JP6979648B2 - 車載制御装置 - Google Patents
車載制御装置 Download PDFInfo
- Publication number
- JP6979648B2 JP6979648B2 JP2018017393A JP2018017393A JP6979648B2 JP 6979648 B2 JP6979648 B2 JP 6979648B2 JP 2018017393 A JP2018017393 A JP 2018017393A JP 2018017393 A JP2018017393 A JP 2018017393A JP 6979648 B2 JP6979648 B2 JP 6979648B2
- Authority
- JP
- Japan
- Prior art keywords
- module
- vehicle
- control
- selection module
- arithmetic
- 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
Links
Images
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Description
本発明の実施形態は、車載制御装置に関する。
従来の技術においては、自動車等の車両の挙動を制御する場合において、人間の指示や操作なしに自律的に動力、操舵装置、制動装置を制御するために、深層ニューラルネットワークに代表される機械学習を使った演算モジュールを用いることで、人間の指示や操作の代替となる行動決定の機能を実現している。この演算モジュールは、内部の変換パラメータに従って入力信号から出力信号を決定する機能を備えており、この内部の変換パラメータを機械学習によって適切に決定することで、自動車に搭載されたセンサや物体検出機能の出力信号を入力として、自動車がそのとき取るべき行動に対応した動力、操舵装置、制動装置の制御信号を決定することができるようになっている。（例えば、特許文献１を参照。）
しかしながら、上述した従来の技術では、演算モジュール内部の変換パラメータを適切に決定する難しさに直接関係する、機械学習のモデルの規模や複雑さについては考慮されていない。一般に、機械学習のモデルの規模や複雑さが増すと、機械学習は、十分な学習をするために必要な学習データの量が増加する、学習を完了するまでに要する時間が増加する、部分的にしか最適化されないなどの的な問題点が生じることがある。自動車の運転時に発生しうる様々な状況において、自動車がそのとき取るべき行動に対応した動力、操舵装置、制動装置の制御信号を決定することは、機械学習のモデルに置き換えると大規模で複雑なものである。このため従来の技術では、機械学習の一般的な問題点として上述した通り、十分な学習をするために必要な学習データの量が増加する、学習を完了するまでに要する時間が増加する、部分的にしか最適化されないという問題点があった。つまり、上述した従来の技術では、車両の挙動を制御するための演算モジュールの学習の難度が高いという問題点があった。
本発明は、車両の挙動を制御するための演算モジュールの学習の難度を低減することができる車載制御装置を提供することを目的とする。
本発明の一実施形態は、車両の周囲の状況が検出された情報を少なくとも含む検出情報に基づいて、前記車両の挙動を制御する車載装置に与える制御情報を、階層化された複数の演算モジュールによって生成する車載制御装置であって、前記検出情報を取得する取得部と、演算モジュールのうち、前記取得部が取得した前記検出情報に基づいて、次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算を行う演算モジュールを、ニューラルネットワークによる演算によって選択する第１の選択モジュールと、演算モジュールのうち、前記取得部が取得した前記検出情報に基づいて、次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算を行う演算モジュールを、前記検出情報と前記制御情報との対応関係が予め定められているルールベース演算によって選択する第２の選択モジュールと、演算モジュールのうち、前記第１の選択モジュール又は前記第２の選択モジュールのいずれかによって選択され、前記検出情報に基づいて前記制御情報を生成する制御モジュールと、前記制御モジュールが生成した前記制御情報を前記車載装置に対して出力する出力部と、を備え、前記次階層の複数の演算モジュールとは、それぞれが、互いに異なる特定の走行シーンについて学習がなされた演算モジュールであり、前記第１の選択モジュールは、複数の演算モジュールの中から、前記検出情報が示す走行シーンについて学習がなされた演算モジュールを選択する車載制御装置である。
また、本発明の一実施形態の車載制御装置において、前記制御モジュールには、前記検出情報に基づいて、前記車載装置に与える前記制御情報を前記検出情報と前記制御情報との対応関係が予め定められているルールベース演算によって生成するルールベース制御モジュールが含まれる。
また、本発明の一実施形態の車載制御装置において、前記第１の選択モジュールは階層化されており、階層化された前記第１の選択モジュールには、次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算モジュールを選択する前段選択モジュールと、前記前段選択モジュールによって選択され、次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算モジュールを選択する後段選択モジュールと、が含まれ、前記前段選択モジュールは、車両の周囲の状況に基づく選択についての、自モジュールによる選択の正解率と、前記後段選択モジュールによる選択の正解率とに基づいて、自モジュールが前記制御モジュールを選択するか、前記後段選択モジュールに前記制御モジュールを選択させるかを判定する。
本発明によれば、車両の挙動を制御するための演算モジュールの学習の難度を低減することができる車載制御装置を提供することができる。
［第１の実施形態］
以下、図を参照して本実施形態の車載制御装置１０の概要について説明する。
図１は、本実施形態の車載制御装置１０を含むシステムの構成の一例を示す図である。
以下、図を参照して本実施形態の車載制御装置１０の概要について説明する。
図１は、本実施形態の車載制御装置１０を含むシステムの構成の一例を示す図である。
車両ＣＲは、車載制御装置１０と、検出情報生成部２０と、車載装置３０と、ロガー４０と、通信部５０とを備えている。車載制御装置１０と検出情報生成部２０との間、及び車載制御装置１０と車載装置３０との間は、例えばＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）などの車載通信ネットワークによって相互に接続されており、情報の授受が可能である。
なお、本実施形態では、車載制御装置１０は、検出情報生成部２０や車載装置３０から独立した筐体を有する装置であるとして説明するがこれに限られない。車載制御装置１０は、検出情報生成部２０や車載装置３０と一体化された装置として構成されてもよい。
なお、本実施形態では、車載制御装置１０は、検出情報生成部２０や車載装置３０から独立した筐体を有する装置であるとして説明するがこれに限られない。車載制御装置１０は、検出情報生成部２０や車載装置３０と一体化された装置として構成されてもよい。
検出情報生成部２０は、車両ＣＲの各部の動作及び車両ＣＲの周囲の状況を検出し、検出情報を生成する。この検出情報生成部２０が生成する検出情報を、検出結果ＤＲとも称する。検出結果ＤＲには、車両ＣＲの各部の動作の検出結果と、車両ＣＲの周囲の状況の検出結果とが含まれていてもよいが、以下では車両ＣＲの周囲の状況の検出結果について説明し、車両ＣＲの各部の動作の検出結果についての説明は省略する。
検出情報生成部２０は、センサ部２００と検出結果処理部２１０とを備えている。
センサ部２００は、車両ＣＲの周囲の状況を検出するセンサ等であり、検出した結果を、検出結果処理部２１０を介して、又は直接、検出結果ＤＲとして車載制御装置１０に出力する。本実施形態の一例として、センサ部２００は、ＬＩＤＡＲ装置２０１と、ミリ波装置２０２と、ＧＮＳＳ装置２０３と、カメラ装置２０４とを備えている。
ＬＩＤＡＲ装置２０１は、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ、Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）による車両ＣＲの周囲の画像取得及び測距を行う。ＬＩＤＡＲ装置２０１は、画像取得結果及び測距結果を検出結果ＤＲとして出力する。
ミリ波装置２０２は、ミリ波を用いて車両ＣＲの周囲の形状検出及び測距を行う。ミリ波装置２０２は、形状検出結果及び測距結果を検出結果ＤＲとして出力する。
ＧＮＳＳ装置２０３は、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）による測位衛星からの測位信号を受信する。ＧＮＳＳ装置２０３は、受信した測位信号を検出結果ＤＲとして出力する。
カメラ装置２０４は、可視光や赤外光を用いて車両ＣＲの周囲の画像取得及び測距を行う。カメラ装置２０４は、画像取得結果及び測距結果を検出結果ＤＲとして出力する。
センサ部２００は、車両ＣＲの周囲の状況を検出するセンサ等であり、検出した結果を、検出結果処理部２１０を介して、又は直接、検出結果ＤＲとして車載制御装置１０に出力する。本実施形態の一例として、センサ部２００は、ＬＩＤＡＲ装置２０１と、ミリ波装置２０２と、ＧＮＳＳ装置２０３と、カメラ装置２０４とを備えている。
