JP2024532336A - 自動車両のナビゲーション環境をモデル化するための方法 - Google Patents

Abstract

環境知覚手段（１）、決定モジュール（２）、および車両を自律的に制御するための自律制御手段（２０）を装備した車両（１００）のナビゲーション環境をモデル化するための方法であって、－環境知覚手段（１）によって供給されたデータから構築された情報の構造化セットとして、車両のグローバル環境モデル（Ｍ＿ＥＮＶ＿Ｇ）を定義するステップ（Ｅ１）、－決定モジュール（２）から、自律制御手段（２０）によって車両を制御するために行われるべき決定（ＤＰ）に関係する情報に対する要求（ＲＤＰ）を受信するステップ（Ｅ２）を含むことを特徴とする、方法。【選択図】図３

Description

本発明は、自動車両のナビゲーション環境をモデル化するための方法に関する。本発明はさらに、自動車両のナビゲーション環境をモデル化するためのデバイスに関する。本発明はまた、上述の方法を実装するコンピュータプログラムに関する。最後に、本発明は、そのようなプログラムを記憶する記憶媒体に関する。

自律車両は、自律車両の現在の状況に関する決定をすることを絶え間なく求められる。それゆえ、自律車両の現在の状況を決定することは、意思決定にとって不可欠である。車両の現在の状況は、従来、ライダー、レーダーまたはカメラなど、車両の環境を知覚するための手段によって得られる。これらは、かなりの量のデータを提供するが、その大部分は、決定をする趣旨で車両の現在の状況を説明するのに有用ではない。これらのデータの別の部分は、誤りまたは不正確さを含むことがある。最後に、自動車両は、絶えず増加する数の環境知覚手段を取り付けられるが、状況を説明するためのいくらかのデータは、欠落していることがある。

特に、車両の知覚手段から生じたデータ中に含まれている重要な情報を識別することによって自律車両の現在の状況に適応する方法が、文献ＵＳ１０８６００２２から知られている。しかしながら、このソリューションには、とりわけ、情報の一貫性および信頼性を管理することに関して欠点がある。

本発明の目的は、上述の欠点を克服し、従来技術から知られている自動車両のナビゲーション環境をモデル化するためのデバイスおよび方法を改善する、自動車両のナビゲーション環境をモデル化するためのデバイスおよび方法を提供することである。とりわけ、本発明は、簡単で、信頼できるデバイスおよび方法であって、自動車両のナビゲーション環境の信頼でき、一貫性のある、適切なモデル化を可能にするデバイスおよび方法がもたらされることを可能にする。

この目的で、本発明は、環境知覚手段と、意思決定モジュールと、車両を自律的に制御するための自律制御手段とを装備した車両のナビゲーション環境をモデル化するための方法であって、以下のステップ、すなわち、
－ 環境知覚手段によって提供されたデータから構築された構造化情報のセットとして、車両のオーバーオール環境モデルを定義するステップと、
－ 意思決定モジュールから、自律制御手段によって、車両を制御するために行われるべき決定に関係する情報に対する要求を受信するステップと、
－ 環境モデルを定義する構造化情報のセットの中から、前記決定を行うために顧慮されるべき情報の選択を決定するステップと、
－ オーバーオール環境モデルからの前記選択の情報を顧慮するステップと、
－ 前記選択の情報の各項目に関連付けられた完全性インデックスを決定するステップと、
－ 前記選択の情報と、対応する完全性インデックスとを含んでいる選択的環境モデルを前記意思決定モジュールに提供するステップと
を備える、方法に関する。

方法は、第１の環境知覚手段を使用して、および第２の環境知覚手段を使用して情報の前記選択から情報の少なくとも１つの第１の項目を取得するステップを備えることができ、情報の前記少なくとも１つの第１の項目に関連付けられた完全性インデックスは、第１の知覚手段および第２の知覚手段によって提供されたデータの間の一貫性に応じて決定され得る。

方法は、第１の時点において、および第１の時点の後の第２の時点において環境知覚手段を使用して情報の前記選択から情報の少なくとも１つの第２の項目を取得するステップを備えることができ、情報の前記少なくとも１つの第２の項目に関連付けられた完全性インデックスは、第１の時点において、および第２の時点において知覚手段によって提供されたデータの間の一貫性に応じて決定され得る。

行われるべき決定は、所与の期限に自律車両によって適用されるべき所与のアクションを備えることができ、所与の期限は、短期、中期、または長期であることが可能であり、
同じ所与のアクションについて、決定ステップは、
－ 所与の期限が短期である場合、顧慮されるべき情報の第１の選択を決定できるか、または
－ 所与の期限が中期である場合、顧慮されるべき情報の第２の選択を決定できるか、または
－ 所与の期限が長期である場合、顧慮されるべき情報の第３の選択を決定でき、
第１の選択、第２の選択、および第３の選択は、互いに異なってもよい。

方法は、行われるべき決定を適用した後の車両の状況を特徴付ける情報のセットを備える選択的環境モデルを前記意思決定モジュールに提供するサブステップを備えることができる。

方法は、
－ 方法によって考慮に入れられる決定の有限リストを構成することと、
－ 決定の有限リストの各決定について顧慮されるべき情報の選択を構成し、前記情報が顧慮されなければならない順序を構成することと、
－ 顧慮されるべき情報の各項目を顧慮するための少なくとも１つの方法を構成することと
を備えることができる。

