティティの分類をエンティティタイプ（例えば、自動車、歩行者、サイクリスト、動物、建物、樹木、路面、縁石、歩道、停止灯、一時停止標識、未知など）として示す、処理済みのセンサデータを提供することができる。付加的な例または代替的な例において、知覚構成要素７２２は、検出されたエンティティ（例えば、追跡されるオブジェクト）に関連付けられる１つまたは複数の特性および／またはエンティティが配置される環境を示す、処理済みのセンサデータを提供することができる。ある例において、エンティティに関連付けられる特性は、ｘ位置（グローバル位置および／またはローカル位置）、ｙ位置（グローバル位置および／またはローカル位置）、ｚ位置（グローバル位置および／またはローカル位置）、向き（例えば、ロール、ピッチ、ヨー）、エンティティタイプ（例えば、分類）、エンティティの速度、エンティティの加速度、エンティティの範囲（サイズ）などを含むことができるが、これらに限定されない。環境に関連付けられる特性は、環境内の別のエンティティの存在、環境内の別のエンティティの状態、時刻、曜日、季節、気象条件、暗さ／照明のインジケーションなどを含むことができるが、これらに限定されない。

メモリ７１８は、車両７０２によって環境内でナビゲートするために使用されることができる、１つまたは複数のマップ７２４をさらに含むことができる。この考察の目的のために、マップは、環境に関する情報を提供することができる２次元、３次元、またはＮ次元でモデル化された任意の数のデータ構造、例えば、（交差点などの）トポロジー、通り、山脈、道路、地形、および一般的な環境などとすることができるが、これらに限定されない。ある例において、マップは、テクスチャー情報（例えば、色情報（例えば、ＲＧＢ色情報、Ｌａｂ色情報、ＨＳＶ／ＨＳＬ色情報）など）、強度情報（例えば、ライダー情報、レーダ情報など）、空間情報（例えば、メッシュ上へ投影された画像データ、個々の「サーフェル」（例えば、個々の色および／または強度に関連付けられる多角形））、反射率情報（例えば、鏡面性情報、再帰反射性情報、ＢＲＤＦ情報、ＢＳＳＲＤＦ情報など）を含むことができるが、これらに限定されない。一例において、マップは、環境の３次元メッシュを含むことができる。ある例において、マップは、タイル化されたフォーマットで格納されることが可能であり、それにより、マップの個々のタイルは、環境の離散的な部分を表現し、必要に応じて作業メモリへロードされることが可能である。少なくとも１つの例において、１つまたは複数のマップ７２４は、少なくとも１つのマップ（例えば、画像および／またはメッシュ）を含むことができる。ある例において、車両７０２は、マップ７２４に少なくとも部分的に基づいて制御され得る。つまり、マップ７２４は、車両７０２の位置を決定するために、環境内のオブジェクトを識別するために、ならびに／または環境内でナビゲートするためのルートおよび／もしくは軌道を生成するために、位置特定構成要素７２０、知覚構成要素７２２、オクルージョン構成要素７２８、および／またはプランニング構成要素７３４に関連して使用され得る。

ある例において、１つまたは複数のマップ７２４は、ネットワーク７３８を介してアクセス可能な（コンピューティングデバイス７４０などの）遠隔コンピューティングデバイス上に格納されることが可能である。ある例において、多様なマップ７２４は、例えば、特性（例えば、エンティティのタイプ、時刻、曜日、その年の季節など）に基づいて格納されることが可能である。多様なマップ７２４を格納することは、同様のメモリ要件を有することが可能であるが、マップ内のデータがアクセスされることが可能である速度を高める。

ある例において、１つまたは複数のマップ７２４は、環境内の個々の位置に関連付けられるオクルージョングリッドを格納することができる。例えば、車両７０２が環境を横断するにつれて、および、車両７０２に近接したエリアを表現するマップがメモリへロードされるにつれて、位置に関連付けられる１つまたは複数のオクルージョングリッドも同様にメモリへロードされ得る。ある例において、オクルージョングリッドは、マップデータに基づいて動的に生成されることが可能である。

一般に、オクルージョン構成要素７２８は、将来の時間における、環境内のオクルージョンされるエリアを予測することを含めて、環境内の１つまたは複数のオブジェクトによって引き起こされる、環境のオクルージョンされるエリアを決定することができる。ある例において、オクルージョン構成要素７２８は、いつおよび／またはどのように車両７０２を制御して環境を横断させるかを決定するために、プランニング構成要素７３４にオクルージョン情報を提供することができる。本明細書において論じられるように、オクルージョン構成要素７２８は、環境内のオクルージョン関連情報を決定するために、ライダーデータ、画像データ、マップデータなどを受け取ることができる。オクルージョングリッドを生成および／または使用する例は、２０１８年６月１８日に出願された米国特許出願第１６／０１１，４３６号において論じられている。米国特許出願第１６／０１１，４３６号は、その全体が参照によって本明細書に組み込まれている。

オクルージョン構成要素７２８に含まれるオブジェクト軌道予測構成要素７３０は、リアルタイムなどで、環境内のオブジェクトの軌道を決定し、オブジェクトの将来の軌道を予測することもできる。予測された軌道は、オブジェクト分類、位置、速度、加速度、センサ不確実性などに基づいて、オブジェクトの取り得る位置を決定するために、オブジェクトを経時的に評価することと共に、オブジェクトの現在の位置に基づくことができる。オブジェクト軌道予測構成要素７３０は、多様な取り得る車両軌道に対する多様なオブジェクト軌道を実質的に同時に評価および／または予測するように構成され得る。１つまたは複数の予測された軌道を生成する例は、２０１８年１０月４日に出願された米国特許出願第１６／１５１，６０７号において論じられている。米国特許出願第１６／１５１，６０７号は、その全体が参照によって本明細書に組み込まれている。

