JP7086911B2 - 自動運転車両のためのリアルタイム意思決定 - Google Patents
自動運転車両のためのリアルタイム意思決定 Download PDFInfo
- Publication number
- JP7086911B2 JP7086911B2 JP2019190971A JP2019190971A JP7086911B2 JP 7086911 B2 JP7086911 B2 JP 7086911B2 JP 2019190971 A JP2019190971 A JP 2019190971A JP 2019190971 A JP2019190971 A JP 2019190971A JP 7086911 B2 JP7086911 B2 JP 7086911B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- objects
- grid
- self
- network
- 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
- 238000013528 artificial neural network Methods 0.000 claims description 153
- 238000000034 method Methods 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 42
- 238000010801 machine learning Methods 0.000 claims description 26
- 238000013527 convolutional neural network Methods 0.000 claims description 22
- 238000012546 transfer Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000013135 deep learning Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000002085 persistent effect Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Images
Classifications
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Image Analysis (AREA)
Description
このようなフラッシュデバイスは、システムソフトウェアの不揮発性記憶に用いられてもよく、前記システムソフトウェアは、前記システムのBIOSおよび他のファームウェアを備える。
Claims (15)
- 自動運転車両の動作中に機械学習により意思決定するためのコンピュータによって実施される方法であって、
少なくとも第1ニューラルネットワーク、第2ニューラルネットワークおよび第3ニューラルネットワークを含むデータ処理アーキテクチャを使用して、前記自動運転車両の周辺環境における1つまたは複数のオブジェクトに対して1つまたは複数の譲り/追い越しの決定を行うステップであって、前記第1ニューラルネットワーク、前記第2ニューラルネットワークおよび前記第3ニューラルネットワークは、トレーニングデータセットを使用してトレーニングされたものであるステップと、
前記自動運転車両の動作を制御するために、少なくとも部分的に前記譲り/追い越しの決定に基づいて運転信号を生成するステップと、
前記第1ニューラルネットワークは、1つまたは複数の以前の計画周期から前記1つまたは複数のオブジェクトの履歴特徴を抽出するステップと、
前記自動運転車両の感知領域をグリッドに細分化し、グリッドに関連付けられたブロック情報に基づいて、抽出された前記1つまたは複数のオブジェクトの履歴特徴及び関連付けられた地図情報をラベル付けして、前記第2ニューラルネットワークに出力するステップと、を含み、
前記グリッドにおけるブロックのそれぞれには、1つ以下のオブジェクトが含まれ、
前記第2ニューラルネットワークは、前記第1ニューラルネットワークから出力された、グリッドに関連付けられたブロック情報によってラベル付けされた前記1つまたは複数のオブジェクトの履歴特徴及び関連付けられた地図情報を受信して、符号化データを生成して前記第3ニューラルネットワークに出力し、
前記第3ニューラルネットワークは、前記第2ニューラルネットワークから受信された前記符号化データと、前記第1ニューラルネットワークから受信された前記履歴特徴とを入力とし、前記1つまたは複数のオブジェクトの各々に対して1つまたは複数の譲り/追い越しの決定を生成して出力とする、コンピュータによって実施される方法。 - 前記第1ニューラルネットワークは多層パーセプトロンであり、前記第2ニューラルネットワークは畳み込みニューラルネットワークであり、前記第3ニューラルネットワークは全結合ネットワークである、
請求項1に記載の方法。 - 前記1つまたは複数のオブジェクトの前記履歴特徴は、位置、速度または加速度のうちの1つ以上を含み、
前記地図情報は、高精細地図に由来するものであって、車線特徴成分、交通信号成分、静的オブジェクト成分及び一般地図情報成分のうちの1つ以上を含む、
請求項1に記載の方法。 - 前記グリッドは、複数の均一なサイズの矩形ブロックに細分化される請求項1に記載の方法。
- 前記符号化データおよび前記自動運転車両の履歴特徴は、前記第3ニューラルネットワークにフィードされる前に直列接続される、
請求項1に記載の方法。 - 前記トレーニングデータセットは、以前記録された、譲り/追い越しの決定で自動的にラベル付けされた運転及び感知データを含む、
請求項1に記載の方法。 - 指令が格納されている非一時的な機械可読媒体であって、前記指令はプロセッサにより実行されるときに、自動運転車両の操作中に機械学習により意思決定するための動作を前記プロセッサに実行させ、前記動作は、
少なくとも第1ニューラルネットワーク、第2ニューラルネットワークおよび第3ニューラルネットワークを含むデータ処理アーキテクチャを使用して、前記自動運転車両の周辺環境における1つまたは複数のオブジェクトに対して1つまたは複数の譲り/追い越しの決定を行うステップであって、前記第1ニューラルネットワーク、前記第2ニューラルネットワークおよび前記第3ニューラルネットワークは、トレーニングデータセットでトレーニングされたものであるステップと、
前記自動運転車両の動作を制御するために、少なくとも部分的に譲り/追い越しの決定に基づいて運転信号を生成するステップと、
前記第1ニューラルネットワークは、1つまたは複数の以前の計画周期から前記1つまたは複数のオブジェクトの履歴特徴を抽出するステップと、