ＬＩＤＡＲ装置２０１は、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ、Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）による車両ＣＲの周囲の画像取得及び測距を行う。ＬＩＤＡＲ装置２０１は、画像取得結果及び測距結果を検出結果ＤＲとして出力する。
ミリ波装置２０２は、ミリ波を用いて車両ＣＲの周囲の形状検出及び測距を行う。ミリ波装置２０２は、形状検出結果及び測距結果を検出結果ＤＲとして出力する。
ＧＮＳＳ装置２０３は、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）による測位衛星からの測位信号を受信する。ＧＮＳＳ装置２０３は、受信した測位信号を検出結果ＤＲとして出力する。
カメラ装置２０４は、可視光や赤外光を用いて車両ＣＲの周囲の画像取得及び測距を行う。カメラ装置２０４は、画像取得結果及び測距結果を検出結果ＤＲとして出力する。
検出結果処理部２１０は、センサ部２００が出力する検出結果ＤＲを処理することにより、車両ＣＲの周囲の状況を示す情報を生成する。本実施形態の一例では、検出結果処理部２１０は、検出結果処理部２１０は、画像認識部２１１と、物体検出部２１２と、位置推定部２１３とを備えている。
画像認識部２１１は、ＬＩＤＡＲ装置２０１やカメラ装置２０４が出力する画像取得結果及び測距結果に基づいて、これらの画像に含まれる物体の有無、物体の形状・大きさ・種類、物体までの距離、物体の移動速度などを認識する。画像認識部２１１は、画像認識の結果を検出結果ＤＲとして車載制御装置１０に出力する。
物体検出部２１２は、ミリ波装置２０２が出力する形状検出結果及び測距結果に基づいて、物体の有無、物体の形状・大きさ・種類、物体までの距離、物体の移動速度などを検出する。物体検出部２１２は、物体検出の結果を検出結果ＤＲとして車載制御装置１０に出力する。
位置推定部２１３は、ＧＮＳＳ装置２０３が出力する測位信号に基づいて、自車の位置を推定する。位置推定部２１３は、自車の位置推定の結果を検出結果ＤＲとして車載制御装置１０に出力する。
画像認識部２１１は、ＬＩＤＡＲ装置２０１やカメラ装置２０４が出力する画像取得結果及び測距結果に基づいて、これらの画像に含まれる物体の有無、物体の形状・大きさ・種類、物体までの距離、物体の移動速度などを認識する。画像認識部２１１は、画像認識の結果を検出結果ＤＲとして車載制御装置１０に出力する。
物体検出部２１２は、ミリ波装置２０２が出力する形状検出結果及び測距結果に基づいて、物体の有無、物体の形状・大きさ・種類、物体までの距離、物体の移動速度などを検出する。物体検出部２１２は、物体検出の結果を検出結果ＤＲとして車載制御装置１０に出力する。
位置推定部２１３は、ＧＮＳＳ装置２０３が出力する測位信号に基づいて、自車の位置を推定する。位置推定部２１３は、自車の位置推定の結果を検出結果ＤＲとして車載制御装置１０に出力する。
車載装置３０は、ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）３００や不図示のアクチュエータ類を備えており、車両ＣＲの挙動を制御する。ＥＣＵ３００には、例えば、エンジンや走行用モータを駆動する走行制御ＥＣＵ３０１、ブレーキを制御するブレーキ制御ＥＣＵ３０２、ステアリングの舵角を制御するステアリングＥＣＵ３０３、前照灯や非常停止灯などの灯火を制御する灯火制御ＥＣＵ３０４などがある。
これらＥＣＵ３００は、車載制御装置１０から出力される制御情報ＣＭＤに基づいて動作し、アクチュエータ類を駆動するための情報や信号を出力する。
これらＥＣＵ３００は、車載制御装置１０から出力される制御情報ＣＭＤに基づいて動作し、アクチュエータ類を駆動するための情報や信号を出力する。
車載制御装置１０は、不図示のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備えており、検出情報生成部２０によって生成される検出結果ＤＲに基づいて演算を行い、この演算の結果として制御情報ＣＭＤを生成する。本実施形態の車載制御装置１０は、この演算を複数の階層に階層化された演算モジュールＭＤＬによって行う。
すなわち、車載制御装置１０は、車両ＣＲの周囲の状況が検出された情報を少なくとも含む検出結果（検出情報）ＤＲに基づいて、車両ＣＲの挙動を制御する車載装置３０に与える制御情報ＣＭＤを、階層化された複数の演算モジュールＭＤＬによって生成する。
車載制御装置１０は、取得部１２０（不図示）と、演算モジュールＭＤＬと、出力部１３０（不図示）とを、ソフトウエア又はハードウエアによる機能部として備える。
車載制御装置１０は、取得部１２０（不図示）と、演算モジュールＭＤＬと、出力部１３０（不図示）とを、ソフトウエア又はハードウエアによる機能部として備える。
取得部１２０は、検出情報生成部２０が出力する検出結果ＤＲを取得する。取得部１２０は、取得した検出結果ＤＲを正規化し、正規化後の情報を演算モジュールＭＤＬに供給する。例えば、ＬＩＤＡＲ装置２０１が１６方位を検出する装置である場合、取得部１２０は、１方位目のセンサ値、２方位目のセンサ値、…、１６方位目のセンサ値をそれぞれ０．０〜１．０の範囲の値に正規化する。取得部１２０は、正規化した値を１方位目、２方位目、…、１６方位目の順に並べたデータ列として演算モジュールＭＤＬに供給する。
出力部１３０は、演算モジュールＭＤＬが生成した制御情報ＣＭＤを車載装置３０に対して出力する。この出力部１３０が出力する制御情報ＣＭＤの一例を、図２を参照して説明する。
図２は、本実施形態の制御情報ＣＭＤの一例を示す図である。車両ＣＲに対して可能である操作が、制御情報ＣＭＤとして予め定義されている。出力部１３０は、これらの制御情報ＣＭＤのそれぞれについて、操作する場合には値「１」を、操作しない場合には値「０（ゼロ）」を出力する。同図に示す一例では、出力部１３０は、制御情報ＣＭＤ「ハンドル（ステアリング）を右に切る」及び、制御情報ＣＭＤ「アクセルを踏む」について、それぞれ値「１」を出力する。この制御情報ＣＭＤが出力される結果、車載装置３０のＥＣＵ３００が舵角及び走行のための動力を制御することにより、車両ＣＲは「右に曲がりながら加速」する。
図１に戻り、演算モジュールＭＤＬには、選択モジュール１００と制御モジュール１１０とがある。
選択モジュール１００は、取得部１２０が取得した検出結果ＤＲに基づいて、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算を行う演算モジュールＭＤＬを選択する。この選択モジュール１００は、ニューラルネットワークＮＮ（例えば、深層ニューラルネットワーク）によって演算を行う。
選択モジュール１００は、取得部１２０が取得した検出結果ＤＲに基づいて、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算を行う演算モジュールＭＤＬを選択する。この選択モジュール１００は、ニューラルネットワークＮＮ（例えば、深層ニューラルネットワーク）によって演算を行う。
制御モジュール１１０は、選択モジュール１００によって選択され、検出結果ＤＲに基づいて制御情報ＣＭＤを生成する。
すなわち、演算モジュールＭＤＬは、選択モジュール１００が前段の演算モジュールＭＤＬとして、制御モジュール１１０が後段の演算モジュールＭＤＬとして、階層化されている。
すなわち、演算モジュールＭＤＬは、選択モジュール１００が前段の演算モジュールＭＤＬとして、制御モジュール１１０が後段の演算モジュールＭＤＬとして、階層化されている。
［制御モジュールの階層化］
制御モジュール１１０の階層化について説明する。階層化された制御モジュール１１０には、前段制御モジュール１１０ａと、後段制御モジュール１１０ｂとがある。このうち、前段制御モジュール１１０ａは、検出結果ＤＲに基づいて、車両ＣＲの目標挙動ＴＢを判定する。後段制御モジュール１１０ｂは、前段制御モジュール１１０ａによって判定された車両ＣＲの目標挙動ＴＢに基づいて、車載装置３０に与える制御情報ＣＭＤを生成する。
制御モジュール１１０の階層化について説明する。階層化された制御モジュール１１０には、前段制御モジュール１１０ａと、後段制御モジュール１１０ｂとがある。このうち、前段制御モジュール１１０ａは、検出結果ＤＲに基づいて、車両ＣＲの目標挙動ＴＢを判定する。後段制御モジュール１１０ｂは、前段制御モジュール１１０ａによって判定された車両ＣＲの目標挙動ＴＢに基づいて、車載装置３０に与える制御情報ＣＭＤを生成する。
ここで、車両ＣＲの目標挙動ＴＢとは、図２に示した一例においては「右に曲がりながら加速」である。この一例の場合、車両ＣＲは、例えば、交差点の右折レーンにおいて右折待ちをしており、同じく右折待ちをしている前車の進行に追従して交差点を右折する。検出情報生成部２０は、車両ＣＲが交差点の右折レーンにいることを示す検出結果ＤＲと、車両ＣＲの前車が進行して右折を開始したこと示す検出結果ＤＲとを、車載制御装置１０に供給する。前段制御モジュール１１０ａは、これらの検出結果ＤＲに基づいて、車両ＣＲの目標挙動ＴＢが「右に曲がりながら加速」することであると判定する。後段制御モジュール１１０ｂは、前段制御モジュール１１０ａによって判定された車両ＣＲの目標挙動ＴＢ、すなわち「右に曲がりながら加速」に基づいて、「ハンドル（ステアリング）を右に切る：値１」及び、制御情報ＣＭＤ「アクセルを踏む：値１」を制御情報ＣＭＤとして生成する。
図１に示す一例では、制御モジュール１１０のうち、制御モジュール１１１と制御モジュール１１２とが、前段制御モジュール１１０ａに相当し、制御モジュール１１５と制御モジュール１１６とが後段制御モジュール１１０ｂに相当する。すなわち、同図の一例では、制御モジュール１１１と制御モジュール１１５とが互いに階層化され、制御モジュール１１２と制御モジュール１１６とが互いに階層化されている。