オブジェクト位置投影構成要素７３２は、車両軌道に対する様々なオブジェクト軌道に関連付けられる、予測されたオクルージョンされる領域を決定することができる。例えば、オブジェクト位置投影構成要素７３２は、オクルージョンされる領域を車両の周囲の環境のマップ７２４上へ投影して、環境のどの「知られている」部分がオブジェクトによってオクルージョンされることになるかを決定することができる。マップ７２４は、環境の重要なエリア、例えば、横断歩道、交差点、バイク車線、進入車線などを決定するために、オブジェクト位置投影構成要素７３２によって使用され得る。ある例において、オブジェクト位置投影構成要素７３２は、レイキャスティング技法を使用して、オブジェクトに関連付けられる予測されたオクルージョンされる領域を決定することができる。さらに、オブジェクト位置投影構成要素７３２は、オクルージョンされると予測された、環境のエリアの相対的重要度に基づいて、予測されたオクルージョンされる領域に対するオクルージョンスコアを決定することができる。付加的に、または代替的に、オブジェクト位置投影構成要素７３２は、他の要因、例えば、オクルージョンされる領域によって妨げられる環境の割合、車両からオクルージョンされる領域までの距離、オクルージョンされる領域に関連付けられるマップデータ（例えば、横断歩道領域、私道などを示す）などに基づいて、オクルージョンスコアを決定してもよい。ある例において、オブジェクト位置投影構成要素７３２は、オクルージョンスコアを特定の軌道に対する軌道スコアへ集約することができ、ただし、軌道スコアは、車両７０２にとってより良い（またはより悪い）視認性をもたらすことになる車両７０２を代表する軌道またはアクションに対応し得る。

一般に、プランニング構成要素７３４は、環境を横断するために車両７０２が従うべき経路を決定することができる。例えば、プランニング構成要素７３４は、様々なルートおよび軌道ならびに様々なレベルの詳細を決定することができる。例えば、プランニング構成要素７３４は、第１の位置（例えば、現在の位置）から第２の位置（例えば、ターゲット位置）へ進行するためのルートを決定することができる。この考察の目的のために、ルートは、２つの位置間で進行するための通過点のシーケンスとすることができる。非限定的な例として、通過点は、通り、交差点、全地球測位システム（ＧＰＳ）座標などを含む。さらに、プランニング構成要素７３４は、第１の位置から第２の位置へのルートの少なくとも一部に沿って自律車両を案内するための命令を生成することができる。少なくとも１つの例において、プランニング構成要素７３４は、通過点のシーケンス内の第１の通過点から、通過点のシーケンス内の第２の通過点へ、どのように自律車両を案内するかを決定することができる。ある例において、命令は、軌道、または軌道の一部とすることができる。ある例において、多様な軌道は、後退水平技法に従って（例えば、技術的な許容範囲内で）実質的に同時に生成されることが可能であり、ただし、多様な軌道のうちの１つが、車両７０２をナビゲートするために選択される。

ある例において、プランニング構成要素７３４は、本明細書において論じられるように、様々な軌道に対して決定されたオクルージョンスコアおよび／または軌道スコアに少なくとも部分的に基づいて、車両７０２についての１つまたは複数の軌道を生成することができる。ある例において、プランニング構成要素７３４は、線形時間論理および／または信号時間論理などの時間論理を使用して、車両７０２の１つまたは複数の軌道を評価することができる。プランニング構成要素７３４内の時間論理を利用する詳細は、米国特許出願第１５／６３２，１４７号において論じられており、これは、その全体が参照によって本明細書に組み込まれている。

少なくとも１つの例において、車両コンピューティングデバイス７０４は、１つまたは複数のシステムコントローラ７２６を含むことができ、１つまたは複数のシステムコントローラ７２６は、ステアリング、推進、制動、安全性、エミッタ、通信、および車両７０２の他のシステムを制御するように構成され得る。これらのシステムコントローラ７２６は、駆動システム７１４の対応するシステムおよび／または車両７０２の他の構成要素と通信することおよび／またはこれらを制御することができる。

理解され得るように、本明細書において論じられる構成要素（例えば、位置特定構成要素７２０、知覚構成要素７２２、１つまたは複数のマップ７２４、１つまたは複数のシステムコントローラ７２６、オクルージョン構成要素７２８、オブジェクト軌道予測構成要素７３０、オブジェクト位置投影構成要素７３２、プランニング構成要素７３４、および軌道選択構成要素７３６）は、例示の目的のために分割されたものとして説明されている。しかしながら、様々な構成要素によって実行される演算は、組み合わされることが可能であり、または任意の他の構成要素内で実行されることが可能である。例として、オブジェクト位置予測／投影機能は、システムによって伝達されるデータの量を低減させるために、（例えば、オブジェクト軌道予測構成要素７３０ではなく）知覚構成要素７２２によって実行されてもよい。

少なくとも１つの例において、センサシステム７０６は、ライダーセンサ、レーダセンサ、超音波振動子、ソナーセンサ、位置センサ（例えば、ＧＰＳ、コンパスなど）、慣性センサ（例えば、慣性計測ユニット（ＩＭＵ）、加速度計、磁力計、ジャイロスコープなど）、カメラ（例えば、ＲＧＢ、ＩＲ、強度、奥行き、飛行時間など）、マイクロフォン、ホイールエンコーダ、環境センサ（例えば、温度センサ、湿度センサ、光センサ、圧力センサなど）などを含むことができる。センサシステム７０６は、これらのまたは他のタイプのセンサの各々の多様な例を含むことができる。例えば、ライダーセンサは、車両７０２の角部、前部、後部、側面、および／または上部に位置する個々のライダーセンサを含むことができる。別の例として、カメラセンサは、車両７０２の外部および／または内部に関する様々な位置に配設された多様なカメラを含むことができる。センサシステム７０６は、車両コンピューティングデバイス７０４に入力を提供することができる。付加的に、または代替的に、センサシステム７０６は、所定の期間の経過後、ほぼリアルタイムなどで、１つまたは複数のネットワーク７３８を介して、１つまたは複数のコンピューティングデバイスに特定の周波数でセンサデータを送ることができる。

車両７０２は、上述したように、照明および／または音を発するための１つまたは複数のエミッタ７０８も含むことができる。この例におけるエミッタ７０８は、車両７０２の搭乗者と通信するための内部オーディオおよび視覚的エミッタを含む。限定ではなく、例として、内部エミッタは、スピーカ、照明、サイン、表示画面、タッチ画面、触覚エミッタ（例えば、振動および／または力フィードバック）、機械的アクチュエータ（例えば、シートベルトテンショナ、シートポジショナ、ヘッドレストポジショナなど）などを含むことができる。この例におけるエミッタ７０８は、外部エミッタも含む。限定ではなく、例として、この例における外部エミッタは、進行方向を伝えるための照明または車両アクションの他のインジケータ（例えば、インジケータ照明、サイン、照明アレイなど）、および、歩行者または他の近くの車両と音で通信するための１つまたは複数のオーディオエミッタ（例えば、スピーカ、スピーカアレイ、ホーンなど）を含み、これらのうちの１つまたは複数は、音響ビームステアリング技術を含む。