前記自動運転車両の感知領域をグリッドに細分化し、グリッドに関連付けられたブロック情報に基づいて、抽出された前記1つまたは複数のオブジェクトの履歴特徴及び関連付けられた地図情報をラベル付けして、前記第2ニューラルネットワークに出力するステップと、を含み、
前記グリッドにおけるブロックのそれぞれには、1つ以下のオブジェクトが含まれ、
前記第2ニューラルネットワークは、前記第1ニューラルネットワークから出力された、グリッドに関連付けられたブロック情報によってラベル付けされた前記1つまたは複数のオブジェクトの履歴特徴及び関連付けられた地図情報を受信して、符号化データを生成して前記第3ニューラルネットワークに出力し、
前記第3ニューラルネットワークは、前記第2ニューラルネットワークから受信された前記符号化データと、前記第1ニューラルネットワークから受信された前記履歴特徴とを入力とし、前記1つまたは複数のオブジェクトの各々に対して1つまたは複数の譲り/追い越しの決定を生成して出力とする、非一時的な機械可読媒体。 - 前記第1ニューラルネットワークは多層パーセプトロンであり、前記第2ニューラルネットワークは畳み込みニューラルネットワークであり、前記第3ニューラルネットワークは全結合ネットワークである、
請求項7に記載の非一時的な機械可読媒体。 - 前記1つまたは複数のオブジェクトの前記履歴特徴は、位置、速度及び加速度のうちの1つ以上を含み、
前記地図情報は、高精細地図に由来するものであって、車線特徴成分、交通信号成分、静的オブジェクト成分及び一般地図情報成分のうちの1つ以上を含む、
請求項7に記載の非一時的な機械可読媒体。 - 前記グリッドは、複数の均一なサイズの矩形ブロックに細分化される請求項7に記載の非一時的な機械可読媒体。
- 前記符号化データおよび前記自動運転車両の履歴特徴は、前記第3ニューラルネットワークにフィードされる前に直列接続される、
請求項7に記載の非一時的な機械可読媒体。 - 前記トレーニングデータセットは、以前記録された、譲り/追い越しの決定で自動的にラベル付けされた運転及び感知データを含む、
請求項7に記載の非一時的な機械可読媒体。 - プロセッサと、指令を格納するために、前記プロセッサに接続されたメモリとを備えるデータ処理システムであって、前記指令は前記プロセッサによって実行されるとき、自動運転車両の操作中に機械学習により意思決定するための動作を前記プロセッサに実行させ、前記動作は、
少なくとも第1ニューラルネットワーク、第2ニューラルネットワークおよび第3ニューラルネットワークを含むデータ処理アーキテクチャを使用して、前記自動運転車両の周辺環境における1つまたは複数のオブジェクトに対して1つまたは複数の譲り/追い越しの決定を行うステップであって、前記第1ニューラルネットワーク、前記第2ニューラルネットワークおよび前記第3ニューラルネットワークは、トレーニングデータセットでトレーニングされたものであるステップと、
前記自動運転車両の動作を制御するために、少なくとも部分的に前記譲り/追い越しの決定に基づいて運転信号を生成するステップと、
前記第1ニューラルネットワークは、1つまたは複数の以前の計画周期から前記1つまたは複数のオブジェクトの履歴特徴を抽出するステップと、
前記自動運転車両の感知領域をグリッドに細分化し、グリッドに関連付けられたブロック情報に基づいて、抽出された前記1つまたは複数のオブジェクトの履歴特徴及び関連付けられた地図情報をラベル付けして、前記第2ニューラルネットワークに出力するステップと、を含み、
前記グリッドにおけるブロックのそれぞれには、1つ以下のオブジェクトが含まれ、
前記第2ニューラルネットワークは、前記第1ニューラルネットワークから出力された、グリッドに関連付けられたブロック情報によってラベル付けされた前記1つまたは複数のオブジェクトの履歴特徴及び関連付けられた地図情報を受信して、符号化データを生成して前記第3ニューラルネットワークに出力し、
前記第3ニューラルネットワークは、前記第2ニューラルネットワークから受信された前記符号化データと、前記第1ニューラルネットワークから受信された前記履歴特徴とを入力とし、前記1つまたは複数のオブジェクトの各々に対して1つまたは複数の譲り/追い越しの決定を生成して出力とする、データ処理システム。 - 前記第1ニューラルネットワークは多層パーセプトロンであり、前記第2ニューラルネットワークは畳み込みニューラルネットワークであり、前記第3ニューラルネットワークは全結合ネットワークである、
請求項13に記載のデータ処理システム。 - コンピュータプログラムであって、
前記コンピュータプログラムがプロセッサにより実行されると、請求項1~6のいずれか一項に記載の方法を実現する、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/206,572 US11137762B2 (en) | 2018-11-30 | 2018-11-30 | Real time decision making for autonomous driving vehicles |
US16/206,572 | 2018-11-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020083309A JP2020083309A (ja) | 2020-06-04 |
JP7086911B2 true JP7086911B2 (ja) | 2022-06-20 |
Family
ID=67997324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019190971A Active JP7086911B2 (ja) | 2018-11-30 | 2019-10-18 | 自動運転車両のためのリアルタイム意思決定 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11137762B2 (ja) |
EP (1) | EP3660745B1 (ja) |
JP (1) | JP7086911B2 (ja) |
CN (1) | CN111252061B (ja) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110088775B (zh) * | 2016-11-04 | 2023-11-07 | 渊慧科技有限公司 | 使用加强学习的环境预测 |
US11995989B2 (en) * | 2020-03-31 | 2024-05-28 | Gm Cruise Holdings Llc | Visualization of planned autonomous vehicle behavior |
JP7538892B2 (ja) | 2020-06-05 | 2024-08-22 | ガティック エーアイ インコーポレイテッド | 自律エージェントのコンテキスト認識型意思決定を行うための方法およびシステム |
JP7538893B2 (ja) | 2020-06-05 | 2024-08-22 | ガティック エーアイ インコーポレイテッド | 自律エージェントのデータドリブンかつモジュラー式の意思決定と経路生成のための方法およびシステム |
US11157010B1 (en) | 2020-06-05 | 2021-10-26 | Gatik Ai Inc. | Method and system for deterministic trajectory selection based on uncertainty estimation for an autonomous agent |
CN111982137B (zh) | 2020-06-30 | 2022-08-12 | 阿波罗智能技术(北京)有限公司 | 生成路线规划模型的方法、装置、设备和存储介质 |
CN111572562A (zh) * | 2020-07-03 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 自动驾驶方法、装置、设备、系统、车辆和计算机可读存储介质 |
KR20220029833A (ko) * | 2020-08-28 | 2022-03-10 | 현대모비스 주식회사 | 차량의 속도 제어 시스템 |
CN114148342A (zh) * | 2020-09-07 | 2022-03-08 | 奥迪股份公司 | 自动驾驶判断系统、自动驾驶控制系统及车辆 |
CN112201070B (zh) * | 2020-09-29 | 2022-03-01 | 上海交通大学 | 基于深度学习的自动驾车高速公路瓶颈路段行为决策方法 |
CN112370258B (zh) * | 2020-11-13 | 2022-08-09 | 安徽金百合医疗器械有限公司 | 电动移动设备 |
CN112418237A (zh) * | 2020-12-07 | 2021-02-26 | 苏州挚途科技有限公司 | 车辆驾驶决策方法、装置及电子设备 |
JP7552849B2 (ja) | 2021-02-24 | 2024-09-18 | 日本電気株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN112987754B (zh) * | 2021-04-14 | 2021-09-24 | 北京三快在线科技有限公司 | 一种无人设备的控制方法、装置、存储介质及电子设备 |
CN113705777B (zh) * | 2021-08-07 | 2024-04-12 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种无人机自主寻径模型训练方法及装置 |
CN113554356B (zh) * | 2021-09-18 | 2023-06-20 | 中国地质大学(武汉) | 基于多模型融合的人口分布估计方法、装置及存储介质 |
CN113848913B (zh) * | 2021-09-28 | 2023-01-06 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及控制装置 |
CN113978259B (zh) * | 2021-11-19 | 2022-10-18 | 张展浩 | 一种基于驾驶场景及驾驶习惯的电动汽车制动控制方法 |
CA3240477A1 (en) | 2021-12-16 | 2023-06-22 | Apeksha Kumavat | Method and system for expanding the operational design domain of an autonomous agent |
CA3240409A1 (en) | 2021-12-16 | 2023-06-22 | Apeksha Kumavat | Method and system for addressing failure in an autonomous agent |
CN115116240A (zh) * | 2022-06-27 | 2022-09-27 | 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 |
CN115514787B (zh) * | 2022-09-16 | 2023-06-27 | 北京邮电大学 | 用于车联网环境的智能无人机辅助决策规划方法及装置 |
CN118212781B (zh) * | 2024-05-17 | 2024-08-20 | 北京国电光宇机电设备有限公司 | 一种带有自动识别车辆数据的远程监测遥控系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016052835A (ja) | 2014-09-03 | 2016-04-14 | 株式会社デンソーアイティーラボラトリ | 移動物体位置予測装置、移動物体位置予測方法及び移動物体位置予測用コンピュータプログラム |
JP2018055141A (ja) | 2016-09-26 | 2018-04-05 | 日立オートモティブシステムズ株式会社 | 移動体軌道予測システム |
WO2018084324A1 (en) | 2016-11-03 | 2018-05-11 | Mitsubishi Electric Corporation | Method and system for controlling vehicle |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170206426A1 (en) * | 2016-01-15 | 2017-07-20 | Ford Global Technologies, Llc | Pedestrian Detection With Saliency Maps |
CN107784709A (zh) * | 2017-09-05 | 2018-03-09 | 百度在线网络技术(北京)有限公司 | 处理自动驾驶训练数据的方法和装置 |
WO2019094843A1 (en) * | 2017-11-10 | 2019-05-16 | Nvidia Corporation | Systems and methods for safe and reliable autonomous vehicles |
US11556777B2 (en) * | 2017-11-15 | 2023-01-17 | Uatc, Llc | Continuous convolution and fusion in neural networks |
US10836379B2 (en) | 2018-03-23 | 2020-11-17 | Sf Motors, Inc. | Multi-network-based path generation for vehicle parking |
US10466716B1 (en) * | 2018-09-05 | 2019-11-05 | Chongqing Jinkang New Energy Vehicle Co., Ltd | Vehicle command generation using vehicle-to-infrastructure communications and deep networks |
-
2018
- 2018-11-30 US US16/206,572 patent/US11137762B2/en active Active
-
2019
- 2019-09-02 CN CN201910823056.XA patent/CN111252061B/zh active Active
- 2019-09-06 EP EP19195871.9A patent/EP3660745B1/en active Active
- 2019-10-18 JP JP2019190971A patent/JP7086911B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016052835A (ja) | 2014-09-03 | 2016-04-14 | 株式会社デンソーアイティーラボラトリ | 移動物体位置予測装置、移動物体位置予測方法及び移動物体位置予測用コンピュータプログラム |
JP2018055141A (ja) | 2016-09-26 | 2018-04-05 | 日立オートモティブシステムズ株式会社 | 移動体軌道予測システム |
WO2018084324A1 (en) | 2016-11-03 | 2018-05-11 | Mitsubishi Electric Corporation | Method and system for controlling vehicle |
Also Published As
Publication number | Publication date |
---|---|
US20200174472A1 (en) | 2020-06-04 |
CN111252061B (zh) | 2023-08-15 |
US11137762B2 (en) | 2021-10-05 |
EP3660745B1 (en) | 2022-01-12 |
EP3660745A1 (en) | 2020-06-03 |
JP2020083309A (ja) | 2020-06-04 |
CN111252061A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7086911B2 (ja) | 自動運転車両のためのリアルタイム意思決定 | |
JP7222868B2 (ja) | オブジェクト挙動のリアルタイム予測 | |
JP6738932B2 (ja) | シミュレーションプラットフォームに配置された、機械学習モデルを訓練するためのシステム及び方法 | |
CN111971574B (zh) | 用于自动驾驶车辆的lidar定位的基于深度学习的特征提取 | |
US10457294B1 (en) | Neural network based safety monitoring system for autonomous vehicles | |
JP6748244B2 (ja) | 自動運転車に用いられる学習に基づく速度計画装置 | |
CN111771141B (zh) | 自动驾驶车辆中使用3d cnn网络进行解决方案推断的lidar定位 | |
CN111771135B (zh) | 自动驾驶车辆中使用rnn和lstm进行时间平滑的lidar定位 | |
US11545033B2 (en) | Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction | |
CN111380534B (zh) | 用于自动驾驶车辆的基于st图学习的方法 | |
US20200150672A1 (en) | Hybrid reinforcement learning for autonomous driving | |
CN110239562A (zh) | 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适 | |
CN111240312A (zh) | 用于自动驾驶车辆的基于学习的动态建模方法 | |
CN112146680B (zh) | 基于特征图确定消失点 | |
CN112149484B (zh) | 基于车道线确定消失点 | |
JP7143269B2 (ja) | 車両挙動予測のための圧縮環境特徴の表示 | |
US20240212360A1 (en) | Generating object data using a diffusion model | |
JP2024509086A (ja) | 運転シミュレーションにおけるエージェント変換 | |
WO2024137500A1 (en) | Generating object representations using a variable autoencoder | |
WO2024049640A1 (en) | Trajectory optimization in multi-agent environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191106 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210126 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210506 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210914 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211214 |
|
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: 20220517 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220608 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7086911 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |