JP6788692B2 - 軌跡決定のためのシステム及び方法 - Google Patents

Description

本開示は、一般に、軌跡決定のためのシステム及び方法に関し、そして特に、無人車両のための軌跡決定を目的としたシステム及び方法に関する。

人工知能（ＡＩ）のような最先端技術の開発によって、無人車両は、例えば輸送サービスなど、多数の応用に対して大きな可能性を有する。人間の操縦が無ければ、無人車両が安全に目的地に到達するのは困難である。それ故に、無人車両が安全に目的地に到達するように、無人車両が追従するための、最適な軌跡を決定することが重要である。

本開示の一態様によれば、１つのシステムが提供される。該システムは、少なくとも１つの記憶媒体と、少なくとも１つの記憶媒体と通信するように構成された少なくとも１つのプロセッサと、を含んでもよい。少なくとも１つの記憶媒体は、命令のセットを含んでもよい。少なくとも１つの記憶媒体が命令のセットを実行する場合、次の動作の１つ以上を実施するように、少なくとも１つのプロセッサに指図してもよい。少なくとも１つのプロセッサは、車両の状態情報を獲得してもよい。少なくとも１つのプロセッサは、車両の状態情報に基づいて、車両の現在位置から目的地までの、１つ以上のオリジナル軌跡を決定してもよい。少なくとも１つのプロセッサは、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定してもよい。少なくとも１つのプロセッサは、軌跡評価モデルに基づいて、１つ以上の候補軌跡から目標軌跡を決定してもよい。

幾つかの実施形態において、車両の状態情報は、車両の運転方向、車両の瞬間速度、車両の瞬間加速度、車両のホイールベース、車両の前輪操舵角など、又はこれらの任意の組み合わせを含んでもよい。

幾つかの実施形態において、少なくとも１つのプロセッサは、目的地に関連した１つ以上の副目標位置を決定してもよい。少なくとも１つのプロセッサは、車両の状態情報及び１つ以上の副目標位置に基づいて、１つ以上のオリジナル軌跡を更に決定してもよい。

幾つかの実施形態において、少なくとも１つのプロセッサは、グリッド地図の中で１つ以上の障害物を決定してもよい。少なくとも１つのプロセッサは、１つ以上のオリジナル軌跡と１つ以上の障害物との間で、衝突検出を更に実施してもよい。少なくとも１つのプロセッサは、衝突検出に基づいて、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を更に決定してもよい。

幾つかの実施形態において、少なくとも１つのプロセッサは、１つ以上の候補軌跡に関する１つ以上の特徴を抽出してもよい。少なくとも１つのプロセッサは、１つ以上の特徴及び軌跡評価モデルに基づいて、１つ以上の候補軌跡を更に評価してもよい。少なくとも１つのプロセッサは、軌跡評価モデルに基づいて、目標軌跡を更に決定してもよい。

幾つかの実施形態において、少なくとも１つのプロセッサは、複数のサンプル軌跡を獲得してもよい。少なくとも１つのプロセッサは、複数のサンプル軌跡に基づいて、訓練データを決定してもよい。少なくとも１つのプロセッサは、訓練データに基づいて、軌跡評価モデルを更に決定してもよい。

幾つかの実施形態において、少なくとも１つのプロセッサは、複数のサンプル軌跡に関する１つ以上のサンプル特徴、及び複数のサンプル軌跡の各々に関連付けられたサンプル評価結果を抽出してもよい。少なくとも１つのプロセッサは、訓練データとして、１つ以上のサンプル特徴、及び対応するサンプル評価結果を更に決定してもよい。

幾つかの実施形態において、１つ以上のサンプル特徴は、サンプル出発位置、サンプル目的地、車両のサンプル速度、車両のサンプル加速度、サンプル軌跡のサンプル曲率など、又はこれらの任意の組み合わせを含んでもよい。

幾つかの実施形態において、少なくとも１つのプロセッサは、目標軌跡に基づいて、速度計画戦略を決定してもよい。

本開示の別の態様によれば、１つの方法が提供される。該方法は、車両の状態情報を獲得するステップを含んでもよい。該方法は、車両の状態情報に基づいて、車両の現在位置から目的地までの、１つ以上のオリジナル軌跡を決定するステップを含んでもよい。該方法は、１つ以上のオリジナル軌跡から、１つ以上の候補軌跡を決定するステップを更に含んでもよい。該方法は、軌跡評価モデルに基づいて、１つ以上の候補軌跡から目標軌跡を決定するステップを更に含んでもよい。

本開示の別の態様によれば、１つのシステムが提供される。該システムは、車両の状態情報を獲得するように構成された状態情報獲得モジュールと、車両の状態情報に基づいて、車両の現在位置から目的地までの１つ以上のオリジナル軌跡を決定するように構成された軌跡生成モジュールと、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定するように構成された候補軌跡決定モジュールと、軌跡評価モデルに基づいて、１つ以上の候補軌跡から目標軌跡を決定するように構成された目標軌跡決定モジュールと、を含んでもよい。

本開示の別の態様によれば、非一時的なコンピュータ可読媒体が提供される。該非一時的なコンピュータ可読媒体は、車両の軌跡を決定するための、少なくとも１つの命令のセットを備えてもよい。電子端末の少なくとも１つのプロセッサによって実行される場合、少なくとも１つの命令は、少なくとも１つのプロセッサに、車両の状態情報を獲得すること、車両の状態情報に基づいて、車両の現在位置から目的地までの、１つ以上のオリジナル軌跡を決定すること、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定すること、及び、軌跡評価モデルに基づいて、１つ以上の候補軌跡から目標軌跡を決定すること、の行為を実施するように指示してもよい。

本開示は、典型的な実施形態の観点から更に説明される。これらの典型的な実施形態は、図面を参照しながら詳細に説明される。これらの実施形態は、非制限的な典型的実施形態であり、そこでは、同様な参照符号は、図面の幾つかの図を通して類似の構造を表す。

本開示の幾つかの実施形態による、典型的な無人車両援助システムのブロック図である。 本開示の幾つかの実施形態による、コンピューティングデバイスの典型的なハードウェア構成要素及びソフトウェア構成要素を例示する模式図である。 本開示の幾つかの実施形態による、典型的なプロセッサを例示するブロック図である。 本開示の幾つかの実施形態による、目標軌跡を決定するための典型的なプロセス及び／又は方法を例示するフローチャートである。 本開示の幾つかの実施形態による、典型的な軌跡生成モジュールを例示するブロック図である。 本開示の幾つかの実施形態による、１つ以上のオリジナル軌跡を決定するための、典型的なプロセス及び／又は方法を例示するフローチャートである。 本開示の幾つかの実施形態による、複数の典型的な軌跡を例示する模式図である。 本開示の幾つかの実施形態による、典型的な車両動力学モデルを例示する模式図である。 本開示の幾つかの実施形態による、典型的な候補軌跡決定モジュールを例示するブロック図である。 本開示の幾つかの実施形態による、１つ以上の候補軌跡を決定するための典型的なプロセス及び／又は方法を例示するフローチャートである。 本開示の幾つかの実施形態による、典型的な衝突検出を例示する模式図である。 本開示の幾つかの実施形態による、典型的な目標軌跡決定モジュールを例示するブロック図である。 本開示の幾つかの実施形態による、目標軌跡を決定するための典型的なプロセス及び／又は方法を例示するフローチャートである。 本開示の幾つかの実施形態による、典型的なモデル決定モジュールを例示するブロック図である。 本開示の幾つかの実施形態による、軌跡評価モデルを決定するための典型的なプロセス及び／又は方法を例示するフローチャートである。

以下の説明は、当業者が本開示を製造すること及び使用することを可能にするために提示され、且つ、特定の応用及びその要件の文脈において提供される。開示された実施形態に対する様々な修正は、当業者にとっては容易に明らかであろう。そして、本明細書で定義された一般的原理は、本開示の精神及び範囲から逸脱することなく、他の実施形態及び応用に適用されるであろう。したがって、本開示は、示された実施形態に限定されず、特許請求の範囲と首尾一貫した、最も広い範囲と一致するべきである。

本明細書で使用される用語は、特定の実施例を説明することだけを目的としており、且つ、制限的であることを意図しない。本明細書で使用されるように、「ａ」、「ａｎ」、及び「ｔｈｅ」などの単数形は、文脈上明らかにそうでないことを示さない限り、同様に複数形を含むことを意図するであろう。更に理解されることであろうが、「備える（”ｃｏｍｐｒｉｓｅ”及び／又は”ｃｏｍｐｒｉｓｉｎｇ”）」、「含む（”ｉｎｃｌｕｄｅ”及び／又は”ｉｎｃｌｕｄｉｎｇ”）」という用語は、この明細書の中で使用される場合、陳述された特徴、整数、ステップ、動作、要素、及び／又は構成要素の存在を指定するが、しかし、１つ以上の他の特徴、整数、ステップ、動作、要素、構成要素、及び／又はこれらのグループの存在及び追加を排除しない。

本開示のこれらの特徴及び他の特徴、並びに特性は、動作の方法、及び構造の関連する要素の機能、並びに製造部品及び製造経済性の組み合わせと同様に、添付図を参照しながら以下の説明を考慮することで、より明らかとなるであろう。ここで図面の全ては、この開示の一部を形成する。しかしながら、図面は、例示及び説明のためだけのものであり、且つ、本開示の範囲を制限することを意図しない、ということは明確に理解されるべきである。図面はスケール通りではない、ということは理解される。

本開示で使用されるフローチャートは、本開示の中の幾つかの実施形態に従ってシステムが実施する動作を例示する。フローチャートの動作は、順序通りに実施しなくてもよい、ということは明確に理解されるべきである。逆に、動作は、逆の順序で実施してもよい、又は同時に実施してもよい。そのうえ、１つ以上の他の動作を、フローチャートに付加してもよい。１つ以上の動作を、フローチャートから除去してもよい。

本開示で使用される測位技術は、全地球測位システム（ＧＰＳ）、全地球航法衛星システム（ＧＬＯＮＡＳＳ）、コンパス航法システム（ＣＯＭＰＡＳＳ）、ガリレオ測位システム、準天頂衛星システム（ＱＺＳＳ）、ワイヤレスフィデリティ（ＷｉＦｉ）測位技術など、又はこれらの任意の組み合わせに基づいてもよい。上の測位システムの１つ以上を、本開示の中で交換可能に使用してもよい。

そのうえ、本開示で開示されるシステム及び方法は、車両（例えば、無人車両）の軌跡を決定することに関して主に説明されるとは言え、これは単に１つの典型的な実施形態である、ということを理解するべきである。本開示のシステム又は方法を、他の任意の種類の航法システムに適用してもよい。例えば、本開示のシステム又は方法を、陸地、海洋、航空宇宙など、又はこれらの任意の組み合わせを含む、異なる環境の輸送システムに適用してもよい。輸送システムの無人車両は、タクシー、自家用車、ヒッチハイク車、バス、列車、弾丸列車、高速レール車、地下鉄、船、航空機、宇宙船、熱気球、ドライバーレス車両など、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、システム又は方法は、物流倉庫、軍事などにおいて、応用を見出してもよい。

