JP7315294B2 - システム、方法及びプログラム - Google Patents
システム、方法及びプログラム Download PDFInfo
- Publication number
- JP7315294B2 JP7315294B2 JP2022074462A JP2022074462A JP7315294B2 JP 7315294 B2 JP7315294 B2 JP 7315294B2 JP 2022074462 A JP2022074462 A JP 2022074462A JP 2022074462 A JP2022074462 A JP 2022074462A JP 7315294 B2 JP7315294 B2 JP 7315294B2
- Authority
- JP
- Japan
- Prior art keywords
- host vehicle
- vehicle
- distance
- maximum braking
- braking rate
- 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
- 238000000034 method Methods 0.000 title claims description 202
- 238000012545 processing Methods 0.000 claims description 496
- 230000009471 action Effects 0.000 claims description 478
- 230000001133 acceleration Effects 0.000 claims description 229
- 238000004458 analytical method Methods 0.000 claims description 84
- 230000008859 change Effects 0.000 claims description 68
- 230000015654 memory Effects 0.000 claims description 57
- 230000035484 reaction time Effects 0.000 claims description 25
- 238000000926 separation method Methods 0.000 claims description 21
- 230000033001 locomotion Effects 0.000 description 173
- 239000000872 buffer Substances 0.000 description 166
- 230000004044 response Effects 0.000 description 145
- 230000006870 function Effects 0.000 description 143
- 230000008569 process Effects 0.000 description 117
- 238000013459 approach Methods 0.000 description 90
- 241000282414 Homo sapiens Species 0.000 description 79
- 230000006399 behavior Effects 0.000 description 67
- 230000000875 corresponding effect Effects 0.000 description 67
- 239000003795 chemical substances by application Substances 0.000 description 61
- 238000010191 image analysis Methods 0.000 description 58
- 238000001514 detection method Methods 0.000 description 51
- 238000004422 calculation algorithm Methods 0.000 description 41
- 230000003190 augmentative effect Effects 0.000 description 39
- 230000008901 benefit Effects 0.000 description 39
- 230000003334 potential effect Effects 0.000 description 34
- 238000005259 measurement Methods 0.000 description 32
- 238000012360 testing method Methods 0.000 description 27
- 230000007774 longterm Effects 0.000 description 26
- 230000003068 static effect Effects 0.000 description 23
- 230000002787 reinforcement Effects 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 20
- 230000016571 aggressive behavior Effects 0.000 description 19
- 238000010801 machine learning Methods 0.000 description 18
- 238000013507 mapping Methods 0.000 description 18
- 238000006073 displacement reaction Methods 0.000 description 17
- 238000012795 verification Methods 0.000 description 17
- 230000007246 mechanism Effects 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 238000012986 modification Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 15
- 238000005457 optimization Methods 0.000 description 15
- 231100001261 hazardous Toxicity 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 14
- 239000013598 vector Substances 0.000 description 14
- 230000006698 induction Effects 0.000 description 13
- 230000004888 barrier function Effects 0.000 description 12
- 230000004438 eyesight Effects 0.000 description 12
- 241000237858 Gastropoda Species 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 11
- 230000003111 delayed effect Effects 0.000 description 10
- 238000009826 distribution Methods 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 10
- 238000005096 rolling process Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 241001465754 Metazoa Species 0.000 description 9
- 230000003416 augmentation Effects 0.000 description 9
- 230000001186 cumulative effect Effects 0.000 description 9
- 238000013016 damping Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 8
- 238000005520 cutting process Methods 0.000 description 8
- 230000000881 depressing effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 206010001488 Aggression Diseases 0.000 description 7
- 241000282412 Homo Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 230000001934 delay Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 230000001953 sensory effect Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000004313 glare Effects 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 208000012761 aggressive behavior Diseases 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 238000005206 flow analysis Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 239000000725 suspension Substances 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000036461 convulsion Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000009474 immediate action Effects 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000002040 relaxant effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000008093 supporting effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 2
- 238000001444 catalytic combustion detection Methods 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010367 cloning Methods 0.000 description 2
- 230000009849 deactivation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 206010029216 Nervousness Diseases 0.000 description 1
- 101100289792 Squirrel monkey polyomavirus large T gene Proteins 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003667 anti-reflective effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000988 reflection electron microscopy Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000011076 safety test Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009476 short term action Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000013106 supervised machine learning method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
- B60T7/16—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger operated by remote control, i.e. initiating means not mounted on vehicle
- B60T7/18—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger operated by remote control, i.e. initiating means not mounted on vehicle operated by wayside apparatus
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
- B60T7/22—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger initiated by contact of vehicle, e.g. bumper, with an external object, e.g. another vehicle, or by means of contactless obstacle detectors mounted on the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/32—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration
- B60T8/86—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration wherein the brakes are automatically applied in accordance with a speed condition and having means for overriding the automatic braking device when a skid condition occurs
-
- 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
- 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
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/181—Preparing for stopping
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
-
- 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
- B60W40/06—Road conditions
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/1005—Driving resistance
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/114—Yaw movement
-
- 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
- B60W50/0097—Predicting future conditions
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/082—Selecting or switching between different modes of propelling
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/087—Interaction between the driver and the control system where the control system corrects or modifies a request from the driver
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/12—Limiting control by the driver depending on vehicle state, e.g. interlocking means for the control input for preventing unsafe 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- 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
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- 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
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2201/00—Particular use of vehicle brake systems; Special systems using also the brakes; Special software modules within the brake system controller
- B60T2201/02—Active or adaptive cruise control system; Distance control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2201/00—Particular use of vehicle brake systems; Special systems using also the brakes; Special software modules within the brake system controller
- B60T2201/02—Active or adaptive cruise control system; Distance control
- B60T2201/022—Collision avoidance 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
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- 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
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B60W2420/408—
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
- B60W2510/0604—Throttle position
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/18—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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/04—Vehicle stop
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/16—Driving resistance
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/12—Brake pedal position
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- 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
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4046—Behavior, e.g. aggressive or erratic
-
- 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
-
- 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
- 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
- B60W2554/804—Relative longitudinal speed
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- 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
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/20—Lateral distance
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
- B60W2754/30—Longitudinal distance
-
- 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
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9323—Alternative operation using light waves
Description
関連出願の相互参照
[0001] 本願は、２０１８年３月２０日に出願された米国仮特許出願第６２／６４５，４７９号、２０１８年３月２２日に出願された米国仮特許出願第６２／６４６，５７９号、２０１８年８月１４日に出願された米国仮特許出願第６２／７１８，５５４号、２０１８年８月２９日に出願された米国仮特許出願第６２／７２４，３５５号、２０１８年１１月２８日に出願された米国仮特許出願第６２／７７２，３６６号及び２０１８年１２月１１日に出願された米国仮特許出願第６２／７７７，９１４号の優先権の利益を主張するものである。上記の出願は、全て参照によりその全体が本明細書に援用される。
[0001] 本願は、２０１８年３月２０日に出願された米国仮特許出願第６２／６４５，４７９号、２０１８年３月２２日に出願された米国仮特許出願第６２／６４６，５７９号、２０１８年８月１４日に出願された米国仮特許出願第６２／７１８，５５４号、２０１８年８月２９日に出願された米国仮特許出願第６２／７２４，３５５号、２０１８年１１月２８日に出願された米国仮特許出願第６２／７７２，３６６号及び２０１８年１２月１１日に出願された米国仮特許出願第６２／７７７，９１４号の優先権の利益を主張するものである。上記の出願は、全て参照によりその全体が本明細書に援用される。
背景
技術分野
[0002] 本開示は、概して、自律車両ナビゲーションに関する。加えて、本開示は、潜在的な事故責任の制約に従ってナビゲートするためのシステム及び方法に関する。
技術分野
[0002] 本開示は、概して、自律車両ナビゲーションに関する。加えて、本開示は、潜在的な事故責任の制約に従ってナビゲートするためのシステム及び方法に関する。
背景情報
[0003] 技術が進化し続けるにつれ、路上でナビゲート可能な完全自律車両という目標が現実味を帯びてきている。自律車両は、様々な要因を考慮する必要があり得、それらの要因に基づいて意図される目的地に安全且つ正確に到達するのに適切な判断を下し得る。例えば、自律車両は、視覚的情報（例えば、カメラから捕捉される情報）、レーダ又はライダからの情報を処理して解釈する必要があり得ると共に、他のソース（例えば、ＧＰＳデバイス、速度センサ、加速度計、サスペンションセンサ等）から得られる情報を使用することもある。同時に、目的地にナビゲートするために、自律車両は、特定の道路（例えば、複数レーン道路内の特定のレーン）内の自らの位置を識別し、他の車両と並んでナビゲートし、障害物及び歩行者を回避し、交通信号及び標識を観測し、適切な交差点又はインターチェンジである道路から別の道路に進み、車両の動作中に起こるか又は発展する他の任意の状況に応答する必要もあり得る。更に、ナビゲーションシステムは、一定の課された制約に従わなければならない場合がある。幾つかの場合、それらの制約は、ホスト車両と、他の車両や歩行者等の１つ又は複数の他の物体との間の相互作用に関係する場合がある。他の事例では、それらの制約は、ホスト車両のための１つ又は複数のナビゲーション動作を実施する際に従うべき責任規則に関係し得る。
[0003] 技術が進化し続けるにつれ、路上でナビゲート可能な完全自律車両という目標が現実味を帯びてきている。自律車両は、様々な要因を考慮する必要があり得、それらの要因に基づいて意図される目的地に安全且つ正確に到達するのに適切な判断を下し得る。例えば、自律車両は、視覚的情報（例えば、カメラから捕捉される情報）、レーダ又はライダからの情報を処理して解釈する必要があり得ると共に、他のソース（例えば、ＧＰＳデバイス、速度センサ、加速度計、サスペンションセンサ等）から得られる情報を使用することもある。同時に、目的地にナビゲートするために、自律車両は、特定の道路（例えば、複数レーン道路内の特定のレーン）内の自らの位置を識別し、他の車両と並んでナビゲートし、障害物及び歩行者を回避し、交通信号及び標識を観測し、適切な交差点又はインターチェンジである道路から別の道路に進み、車両の動作中に起こるか又は発展する他の任意の状況に応答する必要もあり得る。更に、ナビゲーションシステムは、一定の課された制約に従わなければならない場合がある。幾つかの場合、それらの制約は、ホスト車両と、他の車両や歩行者等の１つ又は複数の他の物体との間の相互作用に関係する場合がある。他の事例では、それらの制約は、ホスト車両のための１つ又は複数のナビゲーション動作を実施する際に従うべき責任規則に関係し得る。
[0004] 自律運転の分野では、存立可能な自律車両システムにとって２つの重要な検討事項がある。１つ目の検討事項は、安全を保証するために全ての自動運転車両が満たさなければならない要件を含む安全保証の標準化及びそれらの要件をどのように検証できるかである。２つ目の検討事項は、スケーラビリティであり、なぜなら、コストが上昇する原因となるエンジニアリングの解決策は、何百万台もの車に合わせてスケーリングせず、自律車両の広範な採用又は更にはそれほど広範でない採用さえ妨げる可能性があるからである。従って、安全保証のための解釈可能な数学モデル及び何百万台もの車に合わせてスケーリング可能でありながら、安全保証の要件に従うシステムの設計が求められている。
概要
[0005] 本開示による実施形態は、自律車両ナビゲーションのシステム及び方法を提供する。開示される実施形態は、カメラを使用して、自律車両ナビゲーション特徴を提供し得る。例えば、本開示の実施形態によれば、開示されるシステムは、車両の環境を監視する１つ、２つ又は３つ以上のカメラを含み得る。開示されるシステムは、例えば、カメラの１つ又は複数により捕捉された画像の分析に基づいて、ナビゲーション応答を提供し得る。ナビゲーション応答は、例えば、全地球測位（ＧＰＳ）データ、センサデータ（例えば、加速度計、速度センサ、サスペンションセンサ等から）及び／又は他の地図データを含む他のデータを考慮することもできる。
[0005] 本開示による実施形態は、自律車両ナビゲーションのシステム及び方法を提供する。開示される実施形態は、カメラを使用して、自律車両ナビゲーション特徴を提供し得る。例えば、本開示の実施形態によれば、開示されるシステムは、車両の環境を監視する１つ、２つ又は３つ以上のカメラを含み得る。開示されるシステムは、例えば、カメラの１つ又は複数により捕捉された画像の分析に基づいて、ナビゲーション応答を提供し得る。ナビゲーション応答は、例えば、全地球測位（ＧＰＳ）データ、センサデータ（例えば、加速度計、速度センサ、サスペンションセンサ等から）及び／又は他の地図データを含む他のデータを考慮することもできる。
[0006] 一実施形態では、ホスト車両をナビゲートするためのシステムは、ホスト車両の環境を表す少なくとも１つの画像を受信するようにプログラムされる少なくとも１つの処理デバイスを含み得る。少なくとも１つの画像は、画像捕捉デバイスから受信され得る。少なくとも１つの処理デバイスは、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定するようにプログラムされ得る。少なくとも１つの処理デバイスは、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別し、且つ計画されたナビゲーション動作が行われた場合に生じることになるホスト車両と目標車両との間の次の状態の距離を決定するように更にプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の最大ブレーキ能力、ホスト車両の最大加速能力及びホスト車両の現在の速度を決定するようにプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の現在の最大ブレーキ能力、ホスト車両の現在の最大加速能力及びホスト車両の現在の速度に基づいてホスト車両の現在の停止距離を決定するようにもプログラムされ得る。少なくとも１つの処理デバイスは、目標車両の現在の速度を決定し、且つ目標車両の少なくとも１つの認識された特性に基づいて目標車両の最大ブレーキ能力を仮定するように更にプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の決定された現在の停止距離が、目標車両の現在の速度及び目標車両の仮定された最大ブレーキ能力に基づいて決定される目標車両の移動距離に、決定された次の状態の距離を加算したもの未満である場合、計画されたナビゲーション動作を実施するようにもプログラムされ得る。
[0007] 一実施形態では、ホスト車両をナビゲートするためのシステムは、少なくとも１つの処理デバイスを含み得る。少なくとも１つの処理デバイスは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信するようにプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を決定するようにもプログラムされ得る。計画されたナビゲーション動作は、少なくとも１つの運転ポリシに基づき得る。少なくとも１つの処理デバイスは、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別するようにプログラムされ得る。少なくとも１つの処理デバイスは、計画されたナビゲーション動作が行われた場合に生じることになるホスト車両と目標車両との間の次の状態の距離を決定するように更にプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の現在の速度及び目標車両の現在の速度を決定するようにプログラムされ得る。少なくとも１つの処理デバイスは、目標車両の少なくとも１つの認識された特性に基づいて目標車両の最大制動率の能力を仮定するようにプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の決定された現在の速度について及びホスト車両の最大制動率の能力未満である所定の最大下の制動率において、目標車両の現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内でホスト車両が停止され得る場合、計画されたナビゲーション動作を実施するように更にプログラムされ得る。
[0008] 一実施形態では、ホスト車両をナビゲートするためのシステムは、少なくとも１つの処理デバイスを含み得る。少なくとも１つの処理デバイスは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信するようにプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を決定するようにもプログラムされ得る。計画されたナビゲーション動作は、少なくとも１つの運転ポリシに基づき得る。少なくとも１つの処理デバイスは、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別するようにプログラムされ得る。少なくとも１つの処理デバイスは、計画されたナビゲーション動作が行われた場合に生じることになるホスト車両と目標車両との間の次の状態の距離を決定するように更にプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の現在の速度を決定するようにプログラムされ得る。少なくとも１つの処理デバイスは、目標車両の現在の速度を決定し、且つ目標車両の少なくとも１つの認識された特性に基づいて目標車両の最大制動率の能力を仮定するようにプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の決定された現在の速度について及び所定の制動率プロファイルについて、目標車両の現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内でホスト車両が停止され得る場合、計画されたナビゲーション動作を実施するようにプログラムされ得、所定の制動率プロファイルは、ホスト車両の最大下の制動率から最大制動率まで漸進的に増加する。
[0009] 一実施形態では、ホスト車両のブレーキをかけるためのシステムは、１つ又は複数の操作を実行するようにプログラムされる少なくとも１つの処理デバイスを含み得る。少なくとも１つの処理デバイスは、ホスト車両の環境を表す出力を少なくとも１つのセンサから受信するようにプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の環境内の目標車両を出力に基づいて検出するように更にプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両の現在の速度及びホスト車両と目標車両との間の現在の距離を決定するようにプログラムされ得る。少なくともホスト車両の現在の速度及びホスト車両と目標車両との間の現在の距離に基づいて、少なくとも１つのプロセッサは、ブレーキ条件が存在するかどうかを決定するようにプログラムされ得る。ブレーキ条件が存在すると決定される場合、少なくとも１つのプロセッサは、ホスト車両の最大下の制動率で始まる区分を含み、且つホスト車両の最大制動率まで漸進的に増加する所定のブレーキプロファイルに従って、ホスト車両に関連するブレーキデバイスを適用させるようにプログラムされ得る。
[0010] 一実施形態では、人間のドライバーによるホスト車両の制御を選択的に置換するための自律システムは、少なくとも１つの処理デバイスを含み得る。少なくとも１つの処理デバイスは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信し、且つ少なくとも１つの画像の分析に基づいてホスト車両の環境内の少なくとも１つの障害物を検出するようにプログラムされ得る。少なくとも１つの処理デバイスは、ホスト車両に関連するスロットル制御、ブレーキ制御又は操舵制御の少なくとも１つに対するドライバーの入力を監視するようにプログラムされ得る。少なくとも１つの処理デバイスは、少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることをドライバーの入力が生じさせることになるかどうかを決定するようにもプログラムされ得る。少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることをドライバーの入力が生じさせないであろうと少なくとも１つの処理デバイスが決定する場合、少なくとも１つの処理デバイスは、ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせることを可能にするようにプログラムされ得る。少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることをドライバーの入力が生じさせることになると少なくとも１つの処理デバイスが決定する場合、少なくとも１つの処理デバイスは、ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせるのを防ぐようにプログラムされ得る。
[0011] 一実施形態では、自律ホスト車両を、ホスト車両の少なくとも１つのナビゲーション目標に従ってナビゲートするためのナビゲーションシステムは、少なくとも１つのプロセッサを含み得る。少なくとも１つのプロセッサは、ホスト車両の環境に対するホスト車両の動作の少なくとも１つの側面を示すセンサ出力を１つ又は複数のセンサから受信するようにプログラムされ得る。センサ出力は、センサ出力が基づく測定値又はデータの取得が得られるデータ取得時点よりも後であり、且つ少なくとも１つのプロセッサによってセンサ出力が受信される第２の時点よりも前である第１の時点において生成され得る。少なくとも１つのプロセッサは、受信されたセンサ出力及びデータ取得時点と動作予測時点との間の時間間隔にわたってホスト車両の動作の少なくとも１つの側面がどのように変化するかの推定に少なくとも部分的に基づいて、ホスト車両の動作の少なくとも１つの側面の予測を動作予測時点について生成するようにプログラムされ得る。少なくとも１つのプロセッサは、ホスト車両の少なくとも１つのナビゲーション目標に少なくとも部分的に基づいて、及びホスト車両の動作の少なくとも１つの側面の生成された予測に基づいてホスト車両の計画されたナビゲーション動作を決定するようにプログラムされ得る。少なくとも１つのプロセッサは、計画されたナビゲーション動作の少なくとも一部を実施するためのナビゲーションコマンドを生成するように更に構成され得る。少なくとも１つのプロセッサは、ホスト車両の少なくとも１つの作動システムにナビゲーションコマンドを提供するようにプログラムされ得る。ナビゲーションコマンドは、第２の時点よりも後であり、且つ少なくとも１つの作動システムの構成要素が、受信されたコマンドに応答する作動時点よりも前又はそれとほぼ同じである第３の時点において、少なくとも１つの作動システムがナビゲーションコマンドを受信するように提供され得る。幾つかの実施形態では、動作予測時点は、データ取得時点後であり、且つ作動時点よりも前であるか又はそれと等しい。
[0012] 開示される他の実施形態によれば、非一時的コンピュータ可読記憶媒体は、少なくとも１つの処理デバイスにより実行可能であり、且つ本明細書に記載される任意のステップ及び／又は方法を実行するプログラム命令を記憶し得る。
[0013] 上述した概説及び以下に詳述する説明は、単に例示的及び説明的なものであり、特許請求の範囲の限定ではない。
図面の簡単な説明
[0014] 本開示に組み込まれ、本明細書の一部をなす添付図面は、開示される様々な実施形態を示す。
[0014] 本開示に組み込まれ、本明細書の一部をなす添付図面は、開示される様々な実施形態を示す。
詳細な説明
[0088] 以下の詳細な説明は、添付図面を参照する。可能な場合には常に、図面及び以下の説明において、同じ又は同様の部分を指すのに同じ参照番号が使用される。幾つかの例示的な実施形態は、本明細書で説明されるが、変更形態、適応形態及び他の実装形態が可能である。例えば、図面に示される構成要素に対する置換形態、追加形態又は変更形態がなされ得、本明細書に記載される例示的な方法は、開示される方法のステップの置換、順序替え、削除又は追加により変更することができる。従って、以下の詳細な説明は、開示される実施形態及び例に限定されない。その代わり、適切な範囲は、添付の特許請求の範囲により規定される。
[0088] 以下の詳細な説明は、添付図面を参照する。可能な場合には常に、図面及び以下の説明において、同じ又は同様の部分を指すのに同じ参照番号が使用される。幾つかの例示的な実施形態は、本明細書で説明されるが、変更形態、適応形態及び他の実装形態が可能である。例えば、図面に示される構成要素に対する置換形態、追加形態又は変更形態がなされ得、本明細書に記載される例示的な方法は、開示される方法のステップの置換、順序替え、削除又は追加により変更することができる。従って、以下の詳細な説明は、開示される実施形態及び例に限定されない。その代わり、適切な範囲は、添付の特許請求の範囲により規定される。
[0089] 自律車両の概要
[0090] 本開示の全体を通して使用するとき、「自律車両」という用語は、ドライバーの入力なしで少なくとも１つのナビゲーション変更を実施することができる車両を指す。「ナビゲーション変更」は、車両の操舵、ブレーキ又は加速／減速の１つ又は複数の変更を指す。自律的であるために、車両は、完全に自動である（例えば、ドライバー又はドライバー入力なしに完全に動作可能である）必要はない。むしろ、自律車両は、特定の時間期間中にドライバーの制御下で動作し、他の時間期間中にドライバーの制御なしで動作することができる車両を含む。自律車両は、（例えば、車両レーン制約間に車両コースを維持するために）操舵等の車両ナビゲーションの幾つかの側面のみを制御するか、又は（あらゆる状況下ではなく）一定の状況下で幾つかの操舵動作を制御するが、他の側面（例えば、ブレーキ又は一定の状況下でのブレーキ）をドライバーに任せ得る車両を含むこともできる。幾つかの場合、自律車両は、車両のブレーキ、速度制御及び／又は操舵の幾つかの又は全ての側面を扱い得る。
[0090] 本開示の全体を通して使用するとき、「自律車両」という用語は、ドライバーの入力なしで少なくとも１つのナビゲーション変更を実施することができる車両を指す。「ナビゲーション変更」は、車両の操舵、ブレーキ又は加速／減速の１つ又は複数の変更を指す。自律的であるために、車両は、完全に自動である（例えば、ドライバー又はドライバー入力なしに完全に動作可能である）必要はない。むしろ、自律車両は、特定の時間期間中にドライバーの制御下で動作し、他の時間期間中にドライバーの制御なしで動作することができる車両を含む。自律車両は、（例えば、車両レーン制約間に車両コースを維持するために）操舵等の車両ナビゲーションの幾つかの側面のみを制御するか、又は（あらゆる状況下ではなく）一定の状況下で幾つかの操舵動作を制御するが、他の側面（例えば、ブレーキ又は一定の状況下でのブレーキ）をドライバーに任せ得る車両を含むこともできる。幾つかの場合、自律車両は、車両のブレーキ、速度制御及び／又は操舵の幾つかの又は全ての側面を扱い得る。
[0091] 人間のドライバーは、通常、車両を制御するために視覚的手掛かり及び観測に依存することから、交通基盤は、それに従って構築されており、レーンマーク、交通標識及び信号機は、視覚的情報をドライバーに提供するように設計されている。交通基盤のこれらの設計特徴に鑑みて、自律車両は、カメラと、車両の環境から捕捉される視覚的情報を分析する処理ユニットとを含み得る。視覚的情報は、例えば、ドライバーにより観測可能な交通基盤の構成要素（例えば、レーンマーク、交通標識、信号機等）及び他の障害物（例えば、他の車両、歩行者、瓦礫等）を表す画像を含み得る。更に、自動車両は、ナビゲート時、車両の環境のモデルを提供する情報等の記憶された情報を使用することもできる。例えば、車両は、ＧＰＳデータ、センサデータ（例えば、加速度計、速度センサ、サスペンションセンサ等からの）及び／又は他の地図データを使用して、車両が走行している間、車両の環境に関連する情報を提供し得、車両（及び他の車両）は情報を使用して、モデルでのそれ自体の位置を特定し得る。一部の車両は、車両間の通信、情報の共有、車両の周囲の危険又は変化のピア車両の変更等も可能であり得る。
[0092] システム概要
[0093] 図１は、開示される例示的な実施形態によるシステム１００のブロック図表現である。システム１００は、特定の実施要件に応じて様々な構成要素を含み得る。幾つかの実施形態では、システム１００は、処理ユニット１１０、画像取得ユニット１２０、位置センサ１３０、１つ又は複数のメモリユニット１４０、１５０、地図データベース１６０、ユーザインタフェース１７０及び無線送受信機１７２を含み得る。処理ユニット１１０は、１つ又は複数の処理デバイスを含み得る。幾つかの実施形態では、処理ユニット１１０は、アプリケーションプロセッサ１８０、画像プロセッサ１９０又は他の任意の適切な処理デバイスを含み得る。同様に、画像取得ユニット１２０は、特定の用途の要件に応じて任意の数の画像取得デバイス及び構成要素を含み得る。幾つかの実施形態では、画像取得ユニット１２０は、画像捕捉デバイス１２２、画像捕捉デバイス１２４、画像捕捉デバイス１２６等の１つ又は複数の画像捕捉デバイス（例えば、カメラ、ＣＣＤ、他の任意の種類の画像センサ）を含み得る。システム１００は、処理ユニット１１０を画像取得ユニット１２０に通信可能に接続するデータインタフェース１２８を含むこともできる。例えば、データインタフェース１２８は、画像取得ユニット１２０によって取得された画像データを処理ユニット１１０に伝送するための１つ又は複数の任意の有線リンク及び／又は無線リンクを含み得る。
[0093] 図１は、開示される例示的な実施形態によるシステム１００のブロック図表現である。システム１００は、特定の実施要件に応じて様々な構成要素を含み得る。幾つかの実施形態では、システム１００は、処理ユニット１１０、画像取得ユニット１２０、位置センサ１３０、１つ又は複数のメモリユニット１４０、１５０、地図データベース１６０、ユーザインタフェース１７０及び無線送受信機１７２を含み得る。処理ユニット１１０は、１つ又は複数の処理デバイスを含み得る。幾つかの実施形態では、処理ユニット１１０は、アプリケーションプロセッサ１８０、画像プロセッサ１９０又は他の任意の適切な処理デバイスを含み得る。同様に、画像取得ユニット１２０は、特定の用途の要件に応じて任意の数の画像取得デバイス及び構成要素を含み得る。幾つかの実施形態では、画像取得ユニット１２０は、画像捕捉デバイス１２２、画像捕捉デバイス１２４、画像捕捉デバイス１２６等の１つ又は複数の画像捕捉デバイス（例えば、カメラ、ＣＣＤ、他の任意の種類の画像センサ）を含み得る。システム１００は、処理ユニット１１０を画像取得ユニット１２０に通信可能に接続するデータインタフェース１２８を含むこともできる。例えば、データインタフェース１２８は、画像取得ユニット１２０によって取得された画像データを処理ユニット１１０に伝送するための１つ又は複数の任意の有線リンク及び／又は無線リンクを含み得る。
[0094] 無線送受信機１７２は、無線周波数、赤外線周波数、磁場又は電場の使用により無線インタフェースを介して伝送を１つ又は複数のネットワーク（例えば、セルラやインターネット等）と交換するように構成される１つ又は複数のデバイスを含み得る。無線送受信機１７２は、任意の既知の標準を使用してデータを送信及び／又は受信し得る（例えば、Wi-Fi、Bluetooth（登録商標）、Bluetooth Smart、802.15.4、ZigBee等）。かかる伝送は、ホスト車両から１つ又は複数の遠隔設置されたサーバへの通信を含み得る。かかる伝送は、（例えば、ホスト車両の環境内の目標車両を考慮して又はかかる目標車両と共にホスト車両のナビゲーションの調整を促進するための）ホスト車両とホスト車両の環境内の１つ又は複数の目標車両との間の（単方向又は双方向）通信、更には伝送側の車両の付近にある未指定の受け手へのブロードキャスト伝送も含み得る。
[0095] アプリケーションプロセッサ１８０及び画像プロセッサ１９０の両方は、様々なタイプのハードウェアベースの処理デバイスを含み得る。例えば、アプリケーションプロセッサ１８０及び画像プロセッサ１９０のいずれか一方又は両方は、マイクロプロセッサ、プリプロセッサ（画像プリプロセッサ等）、グラフィックスプロセッサ、中央演算処理装置（ＣＰＵ）、サポート回路、デジタル信号プロセッサ、集積回路、メモリ又はアプリケーションを実行し、画像を処理して分析するのに適する任意の他のタイプのデバイスを含み得る。幾つかの実施形態では、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０は、任意のタイプのシングルコア又はマルチコアプロセッサ、モバイルデバイスマイクロコントローラ、中央演算処理装置等を含み得る。例えば、Intel（登録商標）、ＡＭＤ（登録商標）等の製造業者から入手可能なプロセッサを含め、様々な処理デバイスが使用可能であり、様々なアーキテクチャ（例えば、ｘ８６プロセッサ、ARM（登録商標）等）を含み得る。
[0096] 幾つかの実施形態では、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０は、Mobileye（登録商標）から入手可能な任意のEyeQシリーズのプロセッサを含み得る。これらのプロセッサ設計は、それぞれローカルメモリ及び命令セットを有する複数の処理ユニットを含む。そのようなプロセッサは、複数の画像センサから画像データを受信するビデオ入力を含み得ると共に、ビデオ出力機能を含むこともできる。一例では、EyeQ2（登録商標）は、３３２ＭＨｚで動作する９０ｎｍ－ミクロン技術を使用する。EyeQ2（登録商標）アーキテクチャは、２つの浮動小数点ハイパースレッド３２ビットＲＩＳＣ ＣＰＵ（MIPS32（登録商標）34K（登録商標）コア）、５つのビジョン計算エンジン（ＶＣＥ）、３つのベクトルマイクロコードプロセッサ（ＶＭＰ（登録商標））、Denali６４ビットモバイルＤＤＲコントローラ、１２８ビット内部音響相互接続、デュアル１６ビットビデオ入力及び１８ビットビデオ出力コントローラ、１６チャネルＤＭＡ及び幾つかの周辺機器からなる。ＭＩＰＳ３４Ｋ ＣＰＵは、５つのＶＣＥ、３つのＶＭＰ（商標）及びＤＭＡ、第２のＭＩＰＳ３４Ｋ ＣＰＵ及びマルチチャネルＤＭＡ並びに他の周辺機器を管理する。５つのＶＣＥ、３つのＶＭＰ（登録商標）及びＭＩＰＳ３４Ｋ ＣＰＵは、多機能バンドルアプリケーションにより要求される集中的なビジョン計算を実行することができる。別の例では、開示される実施形態において、第三世代プロセッサであり、EyeQ2（登録商標）よりも６倍強力なEyeQ3（登録商標）を使用し得る。他の例では、EyeQ4（登録商標）及び／又はEyeQ5（登録商標）を開示する実施形態で使用することができる。当然ながら、それよりも新しい又は将来のEyeQ処理デバイスは、開示する実施形態と共に使用され得る。
[0097] 本明細書で開示する処理デバイスのいずれも特定の機能を実行するように構成することができる。記載のEyeQプロセッサ又は他のコントローラ若しくはマイクロプロセッサのいずれか等の処理デバイスを、特定の機能を実行するように構成することは、コンピュータ実行可能命令をプログラムし、処理デバイスの動作中に実行するためにそれらの命令を処理デバイスに提供することを含み得る。幾つかの実施形態では、処理デバイスを構成することは、処理デバイスにアーキテクチャ的命令を直接プログラムすることを含み得る。他の実施形態では、処理デバイスを構成することは、動作中に処理デバイスがアクセス可能なメモリ上に実行可能命令を記憶することを含み得る。例えば、処理デバイスは、動作中にメモリにアクセスして、記憶された命令を取得及び実行し得る。いずれにせよ、本明細書で開示する検知、画像分析及び／又はナビゲーション機能を実行するように構成される処理デバイスは、ホスト車両の複数のハードウェアベースの構成要素を制御する専用のハードウェアベースのシステムを表す。
[0098] 図１は、処理ユニット１１０に含まれる２つの別個の処理デバイスを示すが、より多数又はより少数の処理デバイスを使用することもできる。例えば、幾つかの実施形態では、単一の処理デバイスを使用して、アプリケーションプロセッサ１８０及び画像プロセッサ１９０のタスクを達成し得る。他の実施形態では、これらのタスクは、３つ以上の処理デバイスにより実行し得る。更に、幾つかの実施形態では、システム１００は、画像取得ユニット１２０等の他の構成要素を含まず、処理ユニット１１０の１つ又は複数を含み得る。
[0099] 処理ユニット１１０は、様々なタイプのデバイスを含み得る。例えば、処理ユニット１１０は、コントローラ、画像プリプロセッサ、中央演算処理装置（ＣＰＵ）、サポート回路、デジタル信号プロセッサ、集積回路、メモリ又は画像を処理し分析する任意の他のタイプのデバイス等の様々なデバイスを含み得る。画像プリプロセッサは、画像センサから画像を捕捉し、デジタル化し、処理するビデオプロセッサを含み得る。ＣＰＵは、任意の数のマイクロコントローラ又はマイクロプロセッサを含み得る。サポート回路は、キャッシュ、電源、クロック及び入出力回路を含め、当技術分野で一般に周知の任意の数の回路であり得る。メモリは、プロセッサにより実行されると、システムの動作を制御するソフトウェアを記憶し得る。メモリは、データベース及び画像処理ソフトウェアを含み得る。メモリは、任意の数のランダムアクセスメモリ、読み取り専用メモリ、フラッシュメモリ、ディスクドライブ、光学記憶装置、テープ記憶装置、リムーバブル記憶装置及び他のタイプの記憶装置を含み得る。一例では、メモリは、処理ユニット１１０とは別個であり得る。別の例では、メモリは、処理ユニット１１０に統合し得る。
[0100] 各メモリ１４０、１５０は、プロセッサ（例えば、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０）によって実行されるとき、システム１００の様々な態様の動作を制御し得るソフトウェア命令を含み得る。これらのメモリユニットは、様々なデータベース及び画像処理ソフトウェア並びに例えばニューラルネットワーク又はディープニューラルネットワーク等のトレーニング済みシステムを含み得る。メモリユニットは、ランダムアクセスメモリ、読み取り専用メモリ、フラッシュメモリ、ディスクドライブ、光学記憶装置、テープ記憶装置、リムーバブル記憶装置及び／又は他の任意の種類の記憶装置を含み得る。幾つかの実施形態では、メモリユニット１４０、１５０は、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０とは別個であり得る。他の実施形態では、これらのメモリユニットは、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０に統合され得る。
[0101] 位置センサ１３０は、システム１００の少なくとも１つの構成要素に関連付けられた位置を特定するのに適する任意のタイプのデバイスを含み得る。幾つかの実施形態では、位置センサ１３０はＧＰＳ受信機を含み得る。そのような受信機は、全地球測位システム衛星によりブロードキャストされる信号を処理することにより、ユーザの位置及び速度を特定することができる。位置センサ１３０からの位置情報は、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０に提供し得る。
[0102] 幾つかの実施形態では、システム１００は、車両２００の速度を測定するための速度センサ（例えば、速度計）等の構成要素を含み得る。システム１００は、１つ又は複数の軸に沿って車両２００の加速度を測定するための１つ又は複数の（単軸又は多軸の）加速度計も含み得る。
[0103] メモリユニット１４０、１５０は、既知の陸標の位置を示すデータベース又は他の任意の形式で編成されるデータを含み得る。環境の感覚情報（画像、レーダ信号、２つ以上の画像をライダ又は立体処理することによる深度情報等）をＧＰＳ座標や車両の自己運動等の位置情報と一緒に処理して、既知の陸標に対する車両の現在位置を求め、車両の位置を洗練させることができる。この技術の特定の側面は、本願の譲受人によって販売されているＲＥＭ（商標）として知られる位置特定技術に含まれる。
[0104] ユーザインタフェース１７０は、情報を提供するか、又はシステム１００の１人若しくは複数のユーザから入力を受信するのに適する任意のデバイスを含み得る。幾つかの実施形態では、ユーザインタフェース１７０は、例えば、タッチスクリーン、マイクロフォン、キーボード、ポインタデバイス、トラックホィール、カメラ、つまみ、ボタン等を含め、ユーザ入力デバイスを含み得る。そのような入力デバイスを用いて、ユーザは、命令若しくは情報をタイプし、音声コマンドを提供し、ボタン、ポインタ若しくは目追跡機能を使用して、又は情報をシステム１００に通信する任意の他の適する技法を通して画面上のメニュー選択肢を選択することにより、システム１００に情報入力又はコマンドを提供可能であり得る。
[0105] ユーザインタフェース１７０は、ユーザに情報を提供するか、又はユーザから情報を受信し、例えばアプリケーションプロセッサ１８０による使用のためにその情報を処理するように構成される１つ又は複数の処理デバイスを備え得る。幾つかの実施形態では、そのような処理デバイスは、目の動きを認識して追跡する命令、音声コマンドを受信して解釈する命令、タッチスクリーンで行われたタッチ及び／又はジェスチャを認識して解釈する命令、キーボード入力又はメニュー選択に応答する命令等を実行し得る。幾つかの実施形態では、ユーザインタフェース１７０は、ディスプレイ、スピーカ、触覚デバイス及び／又は出力情報をユーザに提供する任意の他のデバイスを含み得る。
[0106] 地図データベース１６０は、システム１００にとって有用な地図データを記憶する任意のタイプのデータベースを含み得る。幾つかの実施形態では、地図データベース１６０は、道路、水特徴、地理的特徴、ビジネス、関心点、レストラン、ガソリンスタンド等を含め、様々な項目の、基準座標系での位置に関連するデータを含み得る。地図データベース１６０は、そのような項目の位置のみならず、例えば記憶された特徴のいずれかに関連付けられた名称を含め、それらの項目に関連する記述子も記憶し得る。幾つかの実施形態では、地図データベース１６０は、システム１００の他の構成要素と共に物理的に配置し得る。代替又は追加として、地図データベース１６０又はその一部は、システム１００の他の構成要素（例えば、処理ユニット１１０）に関してリモートに配置し得る。そのような実施形態では、地図データベース１６０からの情報は、有線又は無線データ接続を介してネットワークにダウンロードし得る（例えば、セルラネットワーク及び／又はインターネット等を介して）。幾つかの場合、地図データベース１６０は、特定の道路の特徴（例えば、レーンマーク）又はホスト車両の目標軌道の多項式表現を含む疎なデータモデルを記憶し得る。地図データベース１６０は、目標軌道に対するホスト車両の既知の位置を決定又は更新するために使用され得る様々な認識された陸標の記憶された表現も含み得る。陸標表現は、潜在的な識別子の中でも、陸標の種類や陸標の位置等のデータフィールドを特に含み得る。
[0107] 画像捕捉デバイス１２２、１２４及び１２６は、それぞれ環境から少なくとも１つの画像を捕捉するのに適する任意のタイプのデバイスを含み得る。更に、任意の数の画像捕捉デバイスを使用して、画像プロセッサに入力する画像を取得し得る。幾つかの実施形態は、単一の画像捕捉デバイスのみを含み得、一方、他の実施形態は、２つ、３つ、更には４つ以上の画像捕捉デバイスを含み得る。画像捕捉デバイス１２２、１２４及び１２６については、図２Ｂ～図２Ｅを参照して更に以下に説明する。
[0108] １つ又は複数のカメラ（例えば、画像捕捉装置１２２、１２４及び１２６）は、車両上に含まれる検知ブロックの一部であり得る。他の様々なセンサが検知ブロックに含まれ得、車両の検知されたナビゲーション状態を開発するためにセンサのいずれか又は全てを利用することができる。カメラ（前向き、横向き、後向き等）に加えて、レーダ、ライダ、音響センサ等の他のセンサが検知ブロックに含まれ得る。加えて、検知ブロックは、車両の環境に関係する情報を伝達し、送受信するように構成される１つ又は複数の構成要素を含み得る。例えば、かかる構成要素は、ホスト車両に対して遠隔設置されたソースからホスト車両の環境に関係するセンサベースの情報又は他の任意の種類の情報を受信し得る無線送受信機（ＲＦ等）を含み得る。かかる情報は、ホスト車両以外の車両システムから受信されるセンサ出力情報又は関連情報を含み得る。幾つかの実施形態では、かかる情報は、遠隔計算装置や集中サーバ等から受信される情報を含み得る。更に、カメラは、単一のカメラユニット、複数のカメラ、カメラクラスタ、長いＦＯＶ、短いＦＯＶ、広角、魚眼等の多くの異なる構成を取ることができる。
[0109] システム１００又はシステム１００の様々な構成要素は、様々な異なるプラットフォームに組み込み得る。幾つかの実施形態では、システム１００は、図２Ａに示されるように、車両２００に含め得る。例えば、車両２００は、図１に関して上述したように、処理ユニット１１０及びシステム１００の任意の他の構成要素を備え得る。幾つかの実施形態では、車両２００は単一の画像捕捉デバイス（例えば、カメラ）のみを備え得、一方、図２Ｂ～図２Ｅに関連して考察した実施形態等の他の実施形態では、複数の画像捕捉デバイスが使用可能である。例えば、図２Ａに示されるように、車両２００の画像捕捉デバイス１２２及び１２４のいずれかは、ＡＤＡＳ（最新運転者支援システム）撮像セットの一部であり得る。
[0110] 画像取得ユニット１２０の一部として車両２００に含まれる画像捕捉デバイスは、任意の適する位置に位置し得る。幾つかの実施形態では、図２Ａ～図２Ｅ及び図３Ａ～図３Ｃに示されるように、画像捕捉デバイス１２２は、バックミラーの近傍に配置し得る。この位置は、車両２００のドライバーと同様の視線を提供し得、ドライバーにとって何が見え、何が見えないかの判断を支援し得る。画像捕捉デバイス１２２は、バックミラーの近傍の任意の位置に位置し得るが、画像捕捉デバイス１２２をミラーのドライバー側に配置することは、ドライバーの視野及び／又は視線を表す画像の取得を更に支援し得る。
[0111] 画像取得ユニット１２０の画像捕捉デバイスに他の位置を使用することもできる。例えば、画像捕捉デバイス１２４は、車両２００のバンパー上又はバンパー内に配置し得る。そのような位置は、広視野を有する画像捕捉デバイスに特に適し得る。バンパーに配置される画像捕捉デバイスの視線は、ドライバーの視線と異なることができ、従って、バンパー画像捕捉デバイス及びドライバーは、同じ物体を常に見ているわけではない。画像捕捉デバイス（例えば、画像捕捉デバイス１２２、１２４及び１２６）は、他の位置に配置することもできる。例えば、画像捕捉デバイスは、車両２００のサイドミラーの一方又は両方、車両２００のルーフ、車両２００のフード、車両２００のトランク、車両２００の側部に配置し得、車両２００の任意のウィンドウに搭載、背後に位置決め又は前に位置決めし得、車両２００の前部及び／又は後部のライト又はその近傍等に搭載し得る。
[0112] 画像捕捉デバイスに加えて、車両２００は、システム１００の様々な他の構成要素を含み得る。例えば、処理ユニット１１０は、車両のエンジン制御ユニット（ＥＣＵ）に統合されるか、又はＥＣＵとは別個に車両２００に含まれ得る。車両２００には、ＧＰＳ受信機等の位置センサ１３０を備えることもでき、車両２００は、地図データベース１６０並びにメモリユニット１４０及び１５０を含むこともできる。
[0113] 上述したように、無線送受信機１７２は、１つ又は複数のネットワーク（例えば、セルラネットワーク、インターネット等）を介してデータを及び／又は受信し得る。例えば、無線送受信機１７２は、システム１００により収集されたデータを１つ又は複数のサーバにアップロードし、データを１つ又は複数のサーバからダウンロードし得る。無線送受信機１７２を介して、システム１００は、例えば、定期的に又は需要時に地図データベース１６０、メモリ１４０及び／又はメモリ１５０に記憶されたデータへの更新を受信し得る。同様に、無線送受信機１７２は、システム１００からの任意のデータ（例えば、画像取得ユニット１２０により捕捉された画像、位置センサ１３０、他のセンサ又は車両制御システムにより受信されたデータ等）及び／又は処理ユニット１１０により処理された任意のデータを１つ又は複数のサーバにアップロードし得る。
[0114] システム１００は、プライバシーレベル設定に基づいてデータをサーバ（例えば、クラウド）にアップロードし得る。例えば、システム１００は、サーバに送信される、車両及び／又は車両のドライバー／所有者を一意に識別し得るタイプのデータ（メタデータを含む）を規制又は制限するプライバシーレベル設定を実施し得る。そのような設定は、例えば、無線送受信機１７２を介してユーザにより設定され得るか、工場デフォルト設定により初期化され得るか、又は無線送受信機１７２により受信されるデータにより設定され得る。
[0115] 幾つかの実施形態では、システム１００は、「高」プライバシーレベルに従ってデータをアップロードし得、設定の設定下において、システム１００は、特定の車両及び／又はドライバー／所有者についてのいかなる詳細もないデータ（例えば、ルートに関連する位置情報、捕捉画像等）を送信し得る。例えば、「高」プライバシーレベルに従ってデータをアップロードする場合、システム１００は、車両識別番号（ＶＩＮ）又は車両のドライバー若しくは所有者の氏名を含まず、代わりに、捕捉画像及び／又はルートに関連する限られた位置情報等のデータを送信し得る。
[0116] 他のプライバシーレベルも意図される。例えば、システム１００は、「中」プライバシーレベルに従ってデータをサーバに送信し得、車両及び／又は車両タイプのメーカー及び／又はモデル（例えば、乗用車、スポーツユーティリティ車、トラック等）等の「高」プライバシーレベル下では含まれない追加情報を含み得る。幾つかの実施形態では、システム１００は、「低」プライバシーレベルに従ってデータをアップロードし得る。「低」プライバシーレベル設定下では、システム１００は、特定の車両、所有者／ドライバー及び／又は車両が走行したルートの一部又は全体を一意に識別するのに十分なデータをアップロードし、そのような情報を含み得る。そのような「低」プライバシーレベルデータは、例えば、ＶＩＮ、ドライバー／所有者氏名、出発前の車両の出発点、車両の意図される目的地、車両のメーカー及び／又はモデル、車両のタイプ等の１つ又は複数を含み得る。
[0117] 図２Ａは、開示される実施形態による例示的な車両撮像システムの側面図表現である。図２Ｂは、図２Ａに示される実施形態の上面図表現である。図２Ｂに示されるように、開示される実施形態は、バックミラーの近傍及び／又は車両２００のドライバー近傍に位置決めされた第１の画像捕捉デバイス１２２と、車両２００のバンパー領域（例えば、バンパー領域２１０の１つ）上又はバンパー領域内に位置決めされる第２の画像捕捉デバイス１２４と、処理ユニット１１０とを有するシステム１００を本体内に含む車両２００を示し得る。
[0118] 図２Ｃに示されるように、画像捕捉デバイス１２２及び１２４の両方は、車両２００のバックミラーの近傍及び／又はドライバーの近傍に位置決めし得る。更に、２つの画像捕捉デバイス１２２及び１２４が図２Ｂ及び図２Ｃに示されているが、他の実施形態が３つ以上の画像捕捉デバイスを含み得ることを理解されたい。例えば、図２Ｄ及び図２Ｅに示される実施形態では、第１の画像捕捉デバイス１２２、第２の画像捕捉デバイス１２４及び第３の画像補足デバイス１２６が車両２００のシステム１００に含まれる。
[0119] 図２Ｄに示されるように、画像捕捉デバイス１２２は、車両２００のバックミラーの近傍及び／又はドライバーの近傍に位置決めし得、画像補足デバイス１２４及び１２６は、車両２００のバンパー領域（例えば、バンパー領域２１０の１つ）上に位置決めし得る。また、図２Ｅに示されるように、画像補足デバイス１２２、１２４及び１２６は、車両２００のバックミラーの近傍及び／又はドライバーシートの近傍に位置決めし得る。開示される実施形態は、いかなる特定の数及び構成の画像捕捉デバイスにも限定されず、画像捕捉デバイスは、車両２００内及び／又は車両２００上の任意の適する位置に位置決めし得る。
[0120] 開示される実施形態が車両に限定されず、他の状況でも適用可能なことを理解されたい。開示される実施形態が特定のタイプの車両２００に限定されず、自動車、トラック、トレーラ及び他のタイプの車両を含む全てのタイプの車両に適用可能であり得ることも理解されたい。
[0121] 第１の画像捕捉デバイス１２２は、任意の適するタイプの画像捕捉デバイスを含み得る。画像捕捉デバイス１２２は光軸を含み得る。一例では、画像捕捉デバイス１２２は、グローバルシャッタを有するAptina M9V024 WVGAセンサを含み得る。他の実施形態では、画像捕捉デバイス１２２は、１２８０×９６０ピクセルの解像度を提供し得、ローリングシャッタを含み得る。画像捕捉デバイス１２２は、様々な光学要素を含み得る。幾つかの実施形態では、１枚又は複数枚のレンズが含まれて、例えば画像捕捉デバイスの所望の焦点距離及び視野を提供し得る。幾つかの実施形態では、画像捕捉デバイス１２２に６ｍｍレンズ又は１２ｍｍレンズを関連付け得る。幾つかの実施形態では、画像捕捉デバイス１２２は、図２Ｄに示されるように、所望の視野（ＦＯＶ）２０２を有する画像を捕捉するように構成し得る。例えば、画像捕捉デバイス１２２は、４６度ＦＯＶ、５０度ＦＯＶ、５２度ＦＯＶ又は５２度ＦＯＶを超える度数を含め、４０度～５６度の範囲内等の通常のＦＯＶを有するように構成し得る。代替的には、画像捕捉デバイス１２２は、２８度ＦＯＶ又は３６度ＦＯＶ等の２３～４０度の範囲の狭いＦＯＶを有するように構成し得る。加えて、画像捕捉デバイス１２２は、１００～１８０度の範囲の広いＦＯＶを有するように構成し得る。幾つかの実施形態では、画像捕捉デバイス１２２は、広角バンパーカメラ又は最高で１８０度ＦＯＶを有するバンパーカメラを含み得る。幾つかの実施形態では、画像捕捉デバイス１２２は、約１００度の水平ＦＯＶを有するアスペクト比約２：１（例えば、Ｈ×Ｖ＝３８００×１９００ピクセル）の７．２Ｍピクセル画像捕捉デバイスであり得る。そのような画像捕捉デバイスは、三次元画像捕捉デバイス構成の代わりに使用し得る。大きいレンズ歪みに起因して、そのような画像捕捉デバイスの垂直ＦＯＶは、画像捕捉デバイスが半径方向に対称なレンズを使用する実装形態では、５０度よりはるかに低くなり得る。例えば、そのようなレンズは、半径方向で対称ではなく、それにより、水平ＦＯＶ１００度で、５０度よりも大きい垂直ＦＯＶが可能である。
[0122] 第１の画像捕捉デバイス１２２は、車両２００に関連付けられたシーンに対して複数の第１の画像を取得し得る。複数の第１の画像は、それぞれ一連の画像走査線として取得し得、これらはローリングシャッタを使用して捕捉し得る。各走査線は複数のピクセルを含み得る。
[0123] 第１の画像捕捉デバイス１２２は、第１の一連の画像走査線のそれぞれの取得に関連付けられた走査率を有し得る。走査率は、画像センサが、特定の走査線に含まれる各ピクセルに関連付けられた画像データを取得することができる率を指し得る。
[0124] 画像捕捉デバイス１２２、１２４及び１２６は、例えば、ＣＣＤセンサ又はＣＭＯＳセンサを含め、任意の適するタイプ及び数の画像センサを含み得る。一実施形態では、ＣＭＯＳ画像センサはローリングシャッタと共に利用し得、それにより、行内の各ピクセルは一度に１つずつ読み取られ、行の走査は、画像フレーム全体が捕捉されるまで行毎に進められる。幾つかの実施形態では、行は、フレームに対して上から下に順次捕捉し得る。
[0125] 幾つかの実施形態では、本明細書に開示される画像捕捉デバイス（例えば、画像捕捉デバイス１２２、１２４及び１２６）の１つ又は複数は、高解像度イメージャを構成し得、５Ｍピクセル超、７Ｍピクセル超、１０Ｍピクセル超又はそれを超える解像度を有し得る。
[0126] ローリングシャッタの使用により、異なる行内のピクセルは異なるときに露出され捕捉されることになり得、それにより、スキュー及び他の画像アーチファクトが捕捉画像フレームで生じ得る。他方、画像捕捉デバイス１２２がグローバル又は同期シャッタを用いて動作するように構成される場合、全ピクセルは、同量の時間にわたり、共通の露出期間中に露出し得る。その結果、グローバルシャッタを利用するシステムから収集されるフレーム内の画像データは、特定のときのＦＯＶ全体（ＦＯＶ２０２等）のスナップショットを表す。それとは逆に、ローリングシャッタを適用する場合、フレーム内の各行が露出され、データは異なる時間に捕捉される。従って、移動中の物体は、ローリングシャッタを有する画像捕捉デバイスでは歪んで見えることがある。この現象について以下により詳細に説明する。
[0127] 第２の画像捕捉デバイス１２４及び第３の画像捕捉デバイス１２６は、任意のタイプの画像捕捉デバイスであり得る。第１の画像捕捉デバイス１２２のように、画像捕捉デバイス１２４及び１２６のそれぞれは、光軸を含み得る。一実施形態では、画像捕捉デバイス１２４及び１２６のそれぞれは、グローバルシャッタを有するAptina M9V024 WVGAセンサを含み得る。代替的には、画像捕捉デバイス１２４及び１２６のそれぞれは、ローリングシャッタを含み得る。画像捕捉デバイス１２２のように、画像捕捉デバイス１２４及び１２６は、様々なレンズ及び光学要素を含むように構成し得る。幾つかの実施形態では、画像捕捉デバイス１２４及び１２６に関連付けられたレンズは、画像捕捉デバイス１２２に関連付けられたＦＯＶ（ＦＯＶ２０２等）と同じであるか、又は狭いＦＯＶ（ＦＯＶ２０４及び２０６等）を提供し得る。例えば、画像捕捉デバイス１２４及び１２６は、４０度、３０度、２６度、２３度、２０度又は２０度未満のＦＯＶを有し得る。
[0128] 画像捕捉デバイス１２４及び１２６は、車両２００に関連付けられたシーンに対して複数の第２及び第３の画像を取得し得る。複数の第２及び第３の画像のそれぞれは、第２及び第３の一連の画像走査線として取得し得、これらはローリングシャッタを使用して捕捉し得る。各走査線又は各行は、複数のピクセルを有し得る。画像捕捉デバイス１２４及び１２６は、第２及び第３の一連内に含まれる各画像走査線の取得に関連付けられた第２及び第３の走査率を有し得る。
[0129] 各画像捕捉デバイス１２２、１２４及び１２６は、任意の適する位置に、車両２００に対して任意の適する向きで位置決めし得る。画像捕捉デバイス１２２、１２４及び１２６の相対位置は、画像捕捉デバイスから取得される情報を一緒に融合させることを支援するように選択し得る。例えば、幾つかの実施形態では、画像捕捉デバイス１２４に関連付けられたＦＯＶ（ＦＯＶ２０４）は、画像捕捉デバイス１２２に関連付けられたＦＯＶ（ＦＯＶ２０２等）及び画像捕捉デバイス１２６に関連付けられたＦＯＶ（ＦＯＶ２０６等）と部分的又は完全に重複し得る。
[0130] 画像捕捉デバイス１２２、１２４及び１２６は、任意の適する相対高さで車両２００に配置し得る。一例では、画像捕捉デバイス１２２、１２４及び１２６間に高さ差があり得、高さ差は、立体分析を可能にするのに十分な視差情報を提供し得る。例えば、図２Ａに示されるように、２つの画像捕捉デバイス１２２及び１２４は異なる高さにある。画像捕捉デバイス１２２、１２４及び１２６間には横方向変位差もあり得、例えば処理ユニット１１０による立体分析に追加の視差情報を与える。横方向変位差は、図２Ｃ及び図２Ｄに示されるように、ｄｘで示し得る。幾つかの実施形態では、前部変位又は後部変位（例えば、範囲変位）が、画像捕捉デバイス１２２、１２４、１２６間に存在し得る。例えば、画像捕捉デバイス１２２は、画像捕捉デバイス１２４及び／又は画像捕捉デバイス１２６の０．５～２メートル以上背後に配置し得る。このタイプの変位では、画像捕捉デバイスの１つが、他の画像捕捉デバイスの潜在的なブラインドスポットをカバー可能であり得る。
[0131] 画像捕捉デバイス１２２は、任意の適する解像度能力（例えば、画像センサに関連付けられたピクセル数）を有し得、画像捕捉デバイス１２２に関連付けられた画像センサの解像度は、画像捕捉デバイス１２４及び１２６に関連付けられた画像センサの解像度よりも高いか、低いか、又は同じであり得る。幾つかの実施形態では、画像捕捉デバイス１２２及び／又は画像捕捉デバイス１２４及び１２６に関連付けられた画像センサは、解像度６４０×４８０、１０２４×７６８、１２８０×９６０又は任意の他の適する解像度を有し得る。
[0132] フレームレート（例えば、画像捕捉デバイスが、次の画像フレームに関連付けられたピクセルデータの捕捉に移る前、１つの画像フレームのピクセルデータの組を取得する速度）は、制御可能であり得る。画像捕捉デバイス１２２に関連付けられたフレームレートは、画像捕捉デバイス１２４及び１２６に関連付けられたフレームレートよりも高いか、低いか、又は同じであり得る。画像捕捉デバイス１２２、１２４及び１２６に関連付けられたフレームレートは、フレームレートのタイミングに影響を及ぼし得る様々なファクタに依存し得る。例えば、画像捕捉デバイス１２２、１２４及び１２６の１つ又は複数は、画像捕捉デバイス１２２、１２４及び／又は１２６内の画像センサの１つ又は複数のピクセルに関連付けられた画像データの取得前又は取得後に課される選択可能なピクセル遅延期間を含み得る。一般に、各ピクセルに対応する画像データは、デバイスのクロックレート（例えば、１クロックサイクル当たり１ピクセル）に従って取得し得る。更に、ローリングシャッタを含む実施形態では、画像捕捉デバイス１２２、１２４及び１２６の１つ又は複数は、画像捕捉デバイス１２２、１２４及び／又は１２６内の画像センサのピクセル行に関連付けられた画像データの取得前又は取得後に課される選択可能な水平ブランク期間を含み得る。更に、画像捕捉デバイス１２２、１２４及び／又は１２６の１つ又は複数は、画像捕捉デバイス１２２、１２４及び１２６の画像フレームに関連付けられた画像データの取得前又は取得後に課される選択可能な垂直ブランク期間を含み得る。
[0133] これらのタイミング制御により、各画像捕捉デバイスの線走査率が異なる場合でも、画像捕捉デバイス１２２、１２４及び１２６に関連付けられたフレームレートを同期させることができ得る。更に、以下に更に詳細に考察するように、ファクタ（例えば、画像センサ解像度、最高線走査率等）の中でも特に、これらの選択可能なタイミング制御により、画像捕捉デバイス１２２の視野が画像捕捉デバイス１２４及び１２６のＦＯＶと異なる場合でも、画像捕捉デバイス１２２のＦＯＶが画像捕捉デバイス１２４及び１２６の１つ又は複数のＦＯＶと重複するエリアからの画像捕捉を同期させることが可能になり得る。
[0134] 画像捕捉デバイス１２２、１２４及び１２６でのフレームレートタイミングは、関連付けられた画像センサの解像度に依存し得る。例えば、両デバイスの線走査率が同様であると仮定し、一方のデバイスが解像度６４０×４８０を有する画像センサを含み、他方のデバイスが解像度１２８０×９６０を有する画像センサを含む場合、高い解像度を有するセンサからの画像データのフレーム取得ほど、長い時間が必要になる。
[0135] 画像捕捉デバイス１２２、１２４及び１２６での画像データ取得のタイミングに影響を及ぼし得る他のファクタは、最高線走査率である。例えば、画像捕捉デバイス１２２、１２４及び１２６に含まれる画像センサからの画像データ行の取得は、何らかの最小時間量を必要とする。ピクセル遅延期間が追加されないと仮定すると、画像データ行を取得するこの最小時間量は、特定のデバイスの最高線走査率に関連することになる。高い最高線走査率を提供するデバイスほど、より低い最高線走査率を有するデバイスよりも高いフレームレートを提供する潜在性を有する。幾つかの実施形態では、画像捕捉デバイス１２４及び１２６の一方又は両方は、画像捕捉デバイス１２２に関連付けられた最高線走査率よりも高い最高線走査率を有し得る。幾つかの実施形態では、画像捕捉デバイス１２４及び／又は１２６の最高線走査率は、画像捕捉デバイス１２２の最高線走査率の１．２５倍、１．５倍、１．７５倍又は２倍以上であり得る。
[0136] 別の実施形態では、画像捕捉デバイス１２２、１２４及び１２６は、同じ最高線走査率を有し得るが、画像捕捉デバイス１２２は、その最高走査率以下の走査率で動作し得る。システムは、画像捕捉デバイス１２４及び１２６の一方又は両方が画像捕捉デバイス１２２の線走査率と等しい線走査率で動作するように構成し得る。他の例では、システムは、画像捕捉デバイス１２４及び／又は１２６の線走査率が、画像捕捉デバイス１２２の線走査率の１．２５倍、１．５倍、１．７５倍又は２倍以上であり得るように構成し得る。
[0137] 幾つかの実施形態では、画像捕捉デバイス１２２、１２４及び１２６は非対称であり得る。すなわち、これら画像捕捉デバイスは、異なる視野（ＦＯＶ）及び焦点距離を有するカメラを含み得る。画像捕捉デバイス１２２、１２４及び１２６の視野は、例えば、車両２００の環境に対する任意の所望のエリアを含み得る。幾つかの実施形態では、画像捕捉デバイス１２２、１２４及び１２６の１つ又は複数は、車両２００の前の環境、車両２００の背後の環境、車両２００の両側の環境又はそれらの組合せから画像データを取得するように構成し得る。
[0138] 更に、各画像捕捉デバイス１２２、１２４及び／又は１２６に関連付けられた焦点距離は、各デバイスが車両２００から所望の距離範囲にある物体の画像を取得するように選択可能であり得る（例えば、適切なレンズの包含等により）。例えば、幾つかの実施形態では、画像捕捉デバイス１２２、１２４及び１２６は、車両から数メートル以内の近接物体の画像を取得し得る。画像捕捉デバイス１２２、１２４、１２６は、車両からより離れた範囲（例えば、２５ｍ、５０ｍ、１００ｍ、１５０ｍ又はそれを超える）における物体の画像を取得するように構成することもできる。更に、画像捕捉デバイス１２２、１２４及び１２６の焦点距離は、ある画像捕捉デバイス（例えば、画像捕捉デバイス１２２）が車両に比較的近い（例えば、１０ｍ以内又は２０ｍ以内）物体の画像を取得することができ、一方、その他の画像捕捉デバイス（例えば、画像捕捉デバイス１２４及び１２６）が、車両２００からより離れた物体（例えば、２０ｍ超、５０ｍ超、１００ｍ超、１５０ｍ超等）の画像を取得することができるように選択し得る。
[0139] 幾つかの実施形態によれば、１つ又は複数の画像捕捉デバイス１２２、１２４及び１２６のＦＯＶは、広角を有し得る。例えば、特に車両２００の近傍エリアの画像取得に使用し得る画像捕捉デバイス１２２、１２４及び１２６には１４０度のＦＯＶを有することが有利であり得る。例えば、画像捕捉デバイス１２２は、車両２００の右又は左のエリアの画像の捕捉に使用し得、そのような実施形態では、画像捕捉デバイス１２２が広いＦＯＶ（例えば、少なくとも１４０度）を有することが望ましいことがある。
[0140] 画像捕捉デバイス１２２、１２４及び１２６のそれぞれに関連付けられた視野は、各焦点距離に依存し得る。例えば、焦点距離が増大するにつれて、対応する視野は低減する。
[0141] 画像捕捉デバイス１２２、１２４及び１２６は、任意の適する視野を有するように構成し得る。特定の一例では、画像捕捉デバイス１２２は、水平ＦＯＶ４６度を有し得、画像捕捉デバイス１２４は水平ＦＯＶ２３度を有し得、画像捕捉デバイス１２６は水平ＦＯＶ２３～４６度を有し得る。別の例では、画像捕捉デバイス１２２は水平ＦＯＶ５２度を有し得、画像捕捉デバイス１２４は水平ＦＯＶ２６度を有し得、画像捕捉デバイス１２６は、水平ＦＯＶ２６～５２度を有し得る。幾つかの実施形態では、画像捕捉デバイス１２２のＦＯＶと画像捕捉デバイス１２４及び／又は画像捕捉デバイス１２６のＦＯＶとの比率は、１．５～２．０で変化し得る。他の実施形態では、この比率は１．２５～２．２５で変化し得る。
[0142] システム１００は、画像捕捉デバイス１２２の視野が、画像捕捉デバイス１２４及び／又は画像捕捉デバイス１２６の視野と少なくとも部分的に又は完全に重複するように構成し得る。幾つかの実施形態では、システム１００は、画像捕捉デバイス１２４及び１２６の視野が例えば画像捕捉デバイス１２２の視野内に入り（例えば、画像捕捉デバイス１２２の視野よりも小さく）、画像捕捉デバイス１２２の視野と共通の中心を共有するように構成し得る。他の実施形態では、画像捕捉デバイス１２２、１２４及び１２６は、隣接するＦＯＶを捕捉し得、又は部分的に重複するＦＯＶを有し得る。幾つかの実施形態では、画像捕捉デバイス１２２、１２４及び１２６の視野は、ＦＯＶのより狭い画像捕捉デバイス１２４及び／又は１２６の中心が、ＦＯＶがより広いデバイス１２２の視野の下半分に配置され得るように位置合わせし得る。
[0143] 図２Ｆは、開示される実施形態による例示的な車両制御システムの図表現である。図２Ｆに示されるように、車両２００は、スロットルシステム２２０、ブレーキシステム２３０及び操舵システム２４０を含み得る。システム１００は、１つ又は複数のデータリンク（例えば、任意の有線及び／又は無線リンク又はデータを伝送するリンク）を介して、スロットルシステム２２０、ブレーキシステム２３０及び操舵システム２４０の１つ又は複数に入力（例えば、制御信号）を提供し得る。例えば、画像捕捉デバイス１２２、１２４及び／又は１２６により取得された画像の分析に基づいて、システム１００は、車両２００をナビゲートする制御信号をスロットルシステム２２０、ブレーキシステム２３０及び操舵システム２４０の１つ又は複数に提供し得る（例えば、加速、ターン、レーンシフト等を行わせることにより）。更に、システム１００は、車両２００の動作状況を示す入力（例えば、速度、車両２００がブレーキ中及び／又はターン中であるか否か等）をスロットルシステム２２０、ブレーキシステム２３０及び操舵システム２４の１つ又は複数から受信し得る。以下では、更なる詳細を図４～図７に関連して提供する。
[0144] 図３Ａに示されるように、車両２００は、車両２００のドライバー又は乗員と対話するユーザインタフェース１７０を含むこともできる。例えば、車両アプリケーション内のユーザインタフェース１７０は、タッチスクリーン３２０、つまみ３３０、ボタン３４０及びマイクロフォン３５０を含み得る。車両２００のドライバー又は乗員は、ハンドル（例えば、例えばウィンカーハンドルを含め、車両２００のステアリングコラム上又はその近傍に配置される）及びボタン（例えば、車両２００のハンドルに配置される）等を使用して、システム１００と対話することもできる。幾つかの実施形態では、マイクロフォン３５０はバックミラー３１０に隣接して位置決めし得る。同様に、幾つかの実施形態では、画像捕捉デバイス１２２は、バックミラー３１０の近傍に配置し得る。幾つかの実施形態では、ユーザインタフェース１７０は、１つ又は複数のスピーカ３６０（例えば、車両オーディオシステムのスピーカ）を含むこともできる。例えば、システム１００は、スピーカ３６０を介して様々な通知（例えば、アラート）を提供し得る。
[0145] 図３Ｂ～図３Ｄは、開示される実施形態による、バックミラー（例えば、バックミラー３１０）の背後に、車両フロントガラスと対向して位置決めされるように構成される例示的なカメラマウント３７０の図である。図３Ｂに示されるように、カメラマウント３７０は、画像捕捉デバイス１２２、１２４及び１２６を含み得る。画像捕捉デバイス１２４及び１２６は、グレアシールド３８０の背後に位置決めし得、グレアシールド３８０は、フロントガラスに直接接触し得、フィルム及び／又は反射防止材料の組成物を含み得る。例えば、グレアシールド３８０は、一致する傾斜を有するフロントガラスと対向して位置合わせされるように位置決めし得る。幾つかの実施形態では、画像捕捉デバイス１２２、１２４及び１２６のそれぞれは、例えば、図３Ｄに示されるように、グレアシールド３８０の背後に位置決めし得る。開示される実施形態は、画像捕捉デバイス１２２、１２４及び１２６、カメラマウント３７０並びにグレアシールド３８０のいかなる特定の構成にも限定されない。図３Ｃは、前から見た図３Ｂに示されるカメラマウント３７０の図である。
[0146] 本開示の恩恵を受ける当業者により理解されるように、上記開示された実施形態に対する多くの変形形態及び／又は変更形態がなされ得る。例えば、全ての構成要素がシステム１００の動作にとって必須であるわけではない。更に、任意の構成要素がシステム１００の任意の適切な部分に配置し得、構成要素は、開示される実施形態の機能を提供しながら、様々な構成に再配置し得る。従って、上述した構成は例であり、上述した構成に関係なく、システム１００は、車両２００の周囲を分析し、分析に応答して車両２００をナビゲートする広範囲の機能を提供することができる。
[0147] 以下に更に詳細に考察するように、様々な開示される実施形態により、システム１００は、自律運転及び／又はドライバー支援技術に関連する様々な特徴を提供し得る。例えば、システム１００は、画像データ、位置データ（例えば、ＧＰＳ位置情報）、地図データ、速度データ及び／又は車両２００に含まれるセンサからのデータを分析し得る。システム１００は、例えば、画像取得ユニット１２０、位置センサ１３０及び他のセンサから、分析のためにデータを収集し得る。更に、システム１００は、収集されたデータを分析して、車両２００が特定の行動をとるべきか否かを特定し、次に、人間の介入なしで、判断された動作を自動的にとり得る。例えば、車両２００が人間の加入なしでナビゲートする場合、システム１００は、車両２００のブレーキ、加速度及び／又は操舵を自動的に制御し得る（例えば、制御信号をスロットルシステム２２０、ブレーキシステム２３０及び操舵システム２４０の１つ又は複数に送信することにより）。更に、システム１００は、収集されたデータを分析し、収集されたデータの分析に基づいて警告及び／又はアラートを車両の搭乗者に発行し得る。システム１００により提供される様々な実施形態に関する更なる詳細を以下に提供する。
[0148] 前向きマルチ撮像システム
[0149] 上述したように、システム１００は、マルチカメラシステムを使用する運転支援機能を提供し得る。マルチカメラシステムは、車両の前方方向を向いた１つ又は複数のカメラを使用し得る。他の実施形態では、マルチカメラシステムは、車両の側部又は車両の後方を向いた１つ又は複数のカメラを含み得る。一実施形態では、例えば、システム１００は、２カメラ撮像システムを使用し得、その場合、第１のカメラ及び第２のカメラ（例えば、画像捕捉デバイス１２２及び１２４）は、車両（例えば、車両２００）の前部及び／又は側部に位置決めし得る。他のカメラの構成も開示する実施形態と合致し、本明細書で開示する構成は、例である。例えば、システム１００は、任意の数（例えば、１つ、２つ、３つ、４つ、５つ、６つ、７つ、８つ等）のカメラの構成を含み得る。更に、システム１００は、カメラの「クラスタ」を含み得る。例えば、（任意の適切な数、例えば１つ、４つ、８つ等のカメラを含む）カメラのクラスタは、車両に対して前向きとすることができ、又は他の任意の方向を向いていることができる（例えば、後向き、横向き、斜め等）。従って、各クラスタが車両の環境の特定の領域から画像を捕捉するように特定の方向に向けられた状態で、システム１００は、カメラの複数のクラスタを含み得る。
[0149] 上述したように、システム１００は、マルチカメラシステムを使用する運転支援機能を提供し得る。マルチカメラシステムは、車両の前方方向を向いた１つ又は複数のカメラを使用し得る。他の実施形態では、マルチカメラシステムは、車両の側部又は車両の後方を向いた１つ又は複数のカメラを含み得る。一実施形態では、例えば、システム１００は、２カメラ撮像システムを使用し得、その場合、第１のカメラ及び第２のカメラ（例えば、画像捕捉デバイス１２２及び１２４）は、車両（例えば、車両２００）の前部及び／又は側部に位置決めし得る。他のカメラの構成も開示する実施形態と合致し、本明細書で開示する構成は、例である。例えば、システム１００は、任意の数（例えば、１つ、２つ、３つ、４つ、５つ、６つ、７つ、８つ等）のカメラの構成を含み得る。更に、システム１００は、カメラの「クラスタ」を含み得る。例えば、（任意の適切な数、例えば１つ、４つ、８つ等のカメラを含む）カメラのクラスタは、車両に対して前向きとすることができ、又は他の任意の方向を向いていることができる（例えば、後向き、横向き、斜め等）。従って、各クラスタが車両の環境の特定の領域から画像を捕捉するように特定の方向に向けられた状態で、システム１００は、カメラの複数のクラスタを含み得る。
[0150] 第１のカメラは、第２のカメラの視野よりも大きい、小さい又は部分的に重複する視野を有し得る。更に、第１のカメラは、第１の画像プロセッサに接続されて、第１のカメラにより提供される画像の単眼画像分析を実行し得、第２のカメラは、第２の画像プロセッサに接続されて、第２のカメラにより提供される画像の単眼画像分析を実行し得る。第１及び第２の画像プロセッサの出力（例えば、処理された情報）は結合し得る。幾つかの実施形態では、第２の画像プロセッサは、第１のカメラ及び第２のカメラの両方からの画像を受信して、立体分析を実行し得る。別の実施形態では、システム１００は３カメラ撮像システムを使用し得、この場合、各カメラは異なる視野を有する。従って、そのようなシステムは、車両の前方及び側部の両方の様々な距離にある物体から導出される情報に基づいて判断を下し得る。単眼画像分析との言及は、画像分析が単一視点から（例えば、単一のカメラ）から捕捉される画像に基づいて画像分析が実行される場合を指し得る。立体画像分析は、画像捕捉パラメータの１つ又は複数を変更した状態で捕捉された２つ以上の画像に基づいて画像分析が実行される場合を指し得る。例えば、立体画像分析の実行に適した捕捉画像は、２つ以上の異なる位置から捕捉される画像、異なる視野から捕捉される画像、異なる焦点距離を使用して捕捉される画像、視差情報付きで捕捉される画像等を含み得る。
[0151] 例えば、一実施形態では、システム１００は、画像捕捉デバイス１２２～１２６を使用する３カメラ構成を実施し得る。そのような構成では、画像捕捉デバイス１２２は、狭視野（例えば、３４度又は約２０～４５度の範囲から選択される他の値等）を提供し得、画像捕捉デバイス１２４は、広視野（例えば、１５０度又は約１００～約１８０度の範囲から選択される他の値）を提供し得、画像捕捉デバイス１２６は、中視野（例えば、４６度又は約３５～約６０度の範囲から選択される他の値）を提供し得る。幾つかの実施形態では、画像捕捉デバイス１２６は、主又は一次カメラとして動作し得る。画像捕捉デバイス１２２～１２６は、バックミラー３１０の背後に、実質的に並んで（例えば、６ｃｍ離間）位置決めし得る。更に、幾つかの実施形態では、上述したように、画像捕捉デバイス１２２～１２６の１つ又は複数は、車両２００のフロントガラスと同一平面のグレアシールド３８０の背後に搭載し得る。そのようなシールドは、車内部からのいかなる反射の画像捕捉デバイス１２２～１２６への影響も最小にするように動作し得る。
[0152] 別の実施形態では、図３Ｂ及び図３Ｃに関連して上述したように、広視野カメラ（例えば、上記例では画像捕捉デバイス１２４）は、狭い主視野カメラ（例えば、上記例では画像捕捉デバイス１２２及び１２６）よりも低く搭載し得る。この構成は、広視野カメラからの自由な視線を提供し得る。反射を低減するために、カメラは、車両２００のフロントガラス近くに搭載し得、反射光を弱める偏光器をカメラに含み得る。
[0153] ３カメラシステムは、特定の性能特徴を提供し得る。例えば、幾つかの実施形態は、あるカメラによる物体の検出を別のカメラからの検出結果に基づいて検証する機能を含み得る。上述した３カメラ構成では、処理ユニット１１０は、例えば、３つの処理デバイス（例えば、上述したように３つのEyeQシリーズのプロセッサチップ）を含み得、各処理デバイスは、画像捕捉デバイス１２２～１２６の１つ又は複数により捕捉される画像の処理に向けられる。
[0154] ３カメラシステムでは、第１の処理デバイスは、主カメラ及び狭視野カメラの両方から画像を受信し得、狭ＦＯＶカメラのビジョン処理を実行して、例えば他の車両、歩行者、レーンマーク、交通標識、信号機及び他の道路物体を検出し得る。更に、第１の処理デバイスは、主カメラからの画像と狭カメラからの画像との間でのピクセルの不一致を計算し、車両２００の環境の３Ｄ再構築を作成し得る。次に、第１の処理デバイスは、３Ｄ再構築を３Ｄマップデータ又は別のカメラからの情報に基づいて計算される３Ｄ情報と結合し得る。
[0155] 第２の処理デバイスは、主カメラから画像を受信し得、ビジョン処理を実行して、他の車両、歩行者、レーンマーク、交通標識、信号機及び他の道路物体を検出し得る。更に、第２の処理デバイスは、カメラ変位を計算し、変位に基づいて、連続画像間のピクセルの不一致を計算し、シーンの３Ｄ再構築（例えば、ストラクチャーフロムモーション）を作成し得る。第２の処理デバイスは、３Ｄ再構築に基づくストラクチャーフロムモーションを第１の処理デバイスに送信し、ストラクチャーフロムモーションを立体３Ｄ画像と結合し得る。
[0156] 第３の処理デバイスは、画像を広ＦＯＶカメラから受信し、画像を処理して、車両、歩行者、レーンマーク、交通標識、信号機及び他の道路物体を検出し得る。第３の処理デバイスは、追加の処理命令を更に実行して、画像を分析し、レーン変更中の車両、歩行者等の画像内の移動中の物体を識別し得る。
[0157] 幾つかの実施形態では、画像に基づく情報ストリームを独立して捕捉させ、処理させることは、システムで冗長性を提供する機会を提供し得る。そのような冗長性は、例えば、第１の画像捕捉デバイス及びそのデバイスから処理された画像を使用して、少なくとも第２の画像捕捉デバイスから画像情報を捕捉し処理することにより得られる情報を検証及び／又は補足し得る。
[0158] 幾つかの実施形態では、システム１００は、車両２００にナビゲーション支援を提供するに当たり２つの画像捕捉デバイス（例えば、画像捕捉デバイス１２２及び１２４）を使用し得、第３の画像捕捉デバイス（例えば、画像捕捉デバイス１２６）を使用して、冗長性を提供し、他の２つの画像捕捉デバイスから受信されるデータの分析を検証し得る。例えば、そのような構成では、画像捕捉デバイス１２２及び１２４は、車両２００をナビゲートするためのシステム１００による立体分析の画像を提供し得、一方、画像捕捉デバイス１２６は、システム１００による単眼分析に画像を提供して、画像捕捉デバイス１２３及び／又は画像捕捉デバイス１２４から補足された画像に基づいて得られる情報の冗長性及び検証を提供し得る。すなわち、画像捕捉デバイス１２６（及び対応する処理デバイス）は、画像捕捉デバイス１２２及び１２４から導出された分析へのチェックを提供する冗長サブシステムを提供する（例えば、自動緊急ブレーキ（ＡＥＢ）システムを提供するため）と見なし得る。更に幾つかの実施形態では、１つ又は複数のセンサ（例えば、レーダ、ライダ、音響センサ、車外の１つ又は複数の送受信機から受信される情報等）から受信される情報に基づいて受信データの冗長性及び検証を補うことができる。
[0159] 上記カメラ構成、カメラ配置、カメラ数、カメラ位置等が単なる例示であることを当業者は認識するであろう。全体システムに対して説明されるこれらの構成要素等は、開示される実施形態の範囲から逸脱せずに、様々な異なる構成で組み立て且つ使用し得る。ドライバー支援及び／又は自律車両機能を提供するためのマルチカメラシステムの使用に関する更なる詳細が以下に続く。
[0160] 図４は、開示される実施形態による１つ又は複数の動作を実行する命令を記憶／プログラムされ得るメモリ１４０及び／又は１５０の例示的な機能ブロック図である。以下ではメモリ１４０を参照するが、当業者は、命令がメモリ１４０及び／又は１５０に記憶可能なことを認識するであろう。
[0161] 図４に示されるように、メモリ１４０は、単眼画像分析モジュール４０２、立体画像分析モジュール４０４、速度及び加速度モジュール４０６並びにナビゲーション応答モジュール４０８を記憶し得る。開示される実施形態は、いかなる特定の構成のメモリ１４０にも限定されない。更に、アプリケーションプロセッサ１８０及び／又は画像プロセッサ１９０は、メモリ１４０に含まれる任意のモジュール４０２～４０８に記憶された命令を実行し得る。以下の考察での処理ユニット１１０の参照が、アプリケーションプロセッサ１８０及び画像プロセッサ１９０を個々に又はまとめて指し得ることを当業者は理解するであろう。従って、以下のプロセスのいずれかのステップは、１つ又は複数の処理デバイスにより実行し得る。
[0162] 一実施形態では、単眼画像分析モジュール４０２は命令（コンピュータビジョンソフトウェア等）を記憶し得、命令は、処理ユニット１１０により実行されると、画像捕捉デバイス１２２、１２４及び１２６の１つにより取得された画像の組の単眼画像分析を実行する。幾つかの実施形態では、処理ユニット１１０は、画像の組からの情報を追加の感覚情報（例えば、レーダからの情報）と結合して、単眼画像分析を実行し得る。以下の図５Ａ～図５Ｄに関連して説明するように、単眼画像分析モジュール４０２は、レーンマーク、車両、歩行者、道路標識、高速道路出口ランプ、信号機、危険物及び車両の環境に関連付けられた任意の他の特徴等、画像の組内の特徴の組を検出する命令を含み得る。分析に基づいて、システム１００は、ナビゲーション応答モジュール４０８に関連して以下で考察するように、ターン、レーンシフト及び加速度変更等の１つ又は複数のナビゲーション応答を車両２００において生じさせ得る（例えば、処理ユニット１１０を介して）。
[0163] 一実施形態では、単眼画像分析モジュール４０２は、処理ユニット１１０によって実行されるとき、画像捕捉装置１２２、１２４及び１２６の１つによって取得される画像の組の単眼画像分析を実行する命令（コンピュータビジョンソフトウェア等）を記憶し得る。幾つかの実施形態では、処理ユニット１１０は、画像の組からの情報を追加の感覚情報（例えば、レーダやライダ等からの情報）と結合して単眼画像分析を実行し得る。図５Ａ～図５Ｄに関連して以下で説明するように、単眼画像分析モジュール４０２は、レーンマーク、車両、歩行者、道路標識、高速道路出口ランプ、信号機、危険物及び車両の環境に関連する他の任意の特徴等、画像の組内の特徴の組を検出するための命令を含み得る。分析に基づいて、システム１００は、（例えば、処理ユニット１１０によって）ナビゲーション応答を決定することに関連して以下で考察するように、ターン、レーンシフト、加速度変更等の１つ又は複数のナビゲーション応答を車両２００において生じさせ得る。
[0164] 一実施形態では、立体画像分析モジュール４０４は命令（コンピュータビジョンソフトウェア等）を記憶し得、命令は、処理ユニット１１０により実行されると、画像捕捉デバイス１２２、１２４及び１２６から選択された画像捕捉デバイスの組合せにより取得される第１及び第２の組の画像の立体画像分析を実行する。幾つかの実施形態では、処理ユニット１１０は、第１及び第２の組の画像からの情報を追加の感覚情報（例えば、レーダからの情報）と結合して、立体画像分析を実行し得る。例えば、立体画像分析モジュール４０４は、画像捕捉デバイス１２４により取得される第１の組の画像及び画像捕捉デバイス１２６により取得される第２の組の画像に基づいて、立体画像分析を実行する命令を含み得る。以下で図６に関連して説明するように、立体画像分析モジュール４０４は、レーンマーク、車両、歩行者、道路標識、高速道路出口ランプ、信号機及び危険物等の第１及び第２の組の画像内の特徴の組を検出する命令を含み得る。分析に基づいて、処理ユニット１１０は、ナビゲーション応答モジュール４０８に関連して後述するように、ターン、レーンシフト及び加速度変更等の１つ又は複数のナビゲーション応答を車両２００において生じさせ得る。更に、幾つかの実施形態では、立体画像分析モジュール４０４は、トレーニング済みシステム（ニューラルネットワーク又はディープニューラルネットワーク等）又はトレーニングされていないシステムに関連する技法を実装することができる。
[0165] 一実施形態では、速度及び加速度モジュール４０６は、車両２００の速度及び／又は加速度を変更させるように構成される車両２００内の１つ又は複数の計算及び電気機械デバイスから受信されるデータを分析するように構成されるソフトウェアを記憶し得る。例えば、処理ユニット１１０は、速度及び加速度モジュール４０６に関連付けられた命令を実行して、単眼画像分析モジュール４０２及び／又は立体画像分析モジュール４０４の実行から導出されるデータに基づいて、車両２００の目標速度を計算し得る。そのようなデータとしては、例えば、目標位置、速度及び／又は加速度、付近の車両、歩行者又は道路物体に対する車両２００の位置及び／又は速度及び道路のレーンマークに対する車両２００の位置情報等を挙げ得る。加えて、処理ユニット１１０は、感覚入力（例えば、レーダからの情報）と、車両２００のスロットルシステム２２０、ブレーキシステム２３０及び／又は操舵システム２４０等の車両２００の他のシステムからの入力とに基づいて、車両２００の目標速度を計算し得る。計算された目標速度に基づいて、処理ユニット１１０は、電子信号を車両２００のスロットルシステム２２０、ブレーキシステム２３０及び／又は操舵システム２４０に送信して、例えば車両２００のブレーキを物理的に弱めるか、又はアクセルを弱めることにより速度及び／又は加速度の変更をトリガーし得る。
[0166] 一実施形態では、ナビゲーション応答モジュール４０８は、処理ユニット１１０により実行可能であり、単眼画像分析モジュール４０２及び／又は立体画像分析モジュール４０４の実行から導出されるデータに基づいて、所望のナビゲーション応答を決定するソフトウェアを記憶し得る。そのようなデータは、付近の車両、歩行者及び道路物体に関連付けられた位置及び速度情報並びに車両２００の目標位置情報等を含み得る。更に、幾つかの実施形態では、ナビゲーション応答は、地図データ、車両２００の所定の位置及び／又は車両２００と、単眼画像分析モジュール４０２及び／又は立体画像分析モジュール４０４の実行から検出される１つ又は複数の物体との間の相対速度又は相対加速度に基づき得る（部分的又は完全に）。ナビゲーション応答モジュール４０８は、感覚入力（例えば、レーダからの情報）と、車両２００のスロットルシステム２２０、ブレーキシステム２３０及び操舵システム２４０等の車両２００の他のシステムからの入力とに基づいて、所望のナビゲーション応答を決定することもできる。所望のナビゲーション応答に基づいて、処理ユニット１１０は、電子信号を車両２００のスロットルシステム２２０、ブレーキシステム２３０及び操舵システム２４０に送信して、例えば車両２００のハンドルをターンさせ、所定の角度の回転を達成することにより、所望のナビゲーション応答をトリガーし得る。幾つかの実施形態では、処理ユニット１１０は、車両２００の速度変更を計算するための速度及び加速度モジュール４０６の実行への入力として、ナビゲーション応答モジュール４０８の出力（例えば、所望のナビゲーション応答）を使用し得る。
[0167] 更に、本明細書で開示するモジュール（例えば、モジュール４０２、４０４及び４０６）のいずれも、トレーニング済みシステム（ニューラルネットワーク又はディープニューラルネットワーク等）又はトレーニングされていないシステムに関連する技法を実装することができる。
[0168] 図５Ａは、開示される実施形態による、単眼画像分析に基づいて１つ又は複数のナビゲーション応答を生じさせる例示的なプロセス５００Ａを示すフローチャートである。ステップ５１０において、処理ユニット１１０は、処理ユニット１１０と画像取得ユニット１２０との間のデータインタフェース１２８を介して、複数の画像を受信し得る。例えば、画像取得ユニット１２０に含まれるカメラ（視野２０２を有する画像捕捉デバイス１２２等）は、車両２００の前方（又は例えば車両の側部若しくは後方）のエリアの複数の画像を捕捉し、データ接続（例えば、デジタル、有線、ＵＳＢ、無線、Bluetooth等）を介して処理ユニット１１０に送信し得る。処理ユニット１１０は、単眼画像分析モジュール４０２を実行して、ステップ５２０において、以下で図５Ｂ～図５Ｄに関連して更に詳細に説明するように、複数の画像を分析し得る。分析を実行することにより、処理ユニット１１０は、レーンマーク、車両、歩行者、道路標識、高速道路出口ランプ及び信号機等の画像の組内の特徴の組を検出し得る。
[0169] 処理ユニット１１０は、ステップ５２０において、単眼画像分析モジュール４０２を実行して、例えばトラックタイヤの部品、落ちた道路標識、緩んだ貨物及び小動物等の様々な道路危険物を検出することもできる。道路危険物の構造、形状、サイズ及び色は様々であり得、そのような危険物の検出をより難しくする。幾つかの実施形態では、処理ユニット１１０は、単眼画像分析モジュール４０２を実行して、マルチフレーム分析を複数の画像に対して実行して、道路危険物を検出し得る。例えば、処理ユニット１１０は、連続画像フレーム間でのカメラ移動を推定し、フレーム間のピクセルの不一致を計算して、道路の３Ｄマップを構築し得る。次に、処理ユニット１１０は、３Ｄマップを使用して、路面及び路面の上に存在する危険物を検出し得る。
[0170] ステップ５３０において、処理ユニット１１０は、ナビゲーション応答モジュール４０８を実行して、ステップ５２０において実行された分析及び図４に関連して上述した技法に基づいて、車両２００に１つ又は複数のナビゲーション応答を生じさせ得る。ナビゲーション応答は、例えば、ターン、レーンシフト及び加速度変更等を含み得る。幾つかの実施形態では、処理ユニット１１０は、速度及び加速度モジュール４０６の実行から導出されるデータを使用して、１つ又は複数のナビゲーション応答を生じさせ得る。更に、複数のナビゲーション応答は同時に生じ得るか、順次生じ得るか、又はそれらの任意の組合せで生じ得る。例えば、処理ユニット１１０は、例えば、制御信号を車両２００の操舵システム２４０及びスロットルシステム２２０に順次送信することにより、車両２００に１レーン超えさせ、それから例えば加速させ得る。代替的には、処理ユニット１１０は、例えば、制御信号を車両２００のブレーキシステム２３０及び操舵システム２４０に同時に送信することにより、車両２００に、ブレーキを掛けさせ、それと同時にレーンをシフトさせ得る。
[0171] 図５Ｂは、開示される実施形態による、画像の組内の１つ又は複数の車両及び／又は歩行者を検出する例示的なプロセス５００Ｂを示すフローチャートである。処理ユニット１１０は、単眼画像分析モジュール４０２を実行して、プロセス５００Ｂを実施し得る。ステップ５４０において、処理ユニット１１０は、存在する可能性がある車両及び／又は歩行者を表す候補物体の組を特定し得る。例えば、処理ユニット１１０は、１つ又は複数の画像を走査し、画像を１つ又は複数の所定のパターンと比較し、各画像内で、対象物体（例えば、車両、歩行者又はそれらの部分）を含み得る可能性がある位置を識別し得る。所定のパターンは、低率の「偽性ヒット」及び低率の「見逃し」を達成するように指定し得る。例えば、処理ユニット１１０は、所定のパターンへの低い類似性閾値を使用して、可能性のある車両又は歩行者として候補物体を識別し得る。そうすることにより、処理ユニット１１０は、車両又は歩行者を表す候補物体を見逃す（例えば、識別しない）確率を低減することができ得る。