図１に示す一例では、制御モジュール１１０のうち、制御モジュール１１１と制御モジュール１１２とが、前段制御モジュール１１０ａに相当し、制御モジュール１１５と制御モジュール１１６とが後段制御モジュール１１０ｂに相当する。すなわち、同図の一例では、制御モジュール１１１と制御モジュール１１５とが互いに階層化され、制御モジュール１１２と制御モジュール１１６とが互いに階層化されている。
［選択モジュールの階層化］
選択モジュール１００の階層化について説明する。階層化された選択モジュール１００には、前段選択モジュール１００ａと、後段選択モジュール１００ｂとがある。このうち、前段選択モジュール１００ａは、次階層の複数の選択モジュール１００の中から車両ＣＲの周囲の状況に応じた選択モジュール１００を選択する。後段選択モジュール１００ｂは、前段選択モジュール１００ａによって選択され、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算モジュールＭＤＬを選択する。
選択モジュール１００の階層化について説明する。階層化された選択モジュール１００には、前段選択モジュール１００ａと、後段選択モジュール１００ｂとがある。このうち、前段選択モジュール１００ａは、次階層の複数の選択モジュール１００の中から車両ＣＲの周囲の状況に応じた選択モジュール１００を選択する。後段選択モジュール１００ｂは、前段選択モジュール１００ａによって選択され、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算モジュールＭＤＬを選択する。
図１に示す一例では、選択モジュール１００のうち、選択モジュール１０１と選択モジュール１０２との間の関係では、選択モジュール１０１が前段選択モジュール１００ａに相当し、選択モジュール１０２が後段選択モジュール１００ｂに相当する。また、選択モジュール１０２と選択モジュール１０３との間の関係では、選択モジュール１０２が前段選択モジュール１００ａに相当し、選択モジュール１０３が後段選択モジュール１００ｂに相当する。
ロガー４０は、車載制御装置１０、検出情報生成部２０及び車載装置３０と接続されており、これら各部、各装置が出力する情報を一時記憶する。
通信部５０は、基地局ＢＳを介してデータセンタＤＣとの間において情報を送受信する。具体的には通信部５０は、ロガー４０に一時記憶されている情報を、データセンタＤＣに送信する。また、通信部５０は、データセンタＤＣが提供する演算モジュールＭＤＬの更新データを受信する。
通信部５０は、基地局ＢＳを介してデータセンタＤＣとの間において情報を送受信する。具体的には通信部５０は、ロガー４０に一時記憶されている情報を、データセンタＤＣに送信する。また、通信部５０は、データセンタＤＣが提供する演算モジュールＭＤＬの更新データを受信する。
データセンタＤＣは、車両ＣＲから提供されるログデータに基づいて演算モジュールＭＤＬを再学習することにより演算モジュールＭＤＬを更新し、更新した演算モジュールＭＤＬを車両ＣＲに配布する。具体的には、データセンタＤＣは、ログデータベースＤＣ１と、再学習部ＤＣ２と、モジュールライブラリＤＣ３とを備える。ログデータベースＤＣ１には、車両ＣＲから送信されるログデータが蓄積される。このログデータには、検出結果ＤＲ、制御情報ＣＭＤ、目標挙動ＴＢ及び車両ＣＲの挙動が含まれる。再学習部ＤＣ２は、ログデータベースＤＣ１に蓄積されているログデータに基づいて、演算モジュールＭＤＬを再学習することにより、演算モジュールＭＤＬを更新する。モジュールライブラリＤＣ３は、再学習部ＤＣ２によって更新された演算モジュールＭＤＬが保存される。モジュールライブラリＤＣ３に保存されている更新後の演算モジュールＭＤＬは、車両ＣＲからの要求や、演算モジュールＭＤＬの管理者の要求などにより車両ＣＲに提供される。
次に、図３を参照して、車載制御装置１０の演算経路について説明する。
図３は、本実施形態の車載制御装置１０の演算経路の一例を示す図である。選択モジュール１０１は、不図示の取得部１２０から検出結果ＤＲを取得する。選択モジュール１０１は、選択モジュール１０２又は制御モジュール１１２のいずれを選択するべきかを、検出結果ＤＲに基づいて判定する。この一例では、選択モジュール１０１は、選択モジュール１０２を選択する。次に、選択モジュール１０２は、選択モジュール１０３又は制御モジュール１１１のいずれを選択するべきかを、検出結果ＤＲに基づいて判定する。この一例では、選択モジュール１０２は、制御モジュール１１１を選択する。制御モジュール１１１は、車両ＣＲの目標挙動ＴＢを判定し、制御モジュール１１５に目標挙動ＴＢを供給する。制御モジュール１１５は、目標挙動ＴＢに基づいて制御情報ＣＭＤを生成する。生成された制御情報ＣＭＤは、不図示の出力部１３０によって各ＥＣＵ３００に供給される。
図３は、本実施形態の車載制御装置１０の演算経路の一例を示す図である。選択モジュール１０１は、不図示の取得部１２０から検出結果ＤＲを取得する。選択モジュール１０１は、選択モジュール１０２又は制御モジュール１１２のいずれを選択するべきかを、検出結果ＤＲに基づいて判定する。この一例では、選択モジュール１０１は、選択モジュール１０２を選択する。次に、選択モジュール１０２は、選択モジュール１０３又は制御モジュール１１１のいずれを選択するべきかを、検出結果ＤＲに基づいて判定する。この一例では、選択モジュール１０２は、制御モジュール１１１を選択する。制御モジュール１１１は、車両ＣＲの目標挙動ＴＢを判定し、制御モジュール１１５に目標挙動ＴＢを供給する。制御モジュール１１５は、目標挙動ＴＢに基づいて制御情報ＣＭＤを生成する。生成された制御情報ＣＭＤは、不図示の出力部１３０によって各ＥＣＵ３００に供給される。
［車載制御装置の処理の流れ（実施例１）］
図４は、本実施形態の車載制御装置１０の処理の流れの一例を示す図である。この一例では、車載制御装置１０は、１つの選択モジュール１００と、２つの制御モジュール１１０とを演算モジュールＭＤＬとして備える。この一例の場合、車載制御装置１０の演算モジュールＭＤＬは、１段目の選択モジュール１００と、２段目の制御モジュール１１０との２層に階層化されている。
図４は、本実施形態の車載制御装置１０の処理の流れの一例を示す図である。この一例では、車載制御装置１０は、１つの選択モジュール１００と、２つの制御モジュール１１０とを演算モジュールＭＤＬとして備える。この一例の場合、車載制御装置１０の演算モジュールＭＤＬは、１段目の選択モジュール１００と、２段目の制御モジュール１１０との２層に階層化されている。
（ステップＳ１０）センサ部２００は、車両ＣＲの周囲の状況を検出して、検出した結果を検出結果ＤＲとして出力する。
（ステップＳ２０）検出結果処理部２１０は、ステップＳ１０において出力された検出結果ＤＲに基づいて、物体の有無、物体の形状・大きさ・種類、物体までの距離、物体の移動速度などを検出する。検出結果処理部２１０は、検出した結果を検出結果ＤＲとして車載制御装置１０に出力する。
（ステップＳ３０）車載制御装置１０の取得部１２０は、センサ部２００から出力される検出結果ＤＲ、又は検出結果処理部２１０から出力される検出結果ＤＲを取得する。
（ステップＳ２０）検出結果処理部２１０は、ステップＳ１０において出力された検出結果ＤＲに基づいて、物体の有無、物体の形状・大きさ・種類、物体までの距離、物体の移動速度などを検出する。検出結果処理部２１０は、検出した結果を検出結果ＤＲとして車載制御装置１０に出力する。
（ステップＳ３０）車載制御装置１０の取得部１２０は、センサ部２００から出力される検出結果ＤＲ、又は検出結果処理部２１０から出力される検出結果ＤＲを取得する。
（ステップＳ４０）選択モジュール１００は、複数の制御モジュール１１０のうちから、ステップＳ３０において取得された検出結果ＤＲが示す車両ＣＲの周囲の状況に応じた制御モジュール１１０を選択する。
（ステップＳ５０）制御モジュール１１０は、検出結果ＤＲに基づいて制御情報ＣＭＤを生成する。ここで、選択モジュール１００が制御モジュール１１０−Ａを選択した場合（ステップＳ４０；Ａ）には、制御モジュール１１０−ＡによってステップＳ５０−１が実行される。選択モジュール１００が制御モジュール１１０−Ｂを選択した場合（ステップＳ４０；Ｂ）には、制御モジュール１１０−ＢによってステップＳ５０−２が実行される。
（ステップＳ５０）制御モジュール１１０は、検出結果ＤＲに基づいて制御情報ＣＭＤを生成する。ここで、選択モジュール１００が制御モジュール１１０−Ａを選択した場合（ステップＳ４０；Ａ）には、制御モジュール１１０−ＡによってステップＳ５０−１が実行される。選択モジュール１００が制御モジュール１１０−Ｂを選択した場合（ステップＳ４０；Ｂ）には、制御モジュール１１０−ＢによってステップＳ５０−２が実行される。
（ステップＳ６０）各ＥＣＵ３００は、ステップＳ５０において生成された制御情報ＣＭＤに基づいて、アクチュエータ類を駆動することにより、車両ＣＲの挙動を制御する。例えば、走行制御ＥＣＵ３０１は、制御情報ＣＭＤに基づいてエンジンや走行用モータを駆動する（ステップＳ６０−１）。ブレーキ制御ＥＣＵ３０２は、制御情報ＣＭＤに基づいてブレーキを制御する（ステップＳ６０−２）。ステアリングＥＣＵ３０３は、制御情報ＣＭＤに基づいて、ステアリングの舵角を制御する（ステップＳ６０−３）。
［車載制御装置の処理の流れ（実施例２）］
次に、図５を参照して、車載制御装置１０の処理の流れの第２の例について説明する。
図５は、本実施形態の車載制御装置１０の処理の流れの第２の例を示す図である。なお、以下の説明では、図４の一例において説明した各部及び各動作と同一のものについては、同一の符号を付してその説明を省略する。本実施例では、図４に示した実施例１に対して、制御モジュール１１０が複数の階層に分割されている点で異なる。
次に、図５を参照して、車載制御装置１０の処理の流れの第２の例について説明する。
図５は、本実施形態の車載制御装置１０の処理の流れの第２の例を示す図である。なお、以下の説明では、図４の一例において説明した各部及び各動作と同一のものについては、同一の符号を付してその説明を省略する。本実施例では、図４に示した実施例１に対して、制御モジュール１１０が複数の階層に分割されている点で異なる。