車両７０２は、車両７０２と１つまたは複数の他のローカルコンピューティングデバイスまたは遠隔コンピューティングデバイスと間の通信を可能にする、１つまたは複数の通信接続部７１０も含むことができる。例えば、通信接続部７１０は、車両７０２上の他のローカルコンピューティングデバイスおよび／または駆動システム７１４との通信を容易にすることができる。また、通信接続部７１０は、車両が他の近くのコンピューティングデバイス（例えば、他の近くの車両、交通信号機など）と通信することを可能にすることができる。通信接続部７１０は、車両７０２が遠隔の遠隔操作コンピューティングデバイスまたは他の遠隔サービスと通信することも可能にする。

通信接続部７１０は、車両コンピューティングデバイス７０４を別のコンピューティングデバイス、またはネットワーク７３８などのネットワークに接続するための物理的および／または論理的なインターフェースを含むことができる。例えば、通信接続部７１０は、ＩＥＥＥ８０２．１１標準によって定義された周波数、ブルートゥース（登録商標）などの短距離無線周波数、セルラー通信（例えば、２Ｇ、３Ｇ、４Ｇ、４Ｇ ＬＴＥ、５Ｇなど）、または、それぞれのコンピューティングデバイスが他のコンピューティングデバイスとインターフェースすることを可能にする任意の適切な有線通信プロトコルもしくは無線通信プロトコルなどを介した、Ｗｉ－Ｆｉベースの通信を可能にすることができる。

少なくとも１つの例において、車両７０２は、１つまたは複数の駆動システム７１４を含むことができる。ある例において、車両７０２は、単一の駆動システム７１４を有することができる。少なくとも１つの例において、車両７０２が多様な駆動システム７１４を有する場合、個々の駆動システム７１４は、車両７０２の対向する端部（例えば、前部および後部など）に配置され得る。少なくとも１つの例において、駆動システム７１４は、駆動システム７１４および／または車両７０２の周囲の条件を検出するための１つまたは複数のセンサシステムを含むことができる。限定ではなく、例として、センサシステムは、駆動モジュールのホイールの回転を感知するための１つまたは複数のホイールエンコーダ（例えば、ロータリエンコーダ）、駆動モジュールの向きおよび加速度を測定するための慣性センサ（例えば、慣性計測ユニット、加速度計、ジャイロスコープ、磁力計など）、カメラまたは他の画像センサ、駆動システムの周囲におけるオブジェクトを音響的に検出するための超音波センサ、ライダーセンサ、レーダセンサなどを含むことができる。ホイールエンコーダなどのあるセンサは、駆動システム７１４固有とすることができる。ある場合において、駆動システム７１４上のセンサシステムは、車両７０２の対応するシステム（例えば、センサシステム７０６）と重複すること、または車両７０２の対応するシステムを補足することができる。

駆動システム７１４は、高電圧バッテリ、車両を推進させるためのモータ、他の車両システムによる使用のためにバッテリからの直流を交流に変換するためのインバータ、ステアリングモータとステアリングラックとを含むステアリングシステム（これは電動式とすることができる）、油圧アクチュエータまたは電気アクチュエータを含むブレーキシステム、油圧構成要素および／または空気圧構成要素を含むサスペンションシステム、静止摩擦の損失を緩和し、制御を維持するために制動力を分配するための安定性制御システム、ＨＶＡＣシステム、照明（例えば、車両の外周を照明するためのヘッドライド／テールライトなどの照明）、および１つまたは複数の他のシステム（例えば、冷却システム、安全システム、車載充電システム、ＤＣ／ＤＣコンバータなどの他の電気構成要素、高電圧ジャンクション、高電圧ケーブル、充電システム、充電ポートなど）を含めて、車両システムの多くを含むことができる。また、駆動システム７１４は、センサシステムからデータを受け取り、前処理することができ、様々な車両システムの演算を制御するための駆動システムコントローラを含むことができる。ある例において、駆動システムコントローラは、１つまたは複数のプロセッサと、１つまたは複数のプロセッサと通信可能に結合されたメモリとを含むことができる。メモリは、駆動システム７１４の様々な機能性を実行するための１つまたは複数の構成要素を格納することができる。さらに、駆動システム７１４は、それぞれの駆動システムによる、１つまたは複数の他のローカルコンピューティングデバイスまたは遠隔コンピューティングデバイスとの通信を可能にする、１つまたは複数の通信接続部も含む。

少なくとも１つの例において、直接接続部７１２は、１つまたは複数の駆動システム７１４を車両７０２の本体と結合するための物理的なインターフェースを提供することができる。例えば、直接接続部７１２は、駆動システム７１４と車両との間でエネルギー、流体、空気、データなどを伝達することを可能にすることができる。ある例において、直接接続部７１２は、車両７０２の本体に駆動システム７１４をさらに取り外し可能に固定することができる。

少なくとも１つの例において、位置特定構成要素７２０、知覚構成要素７２２、１つまたは複数のマップ７２４、１つまたは複数のシステムコントローラ７２６、オクルージョン構成要素７２８、オブジェクト軌道予測構成要素７３０、オブジェクト位置投影構成要素７３２、プランニング構成要素７３４、および軌道選択構成要素７３６は、上述したように、センサデータを処理することができ、それらのそれぞれの出力を、１つまたは複数のネットワーク７３８上で、１つまたは複数のコンピューティングデバイス７４０に送ることができる。少なくとも１つの例において、位置特定構成要素７２０、知覚構成要素７２２、１つまたは複数のマップ７２４、１つまたは複数のシステムコントローラ７２６、オクルージョン構成要素７２８、オブジェクト軌道予測構成要素７３０、オブジェクト位置投影構成要素７３２、プランニング構成要素７３４、および軌道選択構成要素７３６は、それらのそれぞれの出力を、所定の期間の経過後、ほぼリアルタイムなどで、特定の周波数で１つまたは複数のコンピューティングデバイス７４０に送ることができる。

ある例において、車両７０２は、ネットワーク７３８を介して、１つまたは複数のコンピューティングデバイス７４０にセンサデータを送ることができる。ある例において、車両７０２は、コンピューティングデバイス７４０に未加工のセンサデータを送ることができる。他の例において、車両７０２は、コンピューティングデバイス７４０に、処理済みのセンサデータおよび／またはセンサデータの表現を送ることができる。ある例において、車両７０２は、所定の期間の経過後、ほぼリアルタイムなどで、コンピューティングデバイス７４０に特定の周波数でセンサデータを送ることができる。ある場合において、車両７０２は、コンピューティングデバイス７４０に、センサデータ（未加工または処理済み）を１つまたは複数のログファイルとして送ることができる。

