JP2023546367A - 乗物に対する運転者支援システムを試験するための方法およびシステム - Google Patents
乗物に対する運転者支援システムを試験するための方法およびシステム Download PDFInfo
- Publication number
- JP2023546367A JP2023546367A JP2023521381A JP2023521381A JP2023546367A JP 2023546367 A JP2023546367 A JP 2023546367A JP 2023521381 A JP2023521381 A JP 2023521381A JP 2023521381 A JP2023521381 A JP 2023521381A JP 2023546367 A JP2023546367 A JP 2023546367A
- Authority
- JP
- Japan
- Prior art keywords
- driver assistance
- scenario
- assistance system
- vehicle
- simulated
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000006399 behavior Effects 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 14
- 230000002787 reinforcement Effects 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 2
- 230000000638 stimulation Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010998 test method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003055 full factorial design Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- 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
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- 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
- G06F11/3676—Test management for coverage analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- B60W50/00—Details 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
-
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本発明は、乗物に対する運転者支援システムを試験するためのコンピュータで実施される方法に関し、以下の作業ステップを含む、すなわち、乗物が置かれたシナリオをシミュレートするステップと、シミュレートされたシナリオに基づく乗物の環境において、運転者支援システムを動作させるステップと、乗物の環境において運転者支援システムの運転挙動を観察するステップと、乗物の環境における運転者支援システムの運転挙動から得られた運転状況を決定するステップと、得られた運転状況の危機的状態に応じて、シミュレートされたシナリオの品質を確立するステップと、少なくとも1つの終了条件を調べるステップと、品質に対する少なくとも1つの終了条件が満たされるまで、確立された品質に基づき、シミュレートされたシナリオを変更するステップとを含む。本発明はまた、対応するシステムに関する。
Description
本発明は、乗物に対する運転者支援システムを試験するためのコンピュータで実施される方法およびシステムに関し、ここにおいて、乗物が置かれるシナリオはシミュレートされ、また運転者支援システムは、そのシミュレートされたシナリオに基づいて乗物の環境において動作され、また運転者支援システムの運転挙動は、乗物の環境において観察される。
さらなる発展においては、自動運転(AD: Autonomous Driving)を可能にする運転者支援システム(ADAS: Advanced Driver Assistance Systems)の普及は、乗用車ならびに商用車の両方の分野で増加し続けている。運転者支援システムは、能動的交通安全を高めるために重要な貢献を行っており、また運転の快適さを向上させるように働く。
ABS(アンチロックブレーキシステム)およびESP(電子安定性プログラム)などの特に運転安全性を提供するシステムに加えて、複数の運転者支援システムが、乗用車および商用車の分野で売り込まれている。
実際の道路安全性を高めるためにすでに使用されている運転者支援システムは、アダプティブクルーズコントロール(ACC)としても知られている駐車支援および適応型の自動的な乗物間隔制御であり、それは、前方へ運転する乗物からの距離への、運転者により選択される望ましい速度を適応的に調整する。このような運転者支援システムのさらなる例は、ACCに加えて、交通渋滞または静止した交通において、乗物の自動的なさらなる移動を行うACCストップアンドゴー(stop and go)システム、自動的に乗物を車線に維持する車線逸脱警報または車線支援システム、およびプリクラッシュ(pre-crash)システムであり、それは、例えば、乗物の運動エネルギーを引き抜くために、衝突の可能性がある場合に制動の用意をする、もしくは開始し、ならびに衝突が不可避である場合に、場合によっては、さらなる対策を開始する
これらの運転者支援システムは、例えば、緊急制動機能を活動化させることにより、事故を阻止する、または事故の結果を緩和するための自動介入を開始することを介して、重大な状況を運転者に警告することにより、交通の安全性を高める。加えて、自動駐車、自動的な車線維持、および自動近接制御などの機能は、運転の快適さを高める。
運転者支援システムの安全性および快適さの向上は、運転者支援システムによる支援が安全であり、信頼性があり、かつ可能な程度に便利である場合、乗物の乗員によって明確に知覚されるだけである。
さらに、あらゆる運転者支援システムは、その機能に応じて、その乗物自体に対して最大の安全性を備え、かつ他の乗物または道路の使用者をそれぞれ危うくすることなく、所与の交通シナリオを処理することが必要である。
乗物自動化のそれぞれの程度は、いわゆる自動化レベル1から5へと分割される(例えば、SAE J3016規格を参照のこと)。本発明は、特に、概して、自動運転と考えられる自動化レベル3から5の運転者支援システムを有する乗物に関する。
このようなシステムの試験には、多くの多様な課題がある。特に、試験を行う費用と試験範囲の間にバランスを見出す必要がある。ADAS/AD機能を試験する場合の主な仕事は、それにより、特に重大な運転状況を含むすべての考えられる状況において、運転者支援システムの保証された機能を実証することである。各運転者支援システムの無反応または誤反応は事故を生ずるおそれがあるため、このような重大な運転状況はある程度の危険を含む。