本開示の態様は、車両の軌跡を決定するためのシステム及び方法に関する。この目的のために、システムは、車両の車両状態情報を獲得してもよい。システムは、その後、車両状態情報に基づいて、車両の現在位置から目的地までの、１つ以上のオリジナル軌跡を決定してもよい。幾つかの実施形態において、システムは、多項式曲線生成アルゴリズムを使用して、現在位置から目的地までの、１つ以上のオリジナル軌跡を生成してもよい。システムは、その後、幾つかの軌跡が障害物と衝突しないかどうかを決定するために、１つ以上のオリジナル軌跡について衝突検出を実施してもよい。システムは、障害物に衝突しない軌跡から、１つの最適な軌跡を更に決定してもよい。幾つかの実施形態において、軌跡評価モデルは、機械学習技術（例えば、人工ニューラルネットワーク、サポートベクトルマシン（ＳＶＭ），デシジョンツリー、ランダムフォレスト）に基づいて決定してもよい。

図１は、本開示の幾つかの実施形態による、典型的な無人車両援助システム１００のブロック図である。例えば、無人車両援助システム１００は、サーバ１１０、記憶装置１２０、ネットワーク１３０、複数の無人車両１４０−１、１４０−２、１４０−３などを含むオンラインプラットフォームであってもよい。サーバ１１０は、処理エンジン１１２を含んでもよい。

幾つかの実施形態において、サーバ１１０は、単一のサーバ、又はサーバ群であってもよい。サーバ群は、中心に集めてもよい、又は分散させてもよい（例えば、サーバ１１０は、分散システムであってもよい）。幾つかの実施形態において、サーバ１１０は、局所的なものであってよい、又は遠隔的なものであってもよい。例えば、サーバ１１０は、無人車両１４０−１、１４０−２、１４０−３に格納された、及び／又はネットワーク１３０を介して記憶装置１２０に格納された情報及び／又はデータにアクセスしてもよい。別の例として、サーバ１１０は、格納された情報及び／又はデータにアクセスするために、無人車両１４０−１、１４０−２、１４０−３、・・・、及び／又は記憶装置１２０に直接接続してもよい。幾つかの実施形態において、サーバ１１０は、クラウドプラットフォーム上で実施してもよい。単に例として、クラウドプラットフォームは、プライベートクラウド、パブリッククラウド、ハイブリッドクラウド、コミュニティクラウド、分散クラウド、インタークラウド、マルチクラウドなど、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、サーバ１１０は、本開示の図２に例示される、１つ以上の構成要素を有するコンピューティングデバイス２００上で実施してもよい。

幾つかの実施形態において、サーバ１１０は、処理エンジン１１２を含んでもよい。処理エンジン１１２は、本開示で説明される１つ以上の機能を実施するために、軌跡決定に関連する情報及び／又はデータを処理してもよい。例えば、処理エンジン１１２は、車両の状態情報及び／又は車両の周りの環境情報の情報を収集し、車両の目標軌跡を決定してもよい。幾つかの実施形態において、処理エンジン１１２は、１つ以上の処理エンジン（例えば、単一コア処理エンジン又はマルチコアプロセッサ）を含んでもよい。単に例として、処理エンジン１１２は、中央処理ユニット（ＣＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け命令セットプロセッサ（ＡＳＩＰ）、グラフィック処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブル論理デバイス（ＰＬＤ）、コントローラ、マイクロコントローラユニット、縮小命令セットコンピュータ（ＲＩＳＣ）、マイクロプロセッサなど、又はこれらの任意の組み合わせを含んでもよい。

記憶装置１２０は、データ及び／又は命令を格納してもよい。幾つかの実施形態において、記憶装置１２０は、無人車両１４０−１、１４０−２、１４０−３から獲得したデータを格納してもよい。幾つかの実施形態において、記憶装置１２０は、データ及び／又は命令を格納してもよく、サーバ１１０は、本開示で説明される典型的な方法を実施するために、該データ及び／又は命令を実行してもよい、又は使用してもよい。幾つかの実施形態において、記憶装置１２０は、大容量記憶装置、取り外し可能記憶装置、揮発性読み出し／書き込みメモリ、読み出し専用メモリ（ＲＯＭ）など、又はこれらの任意の組み合わせを含んでもよい。典型的な大容量記憶装置は、磁気ディスク、光ディスク、ソリッドステートドライブなどを含んでもよい。典型的な取り外し可能記憶装置は、フラッシュドライブ、フロッピーディスク、光ディスク、メモリカード、ジップディスク、磁気テープなどを含んでもよい。典型的な揮発性読み出し／書き込みメモリは、ランダムアクセスメモリ（ＲＡＭ）を含んでもよい。典型的なＲＡＭは、ダイナミックＲＡＭ（ＤＲＡＭ）、二重データレート同期式ダイナミックＲＡＭ（ＤＤＲ−ＳＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、サイリスタＲＡＭ（Ｔ−ＲＡＭ）、及びゼロキャパシタＲＡＭ（Ｚ−ＲＡＭ）などを含んでもよい。典型的なＲＯＭは、マスクＲＯＭ（ＭＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的に消去可能なプログラマブルＲＯＭ（ＥＥＰＲＯＭ）、コンパクトディスクＲＯＭ（ＣＤ−ＲＯＭ）、及びデジタル多用途ディスクＲＯＭなどを含んでもよい。幾つかの実施形態において、記憶装置は、クラウドプラットフォーム上で実施してもよい。単に例として、クラウドプラットフォームは、プライベートクラウド、パブリッククラウド、ハイブリッドクラウド、コミュニティクラウド、分散クラウド、インタークラウド、マルチクラウドなど、又はこれらの任意の組み合わせを含んでもよい。

幾つかの実施形態において、記憶装置１２０は、無人車両援助システム１００の１つ以上の構成要素（例えば、サーバ１１０、無人車両１４０−１、１４０−２、１４０−３）と通信するために、ネットワーク１３０に接続してもよい。無人車両援助システム１００内の１つ以上の構成要素は、ネットワーク１３０を介して、記憶装置１２０に格納されたデータ又は命令にアクセスしてもよい。幾つかの実施形態において、記憶装置１２０は、無人車両援助システム１００内の１つ以上の構成要素（例えば、サーバ１１０、無人車両１４０−１、１４０−２、１４０−３）に直接接続してもよい、又は該１つ以上の構成要素と通信してもよい。幾つかの実施形態において、記憶装置１２０は、サーバ１１０の一部であってもよい。

ネットワーク１３０は、情報及び／又はデータの交換を促進してもよい。幾つかの実施形態において、無人車両援助システム１００内の１つ以上の構成要素（例えば、サーバ１１０、記憶装置１２０、及び無人車両１４０−１、１４０−２、１４０−３）は、ネットワーク１３０を介して、無人車両援助システム１００内の他の構成要素に情報及び／又はデータを送信してもよい。例えば、サーバ１１０は、ネットワーク１３０を介して、車両の車両状態情報及び／又は車両の周りの環境情報を獲得／取得してもよい。幾つかの実施形態において、ネットワーク１３０は、任意のタイプの有線ネットワーク又は無線ネットワーク、又はこれらの組み合わせであってもよい。単に例として、ネットワーク１３０は、ケーブルネットワーク、有線ネットワーク、光ファイバネットワーク、遠距離通信ネットワーク、イントラネット、インターネット、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、無線ローカルエリアネットワーク（ＷＬＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、公衆交換電話網（ＰＳＴＮ）、ブルートゥース（登録商標）ネットワーク、ジグビーネットワーク、近距離無線通信（ＮＦＣ）ネットワークなど、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、ネットワーク１３０は、１つ以上のアクセスポイントを含んでもよい。例えば、ネットワーク１２０は、基地局及び／又はインターネット交換ポイント１３０−１、１３０−２のような、有線又は無線のネットワークアクセスポイントを含んでもよく、該ネットワークアクセスポイントを通して、データ及び／又は情報を交換するために、無人車両援助システム１００の１つ以上の構成要素をネットワーク１３０に接続してもよい。

幾つかの実施形態において、無人車両１４０−１、１４０−２、１４０−３は、従来車両の構造を含んでもよい。従来車両の構造は、シャーシ、サスペンション、操舵部、制動部、駆動系部品、又はエンジンを含んでもよい。無人車両はまた、無人車両を制御するのに使用される情報を提供するための、複数のセンサを含んでもよい。幾つかの実施形態において、センサは、無人車両の車両状態情報に関する情報を感知してもよい。センサは、距離センサ、速度センサ、加速度センサ、操舵角センサ、静止摩擦関連センサ、及び／又は、無人車両の動的状況に関連する情報を感知するように構成された任意のセンサを含んでもよい。

例えば、距離センサ（例えば、レーダー、ライダー、赤外センサ）は、車両（例えば、１４０−１）と他の車両（例えば、１４０−２、１４０−３）との間の距離を決定してもよい。距離センサはまた、車両（例えば、１４０−１、１４０−２、１４０−３）と１つ以上の障害物（例えば、静的障害物、動的障害物）との間の距離を決定してもよい。速度センサ（例えば、ホールセンサ）は、無人車両（例えば、１４０−１、１４０−２、１４０−３）の速度（例えば、瞬間速度、平均速度）を決定してもよい。加速度センサ（例えば、加速度計）は、無人車両（例えば、１４０−１、１４０−２、１４０−３）の加速度（例えば、瞬間加速度、平均加速度）を決定してもよい。操舵角センサ（例えば、傾きセンサ）は、無人車両（例えば、１４０−１、１４０−２、１４０−３）の操舵角を決定しえもよい。静止摩擦関連センサ（例えば、力センサ）は、無人車両（例えば、１４０−１、１４０−２、１４０−３）の静止摩擦を決定してもよい。

幾つかの実施形態において、センサは、車両の周りの環境情報を感知してもよい。例えば、１つ以上のセンサは、道路の幾何形状及び障害物（例えば、静的障害物、動的障害物）を検出してもよい。道路の幾何形状は、道路の幅、道路の長さ、道路のタイプ（例えば、輪状道路、直線道路、一方向道路、両方向道路）を含んでもよい。静的障害物は、建物、樹木、道路防塞など、又はこれらの任意の組み合わせを含んでもよい。動的障害物は、移動する車両、歩行者、及び／若しくは動物など、又はこれらの任意の組み合わせを含んでもよい。１つ以上のセンサは、１つ以上のビデオカメラ、レーザ感知システム、赤外感知システム、音響感知システム、熱感知システムなど、若しくはこれらの任意の組み合わせであってもよく、又は、１つ以上のビデオカメラ、レーザ感知システム、赤外感知システム、音響感知システム、熱感知システムなど、若しくはこれらの任意の組み合わせを含んでもよい。

幾つかの実施形態において、車両はまた、測位システムを含んでもよい。幾つかの実施形態において、測位システムは、無人車両上で実施してもよい。測位システムは、無人車両に関する航法情報を提供してもよい。航法情報は、無人車両の現在位置、無人車両の目的地、速度、加速度、現在時刻など、又はこれらの任意の組み合わせを含んでもよい。位置は、緯度座標及び経度座標のような、座標の形態をしていてもよい。測位システムは、コンパス航法システム（ＣＯＭＰＡＳＳ）、全地球測位システム（ＧＰＳ）、北斗航法衛星システム、ガリレオ測位システム、準天頂衛星システム（ＱＺＳＳ）などを含んでもよい。

幾つかの実施形態において、無人車両援助システム１００（例えば、サーバ１１０）の１つ以上の構成要素は、記憶装置１２０にアクセスしてもよい。幾つかの実施形態において、無人車両援助システム１００の１つ以上の構成要素は、無人車両の１つ以上の設定事項に関連する情報を読みとってもよい、及び／又は該情報を修正してもよい。設定事項は、速度設定、航法設定、音楽設定、座席調節設定、雨の運転モード設定、雪の運転モード設定、霧の運転モード設定など、又はこれらの任意の組み合わせを含んでもよい。

図２は、コンピューティングデバイス２００の典型的なハードウェア構成要素及びソフトウェア構成要素を例示する模式図であり、コンピューティングデバイス２００上で、サーバ１１０、無人車両１４０−１、１４０−２、１４０−３、・・・を本開示の幾つかの実施形態に従って実施してもよい。例えば、処理エンジン１１２は、コンピューティングデバイス２００上で実施し、且つ、この開示で開示される処理エンジン１１２の機能を実施するように構成してもよい。

コンピューティングデバイス２００は、汎用コンピュータ又は特殊用途コンピュータであってもよく、両方とも、本開示のためのオンデマンドシステム上で実施するべく、使用してもよい。コンピューティングデバイス２００は、本明細書で説明されるように、オンデマンドサービスの任意の構成要素を実施するべく、使用してもよい。例えば、処理エンジン１１２は、そのハードウェア、ソフトウェアプログラム、ファームウェア、又はこれらの組み合わせによって、コンピューティングデバイス２００上で実施してもよい。簡単のために、ただ１つのそのようなコンピュータが示されてはいるが、本明細書で説明されるような、オンデマンドサービスに関連するコンピュータ機能は、処理負荷を分散させるべく、多くの同様なプラットフォーム上で、分散した方法で実施してもよい。

コンピューティングデバイス２００は、例えば、データ通信を促進するべく、コンピューティングデバイス２００に接続されたＣＯＭポート２５０、及びコンピューティングデバイス２００に接続されたネットワークに由来するＣＯＭポート２５０を含んでもよい。コンピューティングデバイス２００はまた、コンピュータ命令を実行するために、１つ以上のプロセッサの形態において、プロセッサ２２０を含んでもよい。コンピュータ命令は、例えば、ルーティン、プログラム、オブジェクト、コンポーネント、データ構造、処理手順、モジュール、及び機能を含んでもよく、これらは、本明細書で説明される特定の機能を実施する。例えば、プロセッサ２２０は、複数のサンプル軌跡に関連する、１つ以上のサンプル特徴を獲得してもよい。サンプル軌跡は、予め決められた時間期間内の履歴的軌跡を含んでもよい。サンプル軌跡に関連する１つ以上のサンプル特徴は、サンプル出発位置、サンプル目的地、サンプル軌跡に関連付けられた車両のサンプル速度、車両のサンプル加速度、サンプル軌跡のサンプル瞬間曲率など、又はこれらの任意の組み合わせを含んでもよい。

幾つかの実施形態において、プロセッサ２２０は、１つ以上のハードウェアプロセッサを含んでもよく、ここで該ハードウェアプロセッサは、マイクロコントローラ、マイクロプロセッサ、縮小命令セットコンピュータ（ＲＩＳＣ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け命令セットプロセッサ（ＡＳＩＰ）、中央処理ユニット（ＣＰＵ）、グラフィック処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、マイクロコントローラユニット、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、高度ＲＩＳＣマシン（ＡＲＭ）、プログラマブル論理デバイス（ＰＬＤ）、１つ以上の機能を実行可能な任意の回路又はプロセッサなど、又はこれらの任意の組み合わせのようなものである。

典型的なコンピュータデバイス２００は、内部通信バス２１０、異なる形態のプログラム記憶装置及びデータ記憶装置を含んでもよく、ここで異なる形態のプログラム記憶装置及びデータ記憶装置は、例えば、コンピュータによって処理されるべき、及び／又はコンピュータによって送信されるべき様々なデータファイルのための、ディスク２７０及び読み出し専用メモリ（ＲＯＭ）２３０、又はランダムアクセスメモリ（ＲＡＭ）２４０である。典型的なコンピュータデバイス２００はまた、ＲＯＭ２３０、ＲＡＭ２４０、及び／又はプロセッサ２２０によって実行されるべき他のタイプの非一時的な記憶媒体に格納されたプログラム命令を含んでもよい。本開示の方法及び／又はプロセスは、プログラム命令として実施してもよい。コンピューティングデバイス２００はまた、コンピュータと他の構成要素（例えば、ユーザインターフェース要素）との間の入力／出力を支援するＩ／Ｏ構成要素２６０を含む。コンピューティングデバイス２００はまた、ネットワーク通信を介して、プログラム作成品及びデータを受信してもよい。

単に例示のために、ただ１つのプロセッサが、コンピューティングデバイス２００において説明されている。しかしながら、本開示におけるコンピュータデバイス２００はまた、複数のプロセッサを含んでもよく、したがって、本開示で説明されるような、１つのプロセッサによって実施される動作及び／又は方法はまた、複数のプロセッサによって、共同して実施してもよい、又は別々に実施してもよい、ということに留意するべきである。例えば、もし、本開示において、コンピューティングデバイス２００のプロセッサ２２０が、ステップＡとステップＢの両方を実行する場合、ステップＡ及びステップＢはまた、２つの異なるプロセッサによって、コンピューティングデバイス２００の中で、共同して実施してもよい、又は別々に実施してもよい（例えば、第１のプロセッサがステップＡを実行し、且つ第２のプロセッサがステップＢを実行する、又は、第１及び第２のプロセッサが、ステップＡ及びステップＢを共同して実行する）、ということを理解するべきである。

図３は、本開示の幾つかの実施形態による、典型的なプロセッサ３００を例示するブロック図である。プロセッサ３００は、状態情報獲得モジュール３１０、軌跡生成モジュール３２０、候補軌跡決定モジュール３３０、目標軌跡決定モジュール３４０、速度計画モジュール３５０、及びモデル決定モジュール３６０を含んでもよい。各モジュールは、ハードウェア回路であってもよく、該ハードウェア回路は、続くアクション、１つ以上の記憶媒体に格納された命令のセット、及び／又はハードウェア回路と１つ以上の記憶媒体との組み合わせを実施するように設計される。

状態情報獲得モジュール３１０は、車両の車両状態情報（本明細書では車両状態情報とも呼ばれる）を獲得するように構成してもよい。幾つかの実施形態において、車両は、任意のタイプの無人車両（例えば、１４０−１、１４０−２、１４０−３）であってもよい。無人車両は、その環境を感知すると共に、人間の操作無しに航行することが可能であってもよい。幾つかの実施形態において、状態情報獲得モジュール３１０は、１つ以上のセンサから車両状態情報を獲得してもよい。１つ以上のセンサは、距離センサ、速度センサ、加速度センサ、操舵角センサ、静止摩擦関連センサ、制動関連センサ、及び／又は、車両の動的状況に関連する情報を感知するように構成された任意のセンサを含んでもよい。幾つかの実施形態において、状態情報獲得モジュール３１０は、更なる処理のために、獲得した車両状態情報を他のモジュール（例えば、軌跡生成モジュール３２０、モデル決定モジュール３６０）に送信してもよい。

幾つかの実施形態において、車両状態情報は、車両の運転方向、車両の瞬間速度、車両の瞬間加速度、車両のホイールベース長、車両の前輪操舵角などを含んでもよい。

軌跡生成モジュール３２０は、１つ以上のオリジナル軌跡を決定するように構成してもよい。決定されたオリジナル軌跡は、無人車両援助システム１００内の任意の記憶媒体（例えば、記憶装置１２０）に格納してもよい。幾つかの実施形態において、軌跡生成モジュール３２０は、車両状態情報に基づいて、車両の現在位置から目的地までの、１つ以上のオリジナル軌跡を決定してもよい。軌跡生成モジュール３２０は、記憶媒体（例えば、記憶媒体１２０）から車両状態情報を獲得してもよい、又は、状態情報獲得モジュール３１０から車両状態情報を獲得してもよい。幾つかの実施形態において、軌跡生成モジュール３２０は、多項式曲線生成アルゴリズムを使用して、現在位置から目的地までの、１つ以上のオリジナル軌跡を生成してもよい。幾つかの実施形態において、軌跡生成モジュール３２０は、車両動力学モデルに基づいて、１つ以上のオリジナル軌跡を更に決定してもよい。車両動力学モデルは、車両状態情報に基づいて決定してもよい。

幾つかの実施形態において、軌跡生成モジュール３２０は、車両の周りの環境情報を獲得してもよい。例えば、環境情報は、道路縁部、レーン、利用可能なレーン、道路のタイプ、道路の表面状態、交通状況、気象条件、障害物情報など、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、軌跡生成モジュール３２０は、車両状態情報に基づいて、１つ以上のオリジナル軌跡を決定してもよい。幾つかの実施形態において、軌跡生成モジュール３２０は、車両状態情報及び車両の周りの環境情報の両方に基づいて、１つ以上のオリジナル軌跡を決定してもよい。

候補軌跡決定モジュール３３０は、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定するように構成してもよい。候補軌跡は、無人車両援助システム１００内の任意の記憶媒体（例えば、記憶装置１２０）に格納してもよい。幾つかの実施形態において、候補軌跡決定モジュール３３０は、１つ以上のオリジナル軌跡に沿って移動している間に、車両が１つ以上の障害物と衝突するかどうかを検出することによって、候補軌跡を決定してもよい。例えば、１つ以上の障害物が車両の前に存在すると仮定して、候補軌跡決定モジュール３３０は、第１の軌跡に沿って移動している間に、車両が１つ以上の障害物のいずれかと衝突するかどうかを決定してもよい。もし候補軌跡決定モジュール３３０が、車両が１つ以上の障害物のいずれかと衝突するかもしれないと決定する場合、候補軌跡決定モジュール３３０は、第１の軌跡を候補軌跡として決定しなくてもよい。幾つかの実施形態において、候補軌跡決定モジュール３３０は、グリッド方法に基づいて、車両が１つ以上の障害物と衝突する可能性があるかどうかを決定してもよい。

目標軌跡決定モジュール３４０は、候補軌跡から目標軌跡を決定するように構成してもよい。目標軌跡決定モジュール３４０は、記憶媒体（例えば、記憶装置１２０）から候補軌跡を獲得してもよい、又は、候補軌跡決定モジュール３３０から候補軌跡を直接獲得してもよい。幾つかの実施形態において、目標軌跡モジュール３４０は、軌跡評価モデルに基づいて、候補軌跡から目標軌跡を決定してもよい。目標軌跡モジュール３４０は、モデル決定モジュール３６０から軌跡評価モデルを獲得してもよい。幾つかの実施形態において、軌跡評価モデルは、機械学習技術に基づいて決定してもよい。機械学習技術は、人工ニューラルネットワーク、サポートベクトルマシン（ＳＶＭ）、デシジョンツリー、ランダムフォレストなど、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、軌跡評価モデルは、重み付け関数を含んでもよい。目標軌跡決定モジュール３４０は、複数の候補軌跡に対応する重み付け関数の値に基づいて、目標軌跡を更に決定してもよい。

速度計画モジュール３５０は、目標軌跡に関連する速度計画戦略を決定するように構成してもよい。速度計画モジュール３５０は、決定された速度計画戦略に基づいて、車両の動きを制御するための、１つ以上の命令及び／又は動作を出力してもよい。速度計画戦略は、目標軌跡上の位置の各々に関連するタイミング情報、目標軌跡の位置の各々に関連する速度、目標軌跡の位置の各々に関連する加速度、目標軌跡の位置の各々に関連する車輪操舵角などを含んでもよい。例えば、車両がレーン変更を必要とする場合、速度計画モジュール３５０は、車両と前の車両との間の距離（横方向の距離、縦方向の距離）に基づいて、車両に速度を上げる方策及び／又は速度を下げる方策を実行するように命令してもよい。別の例として、湾曲した道路上を移動する場合、速度計画モジュール３５０は、車両が直線道路を移動する場合の条件と比較して、車両により遅い速度で移動するように命令してもよい。