コンピューティングデバイス７４０は、プロセッサ７４２と、トレーニング構成要素７４６を格納するメモリ７４４とを含むことができる。

ある例において、トレーニング構成要素７４６は、オブジェクト位置および／または軌道の予測を決定し、オクルージョンされる領域の予測を決定し、軌道がどのように生成されることができるか、および／または、環境内のオブジェクト位置に応じて軌道がどのように変化することができるかを決定するなどのために、１つまたは複数のモデルをトレーニングするための機能性を含むことが可能である。ある例において、トレーニング構成要素７４６は、異なる状況に応じて車両７０２をどのように制御するかを修正するために、車両コンピューティングデバイス７０４に、１つまたは複数のモデルによって生成された情報を通信することができる。

例えば、本明細書において論じられる構成要素の一部または全部の態様は、任意のモデル、アルゴリズム、および／または機械学習アルゴリズムを含むことができる。例えば、ある例において、メモリ７４４（および、上記で論じられるメモリ７１８）内の構成要素は、ニューラルネットワークとして実装されることが可能である。ある例において、トレーニング構成要素７４６は、ニューラルネットワークを利用して１つまたは複数のモデルを生成および／または実行して、軌道プランニングのためのオクルージョン分析の様々な態様を改善することができる。

本明細書において説明されるように、例示的なニューラルネットワークは、入力データに一連の接続された層を通過させて出力を作る生物模倣アルゴリズムである。ニューラルネットワーク内の各層は、別のニューラルネットワークも含むことができ、または（畳み込みであっても、畳み込みでなくても）任意の数の層を含むことができる。本開示の文脈で理解され得るように、ニューラルネットワークは、機械学習を利用することができ、これは、学習されたパラメータに基づいて出力が生成されるような広範なクラスのアルゴリズムを指すことができる。

ニューラルネットワークのコンテキストで論じられているが、任意のタイプの機械学習が本開示と調和して使用され得る。例えば、機械学習アルゴリズムは、回帰アルゴリズム（例えば、通常最小二乗回帰（ＯＬＳＲ）、線形回帰、ロジスティック回帰、段階的回帰、多変量適応回帰スプライン（ＭＡＲＳ）、局所的に推定される散布図の平滑化（ＬＯＥＳＳ）、インスタンスベースのアルゴリズム（例えば、リッジ回帰、最小絶対値縮小選択演算子（ＬＡＳＳＯ）、弾性ネット、最小角回帰（ＬＡＲＳ）、決定木アルゴリズム（例えば、分類回帰木（ＣＡＲＴ）、反復二分法３（ＩＤ３）、カイ二乗自動相互作用検出（ＣＨＡＩＤ）、決定切り株、条件付き決定木）、ベイジアンアルゴリズム（例えば、ナイーブベイズ、ガウスナイーブベイズ、多項式ナイーブベイズ、平均１依存性推定器（ＡＯＤＥ）、ベイズ信頼度ネットワーク（ＢＮＮ）、ベイジアンネットワーク）、クラスタリングアルゴリズム（例えば、ｋ平均法、ｋメジアン法、期待値最大化（ＥＭ）、階層的クラスタリング）、関連規則学習アルゴリズム（例えば、パーセプトロン、誤差逆伝播法、ホップフィールドネットワーク、動径基底関数ネットワーク（ＲＢＦＮ））、深層学習アルゴリズム（例えば、深層ボルツマンマシン（ＤＢＭ）、深層信頼ネットワーク（ＤＢＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、積層型オートエンコーダ）、次元削減アルゴリズム（例えば、主成分分析（ＰＣＡ）、主成分回帰（ＰＣＲ）、部分最小二乗回帰（ＰＬＳＲ）、サモンマッピング、多次元スケーリング（ＭＤＳ）、射影追跡法、線形判別分析（ＬＤＡ）、混合判別分析（ＭＤＡ）、二次判別分析（ＱＤＡ）、柔軟判別分析（ＦＤＡ））、アンサンブルアルゴリズム（例えば、ブースティング、ブートストラップ集約（バギング）、エイダブースト、階層型一般化（ブレンディング）、勾配ブースティングマシン（ＧＢＭ）、勾配ブースト回帰木（ＧＢＲＴ）、ランダムフォレスト）、ＳＶＭ（サポートベクトルマシン）、教師付き学習、教師なし学習、半教師付き学習などを含むことができるが、これらに限定されない。

アーキテクチャの付加的な例は、ＲｅｓＮｅｔ５０、ＲｅｓＮｅｔ１０１、ＶＧＧ、ＤｅｎｓｅＮｅｔ、ＰｏｉｎｔＮｅｔなどのニューラルネットワークを含む。

車両７０２のプロセッサ７１６およびコンピューティングデバイス７４０のプロセッサ７４２は、本明細書において説明されるようにデータを処理し、演算を実行するための命令を実行することが可能な任意の適切なプロセッサとすることができる。限定ではなく、例として、プロセッサ７１６および７４２は、１つもしくは複数の中央処理装置（ＣＰＵ）、グラフィック処理ユニット（ＧＰＵ）、または、電子データを処理して、その電子データを、レジスタおよび／もしくはメモリに格納されることが可能である他の電子データに変換する、任意の他のデバイスもしくはデバイスの部分を含むことが可能である。ある例において、集積回路（例えば、ＡＳＩＣなど）、ゲートアレイ（例えば、ＦＰＧＡなど）、および他のハードウェアデバイスも、それらが、符号化された命令を実装するように構成される限り、プロセッサとみなされ得る。

メモリ７１８および７４４は、非一時的なコンピュータ可読媒体の例である。メモリ７１８および７４４は、本明細書において説明される方法、および様々なシステムに帰属する機能を実装するための、オペレーティングシステムおよび１つまたは複数のソフトウェアアプリケーション、命令、プログラム、および／またはデータを格納することができる。様々な実装において、メモリは、任意の適切なメモリ技術、例えば、スタティックランダムアクセスメモリ（ＳＲＡＭ）、シンクロナスダイナミックＲＡＭ（ＳＤＲＡＭ）、不揮発性／フラッシュタイプメモリ、または、情報を格納することが可能な任意の他のタイプのメモリなどを使用して、実装されることが可能である。本明細書において説明されるアーキテクチャ、システム、および個々の要素は、多くの他の論理的構成要素、プログラム構成要素、および物理的構成要素を含むことができ、これらのうちで添付の図に示されるものは、本明細書における考察に関連する例にすぎない。