本発明はまた、自律車両のナビゲーション環境をモデル化するためのデバイスであって、自律車両が、自律制御手段を装備している、デバイスに関する。デバイスは、上記で定義された方法を実装するハードウェア要素および／またはソフトウェア要素、特に、本発明による方法を実装するように設計されたハードウェア要素および／またはソフトウェア要素を備え、および／またはデバイスは、上記で定義された方法を実装するための手段を備える。

本発明はさらに、上記で定義された自律車両のナビゲーション環境をモデル化するためのデバイスを備える自律車両に関する。

本発明はまた、コンピュータ可読媒体に記憶されたプログラムコード命令を備えるコンピュータプログラム製品であって、前記プログラムがコンピュータ上で動作するとき、上記で定義された方法のステップを実装するための、コンピュータプログラム製品に関する。本発明はまた、通信ネットワークからダウンロードされ、および／またはコンピュータ可読データ媒体に記憶され得、ならびに／あるいはコンピュータによって実行され得る、コンピュータプログラム製品であって、プログラムがコンピュータによって実行されたとき、前記コンピュータに上記で定義された方法を実装させる命令を備える、コンピュータプログラム製品に関する。

本発明はさらに、上記で定義された方法を実装するためのプログラムコード命令を備えるコンピュータプログラムを記憶する、コンピュータ可読データ記憶媒体に関する。本発明はまた、コンピュータによって実行されたとき、コンピュータに上記で定義された方法を実装させる命令を備える、コンピュータ可読記憶媒体に関する。

本発明はまた、上記で定義されたコンピュータプログラム製品を搬送する、データ媒体からの信号に関する。

添付の図面は、例として、自動車両のナビゲーション環境をモデル化するためのデバイスの実施形態を示す。

モデル化デバイスを装備した車両を示す図である。 自律車両によって行われるべき様々なレベルの決定を概略的に図示する図である。 モデル化デバイスの構成要素の間のやりとりのシーケンシングを図示する図である。 モデル化方法の実施形態のフローチャートを示す図である。 モデル化方法が予測を実装する、第１の状況を図示する図である。 モデル化方法が予測を実装する、第２の状況を図示する図である。

自動車両のナビゲーション環境をモデル化するためのデバイスの実施形態を装備した自動車両１００の例が、図１を参照しながら以下で説明される。

自動車両１００は、任意のタイプの自動車両、特に、乗用車、多用途車、トラック、さらにはバスまたはシャトルなどの公共輸送車両であり得る。説明される実施形態によれば、自動車両１００は、自律車両であり、本明細書の残り全体にわたって「自律車両」と呼ばれる。

それゆえ、この例示は、非限定的な様式で提供される。特に、自動車両は、運転支援システム、特に、自律性レベル２を上回るかまたはそれに等しいレベルに対応する、換言すれば、車両の部分的な自律性に対応する運転支援システムを装備した、非自律車両であり得る。

自律車両１００は、所与の環境において、所与のルートＩＴの上を移動する。自律車両１００は、運転支援システム１０、および自律車両１００を自律的に制御するための自律制御手段２０を備える。

運転支援システム１０は、自律制御手段２０に自律車両１００のための移動指令Ｃを送信する。移動指令Ｃは、縦方向移動指令および／または横方向移動指令を含むことができる。縦方向移動指令は、車両のパワートレインを対象とする第１のトルクセットポイント、および／または車両のブレーキアクチュエータを対象とする第２のトルクセットポイントを含むことができる。横方向移動指令は、自律車両１００のステアリングホイールの回転角を含む。

運転支援システム１０は、特に、以下の要素、すなわち、
－ 環境知覚手段１と、
－ 意思決定モジュール２と、
－ マイクロプロセッサ３１と、ローカル電子メモリ３２と、マイクロプロセッサが知覚手段１および意思決定モジュール２と通信することを可能にする通信インターフェース３３とを備える計算ユニット３と
を備える。

随意に、運転支援システム１０は、知覚手段１から受信されたデータの一貫性に関係する通知を表示または送信することを対象とする、人間機械インターフェース４を備えることができる。

本文書の残り全体にわたって、「データ」という用語は、環境知覚手段１から受信された生データを表すために使用され、「情報」という用語は、データのアグリゲーションに基づいて構築された解釈を表すために使用される。

解釈は、計算ユニット３において実行される。解釈は、たとえば、当該の物体（車両、歩行者、障害物、道路標識）が自車両の環境において識別されることを可能にする。

環境知覚手段１は、以下の手段、すなわち、
－ 車両の状態を観察するための手段１１、および／または
－ 車両に近い環境を知覚するための手段１２、および／または
－ 車両をジオロケートするための手段１３、および／または
－ 車両を道路インフラストラクチャと、および／または他の車両とリンクさせるための手段１４、および／または
－ インターネットに接続するための手段１５
のうちの全部または一部を備えることができる。

車両の状態を観察するための手段１１は、たとえば、ＣＡＮバスタイプの、車両の内部のデータネットワークを観察するための手段を含むことができる。内部データネットワークを介して送信されるデータは、たとえば、自律車両１００の速度および／または加速および／またはジャーキングの瞬時測定値、さらにはステアリングホイールの回転角および回転速度、ブレーキまたは加速ペダルの状態などを含むことができる。

車両の近くの環境を知覚するための手段１２は、レーダーおよび／またはライダーおよび／またはカメラを備えることができる。知覚手段１２の他の実施形態が、企図され得る。

車両をジオロケートするための手段１３は、たとえば、ＧＰＳタイプのロケーションシステムから生じたデジタルナビゲーションマップおよびデータを備えることができ、自律車両が、デジタルナビゲーションマップ上に位置し、それゆえ、道路ネットワークに、特に、道路ネットワークのトポロジーおよび幾何学的説明に関係する情報にアクセスすることを可能にする。道路ネットワークに関係する情報は、セマンティック情報をさらに備えることができる。それは、たとえば、道路のセクション上で従われるべきルール（最高速度、追い越し禁止）を指し示す標識の、または危険の存在（動物、土砂崩れのリスクなど）を指し示す標識の存在であり得る。

また、車両を道路インフラストラクチャと、および／または他の車両とリンクするための手段１４は、道路インフラストラクチャ機器および／または他の車両によって知覚された物体のセットに関するデータが得られることを可能にする。データは、特に、物体を分類するためのデータおよびそれらの寸法、それらの位置、ならびに関連する速度を含む。

また、インターネット接続手段１５は、気象、道路コンディションおよび交通コンディションなどのコンテキストデータが得られることを可能にする。

自律車両１００を制御するために、特に、自律車両１００の移動を決定するために、意思決定モジュール２は、決定を絶え間なく行う。これらの決定は、自律車両を自律的に制御するための自律制御手段２０に送信される指令Ｃを通して実装されることを意図されたいくつかの決定を含む。

概して、アクションに関係する「決定」という用語は、前記アクションを実施するという、または前記アクションを実施しないという自発的行為に関係する審議の結果と定義され得る。

この定義に従って、以下、すなわち、
－ 決定に関係するアクション、
－ アクションを実施するべきか否かに関する選定に対応する決定自体
の間で区別がなされる。

本文書では、決定に関係するアクションは、たとえば、車両を追い越すこと、同じ方向に進むこと、障害物を回避するためにブレーキをかけること、それらのルートを変更することであり得る。

アクションを実施するべきか否かに関する選定を決めるために、意思決定モジュール２は、計算ユニット３に情報要求を送信することができる。

本文書の残り全体にわたって、
－ 情報要求の対象となる決定は、「行われるべき決定」と呼ばれ、
－ 情報要求ＲＤＰとも呼ばれる情報要求は、決定に関連するアクションに関係する情報に対する要求であり、前記情報は、決定が意思決定モジュール２によって行われることを可能にする。

図２に図示されている実施形態では、各時点ｔにおいて、意思決定モジュール２は、３つのレベル、すなわち、
－ 短期決定、たとえば、現在の時点ｔとｔ＋１秒の将来の時点との間に行われるべき決定に関係する、運用レベルと呼ばれる第１の意思決定レベルＮ１、
－ 中期決定、たとえば、時点ｔ＋１秒と時点ｔ＋１０分との間に行われるべき決定に関係する、戦術レベルと呼ばれる第２の意思決定レベルＮ２、
－ 長期決定、たとえば、現在の時点に対して１０分超にわたって行われるべき決定に関係する、戦略レベルと呼ばれる第３の意思決定レベルＮ３
に従って、行われるべき決定を決めることが可能である。

第１の意思決定レベルＮ１は、たとえば、軌道を精密にたどること、または障害物を回避することなど、車両のすぐ間近の環境に関する車両の応答性を決める。意思決定モジュール２は、第１のレベルの決定を絶え間なく決める。これらは、せいぜい数百ミリ秒以内に行われなければならない決定である。

第２の意思決定レベルＮ２は、たとえば、優先ルールおよび交差点を横切って走行するかまたは前記交差点に接近する他の道路利用者の存在に応じた、前記交差点における自律車両１００のコミットメントなど、操作に関する。これらの決定は、周期的に行われ、明確に定義された状況のセットに対応する。

第３の意思決定レベルＮ３は、車両の全体的な移動に関する。たとえば、自律車両の場合、第３の意思決定レベルＮ３は、地点Ａを地点Ｂに接続するルートを決めることを伴うことができる。これらは、車両のミッションに直接的に依存し、かなりまれにしか行われない（ミッションの開始時に１回、およびミッション中に時々行われる）決定である。

図３は、自律車両によって行われるべき決定についてのシーケンス、換言すれば、計算ユニット３と、意思決定モジュール２と、自律車両１００を制御するための自律制御手段２０との間でのやりとりのシーケンシングを図示する。

所与の時点ｔにおいて、行われるべき決定ＤＰは、特に、自律車両がその上を移動するように指令されるルートＩＴに応じて、意思決定モジュール２によって定義される。

指令Ｃの形態で自律制御手段２０に送信される前に、行われるべき決定ＤＰは、意思決定モジュール２と計算ユニット３との間の情報の少なくとも１回のやりとりを伴う。

情報のやりとりは、
－ 第１に、意思決定モジュール２から計算ユニット３に、意思決定モジュール２から生じた行われるべき決定ＤＰに関係する情報についての情報要求ＲＤＰを送ることと、次いで
－ 第２に、計算ユニット３から意思決定モジュール２に、選択的環境モデルＭ＿ＥＮＶ＿Ｓ（ｔ）を送ることであって、環境モデルＭ＿ＥＮＶ＿Ｓ（ｔ）は、時点ｔにおいて、行われるべき決定ＤＰに応じて定義される、選択的環境モデルＭ＿ＥＮＶ＿Ｓ（ｔ）を送ることと、次いで
－ 随意に、第３に、計算ユニット３から意思決定モジュール２に、選択的環境モデルＭ＿ＥＮＶ＿Ｓ（ｔ＋Δｔ）を送ることであって、環境モデルＭ＿ＥＮＶ＿Ｓ（ｔ＋Δｔ）は、時点ｔ＋Δｔにおいて、行われるべき決定ＤＰに応じて定義される、選択的環境モデルＭ＿ＥＮＶ＿Ｓ（ｔ＋Δｔ）を送ることと、次いで
－ 第４に、意思決定モジュール２から自律制御手段２０に、決定ＤＰを適用するように車両を移動させるための指令Ｃを送ることと
を備える。

本文書の残り全体にわたって、意思決定モジュール２によって計算ユニット３に送信される、行われるべき決定に関係する情報要求は、「情報要求ＲＤＰ」と呼ばれる。

計算ユニットは、意思決定モジュールから生じた情報要求ＲＤＰを受信すること、および自律車両１００の特定の環境モデルＭ＿ＥＮＶ＿Ｓを作り出すことが可能であり、特定の環境モデルＭ＿ＥＮＶ＿Ｓは、車両の現在の状況に対して、意思決定モジュール２によって行われるべき決定ＤＰを評価するために必要とされる情報を備える。

本文書の残り全体にわたって、「車両の状況」という用語は、知覚手段１を介して知覚され得るすべての要素の中からの運転シーンの要素の選択を表すために使用される。要素は、別の道路利用者、物体、表面、ナビゲーション経路などであり得る。運転シーンの要素は、行われるべき決定ＤＰに関するそれらの要素の関係性に応じて選択される。状況は、車両がたどらなければならないルートＩＴによっても左右される。たとえば、交差点を横断するとき、車両の状況は、車両が直進しなければならないのか、左折しなければならないのかに応じて異なる。実際、車両がとらなければならない方向に応じて、車両の状況は、交差点のゾーン中に位置する同じユーザを考慮に入れなくなる。車両の状況は、運転シーンの様々な要素の間の関係をも含むことができる。たとえば、状況は、障害物と近くの車両との間のつながりを含むことができ、近くの車両は、その場合、障害物を回避するために、その車両の軌道を変更し得、これは、自律車両１００の決定に干渉することがある。

特定の環境モデルＭ＿ＥＮＶ＿Ｓは、行われるべき決定ＤＰに対して車両の状況をモデル化するために必要とされる情報を含む。計算ユニット３による情報要求ＲＤＰの分析は、それゆえ、顧慮されるべき情報またはパラメータの選択を決めることを伴う。知覚手段１から導出されたデータに基づいて、および顧慮されるべきパラメータの選択から、計算ユニット３は、自律車両１００の環境の選択的環境モデルＭ＿ＥＮＶ＿Ｓを構築する。

本発明の実施形態では、コンピュータ３１は、互いと通信する以下のモジュール、すなわち、
－ 環境知覚手段１、意思決定モジュール２および人間機械インターフェース４と通信する、自律車両１００のオーバーオール環境モデルＭ＿ＥＮＶ＿Ｇを定義するためのモジュール３１１、
－ 意思決定モジュール２と通信する、行われるべき決定ＤＰに関係する情報要求ＲＤＰを受信するためのモジュール３１２、
－ 顧慮されるべき情報またはパラメータの選択ＢＰを決めるためのモジュール３１３、
－ 選択的環境モデルＭ＿ＥＮＶ＿Ｓを形成するために、情報の前記選択を取得するためのモジュール３１４、
－ 環境モデルＭ＿ＥＮＶ＿Ｓの情報の各項目に関連付けられた完全性インデックスを決めるためのモジュール３１５、および
－ 意思決定モジュール２と共同する、情報Ｍ＿ＥＮＶ＿Ｓの選択を送信するステップ３１６
を含むソフトウェアが実行されることを可能にする。

自律車両を制御するための方法を実行するためのモードが、図３を参照しながら以下で説明される。方法は、６つのステップＥ１～Ｅ６を備える。

第１のステップＥ１において、環境知覚手段によって提供されたデータから決められた情報のセットを備える、自律車両１００のオーバーオール環境モデルＭ＿ＥＮＶ＿Ｇが定義される。

オーバーオール環境モデルＭ＿ＥＮＶ＿Ｇは、以下の目的、すなわち、
－ 意思決定モジュール２が動作することを可能にするために、特に、行われるべき決定が識別されることを可能にするために、自律車両の環境に関する十分に正確で完全な情報のセットを提供すること、
－ 情報の一貫性を確保すること
に従って構築される。

この目的で、計算された完全性インデックスＩＣが、モデルＭ＿ＥＮＶ＿Ｇの情報の各項目に割り当てられる。インデックスＩＣの計算は、データの初期完全性インデックスを考慮に入れることができ、初期完全性インデックスは、前記データを知覚するための手段によって提供される。

インデックスＩＣは、データの一貫性をも考慮に入れる。とりわけ、少なくとも２つの別個で独立した知覚手段によって提供され得る各データについて、インデックスＩＣは、知覚手段の各々のそれぞれの測定値の間の差に応じて、および／または測定値の各々に割り当てられた信頼性インデックスに応じて決められる。

一貫性チェックは、各データの時間的変化にも関する。たとえば、物体の突然の出現または消滅、さらには、シーンの要素の極めて可能性が低い軌道が検出される。たとえば、一貫性チェックは、車両または歩行者の移動の速度の大きさに関してもよい。

一貫性チェックは、より広い意味では、運転支援システム１０の動作限界に関してもよい。実際、運転支援システム１０は、ＯＤＤ（運用設計ドメイン）と呼ばれる文献において形式化されている、非常に具体的な基準をチェックする交通環境において動作するように定義される。たとえば、運転支援システム１０は、どの歩行者も移動すると考えられない、制御された環境において動作するように設計されていることがある。この場合、意思決定モジュール２は、歩行者と相互作用することが可能であるように設計されないが、知覚システムは、歩行者を検出することが可能である。それゆえ、歩行者の存在は、自律車両１００がそれについて設計された交通環境に適合しないものとしてステップＥ１において検出される。

