JP2023024956A - 自動運転車両に用いられるシミュレーション方法及び自動運転車両を制御する方法 - Google Patents
自動運転車両に用いられるシミュレーション方法及び自動運転車両を制御する方法 Download PDFInfo
- Publication number
- JP2023024956A JP2023024956A JP2022125319A JP2022125319A JP2023024956A JP 2023024956 A JP2023024956 A JP 2023024956A JP 2022125319 A JP2022125319 A JP 2022125319A JP 2022125319 A JP2022125319 A JP 2022125319A JP 2023024956 A JP2023024956 A JP 2023024956A
- Authority
- JP
- Japan
- Prior art keywords
- simulation
- vehicle
- autonomous vehicle
- information
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 365
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000005457 optimization Methods 0.000 claims description 62
- 230000004044 response Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 22
- 230000002159 abnormal effect Effects 0.000 description 15
- 230000005856 abnormality Effects 0.000 description 12
- 230000007613 environmental effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000001960 triggered effect Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000003936 working memory Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
- G05D1/0282—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal generated in a local control room
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
【課題】自動運転車両に用いられるシミュレーション方法及び自動運転車両を制御する方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム製品に関する。【解決手段】自動運転車両に用いられるシミュレーション方法は、前記自動運転車両の現在状態情報を取得するステップと、前記現在状態情報に基づいてシミュレーションを行うことで、前記自動運転車両に用いられる予測情報を取得するステップと、前記自動運転車両に前記予測情報を送信するステップと、を含む。【選択図】図2
Description
本開示は、インテリジェント交通分野に関し、特に、自動運転のシミュレーション及び制御技術に関し、具体的には、自動運転車両に用いられるシミュレーション方法、自動運転車両を制御する方法、装置、電子機器、コンピュータ可読記憶媒体、及びコンピュータプログラム製品に関する。
自動運転の分野では、車両の処理能力によって、自動運転に用いられる位置特定モジュール、感知モジュール、意思決定モジュール、制御モジュールなどのモジュールの機能を実現することができる。デジタルツインを使用してリアルタイムの都市交通状況を見たり、歴史交通状況に回帰テストを行ったりすることができる。
このセクションに記載されている方法は、必ずしも、以前に想定又は採用された方法ではない。特に明記しない限り、このセクションに記載されているいかなる方法は、このセクションに含まれているだけで、従来技術と見なされると仮定するべきではない。同様に、特に明記しない限り、このセクションで言及されている問題は、どの従来技術でも公認されていると見なされるべきではない。
本開示の一態様によれば、自動運転車両に用いられるシミュレーション方法であって、前記自動運転車両の現在状態情報を取得するステップと、前記現在状態情報に基づいてシミュレーションを行うことで、前記自動運転車両に用いられる予測情報を取得するステップと、前記自動運転車両に前記予測情報を送信するステップと、を含む、方法を提供する。
本開示の別の態様によれば、自動運転車両を制御するための方法であって、クラウドシミュレーションシステムに前記自動運転車両の現在状態情報を送信するステップと、前記クラウドシミュレーションシステムが前記現在状態情報に基づいてシミュレーションを行って得られた予測情報を取得するステップと、前記予測情報に基づいて前記自動運転車両に用いられる制御情報を生成するステップと、を含む、方法を提供する。
本発明の別の態様によれば、自動運転車両に用いられるシミュレーション装置であって、前記自動運転車両の現在状態情報を取得するように構成される取得ユニットと、前記現在状態情報に基づいてシミュレーションを行うことで、前記自動運転車両に用いられる予測情報を取得するように構成されるシミュレーションユニットと、前記自動運転車両に前記予測情報を送信するように構成される送信ユニットと、を含む、装置を提供する。
本開示の別の態様によれば、自動運転車両を制御するための装置であって、クラウドシミュレーションシステムに前記自動運転車両の現在状態情報を送信するように構成される送信ユニットと、前記クラウドシミュレーションシステムが前記現在状態情報に基づいてシミュレーションを行って得られた予測情報を取得するように構成される取得ユニットと、前記予測情報に基づいて前記自動運転車両に用いられる制御情報を生成するように構成される制御ユニットと、を含む、装置を提供する。
本開示の別の態様によれば、前述のように自動運転車両を制御するための装置を含む車両を提供する。
本開示の別の態様によれば、少なくとも1つのプロセッサと、少なくとも1つのプロセッサと通信可能に接続されたメモリと、を含む電子機器であって、メモリには命令が記憶されており、該命令は、少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサに本開示に記載の方法を実行させる、電子機器を提供する。
本開示の別の態様によれば、コンピュータ命令を記憶した非一時的コンピュータ可読記憶媒体であって、該コンピュータ命令は、本開示に記載の方法をコンピュータに実行させるために用いられる、非一時的コンピュータ可読記憶媒体を提供する。
本開示の別の態様によれば、コンピュータプログラムを含むコンピュータプログラム製品であって、該コンピュータプログラムは、プロセッサによって実行されると、本開示に記載の方法を実現する、コンピュータプログラム製品を提供する。
本開示の1つ又は複数の実施例によれば、車両のリアルタイム状態を取得することにより、車両のリアルタイム状態に基づいてシミュレーションを行い、将来の一定期間におけるファスターザンリアルタイムシミュレーションの予測結果を車両に提供することができる。
このセクションに記載されている内容は、本開示の実施例の主要な特徴又は重要な特徴を特定することを意図しておらず、本開示の範囲を限定するものでもないことを理解されたい。本開示の他の特徴は、以下の説明によって容易に理解されるであろう。
図面は、実施例を例示的に示し、明細書の一部を構成し、明細書の文字記述と共に実施例の例示的な実施形態を説明するために用いられる。示される実施例は、例示のみを目的としており、請求項の範囲を限定するものではない。図面全体を通して、同じ参照番号は、必ずしも同一ではないが、類似の要素を指す。
以下、図面を参照して本開示の例示的な実施例を説明し、その中には、理解を容易にするために本開示の実施例の様々な詳細が含まれ、それらは単に例示的なものと見なされるべきである。したがって、本開示の範囲から逸脱することなく、本明細書に記載される実施例に対して様々な変更及び修正を行うことができることを当業者は認識するであろう。同様に、分かりやすく簡潔にするために、以下の説明では、周知の機能及び構造についての記載は省略する。
本明細書において、「第1」、「第2」などの用語は、特に明記しない限り、各種要素を説明するために用いられ、これらの要素の位置関係、時系列的関係、又は重要性関係を限定するためのものではなく、単に一構成要素を他の構成要素と区別するための用語である。いくつかの例では、第1の要素及び第2の要素は、その要素の同じ例を指し得るが、場合によっては、それらは、文脈の記述に基づいて異なる例を指し得る。
本開示において様々な前記例の説明に使用される用語は、特定の例を説明することのみを目的とし、限定することを意図していない。文脈が明確にそうでないことを示さない限り、要素の数を特に限定しない限り、該要素は1つであっても複数であってもよい。さらに、本開示で使用される「及び/又は」という用語は、列挙された項目のいずれか、及び全ての可能な組み合わせを包含する。
自動運転の分野では、自動運転システムの性能を向上させるために、単一の車両の処理能力を向上させることによって、より高い計算力で位置特定モジュール、感知モジュール、意思決定モジュール、制御モジュールなどのモジュールの性能を向上させることができる。しかし、単一の車両の計算力リソースの向上は常に限られており、これらの限られたリソースは全て、現在の環境での車両運行の計算を提供するために用いられる必要があり、同時にリアルタイムシミュレーション、ファスターザンリアルタイムシミュレーションに用いられる計算力の余裕がなく、そのため、自動運転中の将来の一定期間(例えば数秒)後に問題が発生する可能性を予測することができない。