図７は分散型システムとして例示されているが、代替的な例において、車両７０２の構成要素はコンピューティングデバイス７４０に関連付けられることが可能であること、および／またはコンピューティングデバイス７４０の構成要素は車両７０２に関連付けられることが可能であることが、留意されるべきである。つまり、車両７０２は、コンピューティングデバイス７４０に関連付けられる機能のうちの１つまたは複数を実行することができ、その逆も同様である。さらに、オクルージョン構成要素７２８および／またはプランニング構成要素７３４の態様は、本明細書において論じられるデバイスのいずれかで実行されることが可能である。

図８は、本開示の実施形態による、センサデータをキャプチャし、オブジェクトについての予測された位置を決定し、自律車両が環境を横断するための軌道を決定し、異なる車両軌道に基づいて、オブジェクトについての予測された位置に関連付けられる予測されたオクルージョンされる領域を決定し、オクルージョンされる領域に関連付けられるコストに基づいて軌道を選択し、選択された軌道に基づいて自律車両を制御する例示的なプロセス８００を描く。例えば、プロセス８００の一部または全部は、本明細書において説明されるように、図８内の１つまたは複数の構成要素によって実行され得る。例えば、プロセス８００の一部または全部は、車両コンピューティングデバイス７０４によって実行され得る。さらに、例示的なプロセス８００において説明される演算のいずれも、並行して、プロセス８００に描かれているものとは異なる順序で、および／または描かれているプロセス８００の演算のいずれかを省略して、実行されてもよい。

演算８０２において、プロセスは、自律車両を制御することを含むことが可能であり、環境を横断する。例えば、演算８０２は、目的地に到達するための通過点間の１つまたは複数の軌道に従うように自律車両を制御することを含んでよい。

演算８０４において、プロセスは、自律車両上のセンサを使用して、環境のセンサデータをキャプチャすることを含むことができる。ある例において、演算８０４は、環境のライダーデータ、画像データ、レーダデータ、飛行時間データなどをキャプチャすることを含むことができる。

演算８０６において、プロセスは、環境内のオブジェクトの予測された位置を決定することを含むことができる。ある例において、演算８０６は、離散化された確率分布、または環境内のオブジェクトの取り得る位置に関連付けられる予測確率を含むヒートマップを使用して、オブジェクトの予測された位置を決定することができる。ある例において、演算８０６は、オブジェクトが静的オブジェクトであると決定することを含むことができ、この場合には、オブジェクトは静止したままでよい。

演算８０８において、プロセスは、自律車両が環境を横断するための第１の軌道および第２の軌道を決定することを含むことができる。演算８０８は、いくつかの例を挙げると、自律車両の物理的な限定、自律車両の場所の法的規制、それに関連付けられるコスト、および／または自律車両の意図される目的地を含む、多種多様な要因に基づいてよい。当然ながら、演算８０８は、自律車両のための任意の数の軌道またはアクションを決定することを含むことができる。

演算８１０において、プロセスは、第１の軌道およびオブジェクトの予測された位置（これは第１の軌道に少なくとも部分的に基づいてよい）に基づいて、オブジェクトに関連付けられる第１のオクルージョンされる領域を決定することを含むことができる。第１のオクルージョンされる領域は、環境のマップに少なくとも部分的に基づいて決定されてもよく、それにより、自律車両のプランニングシステムは、自律車両が第１の軌道に従う場合にオブジェクトによってオクルージョンされ得る、環境の知られている構成要素のサイズおよび／または相対的重要度を決定することができる。

演算８１２において、プロセスは、第２の軌道およびオブジェクトの予測された位置（これは第２の軌道に少なくとも部分的に基づいて決定されてよい）に基づいて、オブジェクトに関連付けられる第２のオクルージョンされる領域を決定することを含むことができる。第２のオクルージョンされる領域も、環境のマップに少なくとも部分的に基づいて決定されてもよく、それにより、自律車両のプランニングシステムは、自律車両が第２の軌道に従う場合にオブジェクトによってオクルージョンされ得る、環境の知られている構成要素のサイズおよび／または相対的重要度を決定することができる。ある例において、演算８１２は、演算８１０と実質的に同時に実行される。

演算８１４において、プロセスは、第１のオクルージョンされる領域に関連付けられる１つまたは複数の属性に基づいて、第１のオクルージョンされる領域に対する第１のオクルージョンスコアを決定することを含むことができる。第１のオクルージョンされる領域に対する第１のオクルージョンスコアは、自律車両が第１の軌道に従う場合にオブジェクトによってオクルージョンされ得る、環境の知られている構成要素のサイズおよび／または相対的重要度に基づいてよい。ある例において、オクルージョンされる領域の属性は、マップデータ、動的データ（例えば、オクルージョンされる領域内の歩行者、動物、車両などを示す、キャプチャされたデータ）、または他のデータに基づくことができる。

演算８１６において、プロセスは、第２のオクルージョンされる領域に関連付けられる１つまたは複数の属性に基づいて、第２のオクルージョンされる領域に対する第２のオクルージョンスコアを決定することを含むことができる。第２のオクルージョンされる領域に対する第２のオクルージョンスコアも、自律車両が第２の軌道に従う場合にオブジェクトによってオクルージョンされ得る、環境の知られている構成要素のサイズおよび／または相対的重要度に基づいてよい。ある例において、オクルージョンされる領域の属性は、マップデータ、動的データ（例えば、オクルージョンされる領域内の歩行者、動物、車両などを示す、キャプチャされたデータ）、または他のデータに基づくことができる。ある例において、演算８１４は、演算８１６と実質的に同時に実行される。

演算８１８において、プロセスは、第１のオクルージョンスコアおよび／または第２のオクルージョンスコアに少なくとも部分的に基づいて、第１の軌道または第２の軌道を、選択された軌道として選択することを含むことができる。第１の軌道または第２の軌道を選択することは、選択された軌道に沿った車両にとってより良い予測された視認性を表現するオクルージョンスコアをどの軌道が有するかに基づいてよい。ある場合においては、安全性への懸念のために、または道路交通法に従うなどのために、車両の他のシステムが選択をオーバーライドすることに起因して、より悪い予測された視認性を表現するオクルージョンスコアを有する軌道が選択され得る。本願明細書において論じられるように、演算８１８は、他のコスト、例えば、基準コスト、障害物コスト、ステアリングコスト、加速度コストなどに基づいて、第１の軌道または第２の軌道を選択することを含むことができる。