データまたは情報における不適合性を検出することは、警告メッセージが意思決定モジュール２に、および／または人間機械インターフェース４に送られることをトリガすることができる。警告メッセージは、適合しないデータ項目を指定することができる。

これにより、ステップＥ１において、データが知覚手段から受信されるたびに、オーバーオール環境モデルＭ＿ＥＮＶ＿Ｇは、改良および更新され、次いで、その環境モデルＭ＿ＥＮＶ＿Ｇは、メモリ３２に記憶される。

情報要求ＲＤＰが、意思決定モジュール２によって送信されない限り、方法は、オーバーオール環境モデルＭ＿ＥＮＶ＿Ｇを定義するステップＥ１にループバックする。

情報要求ＲＤＰが意思決定モジュール２によって送信されたとき、方法は、車両を制御するために行われるべき決定に関係する情報要求を受信するステップＥ２に遷移する。

ステップＥ２において、受信された情報要求ＲＤＰの内容が、分析される。

有利には、決定のあらかじめ定義されたリストＬＤが、メモリ３２に記憶される。実際、車両が行うためになされ得る有限数の決定がある。たとえば、戦術レベルにおいて、決定は、交差点を横断すること、レーンの変更、同じ車線上にとどまることなどであり得る。

一実施形態では、リストＬＤは、識別子ｉＤＰを使用して、行われるべき各決定を識別し、情報要求ＲＤＰは、有利には、決定識別子ｉＤＰを含む。

情報要求ＲＤＰは、意思決定レベル、すなわち、戦術、運用、または戦略を指定する情報の項目をも含むことができる。

情報要求ＲＤＰは、自律車両１００がたどるルートＩＴに関係する情報をも含むことができる。

情報要求ＲＤＰ中に含まれている異なる情報は、メモリ３２に記憶され、後続のステップＥ３～Ｅ６を実行するときに使用され得る。

ステップＥ３において、決定ＤＰを行うために必要とされる情報の選択が決められ、選択は、オーバーオール環境モデルＭ＿ＥＮＶ＿Ｇ中に含まれている情報のセットのサブセットである。

有利には、メモリ３２は、一方では、行われるべき決定の識別子ｉＤＰと、他方では、インデックスｉＤＰによって表された決定を行うために必要とされる情報を含んでいるリストとの間の対応表を備える。この対応表は、これにより、意思決定モジュール２が決定ＤＰをするために必要とされる情報のリストＢＰが決定されることを可能にする。

本文書の残り全体にわたって、情報の前記リストＢＰは、「ブループリント」と呼ばれる。ブループリントＢＰは、行われるべき各決定ＤＰに、換言すれば、各決定識別子ｉＤＰに関連付けられる。ブループリントＢＰは、意思決定モジュール２が、それについて、決定を評価し、その後、自律車両１００を制御するための自律制御手段２０に指令を送信する必要がある、情報の各項目を形式化および構造化する。ブループリントは、ブランク形態であると考えられ得、それの各フィールドは、完成されなければならず、完成されるべきフィールドは、各ブループリント、換言すれば、行われるべき各決定ＤＰに固有である。

ブループリントは、決定のレベル（戦術、運用または戦略）に左右されることがある。特に、所与の決定について、１つのブループリントが、意思決定レベルごとに存在してもよい。

たとえば、交差点に入るという決定の場合、第１の戦術レベルブループリントＢＰ１は、交差点に車両が到達した時間において交差点に入るという決定を行うために必要とされる情報を定義する。このブループリントは、以下の情報、すなわち、
－ 自律車両１００の運転レーンにおける交通のコンディション、
－ 当該のゾーン（たとえば、交差点に入るための他のレーン）のリストおよび当該のこれらのゾーンにおける交通のコンディション、
－ 自律車両１００に対する優先車両のリスト、
－ 自律車両１００に対する非優先車両のリスト、
－ 信号機の存在、およびこれらの信号機の状態
を含むことができる。

交差点に入るという決定の場合をさらに参照すると、第１のブループリントＢＰ１とは異なる第２のブループリントＢＰ２は、運用レベルについて定義され得、随意に、第１および第２のブループリントＢＰ１、ＢＰ２とは異なる第３のブループリントＢＰ３は、戦略レベルについて定義され得る。たとえば、ブループリントＢＰ３（戦略レベル）は、ミッションの開始時に計算されたルートを損なうことがある、渋滞した道路部分または封鎖された道路を考慮に入れることができる。

必要とされる情報のリスト、またはブループリントは、予測を含むことができる。本文書の残り全体にわたって、予測という用語は、自律車両１００によって行われるべき決定に影響を与えることがある予測可能なイベントを表すために使用される。たとえば、予測は、自律車両１００の挙動に影響を及ぼすことがある近くの車両の予測可能な挙動に関してもよい。「予測」という用語は、それゆえ、軌道予測に関するだけではない。「予測」という用語は、たとえば、近くの車両の意図の予測、または近くの車両のルートの予測に関してもよい。

