JP6890757B2 - 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理 - Google Patents

部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理 Download PDF

Info

Publication number
JP6890757B2
JP6890757B2 JP2019543020A JP2019543020A JP6890757B2 JP 6890757 B2 JP6890757 B2 JP 6890757B2 JP 2019543020 A JP2019543020 A JP 2019543020A JP 2019543020 A JP2019543020 A JP 2019543020A JP 6890757 B2 JP6890757 B2 JP 6890757B2
Authority
JP
Japan
Prior art keywords
vehicle
scenario
evaluation module
motion control
autonomous vehicle
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.)
Active
Application number
JP2019543020A
Other languages
English (en)
Other versions
JP2020510570A (ja
Inventor
カイル レイ、
カイル レイ、
ステファン ウィトウィッキ、
ステファン ウィトウィッキ、
シュロモ ジルバーシュタイン、
シュロモ ジルバーシュタイン、
リアム ペダーセン、
リアム ペダーセン、
Original Assignee
ニッサン ノース アメリカ，インク
ニッサン ノース アメリカ，インク
ユニバーシティ オブ マサチューセッツ
ユニバーシティ オブ マサチューセッツ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ニッサン ノース アメリカ，インク, ニッサン ノース アメリカ，インク, ユニバーシティ オブ マサチューセッツ, ユニバーシティ オブ マサチューセッツ filed Critical ニッサン ノース アメリカ，インク
Publication of JP2020510570A publication Critical patent/JP2020510570A/ja
Application granted granted Critical
Publication of JP6890757B2 publication Critical patent/JP6890757B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/009—Priority selection
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/30—Sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Combustion & Propulsion (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Description