したがって、運転者支援システムの試験には、様々なシナリオで生ずる可能性のある多数の運転状況を可能にすることが求められる。それにより、可能なシナリオの範囲は、概して、多くの特性にわたっている(例えば、様々な道路特性、他の道路使用者の挙動、気象状態など)。運転者支援システムを試験するには、この実質的に無限かつ多次元のパラメータ範囲から、異常な、または危険な運転状況を生ずる可能性のある重大なシナリオに対して、これらのパラメータ群を抽出することが特に重要である。
図1で示されるように、このような重大なシナリオは、通常のシナリオよりも生ずる確率ははるかに低い。
対応する運転者支援システムを検証するために、科学出版物では、自動運転動作で乗物を動作させることは、各運転者支援システムが、2.75億マイルの無事故運転を完了したとき、人間が制御する乗物よりも統計的に安全になるに過ぎないと考えられている。自動車産業で要求される開発サイクルおよび品質規格が、すでに非常に厳しい時間枠を設定していることを特に考慮すると、実際の試験運転は、これを実現することができない。前述の理由のため、十分な数の重大なシナリオ、またはこれらのシナリオから生ずる運転状況がそれぞれ含まれることはありそうもない。
運転者支援システムの妥当性を確認し、かつ検証し、また記録データからシナリオを抽出するために、試験車両の実際の集団からの実際の試験運転データを用いることは、従来技術から知られている。さらに、妥当性確認および検証のための完全な要因配置実験(factorial design)を用いることもまた知られている。
本発明の1つの課題は、運転者支援システムを、特に、重大なシナリオにおける自動運転のための運転者支援システムを試験できることである。特に、本発明の課題は、運転者支援システムに対する重大なシナリオを識別することである。この課題は、独立請求項の教示によって解決される。有利な実施形態は、従属請求項において見出される。
本発明の第1の態様は、乗物に対する運転者支援システムを試験するためのコンピュータで実施される方法に関し、以下の作業ステップを含む、すなわち、
乗物が置かれたシナリオをシミュレートするステップと、
シミュレートされたシナリオに基づく乗物の環境において、運転者支援システムを動作させるステップと、
乗物の環境において、運転者支援システムの運転挙動を観察するステップと、
乗物の環境における運転者支援システムの運転挙動から得られた運転状況を決定するステップと、
得られた運転状況の危機的状態に応じて、シミュレートされたシナリオの品質を確立するステップと、
少なくとも1つの終了条件を調べるステップと、
品質に対する少なくとも1つの終了条件が満たされるまで、確立された品質に基づき、シミュレートされたシナリオを変更するステップと
を含む。
乗物が置かれたシナリオをシミュレートするステップと、
シミュレートされたシナリオに基づく乗物の環境において、運転者支援システムを動作させるステップと、
乗物の環境において、運転者支援システムの運転挙動を観察するステップと、
乗物の環境における運転者支援システムの運転挙動から得られた運転状況を決定するステップと、
得られた運転状況の危機的状態に応じて、シミュレートされたシナリオの品質を確立するステップと、
少なくとも1つの終了条件を調べるステップと、
品質に対する少なくとも1つの終了条件が満たされるまで、確立された品質に基づき、シミュレートされたシナリオを変更するステップと
を含む。
本発明の第2の態様は、乗物に対する運転者支援システムを試験するシステムに関し、システムは、
乗物が置かれたシナリオをシミュレートするための手段と、
シミュレートされたシナリオに基づく乗物の環境において、運転者支援システムを動作するための手段と、
乗物の環境において運転者支援システムの運転挙動を観察するための手段と、
乗物の環境における運転者支援システムの運転挙動から得られた運転状況を決定するための手段と、
得られた運転状況の危機的状態に応じて、シミュレートされたシナリオの品質を確立するための手段と、
少なくとも1つの終了条件を調べるための手段と、
品質に対する終了条件が満たされるまで、確立された品質に基づき、シミュレートされたシナリオを変更するための手段と
を備える。
乗物が置かれたシナリオをシミュレートするための手段と、
シミュレートされたシナリオに基づく乗物の環境において、運転者支援システムを動作するための手段と、
乗物の環境において運転者支援システムの運転挙動を観察するための手段と、
乗物の環境における運転者支援システムの運転挙動から得られた運転状況を決定するための手段と、
得られた運転状況の危機的状態に応じて、シミュレートされたシナリオの品質を確立するための手段と、
少なくとも1つの終了条件を調べるための手段と、
品質に対する終了条件が満たされるまで、確立された品質に基づき、シミュレートされたシナリオを変更するための手段と
を備える。
本発明の第3の態様は、エージェントを備える乗物に対する運転者支援システムを試験するためのシステムに関し、ここにおいて、エージェントは、シナリオを生成し、かつシナリオを変更することにより、運転者支援システムにエラーを引き起こすように構成され、またここにおいて、シナリオを変更するための方策は、終了条件が満たされるまで、動作中に運転者支援システムとのエージェントの対話により、強化学習方法論により絶えず改良される。
本発明の意味に含まれる乗物の環境は、運転者支援システムにより提供される乗物ガイダンスに関連する対象物によって少なくとも形成されることが好ましい。特に、乗物の環境は、設定および動的な要素を含む。その設定は、すべての静止した要素を包含することが好ましい。
本発明の意味に含まれるシナリオは、特に静的な場面の時系列シーケンスから形成されることが好ましい。それにより、場面は、例えば、一群の道路使用者など、自己の対象物に対する少なくとも1つの他の対象物の空間的配置を示す。シナリオは、特に、運転者支援システムが乗物を少なくとも部分的に制御する運転状況を組み込むことができ、その乗物は、自車(ego vehicle)と呼ばれ、運転者支援システムを装備しており、例えば、自車の少なくとも1つの乗物機能を自律的に実行する。
本発明の意味に含まれる運転状況は、好ましくは、特定の時間点において、適切な運転者支援システムの挙動パターンの選択が考慮される周囲の事情を指定する。運転状況は、したがって、自車の視点を表すことにおいて主観的であることが好ましい。それは、関連する状態、偶然性、およびアクションに影響する因子をさらに含むことが好ましい。運転状況は、例えば、ミッション特有の、ならびに恒久的な目的および価値などの過渡事象に基づいて、情報選択プロセスを介して場面から導出されることがさらに好ましい。
本発明の意味に含まれる運転挙動とは、乗物の環境におけるアクションおよび反応による運転者支援システムの挙動であることが好ましい。
本発明の意味に含まれる品質とは、シミュレートされたシナリオを特徴付けるものであることが好ましい。品質とは、運転者支援システムを試験するためのその適合性に対するシミュレートされたシナリオの品質または状態として理解されることが好ましい。この文脈において、より重大なシナリオが、より高い品質を有することが好ましい。好ましくは、試験される運転者支援システムに対する各シナリオから得られる運転状況の危機的状態は、シナリオの品質の尺度である。
強化学習は、環境内でエージェントが独立してアクションを学習する機械学習の方法である。それにより、これは、エージェントが、環境内で様々なアクションを試み、かつ環境からのフィードバックを介して報酬または罰を受け取ることにより行われる。学習段階の後、エージェントは、そのようにすることによる最大の可能な報酬を受けるために、環境内でアクションを実行することができる。