（ステップＳ１５０）前段制御モジュール１１０ａは、検出結果ＤＲに基づいて車両ＣＲの目標挙動ＴＢを生成する。ここで、選択モジュール１００が前段制御モジュール１１０ａ−Ａを選択した場合（ステップＳ４０；Ａ）には、前段制御モジュール１１０ａ−ＡによってステップＳ１５０−１が実行される。選択モジュール１００が前段制御モジュール１１０ａ−Ｂを選択した場合（ステップＳ４０；Ｂ）には、前段制御モジュール１１０ａ−ＢによってステップＳ１５０−２が実行される。
（ステップＳ１６０）後段制御モジュール１１０ｂは、車両ＣＲの目標挙動ＴＢと検出結果ＤＲとに基づいて制御情報ＣＭＤを生成する。ここで、選択モジュール１００が後段制御モジュール１１０ｂ−Ａを選択した場合（ステップＳ１５０；Ａ）には、後段制御モジュール１１０ｂ−ＡによってステップＳ１６０−１が実行される。選択モジュール１００が後段制御モジュール１１０ｂ−Ｂを選択した場合（ステップＳ１５０；Ｂ）には、後段制御モジュール１１０ｂ−ＢによってステップＳ１６０−２が実行される。
［車載制御装置の処理の流れ（実施例３）］
次に、図６を参照して、車載制御装置１０の処理の流れの第３の例について説明する。
図６は、本実施形態の車載制御装置１０の処理の流れの第３の例を示す図である。なお、以下の説明では、図４及び図５の一例において説明した各部及び各動作と同一のものについては、同一の符号を付してその説明を省略する。本実施例では、図４に示した実施例１に対して、選択モジュール１００が複数の階層に分割されている点で異なる。
次に、図６を参照して、車載制御装置１０の処理の流れの第３の例について説明する。
図６は、本実施形態の車載制御装置１０の処理の流れの第３の例を示す図である。なお、以下の説明では、図４及び図５の一例において説明した各部及び各動作と同一のものについては、同一の符号を付してその説明を省略する。本実施例では、図４に示した実施例１に対して、選択モジュール１００が複数の階層に分割されている点で異なる。
（ステップＳ２４０）前段選択モジュール１００ａは、複数の後段選択モジュール１００ｂ（後段選択モジュール１００ｂ−Ａ及び１００ｂ−Ｂ）のうちから、ステップＳ３０において取得された検出結果ＤＲが示す車両ＣＲの周囲の状況に応じた後段選択モジュール１００ｂを選択する。
（ステップＳ２５０）後段選択モジュール１００ｂは、複数の制御モジュール１１０（制御モジュール１１０−Ａ１、１１０−Ａ２、１１０−Ｂ１及び１１０−Ｂ２）のうちから、ステップＳ３０において取得された検出結果ＤＲが示す車両ＣＲの周囲の状況に応じた制御モジュール１１０を選択する。
（ステップＳ２５０）後段選択モジュール１００ｂは、複数の制御モジュール１１０（制御モジュール１１０−Ａ１、１１０−Ａ２、１１０−Ｂ１及び１１０−Ｂ２）のうちから、ステップＳ３０において取得された検出結果ＤＲが示す車両ＣＲの周囲の状況に応じた制御モジュール１１０を選択する。
なお、上述した実施例２及び実施例３を組み合わせて演算モジュールＭＤＬが構成されていてもよい。
［車載制御装置の演算モジュール構成の具体例］
次に、図７を参照して、本実施形態の演算モジュールＭＤＬの構成の具体例について説明する。
図７は、本実施形態の演算モジュールＭＤＬの構成の具体例を示す図である。選択モジュール１００は、選択モジュール１０１〜選択モジュール１０４の４階層によって構成される。選択モジュール１０１〜選択モジュール１０４は、いずれもニューラルネットワークＮＮによって演算を行う。
次に、図７を参照して、本実施形態の演算モジュールＭＤＬの構成の具体例について説明する。
図７は、本実施形態の演算モジュールＭＤＬの構成の具体例を示す図である。選択モジュール１００は、選択モジュール１０１〜選択モジュール１０４の４階層によって構成される。選択モジュール１０１〜選択モジュール１０４は、いずれもニューラルネットワークＮＮによって演算を行う。
制御モジュール１１０は、３つの制御モードＭＤに分類される。この制御モードＭＤには、ゆずりあいモードＭＤ１と、通常走行モードＭＤ２と、緊急行動モードＭＤ３とがある。
ゆずりあいモードＭＤ１は、ラウンドアバウトでの加減速（制御モジュール１１１）、レーン走行（制御モジュール１１５）によって構成される。
通常走行モードＭＤ２には、ラウンドアバウト・交差点周辺走行モードＭＤ２−１と、直線路走行モードＭＤ２−２とがある。ラウンドアバウト・交差点周辺走行モードＭＤ２−１には、さらに加減速モードＭＤ２−１−１と、停止モードＭＤ２−１−２とがある。
加減速モードＭＤ２−１−１は、対向車・合流先の車両に応じた加減速（制御モジュール１１３ａ）と、レーン走行（制御モジュール１１７ａ）とによって構成される。
停止モードＭＤ２−１−２は、一旦停止線での停止（制御モジュール１１３ｂ）と、レーン走行（制御モジュール１１７ｂ）とによって構成される。
直線路走行モードＭＤ２−２は、先行車に応じた加減速（制御モジュール１１３）と、レーン走行（制御モジュール１１７）とによって構成される。
緊急行動モードＭＤ３は、緊急停止（制御モジュール１１２）と、レーン走行（制御モジュール１１６）とによって構成される。
ゆずりあいモードＭＤ１は、ラウンドアバウトでの加減速（制御モジュール１１１）、レーン走行（制御モジュール１１５）によって構成される。
通常走行モードＭＤ２には、ラウンドアバウト・交差点周辺走行モードＭＤ２−１と、直線路走行モードＭＤ２−２とがある。ラウンドアバウト・交差点周辺走行モードＭＤ２−１には、さらに加減速モードＭＤ２−１−１と、停止モードＭＤ２−１−２とがある。
加減速モードＭＤ２−１−１は、対向車・合流先の車両に応じた加減速（制御モジュール１１３ａ）と、レーン走行（制御モジュール１１７ａ）とによって構成される。
停止モードＭＤ２−１−２は、一旦停止線での停止（制御モジュール１１３ｂ）と、レーン走行（制御モジュール１１７ｂ）とによって構成される。
直線路走行モードＭＤ２−２は、先行車に応じた加減速（制御モジュール１１３）と、レーン走行（制御モジュール１１７）とによって構成される。
緊急行動モードＭＤ３は、緊急停止（制御モジュール１１２）と、レーン走行（制御モジュール１１６）とによって構成される。
ここで、ラウンドアバウトでの加減速（制御モジュール１１１）及び緊急停止（制御モジュール１１２）は、いずれもニューラルネットワークＮＮによって演算を行う。
レーン走行（制御モジュール１１５、制御モジュール１１６、制御モジュール１１７、制御モジュール１１７ａ、及び制御モジュール１１７ｂ）は、いずれもニューラルネットワークＮＮとＰＩＤ（Ｐｒｏｐｏｒｔｉｏｎａｌ−Ｉｎｔｅｇｒａｌ−Ｄｉｆｆｅｒｅｎｔｉａｌ）制御アルゴリズムとによって演算を行う。
先行車に応じた加減速（制御モジュール１１３）、対向車・合流先の車両に応じた加減速（制御モジュール１１３ａ）及び一旦停止線での停止（制御モジュール１１３ｂ）は、いずれもルールベース演算によって演算を行う。ルールベース演算とは、車載装置３０に与える制御情報ＣＭＤを算出する演算手順について、検出結果ＤＲと制御情報ＣＭＤとの対応関係が予め定められているものをいう。ルールベース演算の一例には、ｉｆ−ｔｈｅｎ−ｅｌｓｅによる条件分岐によって制御情報ＣＭＤを算出する演算方式がある。
レーン走行（制御モジュール１１５、制御モジュール１１６、制御モジュール１１７、制御モジュール１１７ａ、及び制御モジュール１１７ｂ）は、いずれもニューラルネットワークＮＮとＰＩＤ（Ｐｒｏｐｏｒｔｉｏｎａｌ−Ｉｎｔｅｇｒａｌ−Ｄｉｆｆｅｒｅｎｔｉａｌ）制御アルゴリズムとによって演算を行う。
先行車に応じた加減速（制御モジュール１１３）、対向車・合流先の車両に応じた加減速（制御モジュール１１３ａ）及び一旦停止線での停止（制御モジュール１１３ｂ）は、いずれもルールベース演算によって演算を行う。ルールベース演算とは、車載装置３０に与える制御情報ＣＭＤを算出する演算手順について、検出結果ＤＲと制御情報ＣＭＤとの対応関係が予め定められているものをいう。ルールベース演算の一例には、ｉｆ−ｔｈｅｎ−ｅｌｓｅによる条件分岐によって制御情報ＣＭＤを算出する演算方式がある。
選択モジュール１０１は、取得部１２０が取得した検出結果ＤＲに基づき、選択モジュール１０２又は緊急行動モードＭＤ３の制御モジュール１１０のうち、いずれか一方を選択する。一例として、車両ＣＲの走行中に、横道からの人の飛び出しや前車の積載物の落下などの緊急状態が発生した場合には、選択モジュール１０１は、緊急行動モードＭＤ３の制御モジュール１１０を選択する。選択モジュール１０１は、この一例のような緊急状態が発生していなければ選択モジュール１０２を選択する。
選択モジュール１０２は、検出結果ＤＲに基づき、ゆずりあいモードＭＤ１又は選択モジュール１０３のうち、いずれか一方を選択する。一例として、車両ＣＲがラウンドアバウト（環状交差点）を走行している状態では、車両同士が互いにゆずりあって走行することにより車両群全体が効率よく走行することができるという場合がある。このような場合には、選択モジュール１０２は、ゆずりあいモードＭＤ１を選択する。選択モジュール１０２は、ラウンドアバウトを走行していなければ選択モジュール１０３を選択する。
選択モジュール１０３は、選択モジュール１０４又は直線路走行モードＭＤ２−２のうち、いずれか一方を選択する。一例として、車両ＣＲがラウンドアバウトや交差点を走行する場合には、選択モジュール１０３は、選択モジュール１０４を選択する。車両ＣＲが直線路を走行する場合には、選択モジュール１０３は、直線路走行モードＭＤ２−２を選択する。
選択モジュール１０４は、加減速モードＭＤ２−１−１又は停止モードＭＤ２−１−２のうち、いずれか一方を選択する。一例として、車両ＣＲが信号機付きの交差点において停止（赤）信号が現示されている場合や一時停止標識のある交差点を走行する場合には、選択モジュール１０４は、停止モードＭＤ２−１−２を選択する。車両ＣＲがラウンドアバウト内に合流する場合や、ラウンドアバウト内を先行車に追従して走行する場合などには、選択モジュール１０４は、加減速モードＭＤ２−１−１を選択する。