本開示は、自律走行車の動作管理及び自立運転に関する。
自律走行車等の車両は、車両交通ネットワークの一部を横断する場合がある。車両交通ネットワークの一部を横断することは、車両のセンサ等によって、車両の動作環境又はその一部を表すデータ等のデータを生成又は捕捉することを含む場合がある。したがって、部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理のためのシステム、方法及び装置が有利であり得る。
本明細書には、部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理の態様、特徴、要素、実装及び実施形態が開示されている。
開示された実施形態の一態様は、車両交通ネットワークの横断に使用される方法であり、この方法は、自律走行車によって、車両交通ネットワークを横断するステップを含んでもよく、前記車両交通ネットワークを横断することは、シナリオ固有の動作制御評価モジュールインスタンスを動作させることであって、前記シナリオ固有の動作制御評価モジュールインスタンスは、前記シナリオ固有の動作制御評価モジュールのインスタンスであり、前記シナリオ固有の動作制御評価モジュールは、部分観測マルコフ決定過程を実装すること、前記シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信すること、及び前記候補車両制御アクションに基づいて、前記車両交通ネットワークの一部を横断することを含んでもよい。
開示された実施形態の別の態様は、車両交通ネットワークの横断に使用される方法であり、この方法は、自律走行車によって、車両交通ネットワークを横断するステップを含んでもよく、前記車両交通ネットワークを横断することは、個別の車両動作制御シナリオをモデル化する部分観測マルコフ決定過程を実装するシナリオ固有の動作制御評価モジュールのインスタンスであるシナリオ固有の動作制御評価モジュールインスタンスをインスタンス化することを含んでもよい。前記個別の車両動作制御シナリオをモデル化することは、前記個別の車両動作制御シナリオに対応する複数の状態を識別すること、前記個別の車両動作制御シナリオに基づいて、複数の利用可能な車両制御アクションを識別すること、複数の条件遷移確率を識別することであって、前記複数の条件遷移確率の中の各条件遷移確率は、前記複数の状態の中の第１の各状態から前記複数の状態の中の第２の各状態へ遷移する確率を表すこと、報酬関数を識別することであって、前記報酬関数は、前記複数の状態の中の第１の各状態から前記複数の状態の中の第２の各状態へ遷移することに対応する報酬を生成すること、複数の観測結果を識別することであって、前記複数の観測結果の中の各観測結果は、前記複数の状態の中の各状態に対応すること、及び複数の条件観測確率を識別することであって、前記複数の条件観測確率の中の各条件観測確率は、前記複数の観測結果の中の各観測結果に関する正確さの確率を示すことを含んでもよい。前記車両交通ネットワークを横断することは、前記シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信すること、及び前記候補車両制御アクションに基づいて、前記車両交通ネットワークの一部を横断することを含んでもよい。
開示された実施形態の別の態様は、部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理用の自律走行車である。前記自律走行車は、プロセッサを含み、前記プロセッサは、非一時的なコンピュータ可読媒体に記憶されている命令を実行して、シナリオ固有の動作制御評価モジュールインスタンスを動作させることであって、前記シナリオ固有の動作制御評価モジュールインスタンスは、前記シナリオ固有の動作制御評価モジュールのインスタンスであり、前記シナリオ固有の動作制御評価モジュールは、部分観測マルコフ決定過程を実装すること、前記シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信すること、及び前記候補車両制御アクションに基づいて、前記車両交通ネットワークの一部を横断するように前記自律走行車を制御することを行うように構成される。
以下では、本明細書に開示された方法、装置、プロシージャ及びアルゴリズムのこうした及び他の態様、特徴、要素、実装及び実施形態の変形がさらに詳細に記載される。
本明細書に開示された方法及び装置の様々な態様は、以下の記載及び図面において提供される例示を参照することでより明らかになるであろう。
本明細書に開示の態様、特徴及び要素が実装され得る車両の一例の図面である。
本明細書に開示の態様、特徴及び要素が実装され得る車両交通及び通信システムの一部の例示の図面である。
本開示による車両交通ネットワークの一部の図である。
本開示の実施形態による車両動作管理システムの例の図である。
本開示の実施形態による自律走行車の動作管理の例のフロー図である。
本開示の実施形態によるブロックシーンの例の図である。
本開示の実施形態による歩行者シナリオを含む歩行者シーンの例の図である。
本開示の実施形態による交差点シナリオを含む交差点シーンの例の図である。
本開示の実施形態による車線変更シナリオを含む車線変更シーンの例の図である。
自律走行車又は半自律走行車等の車両は、車両交通ネットワークの一部を横断する場合がある。車両は１つ以上のセンサを含んでもよく、車両交通ネットワークを横断することは、センサが車両の動作環境又はその一部に対応するデータ等のセンサデータを生成又は捕捉することを含んでもよい。例えば、センサデータは、車両動作環境、車両交通ネットワーク形状、又はこれらの組み合わせの中の歩行者、遠隔車両、他のオブジェクト等の１つ以上の外部オブジェクト対応する情報を含んでもよい。
自律走行車は、自律走行車の動作管理システムを含んでもよく、これは、自律走行車に関するセンサデータ等の動作環境情報を処理し得る１つ以上の動作環境モニタを含んでもよい。動作環境モニタは、自律走行車に時空的に近接している車両交通ネットワークの部分に関する可用性確率情報を決定し得るブロックモニタを含んでもよい。
自律走行車の動作管理システムは、自律走行車の動作管理コントローラ又は実行部を含んでもよく、外部オブジェクトに対応する、歩行者シナリオ、交差点シナリオ、車線変更シナリオ、又は任意の他の車両動作シナリオ又は車両動作シナリオの組み合わせ等の１つ以上の動作シナリオを検出してもよい。
自律走行車の動作管理システムは、１つ以上のシナリオ固有の動作制御評価モジュールを含んでもよい。各シナリオ固有の動作制御評価モジュールは、各動作シナリオの、部分観測マルコフ決定過程（ＰＯＭＤＰ）等のモデルであってもよい。自律走行車の動作管理コントローラは、対応する動作シナリオの検出に応答して、シナリオ固有の動作制御評価モジュールの各インスタンスを作成してもよい。
自律走行車の動作管理コントローラは、インスタンス化された各シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信してもよく、候補車両制御アクションから車両制御アクションを識別してもよく、識別された車両制御アクションに従って車両交通ネットワークの一部を横断するように自律走行車を制御してもよい。
本明細書では自律走行車を参照して記載されているが、本明細書に記載の方法及び装置は、自律的又は半自律的動作が可能な任意の車両で実装されてもよい。車両交通ネットワークを参照すると、記載されているが、本明細書に記載の方法及び装置は、自律走行車が車両によって運転可能な任意のエリアで動作することを含んでもよい。
本明細書で使用される場合、「コンピュータ」又は「コンピュータデバイス」という用語は、本明細書で開示の任意の方法を実行することができる任意のユニット又はユニットの組み合わせ、又はその任意の部分若しくは複数の部分を含む。
本明細書で使用される場合、「プロセッサ」という用語は、１つ以上の専用プロセッサ、１つ以上のデジタル信号プロセッサ、１つ以上のマイクロプロセッサ、１つ以上のコントローラ、１つ以上のマイクロコントローラ、１つ以上のアプリケーションプロセッサ、１つ以上の特定用途向け集積回路、１つ以上の特定用途向け汎用集積回路、１つ以上のフィールド・プログラマブル・ゲート・アレイ、任意の他のタイプ又は組み合わせの集積回路、１つ以上の状態機械、又はこれらの任意の組み合わせ等の１つ以上のプロセッサを示す。
本明細書で使用される場合、「メモリ」という用語は、任意のプロセッサによって使用され得る又はそれと関連している任意の信号又は情報を有形に保持、記憶、通信、又は搬送することができる任意のコンピュータ使用可能又はコンピュータ可読媒体又はデバイスを示す。例えば、メモリは、１つ以上の読み取り専用メモリ（ＲＯＭ）、１つ以上のランダムアクセスメモリ（ＲＡＭ）、１つ以上のレジスタ、低電力ＤＤＲ（ＬＰＤＤＲ）メモリ、１つ以上のキャッシュメモリ、１つ以上の半導体メモリデバイス、１つ以上の磁気媒体、１つ以上の光学媒体、１つ以上の磁気光学媒体、又はこれらの任意の組み合わせであってもよい。
本明細書で使用される場合、「命令」という用語は、本明細書に開示の任意の方法を実行するための指示若しくは表現、又はその任意の部分若しくは複数の部分を含んでもよく、ハードウェア、ソフトウェア又はこれらの任意の組み合わせで実現されてもよい。例えば、命令は、本明細書に記載の各方法、アルゴリズム、態様又はこれらの組み合わせのいずれかを行うためにプロセッサによって実行され得るメモリに記憶されたコンピュータプログラム等の情報として実装されてもよい。いくつかの実施形態では、命令又はその一部は、本明細書に記載の任意の方法、アルゴリズム、態様又はその組み合わせを行うための専用ハードウェアを含み得る専用プロセッサ又は回路として実装されてもよい。いくつかの実装では、命令の部分は、直接的に又はローカルエリアネットワーク、ワイドエリアネットワーク、インターネット又はこれらの組み合わせ等のネットワークを介して通信し得る複数のデバイス又は単一のデバイス上の複数のプロセッサに分散されてもよい。
本明細書で使用される場合、「例示」、「実施形態」、「実装」、「態様」、「特徴」又は「要素」という用語は、用例、例示又は実例としての役割を果たすことを示している。明示されない限り、任意の例示、実施形態、実装、態様、特徴又は要素が、互いの例示、実施形態、実装、態様、特徴又は要素から独立しており、任意の他の例示、実施形態、実装、態様、特徴又は要素と組み合わせて使用されてもよい。
本明細書で使用される場合、「決定」及び「識別」又はこれらの任意の変形の用語は、図示の及び本明細書に記載の１つ以上のデバイスを使用するいかなるやり方で選択、確認、計算、検索、受信、決定、確立、取得、又は他のやり方で識別又は決定することを含んでいる。
本明細書で使用される場合、「又は」という用語は、排他的な「又は」ではなく包含的な「又は」を意味することが意図されている。すなわち、他に特に定めがない限り、又は文脈から明確であれば、「ＸがＡ又はＢを含む」は、任意の当然の包含的な並べ替えを示すことが意図されている。すなわち、ＸがＡを含む、ＸがＢを含む、又はＸがＡ及びＢの両方を含む場合、「ＸがＡ又はＢを含む」は、上記の例示のいずれかによって満たされる。さらに、本願及び添付の請求項の中で使用される“ａ”及び“ａｎ”という冠詞は、一般に、単数形を指していることが文脈から明確であるか又は他に特段の定めがない限り、「１つ以上の」を意味すると解釈されるべきである。
さらに、説明の簡潔のため、本明細書の図面及び説明は一連のステップ又は段階又はシーケンスを含み得るが、本明細書に開示の方法の要素は、様々な順番で又は同時に起こってもよい。さらに、本明細書に開示の方法の要素は、本明細書に明示的に提示及び開示されていない他の要素と共に起こってもよい。さらに、本明細書に記載の方法の全ての要素が、本開示による方法を実装することを要求されるとは限らない。態様、特徴及び要素は特定の組み合わせで本明細書に記載されているが、各態様、特徴又は要素は、他の態様、特徴及び要素と共に又はそれらなしで独立して又は様々な組み合わせで使用されてもよい。
図１は、本明細書に開示の態様、特徴及び要素が実装され得る車両の一例の図面である。いくつかの実施形態では、車両１０００は、シャーシ１１００、パワートレイン１２００、コントローラ１３００、車輪１４００、又は車両の任意の他の要素又は要素の組み合わせを含んでもよい。簡潔のため車両１０００は４つの車輪１４００を含むように示されているが、プロペラ又はトレッド等の１つ又は複数の任意の他の推進デバイスが使用されてもよい。図１において、パワートレイン１２００、コントローラ１３００及び車輪１４００等の要素を相互接続する線は、データ又は制御信号等の情報、電力又はトルク等の力、又は情報及び電力の両方が各要素間で伝達され得ることを示している。例えば、コントローラ１３００は、パワートレイン１２００から電力を受信して、パワートレイン１２００、車輪１４００、又は両方と通信して、車両１０００を制御してもよい。これは、車両１０００を加速、減速、操縦又は他のやり方で制御することを含み得る。
パワートレイン１２００は、電源１２１０、トランスミッション１２２０、ステアリング装置１２３０、アクチュエータ１２４０、又はサスペンション、駆動シャフト、アクセル若しくは排気システム等のパワートレインの任意の他の要素又は要素の組み合わせを含んでもよい。別々に示されているが、車輪１４００は、パワートレイン１２００に含まれてもよい。
電源１２１０は、エンジン、バッテリ、又はこれらの組み合わせを含んでもよい。電源１２１０は、電気エネルギ、熱エネルギ又は運動エネルギ等のエネルギを提供するように動作する任意のデバイス又はデバイスの組み合わせであってもよい。例えば、電源１２１０は、内燃エンジン、電気モータ又は内燃エンジン及び電気モータの組み合わせ等のエンジンを含んでもよく、車輪１２１０の１つ以上に原動力としての運動エネルギを提供するように動作してもよい。いくつかの実施形態では、電源１２１０は、ニッケルカドミウム（ＮｉＣｄ）、ニッケル亜鉛（ＮｉＺｎ）、ニッケル水素（ＮｉＭＨ）、リチウムイオン（Ｌｉ−ｉｏｎ）等の１つ以上の乾電池、太陽電池、燃料電池、又はエネルギを提供することが可能な任意の他のデバイス等のポテンシャルエネルギ装置を含んでもよい。
トランスミッション１２２０は、電源１２１０から運動エネルギ等のエネルギを受信してもよく、原動力を提供するために車輪１４００にエネルギを送ってもよい。トランスミッション１２２０は、コントローラ１３００、アクチュエータ１２４０又は両方によって制御されてもよい。ステアリング装置１２３０は、コントローラ１３００、アクチュエータ１２４０又は両方によって制御され、車両を操縦するために車輪１４００を制御してもよい。アクチュエータ１２４０は、コントローラ１３００から信号を受信してもよく、車両１０００を動作させるために電源１２１０、トランスミッション１２２０、ステアリング装置１２３０又はこれらの任意の組み合わせを作動又は制御してもよい。
いくつかの実施形態では、コントローラ１３００は、位置決め装置１３１０、電子通信装置１３２０、プロセッサ１３３０、メモリ１３４０、ユーザインターフェース１３５０、センサ１３６０、電子通信インターフェース１３７０又はこれらの任意の組み合わせを含んでもよい。単一の装置として示されているが、コントローラ１３００の任意の１つ以上の要素が任意の数の分離した物理装置に組み込まれてもよい。例えば、ユーザインターフェース１３５０及びプロセッサ１３３０は、第１の物理装置に組み込まれてもよく、メモリ１３４０は、第２の物理装置に組み込まれてもよい。図１には示されていないが、コントローラ１３００は、バッテリ等の電源１２１０を含んでもよい。別個の要素として示されているが、位置決め装置１３１０、電子通信装置１３２０、プロセッサ１３３０、メモリ１３４０、ユーザインターフェース１３５０、センサ１３６０、電子通信インターフェース１３７０、又はこれらの任意の組み合わせは、１つ以上の電子装置、回路又はチップに組み込まれてもよい。
いくつかの実施形態では、プロセッサ１３３０は、光プロセッサ、量子プロセッサ、分子プロセッサ又はこれらの組み合わせを含む現存する又は今後開発される信号又は他の情報を操作又は処理することが可能な任意のデバイス又はデバイスの組み合わせを含んでもよい。例えば、プロセッサ１３３０は、１つ以上の専用プロセッサ、１つ以上のデジタル信号プロセッサ、１つ以上のマイクロプロセッサ、１つ以上のコントローラ、１つ以上のマイクロコントローラ、１つ以上の集積回路、１つ以上の特定用途向け集積回路、１つ以上のフィールド・プログラマブル・ゲート・アレイ、１つ以上のプログラマブル・ロジック・アレイ、１つ以上のプログラマブル・ロジック・コントローラ、１つ以上の状態機械、又はこれらの任意の組み合わせを含んでもよい。プロセッサ１３３０は、位置決め装置１３１０、メモリ１３４０、電子通信インターフェース１３７０、電子通信装置１３２０、ユーザインターフェース１３５０、センサ１３６０、パワートレイン１２００、又はこれらの任意の組み合わせと動作可能に結合されてもよい。例えば、プロセッサは、通信バス１３８０を介してメモリ１３４０と動作可能に結合されてもよい。
メモリ１３４０は、プロセッサ１３３０によって使用される又はそれと接続される、機械可読命令又はそれに関連付けられる任意の情報を、例えば、保持、記憶、伝達又は搬送することが可能な任意の有形の非一時的コンピュータ使用可能又はコンピュータ可読媒体を含んでもよい。メモリ１３４０は、例えば、１つ以上の半導体ドライブ、１つ以上のメモリカード、１つ以上のリムーバブル媒体、１つ以上の読み取り専用メモリ、１つ以上のランダムアクセスメモリ、ハードディスク、フロッピーディスク、光学ディスクを含む１つ以上のディスク、磁気若しくは光学カード、又は電子情報を記憶するのに適した任意のタイプの非一時的な媒体、又はこれらの任意の組み合わせであってもよい。
通信インターフェース１３７０は、図示のような無線アンテナ、有線通信ポート、光学通信ポート、又は有線若しくは無線電子通信媒体１５００とインターフェース接続することが可能な任意の他の有線若しくは無線装置であってもよい。図１は単一の通信リンクを介して通信を行う通信インターフェース１３７０が示されているが、通信インターフェースは、複数の通信リンクを介して通信を行うように構成されてもよい。図１は単一の通信インターフェース１３７０を示しているが、車両は、任意の数の通信インターフェースを含んでもよい。
通信装置１３２０は、通信インターフェース１３７０等を介して、有線又は無線電子通信媒体１５００を介して信号を送信又は受信するように構成されてもよい。図１に明示されていないが、通信装置１３２０は、無線周波数（ＲＦ）、紫外線（ＵＶ）、可視光、光ファイバ、有線回線、又はこれらの組み合わせ等の任意の有線又は無線通信媒体を介して送信、受信又は両方を行うように構成されてもよい。図１は、単一の通信装置１３２０及び単一の通信インターフェース１３７０を示しているが、任意の数の通信装置及び任意の数の通信インターフェースが使用されてもよい。いくつかの実施形態では、通信装置１３２０は、狭域通信（ＤＳＲＣ）装置、車載装置（ＯＢＵ）、又はこれらの組み合わせを含んでもよい。
位置決め装置１３１０は、車両１０００の経度、緯度、高度、進行方向又は速さ等の地理情報を決定してもよい。例えば、位置決め装置は、広域補強システム（Ｗｉｄｅ Ａｒｅａ Ａｕｇｍｅｎｔａｔｉｏｎ Ｓｙｓｔｅｍ；ＷＡＡＳ）対応米国海洋電子機器協会（Ｎａｔｉｏｎａｌ Ｍａｒｉｎｅ−Ｅｌｅｃｔｒｏｎｉｃｓ Ａｓｓｏｃｉａｔｉｏｎ；ＮＭＥＡ）装置、無線三角測量装置、又はこれらの組み合わせ等の全地球測位システム（ＧＰＳ）装置を含んでもよい。位置決め装置１３１０は、例えば、車両１０００の現在の向き、２次元又は３次元での車両１０００の現在地、車両１０００の現在の角度方向、又はこれらの組み合わせを表す情報を取得するために使用され得る。
ユーザインターフェース１３５０は、仮想又は物理キーパッド、タッチパッド、ディスプレイ、タッチディスプレイ、ヘッドアップディスプレイ、仮想ディスプレイ、拡張現実ディスプレイ、触覚ディスプレイ、視線追跡デバイス等の特徴追跡デバイス、スピーカ、マイクロホン、ビデオカメラ、センサ、プリンタ、又はこれらの任意の組み合わせ等、人物とインターフェースすることが可能な任意の装置を含んでもよい。ユーザインターフェース１３５０は、図示のようにプロセッサ１３３０と、又はコントローラ１３００の任意の他の要素と動作可能に結合されてもよい。単一の装置として示されているが、ユーザインターフェース１３５０は、１つ以上の物理装置を含んでもよい。例えば、ユーザインターフェース１３５０は、人物との音声通信を行うための音声インターフェース、及び人物との視覚及びタッチに基づく通信を行うためのタッチディスプレイを含んでもよい。いくつかの実施形態では、ユーザインターフェース１３５０は、複数の物理的に分離した装置、単一の物理装置の中の複数の定義部分、又はこれらの組み合わせ等の複数のディスプレイを含んでもよい。
センサ１３６０は、車両を制御するために使用され得る情報を提供するように動作し得るセンサの配列等の１つ以上のセンサを含んでもよい。センサ１３６０は、車両の現在の動作特徴に関する情報を提供してもよい。センサ１３６０は、例えば、速度センサ、加速度センサ、ステアリング角センサ、トラクション関連センサ、ブレーキ関連センサ、ハンドル位置センサ、視線追跡センサ、着座位置センサ、又は車両１０００の現在の動的状況の何らかの態様に関する情報を報告するように動作可能な任意のセンサ若しくはセンサの組み合わせを含み得る。
いくつかの実施形態では、センサ１３６０は、車両１０００の周囲の物理環境に関する情報を取得するように動作可能なセンサを含んでもよい。例えば、１つ以上のセンサが、道路形状、及び固定障害物、車両及び歩行者等の障害物を検出してもよい。いくつかの実施形態では、センサ１３６０は、既知の又は後に開発される、１つ以上のビデオカメラ、レーザ感知システム、赤外線感知システム、音響感知システム、又は任意の他の適切なタイプの車載環境感知デバイス、又はデバイスの組み合わせであるか又はこれらを含み得る。いくつかの実施形態では、センサ１３６０及び位置決め装置１３１０が結合されてもよい。
別に示されてはいないが、幾つかの実施形態では、車両１０００は、軌道コントローラを含んでもよい。例えば、コントローラ１３００が、軌道コントローラを含んでもよい。軌道コントローラは、車両１０００の現在の状態及び車両１０００に対して計画された経路を記述する情報を取得し、この情報に基づいて、車両１０００に対する軌道を決定及び最適化するように動作可能であってもよい。いくつかの実施形態では、軌道コントローラは、車両１０００が軌道コントローラによって決定される軌道に従うように、車両１０００を制御するように動作可能な信号を出力してもよい。例えば、軌道コントローラの出力は、パワートレイン１２００、車輪１４００又は両方に供給され得る最適化された軌道であり得る。いくつかの実施形態では、最適化された軌道は、一組のステアリング角等の制御入力であってもよく、各ステアリング角は１つの時点又は位置に対応する。いくつかの実施形態では、最適化された軌道は、１つ以上の経路、線、曲線、又はこれらの組み合わせであり得る。
１つ以上の車輪１４００は、ステアリング装置１２３０の制御下でステアリング角に枢動され得る操縦された車輪、トランスミッション１２２０の制御下で車両１０００を推進するためのトルクを与えられ得る推進された車輪、又は車両１０００を操縦及び推進し得る操縦及び推進された車輪であってもよい。
図１には示されていないが、車両は、エンクロージャ、ブルートゥース（登録商標）モジュール、周波数変調（ＦＭ）ラジオ装置、近距離無線通信（ＮＦＣ）モジュール、液晶ディスプレイ（ＬＣＤ）ディスプレイ装置、有機発光ダイオード（ＯＬＥＤ）ディスプレイデバイス、スピーカ、又はこれらの任意の組み合わせ等の図１に示されていない装置又は要素を含んでもよい。
一部の実施形態では、車両１０００は自律走行車であってもよい。自律走行車は、車両交通ネットワークの一部を横断するように、直接的な人間の介入なしで、自律的に制御されてもよい。図１に別に示されていないが、いくつかの実装では、自律走行車は、自律走行車のルーティング、ナビゲーション及び制御を行い得る自律走行車制御装置を含んでもよい。いくつかの実装では、自律走行車制御装置は、車両の別の装置と一体化されてもよい。例えば、コントローラ１３００は、自律走行車制御装置を含んでもよい。
いくつかの実装では、自律走行車制御装置は、現在の車両動作パラメータに従って車両交通ネットワークの一部を横断するように車両１０００を制御し又は動作させてもよい。別の例では、自律走行車制御装置は、車両の駐車等の定義された動作又は操縦を行うように車両１０００を制御し又は動作させてもよい。別の例では、自律走行車制御装置は、車両情報、環境情報、車両交通ネットワークを表す車両交通ネットワーク情報、又はこれらの組み合わせに基づいて車両１０００の現在地等の出発地から目的地への移動経路を生成してもよく、経路に従って車両交通ネットワークを横断するように車両１０００を制御し又は動作させてもよい。例えば、自律走行車制御装置は、生成された経路を使用して出発点から目的地に移動するように車両１０００を動作させ得る軌道コントローラに移動経路を出力してもよい。
図２は、本明細書に開示の態様、特徴及び要素が実装され得る車両交通及び通信システムの一部の例示の図面である。車両交通及び通信システム２０００は、図１に示される車両１０００等の１つ以上の車両２１００／２１１０を含んでもよく、これは１つ以上の車両交通ネットワーク２２００の１つ以上の部分を移動してもよく、１つ以上の電子通信ネットワーク２３００を介して通信を行ってもよい。図２には明示されていないが、車両は、オフロードエリア等の車両交通ネットワークに明示的に又は完全には含まれていないエリアを横断してもよい。
いくつかの実施形態では、電子通信ネットワーク２３００は、例えば、多重アクセスシステムであってもよく、車両２１００／２１１０と１つ以上の通信デバイス２４００との間の音声通信、データ通信、映像通信、メッセージング通信、又はこれらの組み合わせ等の通信を提供してもよい。例えば、車両２１００／２１１０は、ネットワーク２３００を介して通信デバイス２４００から車両交通ネットワーク２２００を表す情報等の情報を受信してもよい。
いくつかの実施形態では、車両２１００／２１１０は、有線通信リンク（図示せず）、無線通信リンク２３１０／２３２０／２３７０、又は任意の数の有線若しくは無線通信リンクの組み合わせを介して通信してもよい。例えば、図示のように、車両２１１０／２１１０は、陸上無線通信リンク２３１０を介して、非陸上無線通信リンク２３２０を介して、又はこれらの組み合わせを介して通信してもよい。いくつかの実装では、陸上無線通信リンク２３１０は、イーサネット（登録商標）リンク、シリアルリンク、ブルートゥースリンク、赤外線（ＩＲ）リンク、紫外線（ＵＶ）リンク、又は電子通信を提供可能な任意のリンクを含んでもよい。
いくつかの実施形態では、車両２１００／２１１０は、別の車両２１００／２１１０と通信してもよい。例えば、ホスト又は対象の車両（ＨＶ）２１００が、直接通信リンク２３７０を介して又はネットワーク２３００を介して、遠隔又はターゲット車両（ＲＶ）２１１０から基本安全メッセージ（ｂａｓｉｃ ｓａｆｅｔｙ ｍｅｓｓａｇｅ；ＢＳＭ）等の１つ以上の自動車両間メッセージを受信してもよい。例えば、遠隔車両２１１０は、３００メートル等の定義されたブロードキャスト範囲内のホスト車両にメッセージをブロードキャストしてもよい。いくつかの実施形態では、ホスト車両２１００は、信号リピータ（図示せず）又は別の遠隔車両（図示せず）等のサードパーティを介してメッセージを受信してもよい。いくつかの実施形態では、車両２１００／２１１０は、例えば、１００ミリ秒等の定義された間隔に基づいて周期的に１つ以上の自動車両間メッセージを送信してもよい。
自動車両間メッセージは、車両識別情報、経度、緯度若しくは高度情報等の地理空間状態情報、地理空間位置精度情報、車両加速度情報、ヨーレート情報、速度情報、車両方位情報、ブレーキシステム状態情報、スロットル情報、ハンドル角度情報若しくは車両ルート情報等の運動状態情報、又は送信車両状態に関連する車両サイズ情報、ヘッドライト状態情報、方向指示器情報、ワイパー状態情報、トランスミッション情報若しくは任意の他の情報若しくは情報の組み合わせ等の車両動作状態情報を含んでもよい。例えば、トランスミッション状態情報は、送信車両のトランスミッションがニュートラル状態、パーキング状態、前進状態又は後退状態に有るかどうかを示してもよい。
いくつかの実施形態では、車両２１００は、アクセスポイント２３３０を介して通信ネットワーク２３００と通信してもよい。コンピュータデバイスを含み得るアクセスポイント２３３０は、無線又は有線通信リンク２３１０／２３４０を介して、車両２１００と、通信ネットワーク２３００と、１つ以上の通信デバイス２４００と、又はこれらの組み合わせと通信するように構成されてもよい。例えば、アクセスポイント２３３０は、基地局、ＢＴＳ（ｂａｓｅ ｔｒａｎｓｃｅｉｖｅｒ ｓｔａｔｉｏｎ）、Ｎｏｄｅ−Ｂ、ｅＮｏｄｅ−Ｂ（ｅｎｈａｎｃｅｄ Ｎｏｄｅ−Ｂ）、ＨＮｏｄｅ−Ｂ（Ｈｏｍｅ Ｎｏｄｅ−Ｂ）、無線ルータ、有線ルータ、ハブ、リレー、スイッチ、又は任意の類似の有線若しくは無線デバイスであってもよい。単一の装置として示されているが、アクセスポイントは、任意の数の相互接続要素を含んでもよい。
いくつかの実施形態では、車両２１００は、衛星２３５０又は他の非陸上通信デバイスを介して通信ネットワーク２３００と通信してもよい。コンピュータデバイスを含み得る衛星２３５０は、１つ以上の通信リンク２３２０／２３６０を介して、車両２１００と、通信ネットワーク２３００と、１つ以上の通信デバイス２４００と、又はこれらの組み合わせと通信するように構成されてもよい。単一の装置として示されているが、衛星は、任意の数の相互接続要素を含んでもよい。
電子通信ネットワーク２３００は、音声、データ、又は任意の他のタイプの電子通信装置を提供するように構成される任意のタイプのネットワークであってもよい。例えば、電子通信ネットワーク２３００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）、仮想プライベートネットワーク（ＶＰＮ）、モバイル若しくはセルラ電話ネットワーク、インターネット、又は任意の他の電子通信システムを含んでもよい。電子通信ネットワーク２３００は、トランスミッション・コントロール・プロトコル（ＴＣＰ）、ユーザ・データグラム・プロトコル（ＵＤＰ）、インターネット・プロトコル（ＩＰ）、リアルタイム・トランスポート・プロトコル（ＲＴＰ）、ハイパー・テキスト・トランスポート・プロトコル（ＨＴＴＰ）、又はこれらの組み合わせ等の通信プロトコルを使用してもよい。単一の装置として示されているが、電子通信ネットワークは、任意の数の相互接続要素を含んでもよい。
いくつかの実施形態では、車両２１００は、車両交通ネットワーク２２００の一部又は状態を識別車両してもよい。例えば、車両は、速度センサ、車輪速度センサ、カメラ、ジャイロスコープ、光学センサ、レーザセンサ、レーダセンサ、音響センサ、又は車両交通ネットワーク２２００の一部若しくは状態を決定若しくは識別することが可能な任意の他のセンサ若しくはデバイス又はこれらの組み合わせを含み得る図１に示されたセンサ１３６０等の１つ以上の車載センサ２１０５を含んでもよい。
いくつかの実施形態では、車両２１００は、交通ネットワーク２２００を表す情報、１つ以上の車載センサ２１０５、又はこれらの組み合わせ等のネットワーク２３００を介して伝達される情報を使用して、１つ以上の車両交通ネットワーク２２００の一部又は複数の部分を横断してもよい。
簡潔のため、図２は１つの車両２１００、１つの車両交通ネットワーク２２００、１つの電子通信ネットワーク２３００及び１つの通信ネットワーク２４００を示しているが、任意の数のネットワーク又はコンピュータデバイスが使用されてもよい。いくつかの実施形態では、車両交通及び通信システム２０００は、図２に示されていないデバイス、装置又は要素を含んでもよい。車両２１００は単一の装置として示されているが、車両は、任意の数の相互接続要素を含んでもよい。
ネットワーク２３００を介して通信デバイス２４００と通信する車両２１００が示されているが、車両２１００は、任意の数の直接又は間接通信リンクを介して通信デバイス２４００と通信してもよい。例えば、車両２１００は、ブルートゥース通信リンク等の直接通信リンクを介して通信デバイス２４００と通信してもよい。
いくつかの実施形態では、車両２１００／２２１０は、車両の運転者、オペレータ、又は所有者等のエンティティ２５００／２５１０に関連付けられてもよい。いくつかの実施形態では、車両２１００／２１１０に関連付けられるエンティティ２５００／２５１０は、スマートフォン２５０２／２５１２又はコンピュータ２５０４／２５１４等の１つ以上のパーソナル電子デバイス２５０２／２５０４／２５１２／２５１４に関連付けられてもよい。いくつかの実施形態では、パーソナル電子デバイス２５０２／２５０４／２５１２／２５１４は、直接又は関節通信リンクを介して対応する車両２１００／２１１０と通信してもよい。１つのエンティティ２５００／２５１０が図２の車両２１００／２１１０に関連付けられるように示されているが、任意の数の車両が、エンティティに関連付けられてもよく、任意の数のエンティティが、車両に関連付けられてもよい。
図３は、本開示による車両交通ネットワークの一部の図である。車両交通ネットワーク３０００は、建物等の１つ以上の通行不能エリア３１００、駐車エリア３２００等の１つ以上の部分的通行可能エリア、道路３３００／３４００等の１つ以上の通行可能エリア、又はこれらの組み合わせを含んでもよい。いくつかの実施形態では、図１に示される車両１０００等の自律走行車、図２に示される車両２１００／２１１０の１つ、半自律走行車、又は自律運転を実装する任意の他の車両が、車両交通ネットワーク３０００の一部又は複数の部分を横断してもよい。
車両交通ネットワークは、１つ以上の通行可能又は部分的通行可能エリア３２００／３３００／３４００の間に１つ以上のインターチェンジを含んでもよい。例えば、図３に示される車両交通ネットワークの部分は、駐車エリア３２００と道路３４００との間にインターチェンジ３２１０を含む。いくつかの実施形態では、駐車エリア３２００は、駐車場３２２０を含んでもよい。
道路３３００／３４００等の車両交通ネットワークの一部は、１つ以上の車線３３２０／３３４０／３３６０／３４２０／３４４０を含んでもよく、１つ以上の進行方向に関連付けられてもよく、これは図３の矢印で示されている。
いくつかの実施形態では、車両交通ネットワーク又はその一部、例えば、図３に示される車両交通ネットワークの部分は、車両交通ネットワーク情報として表されてもよい。例えば、車両交通ネットワーク情報は、マークアップ言語要素等の要素の階層として表されてもよく、これはデータベース又はファイルに記憶されてもよい。簡潔のため、本明細書の図面は、車両交通ネットワークの部分を表す車両交通ネットワーク情報を図又は地図として描いているが、車両交通ネットワーク情報は、車両交通ネットワーク又はその一部を表すことが可能な任意のコンピュータ使用可能形態で表されてもよい。いくつかの実施形態では、進行方向情報、速度制限情報、料金所情報、傾斜又は角度情報等の勾配情報、表面材料情報、審美的情報又はこれらの組み合わせ等の車両交通ネットワーク制御情報を含んでもよい。
いくつかの実施形態では、車両交通ネットワークの一部又は部分の組み合わせは、特定の場所又は目的地として識別されてもよい。例えば、車両交通ネットワーク情報は、通行不能エリア３１００及び隣接する部分的通行可能駐車エリア３２００等の建物を特定の場所として識別してもよく、自律走行車は、特定の場所を目的地として識別してもよく、自律走行車は、車両交通ネットワークを横断することにより出発地から目的地に移動してもよい。図３には通行不能エリア３１００に関連付けられる駐車エリア３２００が通行不能エリア３１００に隣接するように示されているが、目的地は、例えば、建物に物理的に又は地理空間的に隣接していない建物及び駐車エリアを含んでもよい。
いくつかの実施形態では、目的地を識別することは、目的地に関する場所を識別することを含んでもよく、これは個々の一意に識別可能な地理的場所であってもよい。例えば、車両交通ネットワークは、目的地に関する所在地住所、住所、車両交通ネットワークアドレス、ＧＰＳアドレス、又はこれらの組み合わせ等の定義された場所を含んでもよい。
いくつかの実施形態では、目的地は、図３に示される入口３５００等の１つ以上の入口に関連付けられてもよい。いくつかの実施形態では、車両交通ネットワーク情報は、目的地に関連付けられる入口の地理的場所を識別する情報等の定義された入口位置情報を含んでもよい。いくつかの実施形態では、本明細書に記載されるように、予測される入口位置情報が決定されてもよい。
いくつかの実施形態では、車両交通ネットワークは、歩行者交通ネットワークに関連付けられ又はそれを含んでもよい。例えば、図３は、歩行者交通ネットワークの一部３６００を含み、これは歩行者の歩道であってもよい。いくつかの実施形態では、歩行者交通ネットワーク又はその一部、例えば、図３に示される歩行者交通ネットワークの部分３６００は、歩行者交通ネットワーク情報として表されてもよい。いくつかの実施形態では、車両交通ネットワーク情報は、歩行者交通ネットワーク情報を含んでもよい。歩行者交通ネットワークは、歩行者通行可能エリアを含んでもよい。歩行者の歩道又は道端等の歩行者通行可能エリアは、車両交通ネットワークの非通行可能エリアに対応してもよい。図３には別に示されていないが、歩行者横断歩道等の歩行者通行可能エリアは、車両交通ネットワークの通行可能エリア又は部分的通行可能エリアと対応してもよい。
いくつかの実施形態では、目的地は、図３に示されるドッキング位置３７００等の１つ以上のドッキング位置に関連付けられてもよい。ドッキング位置３７００は、乗客の乗り降り等のドッキング動作を行うことができるように自律走行車が停止、静止又は駐車し得る目的地に近接している指定の又は未指定の場所又はエリアであってもよい。
いくつかの実施形態では、車両交通ネットワーク情報は、目的地に関連付けられる１つ以上のドッキング位置３７００の地理的場所を識別する情報等のドッキング位置情報を含んでもよい。いくつかの実施形態では、ドッキング位置情報は定義されたドッキング位置情報であってもよく、これは、車両交通ネットワーク情報に手動で含まれるドッキング位置情報であってもよい。例えば、定義されたドッキング位置情報は、ユーザ入力に基づく車両交通ネットワーク情報に含まれてもよい。いくつかの実施形態では、ドッキング位置情報は、本明細書に記載のように自動生成されたドッキング位置情報であってもよい。図３には別に示されていないが、ドッキング位置情報は、ドッキング位置３７００に関連付けられるドッキング動作のタイプを識別してもよい。例えば、目的地は、乗客を乗せるための第１のドッキング位置及び乗客を降ろすための第２のドッキング位置に関連付けられてもよい。自律走行車はドッキング位置に駐車してもよいが、目的地に関連付けられるドッキング位置は独立しており、目的地に関連付けられる駐車エリアとは異なっていてもよい。
一例では、自律走行車は、目的地として通行不能エリア３１００、駐車エリア３２００及び入口３５００を含み得る特定の場所を識別してもよい。自律走行車は、特定の場所に関する一次目的地として通行不能エリア３１００又は入口３５００を識別してもよく、二次目的地として駐車エリア３２００を識別してもよい。自律走行車は、一次目的地に関するドッキング位置としてドッキング位置３７００を識別してもよい。自律走行車は、出発地（図示せず）からドッキング位置３７００への経路を生成してもよい。自律走行車は、経路を使用して出発地からドッキング位置３７００へと車両交通ネットワークを横断してもよい。自律走行車は、乗客の乗り降りを行うことができるようにドッキング位置３７００で停止又は駐車してもよい。自律走行車は、ドッキング位置３７００から駐車エリア３２００への後続経路を生成してもよく、後続経路を使用してドッキング位置３７００から駐車エリア３２００へと車両交通ネットワークを横断してもよく、駐車エリア３２００に駐車してもよい。
図４は、本開示の実施形態による自律走行車の動作管理システム４０００の例の図である。自律走行車の動作管理システム４０００は、図１に示される車両１０００、図２に示される車両２１００／２１１０、半自律走行車、又は自立運転を実装する任意の他の車両等の自律走行車において実装されてもよい。
自律走行車は、車両交通ネットワーク又はその一部を横断してもよく、これは個別の車両動作シナリオを横断することを含んでもよい。個別の車両動作シナリオは、自律走行車の定義された時空的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る動作条件の任意の明確に識別可能なセットを含んでもよい。例えば、個別の車両動作シナリオは、自律走行車が定義された時空距離内を横断し得る道路、道路区分又は車線の数又は濃度に基づいてもよい。別の例では、個別の車両動作シナリオは、自律走行車の定義された時空的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る１つ以上の交通制御デバイスに基づいてもよい。別の例では、個別の車両動作シナリオは、自律走行車の定義された時空的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る１つ以上の識別可能な規則、規制又は法律に基づいてもよい。別の例では、個別の車両動作シナリオは、自律走行車の定義された時空的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る１つ以上の識別可能な外部オブジェクトに基づいてもよい。
個別の車両動作シナリオの例は、自律走行車が交差点を横断している個別の車両動作シナリオ、歩行者が自律走行車の予測経路に接近している又はそれを横断している個別の車両動作シナリオ、及び自律走行車が車線を変更している個別の車両動作シナリオを含む。
簡潔性及び明瞭性のために、車両動作シナリオのタイプ又はクラスを参照して類似の車両動作シナリオが本明細書に記載されてもよい。例えば、歩行者を含む車両動作シナリオは、歩行者を含む車両動作シナリオのタイプ又はクラスを意味する歩行者シナリオとして本明細書で参照されてもよい。一例として、第１の歩行者の車両動作シナリオは、歩行者が横断歩道で道路を横断していることを含んでもよく、第２の歩行者の車両動作シナリオとして、歩行者が横断歩道のないところで道路を横断していることを含んでもよい。本明細書には歩行者の車両動作シナリオ、交差点の車両動作シナリオ、及び車線変更の車両動作シナリオが記載されているが、任意の他の車両動作シナリオ又は車両動作シナリオのタイプが使用されてもよい。
自律走行車の動作環境の側面が、それぞれ個別の車両動作シナリオの中で表されてもよい。例えば、相対的方向、軌道、予測経路又は外部オブジェクトが、それぞれの個別の車両動作シナリオの中で表されてもよい。別の例では、車両交通ネットワークの相対的形状が、それぞれ個別の車両動作シナリオの中で表されてもよい。