[0172] ステップ５４２において、処理ユニット１１０は、候補物体の組をフィルタリングして、分類基準に基づいて特定の候補（例えば、無関係又は関係性の低い物体）を除外し得る。そのような基準は、データベース（例えば、メモリ１４０に記憶されるデータベース）に記憶された物体タイプに関連付けられた様々な特性から導出し得る。特性は、物体の形状、寸法、テクスチャ及び位置（例えば、車両２００に対する）等を含み得る。従って、処理ユニット１１０は、１つ又は複数の組の基準を使用して、候補物体の組から偽性候補を拒絶し得る。
[0173] ステップ５４４において、処理ユニット１１０は、複数の画像フレームを分析して、候補画像の組内の物体が車両及び／又は歩行者を表しているか否かを特定し得る。例えば、処理ユニット１１０は、連続フレームにわたり検出された候補物体を追跡し、検出された物体に関連付けられたフレーム毎データ（例えば、サイズ、車両２００に対する位置等）を蓄積し得る。更に、処理ユニット１１０は、検出された物体のパラメータを推定し、物体のフレーム毎位置データを予測位置と比較し得る。
[0174] ステップ５４６において、処理ユニット１１０は、検出された物体の測定の組を構築し得る。そのような測定は、例えば、検出された物体に関連付けられた位置、速度及び加速度値（車両２００に対する）を含み得る。幾つかの実施形態では、処理ユニット１１０は、カルマンフィルタ又は線形二次推定（ＬＱＥ）等の一連の時間ベースの観測を使用する推定技法及び／又は異なる物体タイプ（例えば、車、トラック、歩行者、自転車、道路標識等）で利用可能なモデリングデータに基づいて、測定を構築し得る。カルマンフィルタは、物体の尺度の測定に基づき得、ここで、尺度測定は衝突までの時間（例えば、車両２００が物体に達するまでの時間量）に比例する。従って、ステップ５４０～５４６を実行することにより、処理ユニット１１０は、捕捉画像の組内に現れる車両及び歩行者を識別し、車両及び歩行者に関連付けられた情報（例えば、位置、速度、サイズ）を導出し得る。識別及び導出される情報に基づいて、処理ユニット１１０は、図５Ａに関連して上述したように、車両２００で１つ又は複数のナビゲーション応答を生じさせ得る。
[0175] ステップ５４８において、処理ユニット１１０は、１つ又は複数の画像の光学フロー分析を実行して、「偽性ヒット」を検出する確率及び車両又は歩行者を表す候補物体を見逃す確率を低減し得る。光学フロー分析は、例えば、他の車両及び歩行者に関連付けられた１つ又は複数の画像内の車両２００に対する、路面の動きとは別個の移動パターンを分析することを指し得る。処理ユニット１１０は、異なる時刻に捕捉された複数の画像フレームにわたる物体の異なる位置を観測することにより、候補物体の移動を計算し得る。処理ユニット１１０は、位置及び時間値を数学モデルへの入力として使用して、候補物体の移動を計算し得る。従って、光学フロー分析は、車両２００の付近にある車両及び歩行者を検出する別の方法を提供し得る。処理ユニット１１０は、ステップ５４０～５４６と組み合わせて光学フロー分析を実行して、車両及び歩行者を検出する冗長性を提供すると共に、システム１００の信頼度を上げ得る。
[0176] 図５Ｃは、開示される実施形態による、画像の組内の道路マーク及び／又はレーンジオメトリ情報を検出する例示的なプロセス５００Ｃを示すフローチャートである。処理ユニット１１０は、単眼画像分析モジュール４０２を実行して、プロセス５００Ｃを実施し得る。ステップ５５０において、処理ユニット１１０は、１つ又は複数の画像を走査することにより物体の組を検出し得る。レーンマークの区分、レーンジオメトリ情報及び他の関連道路マークを検出するために、処理ユニット１１０は、物体の組をフィルタリングして、無関連（例えば、小さい穴、小さい岩等）であると判断されるものを除外し得る。ステップ５５２において、処理ユニット１１０は、同じ道路マーク又はレーンマークに属する、ステップ５５０において検出された区分を一緒にグループ化し得る。グループ化に基づいて、処理ユニット１１０は、数学モデル等のモデルを開発して、検出された区分を表し得る。
[0177] ステップ５５４において、処理ユニット１１０は、検出された区分に関連付けられた測定の組を構築し得る。幾つかの実施形態では、処理ユニット１１０は、画像平面から実世界平面への検出区分の射影を作成し得る。射影は、検出された道路の位置、傾斜、曲率及び曲率微分等の物理特性に対応する係数を有する三次多項式を使用して特徴付け得る。射影を生成するに当たり、処理ユニット１１０は、路面変化並びに車両２００に関連付けられたピッチ及びロール率を考慮に入れ得る。加えて、処理ユニット１１０は、位置及び路面に存在するモーションキューを分析することにより道路高をモデリングし得る。更に、処理ユニット１１０は、１つ又は複数の画像での特徴点の組を追跡することにより、車両２００に関連付けられたピッチ率及びロール率を推定し得る。
[0178] ステップ５５６において、処理ユニット１１０は、例えば、連続した画像フレームにわたり検出区分を追跡し、検出区分に関連付けられたフレーム毎データを蓄積することにより、マルチフレーム分析を実行し得る。処理ユニット１１０はマルチフレーム分析を実行する場合、ステップ５５４において構築された測定の組はより信頼性の高いものになり得、ますます高い信頼度を関連付け得る。従って、ステップ５５０～５５６を実行することにより、処理ユニット１１０は、捕捉画像の組内に現れる道路マークを識別し、レーンジオメトリ情報を導出し得る。識別及び導出される情報に基づいて、処理ユニット１１０は、図５Ａに関連して上述したように、車両２００で１つ又は複数のナビゲーション応答を生じさせ得る。
[0179] ステップ５５８において、処理ユニット１１０は、追加の情報ソースを考慮して、車両の周囲の状況での車両２００の安全モデルを更に開発し得る。処理ユニット１１０は、安全モデルを使用して、システム１００が車両２００の自律制御を安全に実行し得る状況を定義し得る。安全モデルを開発するために、幾つかの実施形態では、処理ユニット１１０は、他の車両の位置及び動き、検出された道路縁部及び障壁及び／又は地図データ（地図データベース１６０からのデータ等）から抽出された一般道路形状記述を考慮し得る。追加の情報ソースを考慮することにより、処理ユニット１１０は、道路マーク及びレーンジオメトリを検出する冗長性を提供し、システム１００の信頼性を上げ得る。
[0180] 図５Ｄは、開示される実施形態による、画像の組内の信号機を検出する例示的なプロセス５００Ｄを示すフローチャートである。処理ユニット１１０は、単眼画像分析モジュール４０２を実行して、プロセス５００Ｄを実施し得る。ステップ５６０において、処理ユニット１１０は、画像の組を走査し、信号機を含む可能性が高い画像内の位置に現れる物体を識別し得る。例えば、処理ユニット１１０は、識別された物体をフィルタリングして、信号機に対応する可能性が低い物体を除外した候補物体の組を構築し得る。フィルタリングは、形状、寸法、テクスチャ及び位置（例えば、車両２００に対する）等の信号機に関連付けられた様々な特性に基づいて行い得る。そのような特性は、信号機及び交通制御信号の多くの例に基づき得、データベースに記憶し得る。幾つかの実施形態では、処理ユニット１１０は、可能性のある信号機を反映した候補物体の組に対してマルチフレーム分析を実行し得る。例えば、処理ユニット１１０は、連続した画像フレームにわたり候補物体を追跡し、候補物体の現実世界位置を推定し、移動している（信号機である可能性が低い）物体をフィルタリングして除去し得る。幾つかの実施形態では、処理ユニット１１０は、カラー分析を候補物体に対して実行し、可能性のある信号機内部に表される検出色の相対位置を識別し得る。
[0181] ステップ５６２において、処理ユニット１１０は、交差点のジオメトリを分析し得る。分析は、（ｉ）車両２００の両側で検出されるレーン数、（ｉｉ）道路で検出されたマーク（矢印マーク等）、及び（ｉｉｉ）地図データ（地図データベース１６０からのデータ等）から抽出された交差点の記述の任意の組合せに基づき得る。処理ユニット１１０は、単眼分析モジュール４０２の実行から導出される情報を使用して、分析を行い得る。加えて、処理ユニット１１０は、ステップ５６０において検出された信号機と、車両２００近傍に現れるレーンとの対応性を特定し得る。
[0182] 車両２００が交差点に近づくにつれて、ステップ５６４において、処理ユニット１１０は、分析された交差点ジオメトリ及び検出された信号機に関連付けられた信頼度を更新し得る。例えば、交差点に実際に現れる数と比較した交差点に現れると推定された信号機の数は、信頼度に影響を及ぼし得る。従って、信頼度に基づいて、処理ユニット１１０は、車両２００のドライバーに制御を委任して、安全状況を改善し得る。ステップ５６０～５６４を実行することにより、処理ユニット１１０は、捕捉画像の組内に現れる信号機を識別し、交差点ジオメトリ情報を分析し得る。識別及び分析に基づいて、処理ユニット１１０は、図５Ａに関連して上述したように、車両２００で１つ又は複数のナビゲーション応答を生じさせ得る。
[0183] 図５Ｅは、開示される実施形態による、車両経路に基づいて車両２００で１つ又は複数のナビゲーション応答を生じさせる例示的なプロセス５００Ｅのフローチャートである。ステップ５７０において、処理ユニット１１０は、車両２００に関連付けられた初期車両経路を構築し得る。車両経路は、座標（ｘ，ｙ）で表される点の組を使用して表し得、点の組内の２点間距離ｄｉは、１～５メートルの範囲内にあり得る。一実施形態では、処理ユニット１１０は、左右の道路多項式等の２つの多項式を使用して初期車両経路を構築し得る。処理ユニット１１０は、２つの多項式間の幾何学的中間点を計算し、所定のオフセットがある場合（オフセット０は、レーンの中央での走行に対応し得る）、所定のオフセット（例えば、スマートレーンオフセット）だけ、結果として生成される車両経路に含まれる各点をオフセットさせ得る。オフセットは、車両経路内の任意の２点間の区分に垂直の方向であり得る。別の実施形態では、処理ユニット１１０は、１つの多項式及び推定レーン幅を使用して、推定レーン幅の半分に所定のオフセット（例えば、スマートレーンオフセット）を加えたものだけ車両経路の各点をオフセットさせ得る。
[0184] ステップ５７２において、処理ユニット１１０は、ステップ５７０において構築された車両経路を更新し得る。処理ユニット１１０は、車両経路を表す点の組内の２点間距離ｄｋが、上述した距離ｄｉよりも短くなるように、より高い解像度を使用して、５７０において構築された車両経路を再構築し得る。例えば、距離ｄｋは０．１～０．３メートルの範囲であり得る。処理ユニット１１０は、放物線スプラインアルゴリズムを使用して車両経路を再構築し得、これは、車両経路の全長（すなわち、車両経路を表す点の組に基づく）に対応する累積距離ベクトルＳをもたらし得る。
[0185] ステップ５７４において、処理ユニット１１０は、ステップ５７２において行われた更新車両経路に基づいて、先読み点（（ｘｌ，ｚｌ）として座標で表される）を特定し得る。処理ユニット１１０は、累積距離ベクトルＳから先読み点を抽出し得、先読み点には、先読み距離及び先読み時間を関連付け得る。先読み距離は、下限範囲１０～２０メートルを有し得、車両２００の速度と先読み時間との積として計算し得る。例えば、車両２００の速度が下がるにつれて、先読み距離も短くなり得る（例えば、下限に達するまで）。０．５～１．５秒の範囲であり得る先読み時間は、進行エラー追跡制御ループ等の車両２００でナビゲーション応答を生じさせることに関連付けられた１つ又は複数の制御ループの利得に反比例し得る。例えば、進行エラー追跡制御ループの利得は、ヨー率ループ、操舵アクチュエータループ及び車横方向動力学等の帯域幅に依存し得る。従って、進行エラー追跡制御ループの利得が高いほど、先読み時間は短くなる。
[0186] ステップ５７６において、処理ユニット１１０は、ステップ５７４において特定される先読み点に基づいて、進行エラー及びヨー率コマンドを決定し得る。処理ユニット１１０は、先読み点の逆正接、例えばａｒｃｔａｎ（ｘｌ／ｚｌ）を計算することにより、進行エラーを特定し得る。処理ユニット１１０は、進行エラーと高レベル制御利得との積としてヨー率コマンドを決定し得る。高レベル制御利得は、先読み距離が下限にない場合、（２／先読み時間）に等しい値であり得る。先読み距離が下限である場合、高レベル制御利得は、（２＊車両２００の速度／先読み距離）に等しい値であり得る。
[0187] 図５Ｆは、開示される実施形態による、先行車両がレーンを変更中であるか否かを特定する例示的なプロセス５００Ｆを示すフローチャートである。ステップ５８０において、処理ユニット１１０は、先行車両（例えば、車両２００の前を移動中の車両）に関連付けられたナビゲーション情報を特定し得る。例えば、処理ユニット１１０は、図５Ａ及び図５Ｂに関連して上述した技法を使用して、先行車両の位置、速度（例えば、方向及び速度）及び／又は加速度を特定し得る。処理ユニット１１０は、図５Ｅに関連して上述した技法を使用して、１つ又は複数の道路多項式、先読み点（車両２００に関連付けられる）及び／又はスネイルトレイル（例えば、先行車両がとった経路を記述する点の組）を特定することもできる。
[0188] ステップ５８２において、処理ユニット１１０は、ステップ５８０において特定されたナビゲーション情報を分析し得る。一実施形態では、処理ユニット１１０は、スネイルトレイルと道路多項式との間の距離（例えば、トレイルに沿った）を計算し得る。トレイルに沿ったこの距離の相違が所定の閾値（例えば、直線道路では０．１～０．２メートル、緩くカーブした道路では０．３～０．４メートル、急カーブの道路では０．５～０．６メートル）を超える場合、処理ユニット１１０は、先行車両がレーン変更中である可能性が高いと判断し得る。複数の車両が、車両２００の前を走行中であることが検出される場合、処理ユニット１１０は、各車両に関連付けられたスネイルトレイルを比較し得る。比較に基づいて、処理ユニット１１０は、スネイルトレイルが他の車両のスネイルトレイルに一致しない車両が、レーン変更中である可能性が高いと判断し得る。処理ユニット１１０は更に、スネイルトレイル（先行車両に関連付けられた）の曲率を、先行車両が移動中の道路区分の予期される曲率と比較し得る。予期される曲率は、地図データ（例えば、地図データベース１６０からのデータ）、道路多項式、他の車両のスネイルトレイル及び道路についての事前知識等から抽出し得る。スネイルトレイルの曲率と道路区分の予期される曲率との差が、所定の閾値を超える場合、処理ユニット１１０は、先行車両がレーン変更中である可能性が高いと判断し得る。
[0189] 別の実施形態では、処理ユニット１１０は、特定の時間期間（例えば、０．５～１．５秒）にわたり、先行車両の瞬間位置を先読み点（車両２００に関連付けられた）と比較し得る。特定の時間期間中の先行車両の瞬間位置と先読み点との間の距離の差及び相違の累積和が、所定の閾値（例えば、直線道路では０．３～０．４メートル、緩くカーブした道路では０．７～０．８メートル、急カーブの道路では１．３～１．７メートル）を超える場合、処理ユニット１１０は、先行車両がレーン変更中である可能性が高いと判断し得る。別の実施形態では、処理ユニット１１０は、トレイルに沿って移動した横方向距離をスネイルトレイルの予期される曲率と比較することにより、スネイルトレイルの幾何学的形状を分析し得る。予期される曲率半径は、計算：
（δｚ ２＋δｘ ２）／２／（δｘ）
に従って特定し得、式中、σｘは横方向移動距離を表し、σｚは縦方向移動距離を表す。横方向移動距離と予期される曲率との差が所定の閾値（例えば、５００～７００メートル）を超える場合、処理ユニット１１０は、先行車両がレーン変更中である可能性が高いと判断し得る。別の実施形態では、処理ユニット１１０は、先行車両の位置を分析し得る。先行車両の位置が道路多項式を曖昧にする（例えば、先行車両が道路多項式の上に重なる）場合、処理ユニット１１０は、先行車両がレーン変更中である可能性が高いと判断し得る。先行車両の位置が、別の車両が先行車両の前方で検出され、２つの車両のスネイルトレイルが平行ではないようなものである場合、処理ユニット１１０は、（より近い）先行車両がレーン変更中である可能性が高いと判断し得る。
（δｚ ２＋δｘ ２）／２／（δｘ）
に従って特定し得、式中、σｘは横方向移動距離を表し、σｚは縦方向移動距離を表す。横方向移動距離と予期される曲率との差が所定の閾値（例えば、５００～７００メートル）を超える場合、処理ユニット１１０は、先行車両がレーン変更中である可能性が高いと判断し得る。別の実施形態では、処理ユニット１１０は、先行車両の位置を分析し得る。先行車両の位置が道路多項式を曖昧にする（例えば、先行車両が道路多項式の上に重なる）場合、処理ユニット１１０は、先行車両がレーン変更中である可能性が高いと判断し得る。先行車両の位置が、別の車両が先行車両の前方で検出され、２つの車両のスネイルトレイルが平行ではないようなものである場合、処理ユニット１１０は、（より近い）先行車両がレーン変更中である可能性が高いと判断し得る。
[0190] ステップ５８４において、処理ユニット１１０は、ステップ５８２において実行された分析に基づいて、先行車両２００がレーン変更中であるか否かを特定し得る。例えば、処理ユニット１１０は、ステップ５８２において実行された個々の分析の加重平均に基づいてその判断を下し得る。そのような方式下では、例えば、特定のタイプの分析に基づいた、先行車両がレーン変更中である可能性が高いという処理ユニット１１０による判断には、値「１」を割り当て得る（「０」は、先行車両がレーン変更中である可能性が低いとの判断を表す）。ステップ５８２において実行される異なる分析には異なる重みを割り当て得、開示される実施形態は、分析及び重みのいかなる特定の組合せにも限定されない。更に、幾つかの実施形態では、分析は、トレーニング済みシステム（例えば、機械学習又はディープラーニングシステム）を利用でき、かかるシステムは、例えば、現在位置において捕捉した画像に基づいて車両の現在位置よりも先の将来の経路を推定することができる。
[0191] 図６は、開示される実施形態による、立体画像分析に基づいて１つ又は複数のナビゲーション応答を生じさせる例示的なプロセス６００を示すフローチャートである。ステップ６１０において、処理ユニット１１０は、データインタフェース１２８を介して第１及び第２の複数の画像を受信し得る。例えば、画像取得ユニット１２０に含まれるカメラ（視野２０２及び２０４を有する画像捕捉デバイス１２２及び１２４等）は、車両２００の前方のエリアの第１及び第２の複数の画像を捕捉し、デジタル接続（例えば、ＵＳＢ、無線、Bluetooth等）を介して処理ユニット１１０に送信し得る。幾つかの実施形態では、処理ユニット１１０は、２つ以上のデータインタフェースを介して第１及び第２の複数の画像を受信し得る。開示される実施形態は、いかなる特定のデータインタフェース構成又はプロトコルにも限定されない。
[0192] ステップ６２０において、処理ユニット１１０は、立体画像分析モジュール４０４を実行して、第１及び第２の複数の画像の立体画像分析を実行して、車両の前の道路の３Ｄマップを作成し、レーンマーク、車両、歩行者、道路標識、高速道路出口ランプ、信号機及び道路危険物等の画像内の特徴を検出し得る。立体画像分析は、図５Ａ～図５Ｄに関連して上述したステップと同様に実行し得る。例えば、処理ユニット１１０は、立体画像分析モジュール４０４を実行して、第１及び第２の複数の画像内の候補物体（例えば、車両、歩行者、道路マーク、信号機、道路危険物等）を検出し、様々な基準に基づいて候補物体のサブセットをフィルタリングして除外し、マルチフレーム分析を実行し、測定を構築し、残りの候補物体の信頼度を特定し得る。上記ステップを実行するに当たり、処理ユニット１１０は、画像の１つの組のみからの情報ではなく、第１及び第２の複数の画像の両方からの情報を考慮し得る。例えば、処理ユニット１１０は、第１及び第２の複数の画像の両方に現れる候補物体のピクセルレベルデータ（又は捕捉画像の２つのストリームの中からの他のデータサブセット）の差を分析し得る。別の例として、処理ユニット１１０は、物体が複数の画像の１枚に現れるが、他の画像では現れないことを観測することにより、又は２つの画像ストリームに現れる物体に対して存在し得る他の差に対して、候補物体の位置及び／又は速度（例えば、車両２００に対する）を推定し得る。例えば、車両２００に対する位置、速度及び／又は加速度は、画像ストリームの一方又は両方に現れる物体に関連付けられた特徴の軌道、位置、移動特性等に基づいて特定し得る。
[0193] ステップ６３０において、処理ユニット１１０は、ナビゲーション応答モジュール４０８を実行して、ステップ６２０において実行された分析及び図４に関連して上述した技法に基づいて、車両２００で１つ又は複数のナビゲーション動作を生じさせ得る。ナビゲーション応答は、例えば、ターン、レーンシフト、加速度変更、速度変更及びブレーキ等を含み得る。幾つかの実施形態では、処理ユニット１１０は、速度及び加速度モジュール４０６の実行から導出されるデータを使用して、１つ又は複数のナビゲーション応答を生じさせ得る。更に、複数のナビゲーション応答は、同時に行われ得るか、順次行われ得るか、又はそれらの任意の組合せで行われ得る。
[0194] 図７は、開示される実施形態による、３組の画像の分析に基づいて１つ又は複数のナビゲーション応答を生じさせる例示的なプロセス７００を示すフローチャートである。ステップ７１０において、処理ユニット１１０は、データインタフェース１２８を介して第１、第２及び第３の複数の画像を受信し得る。例えば、画像取得ユニット１２０に含まれるカメラ（視野２０２、２０４及び２０６を有する画像捕捉デバイス１２２、１２４及び１２６等）は、車両２００の前方及び／又は側部のエリアの第１、第２及び第３の複数の画像を捕捉し、デジタル接続（例えば、ＵＳＢ、無線、Bluetooth等）を介して処理ユニット１１０に送信し得る。幾つかの実施形態では、処理ユニット１１０は、３つ以上のデータインタフェースを介して第１、第２及び第３の複数の画像を受信し得る。例えば、画像捕捉デバイス１２２、１２４及び１２６のそれぞれは、処理ユニット１１０にデータを通信する関連付けられたデータインタフェースを有し得る。開示される実施形態は、いかなる特定のデータインタフェース構成又はプロトコルにも限定されない。
[0195] ステップ７２０において、処理ユニット１１０は、第１、第２及び第３の複数の画像を分析して、レーンマーク、車両、歩行者、道路標識、高速道路出口ランプ、信号機及び道路危険物等の画像内の特徴を検出し得る。分析は、図５Ａ～図５Ｄ及び図６に関連して上述したステップと同様に実行し得る。例えば、処理ユニット１１０は、単眼画像分析を第１、第２及び第３の複数のそれぞれの画像に対して実行し得る（例えば、単眼画像分析モジュール４０２の実行及び図５Ａ～図５Ｄに関連して上述したステップに基づいて）。代替的には、処理ユニット１１０は、立体画像分析を第１及び第２の複数の画像、第２及び第３の複数の画像及び／又は第１及び第３の複数の画像に対して実行し得る（例えば、立体画像分析モジュール４０４の実行を介して及び図６に関連して上述したステップに基づいて）。第１、第２及び／又は第３の複数の画像の分析に対応する処理済み情報は、結合し得る。幾つかの実施形態では、処理ユニット１１０は、単眼画像分析と立体画像分析との組合せを実行し得る。例えば、処理ユニット１１０は、単眼画像分析を第１の複数の画像に対して実行し（例えば、単眼画像分析モジュール４０２の実行を介して）、立体画像分析を第２及び第３の複数の画像に対して実行し得る（例えば、立体画像分析モジュール４０４の実行を介して）。画像捕捉デバイス１２２、１２４及び１２６の構成 － 各位置及び視野２０２、２０４及び２０６を含め － は、第１、第２及び第３の複数の画像に対して行われる分析のタイプに影響を及ぼし得る。開示される実施形態は、画像捕捉デバイス１２２、１２４及び１２６の特定の構成又は第１、第２及び第３の複数の画像に対して行われる分析のタイプに限定されない。
[0196] 幾つかの実施形態では、処理ユニット１１０は、ステップ７１０及び７２０において取得され分析された画像に基づいて、システム１００にテストを実行し得る。そのようなテストは、画像捕捉デバイス１２２、１２４及び１２６の特定の構成でのシステム１００の全体性能のインジケータを提供し得る。例えば、処理ユニット１１０は、「偽性ヒット」（例えば、システム１００が車両又は歩行者の存在を誤って判断する場合）及び「見落とし」の割合を特定し得る。
[0197] ステップ７３０において、処理ユニット１１０は、第１、第２及び第３の複数の画像の２つから導出される情報に基づいて、車両２００での１つ又は複数のナビゲーション応答を生じさせ得る。第１、第２及び第３の複数の画像の２つの選択は、例えば、複数の画像のそれぞれで検出される物体の数、タイプ及びサイズ等の様々なファクタに依存し得る。処理ユニット１１０は、画像の品質及び解像度、画像に反映される有効視野、捕捉フレーム数及び対象となる１つ又は複数の物体が実際にフレームに現れる程度（例えば、物体が現れるフレームのパーセンテージ、物体がそのような各フレームで現れる割合等）等に基づいて選択を行うことができる。
[0198] 幾つかの実施形態では、処理ユニット１１０は、ある画像ソースから導出された情報が、他の画像ソースから導出される情報と一貫する程度を特定することにより、第１、第２及び第３の複数の画像の２つから導出される情報を選択し得る。例えば、処理ユニット１１０は、画像捕捉デバイス１２２、１２４及び１２６のそれぞれから導出される処理済み情報（単眼分析であれ、立体分析であれ、又はそれら２つの任意の組合せであれ関係なく）を結合して、画像捕捉デバイス１２２、１２４及び１２６のそれぞれから捕捉される画像にわたり一貫する視覚的インジケータ（例えば、レーンマーク、検出された車両及び／又はその位置及び／又は経路、検出された信号機等）を特定し得る。処理ユニット１１０は、捕捉画像にわたり一貫しない情報（例えば、レーンを変更中の車両、車両２００に近過ぎる車両を示すレーンモデル等）を除外することもできる。従って、処理ユニット１１０は、一貫情報及び非一貫情報の特定に基づいて、第１、第２及び第３の複数の画像の２つからの導出される情報を選択し得る。
[0199] ナビゲーション応答は、例えば、ターン、レーンシフト及び加速度変更を含み得る。処理ユニット１１０は、ステップ７２０において実行される分析及び図４に関連して上述した技法に基づいて、１つ又は複数のナビゲーション応答を生じさせ得る。処理ユニット１１０は、速度及び加速度モジュール４０６の実行から導出されるデータを使用して、１つ又は複数のナビゲーション応答を生じさせることもできる。幾つかの実施形態では、処理ユニット１１０は、車両２００と第１、第２及び第３の複数の画像のいずれかで検出される物体との間の相対位置、相対速度及び／又は相対加速度に基づいて、１つ又は複数のナビゲーション応答を生じさせ得る。複数のナビゲーション応答は、同時に行われ得るか、順次行われ得るか、又はそれらの任意の組合せで行われ得る。
[0200] 強化学習及びトレーニング済みナビゲーションシステム
[0201] 以下の節は、車両の自律制御が完全に自律的（自動運転車両）であろうと、部分的に自律的（例えば、１人又は複数のドライバーがシステム又は機能を支援する）であろうと、車両の自律制御を実現するためのシステム及び方法と共に自律運転について論じる。図８に示すように、自律運転タスクは、検知モジュール８０１、運転ポリシモジュール８０３及び制御モジュール８０５を含む３つの主なモジュールに分けることができる。幾つかの実施形態では、モジュール８０１、８０３及び８０５をシステム１００のメモリユニット１４０及び／又はメモリユニット１５０内に記憶することができ、及び／又はモジュール８０１、８０３及び８０５（又はその一部）をシステム１００から離して記憶する（例えば、無線送受信機１７２によって例えばシステム１００がアクセス可能なサーバ内に記憶する）ことができる。更に、本明細書で開示するモジュール（例えば、モジュール８０１、８０３及び８０５）のいずれも、トレーニング済みシステム（ニューラルネットワーク又はディープニューラルネットワーク等）又はトレーニングされていないシステムに関連する技法を実装することができる。
[0201] 以下の節は、車両の自律制御が完全に自律的（自動運転車両）であろうと、部分的に自律的（例えば、１人又は複数のドライバーがシステム又は機能を支援する）であろうと、車両の自律制御を実現するためのシステム及び方法と共に自律運転について論じる。図８に示すように、自律運転タスクは、検知モジュール８０１、運転ポリシモジュール８０３及び制御モジュール８０５を含む３つの主なモジュールに分けることができる。幾つかの実施形態では、モジュール８０１、８０３及び８０５をシステム１００のメモリユニット１４０及び／又はメモリユニット１５０内に記憶することができ、及び／又はモジュール８０１、８０３及び８０５（又はその一部）をシステム１００から離して記憶する（例えば、無線送受信機１７２によって例えばシステム１００がアクセス可能なサーバ内に記憶する）ことができる。更に、本明細書で開示するモジュール（例えば、モジュール８０１、８０３及び８０５）のいずれも、トレーニング済みシステム（ニューラルネットワーク又はディープニューラルネットワーク等）又はトレーニングされていないシステムに関連する技法を実装することができる。
[0202] 処理ユニット１１０を使用して実装することができる検知モジュール８０１は、ホスト車両の環境内のナビゲーション状態の検知に関連する様々なタスクを処理することができる。かかるタスクは、ホスト車両に関連する様々なセンサ及び検知システムからの入力に依存し得る。それらの入力は、１つ又は複数のオンボードカメラからの画像又は画像ストリーム、ＧＰＳ位置情報、加速度計の出力、ユーザフィードバック、１つ又は複数のユーザインタフェース装置へのユーザ入力、レーダ、ライダ等を含み得る。地図情報と共にカメラ及び／又は他の任意の利用可能なセンサからのデータを含み得る検知を収集し、分析し、ホスト車両の環境内のシーンから抽出される情報を記述する「検知状態」へと系統立てて表すことができる。検知状態は、任意の潜在的な検知情報の中でも、目標車両、レーンマーク、歩行者、信号機、道路の幾何学的形状、レーン形状、障害物、他の物体／車両までの距離、相対速度、相対加速度に関係する検知情報を特に含み得る。検知モジュール８０１に提供される検知データに基づいて検知状態出力を作り出すために、教師あり機械学習を実施することができる。検知モジュールの出力は、ホスト車両の検知ナビゲーション「状態」を表すことができ、それは、運転ポリシモジュール８０３に送られ得る。
[0203] ホスト車両に関連する１つ又は複数のカメラ又は画像センサから受信される画像データに基づいて検知状態を開発することができるが、ナビゲーションに使用される検知状態は、任意の適切なセンサ又はセンサの組合せを使用して開発することができる。幾つかの実施形態では、捕捉画像データを使用することなしに検知状態を開発することができる。実際、本明細書に記載のナビゲーション原理のいずれも、捕捉画像データに基づいて開発される検知状態並びに他の非画像ベースのセンサを使用して開発される検知状態に適用可能であり得る。検知状態は、ホスト車両の外部のソースによって決定することもできる。例えば、検知状態は、ホスト車両から離れたソースから受信される情報に基づいて（例えば、他の車両から共有されるか、中央サーバから共有されるか、又はホスト車両のナビゲーション状態に関連する情報の他の任意のソースから共有されるセンサ情報や処理された状態情報等に基づいて）完全に又は部分的に開発され得る。
[0204] 以下でより詳細に解説し、処理ユニット１１０を使用して実装することができる運転ポリシモジュール８０３は、検知されるナビゲーション状態に応じてホスト車両が行う１つ又は複数のナビゲーション動作を決定するための所望の運転ポリシを実装することができる。ホスト車両の環境内に他のエージェント（例えば、目標車両又は歩行者）がない場合、運転ポリシモジュール８０３に入力される検知状態は、比較的簡単な方法で処理することができる。検知状態が１つ又は複数の他のエージェントとの折衝を必要とする場合、このタスクは、より複雑になる。運転ポリシモジュール８０３の出力を生成するために使用される技術は、強化学習（以下でより詳細に解説する）を含み得る。運転ポリシモジュール８０３の出力は、ホスト車両のための少なくとも１つのナビゲーション動作を含むことができ、潜在的な所望のナビゲーション動作の中でも、（ホスト車両の更新された速度につながり得る）所望の加速度、ホスト車両の所望のヨー率、所望の軌道を特に含み得る。
[0205] 運転ポリシモジュール８０３からの出力に基づき、同じく処理ユニット１１０を使用して実装することができる制御モジュール８０５は、ホスト車両に関連する１つ又は複数のアクチュエータ又は被制御装置のための制御命令を開発することができる。かかるアクチュエータ及び装置は、アクセル、１つ又は複数の操舵制御、ブレーキ、信号送信機、ディスプレイ又はホスト車両に関連するナビゲーション動作の一環として制御され得る他の任意のアクチュエータ若しくは装置を含み得る。制御モジュール８０５の出力を生成するために制御理論の側面を使用することができる。運転ポリシモジュール８０３の所望のナビゲーション目標又は要件を実施するために、制御モジュール８０５は、ホスト車両の制御可能な構成要素への命令を開発し出力することを担い得る。
[0206] 運転ポリシモジュール８０３に戻り、幾つかの実施形態では、強化学習によってトレーニングされるトレーニング済みシステムを使用して運転ポリシモジュール８０３を実装することができる。他の実施形態では、指定のアルゴリズムを使用して自律ナビゲーション中に生じ得る様々なシナリオに「手動で」対処することにより、運転ポリシモジュール８０３を機械学習法なしに実装することができる。しかし、かかる手法は、実行可能であるが、あまりにも単純過ぎる運転ポリシをもたらす可能性があり、機械学習に基づくトレーニング済みシステムの柔軟性を欠く場合がある。トレーニング済みシステムは、複雑なナビゲーション状態を処理する態勢がより整っている場合があり、タクシーが駐車しているか、乗客を乗せるか又は降ろすために停車しているかをより良好に決定することができ、ホスト車両の前方の道路を歩行者が横断しようとしているかどうかをより良好に決定し、自衛性に対する他のドライバーの予期せぬ挙動のバランスをより良好に取り、目標車両及び／又は歩行者を含む混雑した道路をより良好に通り抜け、特定のナビゲーション規則を中断するか又は他の規則を増補するときをより良好に決定し、未検知であるが予期される条件（例えば、歩行者が車又は障害物の裏から現れるかどうか）等をより良好に予期することができる。強化学習に基づくトレーニング済みシステムは、連続的な動作空間と共に連続的且つ高次元の状態空間に対処する態勢がより整っている場合もある。
[0207] 強化学習を使用してシステムをトレーニングすることは、検知状態からナビゲーション動作にマッピングするために運転ポリシを学習することを含み得る。運転ポリシは、関数π：Ｓ→Ａであり、Ｓは、状態の組であり、
は、動作空間（例えば、所望の速度、加速度、ヨーコマンド等）である。状態空間は、Ｓ＝ＳＳ×Ｓｐであり、ＳＳは、検知状態であり、Ｓｐは、ポリシによって保存された状態に対する追加情報である。離散的な時間間隔で機能し、時点ｔにおいて現在の状態ｓｔ∈Ｓを観測することができ、ポリシを適用して所望の動作ａｔ＝π（ｓｔ）を得ることができる。
[0208] システムは、様々なナビゲーション状態にさらし、システムにポリシを適用させ、（所望のナビゲーション挙動に報酬を与えるように設計される報酬関数に基づいて）報酬を与えることによってトレーニングすることができる。報酬のフィードバックに基づき、システムは、ポリシを「学習」することができ、所望のナビゲーション動作を作り出すことにおいてトレーニングされた状態になる。例えば、学習システムは、現在の状態ｓｔ∈Ｓを観測し、ポリシ
に基づいて動作ａｔ∈Ａを決定することができる。決定された動作（及びその動作の実施）に基づき、環境は、学習システムによって観測するための次の状態ｓｔ＋１∈Ｓに移る。観測された状態に応じて開発される各動作について、学習システムに対するフィードバックは、報酬信号ｒ１、ｒ２、...である。
[0209] 強化学習（ＲＬ）の目標は、ポリシπを見つけることである。時点ｔにおいて、状態ｓｔにあり、動作ａｔを行う即時の品質を測定する報酬関数ｒｔがあると通常想定される。しかし、時点ｔにおいて動作ａｔを行うことは、環境に影響を与え、従って将来の状態の値に影響を及ぼす。その結果、いずれの動作を行うかを決定するとき、現在の報酬を考慮するだけでなく将来の報酬も検討すべきである。幾つかの場合、ここで報酬が低い選択肢を行った場合により多くの報酬を将来実現できるとシステムが決定する場合、たとえ利用可能な別の選択肢よりも特定の動作が低い報酬に関連していても、システムは、その動作を行うべきである。これを形式化するために、ポリシπ及び初期状態ｓが、
にわたる分布を引き起こすことを観測し、エージェントが状態ｓ０＝ｓから開始し、そこからポリシπに従う場合、ベクトル（ｒ１，...，ｒＴ）の確率は、報酬ｒ１，...，ｒＴを観測する確率である。初期状態ｓの値は、次式で定めることができる。
[0210]
[0210]
[0211] 対象期間をＴに限定するのではなく、将来の報酬を割り引いて一部の固定されたγ∈（０，１）について次式を定めることができる。
[0212]
[0212]
[0213] いずれにせよ、最適なポリシは、
[0214]
[0215] の解であり、期待値は、初期状態ｓにわたる。
[0214]
[0216] 運転ポリシシステムをトレーニングするための幾つかの可能な方法体系がある。例えば、システムは、状態／動作の対から学習する模倣手法（例えば、挙動クローニング）を使用することができ、動作は、特定の観測状態に応じて優良なエージェント（例えば、人間）によって選択されるものである。人間のドライバーが観測されると仮定する。この観測により、運転ポリシシステムをトレーニングするための基礎として、（ｓｔ，ａｔ）という形式（ｓｔは、状態であり、ａｔは、人間のドライバーの動作である）の多くの例を取得し、観測し、使用することができる。例えば、π（ｓｔ）≒ａｔが成立するように教師あり学習を使用してポリシπを学習することができる。この手法には多くの潜在的な利点がある。第１に、報酬関数を定める必要がない。第２に、学習は、教師ありであり、オフラインで行われる（学習プロセス内でエージェントを適用する必要はない）。この方法の不利点は、様々な人間のドライバー及び更には同じ人間のドライバーでさえ自らのポリシ選択の点で決定論的でないことである。従って、｜｜π（ｓｔ）－ａｔ｜｜が非常に小さい関数を学習するのは不可能であることが多い。更に、小さい誤差でさえ徐々に蓄積して大きい誤差を発生させる場合がある。
[0217] 使用され得る別の技法は、ポリシベースの学習である。ここで、ポリシは、パラメトリック形式で表し、適切な最適化技法（例えば、確率勾配降下）を使用して直接最適化することができる。この手法は、
で与えられる問題を直接解くことである。当然ながら、この問題を解く多くの方法がある。この手法の１つの利点は、この手法が問題に直接取り組み、その結果、多くの場合に優れた実用的結果をもたらすことである。１つの潜在的な不利点は、この手法が多くの場合に「オンポリシ」トレーニングを必要とすることであり、すなわち、πの学習は、反復的プロセスであり、完全ではないポリシπｊが反復ｊで得られ、次のポリシπｊを構築するには、πｊに基づいて動作しながら環境と相互作用しなければならない。
[0218] システムは、値ベースの学習（Ｑ関数又はＶ関数の学習）によってトレーニングすることもできる。最適値関数Ｖ＊について優れた近似を学習できると仮定する。（例えば、ベルマン方程式を使用することにより）最適なポリシを構築することができる。値ベースの学習の一部のバージョンは、オフラインで実施することができる（「オフポリシ」トレーニングと呼ぶ）。値ベースの手法の一部の不利点は、この手法がマルコフ仮定及び複雑な関数の所要の近似に強く依存することに起因し得る（ポリシを直接近似するよりも価値関数を近似する方が困難であり得る）。
[0219] 別の技法は、モデルベースの学習及び計画（状態遷移の確率を学習し、最適なＶを見出す最適化問題を解くこと）を含み得る。学習システムをトレーニングするためにこれらの技法の組合せを使用することもできる。この手法では、プロセスの動力学、すなわち（ｓｔ，ａｔ）を取り、次の状態ｓｔ＋１にわたる分布をもたらす関数を学習することができる。この関数が学習されると、最適化問題を解いてその値が最適であるポリシπを見出すことができる。これを「計画」と呼ぶ。この手法の１つの利点は、学習部分が教師ありであり、三つ組（ｓｔ，ａｔ，ｓｔ＋１）を観測することによってオフラインで適用できることであり得る。「模倣」手法と同様に、この手法の１つの不利点は、学習プロセスにおける小さい誤差が蓄積し、機能が不十分なポリシをもたらす場合があることであり得る。
[0220] 運転ポリシモジュール８０３をトレーニングするための別の手法は、運転ポリシ関数を意味的に重要な構成要素へと分解することを含み得る。そのようにすることは、ポリシの安全性を保証し得るポリシの一部を手動で実装すること、並びに多くのシナリオへの適応性、自衛的挙動／攻撃的挙動間の人間並みのバランス及び他のドライバーとの人間並みの折衝を可能にし得る強化学習法を使用してポリシの他の部分を実装することを可能にする。技術的な観点から、強化学習法は、幾つかの方法体系を組み合わせ、トレーニングの殆どが記録されたデータ又は自己構築シミュレータを使用して実行され得る扱い易いトレーニング手続きを提供することができる。
[0221] 幾つかの実施形態では、運転ポリシモジュール８０３のトレーニングは、「選択肢」メカニズムを利用することができる。それを例証するために、２レーンの高速道路のための運転ポリシの単純なシナリオを検討する。ダイレクトＲＬ手法では、状態を
にマップするポリシπ、π（ｓ）の第１の成分は、所望の加速コマンドであり、π（ｓ）の第２の成分は、ヨー率である。修正された手法では、以下のポリシを構築することができる。
[0222] 自動走行制御（ＡＣＣ）ポリシ、ｏＡＣＣ：Ｓ→Ａ：このポリシは、０のヨー率を常に出力し、スムーズ且つ事故のない運転を実施するために速度のみを変更する。
[0223] ＡＣＣ＋Ｌｅｆｔポリシ、ｏＬ：Ｓ→Ａ：このポリシの縦方向のコマンドは、ＡＣＣコマンドと同じである。ヨー率は、安全な横方向の移動を確実にしながら（例えば、左側に車がある場合には左に移動しない）、車両を左レーンの中央に向けてセンタリングすることの簡単な実施である。
[0224] ＡＣＣ＋Ｒｉｇｈｔポリシ、ｏＲ：Ｓ→Ａ：ｏＬと同じであるが、車両は、右レーンの中央に向けてセンタリングされ得る。
[0225] これらのポリシは、「選択肢」と呼ぶことができる。これらの「選択肢」に依存し、選択肢を選択するポリシπｏ：Ｓ→Ｏを学習することができ、但し、Ｏは、利用可能な選択肢の組である。ある事例では、Ｏ＝｛ｏＡＣＣ，ｏＬ，ｏＲ｝が成立する。全てのｓについて、
を設定することにより、選択肢セレクタポリシπｏは、実際のポリシ、π：Ｓ→Ａを定める。
[0226] 実際には、ポリシ関数は、図９に示すように選択肢のグラフ９０１へと分解することができる。図１０に選択肢のグラフ１０００の別の例を示す。選択肢のグラフは、有向非巡回グラフ（ＤＡＧ）として編成される階層型の組の決定を表し得る。グラフの根ノード９０３と呼ばれる特別なノードがある。このノードには入力ノードがない。決定プロセスは、根ノードから始まり、出力決定線を有さないノードを指す「葉」ノードに到達するまでこのグラフを横断する。図９に示すように、葉ノードは、例えば、ノード９０５、９０７及び９０９を含み得る。葉ノードに遭遇すると、運転ポリシモジュール８０３は、葉ノードに関連する所望のナビゲーション動作に関連する加速コマンド及び操舵コマンドを出力し得る。
[0227] 例えば、ノード９１１、９１３、９１５等の内部ノードは、その利用可能な選択肢の中から子を選択するポリシの実装をもたらし得る。内部ノードの利用可能な子の組は、決定線によって特定の内部ノードに関連するノードの全てを含む。例えば、図９で「合流」として示す内部ノード９１３は、決定線によってノード９１３にそれぞれつながれる３つの子ノード９０９、９１５及び９１７（「留まる」、「右側追い越し」及び「左側追い越し」のそれぞれ）を含む。
[0228] 選択肢のグラフの階層内でノードが自らの位置を調節できるようにすることにより、意思決定システムの柔軟性を得ることができる。例えば、ノードのいずれも自らを「重大」であると宣言することを認められ得る。各ノードは、ノードがそのポリシ実装の重大なセクション内にある場合、「真」を出力する関数「is critical」を実装することができる。例えば、テイクオーバを担うノードは、操作中に自らを重大であると宣言することができる。これは、ノードｕの利用可能な子の組に対して制約を課す可能性があり、かかる子は、ノードｕの子であり、且つｖから葉ノードへの重大であると指定される全てのノードを通過する経路が存在する全てのノードｖを含み得る。かかる手法は、一方では、各時間ステップにおけるグラフ上の所望の経路の宣言を可能にし得るのに対し、他方では、とりわけポリシの重大な部分が実施されている間にポリシの安定性を保つことができる。
[0229] 選択肢のグラフを定めることにより、運転ポリシπ：Ｓ→Ａを学習する問題を、グラフの各ノードのポリシを定義する問題へと分解することができ、内部ノードにおけるポリシは、利用可能な子ノードの中から選択すべきである。ノードの一部について、個々のポリシを（例えば、観測される状態に応じた動作の組を指定するif-then形式のアルゴリズムによって）手動で実装することができる一方、他のものについて、強化学習によって構築されるトレーニング済みシステムを使用してポリシを実装することができる。手動の手法又はトレーニングされた／学習された手法の選択は、タスクに関連する安全性の側面及びその相対的な単純さに依存し得る。選択肢のグラフは、ノードの一部が簡単に実装される一方、他のノードがトレーニング済みモデルに依存し得る方法で構築され得る。かかる手法は、システムの安全な動作を保証することができる。
[0230] 以下の解説は、運転ポリシモジュール８０３内の図９の選択肢のグラフの役割に関する更なる詳細を与える。上記で論じたように、運転ポリシモジュールへの入力は、例えば、利用可能なセンサから得られる環境地図の概要を示す「検知状態」である。運転ポリシモジュール８０３の出力は、最適化問題の解として軌道を定める願望の組（任意選択的に厳密制約の組を伴う）である。
[0231] 上記のように、選択肢のグラフは、ＤＡＧとして編成される階層型の組の決定を表す。グラフの「根」と呼ばれる特別なノードがある。根ノードは、入力辺（例えば、決定線）を有さない唯一のノードである。決定プロセスは、根ノードから始まり、「葉」ノード、すなわち出力辺を有さないノードに到達するまでグラフを横断する。各内部ノードは、自らの利用可能な子の中から１つの子を選ぶポリシを実装すべきである。全ての葉ノードは、根から葉までの全経路に基づいて願望の組（例えば、ホスト車両のためのナビゲーション目標の組）を定めるポリシを実装すべきである。検知状態に基づいて直接定められる厳密制約の組と共に、願望の組は、その解が車両の軌道である最適化問題を確立する。システムの安全性を更に高めるために厳密制約を使用することができ、運転の快適さ及びシステムの人間並みの運転挙動をもたらすために願望を使用することができる。最適化問題への解として提供される軌道は、従って、軌道を実現するためにステアリング、ブレーキ及び／又はエンジンアクチュエータに与えられるべきコマンドを定める。
[0232] 図９に戻ると、選択肢のグラフ９０１は、合流レーンを含む２レーンの高速道路（ある時点において第３のレーンが高速道路の右レーン又は左レーンに合流することを意味する）に関する選択肢のグラフを表す。根ノード９０３は、ホスト車両が単純な道路のシナリオにあるか、合流シナリオに近づいているかをまず判断する。これは、検知状態に基づいて実施可能な判断の一例である。単純な道路のノード９１１は、留まるノード９０９、左側追い越しノード９１７及び右側追い越しノード９１５という３つの子ノードを含む。留まるとは、ホスト車両が同じレーン内を走行し続けたい状況を指す。留まるノードは、葉ノードである（出力辺／線がない）。従って、留まるノードは、願望の組を定める。このノードが定める第１の願望は、例えば、現在の移動レーンの中央に可能な限り近い所望の横方向位置を含み得る。スムーズに（例えば、既定の又は許容可能な加速最大値の範囲内で）ナビゲートする願望もあり得る。留まるノードは、ホスト車両が他の車両に対してどのように反応するかも定めることができる。例えば、留まるノードは、検知される目標車両を調査し、軌道の成分に変換され得る意味論的意味をそれぞれに割り当てることができる。
[0233] ホスト車両の環境内の目標車両に様々な意味論的意味を割り当てることができる。例えば、幾つかの実施形態では、意味論的意味は、以下の指示のいずれかを含むことができる：１）無関係：シーン内の検知車両が現在関係しないことを示す、２）隣レーン：検知車両が隣接レーン内にあり、その車両に対して適切なオフセットを保つべきであることを示す（正確なオフセットは、願望及び厳密制約を所与として軌道を構築する最適化問題で計算することができ、場合により車両に依存することができ、選択肢のグラフの留まる葉は、目標車両に対する願望を定める目標車両の意味論の種類を設定する）、３）道を譲る：ホスト車両は、（とりわけホスト車両のレーン内に目標車両が割り込む可能性が高いとホスト車両が決定する場合に）検知した目標車両に例えば減速することによって道を譲ろうと試みる、４）道を進む：ホスト車両が例えば加速することによって優先通行権を受けて応じようと試みる、５）追走：ホスト車両がこの目標車両を追走してスムーズな運転を維持することを望む、６）左側／右側追い越し：これは、ホスト車両が左レーン又は右レーンへのレーン変更を開始したいことを意味する。左側追い越しノード９１７及び右側追い越しノード９１５は、依然として願望を定めていない内部ノードである。
[0234] 選択肢のグラフ９０１内の次のノードは、間隙選択ノード９１９である。このノードは、ホスト車両が入りたい特定の目標レーン内の２つの目標車両間の間隙を選択することを担い得る。ＩＤｊ形式のノードを選択することにより、ｊの何らかの値について、ホスト車両は、軌道最適化問題に関する願望、例えば選択された間隙に到達するためにホスト車両が操作を行いたいことを指定する葉に到達する。かかる操作は、現在のレーン内でまず加速し／ブレーキをかけ、選択された間隙に入るのに適した時点において目標レーンに進むことを含み得る。間隙選択ノード９１９が適切な間隙を見つけることができない場合、現在のレーンの中央に戻り、追い越しを取り消す願望を定める中止ノード９２１に進む。
[0235] 合流ノード９１３に戻り、ホスト車両が合流に近づくと、ホスト車両には、特定の状況に依存し得る幾つかの選択肢がある。例えば、図１１Ａに示すように、ホスト車両１１０５は、２レーン道路の主要レーン又は合流レーン１１１１内で他の目標車両を検出していない状態で２レーン道路に沿って移動している。この状況では、運転ポリシモジュール８０３は、合流ノード９１３に到達すると、留まるノード９０９を選択することができる。すなわち、道路に合流するものとして目標車両を検知しない場合、自らの現在のレーン内に留まることが望ましい場合がある。
[0236] 図１１Ｂでは、この状況が僅かに異なる。ここで、ホスト車両１１０５は、合流レーン１１１１から主たる道路１１１２に入ってくる１つ又は複数の目標車両１１０７を検知する。この状況では、運転ポリシモジュール８０３が合流ノード９１３に直面すると、運転ポリシモジュール８０３は、合流の状況を回避するために左側追い越し操作を開始することに決めることができる。
[0237] 図１１Ｃでは、ホスト車両１１０５は、合流レーン１１１１から主たる道路１１１２に入る１つ又は複数の目標車両１１０７に遭遇する。ホスト車両１１０５は、ホスト車両のレーンに隣接するレーン内を移動する目標車両１１０９も検出する。ホスト車両は、ホスト車両１１０５と同じレーン内を移動する１つ又は複数の目標車両１１１０も検出する。この状況では、運転ポリシモジュール８０３は、ホスト車両１１０５の速度を調節して目標車両１１０７に道を譲り、目標車両１１１５の前に進むことに決めることができる。これは、例えば、適切な合流の間隙としてＩＤ０（車両１１０７）とＩＤ１（車両１１１５）との間の間隙を選択する間隙選択ノード９１９に進むことによって実現され得る。その場合、合流の状況の適切な間隙が軌道プランナ最適化問題の目的を定める。
[0238] 上記で論じたように、選択肢のグラフのノードは、自らを「重大」であると宣言することができ、かかる宣言は、選択される選択肢が重大なノードを通過することを確実にし得る。形式上、各ノードは関数IsCriticalを実装することができる。選択肢のグラフ上で根から葉への順方向パスを行い、軌道プランナの最適化問題を解いた後、葉から根に逆方向パスを行うことができる。この逆方向パスに沿ってパス内の全てのノードのIsCritical関数を呼び出すことができ、全ての重大なノードのリストを保存することができる。次の時間枠に対応する順方向経路内において、全ての重大なノードを通過する根ノードから葉ノードへの経路を選択することを運転ポリシモジュール８０３が要求され得る。
[0239] 図１１Ａ～図１１Ｃは、この手法の潜在的な利益を示すために使用することができる。例えば、追い越し動作が開始され、運転ポリシモジュール８０３がＩＤｋに対応する葉に到達する状況では、ホスト車両が追い越し操作の途中にある場合、例えば留まるノード９０９を選択することは望ましくない。このジャンプ性を回避するために、ＩＤｊノードは、自らを重大であると指定することができる。操作中、軌道プランナの成功を監視することができ、関数IsCriticalは、追い越し操作が意図した通りに進む場合に「真」値を返す。この手法は、（最初に選択した操作を完了する前に潜在的に一貫性のない別の操作にジャンプするのではなく）次の時間枠内で追い越し操作が続行されることを確実にし得る。他方では、選択された操作が意図した通りに進んでいないことを操作の監視が示す場合又は操作が不要若しくは不可能になった場合、関数IsCriticalは、「偽」値を返すことができる。これは、間隙選択ノードが次の時間枠内で異なる間隙を選択すること、又は追い越し操作を完全に中止することを可能にし得る。この手法は、一方では、各時間ステップにおける選択肢のグラフ上の所望の経路の宣言を可能にし得るのに対し、他方では、実行の重大な部分にある間のポリシの安定性を促進することを支援し得る。
[0240] 以下でより詳細に解説する厳密制約は、ナビゲーションの願望と区別することができる。例えば、厳密制約は、計画されたナビゲーション動作の追加のフィルタリング層を適用することによって安全運転を保証することができる。強化学習に基づいて構築されるトレーニング済みシステムを使用することによってではなく、手動でプログラムされ定義され得る関与する厳密制約は、検知状態から決定することができる。但し、幾つかの実施形態では、トレーニングされたシステムは、適用され従われる適用可能な厳密制約を学習することができる。かかる手法は、適用可能な厳密制約に既に準拠している被選択動作に運転ポリシモジュール８０３が到達することを促進することができ、そうすることで適用可能な厳密制約に準拠するために後に修正を必要とし得る被選択動作を減らすか又は除去することができる。それでもなお、冗長な安全対策として、所定の厳密制約を考慮するように運転ポリシモジュール８０３が訓練されている場合でも、運転ポリシモジュール８０３の出力に厳密制約を適用することができる。
[0241] 潜在的な厳密制約の多くの例がある。例えば、厳密制約は、道路縁のガードレールに関連して定めることができる。いかなる状況でも、ホスト車両がガードレールを越えることは認められない。そのような規則は、ホスト車両の軌道に対する横方向の厳密制約を引き起こす。厳密制約の別の例は、道路のバンプ（例えば、速度制御バンプ）を含むことができ、かかるバンプは、バンプ前の又はバンプを横断する間の運転速度に対する厳密制約を引き起こし得る。厳密制約は、安全を最重視すべきであると考えることができ、従ってトレーニング中に制約を学習するトレーニング済みシステムに専ら依存するのではなく、手動で定めることができる。
[0242] 厳密制約とは対照的に、願望の目標は、快適な運転を可能にするか又は実現することであり得る。上記で論じたように、願望の一例は、ホスト車両のレーンの中央に対応するレーン内の横方向位置にホスト車両を位置決めする目標を含み得る。別の願望は、入り込むための間隙のＩＤを含み得る。ホスト車両は、厳密にレーンの中央にある必要はなく、代わりにレーンの中央に可能な限り近くありたいという願望は、ホスト車両がレーンの中央から外れた場合にもレーンの中央に移動し易いことを保証できることに留意されたい。願望は、安全を最重視しなくてもよい。幾つかの実施形態では、願望は、他のドライバー及び歩行者との折衝を必要とし得る。願望を構築するためのある手法は、選択肢のグラフを利用することができ、グラフの少なくとも一部のノード内で実装されるポリシは、強化学習に基づき得る。
[0243] 学習に基づいてトレーニングされるノードとして実装される選択肢のグラフ９０１又は１０００のノードについて、トレーニングプロセスは、問題を教師あり学習フェーズ及び強化学習フェーズへと分解することを含み得る。教師あり学習フェーズでは、
が成立するように、（ｓｔ，ａｔ）から
への可微分マッピングが学習され得る。これは、「モデルベースの」強化学習と同様であり得る。しかし、ネットワークの順方向ループでは、
をｓｔ＋１の実際の値で置換し、それにより誤差が蓄積する問題をなくすことができる。
の予測の役割は、将来から過去の動作にメッセージを伝えることである。この意味において、アルゴリズムは、「モデルベースの」強化学習と「ポリシベースの学習」との組み合わせであり得る。
[0244] 一部のシナリオにおいて提供され得る重要な要素は、将来の損失／報酬から動作に関する決定に戻る可微分経路である。選択肢のグラフの構造では、安全制約を含む選択肢の実装は、通常、微分できない。この問題を克服するために、学習されるポリシのノードにおける子の選択は、確率論的であり得る。すなわち、ノードは、確率ベクトルｐを出力することができ、確率ベクトルｐは、特定のノードの子のそれぞれを選択する際に使用される確率を割り当てる。あるノードがｋ個の子を有すると仮定し、ａ（１），...，ａ（ｋ）がそれぞれの子から葉への経路の動作とする。従って、結果として生じる予測動作は、
であり、これは、動作からｐへの可微分経路をもたらし得る。実際には、動作ａは、ｉ～ｐに関してａ（ｉ）であるように選択することができ、ａと
との差を付加雑音と呼ぶことができる。
[0245] ｓｔ、ａｔを所与として、
をトレーニングするために、実際のデータと共に教師あり学習を使用することができる。ノードのポリシをトレーニングするためにシミュレータを使用することができる。後に実際のデータを使用してポリシの微調整を実現することができる。２つの概念がシミュレーションをより現実的にし得る。第１に、模倣を使用し、大規模な現実世界のデータセットを使用する「挙動クローニング」パラダイムを使用して初期ポリシを構築することができる。幾つかの場合、結果として生じるエージェントが適している場合がある。他の事例では、結果として生じるエージェントは、道路上の他のエージェントのための非常に優れた初期ポリシを少なくとも形成する。第２に、セルフプレイを使用し、本発明者らの独自のポリシを使用してトレーニングを増補することができる。例えば、遭遇し得る他のエージェント（車／歩行者）の初期実装を所与として、シミュレータに基づいてポリシをトレーニングすることができる。他のエージェントの一部は、新たなポリシで置換することができ、このプロセスを繰り返すことができる。その結果、異なる洗練レベルを有する一層多岐にわたる他のエージェントに応答すべきであるため、ポリシが改善し続けることができる。
[0246] 更に幾つかの実施形態では、システムは、マルチエージェント手法を実装することができる。例えば、システムは、様々なソースからのデータ及び／又は複数の角度から捕捉する画像を考慮することができる。更に、ホスト車両を直接含まないが、ホスト車両に影響を有し得る事象の予測を考慮することができ、更には他の車両を含む予測不能な状況をもたらし得る事象の予測が検討事項であり得る（例えば、レーダは、先行車両及びホスト車両に影響を及ぼす不可避の事象、更にはかかる事象の高い可能性の予想を「見通す」ことができる）ため、開示する一部の実施形態は、エネルギの節約をもたらし得る。
[0247] 課せられたナビゲーション制約を伴うトレーニング済みシステム
[0248] 自律運転に関連して、重大な関心事は、トレーニング済みナビゲーションネットワークの学習されたポリシが安全であることをどのように保証するかである。幾つかの実施形態では、制約を使用して運転ポリシシステムをトレーニングすることができ、そのため、トレーニング済みシステムによって選択される動作は、適用可能な安全制約を既に考慮している可能性がある。加えて、幾つかの実施形態では、ホスト車両の環境内の特定の検知シーンによって関与される１つ又は複数の厳密制約にトレーニング済みシステムの被選択動作を通すことにより、追加の安全層を提供することができる。かかる手法は、ホスト車両によって行われる動作が、適用可能な安全制約を満たすものであると確認されるものに限定されていることを確実にし得る。
[0248] 自律運転に関連して、重大な関心事は、トレーニング済みナビゲーションネットワークの学習されたポリシが安全であることをどのように保証するかである。幾つかの実施形態では、制約を使用して運転ポリシシステムをトレーニングすることができ、そのため、トレーニング済みシステムによって選択される動作は、適用可能な安全制約を既に考慮している可能性がある。加えて、幾つかの実施形態では、ホスト車両の環境内の特定の検知シーンによって関与される１つ又は複数の厳密制約にトレーニング済みシステムの被選択動作を通すことにより、追加の安全層を提供することができる。かかる手法は、ホスト車両によって行われる動作が、適用可能な安全制約を満たすものであると確認されるものに限定されていることを確実にし得る。
[0249] その核心において、ナビゲーションシステムは、観測した状態を１つ又は複数の所望の動作にマップするポリシ関数に基づく学習アルゴリズムを含み得る。一部の実装形態では、学習アルゴリズムは、ディープラーニングアルゴリズムである。所望の動作は、車両について予期される報酬を最大化することが期待される少なくとも１つの動作を含み得る。幾つかの場合、車両が行う実際の動作は、所望の動作の１つに対応し得るが、他の事例では、行われる実際の動作は、観測される状態、１つ又は複数の所望の動作及び学習するナビゲーションエンジンに課せられる非学習厳密制約（例えば、安全制約）に基づいて決定され得る。これらの制約は、様々な種類の検出物体（例えば、目標車両、歩行者、路肩の又は道路内の静的物体、路肩の又は道路内の移動物体、ガードレール等）を取り囲む非運転区域を含み得る。幾つかの場合、区域のサイズは、検出物体の検出される動き（例えば、速度及び／又は方向）に基づいて変わり得る。他の制約は、歩行者の影響区域内を通過するときの最大移動速度、（ホスト車両の後ろの目標車両の間隔に対処するための）最大減速度、検知した横断歩道又は踏切における強制的な停止等を含み得る。
[0250] 機械学習によってトレーニングされるシステムと共に使用される厳密制約は、トレーニング済みシステムのみの出力に基づいて得ることができる安全度を上回り得るある程度の安全性を自律運転において提供することができる。例えば、機械学習システムは、トレーニングのガイドラインとして所望の制約の組を使用してトレーニングすることができ、従って、トレーニング済みシステムは、適用可能なナビゲーション制約の制限で構成されかかる制限を守る動作を検知されたナビゲーション状態に応じて選択することができる。しかし、それでもなお、ナビゲーション動作を選択する際、トレーニング済みシステムは、幾らかの柔軟性を有し、従ってトレーニング済みシステムによって選択される動作が関連するナビゲーション制約に厳密に従わない可能性がある少なくとも幾つかの状況があり得る。従って、選択される動作が関連するナビゲーション制約に厳密に従うことを求めるために、学習／トレーニングフレームワークの外側にある関連するナビゲーション制約の厳密な適用を保証する非機械学習構成要素を使用し、トレーニング済みシステムの出力を組み合わせ、比較し、フィルタリングし、調節し、修正等することができる。
[0251] 以下の解説は、トレーニング済みシステム及びトレーニング済みシステムを、トレーニング／学習フレームワークの外側にあるアルゴリズム構成要素と組み合わせることから得ることができる（とりわけ安全性の観点からの）潜在的な利益に関する更なる詳細を示す。先に論じたように、ポリシによる強化学習目的は、確率勾配上昇によって最適化することができる。目的（例えば、期待報酬）は、
として定めることができる。
[0252] 機械学習シナリオでは、期待値を含む目的を使用することができる。但し、かかる目的は、ナビゲーション制約に拘束されることなしに、それらの制約によって厳密に拘束される動作を返さない場合がある。例えば、回避すべき稀な「曲がり角」の事象（例えば、事故等）を表す軌道について、
が成立し、残りの軌道について、
が成立する報酬関数を検討し、学習システムの１つの目標は、追い越し操作の実行を学習することであり得る。通常、事故のない軌道では、
は、問題ないスムーズな追い越しに報酬を与え、追い越しを完了せずにレーン内に、従って範囲［－１，１］内に留まることにペナルティを科す。シーケンス
が事故を表す場合、報酬－ｒは、かかる発生を妨げるために十分高いペナルティを与えるべきである。問題は、事故のない運転を保証するためにｒの値を何にすべきかである。
[0253]
に対する事故の効果は、加法項－ｐｒであり、ｐは、事故の事象を伴う軌道の確率質量であることに注意されたい。この項が無視できる、すなわちｐ＜＜１／ｒである場合、学習システムは、一部の追い越し操作の完了が成功しないことを犠牲にして、より自衛的であるポリシよりも頻繁に追い越し操作の成功を果たすために、事故を行うポリシを優先させる（又は全般的に無頓着な運転ポリシを採用する）ことができる。換言すれば、事故の確率がｐ以下である場合、ｒ＞＞１／ｐであるようにｒを設定しなければならない。ｐを極めて小さくする（例えば、ｐ＝１０－９程度）ことが望ましい場合がある。従って、ｒは、大きいべきである。ポリシの勾配では、
の勾配を推定することができる。以下の補助定理は、確率変数
の分散が、ｒ＞＞１／ｐでｒを上回る
と共に大きくなることを示す。従って、目的を推定することが困難な場合があり、その勾配を推定することは一層困難であり得る。
[0254] 補助定理：πｏをポリシとし、ｐ及びｒをスカラとし、それにより、確率ｐにおいて、
が得られ、確率１－ｐにおいて、
が得られる。従って、次式
[0255]
[0256] が成立し、最後の近似は、ｒ≧１／ｐの場合に該当する。
[0255]
[0257] この解説は、形式
のオブジェクションが分散問題を引き起こすことなしに機能的安全性を保証できない可能性があることを示す。分散を減らすためのベースラインサブトラクション法は、問題に対する十分な処置を提供しない可能性があり、なぜなら、問題は、
の高い分散から、その推定が数値的不安定を等しく被るベースライン定数の等しく高い分散にシフトするからである。更に、事故の確率がｐである場合、事故の事象を得る前に平均して少なくとも１／ｐシーケンスがサンプリングされるべきである。これは、
を最小化しようとする学習アルゴリズムのためのシーケンスの１／ｐサンプルの下端を含意する。この問題に対する解決策は、数値的調整技法によってではなく、本明細書に記載のアーキテクチャ設計において見出すことができる。ここでの手法は、厳密制約が学習フレームワークの外側に投入されるべきであるという考えに基づく。換言すれば、ポリシ関数は、学習可能部分及び学習不能部分に分解することができる。形式的に、ポリシ関数は、
として構成することができ、
は、（不可知論的な）状態空間を願望の組（例えば、所望のナビゲーション目標等）にマップする一方、π（Ｔ）は、願望を（短期のうちに車がどのように動くべきかを決定し得る）軌道にマップする。関数
は、運転の快適さ並びに他のいずれの車を追い越すべきか、他のいずれの車に道を譲るべきか、及びホスト車両のレーン内でのホスト車両の所望の位置はいずれであるか等の戦略的決定を行うことを担う。検知されるナビゲーション状態から願望へのマッピングは、期待報酬を最大化することによって経験から学習され得るポリシ
である。
によって作り出される願望は、運転軌道にわたるコスト関数に変換され得る。機能的安全性に関する厳密制約の影響下にあるコストを最小化する軌道を見つけることにより、学習される関数ではない関数π（Ｔ）を実施することができる。この分解は、快適な運転を提供するのと同時に機能的安全性を保証することができる。
[0258] 図１１Ｄに示す二重合流ナビゲーション状況は、これらの概念を更に示す一例を与える。二重合流では、左側と右側との両方から車両が合流領域１１３０に到達する。それぞれの側から、車両１１３３又は車両１１３５等の車両が合流領域１１３０の反対側のレーン内に合流するかどうかを決定することができる。混雑した交通において、二重合流を問題なく実行することは、著しい折衝スキル及び経験を必要とする場合があり、シーン内の全てのエージェントが行い得る可能な全ての軌道を列挙することによる発見的手法又は総当たり的手法において実行するのは困難であり得る。この二重合流の例では、二重合流操作に適した願望の組Ｄを定めることができる。Ｄは、以下の組のデカルト積
Ｄ＝ [0，ｖｍａｘ］×Ｌｘ｛ｇ，ｔ，ｏ｝
とすることができ、但し、 [0，ｖｍａｘ］は、ホスト車両の所望の目標速度であり、Ｌ＝｛１，１．５，２，２．５，３，３．５，４｝は、レーン単位での所望の横方向位置であり、整数は、レーンの中央を示し、分数は、レーンの境界を示し、｛ｇ，ｔ，ｏ｝は、他のｎ台の車両のそれぞれに割り当てられる分類ラベルである。ホスト車両が他の車両に道を譲るべき場合、他の車両に「ｇ」を割り当てることができ、ホスト車両が他の車両に対して道を得るべき場合、他の車両に「ｔ」を割り当てることができ、又はホスト車両が他の車両に対してオフセット距離を保つべき場合、他の車両に「ｏ」を割り当てることができる。
Ｄ＝ [0，ｖｍａｘ］×Ｌｘ｛ｇ，ｔ，ｏ｝
とすることができ、但し、 [0，ｖｍａｘ］は、ホスト車両の所望の目標速度であり、Ｌ＝｛１，１．５，２，２．５，３，３．５，４｝は、レーン単位での所望の横方向位置であり、整数は、レーンの中央を示し、分数は、レーンの境界を示し、｛ｇ，ｔ，ｏ｝は、他のｎ台の車両のそれぞれに割り当てられる分類ラベルである。ホスト車両が他の車両に道を譲るべき場合、他の車両に「ｇ」を割り当てることができ、ホスト車両が他の車両に対して道を得るべき場合、他の車両に「ｔ」を割り当てることができ、又はホスト車両が他の車両に対してオフセット距離を保つべき場合、他の車両に「ｏ」を割り当てることができる。
[0259] 以下は、願望の組（ｖ，ｌ，ｃ１，...，ｃｎ）∈Ｄを運転軌道にわたるコスト関数にどのように変換できるかについての説明である。運転軌道は、（ｘ１，ｙ１），...，（ｘｋ，ｙｋ）によって表すことができ、（ｘｉ，ｙｉ）は、時点τ・ｉにおける（自己中心的な単位での）ホスト車両の（横方向、縦方向の）位置である。一部の実験では、τ＝０．１秒であり、ｋ＝１０である。当然ながら、他の値を選択することもできる。軌道に割り当てられるコストは、所望の速度、横方向位置及び他のｎ台の車両のそれぞれに割り当てられるラベルに割り当てられる個々のコストの加重和を含み得る。
[0260] 所望の速度ｖ∈ [0，ｖｍａｘ］を所与として、速度に関連する軌道のコスト
である。
[0261] 所望の横方向位置ｌ∈Ｌを所与として、所望の横方向位置に関連するコスト
[0262] であり、但し、ｄｉｓｔ（ｘ，ｙ，ｌ）は、点（ｘ，ｙ）からレーンの位置ｌまでの距離である。他の車両に起因するコストに関して、他の任意の車両について、（ｘ'１，ｙ'１），...，（ｘ'ｋ，ｙ'ｋ）は、ホスト車両の自己中心的な単位での他の車両を表すことができ、ｉは、（ｘｉ，ｙｉ）と（ｘ'ｊ，ｙ'ｊ）との間の距離が小さいようにｊが存在する最も早い点であり得る。そのような点がない場合、ｉは、ｉ＝∞として設定することができる。別の車が「道を譲る」と分類される場合、τｉ＞τｊ＋０．５であることが望ましい場合があり、これは、他の車両が軌道の交点に到達する少なくとも０．５秒後にホスト車両がその同一点に到達することを意味する。上記の制約をコストに変換するための可能な式は、［τ（ｊ－ｉ）＋０．５］＋である。
[0263] 同様に、別の車が「道を取る」と分類される場合、τｊ＞τｉ＋０．５であることが望ましい場合があり、これは、コスト［τ（ｉ－ｊ）＋０．５］＋に変換され得る。別の車が「オフセット」として分類される場合、ｉ＝∞であることが望ましい場合があり、これは、ホスト車両の軌道とオフセット車の軌道とが交差しないことを意味する。この条件は、軌道間の距離に関してペナルティを科すことによってコストに変換することができる。
[0264] これらのコストのそれぞれに重みを割り当てることは、軌道プランナのための単一の目的関数π（Ｔ）を与え得る。スムーズな運転を促進するコストを目的に追加することができる。軌道の機能的安全性を保証するために厳密制約を目的に追加することができる。例えば、（ｘｉ，ｙｉ）は、道路から外れることを禁じられ得、（ｘｉ，ｙｉ）は、｜ｉ－ｊ｜が小さい場合に他の任意の車両の任意の軌道点（ｘ'ｊ，ｙ'ｊ）について（ｘ'ｊ，ｙ'ｊ）に近づくことを禁じられ得る。
[0265] 要約すると、ポリシπθは、不可知論的な状態から願望の組へのマッピング及び願望から実際の軌道へのマッピングへと分解することができる。後者のマッピングは、学習に基づかず、そのコストが願望に依存し且つその厳密制約がポリシの機能的安全性を保証し得る最適化問題を解くことによって実施することができる。
[0266] 以下の解説は、不可知論的な状態から願望の組へのマッピングについて説明する。上記で説明したように、機能的安全性に準拠するために、強化学習のみに依存するシステムは、報酬
に関する大きく扱いにくい分散に直面する可能性がある。この結果は、ポリシ勾配反復を使用することにより、（不可知論的な）状態空間から願望の組へのマッピングと、その後に続く機械学習に基づいてトレーニングされるシステムを含まない実際の軌道へのマッピングとに問題を分解することによって回避することができる。
[0267] 様々な理由から、意味論的に有意な構成要素へと意思決定を更に分解することができる。例えば、Ｄのサイズが大きく、更には連続的である場合がある。図１１Ｄに関して上記で説明した二重合流シナリオでは、Ｄ＝ [0，ｖｍａｘ］×Ｌｘ｛ｇ，ｔ，ｏ｝ｎ）が成立する。加えて、勾配推定子は、項
を含み得る。この式では、分散が対象期間Ｔと共に増加し得る。幾つかの場合、Ｔの値は、およそ２５０とすることができ、この値は、有意の分散を作り出すのに十分高いものであり得る。サンプリングレートが１０Ｈｚの範囲内にあり、合流領域１１３０が１００メートルであると仮定し、合流の準備は、合流領域の約３００メートル手前で始まり得る。ホスト車両が１６メートル／秒（時速約６０キロ）で移動する場合、エピソードのＴの値は、およそ２５０であり得る。
[0268] 選択肢のグラフの概念に戻り、図１１Ｄに示す二重合流シナリオを表し得る選択肢のグラフを図１１Ｅに示す。先に論じたように、選択肢のグラフは、有向非巡回グラフ（ＤＡＧ）として編成される階層型の組の決定を表し得る。「根」ノード１１４０と呼ばれる特別なノードがグラフ内にあり得、根ノードは、入力辺（例えば、決定線）を有さない唯一のノードである。決定プロセスは、根ノードから始まり、「葉」ノード、すなわち出力辺を有さないノードに到達するまでグラフを横断し得る。各内部ノードは、自らの利用可能な子の中から１つの子を選ぶポリシ関数を実装することができる。選択肢のグラフ上の横断の組から願望の組Ｄへの既定のマッピングがあり得る。換言すれば、選択肢のグラフ上での横断がＤ内の願望に自動で変換され得る。グラフ内のノードｖを所与として、パラメータベクトルθｖは、ｖの子を選択するポリシを規定し得る。θが全てのθｖの連結である場合、各ノードｖにおいてθｖによって定められるポリシを使用して、子ノードを選択しながらグラフの根から葉に横断することにより、
を定めることができる。
[0269] 図１１Ｅの二重合流の選択肢のグラフ１１３９では、ホスト車両が合流領域（例えば、図１１Ｄの領域１１３０）内にあるかどうか、又は代わりにホスト車両が合流領域に近づいており、あり得る合流に備える必要があるかどうかを根ノード１１４０がまず判断することができる。いずれの場合にも、ホスト車両は、レーンを（例えば、左側に又は右側に）変更するかどうか、又は現在のレーン内に留まるかどうかを決定する必要があり得る。ホスト車両がレーンを変更することに決めた場合、ホスト車両は、そのまま続行して、（例えば、「行く」ノード１１４２において）レーン変更操作を行うのに条件が適しているかどうかを判断する必要があり得る。レーンを変更することが可能ではない場合、ホスト車両は、レーンマーク上にあることを狙うことにより、（例えば、所望のレーン内の車両との折衝の一環としてノード１１４４において）所望のレーンに向かって「押し進む」ことを試みることができる。或いは、ホスト車両は、（例えば、ノード１１４６において）同じレーン内に「留まる」ことを選び得る。このプロセスは、ホスト車両の横方向位置を自然な方法で決定することができる。例えば。
[0270] これは、所望の横方向位置を自然な方法で決定することを可能にし得る。例えば、ホスト車両がレーン２からレーン３にレーンを変更する場合、「行く」ノードは、所望の横方向位置を３に設定することができ、「留まる」ノードは、所望の横方向位置を２に設定することができ、「押し進む」ノードは、所望の横方向位置を２．５に設定することができる。次に、ホスト車両は、「同じ」速度を保つか（ノード１１４８）、「加速」するか（ノード１１５０）、又は「減速」するか（ノード１１５２）を決めることができる。次に、ホスト車両は、他の車両を調べる「鎖状」構造１１５４に入ることができ、それらの意味論的意味を組｛ｇ，ｔ，ｏ｝内の値に設定する。このプロセスは、他の車両に対する願望を設定し得る。この鎖内の全てのノードのパラメータは、（回帰ニューラルネットワークと同様に）共有され得る。
[0271] 選択肢の潜在的な利益は、結果の解釈可能性である。別の潜在的な利益は、組Ｄの分解可能な構造を利用することができ、従って各ノードにおけるポリシを少数の可能性の中から選べることである。加えて、構造は、ポリシ勾配推定子の分散を減らすことを可能にし得る。
[0272] 上記で論じたように、二重合流シナリオにおけるエピソードの長さは、およそＴ＝２５０ステップであり得る。この値（又は特定のナビゲーションシナリオに応じた他の任意の適切な値）は、ホスト車両の動作の結果を認めるのに十分な時間を与え得る（例えば、ホスト車両が合流の準備としてレーンを変更することに決めた場合、ホスト車両は、合流を問題なく完了した後にのみ利益を認める）。他方では、運転の動力学により、ホスト車両は、十分速い頻度（例えば、上記の事例では１０Ｈｚ）で意思決定を行わなければならない。
[0273] 選択肢のグラフは、Ｔの有効値を少なくとも２つの方法で減らすことを可能にし得る。第１に、高レベルの決定を所与として、より短いエピソードを考慮に入れながら低レベルの決定について報酬を定めることができる。例えば、ホスト車両が「レーン変更」及び「行く」ノードを既に選択している場合、２～３秒のエピソードを見ることにより、意味論的意味を車両に割り当てるためのポリシが学習され得る（Ｔが２５０ではなく２０～３０になることを意味する）。第２に、高レベルの決定（レーンを変更するか又は同じレーン内に留まるか等）について、ホスト車両は、０．１秒ごとに意思決定を行う必要がない可能性がある。代わりに、ホスト車両は、より低い頻度で（例えば、毎秒）意思決定を行うことができ得、又は「選択肢終了」関数を実装でき得、選択肢の毎終了後にのみ勾配が計算され得る。いずれの場合にも、Ｔの有効値は、その元の値よりも一桁小さいものであり得る。全体的に見て、全てのノードにおける推定子は、元の２５０ステップよりも一桁小さいＴの値に依存することができ、それは、より小さい分散に直ちに変わり得る。
[0274] 上記で論じたように、厳密制約は、より安全な運転を促進することができ、幾つかの異なる種類の制約があり得る。例えば、静的な厳密制約は、検知状態から直接定められ得る。これらは、車両の速度、進行方位、加速、ブレーキ（減速）等に対する１つ又は複数の制約を含意し得るホスト車両の環境内の減速バンプ、制限速度、道路の曲率、交差点等を含み得る。静的な厳密制約は、意味論的自由空間も含むことができ、そこでは、ホスト車両は、例えば、自由空間の外側に行くこと、及び物理的障壁にあまりにも近くナビゲートすることを禁止される。静的な厳密制約は、車両の運動学的な動きの様々な側面に従わない操作を制限する（例えば、禁止する）こともでき、例えば、静的な厳密制約は、ホスト車両が横転すること、滑ること、又は他の方法で制御を失うことにつながり得る操作を禁止するために使用することができる。
[0275] 厳密制約は、車両に関連することもできる。例えば、車両が他の車両への少なくとも１メートルの縦方向距離及び他の車両からの少なくとも０．５メートルの横方向距離を保つことを要求する制約を使用することができる。ホスト車両が１つ又は複数の他の車両との衝突コースを保つことを避けるように制約を適用することもできる。例えば、時間τは、特定のシーンに基づく時間の測度であり得る。現在の時間から時間τまでのホスト車両及び１つ又は複数の他の車両の予測軌道を検討することができる。２つの軌道が交差する場合、
は、交点に車両ｉが到達する時間及びそこから去る時間を表し得る。すなわち、それぞれの車は、車の第１の部分が交点を通過するときに点に到達し、車の最後の部分が交点を通過するまで一定の時間が必要である。この時間は、到達時間を去る時間と分ける。
である（すなわち車両１の到達時間が車両２の到達時間未満である）と仮定し、車両２が到達するよりも前に車両１が交点を離れていることを確実することが望まれる。さもなければ衝突が発生することになる。従って、
であるように厳密制約を実装することができる。更に、車両１と車両２とが最小量で互いに当たらないことを確実にするために、制約に緩衝時間（例えば、０．５秒又は別の適切な値）を含めることによって追加の安全余裕を得ることができる。２つの車両の予測される交差軌道に関係する厳密制約は、
として表すことができる。
[0276] ホスト車両及び１つ又は複数の他の車両の軌道を追跡する時間τは、異なり得る。但し、速度が遅い可能性がある交差点のシナリオでは、τがより長いことができ、ホスト車両がτ秒未満で交差点に入り、そこから出ていくようにτを定めることができる。
[0277] 当然ながら、車両の軌道に厳密制約を適用することは、それらの車両の軌道が予測されることを必要とする。ホスト車両では、任意の所与の時間における意図された軌道をホスト車両が概して既に理解しており実際に計画しているため、軌道の予測は、比較的簡単であり得る。他の車両に関して、それらの車両の軌道を予測することは、あまり簡単ではない可能性がある。他の車両では、予測軌道を決定するためのベースライン計算は、例えば、ホスト車両に搭載されている１つ若しくは複数のカメラ及び／又は他のセンサ（レーダ、ライダ、音響等）によって捕捉される画像ストリームの分析に基づいて求められる他の車両の現在の速度及び進行方位に依存し得る。
[0278] 但し、問題を簡単にするか又は別の車両について予測される軌道の更なる信頼度を少なくとももたらす幾らかの例外があり得る。例えば、レーンの指示があり、道を譲る規則が存在し得る構造化道路に関して、他の車両の軌道は、レーンに対する他の車両の位置に少なくとも部分的に基づくことができ、適用可能な道を譲る規則に基づくことができる。従って一部の状況では、観測されるレーン構造がある場合、隣のレーンの車両は、レーンの境界を守ることが想定され得る。すなわち、ホスト車両は、隣のレーンの車両がホスト車両のレーン内に割り込むことを示す観測された根拠（例えば、信号灯、強い横方向の動き、レーンの境界を横断する動き）がない限り、隣のレーンの車両が自らのレーン内に留まると想定し得る。
[0279] 他の状況も、他の車両の予期される軌道に関するヒントを与え得る。例えば、ホスト車両に優先通行権があり得る停止標識、信号機、環状交差路等において、その優先通行権を他の車両が守ると想定することができる。従って、規則が破られたことが観測された根拠がない限り、他の車両は、ホスト車両が有する優先通行権を尊重する軌道に沿って進むと想定することができる。
[0280] 厳密制約は、ホスト車両の環境内の歩行者に関して適用することもできる。例えば、観測される任意の歩行者に対する規定の緩衝距離よりも少しでも近くホスト車両がナビゲートすることを禁止されるように、歩行者に対する緩衝距離を確立することができる。歩行者の緩衝距離は、任意の適切な距離とすることができる。幾つかの実施形態では、緩衝距離は、観測される歩行者に対して少なくとも１メートルであり得る。
[0281] 車両の状況と同様に、厳密制約は、歩行者とホスト車両との間の相対運動に対して適用することもできる。例えば、ホスト車両の予測軌道に対して（進行方向及び速度に基づく）歩行者の軌道を監視することができる。特定の歩行者の軌道を所与として、軌道上の全ての点ｐについて、ｔ（ｐ）は、歩行者が点ｐに到達するのにかかる時間を表し得る。歩行者から少なくとも１メートルの所要の緩衝距離を保つために、ｔ（ｐ）は、（ホスト車両が少なくとも１メートルの距離の差で歩行者の前を通過するように十分な時間差を伴って）ホスト車両が点ｐに到達する時間を上回らなければならず、又は（例えば、ホスト車両がブレーキをかけて歩行者に道を譲る場合）ｔ（ｐ）は、ホスト車両が点ｐに到達する時間を下回らなければならない。更に後者の例では、ホスト車両が歩行者の背後を通過し、少なくとも１メートルの所要の緩衝距離を保つことができるように、ホスト車両が歩行者よりも十分遅い時間に点ｐに到達することを厳密制約が要求し得る。当然ながら、歩行者の厳密制約には例外があり得る。例えば、ホスト車両に優先通行権があるか又は速度が非常に遅く、歩行者がホスト車両に道を譲るのを拒否すること又はホスト車両に向かってナビゲートすることについて観測される根拠がない場合、歩行者の厳密制約を（例えば、少なくとも０．７５メートル又は０．５０メートルのより狭い緩衝に）緩和することができる。
[0282] 一部の例では、全てを満たすことができないと決定される場合に制約を緩和することができる。例えば、両方のカーブから又はカーブと駐車車両から所望の間隔（例えば、０．５メートル）離れるには道路が狭過ぎる状況では、軽減事由がある場合に制約の１つ又は複数を緩和することができる。例えば、歩道上に歩行者（又は他の物体）がない場合、カーブから０．１メートルにおいてゆっくり進むことができる。幾つかの実施形態では、そうすることでユーザエクスペリエンスが改善する場合、制約を緩和することができる。例えば、くぼみを回避するために、制約を緩和して通常許可され得るよりもレーンの縁、カーブ又は歩行者の近くを車両がナビゲートすることを可能にし得る。更に、いずれの制約を緩和するかを決定するとき、幾つかの実施形態では、緩和することに決める１つ又は複数の制約は、安全に対して得られる悪影響が最も少ないと見なされるものである。例えば、車両がカーブ又はコンクリート障壁に対してどの程度近く移動できるかに関する制約は、他の車両への近さを扱う制約を緩和する前に緩和することができる。幾つかの実施形態では、歩行者の制約は、緩和される最後のものとすることができ、又は状況により決して緩和されない場合がある。
[0283] 図１２は、ホスト車両のナビゲーション中に捕捉され分析され得るシーンの一例を示す。例えば、ホスト車両は、ホスト車両の環境を表す複数の画像をホスト車両に関連するカメラ（例えば、画像捕捉装置１２２、画像捕捉装置１２４及び画像捕捉装置１２６の少なくとも１つ）から受信し得る上記のナビゲーションシステム（例えば、システム１００）を含み得る。図１２に示すシーンは、予測軌道１２１２に沿ってレーン１２１０内を移動しているホスト車両の環境から時点ｔにおいて捕捉され得る画像の１つの一例である。ナビゲーションシステムは、複数の画像を受信することと、シーンに応じて動作を決定するためにそれらの画像を分析することとを行うように特別にプログラムされる少なくとも１つの処理デバイス（例えば、上記のEyeQプロセッサ又は他の装置のいずれかを含む）を含み得る。とりわけ、少なくとも１つの処理デバイスは、図８に示す検知モジュール８０１、運転ポリシモジュール８０３及び制御モジュール８０５を実装することができる。検知モジュール８０１は、カメラから収集される画像情報の収集及び出力並びにその情報を識別されたナビゲーション状態の形式で運転ポリシモジュール８０３に与えることを担うことができ、運転ポリシモジュール８０３は、教師あり学習や強化学習等の機械学習法によってトレーニングされているトレーニング済みナビゲーションシステムを構成し得る。検知モジュール８０１によって運転ポリシモジュール８０３に与えられるナビゲーション状態情報に基づき、運転ポリシモジュール８０３は、（例えば、上記の選択肢のグラフの手法を実施することにより）識別されたナビゲーション状態に応じてホスト車両によって実行するための所望のナビゲーション動作を生成することができる。
[0284] 幾つかの実施形態では、少なくとも１つの処理デバイスが例えば制御モジュール８０５を使用し、所望のナビゲーション動作をナビゲーションコマンドに直接変換することができる。しかし、他の実施形態では、シーン及び所望のナビゲーション動作によって関与され得る様々な所定のナビゲーション制約に対して、運転ポリシモジュール８０３によって提供される所望のナビゲーション動作をテストするように厳密制約を適用することができる。例えば、ホスト車両に軌道１２１２をたどらせる所望のナビゲーション動作を運転ポリシモジュール８０３が出力する場合、そのナビゲーション動作は、ホスト車両の環境の様々な側面に関連する１つ又は複数の厳密制約に対してテストすることができる。例えば、捕捉画像１２０１は、シーン内に存在するカーブ１２１３、歩行者１２１５、目標車両１２１７及び静的物体（例えば、ひっくり返った箱）を決定し得る。これらのそれぞれが１つ又は複数の厳密制約に関連し得る。例えば、カーブ１２１３は、ホスト車両がカーブ内に又はカーブを超えて歩道１２１４上にナビゲートすることを防ぐ静的制約に関連し得る。カーブ１２１３は、ホスト車両にとっての非ナビゲート区域を画定する、カーブから（例えば、０．１メートル、０．２５メートル、０．５メートル、１メートル等）隔てて且つカーブに沿って広がる所定距離（例えば、緩衝区域）を画定する道路障壁エンベロープにも関連し得る。当然ながら、静的制約は、他の種類の路傍境界（例えば、ガードレール、コンクリート柱、コーン、パイロン、他の任意の種類の路傍障壁）に関連し得る。
[0285] 距離及び測距は、任意の適切な方法によって決定できることに留意すべきである。例えば、幾つかの実施形態では、距離情報がオンボードのレーダ及び／又はライダシステムによって提供され得る。或いは又は加えて、距離情報は、ホスト車両の環境から捕捉される１つ又は複数の画像を分析することによって導出することができる。例えば、画像内で表される認識された物体のピクセル数を求め、画像捕捉装置の既知の視野及び焦点距離のジオメトリと比較してスケール及び距離を決定することができる。例えば、既知の時間間隔にわたって画像から画像へと物体間のスケールの変化を観測することにより、速度及び加速度を決定することができる。この分析は、物体がホスト車両からどの程度速く離れているか又はホスト車両にどの程度速く近づいているかと共に、ホスト車両に向かう又はホスト車両から離れる移動方向を示し得る。既知の時間期間にわたるある画像から別の画像への物体のＸ座標の位置変化を分析することにより、横断速度を決定することができる。
[0286] 歩行者１２１５は、緩衝区域１２１６を画定する歩行者エンベロープに関連し得る。幾つかの場合、課せられた厳密制約は、歩行者１２１５から（歩行者に対する任意の方向において）１メートルの距離内でホスト車両がナビゲートすることを禁じ得る。歩行者１２１５は、歩行者影響区域１２２０の位置を定めることもできる。この影響区域は、影響区域内のホスト車両の速度を制限する制約に関連し得る。影響区域は、歩行者１２１５から５メートル、１０メートル、２０メートル等広がり得る。影響区域の各等級に異なる制限速度を関連付けることができる。例えば、歩行者１２１５から１メートル～５メートルの区域内では、ホスト車両は、５メートル～１０メートルに広がる歩行者影響区域内の制限速度未満であり得る第１の速度（例えば、１０ｍｐｈや２０ｍｐｈ等）に限定され得る。影響区域の様々な段階に関する任意の等級を使用することができる。幾つかの実施形態では、第１の段階が１メートル～５メートルよりも狭いことができ、１メートル～２メートルにのみ及び得る。他の実施形態では、影響区域の第１の段階が１メートル（歩行者の周りの非ナビゲート区域の境界）から少なくとも１０メートルの距離に広がり得る。次に、第２の段階は、１０メートル～少なくとも約２０メートル広がり得る。第２の段階は、歩行者影響区域の第１の段階に関連する最大移動速度を上回るホスト車両の最大移動速度に関連し得る。
[0287] ホスト車両の環境内の検出されたシーンによって１つ又は複数の静的物体制約も関与され得る。例えば、画像１２０１では、少なくとも１つの処理デバイスが道路内にある箱１２１９等の静的物体を検出し得る。検出される静的物体は、道路内の木、ポール、道路標識、物体の少なくとも１つ等の様々な物体を含み得る。検出される静的物体に１つ又は複数の既定のナビゲーション制約が関連し得る。例えば、かかる制約は、静的物体エンベロープを含むことができ、静的物体エンベロープは、ホスト車両のナビゲーションがその内部で禁じられ得る物体の周りの緩衝区域を画定する。緩衝区域の少なくとも一部は、検出された静的物体の縁から所定の距離広がり得る。例えば、画像１２０１によって表すシーンでは、少なくとも０．１メートル、０．２５メートル、０．５メートル又はそれを超える緩衝区域が箱１２１９に関連することができ、そのため、ホスト車両は、検出された静的物体との衝突を回避するために少なくとも幾らかの距離（例えば、緩衝区域の距離）の分だけ箱の右側又は左側を通過する。
[0288] 既定の厳密制約は、１つ又は複数の目標車両制約も含み得る。例えば、画像１２０１内で目標車両１２１７が検出され得る。ホスト車両が目標車両１２１７と衝突しないことを確実にするために、１つ又は複数の厳密制約を使用することができる。幾つかの場合、単一の緩衝区域の距離に目標車両エンベロープが関連し得る。例えば、緩衝区域は、全方向に目標車両を取り囲む１メートルの距離によって画定され得る。緩衝区域は、ホスト車両がその内部にナビゲートすることが禁じられる、目標車両から少なくとも１メートル広がる領域を画定し得る。
[0289] 但し、目標車両１２１７を取り囲むエンベロープは、固定された緩衝距離によって画定される必要はない。幾つかの場合、目標車両（又はホスト車両の環境内で検出される他の任意の移動可能物体）に関連する既定の厳密制約は、検出された目標車両に対するホスト車両の向きに依存し得る。例えば、幾つかの場合、（例えば、ホスト車両が目標車両に向かって走行している場合のように目標車両からホスト車両の前部又は後部に及ぶ）縦方向の緩衝区域の距離が少なくとも１メートルであり得る。（例えば、ホスト車両が目標車両と同じ又は逆の方向に移動しており、そのため、ホスト車両の側部が目標車両の側部の直接横を通過する場合等、目標車両からホスト車両のいずれかの側部に及ぶ）横方向の緩衝区域の距離は、少なくとも０．５メートルであり得る。
[0290] 上記で説明したように、ホスト車両の環境内の目標車両又は歩行者を検出することにより、他の制約を関与させることもできる。例えば、ホスト車両及び目標車両１２１７の予測軌道を検討することができ、２つの軌道が（例えば、交点１２３０において）交差するとき厳密制約は、
を要求することができ、ホスト車両は、車両１であり、目標車両１２１７は、車両２である。同様に、ホスト車両の予測軌道に対して（進行方向及び速度に基づく）歩行者１２１５の軌道を監視することができる。特定の歩行者の軌道を所与として、軌道上の全ての点ｐについて、ｔ（ｐ）は、歩行者が点ｐ（すなわち図１２の点１２３１）に到達するのにかかる時間を表す。歩行者から少なくとも１メートルの所要の緩衝距離を保つために、ｔ（ｐ）は、（ホスト車両が少なくとも１メートルの距離の差で歩行者の前を通過するように十分な時間差を伴って）ホスト車両が点ｐに到達する時間を上回らなければならず、又は（例えば、ホスト車両がブレーキをかけて歩行者に道を譲る場合）ｔ（ｐ）は、ホスト車両が点ｐに到達する時間を下回らなければならない。更に後者の例では、ホスト車両が歩行者の背後を通過し、少なくとも１メートルの所要の緩衝距離を保つことができるように、ホスト車両が歩行者よりも十分遅い時間に点ｐに到達することを厳密制約が要求する。
[0291] 他の厳密制約も使用することができる。例えば、少なくとも幾つかの場合、ホスト車両の最大減速率を使用することができる。この最大減速率は、（例えば、後向きカメラから収集される画像を使用し）ホスト車両を追走する目標車両までの検出距離に基づいて決定することができる。厳密制約は、検知した横断歩道又は踏切における強制的な停止又は他の適用可能な制約を含み得る。
[0292] １つ又は複数の既定のナビゲーション制約が関与され得ることをホスト車両の環境内のシーンの分析が示す場合、ホスト車両の１つ又は複数の計画されたナビゲーション動作に対してそれらの制約を課すことができる。例えば、運転ポリシモジュール８０３が所望のナビゲーション動作を返すことをシーンの分析がもたらす場合、その所望のナビゲーション動作を１つ又は複数の関与される制約に対してテストすることができる。所望のナビゲーション動作が関与される制約の任意の側面に違反すると決定される場合（例えば、ホスト車両が歩行者１２１５から少なくとも１．０メートルに留まることを既定の厳密制約が要求するとき、所望のナビゲーション動作が歩行者１２１５の０．７メートルの距離内にホスト車両を運ぶ場合）、１つ又は複数の既定のナビゲーション制約に基づいて所望のナビゲーション動作に対する少なくとも１つの修正を加えることができる。この方法で所望のナビゲーション動作を調節することは、ホスト車両の環境内で検出される特定のシーンによって関与される制約に準拠してホスト車両の実際のナビゲーション動作をもたらすことができる。
[0293] ホスト車両の実際のナビゲーション動作を決定した後、決定されたホスト車両の実際のナビゲーション動作に応じてホスト車両のナビゲーションアクチュエータの少なくとも１つの調節を引き起こすことにより、そのナビゲーション動作を実施することができる。このナビゲーションアクチュエータは、ホスト車両の操舵メカニズム、ブレーキ又はアクセルの少なくとも１つを含み得る。
[0294] 優先順位付けされた制約
[0295] 上記で説明したように、ホスト車両の安全な動作を確実にするために様々な厳密制約をナビゲーションシステムと共に使用することができる。制約は、とりわけ歩行者、目標車両、道路障壁若しくは検出される物体に対する最小安全運転距離、検出される歩行者の影響区域内を通過するときの最大移動速度又はホスト車両の最大減速率を含み得る。これらの制約は、機械学習（教師あり、強化又はその組み合わせ）に基づいてトレーニングされるトレーニング済みシステムによって課すことができるが、（例えば、ホスト車両の環境のシーン内で生じる予期される状況に直接対処するアルゴリズムを使用する）トレーニングされていないシステムでも有用であり得る。
[0295] 上記で説明したように、ホスト車両の安全な動作を確実にするために様々な厳密制約をナビゲーションシステムと共に使用することができる。制約は、とりわけ歩行者、目標車両、道路障壁若しくは検出される物体に対する最小安全運転距離、検出される歩行者の影響区域内を通過するときの最大移動速度又はホスト車両の最大減速率を含み得る。これらの制約は、機械学習（教師あり、強化又はその組み合わせ）に基づいてトレーニングされるトレーニング済みシステムによって課すことができるが、（例えば、ホスト車両の環境のシーン内で生じる予期される状況に直接対処するアルゴリズムを使用する）トレーニングされていないシステムでも有用であり得る。
[0296] いずれにせよ、制約の階層があり得る。換言すれば、一部のナビゲーション制約が他のナビゲーション制約に優先する場合がある。従って、関与される全ての制約を満たすことになるナビゲーション動作を利用できない状況が発生した場合、ナビゲーションシステムは、最も高い優先順位の制約を最初に実現する利用可能なナビゲーション動作を決定することができる。例えば、システムは、たとえ歩行者を回避するナビゲーションが
道路内で検出される別の車両又は物体との衝突を引き起こすことになっても、車両に歩行者をまず回避させることができる。別の例では、システムは、歩行者を回避するために車両にカーブを乗り上げさせることができる。
道路内で検出される別の車両又は物体との衝突を引き起こすことになっても、車両に歩行者をまず回避させることができる。別の例では、システムは、歩行者を回避するために車両にカーブを乗り上げさせることができる。
[0297] 図１３は、ホスト車両の環境内のシーンの分析に基づいて決定される関与される制約の階層を実装するためのアルゴリズムを示すフローチャートを示す。例えば、ステップ１３０１では、ナビゲーションシステムに関連する少なくとも１つのプロセッサ（例えば、EyeQプロセッサ等）は、ホスト車両の環境を表す複数の画像をホスト車両の搭載カメラから受信することができる。ステップ１３０３において、ホスト車両の環境のシーンを表す１つ又は複数の画像を分析することにより、ホスト車両に関連するナビゲーション状態を決定することができる。例えば、ナビゲーション状態は、シーンの様々な特性の中でも、図１２にあるようにホスト車両が２レーン道路１２１０に沿って移動していること、目標車両１２１７がホスト車両の前方の交差点を進んでいること、ホスト車両が移動する道路を渡るために歩行者１２１５が待っていること、ホスト車両のレーンの前方に物体１２１９があることを特に示し得る。
[0298] ステップ１３０５では、ホスト車両のナビゲーション状態によって関与される１つ又は複数のナビゲーション制約を決定することができる。例えば、少なくとも１つの処理デバイスは、１つ又は複数の捕捉画像によって表されるホスト車両の環境内のシーンを分析した後、捕捉画像の画像分析によって認識される物体、車両、歩行者等によって関与される１つ又は複数のナビゲーション制約を決定することができる。幾つかの実施形態では、少なくとも１つの処理デバイスは、ナビゲーション状態によって関与される少なくとも第１の既定のナビゲーション制約及び第２の既定のナビゲーション制約を決定することができ、第１の既定のナビゲーション制約は、第２の既定のナビゲーション制約と異なり得る。例えば、第１のナビゲーション制約は、ホスト車両の環境内で検出される１つ又は複数の目標車両に関係することができ、第２のナビゲーション制約は、ホスト車両の環境内で検出される歩行者に関係することができる。
[0299] ステップ１３０７では、少なくとも１つの処理デバイスは、ステップ１３０５で識別された制約に関連する優先順位を決定することができる。説明する例では、歩行者に関係する第２の既定のナビゲーション制約は、目標車両に関係する第１の既定のナビゲーション制約よりも高い優先順位を有し得る。ナビゲーション制約に関連する優先順位は、様々な要因に基づいて決定されるか又は割り当てられ得るが、幾つかの実施形態では、ナビゲーション制約の優先順位は、安全性の観点から見たその相対的な重要性に関係し得る。例えば、できるだけ多くの状況において、全ての実装されたナビゲーション制約に従うか又はそれを満たすことが重要であり得るが、一部の制約は、他の制約よりも強い安全性リスクに関連する場合があり、従ってより高い優先順位を割り当てることができる。例えば、ホスト車両が歩行者から少なくとも１メートルの間隔を保つことを要求するナビゲーション制約は、ホスト車両が目標車両から少なくとも１メートルの間隔を保つことを要求する制約よりも高い優先順位を有し得る。これは、歩行者との衝突の方が別の車両との衝突よりも深刻な結果を有し得るからであり得る。同様に、ホスト車両と目標車両との間の間隔を保つことは、ホスト車両が道路内の箱を回避すること、減速バンプ上において一定速度未満で走行すること、又はホスト車両の搭乗者を最大加速度レベル以下にさらすことを要求する制約よりも高い優先順位を有し得る。
[0300] 運転ポリシモジュール８０３は、特定のシーン又はナビゲーション状態によって関与されるナビゲーション制約を満たすことで安全性を最大化するように設計されるが、状況により関与される全ての制約を満たすことが物理的に不可能であり得る。ステップ１３０９に示すように、そのような状況では、関与される各制約の優先順位を使用して関与される制約のいずれが最初に満たされるべきかを決定することができる。上記の例を続け、歩行者との間隙の制約及び目標車両との間隙の制約の両方を満たすことができず、制約の一方のみを満たすことができる状況では、歩行者との間隙の制約のより高い優先順位は、目標車両までの間隙を保とうと試みる前に制約が満たされることをもたらし得る。従って、通常の状況では、ステップ１３１１に示すように、第１の既定のナビゲーション制約及び第２の既定のナビゲーション制約の両方を満たすことができる場合、少なくとも１つの処理デバイスは、ホスト車両の識別されたナビゲーション状態に基づいて、第１の既定のナビゲーション制約及び第２の既定のナビゲーション制約の両方を満たすホスト車両のための第１のナビゲーション動作を決定することができる。しかし、関与される全ての制約を満たすことができない他の状況では、ステップ１３１３に示すように、第１の既定のナビゲーション制約及び第２の既定のナビゲーション制約の両方を満たすことができない場合、少なくとも１つの処理デバイスは、識別されたナビゲーション状態に基づいて、第２の既定のナビゲーション制約（すなわち優先順位が高い方の制約）を満たすが、第１の既定のナビゲーション制約（第２のナビゲーション制約よりも低い優先順位を有する）を満たさないホスト車両のための第２のナビゲーション動作を決定することができる。
[0301] 次に、ステップ１３１５では、決定されたホスト車両のためのナビゲーション動作を実施するために、少なくとも１つの処理デバイスは、ホスト車両のための決定された第１のナビゲーション動作又は決定された第２のナビゲーション動作に応じてホスト車両のナビゲーションアクチュエータの少なくとも１つの調節を引き起こすことができる。先の例と同様に、ナビゲーションアクチュエータは、操舵メカニズム、ブレーキ又はアクセルの少なくとも１つを含み得る。
[0302] 制約緩和
[0303] 上記で論じたように、安全のためにナビゲーション制約を課すことができる。制約は、とりわけ歩行者、目標車両、道路障壁若しくは検出される物体に対する最小安全運転距離、検出される歩行者の影響区域内を通過するときの最大移動速度又はホスト車両の最大減速率を含み得る。これらの制約は、学習ナビゲーションシステム又は非学習ナビゲーションシステム内で課すことができる。特定の状況では、これらの制約を緩和することができる。例えば、ホスト車両が歩行者の近くで減速又は停止し、歩行者のそばを通過する意図を伝えるためにゆっくり進む場合、取得画像から歩行者の反応を検出することができる。歩行者の反応がじっとしていること又は動くことをやめることである場合（及び／又は歩行者とのアイコンタクトが検知される場合）、歩行者のそばを通過するナビゲーションシステムの意図を歩行者が認識したと理解することができる。そのような状況では、システムは、１つ又は複数の既定の制約を緩和し、あまり厳しくない制約を実施する（例えば、より厳格な１メートルの境界内ではなく、歩行者の０．５メートルの範囲内を車両がナビゲートすることを可能にする）ことができる。
[0303] 上記で論じたように、安全のためにナビゲーション制約を課すことができる。制約は、とりわけ歩行者、目標車両、道路障壁若しくは検出される物体に対する最小安全運転距離、検出される歩行者の影響区域内を通過するときの最大移動速度又はホスト車両の最大減速率を含み得る。これらの制約は、学習ナビゲーションシステム又は非学習ナビゲーションシステム内で課すことができる。特定の状況では、これらの制約を緩和することができる。例えば、ホスト車両が歩行者の近くで減速又は停止し、歩行者のそばを通過する意図を伝えるためにゆっくり進む場合、取得画像から歩行者の反応を検出することができる。歩行者の反応がじっとしていること又は動くことをやめることである場合（及び／又は歩行者とのアイコンタクトが検知される場合）、歩行者のそばを通過するナビゲーションシステムの意図を歩行者が認識したと理解することができる。そのような状況では、システムは、１つ又は複数の既定の制約を緩和し、あまり厳しくない制約を実施する（例えば、より厳格な１メートルの境界内ではなく、歩行者の０．５メートルの範囲内を車両がナビゲートすることを可能にする）ことができる。
[0304] 図１４は、１つ又は複数のナビゲーション制約を緩和することに基づいてホスト車両の制御を実施するためのフローチャートを示す。ステップ１４０１では、少なくとも１つの処理デバイスは、ホスト車両の環境を表す複数の画像をホスト車両に関連するカメラから受信することができる。ステップ１４０３で画像を分析することは、ホスト車両に関連するナビゲーション状態を識別することを可能にし得る。ステップ１４０５では、少なくとも１つのプロセッサは、ホスト車両のナビゲーション状態に関連するナビゲーション制約を決定することができる。ナビゲーション制約は、ナビゲーション状態の少なくとも１つの側面によって関与される第１の既定のナビゲーション制約を含み得る。ステップ１４０７では、複数の画像を分析することは、少なくとも１つのナビゲーション制約緩和要因の存在を決定し得る。
[0305] ナビゲーション制約緩和要因は、１つ又は複数のナビゲーション制約が少なくとも１つの側面において中断され、変更され、さもなければ緩和され得る任意の適切なインジケータを含み得る。幾つかの実施形態では、少なくとも１つのナビゲーション制約緩和要因は、歩行者の目がホスト車両の方向を見ているという（画像分析に基づく）決定を含み得る。その場合、歩行者がホスト車両を認識しているとより安全に見なすことができる。その結果、ホスト車両の経路内に歩行者が移動することを引き起こす予期せぬ動作に歩行者が関与しない信頼度が一層高くなり得る。他の制約緩和要因も使用することができる。例えば、少なくとも１つのナビゲーション制約緩和要因は、動いていないと決定される歩行者（例えば、ホスト車両の経路に入る可能性が低いと推定される者）又はその動きが減速していると決定される歩行者を含み得る。ホスト車両が停止したとき動いていないと決定され、その後移動を再開する歩行者等、ナビゲーション制約緩和要因はより複雑な動作も含むことができる。そのような状況では、ホスト車両が優先通行権を有することを歩行者が理解していると見なすことができ、停止する歩行者は、ホスト車両に道を譲る自らの意図を示唆することができる。１つ又は複数の制約を緩和させ得る他の状況は、縁石の種類（例えば、低い縁石又は傾斜が緩やかなスロープは、距離制約の緩和を可能にし得る）、歩道上に歩行者又は他の物体がないこと、自らのエンジンがかかっていない車両は緩和された距離を有することができ、又はホスト車両の進行先の領域から歩行者の向きがそれている状況及び／又は歩行者が離れている状況を含む。
[0306] ナビゲーション制約緩和要因の存在を（例えば、ステップ１４０７で）識別すると、制約緩和要因を検出することに応じて第２のナビゲーション制約を決定又は開発することができる。この第２のナビゲーション制約は、第１のナビゲーション制約と異なることができ、第１のナビゲーション制約と比較して緩和された少なくとも１つの特性を含み得る。第２のナビゲーション制約は、第１の制約に基づく新たに生成される制約を含むことができ、新たに生成される制約は、少なくとも１つの点において第１の制約を緩和する少なくとも１つの修正を含む。或いは、第２の制約は、少なくとも１つの点において第１のナビゲーション制約よりも厳しくない所定の制約を構成し得る。幾つかの実施形態では、ホスト車両の環境内で制約緩和要因が識別される状況でのみ使用するために、この第２の制約を確保しておくことができる。第２の制約が新たに生成されようと、完全に又は部分的に利用可能な所定の制約の組から選択されようと、（関連するナビゲーション制約緩和要因の検出がなければ適用され得る）より厳しい第１のナビゲーション制約の代わりの第２のナビゲーション制約の応用を制約緩和と呼ぶことができ、ステップ１４０９で実現することができる。
[0307] ステップ１４０７で少なくとも１つの制約緩和要因を検出し、ステップ１４０９で少なくとも１つの制約を緩和した場合、ステップ１４１１でホスト車両のためのナビゲーション動作を決定することができる。ホスト車両のためのナビゲーション動作は、識別されたナビゲーション状態に基づくことができ、第２のナビゲーション制約を満たすことができる。ステップ１４１３では、決定されたナビゲーション動作に応じてホスト車両のナビゲーションアクチュエータの少なくとも１つの調節を引き起こすことにより、そのナビゲーション動作を実施することができる。
[0308] 上記で論じたように、ナビゲーション制約及び緩和されたナビゲーション制約を使用することは、（例えば、機械学習によって）トレーニングされたナビゲーションシステム又はトレーニングされていないナビゲーションシステム（例えば、特定のナビゲーション状態に応じて所定の動作で応答するようにプログラムされたシステム）と共に用いることができる。トレーニング済みナビゲーションシステムを使用する場合、特定のナビゲーション状況に対する緩和されたナビゲーション制約の可用性は、トレーニング済みシステムの応答からトレーニングされていないシステムの応答へのモードの切り替えを表し得る。例えば、トレーニング済みナビゲーションネットワークは、第１のナビゲーション制約に基づいてホスト車両のための元のナビゲーション動作を決定することができる。しかし、車両が行う動作は、第１のナビゲーション制約を満たすナビゲーション動作と異なるものであり得る。むしろ、行われる動作は、より緩和された第２のナビゲーション制約を満たすことができ、（例えば、ナビゲーション制約緩和要因があること等、ホスト車両の環境内の特定の条件を検出することに応じて）トレーニングされていないシステムによって開発される動作であり得る。
[0309] ホスト車両の環境内で制約緩和要因を検出することに応じて緩和され得るナビゲーション制約の多くの例がある。例えば、既定のナビゲーション制約が、検出された歩行者に関連する緩衝区域を含み、緩衝区域の少なくとも一部が、検出された歩行者から所定の距離広がる場合、（新たに開発される、所定の組からメモリから呼び出される、又は既存の制約の緩和バージョンとして生成される）緩和されたナビゲーション制約は、異なるか又は修正された緩衝区域を含み得る。例えば、異なるか又は修正された緩衝区域は、検出された歩行者に対する元の又は未修正の緩衝区域よりも短い歩行者に対する距離を有し得る。その結果、適切な制約緩和要因がホスト車両の環境内で検出される場合、緩和された制約を考慮し、検出された歩行者のより近くにナビゲートすることをホスト車両が許可され得る。
[0310] ナビゲーション制約の緩和される特性は、上記で述べたように少なくとも１人の歩行者に関連する緩衝区域の低減される幅を含み得る。但し、緩和される特性は、目標車両に関連する緩衝区域の低減される幅、検出物体、路傍障壁又はホスト車両の環境内で検出される他の任意の物体も含み得る。
[0311] 少なくとも１つの緩和される特性は、ナビゲーション制約特性における他の種類の修正も含み得る。例えば、緩和される特性は、少なくとも１つの既定のナビゲーション制約に関連する速度増加を含み得る。緩和される特性は、少なくとも１つの既定のナビゲーション制約に関連する許容可能な最大減速度／加速度の増加も含み得る。
[0312] 上記のように特定の状況では制約を緩和することができるが、他の状況ではナビゲーション制約を増補することができる。例えば、一部の状況では、ナビゲーションシステムは、通常のナビゲーション制約の組を増補することを諸条件が正当化すると決定し得る。かかる増補は、既定の制約の組に新たな制約を追加すること又は既定の制約の１つ又は複数の側面を調節することを含み得る。この追加又は調節は、通常の運転条件下で適用可能な既定の制約の組に対してより慎重なナビゲーションをもたらし得る。制約の増補を正当化し得る条件は、センサの故障や不利な環境条件（視認性の低下又は車両の静止摩擦の低下に関連する雨、雪、霧又は他の条件）等を含み得る。
[0313] 図１５は、１つ又は複数のナビゲーション制約を増補することに基づいてホスト車両の制御を実施するためのフローチャートを示す。ステップ１５０１では、少なくとも１つの処理デバイスは、ホスト車両の環境を表す複数の画像をホスト車両に関連するカメラから受信することができる。ステップ１５０３で画像を分析することは、ホスト車両に関連するナビゲーション状態を識別することを可能にし得る。ステップ１５０５では、少なくとも１つのプロセッサは、ホスト車両のナビゲーション状態に関連するナビゲーション制約を決定することができる。ナビゲーション制約は、ナビゲーション状態の少なくとも１つの側面によって関与される第１の既定のナビゲーション制約を含み得る。ステップ１５０７では、複数の画像を分析することは、少なくとも１つのナビゲーション制約増補要因の存在を決定し得る。
[0314] 関与されるナビゲーション制約は、（例えば、図１２に関して）上記で論じたナビゲーション制約のいずれか又は他の任意の適切なナビゲーション制約を含み得る。ナビゲーション制約増補要因は、１つ又は複数のナビゲーション制約が少なくとも１つの側面において補足／増補され得る任意のインジケータを含み得る。ナビゲーション制約の補足又は増補は、（例えば、所定の制約の組に新たなナビゲーション制約を追加することにより）組ごとに行うことができ、又は制約ごとに行うことができる（例えば、修正される制約が元よりも制限的であるように特定の制約を修正すること、又は所定の制約に対応する新たな制約を追加することであり、新たな制約は、少なくとも１つの側面において対応する制約よりも制限的である）。加えて又は或いは、ナビゲーション制約の補足又は増補は、階層に基づく所定の制約の組の中から選択することを指す場合もある。例えば、ホスト車両の環境内で又はホスト車両に対してナビゲーション増補要因が検出されるかどうかに基づき、増補された制約の組が選択のために提供され得る。増補要因が検出されない通常の条件下では、関与されるナビゲーション制約は、通常の条件に適用可能な制約から導くことができる。他方では、１つ又は複数の制約増補要因が検出される場合、関与される制約は、１つ又は複数の増補要因に対して生成されるか又は予め定められる増補された制約から導くことができる。増補された制約は、通常の条件下で適用可能な対応する制約よりも少なくとも１つの側面において制限的であり得る。
[0315] 幾つかの実施形態では、少なくとも１つのナビゲーション制約増補要因は、ホスト車両の環境内の路面上に氷、雪又は水があることを（例えば、画像分析に基づいて）検出することを含み得る。この決定は、例えば、乾燥した道路で予期されるよりも反射率が高い領域（例えば、道路上の氷又は水を示す）、雪があることを示す路面上の白色領域、道路上に縦方向の溝（例えば、雪中のタイヤ跡）があることと合致する道路上の影、ホスト車両のフロントガラス上の水滴若しくは氷／雪の小さい粒又は路面上に水若しくは氷／雪があることの他の任意の適切なインジケータを検出することに基づき得る。
[0316] 少なくとも１つのナビゲーション制約増補要因は、ホスト車両のフロントガラスの外面上の小さい粒を検出することも含み得る。かかる小さい粒は、ホスト車両に関連する１つ又は複数の画像捕捉装置の画質を損なう可能性がある。ホスト車両のフロントガラスの裏側に搭載されるカメラに関連するホスト車両のフロントガラスに関して説明したが、ホスト車両に関連する他の面上（例えば、カメラのレンズ若しくはレンズカバー、ヘッドライトレンズ、リアウィンドウ、テールライトレンズ又は画像捕捉装置にとって可視の（又はセンサによって検出される）ホスト車両の他の任意の面上の小さい粒を検出することもナビゲーション制約増補要因があることを示し得る。
[0317] ナビゲーション制約増補要因は、１つ又は複数の画像取得装置の特性として検出することもできる。例えば、ホスト車両に関連する画像捕捉装置（例えば、カメラ）によって捕捉される１つ又は複数の画像の画質の検出される低下もナビゲーション制約増補要因を構成し得る。画質の低下は、画像捕捉装置又は画像捕捉装置に関連するアセンブリに関連するハードウェアの故障若しくは部分的なハードウェアの故障に関連する場合がある。かかる画質の低下は、環境条件によって引き起こされる場合もある。例えば、ホスト車両を取り囲む空気中に煙、霧、雨、雪等があることは、ホスト車両の環境内にあり得る道路、歩行者、目標車両等に関する画質の低下に寄与する場合もある。
[0318] ナビゲーション制約増補要因は、ホスト車両の他の側面にも関係し得る。例えば、一部の状況では、ナビゲーション制約増補要因は、ホスト車両に関連するシステム又はセンサの検出された故障又は部分的な故障を含み得る。かかる増補要因は、例えば、ホスト車両のナビゲーション状態に関連するナビゲーション制約に関連してホスト車両がナビゲートする能力に影響を及ぼし得る、ホスト車両に関連する速度センサ、ＧＰＳ受信機、加速度計、カメラ、レーダ、ライダ、ブレーキ、タイヤ又は他の任意のシステムの故障又は部分的な故障を検出することを含み得る。
[0319] ナビゲーション制約増補要因があることが（例えば、ステップ１５０７で）識別される場合、制約増補要因を検出することに応じて第２のナビゲーション制約を決定又は開発することができる。この第２のナビゲーション制約は、第１のナビゲーション制約と異なることができ、第１のナビゲーション制約に対して増補される少なくとも１つの特性を含み得る。ホスト車両の環境内の又はホスト車両に関連する制約増補要因を検出することは、通常の動作条件と比較してホスト車両の少なくとも１つのナビゲーション能力が低下している可能性があることを示唆し得るため、第２のナビゲーション制約は、第１のナビゲーション制約よりも制限的であり得る。そのような能力の低下は、道路の静止摩擦の低下（例えば、道路上の氷、雪又は水、タイヤ空気圧の低下等）、視界が損なわれること（例えば、捕捉画質を下げる雨、雪、塵、煙、霧等）、検出能力が損なわれること（例えば、センサの故障又は部分的な故障、センサの性能低下等）、又は検出されるナビゲーション状態に応じてホスト車両がナビゲートする能力の他の任意の低下を含み得る。
[0320] ステップ１５０７で少なくとも１つの制約増補要因を検出し、ステップ１５０９で少なくとも１つの制約を増補している場合、ステップ１５１１でホスト車両のためのナビゲーション動作を決定することができる。ホスト車両のためのナビゲーション動作は、識別されたナビゲーション状態に基づくことができ、第２のナビゲーション（すなわち増補された）制約を満たすことができる。ステップ１５１３では、決定されたナビゲーション動作に応じてホスト車両のナビゲーションアクチュエータの少なくとも１つの調節を引き起こすことにより、そのナビゲーション動作を実施することができる。
[0321] 先に論じたように、ナビゲーション制約及び増補されたナビゲーション制約を使用することは、（例えば、機械学習によって）トレーニング済みナビゲーションシステム又はトレーニングされていないナビゲーションシステム（例えば、特定のナビゲーション状態に応じて所定の動作で応答するようにプログラムされたシステム）と共に用いることができる。トレーニング済みナビゲーションシステムを使用する場合、特定のナビゲーション状況に対する増補されたナビゲーション制約の可用性は、トレーニング済みシステムの応答からトレーニングされていないシステムの応答へのモードの切り替えを表し得る。例えば、トレーニング済みナビゲーションネットワークは、第１のナビゲーション制約に基づいてホスト車両のための元のナビゲーション動作を決定することができる。しかし、車両が行う動作は、第１のナビゲーション制約を満たすナビゲーション動作と異なるものであり得る。むしろ、行われる動作は、増補された第２のナビゲーション制約を満たすことができ、（例えば、ナビゲーション制約増補要因があること等、ホスト車両の環境内の特定の条件を検出することに応じて）トレーニングされていないシステムによって開発される動作であり得る。
[0322] ホスト車両の環境内で制約増補要因を検出することに応じて生成されるか、補足されるか、又は増補され得るナビゲーション制約の多くの例がある。例えば、既定のナビゲーション制約が、検出された歩行者、物体、車両等に関連する緩衝区域を含み、緩衝区域の少なくとも一部が、検出された歩行者／物体／車両から所定の距離広がる場合、（新たに開発される、所定の組からメモリから呼び出される、又は既存の制約の増補バージョンとして生成される）増補されたナビゲーション制約は、異なるか又は修正された緩衝区域を含み得る。例えば、異なるか又は修正された緩衝区域は、検出された歩行者／物体／車両に対する元の又は未修正の緩衝区域よりも長い歩行者／物体／車両に対する距離を有し得る。その結果、適切な制約増補要因がホスト車両の環境内で又はホスト車両に関連して検出される場合、増補された制約を考慮し、検出された歩行者／物体／車両のより遠くをナビゲートすることをホスト車両が強制され得る。
[0323] 少なくとも１つの増補される特性は、ナビゲーション制約特性における他の種類の修正も含み得る。例えば、増補される特性は、少なくとも１つの既定のナビゲーション制約に関連する速度低下を含み得る。増補される特性は、少なくとも１つの既定のナビゲーション制約に関連する許容可能な最大減速度／加速度の低下も含み得る。
[0324] 長期計画に基づくナビゲーション
[0325] 幾つかの実施形態では、開示するナビゲーションシステムは、ホスト車両の環境内の検出されたナビゲーション状態に応答できるだけではなく、長期計画に基づいて１つ又は複数のナビゲーション動作を決定することもできる。例えば、システムは、検出されるナビゲーション状態に関してナビゲートするための選択肢として利用可能な１つ又は複数のナビゲーション動作の将来のナビゲーション状態に対する潜在的影響を検討することができる。将来の状態に対する利用可能な動作の効果を検討することは、ナビゲーションシステムが現在検出しているナビゲーション状態のみに基づいてではなく、長期計画にも基づいてナビゲーション動作を決定することを可能にし得る。長期計画技法を使用するナビゲーションは、利用可能な選択肢の中からナビゲーション動作を選択するための技法としてナビゲーションシステムによって１つ又は複数の報酬関数が使用される場合に特に適用可能であり得る。ホスト車両の検出された現在のナビゲーション状態に応じて行うことができる利用可能なナビゲーション動作に関して潜在的報酬を分析することができる。但し、更に現在のナビゲーション状態に対する利用可能な動作から生じると予測される将来のナビゲーション状態に応じて行うことができる動作に関連して潜在的報酬を分析することもできる。その結果、たとえ選択されるナビゲーション動作が、現在のナビゲーション状態に応じて行うことができる利用可能な動作の中で最も高い報酬をもたらさない可能性があっても、一部の事例では、開示するナビゲーションシステムは、検出されるナビゲーション状態に応じてナビゲーション動作を選択する場合がある。これは、とりわけ、被選択動作又は一部の事例では現在のナビゲーション状態に対して利用可能な動作のいずれかよりも高い報酬を与える１つ又は複数の潜在的なナビゲーション動作のきっかけを作る将来のナビゲーション状態を被選択動作がもたらし得るとシステムが決定する場合に該当し得る。この原理は、報酬が高い選択肢を将来もたらすため、より有利でない動作を現在行うものとしてより単純に表すことができる。従って、長期計画が可能な開示するナビゲーションシステムは、報酬の短期的な損失が長期的な報酬の増加をもたらし得ることを長期予測が示す場合、次善の短期動作を選択することができる。
[0325] 幾つかの実施形態では、開示するナビゲーションシステムは、ホスト車両の環境内の検出されたナビゲーション状態に応答できるだけではなく、長期計画に基づいて１つ又は複数のナビゲーション動作を決定することもできる。例えば、システムは、検出されるナビゲーション状態に関してナビゲートするための選択肢として利用可能な１つ又は複数のナビゲーション動作の将来のナビゲーション状態に対する潜在的影響を検討することができる。将来の状態に対する利用可能な動作の効果を検討することは、ナビゲーションシステムが現在検出しているナビゲーション状態のみに基づいてではなく、長期計画にも基づいてナビゲーション動作を決定することを可能にし得る。長期計画技法を使用するナビゲーションは、利用可能な選択肢の中からナビゲーション動作を選択するための技法としてナビゲーションシステムによって１つ又は複数の報酬関数が使用される場合に特に適用可能であり得る。ホスト車両の検出された現在のナビゲーション状態に応じて行うことができる利用可能なナビゲーション動作に関して潜在的報酬を分析することができる。但し、更に現在のナビゲーション状態に対する利用可能な動作から生じると予測される将来のナビゲーション状態に応じて行うことができる動作に関連して潜在的報酬を分析することもできる。その結果、たとえ選択されるナビゲーション動作が、現在のナビゲーション状態に応じて行うことができる利用可能な動作の中で最も高い報酬をもたらさない可能性があっても、一部の事例では、開示するナビゲーションシステムは、検出されるナビゲーション状態に応じてナビゲーション動作を選択する場合がある。これは、とりわけ、被選択動作又は一部の事例では現在のナビゲーション状態に対して利用可能な動作のいずれかよりも高い報酬を与える１つ又は複数の潜在的なナビゲーション動作のきっかけを作る将来のナビゲーション状態を被選択動作がもたらし得るとシステムが決定する場合に該当し得る。この原理は、報酬が高い選択肢を将来もたらすため、より有利でない動作を現在行うものとしてより単純に表すことができる。従って、長期計画が可能な開示するナビゲーションシステムは、報酬の短期的な損失が長期的な報酬の増加をもたらし得ることを長期予測が示す場合、次善の短期動作を選択することができる。
[0326] 概して、自律運転の応用は、長期目的を最適化するためにナビゲーションシステムが即時の動作を決定し得る一連の計画問題を含み得る。例えば、車両が環状交差路において合流する状況に直面した場合、ナビゲーションシステムは、環状交差路内へのナビゲーションを開始するために即時の加速コマンド又はブレーキコマンドを決定することができる。環状交差路において検出されるナビゲーション状態に対する即時の動作は、検出される状態に応じた加速コマンド又はブレーキコマンドを含み得るが、長期目的は、合流に成功することであり、選択されるコマンドの長期的効果は、合流の成功／失敗である。問題を２つのフェーズに分解することによって計画問題に対処することができる。第１に、（現在の表現に対して予測因子が可微分であると仮定して）現在に基づいて近い将来を予測するために教師あり学習を適用することができる。第２に、回帰ニューラルネットワークを使用してエージェントの完全な軌道をモデリングすることができ、説明されていない要因は、（付加的）入力ノードとしてモデリングされる。これは、教師あり学習法及び回帰ニューラルネットワーク上の直接の最適化を使用して長期計画問題に対する解を求めることを可能にし得る。かかる手法は、環境に対する敵対要素を組み込むことによってロバストなポリシの学習を可能にすることもできる。
[0327] 自律運転システムの最も基本的な要素の２つは、検知及び計画である。検知は、環境の現在の状態のコンパクト表現を見つけることに取り組むのに対し、計画は、将来の目的を最適化するためにいずれの動作を行うかを決定することに取り組む。検知の問題を解くのに教師あり機械学習法が有用である。計画の部分について機械学習アルゴリズムフレームワーク、とりわけ上記で記載したような強化学習（ＲＬ）フレームワークを使用することもできる。
[0328] ＲＬは、一連の連続したラウンドによって実行することができる。ラウンドｔでは、プランナ（別名エージェント又は運転ポリシモジュール８０３）は、エージェント並びに環境を表す状態ｓｔ∈Ｓを観測し得る。次いで、プランナは、動作ａｔ∈Ａを決定すべきである。動作を実行した後、エージェントは、即時の報酬
を受信し、新たな状態ｓｔ＋１に移される。一例として、ホスト車両は、適応走行制御（ＡＣＣ）システムを含むことができ、ＡＣＣでは、スムーズな運転を維持しながら先行車両までの十分な距離を保つために、車両が加速／ブレーキを自律的に実施すべきである。状態は、対
としてモデリングすることができ、ｘｔは、先行車両までの距離であり、ｖｔは、先行車両の速度に対するホスト車両の速度である。動作
は、加速コマンドである（ａｔ＜０が成立する場合にはホスト車両が減速する）。報酬は、（運転のスムーズさを反映する）｜ａｔ｜及び（ホスト車両が先行車両から安全な距離を保つことを反映する）ｓｔに依存する関数であり得る。プランナの目標は、（場合により対象期間又は将来の報酬の割り引かれた和まで）累積報酬を最大化することである。それを行うために、プランナは、状態を動作にマップするポリシπ：Ｓ→Ａを利用することができる。
[0329] 教師あり学習（ＳＬ）は、ＲＬの特別な事例と見なすことができ、教師あり学習ではＳにわたる幾らかの分布からｓｔがサンプリングされ、報酬関数は、ｒｔ＝－l（ａｔ，ｙｔ）の形式を有することができ、lは、損失関数であり、学習側は、状態ｓｔを認めるときに行うのに最適な動作の（場合により雑音の多い）値であるｙｔの値を観測する。全般的なＲＬのモデルとＳＬの特定の事例との間には幾らかの差がある場合があり、それらの差は、全般的なＲＬの問題をより困難にし得る。
[0330] 一部のＳＬの状況では、学習側が行う動作（又は予測）が環境への影響を有さない場合がある。換言すれば、ｓｔ＋１とａｔとが独立している。これは、２つの重要な含意を有し得る。まず、ＳＬでは、サンプル（ｓ１，ｙ１），...，（ｓｍ，ｙｍ）を事前に収集することができ、そうすることにより、初めてサンプルに対して優れた精度を有するポリシ（又は予測因子）の探索を開始することができる。対照的に、ＲＬでは、状態ｓｔ＋１は、通常、行われる動作（更には前の状態）に依存し、行われる動作は、従って、動作を生成するために使用されるポリシに依存する。これは、データ生成プロセスをポリシ学習プロセスに結び付ける。第２に、ＳＬでは動作が環境に影響を及ぼさないため、πの性能に対するａｔの選択の寄与度は、局所的である。具体的には、ａｔは、即時の報酬の値にのみ影響を及ぼす。対照的にＲＬでは、ラウンドｔで行われる動作は、将来のラウンドにおける報酬値に対して長期的効果を有し得る。
[0331] ＳＬでは、報酬の形状ｒｔ＝－l（ａｔ，ｙｔ）と共に「正しい」解ｙｔの知識は、ａｔの可能な全ての選択肢に関する報酬の完全な知識を提供することができ、それは、ａｔに関する報酬の微分の計算を可能にし得る。対照的に、ＲＬでは、報酬の「ワンショット」値は、行われる動作の特定の選択について観測することができる全てであり得る。これを「バンディット」フィードバックと呼ぶことができる。ＲＬベースのシステムでは、「バンディット」フィードバックのみを入手できる場合、システムは、行われた動作が行うのに最良の動作であったかどうかを常に知ることができない可能性があるため、これは、長期的なナビゲーション計画の一部として「探索」が必要である最も重要な理由の１つである。
[0332] 多くのＲＬアルゴリズムは、マルコフ決定プロセス（ＭＤＰ）の数学的に明解なモデルに少なくとも部分的に依存する。マルコフ仮定は、ｓｔ及びａｔを所与としてｓｔ＋１の分布が完全に決定されるものである。これは、ＭＤＰの状態にわたる定常分布に関して所与のポリシの累積報酬の閉形式をもたらす。ポリシの定常分布は、線形計画問題に対する解として表すことができる。これは、１）ポリシ探索と呼ぶことができる主問題に関する最適化及び２）その変数が価値関数Ｖπと呼ばれる双対問題に関する最適化という２つのアルゴリズム群をもたらす。価値関数は、ＭＤＰが初期状態ｓから始まり、そこからπに従って動作が選択される場合に期待累積報酬を決定する。関係する量は、状態－動作価値関数Ｑπ（ｓ，ａ）であり、この関数は、状態ｓからの開始、即時に選択される動作ａ及びそこからπに従って選択される動作を仮定し累積報酬を決定する。このＱ関数は、（ベルマン方程式を使用する）最適なポリシの特徴付けを引き起こし得る。具体的には、このＱ関数は、最適なポリシがＳからＡへの決定論的関数であると示すことができる（実際には、最適なポリシは、最適なＱ関数に関する「貪欲な」ポリシとして特徴付けることができる）。
[0333] ＭＤＰモデルの１つの潜在的な利点は、ＭＤＰモデルがＱ関数を使用して将来を現在に結合することを可能にすることである。例えば、ホスト車両が現在ｓの状態にあることを所与とし、Ｑπ（ｓ，ａ）の値は、将来に対して動作ａを実行する効果を示し得る。従って、Ｑ関数は、動作ａの品質の局所的測度を提供し、それによりＲＬ問題をＳＬのシナリオとより同様にすることができる。
[0334] 多くのＲＬアルゴリズムがＶ関数又はＱ関数を何らかの方法で近似する。価値反復アルゴリズム、例えばＱ学習アルゴリズムは、最適なポリシのＶ関数及びＱ関数がベルマン方程式から得られる何らかの演算子の不動点であり得ることを利用することができる。Actor-criticなポリシ反復アルゴリズムは、反復的な方法でポリシを学習することを目標とし、反復ｔにおいて、「critic」は、
を推定し、この推定に基づいて、「actor」は、ポリシを改善する。
[0335] ＭＤＰの数学的な簡素さ及びＱ関数表現に切り替える便利さにもかかわらず、この手法は、幾つかの制限を有し得る。例えば、幾つかの場合、マルコフの挙動状態の近似の概念が見つかり得る全てである場合がある。更に、状態の遷移は、エージェントの動作だけではなく、環境内の他のプレーヤの動作にも依存し得る。例えば、上記のＡＣＣの例では、自律車両の動力学は、マルコフ式であり得るが、次の状態は、必ずしもマルコフ式ではない他の車のドライバーの挙動に依存する場合がある。この問題に対する１つの可能な解決策は、部分的に観測されるＭＤＰを使用することであり、部分的に観測されるＭＤＰでは、マルコフ状態はあるが、見ることができるのは、隠れ状態に従って分散される観測であると仮定される。
[0336] より直接的な手法は、ＭＤＰのゲーム理論的汎用化を検討することができる（例えば、確率ゲームの枠組み）。実際、ＭＤＰのためのアルゴリズムは、マルチエージェントゲームに汎用化することができる（例えば、ミニマックスＱ学習又はナッシュＱ学習）。他の手法は、他のプレーヤの明確なモデリング及びvanishing regret学習アルゴリズムを含み得る。マルチエージェント設定内での学習は、単一エージェント設定内での学習よりも複雑であり得る。
[0337] Ｑ関数表現の第２の制限は、表形式設定から逸脱することによって生じ得る。表形式設定は、状態及び動作の数が少なく、そのため、Ｑを｜Ｓ｜行及び｜Ａ｜列の表として表すことができる場合である。しかし、Ｓ及びＡの自然表現がユークリッド空間を含み、状態空間及び動作空間が離散化される場合、状態／動作の数は、規模の点で指数関数的であり得る。そのような場合、表形式設定を採用することが実用的でない可能性がある。代わりに、Ｑ関数は、パラメトリック仮説クラスからの一部の関数によって近似され得る（例えば、特定のアーキテクチャのニューラルネットワーク）。例えば、ディープＱネットワーク（ＤＱＮ）学習アルゴリズムを使用することができる。ＤＱＮでは、状態空間が連続的であり得るが、動作空間は、小さい離散集合のままであり得る。連続的な動作空間に対応するための手法が可能であるが、それらは、Ｑ関数を近似することに依存する可能性がある。いずれにせよ、Ｑ関数は、複雑且つ雑音に敏感な可能性があり、従って学習が困難であり得る。
[0338] 異なる手法は、回帰ニューラルネットワーク（ＲＮＮ）を使用してＲＬの問題に対処することであり得る。幾つかの場合、ＲＮＮは、マルチエージェントゲームの概念及びゲーム理論からの敵対環境へのロバスト性と組み合わせることができる。更に、この手法は、マルコフ仮定に明確に依存しないものであり得る。
[0339] 以下では、予測に基づく計画によるナビゲーションのための手法をより詳細に説明する。この手法では、状態空間Ｓは、
のサブセットであり、状態空間Ａは、
のサブセットであると仮定することができる。これは、多くの応用において自然な表現であり得る。上記で述べたように、ＲＬとＳＬとの間には２つの主な違いがある場合があり、その違いは、すなわち、（１）過去の動作が将来の報酬に影響するため、将来からの情報を過去に再び伝える必要があり得ること、及び（２）報酬の「バンディット」な性質は、（状態，動作）と報酬との間の依存関係を曖昧にする可能性があり、それが学習プロセスを複雑にし得ることである。
[0340] この手法の最初のステップとして、報酬のバンディットな性質が問題ではない興味深い問題があることが観測され得る。例えば、ＡＣＣの応用に関する（以下でより詳細に論じる）報酬値は、現在の状態及び動作に対して可微分であり得る。実際、たとえ報酬が「バンディット」式に与えられても、
であるように可微分関数
を学習する問題は、比較的単純なＳＬ問題（例えば、一次元の回帰問題）であり得る。従って、この手法の最初のステップは、ｓ及びａに対して可微分な関数
として報酬を定めること、又はインスタンスベクトルが、
であり、目標スカラがｒｔである状態でサンプルにわたる少なくとも幾らかの回帰損失を最小化する可微分関数
を学習するために回帰学習アルゴリズムを使用することであり得る。一部の状況では、トレーニングセットを作成するために探索の要素を使用することができる。
[0341] 過去と将来との間のつながりに対処するために、同様の概念を使用することができる。例えば、
が成立するように可微分関数
が学習可能であると仮定する。かかる関数を学習することは、ＳＬ問題として特徴付けることができる。
は、近い将来のための予測因子と見なすことができる。次に、ＳからＡにマップするポリシを、パラメトリック関数πθ：Ｓ→Ａを使用して記述することができる。ニューラルネットワークとしてπθを表現することは、回帰ニューラルネットワーク（ＲＮＮ）を使用してエージェントをＴラウンド走らせるエピソードの表現を可能にすることができ、次の
状態は、
として定義される。ここで、
は、環境によって定めることができ、近い将来の予測不能な側面を表すことができる。ｓｔ＋１がｓｔ及びａｔに可微分な方法で依存することは、将来の報酬値と過去の動作との間のつながりを可能にし得る。ポリシ関数πθのパラメータベクトルは、結果として生じるＲＮＮ上の逆伝搬によって学習され得る。明確な確率論的仮定をｖｔに課す必要がないことに留意されたい。具体的には、マルコフ関係の要件が必要ない。代わりに、過去と将来との間で「十分な」情報を伝搬するために回帰ネットワークが利用され得る。直観的に、
は、近い将来の予測可能な部分を記述し得る一方、ｖｔは、環境内の他のプレーヤの挙動によって生じ得る予測不能な側面を表し得る。学習システムは、他のプレーヤの挙動に対してロバストなポリシを学習すべきである。｜｜ｖｔ｜｜が大きい場合、有意味のポリシを学習するには過去の動作と将来の報酬値との間のつながりに雑音が多過ぎる可能性がある。システムの動力学をトランスペアレントな方法で明確に表現することは、過去の知識をより容易に組み込むことを可能にすることができる。例えば、過去の知識は、
を定める問題を単純化し得る。
状態は、
[0342] 上記で論じたように学習システムは、予期せぬ方法で動作し得る他の複数のドライバーを含み得るホスト車両の環境等、敵対環境に対するロバスト性の恩恵を受けることができる。ｖｔに対して確率論的仮定を課さないモデルでは、ｖｔが敵対的方法で選択される環境を検討することができる。幾つかの場合、μｔに制限を加えることができ、さもなければ敵が計画問題を困難にし、又は不可能にさえし得る。１つの自然な制約は、｜｜μｔ｜｜が制約によって境界を付けられることを要求することであり得る。
[0343] 敵対的環境に対するロバスト性は、自律運転の応用において有用であり得る。敵対的方法でμｔを選択することは、ロバストな最適ポリシに向けて学習システムを集中させることができるため、学習プロセスを加速することさえできる。単純なゲームを使用してこの概念を説明することができる。状態は、
であり、動作は、
であり、即時の損失関数は、０．１｜ａｔ｜＋［｜ｓｔ｜－２］＋であり、［ｘ］＋＝ｍａｘ｛ｘ，０｝は、ＲｅＬＵ（正規化線形ユニット）関数である。次の状態は、ｓｔ＋１＝ｓｔ＋ａｔ＋ｖｔであり、ｖｔ∈［－０．５，０．５］が敵対的方法で環境のために選ばれる。ここで、ＲｅＬＵを伴う２層のネットワークとして最適なポリシを記述することができる：ａｔ＝－［ｓｔ－１．５］＋＋［－ｓｔ－１．５］＋。｜ｓｔ｜∈（１．５，２］のとき、最適な動作は、動作ａ＝０よりも大きい即時の損失を有し得ることを認識されたい。従って、システムは、将来の計画を立てることができ、即時の損失のみに依存しなくてもよい。ａｔに対する損失の微分は、０．１ｓｉｇｎ（ａｔ）であり、ｓｔに対する微分は、１［｜ｓｔ｜＞２］ｓｉｇｎ（ｓｔ）であることを認識されたい。ｓｔ∈（１．５，２］の状況では、ｖｔの敵対的選択は、ｖｔ＝０．５に設定することであり、従ってａｔ＞１．５－ｓｔのときには常に、ラウンドｔ＋１上で非ゼロ損失があり得る。そのような場合、損失の微分がａｔに直接逆伝搬し得る。従ってｖｔの敵対的選択は、ａｔの選択が次善である場合にナビゲーションシステムが非ゼロ逆伝搬メッセージを得ることを促進することができる。かかる関係は、現在の動作が（たとえその動作が次善の報酬又は更には損失を招いても）将来より高い報酬をもたらすより最適な動作の機会を与えるという期待に基づき、ナビゲーションシステムが現在の動作を選択することを促進し得る。
[0344] このような手法は、起こり得る事実上全てのナビゲーション状況に適用することができる。以下では、１つの例、すなわち適応走行制御（ＡＣＣ）に適用される手法について説明する。ＡＣＣの問題では、ホスト車両が前方の目標車両までの十分な距離（例えば、目標車両まで１．５秒）を保とうと試みる場合がある。別の目標は、所望の間隙を維持しながらできるだけスムーズに走行することであり得る。この状況を表すモデルを以下のように定めることができる。状態空間は、
であり、動作空間は、
である。状態の第１の座標は、目標車両の速度であり、第２の座標は、ホスト車両の速度であり、最後の座標は、ホスト車両と目標車両との間の距離（例えば、道路の曲線に沿ってホスト車両の位置から目標の位置を引いたもの）である。ホスト車両が行うべき動作は、加速であり、ａｔで示すことができる。量τは、連続したラウンド間の時間差を示すことができる。τは、任意の適切な量に設定できるが、一例ではτを０．１秒とすることができる。位置ｓｔは、
で示すことができ、目標車両の（未知の）加速度を
で示すことができる。
[0345] システムの完全な動力学は、次式で記述することができる。
[0346] これは、２つのベクトルの和として記述することができる。
[0347] 第１のベクトルは、予測可能な部分であり、第２のベクトルは、予測不能な部分である。ラウンドｔに対する報酬は、以下のように定められる。
[0348] 第１の項は、非ゼロ加速度に対するペナルティをもたらす可能性があり、従ってスムーズな運転を促す。第２の項は、目標の車ｘｔまでの距離と所望の距離
との間の比率に依存し、これは、１メートルの距離と１．５秒のブレーキ距離との間の最大値として定められる。幾つかの場合、この比率がまさに１であり得るが、この比率が[0．７，１．３］の範囲内にある限り、ポリシは、任意のペナルティなしで済ませることができ、それは、スムーズな運転を実現する際に重要であり得る特性である幾らかのスラックをナビゲーションにおいてホスト車両に認めることができる。
[0349] 上記で概説した手法を実装し、ホスト車両のナビゲーションシステムは、（例えば、ナビゲーションシステムの処理ユニット１１０内の運転ポリシモジュール８０３の動作により）観測された状態に応じて動作を選択することができる。選択される動作は、感知されるナビゲーション状態に関して利用可能な応答動作に関連する報酬のみの分析に基づくのではなく、将来の状態、将来の状態に応じた潜在的動作及び潜在的動作に関連する報酬を検討し分析することにも基づき得る。
[0350] 図１６は、検出及び長期計画に基づくナビゲーションに対するアルゴリズム手法を示す。例えば、ステップ１６０１では、ホスト車両のためのナビゲーションシステムの少なくとも１つの処理デバイス１１０は、複数の画像を受信し得る。これらの画像は、ホスト車両の環境を表すシーンを捕捉することができ、上記の画像捕捉装置（例えば、カメラやセンサ等）のいずれかによって供給され得る。ステップ１６０３でこれらの画像の１つ又は複数を分析することは、（上記で説明したように）少なくとも１つの処理デバイス１１０がホスト車両に関連する現在のナビゲーション状態を識別することを可能にし得
る。
る。
[0351] ステップ１６０５、１６０７及び１６０９では、検知されるナビゲーション状態に応じて様々な潜在的なナビゲーション動作を決定することができる。（例えば、合流を完了するために、先行車両の後にスムーズに続くために、目標車両を追い抜くために、道路内の物体を回避するために、検出した停止標識のために減速するために、割り込んでくる目標車両を回避するために、又はシステムのナビゲーション目標を助長し得る他の任意のナビゲーション動作を完了するために）これらの潜在的なナビゲーション動作（例えば、第１のナビゲーション動作から利用可能なＮ番目のナビゲーション動作まで）は、検知状態及びナビゲーションシステムの長期目標に基づいて決定することができる。
[0352] 決定される潜在的なナビゲーション動作のそれぞれについて、システムは、期待報酬を決定することができる。期待報酬は、上記の技法のいずれかに従って決定することができ、１つ又は複数の報酬関数に対する特定の潜在的動作の分析を含み得る。ステップ１６０５、１６０７及び１６０９でそれぞれ決定された（例えば、第１の、第２の及びＮ番目の）潜在的なナビゲーション動作のそれぞれについて期待報酬１６０６、１６０８及び１６１０を決定することができる。
[0353] 幾つかの場合、ホスト車両のナビゲーションシステムは、期待報酬１６０６、１６０８及び１６１０に関連する値（又は期待報酬の他の任意の種類のインジケータ）に基づいて利用可能な潜在的動作の中から選択を行うことができる。例えば、一部の状況では、最も高い期待報酬をもたらす動作が選択され得る。
[0354] とりわけ、ナビゲーションシステムがホスト車両のためのナビゲーション動作を決定するために長期計画に携わる他の事例では、最も高い期待報酬をもたらす潜在的動作をシステムが選択しない場合がある。むしろ、システムは、将来に目を向けて、現在のナビゲーション状態に応じて低報酬の動作を選択した場合により高い報酬を後に実現する機会があり得るかどうかを分析することができる。例えば、ステップ１６０５、１６０７及び１６０９で決定される潜在的動作のいずれか又は全てについて将来の状態を決定することができる。ステップ１６１３、１６１５及び１６１７で決定されるそれぞれの将来の状態は、それぞれの潜在的動作（例えば、ステップ１６０５、１６０７及び１６０９で決定される潜在的動作）によって修正される現在のナビゲーション状態に基づいて生じることが予期される将来のナビゲーション状態を表し得る。
[0355] ステップ１６１３、１６１５及び１６１７で予測される将来の状態のそれぞれについて、（決定される将来の状態に応じて利用可能なナビゲーションの選択肢としての）１つ又は複数の将来の動作を決定し評価することができる。ステップ１６１９、１６２１及び１６２３では、例えば、将来の動作の１つ又は複数に関連する期待報酬の値又は他の任意の種類のインジケータを（例えば、１つ又は複数の報酬関数に基づいて）開発することができる。１つ又は複数の将来の動作に関連する期待報酬は、それぞれの将来の動作に関連する報酬関数の値を比較することによって又は期待報酬に関連する他の任意のインジケータを比較することによって評価することができる。
[0356] ステップ１６２５では、ホスト車両のためのナビゲーションシステムは、現在のナビゲーション状態に対して（例えば、ステップ１６０５、１６０７及び１６０９で）識別された潜在的動作のみに基づいてではなく、（例えば、ステップ１６１３、１６１５及び１６１７で決定される）予測される将来の状態に応じて利用可能な将来の潜在的動作の結果として決定される期待報酬にも基づき、期待報酬を比較することに基づいてホスト車両のためのナビゲーション動作を選択することができる。ステップ１６２５での選択は、ステップ１６１９、１６２１及び１６２３で実行される選択肢及び報酬の分析に基づき
得る。
得る。
[0357] ステップ１６２５でのナビゲーション動作の選択は、将来の動作の選択肢に関連する期待報酬を比較することのみに基づき得る。この場合、ナビゲーションシステムは、潜在的な将来のナビゲーション状態のための動作から生じる期待報酬を比較することのみに基づいて現在の状態に対する動作を選択することができる。例えば、システムは、ステップ１６１９、１６２１及び１６２３での分析によって決定される最も高い将来の報酬値に関連する、ステップ１６０５、１６０７又は１６０９で識別される潜在的な動作を選択することができる。
[0358] ステップ１６２５でのナビゲーション動作の選択は、（上記で述べたように）現在の動作の選択肢を比較することのみに基づき得る。この状況では、ナビゲーションシステムは、最も高い期待報酬１６０６、１６０８又は１６１０に関連する、ステップ１６０５、１６０７又は１６０９で識別される潜在的動作を選択することができる。この選択は、将来のナビゲーション状態又は予期される将来のナビゲーション状態に応じて利用可能なナビゲーション動作に対する将来の期待報酬を殆ど又は全く考慮せずに行うことができる。
[0359] 他方では、幾つかの場合、ステップ１６２５でのナビゲーション動作の選択は、将来の動作の選択肢及び現在の動作の選択肢の両方に関連する期待報酬を比較することに基づき得る。これは、実際、長期計画に基づくナビゲーションの原理の１つであり得る。将来のナビゲーション状態に応じて利用可能になることが予期されるその後のナビゲーション動作に応じて潜在的に高い報酬を実現するために、将来の動作に対する期待報酬を分析して、現在のナビゲーション状態に応じて報酬がより低い動作を選択することをいずれかが正当化し得るかどうかを決定することができる。一例として、期待報酬１６０６の値又は他のインジケータは、報酬１６０６、１６０８及び１６１０の中の最も高い期待報酬を示し得る。他方では、期待報酬１６０８は、報酬１６０６、１６０８及び１６１０の中の最も低い期待報酬を示し得る。ステップ１６０５で決定される潜在的動作（すなわち最も高い期待報酬１６０６を生じさせる動作）を単純に選択するのではなく、ステップ１６２５でナビゲーション動作の選択を行う際に将来の状態、潜在的な将来の動作及び将来の報酬の分析を使用することができる。一例では、ステップ１６２１で（ステップ１６０７で決定される第２の潜在的動作に基づいてステップ１６１５で決定される将来の状態に対する少なくとも１つの将来の動作に応じて）識別される報酬が期待報酬１６０６よりも高い可能性があると決定され得る。この比較に基づき、期待報酬１６０６が期待報酬１６０８よりも高いにもかかわらず、ステップ１６０５で決定される第１の潜在的動作ではなく、ステップ１６０７で決定される第２の潜在的動作を選択することができる。一例では、ステップ１６０５で決定される潜在的なナビゲーション動作は、検出された目標車両の前に合流することを含み得る一方、ステップ１６０７で決定される潜在的なナビゲーション動作は、目標車両の後ろに合流することを含み得る。目標車両の前に合流する期待報酬１６０６は、目標車両の後ろに合流することに関連する期待報酬１６０８よりも高い可能性があるが、目標車両の後ろに合流することは、期待報酬１６０６、１６０８又は現在の検知されたナビゲーション状態に応じて利用可能な動作に基づく他の報酬よりも更に高い潜在的報酬を与える動作の選択肢があり得る将来の状態をもたらす可能性があると決定されることがある。
[0360] ステップ１６２５で潜在的動作の中から選択を行うことは、期待報酬（又は別の潜在的動作を上回るある潜在的動作に関連する利益の他の任意の測定基準又はインジケータ）の任意の適切な比較に基づき得る。幾つかの場合、上記で説明したように、第１の潜在的動作に関連する報酬よりも高い期待報酬に関連する少なくとも１つの将来の動作を第２の潜在的動作がもたらすことが予測される場合、第１の潜在的動作に優先して第２の潜在的動作を選択することができる。他の事例では、より複雑な比較を使用することができる。例えば、予測される将来の状態に応じた動作の選択肢に関連する報酬を、決定される潜在的動作に関連する複数の期待報酬と比較することができる。
[0361] 一部のシナリオでは、現在の状態に対する潜在的動作の結果として期待される報酬（例えば、期待報酬１６０６、１６０８、１６１０等）のいずれよりも高い報酬を将来の動作の少なくとも１つがもたらすことが予期される場合、予測される将来の状態に基づく動作及び期待報酬が現在の状態に対する潜在的動作の選択に影響を及ぼす場合がある。幾つかの場合、現在のナビゲーション状態に対する潜在的動作を選択するためのガイドとして、（例えば、検知される現在の状態に対する潜在的動作に関連する期待報酬並びに潜在的な将来のナビゲーション状態に対する潜在的な将来の動作の選択肢に関連する期待報酬の中の）最も高い期待報酬をもたらす将来の動作の選択肢を使用することができる。すなわち、最も高い期待報酬（又は所定の閾値等を上回る報酬）をもたらす将来の動作の選択肢を識別した後、最も高い期待報酬をもたらす識別された将来の動作に関連する将来の状態につながる潜在的動作をステップ１６２５で選択することができる。
[0362] 他の事例では、期待報酬間の決定される差に基づいて利用可能な動作の選択を行うことができる。例えば、ステップ１６２１で決定される将来の動作に関連する期待報酬と期待報酬１６０６との差が期待報酬１６０８と期待報酬１６０６との差を上回る場合（＋符号の差を想定する）、ステップ１６０７で決定される第２の潜在的動作を選択することができる。別の例では、ステップ１６２１で決定される将来の動作に関連する期待報酬とステップ１６１９で決定される将来の動作に関連する期待報酬との差が期待報酬１６０８と期待報酬１６０６との差を上回る場合、ステップ１６０７で決定される第２の潜在的動作を選択することができる。
[0363] 現在のナビゲーション状態に対する潜在的動作の中から選択を行うための幾つかの例を説明してきた。但し、予測される将来の状態に及ぶ動作及び報酬の分析に基づく長期計画によって利用可能な動作を選択するために、他の任意の適切な比較技法又は基準を使用することができる。加えて、図１６では、長期計画分析において２つの層（例えば、現在の状態に対する潜在的動作から生じる報酬を検討する第１の層及び予測される将来の状態に応じた将来の動作の選択肢から生じる報酬を検討する第２の層）を示すが、更に多い層に基づく分析も可能であり得る。例えば、長期計画分析を１つの層又は２つの層に基づかせるのではなく、現在のナビゲーション状態に応じて利用可能な潜在的動作の中から選択を行う際、分析の３つの層、４つの層又は更に多くの層を使用することができる。
[0364] 検知したナビゲーション状態に応じて潜在的動作の中から選択を行った後、ステップ１６２７では、少なくとも１つのプロセッサは、選択された潜在的なナビゲーション動作に応じてホスト車両のナビゲーションアクチュエータの少なくとも１つの調節を引き起こすことができる。ナビゲーションアクチュエータは、ホスト車両の少なくとも１つの側面を制御するための任意の適切な装置を含み得る。例えば、ナビゲーションアクチュエータは、操舵メカニズム、ブレーキ又はアクセルの少なくとも１つを含み得る。
[0365] 他者の推論される攻撃性に基づくナビゲーション
[0366] 運転の攻撃性のインジケータを決定するために、取得画像ストリームを分析することによって目標車両を監視することができる。本明細書では、攻撃性は質的又は定量的なパラメータとして記載するが他の特性、すなわち感知される注意レベル（ドライバーの潜在的な欠陥、注意散漫－携帯電話や居眠り等）を使用し得る。一部の事例では、目標車両が自衛的姿勢を有すると見なすことができ、一部の事例では、目標車両がより攻撃的な姿勢を有すると見なすことができる。攻撃性のインジケータに基づいてナビゲーション動作を選択又は開発することができる。例えば、幾つかの場合、ホスト車両に対する相対速度、相対加速度、相対加速度の増加、追走距離等を追跡して目標車両が攻撃的であるか又は自衛的であるかを決定することができる。目標車両が閾値を上回る攻撃度のレベルを有すると決定される場合、例えば、ホスト車両は、目標車両に道を譲ることに傾き得る。経路内の又は目標車両付近の１つ又は複数の障害物（例えば、先行車両、道路内の障害物、信号機等）に対する目標車両の決定された挙動に基づき、目標車両の攻撃度のレベルを決定することもできる。
[0366] 運転の攻撃性のインジケータを決定するために、取得画像ストリームを分析することによって目標車両を監視することができる。本明細書では、攻撃性は質的又は定量的なパラメータとして記載するが他の特性、すなわち感知される注意レベル（ドライバーの潜在的な欠陥、注意散漫－携帯電話や居眠り等）を使用し得る。一部の事例では、目標車両が自衛的姿勢を有すると見なすことができ、一部の事例では、目標車両がより攻撃的な姿勢を有すると見なすことができる。攻撃性のインジケータに基づいてナビゲーション動作を選択又は開発することができる。例えば、幾つかの場合、ホスト車両に対する相対速度、相対加速度、相対加速度の増加、追走距離等を追跡して目標車両が攻撃的であるか又は自衛的であるかを決定することができる。目標車両が閾値を上回る攻撃度のレベルを有すると決定される場合、例えば、ホスト車両は、目標車両に道を譲ることに傾き得る。経路内の又は目標車両付近の１つ又は複数の障害物（例えば、先行車両、道路内の障害物、信号機等）に対する目標車両の決定された挙動に基づき、目標車両の攻撃度のレベルを決定することもできる。
[0367] この概念への導入として、環状交差路内にホスト車両が合流することに関する実験の一例を説明し、ここで、ナビゲーション目標は、環状交差路を通過して出ていくことである。この状況は、ホスト車両が環状交差路の入り口に到達することで始まることができ、環状交差路の出口（例えば、第２の出口）に到達することで終わり得る。成功は、ホスト車両が他の全ての車両と常に安全な距離を保つかどうか、ホスト車両ができるだけ迅速にルートを終了するかどうか、及びホスト車両がスムーズな加速のポリシに従うかどうかに基づいて測定することができる。この解説では、ＮＴ台の目標車両が環状交差路上に無作為に配置され得る。敵対的な挙動及び典型的な挙動の混同をモデリングするために、確率ｐで目標車両を「攻撃的な」運転ポリシによってモデリングすることができ、そのため、ホスト車両が目標車両の前に合流しようと試みるとき、攻撃的な目標車両は、加速する。確率１－ｐで目標車両を「自衛的な」運転ポリシによってモデリングすることができ、そのため、目標車両は、減速し、ホスト車両を合流させる。この実験ではｐ＝０．５であり、他のドライバーの種類に関する情報がホスト車両のナビゲーションシステムに与えられなくてもよい。他のドライバーの種類は、エピソードの開始時に無作為に選択され得る。
[0368] ナビゲーション状態は、ホスト車両（エージェント）の速度及び位置並びに目標車両の位置、速度及び加速度として表すことができる。現在の状態に基づいて攻撃的なドライバーと自衛的なドライバーとを区別するには、目標の加速度を観測し続けることが重要であり得る。全ての目標車両が環状交差路の経路の輪郭を描く１次元曲線上を移動し得る。ホスト車両は、合流点において目標車両の曲線と交差する独自の１次元曲線上を移動することができ、この点が両方の曲線の原点である。妥当な運転をモデリングするために、全ての車両の加速度の絶対値に定数によって上限を設けることができる。逆方向に運転することは許可されていないため、速度もＲｅＬＵを通過させることができる。逆方向に運転することを許可しないことにより、エージェントは、自らの過去の動作を悔いることができないため、長期計画が必要になり得ることに留意されたい。
[0369] 上記で説明したように、次の状態ｓｔ＋１は、予測可能な部分
と、予測不能な部分ｖｔとの和に分解することができる。表現
は、（可微分な方法で明確に定めることができる）車両の位置及び速度の動力学を表し得る一方、ｖｔは、目標車両の加速度を表し得る。
は、アフィン変換上のＲｅＬＵ関数の組合せとして表すことができると立証することができ、従ってｓｔ及びａｔに関して可微分である。ベクトルｖｔは、微分できない方法でシミュレータによって定められ得、一部の目標の攻撃的挙動及び他の目標の自衛的挙動を実装し得る。かかるシミュレータからの２つのフレームを図１７Ａ及び図１７Ｂに示す。この実験例では、環状交差路の入り口に到達したとき、ホスト車両１７０１が減速することを学習した。ホスト車両１７０１は、攻撃的な車両（例えば、車両１７０３及び車両１７０５）に道を譲り、自衛的な車両（例えば、車両１７０６、１７０８及び１７１０）の前に合流するとき、安全に進むことも学習した。図１７Ａ及び図１７Ｂによって示す例では、ホスト車両１７０１のナビゲーションシステムに目標車両の種類が与えられていない。むしろ、特定の車両が攻撃的と決定されるか又は自衛的と決定されるかは、例えば、目標車両の観測される位置及び加速度に基づく推論によって決定される。図１７Ａでは、位置、速度及び／又は相対加速度に基づき、ホスト車両１７０１は、車両１７０３が攻撃的な傾向を有すると決定することができ、従って、ホスト車両１７０１は、目標車両１７０３の前に合流しようと試みるのではなく、停止して目標車両１７０３が通過することを待つことができる。しかし、図１７Ｂでは、車両１７０３の後ろを移動している目標車両１７１０が自衛的な傾向を示すことを（ここでも車両１７１０の観測される位置、速度及び／又は相対加速度に基づいて）目標車両１７０１が認識し、従って目標車両１７１０の前且つ目標車両１７０３の後ろへの問題ない合流を完了している。
[0370] 図１８は、他の車両の予測される攻撃性に基づいてホスト車両をナビゲートするためのアルゴリズムの一例を表すフローチャートを示す。図１８の例では、目標車両の環境内の物体に対する目標車両の観測される挙動に基づき、少なくとも１つの目標車両に関連する攻撃性のレベルを推論することができる。例えば、ステップ１８０１では、ホスト車両のナビゲーションシステムの少なくとも１つの処理デバイス（例えば、処理デバイス１１０）は、ホスト車両の環境を表す複数の画像をホスト車両に関連するカメラから受信することができる。ステップ１８０３では、受信画像の１つ又は複数を分析することは、ホスト車両１７０１の環境内の目標車両（例えば、車両１７０３）を少なくとも１つのプロセッサが識別することを可能にし得る。ステップ１８０５では、受信画像の１つ又は複数を分析することは、目標車両にとっての少なくとも１つの障害物をホスト車両の環境内で少なくとも１つの処理デバイスが識別することを可能にし得る。物体は、道路内の瓦礫、停止信号／信号機、歩行者、別の車両（例えば、目標車両の前を移動している車両や駐車車両等）、道路内の箱、道路障壁、カーブ又はホスト車両の環境内で遭遇され得る他の任意の種類の物体を含み得る。ステップ１８０７では、受信画像の１つ又は複数を分析することは、目標車両にとっての少なくとも１つの識別された障害物に対する目標車両の少なくとも１つのナビゲーション特性を少なくとも１つの処理デバイスが決定することを可能にし得る。
[0371] 目標車両に対する適切なナビゲーション応答を開発するために、様々なナビゲーション特性を使用して検出された目標車両の攻撃性のレベルを推論することができる。例えば、かかるナビゲーション特性は、目標車両と少なくとも１つの識別された障害物との間の相対加速度、目標車両の障害物からの距離（例えば、別の車両の後ろにある目標車両の追走距離）及び／又は目標車両と障害物との間の相対速度等を含み得る。
[0372] 幾つかの実施形態では、ホスト車両に関連するセンサ（例えば、レーダ、速度センサ、ＧＰＳ等）からの出力に基づいて目標車両のナビゲーション特性を決定することができる。しかし、幾つかの場合、ホスト車両の環境の画像を分析することに部分的に又は完全に基づいて目標車両のナビゲーション特性が決定され得る。例えば、例として上記の及び参照により本明細書に援用する米国特許第９，１６８，８６８号で記載されている画像分析技法を使用してホスト車両の環境内の目標車両を認識することができる。ある期間にわたる捕捉画像内の目標車両の位置を監視すること、及び／又は目標車両に関連する１つ若しくは複数の特徴（例えば、テールライト、ヘッドライト、バンパー、車輪等）の捕捉画像内の位置を監視することは、目標車両とホスト車両との間の又は目標車両とホスト車両の環境内の１つ又は複数の他の物体との間の相対的な距離、速度及び／又は加速度を求めることを可能にし得る。
[0373] 識別された目標車両の攻撃性のレベルは、目標車両の任意の適切な観測されたナビゲーション特性又は観測されたナビゲーション特性の任意の組合せから推論することができる。例えば、攻撃性の決定は、観測される任意の特性及び１つ又は複数の所定の閾値レベル又は他の任意の適切な質的若しくは定量的な分析に基づいて行うことができる。幾つかの実施形態では、目標車両が所定の攻撃的な距離の閾値未満の距離でホスト車両又は別の車両を追走することが観測される場合、その目標車両を攻撃的と見なすことができる。他方では、所定の攻撃的な距離の閾値を超える距離でホスト車両又は別の車両を追走することが観測される目標車両は、自衛的と見なすことができる。所定の攻撃的な距離の閾値は、所定の自衛的な距離の閾値と同じである必要はない。加えて、所定の攻撃的な距離の閾値及び所定の自衛的な距離の閾値のいずれか又は両方は、明白な境界線ではなく値域を含み得る。更に、所定の攻撃的な距離の閾値も所定の自衛的な距離の閾値も固定される必要はない。むしろ、これらの値又は値域は、時間と共にシフトする場合があり、目標車両の観測される特性に基づいて様々な閾値／閾値の値域を適用することができる。例えば、適用される閾値は、目標車両の１つ又は複数の他の特性に依存し得る。観測されるより高い相対速度及び／又は加速度は、より大きい閾値／閾値範囲の適用を正当化し得る。逆に、ゼロの相対速度及び／又は加速度を含むより低い相対速度及び／又は加速度は、攻撃的／自衛的の推論を行う際により小さい距離閾値／閾値範囲の適用を正当化し得る。
[0374] 攻撃的／自衛的の推論は、相対速度及び／又は相対加速度の閾値にも基づき得る。目標車両は、別の車両に対するその観測される相対速度及び／又はその相対加速度が所定のレベル又は範囲を上回る場合、攻撃的と見なすことができる。目標車両は、別の車両に対するその観測される相対速度及び／又はその相対加速度が所定のレベル又は範囲を下回る場合、自衛的と見なすことができる。
[0375] 攻撃的／自衛的の決定は観測される任意のナビゲーション特性のみに基づいて行われ得るが、この決定は、観測される特性の任意の組合せに依存することもできる。例えば、上記で述べたように、幾つかの場合、一定の閾値又は範囲未満の距離で別の車両を追走することが観測されることのみに基づいて目標車両を攻撃的と見なすことができる。しかし、他の事例では、所定量（決定が距離のみに基づく場合に適用される閾値と同じであるか又は異なり得る）未満で別の車両を追走すると共に、所定の量又は範囲を上回る相対速度及び／又は相対加速度を有する場合、目標車両を攻撃的と見なすことができる。同様に、一定の閾値又は範囲を超える距離で別の車両を追走することが観測されることのみに基づいて目標車両を自衛的と見なすことができる。しかし、他の事例では、所定量（決定が距離のみに基づく場合に適用される閾値と同じであるか又は異なり得る）を超えて別の車両を追走すると共に、所定の量又は範囲未満の相対速度及び／又は相対加速度を有する場合、目標車両を自衛的と見なすことができる。システム１００は、例えば、車両が０．５Ｇの加速度又は減速度を超える場合（例えば、ジャーク５ｍ／ｓ３）、車両がレーン変更又はカーブ上で０．５Ｇの横加速度を有する場合、車両が上記のいずれかを別の車両に行わせる場合、車両がレーンを変更し、０．３Ｇの減速度又は３ｍ／ｓ３のジャークを超えて別の車両に道を譲らせる場合、及び／又は車両が停止することなしに２レーン変更する場合、攻撃的／自衛的を行うことができる。
[0376] ある範囲を上回る量に言及することは、その量が範囲に関連する全ての値を上回ること又は範囲に含まれることを示し得ることを理解すべきである。同様に、ある範囲を下回る量に言及することは、その量が範囲に関連する全ての値を下回ること又は範囲に
含まれることを示し得る。加えて、攻撃的／自衛的の推論を行うことについて記載した例は、距離、相対加速度及び相対速度に関して説明したが、他の任意の適切な量を使用し得る。例えば、計算が使用され得る衝突までの時間又は目標車両の距離、加速度及び／又は速度の任意の間接的なインジケータを使用することができる。上記の例は、他の車両に対する目標車両に焦点を当てるが、攻撃的／自衛的の推論は他の任意の種類の障害物（例えば、歩行者、道路障壁、信号機、瓦礫等）に対する目標車両のナビゲーション特性を観測することで行い得ることにも留意すべきである。
含まれることを示し得る。加えて、攻撃的／自衛的の推論を行うことについて記載した例は、距離、相対加速度及び相対速度に関して説明したが、他の任意の適切な量を使用し得る。例えば、計算が使用され得る衝突までの時間又は目標車両の距離、加速度及び／又は速度の任意の間接的なインジケータを使用することができる。上記の例は、他の車両に対する目標車両に焦点を当てるが、攻撃的／自衛的の推論は他の任意の種類の障害物（例えば、歩行者、道路障壁、信号機、瓦礫等）に対する目標車両のナビゲーション特性を観測することで行い得ることにも留意すべきである。
[0377] 図１７Ａ及び図１７Ｂに示す例に戻り、ホスト車両１７０１が環状交差路に近づくと、自らの少なくとも１つの処理デバイスを含むナビゲーションシステムは、ホスト車両に関連するカメラから画像ストリームを受信することができる。受信画像の１つ又は複数の分析に基づき、目標車両１７０３、１７０５、１７０６、１７０８及び１７１０のいずれかを識別することができる。更に、ナビゲーションシステムは、識別された目標車両の１つ又は複数のナビゲーション特性を分析することができる。ナビゲーションシステムは、目標車両１７０３と１７０５との間の間隙が環状交差路内への潜在的合流の第１の機会を表すと認識することができる。ナビゲーションシステムは、目標車両１７０３を分析して、目標車両１７０３に関連する攻撃性のインジケータを決定することができる。目標車両１７０３が攻撃的であると見なされる場合、ホスト車両のナビゲーションシステムは、車両１７０３の前に合流するのではなく車両１７０３に道を譲ることに決めることができる。他方では、目標車両１７０３が自衛的であると見なされる場合、ホスト車両のナビゲーションシステムは、車両１７０３の前で合流動作を完了しようと試みることができる。
[0378] ホスト車両１７０１が環状交差路に到達するとき、ナビゲーションシステムの少なくとも１つの処理デバイスは、捕捉画像を分析して目標車両１７０３に関連するナビゲーション特性を決定することができる。例えば、画像に基づき、ホスト車両１７０１が安全に入るのに十分な間隙を与える距離で車両１７０３が車両１７０５を追走していると決定され得る。実際、攻撃的な距離の閾値を超える距離で車両１７０３が車両１７０５を追走していると決定される場合があり、従って、この情報に基づき、ホスト車両のナビゲーションシステムは、目標車両１７０３を自衛的であると識別することに傾き得る。しかし、一部の状況では、上記で論じたように攻撃的／自衛的の決定を行う際に目標車両の複数のナビゲーション特性を分析することができる。分析を拡大し、ホスト車両のナビゲーションシステムは、目標車両１７０３が目標車両１７０５の後ろに攻撃的ではない距離で続いているが、車両１７０３が攻撃的挙動に関連する１つ又は複数の閾値を上回る相対速度及び／又は相対加速度を車両１７０５に対して有すると決定することができる。実際、ホスト車両１７０１は、目標車両１７０３が車両１７０５に対して加速しており、車両１７０３及び１７０５間にある間隙を狭めていると決定することができる。相対的な速度、加速度及び距離（更には車両１７０３と１７０５との間の間隙が狭まっている速度）の更なる分析に基づき、ホスト車両１７０１は、目標車両１７０３が攻撃的に振る舞っていると決定することができる。従ってホスト車両が安全にナビゲートできる十分な間隙はあり得るが、ホスト車両１７０１は、目標車両１７０３の前に合流することがホスト車両の真後ろで攻撃的にナビゲートする車両をもたらすことになると予期することができる。更に、ホスト車両１７０１が車両１７０３の前に合流した場合、画像分析又は他のセンサ出力によって観測される挙動に基づき、目標車両１７０３がホスト車両１７０１に向かって加速し続けること、又は非ゼロ相対速度でホスト車両１７０１に向かって進むことが予期され得る。そのような状況は、安全性の観点から望ましくない場合があり、ホスト車両の乗客の不快感も招き得る。そのような理由から、図１７Ｂに示すようにホスト車両１７０１は、車両１７０３に道を譲り、車両１７０３の後ろ且つそのナビゲーション特性の１つ又は複数の分析に基づいて自衛的と見なされる車両１７１０の前で環状交差路内に合流することに決めることができる。
[0379] 図１８に戻り、ステップ１８０９では、ホスト車両のナビゲーションシステムの少なくとも１つの処理デバイスは、識別された障害物に対する目標車両の少なくとも１つの識別されたナビゲーション特性に基づき、ホスト車両のためのナビゲーション動作（例えば、車両１７１０の前且つ車両１７０３の後ろに合流すること）を決定することができる。ナビゲーション動作を（ステップ１８１１）で実施するために、少なくとも１つの処理デバイスは、決定されたナビゲーション動作に応じてホスト車両のナビゲーションアクチュエータの少なくとも１つの調節を引き起こすことができる。例えば、図１７Ａにおいて車両１７０３に道を譲るためにブレーキをかけることができ、図１７Ｂに示すように車両１７０３の後ろでホスト車両を環状交差路に入れさせるためにホスト車両の車輪の操舵と共にアクセルを踏むことができる。
[0380] 上記の例の中で説明したように、ホスト車両のナビゲーションは、別の車両又は物体に対する目標車両のナビゲーション特性に基づくことができる。加えて、ホスト車両のナビゲーションは、別の車両又は物体を具体的に参照することなしに目標車両のナビゲーション特性のみに基づき得る。例えば、図１８のステップ１８０７では、ホスト車両の環境から捕捉される複数の画像を分析することは、目標車両に関連する攻撃性のレベルを示す識別された目標車両の少なくとも１つのナビゲーション特性を決定することを可能にし得る。ナビゲーション特性は、攻撃的／自衛的の決定を行うために別の物体又は目標車両に対して参照する必要がない速度や加速度等を含み得る。例えば、所定の閾値を超えるか又はある値域に含まれるか若しくは値域を超える目標車両に関連する観測された加速度及び／又は速度が攻撃的な挙動を示し得る。逆に、所定の閾値を下回るか又はある値域に含まれるか若しくは値域を超える目標車両に関連する観測された加速度及び／又は速度が自衛的な挙動を示し得る。
[0381] 当然ながら、一部の例では、攻撃的／自衛的の決定を行うために、観測されるナビゲーション特性（例えば、位置、距離、加速度等）をホスト車両に対して参照することができる。例えば、目標車両に関連する攻撃性のレベルを示す目標車両の観測されるナビゲーション特性は、目標車両とホスト車両との間の相対加速度の増加、ホスト車両の後ろの目標車両の追走距離、目標車両とホスト車両との間の相対速度等を含み得る。
[0382] 事故責任の制約に基づくナビゲーション
[0383] 上記の節で説明したように、特定の規則に対する準拠を確実にするために計画されたナビゲーション動作を所定の制約に対してテストすることができる。幾つかの実施形態では、この概念を潜在的な事故責任の検討に拡張することができる。以下で論じるように、自律ナビゲーションの主な目標は、安全性である。絶対的な安全性は、（例えば、少なくとも自律制御下にある特定のホスト車両は、自らの周囲の他の車両を制御できず、自らの動作のみを制御できることを理由に）不可能であり得るため、自律ナビゲーションにおける検討事項として、また計画された動作に対する制約として潜在的な事故責任を使用することは、特定の自律車両が危険と見なされるいかなる動作も（例えば、潜在的な事故責任がホスト車両に帰す可能性がある動作を）行わないことを確実にすることを促進し得る。安全且つホスト車両側の帰責事由又は責任の事故を引き起こさないと決定される動作のみをホスト車両が行う場合、事故回避の所望のレベル（例えば、運転時間当たり１０－９未満）を実現することができる。
[0383] 上記の節で説明したように、特定の規則に対する準拠を確実にするために計画されたナビゲーション動作を所定の制約に対してテストすることができる。幾つかの実施形態では、この概念を潜在的な事故責任の検討に拡張することができる。以下で論じるように、自律ナビゲーションの主な目標は、安全性である。絶対的な安全性は、（例えば、少なくとも自律制御下にある特定のホスト車両は、自らの周囲の他の車両を制御できず、自らの動作のみを制御できることを理由に）不可能であり得るため、自律ナビゲーションにおける検討事項として、また計画された動作に対する制約として潜在的な事故責任を使用することは、特定の自律車両が危険と見なされるいかなる動作も（例えば、潜在的な事故責任がホスト車両に帰す可能性がある動作を）行わないことを確実にすることを促進し得る。安全且つホスト車両側の帰責事由又は責任の事故を引き起こさないと決定される動作のみをホスト車両が行う場合、事故回避の所望のレベル（例えば、運転時間当たり１０－９未満）を実現することができる。
[0384] 自律運転に対して最新の手法が提起する課題は、安全保証の欠如（又は少なくとも所望の安全レベルを提供できないこと）、更にはスケーラビリティの欠如である。マルチエージェント安全運転を保証する問題を検討する。機械によって引き起こされる交通事故死を社会が容認する可能性は低いため、許容可能な安全レベルが自律車両の受容に最重要である。目標は、事故を全く起こさないことであり得るが、複数のエージェントが概して事故に関与し、事故が他のエージェントの過失によってのみ起きる状況を想定することができるため、それは、不可能である場合がある。例えば、図１９に示すように、ホスト車両１９０１が複数レーン高速道路を走行しており、ホスト車両１９０１は、目標車両１９０３、１９０５、１９０７及び１９０９に対する自らの動作を制御することができるが、自らを取り囲む目標車両の動作を制御することができない。その結果、例えば、車両１９０５がホスト車両との衝突コース上でホスト車両のレーンに突然割り込んだ場合、ホスト車両１９０１は、目標車両の少なくとも１つとの事故を回避することができない可能性がある。この困難に対処するために、自律車両の専門家の典型的な応答は、より多くの走行距離にわたるデータが収集されるにつれて安全性の検証がより厳格になるデータ駆動型の手法を用いることである。
[0385] しかし、安全性に対するデータ駆動型の手法の問題のある性質を理解するために、１時間の（人間の）運転につき事故によって引き起こされる致死率は、１０－６であると知られていることをまず考慮する。運転作業において機械が人間に取って代わることを社会が容認するには、致死率が３桁、すなわち１時間当たり１０－９の確率まで減るべきであると想定することが妥当である。この推定は、エアバッグの及び航空規格の想定致死率と同様である。例えば、１０－９は、空中で航空機から翼が自然発生的に外れる確率である。しかし、累積する走行距離に比例して更なる信頼をもたらすデータ駆動型の手法を使用して安全性を保証する試みは、実用的ではない。１時間の運転当たり１０－９の致死率を保証するのに必要なデータ量は、その逆（すなわち１０９時間のデータ）に比例し、それは、およそ３００億マイル程度である。更に、マルチエージェントシステムは、その環境と相互作用し、（現実の人間の運転をその全てのリッチ度及び無謀運転等の複雑さと共にエミュレートする現実的なシミュレータが利用可能でない限り（しかし、シミュレータを検証する問題の方が安全な自律車両エージェントを作ることよりも一層困難である））オフラインで検証できない可能性が高い。計画及び制御のソフトウェアに対するいかなる変更も同じ規模の新たなデータの収集を必要とし、それは、明らかに手に負えず、実用的でない。更に、データによってシステムを開発することは、行われる動作の解釈可能性及び説明可能性の欠如に常に直面し、自律車両（ＡＶ）が事故死を招く事故を起こす場合、その理由が分からなければならない。その結果、安全性のためのモデルベースの手法が必要とされるが、自動車業界における既存の「機能的安全性」及びＡＳＩＬ要件は、マルチエージェント環境に対処するように設計されていない。
[0386] 自律車両のための安全運転モデルを開発する際の第２の主な課題は、スケーラビリティが必要なことである。ＡＶの基礎を成す前提は、「より良い世界を作ること」を超えて、むしろドライバーなしのモビリティをドライバーありよりも低コストで維持できるという前提に基づく。この前提は、（１００万台単位の）ＡＶの大量生産をサポートする意味及びより重要なことには新たな都市で運転できるようにする些細な増分コストをサポートする意味でスケーラビリティの概念と常に結び付く。従って、計算及び検知のコストは、重要であり、ＡＶが大量生産される場合、検証のコスト及び選択された幾つかの都市ではなく、「どこでも」運転できる能力もビジネスを維持するのに必要な要件である。
[0387] 最近の手法に関する問題は、（ｉ）所要の「計算密度」、（ｉｉ）高精細マップが定められ作成される方法、及び（ｉｉｉ）センサの所要の仕様という３軸に沿った「総当たり的な」考え方にある。総当たり的手法は、スケーラビリティに反し、無限のオンボード計算が遍在し、ＨＤマップを構築し維持するコストが些細且つスケーラブルになり、斬新で超高度なセンサが開発され自動車のグレードに合わせて些細なコストで製品化される将来に負担を転嫁する。上記のいずれかが実現する将来は、実際、理にかなっているが、上記の影響力の全てを得ることは、低確率の事象である可能性が高い。従って、社会が容認することができ且つ先進国内のいずれかの箇所で運転する何百万台もの車をサポートする意味でスケーラブルであり、ＡＶプログラム内に安全性及びスケーラビリティを統合する形式モデルを提供する必要がある。
[0388] 開示する実施形態は、目標の安全レベルを提供することができ（更には安全目標を上回ることさえでき）、何百万台もの（又はそれを上回る）自律車両を含むシステムにスケーリングすることもできる解決策を表す。安全面では、「責任敏感型安全性」（ＲＳＳ）と呼ばれるモデルが導入され、このモデルは、「事故過失」の概念が解釈可能且つ説明可能であることを形式化し、ロボットエージェントの動作に「責任」感を組み込む。ＲＳＳの定義は、それが実装される方法によって不可知論的であり、それは、人を納得させるグローバル安全モデルを作成する目標を促進するための重要な特徴である。ＲＳＳは、（図１９に見られるように）事故においてエージェントが非対称な役割を担うという考えによって動機付けられ、かかる事故では、典型的にはエージェントの１つのみが事故の原因であり、従ってその責任を負う。ＲＳＳモデルは、（例えば、遮蔽によって）全てのエージェントが常に見えるわけではない限られた検知条件下での「慎重な運転」の形式的処理も含む。ＲＳＳモデルの１つの主な目標は、エージェントが自らに「過失」があるか又は自らに責任がある事故を決して起こさないことを保証することである。モデルは、ＲＳＳに準拠する効率的なポリシ（例えば、「検知状態」を動作にマップする関数）を伴う場合にのみ有用であり得る。例えば、現時点では無害であるように思われる動作が遠い将来において大惨事につながる可能性がある（「バタフライ効果」）。ＲＳＳは、ホスト車両の動作の結果として将来事故が発生しないことを保証する（又は少なくとも事実上保証する）ことができる短期的将来に対する局所的制約の組を構築するのに役立ち得る。
[0389] 別の寄与は、単位、測定及び動作空間で構成される「意味論的」言語の導入並びにそれらがＡＶの計画、検知及び作動にどのように組み込まれるかに関する仕様を軸に展開される。意味論がどのようなものかを知るために、これに関連して運転講習を受けている人間が「運転ポリシ」について考えるようにどのように指示されるかを検討する。これらの指示は、幾何学的ではない（「現在の速度で１３．７メートル走行し、次いで０．８ｍ／ｓ２のレートで加速する」という形式を取らない）。むしろ、これらの指示は、意味論的な性質のものである（「前の車を追走する」又は「左側の車を追い越す」）。人間の運転ポリシの典型的な言語は、加速度ベクトルの幾何学的単位ではなく縦方向の目標及び横方向の目標に関する。形式的な意味論的言語は、時間及びエージェントの数と共に指数関数的に増大しない計画の計算の複雑さとつながりがある、安全性と快適さとが相互作用する方法とつながりがある、検知の計算が定められる方法とつながりがあり、及びセンサのモダリティ及び融合方法体系内でそれらがどのように相互作用するかの仕様とつながりがある複数の面で有用であり得る。（意味論的言語に基づく）融合方法体系は、１０５時間程度の運転データのデータセットにわたるオフライン検証のみを行う一方、ＲＳＳモデルは、１時間の運転当たり所要の１０－９の致死率を実現することを保証し得る。
[0390] 例えば、強化学習の設定では、計画に使用される対象期間に関係なく、任意の所与の時間において検査すべき軌道の数が１０４によって制約される意味空間上でＱ関数（例えば、エージェントが状態ｓ∈Ｓにあるとき動作ａ∈Ａを実行する長期の品質を評価する関数。かかるＱ関数を所与として、動作の自然な選択は、最も高い品質のもの、π（ｓ）＝ａｒｇｍａｘａＱ（ｓ，ａ）を選ぶことであり得る）を定めることができる。この空間内の信号対雑音比は、高い可能性があり、効果的な機械学習法がＱ関数のモデリングに成功することを可能にする。検知の計算の場合、意味論は、安全性に影響を及ぼす間違いと、運転の快適さに影響を及ぼす間違いとを区別することを可能にし得る。Ｑ関数に結び付けられる検知のためのＰＡＣモデル（確率的で近似的に正しい（ＰＡＣ））、ValiantのＰＡＣ学習用語を借りる）を定め、ＲＳＳに準拠するが、運転の快適さの最適化を可能にする方法で測定の間違いをどのように計画に組み込むかを示す。大域座標系に対する誤差等の他の標準的な誤差の測度は、ＰＡＣ検知モデルに準拠しない場合があるため、このモデルの特性の側面の成功には意味論的言語が重要であり得る。加えて、意味論的言語
は、低帯域幅の検知データを使用して構築可能であり、従ってクラウドソージングによって構築可能でありスケーラビリティをサポートするＨＤマップを定めるための重要な実現要因であり得る。
は、低帯域幅の検知データを使用して構築可能であり、従ってクラウドソージングによって構築可能でありスケーラビリティをサポートするＨＤマップを定めるための重要な実現要因であり得る。
[0391] 要約すると、開示する実施形態は、ＡＶの重要な要素、すなわち検知、計画及び動作に及ぶ形式モデルを含み得る。このモデルは、計画の観点からＡＶ側の責任の事故がないことを保証することを促進し得る。更にＰＡＣ検知モデルにより、検知誤差を伴っても、説明した融合方法体系は記載した安全モデルに準拠するために非常に妥当な規模のオフラインデータ集合のみを必要とする場合がある。更に、このモデルは、意味論的言語によって安全性とスケーラビリティとを結び付けることができ、それにより安全且つスケーラブルなＡＶのための完全な方法体系を提供する。最後に、業界及び取締機関によって採用される承認された安全モデルを開発することは、ＡＶの成功にとって必要な条件であり得ることに留意しておく必要がある。
[0392] ＲＳＳモデルは、古典的な検知－計画－動作のロボット制御法に概して従うことができる。検知システムは、ホスト車両の環境の現在の状態を理解することを担い得る。「運転ポリシ」と呼ぶことができ、トレーニング済みシステム（例えば、ニューラルネットワーク）又は組み合わせによってハードコードされた命令の組として実施され得る計画部分は、運転の目標を達成するために利用可能な選択肢の観点から何が次の最良の動きであるか（例えば、高速道路から出るために左レーンから右レーンに移動する方法）を決定することを担い得る。動作部分は計画を実施することを担う（例えば、選択されたナビゲーション動作を実施するために車両を操舵し、加速し、及び／又は車両のブレーキをかける等のためのアクチュエータ及び１つ又は複数のコントローラのシステム）。以下に記載の実施形態は、主に検知部分及び計画部分に焦点を当てる。
[0393] 事故は、検知誤差又は計画誤差に端を発し得る。ＡＶの動作に反応する他の道路利用者（人間及び機械）があるため、計画は、マルチエージェントの試みである。記載のＲＳＳモデルは、とりわけ計画部分について安全性に対処するように設計される。これをマルチエージェントの安全性と呼ぶことができる。統計的手法では、計画誤差の確率の推定が「オンライン」で行われ得る。すなわち、計画誤差の頻度の許容可能な推定レベルをもたらすために、ソフトウェアが更新される度に、その新たなバージョンで何十億マイルも運転されなければならない。これは、明らかに実行不可能である。代替策として、ＲＳＳモデルは、ＡＶに過失がある間違いを計画モジュールが犯さないという１００％の保証（又は事実上１００％の保証）を与え得る（「過失」の概念は形式的に定義する）。ＲＳＳモデルは、オンラインテストに依存しないその検証のための効率的手段も提供し得る。
[0394] 検知は、車両の動作と独立とすることができ、従って深刻な検知誤差の確率を、「オフライン」データを使用して検証することができるため、検知システムの誤差は、検証がより容易であり得る。しかし、１０９時間を超える運転のオフラインデータを集めることでさえ困難である。開示する検知システムの説明の一部として、著しく少量のデータを使用して検証することができる融合手法を記載した。
[0395] 記載するＲＳＳシステムは、何百万台もの車に合わせてスケーリング可能とすることもできる。例えば、記載の意味論的運転ポリシ及び適用される安全制約は、今日の技術でさえ何百万台もの車に合わせてスケーリング可能な検知及びマッピング要件と合致し得る。
[0396] かかるシステムの基礎を成す構成要素は、ＡＶシステムが守る必要があり得る最小限の標準である安全性定義である。以下の技術的な補助定理では、「システムが１時間当たりＮ回の事故を起こす」等の単純な主張を検証することについてさえ、ＡＶシステムの検証のための統計的手法が実行不可能であると示されている。これは、モデルベースの安全性定義のみがＡＶシステムを検証するための実現可能ツールであることを含意する。補助定理１ Ｘを確率空間とし、ＡをＰｒ（Ａ）＝ｐ１＜０．１が成立する事象とする。Ｘから、
i.i.d.サンプルをサンプリングし、
とする。従って、Ｐｒ（Ｚ＝０）≧ｅ－２が成立する。
証明 不等式１－ｘ≧ｅ－２ｘ（付録Ａ．１内で完全性について証明されている）を使用して次式を得る。
系１ ＡＶシステムＡＶ１が、小さいが不十分な確率ｐ１で事故を起こすと仮定する。１／ｐ１サンプル与えられる任意の決定論的検証手続きは、ＡＶ１と事故を全く起こさない別のＡＶシステムＡＶ０とを一定の確率で区別しない。
証明 不等式１－ｘ≧ｅ－２ｘ（付録Ａ．１内で完全性について証明されている）を使用して次式を得る。
[0397] そのような確率の典型的な値にわたる展望を得るために、１時間当たり１０－９の事故確率を望み、特定のＡＶシステムが１０－８の確率のみを提供すると仮定する。たとえシステムが１０８時間の運転を得ても、システムが危険であることを検証プロセスが示すことができない一定の確率がある。
[0398] 最後に、この課題は、単一の特定の危険なＡＶシステムを無効化することに関することに留意されたい。新たなバージョン、バグフィックス及び更新が必要になるため、完全な解決策は、単一のシステムとして見なすことができない。各変更は、単一のコード行の変更でさえ検証側の観点から新たなシステムを生成する。従って、統計的に検証される解決策は、新たなシステムによって観測され到達される状態の分布のシフトに対処するため、あらゆる小さい修正又は変更後に新たなサンプルにわたってそれをオンラインで行わなければならない。そのような膨大な数のサンプルを繰り返し且つ系統的に得ること（その場合にもシステムを検証できない一定の確率を伴う）は、実行不可能である。
[0399] 更に、いかなる統計的主張も測定のために形式化されなければならない。システムが起こす事故の数にわたる統計的特性を主張することは、「システムが安全な方法で運転する」と主張するよりも著しく弱い。それを言うには、安全とは何かを形式的に定義する必要がある。
[0400] 絶対的な安全性は、不可能である
[0401] 車ｃが行う動作ａは、将来のある時点においてその動作後に事故が起こらないことが可能である場合、絶対的に安全であると見なすことができる。例えば、図１９に示すような単純な運転シナリオを観測することにより、絶対的な安全性を実現するのは不可能であることが分かる。車両１９０１の観点から、周囲の車が自らに衝突しないことを保証することができる動作はない。自律車両がそのような状況にあることを禁じることによってその問題を解決するのも不可能である。２レーンを超える全ての高速道路は、いずれかの時点においてこの問題を招くため、このシナリオを禁じると、車庫内に留まる必要があることになる。これらの含意は、一見したところ期待外れであるように思われる。何も絶対的に安全ではない。しかし、人間のドライバーが絶対的な安全性の要件に従わないことから明らかなように、上記で定めた絶対的な安全性を得るためのかかる要件は、厳し過ぎる可能性がある。むしろ、人間は、責任に依存する安全性の概念に従って行動する。
[0401] 車ｃが行う動作ａは、将来のある時点においてその動作後に事故が起こらないことが可能である場合、絶対的に安全であると見なすことができる。例えば、図１９に示すような単純な運転シナリオを観測することにより、絶対的な安全性を実現するのは不可能であることが分かる。車両１９０１の観点から、周囲の車が自らに衝突しないことを保証することができる動作はない。自律車両がそのような状況にあることを禁じることによってその問題を解決するのも不可能である。２レーンを超える全ての高速道路は、いずれかの時点においてこの問題を招くため、このシナリオを禁じると、車庫内に留まる必要があることになる。これらの含意は、一見したところ期待外れであるように思われる。何も絶対的に安全ではない。しかし、人間のドライバーが絶対的な安全性の要件に従わないことから明らかなように、上記で定めた絶対的な安全性を得るためのかかる要件は、厳し過ぎる可能性がある。むしろ、人間は、責任に依存する安全性の概念に従って行動する。
[0402] 責任敏感型安全性（ＲＳＳ）
[0403] 絶対的な安全性の概念から欠落している重要な側面は、殆どの事故の非対称性、すなわち衝突の責任があり、従って過失を負うべきなのが通常ドライバーの１人であることである。図１９の例では、例えば、左側の車１９０９が突然追突してきた場合、中央の車１９０１に過失はない。中央の車１９０１に責任がないことを考慮する事実を形式化するために、自らのレーン内に留まるＡＶ１９０１の挙動は、安全と見なすことができる。それを行うために、安全運転手法の前提としての役割を果たし得る「事故過失」又は事故責任の形式的概念について説明する。
[0403] 絶対的な安全性の概念から欠落している重要な側面は、殆どの事故の非対称性、すなわち衝突の責任があり、従って過失を負うべきなのが通常ドライバーの１人であることである。図１９の例では、例えば、左側の車１９０９が突然追突してきた場合、中央の車１９０１に過失はない。中央の車１９０１に責任がないことを考慮する事実を形式化するために、自らのレーン内に留まるＡＶ１９０１の挙動は、安全と見なすことができる。それを行うために、安全運転手法の前提としての役割を果たし得る「事故過失」又は事故責任の形式的概念について説明する。
[0404] 一例として、直線道路に沿って縦に並んで同じ速度で運転している２つの車ｃｆ，ｃｒの単純な事例を検討する。前の車であるｃｆが、道路上に現れた障害物により突然ブレーキをかけ、それを回避できたと仮定する。残念ながら、ｃｆから十分な距離を保っていなかったｃｒは、遅れずに反応することができずにｃｆの後部に衝突する。過失がｃｒにあることは明らかであり、前の車から安全な距離を保ち、予期せぬが妥当なブレーキに備えておくことは、後ろの車の責任である。
[0405] 次に、より広範なシナリオ群、すなわち車が自由にレーン変更可能な複数レーン道路内での運転、他の車の経路内への割り込み、様々な速度での運転等を検討する。以下の解説を単純化するために、横軸、縦軸がそれぞれｘ軸、ｙ軸である平面上の直線道路を想定する。これは、実際の曲線道路と直線道路との間の準同形を定めることによって緩やかな条件下で実現することができる。加えて、離散的な時空を検討する。定義は、直観的に異なる２組の事例、すなわち著しい横方向の操作が行われない単純なものと横方向の移動を伴うより複雑なものとを区別することを促進し得る。
[0406] 定義１（車の地帯） 車ｃの地帯は、範囲［ｃｘ，ｌｅｆｔ，ｃｘ，ｒｉｇｈｔ］×［±∞］であり、但し、ｃｘ，ｌｅｆｔ、ｃｘ，ｒｉｇｈｔは、ｃの最も左の角の位置、最も右の角の位置である。
[0407] 定義２（割り込み） 時点ｔ－１において車ｃ１（例えば、図２０Ａ及び図２０Ｂの車２００３）が車ｃ０（例えば、図２０Ａ及び図２０Ｂの車２００１）の地帯に交差せず、時点ｔにおいて交差する場合、時点ｔにおいて車ｃ１が車ｃ０の地帯に割り込む。
[0408] 地帯の前部／後部間で更なる区別を行うことができる。「割り込みの方向」という用語は、関連する地帯の境界の方向に移動することを表し得る。これらの定義は、横方向の移動を伴う事例を定めることができる。ある車が別の車を追走する単純な事例等、かかる発生がない単純な事例では安全な縦方向距離が定められる。
[0409] 定義３（安全な縦方向距離） 車ｃｒ（車２１０３）とｃｒの前方地帯内にある別の車ｃｆ（車２１０５）との間の縦方向距離２１０１（図２１）は、反応時間ｐに関して安全であり、ｃｆによって行われる任意のブレーキコマンドａ、｜ａ｜＜ａｍａｘ，ｂｒａｋｅについて、ｃｒがその最大ブレーキを時間ｐから完全停止まで加える場合、ｃｒは、ｃｆと衝突しない。
[0410] 以下の補助定理２は、ｃｒ、ｃｆの速度、応答時間ｐ及び最大加速度αｍａｘ，ｂｒａｋｅに応じてｄを計算する。ｐもαｍａｘ，ｂｒａｋｅも定数であり、規則によって何らかの妥当な値に決定されるべきである。更なる例では、応答時間ｐ及び最大加速度αｍａｘ，ｂｒａｋｅのいずれか１つは、特定の車両若しくは車両の種類について設定され得、又は測定値若しくは車両の状態、道路の状態、ユーザの（例えば、ドライバー若しくは乗客の）好み等に関する入力パラメータに応じて適合／調節され得る。
[0411] 補助定理２ 縦軸上でｃｆの後ろにある車両をｃｒとする。最大ブレーキコマンド及び最大アクセルコマンドをａｍａｘ，ｂｒａｋｅ、ａｍａｘ，ａｃｃｅｌとし、ｃｒの反応時間をρとする。車の縦速度をυｒ、υｆとし、それらの長さをｌｆ、ｌｒとする。υｐ，ｍａｘ＝υｒ＋ρ・ａｍａｘ，ａｃｃｅｌと定め、
と定める。Ｌ＝（ｌｒ＋ｌｆ）／２とする。従って、ｃｒの最小安全縦方向距離は、次式のようになる。
[0412] 証明 時点ｔにおける距離をｄｔとする。事故を防ぐために、全てのｔについてｄｔ＞Ｌを得なければならない。ｄｍｉｎを構築するために、ｄ０に対する最もきつい必要とされる下限を見つける必要がある。明らかに、ｄ０は、少なくともＬである必要がある。Ｔ≧ρ秒後に２つの車が停止しない限り、前の車の速度は、υｆ－Ｔａｍａｘ，ｂｒａｋｅであるのに対し、ｃｒの速度は、υρ，ｍａｘ－（Ｔ－ρ）ａｍａｘ，ａｃｃｅｌによって上限を設けられる。そのため、Ｔ秒後のこれらの車の間の距離は、
によって下限を設けられる。
[0413] Ｔｒは、ｃｒが完全に停止する時間であり（０の速度）、Ｔｆは、他方の車両が完全に停止する時間であることに留意されたい。ａｍａｘ，ｂｒａｋｅ（Ｔｒ－Ｔｆ）＝υρ，ｍａｘ－υｆ＋ρａｍａｘ，ｂｒａｋｅが成立し、そのため、Ｔｒ≦Ｔｆである場合、ｄ０＞Ｌであることを要求すれば足りることに留意されたい。Ｔｒ＞Ｔｆである場合、次式が成立する。
ｄＴｒ＞Ｌを要求し、項を整理すれば証明が完了する。
[0414] 最後に、「マージン」の一部の概念との比較を可能にする比較演算子を定める。長さ及び速度等を比較する場合、非常に類似した量を「等しい」ものとして認める必要がある。
定義４（μ比較） ２つの数ａ、ｂのμ比較は、ａ＞ｂ＋μの場合にはａ＞μｂであり、ａ＜ｂ－μの場合にはａ＜μｂであり、｜ａ－ｂ｜≦μの場合にはａ＝μｂである。
定義４（μ比較） ２つの数ａ、ｂのμ比較は、ａ＞ｂ＋μの場合にはａ＞μｂであり、ａ＜ｂ－μの場合にはａ＜μｂであり、｜ａ－ｂ｜≦μの場合にはａ＝μｂである。
[0415] 以下の比較（ａｒｇｍｉｎやａｒｇｍａｘ等）は、一部の適切なμに関するμ比較である。車ｃ１、ｃ２間で事故が起きたと想定する。事故の過失が誰にあるかを検討するために、調べる必要がある関連する瞬間を定める。これは、事故前の且つ直観的に「復帰不能点」であったある時点であり、この時点後、事故を防ぐために何もすることができない。
[0416] 定義５（過失時点） 事故の過失時点は、
・車の１つと他の車の地帯との間の交差があり、
・縦方向距離が安全ではなかった、
事故前の最も早い時点である。
・車の１つと他の車の地帯との間の交差があり、
・縦方向距離が安全ではなかった、
事故前の最も早い時点である。
[0417] 事故の瞬間は、両方の条件が当てはまるため、明らかにそのような時点はある。過失時点は、以下の２つの別個のカテゴリに分けることができる：
・割り込みも発生するものであり、すなわち、それは、ある車と他の車の地帯との交差の第１の瞬間であり、その交差は、危険な距離にある。
・割り込みが発生しないものであり、すなわち安全な縦方向距離で地帯との交差が既にあり、過失時点においてその距離が危険に変わっている。
・割り込みも発生するものであり、すなわち、それは、ある車と他の車の地帯との交差の第１の瞬間であり、その交差は、危険な距離にある。
・割り込みが発生しないものであり、すなわち安全な縦方向距離で地帯との交差が既にあり、過失時点においてその距離が危険に変わっている。
[0418] 定義６（横方向速度によるμ－Ｌｏｓｉｎｇ） 車ｃ１、ｃ２間で割り込みが発生すると仮定する。割り込みの方向に対するその横方向速度がｃ２の横方向速度よりもμ速い場合、ｃ１が横方向速度でμ－Ｌｏｓｅすると言える。
[0419] 速度の方向が重要であることに留意すべきである。例えば、－１，１の速度（両方の車が互いに衝突する）は、互角であるが、速度が１，１＋μ／２である場合、他方の車に対して正の方向を有する車に過失がある。直観的に、この定義は、別の車に横方向に非常に速く追突する車に過失を負わせることを可能にする。
[0420] 定義７（横方向位置による（μ１，μ２）－勝利） 車ｃ１、ｃ２間で割り込みが発生すると仮定する。割り込みレーンの中央（割り込みに関連する地帯に最も近い中央）に対するその横方向位置が（絶対値で）μ１よりも小さくｃ２のものよりもμ２小さい場合、ｃ１が横方向位置で（μ１，μ２）－勝利すると言える。
[0421] 直観的に、レーンの中央に非常に近く（μ１）他の車よりもはるかに（μ２の分だけ）近い場合、その車に過失を負わせることはない。
[0422] 定義８（過失） 車ｃ１、ｃ２間の事故の過失又は責任は、過失時点における状態の関数であり、以下のように定められる：
・過失時点が割り込み時ではない場合、過失は後ろの車にある。
・過失時点が割り込み時でもある場合、車の一方について、一般性を失わずにｃ１について一部の既定のμに関して以下の２つの条件、すなわち、
・横方向速度で負けないこと
・横方向位置で勝利すること
が当てはまらない限り、過失は、両方の車にある。
・過失時点が割り込み時ではない場合、過失は後ろの車にある。
・過失時点が割り込み時でもある場合、車の一方について、一般性を失わずにｃ１について一部の既定のμに関して以下の２つの条件、すなわち、
・横方向速度で負けないこと
・横方向位置で勝利すること
が当てはまらない限り、過失は、両方の車にある。
[0423] この事例では、ｃ１が容赦される。換言すれば、危険な割り込みが発生した場合、車の一方が（著しく）横方向に速くなく、且つレーンの中央に（著しく）近い場合を除いて両方の車に過失がある。これにより、車を追走する場合に安全な距離を保ち、自らのレーン内を単純に走行する車の地帯に割り込む場合に安全な距離でのみ割り込むという所望の挙動が捕捉される。以下で更に論じるように、上記の安全ガイドラインに従うための自動コントローラベースシステムは、過度に自衛的な走行を引き起こすべきではない。
[0424] 限られた検知への対処
[0425] 高速道路の例を検討した後、次に第２の例は限られた検知の問題に対処する。事故について非難されたときの非常に一般的な人間の反応は、「しかし、見えなかった」カテゴリに属する。それは、多くの場合に真実である。時として道路の別の部分に集中する無意識の決定により、時として不注意により、及び時として物理的制約により（駐車車両の後ろに隠れている歩行者を見るのは不可能である）、人間の検知能力は、限られている。それらの人間の制約のうち、高度な自動検知システムは、後者の影響のみを受け、コンピュータは決して不注意にならないことと共に、３６０°の道路のビューは、コンピュータが人間の検知能力を上回ることを引き起こす。「しかし、見えなかった」の例に戻り、適切な回答は、「より注意すべきであった」である。限られた検知に関してどのようなものが慎重であるかを形式化するために、図２２に示すシナリオを検討する。車２２０１（ｃ０）が駐車場を出て（場合により）混んでいる道路に合流しようとしているが、その視界が建物２２０３によって遮られているため、道に車があるかどうかを見ることができない。これが３０ｋｍ／ｈの制限速度を有する都市の狭い道であると想定する。人間のドライバーの行動は、道路上にゆっくりと合流して検知の制限がなくなるまでより多くの視野を得ることである。遮られていた物体が初めて明らかになる最初の時点である有意の瞬間を定めるべきであり、物体が明らかになった後、他の任意の検知可能な物体と同様にそれに対処する。
[0425] 高速道路の例を検討した後、次に第２の例は限られた検知の問題に対処する。事故について非難されたときの非常に一般的な人間の反応は、「しかし、見えなかった」カテゴリに属する。それは、多くの場合に真実である。時として道路の別の部分に集中する無意識の決定により、時として不注意により、及び時として物理的制約により（駐車車両の後ろに隠れている歩行者を見るのは不可能である）、人間の検知能力は、限られている。それらの人間の制約のうち、高度な自動検知システムは、後者の影響のみを受け、コンピュータは決して不注意にならないことと共に、３６０°の道路のビューは、コンピュータが人間の検知能力を上回ることを引き起こす。「しかし、見えなかった」の例に戻り、適切な回答は、「より注意すべきであった」である。限られた検知に関してどのようなものが慎重であるかを形式化するために、図２２に示すシナリオを検討する。車２２０１（ｃ０）が駐車場を出て（場合により）混んでいる道路に合流しようとしているが、その視界が建物２２０３によって遮られているため、道に車があるかどうかを見ることができない。これが３０ｋｍ／ｈの制限速度を有する都市の狭い道であると想定する。人間のドライバーの行動は、道路上にゆっくりと合流して検知の制限がなくなるまでより多くの視野を得ることである。遮られていた物体が初めて明らかになる最初の時点である有意の瞬間を定めるべきであり、物体が明らかになった後、他の任意の検知可能な物体と同様にそれに対処する。
[0426] 定義９（露出時点） 物体の露出時点は、それを見ることができる最初の時点である。
[0427] 定義１０（不当な速度による過失） 露出時点において又はその後、車ｃ１（車２２０５）が速度υ＞υｌｉｍｉｔで走行しており、ｃ０がその速度で走行していなかったと想定する。この場合、過失は、ｃ１のみにある。ｃ１が不当な速度により過失を負うと言える。
[0428] この拡張は、ｃ０が駐車場から安全に出ることを可能にする。本発明者らの先の責任敏感型安全性の定義を（道路状態及び制限速度に加えて妥当なマージンを使用する）動力学的なυｌｉｍｉｔの定義と共に使用し、図示の最悪の事例において、必要であるのは、ｃ１がυｌｉｍｉｔを上回らないと仮定しながら割り込みが安全な縦方向距離にあるかどうかを確認することのみである。直観的に、これは、より遅く且つ遮蔽体から離れて走行し、それによりゆっくりと自らの視野を広げ、安全に道に合流することを後に可能にするようにｃ０を促す。
[0429] この限られた検知についての基本事例に事故責任の定義を拡張し、拡張群が同様の事例に対処し得る。見えなくされる可能性がある対象がどのようなものか（近接して駐車される２つの車の間に潜在的に速い車が隠れることはあり得ないが、歩行者はあり得る）及びその対象が行い得る最悪の事例の操作がどのようなものか（歩行者のυｌｉｍｉｔは、車のυｌｉｍｉｔよりもはるかに小さい）に関する単純な想定は、運転に対する制約を含意し、最悪の場合に備える必要があり、露出時点が突然訪れた場合に反応する能力を有する必要がある。都市のシナリオにおけるより複雑な例は、場合により駐車車両によって隠れている歩行者のシナリオから得ることができる。歩行者との事故に関する事故過
失を定めることができる。
失を定めることができる。
[0430] 定義１１（歩行者との事故の過失） 歩行者との事故の過失は、以下の３つ、すなわち、
・車の側部に歩行者が衝突し、車の横方向速度が衝突方向に対してμ未満であること、
・露出時点又はその後における歩行者の速度がυｌｉｍｉｔを上回ったこと、
・車が完全に停止していたこと
の１つが当てはまらない限り、過失は、常に車にある。
・車の側部に歩行者が衝突し、車の横方向速度が衝突方向に対してμ未満であること、
・露出時点又はその後における歩行者の速度がυｌｉｍｉｔを上回ったこと、
・車が完全に停止していたこと
の１つが当てはまらない限り、過失は、常に車にある。
[0431] 変則的に、車がμよりも速く歩行者に追突しない一方で車の側部に歩行者が衝突する場合、又は車が停止している場合、又は歩行者が必ずしも衝突方向ではない何らかの方向に超人的に速く走っていた場合にのみ車に過失がない。
[0432] 記載したシステムは、絶対的な安全性は保証しない可能性があるが、（たとえあったとしても）非常に少ない事故が自律車両間で起きるシナリオをもたらし得る。例えば、全ての車（及び他の道路利用者）が、行った動作の結果としての事故の過失を問われないことを問題なく検証できる場合、事故をなくすことができる。定義上、あらゆる事故について少なくとも１つの有責の車がある。従って、結果として生じる事故について（上記のＲＳＳモデルに従って）責任を負う可能性がある動作を行う車がない場合、事故は、全く起きないはずであり、手に負えず実用的でない統計的方法が求める一種の絶対的な安全性又はほぼ絶対的な安全性をもたらす。
[0433] 全ての道路の構造が単純なわけではない。交差点及び環状交差路等の一部は、様々な優先通行権の規則と共により複雑な状況を含む。隠れる物体の全てが車又は歩行者ではなく、自転車及びバイク、あらゆる適法の道路利用者を考慮すべきである。この節で紹介した原理は、これらの追加の事例に拡張することができる。
[0434] 責任敏感型安全性のための効率的に検証される条件
[0435] この節は、ＲＳＳの実装の側面について論じる。まず始めに、ここで行われる動作は、例えば、１０分間の走行後の事故に対する一連の事象を引き起こすバタフライ効果を有し得ることに留意すべきである。起こり得る全ての将来の結果を調べる「総当たり的」手法は、実際的でないだけでなく、不可能である可能性が高い。この課題を克服するために、次に、上記の責任敏感型安全性の定義についてそれらを検証するのに計算効率の良い方法と共に説明する。
[0435] この節は、ＲＳＳの実装の側面について論じる。まず始めに、ここで行われる動作は、例えば、１０分間の走行後の事故に対する一連の事象を引き起こすバタフライ効果を有し得ることに留意すべきである。起こり得る全ての将来の結果を調べる「総当たり的」手法は、実際的でないだけでなく、不可能である可能性が高い。この課題を克服するために、次に、上記の責任敏感型安全性の定義についてそれらを検証するのに計算効率の良い方法と共に説明する。
[0436] 計算的に実現可能な安全性検証。
[0437] 計算的に実現可能な検証のための主な数学的ツールは、「帰納法」である。帰納法によって主張を証明するために、単純な事例に関する主張を証明することから始め、その後、帰納法の各ステップがより入り組んだ事例に証明を拡張する。この帰納法ツールが安全性検証にどのように有用であり得るかを示すために、別の車ｃｆを追走する車ｃｒの単純な例（図２１）を再び検討する。以下の制約は、ｃｒのポリシに適用することができる。たとえｃｆが－ａｍａｘの減速を加えても、その結果生じる次の時間ステップにおけるｃｒとｃｆとの間の距離が少なくとも（定義３及び補助定理２で定めた）安全な縦方向距離になるように、ポリシは、各時間ステップｔにおいて任意の加速コマンドを選ぶことができる。そのような動作が存在しない場合、ｃｒは、減速－ａｍａｘを適用しなければならない。以下の補助定理は、帰納法を使用して、上記の制約に従ういかなるポリシもｃｆとの事故を決して起こさないことを証明する。
[0437] 計算的に実現可能な検証のための主な数学的ツールは、「帰納法」である。帰納法によって主張を証明するために、単純な事例に関する主張を証明することから始め、その後、帰納法の各ステップがより入り組んだ事例に証明を拡張する。この帰納法ツールが安全性検証にどのように有用であり得るかを示すために、別の車ｃｆを追走する車ｃｒの単純な例（図２１）を再び検討する。以下の制約は、ｃｒのポリシに適用することができる。たとえｃｆが－ａｍａｘの減速を加えても、その結果生じる次の時間ステップにおけるｃｒとｃｆとの間の距離が少なくとも（定義３及び補助定理２で定めた）安全な縦方向距離になるように、ポリシは、各時間ステップｔにおいて任意の加速コマンドを選ぶことができる。そのような動作が存在しない場合、ｃｒは、減速－ａｍａｘを適用しなければならない。以下の補助定理は、帰納法を使用して、上記の制約に従ういかなるポリシもｃｆとの事故を決して起こさないことを証明する。
[0438] 補助定理３ 定義３で与えた仮定の下、ｃｒのポリシが上記で示した制約に従う場合、ｃｒは、ｃｆとの事故を決して起こさない。
[0439] 証明 証明は、帰納法による。帰納法の基礎に関して、（補助定理２に従い）２つの車間距離が安全である最初の状態から開始する。帰納法のステップは、以下の通りである。ある時点ｔにおけるｃｒとｃｆとの間の距離を検討する。（ｃｆが最大限の減速を行っても）安全な距離をもたらす動作がある場合には問題ない。全ての動作が安全な距離を保証できない場合、最大限の減速ではない動作を行った最大時間をｔ'＜ｔとする。帰納法の仮定により、時点ｔ'＋１では安全な距離にあり、そこから最大限の減速を行った。従って、安全な距離の定義により、時点ｔ'から現在まで衝突はなく、それが証明を結論付ける。
[0440] 上記の例は、より全般的な概念、すなわち極端な事例においてｃｒによって行われ、ｃｒを「安全な状態」に戻す何らかの緊急操作があることを実証する。上記で説明したポリシに対する制約は、将来の１つの時間ステップのみに依存し、従って計算効率の良い方法で検証できることに留意すべきである。
[0441] ＲＳＳのための十分な局所特性の概念を汎用化するために、デフォルト緊急ポリシ（ＤＥＰ）をまず定義し、「慎重」と呼ぶ動作実行の局所特性を定めるための構成要素としてそれを使用する。従って、慎重なコマンドのみを取ることがＲＳＳに十分であると示される。
[0442] 定義１２（デフォルト緊急ポリシ） デフォルト緊急ポリシ（ＤＥＰ）は、最大ブレーキ力及びレーンに対する０の進行方位に向けた最大限の進行方位の変更を加えることである。最大ブレーキ力及び進行方位の変更は、車の物理的パラメータから（場合により気象条件及び道路条件からも）導出される。定義１３（安全な状態） 状態ｓは、状態ｓから始まるＤＥＰを行うことが自らに過失がある事故を引き起こさない場合安全である。別の車を追走する車の単純な事例にあるのと同様に、それが安全な状態をもたらす場合、コマンドを慎重であると定める。ここで、定義１４（慎重コマンド） 状態ｓ０にあると仮定する。他の車両がここで行う可能性がある可能なコマンドの組Ａに対して次の状態ｓ１が安全である場合、コマンドａは、慎重である。上記の定義は、他の車両が行い得る組Ａの中の最悪の事例のコマンドに依存する。最大限のブレーキ／加速及び横方向の移動に対する妥当な上限に基づいて組Ａを構築する。
[0443] 以下の理論は、ここでも帰納法により、慎重なコマンドのみを出す場合、自らに過失がある事故がないことを証明する。定理１ 時点０においてｃが安全な状態にあり、全ての時間ステップについてｃが慎重なコマンドのみを出し、何らかの時間ステップにおいて慎重なコマンドが存在しない場合、ｃがＤＥＰを適用すると仮定する。従って、ｃは、自らに過失がある事故を決して起こさない。証明 帰納法による。帰納法の基礎は、安全な状態の定義及び慎重なコマンドの定義からのステップから得られる。
[0444] 安全な状態に迅速に戻り、そこから安全に続行することができるため、この手法の１つの利益は、無限の将来を調べる必要がない可能性があることである。更に、ｔ＋１において再び計画すること、従って必要に応じてＤＥＰをそこで実行できることを所与として、頭の中にあり得る可能な長期の計画ではなく（その計画は、ｔ＋１において変えることができる）、時点ｔにおいて与えているコマンドのみを調べるべきである。次に、このトランスペアレントモデルによって実行時に検証されるとき、システムに学習成分を組み込むことが可能にされる。最後に、この局所的検証は、本発明者らの所望の目標である完全な将来のＲＳＳを含意する。実装の妨げは、別のエージェントがｔｂｒａｋｅまで実行可能な全ての軌道を慎重さの定義が含むことであり、それは、中程度のｔｂｒａｋｅでさえ莫大な空間である。この問題に対処するために、次に慎重さ、従ってＲＳＳをスケーラブルな方法で検証するための効率的に計算可能な方法を開発する。
[0445] 効率的な慎重さの検証
[0446] 第１の見解は、当方がＤＥＰを実行する一方で当方に過失がある事故を引き起こす組Ａからのコマンドを実行し得る特定の車両
があるとき且つそのときに限り、状態は安全ではない。従って、
で示す単一の目標車両があるシーン及び全般的な事例において、シーン内の他の車両のそれぞれについて手続きを逐次的に実行することができる。
[0446] 第１の見解は、当方がＤＥＰを実行する一方で当方に過失がある事故を引き起こす組Ａからのコマンドを実行し得る特定の車両
[0447] 単一の目標車両を検討する場合、ｃに過失がある事故を発生させる、全て組Ａの中にある
で示す
のための一連のコマンドがあるとき且つそのときに限り、動作ａは慎重でない。既に証明したように、時点０において、
がｃの前方地帯内にあることが該当する場合、ａの慎重さを調べる簡単な方法があり、すなわち、たとえ
が１つの時間ステップについて最大ブレーキをかけても（当方は、ａを実行する）、その結果生じる縦方向距離が安全なままであることを検証するのみでよい。以下の補助定理は、横方向の操作も検討すべきより入り組んだ事例における慎重さに関する十分な条件を与える。
[0448] 補助定理４ 時点Ｔ＝０において、
がｃの前方地帯にないと仮定する。全てのＴ∈（０，ｔｂｒａｋｅ］において、ｃに過失がある危険な割り込みがない場合、ａは、慎重である。
[0449] 証明 ａが慎重ではない、すなわちｃに過失がある事故を引き起こす
が存在すると仮定する。事故前に割り込みの時点Ｔがなければならない。Ｔ＞０であるとまず仮定する。この割り込みが安全な縦方向距離にあった場合、ＤＥＰが－ａｍａｘの減速によって且つ安全な縦方向距離の定義に基づいて実行されることにより、当方に過失がある事故はあり得ない（ここで、反応時間ρがステップの時間分解能を上回ると仮定する）。割り込みが安全ではなかった場合、補助定理の仮定により、過失は、ｃになく、従って事故の過失もｃにはない。
[0450] 最後に、Ｔ＜０の場合、補助定理の仮定により、割り込みの瞬間において、
は、ｃの後方地帯にあった。帰納法により、ｃは、過去に安全な割り込みのみを行っており、従って割り込みが安全であったか又はｃに過失があった。いずれの場合にも現在の事故の過失はｃにない。
[0451] 補助定理４に照らして、ｃに過失がある危険な割り込みがあり得るかどうかを調べる問題が残る。時点ｔにおける危険な割り込みの可能性を調べるための効率的なアルゴリズムを以下に示す。全軌道を検証するために、時間間隔 [0，ｔｂｒａｋｅ］を離散化し、（離散化が害されないことを確実にするために安全な距離の定義内のｐの僅かに大きい値と共に）全ての時間間隔にアルゴリズムを適用する。
に境界を付ける最小限の矩形の対角線の長さを
とする。時点ｔ∈ [0，ｔｂｒａｋｅ］ごとに、時点ｔにおけるｃの縦方向の「スパン」であるようにｃｌｅｎｇｔｈ（ｔ）を定め、
とする。ｃｗｉｄｔｈ［ｔ］を同様の方法で定め、
が成立する。
[0452] 以下の定理は、上記のアルゴリズムの正当性を証明する。
[0453] 定理２ アルゴリズム１が「実現不能」を返す場合、時点ｔにおける自車に過失がある危険な割り込みはあり得ない。この定理を証明するために、アルゴリズム１の２つの構成要素の正当性を証明する以下の重要な補助定理を利用する。縦方向の実現可能性から始める。
[0454] 補助定理５ アルゴリズム１の表記の下、「実現不能」を返すことにより縦方向の実現可能性を調べる手続きが結論付けられる場合、時点ｔにおける自車に過失がある危険な割り込みはあり得ない。
[0455] 証明 割り込み操作の横方向の側面を無視し、ｃと
との間の縦方向距離が危険である単なる可能性を調べる。位置
は、時点ｔにおいて、
によって得ることができる位置に境界を付けることが明らかである。
が成立することにより、得ることができる任意の縦方向の危険な距離が≧Ｌであることが得られる。
であると仮定し、ａｙ，ｍｉｎ，ａｙ，ｍａｘによって境界を付けられる加速コマンドを使用して、
で示す危険な縦方向位置及び速度が得られると矛盾律によって仮定する。
の定義により、
が得られ、従って車間距離がより大きく、すなわち、
が成立する。
は、（ｙ［ｔ］，υｙ［ｔ］）に対して縦方向に安全であるため、縦方向の危険の定義により、得られる速度
は、
よりも小さくなければならないことになる。しかし、より遅い速度を実現するには、時間窓 [0，ｔ］の全体を通して、
がａｙ，ｍｉｎ未満の平均加速度を使用しなければならず、従って縦方向の危険が、ａｙ，ｍｉｎ，ａｙ，ｍａｘによって境界を付けられるコマンドを使用して得られることと矛盾することが明らかである。
の場合、対称な引数を検討することによって証明が完了する。
[0456] 次に、横方向の実現可能性である。
[0457] 補助定理６ アルゴリズム１の表記の下、「実現不能」を返すことにより横方向の実現可能性を調べる手続きが結論付けられる場合、時点ｔにおける自車に過失がある危険な割り込みはあり得ない。
[0458] 証明 まず、仮定ｘ［ｔ］＝０、
及びｖｘ［ｔ］に関するものにより、座標の単純な変化及び相対速度の検討によって一般性が失われないことが明らかである。更に、同様の引数により、
が成立する場合の事例に簡単に拡張できる。
[0459] 本発明者らの事例では、（ｘ［ｔ］，ｘ［ｔ］－Ｗ）である割り込みに関与する車の位置は、過失に影響を及ぼす何らかの横方向位置による（μ１，μ２）－勝利特性を含意することに留意されたい。横方向速度をμ－「ｔｉｅ」するために（ｃが横方向位置で（μ１，μ２）－勝利しない場合、ｃに過失を負わせるにはこれで十分であり得る）、又は横方向速度をμ－勝利する（ｃが横方向位置で（μ１，μ２）－勝利する場合、ｃに過失を負わせるにはこれが必要である）ために、ｃに過失があるという想定下において、ｖｘ［ｔ］に対する本発明者らの仮定により時点ｔにおいて、
が使用できる最大限の横方向速度は、０であることが得られる。最終位置
と共にａｘ，ｍａｘによって境界を付けられる横加速度を使用し、
から始まり
で終わる操作が存在するかどうかを確認することが残されている。言葉では、所望の横方向速度０で終わる割り込みである。
[0460] アルゴリズムの定義
を想起されたい。ｔｔｏｐ＜０であると仮定する。これは、最大限の横加速度、すなわち、
を使用するとき、
が横方向速度０に到達するのに必要な時間がｔ未満であることを含意する。これは、所望の速度に遅れずに到達するためにそれが実行可能な操作がなく、従って問題のある操作が存在しないことを含意する。従って、この手続きがｔｔｏｐ＜０により「実現不能」を返す場合、実際ｃに過失がある危険な割り込みの実現可能性はない。
[0461] ｔｔｏｐ＞０の事例を検討する。ここで、手続きがｘｍａｘ＜－Ｗにより「実現不能」を返す。
で示し、ａによってパラメータ化される、時間範囲[0，ｔ］内の
のための横方向速度プロファイル群を検討する。アルゴリズム内で使用したのと同様の方法において、
をａごとに定める。全ての
について、ｔｔｏｐ（ａ）＞０が成立することに留意されたい。次いで、全ての時点ｔ'０[0，ｔ］に関する速度プロファイルｕａを以下のように定める。
[0462] まず、ｕａが制約
を満たすことが見て取れる。第２に、ｕａを使用している間に移動した距離を計算することができ、それは、この距離が区分線形関数の積分に相当するからである。到達位置を
として定め、アルゴリズム内で定めたｘｍａｘは、正確に、
であることに留意されたい。第３に、移動距離がａと共に単調増加しており境界付けされていないことが見て取れる。従って、所望の任意の最終位置
について、
が成立するａの値が存在する。具体的には、ｘ＝ｘ［ｔ］－Ｗでは、かかる値が存在し、それをａｃｕｔで示す。
[0463] アルゴリズム内で定めたｘｍａｘが＜ｘ［ｔ］－Ｗであるため、ａｃｕｔ＞ａｘ，ｍａｘが得られることを認識されたい。いずれの有効な操作も位置≧ｘ［ｔ］－Ｗをもたらすことができないことを示すために、これは、不十分であり、これは、Ｕ群のメンバについてのみ含意される。次に、Ｕの外側でさえｘ［ｔ］－Ｗの最終位置を得る全ての速度プロファイルが少なくともａｃｕｔの加速度値を路上で使用しなければならないことを証明し、かかる加速度値は、それらの速度プロファイルを無効にし、従って証明を完了する。
[0464] 一部の速度プロファイルｕが境界制約
を満たすと仮定する。更に、その速度プロファイルｕが何らかの最終位置
を得ると仮定する。こうして、次式が得られる。
[0465] 全てのτについて、
が成立すると仮定する。具体的には、
が成立する。平均値の定理から、
となるようなζ０[0，ｔｔｏｐ（ａｃｕｔ）］が存在し、ａｘ，ｍａｘを上回る加速度（すなわちｕ'、速度の微分）を使用することを理由にｕの実現不能性を暗示する。
[0466] 次に、
が全てのτに当てはまらないと仮定する。その場合、
が成立することにより、
となる点がなければならない。かかる点τｌａｒｇｅが[0，ｔｔｏｐ（ａｃｕｔ）］内にある場合、上記と同じ方法で平均値の定理を容易に使用して、大き過ぎる加速度が使用されるζ０[0，τｌａｒｇｅ］を得る。この点が［ｔｔｏｐ（ａｃｕｔ），ｔ］内にのみ存在する場合、－ａｘ，ｍａｘ未満の加速度値が使用される点ζ０［τｌａｒｇｅ，ｔ］を同様の引数が与え、証明を結論付ける。上記の補助定理を備え、定理２の証明は即時である。
[0467] 安全性検証 － 遮蔽
[0468] 観測される物体に対処するのと同様の方法において、当方に過失がある事故が決してないことを慎重さが含意することを条件に、隠れた物体に対する慎重さの拡張を定理１と同様の定理を用いて定義することができる。
[0468] 観測される物体に対処するのと同様の方法において、当方に過失がある事故が決してないことを慎重さが含意することを条件に、隠れた物体に対する慎重さの拡張を定理１と同様の定理を用いて定義することができる。
[0469] 定義１５（隠れた物体に対する慎重さ） 物体の露出時点がｔ＋１であり、ｔ＋１においてデフォルト緊急ポリシ（ＤＥＰ）を命じ、当方に過失がある事故がない場合、時点ｔにおいて与えられるコマンドは、隠れた物体に対して慎重である。
[0470] 補助定理７ 隠れた物体及び隠れていない物体に対する慎重なコマンドのみを出す場合、自らに過失がある事故は決してない。
[0471] 証明 露出時点がｔ'≦ｔの状態において、自らに過失がある事故が時点ｔにおいて生じたと仮定する。慎重さの仮定により、ｔ'－１において与えたコマンドは、事故の過失を問われることなしにｔ'においてＤＥＰを命じることを可能にした。当方に過失がある事故があったため、当方は、時点ｔ'において明らかにＤＥＰを命じていない。しかし、ｔ'以降、当方は、隠れていない物体に対して安全であったため、当方が与えたコマンドは、安全であり、当方に過失がある事故はなかった。
[0472] ここでも、実現可能且つスケーラブルなＲＳＳを可能にする、隠れた物体に関する最悪の事例の仮定に対する慎重さを確認するための効率的な方法を提供する。
[0473] 運転ポリシ
[0474] 運転ポリシは、検知状態（人間を取り巻く世界の記述）から運転コマンド（例えば、コマンドは、現在から１秒後に車がいずれにあるべきか及びいずれの速度にあるべきかを決定する、次の秒の横加速度及び縦加速度である）へのマッピングである。運転コマンドは、コントローラに伝えられ、コントローラは、所望の位置／速度に車を実際に動かすことを目指す。
[0474] 運転ポリシは、検知状態（人間を取り巻く世界の記述）から運転コマンド（例えば、コマンドは、現在から１秒後に車がいずれにあるべきか及びいずれの速度にあるべきかを決定する、次の秒の横加速度及び縦加速度である）へのマッピングである。運転コマンドは、コントローラに伝えられ、コントローラは、所望の位置／速度に車を実際に動かすことを目指す。
[0475] 前の節では、形式的な安全モデル及び安全を保証する運転ポリシが出すコマンドに対する提案される制約について説明した。安全性に対する制約は、極端な事例について設計される。概して、これらの制約を必要とすることさえ望んでおらず、快適な乗り心地をもたらす運転ポリシを構築したい。この節の焦点は、効率的な運転ポリシ、具体的には何百万台もの車に合わせてスケーリング可能な計算資源を必要とする運転ポリシをどのように構築するかに関する。現在、この解説は検知状態を得る方法の問題に対処せず、人間を取り巻く世界を一切の制限なしに忠実に表す理想的な検知状態を仮定する。検知状態が不正確であることの運転ポリシに対する影響については、後の節で解説する。
[0476] 上記の節で論じた強化学習（ＲＬ）の言語において、運転ポリシを定める問題を明らかにする。ＲＬの各反復時、エージェントは、世界を記述するｓｔで示す状態を観測し、状態を動作にマップするポリシ関数πに基づいてａｔで示す動作を選ぶべきである。自らの動作及び自らの制御が及ばない他の要因（他のエージェントの動作等）の結果、世界の状態がｓｔ＋１に変わる。（状態，動作）シーケンスを
で示す。全てのポリシは、（状態，動作）シーケンスにわたる確率関数を引き起こす。この確率関数は、エージェントが行う動作の影響を受ける可能性があるが、環境（具体的には他のエージェントがどのように振る舞うか）にも依存する。πによって引き起こされる（状態，動作）シーケンスにわたる確率をＰπで示す。ポリシの質は、
であるように定められ、
は、シーケンス
がどの程度優れているかを測定する報酬関数である。殆どの事例において、
は、
の形式を取り、ρ（ｓ，ａ）は、状態ｓにあり動作ａを行う即時の質を測定する瞬間報酬関数である。簡単にするために、より単純なこの事例で進める。
[0477] 上記のＲＬ言語における運転ポリシの問題を明らかにするために、道路並びに自車両のみならず他の道路利用者の位置、速度及び加速度の何らかの表現をｓｔとする。横及び縦の加速コマンドをａｔとする。次の状態ｓｔ＋１は、ａｔ並びに他のエージェントがどのように振る舞うかに依存する。瞬間報酬ρ（ｓｔ，ａｔ）は、他の車に対する相対位置／速度／加速度、当方の速度と所望の速度との差、所望のルートをたどるかどうか、当方の加速度が快適であるかどうか等に依存し得る。
[0478] 時点ｔにおいてポリシがいずれの動作を行うべきかを決定する際の１つの課題は、報酬に対するこの動作の長期的効果を推定しなければならないことに由来する。例えば、運転ポリシに関連して、時点ｔにおいて行われる動作が現在では良い動作のように思われる（すなわち報酬値ρ（ｓｔ，ａｔ）が良い）ことがあり得るが、５秒後に事故を招く（すなわち５秒後の報酬値が破滅的になる）可能性がある。従って、エージェントが状態ｓにあるとき、動作ａを行う長期的な質を推定する必要がある。これは、多くの場合、Ｑ関数と呼ばれ、すなわち、Ｑ（ｓ，ａ）は、時点ｓにおいて動作ａを行う長期的な質を反映すべきである。かかるＱ関数を所与として、動作の自然な選択は、最も高い品質のもの、π（ｓ）＝ａｒｇｍａｘａＱ（ｓ，ａ）を選ぶことである。
[0479] 当面の問題は、Ｑをどのように定め、Ｑをどのように効率的に評価するかである。ｓｔ＋１は、（ｓｔ，ａｔ）の何らかの決定論的関数、すなわちｓｔ＋１＝ｆ（ｓｔ，ａｔ）であるという（完全に非現実的な）仮定の単純化をまず行いたい。マルコフ決定プロセス（ＭＤＰ）に詳しい者であれば、この仮定がＭＤＰのマルコフ仮定よりも一層強いこと（すなわち（ｓｔ，ａｔ）を所与としてｓｔ＋１が過去と条件付き独立であること）が認識されるであろう。［５］で述べたように、マルコフ仮定でさえ運転等のマルチエージェントシナリオには不十分であり、従って後に仮定を緩和する。
[0480] この仮定の単純化の下、ｓｔを所与として、Ｔステップの決定のシーケンス（ａｔ，...，ａｔ＋Ｔ）ごとに時点ｔ，...，Ｔに関する将来の状態（ｓｔ＋１，...，ｓｔ＋Ｔ＋１）並びに報酬値を正確に計算することができる。これらの全ての報酬値を、例えば、それらの合計
を取ることによって単一の数字に要約すると、Ｑ（ｓ，ａ）を以下のように定めることができる。
[0481] すなわち、Ｑ（ｓ，ａ）は、当方が状態ｓにあり、動作ａを直ちに実行する場合に望むことができる最良の将来である。
[0482] どのようにＱを計算できるかについて解説する。最初の考えは、可能な動作の組Ａを有限の組
に離散化し、離散化した組内の全ての動作シーケンスを単純に横断することである。次いで、離散的な動作シーケンス
の数によってランタイムが支配される。
が１０の横加速度及び１０の縦加速度を表す場合、１００Ｔの可能性が得られ、これは、小さいＴ値でさえ実現不能になる。探索を加速するためのヒューリスティックス（例えば、粗密探索）が存在するが、この総当たり的手法は、途方もない計算力を必要とする。
[0483] パラメータＴは、多くの場合に「計画の対象期間」と呼ばれ、計算時間と評価の質との間の自然なトレードオフを制御し、Ｔが大きいほど現在の動作についての本発明者らの評価が（その影響を一層先の将来まで明確に調べるため）より優れるが、他方では、Ｔが大きいことは、計算時間を指数関数的に増加させる。大きいＴ値が必要であり得る理由を理解するために、高速道路出口の２００メートル手前におり、その出口から出るべきシナリオを検討する。対象期間が十分長い場合、ｔとｔ＋Ｔとの間の何らかの時点τにおいて出口レーンに到達しているかどうかを累積報酬が示す。他方では、短い対象期間では、正しい即時の動作を実行しても、それがやがて自らを出口レーンに至らせるかどうかは分からない。
[0484] 別の手法は、
で示すＱの近似を構築するためにオフラインの計算を行い、ポリシのオンライン実行中、将来を明確にロールアウトすることなしに、
をＱに対する近似として使用しようと試みる。かかる近似を構築する１つの方法は、動作領域及び状態領域の両方を離散化することである。これらの離散化した組を
で示す。オフラインの計算は、全ての
についてＱ（ｓ，ａ）の値を評価することができる。次いで、全ての
に関して、
を
についてＱ（ｓ，ａ）であるように定める。更に、ベルマンの先駆者的研究［２，３］に基づき、動的計画法の手続き（価値反復アルゴリズム等）に基づいて、
ごとにＱ（ｓ，ａ）を計算することができ、本発明者らの仮定下では総ランタイムは、
程度である。この手法の主な問題は、いかなる妥当な近似においても
が（次元数の問題により）極めて大きいことである。実際、検知状態は、シーン内の他の全ての関連車両について６つのパラメータ、すなわち縦方向位置、横方向位置、速度及び加速度を表すべきである。たとえ各次元を僅か１０個の値に離散化しても（非常に粗い離散化）、６つの次元があるため、単一の車を記述するのに１０６の状態が必要であり、ｋ台の車を記述するには１０６ｋの状態が必要である。これは、
内の全ての（ｓ，ａ）についてＱの値を記憶するための非現実的なメモリ要件を招く。
[0485] この次元数の問題に対処するための１つの手法は、手動で決定された特徴にわたる線形関数又はディープニューラルネットワーク等の制限された関数族（多くの場合に仮説クラスと呼ばれる）から到来するようにＱを制限することである。例えば、Atari社のゲームでの遊びに関連して、Ｑを近似するディープニューラルネットワークを検討する。Ｑを近似する関数族を効率的に評価できるという条件において、これは、資源効率の良い解決策をもたらす。しかし、この手法の幾つかの不利点がある。まず、選択される関数族が所望のＱ関数への優れた近似を含むかどうかは分からない。第２に、たとえそのような関数が存在しても、既存のアルゴリズムがそれを効率的に学習できるかどうかは分から
ない。これまでのところ、運転において直面する問題等の複雑なマルチエージェント問題についてＱ関数を学習することの成功談は多くない。この作業が困難である幾つかの理論的理由がある。マルコフ仮定に関して述べたように、基礎を成す既存の方法に問題がある。しかし、以下で説明するように、より深刻な問題は、意思決定の時間分解能に起因する非常に小さい信号対雑音比である。
ない。これまでのところ、運転において直面する問題等の複雑なマルチエージェント問題についてＱ関数を学習することの成功談は多くない。この作業が困難である幾つかの理論的理由がある。マルコフ仮定に関して述べたように、基礎を成す既存の方法に問題がある。しかし、以下で説明するように、より深刻な問題は、意思決定の時間分解能に起因する非常に小さい信号対雑音比である。
[0486] 車両が残り２００メートルで高速道路出口から出るためにレーンを変更する必要があり、現在道路に何もない単純なシナリオを検討する。最良の決定は、レーンを変更し始めることである。決定は、０．１秒ごとに行うことができ、そのため、現時点ｔにおいてＱ（ｓｔ，ａ）の最良の値は、右への僅かな横加速度に対応する動作ａに関するものであるべきである。ゼロの横加速度に対応する動作ａ'を検討する。ここでレーンを変更すること又は０．１秒後に変更することでは非常に小さい差のみがあるため、Ｑ（ｓｔ，ａ）及びＱ（ｓｔ，ａ'）の値は、ほぼ同じである。換言すれば、ａ'に優先してａを選ぶ利点は、非常に小さい。他方では、Ｑに関する関数近似を使用しており、状態ｓｔを測定する際に雑音があるため、Ｑ値に対する本発明者らの近似は、雑音を伴う可能性が高い。これは、非常に小さい信号対雑音比の原因となり、それは、とりわけニューラルネットワークの近似クラスで頻繁に用いられる確率的学習アルゴリズムでの非常に遅い学習につながる。しかし、述べたように、この問題は、特定の関数近似クラスの特性ではなく、むしろＱ関数の定義に固有である。
[0487] 要約すると、利用可能な手法は、２つのグループに大まかに分けることができる。最初のグループは、多くの動作シーケンスにわたって探索すること又は検知状態領域を離散化し、莫大な表をメモリ内に保つことを含む総当たり的手法である。この手法は、Ｑの非常に正確な近似をもたらし得るが、計算時間に関して又はメモリに関して無限の資源を必要とする。第２のグループは、資源効率の良い手法であり、この手法では短い動作シーケンスを探索するか又はＱに関数近似を適用する。いずれの場合にも、低品位の決定の原因になり得る低精度のＱの近似を得ることに直面する。
[0488] 本明細書に記載の手法は、資源効率が良く且つ正確であり、幾何学的動作から離れ、次の小節で説明する意味論的動作空間に適合すべきＱ関数を構築することを含む。
[0489] 意味論的手法
[0490] 開示する意味論的手法の基礎として、運転免許証を取得したばかりの若者を検討する。若者の父親が隣に座って「運転ポリシ」の指示を若者に与える。これらの指示は、幾何学的ではない（「現在の速度で１３．７メートル走行し、次いで０．８ｍ／ｓ２のレートで加速する」という形式を取らない）。むしろ、これらの指示は、意味論的な性質のものである（「前の車を追走する」又は「あの左側の車を迅速に追い越す」）。そのような指示のための意味論的言語を形式化し、それを意味論的動作空間として使用する。次いで、意味論的動作空間にわたるＱ関数を定める。意味論的動作は、将来の多くの意味論的動作を計画することなしにＱ（ｓ，ａ）を推定することを可能にする、非常に長い対象期間を有し得ることを示す。意味論的動作の総数は、依然として少ない。これは、資源効率の良さを依然として保ちながらＱ関数の正確な推定を得ることを可能にする。更に、後に示すように、様々な意味論的動作間の有意差に起因する小さい信号対雑音比に直面することなしに品質関数を更に改善するために学習技法を組み合わせる。
[0490] 開示する意味論的手法の基礎として、運転免許証を取得したばかりの若者を検討する。若者の父親が隣に座って「運転ポリシ」の指示を若者に与える。これらの指示は、幾何学的ではない（「現在の速度で１３．７メートル走行し、次いで０．８ｍ／ｓ２のレートで加速する」という形式を取らない）。むしろ、これらの指示は、意味論的な性質のものである（「前の車を追走する」又は「あの左側の車を迅速に追い越す」）。そのような指示のための意味論的言語を形式化し、それを意味論的動作空間として使用する。次いで、意味論的動作空間にわたるＱ関数を定める。意味論的動作は、将来の多くの意味論的動作を計画することなしにＱ（ｓ，ａ）を推定することを可能にする、非常に長い対象期間を有し得ることを示す。意味論的動作の総数は、依然として少ない。これは、資源効率の良さを依然として保ちながらＱ関数の正確な推定を得ることを可能にする。更に、後に示すように、様々な意味論的動作間の有意差に起因する小さい信号対雑音比に直面することなしに品質関数を更に改善するために学習技法を組み合わせる。
[0491] 次に、意味論的動作空間を定める。主な考えは、横方向の目標及び縦方向の目標並びにそれらの目標を達成する攻撃度のレベルを定めることである。横方向の目標は、レーンの座標系内の所望の位置である（例えば、「目標は、レーン番号２の中央にいることである」）。縦方向の目標は、３つの種類からなる。第１は、他の車両に対する相対位置及び速度である（例えば、「目標は、車番号３の後ろに車番号３と同じ速度で且つ車番号３から２秒の距離にいることである」）。第２、は速度目標である（例えば、「この道路の許容速度に１１０％を掛けた速度で走行する」）。第３は、特定の位置における速度制約である（例えば、交差点に到達するときの「停止線における０の速度」又は急なカーブを通過するときの「カーブ上の特定の位置における最大６０ｋｍｈの速度」）。第３の選択肢では、代わりに「速度プロファイル」（ルート上の幾つかの離散点及びそれらの点のそれぞれにおける所望の速度）を適用することができる。横方向の目標の妥当な数は、１６＝４×４（関連する最大４レーンにおける４つの位置）によって境界を付けられる。第１の種類の縦方向の目標の妥当な数は、８×２×３＝４８（前又は後ろにある関連する８つの車及び関連する３つの距離）によって境界を付けられる。絶対速度目標の妥当な数は、１０であり、速度制約の数に対する妥当な上限は、２である。所与の横方向の目標又は縦方向の目標を実施するには、加速とその後の減速と（又はその逆）を加える必要がある。目標を達成する積極性は、目標を達成するための（絶対値で）最大限の加速度／減速度である。目標及び積極性を定めた状態で運動学的計算を使用し、目標を実施するための閉じた式が得られる。残った唯一の部分は、横方向の目標と縦方向の目標との間の組み合わせ（例えば、「横方向の目標から開始し、まさにその途中で縦方向の目標も適用し始める」）を決定することである。５つの混合時間及び３つの積極性のレベルの組で十分過ぎるように思われる。全体として、そのサイズが約１０４である意味論的動作空間を得た。
[0492] これらの意味論的動作を満たすのに必要な可変時間は、意思決定プロセスの頻度と同じではないことに触れる価値がある。動的な世界に反応的であるために、高い頻度において、本発明者らの実装形態では１００ｍｓごとに意思決定を行うべきである。対照的にそのような各決定は、はるかに長い対象期間（例えば、１０秒）を有する一部の意味論的動作を満たす軌道を構築することに基づく。軌道の短期プレフィックスをより良く評価することを促進するため、より長い対象期間を使用する。次の小節では意味論的動作の評価について解説するが、その前に意味論的動作が十分な探索空間を引き起こすことを主張する。
[0493] 上記で論じたように、意味論的動作空間は、あり得る全ての幾何学曲線を列挙するよりも（Ｔにおいて）そのサイズが指数関数的に小さいあり得る全ての幾何学曲線のサブセットを引き起こす。最初の即時の質問は、このより小さい探索空間の短期プレフィックスの組が、本発明者らが使用したい全ての幾何学的コマンドを含むかどうかである。これは、以下の意味で実際に足りる。道路に他のエージェントがない場合、縦方向の目標、及び／又は絶対加速度のコマンド、及び／又は特定の位置に対する速度制約を設定することを除いて変更を加える理由はない。道路が他のエージェントを含む場合、他のエージェントと優先通行権を折衝したい場合がある。この場合、他のエージェントに対して縦方向の目標を設定すれば十分である。これらの目標の正確な実施は長期的に変わり得るが、短期プレフィックスは、さほど変わらない。従って、関連する短期の幾何学的コマンドの非常に優れた有効範囲が得られる。
[0494] 意味論的動作のための評価関数の構築
[0495] ＡＳで示す意味論的動作の組を定めた。現在状態ｓにあることを所与とし、最良のａＳ０ＡＳを選ぶ方法が必要である。この問題に対処するために、［６］の選択肢のメカニズムと同様の手法をたどる。基本的な考えは、ａＳをメタ動作（meta-action）（又は選択肢）として考えることである。メタ動作の選択ごとに、メタ動作ａＳの実施を表す幾何学的軌道（ｓ１，ａ１），...，（ｓＴ，ａＴ）を構築する。それを行うには、当方の動作に他のエージェントがどのように反応するかを当然ながら知る必要があるが、現在、一部の既知の決定論的関数ｆについてｓｔ＋１＝ｆ（ｓｔ，ａｔ）が成立するという（非現実的な）仮定を引き続き利用する。状態ｓ１にあるときに意味論的動作ａＳを実行する品質の優れた近似として、
を使用することができる。
[0495] ＡＳで示す意味論的動作の組を定めた。現在状態ｓにあることを所与とし、最良のａＳ０ＡＳを選ぶ方法が必要である。この問題に対処するために、［６］の選択肢のメカニズムと同様の手法をたどる。基本的な考えは、ａＳをメタ動作（meta-action）（又は選択肢）として考えることである。メタ動作の選択ごとに、メタ動作ａＳの実施を表す幾何学的軌道（ｓ１，ａ１），...，（ｓＴ，ａＴ）を構築する。それを行うには、当方の動作に他のエージェントがどのように反応するかを当然ながら知る必要があるが、現在、一部の既知の決定論的関数ｆについてｓｔ＋１＝ｆ（ｓｔ，ａｔ）が成立するという（非現実的な）仮定を引き続き利用する。状態ｓ１にあるときに意味論的動作ａＳを実行する品質の優れた近似として、
[0496] この手法は、強力な運転ポリシをもたらすことができる。しかし、一部の状況では、より洗練された品質関数が必要な場合がある。例えば、出口レーンに行かなければならないところ、出口レーンの手前で遅いトラックを追走していると仮定する。１つの意味論的選択肢は、トラックの後ろをゆっくり走行し続けることである。別の意味論的選択肢は、後に出口レーンに戻って遅れずに出ることができることを願ってトラックを追い越すことである。先に記載した品質測定は、トラックを追い越した後に何が起きるかを考慮しないため、たとえ追い越しを行って出口レーンに戻るのに十分な時間があっても第２の意味論的動作を選択することはない。機械学習は、即時の意味論的動作よりも多くを考慮に入れる、意味論的動作のより優れた評価を構築することを促進し得る。先に論じたように、即時の幾何学的動作にわたるＱ関数の学習は、信号対雑音比が低いこと（利点の欠如）により問題をはらむ。これは、意味論的動作を検討する場合には問題にならず、それは、様々な意味論的動作を行うことの間に大きい差があるからであり、且つ意味論的な対象期間（何個の意味論的動作を考慮に入れるか）が非常に小さい（場合により多くの場合で３個未満）からである。
[0497] 機械学習を適用することの別の潜在的利点は、汎用化のためであり、すなわち幾らかの試行錯誤を伴い得る道路の特性の手作業での調査によって全ての道路について十分な評価関数を設定することができる。しかし、あらゆる道路に自動で汎用化することは可能であろうか。ここで、未知の道路に対しても汎用化するために、上記で論じた機械学習法を多岐にわたる道路の種類に基づいてトレーニングすることができる。開示する実施形態による意味論的動作空間は、潜在的利益を可能にすることができ、すなわち、意味論的動作は、長い対象期間に関する情報を含み、従って資源効率が良いままでそれらの品質の非常に正確な評価を得ることができる。
[0498] 他のエージェントの動力学
[0499] これまでのところ、ｓｔ＋１がｓｔ及びａｔの決定論的関数であるという仮定を利用してきた。前に強調したように、当方の動作が他の道路利用者の振る舞いに影響を及ぼすため、この仮定は、完全には現実的でない。自らの動作に対する他のエージェントの一部の反応を考慮に入れる（例えば、安全な割り込みを行う場合、自らの後ろの車は、背後から当方に追突しないようにその速度を調節すると仮定する）が、他のエージェントの動力学の全てをモデリングすると仮定するのは現実的ではない。この問題に対する解決策は、意思決定を高頻度で再適用し、そうすることにより、本発明者らのモデリングを超えた環境の部分に本発明者らのポリシを絶えず適合させることである。ある意味において、これは、全てのステップにおける世界のマルコフ化と考えることができる。
[0499] これまでのところ、ｓｔ＋１がｓｔ及びａｔの決定論的関数であるという仮定を利用してきた。前に強調したように、当方の動作が他の道路利用者の振る舞いに影響を及ぼすため、この仮定は、完全には現実的でない。自らの動作に対する他のエージェントの一部の反応を考慮に入れる（例えば、安全な割り込みを行う場合、自らの後ろの車は、背後から当方に追突しないようにその速度を調節すると仮定する）が、他のエージェントの動力学の全てをモデリングすると仮定するのは現実的ではない。この問題に対する解決策は、意思決定を高頻度で再適用し、そうすることにより、本発明者らのモデリングを超えた環境の部分に本発明者らのポリシを絶えず適合させることである。ある意味において、これは、全てのステップにおける世界のマルコフ化と考えることができる。
[0500] 検知
[0501] この節は、検知状態について説明し、検知状態は、シーンの関連情報の記述であり、運転ポリシモジュールへの入力を形成する。概して、検知状態は、静的物体及び動的物体を含む。静的物体は、レーン、道路の物理的な区切り、速度に対する制約、優先通行権に対する制約及び遮蔽体（例えば、合流する道路の関連部分を遮るフェンス）に関する情報である。動的物体は、車両（例えば、バウンディングボックス、速度、加速度）、歩行者（バウンディングボックス、速度、加速度）、信号機、道路の動的な区切り（例えば、工事区域のコーン）、一時的な交通標識及び警察の行動並びに道路上の他の障害物（例えば、動物やトラックから落ちたマットレス等）である。
[0501] この節は、検知状態について説明し、検知状態は、シーンの関連情報の記述であり、運転ポリシモジュールへの入力を形成する。概して、検知状態は、静的物体及び動的物体を含む。静的物体は、レーン、道路の物理的な区切り、速度に対する制約、優先通行権に対する制約及び遮蔽体（例えば、合流する道路の関連部分を遮るフェンス）に関する情報である。動的物体は、車両（例えば、バウンディングボックス、速度、加速度）、歩行者（バウンディングボックス、速度、加速度）、信号機、道路の動的な区切り（例えば、工事区域のコーン）、一時的な交通標識及び警察の行動並びに道路上の他の障害物（例えば、動物やトラックから落ちたマットレス等）である。
[0502] いかなる妥当なセンサ設定でも正確な検知状態ｓを得ることは期待できない。代わりに、ｘ０Ｘで示す生のセンサ及びマッピングデータを考察し、ｘを取り適切な検知状態を作り出す検知システムがある。
[0503] 定義１６（検知システム） 検知状態の領域をＳが示すものとし、生のセンサ及びマッピングデータの領域をＸとする。検知システムは、関数
である。
[0504]
をｓへの妥当な近似としていずれの時点で認めるべきかを理解することは重要である。この質問に答える最終的な方法は、概して本発明者らの運転ポリシの性能、具体的には安全性に対するこの近似の含意を調べることによる。本発明者らの安全性－快適さの区別に従い、ここでも危険な挙動につながる検知の間違いと乗車の快適さの側面に影響を及ぼす検知の間違いとを区別する。詳細を述べる前に、検知システムが行い得るエラーの種類は、以下を含み得る。
・偽陰性：検知システムが物体を見逃す
・偽陽性：検知システムが「実際にはない」物体を示す
・不正確な測定：検知システムが物体を正しく検出するが、その位置又は速度を不正確に推定する
・不正確な意味論：検知システムが物体を正しく検出するが、その意味論的意味、例えば信号機の色を間違って解釈する
・偽陰性：検知システムが物体を見逃す
・偽陽性：検知システムが「実際にはない」物体を示す
・不正確な測定：検知システムが物体を正しく検出するが、その位置又は速度を不正確に推定する
・不正確な意味論：検知システムが物体を正しく検出するが、その意味論的意味、例えば信号機の色を間違って解釈する
[0505] 快適さ
[0506] 意味論的動作ａについて、現在の検知状態がｓであることを所与として、ａの評価を示すためにＱ（ｓ，ａ）を使用したことを想起されたい。本発明者らのポリシは、動作π（ｓ）＝ａｒｇｍａｘａＱ（ｓ，ａ）を選ぶ。ｓの代わりに、
を投入した場合、選択される意味論的動作は、
になる。
が成立する場合、
は、ｓへの優れた近似として受け入れられるべきである。しかし、真の状態ｓに対する
の質は、何らかのパラメータεについてほぼ最適である、すなわち、
が成立する限り、
を選んでも問題ない。この場合、
がＱに対してεaccurateであると本発明者らは言う。必然的に、検知システムが常にεaccurateであることは予期できない。従って、検知システムが幾らかの小さい確率δで失敗することも認める。この場合、（ValiantのＰＡＣ学習用語を借りて）
がProbably（少なくとも１－δのw.p.）、Approximately（εまで）、Correct又は略してＰＡＣであると本発明者らは言う。
[0506] 意味論的動作ａについて、現在の検知状態がｓであることを所与として、ａの評価を示すためにＱ（ｓ，ａ）を使用したことを想起されたい。本発明者らのポリシは、動作π（ｓ）＝ａｒｇｍａｘａＱ（ｓ，ａ）を選ぶ。ｓの代わりに、
[0507] システムの様々な側面を評価するために幾つかの（ε，δ）の対を使用することができる。例えば、軽度のミス、中程度のミス及び決定的なミスを表すために３つの閾値ε１＜ε２＜ε３を選び、そのそれぞれに対してδの異なる値を設定することができる。これは、以下の定義をもたらす。
[0508] 定義１７（ＰＡＣ検知システム） （精度，信頼性）の対の組を（（ε１，δ１），...，（εｋ，δｋ））とし、検知状態領域をＳとし、生のセンサ及びマッピングデータ領域をＸとし、Ｘ×Ｓにわたる分布をＤとする。動作空間をＡとし、品質関数をＱ：Ｓ×Ａ→｜とし、π：Ｓ→Ａは、π（ｓ）∈ａｒｇｍａｘａＱ（ｓ，ａ）が成立するものとする。全てのｉ∈｛１，...，ｋ｝について、
が得られる場合、検知システム
は、上記のパラメータに関して確率的で近似的に正しい（ＰＡＣ）。
[0509] ここで、定義がＸ×Ｓにわたる分布Ｄに依存する。この分布は、本発明者らの自律車両の特定のポリシに従うことによってではなく、多くの人間のドライバーのデータを記録することによって構築することを強調しておくことが重要である。前者の方が適切であるように思われるが、後者は、検知システムの開発を実際的でなくするオンライン検証を必要とする。Ｄに対する任意の妥当なポリシの影響は小さいため、単純なデータ増補技法を適用することによって十分な分布を構築し、その後、検知システムの主要な更新ごとにオフライン検証を行うことができる。この定義は、
を使用して快適な乗車のための十分であるが必要ではない条件を提供する。必要でない理由は、短期の間違った決定が乗車の快適さに殆ど影響を及ぼさないという重要な事実を無視するからである。例えば、１００メートル先に車両があり、その車両がホスト車両よりも遅いと仮定する。最良の決定は、ここで、弱く加速し始めることである。検知システムが車両を見逃すが次回（１００ミリ秒後に）検出する場合、２つの乗車の違いは、顕著ではない。提示を単純化するために、この問題を無視し、より強い条件を要求した。マルチフレームＰＡＣ定義への適合は、概念的に簡単であるが、より技術的である。
[0510] 次に、上記のＰＡＣ定義から得られる設計原理を導出する。幾つかの種類の検知の間違いを記載したことを想起されたい。偽陰性、偽陽性及び不正確な意味論の種類の間違いでは、間違いが関連しない物体（例えば、直進しているときの左折用信号）に対するものであるか、又は定義のδ部分によって捕捉されるかのいずれかである。従って、頻繁に発生する「不正確な測定」の種類の間違いに焦点を当てる。
[0511] 幾らか意外なことに、自己精度によって（すなわちホスト車両に対する全ての物体の位置の精度を測定することによって）検知システムの精度を測定する一般的な手法がＰＡＣ検知システムを保証するのに不十分であることを示す。次いで、ＰＡＣ検知システムを保証する別の手法を提案し、それを効率的に得る方法を示す。幾つかの追加の定義から始める。
[0512] シーン内の物体оごとに、ｐ（о）、
のそれぞれによるホスト車両の座標系内のоの位置をｓ、
とする。оとホスト車両との間の距離は、｜｜ｐ｜｜であることに留意されたい。
の付加誤差は、
である。оとホスト車両との間の距離に対する
の相対誤差は、付加誤差割る｜｜ｐ（о）｜｜、すなわち、
である。
[0513] 遠くの物体について付加誤差が小さいことを要求するのは現実的ではない。実際、оがホスト車両から１５０メートルの距離にある車両であり、εが中程度のサイズ、例えばε＝０．１のものであると見なす。追加の正確さを得るために、これは、車両の位置を１０ｃｍの精度まで知るべきであることを意味する。これは、手頃な値段のセンサでは非現実的である。他方では、相対精度では位置を１５ｍの精度に相当する１０％まで推定する必要がある。これは、（以下で説明するように）実現可能である。
[0514] 全てのо∈Оについて、ｐ（о）と、
との間の（相対）誤差が最大εである場合、検知システム
は、物体Оの組をεego-accurateな方法で位置決めする。以下の例は、全ての合理的なＱに関してεego-accurateな検知状態がＰＡＣ検知システムを保証しないことを実証する。実際、ホスト車両が３０ｍ／ｓの速度で走行し、その１５０メートル先に停止車両があるシナリオを検討する。その車両が自車レーン内にある場合且つ遅れずにレーンを変更する選択肢がない場合、少なくとも３ｍ／ｓ２のレートで直ちに減速し始めなければならない（さもなければ停止が間に合わないか、又は後に更に強く減速しなければならない）。他方では、その車両が路肩にある場合、強い減速を加える必要はない。ｐ（о）は、これらの事例の１つである一方、
は、他の事例であり、これらの２つの位置の間には５メートルの差があると仮定する。従って、
の相対誤差は、以下のようになる。
[0515] すなわち、検知システムは、どちらかと言えば小さいε値（３．５％未満の誤差）についてεego-accurateである場合があり、更に任意の合理的なＱ関数に関して、ブレーキを強くかける必要がある状況とブレーキを強くかける必要がない状況とを混同しているため、Ｑの値は、完全に異なる。
[0516] 上記の例は、本発明者らの検知システムがＰＡＣであることをεego-accuracyが保証しないことを示す。ＰＡＣ検知システムに十分な別の特性があるかどうかはＱによって決まる。ＰＡＣ検知システムを保証する単純な位置決めの特性があるＱ関数群について説明する。εego-accuracyの問題は、意味論的な間違いを招く可能性があることであり、上記の例では、
がε＜３．５％でεego-accurateでも、車両を正しいレーンに割り当てることに失敗した。この問題を解決するために、横方向位置に関する意味単位を利用する。
[0517] 定義１８（意味単位） レーン中央は、単純な自然の曲線であり、すなわち可微分単射マッピングl：［ａ，ｂ］→｜３であり、全てのａ≦ｔ１＜ｔ２≦ｂについて、長さ
がｔ２－ｔ１に等しい。レーンの幅は、関数ｗ：［ａ，ｂ］→｜＋である。曲線上への点ｘ∈｜３の射影は、ｘに最も近い曲線上の点、すなわちｔｘ＝ａｒｇｍｉｎｔ∈［ａ，ｂ］｜｜l（ｔ）－ｘ｜｜に関する点l（ｔｘ）である。レーンに対するｘの意味論的な縦方向位置、はｔｘであり、レーンに対するｘの意味論的な横方向位置は、l（ｔｘ）／ｗ（ｔｘ）である。上記の一次導関数及び二次導関数として意味論的な速度及び加速度を定める。
[0518] 幾何学的単位と同様に、意味論的な縦方向距離に関して相対誤差を使用し、真の距離がｐ（о）でありながら、
が何らかの物体について
の意味論的な縦方向距離を引き起こす場合、相対誤差は、
である（分母の最大は、物体がほぼ同じ縦方向距離を有する事例（例えば、別のレーン上の隣の車に対処する）。意味論的な縦方向距離が小さいため、それらに付加誤差を使用することができる。これは、以下の定義をもたらす。
[0519] 定義１９（意味単位の誤差） レーンをlとし、レーンに対するホスト車両の意味論的な縦方向距離が０であると仮定する。ある点を
とし、レーンに対するその点までの意味論的な横方向距離及び縦方向距離をｐｌａｔ（ｘ），ｐｌｏｎ（ｘ）とする。近似測定値を
とする。ｘに対する
とｐとの間の距離が以下のように定められる
[0520] 横方向速度及び縦方向速度の距離も同様に定められる。上記の定義を備え、ＰＡＣ検知システムに関するＱの特性及び対応する十分な条件を定める準備ができている。
[0521] 定義２０（Semantically-LipschitzなＱ） 全てのａ、ｓ、
について、
が成立する場合、Ｑ関数は、L-semantically-Lipschitzであり、
、ｐは、物体оに関してｓ、
によって引き起こされる測定である。
[0522] 直接の系として以下が得られる。
[0523] 補助定理８ ＱがL-semantically-Lipschitzであり、検知システム
が、少なくとも１－δの確率において、
が得られるように意味測定を生成する場合、
は、パラメータ０、δを有するＰＡＣ検知システムである。
[0523] 補助定理８ ＱがL-semantically-Lipschitzであり、検知システム
[0524] 安全性
[0525] この節は、不所望の挙動を引き起こし得る誤差を検知する可能性について論じる。先に述べたように、ホストＡＶに過失がある事故を引き起こさない意味において、ポリシは、立証可能な方法で安全である。かかる事故は、ハードウェアの故障（例えば、全てのセンサの故障又は高速道路上でのパンク）、ソフトウェアの故障（モジュールの一部における重大なバグ）又は検知の間違いによって依然として起きる可能性がある。本発明者らの最終目標は、そのような事象の確率が極めて小さくなること（そのような事故の１時間当たり１０－９の確率）である。この値の真価を評価するために、米国内のドライバーが道路上で費やす（２０１６年の）平均時間数は、３００時間未満である。そのため、期待では、これらの種類の事象の１つから生じる事故に遭うには３３０万年生きなければならない。
[0525] この節は、不所望の挙動を引き起こし得る誤差を検知する可能性について論じる。先に述べたように、ホストＡＶに過失がある事故を引き起こさない意味において、ポリシは、立証可能な方法で安全である。かかる事故は、ハードウェアの故障（例えば、全てのセンサの故障又は高速道路上でのパンク）、ソフトウェアの故障（モジュールの一部における重大なバグ）又は検知の間違いによって依然として起きる可能性がある。本発明者らの最終目標は、そのような事象の確率が極めて小さくなること（そのような事故の１時間当たり１０－９の確率）である。この値の真価を評価するために、米国内のドライバーが道路上で費やす（２０１６年の）平均時間数は、３００時間未満である。そのため、期待では、これらの種類の事象の１つから生じる事故に遭うには３３０万年生きなければならない。
[0526] 安全に関連する検知誤差とは何かをまず定める。本発明者らのポリシは、Ｑ（ｓ，ａ）を最大化するａの値、すなわちπ（ｓ）＝ａｒｇｍａｘａＱ（ｓ，ａ）をステップごとに選ぶことを想起されたい。慎重でない全ての動作ａについてＱ（ｓ，ａ）＝－∞とすることによって安全性を保証する（定義１４を参照されたい）。従って、第１の種類の安全上重大な検知の間違いは、本発明者らの検知システムが危険な動作を選ぶことを招く場合である。形式的に、
による決定を
とし、
が成立する場合、
が安全上重大な間違いを招くと言える。第２の種類の安全上重大な検知の間違いは、全ての動作が、
に従って安全ではなく、標準の緊急ポリシ（例えば、ブレーキを強くかけること）を適用しなければならない一方、ｓによれば安全な動作、すなわちｍａｘａＱ（ｓ，ａ）＞－∞がある場合である。当方の速度が速く後ろに車がある場合、これは、危険である。このような間違いを安全上重大なゴーストと呼ぶ。
[0527] 通常、安全上重大な間違いは偽陰性によって引き起こされる一方、安全上重大なゴーストは、偽陽性によって引き起こされる。このような間違いは、著しく不正確な測定によって引き起こされることもあるが、殆どの事例において、本発明者らの快適さの目標は、安全性の定義の境界から本発明者らが遠く隔たっていることを保証し、従って適度な測定誤差が安全上重大な間違いを引き起こす可能性は低い。安全上重大な間違いの確率が非常に小さい、例えば１時間当たり１０－９未満であることをどのように保証できるであろうか。補助定理１から、更なる仮定を行うことなしに１０９時間よりも長い運転に基づいて本システムを調べる必要がある。これは、非現実的（又は少なくとも極めて困難）であり、この時間数は、１年間にわたり３３０万台の車の運転を記録することに相当する。更に、そのように高い精度を実現するシステムを構築することは、大きい課題である。システムの設計及び検証の両方の課題に対する解決策は、幾つかのサブシステムを利用することであり、それらのサブシステムのそれぞれは、独立に設計され、異なる技術に依存し、個々の精度を引き上げることを確実にする方法でそれらのシステムが融合される。
[0528] ｓ１、ｓ２、ｓ３で示す３つのサブシステム（４つ以上への拡張は、簡単である）を構築すると仮定する。各サブシステムは、ａを受信し、安全／危険を出力すべきである。サブシステムの大多数（この事例では２つ）が安全として受け入れる動作は、安全と見なされる。少なくとも２つのサブシステムによって安全と見なされる動作がない場合、デフォルト緊急ポリシが適用される。この融合方式の性能は、以下のように下記の定義に基づいて分析される。
[0529] 定義２１（One side c-approximate independent） 次式
が成立する場合、２つのベルヌーイ確率変数ｒ１、ｒ２は、one side c-approximate independentと呼ばれる。
[0530] ｉ０｛１，２，３｝について、
により、サブシステムｉが安全上重大な間違い／ゴーストを行うかどうかをそれぞれ示すベルヌーイ確率変数を示す。同様に、ｅｍ、ｅｇは、融合システムの安全上重大な間違い／ゴーストを示す。任意の対ｉ≠ｊについて、確率変数
がone sided c-approximate independentであり、同じことが、
にも当てはまるという仮定を利用する。この仮定が合理的である理由を説明する前に、その含意をまず分析したい。ｅｍの確率は、
によって境界を付けることができる。
[0531] 従って、全てのサブシステムが、
を有する場合、
が成立する。安全上重大なゴーストの間違いにも全く同じ微分が当てはまる。従って、結合限界を適用することにより以下のように結論付ける。
[0532] 系２ 任意の対ｉ≠ｊについて、確率変数
がone sided c-approximate independentであり、同じことが、
にも当てはまると仮定する。更に、全てのｉについて、
及び
が成立すると仮定する。従って、次式が成立する。
[0533] この系は、検知システムを検証するために著しく小さいデータセットを使用することを可能にする。例えば、１０－９の安全上重大な間違いの確率を実現したい場合、１０９程度の例を取る代わりに１０５程度の例を取り、各システムを別々にテストすれば十分である。
[0534] 無相関な誤差をもたらすセンサの対があり得る。例えば、悪天候の条件に影響されるが、金属体の影響を受ける可能性が低いカメラとは対照的に、レーダは、悪天候の条件内で良好に機能するが、関連性のない金属体が原因で機能しない場合がある。一見すると、カメラとライダとは共通の誤差源を有し、例えばいずれも霧の多い天候、豪雨又は雪の影響を受ける。しかし、カメラとライダとでは、誤差の種類が異なり、カメラは、悪天候によって物体を見逃す可能性があり、ライダは、空気中の粒子からの反射によってゴーストを検出する場合がある。２種類の誤差を区別したため、近似の独立性が引き続き当てはまる可能性が高い。
[0535] 本発明者らの安全上重要なゴーストの定義は、少なくとも２つのセンサによって全ての動作が危険であることを必要とする。困難な条件（例えば、濃霧）においてもそれが起きる可能性は低い。その理由は、そのような状況では、困難な条件の影響を受けるシステム（例えば、ライダ）が、速い速度及び横方向の操作を危険な動作であると宣言することができるため、非常に自衛的な運転を命令するからである。その結果、ホストＡＶは、非常にゆっくり走行し、その場合、たとえ緊急停止が必要でも、走行が低速であるために危険ではない。従って、本発明者らの定義は、道路の条件に運転スタイルが適合することをもたらす。
[0536] スケーラブルな検知システムの構築
[0537] 快適さ及び安全性の両方の面での検知システムの要件について説明してきた。次に、スケーラブルでありながらそれらの要件を満たす検知システムを構築するための手法について説明する。検知システムの３つの主な構成要素がある。第１の構成要素は、カメラに基づくシーンの長距離の３６０度の有効範囲である。カメラの３つの主な利点は、（１）高解像度、（２）テクスチャ、（３）価格である。低い価格は、スケーラブルなシステムを可能にする。テクスチャは、レーンマーク、信号機、歩行者の意思及びその他のものを含むシーンの意味論を理解できるようにする。高解像度は、長距離の検出を可能にする。更に、同じ領域内でレーンマーク及び物体を検出することは、優れた意味論的な横方向の精度を可能にする。カメラの２つの主な不利点は、（１）情報が２Ｄであり縦方向距離の推定が困難であること、（２）照明条件（低い太陽や悪天候）に対する感度である。本システムの次の２つの構成要素を使用してこれらの困難を克服する。
[0537] 快適さ及び安全性の両方の面での検知システムの要件について説明してきた。次に、スケーラブルでありながらそれらの要件を満たす検知システムを構築するための手法について説明する。検知システムの３つの主な構成要素がある。第１の構成要素は、カメラに基づくシーンの長距離の３６０度の有効範囲である。カメラの３つの主な利点は、（１）高解像度、（２）テクスチャ、（３）価格である。低い価格は、スケーラブルなシステムを可能にする。テクスチャは、レーンマーク、信号機、歩行者の意思及びその他のものを含むシーンの意味論を理解できるようにする。高解像度は、長距離の検出を可能にする。更に、同じ領域内でレーンマーク及び物体を検出することは、優れた意味論的な横方向の精度を可能にする。カメラの２つの主な不利点は、（１）情報が２Ｄであり縦方向距離の推定が困難であること、（２）照明条件（低い太陽や悪天候）に対する感度である。本システムの次の２つの構成要素を使用してこれらの困難を克服する。
[0538] 本システムの第２の構成要素は、（ホスト車両の環境内で識別される認識済み陸標の（例えば、画像内の）位置に基づいて目標軌道に沿って正確な位置を決定する能力と共に、道路区分について予め定められ記憶されている目標軌道に基づくナビゲーションを含む）ＲＥＭ（Road Experience Management）と呼ばれる意味論的な高精細マッピング技術である。マップを作成するための一般的な幾何学的手法は、（ライダによって得られる）３Ｄ点群をマップ作成プロセス内で記録することであり、次いで既存のライダ点をマップ内の点にマッチすることによってマップ上の位置特定が得られる。この手法には幾つかの不利点がある。まず、この手法は、多くの点を保存する必要があるため、１キロメートルのマッピングデータ当たり大量のメモリを必要とする。これは、高価な通信インフラを余儀なくさせる。第２に、全ての車がライダセンサを備えるわけではない可能性があるため、マップが非常に低頻度で更新される。道路の変化（工事区域や危険要因）が生じる可能性があり、ライダに基づくマッピングの解決策の「現実を反映するための時間」は長い。対照的に、ＲＥＭは、意味論に基づく手法をたどる。概念は、カメラを備え且つシーン内の意味論的に有意な物体（レーンマーク、カーブ、ポール、信号機等）を検出するソフトウェアを備える多数の車両を活用することである。今日、クラウドソースによるマップ作成に活用され得るＡＤＡＳシステムを多くの新車が備えている。処理は、車両側で行われるため、少量の意味データのみがクラウドに伝達されるべきである。これは、スケーラブルな方法でマップを非常に頻繁に更新することを可能にする。加えて、自律車両は、既存の通信プラットフォーム（セルラネットワーク）上で小さいサイズのマッピングデータを受信することができる。最後に、高価なライダを必要とすることなしに、マップ上の非常に正確な位置特定をカメラに基づいて得ることができる。
[0539] ＲＥＭは、幾つかの目的で使用することができる。まず、ＲＥＭは、道路の静的性質に関する先の見通しを与える（高速道路を出る方法についての計画を事前に立てることができる）。第２に、ＲＥＭは、静的情報の全ての別の正確な情報源を与え、それは、カメラの検出と共に世界の静的部分のロバストなビューをもたらす。第３に、ＲＥＭは、以下のように画像平面の２Ｄ情報を３Ｄ世界の中に持ち上げる問題を解決する。マップは、レーンの全てを３Ｄ世界の中の曲線として記述する。マップ上での自車の位置特定は、道路上の全ての物体を画像平面からその３Ｄ位置に自明に持ち上げることを可能にする。これは、意味単位における精度に従う位置決めシステムをもたらす。システムの第３の構成要素は、補完的なレーダ及びライダシステムであり得る。これらのシステムは、２つの目的に役立ち得る。第１に、これらのシステムは、安全性を増補するための極めて高レベルの精度を提供することができる。第２に、これらのシステムは、速度及び距離に関する直接測定を与えることができ、それは、乗車の快適さを更に改善する。
[0540] 以下の節は、ＲＳＳシステムの技術的な補助定理及び幾つかの実施上の検討事項を含む。
[0541] 補助定理９ 全てのｘ０ [0，０．１］について、１－ｘ＞ｅ－２ｘが当てはまる。
証明 ｆ（ｘ）＝１－ｘ－ｅ－２ｘとする。本発明者らの目標は、ｘ０ [0，０．１］について≧０であると示すことである。ｆ（０）＝０であり、従って上記の範囲内でｆ（ｘ）≧０を得れば十分であることに留意されたい。明確に、ｆ'（ｘ）＝－１＋２ｅ－２ｘが成立する。明らかにｆ'（０）＝１であり、単調減少しており、従ってｆ'（０．１）＞０であることを検証すれば十分であり、これは、数値的に容易に行うことができる（ｆ'（０．１）≒０．６３７）。
証明 ｆ（ｘ）＝１－ｘ－ｅ－２ｘとする。本発明者らの目標は、ｘ０ [0，０．１］について≧０であると示すことである。ｆ（０）＝０であり、従って上記の範囲内でｆ（ｘ）≧０を得れば十分であることに留意されたい。明確に、ｆ'（ｘ）＝－１＋２ｅ－２ｘが成立する。明らかにｆ'（０）＝１であり、単調減少しており、従ってｆ'（０．１）＞０であることを検証すれば十分であり、これは、数値的に容易に行うことができる（ｆ'（０．１）≒０．６３７）。
[0542] 慎重さの効率的検証 － 隠れた物体
[0543] 隠れていない物体と同様に、現在のコマンドを提供すること、及びその後ＤＥＰを与えることがＲＳＳであるかどうかを確認することができる。そのために、露出時点が１であると仮定したとき、ｔｂｒａｋｅまで将来をアンロールし、次いで定義上慎重さに関して十分であるＤＥＰを命令する。隠れた物体に関する最悪の事例を想定したとき、全てのｔ'０ [0，ｔｂｒａｋｅ］について有過失の事故が起こり得るかどうかを調べる。最悪の事例の操作及び安全な距離の規則の一部を使用する。遮蔽体に基づく手法を用いて関心点を見つけ、すなわち遮蔽体ごとに最悪の事例を計算する。これは、決定的な効率駆動型の手法であり、例えば、歩行者は、車の後ろの多くの位置に隠れることができ、多くの操作を行い得るが、単一の最悪の事例の位置及び歩行者が行い得る操作がある。
[0543] 隠れていない物体と同様に、現在のコマンドを提供すること、及びその後ＤＥＰを与えることがＲＳＳであるかどうかを確認することができる。そのために、露出時点が１であると仮定したとき、ｔｂｒａｋｅまで将来をアンロールし、次いで定義上慎重さに関して十分であるＤＥＰを命令する。隠れた物体に関する最悪の事例を想定したとき、全てのｔ'０ [0，ｔｂｒａｋｅ］について有過失の事故が起こり得るかどうかを調べる。最悪の事例の操作及び安全な距離の規則の一部を使用する。遮蔽体に基づく手法を用いて関心点を見つけ、すなわち遮蔽体ごとに最悪の事例を計算する。これは、決定的な効率駆動型の手法であり、例えば、歩行者は、車の後ろの多くの位置に隠れることができ、多くの操作を行い得るが、単一の最悪の事例の位置及び歩行者が行い得る操作がある。
[0544] 次に、隠れた歩行者のより複雑な事例を検討する。駐車車両の後ろの遮蔽領域を検討する。遮蔽領域内の最も近い点及び当方の車ｃの前部／側部は、例えば、それらの幾何学的特性（三角形、矩形）によって見つけることができる。形式的に、遮蔽領域は単純な形状の少数の凸領域の結合と見なし、そのそれぞれを別々に扱うことができる。更に歩行者は、あり得る最短経路を使用して車の前部に衝突することができる場合及びその場合に限り、遮蔽領域から（ｖｌｉｍｉｔの制約下で）車の前部に追突し得ることが分かる。歩行者が移動し得る最大距離がｖｌｉｍｉｔ・ｔ'であることを使用し、前部にぶつかる可能性に関する単純な確認を得る。側部への追突に関して、当方の横方向速度が追突方向にμを上回る場合及びその場合に限り、経路がｖｌｉｍｉｔ・ｔ'よりも短い場合、当方に責任があることを指摘しておく。開示するのは隠れた歩行者に対する慎重さを検証するためのアルゴリズムであり、ここで、自由な擬似コードで示している。車両によって隠れている歩行者との有過失の事故の可能性があるかどうかの確認である重大な部分は、上記の単純な方法で行われる。
[0545] シミュレータを検証する問題について
[0546] 先に論じたように、マルチエージェントの安全性は、統計的に検証することが困難な場合があり、それは、かかる検証が「オンライン」式に行われるべきであるためである。運転環境のシミュレータを構築することにより、「研究室」で運転ポリシを検証できると唱える者がいる可能性がある。しかし、シミュレータが現実を忠実に表すことを検証するのは、ポリシ自体を検証するのと同じ程度に難しい。これが該当する理由を理解するために、シミュレータに運転ポリシπを適用することは、
の事故の確率をもたらし、現実世界内でのπの事故の確率がｐであり、
が成立するという意味でシミュレータが検証されていると仮定する。（０は、１０－９よりも小さくなければならない）。次に、運転ポリシをπ'であるように置換する。１０－８の確率でπ'が人間のドライバーを混乱させ、事故につながる奇妙な動作を行うと仮定する。元のポリシπの性能を推定する際のシミュレータの極めて優れた機能と矛盾することなしに、この奇妙な動作は、シミュレータ内でモデリングされていない可能性がある（むしろ、その可能性が高い）。これは、たとえシミュレータが運転ポリシπの現実を反映することを示していても、別の運転ポリシの現実を反映することを保証しないことを証明する。
[0546] 先に論じたように、マルチエージェントの安全性は、統計的に検証することが困難な場合があり、それは、かかる検証が「オンライン」式に行われるべきであるためである。運転環境のシミュレータを構築することにより、「研究室」で運転ポリシを検証できると唱える者がいる可能性がある。しかし、シミュレータが現実を忠実に表すことを検証するのは、ポリシ自体を検証するのと同じ程度に難しい。これが該当する理由を理解するために、シミュレータに運転ポリシπを適用することは、
[0547] レーンに基づく座標系
[0548] ＲＳＳの定義内で行うことができる１つの仮定の単純化は、道路が一定幅の隣接した直線レーンによって構成されることである。横軸と縦軸との区別並びに縦方向位置の順序付けがＲＳＳにおいて重要な役割を果たし得る。更に、それらの方向の定義は、レーンの形状に明確に基づく。平面上の（グローバル）位置からレーンに基づく座標系に変換することは、問題を元の「一定幅の直線レーン」の事例に減じる。
[0548] ＲＳＳの定義内で行うことができる１つの仮定の単純化は、道路が一定幅の隣接した直線レーンによって構成されることである。横軸と縦軸との区別並びに縦方向位置の順序付けがＲＳＳにおいて重要な役割を果たし得る。更に、それらの方向の定義は、レーンの形状に明確に基づく。平面上の（グローバル）位置からレーンに基づく座標系に変換することは、問題を元の「一定幅の直線レーン」の事例に減じる。
[0549] レーンの中央が平面上の平滑な有向曲線ｒであり、ｒ（１），...，ｒ（ｋ）で示すその断片の全てが直線又は弧であると仮定する。曲線の平滑さは、連続する断片のいかなる対も直線となり得ないことを含意することに留意されたい。形式的に、曲線は、「縦方向」パラメータＹ０［Ｙｍｉｎ，Ｙｍａｘ］⊂｜を平面内にマップし、すなわち、曲線は、ｒ：［Ｙｍｉｎ，Ｙｍａｘ］→｜２形式の関数である。正のレーン幅値に縦方向位置Ｙをマップする連続的なレーン幅関数ｗ：［Ｙｍｉｎ，Ｙｍａｘ］→｜＋を定義する。それぞれのＹについて、ｒの平滑さから、ｒ┴（Ｙ）で示す位置Ｙにおける曲線への単位法線ベクトルを定めることができる。レーン内にある平面上の点のサブセットを以下のように自然に定める。
Ｒ＝｛ｒ（Ｙ）＋αｗ（Ｙ）ｒ┴（Ｙ）｜Ｙ０［Ｙｍｉｎ，Ｙｍａｘ］，α０［±１／２］｝
Ｒ＝｛ｒ（Ｙ）＋αｗ（Ｙ）ｒ┴（Ｙ）｜Ｙ０［Ｙｍｉｎ，Ｙｍａｘ］，α０［±１／２］｝
[0550] 非公式に、本発明者らの目標は、レーン上にある２つの車についてそれらの「論理的順序付け」が保たれるようにＲの変換φを構築することであり、すなわちカーブ上でｃｒがｃｆの「後ろ」にある場合にはφ（ｃｒ）ｙ＜φ（ｃｆ）ｙが成立する。ｃｌがカーブ上でｃｒの「左側」にある場合にはφ（ｃｌ）ｘ＜φ（ｃｒ）ｘが成立する。ＲＳＳと同様にｙ軸を「縦」軸に、ｘ軸を「横」軸に関連付ける。
[0551] φを定めるために、全てのｉについてｒ（ｉ）が半径ρの弧である場合、ｒ（ｉ）全体を通したレーンの幅は、≦ρ／２であるという仮定を利用する。この仮定は、任意の現実的な道路に当てはまることに留意されたい。この仮定は、全ての（ｘ'，ｙ'）０Ｒについて、（ｘ'，ｙ'）＝ｒ（Ｙ'）＋α'ｗ（Ｙ'）ｒ┴（Ｙ'）となるような一意の対Ｙ'０［Ｙｍｉｎ，Ｙｍａｘ］，α'０［±１／２］が存在することを自明に含意する。次に、φ：Ｒ→｜２をφ（ｘ'，ｙ'）＝（Ｙ'，α'）であるように定めることができ、（Ｙ'，α'）は、（ｘ'，ｙ'）＝ｒ（Ｙ'）＋α'ｗ（Ｙ'）ｒ┴（Ｙ'）を満たす一意の値である。
[0552] この定義は、レーンの座標系内の「横方向の操作」の概念を捉える。例えば、レーンの境界の１つの真上を車が走行する拡幅レーンを検討する（図２３を参照されたい）。レーン２３０１の広がりは、車２３０３がレーンの中央から離れて移動し、従ってレーンに対して横方向速度を有することを意味する。但し、これは、車２３０３が横方向の操作を行うことを意味しない。φ（ｘ'，ｙ'）ｘ＝α'の定義、すなわちｗ（Ｙ'）単位でのレーンの中央までの横方向距離は、レーンの境界が±１／２の固定された横方向位置を有することを含意する。従って、レーンの境界の１つから離れない車は横方向の任意の移動を行うとは見なされない。最後に、φは、準同形であることが分かる。レーンに基づく座標系という用語は、φ（Ｒ）＝［Ｙｍｉｎ，Ｙｍａｘ］ｘ［±１／２］について論じるとき使用される。このようにして、全般的なレーンジオメトリから直線の縦／横座標系への低減が得られた。
[0553] 全般的な道路構造へのＲＳＳの拡張
[0554] この節では、全ての道路構造に当てはまるＲＳＳの完全な定義について説明する。この節は、ポリシがＲＳＳに従うことをどのように効率的に保証するかではなく、ＲＳＳの定義を取り扱う。複数のレーンジオメトリが存在する任意の状況、例えば交差点を捕捉するために、次にルートの優先権の概念を紹介する。
[0554] この節では、全ての道路構造に当てはまるＲＳＳの完全な定義について説明する。この節は、ポリシがＲＳＳに従うことをどのように効率的に保証するかではなく、ＲＳＳの定義を取り扱う。複数のレーンジオメトリが存在する任意の状況、例えば交差点を捕捉するために、次にルートの優先権の概念を紹介する。
[0555] 第２の汎用化は、反対方向に走行している２つの車があり得る双方向道路を取り扱う。この場合、既に確立されているＲＳＳの定義は、対向交通までの「安全な距離」の軽微な汎用化を伴って引き続き有効である。（信号機を使用して交通の流れを指図する）管理された交差点は、ルートの優先権及び双方向道路の概念によって完全に対処され得る。ルートの明確な定義がない非構造化道路（例えば、駐車場）もＲＳＳで対処され得る。ＲＳＳは、この事例でも引き続き有効であり、必要な唯一の修正は、仮想ルートを定めるための及びそれぞれの車を（場合により幾つかの）ルートに割り当てるための方法である。
[0556] ルートの優先権
[0557] 特定の領域内で重なり合う複数の異なる道路の幾何学的形状が１つのシーン内にあるシナリオに対処するために、次にルートの優先権の概念を紹介する。図２４Ａ～Ｄに示す例は環状交差路、交差点及び高速道路への合流を含む。縦軸及び横軸についての一貫した意味と共に、全般的なレーンジオメトリをレーンに基づくものに変換する方法については説明した。次に、異なる道路の幾何学的形状の複数のルートが存在するシナリオに対処する。その結果、重なり合う領域に２つの車両が到達するとき、両方の車両が他方の車両の前方地帯への割り込みを行うことになる。（隣接する２つの高速道路のレーンの場合のように）２つのルートが同じ幾何学的形状を有する場合、この現象は、起こり得ない。大まかに言うと、ルートの優先権の原理は、ルートｒ１、ｒ２が重なり合い且つｒ１がｒ２に優先する場合、ｒ２から来る車両の前方地帯内に入るｒ１から来る車両は割り込みを行うと見なされない。
[0557] 特定の領域内で重なり合う複数の異なる道路の幾何学的形状が１つのシーン内にあるシナリオに対処するために、次にルートの優先権の概念を紹介する。図２４Ａ～Ｄに示す例は環状交差路、交差点及び高速道路への合流を含む。縦軸及び横軸についての一貫した意味と共に、全般的なレーンジオメトリをレーンに基づくものに変換する方法については説明した。次に、異なる道路の幾何学的形状の複数のルートが存在するシナリオに対処する。その結果、重なり合う領域に２つの車両が到達するとき、両方の車両が他方の車両の前方地帯への割り込みを行うことになる。（隣接する２つの高速道路のレーンの場合のように）２つのルートが同じ幾何学的形状を有する場合、この現象は、起こり得ない。大まかに言うと、ルートの優先権の原理は、ルートｒ１、ｒ２が重なり合い且つｒ１がｒ２に優先する場合、ｒ２から来る車両の前方地帯内に入るｒ１から来る車両は割り込みを行うと見なされない。
[0558] この概念を形式的に説明するために、事故の過失がレーンの座標系から導出される幾何学的特性に、及び同じくレーンの座標系に依存する最悪の事例の仮定に依存することを想起されたい。道路の構造を定めるルートをｒ１，...，ｒｋとする。単純な例として、図２４Ａに示す合流シナリオを検討する。２つの車２４０１（ｃ１）及び２４０２（ｃ２）がルートｒ１、ｒ２をそれぞれ走行しており、ｒ１が優先ルートであると仮定する。例えば、ｒ１が高速道路のレーンであり、ｒ２が合流レーンであると想定する。ルートに基づく座標系をルートごとに定めているため、第１の考察は、任意のルートの座標系内で任意の操作を検討できることである。例えば、ｒ２の座標系を使用した場合、ｒ１に向かって直線に走行することは、ｒ２の左側への合流のように思われる。ＲＳＳの定義に対する１つの手法は、∀ｉ０｛１，２｝の場合及びその場合に限り、操作がｒｉに対して安全である場合、車のそれぞれが操作を行えることであり得る。しかし、これは、合流を行うルートであるｒ２に対して優先ルート上を走行するｃ１が非常に控え目であるべきことを含意し、それは、ｃ２がルート上を正確に走行することができ、従って横方向位置で勝利し得るからである。この事例では高速道路上の車に優先通行権があるため、それは不自然である。この問題を克服するために、ルートの優先権を定める特定の領域を画定し、ルートの一部のみを安全性に関連があるものと見なす。
[0559] 定義２２（ルートの優先権に関する事故責任） ｒ１、ｒ２が、異なる幾何学的形状を有する２つの重なり合うルートであると仮定する。ｒ１の座標系の縦方向の間隔［ｂ，ｅ］（図２５）内でｒ１がｒ２に優先することを表すためにｒ１＞［ｂ，ｅ］ｒ２を使用する。ルートｒ１、ｒ２上を走行している車ｃ１及びｃ２間で事故が起きたと仮定する。ｉ０｛１，２｝では、ｒｉの座標系を検討した場合、事故について過失がある車をｂｉ⊂｛１，２｝が示すものとする。事故の過失は、以下の通りである：
・ｒ１＞［ｂ，ｅ］ｒ２且つｒ１に対する過失時に車の１つがｒ１の系の縦軸の間隔［ｂ，ｅ］内にあった場合、過失はｂ１による。
・さもなければ、過失は、ｂ１∪ｂ２による。
・ｒ１＞［ｂ，ｅ］ｒ２且つｒ１に対する過失時に車の１つがｒ１の系の縦軸の間隔［ｂ，ｅ］内にあった場合、過失はｂ１による。
・さもなければ、過失は、ｂ１∪ｂ２による。
[0560] この定義を説明するために、高速道路に合流する例を再び検討する。図２５の「ｂ」及び「ｅ」で示す線は、ｒ１＞［ｂ，ｅ］ｒ２であるｂ、ｅの値を示す。従って、合流する車が高速道路を走行する車に対して安全でなければならないことを含意しながら、高速道路上で車が自然に走行することを可能にする。具体的には、車２４０１ ｃ１が横方向速度なしで優先レーンの中央を走行する場合、車２４０１ ｃ１は、非優先レーンを走行する車２４０２ ｃ２との事故について、２４０２ ｃ２が安全な距離で２４０１ ｃ１の地帯内に割り込んでいない限り、過失を負わないことに注目されたい。最終結果は、通常のＲＳＳと非常に似ていることに留意されたい（これは、直線道路上の車がレーン変更を行おうと試みる事例と全く同じである）。別のエージェントが使用するルートが未知である事例があり得ることに留意されたい。例えば、図２６では、車２６０１は、車２６０２が経路「ａ」を取るか、経路「ｂ」を取るかを決定できない場合がある。この場合、全ての可能性を反復的に調べることによってＲＳＳを得ることができる。
[0561] 双方向交通
[0562] 双方向交通に対処するために、過失の定義に対する修正は、後部／前部の関係に依存する部分を鮮明にすることを成し遂げ、その理由は、かかる事例においてそれらが僅かに異なる意味のものであるためである。何らかの直線の２レーン道路を逆向きの縦方向に走行している、すなわちｖ１，ｌｏｎｇ・ｖ２，ｌｏｎｇ＜０が成立する２つの車ｃ１、ｃ２を検討する。駐車中のトラックを追い越すために対向レーンに外れる車又は駐車場内にバックする車等、レーンに対する運転方向は、合理的な都市シナリオでは負の場合がある。従って、負の縦速度を非現実的であると想定した事例で紹介した安全な縦方向距離の定義を拡張する必要がある。ｃｆに衝突する前にｃｒがブレーキをかけるのに十分な反応時間をｃｆによる最大ブレーキが与える場合、ｃｒとｃｆとの間の距離は、安全であることを想起されたい。本発明者らの事例では、対向車による「最悪の事例」を僅かに異なる方法で再び検討し、当然ながら、「最悪の事例」は、対向車が自らに向かって加速することであるとは考えず、衝突を回避するためにブレーキを実際にかけるが、幾らかの適度なブレーキ力のみを用いることであると考える。車の責任の差を捉えるために、それらの車の１つが明らかに反対方向に走行する場合、「正しい」運転方向を定義することから始める。
[0562] 双方向交通に対処するために、過失の定義に対する修正は、後部／前部の関係に依存する部分を鮮明にすることを成し遂げ、その理由は、かかる事例においてそれらが僅かに異なる意味のものであるためである。何らかの直線の２レーン道路を逆向きの縦方向に走行している、すなわちｖ１，ｌｏｎｇ・ｖ２，ｌｏｎｇ＜０が成立する２つの車ｃ１、ｃ２を検討する。駐車中のトラックを追い越すために対向レーンに外れる車又は駐車場内にバックする車等、レーンに対する運転方向は、合理的な都市シナリオでは負の場合がある。従って、負の縦速度を非現実的であると想定した事例で紹介した安全な縦方向距離の定義を拡張する必要がある。ｃｆに衝突する前にｃｒがブレーキをかけるのに十分な反応時間をｃｆによる最大ブレーキが与える場合、ｃｒとｃｆとの間の距離は、安全であることを想起されたい。本発明者らの事例では、対向車による「最悪の事例」を僅かに異なる方法で再び検討し、当然ながら、「最悪の事例」は、対向車が自らに向かって加速することであるとは考えず、衝突を回避するためにブレーキを実際にかけるが、幾らかの適度なブレーキ力のみを用いることであると考える。車の責任の差を捉えるために、それらの車の１つが明らかに反対方向に走行する場合、「正しい」運転方向を定義することから始める。
[0563] 平行レーンに関するＲＳＳの定義では、その中央が割り込み位置に最も近いものとして、関連するレーンが定められている。次に、このレーンを検討することに自らを軽減する（又は対称の場合、定義２２にあるように２つのレーンに別々に対処する）ことができる。以下の定義では、「進行方位」という用語は、横方向速度を縦方向速度で割ったものの（ラジアン単位の）逆正接を示す。
[0564] 定義２３（正しい運転方向による（μ１，μ２，μ３）－勝利） ｃ１、ｃ２が反対方向に走行している、すなわちｖ１，ｌｏｎｇ・ｖ２，ｌｏｎｇ＜０が成立すると仮定する。レーンに対するそれらの横位置及び進行方位をｘｉ、ｈｉとする。以下の条件の全てが当てはまる場合、ｃ１が正しい運転方向により（μ１，μ２，μ３）－勝利すると言える：
・｜ｈ１｜＜μ１、
・｜ｈ２－π｜＜μ２、
・｜ｘ１｜＜μ３。
・｜ｈ１｜＜μ１、
・｜ｈ２－π｜＜μ２、
・｜ｘ１｜＜μ３。
[0565] この事象のインジケータをＷＣＤＤ（ｉ）で示す。
[0566] 言葉では、ｃ１は、ｃ２が逆方向を取る一方で正しい方向でレーン中央の近くで走行する場合に勝利する。最大でも１つの車が勝利することができ、車のいずれも勝利しない場合もある。直観的に、論じた状況で衝突があると仮定する。正しい運転方向で負ける車ｃ１により多くの責任を課すことが妥当である。正しい運転方向で車が勝利する場合、これは、ａｍａｘ，ｂｒａｋｅを再定義することによって行われる。
[0567] 定義２４（妥当なブレーキ力） αｍａｘ，ｂｒａｋｅ，ｗｃｄｄ＞０をａｍａｘ，ｂｒａｋｅ未満の定数とする。ｃ１、ｃ２が反対方向に走行していると仮定する。ＲＢＰｉで示す、それぞれの車ｃｉの妥当なブレーキ力は、ｃｉが正しい運転方向で（μ１，μ２，μ３）－勝利する場合にはａｍａｘ，ｂｒａｋｅ，ｗｃｄｄであり、さもなければａｍａｘ，ｂｒａｋｅである。
[0568] 正しい運転方向で勝利する／勝利しない場合のａｍａｘ，ｂｒａｋｅ，ｗｃｄｄ、ａｍａｘ，ｂｒａｋｅの正確な値は、定義すべき定数であり、各車が走行する道路及びレーンの種類に依存し得る。例えば、都市の狭い道では、正しい運転方向で勝利することは、はるかに小さいブレーキ値を含意しない場合があり、混雑した交通では、自らのレーン内に誰かが明確に外れようが外れまいが車が同様の力でブレーキをかけることを期待する。しかし、速い速度が許可されている地方の双方向道路の例を検討する。対向レーンに外れるとき、正しい方向で走行する車がホスト車両との衝突を回避するために非常に強いブレーキ力を加えることは予期できず、それらの車よりもホスト車両の責任の方が重い。一方が駐車場へとバックする状態で２つの車が同じレーンにある事例では、異なる定数を定めることができる。
[0569] 反対方向に走行している車の間の安全な距離及びその正確な値の即座の導出を次に定義する。
[0570] 定義２５（安全な縦方向距離 － 双方向交通） 反対方向に走行しており、いずれも互いの前方地帯内にある車ｃ１と別の車ｃ２との間の縦方向距離は、反応時間ρまでｃ１、ｃ２によって行われる任意の加速コマンドａ、｜ａ｜＜ａｍａｘ，ａｃｃｅｌについて、ｃ１及びｃ２がその妥当なブレーキ力を時間ρから完全停止まで加える場合、時間ρに対して安全であり車は衝突しない。
[0571] 補助定理１０ ｃ１、ｃ２を定義２５にあるのと同じとする。（ｉごとの）妥当なブレーキコマンド及び加速コマンドをＲＢＰｉ、ａｍａｘ，ａｃｃｅｌとし、車の反応時間をρとする。車の縦速度をｖ１、ｖ２とし、それらの長さをｌ１、ｌ２とする。ｖｉ，ρ，ｍａｘ＝｜ｖｉ｜＋ρ・ａｍａｘ，ａｃｃｅｌと定める。Ｌ＝（ｌｒ＋ｌｆ）／２とする。従って、最小安全縦方向距離は、次式のようになる。
[0572] この和における項は、定義２５の操作を実行するとき完全に停止するまで各車
が移動する最大距離であることが分かる。従って、完全な停止がＬを上回る距離にあるために、最初の距離がこの和及びＬの追加の項よりも長くなければならない。
が移動する最大距離であることが分かる。従って、完全な停止がＬを上回る距離にあるために、最初の距離がこの和及びＬの追加の項よりも長くなければならない。
[0573] 双方向交通シナリオの過失／事故責任を定めるために、定義２５で定めた危険な縦方向距離についてＲＳＳの過失時点の同じ定義を使用する。
[0574] 定義２６（双方向交通における過失） 反対方向に走行している車ｃ１及びｃ２間の事故の双方向交通における過失は、過失時点における状態の関数であり、以下のように定められる：
・過失時点が割り込み時でもある場合、過失は、通常のＲＳＳの定義にあるように定められる。
・さもなければ、全てのｉについて、過失時点後に生じる何らかのｔにおいてｃｉが少なくともＲＢＰｉの力でブレーキをかけていない場合、過失は、ｃｉにある。
・過失時点が割り込み時でもある場合、過失は、通常のＲＳＳの定義にあるように定められる。
・さもなければ、全てのｉについて、過失時点後に生じる何らかのｔにおいてｃｉが少なくともＲＢＰｉの力でブレーキをかけていない場合、過失は、ｃｉにある。
[0575] 例えば、過失時点よりも前に行われる安全な割り込みを仮定する。例えば、ｃ１が対向レーンに外れ、ｃ２の地帯内に安全な距離で割り込みを行っている。ｃ２は、正しい運転方向で勝利し、従って、この距離は、非常に長いものであり得る（ｃ２が強いブレーキ力を働かせることを期待しておらず、妥当なブレーキ力のみを期待する）。従って、互いに衝突しない責任が両方の車にある。しかし、割り込みが安全な距離ではなかった場合、ｃ２が横方向の移動なしに自らのレーンの中央を走行した場合、ｃ２が無過失であることを示す通常の定義を使用する。過失は、ｃ１のみにある。これは、自らの地帯内に危険に外れてくる可能性がある交通を心配することなしに、車が自らのレーンの中央を自然に走行することを可能にする。他方では、都市の混雑した交通で要求される一般的な操作である対向レーンへの安全な逸脱は認められる。バックによる駐車操作を開始する車の例を検討し、その車は、自らの後ろにある車までの距離が安全であることを確認しながらバックを開始すべきである。
[0576] 信号機
[0577] 信号機がある交差点を含むシナリオでは、信号機の単純な規則は、「一方の車のルートが青信号であり、他方の車のルートが赤信号である場合、赤信号のルート上にいる方に過失がある」ことであると考える人もいることがあり得る。しかし、これは、とりわけ全ての事例において正しい規則ではない。例えば、図２７に示すシナリオを検討する。たとえ車２７０１が青信号のルート上にあっても、既に交差点内にある車２７０３を車２７０１が無視することは予期しない。正しい規則は、青信号のルートが赤信号のルートに対して優先権を有することである。従って、先に記載したルートの優先権の概念に対する、信号機に由来する明確な低減が得られる。
[0577] 信号機がある交差点を含むシナリオでは、信号機の単純な規則は、「一方の車のルートが青信号であり、他方の車のルートが赤信号である場合、赤信号のルート上にいる方に過失がある」ことであると考える人もいることがあり得る。しかし、これは、とりわけ全ての事例において正しい規則ではない。例えば、図２７に示すシナリオを検討する。たとえ車２７０１が青信号のルート上にあっても、既に交差点内にある車２７０３を車２７０１が無視することは予期しない。正しい規則は、青信号のルートが赤信号のルートに対して優先権を有することである。従って、先に記載したルートの優先権の概念に対する、信号機に由来する明確な低減が得られる。
[0578] 非構造化道路
[0579] 次に、ルートの明確な幾何学的形状を画定することができない道路を考え、レーン構造が全くないシナリオ（例えば、駐車場）をまず検討する。事故がないことを確実にする方法は、全ての車が直線に走行する一方、進行方位の変更が生じる場合、自らの周囲に近い車がないときにかかる変更を行う必要があることを要求することであり得る。この方法の背後にある理論的根拠は、車が、他の車が何を行うかを予測し、それに応じて振る舞うことができることである。他の車が（進行方位を変えることによって）この予測から逸脱する場合、その操作は、十分に長い距離を伴って行われ、従って予測を訂正するのに十分な時間があり得る。レーン構造がある場合、他の車が何を行うかについてのより賢明な予測が可能になり得る。レーン構造が全くない場合、車は、その現在の進行方位に従って進む。厳密に言えば、これは、全ての車にその進行方位に従って仮想的な直線ルートを割り当てることと均等である。次に、（例えば、パリのArc de Triompheの周りにある）大規模な非構造化環状交差路におけるシナリオを検討する。ここで、分別のある予測は、車がそのオフセットを保ちながら環状交差路の幾何学的形状に従って進むと想定することである。厳密に言えば、これは、全ての車に環状交差路の中心からのその現在のオフセットに従って仮想的な弧の経路を割り当てることと均等である。
[0579] 次に、ルートの明確な幾何学的形状を画定することができない道路を考え、レーン構造が全くないシナリオ（例えば、駐車場）をまず検討する。事故がないことを確実にする方法は、全ての車が直線に走行する一方、進行方位の変更が生じる場合、自らの周囲に近い車がないときにかかる変更を行う必要があることを要求することであり得る。この方法の背後にある理論的根拠は、車が、他の車が何を行うかを予測し、それに応じて振る舞うことができることである。他の車が（進行方位を変えることによって）この予測から逸脱する場合、その操作は、十分に長い距離を伴って行われ、従って予測を訂正するのに十分な時間があり得る。レーン構造がある場合、他の車が何を行うかについてのより賢明な予測が可能になり得る。レーン構造が全くない場合、車は、その現在の進行方位に従って進む。厳密に言えば、これは、全ての車にその進行方位に従って仮想的な直線ルートを割り当てることと均等である。次に、（例えば、パリのArc de Triompheの周りにある）大規模な非構造化環状交差路におけるシナリオを検討する。ここで、分別のある予測は、車がそのオフセットを保ちながら環状交差路の幾何学的形状に従って進むと想定することである。厳密に言えば、これは、全ての車に環状交差路の中心からのその現在のオフセットに従って仮想的な弧の経路を割り当てることと均等である。
[0580] 実施する特定のナビゲーション命令を決定するときに潜在的な事故責任を考慮するナビゲーションシステムを提供するために、上記の運転ポリシシステム（例えば、ＲＬシステム）を記載した事故責任規則の１つ又は複数と共に実装することができる。規則に既に準拠しているシステムによって提案ナビゲーション動作が開発されるように、かかる規則は、計画段階中、例えばプログラムされた命令の組内又はトレーニング済みモデル内で適用され得る。例えば、運転ポリシモジュールは、例えば、ＲＳＳが基づく１つ又は複数のナビゲーション規則の責任を負うか、又はかかるナビゲーション規則を使ってトレーニングされ得る。加えて又は或いは、提案ナビゲーション動作が準拠していることを確実にするために、計画段階によって提案される全ての提案ナビゲーション動作を関連する事故責任規則に対してテストするフィルタ層としてＲＳＳ安全制約を適用することができる。特定の動作がＲＳＳ安全制約に準拠している場合、その動作を実施することができる。そうではなく、提案ナビゲーション動作がＲＳＳ安全制約に準拠していない場合（例えば、提案動作が上記の規則の１つ又は複数に基づいてホスト車両にとっての事故責任を発生させる可能性がある場合）、その動作は行われない。
[0581] 実際には、特定の実装形態は、ホスト車両のためのナビゲーションシステムを含み得る。ホスト車両は、ホスト車両の環境を表す画像を動作中に捕捉する画像捕捉装置（例えば、上記に記載したもののいずれか等の１つ又は複数のカメラ）を備えることができる。画像情報を使用し、運転ポリシは、複数の入力を取り込み、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を出力することができる。運転ポリシは、様々な入力（例えば、目標車両、道路、物体、歩行者等を含むホスト車両の周囲を示す１つ又は複数のカメラからの画像、ライダ又はレーダシステムからの出力、速度センサやサスペンションセンサ等からの出力、ホスト車両の１つ又は複数の目標、例えば乗客を特定の位置に届けるためのナビゲーション計画を表す情報等）を受け付けることができるプログラムされた命令の組やトレーニング済みネットワーク等を含み得る。その入力に基づき、プロセッサは、例えば、カメラ画像、ライダ出力、レーダ出力等を分析することによりホスト車両の環境内の目標車両を識別することができる。幾つかの実施形態では、プロセッサは、１つ又は複数のカメラ画像、ライダ出力及び／又はレーダ出力等の１つ又は複数の入力を分析することによりホスト車両の環境内の目標車両を識別することができる。更に幾つかの実施形態では、プロセッサは、（例えば、１つ又は複数のカメラ画像、ライダ出力及び／又はレーダ出力を分析し、入力の大多数の合致又は組み合わせに基づいて目標車両を識別する検出結果を受信することにより）センサ入力の大多数又は組み合わせの合致に基づいてホスト車両の環境内の目標車両を識別することができる。
[0582] 運転ポリシモジュールが入手可能な情報に基づき、ホスト車両のナビゲーション目標を達成するための１つ又は複数の計画されたナビゲーション動作の形式で出力を提供することができる。幾つかの実施形態では、計画されたナビゲーション動作のフィルタとしてＲＳＳ安全制約を適用することができる。すなわち、計画されたナビゲーション動作は、開発されると、識別された目標車両に対するホスト車両の潜在的な事故責任を決定するために、少なくとも１つの事故責任規則（例えば、上記で論じた事故責任規則のいずれか）に対してテストすることができる。先に述べたように、少なくとも１つの事故責任規則に対する計画されたナビゲーション動作のテストが、計画されたナビゲーション動作が行われる場合にホスト車両について潜在的な事故責任があり得ることを示す場合、プロセッサは、計画されたナビゲーション動作をホスト車両に実施させないことができる。他方では、少なくとも１つの事故責任規則に対する計画されたナビゲーション動作のテストが、計画されたナビゲーション動作が行われる場合にホスト車両について事故責任が生じないであろうことを示す場合、プロセッサは、計画されたナビゲーション動作をホスト車両に実施させることができる。
[0583] 幾つかの実施形態では、システムは、少なくとも１つの事故責任規則に対して複数の潜在的なナビゲーション動作をテストすることができる。テストの結果に基づき、システムは、それらの潜在的なナビゲーション動作を複数の潜在的なナビゲーション動作のサブセットへとフィルタリングすることができる。例えば、幾つかの実施形態では、そのサブセットは、少なくとも１つの事故責任規則に対するテストが、潜在的なナビゲーション動作が行われる場合にホスト車両について事故責任が生じないであろうことを示す潜在的なナビゲーション動作のみを含み得る。次いで、システムは、事故責任のない潜在的なナビゲーション動作をスコア付け及び／又は優先順位付けし、実施するためのナビゲーション動作の１つを例えば最適化されたスコア又は最も高い優先順位に基づいて選択することができる。このスコア及び／又は優先順位は、例えば、乗客にとって最も安全、最も効率的、最も快適等と見なされる潜在的なナビゲーション動作等、１つ又は複数の要因に基づき得る。
[0584] 一部の例では、特定の計画されたナビゲーション動作を実施するかどうかの決定は、計画された動作後の次の状態においてデフォルトの緊急手続きを利用できるかどうかにも依存し得る。ＤＥＰを利用できる場合、ＲＳＳフィルタは、その計画された動作を承認することができる。他方では、ＤＥＰを利用できない場合、次の状態が危険なものと見なされる場合があり、計画されたナビゲーション動作が拒否され得る。幾つかの実施形態では、計画されたナビゲーション動作が少なくとも１つのデフォルトの緊急手続きを含み得る。
[0585] 記載したシステムの１つの利点は、車両による安全な動作を保証するために、特定の目標車両に対するホスト車両の動作のみを検討する必要があることである。従って２つ以上の目標車両がある場合、ホスト車両付近の影響区域内の（例えば、２５メートル、５０メートル、１００メートル、２００メートル等の範囲内の）目標車両に対し、ホスト車両の計画された動作を事故責任規則に関して逐次的にテストすることができる。実際には、少なくとも１つのプロセッサは、ホスト車両の環境を表す少なくとも１つの画像の分析に基づいて（又はライダ情報又はレーダ情報等に基づいて）ホスト車両の環境内の複数の他の目標車両を識別し、且つ複数の他の目標車両のそれぞれに対するホスト車両の潜在的な事故責任を決定するために、少なくとも１つの事故責任規則に対する計画されたナビゲーション動作のテストを繰り返すように更にプログラムされ得る。少なくとも１つの事故責任規則に対する計画されたナビゲーション動作の繰り返されたテストが、計画されたナビゲーション動作が行われる場合にホスト車両について潜在的な事故責任があり得ることを示す場合、プロセッサは、計画されたナビゲーション動作をホスト車両に実施させないことができる。少なくとも１つの事故責任規則に対する計画されたナビゲーション動作の繰り返されたテストが、計画されたナビゲーション動作が行われる場合にホスト車両について事故責任が生じないであろうことを示す場合、プロセッサは、計画されたナビゲーション動作をホスト車両に実施させることができる。
[0586] 先に述べたように、上記の規則のいずれもＲＳＳ安全テストの基礎として使用することができる。幾つかの実施形態では、少なくとも１つの事故責任規則は、識別された目標車両の後方の距離であって、その中にホスト車両が事故責任の可能性なしに進むことができない距離を定める追走規則を含む。他の事例では、少なくとも１つの事故責任規則は、識別された目標車両の前方の距離であって、その中にホスト車両が事故責任の可能性なしに進むことができない距離を定める先行規則を含む。
[0587] 上記のシステムは、結果として生じる事故の責任を負うことになるいかなる動
作もホスト車両が行うべきではないという規則に対する準拠をテストするためにＲＳＳ安全テストを単一の計画されたナビゲーション動作に適用することができるが、テストは、２つ以上の計画されたナビゲーション動作に適用することもできる。例えば、幾つかの実施形態では、少なくとも１つのプロセッサは、少なくとも１つの運転ポリシを適用することに基づいて、ホスト車両のナビゲーション目標を達成するための２つ以上の計画されたナビゲーション動作を決定する場合がある。これらの状況では、プロセッサは、潜在的な事故責任を決定するために２つ以上の計画されたナビゲーション動作のそれぞれを少なくとも１つの事故責任規則に対してテストすることができる。２つ以上の計画されたナビゲーション動作のそれぞれについて、テストが、２つ以上の計画されたナビゲーション動作の特定の１つが行われる場合にホスト車両について潜在的な事故責任があり得ることを示す場合、プロセッサは、計画されたナビゲーション動作の特定の１つをホスト車両に実施させないことができる。他方では、２つ以上の計画されたナビゲーション動作のそれぞれについて、テストが、２つ以上の計画されたナビゲーション動作の特定の１つが行われる場合にホスト車両について事故責任が生じないであろうことを示す場合、プロセッサは、２つ以上の計画されたナビゲーション動作の特定の１つを実施のための存立可能な候補として識別することができる。次に、プロセッサは、少なくとも１つのコスト関数に基づき、実施のための存立可能な候補の中から行われるナビゲーション動作を選択することと、選択されたナビゲーション動作をホスト車両に実施させることとを行うができる。
作もホスト車両が行うべきではないという規則に対する準拠をテストするためにＲＳＳ安全テストを単一の計画されたナビゲーション動作に適用することができるが、テストは、２つ以上の計画されたナビゲーション動作に適用することもできる。例えば、幾つかの実施形態では、少なくとも１つのプロセッサは、少なくとも１つの運転ポリシを適用することに基づいて、ホスト車両のナビゲーション目標を達成するための２つ以上の計画されたナビゲーション動作を決定する場合がある。これらの状況では、プロセッサは、潜在的な事故責任を決定するために２つ以上の計画されたナビゲーション動作のそれぞれを少なくとも１つの事故責任規則に対してテストすることができる。２つ以上の計画されたナビゲーション動作のそれぞれについて、テストが、２つ以上の計画されたナビゲーション動作の特定の１つが行われる場合にホスト車両について潜在的な事故責任があり得ることを示す場合、プロセッサは、計画されたナビゲーション動作の特定の１つをホスト車両に実施させないことができる。他方では、２つ以上の計画されたナビゲーション動作のそれぞれについて、テストが、２つ以上の計画されたナビゲーション動作の特定の１つが行われる場合にホスト車両について事故責任が生じないであろうことを示す場合、プロセッサは、２つ以上の計画されたナビゲーション動作の特定の１つを実施のための存立可能な候補として識別することができる。次に、プロセッサは、少なくとも１つのコスト関数に基づき、実施のための存立可能な候補の中から行われるナビゲーション動作を選択することと、選択されたナビゲーション動作をホスト車両に実施させることとを行うができる。
[0588] ＲＳＳの実装は、ホスト車両と１つ又は複数の目標車両との間の事故に関する相対的な潜在的責任の決定に関係するため、安全の準拠について計画されたナビゲーション動作をテストすることと共に、システムは、遭遇する車両の事故責任の潜在性を追跡することができる。例えば、システムは、結果として生じる事故がホスト車両の責任を招くことになる動作を行うことを回避できる可能性があるだけではなく、ホスト車両システムは、１つ又は複数の目標車両を追跡し、それらの目標車両によっていずれの事故責任規則が破られているかを識別し追跡することもでき得る。幾つかの実施形態では、ホスト車両のための事故責任追跡システムは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉装置から受信することと、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別することとを行うようにプログラムされる少なくとも１つの処理デバイスを含み得る。少なくとも１つの画像の分析に基づき、プロセッサは、識別された目標車両のナビゲーション状態の１つ又は複数の特性を決定するためのプログラミングを含み得る。車両速度、レーンの中央までの近さ、横方向速度、移動方向、ホスト車両からの距離、進行方位又は上記の規則のいずれかに基づいて潜在的な事故責任を決定するために使用され得る他の任意のパラメータ等、ナビゲーション状態は、目標車両の様々な動作特性を含み得る。プロセッサは、識別された目標車両のナビゲーション状態の決定された１つ又は複数の特性を少なくとも１つの事故責任規則（例えば、横方向速度で勝利すること、方向的な優先権、レーンの中央までの距離で勝利すること、追走の距離又は先行の距離、割り込み等の上記の規則のいずれか）と比較することができる。状態の１つ又は複数の規則との比較に基づき、プロセッサは、識別された目標車両側の潜在的な事故責任を示す少なくとも１つの値を記憶することができる。事故が発生した場合、プロセッサは、記憶された少なくとも１つの値の出力を（例えば、有線又は無線の任意の適切なデータインタフェースを介して）提供することができる。かかる出力は、例えば、ホスト車両と少なくとも１つの目標車両との間の事故後に提供することができ、その出力は、事故責任の指示に使用することができ、或いは事故責任の指示を提供することができる。
[0589] 潜在的な事故責任を示す少なくとも１つの値は、任意の適切な時点において及び任意の適切な条件下で記憶することができる。幾つかの実施形態では、ホスト車両が、識別された目標車両との衝突を回避できないと決定される場合、少なくとも１つの処理デバイスは、識別された目標車両に関する衝突責任値を割り当て且つ記憶することができる。
[0590] 事故責任追跡機能は、単一の目標車両に限定されず、むしろ遭遇する複数の目標車両の潜在的な事故責任を追跡するために使用することができる。例えば、少なくとも１つの処理デバイスは、ホスト車両の環境内の複数の目標車両を検出することと、複数の目標車両のそれぞれのナビゲーション状態特性を決定することと、目標車両のそれぞれに関するそれぞれのナビゲーション状態特性の少なくとも１つの事故責任規則との比較に基づき、複数の目標車両のそれぞれの１つの側の潜在的な事故責任を示す値を決定及び記憶することとを行うようにプログラムされ得る。先に述べたように、責任を追跡するための基礎として使用することができる事故責任規則は、上記の規則のいずれか又は他の任意の適切な規則を含み得る。例えば、少なくとも１つの事故責任規則は、横方向速度規則、横方向位置規則、運転方向の優先権の規則、信号機に基づく規則、交通標識に基づく規則、ルートの優先権の規則等を含み得る。事故責任追跡機能は、ＲＳＳ（例えば、ホスト車両の任意の動作が結果として生じる事故に関する潜在的責任を招くかどうか）を検討することに基づく安全なナビゲーションと結合することもできる。
[0591] ＲＳＳに従って事故責任を検討することに基づくナビゲーションに加えて、ナビゲーションは、車両のナビゲーション状態及び将来の特定のナビゲーション状態が安全と見なされるかどうか（上記で詳細に説明したように、例えば事故を回避できるように又は結果として生じる任意の事故がホスト車両の責任と見なされないようにＤＥＰが存在するかどうか）を決定することに関して検討することもできる。ホスト車両を制御して安全な状態から安全な状態にナビゲートすることができる。例えば、任意の特定の状態において、運転ポリシを使用して１つ又は複数の計画されたナビゲーション動作を生成し、計画された各動作に対応する将来予測される状態がＤＥＰを提供するかどうかを決定することにより、それらの動作をテストすることができる。ＤＥＰを提供する場合、ＤＥＰを提供する１つ又は複数の計画されたナビゲーション動作が安全と見なされ得、実施する資格を与えられ得る。
[0592] 幾つかの実施形態では、ホスト車両のためのナビゲーションシステムは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉装置から受信することと、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別することと、識別された目標車両に対するホスト車両の潜在的な事故責任を決定するために、計画されたナビゲーション動作を少なくとも１つの事故責任規則に対してテストすることと、少なくとも１つの事故責任規則に対する計画されたナビゲーション動作のテストが、計画されたナビゲーション動作が行われる場合にホスト車両について潜在的な事故責任があり得ることを示す場合、計画されたナビゲーション動作をホスト車両に実施させないことと、少なくとも１つの事故責任規則に対する計画されたナビゲーション動作のテストが、計画されたナビゲーション動作が行われる場合にホスト車両について事故責任が生じないであろうことを示す場合、計画されたナビゲーション動作をホスト車両に実施させることとを行うようにプログラムされる少なくとも１つの処理デバイスを含み得る。
[0593] 幾つかの実施形態では、ホスト車両のためのナビゲーションシステムは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉装置から受信することと、ホスト車両のための複数の潜在的なナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別することと、識別された目標車両に対するホスト車両の潜在的な事故責任を決定するために、複数の潜在的なナビゲーション動作を少なくとも１つの事故責任規則に対してテストすることと、潜在的なナビゲーション動作の１つを選択することであって、潜在的なナビゲーション動作のその１つについて、テストは、選択される潜在的なナビゲーション動作が行われる場合にホスト車両について事故責任が生じないであろうことを示す、潜在的なナビゲーション動作の１つを選択することと、選択された潜在的なナビゲーション動作をホスト車両に実施させることとを行うようにプログラムされる少なくとも１つの処理デバイスを含み得る。一部の例では、選択される潜在的なナビゲーション動作は、複数の潜在的なナビゲーション動作のサブセットであって、複数の潜在的なナビゲーション動作のそのサブセットについて、テストは、複数の潜在的なナビゲーション動作のサブセットのいずれかが行われた場合にホスト車両について事故責任が生じないであろうことを示す、複数の潜在的なナビゲーション動作のサブセットから選択され得る。更に一部の例では、選択された潜在的なナビゲーション動作は、スコアリングパラメータに従って選択され得る。
[0594] 幾つかの実施形態では、ホスト車両をナビゲートするためのシステムは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉装置から受信することと、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することとを行うようにプログラムされる少なくとも１つの処理デバイスを含み得る。プロセッサは、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別することと、計画されたナビゲーション動作が行われた場合に生じることになる、ホスト車両と目標車両との間の次の状態の距離を決定することと、ホスト車両の現在の最大ブレーキ能力及びホスト車両の現在の速度を決定することと、目標車両の現在の速度を決定し、且つ目標車両の少なくとも１つの認識された特性に基づいて目標車両の最大ブレーキ能力を仮定することと、ホスト車両の最大ブレーキ能力及びホスト車両の現在の速度を所与として、目標車両の現在の速度及び目標車両の仮定された最大ブレーキ能力に基づいて決定される目標車両の移動距離に、決定された次の状態の距離を加算したもの未満である停止距離内でホスト車両が停止され得る場合、計画されたナビゲーション動作を実施することとを行うこともできる。停止距離は、ホスト車両がブレーキなしの反応時間中に移動する距離を更に含み得る。
[0595] 目標車両の最大ブレーキ能力がそれに基づいて決定される目標車両の認識される特性は、任意の適切な特性を含み得る。幾つかの実施形態では、この特性が車両の種類（例えば、そのそれぞれが異なるブレーキプロファイルに関連し得るオートバイ、車、バス、トラック）、車両のサイズ、予測されるか又は既知の車両の重さ、（例えば、既知のブレーキ能力を調べるために使用され得る）車両のモデル等を含み得る。
[0596] 幾つかの場合、安全な状態の決定を２つ以上の目標車両に対して行うことができる。例えば、幾つかの場合、（距離及びブレーキ能力に基づく）安全な状態の決定は、ホスト車両に先行する２つ以上の識別された目標車両に基づき得る。かかる決定は、とりわけ先頭の目標車両の前に何があるかに関する情報を入手できない場合に有用であり得る。この場合、安全な状態、安全な距離及び／又は利用可能なＤＥＰを決定するために、検出可能な先頭車両が動かない又はほぼ動かない障害物との差し迫った衝突を経験すると仮定することができ、そのため、追走する目標車両は、自らのブレーキプロファイルが認めるよりも速く停止に到達し得る（例えば、第２の目標車両は、第１の先頭車両と衝突し、その結果、予期される最大ブレーキ条件よりも速く停止に到達し得る）。その場合、安全な状態、安全な追走距離、ＤＥＰの決定をホスト車両に対する識別された先頭の目標車両の位置に基づかせることが重要であり得る。
[0597] 幾つかの実施形態では、このような安全な状態から安全な状態へのナビゲーションシステムは、ホスト車両の環境を表す少なくとも１つの画像を画像捕捉装置から受信するようにプログラムされる少なくとも１つの処理デバイスを含み得る。ここでも他の実施形態と同様に、画像捕捉装置（例えば、カメラ）によって捕捉される画像情報をライダ又はレーダシステム等の１つ又は複数の他のセンサから得られる情報で補うことができる。幾つかの実施形態では、ナビゲートに使用される画像情報は、光学カメラからではなく、ライダ又はレーダシステムから生じることさえできる。少なくとも１つのプロセッサは、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することができる。プロセッサは、（例えば、ホスト車両の環境の画像をそれから光学や距離マップ等に基づいて得ることができるカメラ、レーダ、ライダ又は他の任意の装置から得られる）少なくとも１つの画像を分析してホスト車両の前方の第１の目標車両及び第１の目標車両の前方の第２の目標車両を識別することができる。次いで、プロセッサは、計画されたナビゲーション動作が行われた場合に生じることになる、ホスト車両と第２の目標車両との間の次の状態の距離を決定することができる。次に、プロセッサは、ホスト車両の現在の最大ブレーキ能力及びホスト車両の現在の速度を決定することができる。プロセッサは、ホスト車両の最大ブレーキ能力及びホスト車両の現在の速度を所与として、ホスト車両と第２の目標車両との間の決定された次の状態の距離未満である停止距離内でホスト車両が停止され得る場合、計画されたナビゲーション動作を実施することができる。
[0598] すなわち、衝突なしに又はホスト車両に責任が帰する衝突なしに、先行する可視の目標車両とホスト車両との間に次の状態の距離において停止するのに十分な距離があるとホスト車両のプロセッサが決定する場合、及び先行する可視の目標車両が任意の瞬間において突然完全に停止すると仮定し、ホスト車両のプロセッサは、計画されたナビゲーション動作を行うことができる。他方では、衝突なしにホスト車両を停止させるのに十分な空間がない場合、計画されたナビゲーション動作が行われない可能性がある。
[0599] 加えて、幾つかの実施形態では、次の状態の距離がベンチマークとして使用され得るが、他の事例では、計画されたナビゲーション動作を行うべきかどうかを決定するために別の距離値が使用され得る。上記で説明したものと同様に、幾つかの場合、衝突を回避するためにホスト車両を停止しなければならない可能性がある実際の距離は、予測される次の状態の距離を下回る場合がある。例えば、先行する可視の目標車両の後に１つ又は複数の他の車両（上記の例では第１の目標車両）が続く場合、実際の予測される所要停止距離は、予測される次の状態の距離から先行する可視の目標車両を追走する目標車両の長さを引いたものになる。先行する可視の目標車両が突然停止した場合、後続の目標車両が先行する可視の目標車両と衝突し、その結果、それらの車両も衝突を回避するためにホスト車両によって回避されなければならないと想定することができる。従って、ホスト車両のプロセッサは、次の状態の距離からホスト車両と先行する可視の／検出された目標車両との間に介在する任意の目標車両の合計長を引いたものを評価して、衝突なしに最大ブレーキ条件下でホスト車両を停止させるのに十分な空間があるかどうかを決定することができる。
[0600] 他の実施形態では、ホスト車両と１つ又は複数の先行する目標車両との間の衝突を評価するためのベンチマーク距離は、予測される次の状態の距離を上回る場合がある。例えば、幾つかの場合、先行する可視の／検出された目標車両が直ちにではないが迅速に停止する場合があり、それにより先行する可視の／検出された目標車両が想定される衝突後に短距離移動する。例えば、その車両が駐車中の車に衝突した場合、衝突側の車両は完全に止まるまで幾らかの距離を引き続き移動し得る。想定される衝突後の移動距離は、関連する目標車両に関する想定又は決定された最小停止距離を下回る場合がある。従って、幾つかの場合、ホスト車両のプロセッサは、計画されたナビゲーション動作を行うかどうかを評価する際に次の状態の距離を長くすることができる。例えば、この決定の際、先行する／可視の目標車両が想定される差し迫った衝突後に移動し得る妥当な距離に対処するために、次の状態の距離を５％、１０％、２０％等長くすることができ、又は所定の固定距離（１０ｍ、２０ｍ、５０ｍ等）で補うことができる。
[0601] 評価の際に次の状態の距離を想定距離値の分だけ長くすることに加えて、先行する可視の／検出された目標車両による衝突後の移動距離に対処すること、及び先行する可視の／検出された目標車両を追走する（先行する可視の／検出された車両が突然停止した後、その車両と多重衝突すると仮定され得る）任意の目標車両の長さの両方によって次の状態の距離を修正することができる。
[0602] 計画されたナビゲーション動作を行うかどうかの決定をホスト車両と、先行する可視の／検出された目標車両との間の（先行する可視の／検出された目標車両の衝突後の移動及び／又は先行する可視の／検出された目標車両を追走する車両の長さを考慮することによって修正される）次の状態の距離に基づかせることに加えて、ホスト車両は、自らの決定において１つ又は複数の先行車両のブレーキ能力を考慮し続けることができる。例えば、ホスト車両のプロセッサは、計画されたナビゲーション動作が行われた場合に生じることになる、ホスト車両と第１の目標車両（例えば、先行する可視の／検出された目標車両を追走する目標車両）との間の次の状態の距離を決定することと、第１の目標車両の現在の速度を決定し、且つ第１の目標車両の少なくとも１つの認識された特性に基づいて第１の目標車両の最大ブレーキ能力を仮定することと、ホスト車両の最大ブレーキ能力及びホスト車両の現在の速度を所与として、第１の目標車両の現在の速度及び第１の目標車両の仮定された最大ブレーキ能力に基づいて決定される第１の目標車両の移動距離に、ホスト車両と第１の目標車両との間の決定された次の状態の距離を加算したもの未満である停止距離内でホスト車両が停止され得ない場合、計画されたナビゲーション動作を実施しないこととを続けることができる。ここでも上記の例と同様に、第１の目標車両の認識された特性は、車両の種類、車両のサイズ、車両のモデル等を含み得る。
[0603] 幾つかの場合、（例えば、他の車両の動作により）ホスト車両は、衝突が差し迫っており不可避であると決定する場合がある。その場合、ホスト車両のプロセッサは、結果として生じる衝突がホスト車両の責任を発生させないナビゲーション動作（存在する場合）を選択するように構成され得る。加えて又は或いは、ホスト車両のプロセッサは、現在の軌道よりも又は１つ若しくは複数の他のナビゲーション動作と比較してホスト車両に一層少ない潜在的損害を与え又は目標物に一層少ない潜在的損害を与えるナビゲーション動作を選択するように構成され得る。更に幾つかの場合、ホスト車両のプロセッサは、衝突が予期される１つ又は複数の物体の種類を検討することに基づいてナビゲーション動作を選択することができる。例えば、第１のナビゲーション動作では、駐車中の車との衝突に直面し、又は第２のナビゲーション動作では動かない物体との衝突に直面する場合、ホスト車両により少ない潜在的損害を与える動作（例えば、駐車中の車との衝突をもたらす動作）を選択することができる。第１のナビゲーション動作では、ホスト車両と同様の方向に移動する車との衝突に直面し、又は第２のナビゲーション動作では駐車中の車との衝突に直面する場合、ホスト車両により少ない潜在的損害を与える動作（例えば、移動中の車との衝突をもたらす動作）を選択することができる。第１のナビゲーション動作の結果として歩行者との衝突に直面し、又は第２のナビゲーション動作では他の任意の物体との衝突に直面する場合、歩行者との衝突に対する任意の代替策を提供する動作を選択することができる。
[0604] 実際には、ホスト車両をナビゲートするためのシステムは、ホスト車両の環境を表す少なくとも１つの画像（例えば、可視画像、ライダ画像、レーダ画像等）を画像捕捉装置から受信することと、ホスト車両の現在のナビゲーション状態のインジケータを少なくとも１つのセンサから受信することと、少なくとも１つの画像の分析及びホスト車両の現在のナビゲーション状態のインジケータに基づいて、ホスト車両と１つ又は複数の物体との間の衝突が不可避であると決定することとを行うようにプログラムされる少なくとも１つの処理デバイスを含み得る。プロセッサは、利用可能な代替策を評価することができる。例えば、プロセッサは、少なくとも１つの運転ポリシに基づいて第１の物体との予期される衝突を伴うホスト車両のための第１の計画されたナビゲーション動作と、第２の物体との予期される衝突を伴うホスト車両のための第２の計画されたナビゲーション動作とを決定することができる。潜在的な事故責任を決定するために、第１の計画されたナビゲーション動作及び第２の計画されたナビゲーション動作を少なくとも１つの事故責任規則に対してテストすることができる。少なくとも１つの事故責任規則に対する第１の計画されたナビゲーション動作のテストが、第１の計画されたナビゲーション動作が行われる場合にホスト車両について潜在的な事故責任があり得ることを示す場合、プロセッサは、第１の計画されたナビゲーション動作をホスト車両に実施させないことができる。少なくとも１つの事故責任規則に対する第２の計画されたナビゲーション動作のテストが、第２の計画されたナビゲーション動作が行われる場合にホスト車両について事故責任が生じないであろうことを示す場合、プロセッサは、第２の計画されたナビゲーション動作をホスト車両に実施させることができる。物体は、他の車両又は車両ではない物体（例えば、道路の瓦礫、木、ポール、標識、歩行者等）を含み得る。
[0605] 以下の図面及び解説は、開示するシステム及び方法をナビゲートし実施するときに生じ得る様々なシナリオの例を与える。これらの例では、ある動作であって、その動作を行った場合に結果として生じる事故についてホスト車両に帰せられる過失が発生する、動作を行うことをホスト車両が回避し得る。
[0606] 図２８Ａ及び図２８Ｂは、以下のシナリオ及び規則の例を示す。図２８Ａに示すように、車両２８０４（例えば、目標車両）を取り囲む領域は、車両２８０４の後ろで距離を置いてレーン内を走行している車両２８０２（例えば、ホスト車両）にとっての最小安全距離地帯を表す。開示する実施形態と合致する１つの規則によれば、車両２８０２に過失が帰せられる事故を回避するために、車両２８０２は、車両２８０２を取り囲む領域内に留まることによって最小安全距離を保つ必要がある。対照的に、図２８Ｂに示すように車両２８０４がブレーキをかけた場合、事故が発生した場合には車両２８０２に帰責事由がある。
[0607] 図２９Ａ及び図２９Ｂは、割り込みシナリオにおける過失の例を示す。これらのシナリオでは、車両２９０２の周りの安全地帯が割り込み操作の帰責事由を決定する。図２９Ａに示すように、車両２９０２が車両２９０４の前に割り込んでおり、（車両２９０４を取り囲む領域によって示す）安全な距離を侵害しており、従って帰責事由がある。図２９Ｂに示すように、車両２９０２が車両２９０４の前に割り込んでいるが、車両２９０４の前の安全な距離を保っている。
[0608] 図３０Ａ及び図３０Ｂは、割り込みシナリオにおける過失の例を示す。これらのシナリオでは、車両３００２に帰責事由があるかどうかを車両３００４の周りの安全地帯が決定する。図３０Ａでは、車両３００２が車両３００６の後ろを走行しており、目標車両３００４が移動しているレーンに車線変更する。このシナリオでは、車両３００２が安全な距離を侵害しており、従って事故が発生した場合には帰責事由がある。図３０Ｂでは、車両３００２が車両３００４の後ろに割り込み、安全な距離を保つ。
[0609] 図３１Ａ～図３１Ｄは、ドリフトシナリオにおける過失の例を示す。図３１Ａにおいて、このシナリオは、車両３１０２の幅広地帯に割り込む車両３１０４による僅かな横方向の操作で始まる。図３１Ｂでは、車両３１０４が車両３１０２の正規地帯に割り込み続けており、安全距離領域を侵害している。事故が発生した場合、車両３１０４に過失がある。図３１Ｃでは、車両３１０４は、その初期位置を保つ一方、車両３１０２が横方向に移動して正規安全距離地帯の侵害を「強いて」いる。事故が発生した場合、車両３１０２に過失がある。図３１Ｂでは、車両３１０２及び車両３１０４が互いに向かって横方向に移動する。事故が発生した場合、両方の車両によって過失が分担される。
[0610] 図３２Ａ及び図３２Ｂは、双方向交通シナリオにおける過失の例を示す。図３２Ａでは、車両３２０２が車両３２０６を追い越し、車両３２０２は、車両３２０４からの安全な距離を保つ割り込み操作を行っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３２０４に過失がある。図３２Ｂでは、車両３２０２が車両３２０４からの安全な縦方向距離を保つことなしに割り込んでいる。事故が発生した場合、車両３２０２に過失がある。
[0611] 図３３Ａ及び図３３Ｂは、双方向交通シナリオにおける過失の例を示す。図３３Ａでは、車両３３０２が対向車両３２０４の経路内にドリフトし、安全な距離を保っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３２０４に過失がある。図３３Ｂでは、車両３２０２が対向車両３２０４の経路内にドリフトし、安全な縦方向距離を侵害している。事故が発生した場合、車両３２０２に過失がある。
[0612] 図３４Ａ及び図３４Ｂは、ルート優先権シナリオにおける過失の例を示す。図３４Ａでは、車両３４０２が一時停止の標識を無視している。信号機によって車両３４０４に与えられた優先権を尊重していないことについて、過失は、車両３４０２に帰する。図３４Ｂでは、車両３４０２に優先権はないが車両３４０４の信号が青に変わったとき既に交差点に入っていた。車両３４０４が車両３４０２に衝突した場合、車両３４０４に過失がある。
[0613] 図３５Ａ及び図３５Ｂは、ルート優先権シナリオにおける過失の例を示す。図３５Ａでは、接近している車両３５０４の経路内に車両３５０２がバックしている。車両３５０２は、安全な距離を保つ割り込み操作を行っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３５０４に過失がある。図３５Ｂでは、安全な縦方向距離を保つことなしに車両３５０２の車が割り込んでいる。事故が発生した場合、車両３５０２に過失がある。
[0614] 図３６Ａ及び図３６Ｂは、ルート優先権シナリオにおける過失の例を示す。図３６Ａでは、車両３６０２及び車両３６０４が同じ方向に走行している一方、車両３６０２が車両３６０４の経路を横切って左折している。車両３６０２は安全な距離を保つ割り込み操作を行っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３６０４に過失がある。図３６Ｂでは、安全な縦方向距離を保つことなしに車両３６０２が割り込んでいる。事故が発生した場合、車両３６０２に過失がある。
[0615] 図３７Ａ及び図３７Ｂは、ルート優先権シナリオにおける過失の例を示す。図３７Ａでは、車両３７０２が左折したいが、対向車両３７０４に道を譲らなければならない。車両３７０２は、左折して車両３７０４に対する安全な距離を侵害している。車両３７０２に過失がある。図３７Ｂでは、車両３７０２が左折して車両３７０４に対する安全な距離を保っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３７０４に過失がある。
[0616] 図３８Ａ及び図３８Ｂは、ルート優先権シナリオにおける過失の例を示す。図３８Ａでは、車両３８０２及び車両３８０４が直進しており、車両３８０２には一時停止の標識がある。車両３８０２が交差点に入り、車両３８０４に対する安全な距離を侵害している。車両３８０２に過失がある。図３８Ｂでは、車両３８０２が車両３８０４に対する安全な距離を保ちながら交差点に入っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３８０４に過失がある。
[0617] 図３９Ａ及び図３９Ｂは、ルート優先権シナリオにおける過失の例を示す。図
３９Ａでは、車両３９０２が左折したいが右側から来る車両３９０４に道を譲らなければならない。車両３９０２は、交差点に入り優先通行権及び車両３９０４に対する安全な距離を侵害している。車両３９０２に過失がある。図３９Ｂでは、車両３９０２が優先通行権及び車両３９０４に対する安全な距離を保ちながら交差点に入っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３９０４に過失がある。
３９Ａでは、車両３９０２が左折したいが右側から来る車両３９０４に道を譲らなければならない。車両３９０２は、交差点に入り優先通行権及び車両３９０４に対する安全な距離を侵害している。車両３９０２に過失がある。図３９Ｂでは、車両３９０２が優先通行権及び車両３９０４に対する安全な距離を保ちながら交差点に入っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両３９０４に過失がある。
[0618] 図４０Ａ及び図４０Ｂは、信号機シナリオにおける過失の例を示す。図４０Ａでは、車両４００２が赤信号を無視している。信号機によって車両４００４に与えられた優先権を尊重していないことについて、過失は、車両４００２に帰する。図４０Ｂでは、車両４００２に優先権はないが、車両４００４の信号が青に変わったときに車両４００２が既に交差点に入っていた。車両４００４が車両４００２に衝突した場合、車両４００４に過失がある。
[0619] 図４１Ａ及び図４１Ｂは、信号機シナリオにおける過失の例を示す。車両４１０２が対向車両４１０４の経路を横切って左折している。優先権は、車両４１０４にある。図４１では、車両４１０２が左折し、車両４１０４に対する安全な距離を侵害している。過失は、車両４１０２に帰せられる。図４１Ｂでは、車両４１０２が左折して車両４１０４に対する安全な距離を保っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両４１０４に過失がある。
[0620] 図４２Ａ及び図４２Ｂは、信号機シナリオにおける過失の例を示す。図４２Ａでは、車両４２０２が右折し、直進している車両４２０４の経路に割り込んでいる。赤信号時の右折は、適法な操作であると想定されるが、車両４２０４に対する安全な距離を車両４２０２が侵害しているため、車両４２０４に優先通行権がある。過失は、車両４２０２に帰せられる。図４２Ｂでは、車両４２０２が右折して車両４２０４に対する安全な距離を保っている。事故が発生した場合、妥当な力でブレーキをかけなかったことについて車両４２０４に過失がある。
[0621] 図４３Ａ～図４３Ｃは、交通弱者（ＶＲＵ）シナリオの例を示す。車両が操作を行う場合の動物又はＶＲＵとの事故は、割り込みの異形として処理し、幾つかの例外はあるが、デフォルトの過失は、車にある。図４３Ａでは、車両４３０２が安全な距離を保ち事故を回避できることを保証しながら動物（又はＶＲＵ）の経路内に割り込んでいる。図４３Ｂでは、車両４３０２が動物（又はＶＲＵ）の経路内に割り込んでおり、安全な距離を侵害している。過失は、車両４３０２に帰せられる。図４３Ｃでは、車両４３０２が動物を認識して停止し、止まるのに十分な時間を動物に与えている。動物が車に衝突した場合、動物に過失がある。
[0622] 図４４Ａ～図４４Ｃは、交通弱者（ＶＲＵ）シナリオの例を示す。図４４Ａでは、信号機がある交差点で車両４４０２が左折し、横断歩道内の歩行者と遭遇する。車両４４０２は、赤信号であり、ＶＲＵは、青信号である。車両４４０２に帰責事由がある。図４４Ｂでは、車両４４０２が青信号であり、ＶＲＵが赤信号である。ＶＲＵが横断歩道に入った場合、ＶＲＵに帰責事由がある。図４４Ｃでは、車両４４０２が青信号であり、ＶＲＵが赤信号である。ＶＲＵが横断歩道内に既にいた場合、車両４４０２に帰責事由がある。
[0623] 図４５Ａ～図４５Ｃは、交通弱者（ＶＲＵ）シナリオの例を示す。図４５Ａでは、車両４５０２が右折し、自転車と遭遇する。自転車は、青信号である。車両４５０２に帰責事由がある。図４５Ｂでは、自転車が赤信号である。自転車が交差点に入った場合、自転車に帰責事由がある。図４５Ｃでは、自転車が赤信号であるが、交差点に既に入っている。車両４５０２に帰責事由がある。
[0624] 図４６Ａ～図４６Ｄは、交通弱者（ＶＲＵ）シナリオの例を示す。車両が操作を行わない場合のＶＲＵとの事故の過失は、幾つかの例外はあるが、デフォルトで車にある。図４６Ａでは、車両４６０２が安全な距離を保つことを常に確認し、ＶＲＵとの事故を回避できることを保証しなければならない。図４６Ｂでは、車両４６０２が安全な距離を保たない場合、車両４６０２に過失がある。図４６Ｃでは、車両４６０２が、場合により車両５６０４によって隠れるＶＲＵとの衝突を回避するのに十分遅い速度を保たない場合又は法定速度を上回って走行する場合、車両４６０２に過失がある。ＶＲＵが場合により車両４６０４によって隠れる別のシナリオである図４６Ｄでは、車両４６０２が十分遅い速度を保つがＶＲＵの速度が妥当な閾値を上回る場合、ＶＲＵに過失がある。
[0625] 本明細書で開示したように、ＲＳＳは、マルチエージェントシナリオのためのフレームワークを定める。静的物体との事故、道路からの離脱、制御不能又は車両故障の過失は、ホスト側にある。ＲＳＳは、ホストの経路内に他の物体が危険を伴って入ってこない限り（その場合、過失は、その物体にある）他の物体との事故が起きないようにする慎重な操作を定める。目標物に過失がある確実な衝突の場合、ホストは、自らのブレーキをかける。システムは、回避操舵をその操作が「慎重」である（別の事故を引き起こさないことが認められる）場合にのみ検討し得る。
[0626] 非衝突インシデントは、車両火災、道路のくぼみ、落下物等によって引き起こされる事故を含む。これらの事例では、安全な距離で「静的物体」が見えるようになるか又は慎重な回避操作が存在すると仮定する「静的物体」シナリオとして分類され得る道路のくぼみ及び落下物等のホストが回避可能なシナリオを除き、過失は、デフォルトでホストにあり得る。ホスト車両が静止しているマルチエージェントシナリオではホストに過失はない。この場合、本質的に目標物が危険な割り込みを行っている。例えば、静止している車に自転車がぶつかった場合、ホストに過失はない。
[0627] ＲＳＳは、レーンマークのない駐車場又は広い環状交差路等、道路が明確に構造化されていない場合に過失を割り当てるためのガイドラインも含む。これらの非構造化道路シナリオでは、各車両の自らの経路からの逸脱を調べて、領域内の他の物体が調節を行うことを可能にするのに十分な距離を各車両が与えたかどうかを決定することによって過失が割り当てられる。
[0628] 責任敏感型安全性（ＲＳＳ）に関する更なる詳細
[0629] 上記で論じたようにＲＳＳは、ＲＳＳを実装する車両が、自らが引き起こした事故に巻き込まれないことを保証するために使用可能な数式の組を提供する。その結果、一部の実装形態では、ＲＳＳを実装する車両が自らに過失がある事故に巻き込まれないことを保証する極値（例えば、最低安全縦方向距離）のエンベロープをＲＳＳが設定し得る。幾つかの実施形態では、システムは、修正されたＲＳＳを実装することができ、かかる修正されたＲＳＳは、上記のＲＳＳプロトコルよりも大きい可能性がある所定の動作エンベロープを含み得る。かかる修正されたＲＳＳは、少なくとも幾つかの状況において、より高められた安全レベルを提供し、ＲＳＳを採用する車両に帰責事由が帰せられ得る確率を下げることができる。かかる修正されたＲＳＳシステムについて、以下で例えば記載の快適ＲＳＳシステムに関してより詳細に説明する。
[0629] 上記で論じたようにＲＳＳは、ＲＳＳを実装する車両が、自らが引き起こした事故に巻き込まれないことを保証するために使用可能な数式の組を提供する。その結果、一部の実装形態では、ＲＳＳを実装する車両が自らに過失がある事故に巻き込まれないことを保証する極値（例えば、最低安全縦方向距離）のエンベロープをＲＳＳが設定し得る。幾つかの実施形態では、システムは、修正されたＲＳＳを実装することができ、かかる修正されたＲＳＳは、上記のＲＳＳプロトコルよりも大きい可能性がある所定の動作エンベロープを含み得る。かかる修正されたＲＳＳは、少なくとも幾つかの状況において、より高められた安全レベルを提供し、ＲＳＳを採用する車両に帰責事由が帰せられ得る確率を下げることができる。かかる修正されたＲＳＳシステムについて、以下で例えば記載の快適ＲＳＳシステムに関してより詳細に説明する。
[0630] 上記で論じたようにＲＳＳは、目標車両、ＶＲＵ又は別の物体との衝突を回避するために、ホスト車両がその最大ブレーキ能力でブレーキをかけると仮定し得る。ＲＳＳは、ホスト車両との間の安全な縦方向距離、事実上、上記のようにホスト車両及び目標車両の速度、ホスト車両及び目標車両の最大ブレーキ能力並びにホスト車両の反応時間にわたるホスト車両の最大加速能力に基づくサイズを有する緩衝区域を決定することができ
る。図２８Ａ～図４６Ｄの例に示すように、ホスト車両がこの安全距離（例えば、ＲＳＳ距離）未満の距離内に来た場合、ホスト車両は、たとえ自らの最大ブレーキ力でブレーキをかけても（少なくとも幾つかの事例において）目標車両と接触することなしに停止できない可能性がある。最大のブレーキをかけることは、とりわけそのようにかけることが突然である場合、極端な応答と見なすことができ、かかる応答は、それが不可避の場合のために残しておくべきである。一定の状況下では、最大のブレーキをかけることは、乗客にとって快適でない可能性があり、後尾車両を暗示することができ、車両のハードウェア（タイヤ、ブレーキパッド等）を過度に摩耗させる可能性等があり得る。従って、最大ブレーキシナリオ及び目標車両との潜在的な接触を回避するために、ＲＳＳ安全距離に基づく運転ポリシを少なくとも一定の状況下又は一部の実装形態で採用して、目標車両に対する安全な縦方向距離を維持することができる。
る。図２８Ａ～図４６Ｄの例に示すように、ホスト車両がこの安全距離（例えば、ＲＳＳ距離）未満の距離内に来た場合、ホスト車両は、たとえ自らの最大ブレーキ力でブレーキをかけても（少なくとも幾つかの事例において）目標車両と接触することなしに停止できない可能性がある。最大のブレーキをかけることは、とりわけそのようにかけることが突然である場合、極端な応答と見なすことができ、かかる応答は、それが不可避の場合のために残しておくべきである。一定の状況下では、最大のブレーキをかけることは、乗客にとって快適でない可能性があり、後尾車両を暗示することができ、車両のハードウェア（タイヤ、ブレーキパッド等）を過度に摩耗させる可能性等があり得る。従って、最大ブレーキシナリオ及び目標車両との潜在的な接触を回避するために、ＲＳＳ安全距離に基づく運転ポリシを少なくとも一定の状況下又は一部の実装形態で採用して、目標車両に対する安全な縦方向距離を維持することができる。
[0631] 上記で述べたように、ＲＳＳ距離は、検知事象と検知事象に対するホスト車両の反応との間の期間（すなわちホスト車両に関連する反応時間）中にホスト車両が経験し得る可能な最大加速能力に依存する成分を含み得る。例えば、ＲＳＳは、目標車両、ＶＲＵ又は他の物体がホスト車両によって検知される期間と、ホスト車両がブレーキをかけ始めるか又は別のナビゲーション操作を行い始める時点との間の遅延を考慮することができる。例えば、目標車両がブレーキをかけていることをホスト車両が検出する時点と、ホスト車両がブレーキをかけ始めるか又は別の回避操作を開始する時点との間に数ミリ秒（又はおよそ数ミリ秒）があり得る。ＲＳＳ及びＲＳＳ安全距離に関する更なる詳細については、上記で説明されている。
[0632] 定義２７（ＲＳＳ安全距離） 車ｃｒとｃｒの前方地帯内にある別の車ｃｆとの間の縦方向距離は、ｃｆが行う最大αｍａｘ，ｂｒａｋｅの任意のブレーキについて、ｃｒが応答時間ｐ中に最大αｍａｘ，ａｃｃｅｌで加速し、その後、時点ｐから完全停止までその最大ブレーキαｍａｘ，ｂｒａｋｅでブレーキをかけてｃｆと衝突しない場合、応答時間ｐに関して安全である。
[0633] 以下の補助定理１１は、目標車両を追走するホスト車両のこの実施形態によるＲＳＳ安全距離の一例を計算する。ＲＳＳ安全距離は、目標車両の最大ブレーキ力の仮定及び決定された現在の速度を含み得る。
[0634] 補助定理１１ 縦軸上で目標車両ｃｆの後ろにあるホスト車両をｃｒとする。車両の最大ブレーキ力をαｍａｘ，ｂｒａｋｅとし、最大加速度をαｍａｘ，ａｃｃｅｌとする。車両の現在の速度をｖとする。ホスト車両ｃｒの応答時間をｐとする。従って、ホスト車両ｃｒのＲＳＳ安全距離は、次式のようになる。
[0635] 証明 ＲＳＳ安全距離は、最大ブレーキ力αｍａｘ，ｂｒａｋｅでブレーキをかけた場合に車両が停止するのに必要な最小距離の計算を含み得る。この最小距離は、ＲＳＳに関して上記で説明した任意の方法で計算することができ、補助定理１１で用いた式は、例示に過ぎない。例えば、停止するのに必要な最小距離は、補助定理２を使用して計算することができる。補助定理１１は、応答期間ｐ中に生じ得る加速に対処するために必要な修正の一例を示す。ホスト車両ｃｒの現在の速度をｖ１とし、目標車両ｃｆの現在の速度をｖ２とする。従って、ホスト車両ｃｒについて、ＲＳＳＤｉｓｔａｎｃｅは、応答期間ｐにわたって最大加速力αｍａｘ，ａｃｃｅｌで加速した後のホスト車両ｃｒの速度の計算を含み、その速度を応答期間ｐと掛けて、応答期間ｐ中に移動する最大距離を決定
する。応答期間ｐ中に移動する最大距離は、次式の通りである。
ｄｍａｘ，ｐ＝（ｖ１＋（ｖ１＋ｐαｍａｘ，ａｃｃｅｌ））ｐ
する。応答期間ｐ中に移動する最大距離は、次式の通りである。
ｄｍａｘ，ｐ＝（ｖ１＋（ｖ１＋ｐαｍａｘ，ａｃｃｅｌ））ｐ
[0636] 安全距離の決定に使用されるホスト車両の速度は、その応答期間ｐにわたって加速した後のホスト車両の可能な最大速度に相当し得る。例えば、ホスト車両の現在の速度をｖ１とし、応答期間をｐとし、ホスト車両の最大加速度をαｍａｘ，ａｃｃｅｌとすると、応答期間ｐ後のホスト車両の可能な最大速度ｖｍａｘ，ｐは、次式の通りである。
ｖｍａｘ，ｐ＝ｖ１＋ｐαｍａｘ，ａｃｃｅｌ
ｖｍａｘ，ｐ＝ｖ１＋ｐαｍａｘ，ａｃｃｅｌ
[0637] 幾つかの実施形態では、ＲＳＳ安全距離は、ホスト車両及び目標車両の両方が自らの現在の速度から最大ブレーキ能力で停止しても（及び自らの反応時間にわたるホスト車両の最大加速後に）、確実にするための成分も含み得る。かかる成分は、最小接近距離成分を含み得る。最小接近距離は、ＲＳＳ安全距離の計算における最小距離成分と一致し得、それにより、たとえホスト車両及び目標車両が停止しながら最大ブレーキをかけても（及び最大加速度におけるホスト車両の反応時間後）、ホスト車両は、検知される目標車両、ＶＲＵ又は他の物体から少なくとも最小距離で停止する。例えば、ホスト車両が目標車両の後ろを走行しており、目標車両がその最大ブレーキ力でブレーキをかけ始めた場合、ＲＳＳを備えるホスト車両は、自らの最大ブレーキ力でブレーキをかけることによって応答することができる。ＲＳＳ安全距離が最小接近距離成分を含む場合、ホスト車両は、目標車両から少なくとも最小距離で停止し得る。最小距離は、予め定められ得（例えば、０．５ｍ、１ｍ、２ｍ等の最小距離）、又は本開示と一致する任意の要因（例えば、ホスト車両及び／又は目標車両に関連する速度、検知される気象条件、ユーザの好み等）の組に基づいて決定され得る。ＲＳＳ安全距離に関する以下の式は、最小距離ｄｍｉｎを含む。
[0638] 図４７Ａ及び図４７Ｂは、ホスト車両が目標車両の後ろを走行しているときのＲＳＳ安全距離の概念を更に示す。例えば、図４７Ａは、ホスト車両４７０４と目標車両４７０６との間のＲＳＳ安全距離４７０２を示す。目標車両４７０６がその最大ブレーキ能力でブレーキをかける最悪のシナリオでも、ＲＳＳ安全距離４７０２において、ホスト車両４７０４は、自らの最大ブレーキ能力でブレーキをかけることにより、たとえその間にホスト車両が自らの最大加速能力で加速するホスト車両の応答時間後に最大ブレーキを開始しても、目標車両４７０６と衝突することなしに停止することができる。殆どの例において、目標車両４７０６は、自らの最大ブレーキ能力で完全に停止するまでブレーキをかける必要がない可能性がある。かかる例では、ホスト車両４７０４は、目標車両４７０６から少なくともＲＳＳ安全距離４７０２だけ離れるまで自らの最大ブレーキ能力でブレーキをかけることができる。
[0639] 図４７Ｂは、ホスト車両４７２４と目標車両４７２６との間のＲＳＳ安全距離４７２２を示す。この実施形態では、ＲＳＳ安全距離４７２２は、ＲＳＳ安全距離４７０２及び最小接近距離４７１０を含む。上記で論じたように、最小接近距離４７１０は、（ホスト車両が自らの反応時間にわたって自らの最大加速能力で加速した後でも）ホスト車両４７２４及び目標車両４７２６がいずれも自らの最大ブレーキ能力でブレーキをかけ、停止する場合にホスト車両４７２４と目標車両４７２６との間に存在することになる最小分離距離であり得る。
[0640] 本開示と一致し、ホスト車両をナビゲートするためのシステムを開示する。このシステムは、本開示と一致する１つ又は複数の方法、プロセス、機能又は操作を実行するようにプログラムされる少なくとも１つの処理デバイスを含み得る。幾つかの実施形態では、システムは、ＡＤＡＳシステム又は本明細書で開示する別のナビゲーションシステムであり得る。同様に、処理デバイスは、処理デバイス１１０又はホスト車両内の若しくはホスト車両と通信する別のプロセッサ又は処理デバイスであり得る。
[0641] 図４８は、少なくとも１つの処理デバイスによって実行され得る例示的プロセス４８００を示すフローチャートである。プロセス４８００は、例示に過ぎない。プロセス４８００が追加のステップを含み得ること、特定のステップを除外し得ること、又は本開示と一致する方法で他の方法で修正され得ることを、本開示の利益を得る当業者であれば理解することができる。
[0642] プロセス４８００は、ホスト車両の環境を表す少なくとも１つの画像を受信するためのステップ４８０２を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、ホスト車両の環境を表す少なくとも１つの画像を受信するようにプログラムされ得る。上記で論じたように、少なくとも１つの画像は、画像捕捉デバイスから受信され得る。画像捕捉デバイスは、画像捕捉デバイス１２２を含む本開示と一致する任意のものとすることができる。幾つかの実施形態では、少なくとも１つの画像は、カメラ、レーダ、ライダ又は（光学であろうと別のものであろうと）画像をそれから得ることができる他の任意のデバイスのいずれかから得られる画像であり得る。画像の捕捉時点と、処理デバイスが画像を受信する時点との間に幾らかの遅延期間があり得る。更に、事象の発生時点と、撮像デバイスがその事象の画像を捕捉する時点との間に遅延期間があり得る。例えば、目標車両がホスト車両の前でレーンに入る場合、目標車両がレーン内に操作するときと、撮像デバイスが目標車両の画像を捕捉するときとの間に短い期間（例えば、１ミリ秒、２ミリ秒、５ミリ秒等）があり得る。
[0643] プロセス４８００は、ホスト車両の計画されたナビゲーション動作を決定するためのステップ４８０４を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を決定するようにプログラムされ得る。ナビゲーション動作は、少なくとも１つの運転ポリシに基づいて決定され得る。計画されたナビゲーション動作及び／又は少なくとも１つの運転ポリシは、上記で論じたものを含む本開示と一致する任意のものとすることができる。例えば、計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含み得る。処理デバイスは、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別するようにプログラムされ得る。少なくとも１つの画像は、画像捕捉デバイス１２２等の画像捕捉デバイスから受信される画像であり得る。少なくとも１つの画像は、プロセス４８００のステップ４８０２の一部として受信される１つ又は複数の画像であり得る。
[0644] プロセス４８００は、計画されたナビゲーション動作に関連する次の状態の距離を決定するためのステップ４８０６を含み得る。本開示と一致し、処理デバイスは、計画されたナビゲーション動作が行われた場合に生じることになるホスト車両と目標車両との間の次の状態の距離を決定するようにプログラムされ得る。次の状態の距離は、上記のＲＳＳ安全距離の式を含む本明細書で開示する任意の手段によって計算することができる。例えば、計画されたナビゲーション動作がホスト車両を加速することである場合、次の状態の距離は、ホスト車両とホスト車両の前にある車両との間の距離であり得る。一部の例では、複数の次の状態の距離を決定することができる。例えば、計画されたナビゲーション動作が隣接レーンに合流することである場合、ホスト車両及び合流後にホスト車両の前にある第１の目標車両に関して第１の次の状態の距離を決定することができ、合流後にホスト車両の後ろにある第２の目標車両に関して第２の次の状態の距離を決定することができる。
[0645] プロセス４８００は、ホスト車両の最大ブレーキ能力、最大加速能力及び現在の速度を決定するためのステップ４８０８を含み得る。本開示と一致し、処理デバイスは、ホスト車両の最大ブレーキ能力、ホスト車両の最大加速能力及び／又はホスト車両の速度を決定するようにプログラムされ得る。それらの要因（すなわちホスト車両の最大ブレーキ能力、最大加速能力及び速度）のそれぞれは、本開示と一致する任意の手段によって決定することができる。幾つかの実施形態では、ホスト車両の最大ブレーキ能力及び／又は最大加速能力は、例えば、車両の現在の速度、道路特性（例えば、道路の傾斜、道路の材料等）、気象条件（例えば、雪が降っている、湿度が高い等）、車両の状態（例えば、タイヤ空気圧、ブレーキパッドの状態、車両の現在の荷重等）等に基づいて決定され得る。幾つかの実施形態では、それらの要因の１つ又は複数は、１つ又は複数のセンサの出力に基づいて決定され得る。例えば、ホスト車両は、処理デバイスに出力を提供することができる加速度計を含むことができ、その出力は、ホスト車両の現在の速度及び／又はホスト車両の加速力を含み得る。幾つかの実施形態では、処理デバイスは、ホスト車両の現在の速度を決定し、その現在の速度を使用して現在の最大ブレーキ能力及び／又は現在の加速能力を決定することができる。例えば、第１の速度（例えば、１５ｋｍ／時）で走行している車両の最大ブレーキ能力は、第２の速度（例えば、３０ｋｍ／時）で走行している同じ車両の最大ブレーキ能力と著しく異なり得る。幾つかの実施形態では、所定の値を使用してホスト車両の最大ブレーキ能力、最大加速能力及び／又は速度の１つ又は複数を仮定することができる。例えば、処理デバイスは、ホスト車両に関連する車両の種類の平均の（又は最低の）最大ブレーキ能力と一致する所定の値と一致する最大ブレーキ能力をホスト車両が有すると仮定するように構成され得る。幾つかの実施形態では、それぞれの要因が道路の外部条件又は車両の一時的特性に基づいて決定され得る。例えば、ホスト車両の最大ブレーキ能力は、検知される路面の状態に基づいて決定され得る。この例では、検知される道路の状態は、道路の粗さ、道路の勾配又は傾斜、道路上の物質又は物体の有無、道路がアスファルト、セメント、砂利若しくは別の材料であるかどうか、又は本開示と一致する他の任意の条件を含み得る。別の例として、ホスト車両の最大ブレーキ能力は、検知される気象条件に基づいて決定され得る。この例では、気象条件は、任意の降水（例えば、雨、みぞれ、雪、氷等）、視認性に影響を及ぼす気象条件（例えば、霧、煙霧、煙等）、車両の操縦性に影響を及ぼし得る気象条件（例えば、強風、高温等）又はホスト車両のナビゲーション応答に影響を及ぼし得る他の任意の気象条件を含み得る。別の例では、処理デバイスは、ホスト車両が例えば１人の乗客を含むか、複数の乗客を含むか、著しく重い積荷を含むか、トレーラを含むか等に基づいて最大ブレーキ能力を決定することができる。
[0646] 幾つかの実施形態では、最大ブレーキ能力及び／又は最大加速能力は、１つ又は複数の既定の要因に基づいて決定され得る。例えば、車両又は車両のクラスが有し得る最大ブレーキ能力及び／又は最大加速能力を定める１つ又は複数の規則を政府又は業界エンティティが提供し得、少なくとも１つのプロセッサは、規則によって認められた最大ブレーキ能力及び／又は最大加速能力をホスト車両が有すると仮定し得る。
[0647] プロセス４８００は、ホスト車両の現在の停止距離を決定するためのステップ４８１０を含み得る。本開示と一致し、処理デバイスは、ホスト車両の現在の最大ブレーキ能力、ホスト車両の現在の最大加速能力及び／又はホスト車両の現在の速度に基づいてホスト車両の現在の停止距離を決定するように構成され得る。ホスト車両の現在の停止距離は、本開示と一致する任意の手段によって決定することができる。例えば、処理デバイスは、ＲＳＳに関して上記で論じた式の１つ又は複数を使用することができる。
[0648] 幾つかの実施形態では、現在の停止距離は、ホスト車両が或る期間にわたって
自らの最大加速能力で加速してから自らの最大ブレーキ能力でブレーキをかける場合、ホスト車両の現在の速度を所与としてホスト車両が停止するのに必要な距離であり得る。例えば、ホスト車両の現在の停止距離は、ホスト車両の決定された現在の速度から開始して、ホスト車両の現在の最大加速能力で所定の期間にわたってホスト車両が移動し得る距離に対応する加速距離を含み得る。所定の期間は、処理デバイスによって仮定される期間とすることができる。例えば、制約は、ある期間（例えば、０．５ミリ秒、１ミリ秒、２ミリ秒、３ミリ秒、１０ミリ秒等）にわたってホスト車両が加速すると処理デバイスが仮定することを定めることができる。所定の期間は、ホスト車両に関連する反応時間とすることができる。例えば、所定の期間は、ホスト車両のブレーキ応答を必要とする条件（例えば、目標車両がホスト車両の経路内に入ること）をホスト車両のセンサ（例えば、撮像デバイス）が検知する時点と、ホスト車両が自らの最大ブレーキ能力でブレーキをかけ始める時点との間の遅延であり得る。この例では、最悪のシナリオにおいて、ホスト車両が全遅延期間にわたって自らの最大ブレーキ能力で加速すると仮定することができる。幾つかの実施形態では、反応時間に関連する期間は、処理デバイスによって決定又は概算され得る。例えば、処理デバイスは、画像を受信することと、ブレーキ応答が必要であると決定することとの間の時間を監視することができる。別の例として、処理デバイスは、複数のナビゲーション応答に関連する平均、中央又は最頻反応時間を決定し、現在の停止距離を計算するときにその平均、中央又は最頻反応時間を使用することができる。例えば、数十、数百又は数千のナビゲーション応答後、処理デバイスは、検知事象とナビゲーション応答との間の平均時間が特定の値（例えば、ミリ秒の任意の実数）であることを決定し、ホスト車両に関連する反応時間としてその値を使用することができる。
自らの最大加速能力で加速してから自らの最大ブレーキ能力でブレーキをかける場合、ホスト車両の現在の速度を所与としてホスト車両が停止するのに必要な距離であり得る。例えば、ホスト車両の現在の停止距離は、ホスト車両の決定された現在の速度から開始して、ホスト車両の現在の最大加速能力で所定の期間にわたってホスト車両が移動し得る距離に対応する加速距離を含み得る。所定の期間は、処理デバイスによって仮定される期間とすることができる。例えば、制約は、ある期間（例えば、０．５ミリ秒、１ミリ秒、２ミリ秒、３ミリ秒、１０ミリ秒等）にわたってホスト車両が加速すると処理デバイスが仮定することを定めることができる。所定の期間は、ホスト車両に関連する反応時間とすることができる。例えば、所定の期間は、ホスト車両のブレーキ応答を必要とする条件（例えば、目標車両がホスト車両の経路内に入ること）をホスト車両のセンサ（例えば、撮像デバイス）が検知する時点と、ホスト車両が自らの最大ブレーキ能力でブレーキをかけ始める時点との間の遅延であり得る。この例では、最悪のシナリオにおいて、ホスト車両が全遅延期間にわたって自らの最大ブレーキ能力で加速すると仮定することができる。幾つかの実施形態では、反応時間に関連する期間は、処理デバイスによって決定又は概算され得る。例えば、処理デバイスは、画像を受信することと、ブレーキ応答が必要であると決定することとの間の時間を監視することができる。別の例として、処理デバイスは、複数のナビゲーション応答に関連する平均、中央又は最頻反応時間を決定し、現在の停止距離を計算するときにその平均、中央又は最頻反応時間を使用することができる。例えば、数十、数百又は数千のナビゲーション応答後、処理デバイスは、検知事象とナビゲーション応答との間の平均時間が特定の値（例えば、ミリ秒の任意の実数）であることを決定し、ホスト車両に関連する反応時間としてその値を使用することができる。
[0649] 本開示と一致し、決定された現在の停止距離は、完全に停止した後のホスト車両と別の物体（例えば、目標車両又はＶＲＵ）との間の最小距離を含み得る。決定された又は所定の最小距離は、ホスト車両と他の車両との間で維持される所定の分離距離に対応し得る。例えば、処理デバイスは、決定された又は所定の最小距離を停止距離の計算に含めるようにプログラムされ得る。例えば、所定の分離距離は、少なくとも１ｍであり得る。この例では、決定された又は所定の最小距離は、上記で論じたようにｄｍｉｎとすることができる。
[0650] プロセス４８００は、目標車両の現在の速度を決定し、且つ目標車両の最大ブレーキ能力を仮定するためのステップ４８１２を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、目標車両の現在の速度を決定するようにプログラムされ得る。幾つかの実施形態では、ホスト車両の速度に基づいて目標車両の速度を決定することができる。例えば、ホスト車両上の１つ又は複数のセンサは、ホスト車両の速度に関係する情報及びホスト車両に対する目標車両の加速度又は方向の変化の指示を提供し得る。幾つかの実施形態では、少なくとも１つの画像の分析に基づいて目標車両の速度を決定することができる。少なくとも１つの画像は、例えば、ステップ４８０６で目標車両を識別するために使用される、ステップ４８０２において処理デバイスによって受信される同じ画像とすることができる。幾つかの実施形態では、複数の画像を分析して目標車両の速度を決定することができる。例えば、第１の画像は、ホスト車両から第１の距離にある目標車両を示すことができ、第２の画像は、ホスト車両から第２の距離にある目標車両を示すことができ、処理デバイスは、第１の画像と第２の画像との間の距離及び時間の変化を使用して目標車両に関連する速度を決定することができる。幾つかの実施形態では、ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて目標車両の速度を決定することができる。例えば、処理デバイスは、ホスト車両の速度及び（例えば、ライダシステムによって検知される）ホスト車両と目標車両との間の距離を使用してホスト車両の速度を決定することができる。
[0651] 幾つかの実施形態では、最悪のシナリオに対処するために、処理デバイスは、目標車両の現在の速度が目標車両の検知速度を下回るか又は上回ると仮定するようにプログラムされ得る。例えば、目標車両がホスト車両の前で走行している場合、処理デバイスは、所定の値、パーセンテージ、式等を使用して検知速度を低減するようにプログラムされ得る。例えば、処理デバイスが、１つ又は複数のセンサからの情報に基づいて目標車両が１００ｋｍ／時で走行していると決定する場合、処理デバイスは、検知速度を１０％調節して、その車両が９０ｋｍ／時で走行していると仮定することができる。目標車両の速度は、目標車両のブレーキ力と相関する可能性があり、それにより、目標車両の低減された速度を仮定することは、目標車両が低減された速度を使用しない場合よりも目標車両が迅速に停止できると仮定するようなものである（例えば、目標車両は、１００ｋｍ／時で走行する場合よりも９０ｋｍ／時で走行する場合、より短い距離で停止することができる）。
[0652] 本開示と一致し、少なくとも１つの処理デバイスは、目標車両の少なくとも１つの認識された特性に基づいて目標車両の最大ブレーキ能力を仮定するようにプログラムされ得る。最大ブレーキ能力は、プロセス４８００のステップ４８１２の一部として仮定され得る。処理デバイスは、１つ又は複数のセンサ（例えば、ライダ、レーダ、撮像デバイス等）からの情報から少なくとも１つの特性を認識するようにプログラムされ得る。幾つかの実施形態では、少なくとも１つの画像の分析に基づいて目標車両の認識された特性を決定することができる。例えば、目標車両の画像は、目標車両の外部の文字を含むことができ、その文字を使用して車両の種類、車両のモデル、車両のサイズ又は他の特性を決定することができる。別の例として、目標車両の画像は、他の物体を含むことができ、他の物体は、それに対する比較に基づいて車両のサイズ又は他の特性を概算するために使用され得る。具体例として、大型車両は、速度制限標識よりも高く見える可能性があるのに対し、小型車両は、速度制限標識よりも低く見える可能性がある。幾つかの実施形態では、ライダ出力又はレーダ出力の少なくとも１つに基づいて目標車両の少なくとも１つの特性を決定することができる。例えば、ライダ出力は、目標車両の後部バンパーまでの距離に関連する第１の距離及び目標車両の前部バンパー（又は他の領域）までの距離に関連する第２の距離を含むことができ、それらの間の差を使用して目標車両のサイズを推定することができる。
[0653] 少なくとも１つの特性は、ブレーキ能力と相関することが分かっているか又はブレーキ能力と相関し得る任意の特性であり得る。幾つかの実施形態では、目標車両の認識された特性は、車両の種類を含み得る。車両の種類は、例えば、目標車両が属する一般カテゴリ（例えば、大型セダン、コンパクトカー、ＳＵＶ、クロスオーバＳＵＶ、オートバイ等）又は目標車両に関連するより具体的なカテゴリ若しくはサブカテゴリであり得る。処理デバイスは、目標車両がその車両の種類又は車両のクラスの既知のブレーキ能力の最大ブレーキ能力と一致する最大ブレーキ能力を有すると仮定するようにプログラムされ得る。例えば、目標車両が大型セダンであると決定される場合、処理デバイスは、最も優れた最大ブレーキ能力を有する大型セダン（例えば、他の大型セダンと比較して最短距離で停止することができる大型セダン）の最大ブレーキ能力と一致する最大ブレーキ能力を目標車両が有すると仮定し得る。幾つかの実施形態では、目標車両の認識された特性は、目標車両の車両モデル、ブランド名又は他の分類子を含み得る（例えば、Toyota Prius（登録商標）、BMW X5（登録商標）等）。処理デバイスは、車両の種類を使用して、例えばそれぞれの車両の種類の既知のブレーキ能力を含むデータベースにアクセスすることができる。例えば、検出した車両の種類がBMW X5（登録商標）である場合、処理デバイスは、データベースのBMW X5（登録商標）の報告されたブレーキ能力を探索することができる。車両のモデルについて複数の最大ブレーキ能力が報告されている場合（例えば、BMW X5（登録商標）は、xDrive40i trim levelを有するか若しくはxDrive50i trim levelを有するかに応じて又はその製造年に応じて様々なブレーキ能力を有し得る）、処理デバイスは、その車両のモデルについて報告されている最も優れた最大ブレーキ能力を目標車両が有す
ると仮定するようにプログラムされ得る。幾つかの実施形態では、目標車両の認識された特性は、車両のサイズを含み得る。車両のサイズは、相対的なサイズ、所定のサイズ等であり得る。車両のサイズは、車両の物理的大きさ及び／又は車両の推定重量と一致し得る。例えば、処理デバイスは、目標車両がホスト車両よりも大きいか又は小さいと決定することができる。別の例では、処理デバイスは、目標車両を１つ又は複数の所定の車両のサイズに分類するようにプログラムされ得、かかるサイズのそれぞれは、サイズの範囲を含み得る（例えば、カテゴリ１＝１，０００ｋｇ未満、カテゴリ２＝１，０００～１，５００ｋｇ、カテゴリ３＝１，５００～１，８００ｋｇ等）。一部の車両は、自らのサイズの指示を含むことができ、その指示は、目標車両の車両サイズを明らかにするために使用され得る。例えば、目標車両は、GMC Sierra（登録商標）とすることができ、１５００、２５００、２５００ＨＤ等、そのサイズに関連する指示を車両の外部上に含むことができる。
ると仮定するようにプログラムされ得る。幾つかの実施形態では、目標車両の認識された特性は、車両のサイズを含み得る。車両のサイズは、相対的なサイズ、所定のサイズ等であり得る。車両のサイズは、車両の物理的大きさ及び／又は車両の推定重量と一致し得る。例えば、処理デバイスは、目標車両がホスト車両よりも大きいか又は小さいと決定することができる。別の例では、処理デバイスは、目標車両を１つ又は複数の所定の車両のサイズに分類するようにプログラムされ得、かかるサイズのそれぞれは、サイズの範囲を含み得る（例えば、カテゴリ１＝１，０００ｋｇ未満、カテゴリ２＝１，０００～１，５００ｋｇ、カテゴリ３＝１，５００～１，８００ｋｇ等）。一部の車両は、自らのサイズの指示を含むことができ、その指示は、目標車両の車両サイズを明らかにするために使用され得る。例えば、目標車両は、GMC Sierra（登録商標）とすることができ、１５００、２５００、２５００ＨＤ等、そのサイズに関連する指示を車両の外部上に含むことができる。
[0654] 目標車両の現在の速度及び目標車両の仮定された最大ブレーキ能力を使用して、目標車両がその最大ブレーキ能力でブレーキをかけることによってその現在の速度から完全に停止するのに必要な距離を含む目標車両の移動距離を決定することができる。この距離は、本開示と一致する任意の手段によって決定することができる。
[0655] プロセス４８００は、計画されたナビゲーション動作が安全である場合、計画されたナビゲーション動作を実施するためのステップ４８１４を含み得る。ステップ４８１４では、計画されたナビゲーション動作を安全であると見なすことができる場合の一例は、ホスト車両の決定された現在の停止距離が、目標車両の移動距離に、決定された次の状態の距離を加算したもの未満である場合である。幾つかの実施形態では、少なくとも１つの処理デバイスは、ホスト車両の決定された現在の停止距離が、目標車両の移動距離に、決定された次の状態の距離を加算したもの未満である場合、計画されたナビゲーション動作を実施するようにプログラムされ得る。目標車両の移動距離は、本開示と一致する任意の手段によって決定することができる。例えば、目標車両の移動距離は、目標車両の現在の速度及び目標車両の仮定された最大ブレーキ能力に基づき得る。この目標車両の移動距離は、完全に停止するまでに目標車両が移動する総距離と一致し得る。この状況において、ナビゲーション動作を実施することができ、それは、目標車両がその最大ブレーキ能力でブレーキをかけても目標車両と衝突しないうちにホスト車両の現在の停止距離（反応期間中の最大加速度を仮定した潜在的移動距離を含む）がホスト車両を完全に停止させることを可能にするため、ホスト車両と目標車両との間の衝突がないからである。ナビゲーション動作の実行後にホスト車両が目標車両から少なくともＲＳＳ安全距離だけ離れているため、処理デバイスは、ナビゲーション動作を実施する。換言すれば、次の状態の距離は、ＲＳＳ安全距離以上である。逆に、次の状態の距離がＲＳＳ安全距離未満である（例えば、ホスト車両の現在の停止距離が、目標車両の移動距離に、決定された次の状態の距離を加算したもの未満ではない）場合、処理デバイスは、ナビゲーション動作を拒否若しくは中止するか、又は異なるナビゲーション動作を実施するようにプログラムされ得る。
[0656] ステップ４８１４では、計画されたナビゲーション動作を安全であると見なすことができる場合の一例は、ホスト車両の決定された現在の停止距離が、目標車両の移動距離に、決定された次の状態の距離を加算したものよりも少なくとも所定の最小距離だけ少ない場合であり、目標車両の移動距離は、目標車両の現在の速度及び目標車両の仮定された最大ブレーキ能力に基づいて決定される。幾つかの実施形態では、少なくとも１つの処理デバイスは、ホスト車両の決定された現在の停止距離が、目標車両の移動距離に、決定された次の状態の距離を加算したものよりも少なくとも所定の最小距離だけ少ない場合、計画されたナビゲーション動作を実施するように構成され得、目標車両の移動距離は、目標車両の現在の速度及び目標車両の仮定された最大ブレーキ能力に基づいて決定される。この実施形態では、所定の最小距離は、ｄｍｉｎとすることができ、予め決定されるか
又は本開示と一致する任意の手段によって決定され得、上記で論じた任意の属性を有し得る。幾つかの実施形態では、所定の最小距離は、ホスト車両と他の車両との間で維持される所定の分離距離に対応し得る。例えば、自律ナビゲーションシステムの制約は、自律車両が他の車両の指定の距離内（未満）に決して入らないことを定めることができる。所定の分離距離は、任意の規模の距離であり得る。幾つかの実施形態では、所定の分離距離は、少なくとも１ｍ、２ｍ、５ｍ等である。幾つかの実施形態では、所定の距離は、例えば、ホスト車両の走行速度、ホスト車両の位置（例えば、都市の道路、地方の高速道路等）に応じて変わり得る。
又は本開示と一致する任意の手段によって決定され得、上記で論じた任意の属性を有し得る。幾つかの実施形態では、所定の最小距離は、ホスト車両と他の車両との間で維持される所定の分離距離に対応し得る。例えば、自律ナビゲーションシステムの制約は、自律車両が他の車両の指定の距離内（未満）に決して入らないことを定めることができる。所定の分離距離は、任意の規模の距離であり得る。幾つかの実施形態では、所定の分離距離は、少なくとも１ｍ、２ｍ、５ｍ等である。幾つかの実施形態では、所定の距離は、例えば、ホスト車両の走行速度、ホスト車両の位置（例えば、都市の道路、地方の高速道路等）に応じて変わり得る。
[0657] 本開示と一致し、ＲＳＳモデルは、完全な自律車両をナビゲートするために使用され得、部分的な自律車両（例えば、人間が操作可能なモードと選択的な自律モードとを有する車両）をナビゲートするために使用され得、又は人間が操作可能な車両における基礎的な安全機能として使用され得る（例えば、ＲＳＳモデル下では危険であり得る、人間が操作可能な車両における人間の入力を安全システムが防ぐか又は禁止し得る）。
[0658] 快適責任敏感型安全性（ＣＲＳＳ）
[0659] ＲＳＳは、ホスト車両と別の物体（例えば、１つ又は複数の目標車両又はＶＲＵ）との間の安全距離を決定するのに効果的である。ＲＳＳにおける基礎的計算の一部は、最悪のシナリオを仮定し、自らの最大能力で応答するようにホスト車両に要求し得る。例えば、ＲＳＳの一部の実施形態は、安全領域を画定することができ、目標車両及びホスト車両の両方がその最大ブレーキ能力でブレーキをかけ、その間にホスト車両が自らの最大能力で加速する反応時間後にホスト車両がブレーキをかけ始める場合、かかる安全領域内で衝突が起きることはない。
[0659] ＲＳＳは、ホスト車両と別の物体（例えば、１つ又は複数の目標車両又はＶＲＵ）との間の安全距離を決定するのに効果的である。ＲＳＳにおける基礎的計算の一部は、最悪のシナリオを仮定し、自らの最大能力で応答するようにホスト車両に要求し得る。例えば、ＲＳＳの一部の実施形態は、安全領域を画定することができ、目標車両及びホスト車両の両方がその最大ブレーキ能力でブレーキをかけ、その間にホスト車両が自らの最大能力で加速する反応時間後にホスト車両がブレーキをかけ始める場合、かかる安全領域内で衝突が起きることはない。
[0660] ＲＳＳは、事故を防ぐか又は回避し得るが、自律車両の一部のユーザは、ＲＳＳによって要求される反応が一定の状況において最も快適な又はくつろげる乗車をもたらさない場合があることを認識し得る。例えば、最悪のシナリオが生じた場合、ＲＳＳモードで動作している車両は、少なくとも幾つかのシナリオにおいて自らの最大ブレーキ能力でブレーキをかけることができる。加えて、ＲＳＳは、ホスト車両と別の物体との間の安全距離を定めることができる。目標車両、ＶＲＵ又は他の物体が安全距離を超えて車両から離れている場合、車両は、いかなるナビゲーション応答も行う必要がない。しかし、物体がＲＳＳ安全距離以下の距離内に来ると、車両は、停止するまで又は物体若しくは目標車両との間でＲＳＳ距離が確立されるまで最大ブレーキ能力でブレーキをかけることによって応答し得る。かかる操作は、（例えば、ホスト車両のブレーキが最大レベルでかけられる期間中に）ホスト車両の乗客を不快な加速率にさらす可能性がある。従って、より快適な乗客の体験を可能にする自律車両の安全モデルが求められている可能性がある。
[0661] より快適な人間並みの運転の体験を提供するために、自律車両は、最大ではないナビゲーション応答を使用して動作するように構成されるナビゲーションシステムを備え得る。例えば、自律車両が衝突を回避するために減速又は停止する必要がある場合、ナビゲーションシステムは、少なくともブレーキ期間の一部中、車両の最大ブレーキ能力未満の力でブレーキをかけることを可能にし得る。同様に、車両が衝突を回避するために曲がるか、方向を変えるか、又は進路からそれる必要がある場合、ナビゲーションシステムは、車両の最大旋回能力未満の旋回を可能にし得る。少なくとも加速期間の一部中、車両の最大加速能力未満で行われ得る加速応答についても同じことが当てはまり得る。ブレーキ量又は加速量を制限することにより、ホスト車両によるブレーキ応答は、より急でなくなり、よりスムーズになり、緊急ブレーキ又は遅れたブレーキよりもむしろ予定されていたブレーキとより同様に感じられ得る。例えば、予定されていたブレーキは、シートベルトの固定を引き起こさない段階的な減速を含み得る。別の例では、予定されていたブレーキは、場合により車両の最大ブレーキ力に達するまで（その時点でブレーキが最大ブレーキ力で再開され得る）ブレーキ力を徐々に高めることを含み得る。
[0662] 開示される実施形態と一致し、快適責任敏感型安全性（ＣＲＳＳ）安全距離を決定することができる。ＣＲＳＳ安全距離は、ホスト車両が物体と衝突することなしに快適に停止することができるホスト車両と別の物体（例えば、目標車両又はＶＲＵ）との間の距離であり得る。本開示と一致し、ＣＲＳＳは、最大ブレーキ能力を直ちに適用するのではなく、（車両の最大ブレーキ能力未満の）初期ブレーキ力から車両の最大ブレーキ能力までブレーキを徐々にかけることを仮定し得る。少なくともＣＲＳＳの脈絡において、最小ブレーキ能力という用語は、初期ブレーキ力という用語と区別なく使用することがある。初期ブレーキ力は、車両の最小ブレーキ力又は車両の最大ブレーキ能力のごく一部であり得る。ＣＲＳＳ安全距離は、ホスト車両の瞬間的に計算された速度、目標車両の瞬間的な速度、快適な又は最大下のブレーキ加速及び応答時間に基づいて決定され得る。
[0663] 定義２８（ＣＲＳＳ安全距離） 車ｃｒとｃｒの前方地帯内にある別の車ｃｆとの間の縦方向距離は、ｃｆが行う最大αｍａｘ，ｂｒａｋｅの任意のブレーキについて、ｃｒがジャークバウンドされたブレーキ及び加速を加えてｃｆと衝突しない場合、応答時間ｐに関して安全である。
[0664] 幾つかの実施形態では、車両及び／又は車両の乗客に対するジャークを著しく減らし得る抑制ブレーキプロファイルによってホスト車両の速さ又は速度を低減することにより、快適なナビゲーション応答を達成することができる。以下の補助定理１２は、最大ブレーキ能力を直ちに適用するのではなく、車両のブレーキが段階的なブレーキプロファイルの影響下にある一実施形態に従ってＣＲＳＳ安全距離を計算する。
[0665] 補助定理１２ 縦軸上で目標車両ｃｆの後ろにあるホスト車両をｃｒとする。最大ブレーキ力をαｍａｘ，ｂｒａｋｅとする。ホスト車両の初期速度をｖ０とし、目標車両の元の速度をｖｆとする。ホスト車両のブレーキの線形適用の傾斜をｊｍａｘとし、ホスト車両のフルブレーキに達するための時間をＴとする。従って、ホスト車両のＣＲＳＳ安全距離は、次式のようになる。
[0666] 証明 ＣＲＳＳは、最大ブレーキ能力αｍａｘ，ｂｒａｋｅに達するまでホスト車両の加速度を（傾斜ｊｍａｘによって）線形に減らし、次いで停止するまで（αｍａｘ，ｂｒａｋｅと相関する）一定の減速度でブレーキをかけ続けることに関連する、ホスト車両のジャークバウンドされたブレーキ能力を仮定する。初期加速度α０≦０ｍ／ｓ、初期速度ｖ０≦０ｍ／ｓ２及び初期位置ｘ０≦０ｍを有するｊｍａｘのジャークでブレーキをかける車両は、以下の動力学を有する。
[0667] これらの式に基づいてブレーキ距離を定めることができる。ホスト車両の最小ブレーキ能力をαｍｉｎ，ｂｒａｋｅとし、α（Ｔ）＝－αｍｉｎ，ｂｒａｋｅ又はｖ（Ｔ）＝０が成立する最初の時点、すなわち、
とする。
[0668] ｊｍａｘを用いてブレーキを線形にかけることによって最大ブレーキ能力に達するための時間は、下記の通りである。
[0669] 任意の所与の時点におけるホスト車両の速さ（速度）を下記のようにｊｍａｘに応じて決定することもできる。
[0670] 最大ブレーキ力に達するための時間に関する式及びｊｍａｘに従ってブレーキがかけられている期間中のみならず、（最大ブレーキ能力に達するまでｊｍａｘを使用してブレーキが徐々にかけられたために）最大ブレーキαｍａｘ，ｂｒａｋｅがかけられている期間中のホスト車両の速さにより、ホスト車両のブレーキ距離を決定することができる。
[0671] 本開示と一致し、最大下の制動率ｊｍａｘは、予め決定されるか又は処理デバイスによって決定され得る。幾つかの実施形態では、ｊｍａｘは、理想的な又は統計的に許容可能な制動率であり得る。例えば、殆どの人間は、停止する制動率に関係するデータをｊｍａｘに使用することができる。幾つかの実施形態では、ｊｍａｘは、ユーザの好みに従って設定され得る。例えば、第１の乗客は、自らにとって快適な第１のｊｍａｘを提供することができ、第２の乗客は、自らにとって快適な第２のｊｍａｘを提供すること等ができる。幾つかの実施形態では、処理デバイスは、例えば、１つ又は複数の道路特性、交通条件（渋滞レベル、ホスト車両の周りの車両との間の平均距離、ホスト車両の前への割り込み率等）、１つ又は複数の車両特性、１つ又は複数の気象特性等に基づいてｊｍａｘを決定することができる。例えば、処理デバイスは、雪道上での最大限の安全性及び快適性を与えるｊｍａｘ、乾いた高速道路上での最大限の安全性及び快適性を与える第２のｊｍａｘ等を決定することができる。ｊｍａｘを実装することは、快適性の向上に役立ち、ホスト車両の挙動に対する他の良い影響を有し得るが、とりわけｊｍａｘが小さく、それにより、ブレーキが「緩和される」か又はそれほど強くない場合、あまり望ましくない影響も有し得ることが理解されるであろう。例えば、小さいｊｍａｘを使用することは、前方の車両から過度の距離を常に車両に維持させることにより、効率への強い悪影響を有し得る。そのような設定は、他の道路ユーザへの迷惑を生じさせ、合流及び渋滞領域内の走行等の複雑なシナリオをホスト車両が効率的に折衝することを防ぎ得る。従って、一部の例では、性能又は効率を（ＲＳＳ安全性を維持しながら）快適性と平衡させるｊｍａｘを設定、選択又は決定することができる。
[0672] 本開示と一致し、最大下の制動率ｊｍａｘは、定数であり得る。例えば、最大下の制動率は、２ｍ／ｓ２、１０ｍ／ｓ２の減速度又は他の任意の定数の減速度に対応する制動率であり得る。幾つかの実施形態では、最大下の制動率は、ホスト車両の最大制動率の能力と比例する定数であり得る。例えば、最大下の制動率は、ホスト車両の最大ブレーキ能力の２０％、３３％、５０％、７０％又は他の任意のパーセンテージであり得る。幾つかの実施形態では、最大下の制動率は、ホスト車両の現在の速度の線形関数とすることができ、それにより、ブレーキは、ホスト車両の最小ブレーキ能力から最大限でもホスト車両の最大ブレーキ能力まで徐々にかけられる。例えば、ホスト車両が自らの現在の速度から、車両の最大ブレーキ能力に達することなしに停止することを可能にする最大下の制動率を決定することができる。別の例として、ホスト車両が停止操作の第１の部分について最大ブレーキ能力未満でブレーキをかけ、停止操作の第２の部分についてその最大ブレーキ能力でブレーキをかけるように、ホスト車両の最大ブレーキ能力に最終的に達する最大下のブレーキレータを決定することができる。幾つかの実施形態では、最大下の制動率は、車両の現在の速度の異なる関数であり得る。例えば、最大下の制動率は、車両が停止されるまで指数関数的に又は対数的に適用される制動率であり得る。
[0673] 本開示と一致し、ＣＲＳＳ安全距離は、ＲＳＳに関して上記で論じた任意の実施形態において使用することができる。実際には、ＣＲＳＳは、ＲＳＳモードで動作している車両よりも早く自律車両がブレーキをかけ始めることを要求する。ＣＲＳＳでは、車両は、最大限でもｊｍａｘによって定められる率でブレーキをかけるのに対し、ＲＳＳでは、車両は、自らの最大ブレーキ能力でブレーキをかけ得る。そのため、ＣＲＳＳ安全距離は、ＲＳＳ安全距離よりも長い可能性がある。
[0674] 本開示と一致し、ＣＲＳＳモデルは、ホスト車両が初期応答期間にわたって自らの最大加速能力で加速してから、停止するまでｊｍａｘに関連する率でブレーキをかけることができるというＲＳＳの仮定を含み得る。別の例として、ＣＲＳＳは、停止するまでｊｍａｘに関連する率でブレーキをかけた後、ホスト車両が目標車両からの最小接近距離を残すのをやめるというＲＳＳの仮定を含み得る。
[0675] 幾つかの実施形態では、車両が第１の期間中に最大下のブレーキ期間においてブレーキをかけることができ、第２の期間中にその最大ブレーキ能力でブレーキをかけることができるようにＣＲＳＳを修正することができる。例えば、目標車両の後ろを走行しているホスト車両は、目標車両が停止していることを検知することができ、その後、ホスト車両は、第１の持続時間にわたって（又は第１の距離が移動されるまで）最大下のブレーキ能力でブレーキをかけ（例えば、ｊｍａｘにおいて徐々にブレーキをかけ）、第２の持続時間にわたって（又は第２の距離が移動されるまで）最大ブレーキ能力でブレーキをかけることができる。この例では、全期間にわたって最大下のブレーキ能力でのみブレーキをかけるように車両がプログラムされる場合よりもＣＲＳＳ安全距離が短い可能性がある。幾つかの実施形態では、ホスト車両が第１の期間にわたって第１の最大下のブレーキ能力でブレーキをかけ、第２の期間にわたって第２の最大下のブレーキ能力でブレーキをかけることができるようにＣＲＳＳを修正することができる。例えば、ホスト車両は、第１の持続時間又は距離にわたって第１の率（例えば、第１のｊｍａｘ）でブレーキをかけ、第２の持続時間又は距離にわたって第２の率（例えば、第２のｊｍａｘ）でブレーキをかけるようにプログラムされ得る。この例では、第１の率は、第２の率未満であり得る。かかる動作モードは、ホスト車両が例えば、ｊｍａｘに関連するレベルよりも高い率でブレーキをかけることなしにＣＲＳＳ距離を再確立することを可能にし得る。
[0676] 幾つかの実施形態では、最大下の制動率を決定する１つ又は複数のナビゲーションモードをホスト車両の乗客又はユーザが選択することができる。例えば、乗客は、ホスト車両が一定の最大下の制動率に関連するブレーキプロファイルを使ってブレーキをかけるか、徐々に増加する最大下の制動率に関連するブレーキプロファイルを使ってブレーキをかけるか、指数関数的に増加する最大下の制動率に関連するブレーキプロファイルを使ってブレーキをかけるかを選択することができ得る。他の任意の制動率プロファイルが採用され得る。例えば、選択可能モードは、ホスト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、所定の最大下の制動率を常に適用するようにホスト車両に指示することができる。別の例として、選択可能モードは、ブレーキ条件が存在すると決定される期間の少なくとも一部について所定の最大下の制動率を常に適用し、その後、ホスト車両の最大制動率の能力でホスト車両のブレーキをかけるようにホスト車両に指示することができる。別の例として、選択可能モードは、所定の最大下の制動率で開始してブレーキをかけ、ホスト車両の最大制動率の能力まで制動率を漸進的に高めるようにホスト車両に指示することができる。制動率の他の任意の組み合わせが選択され得る。
[0677] 本開示と一致し、ＣＲＳＳは、ＲＳＳモデルに関連して使用され得るか、又はＲＳＳモードの代わりに使用され得る。幾つかの実施形態では、一部の状況でＣＲＳＳを選択的に使用することができる一方、他の状況でＲＳＳを使用することができる。例えば、ＣＲＳＳは、（例えば、ホスト車両が高い速度率で走行しており、最大ブレーキ能力でブレーキをかけることが非常に不快であり得る）高速道路上で使用することができ、ＲＳＳは、（例えば、ホスト車両が低速で走行しており、信号機、停止標識等で頻繁に停止する）都市の設定で使用することができる。幾つかの実施形態では、ホスト車両がＣＲＳＳモードとＲＳＳモードとを自動で切り替えることができ得る。例えば、システムは、ホスト車両が高速道路環境に入ったことを検知したときにＣＲＳＳに切り替えることができ、都市環境の検知時にＲＳＳに切り替えることができ、及び／又は検知される一定の気象条件（例えば、雪、雨等）においてＣＲＳＳに切り替えることができる。
[0678] 幾つかの実施形態では、ホスト車両が目標車両（又はＶＲＵ若しくは他の物体）から常に少なくともＣＲＳＳ安全距離離れたままであることを確実にするためにＣＲＳＳを使用することができる。例えば、目標車両がレーン変更し、レーン変更後にＣＲＳＳ距離未満の距離でホスト車両の前にある場合、ホスト車両は、ＣＲＳＳ安全距離以上の距離で目標車両から離れるまで最大下の制動率（例えば、ｊｍａｘの制動率）でブレーキをかけることができる。この例では、目標車両が完全に停止した場合、ホスト車両は、完全に停止するまで最大下の制動率でブレーキをかけることができ、又は最大下の率で開始して最大制動率まで増加するブレーキプロファイルを適用することができる。同様に、目標車両がある期間にわたってブレーキをかけるが、ホスト車両の前を走行し続ける場合、ホスト車両は、目標車両が目標車両から少なくともＣＲＳＳ安全距離離れるまで最大下の制動率でブレーキをかけることができ、その後、ホスト車両は、自らの現在の速度で又はホスト車両がＣＲＳＳ距離を維持することを可能にする新たな速度で走行し続けることができる。上記で述べたように、ＣＲＳＳ距離がこのモードにおいて維持できない場合、ホスト車両は、目標車両に対するアクティブナビゲーション動作を行わない。幾つかの実施形態では、処理デバイスは、ホスト車両がＣＲＳＳ安全距離に迫っている（例えば、ホスト車両が目標車両からＣＲＳＳ安全距離を超えて離れているが、自らの現在の加速度又は現在の速度で続行する場合、ＣＲＳＳ安全距離にあることになる）と決定することができ、ブレーキをかけることなしに加速を取り消してＣＲＳＳ安全距離を上回る距離を維持することができる。例えば、ホスト車両が惰走しなかった場合にさもなければホスト車両がＣＲＳＳ安全距離内に入る場合、ホスト車両は、スロットルをリリースし、ホスト車両の前にある目標車両からホスト車両を惰走で離すことができる。
[0679] 幾つかの実施形態では、ＲＳＳは、ＣＲＳＳが使用されるときの緊急手段として実装することができる。例えば、目標車両がホスト車両の前に割り込み、ホスト車両の前にある目標車両までの（ホスト車両の帰責事由によらない）距離がＣＲＳＳ安全距離未満である場合、ホスト車両は、ＲＳＳモードに従ってブレーキをかける（例えば、自らの最大ブレーキ能力で直ちにブレーキをかける）ことができる。とりわけ、ＲＳＳブレーキは、割り込みが（ＣＲＳＳ安全距離よりも短い）ＲＳＳ安全距離以下の距離を作り出す場合に使用され得る。距離がＲＳＳ安全距離を上回るが、ＣＲＳＳ安全距離を下回る場合、一例では、システムは、（ＣＲＳＳ安全距離とＲＳＳ安全距離との間のいずれかにある）現在の距離に従ってホスト車両を安全に停止させるために使用可能なｊｍａｘを決定し、ブレーキ期間の少なくとも一部中、決定されたｊｍａｘを使用して車両が停止するようにＣＲＳＳを相応に調節することができる。
[0680] 図４９Ａ～図４９Ｄは、ホスト車両が目標車両の後ろを走行しているときのＣＲＳＳモデル下の安全距離の概念を示す。図４８Ａは、ホスト車両４９０４と目標車両４９０６との間のＣＲＳＳ安全距離４９０２を示す。上記で論じたように、ＣＲＳＳ安全距離４９０２は、ホスト車両４９０４が自らの最大ブレーキ能力未満の快適な制動率ｊｍａｘでブレーキをかける場合に目標車両４９０６と衝突することなしに停止するのに必要な距離である。比較のために、ＲＳＳ安全距離４７０２（図４７Ａ～図４７Ｄに示す）を含めている。ＲＳＳ安全距離４７０２は、ホスト車両４９０４が自らの最大ブレーキ能力でブレーキをかける場合に停止するのに必要な距離である。
[0681] 図４９Ｂは、ホスト車両４９１４と目標車両４９１６との間のＣＲＳＳ安全距離４９１２を示す。ＣＲＳＳ安全距離４９０２とＣＲＳＳ安全距離４９１２との違いは、ＣＲＳＳ安全距離４９１２がＣＲＳＳ安全距離４９０２よりも低い制動率に関連することであり得る。すなわち、ホスト車両４８１４に関連するｊｍａｘは、ホスト車両４９０４に関連するｊｍａｘよりも低く、従って、ホスト車両４９１４は、停止するのにより長い距離を必要とする。
[0682] 図４９Ｃは、ホスト車両４９２４と目標車両４９２６との間のＣＲＳＳ安全距離４９２２を示す。この例では、ＣＲＳＳ安全距離４９２２が最小距離４９１０を含み、その最小距離は、（ＣＲＳＳ安全距離４９０２によって示すように）ホスト車両がｊｍａｘの率でブレーキをかけることによって停止した後のホスト車両４９２４と目標車両４９２６との間の最小分離距離であり得る。上記で論じたように、最小距離４９１０は、ｄｍｉｎとすることができる。
[0683] 図４９Ｄは、ホスト車両４９３４と目標車両４９３６との間のＣＲＳＳ安全距離４９３２を示す。この例では、ＣＲＳＳ安全距離４９３２が最小距離４９１０及び加速距離４９０８の両方を含む。加速距離４９０８は、ホスト車両４９３４が初期反応期間中に最大加速能力で加速された場合に移動することになる距離であり得る。
[0684] ＣＲＳＳ安全距離の概念は、横方向にも拡張することができる。ＣＲＳＳ安全距離は、ホスト車両と別の物体（例えば、目標車両又はＶＲＵ）との間の横方向距離を含むことができ、その中で、ホスト車両は、不快な操舵の調節を回避しながら物体と衝突するのを避けるためにホスト車両の操舵を調節し得ることを、本開示の利益を得る当業者であれば理解するであろう。
[0685] 本開示と一致し、ホスト車両のブレーキをかけるためのシステムを開示する。このシステムは、例えば、ブレーキシステム２３０とすることができ、又はナビゲーションシステム、例えばＡＤＡＳシステム内に含まれ得る。ブレーキシステムは、少なくとも１つの処理デバイスを含み得る。処理デバイスは、本開示と一致する１つ又は複数の方法、プロセス、操作又は機能を実行するようにプログラムされ得る。
[0686] 図５０は、ブレーキシステムの少なくとも１つの処理デバイスによって実行され得る例示的プロセス５０００を示すフローチャートである。プロセス５０００は、説明のために使用し、限定的であることを意図しない。プロセス５０００が追加のステップを含み得ること、特定のステップを除外し得ること、又は本開示と一致する方法で他の方法で修正され得ることを、本開示の利益を得る当業者であれば理解することができる。
[0687] プロセス５０００は、ホスト車両の環境を表す出力を受信するためのステップ５００２を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、ホスト車両の環境を表す出力を受信するようにプログラムされ得る。出力は、例えば、ブレーキシステム内に含まれるか又はブレーキシステムと通信する少なくとも１つのセンサから受信され得る。少なくとも１つのセンサは、例えば、画像捕捉デバイス、ライダシステム、レーダシステム、加速度計等を含む本明細書で開示する任意のセンサとすることができる。幾つかの実施形態では、処理デバイスは、１つ又は複数のセンサから複数の出力を受信するようにプログラムされ得る。例えば、処理デバイスは、画像捕捉デバイスから第１の出力を受信すること、ライダシステムから第２の出力を受信すること等ができる。別の例として、処理デバイスは、画像捕捉デバイスから第１の出力を受信するように、画像捕捉デバイスから第２の出力を受信するように等プログラムされ得る。幾つかの実施形態では、１つ又は複数のセンサは、ホスト車両の環境の異なる領域に関係する情報を捕捉するように構成され得る。例えば、第１の画像捕捉デバイスは、ホスト車両の前方の環境の画像を捕捉するように構成することができ、第２の画像捕捉デバイスは、ホスト車両の後方の環境の画像を捕捉するように構成すること等ができる。別の例として、画像捕捉デバイスは、ホスト車両の前方の環境の画像を捕捉するように構成することができ、１つ又は複数のライダシステムは、ホスト車両のいずれか一方の側部の環境に関係する情報を捕捉するように構成され得る。
[0688] プロセス５０００は、ホスト車両の環境内の目標車両を検出するためのステップ５００４を含み得る。幾つかの実施形態では、ステップ５００２で受信される出力に基づいて目標車両を検出することができる。本開示と一致し、ブレーキシステムの少なくとも１つの処理デバイスは、ホスト車両の環境内の目標車両を出力に基づいて検出するようにプログラムされ得る。目標車両は、本開示と一致する任意の手段によって検出することができる。例えば、出力が１つ又は複数の画像である場合、処理デバイスは、画像を分析して（例えば、それらの画像と車両を含むことが分かっている画像とを比較して）目標車両を検出することができる。別の例として、１つ又は複数のライダシステム又はレーダシステムからの１つ又は複数の出力を使用して目標車両の輪郭及び位置を検出することができる。幾つかの実施形態では、処理デバイスが複数の目標車両を検出し得る。例えば、処理デバイスは、ホスト車両の前にある目標車両、ホスト車両の後ろにある目標車両及び／又は目標車両の隣にある目標車両又はその組み合わせを検出することができる。これらの例は、目標車両を検出することを開示するが、他の任意の物体（例えば、ＶＲＵ、道路特性等）も同じ手段によって検出され得ることが理解されるであろう。
[0689] プロセス５０００は、ホスト車両の速度及びホスト車両と目標車両との間の距離を決定するためのステップ５００６を含み得る。本開示と一致し、ブレーキシステムの少なくとも１つの処理デバイスは、ホスト車両の現在の速度及びホスト車両と目標車両との間の現在の距離を決定するようにプログラムされ得る。現在の速度及び／又は現在の距離は、１つ又は複数のセンサからの１つ又は複数の出力に基づいて決定され得る。幾つかの実施形態では、現在の速度及び／又は現在の距離は、ステップ５００４で目標車両を検出するために使用される出力に基づいて決定され得る。例えば、ライダシステムからの出力は、目標車両及びホスト車両上の様々な点間の１つ又は複数の距離を出力することができ、その距離は、ホスト車両と目標車両との間の現在の距離を決定するために使用され得る。幾つかの実施形態では、ホスト車両の現在の速度は、ホスト車両に関連する加速度計及び／又は速度計によって提供され得る。
[0690] プロセス５０００は、ブレーキ条件が存在するかどうかを決定するためのステップ５００８を含み得る。本開示と一致し、ブレーキシステムの少なくとも１つの処理デバイスは、ブレーキ条件が存在するかどうかを決定することができる。ブレーキ条件とは、ホスト車両が危険な状況を回避するために、衝突を回避するために、又は停止するためにブレーキをかける必要がある任意の条件であり得る。例えば、ブレーキ条件は、ホスト車両が目標車両又は他の物体からＣＲＳＳ安全距離を下回って離れているという決定であり得る。ブレーキ条件が存在するかどうかの決定は、ホスト車両の現在の速度及びホスト車両と目標車両との間の現在の距離に少なくとも基づき得る。例えば、処理デバイスは、上記で論じたようにホスト車両及び目標車両の現在の速度、ホスト車両のブレーキ能力、目標車両の仮定されたブレーキ能力及び任意選択的にホスト車両の最大加速率に基づいて目標車両とホスト車両との間のＣＲＳＳ安全距離（又はＲＳＳ安全距離）を決定することができる。処理デバイスは、ＣＲＳＳ安全距離をホスト車両と目標車両との間の現在の距離と比較することができる。その比較に基づき、ホスト車両と目標車両との間の現在の距離がＣＲＳＳ安全距離未満である場合、処理デバイスは、ブレーキ条件が存在すると決定することができる。ホスト車両がブレーキをかけることによって応答する、本明細書で開示する他の任意の危険な条件がブレーキ条件であり得る。ブレーキ条件は、現在の速度及び／又は加速度において、ホスト車両がＣＲＳＳ距離よりも近く目標車両に接近することをホスト車両が検出する場合にも存在する。その場合、ホスト車両と目標車両との間でＣＲＳＳ距離が少なくとも維持されるように、ホスト車両は、ブレーキをかけることによって又は別の操作（レーン変更等）を始めることによって処置を講じる。
[0691] プロセス５０００は、ブレーキ条件が存在する場合に所定のブレーキプロファイルに従ってブレーキデバイスを適用させるためのステップ５０１０を含み得る。ブレーキ条件は、ステップ５００８で決定される任意のブレーキ条件であり得る。本開示と一致し、ブレーキシステムの少なくとも１つの処理デバイスは、ブレーキ条件が存在すると決定される場合、所定のブレーキプロファイルに従って、ホスト車両に関連するブレーキデバイスを適用させるようにプログラムされ得る。例えば、ホスト車両が目標車両に対してＣＲＳＳ安全距離未満であるか又はＣＲＳＳ安全距離に近づいていると処理デバイスが決定する場合、ブレーキシステムは、所定の最大下の制動率でホスト車両のブレーキをかけ始めることができる。所定のブレーキプロファイルは、ホスト車両の最大下の制動率で始まる区分を含むことができ、ホスト車両の最大制動率まで漸進的に増加し得る。最大下の制動率は、本明細書で開示する実施形態のいずれかに従って漸進的に増加し得る。例えば、漸進的増加は、非線形の増加であり得る。別の例では、漸進的増加は、線形増加であり得る。
[0692] 例えば、ブレーキシステムは、ブレーキ条件の持続時間中にのみブレーキをかけることができる。幾つかの実施形態では、ホスト車両の最大制動率が達成されると、少なくとも１つのプロセッサは、ブレーキ条件の存在がなくなる（例えば、ホスト車両が停止するか、又はホスト車両と目標車両との間でＣＲＳＳ距離が再確立される）までホスト車両の最大制動率でホスト車両のブレーキデバイスの適用を継続するように構成され得る。一部の事例では、ブレーキメカニズムを最大制動率で適用する場合でもホスト車両が完全に停止する前にブレーキ条件がなくなる場合があり、処理デバイスは、ブレーキ条件が
終わることに応じてブレーキを終えることができる。幾つかの実施形態では、ホスト車両の最大制動率が達成されなくてもよい。例えば、ブレーキシステムが最大制動率に達する前にブレーキ条件が存在しなくなる場合、少なくとも１つのプロセッサは、ブレーキを終えるようにプログラムされ得、ホスト車両の最大制動率に一度も到達しなくてもよい。
終わることに応じてブレーキを終えることができる。幾つかの実施形態では、ホスト車両の最大制動率が達成されなくてもよい。例えば、ブレーキシステムが最大制動率に達する前にブレーキ条件が存在しなくなる場合、少なくとも１つのプロセッサは、ブレーキを終えるようにプログラムされ得、ホスト車両の最大制動率に一度も到達しなくてもよい。
[0693] 幾つかの実施形態では、ブレーキ距離を計算するために使用される最大ブレーキ能力は、本明細書で使用し、本明細書に記載する式内で使用される一定の数（又は他の任意の数式）であり得る。幾つかの実施形態では、最大ブレーキ力は、式内で使用されたものに関して変わる場合があり、それぞれの瞬間において車両がもたらすことができ且つ例えば路面特性、気象条件並びに車両及びその様々なシステム及び構成要素の状態を含む動的要因によって引き起こされ得る実際のブレーキ力であり得る。
[0694] 本開示と一致し、ホスト車両をナビゲートするためのシステムを開示する。幾つかの実施形態では、このシステムは、ＡＤＡＳシステム又は本明細書で開示する他のナビゲーションシステムであり得る。ナビゲーションシステムは、本開示と一致する１つ又は複数の方法、プロセス、機能又は操作を実行するようにプログラムされる少なくとも１つのプロセッサ又は処理デバイスを含み得る。プロセッサ又は処理デバイスは、処理デバイス１１０又はホスト車両内の若しくはホスト車両と通信する別のプロセッサ又は処理デバイスであり得る（例えば、ブレーキシステムの少なくとも１つの処理デバイス）。
[0695] 図５１は、ナビゲーションシステムの少なくとも１つの処理デバイスによって実行され得る例示的プロセス５１００を示すフローチャートである。プロセス５１００は、説明を目的とし、限定的であることを意図しない。プロセス５１００が追加のステップを含み得ること、特定のステップを除外し得ること、又は本開示と一致する方法で他の方法で修正され得ることを、本開示の利益を得る当業者であれば理解することができる。
[0696] プロセス５１００は、ホスト車両の環境を表す少なくとも１つの画像を受信するためのステップ５１０２を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、ホスト車両の環境を表す少なくとも１つの画像を受信するようにプログラムされ得る。少なくとも１つの画像は、画像捕捉デバイスから受信され得る。画像捕捉デバイスは、画像捕捉デバイス１２２を含む本開示と一致する任意のものとすることができる。幾つかの実施形態では、少なくとも１つの画像は、カメラ、レーダ、ライダ又は（光学であろうと別のものであろうと）画像をそれから得ることができる他の任意のデバイスのいずれかから得られる画像であり得る。
[0697] プロセス５１００は、計画されたナビゲーション動作を決定するためのステップ５１０４を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を決定するようにプログラムされ得る。ナビゲーション動作は、少なくとも１つの運転ポリシに基づいて決定され得る。計画されたナビゲーション動作及び／又は少なくとも１つの運転ポリシは、上記で論じたものを含む本開示と一致する任意のものとすることができる。例えば、計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含み得る。ナビゲーション動作は、プロセス４８００のステップ４８０４に関して論じたのとほぼ同じ方法で決定され得る。処理デバイスは、少なくとも１つの画像を分析してホスト車両の環境内の目標車両を識別するようにプログラムされ得る。少なくとも１つの画像は、画像捕捉デバイス１２２等の画像捕捉デバイスから受信される画像であり得る。目標車両は、ホスト車両の現在の近傍又はホスト車両の将来の近傍のいずれかの箇所にある車両であり得る。例えば、目標車両は、ホスト車両の前にあるか、隣にあるか若しくは後ろにある車両及び／又はホスト車両が計画されたナビゲーション動作を行う場合にホスト車両の前になるか、隣になるか若しくは後ろになる車両とすることができる。
[0698] プロセス５１００は、計画されたナビゲーション動作に関連する次の状態の距離を決定するためのステップ５１０６を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、計画されたナビゲーション動作が行われた場合に生じることになるホスト車両と目標車両との間の次の状態の距離を決定するようにプログラムされ得る。次の状態の距離は、上記のＣＲＳＳ安全距離の式を含む本明細書で開示する任意の手段によって計算することができる。例えば、計画されたナビゲーション動作がホスト車両を加速すること（又はレーン変更すること、更にはブレーキをかけることなしに現在の速度で進み続けること等）である場合、次の状態の距離は、ホスト車両とホスト車両の前にある目標車両との間の距離であり得る。一部の例では、複数の次の状態の距離を決定することができる。例えば、計画されたナビゲーション動作が隣接レーンに合流することである場合、ホスト車両及び合流後にホスト車両の前にある第１の目標車両に関して第１の次の状態の距離を決定することができ、合流後にホスト車両の後ろにある第２の目標車両に関して第２の次の状態の距離を決定することができる。
[0699] プロセス５１００は、ホスト車両の現在の速度を決定するためのステップ５１０８を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、ホスト車両の現在の速度を決定するようにプログラムされ得る。現在の速度は、プロセス４８００のステップ４８０８に関して論じたものを含む本開示と一致する任意の手段によって決定することができる。幾つかの実施形態では、ホスト車両の現在の速度が１つ又は複数のセンサの出力に基づいて決定され得る。例えば、現在の速度は、加速度計、ライダシステム、レーダシステム、ＧＰＳユニット等の出力から決定され得る。別の例として、ホスト車両の現在の速度は、１つ又は複数の画像を分析することによって（例えば、２つ以上の画像内で検出される固定された物体のスケーリング率の変化に基づいて）決定することができる。
[0700] プロセス５１００は、目標車両の現在の速度を決定し、且つ標車両の最大ブレーキ能力を仮定するためのステップ５１１０を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、目標車両の現在の速度を決定し、且つ目標車両の最大制動率の能力を仮定するようにプログラムされ得る。最大制動率の能力は、目標車両の少なくとも１つの特性に基づいて仮定され得る。目標車両の最大ブレーキ能力は、（例えば、プロセス４８００のステップ４８１２の一部として）ＲＳＳに関して論じたものを含む本開示と一致する任意の手段によって決定することができる。
[0701] 幾つかの実施形態では、ホスト車両の現在の速度に基づいて目標車両の現在の速度を決定することができる。例えば、ホスト車両の１つ又は複数のセンサは、ホスト車両の速度に関係する情報を提供することができ、１つ又は複数のセンサは、ホスト車両に関連する目標車両の位置及び／又は目標車両の位置、加速度若しくは速度の変化を提供することができ、それらは、目標車両の現在の速度を決定するために使用され得る。幾つかの実施形態では、少なくとも１つの画像の分析に基づいて目標車両の速度を決定することができる。少なくとも１つの画像は、目標車両が最初に検出された同じ画像であるか又は異なる画像であり得る。幾つかの実施形態では、複数の画像を分析して目標車両の現在の速度を決定することができる。例えば、第１の時点において捕捉される画像は、ホスト車両から第１の距離にある目標車両を示すことができ、第２の時点において捕捉される画像は、ホスト車両から第２の距離にある目標車両を示すことができ、処理デバイスは、２つの画像間の距離の変化に基づいて現在の速度を決定することができる。幾つかの実施形態では、ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて目標車両の速度を決定することができる。例えば、処理デバイスは、ホスト車両の速度及び（例えば、ライダシステムによって検知される）ホスト車両と目標車両との間の距離を使用してホスト車両の速度を決定することができる。
[0702] 目標車両の少なくとも１つの特性は、本開示と一致する任意の手段によって明らかにすることができる。幾つかの実施形態では、処理デバイスは、ホスト車両に関連する１つ又は複数のセンサからの１つ又は複数の出力に基づいて少なくとも１つの特性を決定することができる。例えば、少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて明らかにされ得る。例えば、ライダ出力は、例えば、ホスト車両と目標車両の上端及び目標車両の下端との間の距離に関連する１つ又は複数の距離を含むことができ、その差を使用して目標車両のサイズを決定することができる。幾つかの実施形態では、少なくとも１つの画像の分析に基づいて少なくとも１つの特性を決定することができる。少なくとも１つの画像は、目標車両が最初に検出された画像であるか又は異なる画像であり得る。例えば、目標車両の画像は、車両の種類、モデル、トリムレベル又は他の特性を決定するために使用され得る文字、ロゴ又は他の情報を含み得る。別の例として、目標車両の画像は、目標車両と比較して目標車両のサイズを決定するために使用され得る他の車両又は物体を含み得る。
[0703] 目標車両の認識された特性は、目標車両の最大ブレーキ能力を決定するのに有用であり得る任意のものとすることができる。幾つかの実施形態では、目標車両の認識された特性は、車両の種類を含み得る。車両の種類は、例えば、目標車両が属する一般カテゴリ（例えば、大型セダン、コンパクトカー、ＳＵＶ、クロスオーバＳＵＶ、オートバイ等）又は目標車両に関連するより具体的なカテゴリ若しくはサブカテゴリであり得る。処理デバイスは、目標車両がその車両の種類又は車両のクラスの既知のブレーキ能力の最大ブレーキ能力と一致する最大ブレーキ能力を有すると仮定するようにプログラムされ得る。例えば、目標車両がオートバイであると決定される場合、処理デバイスは、最も優れた最大ブレーキ能力を有するオートバイ（例えば、最も迅速に又は最短の差で停止することができるオートバイ）の最大ブレーキ能力と一致する最大ブレーキ能力を目標車両が有すると仮定し得る。幾つかの実施形態では、目標車両の認識された特性は、車両のモデルを含み得る。車両のモデルは、例えば、車両のブランド名及び／又はモデル名を含み得る。目標車両の車両モデルは、例えば、文字、ロゴ若しくは車両モデルの他の識別子を検出すること又は車両モデルの特徴の特性を検出することを含む、本開示と一致する任意の手段によって明らかにされ得る。例えば、処理デバイスは、目標車両の画像を分析し、車両のモデルに関連する文字を認識することができる（例えば、「Honda Accord」という文字が目標車両の後部で検出され得る）。別の例として、処理デバイスは、画像を分析し、目標車両の１つ又は複数の示差的特徴（例えば、テールライトの形状、スポイラの有無、目標車両の全体的な形状等）を認識することができ、例えば認識した特徴を既知の車両の種類の１つ又は複数の画像と比較することによって車両の種類を明らかにすることができる。処理デバイスは、車両の種類を使用して目標車両のブレーキ能力を明らかにすることができる。例えば、車両の種類がFord Escape（登録商標）である場合、処理デバイスは、データベースにアクセスするか又はインターネットを検索してFord Escape（登録商標）の報告されたブレーキ能力を探索することができる。一部の車両の種類は、例えば、車両のトリムレベルにおいて提供される特徴に応じて複数の報告されたブレーキ能力を有し得る。処理デバイスは、その種類の車両の最も優れた最大ブレーキ能力を目標車両が有すると仮定するようにプログラムされ得る。幾つかの実施形態では、目標車両の認識された特性は、車両のサイズを含み得る。車両のサイズは、車両の物理的大きさ、車両に関連する重量、その組み合わせ等であり得る。車両のサイズは、相対的なサイズ、複数の所定のサイズの１つ等であり得る。例えば、処理デバイスは、目標車両を複数の所定のサイズ範囲の１つに分類するようにプログラムされ得る（例えば、コンパクト＝１，０００ｋｇ未満、小型＝１，０００～１，５００ｋｇ等）。幾つかの実施形態では、目標車両のサイズは、目標車両のサイズとホスト車両のサイズとの比較に基づいて、路上の他の車両との比較に基づいて、目標車両の近くの物体と比較すること等に基づいて推定することができる。例えば、処理デバイスは、目標車両の画像を分析し、目標車両がホスト車両よりも大きいが、目標車両の隣の車両より小さいと決定することができる。車両のサイズは、目標車両の最大ブレーキ能力を仮定するために使用され得る。例えば、処理デバイスは、より大きく重い車両が停止するのにより長くかかると仮定するようにプログラムされ得る。
[0704] 目標車両の最大ブレーキ能力は、追加の要因に基づいて決定され得る。例えば、目標車両の現在の最大ブレーキ能力は、検知される路面の状態に基づいて決定され得る。この例では、検知される道路の状態は、道路の粗さ、道路の勾配又は傾斜、道路上の物質又は物体の有無、道路がアスファルト、セメント、砂利若しくは別の材料であるかどうか、又は本開示と一致する他の任意の条件を含み得る。別の例として、目標車両の現在の最大ブレーキ能力は、検知される気象条件に基づいて決定され得る。この例では、気象条件は、任意の降水（例えば、雨、みぞれ、雪、氷等）、視認性に影響を及ぼす気象条件（例えば、霧、煙霧、煙等）、車両の操縦性に影響を及ぼし得る気象条件（例えば、強風、高温等）又はホスト車両のナビゲーション応答に影響を及ぼし得る他の任意の気象条件を含み得る。別の例では、処理デバイスは、ホスト車両が例えば新しいタイヤを含むか、古いタイヤを含むか、１人の乗客を含むか、複数の乗客を含むか、著しく重い積荷を含むか、トレーラを含むか等に基づいて最大ブレーキ能力を決定することができる。幾つかの実施形態では、目標車両の最大ブレーキ能力は、車両又は車両の種類について認められた最大ブレーキ能力を提供する規則等の既定の要因に基づいて決定され得る。
[0705] 仮定された最大ブレーキ能力は、目標車両が自らの最大ブレーキ能力でブレーキをかけた場合に自らの現在の速度から停止するのにかかり得る目標車両の移動距離を決定するために使用され得る。この距離は、ＲＳＳ及び／又はＣＲＳＳに関して論じたものを含む本開示と一致する任意の手段によって計算することができる。
[0706] プロセス５１００は、計画されたナビゲーション動作が安全である場合、ナビゲーション動作を実施するためのステップ５１１２を含み得る。ステップ５１１２の目的では、計画されたナビゲーション動作を安全であると見なすことができる場合の一例は、目標車両の現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定される目標車両の移動停止距離に、決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内で最大下の制動率を使用してホスト車両を停止できる場合である。幾つかの実施形態では、少なくとも１つの処理デバイスは、ホスト車両の決定された現在の速度について及び所定の最大下の制動率において、目標車両の移動距離に、決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内でホスト車両が停止され得る場合、計画されたナビゲーション動作を実施するようにプログラムされ得る。所定の最大下の制動率は、ホスト車両の最大制動率の能力未満であり得る。目標車両の移動距離は、目標車両の現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定される距離であり得る。上記で説明したように、最大下の制動率は、ＣＲＳＳの式内のｊｍａｘで表すジャークバウンドされた制動率であり得る。幾つかの実施形態では、最大下の制動率は、ホスト車両の最大ブレーキ能力に関連するが、それを下回る任意の減速率であり得る。例えば、所定の最大下の制動率は、ホスト車両の最大制動率の能力に関連する減速率の５０％までの減速率に関連し得る。別の例では、所定の最大下の制動率は、ホスト車両の最大制動率の能力に関連する減速率の２０％までの減速率に関連し得る。幾つかの実施形態では、最大下の制動率を決定することができるようにホスト車両の最大制動率の能力を決定することができる。最大制動率の能力は、ＲＳＳに関して論じたものを含む本開示と一致する任意の手段に基づいて決定することができる。例えば、ホスト車両の最大制動率の能力は、検知される路面の状態に基づいて決定され得る。別の例として、ホスト車両の最大制動率の能力は、検知される気象条件に基づいて決定され得る。
[0707] 幾つかの実施形態では、上記で論じたように、所定の最大下の制動率は、ユーザによって選択される最大下の制動率であり得る。例えば、所定の最大下の制動率は、ホ
スト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、所定の最大下の制動率でホスト車両のブレーキが常にかけられるモード、ブレーキ条件が存在すると決定される期間の少なくとも一部について所定の最大下の制動率でホスト車両のブレーキが常にかけられ、その後、ホスト車両の最大制動率でホスト車両のブレーキがかけられるモード、及び／又は所定の最大下の制動率で開始して、ホスト車両の最大制動率まで漸進的に高めてホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定され得る。
スト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、所定の最大下の制動率でホスト車両のブレーキが常にかけられるモード、ブレーキ条件が存在すると決定される期間の少なくとも一部について所定の最大下の制動率でホスト車両のブレーキが常にかけられ、その後、ホスト車両の最大制動率でホスト車両のブレーキがかけられるモード、及び／又は所定の最大下の制動率で開始して、ホスト車両の最大制動率まで漸進的に高めてホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定され得る。
[0708] 本開示と一致し、ホスト車両の停止距離は、上記で論じたＣＲＳＳの式の１つ又は複数を使用して決定することができる。例えば、ホスト車両の停止距離は、ホスト車両の現在の速度及びホスト車両の所定の最大下の制動率に基づいて決定され得る。別の例として、ホスト車両の停止距離は、ホスト車両の現在の速度、応答期間中にホスト車両が達成可能な最大加速度及びホスト車両の所定の最大下の制動率に基づいて決定され得る。幾つかの実施形態では、ホスト車両の停止距離は、所定の期間にわたってホスト車両の最大加速能力でホスト車両が移動し得る距離に対応する加速距離と、ホスト車両の最大制動率の能力でホスト車両の現在の速度からゼロ速度まで減速しながらホスト車両が移動し得る距離に対応する最大制動率距離との和よりも大きいことができる。幾つかの実施形態では、ホスト車両の停止距離は、所定の期間にわたってホスト車両の最大加速能力でホスト車両が移動し得る距離に対応する加速距離と、ホスト車両の所定の最大下の制動率の能力でホスト車両の現在の速度からゼロ速度まで減速しながらホスト車両が移動し得る距離に対応する最大下制動率距離との和よりも大きいことができる。任意の実施形態において、所定の期間は、車両に関連する反応時間とすることができる。ＲＳＳに関して上記で論じたように、例えば、所定の期間は、処理デバイスが目標車両を最初に検出することと、ホスト車両がブレーキをかけ始める時点との間の期間であり得る。
[0709] 幾つかの実施形態では、ホスト車両の停止距離は、所定の最大下の制動率でホスト車両がブレーキをかけられる第１の距離と、ホスト車両の最大制動率の能力でホスト車両がブレーキをかけられる第２の距離とを含み得る。例えば、上記で論じたように、ホスト車両は、第１の距離にわたってＣＲＳＳによる最大下の制動率でブレーキをかけ、次いで第２の距離にわたって最大制動率でブレーキをかけることができる。別の例では、ホスト車両は、最大下の制動率でブレーキをかけ、最大制動率に達するまで最大下の制動率を徐々に高め、その後、最大制動率でブレーキをかけ続けることができる。処理デバイスは、第２の持続時間にわたってホスト車両の最大制動率の能力でホスト車両のブレーキをかける前に、第１の距離にわたって所定の最大下の制動率でホスト車両にブレーキをかけさせるように構成され得る。例えば、ホスト車両は、第１の持続時間にわたってＣＲＳＳによる最大下の制動率でブレーキをかけ、次いで第２の持続時間にわたって最大制動率でブレーキをかけることができる。
[0710] ステップ５１１２で計画されたナビゲーション動作が安全であると見なされ得る場合の別の例は、目標車両の現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内で所定の最大下の制動率を使用してホスト車両を停止できる場合であり、所定の制動率プロファイルは、ホスト車両の最大下の制動率から最大制動率まで漸進的に増加する。幾つかの実施形態では、少なくとも１つの処理デバイスは、ホスト車両の決定された現在の速度について及び所定の制動率プロファイルについて、目標車両の現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内でホスト車両が停止され得る場合、計画されたナビゲーション動作を実施するようにプログラムすることができ、所定の制動率プロファイルは、ホスト車両の最大下の制動率から最大制動率まで漸進的に増加する。目標車両の停止距離は、上記の実施形態に関して論じたように決定することができる。この実施形態と前の実施形態との違いは、この実施形態のブレーキプロファイルがホスト車両の最大制動率まで漸進的に増加し得ることである。ＣＲＳＳ安全距離は、ホスト車両がブレーキ期間の少なくとも一部にわたって最大下の率で自らのブレーキをかけ、目標車両がその最大の率でブレーキをかける場合に（ホスト車両及び目標車両の現在の速度において）ホスト車両が停止し、且つ目標車両と衝突しないことができる距離を含み得る。
[0711] この実施形態では、制動率プロファイルは、本開示と一致する任意の手段によって増加し得る。例えば、所定の制動率プロファイルは、ホスト車両の最大下の制動率から最大制動率まで線形に増加し得る。別の例として、所定の制動率プロファイルは、ホスト車両の最大下の制動率から最大制動率まで非線形に増加し得る。この例では、所定の制動率プロファイルは、指数関数的に、対数的に若しくは他の任意の関数に従って増加することができ、又は散発的に増加し得る。いずれの例においても、ブレーキプロファイルが最大ブレーキ能力に一度も達しないことが相変わらず可能である。例えば、車両が自らの最大制動率の能力に達する前に、それに応じて所定の制動率プロファイルで車両がブレーキをかけ始めている可能性があるブレーキ条件が存在しなくなる場合があり、車両は、それに応じてブレーキを終えることがある。
[0712] 本開示と一致し、少なくとも１つの処理デバイスは、ホスト車両の決定された停止距離が、目標車両の現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、決定された次の状態の距離を加算したものよりも少なくとも所定の最小距離だけ少ない場合、計画されたナビゲーション動作を実施するように構成され得る。幾つかの実施形態では、ＣＲＳＳ及びＲＳＳに関して上記で論じたように、最小距離は、ｄｍｉｎとすることができ、予め決定されるか又は本開示と一致する任意の手段によって決定され得る。幾つかの実施形態では、所定の最小距離は、ホスト車両と他の車両との間で維持される所定の分離距離に対応し得る。例えば、ホスト車両及び目標車両が同じ方向に走行しており、いずれも停止する場合、所定の分離距離は、両方が停止した後のホスト車両と目標車両との間の最小距離であり得る。所定の分離距離は、任意の長さの距離とすることができる。例えば、所定の分離距離は、少なくとも１ｍ又は他の適切な最小接近距離とすることができる。幾つかの実施形態では、所定の距離は、例えば、ホスト車両の走行速度、ホスト車両の位置（例えば、都市の道路、地方の高速道路等）に応じて変わり得る。例えば、ｄｍｉｎは、ホスト車両の速度が増加することで増加し得る。
[0713] ＣＲＳＳに関して論じた実施形態は、例示に過ぎない。本開示で論じる実施形態のいずれにおいても、ＣＲＳＳは、ＲＳＳの代わりに又はＲＳＳに関連して使用され得ることを、本開示の利益を得る当業者であれば理解することができる。幾つかの実施形態では、ホスト車両は、ＣＲＳＳモード又はＲＳＳモード下でナビゲート可能であり得る。例えば、完全な自律車両は、ＣＲＳＳモデルの規則下でナビゲートするように構成され得るが、車両内の乗客は、ＣＲＳＳモデルを解除し、ＲＳＳモード下でのナビゲートを選択することができる。例えば、かかるモードの選択は、ホスト車両が安全距離を依然として維持しながら目標車両により接近することを可能にし得る。しかし、トレードオフは、ＲＳＳモードの方がＣＲＳＳモードよりも高い減速率に関連する場合があり、ホスト車両の乗客にとってより快適でない可能性があることである。幾つかの実施形態では、自律車両ＣＲＳＳモード及びＲＳＳモードのそれぞれの下でナビゲート可能であり得る。例えば、車両は、第１の条件下で（例えば、地方の高速道路等を高速で）走行している場合、ＣＲＳＳモデルを採用し、第２の条件下で（例えば、都市の高速道路等を低速で）走行している場合、ＲＳＳモードを採用するように構成され得る。
[0714] 本開示と一致し、ＣＲＳＳモードは、完全な自律車両をナビゲートするために使用され得、部分的な自律車両（例えば、人間が操作可能なモードと選択的な自律モードとを有する車両）をナビゲートするために使用され得、又は人間が操作可能な車両における基礎的な安全機能として使用され得る（例えば、人間が操作可能な車両は、ＣＲＳＳモデル下で危険であり得る状況を防ぐか又は回避することができる）。
[0715] ドライバーが操作する車両のためのビジョンゼロ安全システム
[0716] 幾つかの実施形態では、自律機能又は部分的な自律機能を有するが、人間のドライバーがドライバー制御モードで操作することを許可されるホスト車両において、安全システム（例えば、ビジョンゼロ）が採用され得る。その場合、安全システムは、バックグラウンドで動作することができる。検出される目標車両に対するＣＲＳＳ距離又はＲＳＳ距離未満をナビゲーション動作が生じさせない限り、人間のドライバーは、自らが望む任意のナビゲーション動作を行うことを許可され得る。目標車両に対するＣＲＳＳ距離又はＲＳＳ距離（例えば、選択される動作モードによる）未満の接近をもたらすナビゲーション動作をドライバーが全く行わない場合、人間のドライバーは、安全システムの動作を認識しない可能性がある。他方では、目標車両に対するＣＲＳＳ距離又はＲＳＳ距離未満の接近をもたらすナビゲーション動作をドライバーが開始する場合、安全システムが１つ又は複数の動作を行って開始されたナビゲーション動作の完了を防ぐ。換言すれば、車両は、車両の制御をドライバーから奪い、ＣＲＳＳ又はＲＳＳ未満の接近距離を含む危険な状況へのナビゲーションを回避することができる。車両が危険であると検知する条件へのナビゲーションの試みをドライバーが中止すると、又はホスト車両によって安全であると見なされる異なるナビゲーション動作をドライバーが開始すると、ドライバーが制御を取り戻す。
[0716] 幾つかの実施形態では、自律機能又は部分的な自律機能を有するが、人間のドライバーがドライバー制御モードで操作することを許可されるホスト車両において、安全システム（例えば、ビジョンゼロ）が採用され得る。その場合、安全システムは、バックグラウンドで動作することができる。検出される目標車両に対するＣＲＳＳ距離又はＲＳＳ距離未満をナビゲーション動作が生じさせない限り、人間のドライバーは、自らが望む任意のナビゲーション動作を行うことを許可され得る。目標車両に対するＣＲＳＳ距離又はＲＳＳ距離（例えば、選択される動作モードによる）未満の接近をもたらすナビゲーション動作をドライバーが全く行わない場合、人間のドライバーは、安全システムの動作を認識しない可能性がある。他方では、目標車両に対するＣＲＳＳ距離又はＲＳＳ距離未満の接近をもたらすナビゲーション動作をドライバーが開始する場合、安全システムが１つ又は複数の動作を行って開始されたナビゲーション動作の完了を防ぐ。換言すれば、車両は、車両の制御をドライバーから奪い、ＣＲＳＳ又はＲＳＳ未満の接近距離を含む危険な状況へのナビゲーションを回避することができる。車両が危険であると検知する条件へのナビゲーションの試みをドライバーが中止すると、又はホスト車両によって安全であると見なされる異なるナビゲーション動作をドライバーが開始すると、ドライバーが制御を取り戻す。
[0717] 開示する安全システムは、車両を制御してナビゲーション動作を防ぐことができ、潜在的に危険なナビゲーション動作（例えば、ＣＲＳＳエンベロープ又はＲＳＳエンベロープを侵害する結果を有するとして検出される動作）に関連するドライバーの入力を防ぐことができ、一定のナビゲーション入力を禁止することができ、ドライバーにアラートを出すことができ、及び／又はその組み合わせを行うことができる。例えば、安全システムは、危険な割り込みを生じさせる場合（例えば、車両と目標車両との間の距離がＲＳＳ安全距離未満であるように車両が目標車両の前に割り込むことになる場合）、車両の横移動を防ぐことができる。安全システムによって防ぐことができる危険な割り込みの一例を図３０Ａに示す。別の例として安全システムは、ホスト車両と目標車両（例えば、先行する目標車両）との間のＲＳＳ距離又はＣＲＳＳ距離未満を従って生じさせる縦移動を生じさせるナビゲーション動作を防ぐことができる。安全システムによって防ぐことができる危険な縦移動の一例を図２８Ｂに示す。別の例として、安全システムは、ホスト車両と歩行者との間の所定の距離未満又は安全距離未満を生じさせる（ドライバーの入力に応じた）ホスト車両の横移動又は縦移動を防ぐことができる。安全システムによって防ぐことができる、歩行者に対する危険な移動の関係の例を図４４Ａ及び図４４Ｃに示す。
[0718] 本開示と一致し、安全システムは、人間のドライバーが試みたナビゲーション操作をその操作が危険な場合に防ぐことができる。本明細書で使用するとき、「防ぐ」は、人間のドライバーがナビゲーション操作を行えなくするための任意の手段を含み得る。例えば、危険なナビゲーション操作が合流である場合、安全システムは、（例えば、合流の方向にハンドルを回すことができないように）ハンドル又は他の操舵メカニズムをロックすることにより、等しいが逆の操舵入力を適用してドライバーの操舵入力を打ち消すことにより、ドライバーの操舵入力に関連する電気信号を阻止又は中途妨害することにより、或いはドライバーの操舵入力のナビゲーション応答をなくすこと若しくは所期のナビゲーション応答未満のナビゲーション応答を有させることにより合流を止めることができる。別の例として、危険なナビゲーション操作が加速である場合、安全システムは、加速入力の効果をなくすこと（例えば、電気信号を阻止すること、ガスペダルをロックすること
、ブレーキをかけること等）によって加速を停止することができる。このように防ぐことは、さもなければ危険であり得るナビゲーション操作（例えば、結果として生じるＣＲＳＳ又はＲＳＳ未満の目標車両への接近等を有すると決定される操作）を回避するか又は止めるのに十分であり得る。
、ブレーキをかけること等）によって加速を停止することができる。このように防ぐことは、さもなければ危険であり得るナビゲーション操作（例えば、結果として生じるＣＲＳＳ又はＲＳＳ未満の目標車両への接近等を有すると決定される操作）を回避するか又は止めるのに十分であり得る。
[0719] 本開示と一致し、安全システムは、人間のドライバーが試みる危険なナビゲーション操作を回避するために車両をテイクオーバすることができる。テイクオーバ期間中、安全システムは、自律モードで動作することができ、例えばドライバーの入力がもはや危険なナビゲーション動作を生じさせないと決定されるまでホスト車両を完全に制御することができる。本明細書で使用するとき、「テイクオーバ」は、安全システムが操舵、ブレーキ、加速又は他の車両制御システムの１つ又は複数を操作又は制御することができる、１つ又は複数の自律的に制御されたアクチュエータの任意の操作を含み得る。例えば、ドライバーの入力が危険な合流に関連すると決定される場合、安全システムは、合流を生じさせるための追加の操舵入力をドライバーが与えることができないように、又はドライバーの入力の効果がないように車両の操舵メカニズムを一時的に制御することができ、危険な操作を回避するための方向に車両を操舵する（例えば、ハンドルに対して開始されたドライバーの入力に対して逆位相操舵を行う）ことができる。別の例として、危険な操作が加速である場合、安全システムは、例えば、スロットルへの追加入力をドライバーが与えることができないように、又はドライバーの入力の効果がないように加速メカニズムを制御することができ、危険な状態を回避するために減速させ、現在の速度を維持させ、又は車両に惰走させることができる。安全システムのテイクオーバは、システムによって危険であると決定されるナビゲーション操作を回避し、且つとりわけホスト車両に帰責事由があり得る衝突を回避するように設計される。
[0720] 本明細書で使用するとき、「置換する」という用語は、安全システムが人間のドライバーを置換することを指すために使用される場合、人間のドライバーによる制御を禁止すること、防ぐこと、又は人間のドライバーから制御を奪うことのいずれかを指し得る。
[0721] 先に述べたように、危険な状態又は危険な操作に関連すると決定されるドライバーの入力が検出されるまで、自律安全システムは、バックグラウンドで動作することができる。危険な状態又は危険な操作に関連すると決定されるドライバーの入力が検出される場合、安全システムが人間のドライバーによる制御を（少なくとも一時的に）置換することができる。危険な状態は、例えば、目標車両からＣＲＳＳ安全距離又はＲＳＳ安全距離未満の距離にホスト車両を置くことになるナビゲーション操作にドライバーの入力が関連するという決定を含み得る。一例として、安全システムの処理デバイスは、ＲＳＳモデル及び／又はＣＲＳＳモデル下で開発された縦方向の及び／又は横方向の安全距離を使用して、ホスト車両（又は検出された目標車両）に対する近接緩衝域を構築することができる。この例では、安全な状態は、近接緩衝域内に物体（例えば、目標車両又はＶＲＵ）がない任意の状態を含み得る。逆に、危険な状態は、近接緩衝域内に物体があるか又はあるであろう任意の状態を含み得る。近接緩衝域は、ホスト車両の周りの二次元領域又は三次元領域を含み得る。近接緩衝域の寸法は、上記のＲＳＳ及び／又はＣＲＳＳ安全距離の計算を使用して決定することができる。例えば、近接緩衝域は、例えば、ＣＲＳＳ安全縦方向距離又はＲＳＳ距離に対応するホスト車両の前の距離、例えば所定の安全な横方向距離に対応するホスト車両のいずれかの側部上の距離及び／又は例えばＲＳＳ安全距離に対応するホスト車両の後ろの距離を含み得る。
[0722] 図５２Ａ～図５２Ｄは、本開示と一致する例示的な近接緩衝域の視覚的表現である。図５２Ａは、ホスト車両５２０１の周りの近接緩衝域５２０２を示す。この例では、近接緩衝域５２０２は、ホスト車両５２０１の前の決定された安全距離５２０４から及びホスト車両５２０１の後ろの決定された安全距離５２０６から導出される。図５２Ａ～図５２Ｄの例の中の最短安全距離である決定された安全距離５２０４は、ＲＳＳ縦方向安全距離であり得る。従って、決定された安全距離５２０４は、上記で説明したように決定することができる。同様に、決定された安全距離５２０６は、ＲＳＳ縦方向安全距離であり得る。近接緩衝域５２０２の側部を含む縦方向安全距離は、ラベル付けしていないが、それらも本開示と一致する任意の手段によって決定され得ることが理解されるであろう。かかる横方向安全距離は、ホスト車両と他の車両又は物体との間の最小横方向間隔を維持するために予め決定され得る。かかる横方向安全距離は、例えば、０．２５ｍ、０．５ｍ、１．０ｍ又はそれを超え得る。幾つかの実施形態では、近接緩衝域の側部は、ホスト車両と物体との間の最小安全横方向距離を定め得る所定の横方向距離閾値に対応し得る。
[0723] 図５２Ｂは、ホスト車両５２１１の周りの近接緩衝域５２１２を示す。この例では、ホスト車両５２１１の前の決定された安全距離５２１４は、ホスト車両５２０１の前の決定された安全距離５２０４よりも長い。幾つかの実施形態では、例えば決定された安全距離５２１４がＣＲＳＳ安全距離に対応し得るため、決定された安全距離５２１４は、５２０４よりも長い可能性がある。上記で説明したように、決定された安全距離５２１４は、最小接近距離と共にＲＳＳ安全距離にも対応し得る。上記で述べたように、決定された安全距離５２１４は、最大下の制動率に関連するブレーキ距離を含むＣＲＳＳ安全距離に対応し得る。幾つかの実施形態では、ホスト車両５２０１と比較してホスト車両５２１１が異なるブレーキ特性又は機能等を有し得るため、決定された安全距離５２１４は、決定された安全距離５２０４よりも長い可能性がある。例えば、決定された安全距離５２０４及び決定された安全距離５２１４の両方がＲＳＳ安全距離である場合があり、ホスト車両５２１１と比較してホスト車両５２１１の方が速い現在の速度及び／又は低い最大ブレーキ能力に関連し得るため、決定された安全距離５２１４の方が長い可能性がある。
[0724] 図５２Ｃは、ホスト車両５２２１の周りの近接緩衝域５２２２を示す。この例では、決定された安全距離５２２４は、決定された安全距離５２０４よりも長く、決定された安全距離５２１４よりも短い。幾つかの実施形態では、図５２Ｂに関して説明した理由のいずれかにより、決定された安全距離５２２４は、決定された安全距離５２１４よりも短く、決定された安全距離５２０４よりも長い場合がある。例えば、ＲＳＳモデルに関して説明したように、決定された安全距離５２２４は、最小接近距離を含むＲＳＳ安全距離であり得るが、ホスト車両５２２１の最大加速能力は、ホスト車両５２１１の最大加速能力未満である可能性があり、及び／又は所定の接近距離は、ホスト車両５２１１についてよりもホスト車両５２２１についての方が短い可能性がある。別の例として、ホスト車両５２２１の乗客又はドライバーが第１の最大下の制動率を選択している場合があり、ホスト車両５２１１の乗客又はドライバーが第１の最大下の制動率の制動率未満の第２の最大下の制動率を選択している場合があり、従って、ホスト車両５２１１は、安全に停止するためにより長い距離（例えば、決定された安全距離５２１４）を必要とし得る。この例では、ホスト車両５２２１の方が長い決定された車両の後ろの安全距離５２２６を有する。ホスト車両５２２１の前の決定された安全距離５２２４のように、距離を決定するために使用されるモデル（例えば、ＲＳＳ及び／又はＣＲＳＳ）、ホスト車両５２２１の状態又は特性（例えば、最大加速能力、最大ブレーキ能力、現在の速度、現在のブレーキ能力、最大下の制動率等）及び／又は道路の状態（例えば、気象条件、道路の材料等）により、決定された安全距離５２２６の長さは、決定された安全距離５２１６よりも長い可能性がある。
[0725] 図５２Ｄは、車両５２３１の周りの近接緩衝域５２３２を示す。近接緩衝域５２３２は、近接緩衝域５２０５、５２１２又は５２２２のいずれよりも大きい。幾つかの実施形態では、例えばホスト車両５２３１の前の決定された安全距離５２３４にもホスト車両５２３１の後ろの決定された安全距離５２３６にもＣＲＳＳモデルが使用されたことを理由に、近接緩衝域５２３２は、他の緩衝域よりも大きい可能性がある。幾つかの実施形態では、近接緩衝域５２３２のサイズは、図５２Ａ～図５２Ｃに関して論じた要因のいずれかに起因し得る。
[0726] 本開示と一致し、ホスト車両は、複数の近接緩衝域を有することができる。例えば、ホスト車両は、ＲＳＳモデルに関連する第１の近接緩衝域（例えば、近接緩衝域５２０２）及びＣＲＳＳモデルに関連する第２の近接緩衝域（例えば、近接緩衝域５２３２）を有し得る。幾つかの実施形態では、安全システムは、第１の近接緩衝域が侵害された場合に人間のドライバーを置換することができる。例えば、ＲＳＳ安全距離未満の距離でホスト車両が目標車両に接近する場合、安全システムは、衝突を防ぐためにドライバーを置換することができる。同じ実施形態において、安全システムは、第２の近接緩衝域が侵害された場合に人間のドライバーにアラートを出すが、ドライバーの置換なしで済ませることができる。例えば、ＣＲＳＳ安全距離未満の距離でホスト車両が目標車両に接近する場合、安全システムは、例えば、スピーカシステム上で可聴警告を発すること、乗客コンパートメント内の座席、操舵メカニズム又は他の構成要素を振動させること、ヘッドアップディスプレイ又は拡張現実ディスプレイ上にアラートを表示すること、又は他の任意の手段により、ホスト車両が目標車両に近すぎるアラートをドライバーに出すことができる。幾つかの実施形態では、安全システムは、第２の近接緩衝域が侵害された場合に人間のドライバーを置換することができる。例えば、ＣＲＳＳ安全距離未満の距離でホスト車両が目標車両に接近する場合、安全システムは、ＣＲＳＳモデルの最大下の制動率に対応する率で車両を減速させることができる。ホスト車両と目標車両との間の距離がＲＳＳ安全距離よりも近くなることによって第１の近接緩衝域を侵害する場合、安全システムは、ＲＳＳモデルによるホスト車両の最大制動率に対応する率で車両を減速させることができる。上記で説明したように、ドライバーからの入力が別の車両又は物体に対するＲＳＳ距離又はＣＲＳＳ距離未満の接近を生じさせると決定されるときにも常に、安全システムが人間のドライバーを置換することができる。
[0727] 上記で説明したように、ＲＳＳモデル及びＣＲＳＳモデルのそれぞれは、検出された物体に対する安全距離を計算し得る。例えば、各モデルは、目標車両のブレーキ能力を決定し、そのブレーキ能力を使用して安全距離を決定することができる。そのため近接緩衝域の寸法は、ホスト車両の環境内で検出される物体に応じて異なり得る。一例として第２の目標車両が第１の目標車両よりも高い最大ブレーキ能力を有する（すなわち第２の目標車両が第１の目標車両よりも短い距離で停止できる）場合、ホスト車両と第１の目標車両との間のＲＳＳ安全距離は、ホスト車両と第２の目標車両との間のＲＳＳ安全距離よりも長い可能性がある。別の例として、ホスト車両と歩行者との間の最小分離距離は、ホスト車両と目標車両との間の最小分離距離よりも長い可能性があるため、ホスト車両と歩行者との間のＲＳＳ安全距離又はＣＲＳＳ安全距離は、ホスト車両と任意の目標車両との間のＲＳＳ安全距離又はＣＲＳＳ安全距離よりも著しく長い可能性がある。
[0728] 安全システムは、近接緩衝域の侵害等の危険な状態に対応する持続時間にわたって、又はドライバーの危険な入力（例えば、別の車両又は物体に対するＲＳＳ距離又はＣＲＳＳ距離未満の接近を生じさせると決定される少なくとも１つのドライバーの入力）が検出される期間中、人間のドライバーを置換することができる。例えば、安全システムは、危険な状態が存在しなくなる（例えば、車両がＣＲＳＳ安全距離又はＲＳＳ安全距離を上回って目標車両から離れる）まで車両を制御することができる。
[0729] 図５３Ａ及び図５３Ｂは、２台の車両間の安全な状態及び危険な状態の例を示す。図５３Ａは、道路５３０２に沿って共通の方向に走行しているホスト車両５３０１及び目標車両５３０３を示す。この例では、ホスト車両５３０１は、本開示と一致する安全システム及び近接緩衝域５３０４を含み得る。同様に、目標車両５３０３は、本開示と一致する安全システムを含むことができ、近接緩衝域５３０６を有する。この例では、近接緩衝域５３０４内に物体がないため、ホスト車両５３０１が人間のドライバーによって運転されている場合、人間のドライバーがホスト車両５３０１をナビゲートし続けることができる（例えば、人間のドライバーは、安全システムによって置換されない）。目標車両５３０３をナビゲートする人間のドライバーについても同じことが当てはまり得る。
[0730] 図５３Ｂは、道路５３１２に沿って共通の方向に走行しているホスト車両５３１１及び目標車両５３１３を示す。この例では、ホスト車両５３０１は、本開示と一致する安全システム及び近接緩衝域５３１４を含み得る。同様に、目標車両５３１３は、本開示と一致する安全システムを含むことができ、近接緩衝域５３１６を有する。この例では、ホスト車両５３１１が人間のドライバーによって運転されており、且つ図５３Ｂに示す割り込みを生じさせる１つ（又は複数）のものであると決定されるドライバーの入力を目標車両５３１３の安全システムが検出する場合、その動作を防ぐために安全システムが人間のドライバーを置換し、制御を行うことができる。例えば、車両５３１３に関連する安全システムは、操作後に横方向安全距離が侵害される可能性がある状況、車両５３１３の後部までの不十分な縦方向の間隔が生じる（例えば、割り込み後にＲＳＳ距離が存在しない）状況等をドライバーの入力が生じさせることになると決定することができる。その場合、安全システムは、ドライバーの入力が危険な割り込み操作を生じさせるのを防ぐことによって応答する。図５３Ｂの同じシナリオにおいて、車両５３１３が割り込み操作を行った場合、例えば緩衝域５３１４に関連するＣＲＳＳ距離又はＲＳＳ距離を確立するためにドライバーがブレーキをかけて車両を減速しなかった場合、車両５３１１の安全システムは、ドライバーの入力を置換することができる。かかる状況では、ドライバーの危険な入力は、入力の変更の欠如、換言すれば現在の入力／制御を危険な状態で維持することに対応し得る。
[0731] 図５４Ａ及び図５４Ｂは、本開示と一致する安全システムが人間のドライバーを置換し得る追加の例を示す。図５４Ａ及び図５４Ｂでは、車両５４０２、車両５４０４及び車両５４０６が道路５４００上で共通の方向にそれぞれ走行している。この例では、道路５４００が高速道路であり得る。車両５４０２は、本開示と一致する安全システムを含むことができ、近接緩衝域５４０３を有し得る。上記で論じたように、近接緩衝域５４０３は、ＲＳＳモデル及び／又はＣＲＳＳモデルのいずれかに対応し得る。この解説では、近接緩衝域５４０３は、車両５４０２の前のＣＲＳＳモデルに関連する決定された安全距離を有すると仮定される。
[0732] 図５４Ａでは、車両５４０２内の人間のドライバーが図示のように車両５４０２を車両５４０６の後部に接近させることができる。（車両５４０６が近接緩衝域５４０３内にあることによって示すように）ドライバーがＣＲＳＳ安全距離未満の距離で車両５４０２を車両５４０６に接近させようと試みる場合、車両５４０２の安全システムは、ドライバーを置換して危険な状態を回避しＣＲＳＳ距離を維持することができる。例えば、安全システムは、制御を行い、ドライバーの加速入力を防ぎ若しくは無視することができ、又は車両５４０２のブレーキをかけることができる。例えば、安全システムは、車両５４０２が近接緩衝域５４０２を上回る距離で車両５４０６から離れるまで、ＣＲＳＳモデルの最大下の制動率に対応する率で車両５４０２を減速させることができる。別の例として、安全システムは、近接緩衝域５４０３が侵害される前に車両５４０２の次の状態の位置（例えば、ドライバーの入力を実行した場合に車両５４０２があることになる位置）を決定することができ、車両５４０２がＣＲＳＳ安全距離未満の距離内で車両５４０６に接近する前にドライバーを置換することができる。
[0733] 図５４Ｂでは、車両５４０２内の人間のドライバーが車両５４０４によって占有されているレーン内に車両５４０２を合流させようと試みることができる。（近接境界５４０３と車両５４０４との間の重複によって示すように）ドライバーがＣＲＳＳ安全距離未満の距離で車両５４０２を車両５４０４に接近させ得るナビゲーション動作を試みる場合、安全システムは、人間のドライバーを置換してナビゲーション動作を防ぐことができる。例えば、人間のドライバーがハンドルを右に回すことによって進路を右に変えようと試みる場合、安全システムは、その進路変更を実行することが、図５４Ｂに示す危険な状態を生じさせると決定し得る。安全システムは、それに応答して制御を奪い、人間のドライバーを置換することができる。例えば、安全システムは、ハンドルに対して等しい力を左に与えることにより、ハンドルを右に回すことを防ぐことができる。別の例として、安全システムは、右折入力を機械的に及び／又は電気的に妨害することによってハンドルの右回転の効果をなくすことにより、右への進路変更を防ぐことができる。別の例として、安全システムは、右への進路変更を行った場合に生じることになる危険な状態を回避するために、車両５４０２をテイクオーバし必要に応じてハンドルを左に切ることができる。これらの例のいずれかについて、車両５４０２が安全な状態に（例えば、車両５４０４も５４０６も近接境界５４０３内にない位置に）戻されるまで、及び／又は車両５４０２に関連する次の状態の条件が安全であると決定されるまで置換が継続し得る。
[0734] 図５３Ａ～図５３Ｂ及び図５４Ａ～図５４Ｂに示した例は、例示に過ぎない。安全システム又は同様のナビゲーションシステムは、任意の危険な状態において、又は危険な状態を引き起こし得る任意の入力に応答して人間のドライバーを置換し得ることを、本開示の利益を得る当業者であれば理解することができる。
[0735] 幾つかの実施形態では、安全システムは、安全システムが人間のドライバーを置換する任意の例に関係するデータを記憶又は伝送することができる。例えば、安全システムは、安全システムにドライバーを置換させた危険な状態、生じた置換の種類（例えば、阻止、防止又はテイクオーバ）、置換の持続時間、置換の結果（例えば、車両が安全な状態に戻ること、車両が停止すること、車両が衝突に巻き込まれること）に関係するデータ又は置換若しくは置換の前後に生じる事象に関係する他の任意の情報を生成することができる。本開示と一致し、これらの情報を使用して安全システム、ＲＳＳモデル、ＣＲＳＳモデル又は他の任意の自律車両の特徴が予測通りに機能しているかどうかを決定することができる。かかる情報は、１つ又は複数のネットワーク上でホスト車両から遠隔サーバに伝送され得る。例えば、情報は、自動車メーカー、安全デバイスメーカ又は安全システムを実装する責任を負う他の当事者に分析のために伝送され得る。幾つかの実施形態では、情報が車両のドライバーに表示され得る。例えば、各置換事象後、各移動後において、ドライバーから要求を受信した後に又は予定された間隔で（例えば、毎日、毎週、２週間に１回、毎月等）レポートが生成され得る。安全システム及び回避された危険な状態に関係する情報をドライバーに与えることは、ドライバーが安全システム（又は自律車両全般）に対して有する信頼度を高めることができると考えられる。
[0736] 幾つかの実施形態では、車両が安全システムを非活性化又は解除するための手段（例えば、スイッチ、ボタン、音声作動式の制御又は他の種類の制御）を含み得る。例えば、ドライバーは、安全システムを非活性化して安全システムがドライバーを解除するのを防ぐことができ、又は置換事象中に安全システムを解除してホスト車両の制御を取り戻すことができる。安全システムを非活性化又は解除するための制御は、車両をナビゲートすることに関連する車両の制御メカニズムのいずれからも独立していると考えられる。例えば、車両は、スロットル、ブレーキ、ハンドル又は他の任意の制御メカニズムに関連しないボタンを含み得る。この例では、ドライバーは、ボタン（又は安全システムの他の制御）を押すことによってのみ安全システムを非活性化又は解除することができる。従来のＡＤＡＳシステム（すなわちレーン維持システム、自動ブレーキシステム等の最新運転者支援システム）と異なり、開示する安全システムは、操舵制御、ブレーキ制御又はスロットル制御に入力を与えることによって非活性化又は解除することができない。例えば、安全システムが右折を行うために車両の操舵メカニズムをテイクオーバする場合、ドライバーは、例えば、ハンドルを右に（例えば、安全システムに打ち勝とうとして又は安全システムを解除しようとして力を強めながら）回し続けることによって安全システムを解除することができない。むしろ、ドライバーは、安全システムを解除するために指定の安全システムオーバーライド制御をまず活性化する必要がある。同様に、開示する安全システムがＣＲＳＳ又はＲＳＳ未満の縦方向距離を生じさせるナビゲーション動作を防ぐために制御を行う場合、ドライバーは、車両のブレーキ又はスロットルへの入力で安全システムをオーバーライドすることができない。むしろ、指定の安全システム制御を使用する必要がある。
[0737] 安全システムは、レバー、ノブ、仮想ボタン、音声コマンド、ハンドジェスチャ等の任意の適切な制御入力によって解除又は非活性化され得ることが理解されるであろう。幾つかの実施形態では、ナビゲーションシステムは、人間のドライバーの１つ又は複数の画像又はビデオを捕捉するように構成される画像捕捉デバイスを車両内に含み得る。少なくとも１つの処理デバイスは、捕捉画像及び／又はビデオを分析してハンドジェスチャ又は他の非言語コマンドを認識することができ、そのハンドジェスチャ又は他の非言語コマンドに応じて安全システムを非活性化又は解除するようにプログラムされ得る。幾つかの実施形態では、ナビゲーションシステムは、音声データを捕捉するように構成される１つ又は複数のマイクロフォンを含み得る。少なくとも１つの処理デバイスは、音声認識処理を使用して（例えば、ニューラルネットワーク、トレーニングされたシステム又はトレーニングされていないシステム等を使用して）音声データを分析し、認識されたコマンドを含む音声データに応じて安全システムを非活性化又は解除することができる。
[0738] 本開示と一致し、安全システムは、安全システムが非活性化又は解除される任意の例に関係する情報を収集することができる。例えば、安全システムは、安全システムを非活性化する直前のナビゲーション状況（例えば、ホスト車両の速度、加速度、追走距離等）及び／又は非活性化の時間及び場所を記録することができる。幾つかの実施形態では、安全システムは、安全システムが非活性化又は解除された後でもドライバーの運転条件を監視し続け、そのデータを上記のように記憶又は伝送し続けることができる。
[0739] 本開示と一致し、人間のドライバーによる制御を選択的に置換するためのナビゲーションシステムを開示する。ナビゲーションシステムは、例えば、ドライバーの動作を防ぐか又は禁止することによってドライバーを部分的に置換することができ、又は例えば車両をテイクオーバしドライバーとは独立にナビゲーション操作を行うことによってドライバーを完全に置換することができる。ナビゲーションシステムは、本明細書で開示する安全システム又は他の任意のシステムであり得る。幾つかの実施形態では、システムがホスト車両内に完全に収容され得る。他の実施形態では、システムの１つ又は複数の構成要素がサーバ又は他のデバイス内等、ホスト車両から離れた位置に配置され得る。システムは、少なくとも１つの処理デバイスを含み得る。少なくとも１つの処理デバイスは、本開示と一致する１つ又は複数の方法、プロセス、操作又は機能を実行するようにプログラムされ得る。少なくとも１つの処理デバイスは、例えば、処理デバイス１１０であり得る。
[0740] 図５５は、人間のドライバーを選択的に置換するための例示的プロセス５５００を示すフローチャートである。本開示と一致し、ナビゲーションシステム内の少なくとも１つの処理デバイスは、プロセス５５００の全て又は一部を実行するようにプログラムされ得る。プロセス５５００は、例示に過ぎず、プロセス５５００が追加のステップを含み得ること、１つ又は複数のステップを除外し得ること、又は本開示と一致する方法で他の方法で修正され得ることを、本開示の利益を得る当業者であれば理解することができる。
[0741] プロセス５５００は、１つ又は複数の画像を受信するためのステップ５５０２を含み得る。少なくとも１つの画像は、例えば、ホスト車両の環境を表すことができる。幾つかの実施形態では、処理デバイスは、ホスト車両の環境を表す少なくとも１つの画像を受信するようにプログラムされ得る。少なくとも１つの画像は、少なくとも１つの画像捕捉デバイスから受信され得る。例えば、ナビゲーションシステムは、ホスト車両の環境の画像を捕捉し得る画像捕捉デバイス１２２等の１つ又は複数の画像捕捉デバイスを含み得る。画像捕捉デバイスは、人間のドライバーの視野に対応する視野を有し得る。幾つかの実施形態では、ホスト車両の環境に対して異なる視野をそれぞれ有する複数の画像捕捉デバイスをナビゲーションシステムが含み得る。例えば、複数の画像捕捉デバイスの少なくとも１つは、ホスト車両の後方のホスト車両の環境を表す画像を捕捉するように構成することができ、複数の画像捕捉デバイスの少なくとも１つは、ホスト車両の側部のホスト車両の環境を表す画像を捕捉するように構成することができ、及び／又は複数の画像捕捉デバイスの少なくとも１つは、ホスト車両の前方のホスト車両の環境を表す画像を捕捉するように構成すること等ができる。例えば、第１の画像捕捉デバイスは、ホスト車両の前方の領域に対応する視野を有することができ、第２の画像捕捉デバイスは、ホスト車両の右側に対応する視野を有すること等ができる。開示する実施形態では、処理デバイスが複数の画像を受信するようにプログラムされ得る。例えば、ナビゲーションシステムが画像捕捉デバイスを１つのみ含む実施形態では、処理デバイスは、撮像デバイスから複数の画像を受信することができる。別の例として、処理デバイスは、第１の画像捕捉デバイスから１つ又は複数の画像を、及び／又は第２の画像捕捉デバイスから１つ又は複数の画像を、第３の画像捕捉デバイスから１つ又は複数の画像を受信すること等ができる。
[0742] プロセス５５００は、ホスト車両の環境内の少なくとも１つの障害物を検出するためのステップ５５０４を含み得る。少なくとも１つの障害物は、少なくとも１つの画像を分析することによって検出することができる。少なくとも１つの画像は、ステップ５５０２で受信される１つ又は複数の画像であり得る。例えば、処理デバイスは、少なくとも１つの画像の分析に基づいてホスト車両の環境内の少なくとも１つの障害物を検出するようにプログラムされ得る。例えば、処理デバイスは、受信された画像を既知の障害物の１つ又は複数の画像と比較することができ、又は１つ若しくは複数の障害物に対応する画像内の形状、文字又は他の物体を検出することができる。１つ又は複数の障害物は、ホスト車両の環境内の任意の物体であり得る。例えば、１つ又は複数の障害物は、ホスト車両が走行している道路上の又はその近くの目標車両又はＶＲＵであり得る。別の例として、１つ又は複数の障害物は、道路上の又は道路沿いの道路のくぼみ、手すり、道路標識、信号機、コーン、手すり若しくは障壁又は他の任意の物体であり得る。幾つかの実施形態では、ホスト車両の環境内で複数の障害物が検出され得る。例えば、処理デバイスは、第１のホスト車両、第２のホスト車両、信号機、道路のくぼみ及び任意の数の追加の障害物を検出し得る。
[0743] ホスト車両の環境に対して異なる視野をそれぞれ有し得る複数の画像捕捉デバイスをナビゲーションシステムが含む実施形態では、少なくとも１つの処理デバイスは、複数の画像捕捉デバイスのそれぞれから１つ又は複数の画像を受信し、且つ複数の画像捕捉デバイスから受信された１つ又は複数の画像の分析に基づいてホスト車両の環境内の少なくとも１つの障害物を検出するように構成され得る。例えば、複数の画像捕捉デバイスの少なくとも１つは、ホスト車両の側部のホスト車両の環境を表す画像を捕捉するように構成され得、その画像捕捉デバイスから受信される１つ又は複数の画像を使用して、ホスト車両の側部に位置する１つ又は複数の障害物を検出することができる。同様に、複数の画像捕捉デバイスの少なくとも１つは、ホスト車両の後方のホスト車両の環境を表す画像を捕捉するように構成され得、その画像捕捉デバイスから受信される１つ又は複数の画像を使用して、ホスト車両の後ろに位置する１つ又は複数の障害物を検出することができる。
[0744] 幾つかの実施形態では、少なくとも１つの障害物がホスト車両の環境内の目標車両であり得る。例えば、少なくとも１つの障害物は、ホスト車両の前方にあると決定される目標車両であり得る。別の例として、少なくとも１つの障害物は、ホスト車両と異なるレーン内にあると決定される目標車両であり得る。幾つかの実施形態では、少なくとも１つの障害物が道路内の歩行者又は物体を含み得る。
[0745] 幾つかの実施形態では、処理デバイスは、ホスト車両に関連する１つ又は複数のセンサからの出力を使用して環境内の１つ又は複数の障害物を検出し得る。センサは、本明細書で開示する任意のセンサとすることができる。例えば、処理デバイスは、ライダシステム及び／又はレーダシステムから出力を受信し、その情報を使用して、ホスト車両の付近にある１つ又は複数の障害物を検出することができる。
[0746] プロセス５５００は、スロットルメカニズム、ブレーキメカニズム及び／又は操舵メカニズム内へのドライバーの入力を監視するためのステップ５５０６を含み得る。本開示と一致し、少なくとも１つの処理デバイスは、少なくとも１つ又はホスト車両に関連するスロットル制御、ブレーキ制御若しくは操舵制御に対するドライバーの入力を監視するようにプログラムされ得る。入力は、本開示と一致する任意の技法によって監視することができる。例えば、１つ又は複数のセンサがスロットル、ブレーキ又は操舵制御のいずれかに関連する電気信号を検出するように構成され得る。別の例では、１つ又は複数のセンサがスロットル、ブレーキ又は操舵制御のいずれかに対する機械的入力を検出するように構成され得る。スロットル制御、ブレーキ制御及び／又は操舵制御は、現在知られているか又は後に開発される任意の種類のものであり得る。例えば、スロットル制御は、アクセルペダルを含むことができ、ブレーキ制御は、ブレーキペダルを含むことができ、及び操舵制御は、ハンドルを含むことができる。別の例では、ホスト車両の１つ又は複数の制御システムは、ホスト車両の進行方位を制御するための少なくとも１つの操舵アクチュエータ、ホスト車両のブレーキデバイスを適用させるためのブレーキアクチュエータ又はホスト車両のスロットルを適用させるためのアクセルアクチュエータを含み得る。例えば、スロットル制御システムは、ホスト車両のスロットルを適用させるためのアクセルアクチュエータを含むことができ、ブレーキ制御システムは、ホスト車両のブレーキペダルを適用させるためのブレーキアクチュエータを含むことができ、及び／又は操舵制御システムは、ホスト車両の進行方位を制御するための少なくとも１つの操舵アクチュエータを含むことができる。ドライバーの入力は、制御の１つ又は複数の任意の能動的な動作若しくは他の活性化又は動作がないこと、又は他の活性化であり得る。上記の例を続け、ドライバーの入力は、少なくとも１つ、アクセルペダルを押し下げること、ブレーキペダルを押し下げること、ブレーキペダルの押し下げがないこと、ハンドルを回すこと、又はハンドルを回さないことを含み得る。
[0747] プロセス５５００は、ドライバーの入力が安全なナビゲーション動作を生じさせるかどうかを決定するためのステップ５５０８を含み得る。先に説明したように、ドライバーの入力を実施した場合に生じるナビゲーション変更が、ホスト車両の周りの近接緩衝域未満の距離で（例えば、とりわけＲＳＳ距離、ＣＲＳＳ距離又は所定の最小横方向緩衝域距離内で）ホスト車両を物体に接近させることがない場合、ドライバーの入力は、安全な状態を生じさせ得る。本開示と一致し、少なくとも１つの処理デバイスは、少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることをドライバーの入力が生じさせるかどうかを決定するようにプログラムされ得る。少なくとも１つの処理デバイスは、近接緩衝域が侵害され得るかどうかを本開示と一致する任意の技法によって決定することができる。例えば、処理デバイスは、ホスト車両と１つ又は複数の物体（例えば、目標車両又はＶＲＵ）との間の現在の距離を決定し、現在の距離及びドライバーの入力に基づいてホスト車両と１つ又は複数の物体との間の次の状態の距離を決定することができる。物体との間のこの距離は、例えば、画像分析（例えば、スケーリング観察）、ライダ出力、レーダ出力等に基づいて決定され得る。一例として、図５３Ａ及び図５３Ｂを参照し、人間のドライバーが（例えば、車両５３０３のハンドルを回すことによって）車両５３０３を左に進路変更させる入力を与えた場合、処理デバイスは、車両５３０３と車両５３０１との間の次の状態の距離が図５３Ｂに示す危険な状態になると決定し得る。別の例として、図５４Ａを参照し、車両５４０２の人間のドライバーが（例えば、アクセルペダルを押し下げることによって）アクセルの入力を与えた場合、処理デバイスは、車両５４０２の加速が近接緩衝域５４０３未満の距離で車両５４０２を車両５４０６に接近させる可能性があり、従って危険であると決定し得る。この場合、安全システムがホスト車両を制御し、検出されたドライバーの入力に関連する危険な操作を防ぐことができる。
[0748] プロセス５５００は、ドライバーの入力がホスト車両に近接緩衝域を侵害させる例及びドライバーの入力がホスト車両に近接緩衝域を侵害させない例をナビゲーションシステムがどのように処理するかを定め得る機能５５１０を含むことができる。幾つかの実施形態では、機能５５１０は、プロセス５５００のステップ５５０８に含まれ得る。近接緩衝域は、ＲＳＳモデル及び／又はＣＲＳＳモデルを使用して決定されるものを含む、本開示と一致する任意の近接緩衝域であり得る。近接緩衝域は、ＲＳＳモデル及びＣＲＳＳモデルが依存するホスト車両の環境内の検出された障害物又は物体に依存し得る。幾つかの実施形態では、近接緩衝域が１つ又は複数の所定の距離を含み得る。例えば、近接緩衝域は、所定の横方向距離閾値に対応し得る。横方向距離閾値は、ホスト車両とホスト車両のいずれかの側に位置する物体との間の所定の最小距離を含み得る。別の例として、近接緩衝域は、所定の縦方向距離に対応し得る。縦方向距離は、例えば、ＲＳＳモデルに関して説明したようにホスト車両と物体との間で維持される最小距離ｄｍｉｎであり得る。
[0749] 本開示と一致し、少なくとも１つの障害物は、目標車両を含むことができ、及び目標車両に対する近接緩衝域は、ホスト車両の検出された現在の速度、ホスト車両の最大制動率の能力、目標車両の決定された現在の速度、目標車両の仮定された最大制動率の能力及びホスト車両の決定された最大加速能力に基づいて決定され得る。その場合、近接緩衝域は、少なくとも、ホスト車両に関連する反応時間にわたってホスト車両の最大加速能力で加速された場合にホスト車両が走行する距離として決定されるホスト車両の加速距離、ホスト車両の最大制動率の能力においてホスト車両の現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び目標車両の仮定された最大制動率の能力において目標車両の現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含み得る。例えば、近接緩衝域は、ホスト車両の加速距離及び停止距離並びに目標車両の停止距離を含むＲＳＳ安全距離を使用して決定することができる。幾つかの実施形態では、目標車両に対する近接緩衝域は、ホスト車両と目標車両との間で維持される所定の最小距離に基づいて更に決定され得る。例えば、上記で論じたように、近接緩衝域は、最小距離ｄｍｉｎを含み得る。
[0750] 本開示と一致し、少なくとも１つの障害物は、目標車両を含むことができ、及び目標車両に対する近接緩衝域は、ホスト車両の検出された現在の速度、ホスト車両の最大制動率の能力、目標車両の決定された現在の速度、目標車両の仮定された最大制動率の能力及びホスト車両の最大加速能力に基づいて決定され得る。幾つかの実施形態では、目標車両に対する近接緩衝域は、ホスト車両の最大制動率の能力未満である所定の最大下の制動率に基づいて更に決定することができ、それにより、近接緩衝域は、少なくとも、ホスト車両の所定の最大下のブレーキ能力においてホスト車両の現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び目標車両の仮定された最大ブレーキ能力において目標車両の現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む。例えば、近接緩衝域は、ホスト車両が所定の最大下の制動率に対応する率で減速する場合のホスト車両の停止距離及び目標車両が自らの最大制動率の能力に対応する率で減速する場合の目標車両の停止距離を含むＣＲＳＳ安全距離を使用して決定することができる。幾つかの実施形態では、目標車両に対する近接緩衝域は、ホスト車両と目標車両との間で維持される所定の最小距離に基づいて更に決定され得る。例えば、上記で論じたように、近接緩衝域は、最小距離ｄｍｉｎを含み得る。
[0751] 上記の実施形態のいずれにおいても、目標車両は、ホスト車両の前、隣又は後ろにあり得る。例えば、目標車両は、ホスト車両の前にあり得、少なくとも１つの処理デバイスは、ドライバーの入力が目標車両とホスト車両との間の縦方向距離の変化を生じさせることになると決定するように構成され得る。例えば、ホスト車両がホスト車両の前の近接緩衝域の距離を上回る距離で目標車両から離れていることができ、ドライバーの入力が近接緩衝域の距離未満の距離でホスト車両を目標車両に接近させ得る。幾つかの実施形態では、目標車両がホスト車両と異なるレーン内にあると決定され得、少なくとも１つの処理デバイスは、ドライバーの入力がホスト車両の横移動を生じさせることになり、それにより、横移動後に目標車両がホスト車両の前になると決定するように構成され得る。例えば、ドライバーの入力は、ホスト車両が目標車両の後ろに合流することを生じさせることができ、かかる合流は、ホスト車両がホスト車両の前で近接緩衝域の距離を上回る目標車両からの距離を維持する場合、安全とすることができ、ホスト車両がホスト車両の前の近接緩衝域の距離未満である目標車両の距離内に入る場合、危険であり得る。幾つかの実施形態では、目標車両がホスト車両と異なるレーン内にあると決定され、少なくとも１つの処理デバイスは、ドライバーの入力がホスト車両の横移動を生じさせることになり、それにより、横移動後にホスト車両が目標車両の前になると決定するように構成される。例えば、ドライバーの入力は、ホスト車両を目標車両の前に割り込ませることができ、かかる割り込みは、ホスト車両が車両の後部の近接緩衝域を上回る距離を維持する場合、安全とすることができ、ホスト車両がホスト車両の後部の近接緩衝域未満である目標車両の距離内に入る場合、危険であり得る。
[0752] 本開示と一致し、少なくとも１つの障害物は、道路内の歩行者又は物体を含むことができ、少なくとも１つの障害物に対する近接緩衝域は、ホスト車両と少なくとも１つの障害物との間で維持される最小距離を少なくとも含み得る。上記で論じたように、最小距離は、障害物の分類に応じて変わり得る。例えば、障害物が歩行者である場合、最小距離は、ホスト車両が歩行者との衝突を回避することができる所定の閾値の範囲内の確実性がある距離であり得る。そのため、歩行者に対する最小距離は、本開示と一致する最長の最小接近距離とすることができる。幾つかの実施形態では、ホスト車両の現在の速度に基づいて歩行者に対する近接緩衝域を決定することができ、近接緩衝域は、ホスト車両の速度が増加することで増加し得る。歩行者に対する近接緩衝域がホスト車両の現在の速度に基づく例でさえ、歩行者に対する近接緩衝域は、ホスト車両の停止距離よりも長い（及び概してホスト車両の停止距離よりも著しく長い）と考えられる。例えば、歩行者に対する近接緩衝域は、ホスト車両の現在の速度に関するホスト車両の停止距離（ＲＳＳモデル又はＣＲＳＳモデル下で計算される）に追加の最小距離を加えたものであり得る。別の例として、歩行者に対する近接緩衝域は、ホスト車両の現在の速度に関するホスト車両の停止距離の１２０％又は停止距離に対する異なる修正（例えば、１１０％、１５０％、２００％等）であり得る。
[0753] プロセス５５００は、ドライバーの入力が物体に対する近接緩衝域の範囲内にホスト車両を入れない場合、その入力を可能にするためのステップ５５１４を含み得る。本開示と一致し、少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることをドライバーの入力が生じさせないであろうと少なくとも１つの処理デバイスが決定する場合、少なくとも１つの処理デバイスは、ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせることを可能にするようにプログラムされ得る。例えば、ドライバーの入力が任意の障害物（例えば、目標車両又はＶＲＵ）に対する近接緩衝域内にホスト車両を入れないと処理デバイスが決定する場合、処理デバイスは、人間のドライバーの置換なしで済ませることができる。図５３Ａを含む本明細書で開示する幾つかの図面は、安全システムがドライバーを置換しない条件を示す。
[0754] ホスト車両の１つ又は複数の動作制御システムは、本開示と一致する任意のシステムとすることができる。例えば、１つ又は複数の動作制御システムは、スロットルシステム２２０、ブレーキシステム２３０及び／又は操舵システム２４０を含み得る。幾つかの実施形態では、ホスト車両の１つ又は複数の制御システムは、ホスト車両の進行方位を制御するための少なくとも１つの操舵アクチュエータ、ホスト車両のブレーキデバイスを適用させるためのブレーキアクチュエータ又はホスト車両のスロットルを適用させるためのアクセルアクチュエータを含み得る。例えば、スロットルシステム２２０は、１つ又は複数のアクセルアクチュエータを含むことができ、ブレーキシステム２３０は、１つ又は複数のブレーキアクチュエータを含むことができ、操舵システム２４０は、１つ又は複数の操舵アクチュエータを含むことができる。
[0755] プロセス５５００は、ドライバーの入力が物体に対する近接緩衝域の範囲内にホスト車両を入れる場合に人間を置換するためのステップ５５１２を含み得る。本開示と一致し、少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることをドライバーの入力が生じさせないであろうと少なくとも１つの処理デバイスが決定する場合、少なくとも１つの処理デバイスは、ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせるのを防ぐようにプログラムされ得る。本明細書で開示する危険な状態の複数の例のいずれも、安全システムが人間のドライバーを置換するための基礎になり得る。例えば、ドライバーの入力がＲＳＳ安全距離（又はいずれのモデルが使用されているかにもよるが、ＣＲＳＳ安全距離）未満の物体の距離内にホスト車両を入れる場合、安全システムは、ドライバーの入力が危険であると決定することができ、ドライバーを置換し、制御をテイクオーバすることができる。
[0756] 本開示と一致し、ドライバーの入力がホスト車両の対応する変更を生じさせるのを防ぐことは、ドライバーの入力を防ぐことを含み得る。幾つかの実施形態では、ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせるのを防ぐために、少なくとも１つの処理デバイスは、スロットル制御、ブレーキ制御又は操舵制御の少なくとも１つの動作を一定の条件下で防ぐか、又は検出されるドライバーの入力に応じた更なる動作を防ぐように構成され得る。例えば、ドライバーの入力がアクセルペダルを押し下げることによって引き起こされる加速である場合、安全システムは、アクセルペダルを押し下げることができないようにアクセルペダルをロックすることによって加速を防ぐことができる。同様に、ドライバーの入力が時計回りにハンドルを回すことである場合、安全システムは、ハンドルを回すことができないように又は安全な状態に対応する方向にのみ回すことができるようにハンドルをロックすること（例えば、ハンドルを時計回りに回すことは、ロックするが、反時計回りに回すことは、許可すること）によって回すことを防ぐことができる。幾つかの実施形態では、ホスト車両の１つ又は複数の動作制御システムの対応する変更をドライバーが生じさせるのを防ぐために、少なくとも１つの処理デバイスは、スロットル制御、ブレーキ制御又は操舵制御の少なくとも１つの動作性を無効にするように構成され得る。例えば、ドライバーの入力がブレーキペダルを押し下げることである場合、安全システムは、ブレーキペダルを押し下げることが効果を有さないようにブレーキペダルをブレーキシステムの残りの部分から（例えば、電子的に又は機械的に）切り離すことによって入力を防ぐことができる。同様に、ドライバーの入力がハンドルを回すことである場合、安全システムは、（少なくとも危険な状態を生じさせる方向に）ハンドルを回すことが効果を有さないようにハンドルを切り離すことによって入力を防ぐことができる。幾つかの実施形態では、ホスト車両の１つ又は複数の動作制御システムの対応する変更をドライバーの入力が生じさせるのを防ぐことは、ハンドルに対するドライバーの入力が少なくとも１つの操舵アクチュエータによる対応する応答を生じさせるのを防ぐこと、ブレーキペダルに対するドライバーの入力がブレーキアクチュエータによる対応する応答を生じさせるのを防ぐこと、又はアクセルペダルに対するドライバーの入力がアクセルアクチュエータによる対応する応答を生じさせるのを防ぐことの少なくとも１つを含み得る。例えば、ドライバーの入力がアクセルペダルを押し下げることである場合、ペダルをロックする代わりに又はペダルを切り離す代わりに、安全システムは、ドライバーが入力を与えることを許可するが、例えばアクセルペダルからの電気信号がアクセルアクチュエータに到達する前にその電気信号を阻止することにより、入力が効果を有することを防ぐことができる。任意の実施形態において、ドライバーの入力を防ぐことは、危険な状態に対応する期間にわたって継続し得る。例えば、ホスト車両を加速することが近接緩衝域の距離未満の物体の距離内にホスト車両を入れないと処理デバイスが決定する場合、安全システムは、アクセルペダルのロックを解除することができる。
[0757] 本開示と一致し、ドライバーの入力がホスト車両の対応する変更を生じさせるのを防ぐことは、ドライバーの入力を禁止することを含み得る。幾つかの実施形態では、ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせるのを防ぐために、少なくとも１つの処理デバイスは、ドライバーの入力に応じたスロットル制御、ブレーキ制御又は操舵制御の少なくとも１つの動作を防ぎ、且つスロットル制御、ブレーキ制御又は操舵制御の少なくとも１つにインパルス力を加えるように構成され得る。例えば、ドライバーの入力が時計回りにハンドルを回すことである場合、安全システムは、ハンドルを時計回りの方向に回すことができないようにハンドルをロックすることにより、及びハンドルを反時計回りの方向に回す力を加えることにより回すことを禁止することができる。同じ例において、安全システムは、ハンドルを時計回りの方向に回すことができるが、時計回りに回すことにホスト車両が完全には応答しないようにハンドルを部分的にロックすることによって回すことを禁止することができ、安全システムは、反時計回りの方向でハンドルに力を加えることができる。幾つかの実施形態では、少なくとも１つの処理デバイスは、少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることを生じさせないであろうドライバーの入力が受信されるまでスロットル制御、ブレーキ制御又は操舵制御の少なくとも１つの動作を防ぎ、且つスロットル制御、ブレーキ制御又は操舵制御の少なくとも１つにインパルス力を加え続けるように構成され得る。例えば、上記の例を続け、安全システムは、ホスト車両に危険な状態を回避させるのに又はホスト車両を（例えば、近接緩衝域内に障害物がない）安全な状態に戻すのに十分な量で、人間のドライバーがハンドルを反時計回りの方向に回すまで時計回りの方向にハンドルを回すことを禁止し続けることができる。別の例として、ドライバーの入力がアクセルペダルを押し下げることである場合、安全システムは、押し下げと反対の力をアクセルペダルに与えることによって入力を禁止することができ、ドライバーがアクセルペダルを押し下げるのをやめるまで又はブレーキペダルを押し下げ始めるまで力を加え続けることができる。任意の実施形態において、近接緩衝域内に障害物がない安全な位置にホスト車両があり、近接緩衝域未満の距離でホスト車両を障害物に接近させるドライバーの入力がなくなるまで、この禁止は続き得る。
[0758] 本開示と一致し、ドライバーの入力がホスト車両の対応する変更を生じさせるのを防ぐことは、人間のドライバーから制御をテイクオーバすることを含むことができるか又はかかるテイクオーバに関連し得る。幾つかの実施形態では、少なくとも１つの処理デバイスは、ホスト車両の１つ又は複数の動作制御システムの対応する変更をドライバーの入力が生じさせるのを少なくとも１つの処理デバイスが防ぐ間隔中、ホスト車両のナビゲーションを自律的に制御するように構成され得る。例えば、ドライバーの入力がハンドルを時計回りに回すことである場合、安全システムは、上記のように入力を防ぐか又は禁止し、ドライバーの入力が効果を有さず処理デバイスがホスト車両の操舵を制御するように操舵システム２４０を制御することができる。幾つかの実施形態では、ドライバーの任意の入力が危険な状態を生じさせる場合、処理デバイスがドライバーの危険な入力に対応するシステムの制御だけでなくホスト車両の完全な自律制御を有するように、安全システムは、人間のドライバーを完全に置換することができる。例えば、ドライバーの危険な入力がアクセルペダルを押し下げることである場合、処理デバイスがホスト車両を完全にナビゲートできるようにＡ安全ＤＡＳシステムがアクセルシステム、ブレーキシステム及び操舵システムを制御することができる。安全システム及びその中の処理デバイスは、本開示の任意の実施形態に従ってホスト車両を自律的にナビゲートすることができる。幾つかの実施形態では、少なくとも１つの処理デバイスは、少なくとも１つの障害物に対する近接緩衝域内でホスト車両がナビゲートすることを生じさせないであろうドライバーの入力が受信された後、ホスト車両のナビゲーション制御をドライバーに返すように構成され得る。例えば、安全システムがホスト車両を自律的にナビゲートしている期間中、危険な状態を生じさせない入力をドライバーが与えようと試みた場合、安全システムは、自律ナビゲーションを終了し、人間のドライバーがホスト車両の制御をテイクオーバすることを可能にし得る。
[0759] 本開示と一致し、少なくとも１つの処理デバイスは、人間のドライバーにアラートを出すようにプログラムされ得る。幾つかの実施形態では、少なくとも１つの処理デバイスは、ドライバーの入力が危険な状態を生じさせると処理デバイスが決定する場合、ドライバーにアラートを出すことができる。アラートは、本開示と一致する任意のアラートとすることができる。例えば、車両はスピーカシステムを含むことができ、安全システムは、スピーカシステム上で可聴アラートを与えることができる。別の例として、車両は、１つ又は複数のディスプレイ（例えば、ダッシュボード又は娯楽システム内の画面）を含むことができ、安全システムは、１つ又は複数のディスプレイ上で視覚的アラートを与えることができる。別の例として、車両は、（例えば、車両のフロントガラス上の）ヘッドアップディスプレイ又は拡張現実ディスプレイを有することができ、安全システムは、ヘッドアップディスプレイ又は拡張現実ディスプレイ上でアラートを与えることができる。ディスプレイは、例えば、いずれのドライバーの入力が危険な状態を生じさせるかについての指示、安全な状態を生じることになる入力の指示、安全システムがドライバーを置換していることの指示等を含み得る。
[0760] 本開示と一致し、少なくとも１つの処理デバイスは、安全システムが人間のドライバーを置換した例に関係するデータを収集し伝送するようにプログラムされ得る。データは、例えば、危険であると決定されたドライバーの入力に関係する情報、置換の時間、位置及び持続時間、置換の種類（例えば、阻止、防止又はテイクオーバ）、テイクオーバの結果（例えば、衝突が回避された）及び置換に関係する他の任意の情報を含み得る。データは、１つ又は複数のシステム又はデバイスに伝送され得る。例えば、データは、回避された事故、ドライバーの運転能力等をドライバーに知らせる際に使用するためのドライバーに関連するデバイスに伝送することができる。別の例として、情報は、自律車両、交通安全、人間の運転の癖等に関係する研究に使用するための１つ又は複数のシステムに伝送することができる。
[0761] 本開示と一致し、人間のドライバーによるホスト車両の制御を選択的に置換するための自律システムは、人間のドライバーによる制御を選択的に置換するための自律システムを無効にするためのシステムオーバーライド制御を含み得る。システムオーバーライド制御は、スロットル制御、ブレーキ制御及び操舵制御と異なり得る。例えば、システムオーバーライド制御をブレーキ制御、スロットル制御及び操舵制御と異ならせるには、ドライバーがナビゲーション入力と異なる入力をオーバーライド制御に与えることを必要とする。幾つかの実施形態では、システムオーバーライド制御は、ドライバーからの入力を得ることができるハンドル、ボタン、レバー又は他の物理デバイスであり得る。例えば、オーバーライド制御は、レバーとすることができ、自律システムを無効にする入力は、レバーを引くこと又はレバーの他の変位であり得る。幾つかの実施形態では、システムオーバーライド制御は、１つ又は複数のマイクロフォン及び／又は画像捕捉デバイスシステムによって検出され得る可聴フレーズ、視覚的ジェスチャ又は他の種類の入力であり得る。例えば、システムオーバーライド制御は、手のジェスチャを含み得る。システムオーバーライド制御は、上記のようにシステムを非活性化又は解除するための他の任意の手段であり得る。
[0762] 本開示と一致し、少なくとも１つの処理デバイスは、人間のドライバーによる制御を選択的に置換するための自律システムがシステムオーバーライド制御の動作によって無効にされているときを追跡するように構成され得る。例えば、処理デバイスは、人間のドライバーがシステムオーバーライド制御を活性化した時間及び位置に関係する日付並びに例えば車両内のディスプレイ又はインストルメントパネル上に表示される無効化に関係する視覚的情報（例えば、画像又はビデオクリップ）を含む、システムが無効にされた持続時間に関係する情報を記憶することができる。幾つかの実施形態では、車両が衝突に巻き込まれた場合、衝突前に安全システムが無効にされていたかどうかを報告するように処理デバイスがプログラムされ得る。幾つかの実施形態では、たとえシステムが無効にされていてもドライバーの入力を監視するように処理デバイスがプログラムされ得る。例えば、無効にされる場合、処理デバイスは、ステップ５５１２を除いてプロセス５５００を実行するように構成され得る。この例では、処理デバイスは、ホスト車両が物体に対する近接緩衝域内にあった危険な状態を人間のドライバーが引き起こしたかどうかに関係するデータ及び車両のナビゲーションに関係する他の情報を収集し記憶することができる。その情報は、衝突があった場合に責任を決定するために使用され得る。例えば、ホスト車両と目標車両との間で衝突が起きたときにＡＤ安全ＡＳシステムが無効であったと処理デバイスが決定する場合、ホスト車両の人間のドライバー又は目標車両のドライバーに責任があり得る。同様に、安全システムが無効にされており、安全システムが無効にされていなければ置換されていた入力を人間のドライバーが与えたと処理デバイスが決定する場合、ホスト車両の人間のドライバーに責任があり得る。
[0763] 上記で論じた例及び実施形態は、例示に過ぎず、人間のドライバーの制御を選択的に置換するための自律システムの範囲を限定するものではない。本開示と一致する任意の方法でこの自律システムを修正する方法を、本開示の利益を得る当業者であれば理解することができる。
[0764] 制御の遅延を補償するための経路予測
[0765] 本明細書で開示する自律ナビゲーションシステムは、ホスト車両の１つ又は複数のナビゲーション動作を決定することができ、そのナビゲーション動作を実施することができる。上記で説明したように、ナビゲーション動作は、１つ又は複数のナビゲーションポリシ、ナビゲーション目標等に基づき得る。ナビゲーションシステムは、ホスト車両のナビゲーション応答を決定するために使用される出力を提供する１つ又は複数のセンサを含み得る。例えば、システムは、ホスト車両の環境の画像を捕捉するように構成される複数の画像捕捉デバイス及び画像を分析してナビゲーション応答を決定するように構成される少なくとも１つのプロセッサを含み得る。しかし、画像（又はセンサからの他の出力）が捕捉される時点と、ホスト車両の操作を引き起こすためにナビゲーション応答が実施される時点との間に遅延期間があり得る。一部の事例では、ナビゲーション応答が実施される時点と所望の効果が生じる（例えば、ハンドルが回され、それに応じて車輪の向きが変わる）時点との間に更なる遅延が存在し得る。遅延期間は、非常に短い可能性があるが、殆どの場合に車両が遅延期間中に移動し続ける。その結果、特定のナビゲーション決定が期限切れであり得るセンサ出力であり、それは、それらのセンサ出力が、車両のアクチュエータが計画されたナビゲーション動作の実施に応じて車両の状態の変更を生じさせる
時点により近いか又は等しい時点におけるホスト車両の実際の動作条件ではなく、過去の動作条件に基づく可能性があるからである。その結果、ホスト車両は、「正弦波」ドライブを示す場合があり、正弦波ドライブでは、アクチュエータの応答時の実際の条件を表さないセンサ情報に基づいてナビゲーション決定を実施することにより、揺らいだ補正（例えば、ブレーキ、アクセル、ブレーキ、アクセル等）を車両が行う可能性がある。そのため、車両のセンサ測定が行われた後及び作動時間前又は作動時間と同時に車両の動作を予測するためのシステムを開示する。開示するシステムは、とりわけセンサ測定、運転の決定及びナビゲーション動作の実施時点中の変化する車両の動作に対処するための補正を行わない場合に生じ得る、スムーズでない揺らいだ補正を回避することができる。
[0765] 本明細書で開示する自律ナビゲーションシステムは、ホスト車両の１つ又は複数のナビゲーション動作を決定することができ、そのナビゲーション動作を実施することができる。上記で説明したように、ナビゲーション動作は、１つ又は複数のナビゲーションポリシ、ナビゲーション目標等に基づき得る。ナビゲーションシステムは、ホスト車両のナビゲーション応答を決定するために使用される出力を提供する１つ又は複数のセンサを含み得る。例えば、システムは、ホスト車両の環境の画像を捕捉するように構成される複数の画像捕捉デバイス及び画像を分析してナビゲーション応答を決定するように構成される少なくとも１つのプロセッサを含み得る。しかし、画像（又はセンサからの他の出力）が捕捉される時点と、ホスト車両の操作を引き起こすためにナビゲーション応答が実施される時点との間に遅延期間があり得る。一部の事例では、ナビゲーション応答が実施される時点と所望の効果が生じる（例えば、ハンドルが回され、それに応じて車輪の向きが変わる）時点との間に更なる遅延が存在し得る。遅延期間は、非常に短い可能性があるが、殆どの場合に車両が遅延期間中に移動し続ける。その結果、特定のナビゲーション決定が期限切れであり得るセンサ出力であり、それは、それらのセンサ出力が、車両のアクチュエータが計画されたナビゲーション動作の実施に応じて車両の状態の変更を生じさせる
時点により近いか又は等しい時点におけるホスト車両の実際の動作条件ではなく、過去の動作条件に基づく可能性があるからである。その結果、ホスト車両は、「正弦波」ドライブを示す場合があり、正弦波ドライブでは、アクチュエータの応答時の実際の条件を表さないセンサ情報に基づいてナビゲーション決定を実施することにより、揺らいだ補正（例えば、ブレーキ、アクセル、ブレーキ、アクセル等）を車両が行う可能性がある。そのため、車両のセンサ測定が行われた後及び作動時間前又は作動時間と同時に車両の動作を予測するためのシステムを開示する。開示するシステムは、とりわけセンサ測定、運転の決定及びナビゲーション動作の実施時点中の変化する車両の動作に対処するための補正を行わない場合に生じ得る、スムーズでない揺らいだ補正を回避することができる。
[0766] 車両の速度を制御する問題は、以下のように公式化することができる。速度コマンド信号ｖｃｍｄ（ｔ）は、ホスト車両の目標速度であり得る。ナビゲーションシステムは、ｖ（ｔ）で示す車両の実際の速度が可能な限りｖｃｍｄ（ｔ）に近づくようにスロットル及びブレーキ制御を調節することができる。ペダルの位置をｐ（ｔ）∈［－１，１］とし、－１は、フルブレーキに相当し、１は、フルスロットルに相当し、０は、ブレーキもスロットルもないことを意味する。ペダルを動かすことは、車両の速度を変えることができ、コントローラの目標は、誤差信号ｅ（ｔ）＝ｖｃｍｄ（ｔ）－ｖ（ｔ）が絶対値で小さくなるようにペダルを動かすことであり得る。標準の表記法では、ｖｃｍｄ（ｔ）は、所望の設定点であり、ｖ（ｔ）は、プロセス変数であり、ｐ（ｔ）は、制御変数である。
[0767] コントローラは、離散時間で動作することができ、ペダルの位置は、Δ秒ごとに動かされる。コントローラは、以下の単純な式に基づくことができる：ｋが自然数である全てのｔ＝ｋΔについて、
である。
[0768] 但し、ｐｅは、ペダルの位置に関する誤差補正関数であり、ｐｇ（ｖ，α）は、場合により現在の速度及びアクセルコマンドに応じたペダルの位置の定数である「推測」関数であり（推測関数について以下で詳しく述べている。ｖ又はαのフィードバックに対する依存関係はなく、そのため、ｐｇは、完全な「開ループ」式に機能することに留意されたい）、
は、過去の誤差のディスカウントされた平均を与える（及び
に初期設定される）信号である。次式に注目されたい。
[0769] 単純にするために、上記の表現は、飽和に関係する側面（誤差、ペダルの位置、ペダルの変化のクリッピング）を含まない。上記の式に飽和が含まれ得ることを、本開示の利益を得る当業者であれば理解することができる。
[0770] 次に、推測関数ｐｇ（ｖ，α）を検討することができる。例えば、車両は、時間に応じた速度及びペダルの位置を記録しながら運転され得る。速度の微分は、（雑音が多い可能性があるが）実際の加速度として解釈することができ、ｐ（ｔ）及びｖ（ｔ）に応じて加速度を与える関数に適合しようと試み得る。この関数を反転することで推測関数ｐｇ（ｖ，α）が得られる。
[0771] 推測関数は、遅延を有さないために利益をもたらし得る。ペダルの正しい位置に関する情報の殆どが所望の加速度及び現在の速度内にある場合、推測関数は、正しいペダル位置の推定を行うことができる。コントローラの役割は、ｐｅを使用することによって追加変数（例えば、タイヤの空気圧、エンジンの熱、追い風等）による誤差をなくすことである。
[0772] 車両に作用する主な力は、ｖに線形に依存する摩擦、ｖに二次的に依存するラグ（空気抵抗）、形式９．８ｓｉｎ（θ）で高度と共に変化する重力、ブレーキペダルの位置に依存するブレーキ摩擦及びスロットルペダルの位置に依存するエンジンであるため、情報の殆どは、ｖ及びαに依存する。
[0773] 推測関数には幾つかの利点があり得る。まず、（殆どの場合に）最初の推測がペダルの最適な位置に非常に近くなり、従って所望の加速度に非常に近い加速度について無視できるほど小さい遅延が生じる。第２に、最初の推測関数を学習する問題は、オフラインの問題（人間／自律ドライバーから例を収集し、それに関数を適合させる）である。これは、別の車両に容易に適合させることができ、既存の車にその場で適合させることさえできる（（低次多項式を使用する我々の適合の選択において）適合させるパラメータの数が収集可能な例の数よりもはるかに少なく、そのために過剰適合の心配がない）。第３に、経験的事実に基づき、ディスカウントされたインテグレータは、過去の誤差を迅速に忘れるディスカウンティングによりはるかに小さい遅延を有しながら、インテグレータの「定常誤差なし」特性をもたらし得る。更に幾つかの実施形態では、存在する小さい遅延でさえ定常誤差を縮めるコントローラ側のみにあり得る。
[0774] 幾つかの実施形態では、推測関数がフィードバックを受信せず、むしろコメントに依存し得る。幾つかの実施形態では、これは、推測関数を使用するナビゲーションシステム内の唯一のコントローラにｐｅ項をし得る。ｐｅ項を別々に分析する。
[0775] 幾つかの実施形態では、本明細書の式に従って動作するコントローラは、時間と共に減衰する係数を有するインテグレータに依存し得る。係数内の非減衰項は、Ｋｍ＞＞１のように相対的に小さいものであり得ることに留意すべきである。先に論じたように、この種のインテグレータは、ディスカウント効果により過去の誤差に由来する遅延をより少なく被る一方で「定常誤差なし」特性を有し得る。これは、正規のＰＩコントローラにおけるＰ項とＩ項との間の何らかのものとして解釈することもでき、すなわち、例えばディスカウンティングが全くないことは、古典的なＩ項を与える一方、厳しいディスカウンティングは、古典的なＰ項を与える。そのため、コントローラは、既存のＰＩコントローラを上回る独特の利点をもたらし得る。
[0776] 図５６は、ナビゲーションシステムによって実行され得るプロセス５６００の概要を示す。以下の解説は、コントローラがどのように処理遅延に対処するかを示す。プロセス５６００は、ナビゲーションシステムが１つ又は複数のセンサからデータを収集し、そのデータを分析して１つ又は複数の出力を生成することができる検知及び出力段階５６０２を含み得る。例えば、検知及び出力段階５６０２では、画像捕捉デバイス１２２が１つ又は複数の画像を捕捉し、ホスト車両の環境内の障害物を検出するために画像を分析するようにプログラムされる少なくとも１つの処理デバイスにそれらの画像を提供することができる。検知及び出力段階５６０２は、目標車両がホスト車両の前にあるという決定等の１つ又は複数のセンサに関係する出力で終了し得る。検知及び出力段階５６０２は、ホスト車両に関連する任意のセンサ（例えば、ＧＰＳ、加速度計、速度計、タイヤ空気圧
インジケータ、レーダ、ライダ等）による測定も含み得る。プロセス５６００は、検知及び出力段階５６０２の出力を使用してホスト車両のための１つ又は複数のナビゲーションコマンドを決定するようにプログラムされる少なくとも１つの処理デバイスをナビゲーションシステムが含み得るナビゲーションコマンド決定段階５６０４を含み得る。例えば、少なくとも１つの処理デバイスは、例えば、センサ出力の出力と共に１つ又は複数のナビゲーションポリシを使用してナビゲーションコマンドを決定することができる。ナビゲーションコマンド決定段階５６０４は、ナビゲーションコマンドが１つ又は複数の動作制御システム（例えば、スロットル制御システム、ブレーキ制御システム、操舵制御システム等）に伝送されることで終了し得る。プロセス５６００は、ナビゲーションコマンド段階５６０４のナビゲーションコマンドと一致したナビゲーション操作を車両に行わせるためのナビゲーション応答段階５６０６を含み得る。例えば、ナビゲーション応答段階５６０６は、ナビゲーションコマンド決定段階５６０４のナビゲーションコマンドに応答してスロットルアクチュエータを活性化することを含み得る。
インジケータ、レーダ、ライダ等）による測定も含み得る。プロセス５６００は、検知及び出力段階５６０２の出力を使用してホスト車両のための１つ又は複数のナビゲーションコマンドを決定するようにプログラムされる少なくとも１つの処理デバイスをナビゲーションシステムが含み得るナビゲーションコマンド決定段階５６０４を含み得る。例えば、少なくとも１つの処理デバイスは、例えば、センサ出力の出力と共に１つ又は複数のナビゲーションポリシを使用してナビゲーションコマンドを決定することができる。ナビゲーションコマンド決定段階５６０４は、ナビゲーションコマンドが１つ又は複数の動作制御システム（例えば、スロットル制御システム、ブレーキ制御システム、操舵制御システム等）に伝送されることで終了し得る。プロセス５６００は、ナビゲーションコマンド段階５６０４のナビゲーションコマンドと一致したナビゲーション操作を車両に行わせるためのナビゲーション応答段階５６０６を含み得る。例えば、ナビゲーション応答段階５６０６は、ナビゲーションコマンド決定段階５６０４のナビゲーションコマンドに応答してスロットルアクチュエータを活性化することを含み得る。
[0777] この例では、ｔ（０）は、センサ測定が行われる（例えば、画像捕捉デバイス１２２が第１の画像を捕捉する）瞬間を表すことができ、ｔ（１）は、１つ又は複数の処理デバイスにセンサ出力が伝送される瞬間を表すことができ、ｔ（２）は、受信された１つ又は複数のセンサ出力に基づいてナビゲーションコマンドを決定するようにプログラムされるプロセッサによってセンサ出力が受信される瞬間を表すことができ、ｔ（３）は、プロセッサが１つ又は複数の動作制御システムに決定されたナビゲーションコマンドを伝送する瞬間を表すことができ、ｔ（４）は、伝送されたナビゲーションコマンドを１つ又は複数の動作制御システムが受信する瞬間を表すことができ、ｔ（５）は、ナビゲーションコマンドが実施される（例えば、アクチュエータがスロットル、ブレーキ又は操舵応答を生じさせる）瞬間を表すことができる。本開示と一致し、これらの瞬間のいずれの間にも遅延があり得る。例えば、プロセス５６００の総遅延は、ｔ（５）とｔ（０）との差とすることができ、それは、例えば、１ミリ秒から数百ミリ秒までの範囲であり得る。例えば、プロセス５６００の一部の構成では、遅延が１５０ミリ秒であり得る。累積遅延は、段階５６０２においてセンサ出力を収集し、パッケージ化し、伝送するための処理時間、段階５６０４において計画されたナビゲーション動作コマンドを生成するために１つ又は複数の受信されたセンサ出力に運転ポリシ等を適用するための処理時間及び段階５６０６において受信されたナビゲーションコマンドを伝送又は実施するための処理時間を含み得る。
[0778] 累積遅延又は総遅延の任意の部分中、ホスト車両は、データ取得時点ｔ（０）において走行していたのと同じ又は異なる速度、加速度及び又は経路でナビゲートし続けることができる。例えば、センサ測定時にブレーキがかけられている場合、ナビゲーションコマンドが実施される頃に車両の速度がセンサ測定時よりも遅い可能性がある。同様に、センサ測定時にアクセルが適用されている場合、ナビゲーションコマンドが実施される頃に車両の速度がセンサ測定時よりも速い可能性がある。作動時点ｔ（５）においてナビゲーションコマンドが実施される場合、車両が著しい距離を移動している可能性があり、及び／又はナビゲーションコマンドの基礎と異なる速度、加速度又は経路を有する可能性がある。そのため、ナビゲーションコマンドは、動作制御システムによってナビゲーションコマンドが実施される時点における車両の実際の動作条件に基づかないナビゲーション応答を作動時点ｔ（５）において生じさせる場合がある。
[0779] 図５７Ａ～図５７Ｃは、センサ測定と作動との間の時間中の車両経路の予測が有用であり得る条件を示す。図５７Ａ～図５７Ｃは、データ取得時点ｔ（０）における道路５７００上のホスト車両５７０２及び目標車両５７０６をそれぞれ示す。データ取得時点ｔ（０）は、ホスト車両５７０２上の１つ又は複数のセンサが目標車両５７０６に関係する情報を捕捉する瞬間とすることができる。図５７ａ及び図５７Ｃは、遅延時点ｔ（５）におけるホスト車両５７０２'及び目標車両５７０６'も示す。図５６に関して論じたように、遅延時点ｔ（５）は、ホスト車両がナビゲーション操作を実行するか又は他にナビゲーションコマンドを実施する瞬間であり得る。
[0780] 図５７Ａは、初期時点ｔ（０）におけるホスト車両５７０２及び遅延時点ｔ（５）における同じホスト車両５７０２'を示す。図示のように、初期時点ｔ（０）におけるホスト車両５７０２と遅延時点ｔ（５）におけるホスト車両５７０２'との間に僅かな位置的な差がある。この位置の差は、遅延時点ｔ（５）と初期時点ｔ（０）との差である応答期間Δｔ（不図示）中にホスト車両５７０２が移動した距離に起因し得る。同様に、ホスト車両５７０６も応答期間Δｔ中に所定の距離を移動している可能性がある。この例では、ホスト車両５７０２'及び目標車両５７０６'の位置が初期時点ｔ（０）と遅延時点ｔ（５）とで異なるため、初期時点ｔ（０）におけるホスト車両５７０２及び目標車両５７０６の位置に基づいて決定されるナビゲーションコマンドは、遅延時点ｔ（５）において理想的なナビゲーション応答を生じさせない可能性がある。
[0781] 図５７Ｂは、ホスト車両５７０２の所望の軌道に対応し得る例示的な経路５７０４を示す。例えば、ホスト車両５７０２のナビゲーションシステム内の少なくとも１つのプロセッサは、ホスト車両５７０２が目標車両５７０６を追い越すべきであると決定することができ、経路５７０４と一致するナビゲーションコマンドを生成し得る。この例では、初期時点ｔ（０）における条件に基づいて経路５７０４が生成される。例えば、経路５７０４は、初期時点ｔ（０）における目標車両５７０６の速度、加速度、最大ブレーキ能力及び位置並びに初期時点ｔ（０）におけるホスト車両５７０２に関連する速度、加速度、位置及び１つ又は複数のナビゲーションポリシに基づき得る。
[0782] 図５７Ｃは、ホスト車両５７０２、５７０２'が走行し得る異なる経路５７０４、５７０４'及び５７１０を示す。経路５７０４は、図５７Ｂに示すように初期時点ｔ（０）の条件下で決定される所望の経路である。この例では、遅延時点ｔ（５）において、ホスト車両５７０２'は、経路５７０４をたどることができない位置にあり、それは、遅延時点ｔ（５）において経路５７０４の始点が車両５７０２'の前部よりも後ろにあるからである。そのため、時点ｔ（５）におけるホスト車両５７０２'は、時点ｔ（０）において生成された経路５７０４をたどることができない。経路５７０４'は、車両５７０２'が経路５７０４と一致するナビゲーション操作を行う場合に車両５７０２'が走行する軌道であり得る。換言すれば、経路５７０４'は、初期時点ｔ（０）においてホスト車両５７０２のために生成されたナビゲーションコマンドを遅延時点ｔ（５）においてホスト車両５７０２'が実行する場合に生じる軌道である。この例では、初期時点ｔ（０）において経路５７０４が目標車両５７０６に近くあるよりも、遅延時点ｔ（５）において経路５７０４'の方が目標車両５７０６'にはるかに近い。幾つかの実施形態では、経路５７０４'と目標車両５７０６'との間の距離を危険な距離と見なすことができる（例えば、この距離がホスト車両５７０２'の近接緩衝域を侵害する可能性がある）。経路５７１０は、ホスト車両５７０２及び目標車両５７０６の予測経路に基づいて初期時点ｔ（０）において生成されたホスト車両５７０２'のための経路であり得る。例えば、初期時点ｔ（０）において、ホスト車両５７０２のナビゲーションシステムは、遅延時点ｔ（５）における目標車両５７０６の位置（目標車両５７０６'によって示す位置であり得る）を予測することができ、遅延時点ｔ（５）におけるホスト車両５７０２の位置（ホスト車両５７０２'によって示す位置であり得る）を予測することができ、経路５７１０と一致する、遅延時点ｔ（５）において実施されるナビゲーションコマンドを生成することができる。この例によって示すように、予測される条件に基づく経路５７１０は、経路５７０４'を上回る独特の安全上の利点をもたらし得る。
[0783] 上記の例は、例示に過ぎず、実施形態の範囲を限定するものではない。例えば、図５７Ａ～図５７Ｃはホスト車両が目標車両を追い越すための予測経路を示すが、予測経路は、ホスト車両の任意のナビゲーション操作に関連することができ、任意の障害物（例えば、ＶＲＵ、複数のホスト車両、道路特性等）に関係し得る。一例として、予測経路は、道路内の曲がり角に入るホスト車両について生成され得る。他の任意のナビゲーション操作は、上記で説明した予測経路分析及び／又は推測関数の利益を得ることができる。
[0784] 幾つかの実施形態では、遅れた応答は、ホスト車両による過度の補正又は不要なナビゲーション応答を生じさせる可能性がある。例えば、ホスト車両の前の目標車両が低速であるが、高い加速度で走行している場合、時点ｔ（０）において捕捉された画像を使用して、ホスト車両が目標車両との衝突を回避するために停止するか又は急に向きを変える必要があり得ると決定することができる。しかし、時点ｔ（５）において、目標車両は、自らの高い加速度により著しい距離を走行している可能性があり、ホスト車両は、例えば、惰走するか又は最大下の制動率でブレーキをかけることによって目標車両との衝突を回避することができる。この例では、ホスト車両が時点ｔ（０）における目下の条件に基づいてではなく、時点ｔ（５）について予測される条件に基づいて予測経路を決定するようにプログラムされるシステムを備える場合、ホスト車両は、検出された目標車両により正確且つ快適に応答することができる。幾つかの実施形態では、遅れた応答は、ホスト車両を危険な状態にする可能性がある不十分なナビゲーション応答をホスト車両に実行させることがある。例えば、目標車両が安全な距離で走行しているが迅速に減速しており、ホスト車両が目標車両に向かって加速している場合、時点ｔ（０）において検知される条件に基づいて決定される距離は、時点ｔ（０）における条件に基づいて決定されるナビゲーションコマンドをホスト車両が実施する時点ｔ（５）における実際の距離よりも著しく長い可能性がある。そのため、ホスト車両は、プログラムされた通りにブレーキをかけず、急に向きを変えず、又は他に危険な状態を回避しない可能性がある。
[0785] 本開示と一致し、ホスト車両の少なくとも１つのナビゲーション目標に従って自律ホスト車両をナビゲートするためのナビゲーションシステムを開示する。ナビゲーションシステムは、これのみに限定されないが、開示したビジョンゼロ安全システムを含む、本開示と一致する任意のナビゲーションとすることができる。このシステムは、ホスト車両内にあり得るか又はホスト車両と通信し得る。このシステムは、ホスト車両の環境に関係するデータを収集するように構成される１つ又は複数のセンサを含み得る。例えば、ナビゲーションシステムは、１つ又は複数の画像捕捉デバイス、ライダシステム、レーダシステム、加速度計等を含み得る。このシステムは、本開示と一致する１つ又は複数の方法、プロセス、操作又は機能を実行するようにプログラムされる少なくとも１つのプロセッサを含み得る。少なくとも１つのプロセッサは、例えば、処理デバイス１１０又は本開示と一致する他の任意の処理デバイスであり得る。
[0786] 図５８は、ホスト車両の少なくとも１つのナビゲーション目標に従って自律ホスト車両をナビゲートするための例示的プロセス５８００を示すフローチャートである。本開示と一致し、少なくとも１つのプロセッサは、プロセス５８００の全て又は一部を実行するようにプログラムされ得る。プロセス５８００は、例示に過ぎず、プロセス５８００が追加のステップを含み得ること、１つ又は複数のステップを除外し得ること、又は本開示と一致する方法で他の方法で修正され得ることを、本開示の利益を得る当業者であれば理解することができる。
[0787] プロセス５８００は、ホスト車両の動作を示すセンサ出力を受信するためのステップ５８０２を含み得る。本開示と一致し、少なくとも１つのプロセッサは、ホスト車両の環境に対するホスト車両の動作の少なくとも１つの側面を示すセンサ出力を受信するようにプログラムされ得る。出力は、１つ又は複数のセンサから受信され得る。１つ又は複数のセンサは、例えば、画像捕捉デバイス、検知システム、加速度計、ＧＰＳユニット等を含む本明細書で開示した任意のセンサを含み得る。例えば、１つ又は複数のセンサは、速度センサ、加速度計、カメラ、ライダシステム又はレーダシステムを含み得る。出力は、ホスト車両、ホスト車両の環境、ホスト車両の環境内の障害物等に関係する任意の情報を含むか又は伝えることができる。例えば、出力は、ホスト車両の現在の速度及び／又は加速度、ホスト車両の進行方位、ホスト車両の位置等を含み得る。別の例として出力は、例えば、１つ又は複数の画像、ライダ又はレーダの分析に基づいて検出される、検出された目標車両の識別子、目標車両の位置、目標車両の速度及び目標車両の仮定されたブレーキ能力を含み得る。出力は、本開示と一致する任意の方法、プロセス、機能又は操作に従って決定することができる。
[0788] 幾つかの実施形態では、センサ出力は、センサ出力が基づく測定値又はデータの取得が得られるデータ取得時点よりも後であり、且つ少なくとも１つのプロセッサによってセンサ出力が受信される第２の時点よりも前の第１の時点において生成され得る。幾つかの実施形態では、データ取得時点は、１つ又は複数のセンサが測定又はデータ取得を行った瞬間とすることができ、第１の時点は、測定値又はデータに基づく出力が出力される準備が整う瞬間とすることができる。例えば、図５６を参照し、出力は、第１の時点ｔ（１）において生成され、データ取得時点ｔ（０）において取得されるデータに基づき得る。幾つかの実施形態では、データ取得時点と第１の時点との間の時間は、数ミリ秒であり得る。例えば、第１の時点ｔ（１）とデータ取得時点ｔ（０）との間の時間は、２ミリ秒を上回るか、１０ミリ秒を上回るか、５ミリ秒から５０ミリ秒の範囲であるか、１００ミリ秒を下回るか又は他の任意の期間であることができる。幾つかの実施形態では、第２の時点は、コントローラがセンサ出力を受信する瞬間であり得る。例えば、第２の時点は、時点ｔ（２）とすることができる。コントローラは、例えば、推測関数に関して上記で説明したコントローラ又は推測関数を実行するようにプログラムされる少なくとも１つのプロセッサを含み得る。
[0789] プロセス５８００は、ホスト車両の動作の少なくとも１つの側面の予測を生成するためのステップ５８０４を含み得る。本開示と一致し、少なくとも１つのプロセッサは、動作予測時点についてホスト車両の動作の少なくとも１つの側面の予測を生成するようにプログラムされ得る。少なくとも１つのプロセッサは、動作予測時点に対応する将来の時点を決定又は射影することができる。動作予測時点は、ホスト車両がナビゲーション応答を実行し得る将来の時点であり得る。幾つかの実施形態では、動作予測時点は、作動時点にほぼ対応し得る。例えば、動作予測時点は、１つ又は複数のアクチュエータがナビゲーションコマンドを実施し得る作動時点ｔ（５）が生じるときの予測であり得る。但し、動作予測時点は、ｔ（０）後且つｔ（５）前の任意の時点に対応し得る。例えば、ホスト車両の動作は、ｔ（１）、ｔ（２）、ｔ（３）、ｔ（４）又はｔ（５）の前の他の時点のいずれかについて予測され得る。
[0790] 幾つかの実施形態では、動作予測時点は、コントローラがセンサ出力を受信する時点（例えば、時点ｔ（２））にほぼ対応し得る。他の事例では、動作予測時点は、プロセッサがセンサ出力に作用するのにかかる時間を考慮することができる。例えば、プロセッサが目標車両を検出すること、１つ又は複数の検知状態に応じて適切なナビゲーション動作を決定すること等の機能を実行するのに約１００ミリ秒必要とする場合、少なくとも１つのプロセッサは、動作予測時点が第２の時点ｔ（２）の１００ミリ秒後であると仮定することができる。幾つかの実施形態では、動作予測時点は、センサ出力に基づいて決定されるナビゲーションコマンドを作動システムが（例えば、時点ｔ（４）において）受信する第３の時点にほぼ対応し得る。動作予測時点は、第３の時点（例えば、時点ｔ（４））よりも所定の量又は決定された量だけ後の時点にも対応し得る。例えば、ブレーキシステム２３０が時点ｔ（４）においてナビゲーションコマンドを受信する場合、動作予測時点は、ブレーキシステム２３０のアクチュエータの平均応答時間に対応する時点ｔ（４）後の時点であり得る。
[0791] 動作予測時点は、データ取得時点後の任意の期間とすることができる。幾つかの実施形態では、動作予測時点がデータ取得時点後であり、且つ作動時点よりも前であるか又は作動時点に等しくあり得る。例えば、動作予測時点は、データ取得時点の少なくとも１００ミリ秒後とすることができる。別の例では、動作予測時点は、データ取得時点の少なくとも２００ミリ秒後とすることができる。別の例では、動作予測時点は、データ取得時点の５０～３００ミリ秒後、データ取得時点の７５～２７５ミリ秒後、データ取得時点の１００～２５０ミリ秒後、データ取得時点の１５０～２００ミリ秒後等であり得る。
[0792] 幾つかの実施形態では、ホスト車両の動作の少なくとも１つの側面の予測は、受信されるセンサ出力及びデータ取得時点と動作予測時点（すなわち前に取得したセンサ出力に基づいて車両の動作を予測する時点）との間の時間間隔にわたってホスト車両の動作の少なくとも１つの側面がどのように変化するかの推定に少なくとも部分的に基づき得る。例えば、ホスト車両の動作の少なくとも１つの側面がホスト車両の加速である場合、予測は、動作予測時点との間の時間中にホスト車両が検出された加速度において移動する場合にホスト車両によって移動される距離を含み得る。予測は、受信されるセンサ出力及び本開示と一致する他の任意の情報に基づき得る。例えば、予測は、画像センサからの出力（目標車両の検出等）及び過去に明らかにされた道路特性、気象条件又はホスト車両に関する将来の条件に影響を及ぼし得る他の要因に基づき得る。幾つかの実施形態では、予測は、後の時点（例えば、時点ｔ（５））におけるホスト車両の動作の少なくとも１つの側面の推定を含み得る。その結果、ナビゲーション決定は、初期時点（例えば、時点ｔ（０））において検知された取得されたセンサ出力と一致する実際の動作値により近い可能性がある車両の動作の推定に基づき得る。
[0793] 幾つかの実施形態では、ホスト車両の動作の少なくとも１つの側面の予測は、動作予測時点におけるホスト車両の速度又は加速度の少なくとも１つの予測を含み得る。少なくとも１つの側面は、例えば、ホスト車両の動作の速度、加速度、位置、ヨー又は他の側面を含み得る。例えば、データ取得時点ｔ（０）において取得されるセンサ出力に基づいてホスト車両の加速度及び／又は速度が時点ｔ（１）において決定される場合、少なくとも１つのプロセッサは、時点ｔ（５）又は別の動作予測時点におけるホスト車両の予測された将来の速度及び将来の加速度を決定することができる。例えば、少なくとも１つのプロセッサは、ホスト車両が時点ｔ（０）から時点ｔ（５）又は別の動作予測時点まで、時点ｔ（０）において決定したのと同じ加速率で加速したと仮定することができ、従ってホスト車両が時点ｔ（０）における速度を上回る速度を時点ｔ（５）において有すると決定し得る。従って、少なくとも１つのプロセッサは、時点ｔ（５）又は他の動作予測時点における推定速度に適したナビゲーション動作を決定するために、動作予測時点における速度及び／又は加速度を予測することができる。
[0794] 幾つかの実施形態では、ホスト車両の動作の少なくとも１つの側面の予測は、動作予測時点におけるホスト車両の経路の予測を含み得る。例えば、ホスト車両が時点ｔ（０）においてある経路を走行している場合、少なくとも１つのプロセッサは、１つ又は複数のセンサからの情報を使用してホスト車両が時点ｔ（５）において走行している経路（例えば、進行方向の変化等）を予測することができる。一例として、ホスト車両が直線の経路を一定速度で走行していることをセンサ出力が示す場合、少なくとも１つのプロセッサは、ホスト車両が時点ｔ（５）において同じ直線経路上にあるが、経路に沿って更に離れている可能性があることを予測し得る。別の例として、ホスト車両がハンドルの一定の回転に関連する曲線経路を走行していることをセンサ出力が示す場合、少なくとも１つのプロセッサは、ホスト車両がハンドルの同じ回転に関連する経路上にあり得ること又はハンドルの更に多くの回転に関連する経路上にあり得ることを予測し得る。かかる事例では、予測経路は、操舵コントローラの検出された変化率に基づくことができ、又は検出されたヨー率、検出された求心加速度、車両の前方の道路の曲率の検出等に基づくことができる。幾つかの実施形態では、動作予測時点におけるホスト車両の経路の予測は、ホスト車両の目標進行方向を含み得る。例えば、目標進行方位は、ホスト車両が走行しようとしている方向を含み得る。一例として、ホスト車両が回避しなければならない障害物があることをセンサからの出力が示す場合、目標進行方位は、その障害物を回避するためにホスト車両が走行しなければならない方向であり得る。目標進行方向は、基本方位に対応する方向とすることができるか又は所定の座標系に基づくことができる。例えば、方向は、北、北東、東、南東、南等とすることができ、又は（例えば、センサ測定時に決定される現在の向首角に対する）予期される向首角によって示され得る。別の例では、進行方向は、ホスト車両の車体を通る水平軸又は垂直軸に対する度合い、ヨー率等に基づいて表すことができる。幾つかの実施形態では、１つ又は複数のセンサは、カメラを含むことができ、動作予測時点におけるホスト車両の経路の予測は、カメラによって捕捉される少なくとも１つの画像に基づき得る。例えば、経路は、画像内に捕捉される環境を通る仮想軌道を含むことができ、画像にわたるか又は画像上の経路の表現を含み得る。別の例として、経路の予測は、例えば、画像内で検出される２つの障害物間のルートを含み得る。
[0795] 幾つかの実施形態では、動作予測時点におけるホスト車両の経路の予測は、ホスト車両の決定された速度及びホスト車両が走行する道路区分のマップ内に含まれるホスト車両の目標軌道に少なくとも基づき得る。例えば、予測経路は、上記で論じたＲＥＭ等の意味的な高精細マッピング技術に従って生成され得る。一例として、ホスト車両が走行している道路区分は、その道路区分上の自律車両をナビゲートするために使用され得る複数の軌道に関連する場合があり、予測経路は、道路区分に関連する目標軌道の１つの上の位置を含み得る。別の例として、ホスト車両が所定の目標軌道に従って走行していると決定される場合、動作予測時点における予測経路は、同じ目標軌道に沿った位置、速度及び／又は加速度を含み得る。幾つかの実施形態では、目標軌道は、道路区分の少なくとも１つのレーン沿いの好ましい経路を表す所定の三次元スプラインを含み得る。例えば、三次元スプラインは、道路区分上の目標軌道を画定する複数の陸標、道路の特徴及び他の物体を含み得る。この例では、動作予測時点においていずれの陸標、道路の特徴又は他の物体がホスト車両の近くにあり得るかの予測を予測経路が含み得る。例えば、第１の陸標及び第２の陸標との間のホスト車両の位置に基づいてホスト車両が目標軌道上にあると決定される場合、予測経路は、陸標間の目標軌道上の位置を含み得る。ホスト車両がＲＥＭマップ内の目標軌道に従ってナビゲートしている場合、特定の時点（例えば、時点ｔ（０））における目標軌道沿いの局所化を使用して後の時点における経路を予測することができる。例えば、時点ｔ（０）においてホスト車両の速度が分かっており、ＲＥＭ目標軌道に対するホスト車両の位置が分かっている場合、既知の処理時間遅延に基づいて決定され得る後の時点（例えば、時点ｔ（５）において、ＲＥＭ目標軌道に対してホスト車両の位置を推定することができる。ＲＥＭ目標軌道上の位置が分かっている場合、（ＲＥＭ目標軌道をたどり続けるために時点ｔ（０）においてホスト車両が走行する方向に進行方向が対応し得るため）その位置における進行方向をマップから明らかにすることができる。
[0796] 幾つかの実施形態では、ホスト車両の動作の少なくとも１つの側面（例えば、速度）の予測は、決定されたブレーキペダルの位置、決定されたスロットルの位置、ホスト車両の動作に逆らう決定された空気抵抗、摩擦又はホスト車両が走行する道路区分の勾配の少なくとも１つに基づき得る。例えば、予測は、上記で開示した推測関数及び他の式内で定めたペダルの位置に基づき得る。推測関数は、例えば、ブレーキペダル及び／又はスロットルペダルの位置に応じた、結果として生じる車両速度を観測することにより経験的事実に基づいて決定することができる。例えば、車両は、特定のブレーキペダルの位置に対応する特定の減速プロファイルに従って減速し得る。同様に、車両は、特定のスロットルペダルの位置に対応する特定の加速プロファイルに従って加速し得る。
[0797] 別の例として、センサの出力がホスト車両の速度及び／又は加速度を含む場合、少なくとも１つのプロセッサは、最初の速度及び／又は加速度並びに摩擦又は空気抵抗（又は道路勾配に基づく重力）等の抵抗力を使用して将来の速度及び／又は加速度を予測することができる。幾つかの実施形態では、ホスト車両の動作の少なくとも１つの側面は、ホスト車両に対する全体的な力を求め、その全体的な力に基づいてホスト車両の現在の速度及び／又は加速度を修正することによって明らかにされ得る。この例では、全体的な力は、補助力（例えば、スロットル、アクセル、下り坂を走行しているときの重力等）と抵抗力（例えば、風圧抵抗、摩擦、登り坂を走行しているときの重力等）との和を含むことができ、全体的な力を使用して将来の速度を予測するためにホスト車両の現在の速度を使用することができる。
[0798] 幾つかの実施形態では、ホスト車両の動作の少なくとも１つの側面の予測は、ホスト車両に関連する所定の関数に基づき得る。所定の関数は、ホスト車両の決定された現在の速度及びホスト車両の決定されたスロットルの位置の決定されたブレーキペダルの位置に基づいてホスト車両の将来の速度及び加速度を予測できるようにし得る。例えば、ホスト車両の動作の少なくとも１つの側面の予測は、推測関数を使用してホスト車両の将来の速度、加速度及び／又は位置を予測することを含み得る。例えば、上記で説明したように、ブレーキペダル及びスロットルペダルの位置をｐ（ｔ）∈［－１，１］によって定めることができ、－１は、フルブレーキに相当し、１は、フルスロットルに相当し、０は、ブレーキもスロットルもないことに相当し、少なくとも１つのプロセッサは、ペダルの位置に基づいてホスト車両の動作の側面を予測するために推測関数を使用することができる。
[0799] 幾つかの実施形態では、動作予測時点におけるホスト車両の動作の少なくとも１つの側面の予測は、１つ又は複数のセンサに関連するデータ取得速度と、少なくとも１つのプロセッサがナビゲーションコマンドを生成する速度に関連する制御速度との間の不一致を考慮することができる。例えば、１つ又は複数のセンサは、少なくとも１つのプロセッサがデータに基づいてナビゲーションコマンドを生成するためにデータを処理することができるよりも遅い速度でデータを取得する可能性がある。具体例として、１つ又は複数のカメラが画像を１０Ｈｚで取得し得るが、少なくとも１つのプロセッサは、画像に基づいて５０Ｈｚの速度でナビゲーションコマンドを生成し得る。その結果、ナビゲーション決定が基づき得る新たな画像が５回に１回の処理事象でのみ得られる可能性がある。その場合、（１０Ｈｚで生じる）画像捕捉事象間で生じ得る（最大５０Ｈｚで生じる）それらの処理事象について車両の動作が予測され得る。
[0800] プロセス５８００は、ホスト車両の計画されたナビゲーション動作を決定するためのステップ５８０６を含み得る。計画されたナビゲーション動作は、例えば、ホスト車両の動作の予測及び／又はホスト車両のナビゲーション目標に基づき得る。本開示と一致し、少なくとも１つのプロセッサは、ホスト車両の少なくとも１つのナビゲーション目標（例えば、点Ａから点Ｂまで所期のルートに沿ってナビゲートすること）に少なくとも部分的に基づいて、及びホスト車両の動作の少なくとも１つの側面の生成された予測に基づいてホスト車両の計画されたナビゲーション動作を決定するようにプログラムされ得る。計画されたナビゲーション動作は、加速、減速、曲がること、進路変更、複数のナビゲーション操作等を含む本明細書に記載の任意のナビゲーション動作であり得る。例えば、計画されたナビゲーション動作は、ホスト車両の速度を変更すること又は進行方位を変更することの少なくとも１つを含み得る。別の例として、計画されたナビゲーション動作は、ホスト車両がたどるための所望の軌道又は経路を含み得る。例えば、ナビゲーション動作は、本明細書に記載の実施形態のいずれかに従って決定され得る。しかし、特定の事例では、ここで開示する実施形態におけるナビゲーション動作は、センサ測定時よりも後の時点におけるホスト車両の動作の予測された側面に基づいて決定され得る。例えば、未処理の検知条件を使用してホスト車両の目標軌道を決定するのではなく、処理デバイスはそれらの検知条件及びそれらの検知条件の取得後に生じることが予測される、結果として生じる車両の動作の変化に基づいて目標軌道を決定することができる。予測される車両の動作を使用することには、他の実施形態を上回る幾つかの利点があり得る。例えば、図５７Ｃを参照し、目標軌道が時点ｔ（０）の検知条件に基づいて決定される場合、ホスト車両５７０２'は、危険であり得る、目標車両５７０６'の距離内に来る（例えば、近接緩衝域内にあり得る及び／又はＲＳＳ安全距離若しくはＣＲＳＳ安全距離未満であり得る）経路５７０４'を走行するのに対し、目標軌道が予測された条件に基づいて決定される場合、ホスト車両５７０２'は、目標車両５７０６'に対して安全な距離を維持する経路５７１０を走行する。加えて、センサ測定時後の且つアクチュエータ時点により近い又は等しい動作予測時点における車両の速度を予測することにより、ホスト車両は、よりスムーズに又は乗客にとって不快であり得る正弦波／揺らいだ補正がより少ない状態で若しくはかかる補正なしに走行することができる。
[0801] 幾つかの実施形態では、ホスト車両のナビゲーション目標は、第１の位置から第２の位置への移行を含み得る。例えば、第１の位置は、開始地点とすることができ、第２の位置は、目的地であり得る。この例では、ホスト車両の動作の予測される側面を使用して、ナビゲーション目標と一致する１つ又は複数のナビゲーション動作（例えば、被選択ルート又は目標軌道に沿ってホスト車両を目的地に近づけ得る１つ又は複数の動作）を決定することができる。別の例として、第１の位置は、目標軌道上の第１の位置とすることができ、第２の位置は、目標軌道上の第２の位置であり得る。ＲＥＭマップ及び関連するナビゲーションに関して上記で論じたように、この例では、ナビゲーション動作は、目標軌道に沿ってホスト車両を第２の位置に向けて走行させる任意のナビゲーション操作であり得る。幾つかの実施形態では、ホスト車両のナビゲーション目標は、ホスト車両によって占有されている現在のレーンから隣接レーンにのレーンの変更を含み得る。例えば、ナビゲーション目標は、図５７Ｂに関して説明した経路５７０４であり得る。この例では、処理デバイスは、ホスト車両の動作の予測された側面を使用して、ホスト車両がたどるための経路５７１０を開発することによって等、目標と一致するナビゲーション動作を決定することができる。
[0802] 幾つかの実施形態では、ホスト車両のナビゲーション目標は、ホスト車両と検出された目標車両との間の近接緩衝域を維持することを含み得る。上記で論じたように、近接緩衝域は、ホスト車両の検出された現在の速度、ホスト車両の最大制動率の能力、目標車両の決定された現在の速度及び目標車両の仮定された最大制動率の能力に基づいて決定され得る。目標車両に対する近接緩衝域は、ホスト車両の最大加速能力に基づいて更に決定され得、それにより、近接緩衝域は、少なくとも、ホスト車両に関連する反応時間にわたってホスト車両の最大加速能力で加速された場合にホスト車両が移動する距離として決定されるホスト車両の加速距離、ホスト車両の最大制動率の能力においてホスト車両の現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び目標車両の仮定された最大制動率の能力において目標車両の現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む。上記で説明したように、例えば、ホスト車両は、ホスト車両と１つ又は複数の障害物との間の近接緩衝域を維持するように構成される安全システムを有し得る。この実施形態では、近接緩衝域は、ＲＳＳ安全距離に基づき得る。図５２Ａ～図５２Ｄに関して論じたように、幾つかの実施形態では、近接緩衝域は、ＣＲＳＳ安全距離に基づくことができる。この例の計画されたナビゲーション動作は、近接緩衝域を維持する任意のナビゲーション操作であり得る。
[0803] プロセス５８００は、計画されたナビゲーション動作を実施するためのナビゲーションコマンドを生成するためのステップ５８０８を含み得る。本開示と一致し、少なくとも１つのプロセッサは、計画されたナビゲーション動作の少なくとも一部を実施するためのナビゲーションコマンドを生成するようにプログラムされ得る。ナビゲーションコマンドは、本開示と一致する１つ又は複数の操作を引き起こすための任意の命令であり得る。例えば、コマンドは、ブレーキシステムにブレーキを一定レベルでかけさせるための命令又はスロットルシステムに一定レベルで加速させるための命令を含み得る。幾つかの実施形態では、ナビゲーションコマンドは、ホスト車両の速度を制御するためのペダルコマンド又はホスト車両の進行方向を制御するためのヨー率コマンドの少なくとも１つを含み得る。例えば、ナビゲーションコマンドは、計画されたナビゲーション動作に関して決定される加速度に対応する量だけスロットルペダルを押し下げるための命令を含み得る。ナビゲーションコマンドは、本開示と一致する他の任意のコマンド又は命令を含み得る。例えば、コマンドは、ホスト車両に進行方位を変えさせるための、加速させるための、減速させるための、速度を変えさせるための、惰走させるための、停止等させるための意味的な又は非意味的なコマンドを含み得る。
[0804] 上記で説明したナビゲーション動作、ナビゲーション目標及びナビゲーションコマンドの例は、例示に過ぎない。ホスト車両の動作の予測された側面を使用して計画されたナビゲーション動作を決定するために、本明細書に記載の実施形態のいずれかを修正できることを、本開示の利益を得る当業者であれば理解することができる。例えば、ＲＥＭモデル、ＲＳＳモデル及びＣＲＳＳモデルに関して論じた実施形態並びに図１３～図１５及び図１８に関して論じた実施形態は、ホスト車両の動作の予測された側面を使用して修正することができる。
[0805] プロセス５８００は、ホスト車両の少なくとも１つの作動システムにナビゲーションコマンドを提供するためのステップ５８１０を含み得る。本開示と一致し、少なくとも１つのプロセッサは、第２の時点後であり、且つ少なくとも１つの作動システムの構成要素が受信コマンドに応答する作動時点よりも前であるか又はそれとほぼ同じである第３の時点において少なくとも１つの作動システムがナビゲーションコマンドを受信するように、ホスト車両の少なくとも１つの作動システムにナビゲーションコマンドを提供するようにプログラムされ得る。例えば、図５６を参照し、ナビゲーションコマンドは、時点ｔ（４）において作動システムに提供され得、時点ｔ（４）は、１つ又は複数のアクチュエータによってコマンドが実施される時点ｔ（５）よりも前であるか又はそれとほぼ同じ時点である。作動システムは、ナビゲーションコマンドに対する１つ又は複数の応答を生じさせるように構成される任意のシステムとすることができる。例えば、少なくとも１つの作動システムは、スロットル作動システム、ブレーキ作動システム又は操舵作動システムの１つ又は複数を含み得る。具体例として、スロットル作動システムは、スロットルシステム２２０を含むことができ、ブレーキ作動システムは、ブレーキシステム２３０を含むことができ、及び操舵作動システムは、操舵システム２４０を含むことができる。
[0806] 上記で説明したように、作動システムは、時点ｔ（０）において検知される動作の側面に直接基づく作動時点ｔ（５）における応答よりも正確、厳密及び／又は安全である、作動時点ｔ（５）について予測される動作の側面に基づく時点ｔ（５）におけるナビゲーション応答を生じさせることができる。これは、予測される動作の側面が、時点ｔ（０）において検知される動作の側面よりも作動時点ｔ（５）における実際の条件と同様であり得るからである。幾つかの実施形態では、動作予測時点は、データ取得時点後であり、且つ作動時点よりも前であるか又はそれに等しいものとすることができる。動作予測時点が実際の作動時点に近いほど、ナビゲーション動作がより正確、厳密、且つ安全になり得る。例えば、作動時点ｔ（５）において、１つ又は複数の作動システムは、ホスト車両の動作の予測された側面に基づく計画されたナビゲーション動作に対応するナビゲーション動作を生じさせることができ、これは、動作予測時点が作動時点に近い場合、計画されたナビゲーション動作に密に合致するナビゲーション動作を実行することに対応し得る。例えば、動作予測時点は、作動時点ｔ（５）とほぼ同様とすることができ、動作予測時点に関連する予測された動作の側面は、作動時点ｔ（５）における実際の動作の側面とほぼ同様であり得る。
[0807] 本明細書で開示した実施形態は、例示であり、ホスト車両の動作の１つ又は複数の側面を予測し、且つその予測に基づいてナビゲーション応答を生じさせるための他の任意の手段が本開示と一致し得る。
[0808] 上記説明は、例示を目的として提示されている。上記説明は網羅的ではなく、開示される厳密な形態又は実施形態に限定されない。変更形態及び適合形態は、本明細書を考慮し、開示される実施形態を実施することから当業者に明らかになるであろう。更に、開示される実施形態の態様は、メモリに記憶されるものとして記載されるが、これらの態様が、補助記憶装置等の他のタイプのコンピュータ可読媒体、例えばハードディスク若しくはＣＤ ＲＯＭ又は他の形態のＲＡＭ若しくはＲＯＭ、ＵＳＢメディア、ＤＶＤ、Blu-ray、４Ｋ超ＨＤ Blu-ray又は他の光学駆動媒体に記憶することも可能なことを当業者は理解するであろう。
[0809] 記載の説明及び開示される方法に基づくコンピュータプログラムは、経験のある開発者の技能内にある。様々なプログラム又はプログラムモジュールは、当業者に既知の任意の技法を使用して作成することができるか、又は既存のソフトウェアに関連して設計することができる。例えば、プログラムセクション又はプログラムモジュールは、.Net Framework、.Net Compact Framework（及びVisual Basic、Ｃ等の関連する言語）、Java、Ｃ＋＋、Objective-C、ＨＴＭＬ、ＨＴＭＬ／ＡＪＡＸ組み合わせ、ＸＭＬ又はJavaアプレットを包含したＨＴＭＬにおいて又はそれにより設計することができる。
[0810]更に、例示的な実施形態を本明細書において説明したが、あらゆる実施形態の範囲は、本開示に基づいて当業者により理解されるような均等な要素、変更形態、省略形態、組合せ（例えば、様々な実施形態にわたる態様の）、適合形態及び／又は代替形態を有する。特許請求の範囲での限定は、特許請求の範囲に利用される言語に基づいて広く解釈されるべきであり、本明細書に記載される例又は本願の実行中の例に限定されない。例は、非排他的として解釈されるべきである。更に、開示される方法のステップは、ステップの順序替え及び／又はステップの挿入又は削除を含め、任意の方法で変更し得る。従って、本明細書及び例が単なる例示として見なされることが意図され、真の範囲及び趣旨は、以下の特許請求の範囲及びその全範囲の均等物により示される。
（項目１）
ホスト車両をナビゲートするためのシステムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の最大ブレーキ能力、前記ホスト車両の最大加速能力及び前記ホスト車両の現在の速度を決定することと、
前記ホスト車両の前記現在の最大ブレーキ能力、前記ホスト車両の前記現在の最大加速能力及び前記ホスト車両の前記現在の速度に基づいて前記ホスト車両の現在の停止距離を決定することと、
前記目標車両の現在の速度を決定し、且つ前記目標車両の少なくとも１つの認識された特性に基づいて前記目標車両の最大ブレーキ能力を仮定することと、
前記ホスト車両の前記決定された現在の停止距離が、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大ブレーキ能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したもの未満である場合、前記計画されたナビゲーション動作を実施することと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目２）
前記ホスト車両の前記現在の停止距離は、前記ホスト車両の前記決定された現在の速度から開始して、前記ホスト車両の前記最大加速能力で所定の期間にわたって前記ホスト車両が移動し得る距離に対応する加速距離を含む、項目１に記載のシステム。
（項目３）
前記所定の期間は、前記ホスト車両に関連する反応時間である、項目２に記載のシステム。
（項目４）
前記ホスト車両の前記最大ブレーキ能力は、検知される路面の状態に基づいて決定される、項目１に記載のシステム。
（項目５）
前記ホスト車両の前記最大ブレーキ能力は、検知される気象条件に基づいて決定される、項目１に記載のシステム。
（項目６）
前記目標車両の速度は、前記少なくとも１つの画像の分析に基づいて決定される、項目１に記載のシステム。
（項目７）
前記目標車両の速度は、前記ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて決定される、項目１に記載のシステム。
（項目８）
前記目標車両の前記認識された特性は、車両の種類を含む、項目１に記載のシステム。
（項目９）
前記目標車両の前記認識された特性は、車両のサイズである、項目１に記載のシステム。
（項目１０）
前記目標車両の前記認識された特性は、車両のモデルを含む、項目１に記載のシステム。
（項目１１）
前記目標車両の前記認識された特性は、前記少なくとも１つの画像の分析に基づいて決定される、項目１に記載のシステム。
（項目１２）
前記目標車両の前記少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて決定される、項目１に記載のシステム。
（項目１３）
前記計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含む、項目１に記載のシステム。
（項目１４）
前記少なくとも１つの処理デバイスは、前記ホスト車両の前記決定された現在の停止距離が、目標車両の移動距離に、前記決定された次の状態の距離を加算したものよりも少なくとも所定の最小距離だけ少ない場合、前記計画されたナビゲーション動作を実施するように構成され、前記目標車両の移動距離は、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大ブレーキ能力に基づいて決定される、項目１に記載のシステム。
（項目１５）
前記所定の最小距離は、前記ホスト車両と他の車両との間で維持される所定の分離距離に対応する、項目１４に記載のシステム。
（項目１６）
前記所定の分離距離は、少なくとも１メートルである、項目１５に記載のシステム。
（項目１７）
ホスト車両をナビゲートするためのシステムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ前記目標車両の少なくとも１つの認識された特性に基づいて前記目標車両の最大制動率の能力を仮定することと、
前記ホスト車両の前記決定された現在の速度について及び前記ホスト車両の最大制動率の能力未満である所定の最大下の制動率において、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内で前記ホスト車両が停止され得る場合、前記計画されたナビゲーション動作を実施することと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目１８）
前記所定の最大下の制動率は、前記ホスト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、前記所定の最大下の制動率でホスト車両のブレーキが常にかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１７に記載のシステム。
（項目１９）
前記所定の最大下の制動率は、ブレーキ条件が存在すると決定される期間の少なくとも一部にわたり、前記所定の最大下の制動率でホスト車両のブレーキが常にかけられ、その後、前記ホスト車両の最大制動率で前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１７に記載のシステム。
（項目２０）
前記所定の最大下の制動率は、前記所定の最大下の制動率で開始して、前記ホスト車両の最大制動率まで漸進的に高めてホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１７に記載のシステム。
（項目２１）
前記所定の最大下の制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の５０％までの減速率に関連する、項目１７に記載のシステム。
（項目２２）
前記所定の最大下の制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の２５％までの減速率に関連する、項目１７に記載のシステム。
（項目２３）
前記ホスト車両の停止距離は、前記ホスト車両の前記現在の速度及び前記ホスト車両の前記所定の最大下の制動率に基づいて決定される、項目１７に記載のシステム。
（項目２４）
前記ホスト車両の停止距離は、所定の期間にわたって前記ホスト車両の最大加速能力で前記ホスト車両が移動し得る距離に対応する加速距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記現在の速度からゼロ速度まで減速しながら前記ホスト車両が移動し得る距離に対応する最大制動率距離との和よりも大きい、項目１７に記載のシステム。
（項目２５）
前記所定の期間は、前記ホスト車両に関連する反応時間である、項目２４に記載のシステム。
（項目２６）
前記ホスト車両の前記最大制動率の能力は、検知される路面の状態に基づいて決定される、項目１７に記載のシステム。
（項目２７）
前記ホスト車両の前記最大制動率の能力は、検知される気象条件に基づいて決定される、項目１７に記載のシステム。
（項目２８）
前記目標車両の速度は、前記少なくとも１つの画像の分析に基づいて決定される、項目１７に記載のシステム。
（項目２９）
前記目標車両の速度は、前記ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて決定される、項目１７に記載のシステム。
（項目３０）
前記目標車両の前記認識された特性は、車両の種類を含む、項目１７に記載のシステム。
（項目３１）
前記目標車両の前記認識された特性は、車両のサイズである、項目１７に記載のシステム。
（項目３２）
前記目標車両の前記認識された特性は、車両のモデルを含む、項目１７に記載のシステム。
（項目３３）
前記目標車両の前記認識された特性は、前記少なくとも１つの画像の分析に基づいて決定される、項目１７に記載のシステム。
（項目３４）
前記目標車両の前記少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて決定される、項目１７に記載のシステム。
（項目３５）
前記計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含む、項目１７に記載のシステム。
（項目３６）
前記少なくとも１つの処理デバイスは、前記決定されたホスト車両の停止距離が、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したものよりも少なくとも所定の最小距離だけ少ない場合、前記計画されたナビゲーション動作を実施するように構成される、項目１７に記載のシステム。
（項目３７）
前記所定の最小距離は、前記ホスト車両と他の車両との間で維持される所定の分離距離に対応する、項目３６に記載のシステム。
（項目３８）
前記所定の分離距離は、少なくとも１メートルである、項目３７に記載のシステム。
（項目３９）
前記ホスト車両の停止距離は、前記所定の最大下の制動率で前記ホスト車両がブレーキをかけられる第１の距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両がブレーキをかけられる第２の距離とを含む、項目１７に記載のシステム。
（項目４０）
前記少なくとも１つの処理デバイスは、前記第２の距離にわたって前記ホスト車両の前記最大制動率の能力で前記ホスト車両のブレーキをかける前に、前記第１の距離にわたって前記所定の最大下の制動率で前記ホスト車両にブレーキをかけさせるように構成される、項目３９に記載のシステム。
（項目４１）
ホスト車両をナビゲートするためのシステムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ前記目標車両の少なくとも１つの認識された特性に基づいて前記目標車両の最大制動率の能力を仮定することと、
前記ホスト車両の前記決定された現在の速度について及び所定の制動率プロファイルについて、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内で前記ホスト車両が停止され得る場合、前記計画されたナビゲーション動作を実施することであって、前記所定の制動率プロファイルは、前記ホスト車両の最大下の制動率から最大制動率まで漸進的に増加する、実施することと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目４２）
前記所定の制動率プロファイルは、前記ホスト車両の前記最大下の制動率から前記最大制動率まで線形に増加する、項目４１に記載のシステム。
（項目４３）
前記所定の制動率プロファイルは、前記ホスト車両の前記最大下の制動率から前記最大制動率まで非線形に増加する、項目４１に記載のシステム。
（項目４４）
ホスト車両のブレーキをかけるためのシステムであって、
前記ホスト車両の環境を表す出力を少なくとも１つのセンサから受信することと、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出することと、
前記ホスト車両の現在の速度及び前記ホスト車両と前記目標車両との間の現在の距離を決定することと、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在するかどうかを決定することと、
ブレーキ条件が存在すると決定される場合、前記ホスト車両の最大下の制動率で始まる区分を含み、且つ前記ホスト車両の最大制動率まで漸進的に増加する所定のブレーキプロファイルに従って、前記ホスト車両に関連するブレーキデバイスを適用させることと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目４５）
前記ホスト車両の前記最大制動率が達成されると、前記少なくとも１つのプロセッサは、前記ブレーキ条件の存在がなくなるまで前記ホスト車両の前記最大制動率で前記ホスト車両の前記ブレーキデバイスの適用を継続するように構成される、項目４４に記載のシステム。
（項目４６）
前記漸進的増加は、非線形である、項目４４に記載のシステム。
（項目４７）
前記漸進的増加は、線形である、項目４４に記載のシステム。
（項目４８）
人間のドライバーによるホスト車両の制御を選択的に置換するための自律システムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記少なくとも１つの画像の分析に基づいて前記ホスト車両の前記環境内の少なくとも１つの障害物を検出することと、
前記ホスト車両に関連するスロットル制御、ブレーキ制御又は操舵制御の少なくとも１つに対するドライバーの入力を監視することと、
前記少なくとも１つの障害物に対する近接緩衝域内で前記ホスト車両がナビゲートすることを前記ドライバーの入力が生じさせることになるかどうかを決定することと、
前記少なくとも１つの障害物に対する前記近接緩衝域内で前記ホスト車両がナビゲートすることを前記ドライバーの入力が生じさせないであろうと前記少なくとも１つの処理デバイスが決定する場合、前記ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせることを可能にすることと、
前記少なくとも１つの障害物に対する前記近接緩衝域内で前記ホスト車両がナビゲートすることを前記ドライバーの入力が生じさせることになると前記少なくとも１つの処理デバイスが決定する場合、前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐことと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含む自律システム。
（項目４９）
前記少なくとも１つの障害物は、目標車両を含み、及び前記目標車両に対する前記近接緩衝域は、前記ホスト車両の検出された現在の速度、前記ホスト車両の最大制動率の能力、前記目標車両の決定された現在の速度及び前記目標車両の仮定された最大制動率の能力に基づいて決定され、前記目標車両に対する前記近接緩衝域は、前記ホスト車両の最大加速能力に基づいて更に決定され、それにより、前記近接緩衝域は、少なくとも、前記ホスト車両に関連する反応時間にわたって前記ホスト車両の前記最大加速能力で加速された場合に前記ホスト車両が移動する距離として決定されるホスト車両の加速距離、前記ホスト車両の前記最大制動率の能力において前記ホスト車両の前記現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び前記目標車両の前記仮定された最大制動率の能力において前記目標車両の前記現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む、項目４８に記載のシステム。
（項目５０）
前記少なくとも１つの障害物は、目標車両を含み、及び前記目標車両に対する前記近接緩衝域は、前記ホスト車両の検出された現在の速度、前記ホスト車両の最大制動率の能力、前記目標車両の決定された現在の速度及び前記目標車両の仮定された最大制動率の能力に基づいて決定され、前記目標車両に対する前記近接緩衝域は、前記ホスト車両の前記最大制動率の能力未満である所定の最大下の制動率に基づいて更に決定され、それにより、前記近接緩衝域は、少なくとも、前記ホスト車両の前記所定の最大下のブレーキ能力において前記ホスト車両の前記現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び前記目標車両の前記仮定された最大ブレーキ能力において前記目標車両の前記現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む、項目４９に記載のシステム。
（項目５１）
前記目標車両は、前記ホスト車両の前にあると決定され、及び前記少なくとも１つの処理デバイスは、前記ドライバーの入力が前記目標車両と前記ホスト車両との間の縦方向距離の変化を生じさせることになると決定するように構成される、項目４９に記載のシステム。
（項目５２）
前記目標車両は、前記ホスト車両と異なるレーン内にあると決定され、及び前記少なくとも１つの処理デバイスは、前記ドライバーの入力が前記ホスト車両の横移動を生じさせることになり、それにより、前記横移動後に前記目標車両が前記ホスト車両の前になると決定するように構成される、項目４９に記載のシステム。
（項目５３）
前記目標車両は、前記ホスト車両と異なるレーン内にあると決定され、及び前記少なくとも１つの処理デバイスは、前記ドライバーの入力が前記ホスト車両の横移動を生じさせることになり、それにより、前記横移動後に前記ホスト車両が前記目標車両の前になると決定するように構成される、項目４９に記載のシステム。
（項目５４）
前記近接緩衝域は、所定の横方向距離閾値に対応する、項目４８に記載のシステム。
（項目５５）
前記目標車両に対する前記近接緩衝域は、前記ホスト車両と前記目標車両との間で維持される所定の最小距離に基づいて更に決定される、項目４９に記載のシステム。
（項目５６）
前記少なくとも１つの障害物は、道路内の歩行者又は物体を含み、及び前記少なくとも１つの障害物に対する前記近接緩衝域は、少なくとも、前記ホスト車両と前記少なくとも１つの障害物との間で維持される最小距離を含む、項目４８に記載のシステム。
（項目５７）
前記少なくとも１つの障害物は、歩行者を含み、及び前記歩行者に対する前記近接緩衝域は、前記ホスト車両の現在の速度に基づいて決定され、及び前記近接緩衝域は、ホスト車両の速度が増加することで増加する、項目４８に記載のシステム。
（項目５８）
前記スロットル制御は、アクセルペダルを含み、前記ブレーキ制御は、ブレーキペダルを含み、及び前記操舵制御は、ハンドルを含み、前記ドライバーの入力は、前記アクセルペダルを押し下げること、前記ブレーキペダルを押し下げること、前記ブレーキペダルの押し下げがないこと、前記ハンドルを回すこと、又は前記ハンドルを回さないことの少なくとも１つを含む、項目４８に記載のシステム。
（項目５９）
前記ホスト車両の１つ又は複数の制御システムは、前記ホスト車両の進行方位を制御するための少なくとも１つの操舵アクチュエータ、ホスト車両のブレーキデバイスを適用させるためのブレーキアクチュエータ又はホスト車両のスロットルを適用させるためのアクセルアクチュエータを含む、項目５８に記載のシステム。
（項目６０）
前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を前記ドライバーの入力が生じさせるのを防ぐことは、前記ハンドルに対するドライバーの入力が前記少なくとも１つの操舵アクチュエータによる対応する応答を生じさせるのを防ぐこと、前記ブレーキペダルに対するドライバーの入力が前記ブレーキアクチュエータによる対応する応答を生じさせるのを防ぐこと、又は前記アクセルペダルに対するドライバーの入力が前記アクセルアクチュエータによる対応する応答を生じさせるのを防ぐことの少なくとも１つを含む、項目５９に記載のシステム。
（項目６１）
前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐために、前記少なくとも１つの処理デバイスは、前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作を防ぐように構成される、項目４８に記載のシステム。
（項目６２）
前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐために、前記少なくとも１つの処理デバイスは、前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作性を無効にするように構成される、項目４８に記載のシステム。
（項目６３）
前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐために、前記少なくとも１つの処理デバイスは、前記ドライバーの入力に応じた前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作を防ぎ、且つ前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つにインパルス力を加えるように構成される、項目４８に記載のシステム。
（項目６４）
前記少なくとも１つの処理デバイスは、前記少なくとも１つの障害物に対する近接緩衝域内で前記ホスト車両がナビゲートすることを生じさせないであろうドライバーの入力が受信されるまで、前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作を防ぎ続け、且つ前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つに前記インパルス力を加え続けるように構成される、項目６３に記載のシステム。
（項目６５）
前記少なくとも１つの処理デバイスは、前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を前記ドライバーの入力が生じさせるのを前記少なくとも１つの処理デバイスが防ぐ間隔中、前記ホスト車両のナビゲーションを自律的に制御するように構成される、項目４８に記載のシステム。
（項目６６）
前記少なくとも１つの処理デバイスは、前記少なくとも１つの障害物に対する近接緩衝域内で前記ホスト車両がナビゲートすることを生じさせないであろうドライバーの入力が受信された後、前記ホスト車両のナビゲーション制御をドライバーに返すように構成される、項目６５に記載のシステム。
（項目６７）
人間のドライバーによる制御を選択的に置換するための前記自律システムを無効にするためのシステムオーバーライド制御を更に含み、前記システムオーバーライド制御は、前記スロットル制御、前記ブレーキ制御及び前記操舵制御と異なる、項目４８に記載のシステム。
（項目６８）
前記少なくとも１つの処理デバイスは、人間のドライバーによる制御を選択的に置換するための前記自律システムが前記システムオーバーライド制御の動作を通して無効にされているときを追跡するように構成される、項目６７に記載のシステム。
（項目６９）
前記ホスト車両の前記環境に対して異なる視野をそれぞれ有する複数の画像捕捉デバイスを更に含み、前記少なくとも１つの処理デバイスは、前記複数の画像捕捉デバイスのそれぞれから１つ又は複数の画像を受信し、且つ前記複数の画像捕捉デバイスのいずれかから受信された前記１つ又は複数の画像の分析に基づいて前記ホスト車両の前記環境内の前記少なくとも１つの障害物を検出するように構成される、項目４８に記載のシステム。
（項目７０）
前記複数の画像捕捉デバイスの少なくとも１つは、前記ホスト車両の側部の前記ホスト車両の前記環境を表す画像を捕捉するように構成される、項目６９に記載のシステム。
（項目７１）
前記複数の画像捕捉デバイスの少なくとも１つは、前記ホスト車両の後方の前記ホスト車両の前記環境を表す画像を捕捉するように構成される、項目６９に記載のシステム。
（項目７２）
自律ホスト車両を、前記ホスト車両の少なくとも１つのナビゲーション目標に従ってナビゲートするためのナビゲーションシステムであって、
前記ホスト車両の環境に対する前記ホスト車両の動作の少なくとも１つの側面を示すセンサ出力を１つ又は複数のセンサから受信することであって、前記センサ出力は、前記センサ出力が基づく測定値又はデータの取得が得られるデータ取得時点よりも後であり、且つ前記少なくとも１つのプロセッサによって前記センサ出力が受信される第２の時点よりも前である第１の時点において生成される、受信することと、
前記受信されたセンサ出力及び前記データ取得時点と動作予測時点との間の時間間隔にわたってホスト車両の動作の少なくとも１つの側面がどのように変化するかの推定に少なくとも部分的に基づいて、ホスト車両の動作の前記少なくとも１つの側面の予測を前記動作予測時点について生成することと、
前記ホスト車両の前記少なくとも１つのナビゲーション目標に少なくとも部分的に基づいて、及びホスト車両の動作の前記少なくとも１つの側面の前記生成された予測に基づいて前記ホスト車両の計画されたナビゲーション動作を決定することと、
前記計画されたナビゲーション動作の少なくとも一部を実施するためのナビゲーションコマンドを生成することと、
前記第２の時点よりも後であり、且つ少なくとも１つの作動システムの構成要素が、前記受信されたコマンドに応答する作動時点よりも前又はそれとほぼ同じである第３の時点において、前記少なくとも１つの作動システムが前記ナビゲーションコマンドを受信するように前記ホスト車両の前記少なくとも１つの作動システムに前記ナビゲーションコマンドを提供することと、
を行うようにプログラムされる少なくとも１つのプロセッサを含み、
前記動作予測時点は、前記データ取得時点後であり、且つ前記作動時点よりも前であるか又はそれと等しい、ナビゲーションシステム。
（項目７３）
前記動作予測時点は、前記第３の時点にほぼ対応する、項目７２に記載のナビゲーションシステム。
（項目７４）
前記動作予測時点は、前記第２の時点にほぼ対応する、項目７２に記載のナビゲーションシステム。
（項目７５）
前記動作予測時点は、前記作動時点にほぼ対応する、項目７２に記載のナビゲーションシステム。
（項目７６）
前記１つ又は複数のセンサは、速度センサ、加速度計、カメラ、ライダシステム又はレーダシステムを含む、項目７２に記載のナビゲーションシステム。
（項目７７）
ホスト車両の動作の少なくとも１つの側面の前記予測は、前記動作予測時点における前記ホスト車両の速度又は加速度の少なくとも１つの予測を含む、項目７２に記載のナビゲーションシステム。
（項目７８）
ホスト車両の動作の少なくとも１つの側面の前記予測は、前記動作予測時点における前記ホスト車両の経路の予測を含む、項目７２に記載のナビゲーションシステム。
（項目７９）
前記動作予測時点における前記ホスト車両の前記経路の前記予測は、前記ホスト車両の目標進行方向を含む、項目７８に記載のナビゲーションシステム。
（項目８０）
前記１つ又は複数のセンサは、カメラを含み、及び前記動作予測時点における前記ホスト車両の前記経路の前記予測は、前記カメラによって捕捉される少なくとも１つの画像に基づく、項目７８に記載のナビゲーションシステム。
（項目８１）
前記動作予測時点における前記ホスト車両の前記経路の前記予測は、前記ホスト車両の決定された速度及び前記ホスト車両が移動する道路区分のマップ内に含まれる前記ホスト車両の目標軌道に少なくとも基づく、項目７８に記載のナビゲーションシステム。
（項目８２）
前記目標軌道は、前記道路区分の少なくとも１つのレーンに沿った好ましい経路を表す所定の三次元スプラインを含む、項目８１に記載のナビゲーションシステム。
（項目８３）
ホスト車両の動作の少なくとも１つの側面の前記予測は、決定されたブレーキペダルの位置、決定されたスロットルの位置、ホスト車両の動作に逆らう決定された空気抵抗、摩擦又は前記ホスト車両が移動する道路区分の勾配の少なくとも１つに基づく、項目７２に記載のナビゲーションシステム。
（項目８４）
前記動作予測時点におけるホスト車両の動作の少なくとも１つの側面の前記予測は、前記１つ又は複数のセンサに関連するデータ取得速度と、前記少なくとも１つのプロセッサが前記ナビゲーションコマンドを生成する速度に関連する制御速度との間の不一致を考慮する、項目７２に記載のナビゲーションシステム。
（項目８５）
前記計画されたナビゲーション動作は、前記ホスト車両の速度の変更又は進行方位の変更の少なくとも１つを含む、項目７２に記載のナビゲーションシステム。
（項目８６）
前記少なくとも１つの作動システムは、スロットル作動システム、ブレーキ作動システム又は操舵作動システムの１つ又は複数を含む、項目７２に記載のナビゲーションシステム。
（項目８７）
前記ホスト車両の前記ナビゲーション目標は、第１の位置から第２の位置への移行を含む、項目７２に記載のナビゲーションシステム。
（項目８８）
前記ホスト車両の前記ナビゲーション目標は、前記ホスト車両によって占有されている現在のレーンから隣接レーンへのレーンの変更を含む、項目７２に記載のナビゲーションシステム。
（項目８９）
前記ホスト車両の前記ナビゲーション目標は、前記ホスト車両と検出された目標車両との間の近接緩衝域を維持することを含み、前記近接緩衝域は、前記ホスト車両の検出された現在の速度、前記ホスト車両の最大制動率の能力、前記目標車両の決定された現在の速度及び前記目標車両の仮定された最大制動率の能力に基づいて決定され、前記目標車両に対する前記近接緩衝域は、前記ホスト車両の最大加速能力に基づいて更に決定され、それにより、前記近接緩衝域は、少なくとも、前記ホスト車両に関連する反応時間にわたって前記ホスト車両の前記最大加速能力で加速された場合に前記ホスト車両が移動する距離として決定されるホスト車両の加速距離、前記ホスト車両の前記最大制動率の能力において前記ホスト車両の前記現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び前記目標車両の前記仮定された最大制動率の能力において前記目標車両の前記現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む、項目７２に記載のナビゲーションシステム。
（項目９０）
ホスト車両の動作の少なくとも１つの側面の前記予測は、前記ホスト車両に関連する所定の関数に基づき、前記所定の関数は、前記ホスト車両の決定された現在の速度及び前記ホスト車両の決定されたブレーキペダルの位置又は決定されたスロットルの位置に基づいて前記ホスト車両の将来の速度及び加速度の予測を可能にする、項目７２に記載のナビゲーションシステム。
（項目９１）
前記動作予測時点は、前記データ取得時点の少なくとも１００ミリ秒後である、項目７２に記載のナビゲーションシステム。
（項目９２）
前記動作予測時点は、前記データ取得時点の少なくとも２００ミリ秒後である、項目７２に記載のナビゲーションシステム。
（項目９３）
前記ナビゲーションコマンドは、前記ホスト車両の速度を制御するためのペダルコマンド又は前記ホスト車両の進行方向を制御するためのヨー率コマンドの少なくとも１つを含む、項目７２に記載のナビゲーションシステム。
［項目１－１］
ホスト車両をナビゲートするためのシステムであって、
前記システムは、前記ホスト車両内の少なくとも１つの処理デバイスを含み、前記少なくとも１つの処理デバイスは回路およびメモリを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定することと、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定することであって、前記決定することは、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定することに基づいて実施することと、
を実行させる命令を含む、
システム。
［項目１－２］
前記予め定められた準最大制動率は、前記ホスト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、前記予め定められた準最大制動率で前記ホスト車両のブレーキが常にかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１－１に記載のシステム。
［項目１－３］
前記予め定められた準最大制動率は、ブレーキ条件が存在すると決定される期間の少なくとも一部にわたり、前記予め定められた準最大制動率で前記ホスト車両のブレーキが常にかけられ、その後、前記ホスト車両の最大制動率で前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１－１または１－２に記載のシステム。
［項目１－４］
前記予め定められた準最大制動率は、前記予め定められた準最大制動率で開始して、前記ホスト車両の最大制動率まで漸進的に高めて前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１－１から１－３のいずれか一項に記載のシステム。
［項目１－５］
前記予め定められた準最大制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の５０％までの減速率に関連する、項目１－１から１－４のいずれか一項に記載のシステム。
［項目１－６］
前記予め定められた準最大制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の２５％までの減速率に関連する、項目１－１から１－５のいずれか一項に記載のシステム。
［項目１－７］
前記ホスト車両の前記停止距離は、前記ホスト車両の前記現在の速度及び前記ホスト車両の前記予め定められた準最大制動率に基づいて決定される、項目１－１から１－６のいずれか一項に記載のシステム。
［項目１－８］
前記ホスト車両の前記停止距離は、予め定められた期間にわたって前記ホスト車両の最大加速能力で前記ホスト車両が移動し得る距離に対応する加速距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記現在の速度からゼロ速度まで減速しながら前記ホスト車両が移動し得る距離に対応する最大制動率距離との和よりも大きい、項目１－１から１－７のいずれか一項に記載のシステム。
［項目１－９］
前記予め定められた期間は、前記ホスト車両に関連する反応時間である、項目１－８に記載のシステム。
［項目１－１０］
前記ホスト車両の前記最大制動率の能力は、検知される路面の状態に基づいて決定される、項目１－１から１－９のいずれか一項に記載のシステム。
［項目１－１１］
前記ホスト車両の前記最大制動率の能力は、検知される気象条件に基づいて決定される、項目１－１から１－１０のいずれか一項に記載のシステム。
［項目１－１２］
前記目標車両の速度は、前記少なくとも１つの画像の分析に基づいて決定される、項目１－１から１－１１のいずれか一項に記載のシステム。
［項目１－１３］
前記目標車両の速度は、前記ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて決定される、項目１－１から１－１２のいずれか一項に記載のシステム。
［項目１－１４］
前記目標車両の前記認識された特性は、車両の種類を含む、項目１－１から１－１３のいずれか一項に記載のシステム。
［項目１－１５］
前記目標車両の前記認識された特性は、車両のサイズである、項目１－１から１－１４のいずれか一項に記載のシステム。
［項目１－１６］
前記目標車両の前記少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて決定される、項目１－１から１－１５のいずれか一項に記載のシステム。
［項目１－１７］
前記計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含む、項目１－１から１－１６のいずれか一項に記載のシステム。
［項目１－１８］
前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、前記決定された前記ホスト車両の停止距離が、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される前記目標車両の移動距離と、前記決定された次の状態の距離との合計よりも少なくとも予め定められた最小距離だけ少ない場合、前記計画されたナビゲーション動作を実施することを実行させる命令を含む、項目１－１から１－１７のいずれか一項に記載のシステム。
［項目１－１９］
前記予め定められた最小距離は、前記ホスト車両と他の車両との間で維持される予め定められた分離距離に対応する、項目１－１８に記載のシステム。
［項目１－２０］
前記予め定められた分離距離は、少なくとも１メートルである、項目１－１９に記載のシステム。
［項目１－２１］
前記ホスト車両の停止距離は、前記予め定められた準最大制動率で前記ホスト車両がブレーキをかけられる第１の距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両がブレーキをかけられる第２の距離とを含む、項目１－１から１－２０のいずれか一項に記載のシステム。
［項目１－２２］
前記メモリは、前記第２の距離にわたって前記ホスト車両の前記最大制動率の能力で前記ホスト車両のブレーキをかける前に、前記第１の距離にわたって前記予め定められた準最大制動率で前記ホスト車両にブレーキをかけさせることを実行させる命令を含む、項目１－２１に記載のシステム。
［項目１－２３］
前記計画されたナビゲーション動作は、レーン変更操作を含む、項目１－１から１－２２のいずれか一項に記載のシステム。
［項目１－２４］
ホスト車両をナビゲートするためのシステムであって、
前記システムは、前記ホスト車両内の少なくとも１つの処理デバイスを含み、前記少なくとも１つの処理デバイスは回路およびメモリを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定することと、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定することであって、前記決定することは、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定することに基づいて実施することと、
を実行させる命令を含む、
システム。
［項目１－２５］
前記予め定められた制動率プロファイルは、前記ホスト車両の前記準最大制動率から前記最大制動率まで線形に増加する、項目１－２４に記載のシステム。
［項目１－２６］
前記予め定められた制動率プロファイルは、前記ホスト車両の前記準最大制動率から前記最大制動率まで非線形に増加する、項目１－２４に記載のシステム。
［項目１－２７］
ホスト車両のブレーキをかけるためのシステムであって、
前記システムは、回路およびメモリを含む少なくとも１つの処理デバイスを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
少なくとも１つのセンサにより取得された出力を受信することであって、前記出力は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出することと、
前記ホスト車両の現在の速度、前記ホスト車両の最大制動能力、及び前記ホスト車両と前記目標車両との間の現在の距離であって前記少なくとも１つのセンサの前記出力に基づいて決定される現在の距離を決定することと、
前記ホスト車両の前記最大制動能力と前記ホスト車両の前記現在の速度とに基づいて、前記ホスト車両の停止距離を決定することと、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在することを決定することと、
前記決定されたブレーキ条件に基づいて、準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるまで、前記ホスト車両に関連するブレーキデバイスを適用させることであって、前記準最大制動率は前記ホスト車両の前記最大制動能力未満である、適用させることと、
前記ホスト車両の前記最大制動能力で、前記ホスト車両に関連する前記ブレーキデバイスを適用することと、
を実行させる命令を含む、
システム。
［項目１－２８］
前記ホスト車両の前記最大制動率が達成されると、前記少なくとも１つのプロセッサは、前記ブレーキ条件の存在がなくなるまで前記ホスト車両の前記最大制動率で前記ホスト車両の前記ブレーキデバイスの適用を継続するように構成される、項目１－２７に記載のシステム。
［項目１－２９］
前記漸進的増加は、非線形である、項目１－２７または１－２８に記載のシステム。
［項目１－３０］
前記漸進的増加は、線形である、項目１－２７または１－２８に記載のシステム。
［項目１－３１］
少なくとも１つのプロセッサに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定する段階と、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別する段階と、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定する段階と、
前記ホスト車両の現在の速度を決定する段階と、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定する段階と、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定する段階であって、前記決定する段階は、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定する段階に基づいて実施する段階と、
を実行させる、プログラム。
［項目１－３２］
少なくとも１つのプロセッサに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定する段階と、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別する段階と、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定する段階と、
前記ホスト車両の現在の速度を決定する段階と、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定する段階と、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定する段階であって、前記決定する段階は、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定する段階に基づいて実施する段階と、
を実行させる、プログラム。
［項目１－３３］
少なくとも１つのプロセッサに、
少なくとも１つのセンサにより取得された出力を受信することであって、前記出力は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出する段階と、
前記ホスト車両の現在の速度、前記ホスト車両の最大制動能力、及び前記ホスト車両と前記目標車両との間の現在の距離であって前記少なくとも１つのセンサの前記出力に基づいて決定される現在の距離を決定する段階と、
前記ホスト車両の前記最大制動能力と前記ホスト車両の前記現在の速度とに基づいて、前記ホスト車両の停止距離を決定する段階と、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在することを決定する段階と、
前記決定されたブレーキ条件に基づいて、準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるかまで、前記ホスト車両に関連するブレーキデバイスを適用させる段階であって、前記準最大制動率は前記ホスト車両の前記最大制動能力未満である、適用させる段階と、
前記ホスト車両の前記最大制動能力で、前記ホスト車両に関連する前記ブレーキデバイスを適用する段階と、
を実行させる、プログラム。
（項目１）
ホスト車両をナビゲートするためのシステムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の最大ブレーキ能力、前記ホスト車両の最大加速能力及び前記ホスト車両の現在の速度を決定することと、
前記ホスト車両の前記現在の最大ブレーキ能力、前記ホスト車両の前記現在の最大加速能力及び前記ホスト車両の前記現在の速度に基づいて前記ホスト車両の現在の停止距離を決定することと、
前記目標車両の現在の速度を決定し、且つ前記目標車両の少なくとも１つの認識された特性に基づいて前記目標車両の最大ブレーキ能力を仮定することと、
前記ホスト車両の前記決定された現在の停止距離が、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大ブレーキ能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したもの未満である場合、前記計画されたナビゲーション動作を実施することと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目２）
前記ホスト車両の前記現在の停止距離は、前記ホスト車両の前記決定された現在の速度から開始して、前記ホスト車両の前記最大加速能力で所定の期間にわたって前記ホスト車両が移動し得る距離に対応する加速距離を含む、項目１に記載のシステム。
（項目３）
前記所定の期間は、前記ホスト車両に関連する反応時間である、項目２に記載のシステム。
（項目４）
前記ホスト車両の前記最大ブレーキ能力は、検知される路面の状態に基づいて決定される、項目１に記載のシステム。
（項目５）
前記ホスト車両の前記最大ブレーキ能力は、検知される気象条件に基づいて決定される、項目１に記載のシステム。
（項目６）
前記目標車両の速度は、前記少なくとも１つの画像の分析に基づいて決定される、項目１に記載のシステム。
（項目７）
前記目標車両の速度は、前記ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて決定される、項目１に記載のシステム。
（項目８）
前記目標車両の前記認識された特性は、車両の種類を含む、項目１に記載のシステム。
（項目９）
前記目標車両の前記認識された特性は、車両のサイズである、項目１に記載のシステム。
（項目１０）
前記目標車両の前記認識された特性は、車両のモデルを含む、項目１に記載のシステム。
（項目１１）
前記目標車両の前記認識された特性は、前記少なくとも１つの画像の分析に基づいて決定される、項目１に記載のシステム。
（項目１２）
前記目標車両の前記少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて決定される、項目１に記載のシステム。
（項目１３）
前記計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含む、項目１に記載のシステム。
（項目１４）
前記少なくとも１つの処理デバイスは、前記ホスト車両の前記決定された現在の停止距離が、目標車両の移動距離に、前記決定された次の状態の距離を加算したものよりも少なくとも所定の最小距離だけ少ない場合、前記計画されたナビゲーション動作を実施するように構成され、前記目標車両の移動距離は、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大ブレーキ能力に基づいて決定される、項目１に記載のシステム。
（項目１５）
前記所定の最小距離は、前記ホスト車両と他の車両との間で維持される所定の分離距離に対応する、項目１４に記載のシステム。
（項目１６）
前記所定の分離距離は、少なくとも１メートルである、項目１５に記載のシステム。
（項目１７）
ホスト車両をナビゲートするためのシステムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ前記目標車両の少なくとも１つの認識された特性に基づいて前記目標車両の最大制動率の能力を仮定することと、
前記ホスト車両の前記決定された現在の速度について及び前記ホスト車両の最大制動率の能力未満である所定の最大下の制動率において、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内で前記ホスト車両が停止され得る場合、前記計画されたナビゲーション動作を実施することと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目１８）
前記所定の最大下の制動率は、前記ホスト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、前記所定の最大下の制動率でホスト車両のブレーキが常にかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１７に記載のシステム。
（項目１９）
前記所定の最大下の制動率は、ブレーキ条件が存在すると決定される期間の少なくとも一部にわたり、前記所定の最大下の制動率でホスト車両のブレーキが常にかけられ、その後、前記ホスト車両の最大制動率で前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１７に記載のシステム。
（項目２０）
前記所定の最大下の制動率は、前記所定の最大下の制動率で開始して、前記ホスト車両の最大制動率まで漸進的に高めてホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１７に記載のシステム。
（項目２１）
前記所定の最大下の制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の５０％までの減速率に関連する、項目１７に記載のシステム。
（項目２２）
前記所定の最大下の制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の２５％までの減速率に関連する、項目１７に記載のシステム。
（項目２３）
前記ホスト車両の停止距離は、前記ホスト車両の前記現在の速度及び前記ホスト車両の前記所定の最大下の制動率に基づいて決定される、項目１７に記載のシステム。
（項目２４）
前記ホスト車両の停止距離は、所定の期間にわたって前記ホスト車両の最大加速能力で前記ホスト車両が移動し得る距離に対応する加速距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記現在の速度からゼロ速度まで減速しながら前記ホスト車両が移動し得る距離に対応する最大制動率距離との和よりも大きい、項目１７に記載のシステム。
（項目２５）
前記所定の期間は、前記ホスト車両に関連する反応時間である、項目２４に記載のシステム。
（項目２６）
前記ホスト車両の前記最大制動率の能力は、検知される路面の状態に基づいて決定される、項目１７に記載のシステム。
（項目２７）
前記ホスト車両の前記最大制動率の能力は、検知される気象条件に基づいて決定される、項目１７に記載のシステム。
（項目２８）
前記目標車両の速度は、前記少なくとも１つの画像の分析に基づいて決定される、項目１７に記載のシステム。
（項目２９）
前記目標車両の速度は、前記ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて決定される、項目１７に記載のシステム。
（項目３０）
前記目標車両の前記認識された特性は、車両の種類を含む、項目１７に記載のシステム。
（項目３１）
前記目標車両の前記認識された特性は、車両のサイズである、項目１７に記載のシステム。
（項目３２）
前記目標車両の前記認識された特性は、車両のモデルを含む、項目１７に記載のシステム。
（項目３３）
前記目標車両の前記認識された特性は、前記少なくとも１つの画像の分析に基づいて決定される、項目１７に記載のシステム。
（項目３４）
前記目標車両の前記少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて決定される、項目１７に記載のシステム。
（項目３５）
前記計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含む、項目１７に記載のシステム。
（項目３６）
前記少なくとも１つの処理デバイスは、前記決定されたホスト車両の停止距離が、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したものよりも少なくとも所定の最小距離だけ少ない場合、前記計画されたナビゲーション動作を実施するように構成される、項目１７に記載のシステム。
（項目３７）
前記所定の最小距離は、前記ホスト車両と他の車両との間で維持される所定の分離距離に対応する、項目３６に記載のシステム。
（項目３８）
前記所定の分離距離は、少なくとも１メートルである、項目３７に記載のシステム。
（項目３９）
前記ホスト車両の停止距離は、前記所定の最大下の制動率で前記ホスト車両がブレーキをかけられる第１の距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両がブレーキをかけられる第２の距離とを含む、項目１７に記載のシステム。
（項目４０）
前記少なくとも１つの処理デバイスは、前記第２の距離にわたって前記ホスト車両の前記最大制動率の能力で前記ホスト車両のブレーキをかける前に、前記第１の距離にわたって前記所定の最大下の制動率で前記ホスト車両にブレーキをかけさせるように構成される、項目３９に記載のシステム。
（項目４１）
ホスト車両をナビゲートするためのシステムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ前記目標車両の少なくとも１つの認識された特性に基づいて前記目標車両の最大制動率の能力を仮定することと、
前記ホスト車両の前記決定された現在の速度について及び所定の制動率プロファイルについて、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離に、前記決定された次の状態の距離を加算したもの未満であるホスト車両の停止距離内で前記ホスト車両が停止され得る場合、前記計画されたナビゲーション動作を実施することであって、前記所定の制動率プロファイルは、前記ホスト車両の最大下の制動率から最大制動率まで漸進的に増加する、実施することと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目４２）
前記所定の制動率プロファイルは、前記ホスト車両の前記最大下の制動率から前記最大制動率まで線形に増加する、項目４１に記載のシステム。
（項目４３）
前記所定の制動率プロファイルは、前記ホスト車両の前記最大下の制動率から前記最大制動率まで非線形に増加する、項目４１に記載のシステム。
（項目４４）
ホスト車両のブレーキをかけるためのシステムであって、
前記ホスト車両の環境を表す出力を少なくとも１つのセンサから受信することと、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出することと、
前記ホスト車両の現在の速度及び前記ホスト車両と前記目標車両との間の現在の距離を決定することと、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在するかどうかを決定することと、
ブレーキ条件が存在すると決定される場合、前記ホスト車両の最大下の制動率で始まる区分を含み、且つ前記ホスト車両の最大制動率まで漸進的に増加する所定のブレーキプロファイルに従って、前記ホスト車両に関連するブレーキデバイスを適用させることと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含むシステム。
（項目４５）
前記ホスト車両の前記最大制動率が達成されると、前記少なくとも１つのプロセッサは、前記ブレーキ条件の存在がなくなるまで前記ホスト車両の前記最大制動率で前記ホスト車両の前記ブレーキデバイスの適用を継続するように構成される、項目４４に記載のシステム。
（項目４６）
前記漸進的増加は、非線形である、項目４４に記載のシステム。
（項目４７）
前記漸進的増加は、線形である、項目４４に記載のシステム。
（項目４８）
人間のドライバーによるホスト車両の制御を選択的に置換するための自律システムであって、
前記ホスト車両の環境を表す少なくとも１つの画像を画像捕捉デバイスから受信することと、
前記少なくとも１つの画像の分析に基づいて前記ホスト車両の前記環境内の少なくとも１つの障害物を検出することと、
前記ホスト車両に関連するスロットル制御、ブレーキ制御又は操舵制御の少なくとも１つに対するドライバーの入力を監視することと、
前記少なくとも１つの障害物に対する近接緩衝域内で前記ホスト車両がナビゲートすることを前記ドライバーの入力が生じさせることになるかどうかを決定することと、
前記少なくとも１つの障害物に対する前記近接緩衝域内で前記ホスト車両がナビゲートすることを前記ドライバーの入力が生じさせないであろうと前記少なくとも１つの処理デバイスが決定する場合、前記ドライバーの入力がホスト車両の１つ又は複数の動作制御システムの対応する変更を生じさせることを可能にすることと、
前記少なくとも１つの障害物に対する前記近接緩衝域内で前記ホスト車両がナビゲートすることを前記ドライバーの入力が生じさせることになると前記少なくとも１つの処理デバイスが決定する場合、前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐことと、
を行うようにプログラムされる少なくとも１つの処理デバイスを含む自律システム。
（項目４９）
前記少なくとも１つの障害物は、目標車両を含み、及び前記目標車両に対する前記近接緩衝域は、前記ホスト車両の検出された現在の速度、前記ホスト車両の最大制動率の能力、前記目標車両の決定された現在の速度及び前記目標車両の仮定された最大制動率の能力に基づいて決定され、前記目標車両に対する前記近接緩衝域は、前記ホスト車両の最大加速能力に基づいて更に決定され、それにより、前記近接緩衝域は、少なくとも、前記ホスト車両に関連する反応時間にわたって前記ホスト車両の前記最大加速能力で加速された場合に前記ホスト車両が移動する距離として決定されるホスト車両の加速距離、前記ホスト車両の前記最大制動率の能力において前記ホスト車両の前記現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び前記目標車両の前記仮定された最大制動率の能力において前記目標車両の前記現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む、項目４８に記載のシステム。
（項目５０）
前記少なくとも１つの障害物は、目標車両を含み、及び前記目標車両に対する前記近接緩衝域は、前記ホスト車両の検出された現在の速度、前記ホスト車両の最大制動率の能力、前記目標車両の決定された現在の速度及び前記目標車両の仮定された最大制動率の能力に基づいて決定され、前記目標車両に対する前記近接緩衝域は、前記ホスト車両の前記最大制動率の能力未満である所定の最大下の制動率に基づいて更に決定され、それにより、前記近接緩衝域は、少なくとも、前記ホスト車両の前記所定の最大下のブレーキ能力において前記ホスト車両の前記現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び前記目標車両の前記仮定された最大ブレーキ能力において前記目標車両の前記現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む、項目４９に記載のシステム。
（項目５１）
前記目標車両は、前記ホスト車両の前にあると決定され、及び前記少なくとも１つの処理デバイスは、前記ドライバーの入力が前記目標車両と前記ホスト車両との間の縦方向距離の変化を生じさせることになると決定するように構成される、項目４９に記載のシステム。
（項目５２）
前記目標車両は、前記ホスト車両と異なるレーン内にあると決定され、及び前記少なくとも１つの処理デバイスは、前記ドライバーの入力が前記ホスト車両の横移動を生じさせることになり、それにより、前記横移動後に前記目標車両が前記ホスト車両の前になると決定するように構成される、項目４９に記載のシステム。
（項目５３）
前記目標車両は、前記ホスト車両と異なるレーン内にあると決定され、及び前記少なくとも１つの処理デバイスは、前記ドライバーの入力が前記ホスト車両の横移動を生じさせることになり、それにより、前記横移動後に前記ホスト車両が前記目標車両の前になると決定するように構成される、項目４９に記載のシステム。
（項目５４）
前記近接緩衝域は、所定の横方向距離閾値に対応する、項目４８に記載のシステム。
（項目５５）
前記目標車両に対する前記近接緩衝域は、前記ホスト車両と前記目標車両との間で維持される所定の最小距離に基づいて更に決定される、項目４９に記載のシステム。
（項目５６）
前記少なくとも１つの障害物は、道路内の歩行者又は物体を含み、及び前記少なくとも１つの障害物に対する前記近接緩衝域は、少なくとも、前記ホスト車両と前記少なくとも１つの障害物との間で維持される最小距離を含む、項目４８に記載のシステム。
（項目５７）
前記少なくとも１つの障害物は、歩行者を含み、及び前記歩行者に対する前記近接緩衝域は、前記ホスト車両の現在の速度に基づいて決定され、及び前記近接緩衝域は、ホスト車両の速度が増加することで増加する、項目４８に記載のシステム。
（項目５８）
前記スロットル制御は、アクセルペダルを含み、前記ブレーキ制御は、ブレーキペダルを含み、及び前記操舵制御は、ハンドルを含み、前記ドライバーの入力は、前記アクセルペダルを押し下げること、前記ブレーキペダルを押し下げること、前記ブレーキペダルの押し下げがないこと、前記ハンドルを回すこと、又は前記ハンドルを回さないことの少なくとも１つを含む、項目４８に記載のシステム。
（項目５９）
前記ホスト車両の１つ又は複数の制御システムは、前記ホスト車両の進行方位を制御するための少なくとも１つの操舵アクチュエータ、ホスト車両のブレーキデバイスを適用させるためのブレーキアクチュエータ又はホスト車両のスロットルを適用させるためのアクセルアクチュエータを含む、項目５８に記載のシステム。
（項目６０）
前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を前記ドライバーの入力が生じさせるのを防ぐことは、前記ハンドルに対するドライバーの入力が前記少なくとも１つの操舵アクチュエータによる対応する応答を生じさせるのを防ぐこと、前記ブレーキペダルに対するドライバーの入力が前記ブレーキアクチュエータによる対応する応答を生じさせるのを防ぐこと、又は前記アクセルペダルに対するドライバーの入力が前記アクセルアクチュエータによる対応する応答を生じさせるのを防ぐことの少なくとも１つを含む、項目５９に記載のシステム。
（項目６１）
前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐために、前記少なくとも１つの処理デバイスは、前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作を防ぐように構成される、項目４８に記載のシステム。
（項目６２）
前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐために、前記少なくとも１つの処理デバイスは、前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作性を無効にするように構成される、項目４８に記載のシステム。
（項目６３）
前記ドライバーの入力が前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を生じさせるのを防ぐために、前記少なくとも１つの処理デバイスは、前記ドライバーの入力に応じた前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作を防ぎ、且つ前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つにインパルス力を加えるように構成される、項目４８に記載のシステム。
（項目６４）
前記少なくとも１つの処理デバイスは、前記少なくとも１つの障害物に対する近接緩衝域内で前記ホスト車両がナビゲートすることを生じさせないであろうドライバーの入力が受信されるまで、前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つの動作を防ぎ続け、且つ前記スロットル制御、前記ブレーキ制御又は前記操舵制御の少なくとも１つに前記インパルス力を加え続けるように構成される、項目６３に記載のシステム。
（項目６５）
前記少なくとも１つの処理デバイスは、前記ホスト車両の１つ又は複数の動作制御システムの前記対応する変更を前記ドライバーの入力が生じさせるのを前記少なくとも１つの処理デバイスが防ぐ間隔中、前記ホスト車両のナビゲーションを自律的に制御するように構成される、項目４８に記載のシステム。
（項目６６）
前記少なくとも１つの処理デバイスは、前記少なくとも１つの障害物に対する近接緩衝域内で前記ホスト車両がナビゲートすることを生じさせないであろうドライバーの入力が受信された後、前記ホスト車両のナビゲーション制御をドライバーに返すように構成される、項目６５に記載のシステム。
（項目６７）
人間のドライバーによる制御を選択的に置換するための前記自律システムを無効にするためのシステムオーバーライド制御を更に含み、前記システムオーバーライド制御は、前記スロットル制御、前記ブレーキ制御及び前記操舵制御と異なる、項目４８に記載のシステム。
（項目６８）
前記少なくとも１つの処理デバイスは、人間のドライバーによる制御を選択的に置換するための前記自律システムが前記システムオーバーライド制御の動作を通して無効にされているときを追跡するように構成される、項目６７に記載のシステム。
（項目６９）
前記ホスト車両の前記環境に対して異なる視野をそれぞれ有する複数の画像捕捉デバイスを更に含み、前記少なくとも１つの処理デバイスは、前記複数の画像捕捉デバイスのそれぞれから１つ又は複数の画像を受信し、且つ前記複数の画像捕捉デバイスのいずれかから受信された前記１つ又は複数の画像の分析に基づいて前記ホスト車両の前記環境内の前記少なくとも１つの障害物を検出するように構成される、項目４８に記載のシステム。
（項目７０）
前記複数の画像捕捉デバイスの少なくとも１つは、前記ホスト車両の側部の前記ホスト車両の前記環境を表す画像を捕捉するように構成される、項目６９に記載のシステム。
（項目７１）
前記複数の画像捕捉デバイスの少なくとも１つは、前記ホスト車両の後方の前記ホスト車両の前記環境を表す画像を捕捉するように構成される、項目６９に記載のシステム。
（項目７２）
自律ホスト車両を、前記ホスト車両の少なくとも１つのナビゲーション目標に従ってナビゲートするためのナビゲーションシステムであって、
前記ホスト車両の環境に対する前記ホスト車両の動作の少なくとも１つの側面を示すセンサ出力を１つ又は複数のセンサから受信することであって、前記センサ出力は、前記センサ出力が基づく測定値又はデータの取得が得られるデータ取得時点よりも後であり、且つ前記少なくとも１つのプロセッサによって前記センサ出力が受信される第２の時点よりも前である第１の時点において生成される、受信することと、
前記受信されたセンサ出力及び前記データ取得時点と動作予測時点との間の時間間隔にわたってホスト車両の動作の少なくとも１つの側面がどのように変化するかの推定に少なくとも部分的に基づいて、ホスト車両の動作の前記少なくとも１つの側面の予測を前記動作予測時点について生成することと、
前記ホスト車両の前記少なくとも１つのナビゲーション目標に少なくとも部分的に基づいて、及びホスト車両の動作の前記少なくとも１つの側面の前記生成された予測に基づいて前記ホスト車両の計画されたナビゲーション動作を決定することと、
前記計画されたナビゲーション動作の少なくとも一部を実施するためのナビゲーションコマンドを生成することと、
前記第２の時点よりも後であり、且つ少なくとも１つの作動システムの構成要素が、前記受信されたコマンドに応答する作動時点よりも前又はそれとほぼ同じである第３の時点において、前記少なくとも１つの作動システムが前記ナビゲーションコマンドを受信するように前記ホスト車両の前記少なくとも１つの作動システムに前記ナビゲーションコマンドを提供することと、
を行うようにプログラムされる少なくとも１つのプロセッサを含み、
前記動作予測時点は、前記データ取得時点後であり、且つ前記作動時点よりも前であるか又はそれと等しい、ナビゲーションシステム。
（項目７３）
前記動作予測時点は、前記第３の時点にほぼ対応する、項目７２に記載のナビゲーションシステム。
（項目７４）
前記動作予測時点は、前記第２の時点にほぼ対応する、項目７２に記載のナビゲーションシステム。
（項目７５）
前記動作予測時点は、前記作動時点にほぼ対応する、項目７２に記載のナビゲーションシステム。
（項目７６）
前記１つ又は複数のセンサは、速度センサ、加速度計、カメラ、ライダシステム又はレーダシステムを含む、項目７２に記載のナビゲーションシステム。
（項目７７）
ホスト車両の動作の少なくとも１つの側面の前記予測は、前記動作予測時点における前記ホスト車両の速度又は加速度の少なくとも１つの予測を含む、項目７２に記載のナビゲーションシステム。
（項目７８）
ホスト車両の動作の少なくとも１つの側面の前記予測は、前記動作予測時点における前記ホスト車両の経路の予測を含む、項目７２に記載のナビゲーションシステム。
（項目７９）
前記動作予測時点における前記ホスト車両の前記経路の前記予測は、前記ホスト車両の目標進行方向を含む、項目７８に記載のナビゲーションシステム。
（項目８０）
前記１つ又は複数のセンサは、カメラを含み、及び前記動作予測時点における前記ホスト車両の前記経路の前記予測は、前記カメラによって捕捉される少なくとも１つの画像に基づく、項目７８に記載のナビゲーションシステム。
（項目８１）
前記動作予測時点における前記ホスト車両の前記経路の前記予測は、前記ホスト車両の決定された速度及び前記ホスト車両が移動する道路区分のマップ内に含まれる前記ホスト車両の目標軌道に少なくとも基づく、項目７８に記載のナビゲーションシステム。
（項目８２）
前記目標軌道は、前記道路区分の少なくとも１つのレーンに沿った好ましい経路を表す所定の三次元スプラインを含む、項目８１に記載のナビゲーションシステム。
（項目８３）
ホスト車両の動作の少なくとも１つの側面の前記予測は、決定されたブレーキペダルの位置、決定されたスロットルの位置、ホスト車両の動作に逆らう決定された空気抵抗、摩擦又は前記ホスト車両が移動する道路区分の勾配の少なくとも１つに基づく、項目７２に記載のナビゲーションシステム。
（項目８４）
前記動作予測時点におけるホスト車両の動作の少なくとも１つの側面の前記予測は、前記１つ又は複数のセンサに関連するデータ取得速度と、前記少なくとも１つのプロセッサが前記ナビゲーションコマンドを生成する速度に関連する制御速度との間の不一致を考慮する、項目７２に記載のナビゲーションシステム。
（項目８５）
前記計画されたナビゲーション動作は、前記ホスト車両の速度の変更又は進行方位の変更の少なくとも１つを含む、項目７２に記載のナビゲーションシステム。
（項目８６）
前記少なくとも１つの作動システムは、スロットル作動システム、ブレーキ作動システム又は操舵作動システムの１つ又は複数を含む、項目７２に記載のナビゲーションシステム。
（項目８７）
前記ホスト車両の前記ナビゲーション目標は、第１の位置から第２の位置への移行を含む、項目７２に記載のナビゲーションシステム。
（項目８８）
前記ホスト車両の前記ナビゲーション目標は、前記ホスト車両によって占有されている現在のレーンから隣接レーンへのレーンの変更を含む、項目７２に記載のナビゲーションシステム。
（項目８９）
前記ホスト車両の前記ナビゲーション目標は、前記ホスト車両と検出された目標車両との間の近接緩衝域を維持することを含み、前記近接緩衝域は、前記ホスト車両の検出された現在の速度、前記ホスト車両の最大制動率の能力、前記目標車両の決定された現在の速度及び前記目標車両の仮定された最大制動率の能力に基づいて決定され、前記目標車両に対する前記近接緩衝域は、前記ホスト車両の最大加速能力に基づいて更に決定され、それにより、前記近接緩衝域は、少なくとも、前記ホスト車両に関連する反応時間にわたって前記ホスト車両の前記最大加速能力で加速された場合に前記ホスト車両が移動する距離として決定されるホスト車両の加速距離、前記ホスト車両の前記最大制動率の能力において前記ホスト車両の前記現在の速度をゼロまで低減するのに必要な距離として決定されるホスト車両の停止距離及び前記目標車両の前記仮定された最大制動率の能力において前記目標車両の前記現在の速度をゼロまで低減するのに必要な距離として決定される目標車両の停止距離の和を含む、項目７２に記載のナビゲーションシステム。
（項目９０）
ホスト車両の動作の少なくとも１つの側面の前記予測は、前記ホスト車両に関連する所定の関数に基づき、前記所定の関数は、前記ホスト車両の決定された現在の速度及び前記ホスト車両の決定されたブレーキペダルの位置又は決定されたスロットルの位置に基づいて前記ホスト車両の将来の速度及び加速度の予測を可能にする、項目７２に記載のナビゲーションシステム。
（項目９１）
前記動作予測時点は、前記データ取得時点の少なくとも１００ミリ秒後である、項目７２に記載のナビゲーションシステム。
（項目９２）
前記動作予測時点は、前記データ取得時点の少なくとも２００ミリ秒後である、項目７２に記載のナビゲーションシステム。
（項目９３）
前記ナビゲーションコマンドは、前記ホスト車両の速度を制御するためのペダルコマンド又は前記ホスト車両の進行方向を制御するためのヨー率コマンドの少なくとも１つを含む、項目７２に記載のナビゲーションシステム。
［項目１－１］
ホスト車両をナビゲートするためのシステムであって、
前記システムは、前記ホスト車両内の少なくとも１つの処理デバイスを含み、前記少なくとも１つの処理デバイスは回路およびメモリを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定することと、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定することであって、前記決定することは、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定することに基づいて実施することと、
を実行させる命令を含む、
システム。
［項目１－２］
前記予め定められた準最大制動率は、前記ホスト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、前記予め定められた準最大制動率で前記ホスト車両のブレーキが常にかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１－１に記載のシステム。
［項目１－３］
前記予め定められた準最大制動率は、ブレーキ条件が存在すると決定される期間の少なくとも一部にわたり、前記予め定められた準最大制動率で前記ホスト車両のブレーキが常にかけられ、その後、前記ホスト車両の最大制動率で前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１－１または１－２に記載のシステム。
［項目１－４］
前記予め定められた準最大制動率は、前記予め定められた準最大制動率で開始して、前記ホスト車両の最大制動率まで漸進的に高めて前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、項目１－１から１－３のいずれか一項に記載のシステム。
［項目１－５］
前記予め定められた準最大制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の５０％までの減速率に関連する、項目１－１から１－４のいずれか一項に記載のシステム。
［項目１－６］
前記予め定められた準最大制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の２５％までの減速率に関連する、項目１－１から１－５のいずれか一項に記載のシステム。
［項目１－７］
前記ホスト車両の前記停止距離は、前記ホスト車両の前記現在の速度及び前記ホスト車両の前記予め定められた準最大制動率に基づいて決定される、項目１－１から１－６のいずれか一項に記載のシステム。
［項目１－８］
前記ホスト車両の前記停止距離は、予め定められた期間にわたって前記ホスト車両の最大加速能力で前記ホスト車両が移動し得る距離に対応する加速距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記現在の速度からゼロ速度まで減速しながら前記ホスト車両が移動し得る距離に対応する最大制動率距離との和よりも大きい、項目１－１から１－７のいずれか一項に記載のシステム。
［項目１－９］
前記予め定められた期間は、前記ホスト車両に関連する反応時間である、項目１－８に記載のシステム。
［項目１－１０］
前記ホスト車両の前記最大制動率の能力は、検知される路面の状態に基づいて決定される、項目１－１から１－９のいずれか一項に記載のシステム。
［項目１－１１］
前記ホスト車両の前記最大制動率の能力は、検知される気象条件に基づいて決定される、項目１－１から１－１０のいずれか一項に記載のシステム。
［項目１－１２］
前記目標車両の速度は、前記少なくとも１つの画像の分析に基づいて決定される、項目１－１から１－１１のいずれか一項に記載のシステム。
［項目１－１３］
前記目標車両の速度は、前記ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて決定される、項目１－１から１－１２のいずれか一項に記載のシステム。
［項目１－１４］
前記目標車両の前記認識された特性は、車両の種類を含む、項目１－１から１－１３のいずれか一項に記載のシステム。
［項目１－１５］
前記目標車両の前記認識された特性は、車両のサイズである、項目１－１から１－１４のいずれか一項に記載のシステム。
［項目１－１６］
前記目標車両の前記少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて決定される、項目１－１から１－１５のいずれか一項に記載のシステム。
［項目１－１７］
前記計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含む、項目１－１から１－１６のいずれか一項に記載のシステム。
［項目１－１８］
前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、前記決定された前記ホスト車両の停止距離が、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される前記目標車両の移動距離と、前記決定された次の状態の距離との合計よりも少なくとも予め定められた最小距離だけ少ない場合、前記計画されたナビゲーション動作を実施することを実行させる命令を含む、項目１－１から１－１７のいずれか一項に記載のシステム。
［項目１－１９］
前記予め定められた最小距離は、前記ホスト車両と他の車両との間で維持される予め定められた分離距離に対応する、項目１－１８に記載のシステム。
［項目１－２０］
前記予め定められた分離距離は、少なくとも１メートルである、項目１－１９に記載のシステム。
［項目１－２１］
前記ホスト車両の停止距離は、前記予め定められた準最大制動率で前記ホスト車両がブレーキをかけられる第１の距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両がブレーキをかけられる第２の距離とを含む、項目１－１から１－２０のいずれか一項に記載のシステム。
［項目１－２２］
前記メモリは、前記第２の距離にわたって前記ホスト車両の前記最大制動率の能力で前記ホスト車両のブレーキをかける前に、前記第１の距離にわたって前記予め定められた準最大制動率で前記ホスト車両にブレーキをかけさせることを実行させる命令を含む、項目１－２１に記載のシステム。
［項目１－２３］
前記計画されたナビゲーション動作は、レーン変更操作を含む、項目１－１から１－２２のいずれか一項に記載のシステム。
［項目１－２４］
ホスト車両をナビゲートするためのシステムであって、
前記システムは、前記ホスト車両内の少なくとも１つの処理デバイスを含み、前記少なくとも１つの処理デバイスは回路およびメモリを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定することと、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定することであって、前記決定することは、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定することに基づいて実施することと、
を実行させる命令を含む、
システム。
［項目１－２５］
前記予め定められた制動率プロファイルは、前記ホスト車両の前記準最大制動率から前記最大制動率まで線形に増加する、項目１－２４に記載のシステム。
［項目１－２６］
前記予め定められた制動率プロファイルは、前記ホスト車両の前記準最大制動率から前記最大制動率まで非線形に増加する、項目１－２４に記載のシステム。
［項目１－２７］
ホスト車両のブレーキをかけるためのシステムであって、
前記システムは、回路およびメモリを含む少なくとも１つの処理デバイスを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
少なくとも１つのセンサにより取得された出力を受信することであって、前記出力は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出することと、
前記ホスト車両の現在の速度、前記ホスト車両の最大制動能力、及び前記ホスト車両と前記目標車両との間の現在の距離であって前記少なくとも１つのセンサの前記出力に基づいて決定される現在の距離を決定することと、
前記ホスト車両の前記最大制動能力と前記ホスト車両の前記現在の速度とに基づいて、前記ホスト車両の停止距離を決定することと、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在することを決定することと、
前記決定されたブレーキ条件に基づいて、準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるまで、前記ホスト車両に関連するブレーキデバイスを適用させることであって、前記準最大制動率は前記ホスト車両の前記最大制動能力未満である、適用させることと、
前記ホスト車両の前記最大制動能力で、前記ホスト車両に関連する前記ブレーキデバイスを適用することと、
を実行させる命令を含む、
システム。
［項目１－２８］
前記ホスト車両の前記最大制動率が達成されると、前記少なくとも１つのプロセッサは、前記ブレーキ条件の存在がなくなるまで前記ホスト車両の前記最大制動率で前記ホスト車両の前記ブレーキデバイスの適用を継続するように構成される、項目１－２７に記載のシステム。
［項目１－２９］
前記漸進的増加は、非線形である、項目１－２７または１－２８に記載のシステム。
［項目１－３０］
前記漸進的増加は、線形である、項目１－２７または１－２８に記載のシステム。
［項目１－３１］
少なくとも１つのプロセッサに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定する段階と、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別する段階と、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定する段階と、
前記ホスト車両の現在の速度を決定する段階と、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定する段階と、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定する段階であって、前記決定する段階は、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定する段階に基づいて実施する段階と、
を実行させる、プログラム。
［項目１－３２］
少なくとも１つのプロセッサに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定する段階と、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別する段階と、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定する段階と、
前記ホスト車両の現在の速度を決定する段階と、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定する段階と、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定する段階であって、前記決定する段階は、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定する段階に基づいて実施する段階と、
を実行させる、プログラム。
［項目１－３３］
少なくとも１つのプロセッサに、
少なくとも１つのセンサにより取得された出力を受信することであって、前記出力は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出する段階と、
前記ホスト車両の現在の速度、前記ホスト車両の最大制動能力、及び前記ホスト車両と前記目標車両との間の現在の距離であって前記少なくとも１つのセンサの前記出力に基づいて決定される現在の距離を決定する段階と、
前記ホスト車両の前記最大制動能力と前記ホスト車両の前記現在の速度とに基づいて、前記ホスト車両の停止距離を決定する段階と、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在することを決定する段階と、
前記決定されたブレーキ条件に基づいて、準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるかまで、前記ホスト車両に関連するブレーキデバイスを適用させる段階であって、前記準最大制動率は前記ホスト車両の前記最大制動能力未満である、適用させる段階と、
前記ホスト車両の前記最大制動能力で、前記ホスト車両に関連する前記ブレーキデバイスを適用する段階と、
を実行させる、プログラム。
Claims (37)
- ホスト車両をナビゲートするためのシステムであって、
前記システムは、前記ホスト車両内の少なくとも１つの処理デバイスを含み、前記少なくとも１つの処理デバイスは回路およびメモリを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定することと、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別することと、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定することと、
前記ホスト車両の現在の速度を決定することと、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定することと、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定することであって、前記決定することは、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定することに基づいて実施することと、
を実行させる命令を含む、
システム。 - 前記予め定められた準最大制動率は、前記ホスト車両が停止されるまで又はブレーキ条件がもはや存在しないと決定されるまで、前記予め定められた準最大制動率で前記ホスト車両のブレーキが常にかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、請求項１に記載のシステム。
- 前記予め定められた準最大制動率は、ブレーキ条件が存在すると決定される期間の少なくとも一部にわたり、前記予め定められた準最大制動率で前記ホスト車両のブレーキが常にかけられ、その後、前記ホスト車両の前記最大制動率の能力で前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、請求項１に記載のシステム。
- 前記予め定められた準最大制動率は、前記予め定められた準最大制動率で開始して、前記ホスト車両の前記最大制動率の能力まで漸進的に高めて前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、請求項１から３のいずれか一項に記載のシステム。
- 前記ホスト車両のブレーキは、前記ホスト車両の前記準最大制動率から前記最大制動率の能力まで線形に増加する制動率プロファイルに従ってかけられる、請求項４に記載のシステム。
- 前記ホスト車両のブレーキは、前記ホスト車両の前記準最大制動率から前記最大制動率の能力まで非線形に増加する制動率プロファイルに従ってかけられる、請求項４に記載のシステム。
- 前記予め定められた準最大制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の５０％までの減速率に関連する、請求項１から６のいずれか一項に記載のシステム。
- 前記予め定められた準最大制動率は、前記ホスト車両の前記最大制動率の能力に関連する減速率の２５％までの減速率に関連する、請求項１から７のいずれか一項に記載のシステム。
- 前記ホスト車両の前記停止距離は、前記ホスト車両の前記現在の速度及び前記ホスト車両の前記予め定められた準最大制動率に基づいて決定される、請求項１から８のいずれか一項に記載のシステム。
- 前記ホスト車両の前記停止距離は、予め定められた期間にわたって前記ホスト車両の最大加速能力で前記ホスト車両が移動し得る距離に対応する加速距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記現在の速度からゼロ速度まで減速しながら前記ホスト車両が移動し得る距離に対応する最大制動率距離との和よりも大きい、請求項１から９のいずれか一項に記載のシステム。
- 前記予め定められた期間は、前記ホスト車両に関連する反応時間である、請求項１０に記載のシステム。
- 前記ホスト車両の前記最大制動率の能力は、検知される路面の状態に基づいて決定される、請求項１から１１のいずれか一項に記載のシステム。
- 前記ホスト車両の前記最大制動率の能力は、検知される気象条件に基づいて決定される、請求項１から１１のいずれか一項に記載のシステム。
- 前記目標車両の速度は、前記少なくとも１つの画像の分析に基づいて決定される、請求項１から１３のいずれか一項に記載のシステム。
- 前記目標車両の速度は、前記ホスト車両に関連するライダシステム又はレーダシステムの少なくとも１つからの出力の分析に基づいて決定される、請求項１から１４のいずれか一項に記載のシステム。
- 前記目標車両の前記認識された特性は、車両の種類を含む、請求項１から１５のいずれか一項に記載のシステム。
- 前記目標車両の前記認識された特性は、車両のサイズである、請求項１から１６のいずれか一項に記載のシステム。
- 前記目標車両の前記少なくとも１つの特性は、ライダ出力又はレーダ出力の少なくとも１つに基づいて決定される、請求項１から１７のいずれか一項に記載のシステム。
- 前記計画されたナビゲーション動作は、レーン変更操作、合流操作、追い越し操作、追走距離低減操作又はスロットル維持動作の少なくとも１つを含む、請求項１から１８のいずれか一項に記載のシステム。
- 前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、前記決定された前記ホスト車両の停止距離が、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される前記目標車両の移動距離と、前記決定された次の状態の距離との合計よりも少なくとも予め定められた最小距離だけ少ない場合、前記計画されたナビゲーション動作を実施することを実行させる命令を含む、請求項１から１９のいずれか一項に記載のシステム。
- 前記予め定められた最小距離は、前記ホスト車両と他の車両との間で維持される予め定められた分離距離に対応する、請求項２０に記載のシステム。
- 前記予め定められた分離距離は、少なくとも１メートルである、請求項２１に記載のシステム。
- 前記ホスト車両の停止距離は、前記予め定められた準最大制動率で前記ホスト車両がブレーキをかけられる第１の距離と、前記ホスト車両の前記最大制動率の能力で前記ホスト車両がブレーキをかけられる第２の距離とを含む、請求項１から２２のいずれか一項に記載のシステム。
- 前記メモリは、前記第２の距離にわたって前記ホスト車両の前記最大制動率の能力で前記ホスト車両のブレーキをかける前に、前記第１の距離にわたって前記予め定められた準最大制動率で前記ホスト車両にブレーキをかけさせることを実行させる命令を含む、請求項２３に記載のシステム。
- 前記計画されたナビゲーション動作は、レーン変更操作を含む、請求項１から２４のいずれか一項に記載のシステム。
- ホスト車両をナビゲートするための方法であって、
前記ホスト車両内の少なくとも一つの処理デバイスが、画像捕捉デバイスにより取得された少なくとも１つの画像を受信する段階であって、前記少なくとも１つの画像は、前記ホスト車両の環境を表す、受信する段階と、
前記少なくとも一つの処理デバイスが、前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定する段階と、
前記少なくとも一つの処理デバイスが、前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別する段階と、
前記少なくとも一つの処理デバイスが、前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定する段階と、
前記少なくとも一つの処理デバイスが、前記ホスト車両の現在の速度を決定する段階と、
前記少なくとも一つの処理デバイスが、前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定する段階と、
前記少なくとも一つの記処理デバイスが、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定する段階であって、前記決定する段階は、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記少なくとも一つの処理デバイスが、前記計画されたナビゲーション動作を、前記決定する段階に基づいて実施する段階と、
を備える、
方法。 - ホスト車両のブレーキをかけるためのシステムであって、
前記システムは、回路およびメモリを含む少なくとも１つの処理デバイスを含み、前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、
少なくとも１つのセンサにより取得された出力を受信することであって、前記出力は、前記ホスト車両の環境を表す、受信することと、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出することと、
前記ホスト車両の現在の速度、前記ホスト車両の最大制動率の能力、及び前記ホスト車両と前記目標車両との間の現在の距離であって前記少なくとも１つのセンサの前記出力に基づいて決定される現在の距離を決定することと、
前記ホスト車両の前記最大制動率の能力と前記ホスト車両の前記現在の速度とに基づいて、前記ホスト車両の停止距離を決定することであって、前記停止距離は少なくとも、
前記ホスト車両の最大加速能力で予め定められた期間にわたって前記現在の速度から加速した場合の前記ホスト車両の移動距離を示す加速距離と、
前記ホスト車両の前記最大制動率の能力で、前記ホスト車両の決定された速度をゼロ速度に減速するための距離を示す最大制動率距離であって、前記決定された速度は、前記ホスト車両が前記最大加速能力で前記予め定められた期間にわたって加速した場合に生じる、前記ホスト車両の速度に対応する、最大制動率距離と、
の合計に基づく、決定することと、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在することを決定することと、
前記決定されたブレーキ条件に基づいて、準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるまで、前記ホスト車両に関連するブレーキデバイスを適用させることであって、前記準最大制動率は前記ホスト車両の前記最大制動率の能力未満である、適用させることと、
前記ホスト車両の前記最大制動率の能力で、前記ホスト車両に関連する前記ブレーキデバイスを適用することと、
を実行させる命令を含む、
システム。 - 前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、前記ホスト車両の前記最大制動率の能力が達成されると、前記ブレーキ条件の存在がなくなるまで前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記ブレーキデバイスの適用を継続することを実行させる命令をさらに含む、請求項２７に記載のシステム。
- 前記ブレーキ条件の存在がなくなるまで前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記ブレーキデバイスの適用を継続することは、前記ホスト車両が停止するまで前記ホスト車両の前記最大制動率の能力で前記ホスト車両の前記ブレーキデバイスの適用を継続することを含む、請求項２８に記載のシステム。
- 前記準最大制動率は、前記ブレーキ条件が存在すると決定される期間の少なくとも一部にわたり前記準最大制動率で前記ホスト車両のブレーキが常にかけられ、その後、前記ホスト車両の前記最大制動率の能力で前記ホスト車両のブレーキがかけられるモードを含むユーザ選択可能ブレーキモードに基づいて決定される、請求項２７に記載のシステム。
- 前記準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるまで、前記ブレーキデバイスを適用させることは、前記準最大制動率から前記最大制動率の能力まで漸進的に増加するブレーキプロファイルに従って前記ブレーキデバイスを適用させることを含み、
前記ブレーキプロファイルは、非線形である、
請求項２７から２９のいずれか一項に記載のシステム。 - 前記準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるまで、前記ブレーキデバイスを適用させることは、前記準最大制動率から前記最大制動率の能力まで漸進的に増加するブレーキプロファイルに従って前記ブレーキデバイスを適用させることを含み、
前記ブレーキプロファイルは、線形である、
請求項２７から２９のいずれか一項に記載のシステム。 - 前記メモリは、前記回路によって実行された場合に、前記少なくとも１つの処理デバイスに、前記ホスト車両と、前記ホスト車両の周りの車両との間の平均距離、前記ホスト車両の前への車両の割り込み率、または、前記少なくとも一つのセンサにより検知される１つまたは複数の気象特性に基づいて、前記準最大制動率を決定することを実行させる命令をさらに含む、請求項２７から３２のいずれか一項に記載のシステム。
- 少なくとも１つのプロセッサに、
画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定する段階と、
前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別する段階と、
前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定する段階と、
前記ホスト車両の現在の速度を決定する段階と、
前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定する段階と、
前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定する段階であって、前記決定する段階は、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記計画されたナビゲーション動作を、前記決定する段階に基づいて実施する段階と、
を実行させる、プログラム。 - ホスト車両内の少なくとも一つのプロセッサが、画像捕捉デバイスにより取得された少なくとも１つの画像を受信することであって、前記少なくとも１つの画像は、前記ホスト車両の環境を表す、受信する段階と、
前記少なくとも一つのプロセッサが、前記ホスト車両のナビゲーション目標を達成するための計画されたナビゲーション動作を少なくとも１つの保存された運転ポリシに基づいて決定する段階と、
前記少なくとも一つのプロセッサが、前記少なくとも１つの画像を分析して前記ホスト車両の前記環境内の目標車両を識別する段階と、
前記少なくとも一つのプロセッサが、前記計画されたナビゲーション動作が行われた場合に生じることになる前記ホスト車両と前記目標車両との間の次の状態の距離を決定する段階と、
前記少なくとも一つのプロセッサが、前記ホスト車両の現在の速度を決定する段階と、
前記少なくとも一つのプロセッサが、前記目標車両の現在の速度を決定し、且つ、前記少なくとも１つの画像を分析して決定された前記目標車両の、少なくとも１つの認識された特性に基づいて、前記目標車両の最大制動率の能力を仮定する段階と、
前記少なくとも一つのプロセッサが、前記目標車両の前記現在の速度及び前記目標車両の前記仮定された最大制動率の能力に基づいて決定される目標車両の移動距離と、前記決定された次の状態の距離との合計未満である前記ホスト車両の停止距離内で前記ホスト車両が停止され得ることを決定する段階であって、前記決定する段階は、前記ホスト車両の前記決定された前記現在の速度および前記ホスト車両の最大制動率の能力未満である予め定められた準最大制動率に基づいており、
前記少なくとも一つのプロセッサが、前記計画されたナビゲーション動作を、前記決定する段階に基づいて実施する段階と、
を備える、方法。 - 少なくとも１つのプロセッサに、
少なくとも１つのセンサにより取得された出力を受信することであって、前記出力は、ホスト車両の環境を表す、受信する段階と、
前記ホスト車両の前記環境内の目標車両を前記出力に基づいて検出する段階と、
前記ホスト車両の現在の速度、前記ホスト車両の最大制動率の能力、及び前記ホスト車両と前記目標車両との間の現在の距離であって前記少なくとも１つのセンサの前記出力に基づいて決定される現在の距離を決定する段階と、
前記ホスト車両の前記最大制動率の能力と前記ホスト車両の前記現在の速度とに基づいて、前記ホスト車両の停止距離を決定する段階であって、前記停止距離は少なくとも、
前記ホスト車両の最大加速能力で予め定められた期間にわたって前記現在の速度から加速した場合の前記ホスト車両の移動距離を示す加速距離と、
前記ホスト車両の前記最大制動率の能力で、前記ホスト車両の決定された速度をゼロ速度に減速するための距離を示す最大制動率距離であって、前記決定された速度は、前記ホスト車両が前記最大加速能力で前記予め定められた期間にわたって加速した場合に生じる、前記ホスト車両の速度に対応する、最大制動率距離と、
の合計に基づく、決定することと、
前記ホスト車両の前記現在の速度及び前記ホスト車両と前記目標車両との間の前記現在の距離に少なくとも基づいて、ブレーキ条件が存在することを決定する段階と、
前記決定されたブレーキ条件に基づいて、準最大制動率で、前記ホスト車両と前記目標車両との距離が前記停止距離に等しくなるか前記停止距離未満になるかまで、前記ホスト車両に関連するブレーキデバイスを適用させる段階であって、前記準最大制動率は前記ホスト車両の前記最大制動率の能力未満である、適用させる段階と、
前記ホスト車両の前記最大制動率の能力で、前記ホスト車両に関連する前記ブレーキデバイスを適用する段階と、
を実行させる、プログラム。 - 前記少なくとも一つのプロセッサに、前記ホスト車両の周りの車両と前記ホスト車両との間の平均距離、前記ホスト車両の前への車両の割り込み率、または、前記少なくとも一つのセンサにより検知される１つまたは複数の気象特性に基づいて、前記準最大制動率を決定する段階をさらに実行させる、請求項３６に記載のプログラム。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023114089A JP7367255B2 (ja) | 2018-03-20 | 2023-07-11 | 車両をナビゲートするためのシステム及び方法 |
| JP2023175772A JP2023179655A (ja) | 2018-03-20 | 2023-10-11 | 車両をナビゲートするためのシステム及び方法 |
Applications Claiming Priority (14)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862645479P | 2018-03-20 | 2018-03-20 | |
| US62/645,479 | 2018-03-20 | ||
| US201862646579P | 2018-03-22 | 2018-03-22 | |
| US62/646,579 | 2018-03-22 | ||
| US201862718554P | 2018-08-14 | 2018-08-14 | |
| US62/718,554 | 2018-08-14 | ||
| US201862724355P | 2018-08-29 | 2018-08-29 | |
| US62/724,355 | 2018-08-29 | ||
| US201862772366P | 2018-11-28 | 2018-11-28 | |
| US62/772,366 | 2018-11-28 | ||
| US201862777914P | 2018-12-11 | 2018-12-11 | |
| US62/777,914 | 2018-12-11 | ||
| JP2019541236A JP7110209B2 (ja) | 2018-03-20 | 2019-03-20 | システム及び方法 |
| PCT/IB2019/000281 WO2019180506A2 (en) | 2018-03-20 | 2019-03-20 | Systems and methods for navigating a vehicle |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019541236A Division JP7110209B2 (ja) | 2018-03-20 | 2019-03-20 | システム及び方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023114089A Division JP7367255B2 (ja) | 2018-03-20 | 2023-07-11 | 車両をナビゲートするためのシステム及び方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022106879A JP2022106879A (ja) | 2022-07-20 |
| JP7315294B2 true JP7315294B2 (ja) | 2023-07-26 |
Family
ID=66448592
Family Applications (5)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019541236A Active JP7110209B2 (ja) | 2018-03-20 | 2019-03-20 | システム及び方法 |
| JP2022074462A Active JP7315294B2 (ja) | 2018-03-20 | 2022-04-28 | システム、方法及びプログラム |
| JP2022074527A Active JP7260231B2 (ja) | 2018-03-20 | 2022-04-28 | 車両をナビゲートするためのシステム及び方法 |
| JP2023114089A Active JP7367255B2 (ja) | 2018-03-20 | 2023-07-11 | 車両をナビゲートするためのシステム及び方法 |
| JP2023175772A Pending JP2023179655A (ja) | 2018-03-20 | 2023-10-11 | 車両をナビゲートするためのシステム及び方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019541236A Active JP7110209B2 (ja) | 2018-03-20 | 2019-03-20 | システム及び方法 |
Family Applications After (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022074527A Active JP7260231B2 (ja) | 2018-03-20 | 2022-04-28 | 車両をナビゲートするためのシステム及び方法 |
| JP2023114089A Active JP7367255B2 (ja) | 2018-03-20 | 2023-07-11 | 車両をナビゲートするためのシステム及び方法 |
| JP2023175772A Pending JP2023179655A (ja) | 2018-03-20 | 2023-10-11 | 車両をナビゲートするためのシステム及び方法 |
Country Status (8)
| Country | Link |
|---|---|
| US (10) | US11077845B2 (ja) |
| EP (7) | EP3636507A1 (ja) |
| JP (5) | JP7110209B2 (ja) |
| KR (5) | KR102479471B1 (ja) |
| CN (9) | CN117022256A (ja) |
| DE (1) | DE112019001421T5 (ja) |
| IL (1) | IL269828B2 (ja) |
| WO (1) | WO2019180506A2 (ja) |
Families Citing this family (257)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6524943B2 (ja) * | 2016-03-17 | 2019-06-05 | 株式会社デンソー | 走行支援装置 |
| US9953535B1 (en) | 2016-06-27 | 2018-04-24 | Amazon Technologies, Inc. | Annotated virtual track to inform autonomous vehicle control |
| US10640111B1 (en) | 2016-09-07 | 2020-05-05 | Waymo Llc | Speed planning for autonomous vehicles |
| US10328913B2 (en) * | 2016-11-18 | 2019-06-25 | International Business Machines Corporation | Facilitation of automatic adjustment of a braking system |
| US10252717B2 (en) * | 2017-01-10 | 2019-04-09 | Toyota Jidosha Kabushiki Kaisha | Vehicular mitigation system based on wireless vehicle data |
| WO2018132614A2 (en) * | 2017-01-12 | 2018-07-19 | Mobileye Vision Technologies Ltd. | Rules-based navigation |
| US20180208203A1 (en) * | 2017-01-26 | 2018-07-26 | International Business Machines Corporation | System, method and computer program product for braking control when approaching a traffic signal |
| CN110536828B (zh) * | 2017-04-14 | 2021-11-16 | 日产自动车株式会社 | 车辆控制方法及车辆控制装置 |
| DE102017208168A1 (de) * | 2017-05-15 | 2018-11-15 | Continental Automotive Gmbh | Verfahren zum Erzeugen einer Überholwahrscheinlichkeitssammlung, Verfahren zum Betreiben einer Steuereinrichtung eines Kraftfahrzeugs, Überholwahrscheinlichkeitssammeleinrichtung und Steuereinrichtung |