演算８２０において、プロセスは、選択された軌道に少なくとも部分的に基づいて、自律車両を制御することを含むことができる。このようにして、本明細書における技法は、予測されたオクルージョンされる領域を自律車両の制御に組み込むことができる。

（例示的な条項）
Ａ：システムであって、１つまたは複数のプロセッサと、１つまたは複数のプロセッサによって実行可能な命令を格納する１つまたは複数のコンピュータ可読媒体とを備え、命令は、実行された場合に、システムに、自律車両のセンサを使用して、環境のセンサデータをキャプチャすることと、自律車両が環境内を横断するための第１の軌道を決定することと、自律車両が環境内を横断するための第２の軌道を決定することと、センサデータに少なくとも部分的に基づいて、環境内のオブジェクトの現在の位置を検出することと、センサデータに少なくとも部分的に基づいて、オブジェクトの予測された位置を決定することと、第１の軌道およびオブジェクトの予測された位置に少なくとも部分的に基づいて、オブジェクトに関連付けられる第１のオクルージョンされる領域を決定することと、第２の軌道およびオブジェクトの予測された位置に少なくとも部分的に基づいて、オブジェクトに関連付けられる第２のオクルージョンされる領域を決定することと、第１のオクルージョンされる領域に関連付けられる第１のコスト、または第２のオクルージョンされる領域に関連付けられる第２のコストに少なくとも部分的に基づいて、第１の軌道または第２の軌道を、選択された軌道として選択することと、選択された軌道に少なくとも部分的に基づいて、自律車両を制御することとを含む演算を実行させる、システム。

Ｂ：予測された位置は、第１の時間に関連付けられる第１の予測された位置であり、演算は、センサデータに少なくとも部分的に基づいて、環境内のオブジェクトの第２の予測された位置を決定することであって、第２の予測された位置は、第１の時間の後の第２の時間に関連付けられる、決定することと、第１の軌道および第２の予測された位置に少なくとも部分的に基づいて、オブジェクトに関連付けられる第３のオクルージョンされる領域を決定することとをさらに含み、第１の軌道または第２の軌道を選択することは、第３のオクルージョンされる領域に関連付けられる第３のコストに少なくとも部分的にさらに基づく段落Ａのシステム。

Ｃ：オブジェクトは、静止オブジェクトであり、第１の予測された位置は、第２の予測された位置に対応し、または、オブジェクトは、動的オブジェクトであり、第１の予測された位置は、第２の予測された位置と異なる段落Ｂのシステム。

Ｄ：演算は、環境に関連付けられるマップデータに少なくとも部分的に基づいて、第１のオクルージョンされる領域に対するオクルージョンスコアを決定することをさらに含み、選択された軌道を選択することは、オクルージョンスコアにさらに基づく段落Ａ～Ｃのうちのいずれか１つに記載のシステム。

Ｅ：演算は、オブジェクトの予測された位置に少なくとも部分的に基づいて、オブジェクトについての多様な予測された軌道を決定することをさらに含み、多様な予測された軌道のうちの１つまたは複数を決定することは、オブジェクトを表現するヒートマップを生成するためにトレーニングされた機械学習モデルから受け取られたヒートマップと、オブジェクトの分類、オブジェクトの最初の位置、オブジェクトの速度に少なくとも部分的に基づいた確率マップと、または、オブジェクトに関連付けられる物理ベースのモデルとのうちの少なくとも１つに少なくとも部分的に基づく段落Ａ～Ｄのうちのいずれか１つに記載のシステム。

Ｆ：車両が環境内で従うための軌道を受け取るステップと、環境内のオブジェクトについての予測された位置を決定するステップであって、予測された位置は、将来の時間に関連付けられる、ステップと、予測された位置および軌道に少なくとも部分的に基づいて、将来の時間におけるオブジェクトに関連付けられるオクルージョンされる領域を決定するステップと、オクルージョンされる領域に少なくとも部分的に基づいて、車両を制御するステップとを含む方法。

Ｇ：オクルージョンされる領域に関連付けられるオクルージョンスコアを決定するステップであって、オクルージョンスコアは、マップデータに少なくとも部分的に基づく、ステップをさらに含む段落Ｆの方法。

Ｈ：将来の時間におけるオクルージョングリッドのオクルージョンフィールドのオクルージョン状態および占有状態を決定するステップをさらに含む段落Ｇの方法。

Ｉ：オクルージョンされる領域に関連付けられる属性に基づいて、オクルージョンされる領域に対するオクルージョンスコアを決定することをさらに含み、車両を制御するステップは、オクルージョンされる領域に対するオクルージョンスコアにさらに基づく段落Ｆ～Ｈのうちのいずれか１つに記載の方法。

Ｊ：オブジェクトは、第１のオブジェクトであり、予測された位置は、第１の予測された位置であり、オクルージョンされる領域は、第１のオクルージョンされる領域であり、方法は、環境内の第２のオブジェクトについての第２の予測された位置を決定するステップであって、第２の予測された位置は、将来の時間に関連付けられる、ステップと、第２の予測された位置および軌道に少なくとも部分的に基づいて、将来の時間における第２のオブジェクトに関連付けられる第２のオクルージョンされる領域を決定するステップとさらに含み、車両を制御するステップは、第２のオクルージョンされる領域にさらに基づく段落Ｆ～Ｉのうちのいずれか１つに記載の方法。

Ｋ：第１のオクルージョンされる領域に関連付けられる第１の属性に基づいて、第１のオクルージョンされる領域に対する第１のオクルージョンスコアを決定するステップと、第２のオクルージョンされる領域に関連付けられる第２の属性に基づいて、第２のオクルージョンされる領域に対する第２のオクルージョンスコアを決定するステップと、第１のオクルージョンスコアおよび第２のオクルージョンスコアに少なくとも部分的に基づいて、軌道に対する軌道スコアを決定するステップとをさらに含み、車両を制御するステップは、軌道に対する軌道スコアにさらに基づく段落Ｊの方法。