一例として、第１の個別の車両動作シナリオは、歩行者が横断歩道を横断していることに対応してもよく、右から左に横断することに対して、左から右に横断すること等、歩行者の相対的方向及び予測経路が第１の個別の車両動作シナリオの中で表されてもよい。第２の個別の車両動作シナリオは、歩行者が横断歩道のないところで道路を横断していることに対応してもよく、右から左に横断することに対して、左から右に横断すること等、歩行者の相対的方向及び予測経路が第２の個別の車両動作シナリオの中で表されてもよい。
いくつかの実施形態では、自律走行車が動作環境の中で複数の個別の車両動作シナリオを横断してもよく、これは複合車両動作シナリオの側面であってもよい。例えば、歩行者が、交差点を横断する自律走行車に関する予測経路に接近してもよい。
自律走行車動作管理システム４０００は、自律走行車の動作のために定義され又は生成され得る、安全制約、法的制約、物理的制約、ユーザ受容制約、又は任意の他の制約若しくは制約の組み合わせ等、定義された制約を受けて個別の車両動作シナリオを横断するように自律走行車を動作又は制御してもよい。
いくつかの実施形態では、個別の車両動作シナリオを横断するように自律走行車を制御することは、個別の車両動作シナリオを識別又は検出すること、個別の車両動作シナリオに基づいて候補車両制御アクションを識別すること、１つ以上の候補車両制御アクション又はそれらの組み合わせに従って車両交通ネットワークの一部を横断するように自律走行車を制御することを含んでもよい。
車両制御アクションは、車両交通ネットワークの一部を横断することと併せて自律走行車によって行われ得る、加速、減速、旋回、停止、又は任意の他の車両動作若しくは車両動作の組み合わせ等、車両制御動作又は操縦を示してもよい。
自律走行車の動作管理コントローラ４１００又は自律走行車の別の装置は、車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
例えば、自律走行車の動作管理コントローラ４１００は、自律走行車を停止させる又は自律走行車を動かなくする又はじっとして動かないように他のやり方で制御することによる「停止」車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
別の例では、自律走行車の動作管理コントローラ４１００は、数インチ又はフィート等の短距離だけゆっくりと前進させることによる「前進」車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
別の例では、自律走行車の動作管理コントローラ４１００は、定義された加速度又は定義された範囲内の加速度で加速することによる「加速」車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
別の例では、自律走行車の動作管理コントローラ４１００は、定義された減速度又は定義された範囲内の減速度で減速することによる「減速」車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
別の例では、自律走行車の動作管理コントローラ４１００は、現在の速度を維持すること、現在の経路又は道を維持すること、現在の車線方向を維持すること等の現在の動作パラメータに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御することによる「維持」車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
別の例では、自律走行車の動作管理コントローラ４１００は、１つ以上の他の車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御することを含み得る、以前に識別された動作パラメータのセットを開始又は再開させることにより、車両交通ネットワーク又はその一部を横断するように自律走行車を制御することによる「続行」車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。例えば、自律走行車は交差点で静止していてもよく、自律走行車に関して識別された経路は交差点を横断することを含んでもよく、「続行」車両制御アクションに従って自律走行車を制御することは、識別された経路に従って定義された加速度で定義された速度まで加速するように自律走行車を制御することを含んでもよい。別の例では、自律走行車は、定義された速度で車両交通ネットワークの一部を横断していてもよく、車線変更が、自律走行車に関して識別されてもよく、「続行」車両制御アクションに従って自律走行車を制御することは、自律走行車が識別された車線変更動作を行うように、定義された車線変更パラメータに従って軌道調節のシーケンスを行うように自律走行車を制御することを含んでもよい。
いくつかの実施形態では、車両制御アクションは、１つ以上の性能測定基準を含んでもよい。例えば、「停止」車両制御アクションは、性能測定基準として減速度を含んでもよい。別の例では、「続行」車両制御アクションは、性能測定基準として経路若しくは道情報、速度情報、加速度又はこれらの組み合わせを明示的に示してもよく、又は現在若しくは過去の識別された経路、速度、加速度又はこれらの組み合わせが維持され得ることを明示的又は暗示的に示してもよい。
いくつかの実施形態では、車両制御アクションは、複合車両制御アクションであってもよく、これは車両制御アクションのシーケンス、組み合わせ又は両方を含んでもよい。例えば、「前進」車両制御アクションは、「停止」車両制御アクション、定義された加速度に関連付けられる後続の「加速」車両制御アクション、及び定義された減速度に関連付けられる後続の「停止」車両制御アクションを示してもよく、それによって「前進」車両制御アクションに従う自律走行車の制御は、数インチ又はフィート等の短距離だけゆっくりと前進するように自律走行車を制御することを含む。
いくつかの実施形態では、自律走行車の動作管理システム４０００は、自律走行車の動作管理コントローラ４１００、ブロックモニタ４２００、動作環境モニタ４３００、シナリオ固有の動作制御評価モジュール４４００又はこれらの組み合わせを含んでもよい。別に記載されるが、ブロックモニタ４２００は、動作環境モニタ４３００の１つ又は複数のインスタンスであってもよい。
自律走行車の動作管理コントローラ４１００は、現在の動作環境又は予測動作環境、又はこれらの１つ以上の側面等、自律走行車に関する動作環境を表す動作環境情報を受信し、識別し、又は他のやり方でアクセスしてもよい。自律走行車の動作環境は、自律走行車の定義された時空的エリアの中で自律走行車の動作に影響を及ぼし得る動作条件の明確に識別可能なセットを含んでもよい。
例えば、動作環境情報は、自律走行車の地理空間的位置を示す情報、自律走行車の地理空間的位置を車両交通ネットワークを表す情報と相関させる情報、自律走行車の経路、自律走行車の速度、自律走行車の加速状態、自律走行車の乗客情報、又は自律走行車若しくは自律走行車の動作に関する任意の他の情報等の自律走行車に関する車両情報を含んでもよい。
別の例では、動作環境情報は、３００メートル等の自律走行車の定義された空間距離内等の自律走行車に近接する車両交通ネットワークを表す情報、車両交通ネットワークの１つ以上の側面の形状を示す情報、車両交通ネットワークの表面状態等の状態を示す情報、又はこれらの任意の組み合わせを含んでもよい。
別の例では、動作環境情報は、歩行者、非ヒト動物、自転車若しくはスケートボード等の非動力式移動手段、遠隔車両等の動力式移動手段、又は自律走行車の動作に影響を及ぼす任意の他の外部オブジェクト若しくはエンティティを表す情報等の自律走行車の動作環境内の外部オブジェクトを表す情報を含んでもよい。
いくつかの実施形態では、自律走行車の動作管理コントローラ４１００は、自律走行車の動作環境又はその定義された側面を監視してもよい。いくつかの実施形態では、自律走行車の動作環境を監視することは、外部オブジェクトを識別及び追跡すること、個別の車両動作シナリオを識別すること、又はこれらの組み合わせを含んでもよい。
例えば、自律走行車の動作管理コントローラ４１００は、自律走行車の動作環境で外部オブジェクトを識別及び追跡してもよい。外部オブジェクトを識別及び追跡することは、自律走行車に対するものであり得る各外部オブジェクトの時空的位置を識別すること、外部オブジェクトに関する速さ、軌道又は両方を識別することを含み得る各外部オブジェクトに関する１つ以上の予測経路を識別することを含んでもよい。簡潔性及び明瞭性のために、本明細書に記載の位置、予測位置、経路、予測経路及び同類は、対応する位置及び経路が地理空間的及び時間的成分を意味する明示的な指示を省いている場合があるが、本明細書に明示的に示されていなければ、又は文脈から一義的に明確でなければ、本明細書に記載の位置、予測位置、経路、予測経路及び同類は、地理空間的成分、時間的成分又は両方を含んでもよい。
いくつかの実施形態では、動作環境モニタ４３００は、歩行者を監視するための動作環境モニタ４３１０（歩行者モニタ）、交差点を監視するための動作環境モニタ４３２０（交差点モニタ）、車線変更を監視するための動作環境モニタ４３３０（車線変更モニタ）、又はこれらの組み合わせを含んでもよい。自律走行車の動作管理システム４０００が任意の数の動作環境モニタ４３００を含み得ることを示すために、動作環境モニタ４３４０は破線を使用して示されている。
各動作環境モニタ４３００によって、１つ以上の個別の車両動作シナリオが監視されてもよい。例えば、歩行者モニタ４３１０は、複数の歩行者の車両動作シナリオに対応する動作環境情報を監視してもよく、交差点モニタ４３２０は、複数の交差点の車両動作シナリオに対応する動作環境情報を監視してもよく、車線変更モニタ４３３０は、複数の車線変更の車両動作シナリオに対応する動作環境情報を監視してもよい。
動作環境モニタ４３００は、自律走行車の１つ以上のセンサによって生成又は補足される動作環境情報等の動作環境情報、車両交通ネットワーク情報、車両交通ネットワーク形状情報、又はこれらの組み合わせを受信し又は他のやり方でアクセスしてもよい。例えば、歩行者を監視するための動作環境モニタ４３１０は、センサ情報等の情報を受信し又は他のやり方でアクセスしてもよく、これは自律走行車の動作環境における１以上の歩行者を示し、それに対応し又は他のやり方で関連付けられてもよい。
いくつかの実施形態では、動作環境モニタ４３００は、動作環境情報又はその一部を動作環境、又はその側面と、例えば、歩行者、遠隔車両等の外部オブジェクト、又は車両交通ネットワーク形状の側面と関連付けてもよい。
いくつかの実施形態では、動作環境モニタ４３００は、歩行者、遠隔車両等の外部オブジェクト、又は車両交通ネットワーク形状の側面等によって、動作環境の１つ以上の側面を表す情報を生成し又は識別してもよく、これは、動作環境情報のフィルタリング、抽象化又は他の処理を含んでもよい。
いくつかの実施形態では、動作環境モニタ４３００は、例えば、自律走行車の動作管理コントローラ４１００によってアクセス可能な自律走行車のメモリ、例えば、図１に示されるメモリ１３４０に動作環境の１つ以上の側面を表す情報を記憶すること、自律走行車の動作管理コントローラ４１００に動作環境の１つ以上の側面を表す情報を送ること、又はこれらの組み合わせによって、動作環境の１つ以上の側面を、自律走行車の動作管理コントローラ４１００に出力し、又はそれがアクセスするために出力してもよい。いくつかの実施形態では、動作環境モニタ４３００は、動作環境の１つ以上の側面を表す情報を、ブロックモニタ４２００等の自律走行車の動作管理システム４０００の１つ以上の要素に出力してもよい。
例えば、歩行者を監視するための動作環境モニタ４３１０は、１以上の歩行者のアクションを識別、追跡又は予測するために、動作環境情報を相関させ、関連付け又は他のやり方で処理してもよい。例えば、歩行者を監視するための動作環境モニタ４３１０は、１つ以上のセンサからセンサ情報等の情報を受信してもよく、これは１以上の歩行者に対応してもよく、歩行者を監視するための動作環境モニタ４３１０は、１以上の識別された歩行者とセンサ情報を関連付けてもよく、これは１以上の識別された歩行者の各々に関する進行方向、予測経路等の経路、現在の又は予測される速度、現在の又は予測される加速度又はこれらの組み合わせを識別することを含んでもよく、歩行者を監視するための動作環境モニタ４３１０は、識別された、関連付けられた又は生成された歩行者情報を、自律走行車の動作管理コントローラ４１００に出力し又はそれがアクセスするために出力してもよい。
別の例では、交差点を監視するための動作環境モニタ４３２０は、自律走行車の動作環境における１つ以上の遠隔車両のアクションを識別、追跡又は予測すること、自律走行車の動作環境における交差点又はその側面を識別すること、車両交通ネットワーク形状を識別すること、又はこれらの組み合わせを行うように、動作環境情報を相関させ、関連付け、又は他のやり方で処理してもよい。例えば、交差点を監視するための動作環境モニタ４３１０は、１つ以上のセンサからセンサ情報等の情報を受信してもよく、これは、自律走行車の動作環境における１つ以上の遠隔車両、自律走行車の動作環境における交差点又はその１つ以上の側面、車両交通ネットワーク形状、又はこれらの組み合わせに対応してもよく、交差点を監視するための動作環境モニタ４３１０は、自律走行車の動作環境における１つ以上の識別された遠隔車両、自律走行車の動作環境における交差点又はその１つ以上の側面、車両交通ネットワーク形状、又はこれらの組み合わせとセンサ情報を関連付けてもよく、これは１以上の識別された遠隔車両の各々に関する現在の又は予測される進行方向、予測経路等の経路、現在の又は予測される速度、現在の又は予測される加速度又はこれらの組み合わせを識別することを含んでもよく、交差点を監視するための動作環境モニタ４３２０は、識別された、関連付けられた又は生成された交差点情報を、自律走行車の動作管理コントローラ４１００に出力し又はそれがアクセスするために出力してもよい。
別の例では、車線変更を監視するための動作環境モニタ４３３０は、現在の又は予測される車線変更動作に地理空間的に対応して、自律走行車の予測経路に沿って遅い又は静止している遠隔車両を示す情報等、自律走行車の動作環境における１つ以上の遠隔車両のアクションを識別、追跡又は予測すること、自律走行車の動作環境における車両交通ネットワーク形状等の自律走行車の動作環境の１つ以上の側面を識別すること、又はこれらの組み合わせを行うように動作環境情報を相関させ、関連付け又は他のやり方で処理してもよい。例えば、車線変更を監視するための動作環境モニタ４３３０は、１つ以上のセンサからセンサ情報等の情報を受信してもよく、これは現在の又は予測される車線変更動作に地理空間的に対応して、自律走行車の動作環境における１つ以上の遠隔車両、自律走行車の動作環境における自律走行車の動作環境の１つ以上の側面、又はこれらの組み合わせに対応してもよく、車線変更を監視するための動作環境モニタ４３３０は、現在の又は予測される車線変更動作に地理空間的に対応して、自律走行車の動作環境における交差点又はその１つ以上の識別された遠隔車両、自律走行車の動作環境の１つ以上の側面、又はこれらの組み合わせとセンサ情報を関連付けてもよく、これは１以上の識別された遠隔車両の各々に関する現在の又は予測される進行方向、予測経路等の経路、現在の又は予測される速度、現在の又は予測される加速度又はこれらの組み合わせを識別することを含んでもよく、交差点を監視するための動作環境モニタ４３３０は、識別された、関連付けられた又は生成された車線変更情報を、自律走行車の動作管理コントローラ４１００に出力し又はそれがアクセスするために出力してもよい。
自律走行車の動作管理コントローラ４１００は、動作環境情報によって表される動作環境の１つ以上の側面に基づいて１つ以上の個別の車両動作シナリオを識別してもよい。例えば、自律走行車の動作管理コントローラ４１００は、１つ以上の動作環境モニタ４３００によって示される動作環境情報に基づいて又はそれを識別することに応答して、個別の車両動作シナリオを識別してもよい。
いくつかの実施形態では、自律走行車の動作管理コントローラ４１００は、動作環境情報によって表される動作環境の１つ以上の側面に基づいて複数の個別の車両動作シナリオを識別してもよい。例えば、動作環境情報は、歩行者が自律走行車に関する予測経路に沿って交差点に接近していることを表す情報を含んでもよく、自律走行車動作管理コントローラ４１００は、歩行者の車両動作シナリオ、交差点の車両動作シナリオ、又は両方を識別してもよい。
自律走行車の動作管理コントローラ４１００は、動作環境情報によって表される動作環境の１つ以上の側面に基づいて１つ以上のシナリオ固有の動作制御評価モジュール４４００の各インスタンスをインスタンス化してもよい。例えば、自律走行車の動作管理コントローラ４１００は、個別の車両動作シナリオを識別することに応答して、シナリオ固有の動作制御評価モジュール４４００の各インスタンスをインスタンス化してもよい。
いくつかの実施形態では、自律走行車の動作管理コントローラ４１００は、動作環境情報によって表される動作環境の１つ以上の側面に基づいて１つ以上のシナリオ固有の動作制御評価モジュール４４００の複数のインスタンスをインスタンス化してもよい。例えば、動作環境情報は、自律走行車の動作環境における２人の歩行者を示してもよく、自律走行車の動作管理コントローラ４１００は、動作環境情報によって表される動作環境の１つ以上の側面に基づいて各歩行者に関する歩行者シナリオ固有の動作制御評価モジュール４４１０の各インスタンスをインスタンス化してもよい。
いくつかの実施形態では、歩行者シナリオ、交差点シナリオ、又は車線変更シナリオ等のシナリオに対応する歩行者又は遠隔車両等の識別された外部オブジェクトの濃度、数又はカウントは、定義された閾値を超えてもよく、これは定義されたシナリオ固有の閾値であってもよく、自律走行車の動作管理コントローラ４１００は、１つ以上の識別された外部オブジェクトに対応するシナリオ固有の動作制御評価モジュール４４００のインスタンスのインスタンス化を省略してもよい。
例えば、動作環境モニタ４３００によって示される動作環境情報は、自律走行車の動作環境における２５人の歩行者を示してもよく、歩行者シナリオに関して定義された閾値は、１０等の歩行者の定義された濃度であってもよく、自律走行車の動作管理コントローラ４１００は、自律走行車と収束する予測経路を有する自律走行車に地理空間的に最接近している１０人の歩行者等、最も関連性の高い歩行者を識別してもよく、自律走行車の動作管理コントローラ４１００は、１０人の最も関連性の高い歩行者に関する歩行者シナリオ固有の動作制御評価モジュール４４１０の１０個のインスタンスをインスタンス化してもよく、自律走行車の動作管理コントローラ４１００は、１５人の他の歩行者に関する歩行者シナリオ固有の動作制御評価モジュール４４１０のインスタンスのインスタンス化を省略してもよい。
別の例では、動作環境モニタ４３００によって示される動作環境情報は、北行きの道路セグメント、南行きの道路セグメント、東行きの道路セグメント及び西行きの道路セグメント等の４つの道路セグメントを含み、かつ北行きの道路セグメントに対応する５つの遠隔車両、南行きの道路セグメントに対応する３つの遠隔車両、東行きの道路セグメントに対応する４つの遠隔車両、及び西行きの道路セグメントに対応する２つの遠隔車両を示す交差点を示してもよく、交差点シナリオに関して定義された閾値は、２等の道路セグメントごとの遠隔車両の定義された濃度であってもよく、自律走行車の動作管理コントローラ４１００は、道路セグメントごとの自律走行車と収束する予測経路を有する交差点に地理空間的に最接近する２つの遠隔車両等の道路セグメントごとの２つの最も関連性の高い遠隔車両を識別してもよく、自律走行車の動作管理コントローラ４１００は、北行きの道路セグメントに対応する２つの最も関連性の高い遠隔車両に関する交差点シナリオ固有の動作制御評価モジュール４４２０の２つのインスタンス、南行きの道路セグメントに対応する２つの最も関連性の高い交差点シナリオ固有の動作制御評価モジュール４４２０の２つのインスタンス、東行きの道路セグメントに対応する２つの最も関連性の高い交差点シナリオ固有の動作制御評価モジュール４４２０の２つのインスタンス、西行きの道路セグメントに対応する２つの最も関連性の高い交差点シナリオ固有の動作制御評価モジュール４４２０の２つのインスタンスを作成してもよく、自律走行車の動作管理コントローラ４１００は、北行きの道路セグメント３つの他の遠隔車両、南行きの道路セグメントに対応する３つの他の遠隔車両、東行きの道路セグメントに対応する２つの他の遠隔車両に関する交差点シナリオ固有の動作制御評価モジュール４４２０のインスタンスのインスタンスを省略してもよい。代替的に又は追加的に、交差点に関して定義された閾値は、８等の定義された濃度の交差点ごとの遠隔車両であってもよく、自律走行車の動作管理コントローラ４１００は、自律走行車と収束する予測経路を有する交差点に地理空間的に最接近する８つの遠隔車両等の交差点ごとの８つの最も関連性の高い遠隔車両を識別してもよく、自律走行車の動作管理コントローラ４１００は、８つの最も関連性の高い遠隔車両に関する交差点シナリオ固有の動作制御評価モジュール４４２０の８つのインスタンスをインスタンス化してもよく、自律走行車の動作管理コントローラ４１００は、６つの他の遠隔車両に関する交差点シナリオ固有の動作制御評価モジュール４４２０のインスタンスのインスタンス化を省略してもよい。
いくつかの実施形態では、自律走行車の動作管理コントローラ４１００は、ブロックモニタ４２００等の自律走行車の別の装置又はシナリオ固有の動作制御評価モジュール４４００の１つ以上のインスタンスに動作環境情報又はその１つ以上の側面を送信してもよい。
いくつかの実施形態では、自律走行車の動作管理コントローラ４１００は、動作環境情報又はその１つ以上の側面を、図１に示されるメモリ１３４０等の自律走行車のメモリ等に記憶してもよい。
自律走行車の動作管理コントローラ４１００は、シナリオ固有の動作制御評価モジュール４４００の各インスタンスから候補車両制御アクションを受信してもよい。例えば、第１のシナリオ固有の動作制御評価モジュール４４００の第１のインスタンスからの候補車両制御アクションは、「停止」車両制御アクションを示してもよく、第２のシナリオ固有の動作制御評価モジュール４４００の第２のインスタンスからの候補車両制御アクションは、「前進」車両制御アクションを示してもよく、第３のシナリオ固有の動作制御評価モジュール４４００の第３のインスタンスからの候補車両制御アクションは、「続行」車両制御アクションを示してもよい。
自律走行車の動作管理コントローラ４１００は、１つ以上の候補車両制御アクションに従って車両交通ネットワークの一部を横断するべきかどうかを決定してもよい。例えば、自律走行車動作管理コントローラ４１００は、シナリオ固有の動作制御評価モジュール４４００の複数のインスタンスから複数の候補車両制御アクションを受信してもよく、候補車両制御アクションから車両制御アクションを識別してもよく、車両制御アクションに従って車両交通ネットワークを横断してもよい。
いくつかの実施形態では、自律走行車の動作管理コントローラ４１００は、１つ以上の定義された車両制御アクション識別測定基準に基づいて候補車両制御アクションから車両制御アクションを識別してもよい。
いくつかの実施形態では、定義された車両制御アクション識別測定基準は、車両制御アクションの各タイプに関連付けられる優先度、重み又はランクを含んでもよく、候補車両制御アクションから車両制御アクションを識別することは、候補車両制御アクションから最も高い優先度を識別することを含んでもよい。例えば、「停止」車両制御アクションは、高優先度に関連付けられてもよく、「前進」車両制御アクションは、高い優先度よりも低い中間優先度に関連付けられてもよく、「続行」車両制御アクションは、中間の優先度よりも低い低優先度に関連付けられてもよい。一例では、候補車両制御アクションは、１つ以上の「停止」車両制御アクションを含んでもよく、「停止」車両制御アクションが、車両制御アクションとして識別されてもよい。別の例では、候補車両制御アクションは、「停止」車両制御アクションを省略してもよく、１つ以上の「前進」車両制御アクションを含んでもよく、「前進」車両制御アクションが、車両制御アクションとして識別されてもよい。別の例では、候補車両制御アクションは、「停止」車両制御アクションを省略してもよく、「前進」車両制御アクションを省略してもよく、１つ以上の「続行」車両制御アクションを含んでもよく、「続行」車両制御アクションが、車両制御アクションとして識別されてもよい。
いくつかの実施形態では、候補車両制御アクションから車両制御アクションを識別することは、定義された車両制御アクション識別測定基準、インスタンス化されたシナリオ、インスタンス化されたシナリオに関連付けられる重み、候補車両制御アクション、候補車両制御アクションに関連付けられる重み、又はこれらの組み合わせに基づいて車両制御アクションの各タイプに関する加重平均を生成又は計算することを含んでもよい。
例えば、候補車両制御アクションから車両制御アクションを識別することは、分類問題の教師あり学習等の機械学習コンポーネントを実装すること、及び対応する車両動作シナリオの１０００例等の例示を使用して機械学習コンポーネントを訓練することを含んでもよい。別の例では、候補車両制御アクションから車両制御アクションを識別することは、マルコフ決定過程又は部分観測マルコフ決定過程を実装することを含んでもよく、これは各候補車両制御アクションが後続の候補車両制御アクションに影響するかを記述してもよく、各車両制御アクションに関する正の又は負の報酬を出力する報酬関数を含んでもよい。
自律走行車の動作管理コントローラ４１００は、シナリオ固有の動作制御評価モジュール４４００のインスタンスを非インスタンス化してもよい。例えば、自律走行車の動作管理コントローラ４１００は、自律走行車に関する個別の車両動作シナリオを示すように動作条件の個別セットを識別し、個別の車両動作シナリオに関するシナリオ固有の動作制御評価モジュール４４００のインスタンスをインスタンス化し、動作条件を監視し、その後で１つ以上の動作条件は満了している又は定義された閾値より低い自律走行車の動作に影響を及ぼす可能性を有することを決定し、自律走行車の動作管理コントローラ４１００は、シナリオ固有の動作制御評価モジュール４４００のインスタンスを非インスタンス化してもよい。
ブロックモニタ４２００は、自律走行車に関する動作環境又はその側面を表す動作環境情報を受信してもよい。例えば、ブロックモニタ４２００は、自律走行車の動作管理コントローラ４１００から、自律走行車のセンサから、遠隔車両又はインフラストラクチャデバイス等の外部デバイスから、又はこれらの組み合わせから動作環境情報を受信してもよい。いくつかの実施形態では、ブロックモニタ４２００は、図１に示されるメモリ１３４０等の自律走行車のメモリ等のメモリから動作環境情報又はその一部を読み取ってもよい。
図４に明示されてはいないが、自律走行車の動作管理システム４０００は、予測情報を生成してブロックモニタ４２００に送信してもよく、ブロックモニタ４２００は、１つ以上の動作環境モニタ４３００に可用性確率情報を出力してもよい。
ブロックモニタ４２００は、自律走行車に近接する車両交通ネットワークの部分等の車両交通ネットワークの１つ以上の部分に関する各可用性確率又は対応するブロック可能性を決定してもよく、部分は自律走行車の現在の経路に基づいて識別される予測経路等の自律走行車の予測経路に対応する車両交通ネットワークの部分を含んでもよい。
可用性確率又は対応するブロック可能性は、自律走行車が、遠隔車両又は歩行者等の外部オブジェクトによって妨げられない等、安全に交通ネットワークの一部又はその中の空間的位置を横断し得る確率又は可能性を示してもよい。例えば、車両交通ネットワークの一部は、静止オブジェクト等の障害物を含んでもよく、車両交通ネットワークの一部に関する可用性確率は、０％等のように低くてもよく、これは、車両交通ネットワークの一部に関する１００％等のような高いブロック可能性として表されてもよい。
ブロックモニタ４２００は、自律走行車の３００メートル以内等の動作環境内の車両交通ネットワークの複数の部分の各々に関する各可用性確率を識別してもよい。
いくつかの実施形態では、ブロックモニタ４２００は、自律走行車に関する動作情報、１つ以上の外部オブジェクトに関する動作情報、車両交通ネットワークを表す車両交通ネットワーク情報、又はこれらの組み合わせに基づいて、車両交通ネットワークの一部及び対応する可用性確率を識別してもよい。いくつかの実施形態では、自律走行車に関する動作情報は、車両交通ネットワークにおける自律走行車の地理空間的位置を示す情報を含んでもよく、これは、自律走行車に関する予測経路に基づいて識別される予測位置等の予測位置又は現在地であってもよい。いくつかの実施形態では、外部オブジェクトに関する動作情報は、車両交通ネットワーク内の又はそれに近接する１つ以上の外部オブジェクトの各地理空間的位置を示してもよく、これは、各外部オブジェクトに関する予測経路に基づいて識別される予測位置等の予測位置又は現在地であってもよい。
いくつかの実施形態では、可用性確率は、自律走行車の動作環境における各外部オブジェクトに対応するブロックモニタ４２００によって示されてもよく、地理空間的エリアは、複数の外部オブジェクトに対応する複数の可用性確率に関連付けられてもよい。いくつかの実施形態では、合計可用性確率は、歩行者の可用性確率及び遠隔車両に関する可用性確率等の自律走行車の動作環境における外部オブジェクトの各タイプに対応するブロックモニタ４２００によって示されてもよく、地理空間的エリアは、複数の外部オブジェクトタイプに対応する複数の可用性確率に関連付けられてもよい。いくつかの実施形態では、ブロックモニタ４２００は、各地理空間的位置に関する１つの合計可用性確率を示してもよく、これは、地理的位置に関する複数の時間的可用性確率を含んでもよい。
いくつかの実施形態では、ブロックモニタ４２００は、外部オブジェクトを識別し、外部オブジェクトを追跡し、外部オブジェクトに関する位置情報、経路情報若しくは両方を推定し、又はこれらの組み合わせを行ってもよい。例えば、ブロックモニタ４２００は、外部オブジェクトを識別してもよく、外部オブジェクトに関する予測経路を識別してもよく、これは、予測空間的位置、予想時間的位置、及び対応する可能性のシーケンスを示してもよい。
いくつかの実施形態では、ブロックモニタは、外部オブジェクトの現在地を示す情報、外部オブジェクトに関する現在の軌道を示す情報、外部オブジェクトを歩行者又は遠隔車両として分類する情報等の外部オブジェクトの分類のタイプを示す情報等の動作環境情報、車両交通ネットワークが外部オブジェクトに近接する横断歩道を含んでいることを示す情報等の車両交通ネットワーク情報、過去に識別された又は追跡された外部オブジェクトに関連付けられる情報、又はこれらの任意の組み合わせに基づいてオブジェクトに関する予測経路を識別してもよい。例えば、外部オブジェクトは、遠隔車両として識別されてもよく、遠隔車両に関する予測経路は、遠隔車両の現在地を示す情報、遠隔車両の現在の軌道を示す情報、遠隔車両の現在の速度を示す情報、遠隔車両に対応する車両交通ネットワーク情報、法的又は規制情報、又はこれらの組み合わせに基づいて識別されてもよい。
いくつかの実施形態では、ブロックモニタ４２００は、継続的に又は周期的に可用性確率を決定又は更新してもよい。いくつかの実施形態では、外部オブジェクトの１つ以上のクラス又はタイプは、優先的ブロックと識別されてもよく、優先的にブロックしている外部オブジェクトの予測経路は、別の優先的にブロックしている外部オブジェクトの予測経路と空間的及び時間的に重複してもよい。例えば、歩行者の予測経路は、別の歩行者の予測経路と重複してもよい。いくつかの実施形態では、外部オブジェクトの１つ以上のクラス又はタイプは、恭順的ブロックと識別されてもよく、恭順的にブロックしている外部オブジェクトの予測経路はブロックされてもよく、例えば、他の外部オブジェクトによって妨害されるか又は他のやり方で影響されてもよい。例えば、遠隔車両に関する予測経路は、別の遠隔車両又は歩行者によってブロックされてもよい。
いくつかの実施形態では、ブロックモニタ４２００は、歩行者等の外部オブジェクトを優先的にブロックするために予測経路を識別してもよく、外部オブジェクトを優先的にブロックするための予測経路を受けて、遠隔車両等の外部オブジェクトを恭順的にブロックするために予測経路を識別してもよい。いくつかの実施形態では、ブロックモニタ４２００は、可用性確率又は対応するブロック可能性を自律走行車の動作管理コントローラ４１００に伝達してもよい。自律走行車の動作管理コントローラ４１００は、可用性確率又は対応するブロック可能性をシナリオ固有の動作制御評価モジュール４４００の生成された各インスタンスに伝達してもよい。
各シナリオ固有の動作制御評価モジュール４４００は、それぞれ個別の車両動作シナリオをモデル化してもよい。自律走行車の動作管理システム４０００は、任意の数のシナリオ固有の動作制御評価モジュール４４００を含んでもよく、各々がそれぞれ個別の車両動作シナリオをモデル化する。
いくつかの実施形態では、シナリオ固有の動作制御評価モジュール４４００によって個別の車両動作シナリオをモデル化することは、個別の車両動作シナリオに対応する自律走行車の動作環境の側面を表す状態情報を生成、維持又は両方を行うこと、対応する状態のそれぞれのモデル化された側面の中から潜在的相互作用を識別すること、及びモデルを解決する候補車両制御アクションを決定することを含んでもよい。いくつかの実施形態では、個別の車両動作シナリオに対応する自律走行車の動作環境の側面の定義されたセット以外の自律走行車の動作環境の側面はモデルから省略されてもよい。
自律走行車の動作管理システム４０００は、解決独立的であってもよく、シングルエージェントモデル、マルチエージェントモデル、学習モデル、１つ以上の車両動作シナリオの任意の他のモデル等の個別の車両動作シナリオの任意のモデルを含んでもよい。
１つ以上のシナリオ固有の動作制御評価モジュール４４００は、古典的プランニング（Ｃｌａｓｓｉｃａｌ Ｐｌａｎｎｉｎｇ；ＣＰ）モデルであってもよく、これはシングルエージェントモデルであってもよく、定義された入力状態に基づいて個別の車両動作シナリオをモデル化してもよく、シナリオ固有の動作制御評価モジュール４４００によってモデル化される個別の車両動作シナリオに関する自律走行車の動作環境の要素のそれぞれの非確率的状態を示してもよい。古典的プランニングモデルでは、時間的位置に関連付けられる外部オブジェクト等のモデル化要素の地理空間的位置等の１つ以上の側面が、例えば、定義された又は固定された量だけ、非確率的に、直後の時間的位置等の別の時間的位置に関連付けられる対応する側面とは異なってもよい。例えば、第１の時間的位置において、遠隔車両は、第１の地理空間的位置を有してもよく、直後の第２の時間的位置において、遠隔車両は、遠隔車両に関する予測経路に沿って、定義されたメートル数等の定義された地理空間的距離だけ第１の地理空間的位置とは異なる第２の地理空間的位置を有してもよい。
１つ以上のシナリオ固有の動作制御評価モジュール４４００は、マルコフ決定過程（ＭＤＰ）モデル等の離散時間確率制御処理であってもよく、これはシングルエージェントモデルであってもよく、定義された入力状態に基づいて個別の車両動作シナリオをモデル化してもよい。外部オブジェクトに関する位置の変化等の自律走行車の動作環境の変化、例えば、外部オブジェクトに関する位置の変化は、確率的変化としてモデル化されてもよい。マルコフ決定過程モデルは、より多くの処理リソースを利用してもよく、古典的プランニング（ＣＰ）モデルよりも正確に個別の車両動作シナリオをモデル化してもよい。
マルコフ決定過程モデルは、現在の状態、予測される将来の状態、又は両方等の対応する状態によって、現在の時間的位置、将来の時間的位置、又は両方等の時間的位置のシーケンスとして個別の車両動作シナリオをモデル化してもよい。各時間的位置において、モデルは状態を有してもよく、これは予測状態であってもよく、これは１つ以上の候補車両制御アクションに関連付けられてもよい。モデルは、自律走行車をエージェントとして表してもよく、これは、現在の状態に関して識別されたアクション、及び識別されたアクションが現在の状態から後の状態に状態を遷移させる確率に従って、時間的位置のシーケンスに沿って、ある状態（現在の状態）から別の状態（後の状態）に遷移してもよい。
モデルは、報酬を獲得してもよく、これは各アクションに従ってある状態から別の状態に遷移することに対応して、正又は負の値であってもよい。モデルは、累積的報酬を最大化する時間的位置のシーケンスにおける各状態に対応するアクションを識別することにより、個別の車両動作シナリオを解決してもよい。モデルを解決することは、モデル化シナリオ及び動作環境情報に応答して車両制御アクションを識別することを含んでもよい。
マルコフ決定過程モデルは、状態のセット、アクションのセット、状態遷移確率のセット、報酬関数、又はこれらの組み合わせを使用して個別の車両動作シナリオをモデル化してもよい。いくつかの実施形態では、個別の車両動作シナリオをモデル化することは、割引係数を使用することを含んでもよく、これは後の時間的期間に適用される報酬関数の出力を調節するか又は割引きしてもよい。
状態のセットは、マルコフ決定過程モデルの現在の状態、マルコフ決定過程モデルの１つ以上の可能な後の状態、又はこれらの組み合わせを含んでもよい。状態は、識別された条件を表してもよく、これは、離散時間的位置において自律走行車の動作に確率的に影響を及ぼし得る自律走行車の動作環境の、外部オブジェクト及び交通制御デバイス等のそれぞれの定義された側面の予測条件であってもよい。例えば、自律走行車の近くで動作している遠隔車両は、自律走行車の動作に影響を及ぼしてもよく、マルコフ決定過程モデルで表されてもよく、これは遠隔車両の識別される又は予測される地理空間的位置、自律走行車の識別される又は予測される経路、方位又は両方、遠隔車両の識別される又は予測される速度、遠隔車両の識別される又は予測される加速度又は減速度、又は各時間的位置に対応するこれらの組み合わせを表すことを含んでもよい。インスタンス化時に、マルコフ決定過程モデルの現在の状態は、動作環境の同時状態又は条件に対応してもよい。状態の各セットは、個別の車両動作シナリオの各々に関して定義されてもよい。
任意の数の又は濃度の状態が使用されてもよいが、モデルに含まれる状態の数又は濃度は、３００の状態等の定義された状態の最大数に制限されてもよい。例えば、モデルは、対応するシナリオに関して最も可能性の高い３００の状態を含んでもよい。
アクションのセットは、状態のセットの中の各状態においてマルコフ決定過程モデルに利用可能な車両制御アクションを含んでもよい。アクションの各セットは、個別の車両動作シナリオの各々に関して定義されてもよい。
状態遷移確率のセットは、アクションに応答して、状態によって示される自律走行車の動作環境に対する潜在的な又は予測される変化を確率的に表してもよい。例えば、状態遷移確率は、自律走行車の動作環境が、各アクションに従って、現在の状態から自律走行車が車両交通ネットワークを横断することに応答して、現在の状態に対応する現在の時間的位置の直後の各時間的位置における各状態に対応する確率を示してもよい。
状態遷移確率のセットは、動作環境情報に基づいて識別されてもよい。例えば、動作環境情報は、都市又は地方等のエリアタイプ、時刻、周辺光レベル、気象条件、交通条件、ラッシュアワー条件、イベント関連交通渋滞、若しくは休日関連の運転者行動条件等の予測される交通条件を含み得る交通条件、道路条件、国、州若しくは地方自治体条件等の管轄条件、又は自律走行車の動作に影響を及ぼし得る任意の他の条件若しくは条件の組み合わせを含んでもよい。
歩行者の車両動作シナリオに関連付けられる状態遷移確率の例は、歩行者が横断歩道のないところを横断する定義された確率であって、歩行者と各道路セグメントとの間の地理空間的距離に基づき得るもの；歩行者が交差点で止まる定義された確率；歩行者が横断歩道で横断する定義された確率；歩行者が横断歩道で自律走行車に譲る定義された確率；歩行者の車両動作シナリオに関連付けられる任意の他の定義された確率を含んでもよい。
交差点の車両動作シナリオに関連付けられる状態遷移確率の例は、遠隔車両が交差点に到着する定義された確率；遠隔車両が自律走行車の進行を妨げる定義された確率；例えば、通行権がない場合に交差点を横断する第２の遠隔車両の直後に又はそれに極めて接近して遠隔車両が交差点を横断する定義された確率（ピギーバッキング）；交差点を横断する前に、交通制御デバイス、規制又は通行権の他の指示に従って、遠隔車両が交差点に隣接して停止する定義された確率；遠隔車両が交差点を横断する定義された確率；遠隔車両が交差点に近接する予測経路から逸れる定義された確率；遠隔車両が予測される通行優先権から逸れる定義された確率；交差点の車両動作シナリオに関連付けられる任意の他の確率を含んでもよい。
車線変更の車両動作シナリオに関連付けられる状態遷移確率の例は、自律走行車の後ろの遠隔車両が速度を上げる又は自律走行車の前の遠隔車両が速度を下げる定義された確率等、遠隔車両が速度を変化させる定義された確率；自律走行車の前の遠隔車両が車線を変更する定義された確率；自律走行車の近接する遠隔車両が自律走行車を車線に合流させるために速度を変化させる定義された確率；又は車線変更の車両動作シナリオに関連付けられる任意の他の確率を含んでもよい。
報酬関数は、状態及びアクションの各組み合わせに関して獲得され得るそれぞれ正又は負の（コスト）値を決定してもよく、これは対応する車両制御アクションに従って対応する状態から自律走行車が後続の状態に車両交通ネットワークを横断する予測値を表してもよい。
報酬関数は、動作環境情報に基づいて識別されてもよい。例えば、動作環境情報は、都市又は地方等のエリアタイプ、時刻、周辺光レベル、気象条件、交通条件、ラッシュアワー条件、イベント関連交通渋滞、若しくは休日関連の運転者行動条件等の予測される交通条件を含み得る交通条件、道路条件、国、州若しくは地方自治体条件等の管轄条件、又は自律走行車の動作に影響を及ぼし得る任意の他の条件若しくは条件の組み合わせを含んでもよい。
１つ以上のシナリオ固有の動作制御評価モジュール４４００は、部分観測マルコフ決定過程（ＰＯＭＤＰ）モデルであってもよく、これはシングルエージェントであってもよい。部分観測マルコフ決定過程モデルが不確かな状態のモデル化を含み得る点を除いて、部分観測マルコフ決定過程モデルはマルコフ決定過程モデルに類似していてもよい。部分観測マルコフ決定過程モデルは、確実性、センサ信頼性、注意を逸らすもの、ノイズ、センサ不確実性等の不確実性又は同類を含んでもよい。部分観測マルコフ決定過程モデルは、より多くの処理リソースを利用してもよく、マルコフ決定過程モデルよりも正確に個別の車両動作シナリオをモデル化してもよい。
部分観測マルコフ決定過程モデルは、状態のセット、状態のセット、アクションのセット、状態遷移確率のセット、報酬関数、観測のセット、条件付き観測確率のセット、又はこれらの組み合わせを使用して個別の車両動作シナリオをモデル化してもよい。状態のセット、アクションのセット、状態遷移確率のセット、及び報酬関数は、マルコフ決定過程モデルに関して先に記載されたものと類似していてもよい。
観測のセットは、個々の状態に対応する観測を含んでもよい。観測は、個々の状態の属性に関する情報を提供してもよい。観測は、個々の時間的位置と一致してもよい。観測は、センサ情報等の動作環境情報を含んでもよい。観測は、期待又は予測される動作環境情報を含んでもよい。