モデル決定モジュール３６０は、軌跡評価モデルを決定するように構成してもよい。幾つかの実施形態において、モデル決定モジュール３６０は、記憶媒体（例えば、記憶装置１２０）から複数のサンプル軌跡を獲得してもよい。複数のサンプル軌跡は、予め決められた時間期間内の履歴的軌跡を含んでもよい。モデル決定モジュール３６０は、複数のサンプル軌跡の各々に関する、１つ以上のサンプル特徴を抽出してもよい。１つ以上のサンプル特徴は、サンプル出発位置、サンプル目的地、車両のサンプル速度、車両のサンプル加速度、サンプル軌跡のサンプル曲率など、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、モデル決定モジュール３６０は、１つ以上の特徴に基づいて、軌跡評価モデルを訓練してもよい。幾つかの実施形態において、軌跡評価モデルは、機械学習技術（例えば、人工ニューラルネットワーク、デシジョンツリー、ランダムフォレスト）に基づいて決定してもよい。幾つかの実施形態において、軌跡評価モデルは、重み付け関数であってもよい。

プロセッサ３００内のモジュールは、有線接続又は無線接続を介して、互いに接続してもよい、又は互いに通信してもよい。有線接続は、金属ケーブル、光ケーブル、ハイブリッドケーブルなど、又はこれらの任意の組み合わせを含んでもよい。無線接続は、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、ブルートゥース、ジグビー、近距離無線通信（ＮＦＣ）など、又はこれらの任意の組み合わせを含んでもよい。モジュールの任意の２つは、単一モジュールとして結合してもよく、モジュールの任意の１つは、２つ以上のユニットに分割してもよい。

図４は、本開示の幾つかの実施形態による、目標軌跡を決定するための、典型的なプロセス及び／又は方法を例示するフローチャートである。プロセス及び／又は方法４００は、無人車両援助システム１００（例えば、サーバ１１０）内のプロセッサによって実行してもよい。例えば、プロセス及び／又は方法４００は、非一時的なコンピュータ可読記憶媒体（例えば、記憶装置１２０）に格納された命令のセット（例えば、アプリケーション）として実施してもよい。プロセッサは、命令のセットを実行してもよく、且つ、したがって、電子信号を受信すること、及び／又は電子信号を送信することを介して、プロセス及び／又は方法４００を実施するように、プロセッサに指図してもよい。

４１０では、プロセッサ３００（例えば、状態情報獲得モジュール３１０）は、車両の状態情報（本明細書では、車両状態情報とも呼ばれる）を獲得してもよい。幾つかの実施形態において、車両は、任意のタイプの無人車両であってもよい。無人車両は、その環境を感知すると共に、人間の操作無しに航行することが可能であってもよい。無人車両は、車両状態情報及び／又は車両の周りの環境についての情報を感知するために、１つ以上のセンサ（例えば、レーダー、ライダー）を含んでもよい。幾つかの実施形態において、車両状態情報は、車両の運転方向、車両の速度（例えば、瞬間速度、平均速度）、車両の加速度（例えば、瞬間加速度、平均加速度）、車両のホイールベース、車両の車輪操舵角（例えば、前輪の操舵角）など、又はこれらの任意の組み合わせを含んでもよい。

４２０では、プロセッサ３００（例えば、軌跡生成モジュール３２０）は、車両状態情報に基づいて、車両の現在位置から目的地までの、１つ以上のオリジナル軌跡を決定してもよい。車両の現在位置は、測位システム（例えば、ＧＰＳ）を使用して獲得してもよい。幾つかの実施形態において、目的地は、道路又はレーンの中心線における位置であってもよい。

幾つかの実施形態において、目的地は、道路又はレーンの中心線を含むエリアであってもよい。幾つかの実施形態において、プロセッサ３００は、多項式曲線生成アルゴリズムを使用することによって、現在位置から目的地までの、１つ以上のオリジナル軌跡を生成してもよい。多項式曲線生成アルゴリズムは、三次スプライン曲線生成アルゴリズム、五次多項式曲線生成アルゴリズム、クロソイド曲線生成アルゴリズム、ベジエ曲線生成アルゴリズムなど、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、軌跡生成モジュール３２０は、車両動力学モデルに基づいて、１つ以上のオリジナル軌跡を更に決定してもよい。車両動力学モデルは、車両状態情報に基づいて決定してもよい。１つ以上のオリジナル軌跡を決定する詳細な説明は、本明細書の別の個所で見出されるであろう。例えば、図５Ａから図５Ｄ及びそれらの説明を参照されたい。

４３０では、プロセッサ３００（例えば、候補軌跡決定モジュール３３０）は、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定してもよい。幾つかの実施形態において、プロセッサ３００（例えば、候補軌跡決定モジュール３３０）は、１つ以上のオリジナル軌跡に沿って移動する場合に、車両が１つ以上の障害物と衝突するかどうかを決定してもよい。例えば、車両が通過する経路の周りに、又は車両が通過する経路に沿って、１つ以上の障害物が存在すると仮定して、プロセッサ３００（例えば、候補軌跡決定モジュール３３０）は、１つ以上の軌跡の第１の軌跡に沿って移動する場合に、車両が１つ以上の障害物のいずれかと衝突するかどうかを決定してもよい。もし車両が、１つ以上の障害物のいずれかと衝突しない場合、プロセッサ３００（例えば、候補軌跡決定モジュール３３０）は、第１の軌跡を候補軌跡として決定してもよい。もしプロセッサ３００（例えば、候補軌跡決定モジュール３３０）が、第１の軌跡に沿って移動している間に、車両が１つ以上の障害物のいずれかと衝突するかもしれないと決定する場合、プロセッサ３００（例えば、候補軌跡決定モジュール３３０）は、第１の軌跡を候補軌跡として決定しなくてもよい。幾つかの実施形態において、プロセッサ３００（例えば、候補軌跡決定モジュール３３０）は、グリッド地図に基づいて、車両が１つ以上の障害物と衝突するかどうかを決定してもよい。幾つかの実施形態において、候補軌跡は、図６Ｂに関連して説明される１つ以上の動作を実施することによって決定してもよい。

４４０では、プロセッサ３００（例えば、目標軌跡決定モジュール３４０）は、軌跡評価モデルに基づいて、候補軌跡から目標軌跡を決定してもよい。幾つかの実施形態において、軌跡評価モデルは、機械学習技術に基づいて決定してもよい。機械学習技術は、人工ニューラルネットワーク、サポートベクトルマシン（ＳＶＭ）、デシジョンツリー、ランダムフォレストなど、又はこれらの任意の組み合わせを含んでもよい。軌跡評価モデルに基づいて、目標軌跡決定モジュール３４０は、車両が追従するべき最適な軌跡を決定してもよい。幾つかの実施形態において、軌跡評価モデルは、図７Ｂに関連して説明される、１つ以上の動作を実施することによって決定してもよい。

幾つかの実施形態において、プロセス及び／又は方法は、目標軌跡のための速度計画を更に含んでもよい。４５０では、プロセッサ３００（例えば、速度計画モジュール３５０）は、目標軌跡に関連する速度計画戦略を決定してもよい。速度計画戦略は、目標軌跡上の位置の各々に関連するタイミング情報、目標軌跡の位置の各々に関連する速度、目標軌跡の位置の各々に関連する加速度、目標軌跡の位置の各々に関連する車輪操舵角などを含んでもよい。例えば、車両がレーン変更を必要とする場合、プロセッサは、車両と前の車両との間の距離（例えば、横方向距離、縦方向距離）に基づいて、車両に速度を上げる方策及び／又は速度を落とす方策を実行するように命令してもよい。その距離が安全な距離よりも大きい場合、車両は、レーンを変更するために、速度を維持してもよい、又は、ある加速度で速度を上げてもよい。その距離が安全距離よりも小さい場合、車両は、レーンを変えるのに安全となるまで（即ち、車両と前の車両との距離が安全距離よりも大きくなるまで）、速度を維持してもよい、又は速度を落としてもよい。幾つかの実施形態において、安全距離は、車両の現在の速度に基づいて、実時間で決定してもよい。幾つかの実施形態において、安全距離は、車両において予め設定された初期値であってもよい。

幾つかの実施形態において、プロセッサ３００（例えば、速度計画モジュール３５０）は、道路情報（例えば、交差点、速度制限、道路のタイプなど）に基づいて、速度計画戦略を決定してもよい。例えば、湾曲した道路上を移動する場合、プロセッサ３００（例えば、速度計画モジュール３５０）は、車両が直線道路上を移動する場合の条件と比較して、より遅い速度で移動するように車両に命令してもよい。別の例として、トンネルを通過する場合、プロセッサは、車両が屋外道路上を移動する場合の条件と比較して、より遅い速度で移動するように車両に命令してもよい。幾つかの実施形態において、プロセッサ３００（例えば、速度計画モジュール３５０）は、市街エリアにおける混雑状態のような生の交通情報に基づいて、速度計画戦略を決定してもよい。幾つかの実施形態において、プロセッサ３００（例えば、速度計画モジュール３５０）は、市街における混雑状態の原因となる気象情報に基づいて、速度計画戦略を決定してもよい。例えば、プロセッサ３００（例えば、速度計画モジュール３５０）は、晴れた日と比較して雨の日には、より遅い速度で移動するように車両に命令してもよい。幾つかの実施形態において、プロセッサ３００（例えば、速度計画モジュール３５０）は、目標軌跡の位置の各々における加速度が、車両内の乗客を快適にするべく、第１の加速度閾値を超えないことを決定してもよい。当業者は、速度計画戦略が変わってもよいことを理解するべきである。そのような全ての変形例は、本開示の保護範囲内にある。

図５Ａは、本開示の幾つかの実施形態による、典型的な軌跡生成モジュール３２０を例示するブロック図である。軌跡生成モジュール３２０は、情報獲得ユニット５１０、副目標位置決定ユニット５２０、及びオリジナル軌跡決定ユニット５３０を含んでもよい。

情報獲得ユニット５１０は、車両の車両状態情報を獲得してもよい。幾つかの実施形態において、情報獲得ユニット５１０は、無人車両援助システム１００内の記憶媒体（例えば、記憶装置１２０、又は状態情報獲得モジュール３１０（図示せず）内の任意の記憶媒体）から車両状態情報を獲得してもよい。

幾つかの実施形態において、情報獲得ユニット５１０はまた、車両の周りの環境情報を獲得してもよい。幾つかの実施形態において、情報獲得ユニット５１０は、１つ以上のセンサから車両の周りの環境情報を獲得してもよい。１つ以上のセンサは、車両の周りの環境情報の、複数の画像及び／又はデータを獲得すると共に、１つ以上のビデオカメラ、レーザ感知デバイス、赤外感知デバイス、音響感知デバイス、熱感知デバイスなど、又はこれらの任意の組み合わせを含むように構成してもよい。

幾つかの実施形態において、車両の周りの環境情報は、道路縁部、レーン、利用可能なレーン、道路のタイプ、道路の表面状態、交通状況、気象条件、障害物情報など、又はこれらの任意の組み合わせを含んでもよい。障害物情報は、１つ以上の障害物の位置、１つ以上の障害物の大きさ、１つ以上の障害物のタイプ、１つ以上の障害物の運動状態、１つ以上の障害物の移動速度など、又はこれらの任意の組み合わせを含んでもよい。