各制御モードＭＤに属する制御モジュール１１０は、選択モジュール１００によって選択されると、出力部１３０を介して各ＥＣＵ３００に演算結果を制御情報ＣＭＤとして出力する。
［演算モジュールＭＤＬの学習手順］
図８は、本実施形態の演算モジュールＭＤＬの学習手順の一例を示す図である。一例として、制御モジュール１１０が前段制御モジュール１１０ａと後段制御モジュール１１０ｂとの２階層で構成されており、選択モジュール１００が複数の前段制御モジュール１１０ａのうちから、特定の前段制御モジュール１１０ａを選択するように構成されている場合について説明する。
図８は、本実施形態の演算モジュールＭＤＬの学習手順の一例を示す図である。一例として、制御モジュール１１０が前段制御モジュール１１０ａと後段制御モジュール１１０ｂとの２階層で構成されており、選択モジュール１００が複数の前段制御モジュール１１０ａのうちから、特定の前段制御モジュール１１０ａを選択するように構成されている場合について説明する。
第１段階においては、後段制御モジュール１１０ｂの学習（例えば、機械学習）が行われる（図８（Ａ））。この後段制御モジュール１１０ｂには、ＰＩＤ制御アルゴリズムが含まれている。第１段階においては、このＰＩＤ制御のパラメータをどのような値にすればよいかを学習させる。
第２段階においては、学習済みの後段制御モジュール１１０ｂを前段制御モジュール１１０ａに接続して、前段制御モジュール１１０ａの学習が行われる（図８（Ｂ））。この第２段階においては、前段制御モジュール１１０ａごとに、システム設計者がどのような走行シーン向けの前段制御モジュール１１０ａであるかを決めて、その走行シーンのデータに基づいて学習させる。すなわち、前段制御モジュール１１０ａについて、特定の走行シーンだけに絞って学習させる。
第３段階においては、学習済みの後段制御モジュール１１０ｂ及び前段制御モジュール１１０ａを選択モジュール１００に接続して、選択モジュール１００を学習させる（図８（Ｃ））。この第３段階においては、検出結果ＤＲに対する前段制御モジュール１１０ａの挙動を観察しつつ、ある検出結果ＤＲについて、どの前段制御モジュール１１０ａを選択すればよいのかを探る。この結果、第３段階においては、ある検出結果ＤＲがどのような走行シーンを示しているのかを選択モジュール１００に学習させることになる。
第２段階においては、学習済みの後段制御モジュール１１０ｂを前段制御モジュール１１０ａに接続して、前段制御モジュール１１０ａの学習が行われる（図８（Ｂ））。この第２段階においては、前段制御モジュール１１０ａごとに、システム設計者がどのような走行シーン向けの前段制御モジュール１１０ａであるかを決めて、その走行シーンのデータに基づいて学習させる。すなわち、前段制御モジュール１１０ａについて、特定の走行シーンだけに絞って学習させる。
第３段階においては、学習済みの後段制御モジュール１１０ｂ及び前段制御モジュール１１０ａを選択モジュール１００に接続して、選択モジュール１００を学習させる（図８（Ｃ））。この第３段階においては、検出結果ＤＲに対する前段制御モジュール１１０ａの挙動を観察しつつ、ある検出結果ＤＲについて、どの前段制御モジュール１１０ａを選択すればよいのかを探る。この結果、第３段階においては、ある検出結果ＤＲがどのような走行シーンを示しているのかを選択モジュール１００に学習させることになる。
すなわち、この一例では、ある演算モジュールＭＤＬの後段の演算モジュールＭＤＬは２つ以上あり、それぞれ異なる状況に特化して動力、操舵装置、制動装置の制御情報ＣＭＤを決定できるように機械学習した後に、前段の演算モジュールＭＤＬに接続される。前段のモジュールは自動車の走行中に得られたセンサ部２００や検出結果処理部２１０の検出結果ＤＲから状況判断を行い、そのときの状況に応じて後段の演算モジュールＭＤＬのいずれか１つを選択して動作させる。動作した後段の演算モジュールＭＤＬはセンサ部２００や検出結果処理部２１０の検出結果ＤＲから動力、操舵装置、制動装置の制御情報ＣＭＤを決定する。
［第１の実施形態のまとめ］
以上説明したように演算モジュールＭＤＬを構成することにより、車載制御装置１０は、演算モジュールＭＤＬ毎に学習させることができ、かつ学習済みの演算モジュールＭＤＬを用いて他の演算モジュールＭＤＬを学習させることができる。このため、車載制御装置１０によれば、すべての演算モジュールＭＤＬを同時に学習させる場合に比べて学習効率が高くなり、短期間で学習させることができる。つまり、車載制御装置１０によれば、車両ＣＲの挙動を制御するための演算モジュールＭＤＬの学習の難度を低減することができる。
以上説明したように演算モジュールＭＤＬを構成することにより、車載制御装置１０は、演算モジュールＭＤＬ毎に学習させることができ、かつ学習済みの演算モジュールＭＤＬを用いて他の演算モジュールＭＤＬを学習させることができる。このため、車載制御装置１０によれば、すべての演算モジュールＭＤＬを同時に学習させる場合に比べて学習効率が高くなり、短期間で学習させることができる。つまり、車載制御装置１０によれば、車両ＣＲの挙動を制御するための演算モジュールＭＤＬの学習の難度を低減することができる。
また、上述したように、車載制御装置１０の演算モジュールＭＤＬは、制御モジュール１１０が複数の階層に分割されて構成されている。すなわち、車載制御装置１０は、車両ＣＲの目標挙動ＴＢ（例えば、何秒後にどの地点をどれくらいの速度で通過するべきかを示した走行計画）を決定する前段制御モジュール１１０ａと、与えられた目標挙動ＴＢ（例えば、上述の走行計画）を実現できるように動力、操舵装置、制動装置の制御信号を決定する後段制御モジュール１１０ｂとを含んで構成される。上述した実施例１の構成と比較すると、機械学習をする必要のある演算モジュールＭＤＬの総数は増えている代わりに、それぞれの演算モジュールＭＤＬで解決するべき問題の抽象度は分割前に比べて低くなる。このため、それぞれの制御モジュール１１０に対して適用する機械学習のモデルの規模や複雑さは低減する。つまり、車載制御装置１０によれば、車両ＣＲの挙動を制御するための演算モジュールＭＤＬ（制御モジュール１１０）の学習の難度を低減することができる。
また、上述したように、車載制御装置１０の演算モジュールＭＤＬは、選択モジュール１００が複数の階層に分割されて構成されている。すなわち、車載制御装置１０は、選択モジュール１００が、前段選択モジュール１００ａ及び後段選択モジュール１００ｂのように階層化され、木構造に連なる複数段のモジュールで構成される。この木構造の各段の選択モジュール１００はそれぞれ自身の後ろに連なる演算モジュールＭＤＬのいずれか1つを選択して動作させることで、状況判断を段階的に進めていく。上述した実施例１の構成と比較すると、機械学習をする必要のあるモジュールの総数は増えている代わりに、選択モジュール１００で解決するべき問題の抽象度は分割前に比べて低くなる。例えば、選択モジュール１００に対して適用する機械学習のモデルの規模や複雑さは選択モジュール１００の木構造全体で分散される。このため、それぞれの選択モジュール１００に対して適用する機械学習のモデルの規模や複雑さは低減する。つまり、車載制御装置１０によれば、車両ＣＲの挙動を制御するための演算モジュールＭＤＬ（選択モジュール１００）の学習の難度を低減することができる。
［第２の実施形態］
以下、第２の実施形態に係る車載制御装置１０について説明する。なお、以下の説明では、上述した第１の実施形態において説明した各部及び各動作と同一のものについては、同一の符号を付してその説明を省略する。本実施例では、ルールベース演算によって選択する選択モジュール１００が含まれている点で第１の実施形態と異なる。また、本実施例では、選択モジュール１００が、選択候補の演算モジュールＭＤＬの正解率に基づいて次段の演算モジュールＭＤＬを選択する点で第１の実施形態と異なる。
以下、第２の実施形態に係る車載制御装置１０について説明する。なお、以下の説明では、上述した第１の実施形態において説明した各部及び各動作と同一のものについては、同一の符号を付してその説明を省略する。本実施例では、ルールベース演算によって選択する選択モジュール１００が含まれている点で第１の実施形態と異なる。また、本実施例では、選択モジュール１００が、選択候補の演算モジュールＭＤＬの正解率に基づいて次段の演算モジュールＭＤＬを選択する点で第１の実施形態と異なる。
［ルールベース演算による演算モジュールの選択］
本実施形態の選択モジュール１００には、第１の選択モジュール１００ＮＮと、第２の選択モジュール１００ＲＢとが含まれる。
第１の選択モジュール１００ＮＮは、取得部１２０が取得した検出結果（検出情報）ＤＲに基づいて、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算を行う演算モジュールＭＤＬを、ニューラルネットワークＮＮによる演算によって選択する。
第２の選択モジュール１００ＲＢは、取得部１２０が取得した検出結果（検出情報）ＤＲに基づいて、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算を行う演算モジュールＭＤＬを、検出結果（検出情報）ＤＲと制御情報ＣＭＤとの対応関係が予め定められているルールベース演算によって選択する。
制御モジュール１１０は、上述した第１の選択モジュール１００ＮＮ又は第２の選択モジュール１００ＲＢのいずれかによって選択され、検出結果（検出情報）ＤＲに基づいて制御情報ＣＭＤを生成する。
本実施形態の選択モジュール１００には、第１の選択モジュール１００ＮＮと、第２の選択モジュール１００ＲＢとが含まれる。
第１の選択モジュール１００ＮＮは、取得部１２０が取得した検出結果（検出情報）ＤＲに基づいて、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算を行う演算モジュールＭＤＬを、ニューラルネットワークＮＮによる演算によって選択する。
第２の選択モジュール１００ＲＢは、取得部１２０が取得した検出結果（検出情報）ＤＲに基づいて、次階層の複数の演算モジュールＭＤＬの中から車両ＣＲの周囲の状況に応じた演算を行う演算モジュールＭＤＬを、検出結果（検出情報）ＤＲと制御情報ＣＭＤとの対応関係が予め定められているルールベース演算によって選択する。
制御モジュール１１０は、上述した第１の選択モジュール１００ＮＮ又は第２の選択モジュール１００ＲＢのいずれかによって選択され、検出結果（検出情報）ＤＲに基づいて制御情報ＣＭＤを生成する。
また、制御モジュール１１０には、ルールベース制御モジュール１１０ＲＢが含まれる。このルールベース制御モジュール１１０ＲＢは、検出結果ＤＲに基づいて、車載装置３０に与える制御情報ＣＭＤをルールベース演算によって生成する。
［正解率に基づく演算モジュールの選択］
選択モジュール１００は、階層化されている。階層化された選択モジュール１００には、前段選択モジュール１００ａと、後段選択モジュール１００ｂとがある。このうち、前段選択モジュール１００ａは、車両ＣＲの周囲の状況に基づく選択についての、自モジュールによる選択の正解率ＶＬＤと、後段選択モジュール１００ｂによる選択の正解率ＶＬＤとに基づいて、自モジュールが制御モジュール１１０を選択するか、後段選択モジュール１００ｂに制御モジュール１１０を選択させるかを判定する。ここで、正解率ＶＬＤとは、演算モジュールＭＤＬが出力する情報の正しさの程度をいう。例えば、正解率ＶＬＤは、選択モジュール１００が選択する結果が、車両ＣＲの周囲の状況に応じた正しい結果になる割合によって示される。また例えば、正解率ＶＬＤは、制御モジュール１１０が出力する制御情報ＣＭＤのうち、車両ＣＲの挙動が正しい挙動になる制御情報ＣＭＤ（すなわち、正しい制御情報ＣＭＤ）を出力できる割合によって示される。これらの場合において、車両ＣＲの周囲の状況に応じた「正しい選択結果」や、車両ＣＲの「正しい挙動」は、車両ＣＲの周囲の状況ごとに予め定義されている。
選択モジュール１００は、階層化されている。階層化された選択モジュール１００には、前段選択モジュール１００ａと、後段選択モジュール１００ｂとがある。このうち、前段選択モジュール１００ａは、車両ＣＲの周囲の状況に基づく選択についての、自モジュールによる選択の正解率ＶＬＤと、後段選択モジュール１００ｂによる選択の正解率ＶＬＤとに基づいて、自モジュールが制御モジュール１１０を選択するか、後段選択モジュール１００ｂに制御モジュール１１０を選択させるかを判定する。ここで、正解率ＶＬＤとは、演算モジュールＭＤＬが出力する情報の正しさの程度をいう。例えば、正解率ＶＬＤは、選択モジュール１００が選択する結果が、車両ＣＲの周囲の状況に応じた正しい結果になる割合によって示される。また例えば、正解率ＶＬＤは、制御モジュール１１０が出力する制御情報ＣＭＤのうち、車両ＣＲの挙動が正しい挙動になる制御情報ＣＭＤ（すなわち、正しい制御情報ＣＭＤ）を出力できる割合によって示される。これらの場合において、車両ＣＲの周囲の状況に応じた「正しい選択結果」や、車両ＣＲの「正しい挙動」は、車両ＣＲの周囲の状況ごとに予め定義されている。
［演算モジュールの選択処理の流れ］
次に、図９を参照して、車載制御装置１０の処理の流れの一例について説明する。
図９は、本実施形態の車載制御装置１０の処理の流れの一例を示す図である。この一例において、車載制御装置１０は、選択モジュールＡ〜Ｄの４つの選択モジュール１００と、制御モジュールＡ１〜Ｄ２の８つの制御モジュール１１０とを備える。
選択モジュールＡは、ニューラルネットワークＮＮによる前段選択モジュール１００ａ、すなわち第１の選択モジュール１００ＮＮである。選択モジュールＢは、ルールベース演算による前段選択モジュール１００ａ、すなわち第２の選択モジュール１００ＲＢである。選択モジュールＣ及び選択モジュールＤは、後段選択モジュール１００ｂである。
制御モジュールＡ１〜Ｄ２は、それぞれ、ある車両ＣＲの周囲の状況に応じた制御情報ＣＭＤを生成する。
次に、図９を参照して、車載制御装置１０の処理の流れの一例について説明する。
図９は、本実施形態の車載制御装置１０の処理の流れの一例を示す図である。この一例において、車載制御装置１０は、選択モジュールＡ〜Ｄの４つの選択モジュール１００と、制御モジュールＡ１〜Ｄ２の８つの制御モジュール１１０とを備える。
選択モジュールＡは、ニューラルネットワークＮＮによる前段選択モジュール１００ａ、すなわち第１の選択モジュール１００ＮＮである。選択モジュールＢは、ルールベース演算による前段選択モジュール１００ａ、すなわち第２の選択モジュール１００ＲＢである。選択モジュールＣ及び選択モジュールＤは、後段選択モジュール１００ｂである。
制御モジュールＡ１〜Ｄ２は、それぞれ、ある車両ＣＲの周囲の状況に応じた制御情報ＣＭＤを生成する。
（ステップＳ３１０）選択モジュールＡは、選択モジュールＡ又は選択モジュールＣのうち、正解率ＶＬＤがより高い選択モジュール１００を選択する。ここで、選択モジュールＡは、選択モジュールＡ及び選択モジュールＣのそれぞれについて、選択した場合の正解率ＶＬＤを推定する。選択モジュールＡは、推定した正解率ＶＬＤが最も高い選択モジュール１００を、選択モジュール１００の中から選択する。また、選択モジュールＡは、選択モジュールＡ及び選択モジュールＣの正解率ＶＬＤがいずれも、ある基準値を満たしていない場合には、選択モジュールＢを、ニューラルネットワークＮＮの演算によって選択する。
（ステップＳ３２０）ステップＳ３１０において選択モジュールＡが選択された場合、選択モジュールＡは、制御モジュールＡ１又は制御モジュールＡ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を選択する。
（ステップＳ３３０）ステップＳ３１０において選択モジュールＢが選択された場合、選択モジュールＢは、検出結果ＤＲに対応するルールがあるか否かを判定する。ルールがあると判定された場合（ステップＳ３３０；ＹＥＳ）には、選択モジュールＢは、制御モジュールＢ１又は制御モジュールＢ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を、ルールベース演算によって選択する（ステップＳ３４０）。
（ステップＳ３５０）ステップＳ３１０において選択モジュールＣが選択された場合、選択モジュールＣは、制御モジュールＣ１又は制御モジュールＣ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を選択する。
（ステップＳ３６０）ステップＳ３３０においてルールがないと判定された場合（ステップＳ３３０；ＮＯ）には、選択モジュールＤは、制御モジュールＤ１又は制御モジュールＤ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を選択する。
（ステップＳ３２０）ステップＳ３１０において選択モジュールＡが選択された場合、選択モジュールＡは、制御モジュールＡ１又は制御モジュールＡ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を選択する。
（ステップＳ３３０）ステップＳ３１０において選択モジュールＢが選択された場合、選択モジュールＢは、検出結果ＤＲに対応するルールがあるか否かを判定する。ルールがあると判定された場合（ステップＳ３３０；ＹＥＳ）には、選択モジュールＢは、制御モジュールＢ１又は制御モジュールＢ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を、ルールベース演算によって選択する（ステップＳ３４０）。
（ステップＳ３５０）ステップＳ３１０において選択モジュールＣが選択された場合、選択モジュールＣは、制御モジュールＣ１又は制御モジュールＣ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を選択する。
（ステップＳ３６０）ステップＳ３３０においてルールがないと判定された場合（ステップＳ３３０；ＮＯ）には、選択モジュールＤは、制御モジュールＤ１又は制御モジュールＤ２のうち、車両ＣＲの周囲の状況に適した制御モジュール１１０を選択する。
（ステップＳ３７０−１〜−８）制御モジュールＡ１〜Ｄ２は、選択モジュール１００によって選択されると、検出結果ＤＲに基づいて制御情報ＣＭＤを生成する。
［演算モジュールの学習の流れ］
次に、図１０を参照して演算モジュールＭＤＬの学習の流れの一例について説明する。
図１０は、本実施形態の車載制御装置１０に提供される演算モジュールＭＤＬの学習の流れの一例を示す図である。ここで、演算モジュールＭＤＬは、データセンタＤＣの再学習部ＤＣ２による学習された後に、車載制御装置１０に提供される。以下、再学習部ＤＣ２による演算モジュールＭＤＬの学習の流れについて説明する。この一例では、演算モジュールＭＤＬは、１つの前段選択モジュール１００ａと、２つの後段選択モジュール１００ｂ（１００ｂ−１及び１００ｂ−２）と、３つの制御モジュール１１０（１１０−１〜−３）によって構成される。
次に、図１０を参照して演算モジュールＭＤＬの学習の流れの一例について説明する。
図１０は、本実施形態の車載制御装置１０に提供される演算モジュールＭＤＬの学習の流れの一例を示す図である。ここで、演算モジュールＭＤＬは、データセンタＤＣの再学習部ＤＣ２による学習された後に、車載制御装置１０に提供される。以下、再学習部ＤＣ２による演算モジュールＭＤＬの学習の流れについて説明する。この一例では、演算モジュールＭＤＬは、１つの前段選択モジュール１００ａと、２つの後段選択モジュール１００ｂ（１００ｂ−１及び１００ｂ−２）と、３つの制御モジュール１１０（１１０−１〜−３）によって構成される。
（ステップＳ４００）再学習部ＤＣ２は、ログデータベースＤＣ１から検出結果ＤＲを取得する。
（ステップＳ４１０）再学習部ＤＣ２は、取得した検出結果ＤＲを前段選択モジュール１００ａに供給して、演算モジュールＭＤＬの正解率ＶＬＤの推定をさせ、正解率ＶＬＤの高い演算モジュールＭＤＬを選択するための学習をさせる。
（ステップＳ４２０）再学習部ＤＣ２は、前段選択モジュール１００ａに検出結果ＤＲを供給して、検出結果ＤＲから車両ＣＲの周囲の状況を分類（判定）するための学習をさせる。
（ステップＳ４３０、ステップＳ４４０）再学習部ＤＣ２は、前段選択モジュール１００ａが選択した後段選択モジュール１００ｂ及び制御モジュール１１０に検出結果ＤＲを供給し、制御情報ＣＭＤを生成させる。
（ステップＳ４５０、ステップＳ４６０）再学習部ＤＣ２は、ステップＳ４４０（ステップＳ４４０−１〜−３）において生成された制御情報ＣＭＤをＥＣＵ３００（又はＥＣＵ３００のエミュレータ）に供給し、その制御情報ＣＭＤとＥＣＵ３００の出力とを観測する。再学習部ＤＣ２は、観測したＥＣＵ３００の出力と、所望の（正しい）車両ＣＲの挙動とを比較して得られる制御結果の適否（良し悪し）を教師データとして、演算モジュールＭＤＬを学習させる。
（ステップＳ４１０）再学習部ＤＣ２は、取得した検出結果ＤＲを前段選択モジュール１００ａに供給して、演算モジュールＭＤＬの正解率ＶＬＤの推定をさせ、正解率ＶＬＤの高い演算モジュールＭＤＬを選択するための学習をさせる。
（ステップＳ４２０）再学習部ＤＣ２は、前段選択モジュール１００ａに検出結果ＤＲを供給して、検出結果ＤＲから車両ＣＲの周囲の状況を分類（判定）するための学習をさせる。
（ステップＳ４３０、ステップＳ４４０）再学習部ＤＣ２は、前段選択モジュール１００ａが選択した後段選択モジュール１００ｂ及び制御モジュール１１０に検出結果ＤＲを供給し、制御情報ＣＭＤを生成させる。
（ステップＳ４５０、ステップＳ４６０）再学習部ＤＣ２は、ステップＳ４４０（ステップＳ４４０−１〜−３）において生成された制御情報ＣＭＤをＥＣＵ３００（又はＥＣＵ３００のエミュレータ）に供給し、その制御情報ＣＭＤとＥＣＵ３００の出力とを観測する。再学習部ＤＣ２は、観測したＥＣＵ３００の出力と、所望の（正しい）車両ＣＲの挙動とを比較して得られる制御結果の適否（良し悪し）を教師データとして、演算モジュールＭＤＬを学習させる。
［第２の実施形態のまとめ］
以上説明したように演算モジュールＭＤＬを構成することにより、車載制御装置１０は、演算モジュールＭＤＬ毎に学習させることができ、かつ学習済みの演算モジュールＭＤＬを用いて他の演算モジュールＭＤＬを学習させることができる。このため、車載制御装置１０によれば、すべての演算モジュールＭＤＬを同時に学習させる場合に比べて学習効率が高くなり、短期間で学習させることができる。つまり、車載制御装置１０によれば、車両ＣＲの挙動を制御するための演算モジュールＭＤＬの学習の難度を低減することができる。
以上説明したように演算モジュールＭＤＬを構成することにより、車載制御装置１０は、演算モジュールＭＤＬ毎に学習させることができ、かつ学習済みの演算モジュールＭＤＬを用いて他の演算モジュールＭＤＬを学習させることができる。このため、車載制御装置１０によれば、すべての演算モジュールＭＤＬを同時に学習させる場合に比べて学習効率が高くなり、短期間で学習させることができる。つまり、車載制御装置１０によれば、車両ＣＲの挙動を制御するための演算モジュールＭＤＬの学習の難度を低減することができる。
また、本実施形態の車載制御装置１０は、ルールベース演算によって演算モジュールＭＤＬを選択する選択モジュール１００（第２の選択モジュール１００ＲＢ）を備える。例えば、停止（赤）信号や、注意（黄）信号、一時停止標識など、交通法規上、車両ＣＲに対して所定の挙動が求められる状況がある。このような所定の挙動について、ｉｆ−ｔｈｅｎ−ｅｌｓｅの条件分岐などによるルールベース演算にすれば、ニューラルネットワークＮＮの学習対象となる状況をより少なくすることができる。
より具体的には、車両ＣＲが遭遇する状況のうち、いくつかの状況については、その状況であると定義されるのはどのような条件のときか、その状況においてはどのような挙動にしなければならないかが明確に定められている。この場合、本実施形態の車載制御装置１０は、挙動が明確に定められている状況については、所定の条件を元にルールベース演算による選択モジュール１００（第２の選択モジュール１００ＲＢ）によって状況を判定し、挙動が明確に定められていない状況については、ニューラルネットワークＮＮによる選択モジュール１００（第１の選択モジュール１００ＮＮ）によって状況を判定する。このように構成することにより、車載制御装置１０は、様々な状況の分類を実現しながらも、すべての選択モジュール１００をニューラルネットワークＮＮによるものとする場合に比べ、学習データの量を低減することができる。
つまり、本実施形態の車載制御装置１０は、車両ＣＲの挙動を制御するための演算モジュールＭＤＬ（選択モジュール１００）の学習の難度を低減することができる。
より具体的には、車両ＣＲが遭遇する状況のうち、いくつかの状況については、その状況であると定義されるのはどのような条件のときか、その状況においてはどのような挙動にしなければならないかが明確に定められている。この場合、本実施形態の車載制御装置１０は、挙動が明確に定められている状況については、所定の条件を元にルールベース演算による選択モジュール１００（第２の選択モジュール１００ＲＢ）によって状況を判定し、挙動が明確に定められていない状況については、ニューラルネットワークＮＮによる選択モジュール１００（第１の選択モジュール１００ＮＮ）によって状況を判定する。このように構成することにより、車載制御装置１０は、様々な状況の分類を実現しながらも、すべての選択モジュール１００をニューラルネットワークＮＮによるものとする場合に比べ、学習データの量を低減することができる。
つまり、本実施形態の車載制御装置１０は、車両ＣＲの挙動を制御するための演算モジュールＭＤＬ（選択モジュール１００）の学習の難度を低減することができる。
また、本実施形態の車載制御装置１０は、ルールベース演算によって制御情報ＣＭＤを生成するルールベース制御モジュール１１０ＲＢを備えている。一部の制御情報ＣＭＤの生成をルールベース演算によって行えば、ニューラルネットワークＮＮの学習対象となる状況をより少なくすることができる。つまり、本実施形態の車載制御装置１０は、車両ＣＲの挙動を制御するための演算モジュールＭＤＬ（制御モジュール１１０）の学習の難度を低減することができる。
また、本実施形態の車載制御装置１０は、前段選択モジュール１００ａが正解率ＶＬＤに基づいて、いずれの演算モジュールＭＤＬを選択するべきかを判定する。このように正解率ＶＬＤに基づいて演算モジュールＭＤＬを選択することにより、車載制御装置１０は、車両ＣＲの周囲の状況により適した演算モジュールＭＤＬを選択することができる。
以上、本発明の実施形態及びその変形を説明したが、これらの実施形態及びその変形は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態及びその変形は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態及びその変形は、発明の範囲や要旨に含まれると同時に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
なお、上述の各装置は内部にコンピュータを有している。そして、上述した各装置の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
１０…車載制御装置、１００…選択モジュール、１００ａ…前段選択モジュール、１００ｂ…後段選択モジュール、１００ＮＮ…第１の選択モジュール、１００ＲＢ…第２の選択モジュール、１１０…制御モジュール、１１０ＲＢ…ルールベース制御モジュール、１２０…取得部、１３０…出力部
ＣＭＤ…制御情報、ＤＲ…検出結果、ＭＤＬ…演算モジュール、ＶＬＤ…正答率
ＣＭＤ…制御情報、ＤＲ…検出結果、ＭＤＬ…演算モジュール、ＶＬＤ…正答率
Claims (3)
- 車両の周囲の状況が検出された情報を少なくとも含む検出情報に基づいて、前記車両の挙動を制御する車載装置に与える制御情報を、階層化された複数の演算モジュールによって生成する車載制御装置であって、
前記検出情報を取得する取得部と、
演算モジュールのうち、前記取得部が取得した前記検出情報に基づいて、次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算を行う演算モジュールを、ニューラルネットワークによる演算によって選択する第１の選択モジュールと、
演算モジュールのうち、前記取得部が取得した前記検出情報に基づいて、次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算を行う演算モジュールを、前記検出情報と前記制御情報との対応関係が予め定められているルールベース演算によって選択する第２の選択モジュールと、
演算モジュールのうち、前記第１の選択モジュール又は前記第２の選択モジュールのいずれかによって選択され、前記検出情報に基づいて前記制御情報を生成する制御モジュールと、
前記制御モジュールが生成した前記制御情報を前記車載装置に対して出力する出力部と、
を備え、
前記次階層の複数の演算モジュールとは、それぞれが、互いに異なる特定の走行シーンについて学習がなされた演算モジュールであり、
前記第１の選択モジュールは、複数の演算モジュールの中から、前記検出情報が示す走行シーンについて学習がなされた演算モジュールを選択する
車載制御装置。 - 前記制御モジュールには、