例えば、部分観測マルコフ決定過程モデルは、第１の状態に対応する第１の時間的位置及び第１の地理空間的位置において自律走行車を含んでもよく、モデルは、第１の時間的位置の直後の第２の時間的位置において第１の地理空間的位置から第２の地理空間的位置において車両交通ネットワークを横断するための車両制御アクションを識別しかつ実行し、又は実行しようとし得ることを示してもよく、第２の時間的位置に対応する観測のセットは、自律走行車に関する地理空間的位置情報、１つ以上の外部オブジェクトに関する地理空間的位置情報、可用性確率、予測経路情報又は同類等の第２の時間的位置に対応して識別され得る動作環境情報を含んでもよい。
条件付き観測確率は、自律走行車の動作環境に基づいて個々の観測を行う確率を含んでもよい。例えば、自律走行車が、第１の道路を横断することにより交差点に接近してもよく、同時に、遠隔車両が、第２の道路を横断することにより交差点に接近してもよく、自律走行車は、交差点に対応するセンサ情報等の動作環境情報を識別及び評価してもよく、これは遠隔車両に対応する動作環境情報を含んでもよい。いくつかの実施形態では、動作環境情報は、不正確であり、不完全であり又は誤っていてもよい。マルコフ決定過程モデルでは、自律走行車は、遠隔車両を非確率的に識別してもよく、これは遠隔車両の位置、遠隔車両の予測経路、又は同類を含んでもよく、不正確な動作環境情報に基づく遠隔車両の識別位置等の識別情報は、不正確であり又は誤っていてもよい。部分観測マルコフ決定過程モデルでは、自律走行車は、遠隔車両を確率的に識別する情報を識別してもよく、これは、遠隔車両が交差点に接近しているかもしれないことを示す位置情報等の遠隔車両に関する位置情報を確率的に識別することを含んでもよい。遠隔車両の位置を観測すること又は確率的に識別することに対応する条件付き観測確率は、識別された動作環境情報が遠隔車両の位置を正確に表す確率を表してもよい。
条件付き観測確率のセットは、動作環境情報に基づいて識別されてもよい。例えば、動作環境情報は、都市又は地方等のエリアタイプ、時刻、周辺光レベル、気象条件、交通条件、ラッシュアワー条件、イベント関連交通渋滞、若しくは休日関連の運転者行動条件等の予測される交通条件を含み得る交通条件、道路条件、国、州若しくは地方自治体条件等の管轄条件、又は自律走行車の動作に影響を及ぼし得る任意の他の条件若しくは条件の組み合わせを含んでもよい。
部分観測マルコフ決定過程モデルを実装する実施形態等のいくつかの実施形態では、自律走行車動作制御シナリオをモデル化することは、閉塞をモデル化することを含んでもよい。例えば、動作環境情報は、自律走行車の動作環境において、センサ閉塞等の１つ以上の閉塞に対応する情報を含んでもよく、それにより動作環境情報は、自律走行車の動作環境において閉塞された１つ以上の外部オブジェクトを表す情報を省略してもよい。例えば、閉塞は、定義された時空的位置において自律走行車から外部オブジェクト等の１つ以上の他の動作条件を閉塞することが可能な、交通標識、建物、木、識別された外部オブジェクト、任意の他の動作条件又は動作条件の組み合わせ等の外部オブジェクトであってもよい。いくつかの実施形態では、動作環境モニタ４３００は、閉塞を識別してもよく、識別された閉塞によって外部オブジェクトが閉塞される又は隠される確率を識別又は決定してもよく、自律走行車の動作管理コントローラ４１００に出力され、自律走行車の動作管理コントローラ４１００によって、各シナリオ固有の動作制御評価モジュール４４００へと伝達される動作環境情報における閉塞された車両確率情報を含んでもよい。
いくつかの実施形態では、１つ以上のシナリオ固有の動作制御評価モジュール４４００は、分散的部分観測マルコフ決定過程（Ｄｅｃ−ＰＯＭＤＰ）モデルであってもよく、これはマルチエージェントであってもよく、これは個別の車両動作シナリオをモデル化してもよい。部分観測マルコフ決定過程モデルが自律走行車及び外部オブジェクトの１つ等のサブセットをモデル化してもよく、分散部分観測マルコフ決定過程モデルが自律走行車及び外部オブジェクトのセットをモデル化し得るという点を除いて、分散部分観測マルコフ決定過程モデルは、部分観測マルコフ決定過程モデルと類似していてもよい。
いくつかの実施形態では、１つ以上のシナリオ固有の動作制御評価モジュール４４００は、部分観測確率ゲーム（ＰＯＳＧ）モデルであってもよく、これはマルチエージェントであってもよく、これは個別の車両動作シナリオをモデル化してもよい。部分観測確率ゲームモデルは、分散部分観測マルコフ決定過程モデルが自律走行車に関する報酬関数を含んでもよく、部分観測確率ゲームモデルが自律走行車に関する報酬関数及び各外部オブジェクトに関する各報酬関数を含み得るという点を除いて分散的部分観測マルコフ決定過程モデルに類似していてもよい。
いくつかの実施形態では、１つ以上のシナリオ固有の動作制御評価モジュール４４００は、強化学習（ＲＬ）モデルであってもよく、これは学習モデルであってもよく、これは個別の車両動作シナリオをモデル化してもよい。強化学習モデルは、定義された状態遷移確率、観測確率、報酬関数、又はこれらの任意の組み合わせがモデルから省略され得る点を除いて、マルコフ決定過程モデル又は部分観測マルコフ決定過程モデルに類似してもよい。
いくつかの実施形態では、強化学習モデルは、モデルに基づく強化学習モデルであってもよく、これは、１つ以上のモデル化又は観測されたイベントに基づいて、状態遷移確率、観測確率、報酬関数、又はこれらの任意の組み合わせを生成することを含んでもよい。
強化学習モデルでは、モデルは、１つ以上のイベント又は相互作用を評価してもよく、これは、交差点を横断すること、歩行者の近くの車両交通ネットワークを横断すること、又は車線変更すること等のシミュレートされたイベントであってもよく、各イベントに応答して、対応するモデル又はその解決策を生成又は修正してもよい。例えば、自律走行車は、強化学習モデルを使用して交差点を横断してもよい。強化学習モデルは、交差点を横断するための候補車両制御アクションを示してもよい。自律走行車は、時間的位置に関する車両制御アクションとして候補車両制御アクションを使用して交差点を横断してもよい。自律走行車は、候補車両制御アクションを使用して交差点を横断した結果を決定してもよく、結果に基づいてモデルを更新してもよい。
一例では、第１の時間的位置において、遠隔車両は、赤信号等の通行禁止の指示がある交差点で静止していてもよく、強化学習モデルは、第１の時間的位置に関して「続行」候補車両制御アクションを示してもよく、強化学習モデルは、識別された候補車両制御アクションに従って車両交通ネットワークを横断した後で、後の時間的位置において動作環境情報を識別する確率を含み、第１の時間的位置に対応する遠隔車両の地理空間的位置が第２の時間的位置に対応する遠隔車両の地理空間的位置とは異なることを示してもよく、これは０／１００のように低い。自律走行車は、識別された候補車両制御アクションに従って車両交通ネットワークを横断してもよく、その後で第１の時間的位置に対応する遠隔車両の地理空間的位置が第２の時間的位置に対応する遠隔車両の地理空間的位置とは異なることを決定してもよく、１／１０１のように確率を修正又は更新して識別されたイベントを組み込んでもよい。
別の例では、強化学習モデルは、確率的であり得る識別された動作環境情報に従って及び識別された車両制御アクションに従って第１の時間的位置から第２の時間的位置へと車両交通ネットワークを横断するために定義された予測報酬を示してもよい。自律走行車は、識別された車両制御アクションに従って車両交通ネットワークを横断してもよい。自律走行車は、確率的であり得る後で識別された動作環境情報に基づいて、第２の時間的位置に対応する動作環境情報が第１の時間的位置に対応して識別された動作環境情報に実質的に類似していると決定してもよく、これは、識別された車両制御アクションに従って車両交通ネットワークを横断する時間等のコストを示してもよく、強化学習モデルは対応する予測報酬を減らしてもよい。
自律走行車の動作管理システム４０００は、任意の数又は組み合わせのモデルのタイプを含んでもよい。例えば、歩行者シナリオ固有の動作制御評価モジュール４４１０、交差点シナリオ固有の動作制御評価モジュール４４１０、及び車線変更シナリオ固有の動作制御評価モジュール４４３０は、部分観測マルコフ決定過程モデルであってもよい。別の例では、歩行者シナリオ固有の動作制御評価モジュール４４１０はマルコフ決定過程モデルであってもよく、交差点シナリオ固有の動作制御評価モジュール４４１０、及び車線変更シナリオ固有の動作制御評価モジュール４４３０は、部分観測マルコフ決定過程モデルであってもよい。
自律走行車の動作管理コントローラ４１００は、動作環境情報に基づいてシナリオ固有の動作制御評価モジュール４４００の任意の数のインスタンスをインスタンス化してもよい。
例えば、動作環境情報は、歩行者が自律走行車に関する予測経路に沿って交差点に接近していることを表す情報を含んでもよく、自律走行車動作管理コントローラ４１００は、歩行者の車両動作シナリオ、交差点の車両動作シナリオ、又は両方を識別してもよい。自律走行車の動作管理コントローラ４１００は、歩行者シナリオ固有の動作制御評価モジュール４４１０のインスタンス、交差点シナリオ固有の動作制御評価モジュール４４２０のインスタンス、又は両方をインスタンス化してもよい。
別の例では、動作環境情報は、自律走行車に関する予測経路に沿った交差点における又はその近くの複数の歩行者を表す情報を含んでもよい。自律走行車の動作管理コントローラ４１００は、１以上の歩行者、交差点車両動作シナリオ、又はこれらの組み合わせ対応する歩行者動作シナリオを識別してもよい。自律走行車の動作管理コントローラ４１００は、歩行者動作シナリオの一部又は全てに関する歩行者シナリオ固有の動作制御評価モジュールのインスタンス、歩行者シナリオ固有の動作制御評価モジュール４４１０のインスタンス、交差点シナリオ固有の動作制御評価モジュール４４２０のインスタンス、又はこれらの組み合わせをインスタンス化してもよい。
歩行者シナリオ固有の動作制御評価モジュール４４１０は、歩行者（歩行者シナリオ）に近接する車両交通ネットワークの一部を横断する自律走行車を含む自律走行車動作制御シナリオのモデルであってもよい。歩行者シナリオ固有の動作制御評価モジュール４４１０は、自律走行車の動作管理コントローラ４１００から、歩行者を監視するための動作環境モニタ４３１０によって生成される歩行者情報等の動作環境情報を受信してもよい。
歩行者シナリオ固有の動作制御評価モジュール４４１０は、歩行者が車両交通ネットワークの一部を横断する又は他のやり方で自律走行車の動作に確率的に影響を及ぼすことに対応する歩行者の挙動をモデル化してもよい。いくつかの実施形態では、歩行者のシナリオ固有の動作制御評価モジュール４４１０は、可能性のある歩行者の挙動を表す歩行者モデル規則に従って行動するように歩行者をモデル化してもよい。例えば、歩行者モデル規則は、車両交通ネットワーク規制、歩行者交通ネットワーク規制、予測される歩行者の挙動、社会規範、又はこれらの組み合わせを表してもよい。例えば、歩行者モデル規則は、歩行者が横断歩道又は他の定義された歩行者アクセスエリアを介して車両交通ネットワークの一部を横断し得る確率を示してもよい。いくつかの実施形態では、歩行者シナリオ固有の動作制御評価モジュールは、例えば、横断歩道のないところを渡る等、定義された車両交通ネットワーク規制、歩行者交通ネットワーク規制、又は両方とは無関係に行動するように歩行者をモデル化してもよい。
歩行者シナリオ固有の動作制御評価モジュール４４１０は、「停止」候補車両制御アクション、「前進」候補車両制御アクション、又は「続行」候補車両制御アクションを出力してもよい。いくつかの実施形態では、候補車両制御アクションは、複合車両制御アクションであってもよい。例えば、候補車両制御アクションは、「前進」車両制御アクションを含んでもよく、これは間接シグナル歩行者通信車両制御アクションであってもよく、直接シグナル歩行者通信制御アクション、例えば、自律走行車のヘッドライトを点滅させること又は自律走行車のクラクションを鳴らすこと等を含んでもよい。図７には、歩行者に近接する車両交通ネットワークの一部を横断する自律走行車を含む自律走行車動作制御シナリオの例が示されている。
交差点シナリオ固有の動作制御評価モジュール４４２０は、交差点を含む車両交通ネットワークの一部を横断する自律走行車を含む自律走行車動作制御シナリオのモデルであってもよい。交差点シナリオ固有の動作制御評価モジュール４４２０は、車両交通ネットワークにおける交差点を横断する又は他のやり方で交差点を横断する自律走行車の動作に確率的に影響を及ぼす遠隔車両の挙動をモデル化してもよい。交差点は、車両がある道路から別の道路に移ることができる車両交通ネットワークの任意の部分を含んでもよい。
いくつかの実施形態では、自律走行車が交差点を含む車両交通ネットワークの一部を横断することを含む自律走行車動作制御シナリオをモデル化することは、例えば、遠隔車両とネゴシエーションすることによって、車両が交差点を横断するための通行順を決定することを含んでもよい。
いくつかの実施形態では、自律走行車が交差点を含む車両交通ネットワークの一部を横断することを含む自律走行車動作制御シナリオをモデル化することは、停止標識、譲れ標識、交通信号機、又は任意の他の交通制御デバイス、規制、信号又はこれらの組み合わせ等の１つ以上の交通制御をモデル化することを含んでもよい。
いくつかの実施形態では、自律走行車が交差点を含む車両交通ネットワークの一部を横断することを含む自律走行車動作制御シナリオをモデル化することは、「前進」候補車両制御アクションを出力すること、自律走行車が「前進」候補車両制御アクションを行うことに応答して、センサ情報等の情報を受信すること、及び受信した情報に基づいて後続の候補車両制御アクションを出力することを含んでもよい。
いくつかの実施形態では、自律走行車が交差点を含む車両交通ネットワークの一部を横断することを含む自律走行車動作制御シナリオをモデル化することは、車両交通ネットワーク規制に従って遠隔車両が交差点を横断し得る確率をモデル化することを含んでもよい。いくつかの実施形態では、自律走行車が交差点を含む車両交通ネットワークの一部を横断することを含む自律走行車動作制御シナリオをモデル化することは、遠隔車両が、例えば、通行権を有する別の遠隔車両の直ぐ後ろについて行くこと又はピギーバッキングすること等、１つ以上の車両交通ネットワーク規制とは無関係に交差点を横断し得る確率をモデル化することを含んでもよい。
交差点シナリオ固有の動作制御評価モジュール４４２０は、「停止」候補車両制御アクション、「前進」候補車両制御アクション、又は「続行」候補車両制御アクションを出力してもよい。いくつかの実施形態では、候補車両制御アクションは、複合車両制御アクションであってもよい。例えば、候補車両制御アクションは「続行」車両制御アクション及び自律走行車の方向指示器の点滅等のシグナル通信車両制御アクションを含んでもよい。図８には、自律走行車が交差点を横断することを含む自律走行車動作制御シナリオの例が示されている。
車線変更シナリオ固有の動作制御評価モジュール４４３０は、自律走行車が車線変更動作を行うことにより車両交通ネットワークの一部を横断すること含む自律走行車動作制御シナリオのモデルであってもよい。車線変更シナリオ固有の動作制御評価モジュール４４３０は、車線変更を横断する自律走行車の動作に確率的に影響を及ぼす遠隔車両の挙動をモデル化してもよい。
いくつかの実施形態では、自律走行車車線変更を行うことにより車両交通ネットワークの一部を横断することを含む自律走行車動作制御シナリオをモデル化することは、「維持」候補車両制御アクション、「続行」車両制御アクション、「加速」車両制御アクション、「減速」車両制御アクション、又はこれらの組み合わせを出力することを含んでもよい。図９には、自律走行車が車線を変更することを含む自律走行車動作制御シナリオの例が示されている。
いくつかの実施形態では、１つ以上の自律走行車動作管理コントローラ４１００、ブロックモニタ４２００、動作環境モニタ４３００又はシナリオ固有の動作制御評価モジュール４４００が、例えば、１０ヘルツ（１０Ｈｚ）の周波数で周期的に又は連続的に動作してもよい。例えば、自律走行車動作管理コントローラ４１００は、毎秒１０回等、複数回の車両制御アクションを識別してもよい。自律走行車の動作管理システム４０００の各コンポーネントの動作周波数は同期又は非同期化されてもよく、１つ以上の自律走行車の動作管理コントローラ４１００、ブロックモニタ４２００、動作環境モニタ４３００又はシナリオ固有の動作制御評価モジュール４４００の動作速度は、別の１つ以上の自律走行車の動作管理コントローラ４１００、ブロックモニタ４３００、動作環境モニタ４３００又はシナリオ固有の動作制御評価モジュール４４００から独立していてもよい。
いくつかの実施形態では、シナリオ固有の動作制御評価モジュール４４００のインスタンスによって出力される候補車両制御アクションは、状態情報、時間情報又は両方等の動作環境情報を含んでもよく又はそれに関連付けられてもよい。例えば、候補車両制御アクションは、可能性のある将来の状態、将来の時間的位置又は両方を表す動作環境情報に関連付けられてもよい。いくつかの実施形態では、自律走行車の動作管理コントローラ４１００は、過去の時間的位置、最小閾値を下回る発生確率を有する状態、又は選ばれない候補車両制御アクションを表す無効な候補車両制御アクションを識別してもよく、無効な候補車両制御アクションを削除、省略又は無視してもよい。
図５は、本開示の実施形態による自律走行車の動作管理５０００の例のフロー図である。自律走行車の動作管理５０００は、図１に示される車両１０００、図２に示される車両２１００／２１１０、半自律走行車、又は自立運転を実装する任意の他の車両等の自律走行車において実装されてもよい。例えば、自律走行車は、図４に示される自律走行車の動作管理システム４０００等の自律走行車の動作管理システムを実装してもよい。
自律走行車の動作管理５０００は、１つ以上のモジュール又はコンポーネントを実装すること又は動作させることを含んでもよく、これは図４に示される自律走行車の動作管理コントローラ４１００等の自律走行車動作管理コントローラ又は実行器５１００、図４に示されるブロックモニタ４２００等のブロックモニタ５２００、図４に示されるシナリオ固有の動作制御評価モジュール４４００のインスタンス等のゼロ以上のシナリオ固有の動作制御評価モジュールインスタンス（ＳＳＯＣＥＭＩ）５３００、又はこれらの組み合わせを動作させることを含んでもよい。
図５に別に示されていないが、いくつかの実施形態では、実行器５１００は、自律走行車の動作環境又はその定義された側面を監視してもよい。いくつかの実施形態では、自律走行車の動作環境を監視することは、工程５１１０で外部オブジェクトを識別及び追跡すること、工程５１２０で個別の車両動作シナリオを識別すること、又はこれらの組み合わせを含んでもよい。
実行器５１００は、工程５１１０で自律走行車の動作環境又はその側面を識別してもよい。動作環境を識別することは、動作環境又はその１つ以上の側面を表す動作環境情報を識別することを含んでもよい。いくつかの実施形態では、動作環境情報は、自律走行車に関する車両情報、自律走行車に近接している車両交通ネットワーク又はその１つ以上の側面を表す情報、自律走行車の動作環境内の外部オブジェクト又はその１つ以上の側面を表す情報、又はこれらの組み合わせを含んでもよい。
いくつかの実施形態では、実行器５１００は、センサ情報、車両交通ネットワーク情報、過去に識別された動作環境情報、動作環境の１つ又は複数の側面を記述する任意の他の情報又は情報の組み合わせを識別してもよい。いくつかの実施形態では、センサ情報は、自律走行車のセンサ情報処理装置から処理済みセンサ情報等の処理済みセンサ情報であってもよく、これは自律走行車のセンサからセンサ情報を受信してもよく、センサ情報に基づいて処理済みセンサ情報を生成してもよい。
いくつかの実施形態では、工程５１１０で動作環境情報を識別することは、図１に示されるセンサ１３６０又は図２に示される車載センサ２１０５等の自律走行車のセンサから動作環境の１つ以上の側面を示す情報を受信することを含んでもよい。例えば、センサは、自律走行車から３００メートル等の定義された距離内の自律走行車の外部の歩行者、車両又は任意の他のオブジェクト等の外部オブジェクトを検出してもよく、センサは、実行器５１００に外部オブジェクトを示す又は表すセンサ情報を送信してもよい。いくつかの実施形態では、自律走行車のセンサ又は別の装置は、自律走行車の図１に示されるメモリ１３４０等のメモリにセンサ情報を記憶してもよく、自律走行車の動作管理コントローラ５１００はメモリからセンサ情報を読み取ってもよい。
いくつかの実施形態では、センサ情報によって示される外部オブジェクトは不確定であってもよく、自律走行車の動作管理コントローラ５１００は、センサ情報、別のセンサからの情報等の他の情報、過去に識別されたオブジェクトに対応する情報、又はこれらの組み合わせに基づいて、オブジェクトタイプ等のオブジェクト情報を識別してもよい。いくつかの実施形態では、自律走行車のセンサ又は別の装置は、オブジェクト情報を識別してもよく、オブジェクト識別情報を自律走行車の動作管理コントローラ５１００に送信してもよい。
いくつかの実施形態では、センサ情報は、道路条件、道路特徴又はこれらの組み合わせを示してもよい。例えば、センサ情報は、濡れた道路条件、凍った道路条件、又は任意の他の１つ又は複数の道路条件等の道路条件を示してもよい。別の例では、センサ情報は、車線等の路面標識、道路形状の側面、又は任意の他の１つ又は複数の道路特徴を示してもよい。
いくつかの実施形態では、工程５１１０で動作環境情報を識別することは、車両交通ネットワーク情報から動作環境の１つ以上の側面を示す情報を識別することを含んでもよい。例えば、自律走行車の動作管理コントローラ５１００は、自律走行車が交差点に接近していることを示す、又は他のやり方で自律走行車から３００メートル以内等の自律走行車に近接している車両交通ネットワークの形状又は構成を記述する車両交通ネットワーク情報を読み取り又は他のやり方で受信してもよい。
いくつかの実施形態では、工程５１１０で動作環境情報を識別することは、遠隔車両又は自律走行車の外部の他の遠隔装置から動作環境の１つ以上の側面を示す情報を識別することを含んでもよい。例えば、自律走行車は、無線電子通信リンクを介して、遠隔車両から、遠隔車両に関する遠隔車両地理空間的状態情報、遠隔車両運動状態情報又は両方を示す遠隔車両情報を含む遠隔車両メッセージを受信してもよい。
いくつかの実施形態では、実行器５１００は、１つ以上のシナリオ固有のモニタモジュールインスタンスを含んでもよい。例えば、実行器５１００は、歩行者を監視するためのシナリオ固有のモニタモジュールインスタンス、交差点を監視するためのシナリオ固有のモニタモジュールインスタンス、車線変更を監視するためのシナリオ固有のモニタモジュールインスタンス、又はこれらの組み合わせを含んでもよい。各シナリオ固有のモニタモジュールインスタンスは、各シナリオに対応する動作環境情報を受信するか又は他のやり方でそれにアクセスしてもよく、各シナリオに対応する専用モニタ情報を、実行器５１００、ブロックモニタ５２００、シナリオ固有の動作制御評価モジュールインスタンス５３００又はこれらの組み合わせに、又はそれによってアクセスするために送信、記憶又は他のやり方で出力してもよい。
いくつかの実施形態では、実行器５１００は、工程５１１２において自律走行車に関する動作環境を表す動作環境情報をブロックモニタ５２００に送信してもよい。代替的に又は追加的に、ブロックモニタ５２００は、自律走行車の別のコンポーネントから、例えば、自律走行車のセンサから自律走行車に関する動作環境を表す動作環境情報を受信してもよく、ブロックモニタ５２００は、自律走行車のメモリから自律走行車に関する動作環境を表す動作環境情報を読み取ってもよく、又はこれらの組み合わせであってもよい。
実行器５１００は、工程５１２０において、１つ以上の個別の車両動作シナリオを検出又は識別してもよい。いくつかの実施形態では、実行器５１００は、工程５１１０において識別された動作環境情報によって表される動作環境の１つ以上の側面に基づいて、工程５１２０において個別の車両動作シナリオを検出してもよい。
いくつかの実施形態では、実行器５１００は、工程５１２０において、複数の個別の車両動作シナリオを識別してもよく、これは複合車両動作シナリオの側面であってもよい。例えば、動作環境情報は、歩行者が自律走行車に関する予測経路に沿って交差点に接近していることを表す情報を含んでもよく、実行器５１００は、工程５１２０において、歩行者の車両動作シナリオ、交差点の車両動作シナリオ、又は両方を識別してもよい。別の例では、動作環境情報によって表される動作環境は、複数の外部オブジェクトを含んでもよく、実行器５１００は、工程５１２０において、各外部オブジェクトに対応する個別の車両動作シナリオを識別してもよい。
実行器５１００は、工程５１３０において、動作環境情報によって表される動作環境の１つ以上の側面に基づいてシナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化してもよい。例えば、実行器５１００は、工程５１２０において個別の車両動作シナリオを識別することに応答して、工程５１３０において、シナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化してもよい。
図５には１つのシナリオ固有の動作制御評価モジュールインスタンス５３００が示されているが、実行器５１００は、工程５１１０において識別された動作環境情報によって表される動作環境の１つ以上の側面に基づいて、複数のシナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化してもよく、各シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５１２０において検出されたそれぞれ個別の車両動作シナリオ、又は工程５１１０において識別された個別の外部オブジェクト及び工程５１２０において検出されたそれぞれ個別の車両動作シナリオの組み合わせに対応する。
例えば、工程５１１０において識別された動作環境情報によって表される動作環境は複数の外部オブジェクトを含んでもよく、実行器５１００は、複数の個別の車両動作シナリオを検出してもよく、これは工程５１１０において識別された動作環境情報によって表される動作環境に基づいて、工程５１２０において、複合車両動作シナリオの側面であってもよく、実行器５１００は、個別の車両動作シナリオ及び外部オブジェクトのそれぞれ個別の組み合わせに対応するシナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化してもよい。
いくつかの実施形態では、工程５１２０において識別された個別の車両動作シナリオに対応するシナリオ固有の動作制御評価モジュールは、利用不可能であってもよく、工程５１３０においてシナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化することは、工程５１２０において識別された個別の車両動作シナリオに対応するシナリオ固有の動作制御評価モジュールのインスタンス５３００を生成、解決及びインスタンス化することを含んでもよい。例えば、工程５１２０において識別された個別の車両動作シナリオは、停止標識等の停止交通制御信号を有する２つの車線及び譲れ標識等の譲れ交通制御信号を有する２つの車線を含む交差点を示してもよく、利用可能なシナリオ固有の動作制御評価モジュールは、停止交通制御信号を有する４つの車線を含む交差点シナリオをモデル化する部分観測マルコフ決定過程シナリオ固有の動作制御評価モジュール等、工程５１２０において識別された個別の車両動作シナリオとは異なる部分観測マルコフ決定過程シナリオ固有の動作制御評価モジュールを含んでもよく、実行器５１００は、工程５１３０において停止標識等の停止交通制御信号を有する２つの車線及び譲れ交通制御信号を有する２つの車線を含む交差点をモデル化するマルコフ決定過程シナリオ固有の動作制御評価モジュールのインスタンス５３００を生成、解決及びインスタンス化してもよい。
いくつかの実施形態では、工程５１３０においてシナリオ固有の動作制御評価モジュールインスタンスをインスタンス化することは、自律走行車に関する情報、動作環境情報又はこれらの組み合わせに基づいて時空間収束の収束確率を識別することを含んでもよい。時空間収束の収束確率を識別することは、自律走行車に関する予測経路を識別すること、遠隔車両に関する予測経路を識別すること、並びに、予測経路情報に基づいて自律走行車及び遠隔車両が収束又は衝突し得る確率を示す自律走行車及び遠隔車両に関する収束確率を識別することを含んでもよい。シナリオ固有の動作制御評価モジュールインスタンスは、定義された最大許容収束確率等の定義された閾値を収束確率が超えることを決定することに応答してインスタンス化されてもよい。
いくつかの実施形態では、工程５１３０においてシナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化することは、工程５１３２において示されるようにシナリオ固有の動作制御評価モジュールインスタンス５３００に自律走行車に関する動作環境を表す動作環境情報を送信することを含んでもよい。
シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５３１０において、自律走行車に関する動作環境又はその１つ以上の側面を表す動作環境情報を受信してもよい。例えば、シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５１３２において、自律走行車に関する動作環境又はその１つ以上の側面を表す動作環境情報を受信してもよい。代替的に又は追加的に、シナリオ固有の動作制御評価モジュールインスタンス５３００は、自律走行車の別のコンポーネントから、例えば、自律走行車のセンサから又はブロックモニタ５２００から自律走行車に関する動作環境を表す動作環境情報を受信してもよく、シナリオ固有の動作制御評価モジュールインスタンス５３００は、自律走行車のメモリから自律走行車に関する動作環境を表す動作環境情報を読み取ってもよく、又はこれらの組み合わせであってもよい。
ブロックモニタ５２００は、工程５２１０において、自律走行車に関する動作環境又はその側面を表す動作環境情報を受信してもよい。例えば、ブロックモニタ５２００は、工程５１１２において、実行器５１００によって送信される動作環境情報又はその側面を受信してもよい。いくつかの実施形態では、ブロックモニタ５２００は、自律走行車のセンサから、遠隔車両又はインフラストラクチャデバイス等の外部デバイスから、又はこれらの組み合わせから動作環境情報又はその側面を受信してもよい。いくつかの実施形態では、ブロックモニタ５２００は、自律走行車のメモリ等のメモリから動作環境情報又はその側面を読み取ってもよい。
ブロックモニタ５２００は、工程５２２０において、自律走行車に近接する車両交通ネットワークの部分等の車両交通ネットワークの１つ以上の部分に関する各可用性確率（ｐｒｏｂａｂｉｌｉｔｙ ｏｆ ａｖａｉｌａｂｉｌｉｔｙ；ＰＯＡ）又は対応するブロック可能性を決定してもよく、部分は自律走行車の現在の経路に基づいて識別される予測経路等の自律走行車の予測経路に対応する車両交通ネットワークの部分を含んでもよい。
いくつかの実施形態では、工程５２２０において各可用性確率を決定することは、外部オブジェクトを識別すること、外部オブジェクトを追跡すること、外部オブジェクトに関する位置情報を推定すること、外部オブジェクトに関する経路情報を推定すること、又はこれらの組み合わせを含んでもよい。例えば、ブロックモニタ５２００は、外部オブジェクトを識別してもよく、外部オブジェクトに関する予測経路を識別してもよく、これは、予測空間的位置、予想時間的位置、及び対応する可能性のシーケンスを示してもよい。
いくつかの実施形態では、ブロックモニタ５２００は、外部オブジェクトの現在地を示す情報、外部オブジェクトに関する現在の軌道を示す情報、外部オブジェクトを歩行者又は遠隔車両として分類する情報等の外部オブジェクトの分類のタイプを示す情報等の動作環境情報、車両交通ネットワークが外部オブジェクトに近接する横断歩道を含んでいることを示す情報等の車両交通ネットワーク情報、過去に識別された又は追跡された外部オブジェクトに関連付けられる情報、又はこれらの任意の組み合わせに基づいてオブジェクトに関する予測経路を識別してもよい。例えば、外部オブジェクトは、遠隔車両として識別されてもよく、遠隔車両に関する予測経路は、遠隔車両の現在地を示す情報、遠隔車両の現在の軌道を示す情報、遠隔車両の現在の速さを示す情報、遠隔車両に対応する車両交通ネットワーク情報、法律又は規制情報、又はこれらの組み合わせに基づいて識別されてもよい。
いくつかの実施形態では、ブロックモニタ５２００は、工程５２２２において、シナリオ固有の動作制御評価モジュールインスタンス５３００に工程５２２０において識別された可用性確率を送信してもよい。代替的に又は追加的に、ブロックモニタ５２００は、自律走行車のメモリに又はこれらの組み合わせに工程５２２０において識別された可用性確率を記憶してもよい。図５には明示されていないが、ブロックモニタ５２００は、シナリオ固有の動作制御評価モジュールインスタンス５３００に可用性確率を送信することに加えて又はその代わりに、工程５２１２において、実行器５１００に工程５２２０において識別された可用性確率を送信してもよい。
シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５３２０において可用性確率を受信してもよい。例えば、シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５２２２においてブロックモニタ５２００によって送信された可用性確率を受信してもよい。いくつかの実施形態では、シナリオ固有の動作制御評価モジュールインスタンス５３００は、自律走行車のメモリ等のメモリから可用性確率を読み取ってもよい。
シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５３３０において、対応する個別の車両動作シナリオのモデルを解決してもよい。いくつかの実施形態では、シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５３３０において、候補車両制御アクションを生成又は識別してもよい。
いくつかの実施形態では、シナリオ固有の動作制御評価モジュールインスタンス５３００は、工程５３３２において、実行器５１００に工程５３３０において識別された候補車両制御アクションを送信してもよい。代替的に又は追加的に、シナリオ固有の動作制御評価モジュールインスタンス５３００は、自律走行車のメモリに工程５３３０において識別された候補車両制御アクションを記憶してもよい。
実行器５１００は、工程５１４０において、候補車両制御アクションを受信してもよい。例えば、実行器５１００は、工程５１４０において、シナリオ固有の動作制御評価モジュールインスタンス５３００から候補車両制御アクションを受信してもよい。代替的に又は追加的に、実行器５１００は、自律走行車のメモリから候補車両制御アクションを読み取ってもよい。
実行器５１００は、工程５１５０において、候補車両制御アクションを承認し、又は他のやり方で車両交通ネットワークを横断するように自律走行車を制御するための車両制御アクションとして候補車両制御アクションを識別してもよい。例えば、実行器５１００は、工程５１２０において、１つの個別の車両動作シナリオを識別し、工程５１３０において、１つのシナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化し、工程５１４０において、１つの候補車両制御アクションを受信し、工程５１５０において、その候補車両制御アクションを承認してもよい。
いくつかの実施形態では、実行器５１００は、工程５１２０において、複数の個別の車両動作シナリオを識別し、工程５１３０において、複数のシナリオ固有の動作制御評価モジュールインスタンス５３００をインスタンス化し、工程５１４０において、複数の候補車両制御アクションを受信し、工程５１５０において、１つ以上の候補車両制御アクションを承認してもよい。追加的に又は代替的に、自律走行車動作管理５０００は、１つ以上の以前にインスタンス化されたシナリオ固有の動作制御評価モジュールインスタンス（明示せず）を動作させることを含んでもよく、実行器は、工程５１３０においてインスタンス化されたシナリオ固有の動作制御評価モジュールインスタンスから、及び１つ以上の以前にインスタンス化されたシナリオ固有の動作制御評価モジュールインスタンスから、工程５１４０において、候補車両制御アクションを受信してもよく、工程５１５０において、１つ以上の候補車両制御アクションを承認してもよい。
工程５１５０において候補車両制御アクションを承認することは、候補車両制御アクションに従って車両交通ネットワークの一部を横断するべきかどうかを決定することを含んでもよい。
実行器５１００は、工程５１５０において識別された車両制御アクションに従って、工程５１６０において、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
実行器５１００は、工程５１７０で自律走行車の動作環境又はその側面を識別してもよい。工程５１７０において動作環境又はその側面を識別することは、工程５１１０において自律走行車の動作環境を識別することに類似していてもよく、以前に識別された動作環境情報を更新することを含んでもよい。
実行器５１００は、５１８０において、個別の車両動作シナリオが解決されたか又は解決されていないかを決定又は検出してもよい。例えば、実行器５１００は、上記のように、連続的に又は周期的に動作環境情報を受信してもよい。実行器５１００は、動作環境情報を評価して、個別の車両動作シナリオが解決たかどうかを決定してもよい。
いくつかの実施形態では、実行器５１００は、工程５１８０においてシナリオ固有の動作制御評価モジュールインスタンス５３００に対応する個別の車両動作シナリオが解決されていないことを決定してもよく、実行器５１００は、工程５１７０において識別された動作環境情報を工程５１８５において示されたシナリオ固有の動作制御評価モジュールインスタンス５３００に送信してもよく、工程５１８０においてシナリオ固有の動作制御評価モジュールインスタンス５３００を非インスタンス化することが省略されるか又は異なってもよい。
いくつかの実施形態では、実行器５１００は、工程５１８０において、個別の車両動作シナリオが解決されていることを決定してもよく、工程５１８０において解決されると決定された個別の車両動作シナリオに対応するシナリオ固有の動作制御評価モジュールインスタンス５３００を、工程５１９０において非インスタンス化してもよい。例えば、実行器５１００は、工程５１２０において、自律走行車に関する個別の車両動作シナリオを形成する動作条件の個別セットを識別してもよく、工程５１８０において、１つ以上の動作条件が満了した又は定義された閾値を下回る自律走行車の動作に影響を及ぼす確率を有することを決定してもよく、対応するシナリオ固有の動作制御評価モジュールインスタンス５３００を非インスタンス化してもよい。
図５には明示されていないが、実行器５１００は、工程５１８０において個別の車両動作シナリオが解決されたかどうかを決定することが個別の車両動作シナリオが解決されたこと決定することを含むまで、工程５１７０において、動作環境情報を識別又は更新すること、工程５１８０において、個別の車両動作シナリオが解決されたかどうかを決定すること、及び工程５１８０において個別の車両動作シナリオが未解決であるとの決定に応答して、工程５１８５において示されたシナリオ固有の動作制御評価モジュールインスタンス５３００に工程５１７０において識別された動作環境情報を送信することを連続的に又は周期的に反復してもよい。
図６は、本開示の実施形態によるブロックシーン６０００の例の図である。図５に示された自律走行車動作管理５０００等の自律走行車動作管理は、ブロックシーン６０００に対応する車両交通ネットワークの一部又はエリアに関して、可用性確率又は対応するブロック確率を決定するために、図１に示された車両１０００等の自律走行車６１００、図２に示された車両２１００／２１１０の１つ、半自律走行車、又は、図４に示されたブロックモニタ４２００又は図５に示されたブロックモニタ５２００等のブロックモニタを含む図４に示された自律走行車動作管理システム４０００等の自律走行車動作管理システムを動作させる、任意の他の車両実装自律運転を含んでもよい。定義された自律走行車動作制御シナリオと併せて又は無関係に、ブロックモニタは動作してもよく、可用性確率は決定されてもよい。
図６に示されるブロックシーン６０００に対応する車両交通ネットワークの部分は、第１の道路６２００を横断しながら第２の道路６２２０との交差点６２１０に接近している自律走行車６１００を含む。交差点６２１０は、横断歩道６３００を含む。歩行者６４００が横断歩道６３００に接近している。遠隔車両６５００が、第２の道路６２２０を横断しながら交差点６２１０に接近している。自律走行車６１００に関する予測経路６１１０は、自律走行車６１００が第１の道路６２００から第２の道路６２２０へと右折することにより交差点６２１０を横断し得ることを示す。破線を使用して示される自律走行車６１００に関する代替予測経路６１２０は、自律走行車６１００が第１の道路６２００から第２の道路６２２０へと左折することにより交差点６２１０を横断し得ることを示す。
ブロックモニタは、歩行者６４００に関する予測経路６４１０を識別してもよい。例えば、センサ情報は、閾値を超える速度及び横断歩道６３００と交差する軌道を有することを示してもよく、車両交通ネットワーク情報は、車両による調整制御に従って交差点を横断することが横断歩道にいる歩行者に道を譲るように、交差点が調整制御を含むことを示してもよく、又は交差点６２１０は、歩行者６４００に関する通行許可信号を示す１つ以上の交通制御デバイス（図示せず）を含んでもよく、歩行者６４００に関する予測経路６４１０は、１．０又は１００％等の高確率で横断歩道６３００を横断している歩行者６４００を含むと識別されてもよい。
ブロックモニタは、遠隔車両６５００に関する予測経路６５１０、６５２０を識別してもよい。例えば、センサ情報は、遠隔車両６５００が交差点６２１０に接近していることを示してもよく、車両交通ネットワーク情報は、遠隔車両６５００が交差点６２１０を直進して横断し得ること又は交差点６２１０で第１の道路６２００に右折し得ることを示してもよく、ブロックモニタは、遠隔車両６５００に関して交差点を直進する第１の予測経路６５１０、及び交差点を右折する第２の予測経路６５２０を識別してもよい。
いくつかの実施形態では、ブロックモニタは、例えば、遠隔車両６５００に関する動作情報に基づいて、予測経路６５１０、６５２０の各々に関する確率を識別してもよい。例えば、遠隔車両６５００に関する動作情報は、最大曲がり閾値を超える遠隔車両に関する速度を示してもよく、第１の予測経路６５１０は、０．９又は９０％等の高確率で識別されてもよく、第２の予測経路６５２０は、０．１又は１０％等の低確率で識別されてもよい。
別の例では、遠隔車両６５００に関する動作情報は、最大曲がり閾値以内の遠隔車両に関する速度を示してもよく、第１の予測経路６５１０は、０．１又は１０％等の低確率で識別されてもよく、第２の予測経路６５２０は、０．９又は９０％等の高確率で識別されてもよい。
ブロックモニタは、歩行者の予測経路６４１０から数フィート、例えば、３フィート以内に近接する、横断歩道６３００と一致し得る第２の道路６２２０の部分又はエリアに関する可用性確率を０％のように低く識別してもよく、これは第２の道路６２２０の対応部分が横断歩道６３００を横断する歩行者６４００に対応する一時期間にわたりブロックされていることを示す。
ブロックモニタは、遠隔車両６５００に関する第１の予測経路６５１０及び自律走行車６１００の予測経路が、歩行者６４００が横断歩道６３００を横断することに対応する一時期間と同時に歩行者によってブロックされることを決定してもよい。
図７は、本開示の実施形態による歩行者シナリオを含む歩行者シーン７０００の例の図である。図５に示された自律走行車動作管理等の自律走行車動作管理は、ブロック場面６０００に対応する車両交通ネットワークの一部又はエリアに関して、可用性確率又は対応するブロック確率を決定するために、図１に示された車両１０００等の自律走行車７１００、図２に示された車両２１００／２１１０の１つ、半自律走行車、又は、歩行者に近接する車両交通ネットワークの一部を横断する自律走行車７１００を含む自律走行車動作制御シナリオのモデルであり得る、図４に示された歩行者シナリオ固有の動作制御評価モジュール４４１０等の歩行者シナリオ固有の動作制御評価モジュールのインスタンスであり得る歩行者シナリオ固有の動作制御評価モジュールインスタンスを含む、図４に示された自律走行車動作管理４０００等の自律走行車動作管理システムを動作させる、任意の他の車両実装自律運転を含んでもよい。簡潔及び明確のため、図７に示される歩行者シーン７０００に対応する車両交通ネットワークの部分は、上側が北で右側が東の方位である。
図７に示される歩行者シーン７０００に対応する車両交通ネットワークの部分は、第１の道路７２００の車線内の道路セグメントに沿って北に移動しながら第２の道路７２２０との交差点７２１０に接近している自律走行車７１００を含む。交差点７２１０は、第１の道路７２００を渡る第１の横断歩道７３００及び第２の道路７２２０を渡る第２の横断歩道７３１０を含む。第１の歩行者７４００が、第１の道路７２００で非歩行者アクセスエリアを東に移動している（横断歩道のないところを渡っている）。第２の歩行者７４１０が、第１の横断歩道７３００に近接しており、西北西に移動している。第３の歩行者７４２０が、西から第１の横断歩道７３００に接近している。第４の歩行者７４３０が、北から第２の横断歩道７３１０に接近している。
自律走行車動作管理システムは、図４に示された自律走行車動作管理コントローラ４１００等の自律走行車動作管理コントローラ又は図５に示された実行器５１００、及び図４に示されたブロックモニタ４２００又は図５に示されたブロックモニタ５２００等のブロックモニタを含んでもよい。自律走行車７１００は、１つ以上のセンサ、１つ以上の動作環境モニタ又はこれらの組み合わせを含んでもよい。
いくつかの実施形態では、自律走行車動作管理システムは、例えば、時間的位置のシーケンスにおける各時間的位置において、周期的に又は連続的に動作してもよい。簡潔及び明確のため、自律走行車７１００、第１の歩行者７４００、第２の歩行者７４１０、第３の歩行者７４２０及び第４の歩行者７４３０の地理空間的位置は、時間的位置のシーケンスの中から第１の時間的に最先の時間的位置に従って示されている。簡潔及び明確のため時間的位置のシーケンスを参照して記載されているが、自律走行車動作管理システムの各装置は、任意の周波数で動作してもよく、各装置の動作は、同期又は非同期化されてもよく、動作は、１つ以上の時間的位置の１つ以上の部分と同時に行われてもよい。簡潔及び明確のため、本明細書に記載の複数の時間的位置間の時間的位置等の１つ以上の時間的位置の各記述は、本開示から省略されてもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車７１００のセンサは、自律走行車７１００の動作環境に対応する情報、例えば、１以上の歩行者７４００、７４１０、７４２０、７４３０に対応する情報を検出してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理システムは、自律走行車７１００に関する予測経路７５００、自律走行車７１００に関する経路７５１０又は両方を識別してもよい。第１の時間的位置に従って、自律走行車７１００に関する予測経路７５００は、第１の道路７２００に沿って北に進むことにより交差点７２１０を横断し得ることを示す。自律走行車７１００に関する経路７５１０は、自律走行車７１００が第２の道路７２２０に右折し得ることを示す。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車７１００の動作環境モニタは、例えば、歩行者７４００、７４１０、７４２０に対応するセンサ情報を受信することに応答して、自律走行車７１００の動作環境又はその側面を表す動作環境情報を識別又は生成してもよく、これは歩行者７４００、７４１０、７４２０、７４３０とセンサ情報を関連付けることを含んでもよく、自律走行車動作管理コントローラに歩行者７４００、７４１０、７４２０、７４３０を表す情報を含み得る動作環境情報を出力してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、ブロックモニタは、車両交通ネットワークの１つ以上のエリア又は部分に関する各可用性確率を示す可用性確率情報を生成してもよい。例えば、第１の時間的位置に従って、ブロックモニタは、第１の歩行者７４００に関する予測経路７５２０、及び第１の歩行者７４００に関する予測経路７５２０と自律走行車７１００に関する予測経路７５００又は経路７５１０との間の収束点に近接している車両交通ネットワークのエリア又は部分に関する可用性確率を決定してもよい。
別の例では、ブロックモニタは、第２の歩行者７４１０に関する予測経路７５３０、第３の歩行者７４２０に関する予測経路７５４０、及び第１の横断歩道７３００に近接している車両交通ネットワークのエリア又は部分に関する可用性確率を決定してもよい。第１の横断歩道７３００に近接している車両交通ネットワークのエリア又は部分に関する可用性確率を識別することは、優先的にブロックしている外部オブジェクトとして第２の歩行者７４１０及び第３の歩行者７４２０を識別すること及び対応する予測経路７５３０、７５４０が空間的及び時間的に重複し得ることを決定することを含んでもよい。
別の例では、ブロックモニタは、１つ以上の外部オブジェクトに関する複数の予測経路を決定してもよい。例えば、ブロックモニタは、第２の歩行者７４１０に関する第１の予測経路７５３０を高確率で識別してもよく、第２の歩行者７４１０に関する第２の予測経路７５３２を低確率で識別してもよい。
別の例では、ブロックモニタは、第４の歩行者７４３０に関する予測経路７５５０、及び第２の横断歩道７３１０に近接している車両交通ネットワークのエリア又は部分に関する可用性確率を決定してもよい。
いくつかの実施形態では、可用性確率情報を生成することは、時間的位置のシーケンスから複数の時間的位置に対応する車両交通ネットワークの各エリア又は部分に関する可用性確率を生成することを含んでもよい。ブロックモニタは、自律走行車動作管理コントローラに又はそれによってアクセスするために可用性確率情報を出力してもよい。
各時間的位置等の１つ以上の時間的位置において、自律走行車動作管理コントローラは、動作環境情報を生成し、又は以前に生成された動作環境情報を更新してもよく、これは動作環境情報又はその一部を受信することを含んでもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、動作環境情報によって表される動作環境等の１つ以上の個別の車両動作シナリオを検出又は識別してもよく、これは動作環境モニタによって出力される動作環境情報、ブロックモニタによって出力される可用性確率情報、又はこれらの組み合わせを含んでもよい。例えば、第１の時間的位置に従って、自律走行車動作管理コントローラは、第１の歩行者７４００を含む第１の歩行者シナリオ、第２の歩行者７４１０を含む第２の歩行者シナリオ、第３の歩行者７４２０を含む第３の歩行者シナリオ、及び第４の歩行者７４３０を含む第４の歩行者シナリオの１つ以上を検出又は識別してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、１つ以上の以前に未検出の車両動作シナリオを検出してもよい。例えば、第１の時間的位置に従って、自律走行車動作管理コントローラは、第１の車両動作シナリオを検出し、第１の時間的位置の後の時間的位置等の時間的位置のシーケンスから第２の時間的位置に従って、自律走行車動作管理コントローラは、第２の車両動作シナリオを検出してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、第１の歩行者７４００を含む第１の歩行者シナリオ、第２の歩行者７４１０を含む第２の歩行者シナリオ、第３の歩行者７４２０を含む第３の歩行者シナリオ、又は第４の歩行者７４３０を含む第４の歩行者シナリオの１つ以上を検出又は識別することに応答して、１つ以上の歩行者シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化してもよい。
例えば、第１の時間的位置に従って、自律走行車動作管理コントローラは、第１の歩行者７４００を含む第１の歩行者シナリオを検出してもよく、第１の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールが利用可能であることを決定してもよく、第１の歩行者７４００を含む第１の歩行者シナリオを検出することに応答して、第１の歩行者シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化してもよい。
別の例では、自律走行車動作管理コントローラは、第１の歩行者７４００を含む第１の歩行者シナリオを検出し、第１の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールが利用不可能であることを決定し、歩行者シナリオ固有の動作制御評価モジュールを生成して第１の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールを解決し、第１の歩行者７４００を含む第１の歩行者シナリオを検出することに応答して、第１の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化してもよい。
いくつかの実施形態では、自律走行車動作管理コントローラは、実質的に同時に１つ以上の歩行者シナリオを検出又は識別してもよい。例えば、自律走行車動作管理コントローラは、第２の歩行者７４１０を含む第２の歩行者シナリオ及び第３の歩行者７４２０を含む第３の歩行者シナリオを実質的に同時に検出又は識別してもよい。
いくつかの実施形態では、自律走行車動作管理コントローラは、各歩行者シナリオ固有の動作制御評価モジュールの２つ以上の各インスタンスを実質的に同時にインスタンス化してもよい。例えば、自律走行車動作管理コントローラは、第２の歩行者７４１０を含む第２の歩行者シナリオ及び第３の歩行者７４２０を含む第３の歩行者シナリオを実質的に同時に検出又は識別し、第３の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化することと実質的に同時に第２の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化してもよい。
別の例では、自律走行車動作管理コントローラは、第２の歩行者７４１０に関する第１の予測経路７５３０を含む第２の歩行者シナリオ及び第２の歩行者７４１０に関する第２の予測経路７５３２を含む第５の歩行者シナリオを実質的に同時に検出又は識別し、第５の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化することと実質的に同時に第２の歩行者シナリオに対応する歩行者シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、以前にインスタンス化された又は動作しているシナリオ固有の動作制御評価モジュールインスタンスに新しい又は更新された動作環境情報等の動作環境情報を送信し又は他のやり方で利用可能にしてもよい。
シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化し又は更新することは、例えば、動作環境情報又はその一部を各シナリオ固有の動作制御評価モジュールインスタンスに送信すること又は各シナリオ固有の動作制御評価モジュールインスタンスによってアクセスするために動作環境情報又はその一部を記憶することによって、各シナリオ固有の動作制御評価モジュールインスタンスにセンサ情報又は可用性確率等の動作環境情報又はその一部を提供することを含んでもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、各歩行者シナリオ固有の動作制御評価モジュールインスタンスは、各自律走行車動作制御シナリオに対応する動作環境情報を受信し又は他のやり方でそれにアクセスしてもよい。例えば、第１の時間的位置に従って、第１の歩行者シナリオ固有の動作制御評価モジュールインスタンスは、第１の歩行者シナリオに対応する動作環境情報を受信してもよく、これは第１の歩行者７４００に関する予測経路７５２０と自律走行車７１００に関する予測経路７５００又は経路７５１０との間の収束点に近接している車両交通ネットワークのエリア又は部分に関する可用性確率情報を含んでもよい。
歩行者シナリオ固有の動作制御評価モジュールは、自律走行車７１００に関する時空間位置、各歩行者７４００、７４１０、７４２０、７４３０に関する時空間位置、及び対応するブロック確率を表す状態等を含むように歩行者シナリオをモデル化してもよい。歩行者シナリオ固有の動作制御評価モジュールは、「停止」（又は「待機」）、「前進」、及び「続行」等のアクションを含むように歩行者シナリオをモデル化してもよい。歩行者シナリオ固有の動作制御評価モジュールは、各歩行者に関連付けられる予測経路を横断すること等により、各歩行者が自律走行車の予測経路に侵入する確率を表す状態遷移確率を含むように歩行者シナリオをモデル化してもよい。状態遷移確率は、動作環境情報に基づいて決定されてもよい。歩行者シナリオ固有の動作制御評価モジュールは、交通制御規制に違反することに対して負の値の報酬を含みかつ歩行者シナリオを完了することに対して正の値の報酬を含むように歩行者シナリオをモデル化してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、インスタンス化された各歩行者シナリオ固有の動作制御評価モジュールインスタンスが、モデル化された各シナリオ及び対応する動作環境情報に基づいて、「停止」、「前進」、又は「続行」等の各候補車両制御アクションを生成してもよく、例えば、各候補車両制御アクションを自律走行車動作管理コントローラに送信すること又は自律走行車動作管理コントローラによってアクセスされる各候補車両制御アクションを記憶することにより、各候補車両制御アクションを自律走行車動作管理コントローラに出力してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、インスタンス化された各歩行者シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信してもよく、対応する時間的位置において自律走行車７１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクションを識別してもよく、識別された車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車を制御してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、検出された車両動作シナリオの１つ以上が満了したかどうかを決定してもよく、車両動作シナリオが満了していることに応答して、対応する歩行者シナリオ固有の動作制御評価モジュールインスタンスを非インスタンス化してもよい。
図８は、本開示の実施形態による交差点シナリオを含む交差点シーン８０００の例の図である。図５に示された自律走行車動作管理５０００等の自律走行車動作管理は、図１に示された車両１０００等の自律走行車８１００、図２に示された車両２１００／２１１０の１つ、半自律走行車、又は、交差点を含む車両交通ネットワークの一部を横断する自律走行車８１００を含む自律走行車動作制御シナリオのモデルであり得る、図４に示された交差点シナリオ固有の動作制御評価モジュール４４２０等の交差点シナリオ固有の動作制御評価モジュールのインスタンスであり得る交差点シナリオ固有の動作制御評価モジュールインスタンスを含む、図４に示された自律走行車動作管理４０００等の自律走行車動作管理システムを動作させる、任意の他の車両実装自律運転を含んでもよい。簡潔及び明確のため、図８に示される交差点シーン８０００に対応する車両交通ネットワークの部分は、上側が北で右側が東の方位である。
図８に示される交差点シーン８０００に対応する車両交通ネットワークの部分は、第１の道路８２００を西から東に横断する自律走行車８１００が第２の道路８２２０との交差点８２１０に接近していることを含む。自律走行車８１００に関する予測経路８１１０は、自律走行車８１００が交差点８２１０を直進し得ることを示す。破線を使用して示される自律走行車８１００に関する第１の代替予測経路８１２０は、自律走行車８１００が第１の道路８２００から第２の道路８２２０へと右折することにより交差点８２１０を横断し得ることを示す。破線を使用して示される自律走行車８１００に関する第２の代替予測経路８１３０は、自律走行車８１００が第１の道路８２００から第２の道路８２２０へと左折することにより交差点８２１０を横断し得ることを示す。
第１の遠隔車両８３００が、第２の道路８２２０の第１の南行き車線に沿って南進しながら交差点８２１０に接近していることが示されている。第２の遠隔車両８３１０が、第２の道路８２２０の第１の北行き車線に沿って北進しながら交差点８２１０に接近していることが示されている。第３の遠隔車両８３２０が、第２の道路８２２０の第２の北行き車線に沿って北進しながら交差点８２１０に接近していることが示されている。第４の遠隔車両８３３０が、第２の道路８２２０の第１の北行き車線に沿って北進しながら交差点８２１０に接近していることが示されている。
自律走行車動作管理システムは、図４に示された自律走行車動作管理コントローラ４１００等の自律走行車動作管理コントローラ又は図５に示された実行器５１００、及び図４に示されたブロックモニタ４２００又は図５に示されたブロックモニタ５２００等のブロックモニタを含んでもよい。自律走行車８１００は、１つ以上のセンサ、１つ以上の動作環境モニタ又はこれらの組み合わせを含んでもよい。
いくつかの実施形態では、自律走行車動作管理システムは、例えば、時間的位置のシーケンスにおける各時間的位置において、周期的に又は連続的に動作してもよい。簡潔及び明確のため、自律走行車８１００、第１の遠隔車両８３００、第２の遠隔車両８３１０、第３の遠隔車両８３２０及び第４の遠隔車両８３３０の地理空間的位置は、時間的位置のシーケンスの中から第１の時間的に最先の時間的位置に従って示されている。簡潔及び明確のため時間的位置のシーケンスを参照して記載されているが、自律走行車動作管理システムの各装置は、任意の周波数で動作してもよく、各装置の動作は、同期又は非同期化されてもよく、動作は、１つ以上の時間的位置の１つ以上の部分と同時に行われてもよい。簡潔及び明確のため、本明細書に記載の複数の時間的位置間の時間的位置等の１つ以上の時間的位置の各記述は、本開示から省略されてもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車８１００のセンサは、自律走行車８１００の動作環境に対応する情報、例えば、１以上の遠隔車両８３００、８３１０、８３２０、８３３０に対応する情報を検出してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理システムは、自律走行車８１００に関する予測経路８１１０、８１２０、８１３０、自律走行車８１００に関する経路（図示せず）又は両方を識別してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車８１００の動作環境モニタは、例えば、遠隔車両８３００、８３１０、８３２０、８３３０に対応するセンサ情報を受信することに応答して、自律走行車８１００の動作環境又はその側面を表す動作環境情報を識別又は生成してもよく、これは遠隔車両８３００、８３１０、８３２０、８３３０とセンサ情報を関連付けることを含んでもよく、自律走行車動作管理コントローラに遠隔車両８３００、８３１０、８３２０、８３３０を表す情報を含み得る動作環境情報を出力してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、ブロックモニタは、車両交通ネットワークの１つ以上のエリア又は部分に関する各可用性確率を示す可用性確率情報を生成してもよい。例えば、ブロックモニタは、第１の遠隔車両８３００に関する１つ以上の可能な予測経路８４００、８４０２、第２の遠隔車両８３１０に関する１つ以上の可能な予測経路８４１０、８４１２、第８４００の遠隔車両８３２０に関する１つ以上の可能な予測経路８４２０、８４２２、及び第４の遠隔車両８３３０に関する予測経路８４３０を決定してもよい。ブロックモニタは、自律走行車８１００に関する予測経路８１１０、自律走行車８１００に関する第１の代替予測経路８１２０、又は自律走行車８１００に関する第２の代替予測経路８１３０の１つ以上に対応する車両交通ネットワークの１つ以上のエリア又は部分に関する各可用性確率を示す可用性確率情報を生成してもよい。
いくつかの実施形態では、可用性確率情報を生成することは、時間的位置のシーケンスから複数の時間的位置に対応する車両交通ネットワークの各エリア又は部分に関する可用性確率を生成することを含んでもよい。ブロックモニタは、自律走行車動作管理コントローラに又はそれによってアクセスするために可用性確率情報を出力してもよい。
各時間的位置等の１つ以上の時間的位置において、自律走行車動作管理コントローラは、動作環境情報を生成し、又は以前に生成された動作環境情報を更新してもよく、これは動作環境情報又はその一部を受信することを含んでもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、動作環境情報によって表される動作環境等の１つ以上の個別の車両動作シナリオを検出又は識別してもよく、これは動作環境モニタによって出力される動作環境情報、ブロックモニタによって出力される可用性確率情報、又はこれらの組み合わせを含んでもよい。例えば、自律走行車動作管理コントローラは、第１の遠隔車両８３００を含む第１の交差点シナリオ、第２の遠隔車両８３１０を含む第２の交差点シナリオ、第３の遠隔車両８３２０を含む第３の交差点シナリオ、及び第４の遠隔車両８３３０を含む第４の交差点シナリオの１つ以上を検出又は識別してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、１つ以上の以前に未検出の車両動作シナリオを検出してもよい。例えば、第１の時間的位置に従って、自律走行車動作管理コントローラは、第１の交差点シナリオを検出し、第１の時間的位置の後の時間的位置等の時間的位置のシーケンスから第２の時間的位置に従って、自律走行車動作管理コントローラは、第２の交差点シナリオを検出してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、第１の交差点シナリオ、第２の交差点シナリオ、第３の交差点シナリオ、又は第４の交差点シナリオの１つ以上を検出又は識別することに応答して、１つ以上の交差点シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化してもよい。
いくつかの実施形態では、自律走行車動作管理コントローラは、実質的に同時に１つ以上の交差点シナリオを検出又は識別してもよい。例えば、自律走行車動作管理コントローラは、第２の交差点シナリオ及び第３の交差点シナリオを実質的に同時に検出又は識別してもよい。
いくつかの実施形態では、自律走行車動作管理コントローラは、各交差点シナリオ固有の動作制御評価モジュールの２つ以上の各インスタンスを実質的に同時にインスタンス化してもよい。例えば、自律走行車動作管理コントローラは、第２の交差点シナリオ及び第３の交差点シナリオを実質的に同時に検出又は識別し、第３の交差点シナリオに対応する交差点シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化することと実質的に同時に第２の交差点シナリオに対応する交差点シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化してもよい。
別の例では、自律走行車動作管理コントローラは、第１の遠隔車両８３００に関する第１の予測経路８４００を含む第２の交差点シナリオ及び第１の遠隔車両８３００に関する第２の予測経路８４０２を含む第５の交差点シナリオを実質的に同時に検出又は識別し、第５の交差点シナリオに対応する交差点シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化することと実質的に同時に第２の交差点シナリオに対応する交差点シナリオ固有の動作制御評価モジュールのインスタンスをインスタンス化してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、以前にインスタンス化された又は動作しているシナリオ固有の動作制御評価モジュールインスタンスに新しい又は更新された動作環境情報等の動作環境情報を送信し又は他のやり方で利用可能にしてもよい。
シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化し又は更新することは、例えば、動作環境情報又はその一部を各シナリオ固有の動作制御評価モジュールインスタンスに送信すること又は各シナリオ固有の動作制御評価モジュールインスタンスによってアクセスするために動作環境情報又はその一部を記憶することによって、各シナリオ固有の動作制御評価モジュールインスタンスにセンサ情報又は可用性確率等の動作環境情報又はその一部を提供することを含んでもよい。
いくつかの実施形態では、動作環境情報は、地理空間的位置情報、速度情報、加速度情報、未決情報、優先度情報又はこれらの組み合わせ等の自律走行車８１００に関する動作情報、及び地理空間的位置情報、速度情報、加速度情報、未決情報、優先度情報又はこれらの組み合わせ等の遠隔車両８３００、８３１０、８３２０、８３３０の１つ以上に関する動作情報を示してもよい。未決情報は、各車両が交差点で静止していた期間等、各車両及び各地理的位置に対応する一時期間を示してもよい。優先度情報は、交差点シーン８０００において他の車両に対して各車両に対応する優先通行権を示してもよい。
交差点シナリオ固有の動作制御評価モジュールは、自律走行車８１００に関する時空間位置、各遠隔車両８３００、８３１０、８３２０、８３３０に関する時空間位置、未決情報、優先度情報、及び対応するブロック確率を表す状態等を含むように交差点シナリオをモデル化してもよい。交差点シナリオ固有の動作制御評価モジュールは、「停止」（又は「待機」）、「前進」、及び「続行」等のアクションを含むように交差点シナリオをモデル化してもよい。交差点シナリオ固有の動作制御評価モジュールは、各交差点に関連付けられる予測経路を横断すること等により、各交差点が自律走行車の予測経路に侵入する確率を表す状態遷移確率を含むように交差点シナリオをモデル化してもよい。状態遷移確率は、動作環境情報に基づいて決定されてもよい。交差点シナリオ固有の動作制御評価モジュールは、交通制御規制に違反することに対して負の値の報酬を含み、かつ交差点シナリオを完了することに対して正の値の報酬を含むように交差点シナリオをモデル化してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、各交差点シナリオ固有の動作制御評価モジュールインスタンスは、各交差点シナリオに対応する動作環境情報を受信し又は他のやり方でそれにアクセスしてもよい。例えば、第１の時間的位置に従って、第１の交差点シナリオ固有の動作制御評価モジュールインスタンスは、第１の交差点シナリオに対応する動作環境情報を受信してもよく、これは遠隔車両８３００に関する第１の予測経路８４００と自律走行車８１００に関する予測経路８１１０との間の収束点に近接している車両交通ネットワークのエリア又は部分に関する可用性確率情報を含んでもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、インスタンス化された各交差点シナリオ固有の動作制御評価モジュールインスタンスが、モデル化された各シナリオ及び対応する動作環境情報に基づいて、「停止」、「前進」、又は「続行」等の各候補車両制御アクションを生成してもよく、例えば、各候補車両制御アクションを自律走行車動作管理コントローラに送信すること又は自律走行車動作管理コントローラによってアクセスされる各候補車両制御アクションを記憶することにより、各候補車両制御アクションを自律走行車動作管理コントローラに出力してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、インスタンス化された各交差点シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信してもよく、対応する時間的位置において自律走行車８１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクションを識別してもよく、識別された車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車８１００を制御してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、検出された交差点シナリオの１つ以上が満了したかどうかを決定してもよく、交差点シナリオが満了していることに応答して、対応する交差点シナリオ固有の動作制御評価モジュールインスタンスを非インスタンス化してもよい。
図９は、本開示の実施形態による車線変更シナリオを含む車線変更シーン９０００の例の図である。図５に示された自律走行車動作管理５０００等の自律走行車動作管理は、図１に示された車両１０００等の自律走行車９１００、図２に示された車両２１００／２１１０の１つ、半自律走行車、又は、車線変更を行うことにより車両交通ネットワークの一部を横断する自律走行車９１００を含む自律走行車動作制御シナリオのモデルであり得る、図４に示された車線変更シナリオ固有の動作制御評価モジュール４４３０等の車線変更シナリオ固有の動作制御評価モジュールのインスタンスであり得る車線変更シナリオ固有の動作制御評価モジュールインスタンスを含む、図４に示された自律走行車動作管理４０００等の自律走行車動作管理システムを動作させる、任意の他の車両実装自律運転を含んでもよい。簡潔及び明確のため、図９に示される車線変更シーン９０００に対応する車両交通ネットワークの部分は、上側が北で右側が東の方位である。
図９に示される車線変更シーン９０００に対応する車両交通ネットワークの部分は、第１の道路９２００に沿って北進する自律走行車９１００を含む。第１の道路９２００は、東側北行き車線９２１０及び西側北行き車線９２２０を含む。自律走行車９１００に関する現在の予測経路９１１０は、自律走行車９１００が東側北行き車線９２１０で北進していることを示す。破線を使用して示される自律走行車９１００に関する代替予測経路９１２０は、東側北行き車線９２１０から西側北行き車線９２２０に車線変更を行うことにより車両交通ネットワークを横断し得ることを示す。
第１の遠隔車両９３００は、自律走行車９１００の前方（北）で東側北行き車線９２１０に沿って北進していることが示されている。第２の遠隔車両９４００は、自律走行車９１００の後方（南）で西側北行き車線９２２０に沿って北進していることが示されている。
自律走行車動作管理システムは、図４に示された自律走行車動作管理コントローラ４１００等の自律走行車動作管理コントローラ又は図５に示された実行器５１００、及び図４に示されたブロックモニタ４２００又は図５に示されたブロックモニタ５２００等のブロックモニタを含んでもよい。自律走行車９１００は、１つ以上のセンサ、１つ以上の動作環境モニタ又はこれらの組み合わせを含んでもよい。
いくつかの実施形態では、自律走行車動作管理システムは、例えば、時間的位置のシーケンスにおける各時間的位置において、周期的に又は連続的に動作してもよい。簡潔及び明確のため、自律走行車９１００、第１の遠隔車両９３００及び第２の遠隔車両９４００の地理空間的位置は、時間的位置のシーケンスの中から第１の時間的に最先の時間的位置に従って示されている。簡潔及び明確のため時間的位置のシーケンスを参照して記載されているが、自律走行車動作管理システムの各装置は、任意の周波数で動作してもよく、各装置の動作は、同期又は非同期化されてもよく、動作は、１つ以上の時間的位置の１つ以上の部分と同時に行われてもよい。簡潔及び明確のため、本明細書に記載の複数の時間的位置間の時間的位置等の１つ以上の時間的位置の各記述は、本開示から省略されてもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車９１００のセンサは、自律走行車９１００の動作環境に対応する情報、例えば、１以上の遠隔車両９３００、９４００に対応する情報を検出してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理システムは、自律走行車９１００に関する予測経路９１１０、９１２０、自律走行車９１００に関する経路（図示せず）又は両方を識別してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車９１００の動作環境モニタは、例えば、遠隔車両９３００、９４００に対応するセンサ情報を受信することに応答して、自律走行車９１００の動作環境又はその側面を表す動作環境情報を識別又は生成してもよく、これは遠隔車両９３００、９４００とセンサ情報を関連付けることを含んでもよく、自律走行車動作管理コントローラに遠隔車両９３００、９４００を表す情報を含み得る動作環境情報を出力してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、ブロックモニタは、車両交通ネットワークの１つ以上のエリア又は部分に関する各可用性確率を示す可用性確率情報を生成してもよい。例えば、ブロックモニタは、第１の遠隔車両９３００に関する１つ以上の可能な予測経路９３１０、９３２０、及び第２の遠隔車両９４００に関する１つ以上の可能な予測経路９４１０、９４２０を決定してもよい。第１の遠隔車両９３００に関する第１の可能な予測経路９３１０は、第１の遠隔車両９３００が東側北行き車線９２１０における車両交通ネットワークの対応部分を横断することを示す。第１の遠隔車両９３００に関して破線を使用して示された第２の可能な予測経路９３２０は、第１の遠隔車両９３００が西側北行き車線９２２０への車線変更を行って車両交通ネットワークの対応部分を横断することを示す。第２の遠隔車両９４００に関する第１の可能な予測経路９４１０は、第２の遠隔車両９４００が西側北行き車線９２２０における車両交通ネットワークの対応部分を横断することを示す。第２の遠隔車両９４００に関して破線を使用して示される第２の可能な予測経路９４２０は、第２の遠隔車両９４００が東側北行き車線９２１０への車線変更を行って車両交通ネットワークの対応部分を横断することを示す。
ブロックモニタは、自律走行車９１００に関する予測経路９１１０、又は自律走行車９１００に関する代替予測経路９１２０の１つ以上に対応する車両交通ネットワークの１つ以上のエリア又は部分に関する各可用性確率を示す可用性確率情報を生成してもよい。
いくつかの実施形態では、可用性確率情報を生成することは、時間的位置のシーケンスから複数の時間的位置に対応する車両交通ネットワークの各エリア又は部分に関する可用性確率を生成することを含んでもよい。ブロックモニタは、自律走行車動作管理コントローラに又はそれによってアクセスするために可用性確率情報を出力してもよい。
各時間的位置等の１つ以上の時間的位置において、自律走行車動作管理コントローラは、動作環境情報を生成し、又は以前に生成された動作環境情報を更新してもよく、これは動作環境情報又はその一部を受信することを含んでもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、動作環境情報によって表される動作環境等の１つ以上の個別の車両動作シナリオを検出又は識別してもよく、これは動作環境モニタによって出力される動作環境情報、ブロックモニタによって出力される可用性確率情報、又はこれらの組み合わせを含んでもよい。例えば、自律走行車動作管理コントローラは、第１の遠隔車両９３００を含む第１の車線変更シナリオ、第２の遠隔車両９４００を含む第２の車線変更シナリオの１つ以上を検出又は識別してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、第１の車線変更シナリオ又は第２の車線変更の１つ以上を検出又は識別することに応答して、１つ以上の交差点シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、以前にインスタンス化された又は動作しているシナリオ固有の動作制御評価モジュールインスタンスに新しい又は更新された動作環境情報等の動作環境情報を送信し又は他のやり方で利用可能にしてもよい。
シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化し又は更新することは、例えば、動作環境情報又はその一部を各シナリオ固有の動作制御評価モジュールインスタンスに送信すること又は各シナリオ固有の動作制御評価モジュールインスタンスによってアクセスするために動作環境情報又はその一部を記憶することによって、各シナリオ固有の動作制御評価モジュールインスタンスにセンサ情報又は可用性確率等の動作環境情報又はその一部を提供することを含んでもよい。
いくつかの実施形態では、動作環境情報は、地理空間的位置情報、速度情報、加速度情報、優先度情報又はこれらの組み合わせ等の自律走行車９１００に関する動作情報、及び地理空間的位置情報、速度情報、加速度情報、優先度情報又はこれらの組み合わせ等の遠隔車両９３００、９４００の１つ以上に関する動作情報を示してもよい。
車線変更シナリオ固有の動作制御評価モジュールは、自律走行車９１００に関する時空間位置、各遠隔車両９３００、９４００に関する時空間位置、及び対応するブロック確率を表す状態等を含むように車線変更シナリオをモデル化してもよい。車線変更シナリオ固有の動作制御評価モジュールは、「維持」、「加速」、「減速」、及び「続行」（車線変更）等のアクションを含むように車線変更シナリオをモデル化してもよい。車線変更シナリオ固有の動作制御評価モジュールは、各遠隔車両９３００、９４００が自律走行車９１００の予測経路９１１０、９１２０に侵入する確率を表す状態遷移確率を含むように車線変更シナリオをモデル化してもよい。例えば、遠隔車両９３００は、自律走行車９１００の速度よりも低速で第１の遠隔車両９３００に関する代替予測経路９３２０を横断することにより自律走行車９１００の代替予測経路９１２０に侵入してもよい。別の例では、第２の遠隔車両９４００は、自律走行車９１００の速度よりも高速で第２の遠隔車両９４００に関する予測経路９４１０を横断することにより自律走行車９１００の代替予測経路９１２０に侵入してもよい。状態遷移確率は、動作環境情報に基づいて決定されてもよい。車線変更シナリオ固有の動作制御評価モジュールは、交通制御規制に違反することに対して負の値の報酬を含み、かつ車線変更シナリオを完了することに対して正の値の報酬を含むように車線変更シナリオをモデル化してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、各車線変更シナリオ固有の動作制御評価モジュールインスタンスは、各車線変更シナリオに対応する動作環境情報を受信し又は他のやり方でそれにアクセスしてもよい。例えば、第２の車線変更シナリオ固有の動作制御評価モジュールインスタンスは、第２の車線変更シナリオに対応する動作環境情報を受信してもよく、これは第２の遠隔車両９４００に関する第２の予測経路９４１０と自律走行車９１００に関する代替予測経路９１２０との間の収束点に近接している車両交通ネットワークのエリア又は部分に関する可用性確率情報を含んでもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、インスタンス化された各車線変更シナリオ固有の動作制御評価モジュールインスタンスが、モデル化された各シナリオ及び対応する動作環境情報に基づいて、「維持」、「加速」、「減速」、又は「続行」等の各候補車両制御アクションを生成してもよく、例えば、各候補車両制御アクションを自律走行車動作管理コントローラに送信すること又は自律走行車動作管理コントローラによってアクセスされる各候補車両制御アクションを記憶することにより、各候補車両制御アクションを自律走行車動作管理コントローラに出力してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、インスタンス化された各車線変更シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信してもよく、対応する時間的位置において自律走行車９１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクションを識別してもよく、識別された車両制御アクションに従って、車両交通ネットワーク又はその一部を横断するように自律走行車９１００を制御してもよい。
１つ以上の時間的位置において、例えば、各時間的位置において、自律走行車動作管理コントローラは、検出された車線変更シナリオの１つ以上が満了したかどうかを決定してもよく、車線変更シナリオが満了していることに応答して、対応する車線変更シナリオ固有の動作制御評価モジュールインスタンスを非インスタンス化してもよい。
上記の態様、例示及び実装は、本開示の理解を容易にするために記載されており、限定するものではない。対照的に、本開示は、添付の特許請求の範囲内に含まれる様々な修正及び等価な構成を包含しており、特許請求の範囲は、法的に認められている全てのこのような修正及び均等構造を包含するように最も広く解釈されるべきである。

Claims (16)

  1. 車両交通ネットワークの横断に使用される方法であって、
    前記方法は、自律走行車によって、車両交通ネットワークを横断するステップを含み、
    前記車両交通ネットワークを横断することは、
    シナリオ固有の動作制御評価モジュールインスタンスを動作させることであって、前記シナリオ固有の動作制御評価モジュールインスタンスは、前記シナリオ固有の動作制御評価モジュールのインスタンスであり、前記シナリオ固有の動作制御評価モジュールは、部分観測マルコフ決定過程を実装すること、
    前記シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信すること、及び
    前記候補車両制御アクションに基づいて、前記車両交通ネットワークの一部を横断すること
    を含み、
    前記シナリオ固有の動作制御評価モジュールインスタンスを動作させることは、前記シナリオ固有の動作制御評価モジュールインスタンスによって、個別の車両動作シナリオをモデル化することを含み、
    前記個別の車両動作制御シナリオをモデル化することは、
    ブロックモニタインスタンスから、前記車両交通ネットワークの前記一部に関する可用性確率を受信すること、及び
    前記可用性確率に基づいて、前記個別の車両動作制御シナリオをモデル化すること
    を含む、方法。
  2. 前記車両交通ネットワークの前記一部を横断することは、識別された経路に従って前記車両交通ネットワークの前記一部を横断することを含む、請求項１に記載の方法。
  3. 前記シナリオ固有の動作制御評価モジュールインスタンスは、前記自律走行車から定義された地理空間的距離内の外部オブジェクトに関連付けられる、請求項１に記載の方法。
  4. 前記シナリオ固有の動作制御評価モジュールインスタンスは、複数のシナリオ固有の動作制御評価モジュールの中の１つのシナリオ固有の動作制御評価モジュールのインスタンスであり、
    前記複数のシナリオ固有の動作制御評価モジュールの中の各シナリオ固有の動作制御評価モジュールは、個別の車両動作シナリオをモデル化する、請求項１に記載の方法。
  5. 前記候補車両制御アクションに基づいて前記車両交通ネットワークの前記一部を横断することは、複数の候補車両制御アクションの中の１つの車両制御アクションを識別すること、及び前記車両制御アクションに基づいて、前記車両交通ネットワークの前記一部を横断することを含み、
    前記車両交通ネットワークを横断することは、
    前記複数の候補車両制御アクションの中に前記候補車両制御アクションを含めること、
    前記シナリオ固有の動作制御評価モジュールインスタンスを動作させることと同時に、第２のシナリオ固有の動作制御評価モジュールインスタンスを動作させることであって、前記第２のシナリオ固有の動作制御評価モジュールインスタンスは、第２のシナリオ固有の動作制御評価モジュールのインスタンスであり、前記第２のシナリオ固有の動作制御評価モジュールは、部分観測マルコフ決定過程モデルを実装すること、
    前記第２のシナリオ固有の動作制御評価モジュールインスタンスから第２の候補車両制御アクションを受信すること、及び
    前記複数の候補車両制御アクションの中に前記第２の候補車両制御アクションを含めること
    を含む、請求項１に記載の方法。
  6. 車両交通ネットワークの横断に使用される方法であって、
    前記方法は、自律走行車によって、車両交通ネットワークを横断するステップを含み、
    前記車両交通ネットワークを横断することは、
    シナリオ固有の動作制御評価モジュールインスタンスを動作させることであって、前記シナリオ固有の動作制御評価モジュールインスタンスは、前記シナリオ固有の動作制御評価モジュールのインスタンスであり、前記シナリオ固有の動作制御評価モジュールは、部分観測マルコフ決定過程を実装すること、
    前記シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信すること、及び
    前記候補車両制御アクションに基づいて、前記車両交通ネットワークの一部を横断すること
    を含み、
    前記シナリオ固有の動作制御評価モジュールインスタンスを動作させることは、前記シナリオ固有の動作制御評価モジュールインスタンスによって、個別の車両動作シナリオをモデル化することを含み、
    前記個別の車両動作シナリオをモデル化することは、センサ不確実性をモデル化することを含む、方法。
  7. 前記個別の車両動作制御シナリオをモデル化することは、
    前記自律走行車のセンサからセンサ情報を受信すること、及び
    前記センサ情報に基づいて、前記個別の車両動作制御シナリオをモデル化すること
    を含む、請求項６に記載の方法。
  8. 前記センサ情報を受信することは、
    前記自律走行車のセンサ情報処理装置から処理されたセンサ情報を受信することであって、前記センサ情報処理装置は、前記自律走行車の前記センサから前記センサ情報を受信し、前記センサ情報に基づいて、前記処理されたセンサ情報を生成すること
    を含む、請求項７に記載の方法。
  9. 前記個別の車両動作制御シナリオをモデル化することは、
    前記車両交通ネットワークを表す車両交通ネットワーク情報を受信すること、及び
    前記センサ情報及び前記車両交通ネットワーク情報に基づいて、前記個別の車両動作制御シナリオをモデル化すること
    を含む、請求項７に記載の方法。
  10. 前記個別の車両動作制御シナリオをモデル化することは、
    複数の状態を識別すること、
    複数の車両制御アクションを識別すること、
    複数の条件遷移確率を識別することであって、前記複数の条件遷移確率の中の各条件遷移確率は、前記複数の状態の中の第１の各状態から前記複数の状態の中の第２の各状態へ遷移する確率を表すこと、
    報酬関数を識別することであって、前記報酬関数は、前記複数の状態の中の第１の各状態から前記複数の状態の中の第２の各状態へ遷移することに対応する報酬を生成すること、
    複数の観測結果を識別することであって、前記可用性確率は、前記複数の観測結果の１つであり、センサ情報は、１つ以上の観測結果の確率を含むこと、
    複数の条件観測確率を識別することであって、前記複数の条件観測確率の中の各条件観測確率は、前記複数の観測結果の中の各観測結果に関する正確さの確率を示すこと
    を含む、請求項１に記載の方法。
  11. 前記複数の状態は、
    前記自律走行車の現在の地理空間的位置の指示、
    前記自律走行車の運動状態の指示、
    前記現在の地理空間的位置における前記自律走行車の一時期間の指示、
    外部オブジェクトの現在の地理空間的位置の指示、
    前記外部オブジェクトの運動状態の指示、
    前記外部オブジェクトに対応する可用性確率の指示、又は
    前記外部オブジェクトに対する前記自律走行車に関する優先度の指示
    の１つ以上を含む、請求項１０に記載の方法。
  12. 前記複数の車両制御アクションは、
    停止車両制御アクション、
    待機車両制御アクション、
    加速車両制御アクション
    減速車両制御アクション、
    前進車両制御アクション、又は
    続行車両制御アクション
    の１つ以上を含む、請求項１０に記載の方法。
  13. 前記複数の状態の中の前記第１の各状態から前記複数の状態の中の前記第２の各状態へ遷移することが車両交通ネットワーク規則に違反することを含む場合に、前記報酬関数はペナルティを生成する、請求項１０に記載の方法。
  14. 前記部分観測マルコフ決定過程を実装する前記シナリオ固有の動作制御評価モジュールが利用不可能である場合に、前記車両交通ネットワークを横断することは、
    マルコフ決定過程を実装するシナリオ固有の動作制御評価モジュールのインスタンスであるシナリオ固有の動作制御評価モジュールインスタンスを動作させること
    を含む、請求項１０に記載の方法。
  15. 前記マルコフ決定過程を実装する前記シナリオ固有の動作制御評価モジュールの前記インスタンスである前記シナリオ固有の動作制御評価モジュールインスタンスを動作させることは、
    前記シナリオ固有の動作制御評価モジュールを生成すること、
    前記シナリオ固有の動作制御評価モジュールを解決すること、及び
    前記シナリオ固有の動作制御評価モジュールインスタンスをインスタンス化すること
    を含む、請求項１４に記載の方法。
  16. プロセッサを備え、前記プロセッサは、非一時的なコンピュータ可読媒体に記憶されている命令を実行して、
    シナリオ固有の動作制御評価モジュールインスタンスを動作させることであって、前記シナリオ固有の動作制御評価モジュールインスタンスは、前記シナリオ固有の動作制御評価モジュールのインスタンスであり、前記シナリオ固有の動作制御評価モジュールは、部分観測マルコフ決定過程モデルを実装すること、
    前記シナリオ固有の動作制御評価モジュールインスタンスから候補車両制御アクションを受信すること、
    前記候補車両制御アクションに基づいて、車両交通ネットワークの一部を横断するように自律走行車を制御すること、
    個別の車両動作制御シナリオに関する複数の状態を識別すること、
    前記個別の車両動作制御シナリオに関する複数の車両制御アクションを識別すること、
    複数の条件遷移確率を識別することであって、前記複数の条件遷移確率の中の各条件遷移確率は、前記複数の状態の中の第１の各状態から前記複数の状態の中の第２の各状態へ遷移する確率を表すこと、
    報酬関数を識別することであって、前記報酬関数は、前記複数の状態の中の第１の各状態から前記複数の状態の中の第２の各状態へ遷移することに対応する報酬を生成すること、
    複数の観測結果を識別することであって、前記複数の観測結果の中の各観測結果は、前記複数の状態の中の各状態に対応すること、及び
    複数の条件観測確率を識別することであって、前記複数の条件観測確率の中の各条件観測確率は、前記複数の観測結果の中の各観測結果に関する正確さの確率を示すこと
    を行うように構成される、自律走行車。
JP2019543020A 2017-02-10 2017-02-10 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理 Active JP6890757B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2017/017527 WO2018147874A1 (en) 2017-02-10 2017-02-10 Autonomous vehicle operational management including operating a partially observable markov decision process model instance

Publications (2)

Publication Number Publication Date
JP2020510570A JP2020510570A (ja) 2020-04-09
JP6890757B2 true JP6890757B2 (ja) 2021-06-18

Family

ID=63106953

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019543020A Active JP6890757B2 (ja) 2017-02-10 2017-02-10 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理

Country Status (10)

Country Link
US (1) US11500380B2 (ja)
EP (1) EP3580084B1 (ja)
JP (1) JP6890757B2 (ja)
KR (1) KR102199093B1 (ja)
CN (1) CN110431037B (ja)
BR (1) BR112019016268B1 (ja)
CA (1) CA3052954C (ja)
MX (1) MX2019009397A (ja)
RU (1) RU2734744C1 (ja)
WO (1) WO2018147874A1 (ja)

Families Citing this family (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6890757B2 (ja) 2017-02-10 2021-06-18 ニッサン ノース アメリカ，インク 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理
US11702070B2 (en) 2017-10-31 2023-07-18 Nissan North America, Inc. Autonomous vehicle operation with explicit occlusion reasoning
US11874120B2 (en) 2017-12-22 2024-01-16 Nissan North America, Inc. Shared autonomous vehicle operational management
JP7007183B2 (ja) * 2017-12-27 2022-01-24 日立Astemo株式会社 交通流制御装置、走行シナリオのデータ構造
US11042163B2 (en) 2018-01-07 2021-06-22 Nvidia Corporation Guiding vehicles through vehicle maneuvers using machine learning models
WO2019152888A1 (en) 2018-02-02 2019-08-08 Nvidia Corporation Safety procedure analysis for obstacle avoidance in autonomous vehicle
US11785029B2 (en) * 2018-03-05 2023-10-10 British Telecommunications Public Limited Company Vehicular network security
US11086318B1 (en) 2018-03-21 2021-08-10 Uatc, Llc Systems and methods for a scenario tagger for autonomous vehicles
US11966838B2 (en) 2018-06-19 2024-04-23 Nvidia Corporation Behavior-guided path planning in autonomous machine applications
WO2020018688A1 (en) 2018-07-20 2020-01-23 May Mobility, Inc. A multi-perspective system and method for behavioral policy selection by an autonomous agent
WO2020060478A1 (en) * 2018-09-18 2020-03-26 Sixan Pte Ltd System and method for training virtual traffic agents
US11132898B2 (en) * 2018-11-01 2021-09-28 Clearpath Robotics Inc. Systems and methods for self-driving vehicle traffic management
US10824148B2 (en) * 2018-12-14 2020-11-03 Waymo Llc Operating an autonomous vehicle according to road user reaction modeling with occlusions
WO2020138516A1 (ko) * 2018-12-24 2020-07-02 엘지전자 주식회사 통신 장치, 그것의 제어 방법 및 그것을 포함하는 통신 시스템
US11520345B2 (en) 2019-02-05 2022-12-06 Nvidia Corporation Path perception diversity and redundancy in autonomous machine applications
US10969470B2 (en) 2019-02-15 2021-04-06 May Mobility, Inc. Systems and methods for intelligently calibrating infrastructure devices using onboard sensors of an autonomous agent
US11155258B2 (en) * 2019-03-25 2021-10-26 GM Global Technology Operations LLC System and method for radar cross traffic tracking and maneuver risk estimation
US11110917B2 (en) * 2019-05-13 2021-09-07 Great Wall Motor Company Limited Method and apparatus for interaction aware traffic scene prediction
US11650067B2 (en) 2019-07-08 2023-05-16 Toyota Motor North America, Inc. System and method for reducing route time using big data
CA3147125A1 (en) * 2019-07-21 2021-01-28 Hamid Hatami-Hanza Methods and systems for state navigation
US11460856B2 (en) * 2019-09-13 2022-10-04 Honda Motor Co., Ltd. System and method for tactical behavior recognition
US11645498B2 (en) * 2019-09-25 2023-05-09 International Business Machines Corporation Semi-supervised reinforcement learning
US20200026289A1 (en) * 2019-09-28 2020-01-23 Ignacio J. Alvarez Distributed traffic safety consensus
WO2021062596A1 (en) * 2019-09-30 2021-04-08 Beijing Voyager Technology Co., Ltd. Systems and methods for predicting a vehicle trajectory
US11635758B2 (en) 2019-11-26 2023-04-25 Nissan North America, Inc. Risk aware executor with action set recommendations
US11899454B2 (en) 2019-11-26 2024-02-13 Nissan North America, Inc. Objective-based reasoning in autonomous vehicle decision-making
US11999366B2 (en) 2019-12-17 2024-06-04 Foretellix Ltd. System and methods thereof for monitoring proper behavior of an autonomous vehicle
US11613269B2 (en) 2019-12-23 2023-03-28 Nissan North America, Inc. Learning safety and human-centered constraints in autonomous vehicles
RU2750118C1 (ru) 2019-12-25 2021-06-22 Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" Способы и процессоры для управления работой беспилотного автомобиля
US11300957B2 (en) 2019-12-26 2022-04-12 Nissan North America, Inc. Multiple objective explanation and control interface design
EP4081419A4 (en) * 2019-12-27 2023-11-15 Mobileye Vision Technologies Ltd. QUANTITATIVE DRIVING ASSESSMENT AND VEHICLE SAFETY RESTRICTIONS
US11714971B2 (en) 2020-01-31 2023-08-01 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11577746B2 (en) 2020-01-31 2023-02-14 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11782438B2 (en) 2020-03-17 2023-10-10 Nissan North America, Inc. Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data
US12077190B2 (en) 2020-05-18 2024-09-03 Nvidia Corporation Efficient safety aware path selection and planning for autonomous machine applications
JP2023533225A (ja) 2020-07-01 2023-08-02 メイ モビリティー，インコーポレイテッド 自律走行車ポリシーを動的にキュレーションする方法及びシステム
JP7419209B2 (ja) * 2020-09-30 2024-01-22 株式会社日立製作所 交通管理システム
CN112141098B (zh) * 2020-09-30 2022-01-25 上海汽车集团股份有限公司 一种智能驾驶汽车避障决策方法及装置
JP7001795B1 (ja) 2020-11-13 2022-01-20 株式会社ネクスティエレクトロニクス シミュレーション用のデータ生成装置、方法及びコンピュータプログラム
CN112431148B (zh) * 2020-11-30 2022-02-01 王健 适用于智能车辆自动驾驶的定向指示道路交通设施
CN112750298B (zh) * 2020-12-17 2022-10-28 华路易云科技有限公司 一种基于smdp和drl的货车编队动态资源分配方法
KR102479484B1 (ko) * 2021-01-13 2022-12-22 부경대학교 산학협력단 비신호 교차로에서 자율주행차량의 개선된 통행을 위한 장치 및 방법
US11644335B2 (en) * 2021-03-26 2023-05-09 Gm Cruise Holdings Llc Service area coverage for autonomous vehicle fleets
EP4314708A1 (en) 2021-04-02 2024-02-07 May Mobility, Inc. Method and system for operating an autonomous agent with incomplete environmental information
CN113271338B (zh) * 2021-04-25 2022-04-12 复旦大学 一种移动增强现实场景的智能预加载方法
CN113276884B (zh) * 2021-04-28 2022-04-26 吉林大学 一种可变博弈模式的智能车交互决策通行方法及系统
KR20220150691A (ko) * 2021-05-04 2022-11-11 현대자동차주식회사 차량의 위치 보정 장치 및 그 방법
US11921506B2 (en) * 2021-05-28 2024-03-05 Nissan North America, Inc. Belief state determination for real-time decision-making
JP2024526037A (ja) * 2021-06-02 2024-07-17 メイ モビリティー，インコーポレイテッド 自律エージェントの遠隔支援のための方法及びシステム
US20230159054A1 (en) * 2021-11-24 2023-05-25 Motional Ad Llc Encoding homotopy constraints in spatio-temporal grids
US12012123B2 (en) 2021-12-01 2024-06-18 May Mobility, Inc. Method and system for impact-based operation of an autonomous agent
CN114469000B (zh) * 2022-01-27 2023-08-11 重庆邮电大学 基于多传感器数据强化学习的人体减跌防震智能监测方法及系统
WO2023154568A1 (en) 2022-02-14 2023-08-17 May Mobility, Inc. Method and system for conditional operation of an autonomous agent
CN114463997B (zh) * 2022-02-14 2023-06-16 中国科学院电工研究所 一种无信号灯交叉路口车辆协同控制方法及系统
US12116003B2 (en) 2022-06-30 2024-10-15 Nissan North America, Inc. Vehicle notification system
US12037012B2 (en) * 2022-10-14 2024-07-16 Motional Ad Llc Ensemble-based vehicle motion planner
WO2024129832A1 (en) 2022-12-13 2024-06-20 May Mobility, Inc. Method and system for assessing and mitigating risks encounterable by an autonomous vehicle