本発明の意味に含まれるエージェントは、好ましくは、一定の独立した、かつ固有の動的な、特に自律的な挙動を可能にするコンピュータプログラム、またはデータ処理システムのモジュールを示す。それは、特に異なる状況など様々な状態に応じて、外部手段により、またはプロセス中に後続する何らかの外部の制御介入により与えられる何らかのさらなる開始信号を使用せず、所定の処理動作を進めることを意味する。
本発明は、運転者支援システムを試験するために、可能な限り適切であるように、シミュレートされたシナリオを繰り返し向上させる考えに基づいている。言い換えると、シミュレートされたシナリオは、運転者支援システムにおいて起こり得るエラーを明らかにする、または引き出すことにおいて、可能な限り適切であるような方法で改良される。シミュレートされたシナリオは、それにより、特定の運転者支援システム、または運転者支援システムの機能に対して特に最適化される。
好ましくは、終了条件の提示に対する用意を行うことができ、それは、満たされたとき、反復プロセスの終了が行われる。このような終了条件が満たされない場合、シミュレートされたシナリオにおいて乗物により完了される、例えば、最大の試験期間、またはさらに最大数の試験キロメートルなどのさらなる終了条件が提供され得る。シミュレートされたシナリオの品質、すなわち、シミュレートされたシナリオを評価するその変数は、各繰り返しステップにおいて生ずる各運転状況に対して、定義された基準に応ずることが好ましい。
特に、運転状況の危機的状態は、それにより、品質の尺度に対する基準として使用することができる。さらに、好ましくは、この品質の尺度は、衝突点までの計算された時間の長さ、事故の確率、および/または運転者支援システムの不適切な運転挙動である。このような不適切な運転挙動は、例えば、交通規則の違反、および/または特に体の傷害である損傷の過度の危険を伴う操作であり得る。
本発明は、したがって、2人の「プレーヤ」を用いるゲームの手法をとり、運転者支援システムを試験するための方法またはシステムは、特に、運転者支援システム機能に関する(安全性の)重大なメトリックである所定の基準が違反されるまで、複雑さを増加するシナリオを反復して生成するように試みる。この場合、試験するための方法またはシステムは、「勝っている」。対照的に、試験される運転者支援システムは、このような違反、すなわち、終了条件を満たすこと、が引き出されない場合、「勝ち」である。
本発明は、各運転者支援システムに対して特に重大であるシナリオを直感的に見出すので、運転者支援システムを試験するための道路キロメートルの数を大幅に減らすことが可能になる。大部分のシナリオは、通常、各運転者支援システムにより容易に扱うことができる。さらにその場合、運転者支援システムにおけるどんな弱点も明らかになることはない。
試験プロセス中に、好ましくは、ソフトウェアモジュールとして、または試験方法におけるサブアルゴリズムとして設計され得るいわゆるエージェントは、試験される運転者支援システムの挙動から学習し、かつ試験される運転者支援システムの動作不良を引き出すために、シミュレートされたシナリオの品質を絶えず向上させる。
試験方法は、シミュレートされたシナリオの変更が、終了条件として働く所定の目標値に違反する運転者支援システムの挙動を導くまで、それにより繰り返し反復される。このような終了条件は、例えば、衝突時間点まで0.25秒未満の時間の長さ、またはさらに、例えば、最大600時間のシミュレーション時間など、特定の時間予算とすることができる。
十分に長い時間予算が与えられる場合、本発明は、適正なADASまたはADシステムが機能する高い確率を達成することができる。本発明の教示を用いて実施される試験の有益な値は、それにより、シミュレートされたシナリオを変更するために使用されるアルゴリズムに依存する。理想的には、このようなアルゴリズムは、各運転者支援システムをその限界まで押すことのできる人間のような直感を有する。
運転者支援システムを試験するための方法の有利な一実施形態では、特に初速である乗物の速度、および/または乗物の軌道が、シナリオをシミュレートするとき指定される。そのようにすることは、経験的な値を試験の中へと要因化できるようにする。エージェントは、したがって、重大なシナリオの開発において、正しい経路をすでに組み込むことができる。
運転者支援システムを試験するための方法のさらなる有利な実施形態では、シミュレートされたシナリオが変更されたとき、シナリオのパラメータの値が変更される。この場合、各所与のシナリオは、反復的に適合され、それにより各運転者支援システムの試験に対して改善される。この手順は、特定の運転者支援システムを試験するための特定のシナリオが「最適化」されるとき、特に有利である。
運転者支援システムを試験するための方法のさらに有利な実施形態では、試験される運転者支援システムのタイプに応じて、シナリオのパラメータは、以下のグループから選択される。
特に初速である乗物の速度、乗物の軌道、照明状態、気象、路面、静的および/または動的対象物の数および位置、動的対象物の動きの速度および方向、特に交通信号システムである信号伝達システムの状態、交通標識、標高、車線の幅および/または操縦可能性、車線のコース、車線の数。
運転者支援システムを試験するための方法のさらに有利な実施形態においては、シミュレートされたシナリオが変更されたとき、引き続き組み合わされたシナリオからなることが好ましい新しいシナリオが作成される。新しいシナリオは、新しい運転タスクを克服する必要性により特徴付けられることが好ましい。例えば、交差点に接近するシナリオは、高速道路で運転するシナリオとは基本的に異なっている。
シミュレートされたシナリオを新しいシナリオで置き換えることは、試験運転中に、多くの異なる運転状況をカバーすることができる利点、および完全に異なる環境において運転者支援システムの多くの機能を試験できる利点を提供する。こうすることは、試験方法の情報的価値を大幅に高める。新しいシナリオを作成するとき、特に完全に新しいパラメータもまたパラメータ値の変更に提供され得る。
運転者支援システムを試験するための方法のさらに有利な実施形態においては、品質を確立したとき、観念上の報酬が与えられ、またその報酬を最大化するように設計された機能に基づき、変更が続いて行われる。好ましくは、本発明で使用される各アルゴリズム、特にこのアルゴリズムを適用するエージェントは、既存のシミュレートされたシナリオに対するどの変更が、または新しいシナリオに対するどの変更が、望ましい効果を達成するために適切であるか、すなわち、どの変更が重大なシナリオへと導き、かつ潜在的に、運転者支援システムの動作不良もしくは事故を引き起こすかを学習する。
運転者支援システムを試験するための方法のさらに有利な実施形態においては、品質が高くなるにつれて各運転状況はより危険になる、特に、衝突時間点までの計算された時間の長さが短くなる。
さらなる有利な実施形態においては、シミュレートされるシナリオは、進化的アルゴリズムを用いて変更される。進化的アルゴリズムは、遺伝的アルゴリズムとも呼ばれる。このようなアルゴリズムを変更するとき、様々なアルゴリズムは、組み合わされて変異される。結果として得られたアルゴリズムは、次の反復ステップに対する候補を確立するために使用される。
この選択は、重大なシナリオを引き出す最も高い確率を有するこれらの候補を選択するために行うことができる。遺伝的発展型(genetic evolutionary)アルゴリズムは、それにより、事前定義の基準に対して既存のシナリオを最適化する高度の柔軟性を提供する。