副目標位置決定ユニット５２０は、目的地に関連した１つ以上の副目標位置を決定してもよい。副目標位置決定ユニット５２０は、任意の適切な方法で、１つ以上の副目標位置を決定してもよい。例えば、１つ以上の副目標位置は、車両の現在の速度に基づいて決定してもよい。別の例として、図５Ｃに示されるように、点Ａが車両の現在位置を表すと仮定すると、点Ｂ５は、車両に関連する目的地を表してもよい。副目標位置（例えば、Ｂ１、Ｂ２、Ｂ３、Ｂ４）は、現在位置Ａと道路中心線に沿う目的地Ｂ５との間で、互いに等距離にあるとして決定してもよい。幾つかの実施形態において、副目標位置は、サンプルベースの方法によって決定してもよい。幾つかの実施形態において、１つ以上の副目標位置は、目標エリア内で無作為にサンプル抽出してもよい。サンプルエリアは、目的地を含むエリアであってもよく、これは、例えば、図５Ｃに示されるように、目的地Ｂ５を含む長方形のエリアＢであってもよい。幾つかの実施形態において、副目標位置の数は、無人車両援助システム１００の初期値であってもよい。幾つかの実施形態において、副目標位置の数は、例えば、車両の状態情報、車両又は目的地の周りの環境情報などの異なる状況下で、調節可能であってもよい。

オリジナル軌跡決定ユニット５３０は、１つ以上のオリジナル軌跡を決定してもよい。更に、オリジナル軌跡決定ユニット５３０は、車両状態情報及び／又は環境情報に基づいて、１つ以上のオリジナル軌跡を決定してもよい。幾つかの実施形態において、オリジナル軌跡決定ユニット５３０は、車両の現在位置から１つ以上の副目標位置及び目的地までの、１つ以上のオリジナル軌跡を生成してもよい。幾つかの実施形態において、オリジナル軌跡決定ユニットは、１つ以上のオリジナル軌跡を生成するために、多項式曲線生成アルゴリズムを使用してもよい。多項式曲線生成アルゴリズムは、三次スプライン曲線生成アルゴリズム、五次多項式曲線生成アルゴリズム、クロソイド曲線生成アルゴリズム、ベジエ曲線生成アルゴリズムなど、又はこれらの任意の組み合わせを含んでもよい。

図５Ｂは、本開示の幾つかの実施形態による、１つ以上のオリジナル軌跡を決定するための、典型的なプロセス及び／又は方法を例示するフローチャートである。プロセス及び／又は方法５００は、無人車両援助システム１００（例えば、サーバ１１０）内のプロセッサによって実行してもよい。例えば、プロセス及び／又は方法５００は、非一時的なコンピュータ可読記憶媒体（例えば、記憶装置１２０）に格納された命令のセット（例えば、アプリケーション）として実施してもよい。プロセッサは、命令のセットを実行してもよく、且つ、したがって、電子信号を受信すること、及び／又は電子信号を送信することを介して、プロセス及び／又は方法５００を実施するように、プロセッサに指図してもよい。

５１５では、プロセッサ３００（例えば、軌跡生成モジュール３２０内の情報獲得ユニット５１０）は、車両の車両状態情報を獲得してもよい。幾つかの実施形態において、プロセッサ３００は、１つ以上のセンサから車両状態情報を獲得してもよい。１つ以上のセンサは、距離センサ、速度センサ、加速度センサ、操舵角センサ、静止摩擦関連センサ、制動関連センサ、及び／又は、車両の動的状況に関連する情報を感知するように構成された任意のセンサを含んでもよい。幾つかの実施形態において、プロセッサ３００は、車両又は目的地の周りの環境情報を獲得してもよい。幾つかの実施形態において、環境情報は、道路縁部、レーン、利用可能なレーン、道路のタイプ、道路の表面状態、交通状況、気象条件、障害物情報など、又はこれらの任意の組み合わせを含んでもよい。障害物情報は、１つ以上の障害物の位置、１つ以上の障害物の大きさ、１つ以上の障害物のタイプ、１つ以上の障害物の運動状態、１つ以上の障害物の移動速度など、又はこれらの任意の組み合わせを含んでもよい。

５２５では、プロセッサ３００（例えば、軌跡生成モジュール３２０内の副目標位置決定ユニット５２０）は、目的地に関連した１つ以上の副目標位置を決定してもよい。幾つかの実施形態において、目的地は、道路又はレーンの中心線における位置であってもよい。幾つかの実施形態において、目的地は、道路又はレーンの中心線を含むエリアであってもよい。幾つかの実施形態において、プロセッサ３００（例えば、軌跡生成モジュール３２０内のオリジナル軌跡決定ユニット５３０）は、車両の現在位置と決定された副目標位置との間で、対応する軌跡を決定してもよい。１つ以上の副目標位置は、任意の適切な方法で決定してもよい。例えば、１つ以上の副目標位置は、車両の現在の速度に基づいて決定してもよい。別の例として、図５Ｃに示されるように、点Ａが車両の出発位置を表すと仮定して、点Ｂ５は、レーンの中心線上にあり、車両の目的地を表す。副目標位置（例えば、Ｂ１、Ｂ２、Ｂ３、Ｂ４）は、現在位置Ａと道路の中心線に沿う目的地Ｂ５との間で、互いに等距離にあるとして決定してもよい。幾つかの実施形態において、副目標位置は、サンプルベースの方法によって決定してもよい。幾つかの実施形態において、１つ以上の副目標位置は、目標エリア内で無作為にサンプル抽出してもよい。目標エリアは、中心線を含むエリアであってもよく、これは、例えば、図５Ｃに示される長方形エリアＢであってもよい。副目標位置の数は、無人車両援助システム１００の初期値であってもよい。幾つかの実施形態において、副目標位置の数は、例えば、車両の状態情報、車両又は目的地の周りの環境情報などの異なる状況下で、調節可能であってもよい。

５３５では、プロセッサ３００（例えば、軌跡生成モジュール３２０内のオリジナル軌跡決定ユニット５３０）は、車両状態情報及び副目標位置に基づいて、１つ以上のオリジナル軌跡を決定してもよい。例えば、プロセッサ３００（例えば、軌跡生成モジュール３２０内のオリジナル軌跡決定ユニット５３０）は、現在位置Ａから副目標位置及び目的地までで、副目標位置（Ｂ１、Ｂ２、Ｂ３、Ｂ４）と目的地（Ｂ５）にそれぞれ対応する軌跡ＡＢ１、ＡＢ２、ＡＢ３、ＡＢ４、ＡＢ５を決定してもよい。幾つかの実施形態において、プロセッサ３００は、多項式曲線生成アルゴリズムに基づいて、車両の現在位置から１つ以上の副目標位置及び目的地までの、１つ以上のオリジナル軌跡を生成してもよい。例えば、多項式曲線生成アルゴリズムは、三次スプライン曲線生成アルゴリズム、五次多項式曲線生成アルゴリズム、クロソイド曲線生成アルゴリズム、ベジエ曲線生成アルゴリズムなど、又はこれらの任意の組み合わせを含んでもよい。

幾つかの実施形態において、プロセッサ３００（例えば、軌跡生成モジュール３２０内のオリジナル軌跡決定ユニット５３０）は、車両の車両動力学モデルに基づいて、１つ以上のオリジナル軌跡を更に決定してもよい。幾つかの実施形態において、車両動力学モデルは、車両状態情報に基づいて決定してもよい。

幾つかの実施形態において、図５Ｄに示されるように、車両動力学モデルは、方程式（１）のように表してもよい。

ここで（ｘ，ｙ）は、車両軌跡座標系における車両の後車軸の中心点の座標を表してもよく、ｖは、車両の現在の速度を表してもよく、θは、車両軌跡座標系における車両の方向角を表してもよく、δは、車両軌跡座標系における前輪の操舵角を表してもよく、ｌは、ホイールベース長を表してもよく、
は、ｘの一次微分を表してもよく、
は、ｙの一次微分を表してもよく、
は、θの一次微分を表してもよい。幾つかの実施形態において、車両軌跡座標は、ローカル座標系（例えば、フレネ座標系）又はグローバル座標系（例えば、デカルト座標系）であり得る。ローカル座標系は、軌跡の各位置に対応する座標系を含んでもよく、そこでは、ローカル座標系における第１の軸は、その位置での軌跡に接していてもよく、且つローカル系の第２の軸は、第１の軸に直交していてもよい。グローバル座標系は、軌跡の全ての位置に対応する座標系であってもよい。幾つかの実施形態において、もし中心点の座標が、ローカル座標系における座標によって表される場合、プロセッサ３００（例えば、軌跡生成モジュール３２０内のオリジナル軌跡決定ユニット５３０）は、ローカル座標系における座標を、グローバル座標系における座標に変換してもよい。

図６Ａは、本開示の幾つかの実施形態による、典型的な候補軌跡決定モジュール３３０を例示するブロック図である。幾つかの実施形態において、候補軌跡決定モジュール３３０は、障害物獲得ユニット６１０、衝突検出モジュール６２０、及び候補軌跡決定ユニット６３０を含んでもよい。

障害物獲得ユニット６１０は、１つ以上の障害物に関連付けられた情報を獲得するように構成してもよい。幾つかの実施形態において、障害物獲得ユニット６１０は、１つ以上のセンサから、１つ以上の障害物（例えば、静的障害物、動的障害物）に関連付けられた情報を獲得してもよい。幾つかの実施形態において、１つ以上の障害物は、車両の周りの予め決められたエリア内にあってもよい。静的障害物は、建物、樹木、道路防塞など、又はこれらの任意の組み合わせを含んでもよい。動的障害物は、車両、歩行者、及び／若しくは動物など、又は、これらの任意の組み合わせを含んでもよい。幾つかの実施形態において、１つ以上のセンサは、車両の周りの環境情報の、複数の画像及び／又はデータを獲得すると共に、１つ以上のビデオカメラ、レーザ感知デバイス、赤外感知デバイス、音響感知デバイス、熱感知デバイスなど、又はこれらの任意の組み合わせを含むように構成してもよい。

衝突検出ユニット６２０は、１つ以上のオリジナル軌跡と１つ以上の障害物との間で、衝突検出を実施するように構成してもよい。衝突検出ユニット６２０は、１つ以上の候補軌跡を決定するために、候補軌跡ユニット６３０へ衝突検出の結果を送信してもよい。幾つかの実施形態において、静的障害物については、衝突検出ユニット６２０は、静的障害物が、１つ以上の軌跡の中の１つの軌跡上にあるかどうか、又は、静的障害物と軌跡との間の距離が、衝突検出の結果を生成するために予め決められた閾値よりも小さいかどうか、を決定してもよい。幾つかの実施形態において、動的障害物については、衝突検出ユニット６２０は、動的障害物の情報に基づいて、動的障害物の軌跡を予測してもよい。衝突検出ユニット６２０は、１つ以上のオリジナル軌跡に沿って移動する車両が、予想される軌跡に沿って移動する１つ以上の障害物と衝突するかどうかを検出することによって、衝突検出を実施してもよい。幾つかの実施形態において、衝突検出ユニット６２０は、グリッド地図に基づいて、車両が１つ以上の障害物と衝突するかどうかを決定してもよい。例えば、衝突検出ユニット６２０は、数学的な形態学アルゴリズムに基づいて、グリッド地図の中の１つ以上のオリジナル軌跡を塞ぐ可能性のある、１つ以上の障害物が存在するかどうかを決定してもよい。幾つかの実施形態において、衝突検出ユニット６２０は、複数のグリッドの各々に関連付けられた、相反する値（ＣＶ）に基づいて、１つ以上の障害物が、グリッド地図の中の１つ以上のオリジナル軌跡を塞ぐかどうかを決定してもよい。