Family Cites Families (193)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8430980D0 (en) 1984-12-07 1985-01-16 Robinson M Generation of apparently three-dimensional images
JP2728170B2 (ja) 1988-10-25 1998-03-18 マツダ株式会社 移動車の走行制御装置
US5838562A (en) 1990-02-05 1998-11-17 Caterpillar Inc. System and a method for enabling a vehicle to track a preset path
US7418346B2 (en) 1997-10-22 2008-08-26 Intelligent Technologies International, Inc. Collision avoidance methods and systems
US20040068351A1 (en) 2002-04-22 2004-04-08 Neal Solomon System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles
DE10341753A1 (de) 2003-09-10 2005-04-21 Bosch Gmbh Robert Vorrichtung zur Detektion einer Annäherung an einem Fußgängerüberweg in einem Fahrzeug
US7242294B2 (en) 2003-09-17 2007-07-10 Agilent Technologies, Inc System and method for using mobile collectors for accessing a wireless sensor network
ATE511669T1 (de) 2004-01-13 2011-06-15 Renault Sas Entwurf von sicherheitskritischen systemen
DE112005003266T5 (de) 2004-12-28 2008-09-04 Kabushiki Kaisha Toyota Chuo Kenkyusho Fahrzeugbewegungssteuerungsvorrichtung
JP4591346B2 (ja) 2005-12-28 2010-12-01 アイシン・エィ・ダブリュ株式会社 車車間通信システム
US9373149B2 (en) 2006-03-17 2016-06-21 Fatdoor, Inc. Autonomous neighborhood vehicle commerce network and community
GB0613955D0 (en) * 2006-07-13 2007-01-10 Bae Systems Plc Controller
JP4254844B2 (ja) 2006-11-01 2009-04-15 トヨタ自動車株式会社 走行制御計画評価装置
JP4412337B2 (ja) 2007-03-08 2010-02-10 トヨタ自動車株式会社 周囲環境推定装置及び周囲環境推定システム
US20090088916A1 (en) 2007-09-28 2009-04-02 Honeywell International Inc. Method and system for automatic path planning and obstacle/collision avoidance of autonomous vehicles
US9103671B1 (en) 2007-11-29 2015-08-11 American Vehicular Sciences, LLC Mapping techniques using probe vehicles
US20090140887A1 (en) 2007-11-29 2009-06-04 Breed David S Mapping Techniques Using Probe Vehicles
WO2009114649A2 (en) 2008-03-12 2009-09-17 Aptima, Inc. Probabilistic decision making system and methods of use
US8244469B2 (en) 2008-03-16 2012-08-14 Irobot Corporation Collaborative engagement for target identification and tracking
JP5067217B2 (ja) 2008-03-18 2012-11-07 アイシン・エィ・ダブリュ株式会社 交通情報処理システム、統計処理装置、交通情報処理方法及び交通情報処理プログラム
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
EP2224371A1 (en) * 2009-02-27 2010-09-01 Honda Research Institute Europe GmbH Artificial vision system and method for knowledge-based selective visual analysis
EP2467290B1 (en) 2009-08-19 2014-10-08 Kelsey-Hayes Company Fail safe operational steering system for autonomous driving
JP5613398B2 (ja) 2009-10-29 2014-10-22 富士重工業株式会社 交差点運転支援装置
US8452535B2 (en) 2010-12-13 2013-05-28 GM Global Technology Operations LLC Systems and methods for precise sub-lane vehicle positioning
US20120233102A1 (en) 2011-03-11 2012-09-13 Toyota Motor Engin. & Manufact. N.A.(TEMA) Apparatus and algorithmic process for an adaptive navigation policy in partially observable environments
JP5288423B2 (ja) 2011-04-11 2013-09-11 株式会社日立製作所 データ配信システム、及びデータ配信方法
US8849483B2 (en) 2011-04-13 2014-09-30 California Institute Of Technology Target trailing with safe navigation with colregs for maritime autonomous surface vehicles
US8949018B2 (en) 2011-06-13 2015-02-03 Toyota Jidosha Kabushiki Kaisha Driving assistance device and driving assistance method
GB2494716B (en) 2011-09-15 2019-12-18 Bae Systems Plc Autonomous vehicle and task modelling
CA2849739C (en) 2011-09-22 2018-09-04 Aethon, Inc. Monitoring, diagnostic and tracking tool for autonomous mobile robots
WO2013051081A1 (ja) 2011-10-03 2013-04-11 トヨタ自動車株式会社 車両の運転支援システム
US20140309876A1 (en) 2013-04-15 2014-10-16 Flextronics Ap, Llc Universal vehicle voice command system
DE102012005245A1 (de) 2012-03-14 2012-09-20 Daimler Ag Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Überholvorgang
US20130278441A1 (en) 2012-04-24 2013-10-24 Zetta Research and Development, LLC - ForC Series Vehicle proxying
US8781669B1 (en) 2012-05-14 2014-07-15 Google Inc. Consideration of risks in active sensing for an autonomous vehicle
JP2013242761A (ja) * 2012-05-22 2013-12-05 Internatl Business Mach Corp <Ibm> マルコフ決定過程システム環境下における方策パラメータを更新するための方法、並びに、その制御器及び制御プログラム
WO2014024284A1 (ja) 2012-08-08 2014-02-13 トヨタ自動車株式会社 衝突予測装置
CN104584097B (zh) 2012-08-09 2017-04-05 丰田自动车株式会社 物体检测装置和驾驶辅助装置
US20140067483A1 (en) 2012-08-30 2014-03-06 Electronics And Telecommunications Research Institute Apparatus and method for constructing radar chart
DE102012220134A1 (de) 2012-11-06 2014-05-08 Robert Bosch Gmbh Verfahren und Informationsgerät zum Erkennen einer absichtlichen Abweichung von einer optimalen Fahrroute eines Fahrzeugs zwischen einem Startpunkt und einem Zielpunkt
US9242647B2 (en) 2013-02-06 2016-01-26 GM Global Technology Operations LLC Display systems and methods for autonomous vehicles
US10347127B2 (en) 2013-02-21 2019-07-09 Waymo Llc Driving mode adjustment
US8965597B2 (en) * 2013-02-26 2015-02-24 Ford Global Technologies, Llc Road grade auto-mapping
US9081651B2 (en) * 2013-03-13 2015-07-14 Ford Global Technologies, Llc Route navigation with optimal speed profile
CN103198302B (zh) * 2013-04-10 2015-12-02 浙江大学 一种基于双模态数据融合的道路检测方法
CN103235848B (zh) * 2013-04-15 2016-03-30 中国科学院软件研究所 一种基于简化路网模型的轻量级路网匹配方法
DE102013206746B4 (de) 2013-04-16 2016-08-11 Ford Global Technologies, Llc Verfahren und Vorrichtung zum Modifizieren der Konfiguration eines Fahrassistenzsystems eines Kraftfahrzeuges
DE102013212255A1 (de) 2013-06-26 2014-12-31 Robert Bosch Gmbh Verfahren zum Austausch von Informationen zwischen mindestens zwei Fahrzeugen
EP3038875A4 (en) 2013-08-22 2017-06-21 Intel Corporation Locality adapted computerized assisted or autonomous driving of vehicles
WO2015034923A2 (en) 2013-09-03 2015-03-12 Metrom Rail, Llc Rail vehicle signal enforcement and separation control
US9099004B2 (en) 2013-09-12 2015-08-04 Robert Bosch Gmbh Object differentiation warning system
JP6052424B2 (ja) 2013-10-11 2016-12-27 日産自動車株式会社 走行制御装置及び走行制御方法
US20150106010A1 (en) 2013-10-15 2015-04-16 Ford Global Technologies, Llc Aerial data for vehicle navigation
EP3092599B1 (en) 2013-12-04 2019-03-06 Mobileye Vision Technologies Ltd. Systems and methods for mimicking a leading vehicle
WO2015096878A1 (en) 2013-12-24 2015-07-02 Volvo Truck Corporation Method and system for driver assistance for a vehicle
US9140554B2 (en) 2014-01-24 2015-09-22 Microsoft Technology Licensing, Llc Audio navigation assistance
US9656667B2 (en) 2014-01-29 2017-05-23 Continental Automotive Systems, Inc. Method for minimizing automatic braking intrusion based on collision confidence
US9248832B2 (en) 2014-01-30 2016-02-02 Mobileye Vision Technologies Ltd. Systems and methods for detecting traffic signal details
EP2902864B1 (en) 2014-01-30 2017-05-31 Volvo Car Corporation Control arrangement for autonomously driven vehicle
EP2915718B1 (en) 2014-03-04 2018-07-11 Volvo Car Corporation Apparatus and method for continuously establishing a boundary for autonomous driving availability and an automotive vehicle comprising such an apparatus
JP6180968B2 (ja) 2014-03-10 2017-08-16 日立オートモティブシステムズ株式会社 車両制御装置
JP6147691B2 (ja) 2014-03-27 2017-06-14 株式会社デンソーアイティーラボラトリ 駐車スペース案内システム、駐車スペース案内方法、及びプログラム
CN103945486B (zh) 2014-04-02 2017-11-24 北京理工大学 基于移动节点轨迹的多目标优化数据传递方法
JP6537780B2 (ja) 2014-04-09 2019-07-03 日立オートモティブシステムズ株式会社 走行制御装置、車載用表示装置、及び走行制御システム
US10599155B1 (en) 2014-05-20 2020-03-24 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US10319039B1 (en) 2014-05-20 2019-06-11 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US9792656B1 (en) 2014-05-20 2017-10-17 State Farm Mutual Automobile Insurance Company Fault determination with autonomous feature use monitoring
US9972054B1 (en) 2014-05-20 2018-05-15 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US9404761B2 (en) * 2014-05-30 2016-08-02 Nissan North America, Inc. Autonomous vehicle lane routing and navigation
US20150345967A1 (en) 2014-06-03 2015-12-03 Nissan North America, Inc. Probabilistic autonomous vehicle routing and navigation
JP5952862B2 (ja) 2014-06-27 2016-07-13 富士重工業株式会社 車両の運転支援装置
JP6451111B2 (ja) 2014-07-10 2019-01-16 日産自動車株式会社 走行支援装置及び走行支援方法
JP6330537B2 (ja) 2014-07-14 2018-05-30 株式会社デンソー 運転支援装置
US10293816B2 (en) 2014-09-10 2019-05-21 Ford Global Technologies, Llc Automatic park and reminder system and method of use
JP6280850B2 (ja) 2014-09-29 2018-02-14 日立建機株式会社 障害物回避システム
KR101664582B1 (ko) 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
US9534910B2 (en) * 2014-12-09 2017-01-03 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to yield scenarios
US9963215B2 (en) 2014-12-15 2018-05-08 Leidos, Inc. System and method for fusion of sensor data to support autonomous maritime vessels
US9436183B2 (en) 2015-01-15 2016-09-06 Nissan North America, Inc. Associating passenger docking locations with destinations using vehicle transportation network partitioning
US9519290B2 (en) 2015-01-15 2016-12-13 Nissan North America, Inc. Associating passenger docking locations with destinations
US9625906B2 (en) 2015-01-15 2017-04-18 Nissan North America, Inc. Passenger docking location selection
JP6294247B2 (ja) 2015-01-26 2018-03-14 株式会社日立製作所 車両走行制御装置
DE102015201272A1 (de) 2015-01-26 2016-07-28 Robert Bosch Gmbh Verfahren zum Betreiben einer Regelungsvorrichtung eines Kraftfahrzeugs
WO2016121572A1 (ja) * 2015-01-30 2016-08-04 日産自動車株式会社 駐車場と目的地との関連付け
US10216196B2 (en) 2015-02-01 2019-02-26 Prosper Technology, Llc Methods to operate autonomous vehicles to pilot vehicles in groups or convoys
DE102015201878A1 (de) 2015-02-04 2016-08-04 Continental Teves Ag & Co. Ohg Halbautomatisierter Spurwechsel
EP3845427A1 (en) 2015-02-10 2021-07-07 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
US10459446B2 (en) 2015-02-12 2019-10-29 Hitachi, Ltd. Autonomous operation verification device and autonomous system
US20160260328A1 (en) 2015-03-06 2016-09-08 Qualcomm Incorporated Real-time Occupancy Mapping System for Autonomous Vehicles
US9555807B2 (en) * 2015-05-01 2017-01-31 Delphi Technologies, Inc. Automated vehicle parameter modification based on operator override
US10345809B2 (en) 2015-05-13 2019-07-09 Uber Technologies, Inc. Providing remote assistance to an autonomous vehicle
US9547309B2 (en) 2015-05-13 2017-01-17 Uber Technologies, Inc. Selecting vehicle type for providing transport
US9494439B1 (en) 2015-05-13 2016-11-15 Uber Technologies, Inc. Autonomous vehicle operated with guide assistance of human driven vehicles
JP6369390B2 (ja) 2015-05-19 2018-08-08 株式会社デンソー 車線合流判定装置
US10086699B2 (en) * 2015-06-24 2018-10-02 Nissan North America, Inc. Vehicle operation assistance information management for autonomous vehicle control operation
US9630498B2 (en) 2015-06-24 2017-04-25 Nissan North America, Inc. Vehicle operation assistance information management
US10343279B2 (en) * 2015-07-10 2019-07-09 Board Of Trustees Of Michigan State University Navigational control of robotic systems and other computer-implemented processes using developmental network with turing machine learning
MX2018000495A (es) 2015-07-21 2018-04-30 Nissan Motor Dispositivo de plan de conduccion, dispositivo de apoyo de viaje, y metodo de plan de conduccion.
US10186150B2 (en) 2015-07-21 2019-01-22 Nissan Motor Co., Ltd. Scene determination device, travel assistance apparatus, and scene determination method
US9934688B2 (en) * 2015-07-31 2018-04-03 Ford Global Technologies, Llc Vehicle trajectory determination
CN107848533B (zh) 2015-08-06 2020-07-17 本田技研工业株式会社 车辆控制装置、车辆控制方法及存储车辆控制程序的介质
US10139828B2 (en) 2015-09-24 2018-11-27 Uber Technologies, Inc. Autonomous vehicle operated with safety augmentation
US9566986B1 (en) 2015-09-25 2017-02-14 International Business Machines Corporation Controlling driving modes of self-driving vehicles
CA2999962C (en) 2015-09-30 2018-10-23 Nissan Motor Co., Ltd. Information presenting device and information presenting method
US10002471B2 (en) 2015-09-30 2018-06-19 Ants Technology (Hk) Limited Systems and methods for autonomous vehicle navigation
US9904286B2 (en) 2015-10-13 2018-02-27 Nokia Technologies Oy Method and apparatus for providing adaptive transitioning between operational modes of an autonomous vehicle
JP6344695B2 (ja) 2015-10-28 2018-06-20 本田技研工業株式会社 車両制御装置、車両制御方法、および車両制御プログラム
US9734455B2 (en) 2015-11-04 2017-08-15 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
DE102015224338B4 (de) 2015-12-04 2021-10-28 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung in einem Kraftfahrzeug zum automatisierten Fahren
US10061326B2 (en) 2015-12-09 2018-08-28 International Business Machines Corporation Mishap amelioration based on second-order sensing by a self-driving vehicle
US10126135B2 (en) 2015-12-15 2018-11-13 Nissan North America, Inc. Traffic signal timing estimation using an artificial neural network model
CN105635849B (zh) 2015-12-25 2018-06-05 网易传媒科技（北京）有限公司 多媒体文件播放时的文本显示方法和装置
EP3400419A2 (en) 2016-01-05 2018-11-14 Mobileye Vision Technologies Ltd. Trained navigational system with imposed constraints
US9913104B2 (en) 2016-01-21 2018-03-06 General Motors Llc Vehicle location services
CN105620470B (zh) 2016-01-25 2018-09-07 雷沃重工股份有限公司 一种作业车辆行偏移检测调整方法及系统
US9568915B1 (en) 2016-02-11 2017-02-14 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling autonomous or semi-autonomous vehicle
DE102016203086B4 (de) 2016-02-26 2018-06-28 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerassistenz
DE102016203723A1 (de) 2016-03-08 2017-09-14 Robert Bosch Gmbh Verfahren und System zum Bestimmen der Pose eines Fahrzeugs
US9792575B2 (en) 2016-03-11 2017-10-17 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
JP6214702B2 (ja) 2016-03-22 2017-10-18 三菱電機株式会社 移動体認識システム
US9645577B1 (en) 2016-03-23 2017-05-09 nuTonomy Inc. Facilitating vehicle driving and self-driving
US10077052B2 (en) * 2016-03-31 2018-09-18 Faraday&Future Inc. State-based operation for autonomous vehicles
US9910440B2 (en) 2016-05-13 2018-03-06 Delphi Technologies, Inc. Escape-path-planning system for an automated vehicle
JP2017207859A (ja) 2016-05-17 2017-11-24 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US9996082B2 (en) 2016-06-14 2018-06-12 The Boeing Company Autonomous vehicle re-tasking during performance of a programmed task based on detection of a task interruption scenario
US10449962B2 (en) 2016-06-23 2019-10-22 Honda Motor Co., Ltd. System and method for vehicle control using vehicular communication
US10286913B2 (en) 2016-06-23 2019-05-14 Honda Motor Co., Ltd. System and method for merge assist using vehicular communication
US9910442B2 (en) * 2016-06-28 2018-03-06 Toyota Motor Engineering & Manufacturing North America, Inc. Occluded area detection with static obstacle maps
US10137890B2 (en) 2016-06-28 2018-11-27 Toyota Motor Engineering & Manufacturing North America, Inc. Occluded obstacle classification for vehicles
US10331138B2 (en) 2016-07-05 2019-06-25 Baidu Usa Llc Standard scene-based planning control methods for operating autonomous vehicles
EP3273423B1 (en) 2016-07-21 2019-03-13 Continental Automotive GmbH Device and method for a vehicle for recognizing a pedestrian
JP6551332B2 (ja) 2016-07-26 2019-07-31 トヨタ自動車株式会社 車両の走行可能距離算出システムおよび走行可能距離算出方法
DE102016009763A1 (de) 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen
CN106428000B (zh) 2016-09-07 2018-12-21 清华大学 一种车辆速度控制装置和方法
US10093322B2 (en) 2016-09-15 2018-10-09 International Business Machines Corporation Automatically providing explanations for actions taken by a self-driving vehicle
JP6819177B2 (ja) 2016-09-21 2021-01-27 日産自動車株式会社 運転支援方法及び運転支援装置
CN106184223A (zh) 2016-09-28 2016-12-07 北京新能源汽车股份有限公司 一种自动驾驶控制方法、装置及汽车
JP2018077565A (ja) 2016-11-07 2018-05-17 本田技研工業株式会社 車両制御装置
KR101982774B1 (ko) 2016-11-29 2019-05-27 엘지전자 주식회사 자율 주행 차량
CN110050301B (zh) 2016-12-07 2021-12-03 本田技研工业株式会社 车辆控制装置
US10421459B2 (en) 2016-12-20 2019-09-24 GM Global Technology Operations LLC Contextual-assessment vehicle systems
WO2018116409A1 (ja) 2016-12-21 2018-06-28 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
EP3805889A1 (en) 2016-12-23 2021-04-14 Mobileye Vision Technologies Ltd. Navigational system monitoring host and target vehicle behaviour
US11392129B2 (en) 2016-12-27 2022-07-19 Honda Motor Co., Ltd. Vehicle control system, vehicle control method, and storage medium
US10380886B2 (en) * 2017-05-17 2019-08-13 Cavh Llc Connected automated vehicle highway systems and methods
EP3548845B1 (en) 2017-01-12 2021-10-13 Mobileye Vision Technologies Ltd. Navigation based on vehicle activity
WO2018138769A1 (ja) 2017-01-24 2018-08-02 本田技研工業株式会社 車両制御装置、車両制御方法、および車両制御プログラム
WO2018147871A1 (en) 2017-02-10 2018-08-16 Nissan North America, Inc. Autonomous vehicle operational management
US10654476B2 (en) * 2017-02-10 2020-05-19 Nissan North America, Inc. Autonomous vehicle operational management control
JP6890757B2 (ja) 2017-02-10 2021-06-18 ニッサン ノース アメリカ，インク 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理
EP3580104B1 (en) 2017-02-10 2020-11-11 Nissan North America, Inc. Autonomous vehicle operational management blocking monitoring
KR20180094725A (ko) 2017-02-16 2018-08-24 삼성전자주식회사 자율 주행을 위한 차량 제어 방법, 차량 제어 장치 및 자율 주행을 위한 학습 방법
CN110352330B (zh) 2017-03-07 2024-04-19 罗伯特·博世有限公司 用于自主交通工具的动作规划系统和方法
US10513268B2 (en) 2017-04-07 2019-12-24 Steering Solutions Ip Holding Corporation Vehicle safety system
US10762447B2 (en) 2017-05-23 2020-09-01 Uatc, Llc Vehicle selection for on-demand transportation services
US20180342033A1 (en) 2017-05-23 2018-11-29 Uber Technologies, Inc. Trip classification system for on-demand transportation services
JP6666304B2 (ja) 2017-06-02 2020-03-13 本田技研工業株式会社 走行制御装置、走行制御方法、およびプログラム
US11042155B2 (en) 2017-06-06 2021-06-22 Plusai Limited Method and system for closed loop perception in autonomous driving vehicles
US10543828B2 (en) 2017-06-13 2020-01-28 Nissan North America, Inc. Structured multivariate contextual vehicle operation with integrated semiotic control
US10296004B2 (en) 2017-06-21 2019-05-21 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous operation for an autonomous vehicle objective in a multi-vehicle environment
US10532749B2 (en) 2017-08-11 2020-01-14 Uatc, Llc Systems and methods to adjust autonomous vehicle parameters in response to passenger feedback
WO2019035112A1 (en) 2017-08-17 2019-02-21 Tower-Sec Ltd. SYSTEMS AND METHODS FOR DISABLING A MALWARE ECU IN A CAN BUS NETWORK (CONTROLLER AREA NETWORK)
US10514697B2 (en) 2017-09-15 2019-12-24 GM Global Technology Operations LLC Vehicle remote assistance mode
US10788585B2 (en) 2017-09-15 2020-09-29 Toyota Research Institute, Inc. System and method for object detection using a probabilistic observation model
US20190096244A1 (en) * 2017-09-25 2019-03-28 Intel Corporation Vehicle-to-many-vehicle communication
JPWO2019069868A1 (ja) 2017-10-04 2020-11-26 パイオニア株式会社 判定装置及び判定方法並びに判定用プログラム
US10606270B2 (en) * 2017-10-18 2020-03-31 Luminar Technologies, Inc. Controlling an autonomous vehicle using cost maps
US10739775B2 (en) 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
US11702070B2 (en) * 2017-10-31 2023-07-18 Nissan North America, Inc. Autonomous vehicle operation with explicit occlusion reasoning
JP6704890B2 (ja) 2017-11-08 2020-06-03 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
US10371130B2 (en) 2017-11-10 2019-08-06 Anhui University of Science and Technology Magnetic piston shoe pair for axial piston pump and motor and control method thereof
US10518764B2 (en) 2017-12-20 2019-12-31 Tula Technology, Inc. System and method for improving fuel economy for autonomous driving vehicles
US20200389469A1 (en) 2017-12-24 2020-12-10 Arilou Information Security Technologies Ltd. System and method for tunnel-based malware detection
JP7000150B2 (ja) 2017-12-27 2022-01-19 トヨタ自動車株式会社 車両の制御システム
US10408638B2 (en) 2018-01-04 2019-09-10 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling a vehicle under sensor uncertainty
US10520951B2 (en) 2018-02-22 2019-12-31 Ford Global Technologies, Llc Vehicle formation management
US11086318B1 (en) * 2018-03-21 2021-08-10 Uatc, Llc Systems and methods for a scenario tagger for autonomous vehicles
US10795360B2 (en) 2018-04-06 2020-10-06 Honda Motor Co., Ltd. Utility decomposition with deep corrections
US11169536B2 (en) 2018-04-09 2021-11-09 SafeAI, Inc. Analysis of scenarios for controlling vehicle operations
US10990096B2 (en) 2018-04-27 2021-04-27 Honda Motor Co., Ltd. Reinforcement learning on autonomous vehicles
US11667301B2 (en) * 2018-12-10 2023-06-06 Perceptive Automata, Inc. Symbolic modeling and simulation of non-stationary traffic objects for testing and development of autonomous vehicle systems
US11561540B2 (en) 2019-02-26 2023-01-24 Intel Corporation Augmenting autonomous driving with remote viewer recommendation
DE102019104974A1 (de) * 2019-02-27 2020-08-27 Zf Automotive Germany Gmbh Verfahren sowie System zum Bestimmen eines Fahrmanövers
US11493926B2 (en) 2019-05-15 2022-11-08 Baidu Usa Llc Offline agent using reinforcement learning to speedup trajectory planning for autonomous vehicles
US11548518B2 (en) 2019-06-28 2023-01-10 Woven Planet North America, Inc. Subjective route comfort modeling and prediction
US20210089048A1 (en) 2019-09-21 2021-03-25 Ha Q Tran Smart vehicle
US11635758B2 (en) * 2019-11-26 2023-04-25 Nissan North America, Inc. Risk aware executor with action set recommendations
US11300957B2 (en) * 2019-12-26 2022-04-12 Nissan North America, Inc. Multiple objective explanation and control interface design
US11714971B2 (en) * 2020-01-31 2023-08-01 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11577746B2 (en) 2020-01-31 2023-02-14 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11782438B2 (en) * 2020-03-17 2023-10-10 Nissan North America, Inc. Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data

Also Published As

Publication number Publication date
KR20190115467A (ko) 2019-10-11
US11500380B2 (en) 2022-11-15
WO2018147874A1 (en) 2018-08-16
JP2020510570A (ja) 2020-04-09
US20200097003A1 (en) 2020-03-26
BR112019016268A2 (pt) 2020-04-07
CN110431037B (zh) 2022-11-29
MX2019009397A (es) 2019-12-05
CA3052954A1 (en) 2018-08-16
CA3052954C (en) 2023-04-04
EP3580084A4 (en) 2020-03-25
BR112019016268B1 (pt) 2023-11-14
RU2734744C1 (ru) 2020-10-22
EP3580084B1 (en) 2022-07-06
KR102199093B1 (ko) 2021-01-06
EP3580084A1 (en) 2019-12-18
CN110431037A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
JP6890757B2 (ja) 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理
JP6897938B2 (ja) 車両交通ネットワークの横断に使用される方法と自律走行車
JP6969756B2 (ja) 自律走行車の動作管理制御
KR102305291B1 (ko) 자율주행 차량 운용 관리
JP6963158B2 (ja) 集中型共有自律走行車動作管理
JP6992182B2 (ja) 自律走行車両運行管理計画
JP2021523057A (ja) 自律走行車動作管理のための方向調整アクション

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191003

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191003

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201127

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201208

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210302

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

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210413

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210419

R150 Certificate of patent or registration of utility model

Ref document number: 6890757

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313117

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350