Ｌ：軌道は、第１の軌道であり、軌道スコアは、第１の軌道スコアであり、方法は、第２の軌道に対する第２の軌道スコアを決定するステップと、第１の軌道スコアまたは第２の軌道スコアに少なくとも部分的に基づいて、第１の軌道または第２の軌道を、選択された軌道として選択するステップとをさらに含み、車両を制御するステップは、選択された軌道に少なくとも部分的にさらに基づく段落Ｋの方法。

Ｍ：第１の属性は、第１のオクルージョンされる領域に関連付けられるマップデータ、第１のオクルージョンされる領域内の１つまたは複数のオブジェクト、軌道に関連付けられるポイントと第１のオクルージョンされる領域との間の距離、第１のオクルージョンされる領域のサイズ、第１のオクルージョンされる領域に関連付けられる期間、または、車両に関連付けられる進行方向のうちの１つまたは複数に関連付けられる段落ＫまたはＬの方法。

Ｎ：環境内のオブジェクトの予測された位置は、ライダーセンサ、レーダセンサ、画像センサ、または飛行時間センサのうちの１つまたは複数から受け取られたセンサデータに少なくとも部分的に基づく段落Ｆ～Ｍのうちのいずれか１つに記載の方法。

Ｏ：命令を格納する非一時的なコンピュータ可読媒体であって、命令は、実行された場合に、１つまたは複数のプロセッサに、車両が環境内で従うための第１の軌道を受け取ることと、車両が環境内で従うための第２の軌道を受け取ることと、将来の時間における環境内のオブジェクトの予測された位置を決定することと、第１の軌道およびオブジェクトの予測された位置に少なくとも部分的に基づいて、オブジェクトに関連付けられる第１のオクルージョンされる領域を決定することと、第２の軌道およびオブジェクトの予測された位置に少なくとも部分的に基づいて、オブジェクトに関連付けられる第２のオクルージョンされる領域を決定することと、第１のオクルージョンされる領域および第２のオクルージョンされる領域に少なくとも部分的に基づいて、車両を制御することとを含む演算を実行させる非一時的なコンピュータ可読媒体。

Ｐ：予測された位置は、第１の予測された位置であり、将来の時間は、第１の時間であり、演算は、環境内のオブジェクトの第２の予測された位置を決定することであって、第２の予測された位置は、第１の時間の後の第２の時間に関連付けられる、決定することと、第１の軌道および第２の予測された位置に少なくとも部分的に基づいて、オブジェクトに関連付けられる第３のオクルージョンされる領域を決定することとをさらに含み、車両を制御することは、第３のオクルージョンされる領域に少なくとも部分的にさらに基づく段落Ｏの非一時的なコンピュータ可読媒体。

Ｑ：オブジェクトは、静止オブジェクトであり、第１の予測された位置は、第２の予測された位置に対応し、または、オブジェクトは、動的オブジェクトであり、第１の予測された位置は、第２の予測された位置と異なる段落Ｐの非一時的なコンピュータ可読媒体。

Ｒ：演算は、環境に関連付けられるマップデータに少なくとも部分的に基づいて、第１のオクルージョンされる領域に対するオクルージョンスコアを決定することをさらに含み、車両を制御することは、オクルージョンスコアにさらに基づく段落Ｏ～Ｑのうちのいずれか１つに記載の非一時的なコンピュータ可読媒体。

Ｓ：環境内のオブジェクトの予測された位置を決定することは、オブジェクトを表現するヒートマップを生成するためにトレーニングされた機械学習モデルから受け取られたヒートマップと、オブジェクトの分類、オブジェクトの最初の位置、オブジェクトの速度に少なくとも部分的に基づいた確率マップと、または、オブジェクトに関連付けられる物理ベースのモデルとのうちの少なくとも１つに少なくとも部分的に基づく段落Ｏ～Ｒのうちのいずれか１つに記載の非一時的なコンピュータ可読媒体。

Ｔ：オブジェクトの予測された位置を決定することは、ライダーセンサ、レーダセンサ、画像センサ、または飛行時間センサのうちの１つまたは複数から受け取られたセンサデータに少なくとも部分的に基づく段落Ｏ～Ｓのうちのいずれか１つに記載の非一時的なコンピュータ可読媒体。

上述した例示的な条項は、１つの特定の実装に関して説明されているが、本文書の文脈において、例示的な条項の内容は、方法、デバイス、システム、コンピュータ可読媒体、および／または別の実装を介しても実装されることが可能であることが、理解されるべきである。

（結論）
本明細書において説明される技法の１つまたは複数の例が説明されてきたが、様々な変更、追加、置換およびその均等物は、本明細書において説明される技法の範囲内に含まれる。

例の説明において、本明細書の一部を形成する添付の図面への参照が行われ、それは、特許請求される主題の特定の例を例示として示す。他の例が使用されることが可能であること、または、構造変更などの、変形および変更を行うことが可能であることが理解されるべきである。そのような例、変形または変更は、意図した特許請求される主題に関する範囲から必ずしも逸脱するものとは限らない。本明細書におけるステップは、一定の順序で提示され得るが、ある場合において、説明されているシステムおよび方法の機能を変化させずに、異なる時にまたは異なる順序で、一定の入力が提供されるように、順序付けは変化させられ得る。開示されている手続きは、異なる順序でも実行され得る。また、本明細書における様々な計算は、開示された順序で実行される必要はなく、計算の代替的な順序付けを使用する他の例が、容易に実装され得る。再順序付けに加えて、計算は、同じ結果を有するサブ計算へと分解されることも可能である。

Claims (15)