候補軌跡ユニット６３０は、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定するように構成してもよい。幾つかの実施形態において、候補軌跡ユニット６３０は、衝突検出の結果に基づいて、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定してもよい。幾つかの実施形態において、候補軌跡ユニット６３０は、目標軌跡を生成するために、目標軌跡決定モジュール３４０へ１つ以上の候補軌跡を送信してもよい。

図６Ｂは、本開示の幾つかの実施形態による、グリッド地図を使用することによって、１つ以上の候補軌跡を決定するための、典型的なプロセス及び／又は方法を例示するフローチャートである。プロセス及び／方法６００は、無人車両援助システム１００（例えば、サーバ１１０）内のプロセッサによって実行してもよい。例えば、プロセス及び／又は方法６００は、非一時的なコンピュータ可読記憶媒体（例えば、記憶装置１２０）に格納された命令のセット（例えば、プリケーション）として実施してもよい。プロセッサは、命令のセットを実行してもよく、したがって、電子信号を受信すること、及び／又は電子信号を送信することを介して、プロセス及び／又は方法６００を実施するように、プロセッサに指図してもよい。

６１５では、プロセッサ３００（例えば、候補軌跡決定モジュール３３０内の障害物獲得ユニット６１０）は、１つ以上の障害物を決定してもよい。幾つかの実施形態において、候補軌跡決定モジュール３３０は、１つ以上のセンサから、１つ以上の障害物に関連付けられた情報を獲得してもよい。幾つかの実施形態において、障害物は、車両の周りの予め決められたエリア内にあってもよい。障害物に関連付けられた情報は、１つ以上の障害物の位置、１つ以上の障害物の大きさ、１つ以上の障害物のタイプ、１つ以上の障害物の運動状態、１つ以上の障害物の移動速度など、又はこれらの任意の組み合わせを含んでもよい。

６２５では、プロセッサ３００（候補軌跡決定モジュール３３０内の衝突検出ユニット６２０）は、１つ以上のオリジナル軌跡と１つ以上の障害物との間で、衝突検出を実施してもよい。幾つかの実施形態において、プロセッサ３００（候補軌跡決定モジュール３３０内の衝突検出ユニット６２０）は、車両が１つ以上のオリジナル軌跡に沿って移動する場合に、車両が１つ以上の障害物と衝突するかどうかを検出することによって、衝突検出を実施してもよい。幾つかの実施形態において、プロセッサ３００（候補軌跡決定モジュール３３０内の衝突検出ユニット６２０）は、グリッド地図に基づいて、車両が１つ以上の障害物と衝突するかどうかを決定してもよい。グリッド地図を使用することによって、衝突検出を実施することについての詳細な説明は、本開示の別な箇所で見出されるであろう。例えば、図６Ｃ及びその説明を参照されたい。

６３５では、プロセッサ３００（候補軌跡決定モジュール３３０内の候補軌跡決定ユニット６３０）は、衝突検出に基づいて、１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定してもよい。例えば、車両が通過する経路の周りに、又は車両が通過する経路に沿って、１つ以上の障害物が存在すると仮定して、プロセッサ３００は、第１の軌跡に沿って移動する場合に、車両が１つ以上の障害物のいずれかと衝突するかどうかを決定してもよい。もしプロセッサ３００が、車両が、第１の軌跡に沿って移動している間に、１つ以上の障害物のいずれかと衝突しないかもしれないと決定する場合、プロセッサ３００は、第１の軌跡を候補軌跡として決定してもよい。もしプロセッサが、車両が、第１の軌跡に沿って移動している間に、１つ以上の障害物のいずれかと衝突するかもしれないと決定する場合、プロセッサは、第１の軌跡を候補軌跡として決定しなくてもよい。更に、静的障害物については、衝突検出ユニット６２０は、静的障害物が１つ以上の軌跡の中の１つの軌跡の上にあるかどうかを決定してもよく、又は、静的障害物と軌跡との間の距離が、予め決められた距離よりも短いかどうかを決定してもよい。もし静的障害物が、１つ以上の軌跡の中のある特定の軌跡の上にある場合、又は、静的障害物と軌跡との間の距離が、予め決められた距離よりも短い場合、候補軌跡決定ユニット６３０は、その軌跡を候補軌跡として決定しなくてもよい。もし静的障害物が、１つ以上の軌跡の中のある特定の軌跡から遠く離れている場合（例えば、静的障害物と軌跡との間の距離が、予め決められた距離よりも大きいか、又は予め決められた距離と等しい場合）、候補軌跡決定ユニット６３０は、その軌跡を候補軌跡として決定しなくてもよい。動的障害物については、衝突検出ユニット６２０は、動的障害物の情報に基づいて、動的障害物の軌跡を予想してもよい。衝突検出ユニット６２０は、１つ以上のオリジナル軌跡に沿って移動する車両が、予想される軌跡に沿って移動する１つ以上の障害物と衝突するかどうかを検出することによって、衝突検出を実施してもよい。

図６Ｃは、本開示の幾つかの実施形態による、典型的な衝突検出を例示する模式図である。幾つかの実施形態において、プロセッサ３００（例えば、候補軌跡決定モジュール３３０）は、道路シナリオのためのグリッド処理を実施してもよい。例えば、プロセッサ３００は、道路シナリオをグリッド地図に変換してもよい。グリッド地図は、複数のグリッドを含む。各グリッドは、道路のエリアを表してもよい。幾つかの実施形態において、グリッド地図の中の複数のグリッドの各々のサイズは、例えば、１０ｃｍ×１０ｃｍ、２０ｃｍ×２０ｃｍ、３０ｃｍ×３０ｃｍなど、適切な任意の値であってもよい。幾つかの実施形態において、候補軌跡決定モジュール３３０は、障害物及び車両をグリッド地図の中に投影してもよい。図６Ｃに示されるように、Ａは無人車両Ｂ、Ｃを表してもよく、そしてＤは、無人車両の前にある複数の障害物を表してもよく、Ｅは、無人車両の目的地及び／又は目標エリアを表してもよい。プロセッサは、道路シナリオを、対応するグリッド地図の中に投影してもよい。グリッド地図が、複数のグリッドを障害物グリッドと空きグリッドとに分割してもよいということは、当業者は理解するべきである。障害物グリッドは、１つ以上の障害物によって占められたグリッドを指してもよい。空きグリッドは、任意の障害物によって占められていないグリッドを指してもよい。幾つかの実施形態において、プロセッサは、複数のグリッドの各々に関連付けられた値として、二値数を定義してもよい。例えば、障害物グリッドを１と指定してもよく、空きグリッドを０と指定してもよい。もしある軌跡が障害物グリッドを通過する場合、候補軌跡決定ユニット６３０は、その軌跡を候補軌跡として決定しなくてもよい。もしある軌跡が障害物グリッドのいずれかを通過しない場合、候補軌跡決定ユニット６３０は、その軌跡を候補軌跡として決定してもよい。

幾つかの実施形態において、プロセッサ３００は、複数のグリッドの各々に関連した、相反する値（ｃｏｎｆｌｉｃｔｉｎｇ ｖａｌｕｅ：ＣＶ）に基づいて、１つ以上の障害物が、グリッド地図の中の１つ以上のオリジナル軌跡の近くにあるか、又は該オリジナル軌跡の上にあるかどうかを決定してもよい。グリッドに関連するＣＶは、車両と障害物との間の衝突確率を表してもよい。幾つかの実施形態において、プロセッサは、相反する円の方法に基づいて、ＣＶを決定してもよい。例えば、相反する円の方法（ｃｏｎｆｌｉｃｔｉｎｇ ｃｉｒｃｌｅ ｍｅｔｈｏｄ）は、車両の速度に応じた円を決定するために使用してもよい。円の中心は、車両の重心であってもよい。円の半径は、例えば、車両の速度、質量、最大静止摩擦など、１つ以上の因子に関連する関数に基づいて決定してもよい。幾つかの実施形態において、プロセッサ３００は、障害物（例えば、障害物を含むグリッドの中心）と円の中心との間の距離に基づいて、ＣＶを決定してもよい。幾つかの実施形態において、プロセッサ３００は、グリッドと円との間の共通領域のエリアに基づいて、各グリッドに関連するＣＶを決定してもよい。幾つかの実施形態において、衝突検出ユニット６２０は、閾値に基づいて、衝突検出を実施してもよい。例えば、もし第１のグリッドに関連するＣＶが閾値よりも大きい場合、且つ、もし第１のグリッドがグリッド地図の中で第１の軌跡上にある場合、その時は、衝突決定ユニット６２０は、車両が第１の軌跡に沿って移動する場合に、車両が第１のグリッド内の障害物と衝突するかもしれないと決定してもよい。

図７Ａは、本開示の幾つかの実施形態による、典型的な目標軌跡決定モジュール３４０を例示するブロック図である。目標軌跡決定モジュール３４０は、特徴抽出ユニット７１０、軌跡評価ユニット７２０、及び目標軌跡決定ユニット７３０を含んでもよい。

特徴抽出ユニット７１０は、１つ以上の候補軌跡に関する、１つ以上の特徴を抽出するように構成してもよい。１つ以上の候補軌跡は、記憶デバイス（例えば、記憶装置１２０）に由来する、又は候補軌跡決定モジュール３４０に由来するものであってもよい。幾つかの実施形態において、軌跡に関する１つ以上の特徴は、車両の速度（例えば、瞬間速度、平均速度）、車両の加速度（例えば、瞬間加速度、平均加速度）、軌跡類似性、及び／又は軌跡の曲率（例えば、瞬間曲率）を含んでもよい。幾つかの実施形態において、１つ以上の特徴は、ベクトルの形態をしていてもよい。１つ以上の特徴は、軌跡評価モデルへの入力として使用してもよく、ここで該軌跡評価モデルは、軌跡を評価すると共に、１つ以上の候補軌跡から目標軌跡を決定するように構成される。

軌跡評価ユニット７２０は、１つ以上の候補軌跡を評価するように構成してもよい。更に、軌跡評価ユニット７２０は、１つ以上の特徴及び軌跡評価モデルに基づいて、１つ以上の評価軌跡を評価するように構成してもよい。１つ以上の候補軌跡に関する評価結果は、記憶デバイス（例えば、記憶装置１２０）に格納してもよい。幾つかの実施形態において、軌跡評価モデルは、機械学習技術に基づいて決定してもよい。機械学習技術は、人工ニューラルネットワーク、サポートベクトルマシン（ＳＶＭ）、デシジョンツリー、ランダムフォレストなど、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、軌跡評価モデルは、重み付け関数を含んでもよい。軌跡評価ユニット７２０は、重み付け関数に基づいて、１つ以上の候補軌跡を評価してもよい。評価結果決定ユニット７２０は、１つ以上の候補軌跡から目標軌跡を決定するために、プロセッサ３００（例えば、目標軌跡決定ユニット７３０）へ評価結果を送信してもよい。

目標軌跡決定ユニット７３０は、１つ以上の候補軌跡に関連する評価結果に基づいて、目標軌跡を決定するように構成してもよい。

図７Ｂは、本開示の幾つかの実施形態に従って目標軌跡を決定するための、典型的なプロセス及び／又は方法を例示するフローチャートである。プロセス及び／又は方法７００は、無人車両援助システム１００（例えば、サーバ１１０）内のプロセッサによって実行してもよい。例えば、プロセス及び／方法７００は、非一時的なコンピュータ可読記憶媒体（例えば、記憶装置１２０）に格納された命令のセット（例えば、アプリケーション）として、実施してもよい。プロセッサは、命令のセットを実施してもよく、したがって、電子信号を受信すること及び／又は電子信号を送信することを介して、プロセス及び／又は方法７００を実施するように、プロセッサに指図してもよい。

７１５では、プロセッサ３００（例えば、目標軌跡決定モジュール３４０内の特徴抽出ユニット７１０）は、１つ以上の候補軌跡に関する１つ以上の特徴を抽出してもよい。幾つかの実施形態において、１つ以上の特徴は、車両の速度（例えば、瞬間速度、平均速度）、車両の加速度（例えば、瞬間加速度、平均加速度）、軌跡類似性、及び／又は軌跡の曲率（例えば、瞬間曲率）などを含んでもよい。軌跡類似性は、現在の瞬間における候補軌跡と以前の瞬間における軌跡との契約率に基づいて決定してもよい。例えば、以前の瞬間Ｔにおいて、車両の軌跡はＲ１である。以前の瞬間における軌跡Ｒ１は、複数の位置（本明細書では、複数の第１の位置とも呼ばれる）を含んでもよい。現在の瞬間（Ｔ＋１）において、候補軌跡はＲ２である。現在の瞬間における候補軌跡Ｒ２は、複数の位置（本明細書では、複数の第２の位置とも呼ばれる）を含んでもよい。プロセッサ３００は、複数の第１の位置及び複数の第２の位置に基づいて、契約率を決定してもよい。幾つかの実施形態において、候補軌跡の瞬間曲率は、車両の前輪操舵角及び車両のホイールベース長の関数として表してもよい。幾つかの実施形態において、１つ以上の特徴は、ベクトルの形態をしていてもよい。１つ以上の特徴は、軌跡評価モデルへの入力として使用してもよく、ここで該軌跡評価モデルは、１つ以上の候補軌跡から目標軌跡を決定するように構成される。

７２５では、プロセッサ３００（例えば、目標軌跡決定のジュール３４０内の評価結果決定ユニット７２０）は、１つ以上の特徴及び軌跡評価モデルに基づいて、１つ以上の候補軌跡を評価してもよい。幾つかの実施形態において、軌跡評価ユニット７２０は、１つ以上の候補軌跡の各々に対して、評価結果を決定してもよい。評価結果は、軌跡が目標軌跡として決定される可能性を反映してもよい。評価結果は、数値形式（例えば、０から１００まで、０から１０までなど）、特性形式（例えば、Ａ、Ｂ、Ｃ、Ｄ・・・）などとして提示してもよい。もし評価結果が０から１００までの数値形式で提示される場合、より大きな評価結果に対応する軌跡は、より小さな評価結果に対応する軌跡と比較して、目標軌跡として決定される可能性が高いであろう。もし評価結果がＡ、Ｂ、Ｃ、Ｄ・・・として提示される場合、評価結果Ａに対応する軌跡は、評価結果Ｂに対応する軌跡と比較して、目標軌跡として決定される可能性が高いであろう。

幾つかの実施形態において、軌跡評価モデルは、重み付け関数を含んでもよい。幾つかの実施形態において、重み付け関数は、方程式（２）に基づいて決定してもよい。

ここでＦは、候補軌跡に対応する重み付け関数の値を表してもよく、ｆ_ｉは、候補軌跡の特徴を表してもよく、そしてｗ_ｉは、特徴に割り当てられた重みを表してもよい。目標軌跡は、複数の候補軌跡の重み付け関数の値に基づいて決定してもよい。幾つかの実施形態において、候補軌跡の各々に対応する値は、対応する評価結果に変換してもよい。目標軌跡決定ユニット７３０は、評価結果に基づいて、目標軌跡を決定してもよい。幾つかの実施形態において、軌跡評価モデルは、機械学習技術に基づいて決定してもよい。機械学習技術は、人工ニューラルネットワーク、サポートベクトルマシン（ＳＶＭ）、デシジョンツリー、ランダムフォレストなど、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、軌跡評価モデルは、事前に訓練してもよい。代替的に又は付加的に、軌跡評価モデルは、実時間で訓練してもよい、且つ／又は更新してもよい。幾つかの実施形態において、軌跡評価モデルは、図８Ｂに関連して説明された１つ以上の動作を実施することによって決定してもよい。

７３５では、プロセッサ３００（例えば、目標軌跡決定モジュール３４０内の目標軌跡決定ユニット７３０）は、７２５で決定された軌跡結果決定に基づいて、目標軌跡を決定してもよい。幾つかの実施形態において、目標軌跡決定モジュール３４０は、目標軌跡として、重み付け関数の最も小さな値に対応する候補軌跡を決定してもよい。例えば、Ｓ１は、第１の候補軌跡に対応する重み付け関数の値であり、Ｓ２は、第２の候補軌跡に対応する重み付け関数の値であり、Ｓ３は、第３の候補軌跡に対応する重み付け関数の値であり、且つＳ１は、Ｓ１、Ｓ２、及びＳ３の中で最も小さな値であるが、その時は、目標軌跡決定ユニット７３０は、目標軌跡として、第１の候補軌跡を決定してもよい。

図８Ａは、本開示の幾つかの実施形態による、典型的なモデル決定モジュール３６０を例示するブロック図である。モデル決定モジュール３６０は、サンプル軌跡獲得ユニット８１０、訓練データ決定ユニット８２０、及び軌跡評価モデル決定ユニット８３０を含んでもよい。

サンプル軌跡獲得ユニット８１０は、複数のサンプル軌跡を獲得するように構成してもよい。サンプル軌跡獲得ユニット８１０は、記憶デバイス（例えば、記憶装置１２０）から複数のサンプル軌跡を獲得してもよい。複数のサンプル軌跡の数は、無人車両援助システム１００の初期値であってもよく、又は、異なる状況下では調節可能であってもよい。幾つかの実施形態において、複数のサンプル軌跡は、予め決められた時間期間内の履歴的軌跡を含んでもよい。幾つかの実施形態において、複数のサンプル軌跡は、エリア（例えば、国、州、市、地区など）に関連付けられた履歴的軌跡を含んでもよい。

訓練データ決定ユニット８２０は、複数のサンプル軌跡に基づいて、訓練データを決定するように構成してもよい。幾つかの実施形態において、訓練データ決定ユニット８２０は、複数のサンプル軌跡に関する１つ以上のサンプル特徴を抽出してもよい。１つ以上のサンプル特徴は、サンプル出発位置、サンプル目的地、軌跡に関連付けられた車両のサンプル速度、車両のサンプル加速度、軌跡類似性、軌跡のサンプル曲率など、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、訓練データ決定ユニット８２０はまた、記憶装置１２０から、複数の対応するサンプル評価結果を獲得してもよい。訓練データ決定ユニット８２０は、訓練データとして、複数のサンプル特徴及び対応する複数のサンプル評価結果を決定してもよい。

軌跡評価モデル決定ユニット８３０は、訓練データに基づいて、軌跡評価モデルを生成するように構成してもよい。幾つかの実施形態において、軌跡評価モデル決定ユニット８３０は、機械学習技術に基づいて、軌跡評価モデルを決定してもよい。機械学習技術は、人工ニューラルネットワーク、サポートベクトルマシン（ＳＶＭ）、デシジョンツリー、ランダムフォレストなど、又はこれらの任意の組み合わせを含んでもよい。

図８Ｂは、本開示の幾つかの実施形態による、軌跡評価モデルを決定するための、典型的なプロセス及び／又は方法を例示するフローチャートである。プロセス及び／又は方法８００は、無人車両援助システム１００内のプロセッサ（例えば、サーバ１１０）によって実行してもよい。例えば、プロセス及び／又は方法８００は、非一時的なコンピュータ可読記憶媒体（例えば、記憶装置１２０）に格納された命令のセット（例えば、アプリケーション）として実施してもよい。プロセッサは、命令のセットを実行してもよく、且つ、したがって、電子信号を受信すること及び／又は電子信号を送信することを介して、プロセス及び／又は方法８００を実施するように、プロセッサに指図してもよい。

８１５では、プロセッサ３００（例えば、モデル決定モジュール３６０内のサンプル軌跡獲得ユニット８１０）は、複数のサンプル軌跡を獲得してもよい。プロセッサ３００は、記憶媒体（例えば、記憶装置１２０）から複数のサンプル軌跡を獲得してもよい。複数のサンプル軌跡の数は、無人車両援助システム１００の初期値であってもよく、又は、異なる状況下では調節可能であってもよい。複数のサンプル軌跡は、予め決められた時間期間内の履歴的軌跡を含んでもよい。幾つかの実施形態において、複数のサンプル軌跡は、エリア（例えば、国、州、市、地区など）に関連付けられた履歴的軌跡を含んでもよい。

８２５では、プロセッサ３００（例えば、モデル決定モジュール３６０内の訓練データ決定ユニット８２０）は、複数のサンプル軌跡に基づいて、訓練データを決定してもよい。幾つかの実施形態において、プロセッサ３００（例えば、モデル決定モジュール３６０内の訓練データ決定ユニット８２０）は、複数のサンプル軌跡の各々に関して、１つ以上のサンプル特徴を抽出してもよい。サンプル軌跡の１つ以上のサンプル特徴は、サンプル出発位置、サンプル目的地、サンプル軌跡に関連付けられた車両のサンプル速度（例えば、瞬間速度、平均加速度）、車両のサンプル加速度（例えば、瞬間加速度、平均加速度）、軌跡類似性、サンプル軌跡のサンプル曲率（例えば、瞬間曲率、平均曲率）など、又はこれらの任意の組み合わせを含んでもよい。幾つかの実施形態において、プロセッサ３００（例えば、モデル決定モジュール３６０内の訓練データ決定ユニット８２０）は、複数のサンプル軌跡に関連付けられた、対応する複数のサンプル評価結果を獲得してもよい。幾つかの実施形態において、プロセッサ３００（例えば、モデル決定モジュール３６０内の訓練データ決定ユニット８２０）は、記憶装置１２０から、対応する複数のサンプル評価結果を獲得してもよい。幾つかの実施形態において、プロセッサ３００（例えば、モデル決定モジュール３６０内の訓練データ決定ユニット８２０）は、訓練データとして、１つ以上のサンプル特徴及び対応するサンプル評価結果を決定してもよい。

８３５では、プロセッサ３００（例えば、モデル決定モジュール３６０内の軌跡評価決定ユニット８２０）は、訓練データに基づいて、軌跡評価モデルを生成してもよい。訓練データに基づいて軌跡評価を訓練する場合、プロセス及び／又は方法８００は一回以上の反復を含んでもよい、ということに留意するべきである。一回以上の反復の各々において、プロセッサは、軌跡評価モデルを生成してもよい。幾つかの実施形態において、生成された軌跡評価モデルの損失関数が閾値に収束するまで、プロセッサは反復を完成させてもよい。幾つかの実施形態において、閾値は、記憶媒体（例えば、記憶装置１２０）に格納された予め決められた値であってもよい、及び／又は、動的閾値であってもよい。

このように基本的な概念を説明してきたが、この詳細な開示を読んだ後では、先の詳細な開示は、単に例として提示されることを意図しており、制限的でないということは、当業者にはむしろ明らかであろう。本明細書に明確に述べられてはいないが、当業者にとっての様々な変更、改善、及び修正は、生じる可能性があると共に、意図されるものである。これらの変更、改善、及び修正は、この開示によって示唆されることを意図するものであり、且つ、この開示の典型的な実施形態の精神及び範囲の中に入る。

そのうえ、ある一定の用語が、本開示の実施形態を説明するために使用されてきた。例えば、「一実施形態」、「実施形態」、及び／又は「幾つかの実施形態」という用語は、実施形態に関連して説明される特定の特徴、構造又は特性が、本開示の少なくとも１つの実施形態に含まれる、ということを意味している。それ故に、この明細書の様々な部分において、「実施形態」若しくは「一実施形態」又は「代替的実施形態」に対する２つ以上の参照は、必ずしも全てが同じ実施形態を参照するものではない、ということを強調すると共に、正しく認識するべきである。更に、特定の特徴、構造又は特性は、本開示の１つ以上の実施形態において、適切に組み合わせてもよい。

更に、当業者であれば正しく認識することであろうが、本開示の態様は、任意の新規で有用なプロセス、機械、製造、若しくは組成物を含む、多数の特許可能な部類若しくは文脈のいずれかにおいて、又は、これらの任意の新規で有用な改善において、本明細書の中で例示すると共に説明してもよい。したがって、本開示の態様は、完全にハードウェア、完全にソフトウェア（ファームウェア、常駐ソフトウェア、マイクロコードを含む）で実装してもよく、又はソフトウェア実装とハードウェア実装を組み合わせてもよく、これらの全ては、本明細書では一般に、「ユニット」、「モジュール」、又は「システム」と呼んでもよい。更に、本開示の態様は、１つ以上のコンピュータ可読媒体において具現化されるコンピュータプログラム製品の形態をとってもよい。ここで該コンピュータ可読媒体は、自身の上に具現化されたコンピュータ可読プログラムを有する。

コンピュータ可読な信号媒体は、例えば、基底帯域の中に、又は搬送波の一部として、信号媒体自身の中に具現化されたコンピュータ可読なプログラムコードを有する伝搬型データ信号を含んでもよい。そのような伝搬型信号は、電磁気的信号若しくは光学的信号など、又はこれらの任意の適切な組み合わせを含む、様々な形態のいずれかの形態をとってもよい。コンピュータ可読な信号媒体は、コンピュータ可読な記憶媒体ではない任意のコンピュータ可読な媒体であってもよく、ここで該任意のコンピュータ可読な媒体は、命令実行システム、装置、又はデバイスによって使用することを目的として、又は命令実行システム、装置、又はデバイスに関連して使用することを目的として、プログラムを伝達してもよい、伝搬させてもよい、又は輸送してもよい。コンピュータ可読な信号媒体上に具現化されたプログラムコードは、無線、有線、光ファイバケーブル、ＲＦなど、又はこれらの任意の適当な組み合わせを含む、任意の適切な媒体を使用して伝達してもよい。

本開示の態様に対する動作を実行するためのコンピュータプログラムコードは、１つ以上のプログラミング言語の任意の組み合わせにおいて記述してもよく、ここで該プログラミング言語は、Ｊａｖａ（登録商標）、Ｓｃａｌａ、Ｓｍａｌｌｔａｌｋ、Ｅｉｆｆｅｌ、ＪＡＤＥ、Ｅｍｅｒａｌｄ、Ｃ＋＋、Ｃ＃、ＶＢ．ＮＥＴ、Ｐｙｔｈｏｎなどのようなオブジェクト指向のプログラミング言語、「Ｃ」プログラミング言語、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｆｏｒｔｒａｎ ２００３、Ｐｅｒｌ、ＣＯＢＯＬ ２００２、ＰＨＰ、ＡＢＡＰのような従来の手続き型プログラミング言語、Ｐｙｔｈｏｎ、Ｒｕｂｙ及びＧｒｏｏｖｙのような動的プログラミング言語、又はその他のプログラミング言語を含む。プログラムコードは、完全にユーザのコンピュータ上で、スタンドアロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータ上で実行してもよく、部分的にユーザのコンピュータ上で、且つ部分的に遠隔コンピュータ上で、又は、完全に遠隔コンピュータ上若しくはサーバ上で実行してもよい。後者のシナリオでは、遠隔コンピュータは、ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを通して、ユーザのコンピュータに接続してもよく、或いは、（例えば、インターネット・サービス・プロバイダを使用したインターネットを通して）外部コンピュータに接続してもよく、若しくはクラウドコンピューティング環境において外部コンピュータに接続してもよく、又はサービスとしてのソフトウェアのようなサービス（ＳａａＳ）として接続を提供してもよい。

更に、処理要素若しくはシーケンスが列挙される順序、又は、数字、文字若しくは他の記号の使用は、それ故に、特許請求の範囲に明記される場合を除いて、請求されたプロセス及び方法を任意の順序に限定することを意図しない。上の開示は、様々な例を通して、本開示の種々の有用な実施形態と現在考えられるものを議論しているが、次のことを理解するべきである。即ち、そのような詳細は単にその目的だけのためであり、添付された請求項は、開示された実施形態に限定されず、その反対に、開示された実施形態の精神及び範囲の中にある修正例及び等価な配列を含むことを意図する、ということを理解するべきである。例えば、上で説明された様々な構成要素の実施は、ハードウェアデバイスにおいて具現化されてはいるが、例えば、現存するサーバ又は移動デバイス上にインストールされたソフトウェアソリューションだけで実施してもよい。

同様に、正しく認識するべきことであるが、本開示の実施形態の前述の説明において、本開示を簡素化して、様々な実施形態の１つ以上を理解する上での助けとすることを目的として、様々な特徴が、単一の実施形態、図、又はその説明の中に一緒に集められることもある。開示のこの方法は、しかしながら、請求された主題が、各請求項に明確に列挙されているよりも多くの特徴を要求する、という意図を反映するものと解釈するべきではない。むしろ、請求された主題は、前述の単一の開示された実施形態の全ての特徴よりも少ない範囲にあるかもしれない。

Claims (13)

1. 車両のための軌跡を決定するシステムであって、
   命令のセットを含む少なくとも１つの記憶媒体と、
   前記少なくとも１つの記憶媒体と通信するように構成された少なくとも１つのプロセッサと、を備え、前記命令のセットを実行する場合、前記少なくとも１つのプロセッサは、
   車両の状態情報を獲得し、
   前記車両の前記状態情報に基づいて、前記車両の現在位置から目的地までの１つ以上のオリジナル軌跡を決定し、
   前記１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定し、
   軌跡評価モデルに基づいて、前記１つ以上の候補軌跡から目標軌跡を決定する
   ように指示され、
   前記軌跡評価モデルは、
   複数のサンプル軌跡を獲得し、
   前記複数のサンプル軌跡に基づいて、訓練データを決定し、
   前記訓練データ及び機械学習技術に基づいて、前記軌跡評価モデルを決定する
   ことを含む処理により決定される、
   システム。
2. 前記車両の前記状態情報は、
   前記車両の運転方向、
   前記車両の速度、
   前記車両の加速度、
   前記車両のホイールベース、又は、
   前記車両の前輪操舵角、
   の少なくとも１つを含む、請求項１に記載のシステム。
3. 前記１つ以上のオリジナル軌跡を決定するために、前記少なくとも１つのプロセッサは、
   前記目的地に関連した１つ以上の副目標位置を決定し、
   少なくとも部分的に、前記１つ以上の副目標位置に基づいて、前記１つ以上のオリジナル軌跡を決定する
   更に指示される、請求項１又は２に記載のシステム。
4. 前記１つ以上のオリジナル軌跡から前記１つ以上の候補軌跡を決定するために、前記少なくとも１つのプロセッサは、
   グリッド地図の中で１つ以上の障害物を決定し、
   前記１つ以上のオリジナル軌跡と前記１つ以上の障害物との間で衝突検出を実施し、
   前記衝突検出に基づいて、前記１つ以上のオリジナル軌跡から前記１つ以上の候補軌跡を決定する
   ように更に指示される、請求項１から３のいずれか一項に記載のシステム。
5. 前記軌跡評価モデルに基づいて、前記候補軌跡から前記目標軌跡を決定するために、前記少なくとも１つのプロセッサは、
   前記１つ以上の候補軌跡に関する１つ以上の特徴を抽出し、
   前記１つ以上の特徴及び前記軌跡評価モデルに基づいて、前記１つ以上の候補軌跡を評価し、
   前記軌跡評価モデルに基づいて、前記目標軌跡を決定する
   ように更に指示される、請求項１から４のいずれか一項に記載のシステム。
6. 前記複数のサンプル軌跡に基づいて前記訓練データを決定するために、前記少なくとも１つのプロセッサは、
   前記複数のサンプル軌跡、及び前記複数のサンプル軌跡の各々に関連付けられたサンプル評価結果に関する１つ以上のサンプル特徴を抽出し、
   前記訓練データとして、前記１つ以上のサンプル特徴、及び対応する前記サンプル評価結果を決定する
   ように更に指示される、請求項１に記載のシステム。
7. 前記１つ以上のサンプル特徴は、
   サンプル出発位置、
   サンプル目的地、
   車両のサンプル速度、
   車両のサンプル加速度、又は、
   サンプル曲率、
   の少なくとも１つを含む、請求項６に記載のシステム。
8. 前記少なくとも１つのプロセッサは、
   前記目標軌跡に基づいて、速度計画戦略を決定するように、
   更に指示される、請求項１から７のいずれか一項に記載のシステム。
9. プロセッサ、記憶媒体、及びネットワークに接続された通信プラットフォームを有するコンピュータデバイス上で実施される方法であって、
   前記プロセッサによって、車両の状態情報を獲得するステップと、
   前記プロセッサによって、前記車両の前記状態情報に基づいて、前記車両の現在位置から目的地までの１つ以上のオリジナル軌跡を決定するステップと、
   前記プロセッサによって、前記１つ以上のオリジナル軌跡から１つ以上の候補軌跡を決定するステップと、
   前記プロセッサによって、軌跡評価モデルに基づいて、前記１つ以上の候補軌跡から目標軌跡を決定するステップと、
   を備え、
   前記軌跡評価モデルは、
   複数のサンプル軌跡を獲得するステップと、
   前記複数のサンプル軌跡に基づいて、訓練データを決定するステップと、
   前記訓練データ及び機械学習技術に基づいて、前記軌跡評価モデルを決定するステップと、
   を含む処理により決定される、
   方法。
10. 前記車両の前記状態情報は、
    前記車両の運転方向、
    前記車両の速度、
    前記車両の加速度、
    前記車両のホイールベース、又は、
    前記車両の前輪操舵角、
    の少なくとも１つを含む、請求項９に記載の方法。
11. 前記１つ以上のオリジナル軌跡を決定するステップは、
    前記目的地に関連した１つ以上の副目標位置を決定するステップと、
    少なくとも部分的に、前記１つ以上の副目標位置に基づいて、前記１つ以上のオリジナル軌跡を決定するステップと、
    を備える、請求項９又は１０に記載の方法。
12. 前記１つ以上の候補軌跡を決定するステップは、
    グリッド地図の中に１つ以上の障害物を決定するステップと、
    前記１つ以上のオリジナル軌跡と前記１つ以上の障害物との間の衝突検出を実施するステップと、
    前記衝突検出に基づいて、前記１つ以上のオリジナル軌跡から前記１つ以上の候補軌跡を決定するステップと、
    を備える、請求項９から１１のいずれか一項に記載の方法。
13. 前記１つ以上の候補軌跡から前記目標軌跡を前記決定するステップは、
    前記１つ以上の候補軌跡に関する１つ以上の特徴を抽出するステップと、
    前記１つ以上の特徴及び前記軌跡評価モデルに基づいて、前記１つ以上の候補軌跡を評価するステップと、
    前記軌跡評価モデルに基づいて、前記目標軌跡を決定するステップと、
    を備える、請求項９から１２のいずれか一項に記載の方法。