JP2023513643A - 車両制御のための意思決定の適応的最適化 - Google Patents

車両制御のための意思決定の適応的最適化 Download PDF

Info

Publication number
JP2023513643A
JP2023513643A JP2022573903A JP2022573903A JP2023513643A JP 2023513643 A JP2023513643 A JP 2023513643A JP 2022573903 A JP2022573903 A JP 2022573903A JP 2022573903 A JP2022573903 A JP 2022573903A JP 2023513643 A JP2023513643 A JP 2023513643A
Authority
JP
Japan
Prior art keywords
model
vehicle
motion
traffic
driving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2022573903A
Other languages
English (en)
Other versions
JP7325672B2 (ja
Inventor
ディ・カイラノ,ステファノ
クイリネン,リエン
シャヒン,ユヌス・エムレ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of JP2023513643A publication Critical patent/JP2023513643A/ja
Application granted granted Critical
Publication of JP7325672B2 publication Critical patent/JP7325672B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097Predicting future conditions
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/06Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0011Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0015Planning or execution of driving tasks specially adapted for safety
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0027Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/36Input/output arrangements for on-board computers
    • G01C21/3626Details of the output of route guidance instructions
    • G01C21/3658Lane guidance
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/01Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001Details of the control system
    • B60W2050/0019Control system elements or transfer functions
    • B60W2050/0028Mathematical models, e.g. for simulation
    • B60W2050/0031Mathematical model of the vehicle
    • B60W2050/0033Single-track, 2D vehicle model, i.e. two-wheel bicycle model
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/06Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • B60W2050/065Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot by reducing the computational load on the digital processor of the control computer
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2554/00Input parameters relating to objects
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2555/00Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60Traffic rules, e.g. speed limits or right of way

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

目標運転目的地までの車両の動きを制御するための制御システムは、次の目標目的地に至る一連の中間目的地を、第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、車両の動きを最適化することにより、決定するように構成された意思決定部を使用し、第2のモデルに準拠して車両の動きを最適化することによって一連の中間目的地を追跡する車両の動きの軌道を決定するように構成された動き計画部を使用する。運転制約は、交通規則によって特定される時相論理式の混合論理不等式を含み、混合論理不等式は、時相論理式が満たされるエリアを規定し、強化された運転制約は、上記エリアを安全マージンによって縮小し、安全マージンは、第2のモデルと第2のモデルを近似した第1のモデルとの間の相違の関数である。