1. 方法であって、
   車両が環境内を従う軌道を受け取るステップと、
   環境内のオブジェクトの予測された位置を決定するステップであって、前記予測された位置は、将来の時間に関連付けられるステップと、
   前記予測された位置および前記軌道に少なくとも部分的に基づいて、前記将来の時間における前記オブジェクトに関連付けられるオクルージョンされる領域を決定するステップと、
   前記オクルージョンされる領域に少なくとも部分的に基づいて前記車両を制御するステップと
   を備える方法。
2. 前記オクルージョンされる領域に関連付けられるオクルージョンスコアを決定するステップをさらに備え、
   前記オクルージョンスコアは、少なくとも部分的にマップデータに基づいている、
   請求項１に記載の方法。
3. 前記将来の時間におけるオクルージョングリッドのオクルージョンフィールドのオクルージョン状態および占有状態を決定するステップをさらに備える、
   請求項２に記載の方法。
4. 前記オクルージョンされる領域に関連付けられる属性に基づいて、前記オクルージョンされる領域のオクルージョンスコアを決定するステップをさらに備え、
   前記車両を制御するステップは、前記オクルージョンされる領域の前記オクルージョンスコアにさらに基づく、
   請求項１に記載の方法。
5. 前記オブジェクトは、第１のオブジェクトであり、前記予測された位置は、第１の予測位置であり、前記オクルージョンされる領域は、第１のオクルージョンされる領域であり、
   前記方法は、
   前記環境内の第２のオブジェクトの第２の予測された位置を決定するステップであって、前記第２の予測された位置は、前記将来の時間に関連付けられるステップと、
   前記第２の予測された位置および前記軌道に少なくとも部分的に基づいて、前記将来の時間における前記第２のオブジェクトに関連付けられる第２のオクルージョンされる領域を決定するステップと
   をさらに備え、
   前記車両を制御するステップは、前記第２のオクルージョンされる領域にさらに基づく、
   請求項４に記載の方法。
6. 前記第１のオクルージョンされる領域に関連付けられる第１の属性に基づいて、前記第１のオクルージョンされる領域の第１のオクルージョンスコアを決定するステップと、
   前記第２のオクルージョンされる領域に関連付けられる第２の属性に基づいて、前記第２のオクルージョンされる領域の第２のオクルージョンスコアを決定するステップと、
   前記第１のオクルージョンスコアおよび前記第２のオクルージョンスコアに少なくとも部分的に基づいて前記軌道の軌道スコアを決定ステップとをさらに備え、
   前記車両を制御するステップは、前記軌道の前記軌道スコアにさらに基づく、
   請求項５に記載の方法。
7. 前記軌道は、第１の軌道であり、前記軌道スコアは、第１の軌道スコアであり、
   前記方法は、
   第２の軌道の第２の軌道スコアを決定するステップと、
   選択された軌道として、前記第１の軌道スコアまたは前記第２の軌道スコアに少なくとも部分的に基づいて、前記第１の軌道または前記第２の軌道を選択するステップとを備え、
   前記車両を制御するステップは、前記選択された軌道に少なくとも部分的にさらに基づく、
   請求項６に記載の方法。
8. 前記第１の属性は、
   前記第１のオクルージョンされる領域に関連付けられるマップデータ、
   前記第１のオクルージョンされる領域内の１つまたは複数のオブジェクト、
   前記軌道に関連付けられるポイントと前記第１のオクルージョンされる領域との間の距離、
   前記第１のオクルージョンされる領域のサイズ、
   前記第１のオクルージョンされる領域に関連付けられる期間、または
   前記車両に関連付けられる進行方向のうちの１つまたは複数に関連付けられる、
   請求項６または７に記載の方法。
9. 前記環境内の前記オブジェクトの前記予測された位置は、
   ライダーセンサ、レーダセンサ、画像センサ、または飛行時間センサのうちの１つまたは複数から受信したセンサデータ、
   ヒートマップであって、前記オブジェクトを表現する前記ヒートマップを生成するためにトレーニングされた機械学習モデルから受け取られたヒートマップ、
   前記オブジェクトの分類、前記オブジェクトの初期位置、もしくは前記オブジェクトの速度に少なくとも部分的に基づく確率マップ、または
   前記オブジェクトに関連付けられる物理学ベースのモデルのうちの１つまたは複数に少なくとも部分的に基づく、
   請求項１ないし８のいずれか一項に記載の方法。
10. コンピュータ上で実行された場合に、請求項１ないし９のいずれか一項に記載の方法を実装する符号化された命令を備える、
    コンピュータプログラム製品。
11. システムであって、
    １つまたは複数のプロセッサと、
    実行された場合に、前記１つまたは複数のプロセッサに、
    車両が環境内で従うための第１の軌道を受け取ることと、
    前記車両が前記環境内で従うための第２の軌道を受け取ることと、
    将来の時間における前記環境内のオブジェクトの予測された位置を決定することと、
    前記第１の軌道および前記オブジェクトの前記予測された位置に少なくとも部分的に基づいて、前記オブジェクトに関連付けられる第１のオクルージョンされる領域を決定することと、
    前記第２の軌道および前記オブジェクトの前記予測された位置に少なくとも部分的に基づいて、前記オブジェクトに関連付けられる第２のオクルージョンされる領域を決定することと、
    前記第１のオクルージョンされる領域および前記第２のオクルージョンされる領域に少なくとも部分的に基づいて、前記車両を制御することと
    を含む演算を実行させるコンピュータ実行可能な命令を格納する１つまたは複数の非一時的なコンピュータ可読媒体と
    を備えるシステム。
12. 前記予測された位置は、第１の予測された位置であり、前記将来の時間は、第１の時間であり、前記演算は、
    前記環境内の前記オブジェクトの第２の予測された位置を決定することであって、前記第２の予測された位置は、前記第１の時間の後の第２の時間に関連付けられることと、
    前記第１の軌道および前記予測された第２の位置に少なくとも部分的に基づいて、前記オブジェクトに関連付けられる第３のオクルージョンされる領域を決定することとをさらに含み、
    前記車両を制御することは、少なくとも部分的に前記第３のオクルージョンされる領域にさらに基づく、
    請求項１１に記載のシステム。
13. 前記オブジェクトは、静止オブジェクトであり、前記第１の予測された位置は、前記第２の予測された位置に対応するか、または、
    前記オブジェクトは、動的オブジェクトであり、前記第１の予測された位置は、前記第２の予測された位置とは異なる、
    請求項１２に記載のシステム。
14. 前記演算は、
    前記環境に関連付けられるマップデータに少なくとも部分的に基づいて、前記第１のオクルージョンされる領域のオクルージョンスコアを決定することをさらに含み、
    前記車両を制御することは、前記オクルージョンスコアにさらに基づく、
    請求項１１ないし１３のいずれか一項に記載のシステム。
15. 前記環境内の前記オブジェクトの前記予測された位置を決定することは、
    ヒートマップであって、前記オブジェクトを表現する前記ヒートマップを生成するためにトレーニングされた機械学習モデルから受け取られたヒートマップ、
    前記オブジェクトの分類、前記オブジェクトの初期位置、もしくは前記オブジェクトの速度に少なくとも部分的に基づく確率マップ、または
    前記オブジェクトに関連付けられる物理学ベースのモデルのうちの少なくとも部分的に少なくとも１つに基づく、
    請求項１１ないし１４のいずれか一項に記載のシステム。

Images