都市交通の分野では、デジタルツイン技術は、リアルタイムの都市交通状況を見たり、歴史交通状況に回帰テストを行ったりすることなどに用いられることができるが、将来の一定期間にわたる環境の変化がどのような問題を生じ得るかを、単一のインテリジェント車両について予測することもできない。
上記問題を解決するために、本開示の実施例は、自動運転車両に用いられるシミュレーションの新規な方法及び自動運転車両を制御する方法を提供する。以下、図面を参照して本開示の原理を説明する。
図1は、例示的な実施例による応用シナリオ100の概略図を示す。図1に示すように、該応用シナリオ100は、車両110(例えば図1に示される車両)、ネットワーク120、サーバ130、及びデータベース140を含んでもよい。ここで、車両110は、自動運転に用いられる電子システムを搭載してもよい。
車両110は、衛星測位センサ(例えばGPS、北斗システムなど)、速度センサ、慣性センサ(例えば加速度センサ及び/又はジャイロスコープ)、方向センサ、レーザセンサ、画像センサ、レーダーなどの様々なセンサに結合されてもよい。車両に取り付けられたセンサにより取得されたセンシングデータを用いて、車両状態情報、環境情報、運行状態情報などの車両の現在状態を示す情報を取得することができる。
車両110は、通信ユニットをさらに含んでもよく、車両の現在状態情報を示す情報を、ネットワーク120を介してサーバ130に送信し、サーバ130によって、本願が提供する自動運転車両に用いられるシミュレーション方法を実行することができる。
いくつかの実現形態において、サーバ130は、サーバ内蔵アプリケーションを利用して本願が提供する自動運転車両に用いられるシミュレーション方法を実行することができる。他のいくつかの実現形態において、サーバ130は、サーバの外部に記憶されたアプリケーションを呼び出すことにより、本願が提供する自動運転車両に用いられるシミュレーション方法を実行することができる。
ネットワーク120は、単一のネットワークであってもよく、又は少なくとも2つの異なるネットワークの組み合わせであってもよい。例えば、ネットワーク120は、ローカルエリアネットワーク、ワイドエリアネットワーク、パブリックネットワーク、プライベートネットワークなどのうちの1つ又は複数の組み合わせを含んでもよいが、これらに限定されない。
サーバ130は、個別のサーバであってもよく、又は1つのサーバファームであってもよく、ファーム内の個々のサーバは、有線又は無線のネットワークを介して接続される。1つのサーバファームは、データセンタのような集中型であってもよいし、分散型であってもよい。サーバ130は、ローカル又はリモートであってもよい。
データベース140は、記憶機能を有する装置を広く指してもよい。データベース140は、主に、車両110やサーバ130の動作に利用、生成、及び出力される各種データを記憶するために用いられる。データベース140は、ローカル又はリモートであってもよい。データベース140は、例えばランダムアクセスメモリ(Random Access Memory(RAM))、リードオンリーメモリ(Read Only Memory(ROM))などの各種メモリを含んでもよい。上記で言及されたストレージデバイスはいくつかの例を挙げただけであり、該システムが利用可能なストレージデバイスはこれらに限定されるものではない。
データベース140は、ネットワーク120を介してサーバ130又はその一部と相互接続又は通信するか、又は直接サーバ130と相互接続又は通信するか、又は上記2つの方式の組み合わせであってもよい。
いくつかの実施例において、データベース140は、スタンドアロンデバイスであってもよい。他のいくつかの実施例において、データベース140は、車両110及びサーバ130のうちの少なくとも1つに統合されてもよい。例えば、データベース140は、車両110に設置されてもよいし、サーバ130に設置されてもよい。また例えば、データベース140は、分散型であってもよく、その一部が車両110に設置され、他の部分がサーバ130に設置されている。
図2は、本開示の実施例による自動運転車両に用いられるシミュレーション方法のフローチャートを示す。図1に示されるサーバ130を用いて図2に示される方法200を実行することができる。ここでサーバ130は、クラウドサーバとして実現されてもよい。サーバ130に本開示の実施例によるクラウドシミュレーションシステムを配備してもよい。
図2に示すように、ステップS202において、自動運転車両の現在状態情報を取得することができる。
いくつかの実施例において、車両の現在状態情報は、車両状態情報、環境情報、モジュール運行状態情報を含んでもよい。
いくつかの実現形態において、車両状態情報は、車両姿勢情報、車両速度情報、車両制御システム情報などを含んでもよい。例えば、車両姿勢情報は、車両ヘッドベクトル方向、吊り下げトランク角、地理的位置(例えばGPS位置など)を含んでもよいが、これらに限定されない。また例えば、車両速度情報は、車両速度ベクトル、車両加速度ベクトル、車両アクセル/ブレーキサイズなどを含んでもよいが、これらに限定されない。また、例えば、車両制御システム情報は、車両エンジン回転数、車両エンジンギア、トランスミッション状態、クラッチ状態などを含んでもよいが、これらに限定されない。
いくつかの実現形態において、環境情報は、自動運転車両周辺の車線情報、道路情報(例えば、道路が高速道路、低速道路、カーブ、上り坂及び下り坂などである)、交通標識の位置、交通標識の種類、信号機の位置、信号機(例えば交通信号灯)の色、自動運転車両周辺の他の車両のサイズ、位置及び速度、自動運転車両周辺の歩行者の位置及び速度、天候などを含んでもよい。自動運転車両に取り付けられたセンサ(例えばレーダー、ライダー、カメラなど)によってセンシング情報を取得し、取得したセンシング情報を融合することで上記環境情報を取得することができる。当業者は、任意の既存の方法を用いてセンシング情報を融合して、自動運転車両周辺の環境情報を取得することができることを理解できるであろう。
いくつかの実現形態において、モジュール運行状態情報は、自動運転システムの個々のアルゴリズムモジュールの運行状態、例えば位置特定モジュール、感知モジュール、意思決定モジュール、制御モジュールなどの各アルゴリズムモジュールの運行状態を含んでもよい。いくつかの例では、モジュール運行状態情報は、個々のモジュールの運行結果が正常であることを示す情報、個々のモジュールの運行結果が異常であることを示す情報、個々のモジュールの運行フレームレート、個々のモジュールの警告ログなどを含んでもよい。
いくつかの実現形態において、方法200を実行するサーバは、複数の自動運転車両の接続を可能にし、且つ、複数の自動運転車両の現在状態情報を取得することができる。
いくつかの例では、車両キューによって個々の自動運転車両の現在状態情報を記憶することができる。ここで、車両キュー内の各ノードは、1つの自動運転車両に対応する。各車両の車両ノードには、該車両の番号及び車両状態キューが保存されてもよい。ここで、各車両の車両状態キューには、所定数(例えば300個)の複数の車両状態ノードが含まれてもよい。
自動運転車両が初めてサーバに接続したときに、シミュレーションプロセスを実行するためのサーバは、自動運転車両に対して独立したシミュレーション環境を割り当て、自動運転車両が初めて接続したときの現在状態情報を該車両に用いられる車両ノードのうちの第1の車両状態ノードに保存し、車両の初期化の完了を知らせることができる。そして、該車両がサーバに接続するたびに、最新の現在状態情報を車両状態キューに記憶することができる。車両状態キューが完全に書き込まれた後、最新の現在状態情報が書き込まれるたびに、最も古い車両状態ノードを削除してもよい。
いくつかの実現形態において、自動運転車両は、自身の現在状態情報をサーバのシミュレーションシステムに周期的に(例えば、周期として毎秒)送信することができる。
当業者は、実際の状況に応じて、車両キュー内の車両ノードの数を設置することができることを理解できるであろう。場合によっては、車両キュー内の個々の車両ノードの車両番号は、10進整数で表されてもよい。車両キュー内の車両番号が10桁の10進整数で表される場合、サーバは、数百億台の車両の情報を同時に収容することができる。
ステップS204において、現在状態情報に基づいてシミュレーションを行うことで、自動運転車両に用いられる予測情報を取得することができる。いくつかの実施例において、車両の現在状態情報及び現在時刻より前の一定期間の車両の運転状態に基づいてシミュレーションを行うことができる。該シミュレーションは、具体的には、リアルタイムシミュレーション及び/又はファスターザンリアルタイムシミュレーションを含んでもよい。
ファスターザンリアルタイムシミュレーションは、シミュレーションシステム内の時間経過が実システム内の事象経過よりも速いシミュレーション研究を指す。つまり、実システム内の現在時刻から将来の一定期間における状態を、ファスターザンリアルタイムシミュレーションによりシミュレーションし、上記将来の一定期間における予測情報を取得することができる。ファスターザンリアルタイムシミュレーションの定義は、システムシミュレーションモデルの時間経過が実システムの時間経過よりも速いシミュレーション研究であり、つまり将来の所定期間における状態をシミュレーションし、当業者が必要に応じて自ら所定期間の時間幅、例えば3s、5s、20sなどを設置することができるが、もちろんこれらに限定されるものではない。
いくつかの実施例において、ステップS204は、自動運転車両が送信したシミュレーション要求を受信したことに応答して、少なくとも現在状態情報がマッピングされたシミュレーション環境においてシミュレーションを実行することで、自動運転車両の最適化パラメータ又は将来の所定期間における前記自動運転車両の運転状態を予測するステップを含んでもよい。
いくつかの実現形態において、シミュレーション要求は、シミュレーションを実行する自動運転車両から周期的に受信される。いくつかの例では、シミュレーション要求は、車両の現在状態情報とともにサーバに送信されてもよい。
いくつかの例では、自動運転車両が初期化を完了し、即ちサーバにおいて自動運転車両に車両ノード及びシミュレーション環境を割り当てた後、自動運転車両は、所定の要求周期でシミュレーション要求をサーバのシミュレーションシステムに送信することができる。早期警告シミュレーションが将来の所定期間(T)内の運転状態の予測を実現できる場合、自動運転車両は、Tを周期としてシミュレーション要求をサーバに送信することができる。例えば、Tが20秒に等しいことを例として、自動運転車両は、20秒ごとにシミュレーション要求をサーバに送信することができる。他のいくつかの例では、自動運転車両は、初期化後0秒目に1回目のシミュレーション要求を送信し、初期化後T/2秒目に2回目のシミュレーション要求を送信し、2回目のシミュレーション要求から、Tの周期でシミュレーション要求をサーバに送信してもよい。即ち、1.5T秒目に3回目のシミュレーション要求を送信し、2.5T秒目に4回目のシミュレーション要求を送信する、などとしてもよい。このようにして、自動運転車両の将来の少なくともT/2期間における運転状態が、早期警告シミュレーションによって検証されることを保証することができる。
他のいくつかの例では、自動運転車両が運転状態に異常が存在する可能性があることを検出したとき、追加のシミュレーション要求をサーバに送信してもよい。一般論として、シミュレーション要求は、自動運転車両が周期的に送信したシミュレーション要求、及び前記自動運転車両が特定の運転状態にあるときに能動的に送信したシミュレーション要求のうちの少なくとも1つを含む。例えば、自動運転車両が、その現在状態情報に基づいて、現在状態情報が不良である(例えばある状態量に著しい異常がある)か、又は危険が生じる可能性があると判定した場合、シミュレーション要求を能動的に送信する。
本開示の原理から逸脱することなく、当業者は、実際の状況に応じて、自動運転車両の周期的なシミュレーション要求を設置することができることを理解することができる。例えば、自動運転車両はT/2の周期でシミュレーション要求を送信するように設置することなども可能である。
自動運転車両が送信したシミュレーション要求は、シミュレーションタイプパラメータを含んでもよく、ここでシミュレーションタイプパラメータは、実行されるシミュレーションが、早期警告シミュレーション及びパラメータ最適化シミュレーションのうちの少なくとも1つであることを示してもよい。シミュレーション要求は、実行されるシミュレーションがパラメータ最適化シミュレーションであることをシミュレーションタイプパラメータが示す場合に、パラメータ最適化シミュレーションが意図する最適化タイプを示すものをさらに含んでもよい。例えば、シミュレーション要求は、パラメータ最適化シミュレーションが意図する最適化タイプが自動運転車両の位置特定(location)モジュールのためのパラメータ、自動運転車両の感知(perception)モジュールのためのパラメータ、自動運転車両の計画(planning)モジュールのためのパラメータ、及び自動運転車両の制御(control)モジュールのためのパラメータであることを示すものを含んでもよい。いくつかの例では、シミュレーションタイプパラメータはまた、早期警告シミュレーションとパラメータ最適化シミュレーションの両方を含むシミュレーションタイプパラメータが実行されることを示してもよい。この場合、早期警告シミュレーションの予測情報が、将来の一定期間にわたって自動運転車両の予測運転状態に異常がないことを示す場合、早期警告シミュレーションの実行完了後にパラメータ最適化シミュレーションを自動的に実行することができる。
ここで、予測シミュレーションによる予測情報は、将来の所定期間における自動運転車両に用いられる予測運転状態を含んでもよく、パラメータ最適化シミュレーションによる予測情報は、自動運転車両に用いられる最適化パラメータを含んでもよい。
シミュレーション要求が、シミュレーションが早期警告シミュレーションであることを示すシミュレーションタイプパラメータを含む場合(即ち、シミュレーションが早期警告シミュレーションである場合)、現在時刻より後の一定期間内の車両の予測運転状態を得るために、様々な既知の自動運転シミュレーション技術を用いて、自動運転車両の現在状態情報及び/又は現在時刻より前の一定期間内の運転状態をシミュレーションすることができる。
シミュレーション要求が、シミュレーションがパラメータ最適化シミュレーションであることを示すシミュレーションタイプパラメータを含む場合(シミュレーションがパラメータ最適化シミュレーションである場合)、シミュレーションは、少なくとも自動運転車両の現在状態情報がマッピングされた複数のシミュレーション環境を並行して実行することであって、各シミュレーション環境は異なるシミュレーションパラメータを用いることと、個々のシミュレーション環境から得られたシミュレーション結果に基づいて、最適化パラメータを決定することと、により実行されてもよい。ここで、最適化パラメータは、自動運転車両の位置特定モジュールのためのパラメータ、自動運転車両の感知モジュールのためのパラメータ、自動運転車両の計画モジュールのためのパラメータ、及び自動運転車両の制御モジュールのためのパラメータのうちの少なくとも1つであってもよい。自動運転車両の感知モジュールのためのパラメータは、車両の最大認識距離、最小認識精度などのパラメータを含んでもよい。自動運転車両の計画モジュールのためのパラメータは、所望の車間距離及び速度、最大車線逸脱距離などのパラメータを含んでもよい。自動運転車両の制御モジュールのためのパラメータは、摩擦係数、エンジントルクなどのパラメータを含んでもよい。
つまり、単一の車両の計算力が不足する場合に、サーバが車両のリアルタイム状態を取得してシミュレーションを行うことで、車両運行のための最適な結果を取得することができる。
異なるシミュレーションタイプは、異なる数字を用いて表されてもよい。数字0は、デフォルトの規則に従って、早期警告シミュレーション又はパラメータ最適化シミュレーションを実行することを決定することを示してもよい。数字1は、早期警告シミュレーションの実行を示してもよい。数字2は、パラメータ最適化シミュレーションの実行を示してもよい。前述は、本開示の単なる例示であることが理解される。本開示の原理から逸脱することなく、当業者は、異なるシミュレーションタイプを示すために、任意の他の可能な方法でシミュレーションタイプパラメータを表すことができる。
シミュレーションパラメータタイプがデフォルトの規則に従ってシミュレーションを実行することを示す場合、予め設置されたシミュレーション周期及び自動運転車両の現在状態情報のうち少なくとも1つに基づいて早期警告シミュレーションを実行することができる。
いくつかの実現形態において、デフォルト規則は、少なくとも自動運転車両の現在状態情報に基づいて、早期警告シミュレーションを実行する必要があるか否かを決定することを含んでもよい。
現在状態情報における車両が車両運転状況及び環境状況に異常がないことを示す場合、所定のシミュレーション周期で周期的に早期警告シミュレーションを実行することができる。当業者は実際の状況に応じてシミュレーション周期の大きさを設置することができる。シミュレーション周期は、予め設置された固定周期であってもよいし、車両運転状態に基づいて調整された変化周期であってもよい。例えば、ある回の早期警告シミュレーションの結果が、車両の運転状態に異常が発生する可能性があることを示す場合や、車両が送信した現在状態情報が車両に危険がある可能性があることを示す場合、シミュレーション周期を短くすることができる。逆に、異常や危険がない場合、シミュレーション周期を長くすることができる。
車両の現在状態情報が、車両に危険がある可能性があることを示す場合、周期的な早期警告シミュレーションに加えて、直ちに追加の早期警告シミュレーションを実行するようにしてもよい。例えば、現在状態情報における環境情報が、車両の前方の道路が工事中であること、車両の周辺に異物が存在すること、及び雨雪のような気象状況に異常があることを示す場合や、又は現在状態情報における車両状態情報及びモジュール運行状態情報が、車両自身の運転状態に異常があることを示す場合、将来の一定期間における車両の運転状態が正常であるか否かを事前に予測するために、早期警告シミュレーションを実行することができる。
シミュレーションパラメータタイプが早期警告シミュレーション又はパラメータ最適化を要求することを示す場合、シミュレーション要求に応答して対応するタイプのシミュレーションを実行してもよい。例えば、異常が発生する可能性があることを自動運転車両が検出したとき、自動運転車両は、シミュレーションパラメータタイプを早期警告シミュレーション又はパラメータ最適化シミュレーションを示すように設置することによって、周期的シミュレーション以外の追加シミュレーションを実行するようにサーバのシミュレーションシステムに能動的に要求することができる。例えば、車両が、前方カーブが道路修築中であることを検出したときに、シミュレーションパラメータタイプが、早期警告シミュレーション及び/又はパラメータ最適化シミュレーションを示すシミュレーション要求を送信してもよい。
毎回のシミュレーションには一定のシミュレーション時間が必要であるため、前回のシミュレーションがまだ実行済みでない場合に、車両のシミュレーション要求に応答して、又はシミュレーション周期に基づいて、新たなシミュレーションをトリガする場合がある。この場合、未だ完了していないシミュレーション及び/又は新たにトリガされたシミュレーションのタイプに基づいて新たなシミュレーションの実行を直ちに開始するか否かを決定することができる。ここで、車両の能動的な要求に応答してトリガされたシミュレーションは、より高い優先度を有する。
例えば、まだ完了していないシミュレーションが車両の能動的な要求に応答した早期警告シミュレーションである場合、新たにトリガされたシミュレーションを無視又は延期して、前回のシミュレーションを実行し終えることができる。また例えば、まだ完了していないシミュレーションが所定のシミュレーション周期に基づいてトリガされたシミュレーションであり、新たにトリガされたシミュレーションが車両の能動的な要求に応答してトリガされる場合、まだ実行済みでない前回のシミュレーションプロセスを中断して直ちに新たなシミュレーションを開始するようにしてもよい。
ステップS206において、自動運転車両に予測情報を送信することができ、ここで予測情報はシミュレーションによって得られた結果である。
ここで、早期警告シミュレーションによる予測情報は、将来の所定期間における自動運転車両に用いられる予測運転状態を含んでもよく、及びパラメータ最適化シミュレーションによる予測情報は、自動運転車両に用いられる最適化パラメータを含む。予測運転状態は、正常、制御可能な異常、及び制御不能な異常のうちの少なくとも1つを含む。
自動運転車両は、早期警告シミュレーションによって得られた予測情報に基づいて、将来の所定期間内に車両の運転状態に異常があるか否かを判断することができる。予測情報に基づいて、将来の所定期間内に車両に制御不能な異常状態が発生すると決定した場合、自動運転車両は、ユーザが車両を引き継いで自動運転状態から離脱すること、又は車両を停止することを促す通知を出すことができる。予測情報に基づいて、将来の所定期間内に車両に制御可能な異常状態が発生すると決定した場合、その後の最適化処理のために異常状態を記録することができる。予測情報に基づいて将来の所定期間内に車両に異常がないと決定した場合、自動運転プロセスを継続してもよい。
パラメータ最適化シミュレーションから得られた予測情報に基づいて、自動運転車両は、サーバの計算力により、自動運転プロセスのための最適パラメータを取得することができる。例えば、自動運転車両の感知モジュールのためのパラメータについて、最適パラメータの基準は、認識正確度及び検出漏れ率などの基準に基づいて決定されてもよい。自動運転車両の計画モジュールのためのパラメータについて、最適パラメータの基準は、車両の快適性、他の車両からの最近距離などの基準に基づいて決定されてもよい。自動運転車両の制御モジュールのためのパラメータについて、最適パラメータの基準は、持続時間、燃費、車両の安定度などに基づいて決定されてもよい。
本開示が提供する実施例によれば、クラウドサーバに配置されたシミュレーションシステムは、自動運転車両の運転状態を取得し、車両に対するシミュレーションを実行して車両に用いられる予測情報を取得することができる。単一の車両の計算力が限られる状況において、クラウドに位置するシャドーシミュレーションシステムがリアルタイムで車両情報を取得し、車両の運転状態に基づいてファスターザンリアルタイムシミュレーションを行うことにより、自動運転中の車両の将来の一定期間の走行状態を予測することができ、これにより、車両の自動運転プロセスを最適化することができる。
図3は、本開示の実施例による自動運転車両を制御する方法のフローチャートを示す。図1に示される車両110を用いて図3に示される方法300を実行してもよい。
図3に示すように、ステップS302において、クラウドシミュレーションシステムに自動運転車両の現在状態情報を送信することができる。ここで、クラウドシミュレーションシステムは、図1に示されるサーバ130に配備されてもよい。
いくつかの実施例において、車両の現在状態情報は、車両状態情報、環境情報、モジュール運行状態情報を含んでもよい。
いくつかの実現形態において、車両状態情報は、車両姿勢情報、車両速度情報、車両制御システム情報などを含んでもよい。例えば、車両姿勢情報は、車両ヘッドベクトル方向、吊り下げトランク角、地理的位置(例えばGPS位置など)を含んでもよいが、これらに限定されない。また例えば、車両速度情報は、車両速度ベクトル、車両加速度ベクトル、車両アクセル/ブレーキサイズなどを含んでもよいが、これらに限定されない。また、例えば、車両制御システム情報は、車両エンジン回転数、車両エンジンギア、トランスミッション状態、クラッチ状態などを含んでもよいが、これらに限定されない。車両状態情報は、センサの運行に関する様々な基本パラメータを含むセンサ状態情報をさらに含む。さらに、センサ状態情報は、センサ正常、センサ制御可能な異常、センサ制御不能な異常などのような、車両システム自体によって判定されるセンサ状態フラグを含んでもよい。
いくつかの実現形態において、環境情報は、自動運転車両周辺の車線情報、道路情報(例えば、道路が高速道路、低速道路、カーブ、上り坂及び下り坂などである)、交通標識の位置、交通標識の種類、信号機の位置、信号機(例えば交通信号灯)の色、自動運転車両周辺の他の車両のサイズ、位置及び速度、自動運転車両周辺の歩行者の位置及び速度、天候などを含んでもよい。自動運転車両に取り付けられたセンサ(例えばレーダー、ライダー、カメラなど)によってセンシング情報を取得し、取得したセンシング情報を融合することで上記環境情報を取得することができる。当業者は、任意の既存の方法を用いてセンシング情報を融合して、自動運転車両周辺の環境情報を取得することができることを理解できるであろう。
いくつかの実現形態において、モジュール運行状態情報は、主にソフトウェアモジュールレベルの運行状態情報であり、自動運転システムの個々のアルゴリズムモジュールの運行状態、例えば位置特定モジュール、感知モジュール、意思決定モジュール、制御モジュールの運行状態を含んでもよい。いくつかの例では、モジュール運行状態情報は、個々のモジュールの運行結果が正常であることを示す情報、個々のモジュールの運行結果が異常であることを示す情報、個々のモジュールの運行フレームレート、個々のモジュールの警告ログなどを含んでもよい。
ステップS304において、クラウドシミュレーションシステムが車両の現在状態情報に基づいてシミュレーションを行って得られた予測情報を取得することができる。
いくつかの実施例において、周期的に、又は現在状態情報に基づいてクラウドシミュレーションシステムにシミュレーション要求を送信し、クラウドシミュレーションシステムがシミュレーション要求に応答して、少なくとも現在状態情報がマッピングされたシミュレーション環境においてファスターザンリアルタイムシミュレーションを実行して得られた予測情報を受信することができる。該シミュレーションは、リアルタイムシミュレーションであってもよいし、周期的なシミュレーションであってもよい。
いくつかの例では、自動運転車両が初期化を完了し、即ちサーバにおいて自動運転車両に車両ノード及びシミュレーション環境を割り当てた後、自動運転車両は、所定の要求周期でシミュレーション要求をサーバのシミュレーションシステムに送信することができる。他のいくつかの例では、自動運転車両が運転状態に異常が存在する可能性があることを検出したとき、追加のシミュレーション要求をサーバに送信してもよい。
自動運転車両が送信したシミュレーション要求は、シミュレーションタイプパラメータを含んでもよく、ここでシミュレーションタイプパラメータは、実行されるシミュレーションが、早期警告シミュレーション及びパラメータ最適化シミュレーションのうちの1つであることを示してもよい。シミュレーション要求は、実行されるシミュレーションがパラメータ最適化シミュレーションであることをシミュレーションタイプパラメータが示す場合に、パラメータ最適化シミュレーションが意図する最適化タイプを示すものをさらに含んでもよい。例えば、シミュレーション要求は、パラメータ最適化シミュレーションが意図する最適化タイプが自動運転車両の位置特定(location)モジュールのためのパラメータ、自動運転車両の感知(perception)モジュールのためのパラメータ、自動運転車両の計画(planning)モジュールのためのパラメータ、及び自動運転車両の制御(control)モジュールのためのパラメータであることを示すものを含んでもよい。いくつかの例では、シミュレーションタイプパラメータはまた、早期警告シミュレーションとパラメータ最適化シミュレーションの両方を含むシミュレーションタイプパラメータが実行されることを示してもよい。この場合、早期警告シミュレーションの予測情報が、将来の一定期間にわたって自動運転車両の予測運転状態に異常がないことを示す場合、早期警告シミュレーションの実行完了後にパラメータ最適化シミュレーションを自動的に実行することができる。
ここで、予測シミュレーションによる予測情報は、将来の所定期間における自動運転車両に用いられる予測運転状態を含んでもよく、パラメータ最適化シミュレーションによる予測情報は、自動運転車両に用いられる最適化パラメータを含んでもよい。
シミュレーション要求が、シミュレーションが早期警告シミュレーションであることを示すシミュレーションタイプパラメータを含むことに応答して、現在時刻より後の一定期間内の車両の予測運転状態を得るために、様々な既知の自動運転シミュレーション技術を用いて、自動運転車両の現在状態情報及び/又は現在時刻より前の一定期間内の運転状態をシミュレーションすることができる。
シミュレーション要求が、シミュレーションがパラメータ最適化シミュレーションであることを示すシミュレーションタイプパラメータを含むことに応答して、シミュレーションは、少なくとも自動運転車両の現在状態情報がマッピングされた複数のシミュレーション環境を並行して実行することであって、各シミュレーション環境は異なるシミュレーションパラメータを用いることと、個々のシミュレーション環境から得られたシミュレーション結果に基づいて、最適化パラメータを決定することと、により実行されてもよい。ここで、最適化パラメータは、自動運転車両の位置特定モジュールのためのパラメータ、自動運転車両の感知モジュールのためのパラメータ、自動運転車両の計画モジュールのためのパラメータ、及び自動運転車両の制御モジュールのためのパラメータのうちの少なくとも1つであってもよい。
異なるシミュレーションタイプは、異なる数字を用いて表されてもよい。数字0は、デフォルトの規則に従って、早期警告シミュレーション又はパラメータ最適化シミュレーションを実行することを決定することを示してもよい。数字1は、早期警告シミュレーションの実行を示してもよい。数字2は、パラメータ最適化シミュレーションの実行を示してもよい。前述は、本開示の単なる例示であることが理解される。本開示の原理から逸脱することなく、当業者は、異なるシミュレーションタイプを示すために、任意の他の可能な方法でシミュレーションタイプパラメータを表すことができる。
ステップS306において、予測情報に基づいて自動運転車両に用いられる制御情報を生成することができる。
いくつかの実施例において、予測情報が、将来の所定期間における自動運転車両の予測運転状態を含むとの決定に応答して、予測運転状態が制御可能な異常を含むことに応答して、制御可能な異常を記録することを示す制御情報を生成し、及び予測運転状態が制御不能な異常を含むことに応答して、自動運転車両の自動運転状態を終了させるための制御情報を生成する。他のいくつかの実施例において、予測情報が自動運転車両に用いられる最適化パラメータを含むとの決定に応答して、最適化パラメータを用いて自動運転車両の現在パラメータを更新するための制御情報を生成する。
自動運転車両は、クラウドシミュレーションシステムからの予測情報を受信すると、異なるタイプの予測情報に基づいて異なる操作を行うことができる。
パラメータ最適化シミュレーションの予測情報が提供するパラメータ最適化の結果について、車両は、現在状態がパラメータの切り替えに適しているか否かを評価することができる。現在の車両システムリソースの占有が正常であり、システム異常状況(例えば、CPUが100%を占めるなど)がなく、直ちに対処すべき周辺環境の緊急事態がない場合、受信した最適化パラメータでパラメータを更新することができる。現在状態がパラメータの切り替えに適していないことを評価結果が示す場合、受信した最適化パラメータを記憶し、適切なタイミングで更新することを待つことができる。
早期警告シミュレーションの予測情報が提供する予測運転状態について、予測運転状態に異常が発生したか否かを評価し、異常結果の深刻度を判断することができる。
予測運転状態が、将来の一定期間内に車両の運転状態に異常がないことを示すことに応答して、車両は何らの影響も受けずに通常走行する。
予測運転状態が、将来の一定期間内に車両の運転状態に制御可能な異常が発生したことを示すことに応答して、車両は、自動運転の監視モジュールに該異常情報を送信してもよい。例えば、予測運転状態がセンシングモジュールに出力がないフレームがあることを示す場合、該異常は自ら回復することができ、自動運転プロセスに影響を与えず、このとき制御可能な異常と見なすことができる。監視モジュールは、制御可能な異常の情報を受信した後、対応する異常通知を生成して該異常通知を出力することができる。例えば、制御可能な異常の早期警告情報を音声放送や画面表示により、車内の乗客又は遠隔オペレータに通知することができる。また、前記制御可能な異常を記録することを示す制御情報を生成して該制御可能な異常をログに記録するようにしてもよい。
予測運転状態が将来の一定期間内に車両の運転状態に制御不能な異常が発生したことを示すことに応答して、車両は、前記自動運転車両の自動運転状態を終了するための制御情報を生成して、車両の引き継ぎ又は車両の停止をユーザに提示することができる。例えば、制御モジュールが誤ったステアリングデータを出力して車両が突然暴走することを予測運転状態が示す場合、このような異常状態が重大な結果をもたらし、車両が対処できないため、このとき制御不能な異常と見なすことができる。このとき、車両の自動運転システムは、該異常が対処できないものであると判断し、該異常を高レベル故障に設置することができる。オペレータに引き継いで緊急停止モードに入るよう通知する方式で車両の自動運転状態を終了させ、かつ車両の自動運転状態の終了と同時に異常情報を報知してオペレータに引き継いで緊急停止モードに入るように通知することができる。
本開示の実施例が提供する上記方法により、自動運転車両は、クラウドシミュレーションシステムから将来の時刻に対する予測情報を取得し、予測情報に基づいて自動運転プロセスを調整することができ、これにより車両が危険を早期に感知して回避し、車両の暴走による異常結果を減少させることができる。この過程で、将来情報に対する予測計算は、単一の車両の計算力制限を受けないようにすることで、車両は、実際の状況に応じて車両自身の計算リソースを利用してより緊急性の高い計算タスクを実行することができ、クラウドサーバの計算リソースを利用して大規模な計算を必要とするタスクを実行することで、自動運転車両の安全性と経済性を両立することができる。
図4は、本開示の実施例による応用シナリオの例示的なシナリオ図を示す。図4に示すように、クラウドシミュレーションシステム410、自動運転車両401-1、401-2、及び環境車両402は、シナリオ400に含まれてもよい。クラウドシミュレーションシステム410は、無線ネットワークを介して複数の自動運転車両401-1、401-2から車両運転状態を示すデータを受信し、個々の車両の運転状態に基づいてシミュレーションを実行することで、将来の一定期間における車両の運転状態を予測する。そして、自動運転車両401-1、401-2は、それぞれクラウドシミュレーションシステム410からそれぞれの予測情報を取得し、予測情報に基づいて車両に用いられる制御情報を生成することができる。
図4に示されるクラウドシミュレーションシステム410は、図2に関連して説明した方法200を実行するように構成されてもよい。自動運転車両401-1、401-2は、図3に関連して説明した方法300を実行するように構成されてもよいが、ここでは繰り返して説明しない。
図5は、本開示の実施例による自動運転車両によって実行される操作の例示的なプロセスを示す。図1に示される車両110又は図4に示される自動運転車両401-1、401-2を用いて図5に示される方法500を実行してもよい。
ステップS501において、車両は、自動運転状態を開始し、自動運転システムにおける個々のモジュールの運行結果に基づいて車両を制御することができる。
ステップS502において、クラウドシミュレーションシステムに現在状態情報を送信することができる。ここで、車両の現在状態情報は、前述したような車両状態情報、環境情報、モジュール運行状態情報を含んでもよい。
ステップS503において、クラウドシミュレーションシステムから車両の現在状態情報に基づいて得られたシミュレーションのシミュレーション結果を受信することができる。
ステップS504において、シミュレーション結果のタイプを決定することができる。前述したように、早期警告シミュレーションによるシミュレーション結果における予測情報には、自動運転車両の将来の所定期間における予測運転状態が含まれ、パラメータ最適化シミュレーションによるシミュレーション結果における予測情報には、自動運転車両に用いられる最適化パラメータが含まれる。
シミュレーション結果がパラメータ最適化シミュレーションの結果であるとの決定に応答して、ステップS505において、現在車両がパラメータの切り替えに適しているか否かを評価することができる。パラメータの切り替えに適している場合、パラメータ最適化シミュレーション結果において提供される最適化パラメータを用いて自動運転システムの対応するモジュールにおいて使用されるパラメータを更新してもよい。
シミュレーション結果が早期警告シミュレーションの結果であるとの決定に応答して、ステップS506において、シミュレーション結果の異常レベルを決定することができる。
シミュレーション結果の異常レベルが異常なしであるとの決定に応答して、ステップS507において、自動運転システムは、通常の運転を継続して、ステップS502に戻り、次の運転プロセスにおいて、自身の現在の運転状態を継続的にクラウドシミュレーションシステムに送信する。
シミュレーション結果の異常レベルが制御可能な異常であるとの決定に応答して、ステップS508において、自動運転システムは、異常情報を対応する処理ユニットに配信し、異常情報を提示及び記録し、そしてステップS502に戻って通常の運転を継続してもよい。
シミュレーション結果の異常レベルが制御不能な異常であるとの決定に応答して、ステップS509において、自動運転システムは、緊急状態に入り、自動運転状態を終了させる制御命令を生成し、車両の引き継ぎを行い、緊急停止を開始させるようにユーザに提示する。その後、自動運転プロセスは終了される。
図6は、本開示の実施例によるクラウドサーバに配備されたクラウドシミュレーションシステムによって実行される操作の例示的なプロセスを示す。図1に示されるサーバ130又は図4に示されるクラウドシミュレーションシステム410を用いて図6に示される方法600を実行してもよい。
ステップS601において、シミュレーションシステムを初期化し、個々の車両に対応するシミュレーション環境を確立することができる。
ステップS602において、個々の車両の運転状態を受信し、個々の車両の運転状態に基づいて個々の車両のシミュレーションタイプを決定することで、異なるシミュレーションタイプに基づいて車両から受信した運転状態を対応するシミュレーションプログラムに配信する。前述したように、異なるトリガ条件に基づいて、早期警告シミュレーション及びパラメータ最適化シミュレーションのうちの少なくとも1つを実行してもよい。
ステップS603において、シミュレーションタイプが早期警告シミュレーションであるとの決定に応答して、車両に用いられる予測運転状態のシミュレーション結果を取得することができる。
ステップS604において、シミュレーションタイプがパラメータ最適化シミュレーションであるとの決定に応答して、車両に用いられる最適化パラメータのシミュレーション結果を取得することができる。
ステップS605において、ステップS603及び/又はステップS604で得られたシミュレーション結果を対応する車両に返すことができる。
図7Aは、本開示の実施例による例示的な自動運転プロセスを示す。図7Aに示されるシナリオは、自動運転車両701及びクラウドシミュレーションシステム710を含む。図7Aに示されるクラウドシミュレーションシステム710は、図2に関連して説明した方法200を実行するように構成されてもよい。自動運転車両701は、図3に関連して説明した方法300を実行するように構成されてもよいが、ここでは繰り返して説明しない。
図7Aに示すように、自動運転車両701は、クラウドシミュレーションシステム710との間でデータ通信を行ってもよい。自動運転車両701は、運転状態をクラウドシミュレーションシステム710に送信し、クラウドシミュレーションシステム710から自動運転車両701のためのシミュレーション結果を受信してもよい。
図7Aに示すように、自動運転車両701の前方にカーブができる。路面に障害物がない場合、自動運転車両701は、経路703に沿ってカーブを通過すべきである。しかしながら、自動運転車両は、道路上に複数の障害物702が存在するため、カーブにおいて回避動作を行い、経路704に沿ってカーブを通過する必要がある。
経路704は、経路703に対してより大きな旋回角度を有し、これにより、自動運転車両の制御能力を超えて車両が暴走になる可能性があることがわかる。しかしながら、本開示が提供するファスターザンリアルタイムシミュレーション方法を用いると、車両の将来の一定期間内に発生する可能性がある暴走挙動を事前に予測することができ、それによって、暴走が発生する前に車両を事前に制御することができ、具体的なプロセスは以下のとおりである。
自動運転車両701は、自身車速30m/sで、カーブから1000m離れた位置で前方のカーブに置かれた障害物であるロードコーンを検知し、道路が仮工事中であると判断し、事前に減速を行う。
自動運転車両は、カーブから200m離れると、車速が既に15m/sまで低下しており、このとき、車両情報を前方の道路に置かれたロードコーンの情報と共にクラウドシミュレーションシステムに送信し、早期警告シミュレーションを行うように要求する。
クラウドシミュレーションシステムは、該シミュレーション要求を受信すると、直ちに将来20sの故障予防ファスターザンリアルタイムシミュレーションを行う。
クラウドシミュレーションシステムは、2秒かけて車両の20s後の状態を予測し、車両の13秒目に制御モジュールに再起動不能な異常が発生し、車両が暴走してカーブ外のガードレールに衝突してしまうことを発見する。
クラウドシミュレーションシステムは、該異常情報を含むシミュレーション結果を自動運転車両に返す。
自動運転車両は、シミュレーション結果を受信した後、該異常情報が自動運転システムの能力範囲を超えており、深刻な事故を引き起こすと判断する。
車両の自動運転システムは、現在の車両が事故発生時刻まであと10sであることを算出する。そして、シミュレーション結果における異常情報を音声や文字などで直ちに放送して、ユーザ(車両の乗客や遠隔地のオペレータ)に警告する。同時に、自動運転システムは緊急停止の安全命令を取り、3s内で車両を停止させ、車両の暴走事故を回避する。
図7Bは、本開示の実施例による別の例示的な自動運転プロセスを示す。図7Bに示されるシナリオは、自動運転車両705及びクラウドシミュレーションシステム720を含む。図7Bに示されるクラウドシミュレーションシステム720は、図2に関連して説明した方法200を実行するように構成されてもよい。自動運転車両705は、図3に関連して説明した方法300を実行するように構成されてもよいが、ここでは繰り返して説明しない。
図7Bに示すように、自動運転車両705は、クラウドシミュレーションシステム720との間でデータ通信を行ってもよい。自動運転車両705は、運転状態をクラウドシミュレーションシステム720に送信し、クラウドシミュレーションシステム720から自動運転車両705のためのシミュレーション結果を受信してもよい。
図7Bに示されるシナリオでは、車両は、大雪の天候において、大きな上り坂及び下り坂を通過する必要がある(経路706)。この場合、制御アルゴリズムは、現在の道路状況に適応するように制御パラメータを動的に調整する必要がある。自動運転車両705の計算力は限られているので、制御アルゴリズムは、雪が積もる上り坂及び下り坂を通過するのに比較的最適なパラメータ群を非常に短い時間内で選択することができるが、車両システムによって計算されたパラメータは、必ずしも最も安全で省燃費の解決策ではない。
一方、クラウドシミュレーションシステム720は、数百のシミュレーション環境を同時に用いて異なるパラメータをテストし、比較的短い時間内でより良好なパラメータ群を選択してより安全で省燃費で雪が積もる区間を通過し、具体的なプロセスは以下のとおりである。
自動運転車両705は、上り坂から200m離れた位置で、自身の車両状態及び環境情報を含む現在状態情報をクラウドシミュレーションシステム720に送信し、前記自動運転車両の制御モジュールのためのパラメータ最適化シミュレーションを行うように要求する。
クラウドシミュレーションシステム720は、該車両705の要求に応じて、100種類のパラメータの組み合わせを生成し、100個の環境をクローニングして、パラメータの組み合わせのそれぞれをシミュレーションする。
クラウドシミュレーションシステム720は、制御モジュールのパラメータに関する所定の評価規則に従って、最良の挙動を示すパラメータ群を選択して、自動運転車両705に返すことができる。
自動運転車両702は、クラウドシミュレーションシステム720から送信されたシミュレーション結果に含まれる最適化パラメータを上り坂から30m離れた位置で受信し、現在車両の状況を評価して、直ちにパラメータを更新できると判断する。
自動運転車両702は、シミュレーション結果によって提供される最適化パラメータを用いて制御モジュールのためのパラメータを更新した後に前進を継続し、安全かつ省燃費で雪が積もる上り坂及び下り坂を通過する。
図8は、本開示の実施例による自動運転車両に用いられるシミュレーション装置の例示的なブロック図を示す。
図8に示すように、装置800は、取得ユニット810、シミュレーションユニット820、及び送信ユニット830を含んでもよい。ここで、取得ユニット810は、自動運転車両の現在状態情報を取得するように構成されてもよい。シミュレーションユニット820は、現在状態情報に基づいてシミュレーションを行うことで、自動運転車両の予測情報を取得するように構成されてもよい。送信ユニット830は、自動運転車両に予測情報を送信するように構成されてもよい。
ここで、自動運転車両に用いられるシミュレーション装置800の上記各ユニット810~830の操作は、それぞれ、前述のステップS202~S206の操作と同様であるため、ここでは繰り返して説明しない。
図9は、本開示の実施例による自動運転車両を制御するための装置の例示的なブロック図を示す。
図9に示すように、装置900は、送信ユニット910、取得ユニット920、及び制御ユニット930を含んでもよい。ここで、送信ユニット910は、クラウドシミュレーションシステムに自動運転車両の現在状態情報を送信するように構成されてもよい。取得ユニット920は、クラウドシミュレーションシステムが現在状態情報に基づいてシミュレーションを行って得られた予測情報を取得するように構成されてもよい。制御ユニット930は、予測情報に基づいて自動運転車両に用いられる制御情報を生成するように構成されてもよい。
ここで、自動運転車両を制御するための装置900の上記各ユニット910~930の操作は、それぞれ、前述のステップS302~S306の操作と同様であるため、ここでは繰り返して説明しない。
本開示の実施例によれば、前述の自動運転車両を制御するための装置900を含む車両をさらに提供する。
本開示の実施例によれば、少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサと通信可能に接続されたメモリと、を含む電子機器であって、前記メモリには命令が記憶されており、前記命令は、前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサに本開示に記載の方法を実行させる、電子機器をさらに提供する。
本開示の実施例によれば、コンピュータ命令を記憶した非一時的コンピュータ可読記憶媒体であって、前記コンピュータ命令は、本開示に記載の方法を前記コンピュータに実行させるために用いられる、非一時的コンピュータ可読記憶媒体をさらに提供する。
本開示の実施例によれば、コンピュータプログラムを含むコンピュータプログラム製品であって、前記コンピュータプログラムは、プロセッサによって実行されると、本開示に記載の方法を実現する、コンピュータプログラム製品をさらに提供する。
図10を参照すると、ここでコンピューティングデバイス1000を説明し、それは本開示の各態様に適用され得るハードウェアデバイスの例である。コンピューティングデバイス1000は、処理及び/又は計算を実行するように構成された任意の機械であってもよく、ワークステーション、サーバ、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、携帯情報端末、スマートフォン、車載コンピュータ、又はそれらの任意の組合せであってもよいが、これらに限定されない。上記交通データ可視化装置は、全体的に、又は少なくとも部分的に、コンピューティングデバイス1000、又は同様のデバイスもしくはシステムによって実現されてもよい。
コンピューティングデバイス1000は、(場合によっては1つ又は複数のインタフェースを介して)バス1002に接続されるか、又はバス1002と通信している要素を含んでもよい。例えば、コンピューティングデバイス1000は、バス1002、1つ又は複数のプロセッサ1004、1つ又は複数の入力デバイス1006、及び1つ又は複数の出力デバイス1008を含んでもよい。1つ又は複数のプロセッサ1004は、任意のタイプのプロセッサであってもよく、1つ又は複数の汎用プロセッサ及び/又は1つ又は複数の専用プロセッサ(例えば、特定処理チップ)を含んでもよいが、これらに限定されない。入力デバイス1006は、コンピューティングデバイス1000に情報を入力することができる任意のタイプのデバイスであってもよく、マウス、キーボード、タッチスクリーン、マイクロフォン及び/又はリモートコントローラを含んでもよいが、これらに限定されない。出力デバイス1008は、情報を提示することができる任意のタイプのデバイスであってもよく、ディスプレイ、スピーカ、ビデオ/オーディオ出力端子、バイブレータ及び/又はプリンタを含んでもよいが、これらに限定されない。コンピューティングデバイス1000は、非一時的ストレージデバイス1010をさらに含んでもよいか、又は非一時的ストレージデバイス1010と接続されてもよく、非一時的ストレージデバイスは、非一時的であり、データ記憶を実現できる任意のストレージデバイスであってもよく、ディスクドライブ、光ストレージデバイス、ソリッドステートメモリ、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、もしくは任意の他の磁気媒体、光ディスクもしくは任意の他の光媒体、ROM(リードオンリーメモリ)、RAM(ランダムアクセスメモリ)、キャッシュメモリ及び/又は任意の他のメモリチップもしくはカートリッジ、及び/又はコンピュータがデータ、命令及び/又はコードを読み出すことができる任意の他の媒体を含んでもよいが、これらに限定されない。非一時的ストレージデバイス1010は、インタフェースから取り外し可能である。非一時的ストレージデバイス1010は、上記方法及びステップを実現するためのデータ/プログラム(命令を含む)/コードを有することができる。コンピューティングデバイス1000は、通信デバイス1012を含んでもよい。通信デバイス1012は、外部デバイス及び/又はネットワークとの通信を可能にする任意のタイプのデバイス又はシステムであってもよく、モデム、ネットワークカード、赤外線通信デバイス、無線通信デバイス及び/又はチップセット、例えばブルートゥースTMデバイス、1302.11デバイス、WiFiデバイス、WiMaxデバイス、セルラー通信デバイス及び/又は同様物を含んでもよいが、これらに限定されない。
コンピューティングデバイス1000は、ワーキングメモリ1014をさらに含んでもよく、それはプロセッサ1004の動作に有用なプログラム(命令を含む)及び/又はデータを記憶し得る任意のタイプのワーキングメモリであってもよく、ランダムアクセスメモリ及び/又はリードオンリーメモリデバイスを含んでもよいが、これらに限定されない。
ソフトウェア要素(プログラム)は、ワーキングメモリ1014内に位置してもよく、オペレーティングシステム1016、1つ又は複数のアプリケーション1018、ドライバ及び/又は他のデータ及びコードを含むが、これらに限定されない。上記方法及びステップを実行するための命令は、1つ又は複数のアプリケーション1018に含まれてもよく、上記交通データ可視化装置は、プロセッサ1004によって1つ又は複数のアプリケーション1018の命令を読み取って実行することによって実現されてもよい。ソフトウェア要素(プログラム)の命令の実行可能コード又はソースコードは、非一時的コンピュータ可読記憶媒体(例えば上記ストレージデバイス1010)に記憶され、実行時にワーキングメモリ1014に記憶される(コンパイル及び/又はインストールされる場合がある)。ソフトウェア要素(プログラム)の命令の実行可能コード又はソースコードは、遠隔の場所からダウンロードすることもできる。
また、特定の要件に応じて様々な変形が可能であることを理解されたい。例えば、特定の要素は、カスタムハードウェアで、及び/又はハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、もしくはそれらの任意の組み合わせで実現されてもよい。例えば、開示されている方法及び装置のいくつか又は全ては、アセンブリ言語又はハードウェアプログラミング言語(VERILOG、VHDL、C++)などで、本開示によるロジック及びアルゴリズムを使用して、ハードウェア(例えば、フィールドプログラマブルゲートアレイ(FPGA)及び/又はプログラマブルロジックアレイ(PLA)を含むプログラマブルロジック回路)をプログラムすることによって実現されてもよい。
また、前述の方法は、サーバ-クライアントモードによって実現され得ることを理解されたい。例えば、クライアントは、ユーザによって入力されたデータを受信し、サーバに前記データを送信することができる。クライアントは、ユーザが入力したデータを受信し、前述の方法の一部の処理を行い、処理により得られたデータをサーバに送信することができる。サーバは、クライアントからのデータを受信し、前述の方法又は前述の方法の別の部分を実行し、実行結果をクライアントに返すことができる。クライアントは、方法の実行結果をサーバから受信し、例えば出力デバイスを介してユーザに提示することができる。
また、コンピューティングデバイス1000の構成要素は、ネットワークにわたって分散され得ることを理解されたい。例えば、1つのプロセッサを用いていくつかの処理を実行するのに対し、該1つのプロセッサから離れた他のプロセッサが他の処理を実行するようにしてもよい。コンピューティングシステム1000の他の構成要素も同様に分散されてもよい。このように、コンピューティングデバイス1000は、複数の場所で処理を実行する分散コンピューティングシステムとして解釈されてもよい。
本開示の実施例又は例を、図面を参照して説明してきたが、上述の方法、システム、及びデバイスは、単なる例示的な実施例又は例であり、本発明の範囲は、これらの実施例又は例によって限定されるものではなく、むしろ、特許請求の範囲及びその均等物によってのみ限定されることを理解されたい。実施例又は例における各要素は、省略又は均等な要素に置換されることができる。また、各ステップは、本開示で説明した順序と異なる順序で実行されてもよい。さらに、種々の方式で実施例又は例における各要素を組み合わせることができる。技術の発展に伴って、本明細書に記載された多くの要素が、本開示の後に現れる同等の要素によって置き換えられ得ることが重要である。
Claims (15)
- 自動運転車両に用いられるシミュレーション方法であって、
前記自動運転車両に関する現在情報を取得するステップと、
前記現在情報に基づいてシミュレーションを行うことで、前記自動運転車両に用いられる予測情報を取得するステップと、
前記自動運転車両に前記予測情報を送信するステップと、を含む、
自動運転車両に用いられるシミュレーション方法。 - 前記現在状態情報は、車両状態情報、前記自動運転車両周辺の環境情報、前記自動運転車両のモジュール運行状態情報のうちの少なくとも1つを含む、
請求項1に記載の方法。 - 前記現在状態情報に基づいてシミュレーションを行うステップは、
前記自動運転車両が送信したシミュレーション要求を受信したことに応答して、少なくとも前記現在情報がマッピングされたシミュレーション環境において前記シミュレーションを実行することで、前記自動運転車両の最適化パラメータ又は将来の所定期間における前記自動運転車両の運転状態を予測するステップを含む、
請求項1に記載の方法。 - 前記シミュレーション要求を受信することは、
前記自動運転車両が周期的に送信したシミュレーション要求を受信すること、及び
前記自動運転車両が特定の運転状態にあるときに能動的に送信したシミュレーション要求を受信することのうちの少なくとも1つを含む、
請求項3に記載の方法。 - 前記シミュレーション要求は、前記シミュレーションが早期警告シミュレーション及びパラメータ最適化シミュレーションのうちの少なくとも1つであることを示すシミュレーションタイプパラメータを含む、
請求項3に記載の方法。 - 前記シミュレーションが早期警告シミュレーションであることに応答して、取得した予測情報は、将来の所定期間における前記自動運転車両の予測運転状態を含み、
前記シミュレーションがパラメータ最適化シミュレーションであることに応答して、取得した予測情報は、前記自動運転車両に用いられる最適化パラメータを含むことをさらに含む、
請求項5に記載の方法。 - 前記シミュレーション要求は、前記シミュレーションがパラメータ最適化シミュレーションであることを示すシミュレーションタイプパラメータを含み、前記シミュレーションを実行するステップは、
少なくとも前記現在情報がマッピングされた複数のシミュレーション環境を並行して実行するステップであって、各シミュレーション環境は異なるシミュレーションパラメータを使用するステップと、
個々のシミュレーション環境によるシミュレーション結果に基づいて、前記最適化パラメータを決定するステップと、を含む、
請求項6に記載の方法。 - 前記最適化パラメータは、前記自動運転車両の感知モジュールのためのパラメータ、前記自動運転車両の計画モジュールのためのパラメータ、及び前記自動運転車両の制御モジュールのためのパラメータのうちの少なくとも1つを含む、
請求項7に記載の方法。 - 自動運転車両を制御するための方法であって、
シミュレーションシステムに前記自動運転車両に関する現在情報を送信するステップと、
前記シミュレーションシステムが前記現在情報に基づいてシミュレーションを行って得られた予測情報を取得するステップと、
前記予測情報に基づいて前記自動運転車両に用いられる制御情報を生成するステップと、を含む、
自動運転車両を制御するための方法。 - 前記シミュレーションシステムが前記現在情報に基づいてシミュレーションを行って得られた予測情報を取得するステップは、
周期的に、又は前記現在状態情報に基づいて、前記シミュレーションシステムにシミュレーション要求を送信するステップと、
前記シミュレーションシステムが前記シミュレーション要求に応答して少なくとも前記現在情報がマッピングされたシミュレーション環境において前記シミュレーションを実行して得られた予測情報を受信するステップと、を含む、
請求項9に記載の方法。 - 前記シミュレーション要求は、前記シミュレーションが早期警告シミュレーション及びパラメータ最適化シミュレーションのうちの少なくとも1つであることを示すシミュレーションタイプパラメータを含み、前記方法は、
前記シミュレーションが早期警告シミュレーションであることに応答して、取得した予測情報は、将来の所定期間における前記自動運転車両の予測運転状態を含み、
前記シミュレーションがパラメータ最適化シミュレーションであることに応答して、取得した予測情報は、前記自動運転車両に用いられる最適化パラメータを含むことをさらに含む、
請求項10に記載の方法。 - 前記予測情報に基づいて前記自動運転車両に用いられる制御情報を生成するステップは、
前記予測情報が、将来の所定期間における前記自動運転車両の予測運転状態を含むことに応答して、
前記予測運転状態が制御可能な異常を含むことに応答して、前記制御可能な異常を記録することを示す制御情報を生成するステップと、
前記予測運転状態が制御不能な異常を含むことに応答して、前記自動運転車両の自動運転状態を終了させるための制御情報を生成するステップと、を含む、
請求項11に記載の方法。 - 前記予測情報に基づいて前記自動運転車両に用いられる制御情報を生成するステップは、
前記予測情報が前記自動運転車両に用いられる最適化パラメータを含むとの決定に応答して、
前記最適化パラメータを用いて前記自動運転車両の現在パラメータを更新するための制御情報を生成するステップを含む、
請求項11に記載の方法。 - 少なくとも1つのプロセッサと、
少なくとも1つのメモリと、を含む電子機器であって、
前記メモリには命令が記憶されており、前記命令は、前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサに請求項1~13のいずれか一項に記載の方法を実行させる、
電子機器。 - コンピュータ命令を記憶した非一時的コンピュータ可読記憶媒体であって、
前記コンピュータ命令は、請求項1~13のいずれか一項に記載の方法を前記コンピュータに実行させるために用いられる、
非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110909544.XA CN115935573A (zh) | 2021-08-09 | 2021-08-09 | 用于自动驾驶车辆的仿真方法和控制自动驾驶车辆的方法 |
CN202110909544.X | 2021-08-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023024956A true JP2023024956A (ja) | 2023-02-21 |
Family
ID=83228653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022125319A Pending JP2023024956A (ja) | 2021-08-09 | 2022-08-05 | 自動運転車両に用いられるシミュレーション方法及び自動運転車両を制御する方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230040713A1 (ja) |
EP (1) | EP4148526A1 (ja) |
JP (1) | JP2023024956A (ja) |
CN (1) | CN115935573A (ja) |
AU (1) | AU2022209302A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116089313A (zh) * | 2023-03-07 | 2023-05-09 | 北京路凯智行科技有限公司 | 车云交互功能测试系统、方法及存储介质 |
CN115952692B (zh) * | 2023-03-10 | 2023-05-30 | 腾讯科技(深圳)有限公司 | 道路交通的仿真方法和装置、存储介质及电子设备 |
CN115993797B (zh) * | 2023-03-23 | 2023-05-30 | 禾多科技(北京)有限公司 | 虚拟环境下的自动驾驶车辆模拟方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3140464C (en) * | 2015-05-13 | 2023-01-17 | Uber Technologies Inc. | Autonomous vehicle operated with guide assistance |
CN108428357B (zh) * | 2018-03-22 | 2020-08-18 | 青岛慧拓智能机器有限公司 | 一种用于智能网联车的平行遥控驾驶系统 |
JP7155043B2 (ja) * | 2019-02-28 | 2022-10-18 | 株式会社日立製作所 | サーバ、車両制御システム |
-
2021
- 2021-08-09 CN CN202110909544.XA patent/CN115935573A/zh active Pending
-
2022
- 2022-07-27 EP EP22187222.9A patent/EP4148526A1/en active Pending
- 2022-07-28 AU AU2022209302A patent/AU2022209302A1/en active Pending
- 2022-08-05 JP JP2022125319A patent/JP2023024956A/ja active Pending
- 2022-08-08 US US17/818,338 patent/US20230040713A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN115935573A (zh) | 2023-04-07 |
AU2022209302A1 (en) | 2023-02-23 |
US20230040713A1 (en) | 2023-02-09 |
EP4148526A1 (en) | 2023-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11383722B2 (en) | Methods and systems for managing interactions between vehicles with varying levels of autonomy | |
US11361663B2 (en) | Formulating lane level routing plans | |
JP2023024956A (ja) | 自動運転車両に用いられるシミュレーション方法及び自動運転車両を制御する方法 | |
US11597395B2 (en) | Systems and methods to manage vehicles under anomalous driving behavior | |
US11144054B2 (en) | Safety controls for network connected autonomous vehicle | |
US20230159062A1 (en) | Method and apparatus for controlling vehicle driving mode switching | |
WO2020164238A1 (zh) | 用于驾驶控制的方法、装置、设备、介质和系统 | |
US20210191394A1 (en) | Systems and methods for presenting curated autonomy-system information of a vehicle | |
JP2019512824A (ja) | 車両の運転および自動運転を簡易化する方法 | |
WO2020259705A1 (en) | Autonomous driving handoff systems and methods | |
JP2019537159A (ja) | 生成されたインターフェースを使用する自律走行車の監視 | |
US11803186B2 (en) | Road quality based routing | |
US20220068122A1 (en) | Systems and methods to group and move vehicles cooperatively to mitigate anomalous driving behavior | |
JP2022041923A (ja) | 接続されたデータ分析プラットフォームを用いた車両経路指定 | |
US20220032934A1 (en) | Method, apparatus, device and system for controlling driving | |
US11897503B2 (en) | Method and apparatus for detecting unexpected control state in autonomous driving system | |
US11429097B2 (en) | Programmatic application of router flags for vehicle limitations | |
CN118053297A (zh) | 决策车辆确定方法及装置、车辆集群控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20231026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20231026 |