決定ＤＰを行うために必要とされる情報のリストは、行われるべき決定ＤＰを適用した後の車両の状況を特徴付ける情報のセットを含むことができる。

予測は、その場合、行われるべき決定ＤＰに関連して、意思決定モジュール２によって提供されたルートＩＴを考慮に入れることができる。

図５に示されている状況は、行われるべき決定ＤＰに関連付けられたブループリントに予測を含めることの利点を図示する。

図５は、
－ 自律車両１００が直線で横断しなければならない交差点に向かって移動しているときの時点ｔにおける自律車両１００を示す（図の左側に位置する）第１の線図、および
－ 自律車両１００が交差点にほとんど達したときの時点ｔ＋Δｔにおける自律車両１００を示す（図の右側に位置する）第２の線図
を含む。

自律車両１００についての当該の３つのゾーンＺ１、Ｚ２、Ｚ３、ならびにそれぞれ、時点ｔおよび時点ｔ＋Δｔにおける、当該のこれらの３つのゾーン上での自律車両の可視性Ｖｉｓｉ（ｔ）またはＶｉｓｉ（ｔ＋Δｔ）が、各線図上に示されている。

時点ｔにおける自律車両の状況を示す第１の線図では、交差点の角に位置する建築物が、自律車両１００の右に位置する当該のゾーンＺ３上での可視性Ｖｉｓｉ（ｔ）を覆い隠している。

ｔ＋Δｔにおける自律車両の状況を示す第２の線図では、自律車両の右にある当該のゾーンＺ３は、今、可視性ゾーンＶｉｓｉ（ｔ＋Δｔ）にある。

これにより、当該のゾーンＺ３に関する情報は、時点ｔにおいて欠落しているが、ｔ＋Δｔにおける予測は、自律車両１００が交差点に到達したとき、すべての当該のゾーンが知覚手段１によってカバーされることを意思決定モジュールが確保することを可能にする。

予測はまた、意思決定モジュールが、決定ＤＰを適用した後に起こり得る出来事を予期することを可能にする。

たとえば、図６に図示されている状況において、
－ 左側に位置する線図によって示されている、行われるべき決定を評価する時点ｔにおいて、自律車両１００のナビゲーション経路は、完全に空いており、第２の車両が、対向レーンにおいて走行しており、
－ 予測時点ｔ＋Δｔにおいて、障害物を回避するために、第２の車両が、自律車両１００のレーンの中に移動し、衝突リスクを作り出す。

これにより、状況は、時点ｔにおいて安全であるが、意思決定モジュール２は、第２の車両が、おそらく障害物を回避して、自律車両１００のレーンに侵入することを知り、このリスクがいつ起こる可能性があるかを推定することが妥当である。

行われるべき決定ＤＰに関連付けられた情報の選択、言い換えれば、ブループリントが決定されたとき、方法は、ステップＥ４に進む。

ステップＥ４において、情報の前記選択は、環境知覚手段から生じたデータから取得される。言い換えれば、顧慮されるべきフィールドを含んでいる形態の一種であるブループリントは、環境モデルＭ＿ＥＮＶ＿Ｇの情報に基づいて、顧慮される。

有利な実施形態では、データは、ブループリントにかかわらず、同じ方法に従って取得される。

この実施形態では、単位関数のセットが定義される。非限定的な例として、単位関数は、以下、すなわち、
－ 当該のゾーンを識別すること、
－ 自律車両１００の車線上で自律車両１００に先行する車両を識別すること、
－ 交差点において自律車両１００に勝る優先権をもつ１つまたは複数の車両を識別すること、
－ 近くの車両の軌道を予測すること、など
についてそれぞれ定義され得る。

各単位関数は、自律車両１００の現在の状況の一部の構造化表現を構築するために、オーバーオール環境モデルＭ＿ＥＮＶ＿Ｇからの情報を使用する。

ブループリントを完成させるために、単位関数の選択が、実行される必要があり、各単位関数は、ブループリントに関する情報が顧慮されることを可能にする。加えて、単位関数は、適切に定義された順序で実行される必要があり得る。たとえば、戦術レベルでの交差点の表現を顧慮するために、当該のゾーンが、自律車両１００に勝る優先権をもつ道路利用者を識別する前に、識別される必要があり得る。

この目的で、ロードシートが、ブループリントのデータを顧慮するための単位関数を実行するための順序を説明するために、各ブループリントに関連付けられる。監視機能（またはオーケストレータ）が、ロードシートによって定義された順序で単位関数を実行する。

たとえば、行われるべき決定ＤＰが、交差点における自律車両１００のコミットメントに関するとき、ロードシートは、単位関数を実行するための以下の順序、すなわち、
－ 自律車両１００の状態（位置、速度など）を得ること、
－ 知覚システムの視野の状態を得ること、
－ 自律車両１００の周りの他の道路利用者の存在、ならびに他の道路利用者の状態に関する情報を得ること、
－ 交差点の当該のゾーン、当該のゾーンの位置および／または当該のゾーンの空間分布を得ること、
－ 当該のゾーンをコンテキスト化すること（換言すれば、当該のゾーンが、可視であるか、隠れているか、範囲外であるか、など）、
－ 当該のゾーン中に存在する他の道路利用者をコンテキスト化すること、
－ 優先権を与えられるべきである道路利用者を識別すること、
－ 優先権を譲るべきである道路利用者を識別すること、
－ など
を決定することができる。

単位関数のセットは、スケーラブルであり、換言すれば、関数の各々は、システムの全体的なアーキテクチャを害することなしに変更され得る。加えて、新しい関数が、たとえば、新しい状況を考慮に入れるために、追加され得る。

好ましい実施形態では、完全性インデックスを取得するステップＥ４、および完全性インデックスを決定するステップＥ５は、各単位関数について連続的に実行される。言い換えれば、各単位関数について、方法は、ステップＥ４およびＥ５にループバックする。各単位関数は、たとえば、ステップＥ１において定義されたオーバーオール環境モデルＭ＿ＥＮＶ＿Ｇの情報の各項目に関連付けられた完全性インデックスから、完全性インデックスを計算することができる。

この実施形態では、ロードシートの各ステップについて、オーケストレータは、前記ステップを実行する単位関数によって集められた情報の品質および完全性を推定することが可能である。

各単位関数によって返された完全性インデックスに基づいて、オーケストレータは、オーバーオール完全性インデックスを更新する。

そのうえ、オーケストレータは、ロードシートのこの段階で実行される単位関数によって返された完全性インデックスが、ロードシートを実行し続けるのに十分に高いかどうかを分析することができる。単位関数のうちの１つが、不完全であるかまたは十分に正確でない情報を集めた場合、後続の単位関数が影響を及ぼされる可能性があるので、この分析は不可欠である。

状況に応じて、情報の完全性の欠如は、様々なやり方でオーケストレータによって管理され得、
－ ロードシートは、完全に実行され得、次いで、意思決定モジュール２は、オーケストレータによって計算されたオーバーオール完全性インデックスを介して情報の完全性の低レベルを通知され得るか、または
－ オーケストレータは、ロードシートの実行を停止するためのコンディションを適用することができ、たとえば、オーバーオール完全性インデックスが、ブループリントに関連付けられたあらかじめ定義された完全性しきい値を下回る場合、オーケストレータは、ロードシートの進捗を中断することができる。

ロードシートの実行の完了時に、一緒に単位関数によって集められた情報は、選択的環境モデルＭ＿ＥＮＶ＿Ｓを形成する。

ステップＥ６において、意思決定モジュール２は、選択的環境モデルＭ＿ＥＮＶ＿Ｓを供給され、モデルＭ＿ＥＮＶ＿Ｓは、データに関連付けられた単位およびオーバーオール完全性インデックスを備える。

最後に、本発明によるモデル化方法は、自律車両１００によって行われるべき決定に応じて、自律車両１００の状況の効率的で信頼できる解釈を実装する。

実際、
－ 本発明によるモデル化は、意思決定のために必要とされる情報のみを考慮に入れ、
－ モデル化は、必要とされるものとして識別された情報ができる限り完全であること、および情報の信頼性が知られることを保証し、
－ 行われるべき決定は、決定がそれまでに行われなければならない期限に応じて、換言すれば、意思決定レベル（運用、戦術または戦略）に従って、異なるモデルをもたらし、
－ モデル化は、行われるべき決定を適用した後に起こり得る出来事を予期するために予測を含むことができ、
－ 情報の一貫性は、様々なやり方でチェックされ、すなわち、数個のソースから生じた情報の項目の一貫性、情報の時間的一貫性、およびシステムの動作限界との情報の一貫性がチェックされる。

加えて、提案されるモデル化方法は、汎用的で、様々な運転支援および／または自律運転システムの要件に適合され得る。実際、方法は、様々なレベルにおいて構成され得、
－ 第１のオーバーオール構成レベルは、可能な決定のリストＬＤ上に実装され、
－ 決定ごとの第２の構成レベルは、ブループリントを各可能な決定（換言すれば、顧慮されるべき情報のセット）と関連付けることによって実装され、同じ決定について、意思決定レベル（運用、戦術および戦略）ごとに異なるブループリントを使用することが可能であり、
－ 第３の構成レベルは、単位関数のセットを定義することによって実装され、各単位関数は、情報の項目が取得され、完全性インデックスに関連付けられることを可能にし、
－ 第４の構成レベルは、情報を取得するための順序、換言すれば、単位関数を実行するための順序、および情報についてのオーバーオール完全性インデックスの計算に関する。第４の構成レベルは、各ブループリントに関連付けられたロードシートを定義することによって実行される。

このモジュラーアーキテクチャは、モデル化が、決定のリストおよび／または各決定に関連付けられたブループリントおよび／または各ブループリントに関連付けられたロードシートおよび／または情報を取得するために使用される単位関数を変更することによって、各決定に応じて簡単に構成されることを可能にする。

勿論、上記説明からわかるように、実装されるモデル化は、信頼でき、堅実で、最適化された様式で車両の運転を支援することを目的として、車両の環境を自動的に理解するという実際的な意味において理解されなければならない。それゆえ、実装されるモデル化は、抽象的なまたは仮想的な構造でない。言い換えれば、本発明は、車両を誘導するための、さらには車両のドライバーの運転を支援するための１つまたは複数の自律的決定においてナビゲーション環境を考慮に入れるために、上記で説明されたようにこの環境をモデル化するための方法を実装する、自動車両が自律型であるか否かにかかわらず自動車両の運転を支援するための方法およびデバイスであると理解されなければならない。

Claims (10)