Description

本開示は、概して自律運転および先進運転支援システムに関し、より具体的には異なる交通状況に対して最適化された車両の動きを制御するために一連の決定を行うことに関する。
従来の自律運転車両は、その運転の目的を達成するために、法律上の運転規則および交通を考慮して、車両が道路上でどのように動くべきかを判断する制御システムを備えている。従来の制御システムは、センサによって取得され認識およびマッピングアルゴリズムによって処理されたデータに基づいて環境を分析し、所望の車両経路および速度を計算し、利用できる車両アクチュエータを用いてその経路を辿るように車両を制御することにより、車両の動きを決定する。そのような従来の操作は複雑なので、従来の制御システムの中には、経路を計画する役割を果たす構成要素と車両を制御する役割を果たす構成要素とを別々に含むものがある。例として、米国特許第9,915,948号には、車両が所望の運転目的を達成することを保証するために車両制御と経路計画とを如何にして統合するかが記載されている。
たとえば、自律車両の経路計画は、この車両の経路および/または動きの軌道を決定する役割を果たす動き計画システム(MPS:motion planning system)を実行することができる。MPSは、異なる経路計画方法を使用することができ、例として米国特許第9,568,915号を参照されたい。目標目的地に到達する動きの軌道を決定するために、MPSは、車両センサから得たまたは通信チャネルを介して受信した現在のおよび予測される環境についての知識と、環境の地図とを使用することができる。変化する環境に従って動きの軌道を調整できるようにするために、MPSは、車両内の計算および通信プラットフォームの能力が限られていることが原因で限られている計算を用いて、動きの軌道を常にリアルタイムで更新する必要がある。
よって、動的にかつ急速に変化する環境を考慮してリアルタイムで動作する必要があるので、予測できる動きの軌道は短期間の動きの軌道だけである、すなわち、MPSの計画間隔は、車両の運転経路全体をカバーすることができず、現在位置から次の中間運転目的地までの、あるサブ区間しかカバーできない。都会の環境における自律運転のような複雑な動的シナリオにおいて、すべてが行程を無事終了させる中間目的地の複数のシーケンスが存在する場合がある。一方、起こり得る交通規則違反および/または他の車両との衝突が原因で、車両がおそらく到達可能な中間目的地のうちのいくつかは、目標運転目的地に到達しない場合がある。このため、いくつかの中間目的地は、実際、車両の動きによって到達することが不可能な場合があり、MPSに提供された場合、車両の自律制御は失敗に終わるであろう。
そのため、運転全体の目的地に到達するために動きの軌道が到達する必要がある一連の中間目的地に関して意思決定するための意思決定機構が必要とされている。
いくつかの実施形態の目的は、目標目的地までの経路上で車両の動きの軌道が追跡する中間目的地を選択するように構成された意思決定システム(DMS:decision making system)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、いくつかの実施形態の目的は、(i)車両が目的地に到達できるように、(ii)目的地への到達が交通規則を満たすように、(iii)目的地への到達が、負の相互作用たとえば他車両との衝突を引き起こさないように、かつ、(iv)有限の一連の中間目的地への到達が必然的に目標運転目的地への到達につながるように、すなわち行程または行程の所望区間の終了につながるように、各中間目的地を最適に選択する、DMS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、いくつかの実施形態の目的は、中間目的地の計算が、(v)動的に変化する環境に従って中間目的地を頻繁に再計算する必要があることを考慮するために、自律車両計算ユニットがリアルタイムで実行するのに適しており、かつ、(vi)安全であるすなわち計算の簡略化が車両の実際の制御の安全性を脅かさない、DMSを提供することである。しかしながら、目的(i)~(vi)を達成するDMSは、設計するのが難しい。
いくつかの実施形態は、目的(i)~(iv)を達成するDMSを、車両および障害物の動きモデルと組み合わされる、信号時相論理を使用する交通規則および車両と障害物との相互作用の形式仕様記述(formal specification)を用いて、構築することができる、という認識に基づいている。結果として得られた形式仕様記述を最適化問題に変換することにより、そのような問題の最適解が、目的(i)~(iv)を満たすことが保証された、MPSのための一連の目的地を提供することも、認識される。しかしながら、得られた最適化問題は、非線形混合整数計画(NLMIP:nonlinear mixed integer program)であり、これは目的(v)を満たさない、というのも、一般的にNLMIPの解は計算されない場合があるからである。状況によっては、たとえ試みても、NLMIPの計算は、自動車グレードの計算プラットフォームにおいてリアルタイムで行うのは不可能である。これを克服するために、いくつかの実施形態において、障害物がある道路上で動いている車両の動きモデルを近似する。このようにして、最適化問題そのものを混合整数計画(MIP:mixed integer program)として近似することができ、その解の計算をリアルタイムでも保証することができ、このようにして目的(v)を達成する。
一方、車両および交通の動きの近似は、近似された動きモデルに従って(i)~(iv)を満たすと思われる一連の中間目的地の生成をもたらし得るが、正しい動きモデルすなわち動き計画システム(MPS)が使用する動きモデルに従うと(i)~(iv)を満たすことができないので、MPSは失敗に終わる。その原因は、解が(vi)を満たさない、すなわちモデリング誤差に対してロバストではないことにある。近似された動きモデルのロバスト化は計算コストが高いことがわかっている。
それ故に、目的(v)を達成する必要がある近似されたモデルの存在下で目的(i)~(iv)を維持できるようにする目的(vi)を達成するために、いくつかの実施形態は、近似された動きモデルをロバスト化するのではなく、形式仕様記述のロバスト化を、この仕様記述が満たされることを要求するだけでなく、MPSで使用される動きモデルとDMSで使用される近似された動きモデルとの間の(たとえば最悪のケースの)相違に関連する、予め記述された安全マージンを満たすことを要求することにより、実現する。このようにして、予め記述された安全マージン内で、近似された動きモデルに従いDMSが仕様記述を満たすことにより、MPSは、車両動きモデルに従いそのようなマージンなしで実際の仕様記述を満たすことができる。
これに加えてまたはこれに代えて、いくつかの実施形態は、目的(v)~(vi)を確実に満たすために強化された仕様記述を追加すると、最適化問題の明確な構造が壊れる可能性がある、というもう1つの認識に基づいている。そのため、いくつかの実施形態は、仕様記述を、最適化問題に追加の変数および制約を導入することによって得ることができるより高い次元にリフティング(lift)する。結果として、問題の構造は保持され、構造活用最適化アルゴリズムを適用することにより、解の計算時間を減じることができる。
これに加えてまたはこれに代えて、いくつかの実施形態は、新たに出現した危険な障害物、既存の障害物の予測できない挙動、および車両内の車両制御システムにおける障害等の、環境内の予想外のイベントに対し、DMSが同じ最適化問題を用いて中間目的地の実行をモニタリングすることができる、という認識に基づいている。最適化問題における環境および車両の予測を修正することにより、以前に計算した解を、新たに修正された環境および車両挙動について調べることで、(i)~(iv)を表す形式仕様記述が依然として満たされているか否かを確認することができる。決定が固定され車両および障害物の予測だけが調整されるので、モニタリングは、DMSにおける決定よりも高速で実行することができる。よって、モニタリングを素早く実行することができ、問題が発生すると直ちにそれを検出することができ、そうすることで、DMSによる決定の再計算、または緊急アクションたとえば、停止、ドライバー介入要求、または警告信号等の対応策を、迅速に可能にすることができる。
したがって、一実施形態は、車両の所望の行先に従って選択された経路設定における目標運転目的地までの車両の動きを制御するための制御システムを開示する。制御システムは、車両の第1の動きモデルおよび車両に近接する交通の動きの第1の交通モデルのうちの一方または組み合わせを含む第1のモデルと、車両の第2の動きモデルおよび交通の動きの第2の交通モデルを含む第2のモデルとを格納するように構成されたメモリを含み、第1のモデルは第2のモデルの近似であり、制御システムはさらに、制御システムのモジュールを実現する、格納された命令と結合された、少なくとも1つのプロセッサを備え、モジュールは、意思決定部を含み、意思決定部は、次の目標目的地に至る一連の中間目的地を、第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、車両の動きを最適化することにより、決定するように構成され、運転制約は、交通規則および経路設定によって特定される時相論理式の混合論理不等式を含み、混合論理不等式は、時相論理式が満たされるエリアを規定し、強化された運転制約は、エリアを安全マージンによって縮小し、安全マージンは、第2のモデルと第1のモデルとの間の相違の関数であり、モジュールはさらに、第2のモデルに準拠して車両の動きを最適化することによって一連の中間目的地を追跡する車両の動きの軌道を決定するように構成された動き計画部と、車両の少なくとも1つのアクチュエータに対し、動きの軌道を追従させる制御コマンドを生成し与えるように構成されたコントローラとを含む。
別の実施形態は、車両の所望の行先に従って選択された経路設定における目標運転目的地までの車両の動きを制御する方法を開示し、方法はメモリに結合されたプロセッサを使用し、メモリは、車両の第1の動きモデルと、車両に近接する交通の動きの第1の交通モデルとのうちの1つまたは組み合わせを含む第1のモデルと、車両の第2の動きモデルと、交通の動きの第2の交通モデルとを含む第2のモデルとを格納し、第1のモデルは第2のモデルの近似であり、プロセッサは、方法を実現する、格納された命令と結合され、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し、方法は、次の目標目的地に至る一連の中間目的地を、第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、車両の動きを最適化することにより、決定するステップを含み、運転制約は、交通規則および経路設定によって特定される時相論理式の混合論理不等式を含み、混合論理不等式は、時相論理式が満たされるエリアを規定し、強化された運転制約は、エリアを安全マージンによって縮小し、安全マージンは、第2のモデルと第1のモデルとの間の相違の関数であり、方法はさらに、第2のモデルに準拠して車両の動きを最適化することによって一連の中間目的地を追跡する車両の動きの軌道を決定するステップと、車両の少なくとも1つのアクチュエータに対し、動きの軌道を追従させる制御コマンドを生成し与えるステップとを含む。
もう1つの実施形態は、方法を実行するためにプロセッサが実行可能なプログラムが実装された非一時的なコンピュータ読取可能記憶媒体を開示し、方法は、車両の第1の動きモデルと、車両に近接する交通の動きの第1の交通モデルとのうちの1つまたは組み合わせを含む第1のモデルと、車両の第2の動きモデルと、交通の動きの第2の交通モデルとを含む第2のモデルとにアクセスするステップを含み、第1のモデルは第2のモデルの近似であり、方法はさらに、次の目標目的地に至る一連の中間目的地を、第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、車両の動きを最適化することにより、決定するステップを含み、運転制約は、交通規則および経路設定によって特定される時相論理式の混合論理不等式を含み、混合論理不等式は、時相論理式が満たされるエリアを規定し、強化された運転制約は、エリアを安全マージンによって縮小し、安全マージンは、第2のモデルと第1のモデルとの間の相違の関数であり、方法はさらに、第2のモデルに準拠して車両の動きを最適化することによって一連の中間目的地を追跡する車両の動きの軌道を決定するステップと、車両の少なくとも1つのアクチュエータに対し、動きの軌道を追従させる制御コマンドを生成し与えるステップとを含む。
いくつかの実施形態に係る、車両の動きを制御する方法の概略図を示す。 本開示のいくつかの実施形態の原理を採用する制御ユニットを含む車両の概略図である。 本開示のいくつかの実施形態に係る、図2Aの制御ユニットのブロック図である。 本開示のいくつかの実施形態に係る、制御ユニットおよびモニタリングシステムの層の概略図である。 具体例としての交通シーンにおいて、本開示のいくつかの実施形態で使用される経路設定情報の説明を示す図である。 図4の具体例としての交通シーンにおいて、本開示のいくつかの実施形態で使用される特定の中間目的地の説明を示す図である。 図4の具体例としての交通シーンにおいて、本開示のいくつけの実施形態で使用される任意の目的地の説明を示す図である。 本開示のいくつかの実施形態で使用される意思決定システムのブロック図である。 本開示のいくつかの実施形態で使用される意思決定システムの動作のフローチャートの図である。 車両の動きの第1のモデルに基づいて一連の目的地を計算し次に車両の動きの第2の第1のモデルにおいて目的地を実行する効果を示す図である。 車両の動きの第1のモデルに基づいて一連の目的地を計算し次に車両の動きの第2の第1のモデルにおいて目的地を実行する場合のロバストネスマージンの効果を示す図である。 いくつかの実施形態に係る、MIPを解くための、具体例としての分枝限定最適化アルゴリズムのブロック図を示す。 いくつかの実施形態に係る、MIPを解くための、具体例としての分枝限定最適化アルゴリズムの疑似コードを示す図である。 いくつかの実施形態で使用されるモニタリングおよび反応システムの動作のフローチャートの図である。
図1は、いくつかの実施形態に係る、車両の動きを制御する方法の概略図を示す。これらの実施形態は、車両の動きの最適化が、車両の動きモデル180の高次性、交通の多用性、および車両の経路設定に適用可能な交通規則110を満たす動きの軌道を生成する必要性が原因で、計算コストの高いタスクである、という認識に基づいている。そのため、いくつかの実施形態は、動きの軌道の生成プロセスを、意思決定170と動き計画190とに分割する。意思決定の目的は、本明細書において一連の中間目的地と呼ぶ、一連の意思決定を生成することであり、車両がこれらの中間目的地を追跡する場合、交通規則および経路設定の要求は満たされ車両は最終的に目標運転目的地に到達するであろう。そのため、動き計画部の制約付き最適化を、意思決定部170が生成する追跡意思決定190に置き換えることができる。
そのような分割により、別の意思決定ルーチンを提供するという犠牲を払って、交通規則の実施を車両の力学の実施から分離することができる。いくつかの実施形態は、そのようなルーチンを、交通規則を実施するようにプログラミングすることができる、という理解に基づいている。しかしながら、異なる状況において適用可能な異なる交通規則の多様性が原因で、そのようなプログラミングには問題がある。そのため、いくつかの実施形態は、交通実施ルーチンを最適化170に置き換える。最適化170では、交通規則および経路設定を、最適化ルーチンにおいて運転制約として実施する。そのため、交通規則および経路設定の変更は、最適化ルーチンではなく制約を変更する。そのようにして、異なる交通状況における車両制御のための意思決定の適応最適化を設計することができる。
特に、意思決定は、時間の関数としての動きの軌道ではなく一連の中間目的地を生成する。そのため、一方では、動きの追跡と組み合わされた最適化された意思決定に対する計算負荷は、最適化された動きの軌道の生成よりも、依然として好ましい。他方、そのような組み合わせの計算負荷は、一部の自律車両において現在使用されている一部の埋め込まれたプロセッサにとって、依然として問題である。
そのため、いくつかの実施形態は、動き計画に使用される車両の動きモデル180を近似する(160)。そのような近似された動きモデル160を、本明細書では第1の動きモデル160と呼び、動き計画に使用される動きモデル180を、本明細書では第2の動きモデル180と呼ぶ。そのため、第1の動きモデルは第2の動きモデルの近似であり、よって、第2の動きモデル180の次数は、第1の動きモデル160の次数よりも高い、すなわち、第2の動きモデル180の関数の計算の複雑さは、第1の動きモデル160の関数の計算の複雑さよりも大きい。
この近似により、意思決定の計算負荷を減じることができるが、モデルの違いに起因する意思決定の追跡の精度の問題につながり得る。この問題に対処するために、いくつかの実施形態は、交通規則110によって指定される運転制約130に準拠するのではなく、安全マージン140によって強化された運転制約130である、強化された運転制約150に準拠して意思決定を最適化する。いくつかの実施形態において、安全マージン140は、第2の動きモデルと第1の動きモデルとの相違に依存する、すなわちその関数である。たとえば、一実施形態において、安全マージン140は、強化された運転制約150を満たす車両のすべての状態について、運転制約130に違反することなく第2の動きモデルに従い車両の状態を移行させる制御入力が存在するように、選択される。そのようにして、強化された運転制約130は、車両の動きモデルの近似のバランスを取ることができる。
加えて、いくつかの実施形態は、交通規則を、運転制約に自動的に変換できる時相論理式で表すことができる、という認識に基づいている。具体的には、時相論理式を、信号時相論理(STL:signal temporal logic)仕様記述のデータベースから、車両の現在の状態と、交通の現在の状態と、次の目標位置とに基づいて選択し、時相論理式が満たされるエリアを規定する混合論理不等式に自動的に変換することができる。動きモデル近似の相違を表すように決定された安全マージンを有することで、運転制約の強化は、このエリアを、安全マージンおよびそのようなマージンが適用される式に関連する量だけ縮小するだけである。そのようにして、強化された運転制約の生成が簡略化される。
そのため、いくつかの実施形態に従うと、車両の所望の行先に従って選択された経路設定における次の目標目的地までの車両の動きを制御するための制御システムは、車両の第1の動きモデル160と、車両の第2の動きモデル180と、次の目標目的地に至る一連の中間目的地を決定するように構成された意思決定部170と、一連の中間目的地を追跡する車両の動きの軌道を決定するように構成された動き計画部180とを使用する。
意思決定部170は、次の目標目的地に至る一連の中間目的地を、第1の動きモデル160と、安全マージン140により運転制約を強化することによって形成された強化された運転制約150とに準拠して、車両の動きを最適化することにより、決定するように構成される。運転制約は、交通規則および経路設定110によって指定された時相論理式120の混合論理不等式を含む。混合論理不等式は、時相論理式が満たされるエリアを規定し、強化された運転制約は、第2の動きモデル180と第1の動きモデル160との相違の関数である安全マージン140と、このマージンが適用される式の種類とによって、上記エリアを縮小する。
動き計画部190は、一連の中間目的地を追跡する車両の動きの軌道を、第2
の動きモデル180に準拠して車両の動きを最適化することにより、決定するように構成される。制御システムはさらに、動きの軌道を辿るよう、制御コマンドを生成し、車両の少なくとも1つのアクチュエータに与えるように構成される。
図2Aは、本開示のいくつかの実施形態の原理を採用する制御ユニットを含む車両の概略図を示す。たとえば、図2Aは、本開示のいくつかの実施形態の原理を採用する制御ユニット212を含む車両211の概略図を示す。本明細書で使用される車両211は、乗用車、バス、またはローバーのような、任意の種類の車輪付き車両とすることができる。また、車両211は、自律または半自律車両とすることもできる。たとえば、いくつかの実施形態は、車両211の動きを制御する。動きの例は、車両211のステアリングシステム213によって制御される車両の横方向の動きを含む。ステアリングシステム213は、コントローラ212によって制御される。
また、車両は、コントローラ212によってまたは車両211の他の構成要素によって制御可能なエンジン216を含み得る。また、車両211は、非限定的な例として、その現在の動き量および内部ステータスを検知する1つ以上のセンサ215を含み得る。センサ215の例は、グローバルポジショニングシステム(GPS)、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、および流量センサを含み得る。車両は、無線通信チャネルを通し入力インターフェイス218を介してコントローラ212の通信機能を可能にするトランシーバ217を備えていてもよい。また、車両は、周囲環境を検知するための1つ以上の他のセンサ214a、214bを含み得る。センサ214a、214bの例は、距離レンジファインダー、レーダー、ライダ、およびカメラを含み得る。これに代えて、周囲環境に関する情報をトランシーバ217を通して受信してもよい。車両は、車両が動作するエリア内の道路に関する情報を格納するマップデータベースシステムを備える、または、遠隔で保存されているマップ情報にトランシーバ217を通してアクセスすることができる。
図2Bは、本開示のいくつかの実施形態に係る、図2Aの制御ユニットのブロック図である。たとえば、図2は、本開示の一実施形態に係る制御ユニット212のブロック図を示す。コントローラ212は、メモリ202に、たとえば非一時的なコンピュータ読取可能媒体に接続されたハードウェアプロセッサ201を含む。いくつかの実装形態において、メモリ202は、車両に関する情報を格納するための第1部分211と、車両を制御するためのプログラムを格納するための第2部分212と、運転地図データを格納するための第3部分213と、交通の動きモデルを格納するための第4部分214とを含む。
たとえば、メモリ202の第1部分211は、最大加速度、ステアリング、およびステアリングレート等の車両の挙動についてのパラメータを格納することができ、また、車両の動きの第1のモデルと車両の動きの第2のモデルとを格納することができる。各種実施形態において、車両の動きの第2のモデルを記述する等式の数および複雑度は、車両の動きの第1のモデルを記述する等式の数および複雑度よりも高い。また、たとえばメモリ202の第4部分214は、交通の動きの第1のモデルと交通の動きの第2のモデルとを格納することができる。
引続き図2Bを参照して、各種実施形態において、交通の動きの第2のモデルを記述する等式の数および複雑度は、交通の動きの第1のモデルを記述する等式の数および複雑度よりも高い。これらの実施形態は、近い将来において車両が達成できる可能性があるのはどのような中間目標かを調べるため、軌道を生成するため、およびそのような軌道に従って車両を制御するために、異なる動きモデルを使用することが必要である、という認識に基づいている。たとえば、車両が一連の目的地に到達できるか否かを調べるためには、長い将来の区間(horizon)を考慮する必要がある。拡大された将来の区間にわたって車両の動きを計算するために高次物理モデルを持つことは、計算上困難である。逆に、中間目的地がわかっている場合、所望の軌道に従った車両の制御は、短い将来の区間だけを考慮すればよい。そのため、いくつかの実施形態において、コントローラ212は、次の目的地を、第1の、すなわち低次の動きモデルを用いて決定し、一方、計画および制御は、少なくとも第2の、すなわち高次の動きモデルを使用する。
メモリ202の第2部分212において、車両211を制御する方法を実行するためにプロセッサ201が実行可能なプログラムを実装することができる。
引続き図2Bを参照して、メモリ202の第3部分213は、住所および道路網等の地図情報を含み、また、交差点、停止および交通信号位置、車線の数および位置、制限速度、交通規則その他等の追加情報も含み得る。地図情報は、車両の運転開始時には既にメモリの第3部分213に格納されていてもよく、またはその代わりに、この情報は、通信トランシーバ217および環境センサ214a、214bによって制御ユニットが利用できるようにされる。
プロセッサ201は、計算を実行することが可能な任意の計算デバイスとすることができ、1つの、または、同一もしくは異なる種類の多数の物理デバイスを含み得る。プロセッサ201が複数の計算デバイス、たとえばマイクロプロセッサを含み得ることもあり得る。同様に、メモリ202は、情報を格納することが可能な任意の論理メモリおよび/または非一時的なコンピュータ読取可能記憶媒体とすることができ、1つの、または同一もしくは異なる種類の複数の物理情報記憶手段を含み得る。プロセッサ201によって実行される計算は、メモリの第2部分212に格納されたプログラムによって命令され、メモリの第1部分211に格納された車両情報、メモリの第2部分213に格納された地図に関する情報、センサ215から得た車両211に関する情報、センサ214a、214bから得た環境203に関する情報を、使用する。プロセッサ201による計算は、車両の動きを変化させるコマンド204をもたらす。
引続き図2Bを参照して、プロセッサ201が実行するプログラムは、車両211の自律運転(AD:autonomous driving)を可能にし、ここで、ADは半自律運転も含むことが意図されている。この動作中、プロセッサ201が実行するプログラムは、特定の場所に到達すること等の、具体的な運転全体の目的を達成することを意図している。この全体の目的は、車両211の動きに適切に影響を与えることによって達成される。プロセッサ201が実行するソフトウェアプログラムは、複数のモジュールに論理的に分離することができる。たとえば、一実施形態において、プロセッサが実行するプログラムは、ある層からの出力が次の層への入力になるように、一連の層として配置された、少なくとも2つのモジュールを含む。本明細書で使用される、そのような層形成は、制御ユニット212の層または論理モジュールを特定し、制御を、異なる情報を必要とする異なる段に分離することを可能にする。
図3は、本開示の一実施形態に係る、制御ユニットの層の概略図を示す。この実施形態において、制御ユニット212は、3つの制御層を含む。センサおよび推定器からの、動的環境内の車両および障害物の状態に関する情報は、これらの異なる層に与えられる(307)。経路設定301は、図2のメモリの第3部分213に格納された静的な地図情報と、センサ214a、214bから得た車両の現在位置とを用いて、車両がその最終的な行先に到達するためにその現在位置から通過する道路網内の一連の道路を決定する。最終的な行先は、例としてユーザから提供されてもよい。経路設定モジュールは、カーナビゲーションシステムによって実現することができる。意思決定部または意思決定モジュール302は、車両の現在の状態からの情報、車両がその最終的な行先に到達するためにその現在位置から通過する道路網内の一連の道路の少なくとも一部からの情報、および、動的環境の情報を使用して、一連の1つ以上の中間目的地を決定し計画および制御モジュール303に提供する、DMSを実現する。一連の目的地を受けると、計画および制御モジュール303内でMPSを実現する動き計画部または動き計画モジュール304は、DMSによって決定された一連の目的地に到達するための軌道を計算する。車両制御モジュール305は、計画および制御モジュールから提供された現在の軌道にできる限り近い実際の軌道を車両が実現するように、車両の挙動を修正する、ステアリング、加速、減速等の、車両アクチュエータのコマンドを決定する。車両アクチュエータに対するコマンドは、その後、電気モータ電圧、スロットル開口、ブレーキパッド圧力等のアクチュエータに対する制御信号を修正する、アクチュエータ制御サブモジュール306によって受け取られ、所望の車両コマンドが実現される。
計画スタックと並行して、モニタリングおよび反応モジュールは、計画および制御モジュール303に提供された、決定された1連の1つ以上の中間目的地に従って車両の正しい動作を保証するために、意思決定モジュールによってなされた意思決定を、センサおよび推定器からの(307)、動的環境内の車両および障害物の状態に関する情報と、比較し、異常または起こり得るエラーが検出された場合、この異常および訂正アクションについての表示に関する情報を、意思決定モジュールと、計画および制御モジュール上のサブモジュールとに提供する。
図4は、具体例としての交通シーンにおいて、本開示のいくつかの実施形態で使用される経路設定情報の説明を示す。たとえば、図4は、自車両411と呼ばれる制御下の車両、412と同様に示されている他の車両からなる交通、例としてL6で示される車線413、例としてS1で示される停止車線414、および、例としてI3で示される交差点415を用いた、あるシナリオを示す。図4を参照して、最終的な行先402を有する、位置401にある車両に対し、経路設定301は、矢印403で示される一連の道路と、矢印404で示される一連の方向転換とを提供する。しかしながら、一連の道路403および一連の方向転換404自体は、車両の軌道または経路を指定しないことに、注目されたい。どの車線で車両を運転するか、車両は車線を変更すべきかまたは現在の車線に留まるべきか、車両は停止車線で停止するために減速を開始すべきか否か、車両は交差点の横断を許可されるか否かなどのような、行うべき複数の離散的な意思決定が存在する。さらに、車両がその始点から行先までの走行において実現すべき、時間調整された一連の位置および向き等の、行うべき複数の連続的な意思決定が存在する。これらの意思決定を経路設定301は行うことができず、その理由は、これらの意思決定が、対応する位置に車両が到達した瞬間の現在の交通に応じて決まり、一般的に、交通の動きの不確実性と、車両がその位置に到達する瞬間の不確実性とが原因で、それが経路設定にはわからないことにある。
一連の位置および向きならびに対応する瞬間に関連する、車両が最終的な行先に達するために取るべき実際の軌道は、通常、計画および制御モジュール303によって決定される。しかしながら、図3の計画および制御303は、経路設定301から提供された情報に直接基づいて動作することができない場合がある。特に、1段階で離散的および連続的な意思決定を行うと、いわゆるハイブリッド意思決定問題が生じ、この問題は、実験および計算理論に基づいて非常に多くの量の計算を必要とする、離散的意思決定(どの車線で運転するか、車両を追い越すか追従するかなど)および連続的意思決定(自車両速度、ステアリング角度など)の双方についての問題である。むしろ、計算ユニット212は、限定されたメモリおよび処理速度を有していることが多く、そのため、この問題の分解を、計算上簡単に扱えるようにしつつもこの分解によって矛盾が発生しないように行うことが有利である。すなわち、問題全体を、多数のより単純なサブ問題に分解し、1つ1つのサブ問題を順次解決し、サブ問題の一連の解に従って動作することで、問題全体の解を得る。
引続き図4を参照して、本開示のもう1つの認識として、この問題は、離散的意思決定および連続的意思決定の観点で分解することができるという認識があり、この場合、図3の意思決定モジュール302は、車線を変更するかまたは現在の車線に留まるか、停止車線で停止するために減速を開始するか否か、交差点を横断するか否か等の、離散的意思決定を行い、これを、図3の計画および制御モジュール303のために、中間目的地に変換する。計画および制御モジュール303は、意思決定モジュール302から、現在の中間目的地と、場合によっては、現在の中間目的地についてその計算を調整するための追加パラメータとを受けて、その計算を実行する。計画および制御モジュールは、意思決定モジュールに、現在の中間目的地への到達を、または、現在の中間目的地への到達が不可能であることを、知らせてもよい。意思決定モジュール302から提供される目的地は、現在の交通状態および車両状態に従って計画および制御モジュールが実現可能でなければならず、一連の中間目的地が相互接続可能であることを保証しなければならないものである、すなわち、計画部は、ある目的地から次の目的地に切り替えることができ、すべての中間目的地に達すると、全体としての目的地に達する、すなわち、最終位置に到達する。
このように、図3の意思決定モジュール302は、経路設定301からの情報を、図2のメモリの第3部分213に格納された地図を用いて処理することにより、一連の目的地を生成し、センサおよび通信214a、214bからの情報を用いて、1つ以上の代替の現在の目的地を選択して図3の計画および制御モジュール303に提供し、これは、上記目的地を用いて、現在の軌道を決定し実行する。
引続き図4を参照して、本開示のさらに他の認識として、いくつかの中間目的地は特定のものでありいくつかの他の目的地は任意である、という認識がある。図3の経路設定301によって示される道路区間は、交差点における特定の方向転換等の、特定の目的地を決定する。しかしながら、運転規則に従う車両の適切な操作により、他の特定の目的地が存在する。例として、停止車線で停止状態を保つこと、また、停止車線で停止するために減速することは、運転規則に従う特定のものである。同様に、特定の交差点において、そのような交差点で行うべき方向転換に基づいて特定の車線に留まることは、必須の場合がある。同じことが、一般道路から出る前の特定車線についても言える。
図5は、図4の具体例としての交通シーンにおいて、本開示のいくつかの実施形態で使用される特定の中間目的地の説明を示す。たとえば、図5において、停止車線における停止に関連する特定の中間目的地501、502、503が発生する。特定の中間目的地501および502は特定の車線を必要とするが、中間目的地503はそれを必要としない。特定の中間目的地504は、一般道路から出る前の特定の車線に存在することに関連し、特定の中間目的地505は、最終的な行先すなわち最終目的地と一致する。
図6は、図4の具体例としての交通シーンにおける、本開示のいくつかの実施形態で使用される任意の中間目的地の説明を示す。特定の中間目的地に加えて、任意である複数の中間目的地が存在する。例として、図6において、軌道603および604はいずれも特定の中間目的地503に到達するが、軌道603は、2回の車線変更を促す中間目的地606および607を有し、軌道604にはそれがない。軌道603および604はいずれも、停止車線の前に車線を変更する中間目的地608、609を有するが、これは、2つの車線がどちらも交差点I4において直進できるので、不要でもある。実際、軌道605には中間目的地がなく、直接特定の目的地503に到達する。また、一連の中間目的地に加えて、これらのタイミングが異なる可能性がある。なぜなら、軌道601、602はいずれもL2に車線変更する中間目的地611、612を有し、これは、交差点I1で左折するために停止車線S1における車線L2で停止する特定の中間目的地の存在により必要であるが、中間目的地611、612が適用される場所は大幅に異なっているからである。
いくつかの実施形態は、中間目的地の選択をグラフサーチ技術に基づいて実行できる、という理解に基づいている。たとえば、DMSによる、経路設定モジュールと経路計画モジュールとの接続に対応するために、経路設定モジュール情報および交通規則情報から、中間目的地のグラフを構築し、次に、車両および障害物情報をグラフとともに使用して、交通との衝突または交通規則違反を引き起こすことなく車両が到達可能な次の中間目的地を各瞬間に決定し、そこからなおも車両が最終目的地に到達できることを保証することが、可能である。しかしながら、グラフの設計は特に複雑であり、その理由は、グラフの設計が、自然言語の記述を、例として交通規則についてのグラフの状態および接続に変換することを必要とすることにある。
そのため、いくつかの実施形態は、交通規則および経路設定情報を中間目的地のグラフに変換するのではなく、代わりに、そのような情報を、線形時相論理(LTL:linear temporal logic)または信号時相論理(STL)等の時相論理ベースの形式仕様記述言語で記述することができ、そこから、中間目的地のグラフを自動的に生成し、自然言語から形式仕様記述へのより簡単な変換という利点が得られる、という認識に基づいている。
信号時相論理(STL)仕様記述
Figure 2023513643000001
Figure 2023513643000002
Figure 2023513643000003
第1の式は、車線内(in the lane)における車両の適切な動作を特定する、すなわち、車両が車線内にある、または車線変更(lane changing)を、車線変更の開始から1.5秒~4.5秒以内に車線に戻るまで行っている、のうちのいずれかを特定する。第2の式は、先行車両からの安全距離(safety distance)を常に保っていることを特定する。第3の式は、交差点(intersection)における挙動を特定し、赤信号(red light)の場合、車両は信号が赤でなくなるまで停止する必要があり、車両は再び動き始める。第4の式は、信号が赤から緑に変わると、車両は交差点の横断(crossing)を1~3秒以内に開始しなければならないことを特定する。
Figure 2023513643000004
Figure 2023513643000005
Figure 2023513643000006
Figure 2023513643000007
ロバストネススコアは、実際の挙動が予想される挙動とどれほど異なり得るかを、式の有効性を変更することなく、判定する。
混合整数制約
Figure 2023513643000008
(13)における論理演算子の変換は、すべてが同じ瞬間に関連付けられる変数を伴うが、(14)における時相演算子の変換は、一般的に異なる瞬間に関連付けられる変数を伴うことに注目することが、重要である。
Figure 2023513643000009
Figure 2023513643000010

DMSおよびMPSに対する車両動きモデル
いくつかの実施形態において、リアルタイムで計算を実行可能にしておくために、車両の動きの異なるモデルをDMSおよびMPSで使用する。DMSは、将来のより長い期間の車両の動きの予測に基づくが、より粗く、意思決定を実行する。MPSは、将来のより短い期間の車両の動きを、より精細に計画する。なぜなら、これは、計画した車両の動きを車両が実行できるよう、より高い精度を必要とするからである。このように、いくつかの実施形態は、第1の車両モデルをDMSに使用し第2の車両モデルをMPSに使用する。しかしながら、これら2つのモデルの予測の一貫性を保証することが重要であり、特に、DMSが、車両の動きの第1の(粗い)モデルに従って問題の目的を充足する意思決定問題に対する解を発見した場合、解を発見するための車両の動きの第2の(精細な)モデルに従い、MPSの計画問題に対する解が存在することが保証される。
Figure 2023513643000011
Figure 2023513643000012
Figure 2023513643000013
Figure 2023513643000014
Figure 2023513643000015

車両の動きのモデルの入力に対する制約
Figure 2023513643000016
これは、上記モデルに対して作用する意思決定および計画アルゴリズムによって充足されなければならない。
第1および第2の動きモデル間の相違
いくつかの実施形態は、包絡線を計算することにより、第1および第2の動きモデルの一貫性を保証する、すなわち、目的地に到達するために制約(20)を満たす車両の動きの第1のモデル(16)の状態の軌道が発見されると、同じ目的地に到達する、制約(21)を満たす車両の動きの第2のモデル(18)の状態の軌道が存在することを、保証する。
Figure 2023513643000017
Figure 2023513643000018

交通モデル
本開示のいくつかの実施形態において、DMS302ならびに計画および制御303は、メモリ202の第1部分211に格納された交通の動きの第1のモデルと交通の動きの第2のモデルとを使用して、道路上に存在する他の車両の将来の挙動を予測し、交通の動きの第1のモデルは、交通のモデルの第2のモデルよりも、計算に関して評価が簡単である。
Figure 2023513643000019
Figure 2023513643000020
Figure 2023513643000021
Figure 2023513643000022
制御ユニット212は、交通状態に関する情報をセンサおよび通信214a、214bから受ける。式(10)、(11)は、一輪車モデル(2)または運動学的自転車モデル(4)等の任意の標準車両モデルによって特定することができる。
制約としての動きモデル定式化
Figure 2023513643000023
Figure 2023513643000024

MIP問題としてのSTL仕様記述による意思決定
Figure 2023513643000025
Figure 2023513643000026

意思決定システム
図7は、いくつかの実施形態に係るDMSのブロック図を示す。自然言語で、すなわち規則書および日常言語で記述された規則および目的地は、式(1)、(2)によって記述されている言語を用いてSTL式に変換され、データベース701に格納され、メモリ202のたとえば第3部分213に格納される。規則&目的地選択モジュール702は、経路設定モジュール301から提供された(703)現在および今後の道路区画についての情報に従い、現在の状況に適用される規則および目的地をデータベース701から選択する。現在の規則および目的地についてのSTL式は、(12)、(13)、(14)に従って混合整数制約(15a)に変換され、車両および交通の動きモデル705から得た制約と組み合わされ、結果として部分的にブロック構造の制約(29)が得られる。異なる実施形態において、これはブロック704に圧縮されてもよく、結果として密な形式(28)になる。
いくつかの実施形態は、MIPソルバ(solver)にとっては問題を完全に構造化された形式で解くのがより効率的である、という認識に基づいており、本発明のいくつかの実施形態において、ブロック704は、以下で詳述するように、完全なブロック構造形式の制約に変換する。
車両および交通モデル705から、(22)および(26)それぞれにおける自車両および交通のモデル誤差集合WtおよびWを、場合によっては、センサおよび推定器からの(307)現在の車両情報を用いて計算し、一貫性制約を構成するブロックに与える。一貫性制約ブロック706は、制約(15b)として実施されることになるロバストネススコアRをたとえば(29)で計算し、これは、STL式を実施する混合整数制約を有効に強化して、車両の動きの第1のモデルに従ってDMSが計算した中間目的地を保証し、それでもなお目的地に到達し交通規則を満たす車両の動きの第2のモデルに従ってMPSが軌道を計算できるようにする。また、経路設定モジュール301からのデータ703から、コスト関数のパラメータを調整する(707)。704からの制約、707からのコスト関数、および一貫性制約706を組み合わせることにより、混合整数計画問題を部分的にブロック構造形式(29)でまたは完全に密な形式(32)で構成する(708)。好都合には、MIPソルバにとって、問題を完全に構造化された形式で解くことはより効率的であり、そのため、混合整数計画問題を以下で詳述するように完全ブロック構造形式で構成してもよい。次に、MIP問題を混合整数ソルバアルゴリズム709によって処理し、これは、その解を計算し、そこから次の中間目的地についての情報を抽出し(710)、計画および制御モジュール303の動き計画サブモジュール304のMPSに与える。本発明のいくつかの実施形態において、MIP問題の解から計算された次の中間目的地は、軌道の中間地点として、すなわち軌道が通過すべき点として、MPCに与えられる。
図8は、いくつかの実施形態に係る、逐次形式でDMSが実行する計算のフローチャートを示す。これらの実施形態は、自然言語すなわち日常言語で表現された交通規則を実施するソフトウェアプログラムの合成は、誤差が生じ易く時間がかかるが、自然言語で表現された交通規則を形式言語の式に変換し次にそのような式からソフトウェアプログラムを合成するのにより効果的である、という認識に基づいている。このように、交通規則および目的地の仕様記述は、運転規則書等のもののような自然言語記述からSTL式として構成され(800)、データベース700に格納される。各種実装形態において、交通規則は、定量的すなわち最大速度の大きさだけではなく、適用可能性においても、たとえば方向転換の制限があるか、通過が許可されているかなどにおいても、異なる道路では異なり得る。したがって、データベース内の多くの規則の中から、DMSは、経路設定モジュール301からの経路設定情報と、車線の数、各車線の方向転換制限、通過許可、交通状況などのような、メモリに格納されたマップとに基づいて、現在の運転条件に適用されるものを選択する(801)。
いくつかの実施形態の認識として、実施される規則の変更が原因で、コントローラコードは、事前に単一のコントローラとして合成できないが、規則の追加および削除によって連続的に調整される、という認識がある。よって、いくつかの実施形態は、DMSを最適化問題として実現し、この場合、交通規則、目的地を記述するSTL式は制約として構成され(802)、この制約が、追加および削除された交通規則および目的地(802)に従って最適化問題から追加および削除される。車両および交通の挙動をそれぞれ予測するための車両動きおよび交通の動きの第1のモデルも制約として追加される(803)。次に、DMSは、ソルバパラメータおよび問題の次元に基づいて意思決定し、804において制約を完全に密な形式に圧縮する場合、結果として制約は(27)から(28)に変換される。この場合、問題の次元は低減され、それにより、いくつかの場合、とりわけ元の問題の次元が小さい場合には、より高速の解決が可能になる。しかしながら、いくつかのMIPソルバアルゴリズムは、ブロック構造化形式の問題に対してより効率的に適用することができ、結果としてメモリおよび計算時間の短縮をもたらし、それにより、この手法をリアルタイム動作に適用することが可能になる。したがって、804において問題が圧縮されない場合、DMSはソルバパラメータおよび問題の次元に基づいて805において制約を完全にブロック構造の形式に拡張するか否かを決定する。
DMSの高密度でブロック構造の混合整数最適化問題式は完全に等価であることに注目されたい。しかしながら、本発明のいくつかの実施形態は、ブロック構造のMIP定式化が、任意の前処理ステップ、離散検索プロセス、および凸緩和の解法を含む、MIPを解く811のステップのうちの1つまたは複数について、完全に高密度のMIP定式化よりも計算的に効率的になり得る、という認識に基づいている。前処理ステップの例は、個々の離散変数および/または連続変数に対する制約を強化するためのドメイン伝搬、ならびに二重固定および置換である。混合整数計画法のための離散検索プロセスの例は、分枝限定最適化アルゴリズムであり、これは、1つまたは複数の離散最適化変数に対する限定を連続的に強化することに基づき、MIP解に対する局所的な下限を構成するために凸緩和の解を必要とする。混合整数二次計画(MIQP:mixed-integer quadratic program)の凸緩和の例は、離散最適化変数の各々を、その最小および最大の離散可能な値の間になるように各々が制約される連続最適化変数で置き換えることに基づく。加えて、本発明のいくつかの実施形態は、MIP問題データ、MIP最適化アルゴリズムにおける中間変数、およびMIP解ベクトルを格納するために、ブロック構造MIP定式化が、完全高密度MIP定式化よりも、メモリ要件に関してより効率的となり得る、という認識に基づいている。
本発明のいくつかの実施形態は、MIPのブロック構造定式化に基づくDMSの実装形態を使用するが、この場合、線形二次コスト関数ならびに線形等式および不等式制約の両方がブロック構造スパース性を示す。より具体的には、目的関数における各項および各不等式制約は、(27)と同じサンプリング時点からの最適化変数を含む。たとえば、状態変数に(17)等の車両動きモデルを課す、等価制約のみが、2つの連続するサンプリング時点における1つまたは複数の最適化変数を含み得る。本発明のいくつかの実施形態は、リフティング手順を使用して、複数のサンプリング時点からの離散的および/または連続的な最適化変数を含む等式または不等式制約のうちの1つまたは複数を拡張することができる、という認識に基づいている。そのようなリフティング手順は、1つまたは複数の追加の離散的および/または連続的な最適化変数を導入し、複数のサンプリング時点からの変数を結合する等式または不等式制約の各々を、(27)と同じサンプリング時点からの最適化変数のみを含む1つまたは複数の代替の等式および/または不等式制約で置き換える。
Figure 2023513643000027
Figure 2023513643000028
Figure 2023513643000029
Figure 2023513643000030
Figure 2023513643000031
Figure 2023513643000032
次に、DMSは、ロバストネススコアにおける必要なマージンRを決定し(808)、一貫性制約(15b)を構成する。いくつかの実施形態において、DMSおよびMPSは、異なる予測区間を必要とししたがって異なる精度を必要とするので、車両の動きについて異なるモデルを使用する。具体的には、DMSは、車両の動きの第1のモデル(16)を使用し、これは、リアルタイムでの実行のために計算時間を短く保ちながら、より長い時間にわたる予測が必要なので、精度が低い。代わりに、MPSは、車両の動きの第2のモデル(18)を使用し、これは、より短い時間にわたる予測なので、より精度が高く、したがって計算コストは依然として低い。しかしながら、第1のモデルを用いて生成されたDMS目的地が第2のモデルに従ってMPSで実行される場合、DMSが充足する仕様にMPSが違反する可能性がある。
図9は、いくつかの実施形態に係る、車両の第1のモデルに基づいて一連の中間目的地を計算し、次に車両の第2のモデルにおいて目的地を実行する効果を示す。たとえば、図9において、車両901は、第1の車線900にあり、交通車両902を回避するために第2の車線903に移動し、停止線905で停止しなければならない。DMSは、車両の第1のモデルに従って計算された軌道904に基づいて、一組の中間目的地を中間地点として計算し、そのような中間地点を接続する車両の動きの第1のモデルに従う軌道が、交通規則のSTL仕様記述が満たされるエリア910の中に入るようにする。しかしながら、MPSが車両の動きの第2のモデルに従って中間地点を実行する場合、結果として得られる軌道906は、正しいエリア910から離れ、実際は交通車両との衝突907を引き起こし、停止線を超えて停止する(908)ので停止エリアから外れる。これが生じる理由は、車両の動きの第1のモデルと第2のモデルとが異なっているので、第1のモデルに従って実行可能な軌道が第2のモデルに従うと実行されない可能性があることにある。
Figure 2023513643000033
図10は、いくつかの実施形態に係る、車両の動きの第1のモデルに基づいて一連の目的地を計算し、次に車両の動きの第2の第1のモデルにおいて目的地を実行する場合の、ロバストネスマージンの効果の概略図を示す。このロバストネスマージンの効果は、図10において、図9と同じシナリオについて例示されており、1010は、STL式がロバストネスマージンで満たされる領域であり、第1のモデルに従って計算されたDMS軌道1001は領域1010の中にあり、計算して得られたMPS軌道1002は、第1のモデルと第2のモデルとの間の相違が原因で領域1010の中にはないが式が満たされる領域910の中にある。
Figure 2023513643000034
パフォーマンス項Jrは、解のロバストネスを高めるために使用され、これはロバストネススコアρに関して(31)で二次関数として定式化することができる。
コスト関数(38)は、ロバストネス目的およびパフォーマンス目的のバランスを決定するパラメータαを含む。DMSは、より高いパフォーマンスが求められる場合にはαを増大させ、より高いロバストネスが求められる場合にはαを減少させることにより、αを現在の運転状態に調整し、パフォーマンスのみまたはロバストネスのみが求められる場合はそれぞれα=1およびα=0が限度である。
Figure 2023513643000035
MIP問題は、プロセッサ201において実行されるMIPソルバアルゴリズムによって解決される(811)。いくつかの実施形態において、MIPソルバは、例として、制約が拡張形式に変換された場合(807)、制約の構造を活用することができる。
図11Aは、いくつかの実施形態に係る、MIPを解決するための具体例としての分枝限定最適化アルゴリズムのブロック図を示し、図11Bはその疑似コードを示す。分枝限定法は、現在の制御時間ステップ1110において、混合整数二次計画(MIQP:mixed-integer quadratic program)についての分枝検索ツリー情報を、MIPの構造を形成するMIQP行列およびMIQPベクトルを含むMIQPデータ1145に基づいて、初期化する。現在の制御時間ステップ1110に対してウォームスタート初期化を生成するために、初期化はさらに分枝検索ツリー情報と前の制御時間ステップ1109からのMIQP解の情報とを用いる。最適化アルゴリズムの主な目的は、混合整数制御解の目的値について下界および上界を構成することである。下界値と上界値との間のギャップが特定の許容値よりも小さい場合(1111)、混合整数最適制御解が発見される(1155)。
下界値と上界値との間のギャップが特定の許容値よりも大きく(1111)かつ最大実行時間に最適化アルゴリズムがまだ達していない限り、分枝限定法は混合整数最適制御解を繰り返し検索し続ける(1155)。分枝限定法の各繰り返しは、整数変数検索空間の次の領域またはパーティションに対応する、ツリー内の次のノードを選択することによって開始され、可能な変数固定が事前解決分枝技術1115に基づく。ノードの選択後、対応する整数緩和MPC問題が解決され、可能な変数固定は事後解決分枝技術1120に基づく。
整数緩和MPC問題が可能な解を有する場合、結果として得られる緩和された制御解は、整数変数検索空間のその特定の領域またはパーティションについての目的値に対して下界を提供する。この下界が最適混合整数制御解の目的値の現在わかっている上界よりも大きい場合(1121)、選択されたノードは分岐ツリーから剪定または削除される(1140)。目的が現在わかっている上界よりも低く(1121)、緩和された制御解が整数実行可能である場合(1125)、現在わかっている上界および対応する混合整数制御解の推測を更新する必要がある(1130)。
整数緩和MPC問題が実現可能な解を有し、目的が現在わかっている上界よりも低い(1121)が、緩和された制御解がまだ整数で実現可能ではない場合、目的のグローバル下界を、分岐ツリーにおける既存のノードの目的値の最小値に更新することができ(1135)、選択されたノードはツリーから剪定される(1140)。加えて、現在のノードから開始して、分数値を有する離散変数が、離散検索空間の領域またはパーティションに対応する、結果として得られた下位問題を分岐ツリー内のそのノードの子として追加する(1150)ために、特定の分岐手法に従う分岐のために選択される(1145)。
Figure 2023513643000036
本発明のいくつかの実施形態は、後入れ先出し(LIFO:last-in-first-out)バッファを使用して実現することができる、深さ優先(depth-first)ノード選択手法を使用する分枝限定法に基づく。解くべき次のノードが、現在のノードの子の1つとして選択され、このプロセスは、ノードが剪定されるまで、すなわち、ノードが、実行不可能になる、最適になる、または現在わかっている上界値によって支配されるまで、繰り返され、その後バックトラッキング手順が続く。代わりに、本発明のいくつかの実施形態は、現在最小の局所下界を有するノードを選択する最良優先(best-first)手法を使用する分枝限定法に基づく。本発明のいくつかの実施形態は、深さ優先ノード選択法と最良優先ノード選択法との組み合わせを採用し、この場合、整数実行可能制御解が発見されるまで、深さ優先ノード選択手法が使用され、次に、分枝限定ベースの最適化アルゴリズムの後続の繰り返しにおいて最良優先ノード選択手法を使用する。後者の実現の動機付けは、早期剪定を可能にするために分岐限定手順の開始時おいて早期に整数実行可能制御解を発見し(深さ優先)、次に、より適切な実行可能解のより貪欲な(greedy)検索を行うこと(最良優先)を目指すことにある。
分枝限定法は、終了条件のうちの1つまたは複数の終了条件が満たされるまで、繰り返しを続ける。終了条件は、プロセッサの最大実行時間に達したこと、凸緩和または分枝を解決するために新たなノードを選択することができないように分枝検索ツリー内のすべてのノードが剪定されたこと、および混合整数制御解の目的のためのグローバル下界値と上界値との間の最適性ギャップが許容値よりも小さいことを含む。
Figure 2023513643000037
いくつかの実施形態は、自律車両および非自律車両がある道路や変化する気象条件などのような動的環境において、交通および車両の挙動の予測が正確ではない場合があると考える。そのため、センサおよび推定器から取得した更新された情報に基づいて、前に計算された中間目的地の許容性を継続的に評価することが好都合である。目的地が許容されなくなった場合は異常が発生しており、適切な修正措置が必要である。モニタリングは再計算よりも計算効率が高いことが認識される。そのため、いくつかの実施形態において、モニタリングは、異常を捕捉して迅速に反応できるように制御することよりも頻繁に行われ、よって、モニタリングのための計算量は制御のための計算量よりも少ない。
よって、いくつかの実施形態は、モニタリングおよび反応システム(MRS:Monitoring and Reaction System)を、モニタリングおよび反応モジュール320で使用することにより、センサおよび推定器から受けた(307)更新された情報に従い、前に計算された一連の中間目的地および中間地点が依然として有効か否かを評価する。
図12は、いくつかの実施形態に係る、MRSのモニタリングの動作のフローチャートを示す。最初に、MRSは、DMSが、新たな一連の中間目的地または中間地点を準備したか否かを確認し(1210)、準備されている場合は、その一連を受ける(1201)。MRSは、過去に既に存在していたすべての要素を破棄し対応する時点でセンサおよび推定器から受けた(307)値をこれらと置き換えることにより、上記一連を更新する(1202)。MRSは、センサおよび推定器から(307)新たなデータを受けた場合(1203)、一連の中間目的地および中間地点が依然として有効か否かの確認(1204)を、更新された一連の中間目的地および中間地点がMIP問題(40)の不等式を依然として満たすか否かを評価することによって行い、これは、同じ車両およびSTL式の制約、ロバストネス制約、およびコスト関数から計算されたものであり、これは、そのような一連が生成されたときに過去の一連の目的地を計算するために使用されるが、現時点ではセンサおよび推定器から得た(307)車両および交通に関する最新情報を使用する。
(40)の不等式が満たされない場合は異常が検出され、そうでなければモニタリングが次の繰り返しで続行される。異常が検出された場合、MRSは、この異常が、車両の安全性リスクなのか、重度の交通違反なのか、または軽度の交通違反なのかを判断し、またそのような異常の発生時期として、ごく近い将来たとえばDMSによる決定更新の次の2つの更新サイクル以内なのか、または遠い将来たとえばそのようなDMS更新の2サイクル後なのかを判断することによって、その重大性を評価する(1205)。モニタリングにおいて、唯一のアクションは、MIP問題(40)の制約が、最新のセンサおよび推定器情報で更新された一連の中間目的地および中間地点について満たされるか否かを評価することであり、制約を満たしコストを最小にする一連の中間目的地および中間地点を実際に計算する訳ではないので、MRSは、より少ない計算を実行し、そのため、頻繁な車両モニタリングに必要なDMSよりも遥かに高い速度で実行することができる。
次に、MRSは、訂正アクションを特定する。いくつかの実装形態において、訂正アクションは、異常の種類に応じて変わる可能性がある。たとえば、異常が、側線をわずかに超えたまたは小さなスピード違反というような軽度の交通違反の場合、緊急調整要求信号が生成される。異常が、交差点で停止しないまたは対向車線への侵入というような重度の交通違反の場合、エラー訂正要求信号が生成される。異常が、交通もしくは歩行者との予測される衝突または道路からの完全な逸脱というような車両の安全性リスクである場合、緊急要求信号が生成される。信号の種類としては、そのトリガが遠い将来に発生する場合は警告として、または、近い将来に発生する場合は障害として、定められる。
最終的に、MRSは、異常情報と、信号およびその種類とを、計画および制御モジュールのすべてのサブモジュールに提供する。例として、警告は、記録し、以前に計算された計画を無視するために使用することができ、エラーは、計画の一部の即時再計算をトリガする。緊急要求は、アクチュエータ制御306によって扱われる即時緊急停止を引き起こすことができ、エラー要求はMPS304による軌道の再計算および車両制御305によるその追跡を引き起こすことができるが、緊急調整は、意思決定モジュール302の再実行によってのみ扱うことができる。
具体例としての実施形態
1つの具体例としての実施形態は、車両の所望の行先に従って選択された経路設定における目標運転目的地までの車両の動きを制御するための制御システムを開示する。一実装形態において、制御システムは、自律または半自律車両等の制御される車両に配置される。別の実装形態において、制御システムは、路側機(RSU:road side unit)に配置され、制御される車両に通信可能に接続される。車両の動きは、速度および/または加速度の値等の制御コマンドを決定し車両のアクチュエータに与えることによって制御される。
各種実装形態において、目標運転目的地は、車両の所望の行先に従って選択される。目標運転目的地の例は、所望の行先だけでなく、所望の行先における車両の所望の状態でアノテートされた拡大された所望の行先を含む。たとえば、所望の行先は近くのスーパーマーケットであってもよく、拡大された所望の行先は近くのスーパーマーケットの駐車場での停止であってもよい。たとえば、所望の行先は、自律運転モードで実行される高速道路からの出口であってもよく、拡大された所望の行先は、最大許容速度または可能な速度の高速道路ランプの終端であってもよい。これに加えてまたはこれに代えて、目標運転目的地は、所望の行先までの経路上の行先の関数であってもよい。たとえば、目標運転目的地は、専用RSUによって制御される街路の領域への入口であってもよい。
制御システムは、車両の第1のモデルと第2のモデルとを格納するように構成されたメモリを含む。第1のモデルは、車両の第1の動きモデルと、車両に近接する交通の動きの第1の交通モデルとのうちの1つまたは組み合わせであってもよい。第2のモデルは、車両の第2の動きモデルと、交通の動きの第2の交通モデルとを含み得る。動きモデルは、車両の動きの力学を、時間の関数として既定する。動きモデルの例は、式(16)~(19)において見出すことができる。交通モデルは、制御される車両に近接する交通の力学を規定する。交通モデルの例は、式(23)~(26)において見出すことができる。動きモデルと交通モデルとを組み合わせることにより、制御される車両の力学を制御する一方で、車両の周囲の交通の起こり得る力学を予測することができ、これは、例として近傍の交通との衝突を回避するために、運転の正しい動作を保証するのに必要である。
各種実施形態において、第1のモデルは第2のモデルの近似であり、これは、第2のモデルを評価するのに必要な計算量に対して第1のモデルを評価するのに必要な計算量を減じるように構成される。そのような近似の例は、複数の状態変数を規定する動きモデルの次元の低減を含む。たとえば、一実施形態において、第2のモデルの次元は第1のモデルの次元よりも高い。そのような近似のもう1つの例は、車両および/または交通の力学を規定する式の簡略化である。たとえば、第1の動きモデルは、第2のモデルの非線形方程式を近似する線形方程式を含み得る。そのようにして、第1のモデルに従う計算は、第2のモデルに従う計算に対して簡略化される。
制御システムは、当該制御システムのモジュールを実現する、格納された命令と結合された、少なくとも1つのプロセッサを含む。モジュールは意思決定部を含み、意思決定部は、目標運転目的地に至る一連の中間目的地を、第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、車両の動きを最適化することにより、決定するように構成される。よって、意思決定モジュールの目的は、近似された/疎の第1のモデルを用いて目標運転目的地に至る中間目的地を決定することを含む。中間目的地の例は、目標運転目的地の種類に依存し、現在の車線に留まること、車線を変更すること、左折する前に一時停止標識で停止することなどを含む。
さまざまな中間目的地のシーケンスが同じ目標運転目的地に至る可能性があるので、意思決定部は最適なシーケンスを選択する最適化を実行する。最適化は、交通規則および経路設定によって特定される時相論理式の混合論理不等式を含む運転制約に準拠して実行される。交通規則の例は、制限速度、交差点横断の規則、車線の中心の位置の維持の有線、ならびに他の車両および歩行者と衝突しないようにするための要件を含む。交通規則は、第1のモデルの状態に基づいて変わる。たとえば、交通規則は、道路の現在の区間に対する速度制限の変更に応じて変わる。経路設定の例は、交差点の前の特定車線で整列すること、交差点での特定の方向転換、異なる道路に方向転換すること、高速道路に入ること、駐車場に向けて道路から出ることなどに対する指示を含む。
そのため、いくつかの実施形態の制御システムは、制御される車両の各種センサ、交通を構成する他の車両のセンサ、および/またはRSUに接続されるだけでなく、車両の状態と目標運転目的地への方向を規定する経路設定とに基づいて現在の交通規則を制御システムが選択することを可能にする交通規則のデータベースに接続される。
交通規則を運転制約として表すことにより、制御システムは、異なる交通規則に対して同一の最適化ルーチンを再使用することができる。たとえば、一実施形態は、最適化ルーチンを維持しつつ、交通規則の変更に応じて運転制約を更新するだけである。計算を簡略化するために、運転制約は、交通規則および経路設定によって指定された時相論理式の混合論理不等式を含む。
最適化の簡略化に加えて、いくつかの実施形態は、第1のモデルと第2のモデルとの相違を考慮するために運転制約を使用する。そのため、意思決定部は、強化された運転制約に準拠して最適化を実行する。具体的には、運転制約の混合論理不等式は、時相論理式が満たされるエリアを規定する。強化された運転制約は、第2のモデルと第1のモデルとの間の相違の関数である安全マージンによってそのエリアを縮小する。
そのようにして、第1のモデルに基づくが強化された運転制約に準拠して決定された中間目的地を、元の運転制約を有するより正確な第2のモデルによって使用することができる。これにより、制御システムは、第2のモデルに準拠して車両の動きを最適化することによって一連の中間目的地を追跡する車両の動きの軌道を決定するように構成された動き計画部を含み得る。そのため、動き計画部は、自身の最適化ルーチンを実行しようとする代わりに中間目的地を追跡することにより、安全の保障を保ちながら計算を簡略化することができる。車両の動きを制御するために、制御システムはコントローラを含み、コントローラは、車両の少なくとも1つのアクチェータに対し、動きの軌道を追従させる制御コマンドを生成し与えるように構成される。
いくつかの実施形態において、安全マージンは、車両の第1のモデルに従い強化された運転制約を満たす車両のすべての状態に対し、運転制約に違反することなく第2のモデルに従い車両の状態を移行させる制御入力が存在するように、選択される。そのようにして、第1のモデルおよび第2のモデルに従う動作の相互のバランスを取る。
安全マージンを選択するための、複数の異なるアプローチがある。たとえば、一実施形態において、意思決定部は、第2のモデルの一組の入力に対して第1のモデルに従い第2のモデルの状態の変換を移行させることによって得られる第1のモデルの状態と、第2のモデルの一組の入力に対して第2のモデルに従い第2のモデルの状態を移行させることによって得られる第2のモデルの状態の変換によって得られる第1のモデルの状態との間の相違を表す、第1のモデルの状態の領域を決定し、運転制約を強化するための安全マージンを、強化された運転制約を満たす第1のモデルのどの状態についても、同一の状態と上記状態の領域における任意の状態との組み合わせが運転制約を満たすように、決定するように構成される。そのような、状態に基づいた安全マージンの決定は、第1および第2のモデルの多数の選択に対して正確または近似的に計算できるので、好都合である。
意思決定モジュールの異なる実装形態は、異なる最適化ソルバを使用する。たとえば、一実施形態は、強化された運転制約に準拠してMIP目的関数を最適化する混合整数問題(MIP)を解くことにより、MIPの解に従い一連の中間目的地を生成する。そのため、この実施形態において、意思決定部は、車両の現在の状態と、交通の現在の状態と、次の目標位置とに基づいて、信号時相論理(STL)仕様記述のデータベースから時相論理式を選択し、選択した時相論理式を運転制約に変換し、安全マージンに従って運転制約を強化し、強化した運転制約に準拠してMIPを解くことにより、MIPの解に従って一連の中間目的地を生成するように、構成される。この実施形態は、第1のモデルの近似を利用して意思決定を減じることによりMIPを解く。
いくつかの実施形態は、異なる技術を用い、MIP解のスパース構造を維持することによってMIPソルバを簡略化する。たとえば、いくつかの実装形態において、意思決定部は、追加の最適化変数および追加の制約のうちの1つまたは組み合わせを導入してMIPの定式化のブロックスパース性を実現することにより、MIPをより高次元にリフティングし、より高次元でMIPを解くように、構成される。追加変数の導入にもかかわらず、リフティングされたドメイン内のMIPのスパース構造は、なおも計算上の利点を提供する。
そのため、ある実装形態において、リフティングは、MIPの目的関数の各項および各MIP不等式制約が、同一のサンプリング時点からの1つまたは複数の最適化変数を含み、かつ、各MIP等式定数が、同一のサンプリング時点からの1つもしくは複数の最適化変数または2つの連続するサンプリング時点からの1つもしくは複数の最適化変数だけを含むように、実行される。
これに加えてまたはこれに代えて、一実装形態において、リフティングは、追加の最適化変数を導入して、複数のサンプリング時点からの変数を結合する等式または不等式制約の各々を、同一のサンプリング時点からの最適化変数のみを含む1つまたは複数の代替等式および不等式制約で置換し、追加の最適化変数は、前のサンプリング時点における対応する制御入力変数に等しい状態変数である。そのようなリフティングの例は、最も一般的な時相演算子に関連して記載されており、たとえば、意思決定部の時相論理式で使用できる時相演算子「eventually」、「always」および「until」を含む。
これに加えてまたはこれに代えて、一実施形態は、車両のパフォーマンス、たとえば最終目的地に到達する時間と、ロバストネス、すなわち得られた決定が環境の予想外の挙動に対してどれだけの耐性を有するか、との間の所望のバランスを実現するために、意思決定モジュールによって最適化されたコスト関数を修正する。たとえば、一実装形態において、意思決定部は、次の目標目的地の達成を促進する第1項と、安全マージンの増加を促進する第2項とを含むコスト関数を最適化する。安全マージンの増加を促進する項の例は、安全マージンを最小よりも大きく既定する係数である。そのような修正は、現在の交通状況に基づいて、コスト関数における非負の重みパラメータを修正することにより、第1項および第2項の相対的重要性を調整することを可能にする。
いくつかの実施形態において、制御システムのモジュールは、車両の安全性に対する危険が存在するか否か、および/または計算コストがより高い動き計画部を再度実行する必要があるか否かをテストするために、意思決定部のより低コストの計算を利用する異常検出器を含む。そのため、異常検出器は、周期的に、強化された運転制約に対して意思決定部が決定した一連の中間目的地を受け、車両および交通の状態における変化を規定する第1のモデルの状態の変化に基づいて、強化された運転制約を更新し、一連の中間目的地が更新した強化された運転制約に違反するか否かをテストし、違反を検出すると訂正アクションを実行するように、構成される。そのようにして、車両は、車両および/または交通の状態に何らかの変化が起こったとしても、決定された軌道に従って制御することができる。
たとえば、一実装形態において、強化された運転制約を更新するために、異常検出器は、制御される車両および交通の現在および過去の位置についての更新された情報をセンサから受け、車両および交通に対する更新された現在および過去の位置について強化された運転制約を決定するように、構成される。制御される車両および交通の現在および過去の位置は、制御システムと作動的にまたは通信可能に接続された各種センサから受けることができる。そのような更新により、いくつかの実施形態は、一連の中間目的地を決定するために使用された同じ最適化に対する更新された運転制約の違反をテストすることができる。たとえば、最適化が、混合整数問題(MIP)を解くことによって実行される場合、この、一連の中間目的地が、更新された強化された運転制約に違反するか否かをテストすると、結果として線形不等式をテストすることになり、これは計算上効率が良い。
異なる実施形態において、訂正アクションは、異常の種類に基づいて選択される。たとえば、異常の種類は、車両の安全性リスク、重度の交通違反、および軽度の交通違反のうちの1つまたは組み合わせを含む。たとえば、訂正アクションは、即時緊急停止、動き計画部軌道の再計算、および意思決定モジュールの再実行のうちの1つまたは組み合わせを含む。そのようにして、制御されたシステムは、異常な状況に対して迅速に反応することができる。
本発明の上記実施形態は、非常に多くのやり方のうちのいずれかのやり方で実現することができる。たとえば、実施形態は、ハードウェア、ソフトウェア、またはその組み合わせを用いて実現してもよい。ソフトウェアで実現する場合、ソフトウェアコードは、任意の適切なプロセッサ上で、または、1つのコンピュータに設けられていても複数のコンピュータに分散されていてもよいプロセッサの集合体上で、実行することができる。このようなプロセッサは、1つ以上のプロセッサが集積回路構成要素内にある集積回路として実現されてもよい。とはいえ、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、本明細書で概要を述べた各種方法またはプロセスは、さまざま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うちのいずれか1つを採用した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符号化されてもよい。加えて、このようなソフトウェアは、複数の適切なプログラミング言語および/またはプログラミングもしくはスクリプトツールのうちのいずれかを用いて記述されてもよく、また、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または中間符号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、各種実施形態において所望される通りに組み合わせても分散させてもよい。
また、本発明の実施形態は方法として実施されてもよく、その一例が提供されている。この方法の一部として実行される動作の順序は任意の適切なやり方で決定されてもよい。したがって、実施形態は、例示されている順序と異なる順序で動作が実行されるように構成されてもよく、これは、いくつかの動作を、例示の実施形態では一連の動作として示されているが、同時に実行することを含み得る。
本発明を、好ましい実施形態の例によって説明してきたが、本発明の精神および範囲の中でその他さまざまな適合化および修正が可能であることが理解されるはずである。したがって、添付の請求項の目的は、本発明の真の精神および範囲に含まれるこのような変形および修正すべてをカバーすることである。
図4は、具体例としての交通シーンにおいて、本開示のいくつかの実施形態で使用される経路設定情報の説明を示す。たとえば、図4は、自車両411と呼ばれる制御下の車両、412と同様に示されている他の車両からなる交通、例としてL6で示される車線413、例としてS1で示される停止車線414、および、例としてI3で示される交差点415を用いた、あるシナリオを示す。図4を参照して、最終的な行先402を有する、位置401にある車両に対し、経路設定301は、矢印403で示される一連の道路と、矢印404で示される一連の方向転換とを提供する。しかしながら、一連の道路403および一連の方向転換自体は、車両の軌道または経路を指定しないことに、注目されたい。どの車線で車両を運転するか、車両は車線を変更すべきかまたは現在の車線に留まるべきか、車両は停止車線で停止するために減速を開始すべきか否か、車両は交差点の横断を許可されるか否かなどのような、行うべき複数の離散的な意思決定が存在する。さらに、車両がその始点から行先までの走行において実現すべき、時間調整された一連の位置および向き等の、行うべき複数の連続的な意思決定が存在する。これらの意思決定を経路設定301は行うことができず、その理由は、これらの意思決定が、対応する位置に車両が到達した瞬間の現在の交通に応じて決まり、一般的に、交通の動きの不確実性と、車両がその位置に到達する瞬間の不確実性とが原因で、それが経路設定にはわからないことにある。
図11Aは、いくつかの実施形態に係る、MIPを解決するための具体例としての分枝限定最適化アルゴリズムのブロック図を示し、図11Bはその疑似コードを示す。分枝限定法は、現在の制御時間ステップ1110において、混合整数二次計画(MIQP:mixed-integer quadratic program)についての分枝検索ツリー情報を、MIPの構造を形成するMIQP行列およびMIQPベクトルを含むMIQPデータ1145に基づいて、初期化する。現在の制御時間ステップ1110に対してウォームスタート初期化を生成するために、初期化はさらに分枝検索ツリー情報と前の制御時間ステップ1109からのMIQP解の情報とを用いる。最適化アルゴリズムの主な目的は、混合整数制御解の目的値について下界および上界を構成することである。下界値と上界値との間のギャップが特定の許容値よりも小さい場合(1111)、混合整数最適制御解が発見される(355)。
下界値と上界値との間のギャップが特定の許容値よりも大きく(1111)かつ最大実行時間に最適化アルゴリズムがまだ達していない限り、分枝限定法は混合整数最適制御解を繰り返し検索し続ける(355)。分枝限定法の各繰り返しは、整数変数検索空間の次の領域またはパーティションに対応する、ツリー内の次のノードを選択することによって開始され、可能な変数固定が事前解決分枝技術1115に基づく。ノードの選択後、対応する整数緩和MPC問題が解決され、可能な変数固定は事後解決分枝技術1120に基づく。

Claims (17)

  1. 車両の所望の行先に従って選択された経路設定における目標運転目的地までの前記車両の動きを制御するための制御システムであって、前記制御システムは、
    前記車両の第1の動きモデルと、前記車両に近接する交通の動きの第1の交通モデルとのうちの1つまたは組み合わせを含む第1のモデルと、前記車両の第2の動きモデルと、前記交通の動きの第2の交通モデルとを含む第2のモデルとを格納するように構成されたメモリを備え、前記第1のモデルは前記第2のモデルの近似であり、前記制御システムはさらに、
    前記制御システムのモジュールを実現する、格納された命令と結合された、少なくとも1つのプロセッサを備え、前記モジュールは、
    意思決定部を含み、前記意思決定部は、前記次の目標目的地に至る一連の中間目的地を、前記第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、前記車両の前記動きを最適化することにより、決定するように構成され、前記運転制約は、交通規則および前記経路設定によって特定される時相論理式の混合論理不等式を含み、前記混合論理不等式は、前記時相論理式が満たされるエリアを規定し、前記強化された運転制約は、前記エリアを前記安全マージンによって縮小し、前記安全マージンは、前記第2のモデルと前記第1のモデルとの間の相違の関数であり、前記モジュールはさらに、
    前記第2のモデルに準拠して前記車両の前記動きを最適化することによって前記一連の中間目的地を追跡する前記車両の動きの軌道を決定するように構成された動き計画部と、
    前記車両の少なくとも1つのアクチュエータに対し、前記動きの軌道を追従させる制御コマンドを生成し与えるように構成されたコントローラとを含む、制御システム。
  2. 前記安全マージンは、前記車両の前記第1の動きモデルに従い前記強化された運転制約を満たす前記車両のすべての状態に対し、前記運転制約に違反することなく前記第2の動きモデルに従い前記車両の状態を移行させる制御入力が存在するように、選択される、請求項1に記載の制御システム。
  3. 前記意思決定部は、
    前記第1のモデルの一組の入力に対して前記第1のモデルに従い前記第2のモデルの状態の変換を移行させることによって得られる前記第1のモデルの状態と、前記第2のモデルの一組の入力に対して前記第2のモデルに従い前記第2のモデルの状態を移行させることによって得られる前記第2のモデルの状態の変換によって得られる前記第1のモデルの状態との間の、相違を表す、前記第1のモデルの状態の領域を決定し、
    前記運転制約を強化するための前記安全マージンを、前記強化された運転制約を満たす前記第1のモデルのどの状態についても、同一の状態と前記状態の領域における任意の状態との組み合わせが前記運転制約を満たすように、決定するように、構成される、請求項1に記載の制御システム。
  4. 前記意思決定部は、
    前記車両の現在の状態と、交通の現在の状態と、前記次の目標位置とに基づいて、信号時相論理(STL)仕様記述のデータベースから前記時相論理式を選択し、
    前記選択した時相論理式を前記運転制約に変換し、
    前記安全マージンに従って前記運転制約を強化し、
    前記強化した運転制約に準拠して混合整数問題(MIP)を解くことにより、前記MIPの解に従って前記一連の中間目的地を生成する
    ように、構成される、請求項1に記載の制御システム。
  5. 前記意思決定部は、
    追加の最適化変数および追加の制約のうちの1つまたは組み合わせを導入して前記MIPの定式化のブロックスパース性を実現することにより、前記MIPをより高次元にリフティングし、
    前記より高次元で前記MIPを解くように、構成される、請求項4に記載の制御システム。
  6. 前記リフティングは、前記MIPの目的関数の各項および各MIP不等式制約が、同一のサンプリング時点からの1つまたは複数の最適化変数を含み、かつ、各MIP等式定数が、同一のサンプリング時点からの1つもしくは複数の最適化変数または2つの連続するサンプリング時点からの1つもしくは複数の最適化変数だけを含むように、実行される、請求項5に記載の制御システム。
  7. 前記リフティングは、追加の最適化変数を導入して、複数のサンプリング時点からの変数を結合する前記等式または不等式制約の各々を、同一のサンプリング時点からの最適化変数のみを含む1つまたは複数の代替等式および不等式制約で置換し、前記追加の最適化変数は、前記前のサンプリング時点における前記対応する制御入力変数に等しい状態変数である、請求項5に記載の制御システム。
  8. 前記最適化変数は、各サンプリング時点における各時相論理式ごとに、1つの追加の入力変数と1つの追加の状態変数とを含み、
    前記追加の入力変数は、対応する前記時相論理式が予め定められたロバストネススコアで充足される場合は値1を取り、
    前記追加の状態変数は、前記前のサンプリング時点における同じ式に対応する前記追加の入力変数に等しく、
    前記時相論理式は、論理および時相演算子に基づいた組み合わせにより、前記述語から繰り返し構成される、請求項7に記載の制御システム。
  9. 前記意思決定部は、前記次の目標目的地の達成を促進する第1項と、前記安全マージンの増加を促進する第2項とを含むコスト関数を最適化するように構成される、請求項1に記載の制御システム。
  10. 前記第1項および前記第2項の前記相対的重要性が、前記現在の交通状態に基づいて、前記コスト関数における非負の重みパラメータを修正することにより、調整される、請求項9に記載の制御システム。
  11. 前記意思決定部は、第1の予測区間にわたって前記コスト関数を最適化するように構成され、前記動き計画部は、前記第1の予測区間よりも短い第2の予測区間にわたって前記動きの軌道を繰り返し生成するように構成される、請求項9に記載の制御システム。
  12. 前記制御システムの前記モジュールは異常検出器を含み、前記異常検出器は、周期的に、
    前記強化された運転制約に対して前記意思決定部が決定した前記一連の中間目的地を受け、
    前記車両および前記交通の前記状態における変化を規定する前記第1のモデルの前記状態の変化に基づいて、前記強化された運転制約を更新し、
    前記一連の中間目的地が前記更新した強化された運転制約に違反するか否かをテストし、
    前記違反を検出すると訂正アクションを実行するように、
    構成される、請求項1に記載の制御システム。
  13. 前記強化された運転制約を更新するために、前記異常検出器は、
    前記制御される車両および前記交通の現在および過去の位置についての更新された情報をセンサから受け、
    前記車両および前記交通に対する更新された前記現在および過去の位置について前記強化された運転制約を決定するように、
    構成される、請求項12に記載の制御システム。
  14. 前記更新した運転制約に違反するか否かをテストすることは、前記一連の中間目的地を決定するために使用されるのと同一の最適化問題に対して実行され、前記最適化は、前記一連の中間目的地が前記更新した強化された運転制約に違反するか否かをテストすることが線形不等式のテストにつながるように、混合整数問題(MIP)を解くことにより、実行される、請求項12に記載の制御システム。
  15. 前記訂正アクションは前記異常の種類に基づいて選択され、前記異常の種類は、
    車両の安全性リスク、重度の交通違反、および軽度の交通違反のうちの、1つまたは組み合わせを含み、前記訂正アクションは、
    即時緊急停止、動き計画部軌道の再計算、および前記意思決定モジュールの再実行のうちの、1つまたは組み合わせを含む、請求項12に記載の制御システム。
  16. 車両の所望の行先に従って選択された経路設定における目標運転目的地までの車両の動きを制御する方法であって、前記方法はメモリに結合されたプロセッサを使用し、前記メモリは、前記車両の第1の動きモデルと、前記車両に近接する交通の動きの第1の交通モデルとのうちの1つまたは組み合わせを含む第1のモデルと、前記車両の第2の動きモデルと、前記交通の動きの第2の交通モデルとを含む第2のモデルとを格納し、前記第1のモデルは前記第2のモデルの近似であり、前記プロセッサは、前記方法を実現する、格納された命令と結合され、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、
    前記次の目標目的地に至る一連の中間目的地を、前記第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、前記車両の前記動きを最適化することにより、決定するステップを含み、前記運転制約は、交通規則および前記経路設定によって特定される時相論理式の混合論理不等式を含み、前記混合論理不等式は、前記時相論理式が満たされるエリアを規定し、前記強化された運転制約は、前記エリアを前記安全マージンによって縮小し、前記安全マージンは、前記第2のモデルと前記第1のモデルとの間の相違の関数であり、前記方法はさらに、
    前記第2のモデルに準拠して前記車両の前記動きを最適化することによって前記一連の中間目的地を追跡する前記車両の動きの軌道を決定するステップと、
    前記車両の少なくとも1つのアクチュエータに対し、前記動きの軌道を追従させる制御コマンドを生成し与えるステップとを含む、方法。
  17. 方法を実行するためにプロセッサが実行可能なプログラムが実装された非一時的なコンピュータ読取可能記憶媒体であって、前記方法は、
    前記車両の第1の動きモデルと、前記車両に近接する交通の動きの第1の交通モデルとのうちの1つまたは組み合わせを含む第1のモデルと、前記車両の第2の動きモデルと、前記交通の動きの第2の交通モデルとを含む第2のモデルとにアクセスするステップを含み、前記第1のモデルは前記第2のモデルの近似であり、前記方法はさらに、
    前記次の目標目的地に至る一連の中間目的地を、前記第1のモデルと、安全マージンによって運転制約を強化することにより形成された、強化された運転制約とに準拠して、前記車両の前記動きを最適化することにより、決定するステップを含み、前記運転制約は、交通規則および前記経路設定によって特定される時相論理式の混合論理不等式を含み、前記混合論理不等式は、前記時相論理式が満たされるエリアを規定し、前記強化された運転制約は、前記エリアを前記安全マージンによって縮小し、前記安全マージンは、前記第2のモデルと前記第1のモデルとの間の相違の関数であり、前記方法はさらに、
    前記第2のモデルに準拠して前記車両の前記動きを最適化することによって前記一連の中間目的地を追跡する前記車両の動きの軌道を決定するステップと、
    前記車両の少なくとも1つのアクチュエータに対し、前記動きの軌道を追従させる制御コマンドを生成し与えるステップとを含む、非一時的なコンピュータ読取可能記憶媒体。
JP2022573903A 2020-03-26 2021-02-10 車両制御のための意思決定の適応的最適化 Active JP7325672B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/830,601 2020-03-26
US16/830,601 US11650590B2 (en) 2020-03-26 2020-03-26 Adaptive optimization of decision making for vehicle control
PCT/JP2021/006514 WO2021192771A1 (en) 2020-03-26 2021-02-10 Adaptive optimization of decision making for vehicle control

Publications (2)

Publication Number Publication Date
JP2023513643A true JP2023513643A (ja) 2023-03-31
JP7325672B2 JP7325672B2 (ja) 2023-08-14

Family

ID=75108706

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022573903A Active JP7325672B2 (ja) 2020-03-26 2021-02-10 車両制御のための意思決定の適応的最適化

Country Status (4)

Country Link
US (1) US11650590B2 (ja)
EP (1) EP4126622B1 (ja)
JP (1) JP7325672B2 (ja)
WO (1) WO2021192771A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2022239250A1 (ja) * 2021-05-14 2022-11-17

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CL2021002230A1 (es) * 2020-08-27 2022-04-18 Tech Resources Pty Ltd Método y aparatos para coordinar múltiples trayectorias cooperativas de vehículos en redes de carreteras compartidas
JP7276306B2 (ja) * 2020-11-17 2023-05-18 トヨタ自動車株式会社 自動運転進路生成装置及び自動運転装置
US11554794B2 (en) * 2020-11-25 2023-01-17 Argo AI, LLC Method and system for determining a mover model for motion forecasting in autonomous vehicle control
EP4198670A1 (en) * 2021-10-29 2023-06-21 Volvo Autonomous Solutions AB Method and device for coordinating vehicle routes in confined areas
CN114442479A (zh) * 2021-12-31 2022-05-06 深圳市优必选科技股份有限公司 平衡车的控制方法、装置、平衡车及计算机可读存储介质
CN114973660B (zh) * 2022-05-13 2023-10-24 黄河科技学院 一种模型线性化迭代更新法的交通决策方法
GB2619923A (en) * 2022-06-20 2023-12-27 Oxa Autonomy Ltd A computer-implemented method of determining a trajectory of an autonomous vehicle
CN115662166B (zh) * 2022-09-19 2024-04-09 长安大学 一种自动驾驶数据处理方法及自动驾驶交通系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018160486A1 (en) * 2017-03-01 2018-09-07 Zoox, Inc. Trajectory generation and execution architecture
JP2019513612A (ja) * 2016-07-14 2019-05-30 三菱電機株式会社 車両を制御するコントローラー及び方法並びに非一時的コンピューター可読メモリ
US10372130B1 (en) * 2017-05-19 2019-08-06 Zoox, Inc. Communicating reasons for vehicle actions
WO2020003556A1 (en) * 2018-06-25 2020-01-02 Mitsubishi Electric Corporation Control system of vehicle, method for controlling vehicle, and non-transitory computer readable memory

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9568915B1 (en) 2016-02-11 2017-02-14 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling autonomous or semi-autonomous vehicle
US11263545B2 (en) * 2016-06-30 2022-03-01 Microsoft Technology Licensing, Llc Control of cyber-physical systems under uncertainty
US10671076B1 (en) * 2017-03-01 2020-06-02 Zoox, Inc. Trajectory prediction of third-party objects using temporal logic and tree search
US11231715B2 (en) * 2018-05-22 2022-01-25 King Fahd University Of Petroleum And Minerals Method and system for controlling a vehicle
US11651227B2 (en) * 2018-10-05 2023-05-16 Sri International Trusted neural network system
US11256611B2 (en) * 2019-05-29 2022-02-22 Toyota Research Institute, Inc. Simulation-based technique to synthesize controllers that satisfy signal temporal logic specifications
US20210123753A1 (en) * 2019-10-24 2021-04-29 International Business Machines Corporation Enhanced path mapping based on safety consideration

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019513612A (ja) * 2016-07-14 2019-05-30 三菱電機株式会社 車両を制御するコントローラー及び方法並びに非一時的コンピューター可読メモリ
WO2018160486A1 (en) * 2017-03-01 2018-09-07 Zoox, Inc. Trajectory generation and execution architecture
US10372130B1 (en) * 2017-05-19 2019-08-06 Zoox, Inc. Communicating reasons for vehicle actions
WO2020003556A1 (en) * 2018-06-25 2020-01-02 Mitsubishi Electric Corporation Control system of vehicle, method for controlling vehicle, and non-transitory computer readable memory

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2022239250A1 (ja) * 2021-05-14 2022-11-17
JP7350216B2 (ja) 2021-05-14 2023-09-25 三菱電機株式会社 設計支援装置、設計支援方法および設計支援プログラム

Also Published As

Publication number Publication date
JP7325672B2 (ja) 2023-08-14
US20210302974A1 (en) 2021-09-30
EP4126622B1 (en) 2024-03-27
EP4126622A1 (en) 2023-02-08
WO2021192771A1 (en) 2021-09-30
US11650590B2 (en) 2023-05-16

Similar Documents

Publication Publication Date Title
JP7325672B2 (ja) 車両制御のための意思決定の適応的最適化
US11714417B2 (en) Initial trajectory generator for motion planning system of autonomous vehicles
JP7150067B2 (ja) 車両の制御システム、車両を制御する方法、及び非一時的コンピュータ可読メモリ
Ding et al. Safe trajectory generation for complex urban environments using spatio-temporal semantic corridor
US11619943B2 (en) Optimal path library for local path planning of an autonomous vehicle
CN108698595B (zh) 用于控制车辆运动的方法和车辆的控制系统
JP6837558B2 (ja) 自車両の制御方法及び自車両の制御システム
Batkovic et al. Real-time constrained trajectory planning and vehicle control for proactive autonomous driving with road users
US11753023B2 (en) Adaptive control of autonomous or semi-autonomous vehicle
US20210403032A1 (en) Two-level path planning for autonomous vehicles
JP2022516383A (ja) 自律型車両の計画
Ward et al. Probabilistic model for interaction aware planning in merge scenarios
CN114638148A (zh) 用于自动化交通工具的文化敏感驾驶的安全的并且可扩展的模型
Xu et al. System and experiments of model-driven motion planning and control for autonomous vehicles
Guo et al. A multi-scale control framework for urban traffic control with connected and automated vehicles
Berntorp et al. Motion planning of autonomous road vehicles by particle filtering: Implementation and validation
Yang et al. Safe Reinforcement Learning for CPSs via Formal Modeling and Verification
Bajić et al. Trajectory planning for autonomous vehicle using digital map
US11886196B2 (en) Controlling machine operating in uncertain environment discoverable by sensing
Li Planning and Simulation for Autonomous Vehicles in Urban Traffic Scenarios
서장필 Inference of Target Behavioral Tendency and Preceding Target Selection for Car-following of Autonomous Driving
Artuñedo et al. Motion Prediction and Manoeuvre Planning
WO2022216885A1 (en) A systematic approach towards system identification based yaw rate estimation with low-cost imu+gps units
CN117360540A (zh) 行驶策略生成方法及装置、电子设备和存储介质
Ajot et al. Towards autonomous on-road driving via multiresolutional and hierarchical moving-object prediction

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220809

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220809

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230704

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230801

R150 Certificate of patent or registration of utility model

Ref document number: 7325672

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150