前記検出情報に基づいて、前記車載装置に与える前記制御情報を前記検出情報と前記制御情報との対応関係が予め定められているルールベース演算によって生成するルールベース制御モジュール
が含まれる請求項１に記載の車載制御装置。 - 前記第１の選択モジュールは階層化されており、
階層化された前記第１の選択モジュールには、
次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算モジュールを選択する前段選択モジュールと、
前記前段選択モジュールによって選択され、次階層の複数の演算モジュールの中から車両の周囲の状況に応じた演算モジュールを選択する後段選択モジュールと、
が含まれ、
前記前段選択モジュールは、
車両の周囲の状況に基づく選択についての、自モジュールによる選択の正解率と、前記後段選択モジュールによる選択の正解率とに基づいて、自モジュールが前記制御モジュールを選択するか、前記後段選択モジュールに前記制御モジュールを選択させるかを判定する
請求項１又は請求項２に記載の車載制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018017393A JP6979648B2 (ja) | 2018-02-02 | 2018-02-02 | 車載制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018017393A JP6979648B2 (ja) | 2018-02-02 | 2018-02-02 | 車載制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019131141A JP2019131141A (ja) | 2019-08-08 |
| JP6979648B2 true JP6979648B2 (ja) | 2021-12-15 |
Family
ID=67545502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018017393A Active JP6979648B2 (ja) | 2018-02-02 | 2018-02-02 | 車載制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6979648B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018222720B4 (de) | 2018-12-21 | 2022-01-05 | Continental Teves Ag & Co. Ohg | Überwachung von auf neuronalen Netzwerken basierten Fahrfunktionen |
| CN111081067B (zh) * | 2019-12-27 | 2021-07-20 | 武汉大学 | 车联网环境下基于iga-bp神经网络的车辆碰撞预警系统及方法 |
| JP2021177266A (ja) * | 2020-04-17 | 2021-11-11 | 株式会社鈴康 | プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法 |
| US11938941B2 (en) * | 2020-08-31 | 2024-03-26 | Denso International America, Inc. | Mode selection according to system conditions |
| CN117690107B (zh) * | 2023-12-15 | 2024-04-26 | 上海保隆汽车科技(武汉)有限公司 | 一种车道边线识别方法和装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2601003B2 (ja) * | 1990-09-25 | 1997-04-16 | 日産自動車株式会社 | 車両の走行条件認識装置 |
| JP2006160032A (ja) * | 2004-12-06 | 2006-06-22 | Toyota Motor Corp | 運転状態判定装置及び運転状態判定方法 |
| JP6756661B2 (ja) * | 2017-04-28 | 2020-09-16 | 日立オートモティブシステムズ株式会社 | 車両電子制御装置 |
-
2018
- 2018-02-02 JP JP2018017393A patent/JP6979648B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019131141A (ja) | 2019-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6979648B2 (ja) | 車載制御装置 | |
| JP7086911B2 (ja) | 自動運転車両のためのリアルタイム意思決定 | |
| Lv et al. | Hybrid-learning-based classification and quantitative inference of driver braking intensity of an electrified vehicle | |
| EP4038465A1 (en) | Collision avoidance perception system | |
| CN114902295A (zh) | 用于自主驾驶应用的三维路口结构预测 | |
| US11555706B1 (en) | Processing graph representations of tactical maps using neural networks | |
| US20200234191A1 (en) | Travel model generation system, vehicle in travel model generation system, and processing method | |
| CN109562758A (zh) | 自动驾驶车辆的控制方法及控制装置 | |
| JP6790258B2 (ja) | ポリシー生成装置及び車両 | |
| US20200055522A1 (en) | Vehicle control device | |
| CN112987711B (zh) | 自动驾驶规控算法优化方法及仿真测试装置 | |
| US20230130814A1 (en) | Yield scenario encoding for autonomous systems | |
| CN107161145A (zh) | 用于避免追尾事故的方法和控制装置 | |
| CN112784867A (zh) | 利用合成图像训练深度神经网络 | |
| CN114450724A (zh) | 用于自主机器应用的多活动者环境中的未来轨迹预测 | |
| JP7119839B2 (ja) | 物体検出装置、物体検出方法及び車両制御装置 | |
| JP7120565B2 (ja) | 車載制御装置 | |
| Widaa et al. | Design of Fuzzy-based autonomous car control system | |
| US20220121213A1 (en) | Hybrid planning method in autonomous vehicle and system thereof | |
| Becker et al. | System architecture and safety requirements for automated driving | |
| JP6900007B2 (ja) | 配信装置 | |
| JP7223585B2 (ja) | 車両制御装置および車両制御システム | |
| Navarro et al. | Development of an autonomous vehicle control strategy using a single camera and deep neural networks | |
| US20230294736A1 (en) | Offline Tracking System for Autonomous Vehicle Control Systems | |
| Yoshimura et al. | Autonomous emergency steering using deep reinforcement learning for advanced driver assistance system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180308 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200706 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210617 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210622 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210812 |
|
| 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: 20211005 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211104 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6979648 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |