JP2022540965A - ユーザの運転の好みに適応した自動運転車の制御 - Google Patents

Abstract

自動運転車を制御するためのシステムは、縦加速の値および横加速の値から成る許容空間を規定するｇ－ｇプロットのパラメータを格納するように構成されたメモリを備える。ｇ－ｇプロットのパラメータは、ユーザの運転の好みと、自動運転車の制約付き制御とのマッピングを規定する。ｇ－ｇプロットのパラメータは、最大前方加速と、最大後方加速と、最大横加速と、前方加速の最大値、後方加速の最大値、および横加速の最大値をつないだ曲線のプロファイルを規定する形状パラメータとを含む。システムは、車両の同乗者からのフィードバックとして快適度を受け付け、上記フィードバックに対応する主要パラメータを特定し、かつ、フィードバックが示す快適度に基づいてｇ－ｇプロットの主要パラメータを更新し、更新されたｇ－ｇプロットのパラメータが規定する許容空間内に車両の運動性能を維持するように車両を制御する。

Description

本発明は、全体的に、自動運転車の制御に関し、より特定的には、ユーザの運転の好みに適応した制御に関する。

現在最もコンピュータ化された高性能の運転者アシストシステムまたは自動運転システムは、米国市場、欧州市場、または日本市場など、自家用車が普及した長い歴史があり、それに関連して大勢の熟練運転者がおり、厳格に適用されている成文化された交通法が存在する先進国市場で展開されるように設計されている。これらのシステムは、理想化されたルールを真似る傾向があり、リスクを嫌う運転スタイルを取り入れている。自動運転システムは、通常、所有者固有にカスタマイズされているという感覚を与えることはなく、自分が所有している車ではなくタクシーのような一般的な感覚を車両に与えている。たとえば、米国特許第２０１５０１５８４８６Ａ１号を参照されたい。

自動運転車は、ある目的地から別の目的地まで１人以上の同乗者を乗せ得る。異なる同乗者は、自動運転車に求めるものが異なったり、自動運転車の操作についての好みが異なったりするであろう。そのため、ユーザによっては、均一的なスタイルの自動運転システムは望ましくない場合がある。

したがって、ユーザの好みに基づいて適応的に自動運転車を制御するための方法を提供することが求められる。

いくつかの実施の形態の目的は、車両の１人または複数の同乗者の運転の好みに適応させて自動運転車を制御するためのシステムおよび方法を提供することである。これに加えて、またはこれに代えて、いくつかの実施の形態の目的は、同乗者が車両を運転する必要なしで同乗者の運転の好みを抽出し、自動制御モジュールに適した数量にマッピングすることである。

自動運転時、運転席に座っている乗員を含む車両の乗員は、定義上、同乗者である。一般の設計では、車両設計者は、通常、運転者を満足させるためにハンドリング性およびドライビングクオリティを改良することに携わっている。通常の運転時、運転者の操作量を評価することによって実際の運転時に運転パラメータを学習することができる。しかしながら、自動運転では、運転席に座っている乗員を含む車両の乗員（もしいるのであれば）は、定義上、同乗者である。そのためには、運転パラメータを学習するのではなく、自動運転の場合、自動運転車の乗員からこれらのパラメータを受け付ける必要がある。これに加えて、能動的（アクティブ）運転者の運転の好みを学習するのではなく、いくつかの実施の形態は、受動的（パッシブ）乗員の快適さの好みを学習する。

いくつかの実施の形態は、車両の乗員が体験する縦加速と横加速との関係を表すプロットであるｇ－ｇプロットによって同乗者の快適性を表すことができ、車両コントローラが適用する性能上の制約としてｇ－ｇプロットを利用することができるという理解に基づく。この理解は、ｇ－ｇプロットの異なるパラメータが初心運転者から熟練運転者までに及ぶ運転者の異なるスタイルおよび／または異なる体験を表すという認識に基づく。そのため、これらのパラメータは、異なる運転者の異なる快適度を指定するには十分である。これに加えて、ｇ－ｇプロットは、車両制御に利用できる明確な制約を提供してくれる。このように、ｇ－ｇプロットは、車両の乗員の快適さと車両の制御パラメータ上の制約とのマッピングとして機能することができる。

さらには、いくつかの実施の形態は、４つの異なるパラメータがｇ－ｇプロットを形成するという認識に基づく。これらのパラメータは、前方加速の最大の大きさ、後方加速、すなわち、ブレーキの最大の大きさ、横加速の最大の大きさ、および横加速と縦加速との組合せ上の制約を規定するｇ－ｇプロットの形状を含む。いくつかの実施の形態は、同乗者が快適度または不快度を示した場合、自身の快適度および／または不快度の原因を当該同乗者が特定することが無理であるという認識に基づいている。しかしながら、同乗者の持つ印象の原因は、ｇ－ｇプロットの１つ以上のパラメータに相関的であり得、ｇ－ｇプロットを更新するために特定される必要がある。

そのためには、異なる実施の形態は、同乗者から快適であるというフィードバックを生じさせる主要な要因を特定する。異なる実施の形態では、主要な快適要因を特定する際にアクティブ手法およびパッシブ手法を用いる。パッシブ手法では、いくつかの実施の形態は、ｇ－ｇプロットのパラメータのその最大値までの近さに基づいて主要な要因を特定する。アクティブ手法では、いくつかの実施の形態は、１つの要因を主要な要因として車両を意図的に走行させて、同乗者にフィードバックを求める。

たとえば、パッシブ手法を用いる一実施の形態は、同乗者から快適であるというフィードバックを受け付けたことに応答して車両のログを確認し、フィードバックよりも前の時刻において最大値に近づいている最新のパラメータを推定する。たとえば、加速がその最大値に最も近い場合、加速が主要な要因であり、実施の形態は、フィードバックに基づいて加速上の制約を更新する。減速がその最大値に最も近い場合、減速が主要な要因である。横加速がその最大値に最も近い場合、横加速が主要な要因である。しかしながら、前方加速／後方加速も横加速も最大値までの所定の距離内にない場合、主要な要因はｇ－ｇプロットの形状である。

アクティブ手法では、いくつかの実施の形態は、ｇ－ｇプロットの４つの要因のうち１つの要因をその他の要因よりも優位にするように車両を走らせる。たとえば、最大前方加速を学習するために、一般的な運転コースにおいて、自動運転車は、最大加速の限界をわずかに超えて加速する。次に、システムは、指定の同乗者、通常、運転席に座っている同乗者にフィードバックを求める。同乗者が肯定的な反応を示した場合、この操縦は適切であったと判断され、最大加速が上方修正される。同乗者が否定的な反応を示した場合、この操縦は不適切であったと判断され、最大加速は下方修正される。探索空間の探索を可能にするようにわずかに修正を行うことで、同乗者の最大加速の好みを特定することにつながる。

したがって、一実施の形態は、自動運転車を制御するためのシステムを開示する。このシステムは、縦加速の値および横加速の値から成る許容空間を規定するｇ－ｇプロットのパラメータを格納するように構成されたメモリを備え、ｇ－ｇプロットのパラメータは、最大前方加速と、最大後方加速と、最大横加速と、前方加速の最大値、後方加速の最大値、および横加速の最大値をつないだ曲線のプロファイルを規定する形状パラメータとを含む。システムは、さらに、車両の同乗者からのフィードバックとして快適度を受け付けるように構成された入力インターフェースと、フィードバックに対応する主要パラメータを特定し、かつ、フィードバックが示す快適度に基づいてｇ－ｇプロットの主要パラメータを更新するように構成されたプロセッサと、更新されたｇ－ｇプロットのパラメータが規定する許容空間内に車両の運動性能を維持するように車両を制御するように構成されるコントローラとを備える。

別の実施の形態は、自動運転車を制御するための方法を開示する。この方法は、格納している方法を実装する命令に連結されたプロセッサを利用する。命令は、プロセッサによって実行されると、方法のステップを実行する。方法は、車両の同乗者からのフィードバックとして快適度を受け付けるステップと、フィードバックに対応するｇ－ｇプロットの主要パラメータを特定するステップとを含む。ｇ－ｇプロットは、縦加速の値および横加速の値から成る許容空間を規定し、ｇ－ｇプロットのパラメータは、最大前方加速と、最大後方加速と、最大横加速と、前方加速の最大値、後方加速の最大値、および横加速の最大値をつないだ曲線のプロファイルを規定する形状パラメータとを含む。方法は、さらに、フィードバックが示す快適度に基づいてｇ－ｇプロットの主要パラメータを更新するステップと、更新されたｇ－ｇプロットのパラメータが規定する許容空間内に車両の運動性能を維持するように車両を制御するステップとを含む。

さらに別の実施の形態は、プロセッサが実行可能であり、方法を実行するためのプログラムを含んだ非一時的なコンピュータ読み取り可能な記憶媒体を開示する。この方法は、車両の同乗者からのフィードバックとして快適度を受け付けるステップと、フィードバックに対応するｇ－ｇプロットの主要パラメータを特定するステップとを含み、ｇ－ｇプロットは、縦加速の値および横加速の値から成る許容空間を規定し、ｇ－ｇプロットのパラメータは、最大前方加速と、最大後方加速と、最大横加速と、前方加速の最大値、後方加速の最大値、および横加速の最大値をつないだ曲線のプロファイルを規定する形状パラメータとを含む。方法は、さらに、フィードバックが示す快適度に基づいてｇ－ｇプロットの主要パラメータを更新するステップと、更新されたｇ－ｇプロットのパラメータが規定する許容空間内に車両の運動性能を維持するように車両を制御するステップとを含む。

自動運転車の同乗者の運転の好みを自動運転コントローラが理解できる運転制約に変換するためにいくつかの実施の形態によって用いられるいくつかの原則の概略を示す図である。 自動運転車の同乗者の運転の好みを自動運転コントローラが理解できる運転制約に変換するためにいくつかの実施の形態によって用いられるいくつかの原則の概略を示す図である。 いくつかの実施の形態によって用いられるｇ－ｇプロットの概略を示す図である。 一実施の形態に係る、運転の主要な要因に基づいてｇ－ｇプロットを更新するための方法のフローチャートを示す。 一実施の形態に係る、パッシブ手法を用いてｇ－ｇプロットの主要パラメータを選択および更新するための方法のブロック図を示す。 一実施の形態に係る、アクティブ手法を用いてｇ－ｇプロットの主要パラメータを選択および更新するための方法のブロック図を示す。 いくつかの実施の形態に係る、アクティブ手法を用いて主要パラメータ４１５を特定するための一連の操縦の概略を示す図である。 一実施の形態に係る、情報を収集するための、車両が自律走行できる例示的な走路の概略を示す図である。 一実施の形態に係る、仮想現実を利用して、ユーザの好みを指定するｇ－ｇプロットを特定するための方法のブロック図を示す。 同乗者の快適度を学習するためのラベルを受け付ける工程の概略を示す図である。 いくつかの実施の形態に係る、ｇ－ｇプロットを更新するためにステップ幅の値を変更した場合の概略を示す図である。 いくつかの実施の形態に係る、自動運転車の制御のブロック図を示す。 本開示の例示的な態様に係る、自動運転車の制御システムが備える様々な構成要素、および自動運転車に対応付けられたクラウドプラットフォームまたはエッジプラットフォームの図形表現である。 本開示の様々な実施の形態に係る、自動運転車内のコンピューティングシステムが備える構成要素の概略ブロック図である。 本開示の様々な実施の形態に係る、自動運転車内のヒューマン－マシンインターフェースシステムが備える構成要素の概略ブロック図である。 本開示の様々な実施の形態に係る、自動運転車内の機械学習システムが備える構成要素、および自動運転車に対応付けられたクラウド／エッジプラットフォーム内の機械学習システムが備える構成要素の概略ブロック図である。 いくつかの実施の形態の原則を採用したアダプティブコントローラを備える車両の概略を示す図である。 いくつかの実施の形態に係る、車両のアダプティブコントローラとその他のコントローラとのやり取りの概略を示す図である。

図１Ａおよび図１Ｂは、自動運転車の同乗者の運転の好みを自動運転コントローラが理解できる運転制約に変換するためにいくつかの実施の形態によって用いられるいくつかの原則の概略を示す図である。自動運転時、運転席に座っている乗員を含む車両の乗員は、定義上、同乗者である。一般の設計では、車両設計者は、通常、運転者を満足させるためにハンドリング性およびドライビングクオリティを改良することに携わっている。通常の運転時、運転者の操作量を評価することによって実際の運転時に運転パラメータを学習することができる。しかしながら、自動運転では、運転席に座っている乗員を含む車両の乗員（もしいるのであれば）は、定義上、同乗者である。そのためには、運転パラメータを学習するのではなく、自動運転の場合、自動運転車の乗員からこれらのパラメータを受け付ける必要がある。これに加えて、能動的（アクティブ）運転者の運転の好みを学習するのではなく、いくつかの実施の形態は、受動的（パッシブ）乗員の快適さの好みを学習する。

しかしながら、快適であるまたは快適でないというような同乗者のフィードバックは、運転コントローラが明確に理解できる命令ではない。同乗者が不快であると示した場合、この不快の原因は、直ぐに明らかにならない。たとえば、この不快は、車両速度が速い、不快レベルの減速が原因であり得、および／または急な転回が原因であり得る。これに加えて、たとえ不快の理由が特定されたとしても、この不快を制御命令に変換する手段が求められる。運転を不快に感じる多くの異なる理由があり得るので、命令は、１つより多くの理由を考慮に入れるべきである。すなわち、自動運転車の同乗者の運転の好みとその車両のコントローラとのマッピングが求められる。

図１Ａは、いくつかの実施の形態が使用する、自動運転車の同乗者の運転の好みとその車両のコントローラとのマッピング１２０の概略を示す図である。実施の形態は、車両の乗員が体験する縦加速１２３と横加速１２７との関係を表すプロットであるｇ－ｇプロット１２５によって同乗者の快適性を表すことができるという理解に基づく。同時に、車両コントローラが適用する性能上の制約としてｇ－ｇプロット１２５を利用することができる。

この理解は、ｇ－ｇプロットの異なるパラメータが初心運転者から熟練運転者までに及ぶ運転者の異なるスタイルおよび／または異なる体験を表すという認識に基づく。そのため、これらのパラメータは、異なる運転者の異なる快適度を指定するには十分である。これに加えて、ｇ－ｇプロットは、車両制御に利用できる明確な制約を提供してくれる。このように、ｇ－ｇプロットは、車両の乗員の快適さと車両の制御パラメータ上の制約とのマッピング１２０として機能することができる。

図１Ｂは、いくつかの実施の形態に係る、異なる運転の好みを制御にマッピングすることについての概略を示す図である。たとえば、ｇ－ｇプロットは、未熟な運転者、一般的な運転者、および熟練の運転者の運転プロファイルを特徴付けることができる。未熟な運転者は、ｇ－ｇプロット１４１で表される運転プロファイルを示す。ｇ－ｇプロット１４１で表されるプロファイルでは、高レベルの縦加速の場合、相対的に横加速は多くてもほとんどなく、高レベルの横加速の場合、相対的に縦加速は多くてもほとんどない。未熟な運転者は、横加速と縦加速とをうまく組み合わせることができず、守りの運転スタイルを採用し得る。熟練の運転者は、より攻めた運転スタイルを採用し得、この運転者のｇ－ｇプロットは、相対的に高い横加速を伴う高レベルの縦加速と、相対的に高い縦加速を伴う高レベルの横加速とを指定する運転プロファイル１４３を示し得る。すなわち、熟練した運転者は、縦加速と横加速とを組み合わせることに優れている。ｇ－ｇプロット１４２は、通常の日々の運転の平均的な運転スタイルを表す。

したがって、ｇ－ｇプロット１２３のプロファイルを更新する（１３０）ことによって、運転の好み１４０を捉えることが可能になる。たとえば、いくつかの実施の形態は、フィードバックにおいて示された快適度に基づいてｇ－ｇプロットを更新する（１３５）。これに加えて、ｇ－ｇプロットはそのパラメータによって数学的に表すことができるため、ｇ－ｇプロットは、車両を制御する（１５５）ために利用できる制約１５０を規定する。そのためには、いくつかの実施の形態は、更新したｇ－ｇプロットのパラメータが規定する許容空間内に車両の運動性能を維持する（１１５）自動運転車の制約付き制御１１０を提供する。このように、ユーザのフィードバックにおいて示される当該ユーザの運転の好みを、自動運転の制約付き制御の制約に変換する。

図２Ａは、いくつかの実施の形態が使用するｇ－ｇプロットの概略を示す図である。実施の形態は、同乗者としての運転者（ｄｒｉｖｅｒ－ａｓ－ｐａｓｓｅｎｇｅｒ）の快適さの好みが車両に乗っている間に感じる縦加速と横加速との結合に関連付いているという理解に基づいている。この結合は、パラメータ形式２１１を有するｇ－ｇプロット曲線２００によって説明される。ｇ－ｇプロットは、通常、いくつかのパラメータ２２１によって表される。このパラメータ一式は、同乗者としての運転者の快適さの好みに関係する。

そのためには、４つの異なるパラメータがｇ－ｇプロットを形成する。これらのパラメータは、前方加速の最大の大きさ２１０と、後方加速、すなわち、ブレーキの最大の大きさ２１５と、横加速の最大の大きさ２２０および２２５と、横加速と縦加速との組合せ上の制約を規定するｇ－ｇプロットの形状２３０とを含む。いくつかの実施の形態は、同乗者が快適度または不快度を示した場合、自身の快適度および／または不快度の原因を当該同乗者が特定することが無理であるという認識に基づいている。しかしながら、同乗者の持つ印象の原因は、ｇ－ｇプロットの１つ以上のパラメータに相対的であり得、ｇ－ｇプロットを更新するために特定される必要がある。そのためには、異なる実施の形態は、同乗者からの快適であるというフィードバックの原因となる主要な要因を特定する。

図２Ｂは、一実施の形態に係る、運転の主要な要因に基づいてｇ－ｇプロットを更新するための方法のフローチャートを示す。この実施の形態は、車両の同乗者からのフィードバックとして快適度を受け付ける（２４０）。快適度は、後述する複数の異なる種類の入力インターフェースを通して受け付けることができる。実施の形態は、フィードバックに対応する主要パラメータを判定し（２５０）、フィードバックにおいて示された快適度に基づいてｇ－ｇプロットの主要パラメータを更新する（２６０）。ステップ２５０および２６０の命令は、入力インターフェースに接続されたプロセッサと、ｇ－ｇプロットの現在のパラメータを格納するメモリとを使用して実行することができる。

いくつかの実施態様では、主要パラメータは、ｇ－ｇプロットの４つのパラメータのうち１つである。異なる実施の形態では、主要な快適要因を特定する際にアクティブ手法およびパッシブ手法を用いる。パッシブ手法では、いくつかの実施の形態は、ｇ－ｇプロットのパラメータのその最大値までの近さに基づいて主要な要因を特定する。アクティブ手法では、いくつかの実施の形態は、１つの要因を主要な要因として車両を意図的に走行させて、同乗者にフィードバックを求める。

図３は、一実施の形態に係る、パッシブ手法を用いてｇ－ｇプロットの主要パラメータを選択および更新するための方法のブロック図である。同乗者から快適であるというフィードバック３０５を受け付けたことに応答して、実施の形態は、車両のログを確認し、フィードバックよりも前の時刻において最大値に近づいている最新のパラメータ３１５を推定する（３１０）。たとえば、加速がその最大値に最も近い場合、加速が主要な要因であり、実施の形態は、フィードバックに基づいて加速上の制約を更新する。減速がその最大値に最も近い場合、減速が主要な要因である。横加速がその最大値に最も近い場合、横加速が主要な要因である。しかしながら、前方加速／後方加速も横加速も、最大パラメータよりも、最大値までの所定の距離内にない場合、主要な要因はｇ－ｇプロットの形状である。この所定の距離は、システム設計者によって選択され得る。次に、実施の形態は、フィードバックにおいて示される快適度２４５に基づいて、推定した最大パラメータを更新する（３２０）。

アクティブ手法では、いくつかの実施の形態は、ｇ－ｇプロットの４つの要因のうち１つの要因をその他の要因よりも優位にするように車両を走らせる。たとえば、最大前方加速を学習するために、一般的な運転コースにおいて、自動運転車は、最大加速の限界をわずかに超えて加速する。次に、システムは、指定の同乗者、通常、運転席に座っている同乗者にフィードバックを求める。同乗者が肯定的な反応を示した場合、この操縦は適切であったと判断され、最大加速が上方修正される。同乗者が否定的な反応を示した場合、この操縦は不適切であったと判断され、最大加速は下方修正される。探索空間の探索を可能にするようにわずかに修正を行うことで、同乗者の最大加速の好みを特定することにつながる。

図４は、一実施の形態に係る、アクティブ手法を用いてｇ－ｇプロットの主要パラメータを選択および更新するための方法のブロック図を示す。実施の形態は、所定の態様で移動するように車両を制御することを車両のコントローラに要求して（３１０）ｇ－ｇプロットのパラメータのうちの１つを主要パラメータ４１５にする。次に、実施の形態は、当該所定の態様で車両が移動することに対するフィードバックを提供するよう同乗者に要求し（４２０）、当該フィードバックに基づいて、所定の態様における移動に対応付けられている主要パラメータ４１５を更新する（４３０）。

たとえば、最大前方加速を超える前方加速の値で車両を直進させるように実施の形態がコントローラに要求した場合、前方加速が主要パラメータである。最大後方加速を超える後方加速の値で車両を直進させるように実施の形態がコントローラに要求した場合、後方加速が主要パラメータである。最大横加速を超える横加速の値でカーブを通過させるように実施の形態がコントローラに要求した場合、横加速が主要パラメータである。ｇ－ｇプロットのプロファイルをなぞる横加速の値および前方加速の値でカーブを通過させるように実施の形態がコントローラに要求した場合、横加速が主要パラメータである。

図６は、一実施の形態に係る、仮想現実を利用して、ユーザの好みを指定するｇ－ｇプロットを特定するための方法のブロック図を示す。たとえば、この方法は、ｇ－ｇプロットの異なるパラメータを主要パラメータにする実際の運転を避けるために用いることができ、および／または、学習時にパラメータが素早く収束して学習段階が短くなるよう、同乗者の快適さの好みについて程よく最初に推測してウォームスタートするために用いることができる。この方法は、拡張現実または仮想現実６０１を利用することが伴い、人間のユーザが疑似車両運転環境から視覚または触覚フィードバック６１１を受ける。ここで、上述した学習手順は、車両を明示的に操作しないで用いることができる。疑似環境で聞かれた質問６５１に対する応答に基づいて、ｇ－ｇプロット６３１にラベルが送信される（６４１）。ｇ－ｇプロット６３１は、疑似車両のコントローラにフィードバックされる（６２１）。このようにすれば、ユーザの快適さの好みを大まかに理解できるようになる。拡張現実のいくつかの実施の形態は、モーションシミュレーターチェア、ゲーミングチェアなど、および、ジャーク、トルク、ロール、ピッチ、上下動、エンジンの回転音など、車両関連の動きまたは信号が得られる運転シミュレーターソフトウェアを使用する。

図７は、同乗者の快適度を学習するためのラベルを受け付ける工程の概略を示す図である。インタラクティブシステム、たとえば、ハンドル７０１上のディスプレイ７１１またはその他のこのような構成を介して、各人間のユーザには、現在の操縦に関してどのパラメータが更新されるかを示す操縦ＩＤ７２１が提示されて、はい７２３またはいいえ７２４など、一連の応答を要求するインタラクティブな質問７２２に臨む。これに応じて、運転中にパラメータが学習される。

様々な実施の形態は、同乗者が主要パラメータの値で快適であることをフィードバックの快適度が示す場合、主要パラメータの最大値を上げ、主要パラメータの値で同乗者が不快であることをフィードバックの快適度が示す場合、主要パラメータの最大値を下げる。主要パラメータの増減のステップ幅の値は、異なる実施態様で異なり得、システムの設計者によって選択され得る。これに加えて、またはこれに代えて、いくつかの実施の形態では、ステップ幅の値は、主要パラメータ推定の信頼度に基づいて異なり得る。

図９は、いくつかの実施の形態に係る、自動運転車の制御のブロック図を示す。制御部９０２は、意思決定コンポーネント９４２を備える。意思決定コンポーネント９４２は、ホイール角または操舵角など、制御動作を生成する。制御動作の計算は、レーンキープまたは加速を制限する制約など、安全上および動作上の制約９４４を適用することと同時に行われてもよいし、そうでなくてもよい。いくつかの実施の形態は、同乗者としての運転者の好みを制御アルゴリズム９４２が満たす制約９４４として表すことができるという理解に基づいている。

実装例

自動運転車は、車両が自動運転モードで動作中に少なくとも１つの条件を監視するように構成された少なくとも１つの自動運転センサを備える。処理装置は、車両が自動運転モードで動作中に少なくとも１つの車両サブシステムを制御するように構成される。処理装置は、同乗者の好みに従って少なくとも１つの車両サブシステムを制御するように構成される。車両が自動運転モードで動作中に運転中のラベル付けを用いて同乗者としての運転者の好みを学習してもよい。図１０Ａ～図１０Ｄに示すシステムは、多くの異なる形態を取ってもよく、複数のならびに／または代わりの構成要素および設備を備えてもよい。例示的なシステムを図示しているが、図示されている例示的な構成要素は、限定ではない。たしかに、追加または代わりの構成要素および／または実装形態が使用されてもよい。

自動運転車１０００の例示的な構成要素を図１０Ａに示す。自動運転センサ１００１は、自動運転モードで車両が案内するのを助けるように車両制御部１００２を支援する信号を生成するように構成された任意の数のデバイスを備えてもよい。自動運転センサ１００１として、レーダーセンサ、ライダーセンサ、カメラ、超音波センサ、エネルギーハーベスティングセンサなどが挙げられてもよい。いくつかの可能な手法では、自動運転センサ１００１は、狭域通信（ＤＳＲＣ）に準拠したデバイス（８０２．１１ｐ）、セルラー受信機、ＷｉＦｉ受信機などのクラウドベースのセンサのような、遠隔にある送信元から情報を受信するように構成されてもよい。

車両制御サブシステム１００２は、自動運転センサ１００１が生成する信号に少なくとも一部基づいて自動運転車を制御してもよい。車両が自動運転モードで動作中、車両制御サブシステム１００２は、１つ以上の同乗者としての運転者の好みに従って車両を制御するように構成されてもよい。たとえば、車両が非自動運転モードで動作中、車両制御サブシステム１００２は、様々な同乗者としての運転者の好みを学習し、学習した好みを所定のシナリオに対応付け、車両が自動運転モードで動作中に当該所定のシナリオが発生したときに、学習した同乗者としての運転者の好みを適用させてもよい。特定の所定のシナリオに対応付けられる同乗者としての運転者の好みがない場合、車両制御サブシステム１００２は、学習システム１０３０によって車内で好みが学習されるまで、または、学習システム１０６０によって遠隔で通知されるまでそのシナリオのデフォルトプロファイル制御を適用するように構成されてもよい。シナリオとして、道路状況、環境状況、および／または交通状況を様々に組み合わせたものなどが挙げられる。

いくつかの実施の形態では、車両制御部１００２は、学習した同乗者としての運転者の好みの各々を、縦方向プロファイル制御および／または横方向プロファイル制御など、１つ以上のプロファイル制御に対応付けるように構成されてもよい。縦方向プロファイル制御は、縦方向に（たとえば、前方向または後方向に）走行中、自動運転モードで車両がどのように動作するかを規定してもよい。縦方向プロファイル制御は、速度プロファイル制御と、減速プロファイル制御と、加速度プロファイル制御とを含んでもよい。速度プロファイル制御は、標示の速度制限を基準とする、自動運転モードで動作中の車両の速度を規定してもよい。減速プロファイル制御は、車両が自動運転モードで動作中にどれだけ速く減速するかを規定してもよく、加速度プロファイル制御は、車両が自動運転モードで動作中にどれだけ速く加速するかを規定してもよい。横方向プロファイル制御は、車両が自動運転モードで動作中にどのように方向を変える（たとえば、左に転回するおよび／もしくは進路を変える、または右に転回するおよび／もしくは進路を変える）かを規定してもよい。横方向プロファイル制御は、たとえば、ステアリングプロファイル制御を含んでもよい。ステアリングプロファイルは、転回中のハンドル角および変化率について、同乗者としての運転者の好みを規定してもよい。

本開示のその他の構成要素は、機械学習用にラベルを提供する目的および／または予め格納されている好みを読み込む目的などを含む様々な目的のために、人間のユーザから同乗者としての運転者の好み情報を収集するためのヒューマンマシンインターフェースシステム１０２０を含む。車載学習システム１０３０は、同乗者としての運転者の好みを学習する目的、および／または以前の好みを更新する目的などのために存在する。たとえば、学習システムの計算のコストが高すぎて車内で行うことができないなどの場合、いくつかの実施の形態によると、メモリ１０５０にデータを格納する目的またはエッジ／クラウド機械学習システム１０６０にある高性能の機械学習アルゴリズムが要求する複雑な計算を行う目的を含む様々な目的のために、周辺のエッジ／クラウドコンピューティングプラットフォーム１０４０があってもよい。

一般的に、図１０Ｂに示したコンピューティングシステム１０１０のプロセッサ１０１１は、様々なバージョンならびに／または豊富な種類のＭｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標）オペレーティングシステム、Ｕｎｉｘ（登録商標）ペレーティングシステム、ＡＩＸ ＵＮＩＸ（登録商標）オペレーティングシステム、Ｌｉｎｕｘ（登録商標）オペレーティングシステム、ＭａｃＯＳＸおよびｉＯＳオペレーティングシステム、およびＡｎｄｒｏｉｄオペレーティングシステムを含む、任意の数のコンピュータオペレーティングシステムを採用してもよいが、これらに限定されない。コンピューティングデバイスとして、コンピュータワークステーション、サーバ、デスクトップ、ノートブック、ラップトップ、もしくは携帯コンピュータ、またはエッジまたはクラウドプラットフォーム１０４０に存在するいくつかのその他のコンピューティングシステムおよび／もしくはデバイスなどが挙げられるが、これらに限定されない。

コンピューティングデバイスは、一般に、コンピュータ実行可能な命令１０１３を含む。当該命令は、先に列挙したような１つ以上のコンピューティングデバイスによって実行可能であってもよい。コンピュータ実行可能な命令１０１３は、これらに限定されないが、Ｊａｖａ（登録商標）、Ｃ、Ｃ＋＋、ＶｉｓｕａｌＢＡＳＩＣ、ＭＡＴＬＡＢ（登録商標）、Ｐｙｔｈｏｎ、ＪａｖａＳｃｒｉｐｔ（登録商標）などを含む様々なプログラミング言語および／もしくは技術を単体で使用もしくは組み合わせて使用して作成されたコンピュータプログラムでコンパイルまたは解釈されてもよい。一般的に、プロセッサ（たとえば、マイクロプロセッサ）は、たとえばメモリ、コンピュータ読み取り可能な媒体などから命令を受信し、命令１０１３を実行することにより、本明細書に記載した処理のうち１つ以上を含む、１つ以上の処理を実行する。このような命令およびその他のデータは、様々コンピュータ読み取り可能な媒体を用いて格納および送信されてもよい。

コンピュータ読み取り可能な媒体（プロセッサ読み取り可能な媒体とも称される）は、コンピュータによって（たとえば、コンピュータのプロセッサによって）読み込まれ得るデータ１０１２の提供に加わる任意の非一時的な（たとえば、有形の）媒体を含む。このような媒体は、不揮発性媒体および揮発性媒体を含む多くの形式を取ってもよいが、これらに限定されない。不揮発性媒体は、たとえば、光ディスクまたは磁気ディスク、およびその他の永続メモリを含んでもよい。揮発性媒体は、たとえば、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）を含んでもよい。ＤＲＡＭは、通常、主メモリを構成する。このような命令は、コンピュータのプロセッサに連結されたシステムバスを構成する線を含む、同軸ケーブル、銅線、および光ファイバーを含む１つ以上の伝送媒体によって送信されてもよい。コンピュータ読み取り可能な媒体の一般的な形式は、たとえば、フロッピー（登録商標）ディスク、フレキシブルディスク、ハードディスク、磁気テープ、その他の磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤ、その他の光学媒体、パンチカード、紙テープ、フラッシュドライブ、あるパターンの穴があるその他の物理媒体、ＲＡＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＦＬＡＳＨ－ＥＥＰＲＯＭ、その他のメモリチップもしくはカートリッジ、または、コンピュータがデータもしくは命令を読み出すことができるその他の媒体を含む。

図１０Ｃは、ヒューマンマシンインターフェースシステム１０２０をさらに詳細に説明した図である。ヒューマンマシンインターフェースシステムまたはデバイス１０２０は、自動運転車と人間（たとえば、自動運転車内に位置する同乗者）との間で通信、制御、および／またはその他のインターフェース動作を生じさせることを可能にする。ヒューマンマシンインターフェースデバイス１０２０は、車両コンピューティングシステムに通信可能に連結され得、ユーザ入力１０２４を介するなどしてシステムとデバイスとの間でデータ、命令、および／または要求のやり取りを可能にする。ヒューマンマシンインターフェースデバイスは、動作可能に接続された１つ以上の処理部１０２１を備え得るまたはそれらによって実現され得る。ヒューマンマシンインターフェースデバイスは、組み込みプロセッサまたはスタンドアロンコンピューティングデバイスであり得る。ある特定の例では、ヒューマンマシンインターフェースデバイスは、自動運転車内（たとえば、自動運転車の後部座席エリア内）に配置されたタブレット型コンピューティングデバイスであり得る。

ヒューマンマシンインターフェースデバイスは、１つ以上のプロセッサ１０２１と、メモリ１０２２とを備え得る。１つ以上のプロセッサ１０２１は、任意の適切な処理装置（たとえば、プロセッサコア、マイクロプロセッサ、ＡＳＩＣ、ＦＰＧＡ、コントローラ、マイクロコントローラなど）であり得、１つのプロセッサであってもよいし、または動作可能に接続された複数のプロセッサであってもよい。メモリ１０２２は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＥＰＲＯＭ、１つ以上の記憶装置、フラッシュメモリ装置など、およびそれらの組合せなど、１つ以上の非一時的なコンピュータ読み取り可能な記憶媒体を含み得る。

ヒューマンマシンインターフェースデバイスは、自動運転車の同乗者入力データのプロンプト、収集、および／または入力を容易にできる。特に、ヒューマンマシンインターフェースデバイスは、ディスプレイ１０２３など、１つ以上のインタラクティブユーザインターフェースを利用して、同乗者の体験を記述した同乗者入力データを同乗者が入力することを可能にする。特に、本開示のある態様によると、ヒューマンマシンインターフェースデバイスおよび／または車両コンピューティングシステムは、自動運転車の運転セッション中の１つ以上のイベントに対する主観的な反応に関するユーザ入力１０２４を行うよう、同乗者に促すことができる。このようなやり方で、特定の事例および／もしくは特定の種類の運転操作に関するユーザ入力１０２４ならびに／またはフィードバックを収集することができ、特定の種類の運転イベントおよび／もしくは特定の物理的位置に対する自動運転車技術をより高度かつ詳しく理解することならびに改良することが可能になる。

いくつかの実施態様では、ヒューマンマシンインターフェースデバイスは、表示装置１０２３（たとえば、タッチセンサ式表示装置）および／または、（たとえば、同乗者が同乗者フィードバックを提供できる）インタラクティブユーザインターフェースを提供するその他の入／出力コンポーネントを備え得る。たとえば、この表示装置は、自動運転車の後部座席に位置する同乗者がアクセス可能な後部座席用表示装置であり得る。いくつかの実施態様では、ヒューマンマシンインターフェースデバイスに加えて、またはその代わりに、本開示のシステムおよび方法は、同乗者としての運転者に対応付けられるユーザコンピューティングデバイスを備えるまたは活用することができる。たとえば、いくつかの実施態様では、ヒューマンマシンインターフェースデバイス１０２０によるユーザインターフェースのディスプレイ１０２３に加えて、またはその代わりに、インタラクティブユーザインターフェースは、ユーザコンピューティングデバイスのディスプレイ上に設けることができる、または、当該ディスプレイを介してアクセス可能であり得る。ユーザコンピューティングデバイスは、短距離無線接続（たとえば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ、ＮＦＣ、赤外線など）またはその他の形式（たとえば、有線による）の接続など、ローカルエリアネットワークを経由してヒューマンマシンインターフェースデバイスに通信可能に接続することができる。実施例として、ユーザコンピューティングデバイスは、スマートフォン、タブレット型コンピューティングデバイス、ウェアラブルコンピューティングデバイス、ポータブルゲーム機、携帯表示画面、またはその他の形式のコンピューティングデバイスであり得る。いくつかの実施態様では、ユーザコンピューティングデバイスは、ネットワークを経由してコンピューティングシステムに接続することができる。ユーザインターフェースは、ヒューマンマシンインターフェースデバイスのディスプレイ部分上（たとえば、座席用ディスプレイ、携帯ディスプレイなど）、ユーザコンピューティングデバイスのディスプレイ上、またはその他の方法もしくはその他の位置に表示することができる。インタラクティブユーザインターフェースによって、自動運転車の同乗者が自動運転車の運転セッション中の自身の体験に関する同乗者フィードバック（すなわち、同乗者入力データ）を入力することが可能になる。たとえば、タッチセンサ式ディスプレイは、タッチ入力によって同乗者フィードバックを受け付けることができる。たとえば、マウス、キーボードまたはキーパッド、タッチパッド、クリックホイール、キーボード、ボールなど、その他の入力コンポーネントも利用することができる。

いくつかの実施の形態では、ユーザインターフェースは、表示装置（たとえば、ディスプレイ）上に表示されないが、代わりに、たとえば、音声に基づいたユーザインターフェースであってもよい。たとえば、ヒューマンマシンインターフェースデバイスまたはその他のシステムコンポーネントが備えるスピーカーが、自動運転車の運転セッション中のイベントに関する同乗者フィードバックを含んだ音声による応答を提供するよう、ユーザに促してもよい。たとえば、パーソナルアシスタントまたはその他の人工知能ベースのテクノロジーが音声チャットを介して同乗者とやり取りしてフィードバックを取得することができる。別の例として、ユーザインターフェースを１つ以上の物理的なボタン、ノブ、スライダー、レバー、またはその他のユーザ入力コンポーネントに埋め込むことができる。このような物理コンポーネントの操作を通してユーザが同乗者フィードバックを入力することが可能になる。さらに別の例として、カメラが撮影したイメージの解析によって同乗者フィードバックを取得することができる。たとえば、コンピュータビジョン技術をイメージに適用して、同乗者の快適性および／もしくは満足（たとえば、親指を上げるもしくは下げる）を示すジェスチャー、スピーチ、目の動き、ならびに／または顔の表情を評価または特定することができる。

図１０Ｄは、車載１０３０の、遠隔プラットフォーム上の、またはそれらを組み合わせた場合の機械学習システム１０６０を示す図である。実施例として、機械学習済みのモデルは、ランダムフォレスト分類器；ロジスティック回帰分析分類器；サポートベクターマシン；１つ以上の決定木；ニューラルネットワーク；Ｋ近傍法モデル、ならびに／または線形モデルおよび非線形モデルの両方を含むその他の種類のモデルのうち、１つ以上であり得る、またはそれらのうちの１つ以上を含み得る。ニューラルネットワークは、ディープニューラルネットワーク、フィードフォワードニューラルネットワーク、再帰型ニューラルネットワーク（たとえば、ＬＳＴＭネットワーク）、畳み込みニューラルネットワーク、およびそれらの組合せを含み得る。いくつかの実施態様では、モデルは、１つ以上の限界値または閾値など、特定のパラメータを含み得る。たとえば、いくつかの実施態様では、エンジニアなど、人がモデル内で特定の限界値または閾値を規定することができる。たとえば、エンジニアは、最大加速度、最大速度、最大停車期間、またはその他のパラメータを設定することができる。これらのパラメータは、モデルに組み込むことができる。いくつかの実施態様では、モデルは、このようなパラメータ、限界値、および／または閾値に収まるよう、調整済み車両パラメータを決定することができる。これらの機械学習モデルは、自動運転車によって行われる操縦中に取得される学習データ１０３４と、ユーザ入力１０２４に基づいて操縦に対して与えられるラベルとを活用する。車内訓練または機械学習の調整動作および更新動作は、主要なコンピューティング機能が車載プロセッサ１０３１上で実行されるモデル更新モジュール１０３３を使用して実行される。

いくつかの実施態様では、本明細書において説明した特定の動作は、自動運転車から離れた場所に位置しており、１つ以上のワイヤレスネットワーク（たとえば、セルラデータネットワーク、衛星通信ネットワーク、ワイドエリアネットワークなど）で自動運転車と通信する高性能機械学習コンピューティングシステム１０６３によって実行することができる。例として、機械学習コンピューティングシステムは、１つ以上のサーバコンピューティングデバイスに含まれる学習データ１０６４を使用できる。複数のサーバコンピューティングデバイスが使用される場合、並列コンピューティングアーキテクチャ、逐次コンピューティングアーキテクチャ、またはそれらの組合せに従ってサーバープロセッサ１０６１を配置することができる。いくつかの実施態様では、機械学習コンピューティングシステムは、制御、監視、管理、および／または保有している全ての自動運転車からのデータマイニング１０６５などその他の機能を提供することができる。たとえば、いくつかの実施態様では、機械学習コンピューティングシステム１０６０は、複数の自動運転車について、調整済み車両パラメータを決定し、ネットワークを介して保有している全ての自動運転車に調整済み車両パラメータを提供することができる。

いくつかの実施態様では、車両コンピューティングシステムは、本明細書に記載の１つ以上の車両パラメータを調整できる。いくつかの実施態様では、車両コンピューティングシステムを自動運転車に搭載できる。その他の実施態様では、自動運転車に搭載されていない機械学習コンピューティングシステムまたはその他のコンピューティングシステムが車両パラメータを調整して、調整された車両パラメータを自動運転車に提供することができる。車両コンピューティングシステムは、１つ以上の別個の物理コンピューティングデバイスを備えることができる。

機械学習システムに対応付けられたメモリ１０３２／１０６２は、同乗者としての運転者のプロファイルの識別に関わる情報を含んでいる。これは、学習アルゴリズムのパラメータ、同乗者としての運転者の生体識別データ、学習に必要な関連性のある目標セットおよび機能セットなどを含むが、これらに限定されない。このような情報は、一般に、メモリ１０５０データベース、データレポジトリ、または本明細書において説明したその他のデータストレージ媒体に格納される。これらは、階層型データベース、ファイルシステムにあるファイル一式、プロプライエタリフォーマットのアプリケーションデータベース、リレーショナルデータベース管理システム（ＲＤＢＭＳ）など、様々な種類のデータを格納、アクセス、および、取り出すための様々な種類のメカニズムを含む。このようなデータストアの各々は、一般に、上述したコンピュータオペレーティングシステムのうちの１つなどを採用したコンピューティングデバイス内に含まれており、任意の１つ以上の様々な方法でネットワークを介してアクセスされる。ファイルシステムは、コンピュータオペレーティングシステムからアクセス可能であってもよく、様々なフォーマットで格納されたファイルを含んでもよい。

図１１は、いくつかの実施の形態の原則を採用したアダプティブコントローラ１１０２を備える車両１１０１の概略を示す図である。本明細書において使用するとき、車両１１０１は、乗用車、バス、またはローバーなど、任意の種類の車輪の付いた車両であり得る。また、車両１１０１は、自動運転車であり得、または半自動運転車であり得る。たとえば、いくつかの実施の形態は、車両１１０１の動きを制御する。動きとして、車両１１０１のステアリングシステム１１０３が制御する車両の横方向の動きなどが挙げられる。一実施の形態において、ステアリングシステム１１０３は、コントローラ１１０２によって制御される。これに加えて、またはこれに代えて、ステアリングシステム１１０３は、車両１１０１の運転者によって制御され得る。

また、車両は、エンジン１１０６を備え得る。エンジン１１０６は、コントローラ１１０２によって、または車両１１０１のその他の構成要素によって制御され得る。また、車両は、周辺環境を検知するための１つ以上のセンサ１１０４を備えてもよい。センサ１１０４として、レンジファインダー、レーダー、ライダー、およびカメラなどが挙げられる。また、車両１１０１は、その現在の動作量および内部状態を検知するための１つ以上のセンサ１１０５を備え得る。センサ１１０５として、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）、加速度計、慣性計測装置、ジャイロスコープ、シャフト回転センサ、トルクセンサ、たわみセンサ、圧力センサ、およびフローセンサなどが挙げられる。これらのセンサは、コントローラ１１０２に情報を提供する。有線またはワイヤレス通信チャネルを通したコントローラ１１０２の通信機能を可能にする送受信部１１０６を車両に搭載することができる。

図１２は、いくつかの実施の形態に係る、車両１１０１のアダプティブコントローラ１１０２とコントローラ１２００とのやり取りの概略を示す図である。たとえば、いくつかの実施の形態では、車両１１０１のコントローラ１２００は、車両１２００の回転および加速を制御するステアリングコントローラ１２１０、ならびにブレーキ／スロットルコントローラ１２２０である。このような場合、アダプティブコントローラ１１０２は、コントローラ１２１０および１２２０に操作量を出力して、車両の状態を制御する。また、コントローラ１２００は、上位コントローラ、たとえば、予測コントローラ１１０２の操作量をさらに処理するレーンキープアシストコントローラ１２３０を含み得る。いずれの場合であっても、車両の動きを制御するために、コントローラ１２００は、予測コントローラ１１０２の出力を使用して、車両のハンドルおよび／またはブレーキなど、車両の少なくとも１つのアクチュエータを制御する。

上述した本発明の実施の形態は、数多くの方法のいずれによっても実現できる。たとえば、ハードウェア、ソフトウェア、または、それらの組合せを用いて実施の形態を実現してもよい。ソフトウェアで実現された場合、１つのコンピュータ上に配置されていても複数のコンピュータ間で分散されていても任意の適切なプロセッサまたはプロセッサの集まり上でこのソフトウェアコードを実行できる。このようなプロセッサは、１つの集積回路部品に１つ以上のプロセッサを含めた集積回路として実現されてもよい。しかし、プロセッサは、任意の適切なフォーマットの回路を用いて実現されてもよい。

また、本明細書において概要を説明した様々な方法または工程は、様々なオペレーティングシステムまたはプラットフォームのいずれか１つを採用する１つ以上のプロセッサ上で実行可能なソフトウェアとしてコーディングされてもよい。これに加えて、このようなソフトウェアは、複数の適したプログラミング言語および／もしくはプログラミングツールもしくはスクリプティングツールのいずれかを用いて書かれてもよく、または、フレームワークもしくは仮想マシン上で実行される実行可能な機械言語コードもしくは中間コードとしてコンパイルされてもよい。典型的に、プログラムモジュールの機能は、様々な実施の形態において所望されるように組み合わせたり分散させたりしてもよい。

また、本発明の実施の形態は、説明を行った方法として実装されてもよい。方法の一部として実行される動作は、適切に順序付けされてもよい。したがって、例示した順序とは異なる順序で動作を実行する実施の形態が構成されてもよく、例示した実施の形態では連続した動作として示されていたとしても、一部の動作を同時に行うことを含んでもよい。

好ましい実施の形態の例として本発明を説明したが、本発明の要旨および範囲内で様々なその他の改作および変更が行われてもよいことを理解されたい。そのため、添付の特許請求の範囲の目的は、本発明の趣旨および範囲に含まれるすべてのこのような変形例および変更例を対象として含むことである。

Claims (15)

1. 自動運転車を制御するためのシステムであって、
   縦加速の値および横加速の値から成る許容空間を規定するｇ－ｇプロットのパラメータを格納するように構成されたメモリを備え、前記ｇ－ｇプロットのパラメータは、最大前方加速と、最大後方加速と、最大横加速と、前記前方加速の最大値、前記後方加速の最大値、および前記横加速の最大値をつないだ曲線のプロファイルを規定する形状パラメータとを含み、前記システムは、さらに、
   前記車両の同乗者からのフィードバックとして快適度を受け付けるように構成された入力インターフェースと、
   前記フィードバックに対応する主要パラメータを特定し、かつ、前記フィードバックが示す前記快適度に基づいて前記ｇ－ｇプロットの前記主要パラメータを更新するように構成されたプロセッサと、
   更新された前記ｇ－ｇプロットのパラメータが規定する前記許容空間内に前記車両の運動性能を維持するように前記車両を制御するように構成されるコントローラとを備える、システム。
2. 前記プロセッサは、前記フィードバックを受け付けたことに応答して、前記主要パラメータの値のその最大値までの近さに基づいて前記ｇ－ｇプロットの前記主要パラメータを特定する、請求項１に記載のシステム。
3. 前記ｇ－ｇプロットのパラメータのうち前記前方加速の値がその最大値に最も近く、前記前方加速の値とその最大値との距離が定義済みの範囲内である場合、前記プロセッサは、前記主要パラメータとして前記前方加速を選択し、
   前記ｇ－ｇプロットのパラメータのうち前記後方加速の値がその最大値に最も近く、前記後方加速の値とその最大値との距離が前記定義済みの範囲内である場合、前記プロセッサは、前記主要パラメータとして前記後方加速を選択し、
   前記ｇ－ｇプロットのパラメータのうち前記横加速の値がその最大値に最も近く、前記横加速の値とその最大値との距離が前記定義済みの範囲内である場合、前記プロセッサは、前記主要パラメータとして前記横加速を選択し、
   いずれの場合でもない場合、前記プロセッサは、前記主要パラメータとして前記形状パラメータを選択する、請求項２に記載のシステム。
4. 前記プロセッサは、
   所定の態様で移動するように前記車両を制御することを前記コントローラに要求して、前記ｇ－ｇプロットのパラメータのうちの１つを主要パラメータにし、
   前記所定の態様における前記車両の移動に対する前記フィードバックを提供するように前記同乗者に要求し、
   前記フィードバックに基づいて、前記所定の態様における移動に対応付けられている前記主要パラメータを更新するように構成される、請求項１に記載のシステム。
5. 前記プロセッサは、前記最大前方加速を上回る前記前方加速の値で前記車両を直進させるように前記コントローラに要求して、前記前方加速を前記主要パラメータにし、
   前記プロセッサは、前記最大後方加速を上回る前記後方加速の値で前記車両を直進させるように前記コントローラに要求して、前記後方加速を前記主要パラメータにし、
   前記プロセッサは、前記最大横加速を上回る前記横加速の値でカーブを通過させるように前記コントローラに要求して、前記横加速を前記主要パラメータにし、
   前記プロセッサは、前記ｇ－ｇプロットのプロファイルをなぞる前記横加速の値および前記前方加速の値で前記カーブを通過させるように前記コントローラに要求して、前記横加速を前記主要パラメータにする、請求項４に記載のシステム。
6. 前記同乗者が前記主要パラメータの値で快適であることを前記フィードバックの前記快適度が示す場合、前記プロセッサは、前記主要パラメータの最大値を上げ、
   前記同乗者が前記主要パラメータの値で不快であることを前記フィードバックの前記快適度が示す場合、前記プロセッサは、前記主要パラメータの最大値を下げる、請求項１に記載のシステム。
7. 前記プロセッサは、ステップ幅の所定の値に基づいて前記主要パラメータを増減させる、請求項６に記載のシステム。
8. 前記ステップ幅の値は、前記主要パラメータを更新するイテレーションの数に基づいて変化する、請求項７に記載のシステム。
9. 自動運転車を制御するための方法であって、前記方法は、格納している前記方法を実装する命令に連結されたプロセッサを利用し、前記命令は、前記プロセッサによって実行されると、前記方法のステップを実行し、前記方法は、
   前記車両の同乗者からのフィードバックとして快適度を受け付けるステップと、
   前記フィードバックに対応するｇ－ｇプロットの主要パラメータを特定するステップとを含み、前記ｇ－ｇプロットは、縦加速の値および横加速の値から成る許容空間を規定し、前記ｇ－ｇプロットのパラメータは、最大前方加速と、最大後方加速と、最大横加速と、前記前方加速の最大値、前記後方加速の最大値、および前記横加速の最大値をつないだ曲線のプロファイルを規定する形状パラメータとを含み、前記ステップは、さらに、
   前記フィードバックが示す前記快適度に基づいて前記ｇ－ｇプロットの前記主要パラメータを更新するステップと、
   更新された前記ｇ－ｇプロットのパラメータが規定する前記許容空間内に前記車両の運動性能を維持するように前記車両を制御するステップとを含む、方法。
10. 前記主要パラメータの値のその最大値までの近さに基づいて前記ｇ－ｇプロットの前記主要パラメータを特定するステップをさらに含む、請求項９に記載の方法。
11. 前記ｇ－ｇプロットのパラメータのうち前記前方加速の値がその最大値に最も近く、前記前方加速の値とその最大値との距離が定義済みの範囲内である場合、前記主要パラメータとして前記前方加速を選択するステップと、
    前記ｇ－ｇプロットのパラメータのうち前記後方加速の値がその最大値に最も近く、前記後方加速の値とその最大値との距離が前記定義済みの範囲内である場合、前記主要パラメータとして前記後方加速を選択するステップと、
    前記ｇ－ｇプロットのパラメータのうち前記横加速の値がその最大値に最も近く、前記横加速の値とその最大値との距離が前記定義済みの範囲内である場合、前記主要パラメータとして前記横加速を選択するステップと、
    いずれの場合でもない場合、前記主要パラメータとして前記形状パラメータを選択するステップとをさらに含む、請求項９に記載の方法。
12. 所定の態様で移動するように前記車両を制御することを前記コントローラに要求して、前記ｇ－ｇプロットのパラメータのうちの１つを主要パラメータにするステップと、
    前記所定の態様における前記車両の移動に対する前記フィードバックを提供するように前記同乗者に要求するステップと、
    前記フィードバックに基づいて、前記所定の態様における移動に対応付けられている前記主要パラメータを更新するステップとをさらに含む、請求項９に記載の方法。
13. 前記最大前方加速を上回る前記前方加速の値で前記車両を直進させるように要求して、前記前方加速を前記主要パラメータにするステップと、
    前記最大後方加速を上回る前記後方加速の値で前記車両を直進させるように要求して、前記後方加速を前記主要パラメータにするステップと、
    前記最大横加速を上回る前記横加速の値でカーブを通過させるように要求して、前記横加速を前記主要パラメータにするステップと、
    前記ｇ－ｇプロットのプロファイルをなぞる前記横加速の値および前記前方加速の値で前記カーブを通過させるように要求して、前記横加速を前記主要パラメータにするステップとをさらに含む、請求項１２に記載の方法。
14. 前記同乗者が前記主要パラメータの値で快適であることを前記フィードバックの前記快適度が示す場合、前記主要パラメータの最大値を上げるステップと、
    前記同乗者が前記主要パラメータの値で不快であることを前記フィードバックの前記快適度が示す場合、前記主要パラメータの最大値を下げるステップとをさらに含む、請求項９に記載の方法。
15. プロセッサによって実行可能であり、方法を実行するためのプログラムを含んだ非一時的なコンピュータ読み取り可能な記憶媒体であって、前記方法は、
    前記車両の同乗者からのフィードバックとして快適度を受け付けるステップと、
    前記フィードバックに対応するｇ－ｇプロットの主要パラメータを特定するステップとを含み、前記ｇ－ｇプロットは、縦加速の値および横加速の値から成る許容空間を規定し、前記ｇ－ｇプロットのパラメータは、最大前方加速と、最大後方加速と、最大横加速と、前記前方加速の最大値、前記後方加速の最大値、および前記横加速の最大値をつないだ曲線のプロファイルを規定する形状パラメータとを含み、前記ステップは、さらに、
    前記フィードバックが示す前記快適度に基づいて前記ｇ－ｇプロットの前記主要パラメータを更新するステップと、
    更新された前記ｇ－ｇプロットのパラメータが規定する前記許容空間内に前記車両の運動性能を維持するように前記車両を制御するステップとを含む、非一時的なコンピュータ読み取り可能な記憶媒体。

Images