運転者支援システムを試験するための方法のさらに有利な実施形態では、特定のシナリオがどの値を有するかを指定する効用関数が、確立された品質に基づいて近似される。アルゴリズムまたはエージェントは、シミュレートされたシナリオのこの値を、報酬のタイプとして理解し、それにより、その値および報酬を最大化するように構成されることが好ましい。
運転者支援システムを試験するための方法のさらに有利な実施形態では、運転者支援システムがシミュレートされる。運転者支援システムのシミュレーションは、この場合、実際の運転者支援システムの実際の構成要素を試験するためのテストベッドを必要としないので、特に有利である。特に、本発明の方法は、この場合、実時間よりも速く実行することができる。シミュレーションの速度は、それにより、割り振られる計算能力により制限されるだけである。
運転者支援システムを試験するための方法のさらに有利な実施形態では、確立された品質に基づいて、強化学習方法論を用いてシナリオを変更するための方策は、終了条件が満たされるまで、試験動作中に絶えず改良される。強化学習を使用する場合、アルゴリズムまたはエージェントは、それぞれ、個々に、受け取る報酬を最大化するための方策を学習する。それにより、正ならびに負の報酬が共に、行われたアクションに対して与えられ得る。強化学習を使用することにより、シミュレートされたシナリオの特に有効な最適化が可能になる。
運転者支援システムを試験するための方法のさらに有利な実施形態では、シナリオが最初にシミュレートされるとき、特に、試験される運転者支援システムである運転者支援システムの以前の試験動作からの履歴データが考慮される。履歴データを使用することは、アルゴリズムまたはエージェントを事前に訓練するために利用することができる。こうすることは、それにより、重大なシナリオを見出すために必要な時間の長さを低減することができる。さらに、別の、特に同様なADASまたはADシステム上で訓練されたアルゴリズムまたはエージェントを使用することもできる。したがって、特に運転者支援システムのソフトウェアの以前に試験された部分の変更が何らかの新しいエラーを誘起しないことを保証するために、いわゆる回帰試験が実施され得る。
運転者支援システムを試験するための方法のさらに有利な実施形態では、乗物の環境に関するデータが、運転者支援システムの中に供給される、かつ/または特にセンサである運転者支援システムは、運転者支援システムの動作中に、乗物の環境に基づいてシミュレートされる。この場合、本発明の方法は、物理的に存在している運転者支援システムを試験するために使用することができる。好ましくは、乗物は、プロセスにおいてシミュレートされる。しかし、原理的には、運転者支援システムを含む乗物全体が、テストベッド上でこのように試験されることも考えられる。この実施形態は、可能な限り現実的な条件下で、その構成要素のすべてを用いて運転者支援システムを試験できる利点を提供する。
運転者支援システムを試験するためのシステムの有利な一実施形態においては、エージェントは、シミュレートされたシナリオに基づいて乗物の環境における運転者支援システムの運転挙動から得られる運転状況を観察し、かつ得られた運転状況の危機的状態に応じて、シナリオの品質を確立するように構成される。
運転者支援システムを試験するためのシステムのさらに有利な実施形態では、エージェントは、履歴データに基づいて事前に訓練される。このデータは、最初にシナリオをシミュレートしたときに、エージェントにより考慮される。
本発明の第1の態様に関して前に述べられた特徴および利点は、したがって、逆も同様であるが、本発明の第2および第3の態様にも適用される。
さらなる特徴および利点は、少なくとも部分的に概略的に示されている諸図を参照する以下の記述から導かれる。
図1は、その複雑さの関数としてシナリオの発生する確率の図を示す。発生する確率は、シナリオが実際の道路交通で生ずる確率である。
図1から気が付くことは、大部分のシナリオは比較的低い複雑さのものであり、それはまた、自動車運転者の一般的な生活体験に対応する。これらのシナリオの範囲は、図1で「A」とラベル付けられている。それとは対照的に、高い複雑さのシナリオは、比較的まれに生じており、それらの範囲は図1で「B」とラベル付けられている。しかし、運転者支援システムの機能の試験に大きく関連するのは、まさに複雑さの大きいこれらの「B」のシナリオである。
したがって、運転者支援システムを試験するとき、高い「B」の複雑さを有する様々なシナリオの十分な数および多様性を得るためには、示された分布曲線に基づいて非常に多数のシナリオを実行する必要がある。
図2aは、歩行者6が横断歩道を横断し、また運転者支援システム2により制御された乗物1ならびに反対車線の別の乗物5aが横断歩道に接近している第1のシナリオ3を示す。運転者支援システム2は、それにより、乗物1の長手方向の動きと横方向の動きを共に制御する。
図2で示された第1のシナリオ3では、歩行者6ならびに道路のコース、横断歩道および他の近づいてくる乗物5aが、運転者支援システム2にはセンサを介して明確に見ることができる。示された例では、運転者支援システム2は、歩行者6が横断歩道を通過できるように、乗物の速度を低下させる必要のあることを認識する。他の乗物5aの動きは、それにより、何らかの役割を果たすことはありそうもない。図2aは、したがって、比較的複雑さの低いシナリオ3に関する。
図2bで示された第2のシナリオ3では、横断歩道がない。さらに、他の乗物5b、5c、5dは、運転者支援システム2により制御された乗物1の車線のそばに駐車しており、それにより、運転者支援システム2のセンサは、歩行者6を検出することができない、または困難を伴って検出できるに過ぎない。
歩行者6および駐車されている乗物5b、5c、5dに加えて、運転者支援システム2により制御された乗物1の環境内に、さらなる乗物5aが存在し、それは、図2aで示されるように、運転者支援システム2により制御された乗物1に接近しつつある。
前記さらなる乗物5aの後方で乗車中のオートバイ運転者4がいる。運転者支援システム2によって制御された乗物1の環境において、オートバイ運転者を検出できるかどうかに関する表示は、図2bにはない。示されるようにシナリオ3では、オートバイ運転者4は、他の乗物5aを通過して他の車線に入るように試みることになる。歩行者6は、示されたシナリオにおいて、同時に通りを横断しようとする。横断する場合に、歩行者は、運転者支援システム2により制御された乗物1に気づかない。
運転者支援システム2が、シナリオ3において、どのように反応するか、または動作するかに応じて、すなわち、運転者支援システム2が、乗物1の環境において、どの運転挙動を示すかに応じて、危険な、または危険の少ない運転状況が得られることになる。例えば、図2bにおいて矢印で示されるように、示されたシナリオ3において、乗物1が、減少させない速度で運転を続けるとすると、運転者支援システム2により制御される乗物1とオートバイ4の間で衝突が生ずる可能性が高い。このような運転状況は、非常に高い危機的状態に相当する。
乗物1の運転者支援システム2が、図2bで示されるシナリオ3において処理する必要のある大量の情報、および環境内において、運転者支援システム2に見える一群の道路使用者5a、5b、5c、5dから生ずる可能性のある潜在的な問題に起因して、図2bによる第2のシナリオ3は、特に図2aで示された第1のシナリオと比較して、比較的高い複雑さを有する。
図3は、乗物1に対する運転者支援システムを試験するための方法100の例示的な実施形態を示す。
第1の作業ステップ101では、乗物1が位置するシナリオ3がシミュレートされる。好ましくは、乗物1の環境は、一方で、例えば、歩行者6、他の乗物5a、およびオートバイ4などの図2bにおけるすべての動的要素を用いて、ならびに他の乗物5b、5c、5dおよび通りの図2bにおける静止要素を用いてシミュレートされる。
運転者支援システム2は、場合によっては、それが制御する乗物1と共に、好ましくは、テストベッド12上で、前記シミュレーションに基づいてシミュレートされ得る。運転者支援システム2のセンサは、この場合、シミュレートされたシナリオ3を、またはシミュレートされたシナリオ3から得られる乗物1の環境を、それぞれ、複製するようにシミュレートされることが好ましい。従来技術から知られた適切なスティミュレータ(stimulator)が特にその目的に使用される。
さらに好ましくは、運転者支援システム2、または運転者支援システム2のソフトウェアだけが、ハードウェアインザループ(hardware-in-the-loop)試験の形で、シナリオ3のシミュレーションに統合され得る。
最後に、運転者支援システム2、または運転者支援システム2のソフトウェアだけをシミュレートすることも可能である。
さらに好ましくは、特に乗物1の初速である速度、および/または乗物1の軌道が、シナリオをシミュレートするとき指定される。さらに、試験される運転者支援システム2、または他の運転者支援システムの以前の試験動作からの履歴データが、シナリオをシミュレートするときに、考慮されることが好ましい。この履歴データは、最初にシミュレートされる試験シナリオを決定する場合、特に有用である。さらに、このような履歴データは、運転者支援システムを試験するいわゆるエージェント、または、特に、別の運転者支援システムである運転者支援システムを試験するためにすでに使用されたエージェントを訓練するために使用できることが好ましい。
第2の作業ステップ102では、運転者支援システム2は、シミュレートされたシナリオ3に基づいた乗物の環境において動作される。運転者支援システム2がまた、単にシミュレートされるだけである場合、運転者支援システム2により制御される乗物1の環境において、運転者支援システム2の動作もまた、単にシミュレートされるだけである。
第3の作業ステップ103では、運転者支援システム2により制御される乗物1の環境において、運転者支援システム2の運転挙動が観察される。
観察により確立されたデータに基づいて、乗物1の環境における運転者支援システム2の運転挙動の結果として、任意の時間点に生じた運転状況が決定され得る。これは第4の作業ステップ104において実現されることが好ましい。
結果として得られた運転状況に基づき、運転者支援システム2は、どのように挙動するか、およびそれが制御する乗物1をどのように制御するかに関する新しい決定を行う必要がある。
シミュレートされたシナリオ3におけるそれぞれ得られた運転状況は、危機的状態に関して客観的に調べることができる。特に、事故の確率、および衝突時間点までの時間の長さを、シナリオ3から利用可能な情報に基づいて、シミュレーションの各時間段階に対して計算することができる。
例えば、図2bのシナリオ3において、運転者支援システム2により制御された乗物1が、減速しない速度で真っ直ぐ前方に運転し続けた場合、衝突点までの時間の長さを計算することもできる。
事故の確率は、例えば、運転者支援システム2の運転挙動の適切さを評価することにより影響され得る。図2aまたは図2bのシナリオ3における事故の確率は、例えば、運転者支援システム2によって制御される乗物1が、非常に過度の速度で運転したとき、増加するはずである。
第5の作業ステップ105では、シミュレートされたシナリオ3の品質が、得られた運転状況に対する事前定義の基準に応じて確立される。それにより、品質は特に、シミュレートされたシナリオの複雑さから引き出され、ここにおいて、シミュレートされたシナリオ3の複雑さが高いほど、高い品質を示す。好ましくは、品質は、それにより、運転者支援システム2の運転挙動から得られた運転状況が、事前定義の基準に対してどのように評価されるかを示す。このような基準は、例えば、得られる運転状況の危機的状態とすることができ、それは、事故の確率、および/または起こり得る衝突までの時間の長さにより特徴付けられる。さらに危機的状態はまた、運転者支援システム2の不適切な運転挙動の可能性によっても特徴付けることができる。
第6の作業ステップ106において、終了条件が満たされているかどうかに関する検査が次に行われる。このような終了条件は、一方で、例えば、衝突時間点までの最大の時間長さ、またはさらに最大の事故確率に対する制限値など、得られた運転状況に対する事前定義の基準により定義することができる。さらなる終了条件として、最大の試験期間をさらに指定することもできる。
終了条件が満たされた場合、シミュレートされたシナリオ、またはシミュレートされたシナリオのパラメータ値、および/またはシミュレートされたシナリオの品質が、それぞれ、第8の作業ステップ108において、特に試験レポートの形でエクスポートされる。
終了条件が満たされない場合、シミュレートされたシナリオ3は、第7の作業ステップ107において、確立された品質に基づいて変更される。この時点で、試験方法は、第1の作業ステップ101を用いて、最初から再度開始する。作業ステップは、好ましくは、終了条件の少なくとも1つが満たされるまで、繰り返し実施される。
第7の作業ステップ107において、シミュレートされたシナリオを変更するには、基本的に2つの異なる手法が存在する。第1に、シミュレートされたシナリオのパラメータの値だけを変更することができる。この場合、変更されたシミュレートされたシナリオは、前の反復ステップで使用されたシミュレートされたシナリオに、常に基礎を置いている。その場合、この手法は、シミュレートされたシナリオ3が、いわゆる進化的アルゴリズムにより変更された場合に特に使用される。
代替的に、シミュレートされたシナリオが変更されたとき、新しいシナリオが作成される。特に、このような新しいシナリオにおいて、パラメータを置き換えることができる、パラメータを削除することができる、かつ/または新しいパラメータを追加することができる。
この手法は、確立された品質に基づく強化学習方法論が、シナリオを変更する方策に使用されるとき特に使用される。強化学習を用いると、終了条件が満たされるまで、この方策は、試験動作の全体を通して絶えず改良される。好ましくは、特定のシミュレートされたシナリオが有する品質値を指定する効用関数(utility function)が、この場合、確立された品質に基づいて近似される。
すでに述べたように、シナリオを変更するアルゴリズムは、好ましくは、いわゆるエージェントとして設計することができる。この場合、試験方法は、2人のプレーヤゲームに類似しており、エージェントは、運転者支援システム2にエラーを起こさせるために、運転者支援システム2に対してプレイをする。
好ましくは、品質は、概念的な報酬によって特徴付けられ、続いて、コスト関数に、またはコスト関数の最適化に基づき変更が行われる。コスト関数は、概念的な報酬を最大化するように設計されることが好ましい。好ましくは、品質が高くなるにつれて、それぞれに得られる運転状況はより危険になり、特に衝突時間点までの計算された時間の長さが短くなる。
運転者支援システムを試験するための方法を含む作業の流れは、さらに以下の作業ステップを含む、すなわち、第1のさらなる作業ステップでは、試験される運転者支援システムは、例えば、VSM(登録商標)など、適用可能な車両動力学モデルと共に、例えば、MobiConnect(登録商標)など、適切なモデリングおよび統合プラットフォームへと統合される。3Dシミュレーション環境もまた、この統合プラットフォーム上に提供されることが好ましい。
第2のさらなる作業ステップでは、例えば、OpenDRIVE(登録商標)によるなどの道路特性、道路使用者、および、例えば、OpenSCENARIO(登録商標)によるなどの乗物の操縦を一般的に指定するシナリオテンプレートが作成される。任意選択で、実際の運転操作からのデータに基づく実際のシナリオを、その作成において使用することができる。例えば、GPSデータ、センサデータ、対象物リストなどは、その目的に適している。
第3のさらなる作業ステップでは、シナリオ変更アルゴリズムがそれによりシナリオを変更できる、これらのパラメータが識別され、かつ選択される。これらのパラメータがその中に存在できる値の範囲が、次いで、パラメータに対して定義される。例えば、アルゴリズムは、「前方の乗物の車速」のシナリオパラメータに対して、5と35m/sの間の値を常に割り当て得るように指定することもできる。好ましくは、運転者支援システム2により制御される乗物1の環境に関するパラメータだけをここで選択できるのではなく、乗物1の軌道もまた、アルゴリズムにより変更するように選択することができる。軌道は、他の道路使用者に対するパラメータとして変更することもできる。それにより、個々の軌道は、ウェイポイント(waypoint)および時間ステップを用いて各道路使用者に対して定義される。次いで、軌道は、ウェイポイントの位置、およびウェイポイント間の距離を変更することにより変えることができる。
第4のさらなる作業ステップでは、シナリオの反復生成を制御するように働く特定の基準が、事前に定義される。事前に定義される基準が、衝突点までの時間の長さである場合、アルゴリズムは、時間の長さを最小化し、かつ事故を生ずるパラメータ値に対するシナリオを検索しようとする。
適切な終了条件は、第5のさらなる作業ステップで定義される。可能な終了条件は、例えば、衝突時間点までの時間長さが0.25秒であること、または最大の反復数に達したことである。
さらなる第6の作業ステップでは、最初の組のパラメータ値が生成される。これらのものは、ランダムに生成される、手動で選択される、または実際の試験運転に基づいて選択される。すでに生成されたシナリオテンプレートと共に、3Dシミュレーションにおいて実行され得る具体的なシナリオを、このように生成することができる。
上記で述べた運転者支援システムを試験する方法を、次いで実行することができる。
図4は、運転者支援システムを試験するためのシステムの例示的な実施形態を示す。
このシステム10は、乗物1が置かれたシナリオをシミュレートするための手段11と、シミュレートされたシナリオに基づく乗物1の環境において、運転者支援システム2を動作させるための手段12と、乗物1の環境において運転者支援システム2の運転挙動を観察するための手段13と、乗物の環境における運転者支援システム2の運転挙動から得られた運転状況を決定するための手段14と、特に得られた運転状況の危機的状態である運転状況に対する事前定義の基準に応じて、シミュレートされたシナリオ3の品質を確立するための手段15と、終了条件を調べるための手段16と、終了条件が満たされるまで、確立された品質に基づき、シミュレートされたシナリオ3を変更するための手段17とを備えることが好ましい。
前述の手段は、データ処理システムにより形成されることが好ましい。しかし、乗物1の環境において、運転者支援システムを動作させるための手段12はまた、テストベッドにより、特に、運転者支援システムまたは乗物に対するテストベッドにより形成することができる。いずれにしても、運転者支援システム2の運転挙動を観察するための手段13は、部分的に、ここにおけるセンサにより形成され得る。
シミュレートされたシナリオを変更するための手段17は、好ましくは、エージェントの形態とすることができる。
システムは、好ましくは、ユーザインターフェースとして、またはデータインターフェースとして設計され得るインターフェース18を備えることが好ましい。
例示的な実施形態は、保護、適用、および構成の範囲を決して限定するようには意図されない単なる例であることに留意されたい。そうではなくて、前述の記述は、少なくとも1つの例示的な実施形態を実施するためのガイドラインを当業者に提供するためのものであり、それにより、特許請求の範囲、および特徴の等価な組合せから得られる保護の範囲から逸脱することなく、特に述べられた構成要素の機能および構成に関して、様々な変更を行うことができる。
参照数字のリスト
A、B シナリオの範囲
1 乗物
2 運転者支援システム
3 シナリオ
4 オートバイ
5a、5b、5c、5d さらなる乗物
6 歩行者
11 シミュレーション手段
12 運転者支援システムを動作させるための手段
13 運転挙動を観察するための手段
14 運転状況を決定するための手段
15 品質を確立するための手段
16 シナリオを変更するための手段
17 終了条件を調べるための手段
18 インターフェース
A、B シナリオの範囲
1 乗物
2 運転者支援システム
3 シナリオ
4 オートバイ
5a、5b、5c、5d さらなる乗物
6 歩行者
11 シミュレーション手段
12 運転者支援システムを動作させるための手段
13 運転挙動を観察するための手段
14 運転状況を決定するための手段
15 品質を確立するための手段
16 シナリオを変更するための手段
17 終了条件を調べるための手段
18 インターフェース
1 乗物
2 運転者支援システム
3 シナリオ
4 オートバイの運転者、オートバイ
5a、5b、5c、5d さらなる乗物
6 歩行者
10 システム
11 シナリオをシミュレートするための手段
12 運転者支援システムを動作させるための手段
13 運転挙動を観察するための手段
14 運転状況を決定するための手段
15 品質を確立するための手段
16 終了条件を調べるための手段
17 シナリオを変更するための手段
18 インターフェース
100 運転者支援システムを試験するための方法
A 低い複雑さのシナリオの範囲
B 高い複雑さのシナリオの範囲
2 運転者支援システム
3 シナリオ
4 オートバイの運転者、オートバイ
5a、5b、5c、5d さらなる乗物
6 歩行者
10 システム
11 シナリオをシミュレートするための手段
12 運転者支援システムを動作させるための手段
13 運転挙動を観察するための手段
14 運転状況を決定するための手段
15 品質を確立するための手段
16 終了条件を調べるための手段
17 シナリオを変更するための手段
18 インターフェース
100 運転者支援システムを試験するための方法
A 低い複雑さのシナリオの範囲
B 高い複雑さのシナリオの範囲
Claims (15)
- 乗物(1)に対する運転者支援システム(2)を試験するためのコンピュータで実施される方法(100)であって、
前記乗物(1)が置かれたシナリオ(3)をシミュレートするステップ(101)と、
前記シミュレートされたシナリオ(3)に基づく前記乗物(1)の環境において、前記運転者支援システム(2)を動作させるステップ(102)と、
前記乗物(1)の前記環境において、前記運転者支援システム(2)の運転挙動を観察するステップ(103)と、
前記乗物(1)の前記環境における前記運転者支援システム(2)の前記運転挙動から得られた運転状況を決定するステップ(104)と、
前記得られた運転状況に対する事前定義の基準に、特に、前記得られた運転状況の危機的状態に応じて、前記シミュレートされたシナリオ(3)の品質を確立するステップ(105)と、
前記方法(100)の少なくとも1つの終了条件を調べるステップ(106)と、
前記少なくとも1つの終了条件が満たされるまで、前記確立された品質に基づき、前記シミュレートされたシナリオ(3)を変更するステップ(107)と
の作業ステップを含む、コンピュータで実施される方法(100)。 - 前記乗物(1)の速度、特に初速、および/または前記乗物(1)の軌道は、前記シナリオをシミュレートするときに指定される、請求項1に記載の方法(100)。
- 前記シミュレートされたシナリオを変更するとき、前記シミュレートされたシナリオのパラメータの値だけが変更される、請求項1または2に記載の方法(100)。
- 前記シミュレートされたシナリオ(3)を変更するとき、好ましくは、引き続いて組み合わされたシナリオからなる新しいシナリオが作成される、請求項1から3のいずれか一項に記載の方法(100)。
- 前記品質は、前記品質を確立するとき、概念的な報酬により特徴付けられ、前記概念的な報酬を最大化するように設計されたコスト関数に基づいて、前記変更が続いて生ずる、請求項1から4のいずれか一項に記載の方法(100)。
- 前記シミュレートされたシナリオ(3)は、進化的アルゴリズムを用いて変更される、請求項1から5のいずれか一項に記載の方法(100)。
- 特定のシミュレートされたシナリオ(3)がどの品質値を有するかを指定する効用関数が、前記確立された品質に基づいて近似される、請求項1から6のいずれか一項に記載の方法(100)。
- 前記運転者支援システム(2)がシミュレートされる、請求項1から7のいずれか一項に記載の方法(100)。
- 前記シナリオ(3)を変更するための方策は、前記終了条件が満たされるまで、前記確立された品質に基づき強化学習方法論を用いて、前記試験動作中に絶えず改良される、請求項1から8のいずれか一項に記載の方法(100)。
- 前記シナリオが最初にシミュレートされるとき、運転者支援システムの、特に、試験される運転者支援システム(2)の以前の試験動作からの履歴データが考慮される、請求項1から9のいずれか一項に記載の方法(100)。
- 前記乗物(1)の前記環境(4)に関連するデータは、前記運転者支援システム(2)へと供給され、かつ/または前記運転者支援システム(2)、特にそのセンサは、前記運転者支援システム(2)の動作中に、前記乗物(1)の前記環境(4)に基づいて刺激される、請求項1から10のいずれか一項に記載の方法(100)。
- 乗物(1)に対する運転者支援システム(2)を試験するためのシステム(10)であって、
前記乗物(1)が置かれたシナリオ(3)をシミュレートするための手段(11)と、
前記シミュレートされたシナリオ(3)に基づく前記乗物(1)の環境において、前記運転者支援システム(2)を動作させるための手段(12)と、
前記乗物(1)の前記環境において、前記運転者支援システム(2)の運転挙動を観察するための手段(13)と、
前記乗物(1)の前記環境における前記運転者支援システム(2)の前記運転挙動から得られた運転状況を決定するための手段(14)と、
前記運転状況に対する事前定義の基準に、特に、前記得られた運転状況の危機的状態に応じて、前記シミュレートされたシナリオ(3)の品質を確立するための手段(15)と、
方法(100)の少なくとも1つの終了条件を調べるための手段(16)と、
少なくとも1つの終了条件が満たされるまで、前記確立された品質に基づき、前記シミュレートされたシナリオ(3)を変更するための手段(17)と
を備えるシステム(10)。 - 特に請求項14に記載の、乗物(1)に対する運転者支援システム(2)を試験するためのシステム(10)であって、エージェント(16)を備え、ここにおいて、前記エージェント(16)は、シナリオ(3)を生成し、かつ前記シナリオ(3)を変更することにより、前記運転者支援システムのエラーを引き起こすように構成され、またここにおいて、前記シナリオ(3)を変更するための方策は、終了条件が満たされるまで、動作中に、前記エージェント(16)が前記運転者支援システム(2)と対話することにより、特に、強化学習方法論により絶えず改良される、システム(10)。
- 前記エージェント(16)は、前記シミュレートされたシナリオ(3)に基づき、前記乗物(1)の環境(4)における前記運転者支援システム(2)の運転挙動から得られた運転状況を観察し、かつ前記得られた運転状況の危機的状態に応じて、前記シナリオ(3)の品質を確立するように構成される、請求項13に記載のシステム(10)。
- 前記エージェント(16)は、履歴データに基づいて事前に訓練され、またこのデータは、前記シナリオ(3)を最初にシミュレートするとき、前記エージェント(16)により考慮される、請求項13または14に記載のシステム(10)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA50877/2020A AT524280A1 (de) | 2020-10-12 | 2020-10-12 | Verfahren und ein System zum Testen eines Fahrerassistenzsystems für ein Fahrzeug |
ATA50877/2020 | 2020-10-12 | ||
PCT/AT2021/060370 WO2022077042A1 (de) | 2020-10-12 | 2021-10-11 | Verfahren und ein system zum testen eines fahrerassistenzsystems für ein fahrzeug |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023546367A true JP2023546367A (ja) | 2023-11-02 |
Family
ID=78621560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023521381A Pending JP2023546367A (ja) | 2020-10-12 | 2021-10-11 | 乗物に対する運転者支援システムを試験するための方法およびシステム |
Country Status (8)
Country | Link |
---|---|
US (1) | US20230394896A1 (ja) |
EP (1) | EP4226248A1 (ja) |
JP (1) | JP2023546367A (ja) |
KR (1) | KR20230084551A (ja) |
CN (1) | CN116348355A (ja) |
AT (1) | AT524280A1 (ja) |
DE (1) | DE112021003862A5 (ja) |
WO (1) | WO2022077042A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906539A (zh) * | 2023-01-10 | 2023-04-04 | 联友智连科技有限公司 | 一种基于Django实现自动驾驶仿真的系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013200116A1 (de) * | 2013-01-08 | 2014-07-10 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Entwickeln und/oder Testen eines Fahrerassistenzsystems |
DE102015001972B4 (de) * | 2014-04-28 | 2023-09-14 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren und Vorrichtung zum Testen von C2X-Kommunikation nutzenden Anwendungen |
DE102017109132A1 (de) * | 2017-04-28 | 2018-10-31 | Valeo Schalter Und Sensoren Gmbh | Verfahren und IT-Infrastruktur zum modellbasierten Testen von Software für ein Fahrzeug-Anwendungssystem und zum Bereitstellen entsprechender Testergebnisse |
DE102017213634A1 (de) * | 2017-08-07 | 2019-02-07 | Ford Global Technologies, Llc | Verfahren und Vorrichtung für die Durchführung von virtuellen Tests in einer virtuellen Realitätsumgebung für ein autonom fahrendes Fahrzeug |
-
2020
- 2020-10-12 AT ATA50877/2020A patent/AT524280A1/de unknown
-
2021
- 2021-10-11 JP JP2023521381A patent/JP2023546367A/ja active Pending
- 2021-10-11 US US18/248,716 patent/US20230394896A1/en active Pending
- 2021-10-11 KR KR1020237015676A patent/KR20230084551A/ko unknown
- 2021-10-11 CN CN202180069117.3A patent/CN116348355A/zh active Pending
- 2021-10-11 WO PCT/AT2021/060370 patent/WO2022077042A1/de unknown
- 2021-10-11 DE DE112021003862.1T patent/DE112021003862A5/de active Pending
- 2021-10-11 EP EP21806944.1A patent/EP4226248A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
KR20230084551A (ko) | 2023-06-13 |
US20230394896A1 (en) | 2023-12-07 |
EP4226248A1 (de) | 2023-08-16 |
CN116348355A (zh) | 2023-06-27 |
WO2022077042A1 (de) | 2022-04-21 |
AT524280A1 (de) | 2022-04-15 |
DE112021003862A5 (de) | 2023-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wachenfeld et al. | The release of autonomous vehicles | |
US11238674B2 (en) | Simulation of different traffic situations for a test vehicle | |
CN112613169B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全分析方法 | |
CN110686906B (zh) | 车辆自动驾驶测试方法及装置 | |
JP2018113015A (ja) | オートノマスシステムの検証法 | |
WO2020123784A1 (en) | Safe hand-off between human driver and autonomous driving system | |
JP2017105453A (ja) | 自動車の運転支援機能を検証する方法 | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
CN114667545A (zh) | 用于训练用于机动车的控制器的至少一个算法的方法、计算机程序产品以及机动车 | |
US20230343153A1 (en) | Method and system for testing a driver assistance system | |
KR20230150350A (ko) | 차량의 운전자 보조 시스템을 시험하기 위한 방법 | |
US11354458B1 (en) | Automated vehicle safety simulation using safety quotient method | |
JP2023546367A (ja) | 乗物に対する運転者支援システムを試験するための方法およびシステム | |
US20240160806A1 (en) | Virtual test environment for a driving assistance system with road users modelled on game theory | |
CN115176297A (zh) | 用于训练用于机动车的控制器的至少一个算法的方法、计算机程序产品以及机动车 | |
Kaur et al. | Scenario-based simulation of intelligent driving functions using neural networks | |
JP2024507997A (ja) | 乗物の運転者支援システムを試験するためのシナリオデータを生成する方法およびシステム | |
US20220358024A1 (en) | Computer-implemented method for scenario-based testing and / or homologation of at least partially autonomous driving functions to be tested by means of key performance indicators (kpi) | |
CN117413257A (zh) | 用于测试车辆用司机辅助系统的方法和系统 | |
Pariota et al. | Motivating the need for an integrated software architecture for connected and automated vehicles technologies development and testing | |
KR101672317B1 (ko) | 차량 시뮬레이터용 차량흐름 시뮬레이션 방법 | |
JP7428272B2 (ja) | 処理方法、処理システム、処理プログラム、処理装置 | |
CN116562175B (zh) | 车辆配置对自动驾驶系统安全性影响的评估方法 | |
Assaad et al. | Cooperative lateral maneuvers manager for multi-autonomous vehicles | |
EP4068241A1 (en) | Driving assistance system and method of controlling autonomous vehicles |