1. 環境知覚手段（１）と、意思決定モジュール（２）と、車両を自律的に制御するための自律制御手段（２０）とを装備した車両（１００）のナビゲーション環境をモデル化するための方法であって、
   － 前記環境知覚手段（１）によって提供されたデータから構築された構造化情報のセットとして、前記車両のオーバーオール環境モデル（Ｍ＿ＥＮＶ＿Ｇ）を定義するステップ（Ｅ１）と、
   － 前記自律制御手段（２０）によって前記車両を制御するために行われるべき決定（ＤＰ）に関係する情報に対する要求（ＲＤＰ）を受信するステップ（Ｅ２）であって、前記要求が、前記意思決定モジュール（２）によって送信される、要求（ＲＤＰ）を受信するステップ（Ｅ２）と、
   － 前記環境モデルを定義する構造化情報の前記セットの中から、前記決定（ＤＰ）を行うために顧慮されるべき情報の選択（ＢＰ）を決定するステップ（Ｅ３）と、
   － 前記オーバーオール環境モデル（Ｍ＿ＥＮＶ＿Ｇ）からの前記選択の前記情報を顧慮するステップ（Ｅ４）と、
   － 前記選択の情報の各項目に関連付けられた完全性インデックスを決定するステップ（Ｅ５）と、
   － 前記選択の前記情報と、対応する前記完全性インデックスとを含んでいる選択的環境モデル（Ｍ＿ＥＮＶ＿Ｓ）を前記意思決定モジュール（２）に提供するステップ（Ｅ６）と
   を含むことを特徴とする、方法。
2. 前記方法が、第１の環境知覚手段を使用して、および第２の環境知覚手段を使用して情報の前記選択から情報の少なくとも１つの第１の項目を取得するステップを含むこと、ならびに、情報の前記少なくとも１つの第１の項目に関連付けられた前記完全性インデックスが、前記第１の知覚手段および前記第２の知覚手段によって提供されたデータの間の一貫性に応じて決定されること、を特徴とする、請求項１に記載の自律車両のナビゲーション環境をモデル化するための方法。
3. 前記方法が、第１の時点において、および前記第１の時点の後の第２の時点において環境知覚手段を使用して情報の前記選択から情報の少なくとも１つの第２の項目を取得するステップを含むこと、ならびに情報の前記少なくとも１つの第２の項目に関連付けられた前記完全性インデックスが、前記第１の時点において、および前記第２の時点において前記知覚手段によって提供された前記データの間の一貫性に応じて決定されること、を特徴とする、請求項１または２に記載の自律車両のナビゲーション環境をモデル化するための方法。
4. 行われるべき前記決定（ＤＰ）が、所与の期限に前記自律車両によって適用されるべき所与のアクションを含み、前記所与の期限が、短期、中期、または長期であることが可能であることを特徴とし、
   同じ所与のアクションについて、前記決定するステップ（Ｅ３）は、
   － 前記所与の期限が短期である場合、顧慮されるべき情報の第１の選択（ＢＰ１）を決定するか、または
   － 前記所与の期限が中期である場合、顧慮されるべき情報の第２の選択（ＢＰ２）を決定するか、または
   － 前記所与の期限が長期である場合、顧慮されるべき情報の第３の選択（ＢＰ３）を決定する
   ことを特徴とし、
   前記第１の選択、前記第２の選択、および前記第３の選択が、互いに異なることを特徴とする、
   請求項１から３のいずれか一項に記載の自律車両のナビゲーション環境をモデル化するための方法。
5. 前記方法が、行われるべき前記決定（ＤＰ）を適用した後の前記車両の状況を特徴付ける情報のセットを含む選択的環境モデル（Ｍ＿ＥＮＶ＿Ｓ）を前記意思決定モジュール（２）に提供するサブステップを含むことを特徴とする、請求項１から４のいずれか一項に記載の自律車両のナビゲーション環境をモデル化するための方法。
6. 前記方法は、
   － 前記方法によって考慮に入れられる決定の有限リスト（ＬＤ）を構成することと、
   － 決定の前記有限リストの各決定について顧慮されるべき情報の選択（ＢＰ）を構成し、前記情報が顧慮されなければならない順序を構成することと、
   － 顧慮されるべき情報の各項目を顧慮するための少なくとも１つの方法を構成することと
   を含むことを特徴とする、請求項１から５のいずれか一項に記載の自律車両のナビゲーション環境をモデル化するための方法。
7. 自律車両のナビゲーション環境をモデル化するためのデバイス（１０）であって、前記自律車両が、自律制御手段（２０）を装備しており、前記デバイスが、請求項１から５のいずれか一項に記載の方法を実装するハードウェア要素および／またはソフトウェア要素（１、２、３、４、１０、１１、１２、１３、１４、１５、２０、３１、３２、３３、３１１、３１２、３１３、３１４、３１５、３１６）、特に、請求項１から６のいずれか一項に記載の方法を実装するように設計されたハードウェア要素および／またはソフトウェア要素（１、２、３、４、１０、１１、１２、１３、１４、１５、２０、３１、３２、３３）を備え、および／または前記デバイスが、請求項１から６のいずれか一項に記載の方法を実装するための手段を備える、デバイス（１０）。
8. コンピュータ可読媒体に記憶されたプログラムコード命令を備えるコンピュータプログラム製品であって、前記プログラムコード命令は、プログラムがコンピュータ上で動作するとき、請求項１から６のいずれか一項に記載の方法のステップを実装するためのものである、コンピュータプログラム製品、または、通信ネットワークからダウンロードされ、および／もしくはコンピュータ可読データ媒体に記憶され、および／もしくはコンピュータによって実行され得る、コンピュータプログラム製品であって、プログラムが前記コンピュータによって実行されたとき、前記コンピュータに請求項１から６のいずれか一項に記載の方法を実装させる命令を備えることを特徴とする、コンピュータプログラム製品。
9. 請求項１から６のいずれか一項に記載の、もしくは請求項８に記載の方法を実装するためのプログラムコード命令を備えるコンピュータプログラムを記憶する、コンピュータ可読データ記憶媒体、または、コンピュータによって実行されたとき、前記コンピュータに請求項１から６のいずれか一項に記載の方法を実装させる命令を備える、コンピュータ可読記憶媒体。
10. 請求項８に記載のコンピュータプログラム製品を搬送する、データ媒体からの信号。
    

Images