| FR3066755B1 (fr) * | 2017-05-23 | 2019-06-07 | Airbus Operations | Procede et dispositif de surveillance et d'estimation de parametres relatifs au vol d'un aeronef. |
| WO2018234055A1 (en) * | 2017-06-20 | 2018-12-27 | Nira Dynamics Ab | MONITORING THE STATUS OF A ROAD |
| EP3460685A1 (en) * | 2017-09-12 | 2019-03-27 | Bricsys NV | Improved semantic classification of an entity in a building information model |
| JP6617126B2 (ja) * | 2017-09-15 | 2019-12-11 | 本田技研工業株式会社 | 走行制御システムおよび車両の制御方法 |
| US10627825B2 (en) | 2017-11-22 | 2020-04-21 | Waymo Llc | Using discomfort for speed planning in autonomous vehicles |
| US10967861B2 (en) | 2018-11-13 | 2021-04-06 | Waymo Llc | Using discomfort for speed planning in responding to tailgating vehicles for autonomous vehicles |
| DE102017223632A1 (de) * | 2017-12-21 | 2019-06-27 | Continental Automotive Gmbh | System zur Berechnung einer Fehlerwahrscheinlichkeit von Fahrzeugsensordaten |
| US11718303B2 (en) * | 2018-01-03 | 2023-08-08 | Toyota Research Institute, Inc. | Vehicles and methods for building vehicle profiles based on reactions created by surrounding vehicles |
| CN110352153A (zh) | 2018-02-02 | 2019-10-18 | 辉达公司 | 自主车辆中用于障碍物躲避的安全程序分析 |
| DE102018002156A1 (de) * | 2018-03-16 | 2019-09-19 | Trw Automotive Gmbh | Ein verbessertes Steuerungssystem und ein verbessertes Steuerungsverfahren für das autonome Steuern eines Kraftfahrzeugs |
| EP3636507A1 (en) * | 2018-03-20 | 2020-04-15 | Mobileye Vision Technologies Ltd. | Comfort responsibility sensitivity safety model |
| US11059421B2 (en) * | 2018-03-29 | 2021-07-13 | Honda Motor Co., Ltd. | Vehicle proximity system using heads-up display augmented reality graphics elements |
| EP3552901A3 (en) | 2018-04-11 | 2020-04-29 | Hyundai Motor Company | Apparatus and method for providing safety strategy in vehicle |
| EP3569460B1 (en) | 2018-04-11 | 2024-03-20 | Hyundai Motor Company | Apparatus and method for controlling driving in vehicle |
| US11077854B2 (en) | 2018-04-11 | 2021-08-03 | Hyundai Motor Company | Apparatus for controlling lane change of vehicle, system having the same and method thereof |
| US11597403B2 (en) | 2018-04-11 | 2023-03-07 | Hyundai Motor Company | Apparatus for displaying driving state of vehicle, system including the same and method thereof |
| US10836394B2 (en) | 2018-04-11 | 2020-11-17 | Hyundai Motor Company | Apparatus and method for lane change control |
| US11084490B2 (en) * | 2018-04-11 | 2021-08-10 | Hyundai Motor Company | Apparatus and method for controlling drive of vehicle |
| US11173910B2 (en) | 2018-04-11 | 2021-11-16 | Hyundai Motor Company | Lane change controller for vehicle system including the same, and method thereof |
| US11084491B2 (en) | 2018-04-11 | 2021-08-10 | Hyundai Motor Company | Apparatus and method for providing safety strategy in vehicle |
| EP3552902A1 (en) | 2018-04-11 | 2019-10-16 | Hyundai Motor Company | Apparatus and method for providing a driving path to a vehicle |
| US10843710B2 (en) | 2018-04-11 | 2020-11-24 | Hyundai Motor Company | Apparatus and method for providing notification of control authority transition in vehicle |
| ES2889930T3 (es) | 2018-04-11 | 2022-01-14 | Hyundai Motor Co Ltd | Aparato y método para el control para habilitar un sistema autónomo en un vehículo |
| US11548509B2 (en) | 2018-04-11 | 2023-01-10 | Hyundai Motor Company | Apparatus and method for controlling lane change in vehicle |
| US11351989B2 (en) | 2018-04-11 | 2022-06-07 | Hyundai Motor Company | Vehicle driving controller, system including the same, and method thereof |
| US11334067B2 (en) | 2018-04-11 | 2022-05-17 | Hyundai Motor Company | Apparatus and method for providing safety strategy in vehicle |
| US10884422B2 (en) * | 2018-04-16 | 2021-01-05 | Baidu Usa Llc | Method for generating trajectories for autonomous driving vehicles (ADVS) |
| JP2019200481A (ja) * | 2018-05-14 | 2019-11-21 | 株式会社デンソーテン | 端末装置および収集方法 |
| US10860023B2 (en) * | 2018-06-25 | 2020-12-08 | Mitsubishi Electric Research Laboratories, Inc. | Systems and methods for safe decision making of autonomous vehicles |
| US11354406B2 (en) * | 2018-06-28 | 2022-06-07 | Intel Corporation | Physics-based approach for attack detection and localization in closed-loop controls for autonomous vehicles |
| WO2020014683A1 (en) * | 2018-07-13 | 2020-01-16 | Kache.AI | Systems and methods for autonomous object detection and vehicle following |
| EP3824404A4 (en) | 2018-07-20 | 2022-04-27 | May Mobility, Inc. | MULTI-PERSPECTIVE SYSTEM AND BEHAVIORAL POLICY SELECTION PROCESS BY AN AUTONOMOUS AGENT |
| EP3842304A3 (en) | 2018-08-14 | 2021-09-15 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating with safe distances |
| US20200070848A1 (en) * | 2018-08-30 | 2020-03-05 | Arm Limited | Method and System for Initiating Autonomous Drive of a Vehicle |
| JP6628843B1 (ja) * | 2018-09-05 | 2020-01-15 | 三菱電機株式会社 | 障害物回避装置および障害物回避経路生成装置 |
| JP7202112B2 (ja) * | 2018-09-11 | 2023-01-11 | 本田技研工業株式会社 | 車両用制御システムおよび車両の制御方法 |
| US10809732B2 (en) * | 2018-09-25 | 2020-10-20 | Mitsubishi Electric Research Laboratories, Inc. | Deterministic path planning for controlling vehicle movement |
| KR20200037736A (ko) * | 2018-09-28 | 2020-04-09 | 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 | 자율 주행 차량의 저속 정경을 위한 보행자 상호 작용 시스템 |
| JP7330758B2 (ja) * | 2018-10-05 | 2023-08-22 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、及び、情報処理システム |
| KR102637599B1 (ko) * | 2018-10-08 | 2024-02-19 | 주식회사 에이치엘클레무브 | 차량간 통신 정보를 이용한 차선변경 제어장치 및 방법과, 그를 위한 성향 정보 산출 장치 |
| US20220041184A1 (en) * | 2018-10-18 | 2022-02-10 | Caratica Ai Ltd. | Method and system for obstacle detection |
| EP3743686A1 (en) * | 2018-10-22 | 2020-12-02 | Google LLC | Finding locally prominent semantic features for navigation and geocoding |
| US11209820B2 (en) * | 2018-11-14 | 2021-12-28 | Honda Motor Co., Ltd. | System and method for providing autonomous vehicular navigation within a crowded environment |
| KR102138979B1 (ko) * | 2018-11-29 | 2020-07-29 | 한국과학기술원 | 차선 기반의 확률론적 주변 차량 거동 예측 및 이를 이용한 종방향 제어 방법 |
| US11085778B2 (en) * | 2018-12-03 | 2021-08-10 | Here Global B.V. | Method and apparatus for providing opportunistic intermodal routes with shared vehicles |
| US11403955B2 (en) | 2018-12-14 | 2022-08-02 | Brunswick Corporation | Marine propulsion control system and method with proximity-based velocity limiting |
| CN111413957B (zh) * | 2018-12-18 | 2021-11-02 | 北京航迹科技有限公司 | 用于确定自动驾驶中的驾驶动作的系统和方法 |
| DE102018222611A1 (de) * | 2018-12-20 | 2020-06-25 | Robert Bosch Gmbh | Verfahren zum Betreiben eines automatisierten Fahrzeugs |
| US11373537B2 (en) | 2018-12-21 | 2022-06-28 | Brunswick Corporation | Marine propulsion control system and method with collision avoidance override |
| DE102019200828A1 (de) * | 2019-01-24 | 2020-07-30 | Robert Bosch Gmbh | Hauptobjektauswahl für eine Assistenzfunktion oder automatisierte Fahrfunktion eines Fahrerassistenz- oder Fahrsystems eines Kraftfahrzeugs |
| US11257378B2 (en) | 2019-01-31 | 2022-02-22 | Brunswick Corporation | Marine propulsion control system and method |
| US11702178B2 (en) | 2019-01-31 | 2023-07-18 | Brunswick Corporation | Marine propulsion control system, method, and user interface for marine vessel docking and launch |
| JP7173471B2 (ja) * | 2019-01-31 | 2022-11-16 | 株式会社豊田中央研究所 | ３次元位置推定装置及びプログラム |
| CN109739246B (zh) * | 2019-02-19 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
| FR3093057B1 (fr) * | 2019-02-21 | 2021-02-19 | Renault Sas | Procédé de sécurisation d’un véhicule. |
| US20200301420A1 (en) * | 2019-03-22 | 2020-09-24 | Veoneer Us, Inc. | System and method to control the velocity and heading of a vehicle based on preview information |
| JP7147651B2 (ja) * | 2019-03-22 | 2022-10-05 | トヨタ自動車株式会社 | 物体認識装置及び車両制御システム |
| JP2020164045A (ja) * | 2019-03-29 | 2020-10-08 | マツダ株式会社 | 車両走行制御装置 |
| US11327507B2 (en) | 2019-04-12 | 2022-05-10 | Waymo Llc | Exception handling for autonomous vehicles |
| DE102019002787A1 (de) * | 2019-04-16 | 2020-10-22 | Daimler Ag | Verfahren und Vorrichtung zum automatisierten Notstoppen |
| PH12019050076A1 (en) * | 2019-05-06 | 2020-12-02 | Samsung Electronics Co Ltd | Enhancing device geolocation using 3d map data |
| JP7227072B2 (ja) * | 2019-05-22 | 2023-02-21 | 日立Astemo株式会社 | 車両制御装置 |
| JP7303667B2 (ja) * | 2019-05-31 | 2023-07-05 | 株式会社Subaru | 自動運転支援装置 |
| US10990855B2 (en) * | 2019-06-13 | 2021-04-27 | Baidu Usa Llc | Detecting adversarial samples by a vision based perception system |
| US11132562B2 (en) * | 2019-06-19 | 2021-09-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | Camera system to detect unusual circumstances and activities while driving |
| US11249479B2 (en) * | 2019-07-18 | 2022-02-15 | Nissan North America, Inc. | System to recommend sensor view for quick situational awareness |
| US11763163B2 (en) * | 2019-07-22 | 2023-09-19 | Perceptive Automata, Inc. | Filtering user responses for generating training data for machine learning based models for navigation of autonomous vehicles |
| WO2021021008A1 (en) * | 2019-08-01 | 2021-02-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods for risk management for autonomous devices and related node |
| US11407409B2 (en) | 2019-08-13 | 2022-08-09 | Zoox, Inc. | System and method for trajectory validation |
| US11397434B2 (en) | 2019-08-13 | 2022-07-26 | Zoox, Inc. | Consistency validation for vehicle trajectory selection |
| US11458965B2 (en) * | 2019-08-13 | 2022-10-04 | Zoox, Inc. | Feasibility validation for vehicle trajectory selection |
| US11161502B2 (en) * | 2019-08-13 | 2021-11-02 | Zoox, Inc. | Cost-based path determination |
| US11914368B2 (en) | 2019-08-13 | 2024-02-27 | Zoox, Inc. | Modifying limits on vehicle dynamics for trajectories |
| US11301700B2 (en) * | 2019-08-22 | 2022-04-12 | Wipro Limited | System and method for safely parking an autonomous vehicle on sensor anomaly |
| US11072326B2 (en) * | 2019-08-22 | 2021-07-27 | Argo AI, LLC | Systems and methods for trajectory based safekeeping of vehicles |
| US11167754B2 (en) | 2019-08-22 | 2021-11-09 | Argo AI, LLC | Systems and methods for trajectory based safekeeping of vehicles |
| US11383705B2 (en) * | 2019-08-29 | 2022-07-12 | Ford Global Technologies, Llc | Enhanced collision avoidance |
| JP7161458B2 (ja) * | 2019-09-09 | 2022-10-26 | 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 |
| US11479297B2 (en) * | 2019-09-10 | 2022-10-25 | Ford Global Technologies, Llc | Overshoot protection in hitch assist operation |
| JP7332403B2 (ja) * | 2019-09-11 | 2023-08-23 | 株式会社東芝 | 位置推定装置、移動体制御システム、位置推定方法およびプログラム |
| EP3824419A1 (en) * | 2019-09-23 | 2021-05-26 | Advanced New Technologies Co., Ltd. | System and method for routing optimization |
| US11615293B2 (en) * | 2019-09-23 | 2023-03-28 | Adobe Inc. | Reinforcement learning with a stochastic action set |
| US11541882B2 (en) * | 2019-09-24 | 2023-01-03 | Volvo Car Corporation | Low-impact collision detection |
| US11279349B2 (en) * | 2019-09-26 | 2022-03-22 | Intel Corporation | Safety module, automated driving system, and methods thereof |
| US20210094539A1 (en) * | 2019-09-27 | 2021-04-01 | Zoox, Inc. | Blocking object avoidance |
| CN112652173B (zh) * | 2019-10-11 | 2022-05-03 | 深圳富泰宏精密工业有限公司 | 行车安全提示方法、车辆及存储介质 |
| JP7136060B2 (ja) * | 2019-10-11 | 2022-09-13 | トヨタ自動車株式会社 | 駐車支援装置 |
| JP7215392B2 (ja) * | 2019-10-15 | 2023-01-31 | トヨタ自動車株式会社 | 車両制御システム |
| KR20210044963A (ko) * | 2019-10-15 | 2021-04-26 | 현대자동차주식회사 | 자율주행차량의 차선변경 경로 결정 장치 및 그 방법 |
| US11390300B2 (en) * | 2019-10-18 | 2022-07-19 | Uatc, Llc | Method for using lateral motion to optimize trajectories for autonomous vehicles |
| CN112700636B (zh) * | 2019-10-21 | 2022-04-29 | 百度在线网络技术（北京）有限公司 | 用于更新信息的方法和装置 |
| KR20210048619A (ko) * | 2019-10-23 | 2021-05-04 | 현대자동차주식회사 | 자율주행 차량의 속도 프로파일 산출 시스템 및 방법 |
| DE102019216598A1 (de) * | 2019-10-29 | 2021-04-29 | Deere & Company | Verfahren zum Überwachen einer Umgebung eines Fahrzeugs und System zum Überwachen einer Umgebung eines Fahrzeugs |
| US11577757B2 (en) * | 2019-11-01 | 2023-02-14 | Honda Motor Co., Ltd. | System and method for future forecasting using action priors |
| CN114766022A (zh) * | 2019-11-06 | 2022-07-19 | 俄亥俄州创新基金会 | 使用多时域优化的车辆动力学和动力总成控制系统和方法 |
| KR20210057251A (ko) * | 2019-11-11 | 2021-05-21 | 현대자동차주식회사 | 가변형 flex brake 시스템 |
| CN110764509A (zh) * | 2019-11-11 | 2020-02-07 | 北京百度网讯科技有限公司 | 任务调度方法、装置、设备及计算机可读存储介质 |
| CN110949381B (zh) * | 2019-11-12 | 2021-02-12 | 深圳大学 | 一种驾驶行为危险度的监测方法及装置 |
| CN110775056B (zh) * | 2019-11-25 | 2021-10-15 | 苏州智加科技有限公司 | 基于雷达探测的车辆行驶方法、装置、终端及介质 |
| US11433892B2 (en) | 2019-12-02 | 2022-09-06 | Gm Cruise Holdings Llc | Assertive vehicle detection model generation |
| US20210208283A1 (en) * | 2019-12-04 | 2021-07-08 | Waymo Llc | Efficient algorithm for projecting world points to a rolling shutter image |
| JP7226284B2 (ja) * | 2019-12-06 | 2023-02-21 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、プログラム |
| US11561543B2 (en) * | 2019-12-11 | 2023-01-24 | Baidu Usa Llc | Speed planning using a speed planning guideline for idle speed of autonomous driving vehicles |
| US11535270B2 (en) * | 2019-12-17 | 2022-12-27 | Zoox, Inc. | Fault coordination and management |
| US11663370B2 (en) * | 2019-12-23 | 2023-05-30 | Hrl Laboratories, Llc | Automated system for generating approximate safety conditions for monitoring and verification |
| DE102020216470A1 (de) * | 2019-12-26 | 2021-07-01 | Mando Corporation | Fahrerassistenzsystem, damit ausgestattetes fahrzeug und verfahren zum steuern des fahrzeugs |
| US11628837B2 (en) * | 2019-12-27 | 2023-04-18 | Westinghouse Air Brake Technologies Corporation | Vehicle speed management systems and methods |
| US11623622B2 (en) | 2019-12-27 | 2023-04-11 | Intel Corporation | System and method for emergency braking |
| CN110979321B (zh) * | 2019-12-30 | 2021-03-19 | 北京深测科技有限公司 | 一种用于无人驾驶车辆的障碍物躲避方法 |
| CN113128303A (zh) * | 2019-12-31 | 2021-07-16 | 华为技术有限公司 | 一种自动驾驶方法、相关设备及计算机可读存储介质 |
| JP7268612B2 (ja) * | 2020-01-20 | 2023-05-08 | トヨタ自動車株式会社 | 運転支援装置 |
| DE102020200911B3 (de) * | 2020-01-27 | 2020-10-29 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Erkennen von Objekten in einer Umgebung eines Fahrzeugs |
| JP2021131775A (ja) * | 2020-02-20 | 2021-09-09 | 株式会社Subaru | 車両の運転支援システム |
| JP7331731B2 (ja) * | 2020-02-21 | 2023-08-23 | トヨタ自動車株式会社 | 車両用電子ミラーシステム |
| CN111404881B (zh) * | 2020-02-28 | 2022-11-11 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于adas系统的紧急挪车方法及自助挪车系统 |
| US11225228B2 (en) * | 2020-03-11 | 2022-01-18 | Baidu Usa Llc | Method for enhancing in-path obstacle detection with safety redundancy autonomous system |
| JP7383532B2 (ja) * | 2020-03-12 | 2023-11-20 | 本田技研工業株式会社 | 制御装置及び車両 |
| US11619943B2 (en) * | 2020-03-20 | 2023-04-04 | Tusimple, Inc. | Optimal path library for local path planning of an autonomous vehicle |
| JP2023518692A (ja) * | 2020-03-20 | 2023-05-08 | グライドウェイズ、インコーポレイテッド | 自律車両システムのための車両制御方式 |
| DE102020107880A1 (de) * | 2020-03-23 | 2021-09-23 | Ford Global Technologies, Llc | Verfahren zum Steuern eines Geschwindigkeitsregelsystems in einem Kurvenverlauf |
| JP7036857B2 (ja) * | 2020-03-27 | 2022-03-15 | 本田技研工業株式会社 | 車両及びその制御装置 |
| US11498586B2 (en) * | 2020-03-27 | 2022-11-15 | Wipro Limited | Method and system for dynamically generating a secure navigation path for navigation of autonomous vehicle |
| US11708071B2 (en) | 2020-03-30 | 2023-07-25 | Denso Corporation | Target-orientated navigation system for a vehicle using a generic navigation system and related method |
| CN111507210B (zh) * | 2020-03-31 | 2023-11-21 | 华为技术有限公司 | 交通信号灯的识别方法、系统、计算设备和智能车 |
| CN111572541B (zh) * | 2020-04-14 | 2022-06-14 | 吉利汽车研究院（宁波）有限公司 | 车辆避障方法及系统 |
| JP2021170243A (ja) * | 2020-04-16 | 2021-10-28 | 株式会社Subaru | 車両の運転支援装置 |
| DE102020111659A1 (de) | 2020-04-29 | 2021-11-04 | Car.Software Estonia As | Verfahren, System und Computerprogrammprodukt zur Bestimmung der Pose einer mobilen Einheit |
| CN111497842B (zh) * | 2020-04-30 | 2023-03-24 | 重庆大学 | 一种人机双闭环分层协同纵向跟车控制方法 |
| US20200262423A1 (en) * | 2020-05-08 | 2020-08-20 | Intel Corporation | Systems, devices, and methods for risk-aware driving |
| US20210354729A1 (en) * | 2020-05-18 | 2021-11-18 | Nvidia Corporation | Efficient safety aware path selection and planning for autonomous machine applications |
| KR20210145881A (ko) * | 2020-05-25 | 2021-12-03 | 현대자동차주식회사 | 자율주행차량의 비상정차 제어 방법 |
| US11458991B2 (en) * | 2020-06-29 | 2022-10-04 | Woven Planet North America, Inc | Systems and methods for optimizing trajectory planner based on human driving behaviors |
| US20210403020A1 (en) * | 2020-06-29 | 2021-12-30 | Magna Electronics Inc. | Vehicular control system with detection and prevention of unintended motion |
| CN111595597B (zh) * | 2020-06-30 | 2022-09-27 | 中汽院智能网联科技有限公司 | 一种复杂环境下aeb vru性能的测试方法 |
| CN111857135A (zh) | 2020-06-30 | 2020-10-30 | 北京百度网讯科技有限公司 | 用于车辆的避障方法、装置、电子设备和计算机存储介质 |
| US11341866B2 (en) * | 2020-06-30 | 2022-05-24 | Toyota Research Institute, Inc. | Systems and methods for training a driver about automated driving operation |
| US11352023B2 (en) | 2020-07-01 | 2022-06-07 | May Mobility, Inc. | Method and system for dynamically curating autonomous vehicle policies |
| CN111833439A (zh) * | 2020-07-13 | 2020-10-27 | 郑州胜龙信息技术股份有限公司 | 基于人工智能的弹药投掷分析及移动仿真训练方法 |
| US11584371B2 (en) | 2020-07-15 | 2023-02-21 | Toyota Research Institute, Inc. | Systems and methods for using R-functions and semi-analytic geometry for lane keeping in trajectory planning |
| DE102020118630A1 (de) | 2020-07-15 | 2022-01-20 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs und Verarbeitungseinrichtung zum Steuern eines Fahrerassistenzsystems |
| US20220028273A1 (en) * | 2020-07-24 | 2022-01-27 | Autobrains Technologies Ltd | Bypass assistance |
| CN111791891B (zh) * | 2020-07-27 | 2022-04-12 | 吉林大学 | 一种基于驾驶员风格的直行跟车安全距离预警方法 |
| US11644835B2 (en) | 2020-07-29 | 2023-05-09 | Toyota Research Institute, Inc. | Game-theoretic planning for risk-aware interactive agents |
| JP7302545B2 (ja) * | 2020-08-03 | 2023-07-04 | トヨタ自動車株式会社 | 運転支援装置 |
| US20220041146A1 (en) * | 2020-08-07 | 2022-02-10 | Uatc, Llc | Systems and Methods for Emergency Braking in Autonomous Vehicles |
| DE102020210376A1 (de) | 2020-08-14 | 2022-02-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vorrichtung und Verfahren zum Steuern eines Hardware-Agenten in einer Steuersituation mit mehreren Hardware-Agenten |
| US11814075B2 (en) | 2020-08-26 | 2023-11-14 | Motional Ad Llc | Conditional motion predictions |
| CN112141100B (zh) * | 2020-09-10 | 2021-09-21 | 恒大新能源汽车投资控股集团有限公司 | 车辆控制方法、装置及车辆 |
| CN111829545B (zh) * | 2020-09-16 | 2021-01-08 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆及其运动轨迹的动态规划方法及系统 |
| CN112046455B (zh) * | 2020-09-21 | 2021-11-09 | 武汉大学 | 一种基于车辆质量辨识的自动紧急制动方法 |
| US11597388B2 (en) * | 2020-09-24 | 2023-03-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for connected vehicle lane merge |
| DE102020125142B4 (de) | 2020-09-25 | 2024-04-18 | Bayerische Motoren Werke Aktiengesellschaft | Steuerung eines Fahrzeugs |
| CN112109731B (zh) * | 2020-09-27 | 2022-01-28 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、电子设备、存储介质及车辆 |
| CN111882047B (zh) * | 2020-09-28 | 2021-01-15 | 四川大学 | 一种基于强化学习与线性规划的快速空管防冲突方法 |
| US11731661B2 (en) | 2020-10-01 | 2023-08-22 | Argo AI, LLC | Systems and methods for imminent collision avoidance |
| US11358598B2 (en) | 2020-10-01 | 2022-06-14 | Argo AI, LLC | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection |
| US11618444B2 (en) | 2020-10-01 | 2023-04-04 | Argo AI, LLC | Methods and systems for autonomous vehicle inference of routes for actors exhibiting unrecognized behavior |
| US20220114815A1 (en) * | 2020-10-13 | 2022-04-14 | Thinkware Corporation | Moving body collision avoidance device, collision avoidance method and electronic device |
| US11820426B2 (en) * | 2020-10-29 | 2023-11-21 | GM Global Technology Operations LLC | Methods and systems to control vehicle steering |
| CN112389440B (zh) * | 2020-11-07 | 2021-06-04 | 吉林大学 | 一种基于车路作用机理的越野环境中车辆行驶风险预测方法 |
| US20220144260A1 (en) * | 2020-11-10 | 2022-05-12 | Honda Motor Co., Ltd. | System and method for completing risk object identification |
| CN112373470B (zh) * | 2020-11-17 | 2022-01-28 | 聊城大学 | 紧急避让工况自动驾驶转向制动纳什博弈控制方法 |
| CN116888648A (zh) * | 2020-11-19 | 2023-10-13 | 御眼视觉技术有限公司 | 轻量的交通工具中的危急场景提取系统 |
| JP7372229B2 (ja) * | 2020-11-30 | 2023-10-31 | トヨタ自動車株式会社 | 自動搬送機の制御システム及び制御方法 |
| CN112373488B (zh) * | 2020-12-14 | 2021-12-28 | 长春汽车工业高等专科学校 | 一种基于人工智能的无人驾驶系统及方法 |
| JP2023553980A (ja) | 2020-12-14 | 2023-12-26 | メイ モビリティー，インコーポレイテッド | 自律車両安全プラットフォームシステム及び方法 |
| JP7302584B2 (ja) * | 2020-12-16 | 2023-07-04 | トヨタ自動車株式会社 | 速度制御装置 |
| CN112590791B (zh) * | 2020-12-16 | 2022-03-11 | 东南大学 | 一种基于博弈论的智能车换道间隙选择方法及装置 |
| CN112644516B (zh) * | 2020-12-16 | 2022-03-29 | 吉林大学青岛汽车研究院 | 适用于环岛场景的无人驾驶控制系统和控制方法 |
| JP2024500672A (ja) | 2020-12-17 | 2024-01-10 | 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環境表現を動的に更新するための方法およびシステム |
| TWI793482B (zh) * | 2020-12-19 | 2023-02-21 | 荷蘭商荷蘭移動驅動器公司 | 輔助駕駛方法及車輛 |
| US11912302B2 (en) * | 2020-12-21 | 2024-02-27 | Zoox, Inc. | Autonomous control engagement |
| US20220201442A1 (en) * | 2020-12-23 | 2022-06-23 | Autotalks Ltd. | Method and apparatus for enhancing the value of vehicular data using v2x communications |
| JP2022100521A (ja) * | 2020-12-24 | 2022-07-06 | 株式会社Subaru | 車両制御装置 |
| US20220204056A1 (en) * | 2020-12-28 | 2022-06-30 | Waymo LLC. | Permeable Speed Constraints |
| US20220212694A1 (en) * | 2021-01-07 | 2022-07-07 | Argo AI, LLC | Methods and systems for generating a longitudinal plan for an autonomous vehicle based on behavior of uncertain road users |
| CN112346999B (zh) * | 2021-01-11 | 2021-04-20 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
| CN113753073A (zh) * | 2021-01-12 | 2021-12-07 | 京东鲲鹏(江苏)科技有限公司 | 车速控制方法、装置、设备及存储介质 |
| KR102479484B1 (ko) * | 2021-01-13 | 2022-12-22 | 부경대학교 산학협력단 | 비신호 교차로에서 자율주행차량의 개선된 통행을 위한 장치 및 방법 |
| JP7456952B2 (ja) * | 2021-01-14 | 2024-03-27 | トヨタ自動車株式会社 | 車両の制御装置、方法、プログラム、及び車両 |
| EP4039556A1 (en) | 2021-02-09 | 2022-08-10 | Aptiv Technologies Limited | Lateral acceleration control for autonomous driving |
| EP4039557A1 (en) | 2021-02-09 | 2022-08-10 | Aptiv Technologies Limited | Trajectory validation for autonomous driving |
| US11733369B2 (en) | 2021-02-11 | 2023-08-22 | Waymo Llc | Methods and systems for three dimensional object detection and localization |
| CN112562309B (zh) * | 2021-03-01 | 2021-05-07 | 湖南师范大学 | 基于改进Dijkstra算法的网约车调度方法 |
| CN113109798A (zh) * | 2021-03-01 | 2021-07-13 | 福瑞泰克智能系统有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
| CN113053167A (zh) * | 2021-03-11 | 2021-06-29 | 吉林大学 | 一种混合交通环境下互联车辆十字路口无碰撞管理方法 |
| CN112758108A (zh) * | 2021-03-11 | 2021-05-07 | 蔚来汽车科技(安徽)有限公司 | 自动驾驶控制方法、自动驾驶控制系统和车辆 |
| CN113189867B (zh) * | 2021-03-24 | 2023-11-14 | 大连海事大学 | 一种考虑位姿与速度受限的无人船自学习最优跟踪控制方法 |
| US20220315047A1 (en) * | 2021-03-30 | 2022-10-06 | Honda Research Institute Europe Gmbh | Method, system and vehicle with an uncertainty-based lane positioning control |
| CN113264064B (zh) * | 2021-03-31 | 2022-05-10 | 志行千里(北京)科技有限公司 | 用于交叉路口场景的自动驾驶方法及相关设备 |
| US11472436B1 (en) | 2021-04-02 | 2022-10-18 | May Mobility, Inc | Method and system for operating an autonomous agent with incomplete environmental information |
| CN113071517B (zh) * | 2021-04-12 | 2022-05-13 | 南京航空航天大学 | 一种基于车辆行为预测的自动驾驶避障方法及系统 |
| CN113071520B (zh) * | 2021-04-16 | 2024-01-16 | 阿波罗智联(北京)科技有限公司 | 车辆行驶控制方法及装置 |
| US11958503B2 (en) * | 2021-04-16 | 2024-04-16 | Motional Ad Llc | Techniques for navigating an autonomous vehicle based on perceived risk |
| DE102021110120A1 (de) | 2021-04-21 | 2022-10-27 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Vorrichtung und Verfahren zum Ansteuern eines Fahrzeugs |
| CN112991764B (zh) * | 2021-04-26 | 2021-08-06 | 中汽研（天津）汽车工程研究院有限公司 | 一种基于摄像头的超车场景数据采集、识别与提取系统 |
| US11673570B2 (en) * | 2021-04-26 | 2023-06-13 | Nissan North America, Inc. | Vehicle driving behavior monitoring and warning system |
| 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 |
| TWI809763B (zh) * | 2021-05-28 | 2023-07-21 | 義隆電子股份有限公司 | 行動載具的安全系統及其控制方法 |
| EP4347344A1 (en) * | 2021-05-28 | 2024-04-10 | Tusimple, Inc. | Systems and methods for operating an autonomous vehicle |
| US20220379889A1 (en) * | 2021-05-28 | 2022-12-01 | Zoox, Inc. | Vehicle deceleration planning |
| US11565717B2 (en) | 2021-06-02 | 2023-01-31 | May Mobility, Inc. | Method and system for remote assistance of an autonomous agent |
| CN113219989B (zh) * | 2021-06-02 | 2022-05-31 | 安徽工业大学 | 一种基于改进的蝴蝶优化算法移动机器人路径规划方法 |
| CN113325804B (zh) * | 2021-06-08 | 2022-03-29 | 中国科学院数学与系统科学研究院 | 一种运动控制系统的q学习扩张状态观测器设计方法 |
| CN113353089B (zh) * | 2021-06-10 | 2022-10-25 | 东风华神汽车有限公司 | 车辆安全行驶控制方法、装置、设备及可读存储介质 |
| CN113535868A (zh) * | 2021-06-11 | 2021-10-22 | 上海追势科技有限公司 | 一种基于公开导航地图的自主泊车高精地图生成方法 |
| US11634152B2 (en) | 2021-06-23 | 2023-04-25 | Rivian Ip Holdings, Llc | Systems and methods for providing a suggested steering action indicator to user interface of vehicle |
| DE102021206854A1 (de) * | 2021-06-30 | 2023-01-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Steuerung einer Annäherung eines Fahrzeugs, Abstandsregler, Computerprogramm und Speichereinheit |
| DE102021116853A1 (de) * | 2021-06-30 | 2023-01-05 | Zf Cv Systems Global Gmbh | Verfahren und Vorrichtung zum Regeln des Abstandes zwischen einem Egofahrzeug und einem vorausfahrenden Fahrzeug, sowie Fahrzeug und elektronische Verarbeitungseinheit |
| WO2023283034A1 (en) * | 2021-07-06 | 2023-01-12 | Canoo Technologies Inc. | Fisheye collage transformation for road object detection or other object detection |
| US20230020503A1 (en) * | 2021-07-08 | 2023-01-19 | Ford Global Technologies, Llc | Machine control |
| CN113335276A (zh) * | 2021-07-20 | 2021-09-03 | 中国第一汽车股份有限公司 | 障碍物的轨迹预测方法、装置、电子设备及存储介质 |
| US11724739B2 (en) * | 2021-07-22 | 2023-08-15 | GM Global Technology Operations LLC | Vehicle actuation commands to affect transient handling |
| US11794780B2 (en) * | 2021-07-29 | 2023-10-24 | GM Global Technology Operations LLC | Reward function for vehicles |
| CN113306552B (zh) * | 2021-07-31 | 2021-10-01 | 西华大学 | 混合道路拥堵状态下无人驾驶汽车的超低速蠕行方法 |
| DE102021208472B3 (de) * | 2021-08-04 | 2022-12-01 | Continental Autonomous Mobility Germany GmbH | Computerimplementiertes Verfahren zum Trainieren eines Machine-Learning-Modells für ein Fahrzeug oder einen Roboter |
| CN113591781B (zh) * | 2021-08-11 | 2023-07-28 | 山东大学 | 基于服务机器人云平台的图像处理方法及系统 |
| US20230068703A1 (en) * | 2021-08-24 | 2023-03-02 | Waymo Llc | Planning system for autonomously navigating around lane-sharing road agents |
| WO2023037347A1 (en) * | 2021-09-13 | 2023-03-16 | Mobileye Vision Technologies Ltd. | Map features delivered via augmented reality (ar) |
| CN113665589B (zh) * | 2021-09-18 | 2023-04-07 | 广州小鹏自动驾驶科技有限公司 | 车辆纵向控制方法、装置、车载终端及存储介质 |
| US20230099598A1 (en) * | 2021-09-27 | 2023-03-30 | Ford Global Technologies, Llc | Vehicle object tracking |
| CN113778108B (zh) * | 2021-10-09 | 2023-07-21 | 招商局检测车辆技术研究院有限公司 | 一种基于路侧感知单元的数据采集系统及数据处理方法 |
| US20230128456A1 (en) * | 2021-10-25 | 2023-04-27 | Honda Motor Co., Ltd. | Adaptive trust calibration |
| US20230127465A1 (en) * | 2021-10-26 | 2023-04-27 | Ford Global Technologies, Llc | System and method for approaching vehicle detection |
| TWI817263B (zh) * | 2021-11-25 | 2023-10-01 | 財團法人金屬工業研究發展中心 | 移動載具側向盲點感測系統及其方法 |
| TWI818364B (zh) * | 2021-11-29 | 2023-10-11 | 財團法人工業技術研究院 | 車輛行駛控制裝置及其控制與預警資訊顯示方法 |
| TWI785913B (zh) * | 2021-12-01 | 2022-12-01 | 曾尹彥 | 行車預警系統 |
| BE1029667B1 (nl) | 2021-12-02 | 2023-03-02 | Ivex | Methoden, systemen, opslagmedia en apparatuur voor het analyseren van de band-wegfrictieschatting van trajectkandidaten op plannerniveau voor een veiliger trajectkeuze in geautomatiseerde voertuigen |
| US20230182740A1 (en) * | 2021-12-09 | 2023-06-15 | GM Global Technology Operations LLC | Method for completing overtake maneuvers in variant traffic conditions |
| FR3130229A1 (fr) * | 2021-12-10 | 2023-06-16 | Psa Automobiles Sa | Procédé et dispositif de contrôle de trajectoire d’un véhicule autonome |
| US20230182782A1 (en) * | 2021-12-14 | 2023-06-15 | Zoox, Inc. | Identifying relevant objects within an environment |
| WO2023114212A1 (en) * | 2021-12-14 | 2023-06-22 | Cummins Inc. | Systemsand methods for camera-based powertrain diagnostic and control |
| US20230192075A1 (en) * | 2021-12-22 | 2023-06-22 | Joseph Burtch | Automated driving obstacle avoidance along a path |
| KR102508367B1 (ko) * | 2021-12-28 | 2023-03-09 | 한국교통연구원 | 커넥티드 자율 주행차의 안전 모니터링 및 운영설계범위를 지원하는 관제 서버 |
| CN114360276B (zh) * | 2022-01-13 | 2022-08-26 | 郑州汉威光电股份有限公司 | 一种基于大数据的高速公路智慧管理系统 |
| CN114312491B (zh) * | 2022-01-17 | 2023-04-07 | 广东技术师范大学 | 用于新能源汽车的氢燃料电池电能输出控制方法和系统 |
| US20230227070A1 (en) * | 2022-01-18 | 2023-07-20 | Toyota Research Institute, Inc. | System and method for providing friction circle feedback for vehicle safety |
| US11851052B2 (en) * | 2022-01-31 | 2023-12-26 | Ford Global Technologies, Llc | Vehicle path verification |
| WO2023154568A1 (en) | 2022-02-14 | 2023-08-17 | May Mobility, Inc. | Method and system for conditional operation of an autonomous agent |
| WO2023194801A1 (en) * | 2022-04-06 | 2023-10-12 | Mobileye Vision Technologies Ltd. | Steering limiters for vehicle navigation |
| US20230373529A1 (en) * | 2022-05-19 | 2023-11-23 | Motional Ad Llc | Safety filter for machine learning planners |
| US11644842B1 (en) * | 2022-06-23 | 2023-05-09 | Motional Ad Llc | Semi-closed loop rollouts for data augmentation |
| DE102022115721A1 (de) * | 2022-06-23 | 2023-12-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Regeleinrichtung für eine automatische Bremsregelung eines Kraftfahrzeugs |
| CN114872735B (zh) * | 2022-07-10 | 2022-10-04 | 成都工业职业技术学院 | 基于神经网络算法的自动驾驶物流车辆决策方法和装置 |
| CN115083166B (zh) * | 2022-07-14 | 2022-11-11 | 深圳市维力谷无线技术股份有限公司 | 基于5g技术的车路通信测试系统和方法 |
| DE102022123716A1 (de) | 2022-09-16 | 2024-03-21 | Audi Aktiengesellschaft | System und Verfahren zur Minimierung von Unfallfolgen |
| CN116080598B (zh) * | 2023-01-17 | 2024-04-12 | 重庆长安汽车股份有限公司 | 一种防止汽车坠落的系统、控制方法及存储介质 |
| CN117075526B (zh) * | 2023-10-13 | 2024-01-26 | 江苏怀广智能交通科技有限公司 | 自动驾驶车辆的远程控制方法和装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013206297A (ja) | 2012-03-29 | 2013-10-07 | Fujitsu Ltd | 渋滞誘因運転行動評価方法 |
Family Cites Families (176)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3309589A (en) * | 1962-11-23 | 1967-03-14 | Electricite Mecanique Et Appli | Electrical device for precisely positioning a remote component |
| US3350882A (en) * | 1964-10-06 | 1967-11-07 | Chrysler Corp | Vehicle braking system |
| US7243945B2 (en) * | 1992-05-05 | 2007-07-17 | Automotive Technologies International, Inc. | Weight measuring systems and methods for vehicles |
| US7164117B2 (en) * | 1992-05-05 | 2007-01-16 | Automotive Technologies International, Inc. | Vehicular restraint system control system and method using multiple optical imagers |
| US7663502B2 (en) * | 1992-05-05 | 2010-02-16 | Intelligent Technologies International, Inc. | Asset system control arrangement and method |
| US7415126B2 (en) * | 1992-05-05 | 2008-08-19 | Automotive Technologies International Inc. | Occupant sensing system |
| US4610484A (en) * | 1983-09-23 | 1986-09-09 | The Boeing Company | Deceleration control brake system |
| US5610815A (en) * | 1989-12-11 | 1997-03-11 | Caterpillar Inc. | Integrated vehicle positioning and navigation system, apparatus and method |
| US5390125A (en) * | 1990-02-05 | 1995-02-14 | Caterpillar Inc. | Vehicle position determination system and method |
| EP0617679B1 (en) * | 1991-12-24 | 1996-05-15 | Lucas Industries Public Limited Company | Braking distribution system for a multi-axle vehicle making allowance for background braking |
| JP3959748B2 (ja) | 1995-05-22 | 2007-08-15 | 日産自動車株式会社 | 車両用自動制動装置 |
| JP3456399B2 (ja) * | 1998-02-09 | 2003-10-14 | 日産自動車株式会社 | 無段変速機の変速制御装置 |
| JP3680734B2 (ja) * | 1999-02-08 | 2005-08-10 | トヨタ自動車株式会社 | 電動機のトルクにより制動する車両及びその制御方法 |
| JP2000285347A (ja) * | 1999-03-31 | 2000-10-13 | Matsushita Electric Ind Co Ltd | 緊急通報方法及び装置並びに車両緊急通報システム |
| US6737963B2 (en) * | 2001-03-30 | 2004-05-18 | Koninklijke Philips Electronics N.V. | Driver tailgating and following aid |
| JP4090726B2 (ja) * | 2001-11-26 | 2008-05-28 | 横浜ゴム株式会社 | ブレーキ制御装置、ブレーキ制御方法および記録媒体 |
| US6643588B1 (en) | 2002-04-11 | 2003-11-04 | Visteon Global Technologies, Inc. | Geometric based path prediction method using moving and stop objects |
| US20170255824A1 (en) * | 2016-03-04 | 2017-09-07 | General Electric Company | Aerial camera system and method for identifying route-related hazards |
| US7124027B1 (en) * | 2002-07-11 | 2006-10-17 | Yazaki North America, Inc. | Vehicular collision avoidance system |
| US9950722B2 (en) * | 2003-01-06 | 2018-04-24 | General Electric Company | System and method for vehicle control |
| US7016783B2 (en) * | 2003-03-28 | 2006-03-21 | Delphi Technologies, Inc. | Collision avoidance with active steering and braking |
| JP4285124B2 (ja) * | 2003-07-17 | 2009-06-24 | 株式会社アドヴィックス | 最大路面摩擦力推定装置、及びブレーキトルク制御装置 |
| JP4318505B2 (ja) | 2003-08-06 | 2009-08-26 | ダイハツ工業株式会社 | 衝突回避装置 |
| ATE396470T1 (de) | 2004-04-08 | 2008-06-15 | Mobileye Technologies Ltd | Kollisionswarnsystem |
| NO320851B1 (no) * | 2004-04-15 | 2006-02-06 | Oddvard Johnsen | Kontrollerfunksjoner for brems basert pa en styring etter variasjoner i akselerasjonsverdier i hjulets horisontale plan |
| US7522982B2 (en) * | 2004-09-15 | 2009-04-21 | Ford Global Technologies, Llc | Methods and systems for detecting automobile rollover |
| JP4466571B2 (ja) * | 2005-05-12 | 2010-05-26 | 株式会社デンソー | ドライバ状態検出装置、車載警報装置、運転支援システム |
| US8364366B2 (en) * | 2005-06-24 | 2013-01-29 | Deere & Company | System and method for providing a safety zone associated with a vehicle |
| JP4887980B2 (ja) * | 2005-11-09 | 2012-02-29 | 日産自動車株式会社 | 車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
| US20070213911A1 (en) * | 2006-03-09 | 2007-09-13 | Ford Global Technologies, Llc | Trailbraking |
| ATE549999T1 (de) | 2006-05-18 | 2012-04-15 | Staar Japan Inc | Einsetzvorrichtung für intraokularlinse |
| EP1898232B1 (en) * | 2006-09-08 | 2010-09-01 | Ford Global Technologies, LLC | Method and system for collision avoidance |
| US8064643B2 (en) * | 2006-12-06 | 2011-11-22 | Mobileye Technologies Limited | Detecting and recognizing traffic signs |
| JP2008174054A (ja) | 2007-01-17 | 2008-07-31 | Mitsubishi Electric Corp | 車両用安全装置 |
| JP2008242544A (ja) * | 2007-03-26 | 2008-10-09 | Hitachi Ltd | 衝突回避装置および方法 |
| JP4207088B2 (ja) * | 2007-06-20 | 2009-01-14 | トヨタ自動車株式会社 | 車両走行推定装置 |
| US8744689B2 (en) * | 2007-07-26 | 2014-06-03 | Hitachi, Ltd. | Drive controlling apparatus for a vehicle |
| FR2931984B1 (fr) * | 2008-06-02 | 2014-12-12 | Airbus France | Procede et dispositif de generation d'une vitesse commandee pour un aeronef roulant sur le sol au sein d'un convoi d'aeronefs. |
| US7916006B2 (en) * | 2008-06-25 | 2011-03-29 | GM Global Technology Operations LLC | Judgment line calculations for a vehicle safety system |
| DE102008045481A1 (de) * | 2008-08-28 | 2009-05-20 | Daimler Ag | Verfahren und Vorrichtung zur Auslösung eines selbsttätigen Notbremsvorgangs eines Fahrzeugs |
| DE102009000726A1 (de) | 2009-02-09 | 2010-08-12 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben einer Lenkanordnung eines Kraftfahrzeugs |
| EP2221581B1 (en) | 2009-02-18 | 2017-07-19 | Harman Becker Automotive Systems GmbH | Method of estimating a propulsion-related operating parameter |
| US8170725B2 (en) * | 2009-02-18 | 2012-05-01 | GM Global Technology Operations LLC | Vehicle stability enhancement control adaptation to driving skill based on highway on/off ramp maneuver |
| US8244408B2 (en) * | 2009-03-09 | 2012-08-14 | GM Global Technology Operations LLC | Method to assess risk associated with operating an autonomic vehicle control system |
| GB0904875D0 (en) * | 2009-03-20 | 2009-05-06 | Geola Technologies Ltd | Electric vtol aircraft |
| US8352111B2 (en) * | 2009-04-06 | 2013-01-08 | GM Global Technology Operations LLC | Platoon vehicle management |
| US8571786B2 (en) * | 2009-06-02 | 2013-10-29 | Toyota Jidosha Kabushiki Kaisha | Vehicular peripheral surveillance device |
| US20110190972A1 (en) * | 2010-02-02 | 2011-08-04 | Gm Global Technology Operations, Inc. | Grid unlock |
| US8760030B2 (en) * | 2010-06-07 | 2014-06-24 | David A. Ross | Flexible rotor sequentially actuated motor/generator |
| JP2012121534A (ja) | 2010-12-10 | 2012-06-28 | Daimler Ag | 車両の自動制動装置 |
| KR101049906B1 (ko) | 2010-12-30 | 2011-07-15 | 국방과학연구소 | 자율 이동 장치 및 이의 충돌 회피 방법 |
| CN103415425B (zh) * | 2010-12-31 | 2017-02-15 | 通用电气公司 | 用于控制车辆的系统和方法 |
| US8670903B2 (en) * | 2011-05-05 | 2014-03-11 | GM Global Technology Operations LLC | Lane centering fail-safe control using differential braking |
| KR20130005107A (ko) * | 2011-07-05 | 2013-01-15 | 현대자동차주식회사 | 차간거리 자동 가변 시스템 및 그 방법 |
| US9182761B2 (en) | 2011-08-25 | 2015-11-10 | Nissan Motor Co., Ltd. | Autonomous driving control system for vehicle |
| CN103858155B (zh) * | 2011-09-26 | 2017-10-03 | 丰田自动车株式会社 | 车辆的驾驶支援系统 |
| US8694222B2 (en) * | 2011-10-26 | 2014-04-08 | GM Global Technology Operations LLC | Collision avoidance system and method of operating the same |
| US8706393B2 (en) | 2012-01-10 | 2014-04-22 | Ford Global Technologies, Llc | Intersection collision avoidance with adaptable vehicle dimensions |
| JP5533903B2 (ja) * | 2012-01-27 | 2014-06-25 | トヨタ自動車株式会社 | 車両制御装置 |
| US9381916B1 (en) * | 2012-02-06 | 2016-07-05 | Google Inc. | System and method for predicting behaviors of detected objects through environment representation |
| KR101703144B1 (ko) | 2012-02-09 | 2017-02-06 | 한국전자통신연구원 | 차량의 자율주행 장치 및 그 방법 |
| US9429943B2 (en) * | 2012-03-05 | 2016-08-30 | Florida A&M University | Artificial intelligence valet systems and methods |
| US9082239B2 (en) * | 2012-03-14 | 2015-07-14 | Flextronics Ap, Llc | Intelligent vehicle for assisting vehicle occupants |
| US20140309872A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Customization of vehicle user interfaces based on user intelligence |
| US9495874B1 (en) * | 2012-04-13 | 2016-11-15 | Google Inc. | Automated system and method for modeling the behavior of vehicles and other agents |
| DE102012206725A1 (de) * | 2012-04-24 | 2013-10-24 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zum Versetzen eines autonom fahrenden Kraftfahrzeugs in einen sicheren Zustand |
| US20130278441A1 (en) * | 2012-04-24 | 2013-10-24 | Zetta Research and Development, LLC - ForC Series | Vehicle proxying |
| US9989637B2 (en) * | 2012-08-03 | 2018-06-05 | Safie Holdings LLC | Portable collision warning apparatus |
| US20160082885A1 (en) * | 2012-08-03 | 2016-03-24 | Steve A. Safie | Portable collision warning apparatus |
| DE102012215093A1 (de) | 2012-08-24 | 2014-02-27 | Robert Bosch Gmbh | Fahrerassistenzsystem und Verfahren zum Betreiben des Fahrerassistenzsystems |
| SG2013067491A (en) * | 2012-09-07 | 2014-04-28 | Agency Science Tech & Res | A receiver for body channel communication and a method of operating a receiver therefrom |
| US9196164B1 (en) * | 2012-09-27 | 2015-11-24 | Google Inc. | Pedestrian notifications |
| US9633565B2 (en) * | 2012-11-15 | 2017-04-25 | GM Global Technology Operations LLC | Active safety system and method for operating the same |
| US8825258B2 (en) * | 2012-11-30 | 2014-09-02 | Google Inc. | Engaging and disengaging for autonomous driving |
| GB2508668A (en) * | 2012-12-10 | 2014-06-11 | Jaguar Land Rover Ltd | Adaptive cruise control (ACC) means for a host vehicle having regenerative and non-regenerative braking means |
| AT513714B1 (de) * | 2012-12-12 | 2015-02-15 | Avl List Gmbh | Verfahren zur Beurteilung der Beherrschbarkeit eines Fahrzeuges |
| US9751534B2 (en) * | 2013-03-15 | 2017-09-05 | Honda Motor Co., Ltd. | System and method for responding to driver state |
| US8849494B1 (en) * | 2013-03-15 | 2014-09-30 | Google Inc. | Data selection by an autonomous vehicle for trajectory modification |
| US8996224B1 (en) * | 2013-03-15 | 2015-03-31 | Google Inc. | Detecting that an autonomous vehicle is in a stuck condition |
| DE102013009414A1 (de) * | 2013-06-05 | 2014-12-11 | Hengstler Gmbh | Verfahren und Vorrichtung zur Erzeugung und Ausgabe von Mauttickets |
| US8788176B1 (en) * | 2013-06-19 | 2014-07-22 | Ford Global Technologies, Llc | Adjustable threshold for forward collision warning system |
| DE102013213171A1 (de) | 2013-07-04 | 2015-01-08 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeugs in einem automatisierten Fahrbetrieb |
| US8874301B1 (en) * | 2013-07-09 | 2014-10-28 | Ford Global Technologies, Llc | Autonomous vehicle with driver presence and physiological monitoring |
| US9099006B2 (en) * | 2013-08-22 | 2015-08-04 | GM Global Technology Operations LLC | Context-aware threat response arbitration |
| JP6090065B2 (ja) | 2013-08-27 | 2017-03-08 | トヨタ自動車株式会社 | 運転支援装置 |
| JP5907141B2 (ja) | 2013-10-18 | 2016-04-20 | トヨタ自動車株式会社 | 車両の走行経路演算装置 |
| JP5988171B2 (ja) * | 2013-11-29 | 2016-09-07 | アイシン精機株式会社 | 車両挙動制御装置および車両挙動制御システム |
| US20150161894A1 (en) * | 2013-12-05 | 2015-06-11 | Elwha Llc | Systems and methods for reporting characteristics of automatic-driving software |
| US20150158495A1 (en) * | 2013-12-05 | 2015-06-11 | Elwha Llc | Systems and methods for reporting characteristics of operator performance |
| US9123250B2 (en) * | 2013-12-05 | 2015-09-01 | Elwha Llc | Systems and methods for reporting real-time handling characteristics |
| DE102013020435A1 (de) | 2013-12-06 | 2014-06-18 | Daimler Ag | Verfahren zum Erkennen von Objekten in einer Fahrzeugumgebung |
| EP3108264A2 (en) * | 2014-02-20 | 2016-12-28 | Mobileye Vision Technologies Ltd. | Advanced driver assistance system based on radar-cued visual imaging |
| US20150316387A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
| JP5920532B2 (ja) * | 2014-05-01 | 2016-05-18 | 横浜ゴム株式会社 | 空気入りタイヤ |
| EP2942251B1 (en) * | 2014-05-08 | 2017-04-05 | Volvo Car Corporation | Method for providing an object prediction representation |
| US9174649B1 (en) * | 2014-06-02 | 2015-11-03 | Ford Global Technologies, Llc | Redundancy for automated vehicle operations |
| CN105611981B (zh) | 2014-07-30 | 2018-04-03 | 株式会社小松制作所 | 搬运车辆及搬运车辆的控制方法 |
| DE102014215243B4 (de) * | 2014-08-01 | 2020-05-07 | Bayerische Motoren Werke Aktiengesellschaft | Robuste Totzeit- und Dynamikkompensation für Trajektorienfolgeregelung |
| US9767366B1 (en) * | 2014-08-06 | 2017-09-19 | Waymo Llc | Using obstacle clearance to measure precise lateral |
| US9731713B2 (en) * | 2014-09-10 | 2017-08-15 | Volkswagen Ag | Modifying autonomous vehicle driving by recognizing vehicle characteristics |
| US9925980B2 (en) * | 2014-09-17 | 2018-03-27 | Magna Electronics Inc. | Vehicle collision avoidance system with enhanced pedestrian avoidance |
| US9248834B1 (en) * | 2014-10-02 | 2016-02-02 | Google Inc. | Predicting trajectories of objects based on contextual information |
| DE112015005123T5 (de) * | 2014-11-12 | 2017-07-27 | The Yokohama Rubber Co., Ltd. | Luftreifen und Fahrzeug |
| JP2016109783A (ja) * | 2014-12-03 | 2016-06-20 | 株式会社リコー | 画像形成装置 |
| US10050433B2 (en) * | 2014-12-11 | 2018-08-14 | General Electric Company | Power generation system and method with resistive braking capability |
| US10337594B2 (en) * | 2015-01-13 | 2019-07-02 | Space Systems/Loral, Llc | Incremental deployment device |
| US9505405B2 (en) * | 2015-01-16 | 2016-11-29 | Ford Global Technologies, Llc | Rear collision avoidance and mitigation system |
| EP3845426A1 (en) | 2015-02-10 | 2021-07-07 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
| US10144527B2 (en) * | 2015-03-25 | 2018-12-04 | Skyfront Corp. | Flight controller with generator control |
| AU2016262563B2 (en) | 2015-05-13 | 2019-03-14 | Uber Technologies, Inc. | Autonomous vehicle operated with guide assistance |
| US10031522B2 (en) * | 2015-05-27 | 2018-07-24 | Dov Moran | Alerting predicted accidents between driverless cars |
| US9598078B2 (en) * | 2015-05-27 | 2017-03-21 | Dov Moran | Alerting predicted accidents between driverless cars |
| US9841762B2 (en) * | 2015-05-27 | 2017-12-12 | Comigo Ltd. | Alerting predicted accidents between driverless cars |
| US9836056B2 (en) * | 2015-06-05 | 2017-12-05 | Bao Tran | Smart vehicle |
| US20160357262A1 (en) * | 2015-06-05 | 2016-12-08 | Arafat M.A. ANSARI | Smart vehicle |
| US9711050B2 (en) * | 2015-06-05 | 2017-07-18 | Bao Tran | Smart vehicle |
| US20160357187A1 (en) * | 2015-06-05 | 2016-12-08 | Arafat M.A. ANSARI | Smart vehicle |
| US9630498B2 (en) * | 2015-06-24 | 2017-04-25 | Nissan North America, Inc. | Vehicle operation assistance information management |
| US10086699B2 (en) * | 2015-06-24 | 2018-10-02 | Nissan North America, Inc. | Vehicle operation assistance information management for autonomous vehicle control operation |
| US9937795B2 (en) * | 2015-06-24 | 2018-04-10 | Nissan North America, Inc. | Vehicle operation assistance information management for autonomous vehicle control transfer |
| WO2017014427A1 (en) * | 2015-07-20 | 2017-01-26 | Lg Electronics Inc. | Method for receiving a signal in wireless communication system and a device therefor |
| CN107848515B (zh) * | 2015-07-27 | 2020-11-27 | 沃尔沃卡车集团 | 用于混合制动促动器的abs策略 |
| US9934688B2 (en) * | 2015-07-31 | 2018-04-03 | Ford Global Technologies, Llc | Vehicle trajectory determination |
| JP6776513B2 (ja) * | 2015-08-19 | 2020-10-28 | ソニー株式会社 | 車両制御装置と車両制御方法と情報処理装置および交通情報提供システム |
| US10099705B2 (en) * | 2015-08-31 | 2018-10-16 | Uber Technologies, Inc. | Control system for autonomous-capable vehicles |
| US9849852B1 (en) * | 2015-09-04 | 2017-12-26 | Waymo Llc | Intelligent deployment of safety mechanisms for autonomous vehicles |
| US9587952B1 (en) * | 2015-09-09 | 2017-03-07 | Allstate Insurance Company | Altering autonomous or semi-autonomous vehicle operation based on route traversal values |
| EP3153366B1 (en) * | 2015-10-07 | 2020-12-09 | Volvo Car Corporation | Vehicle observability enhancing system, vehicle comprising such system and a method for increasing vehicle observability |
| KR20170054186A (ko) * | 2015-11-09 | 2017-05-17 | 현대자동차주식회사 | 자율주행차량 제어 장치 및 그 방법 |
| US10140522B2 (en) * | 2015-12-16 | 2018-11-27 | Intel Corporation | Fully convolutional pyramid networks for pedestrian detection |
| FR3045563B1 (fr) * | 2015-12-18 | 2018-02-09 | Messier-Bugatti-Dowty | Procede et systeme de commande de freinage d’un aeronef equipe d’un systeme d’inversion de poussee |
| KR101860626B1 (ko) * | 2016-01-07 | 2018-07-02 | 엘지전자 주식회사 | 차량 운전 보조장치 및 이를 포함하는 차량 |
| CA3012539C (en) * | 2016-03-11 | 2023-09-12 | Karl Dungs Gmbh & Co. Kg | Valve series |
| KR102606258B1 (ko) * | 2016-04-18 | 2023-11-27 | 주식회사 에이치엘클레무브 | 협력 주행 제어 장치 및 방법 |
| KR101850392B1 (ko) * | 2016-05-12 | 2018-04-19 | 엘지전자 주식회사 | 차량에 구비된 제어장치 및 이의 제어방법 |
| US10077050B2 (en) * | 2016-05-24 | 2018-09-18 | GM Global Technology Operations LLC | Automated driving system for evaluating lane cut-out and method of using the same |
| US10266175B2 (en) * | 2016-05-31 | 2019-04-23 | Ford Global Technologies, Llc | Vehicle collision avoidance |
| EP3465371A4 (en) * | 2016-05-31 | 2019-12-18 | Peloton Technology Inc. | STATE MACHINE FOR PLATOON REGULATOR |
| US9953535B1 (en) * | 2016-06-27 | 2018-04-24 | Amazon Technologies, Inc. | Annotated virtual track to inform autonomous vehicle control |
| US20180001893A1 (en) | 2016-06-30 | 2018-01-04 | Delphi Technologies, Inc. | Automated vehicle acceleration management system |
| US10308248B2 (en) * | 2016-07-01 | 2019-06-04 | Hyundai Motor Company | Control apparatus and method for improving fuel efficiency in CACC system |
| US9988046B2 (en) * | 2016-07-26 | 2018-06-05 | Ford Global Technologies, Llc | Enhanced collision avoidance |
| US10248874B2 (en) * | 2016-11-22 | 2019-04-02 | Ford Global Technologies, Llc | Brake light detection |
| KR102496178B1 (ko) * | 2016-12-15 | 2023-02-03 | 현대자동차주식회사 | 연료전지 차량에 탑재되는 수소차단밸브의 제어 방법 |
| US10073464B2 (en) * | 2016-12-30 | 2018-09-11 | Bendix Commercial Vehicle Systems Llc | Varying the distance between vehicles in a platoon |
| US10503176B2 (en) * | 2016-12-30 | 2019-12-10 | Bendix Commercial Vehicle Systems Llc | Self-ordering of fleet vehicles in a platoon |
| US10059336B2 (en) * | 2017-01-06 | 2018-08-28 | Toyota Research Institute, Inc. | Systems and methods for dynamically adjusting a vehicle trajectory according to deviations of a driver from expected inputs |
| US10403145B2 (en) | 2017-01-19 | 2019-09-03 | Ford Global Technologies, Llc | Collison mitigation and avoidance |
| US10077047B2 (en) * | 2017-02-10 | 2018-09-18 | Waymo Llc | Using wheel orientation to determine future heading |
| US10509120B2 (en) * | 2017-02-16 | 2019-12-17 | GM Global Technology Operations LLC | Lidar-radar relative pose calibration |
| DE102017103132A1 (de) * | 2017-02-16 | 2018-08-16 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Reduzieren von Latenzzeiten beim Beschleunigen eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug |
| US11142203B2 (en) * | 2017-02-27 | 2021-10-12 | Ford Global Technologies, Llc | Cooperative vehicle navigation |
| KR102265376B1 (ko) * | 2017-03-07 | 2021-06-16 | 현대자동차주식회사 | 차량 및 그 제어방법과 이를 이용한 자율 주행 시스템 |
| US10699142B2 (en) * | 2017-04-20 | 2020-06-30 | GM Global Technology Operations LLC | Systems and methods for traffic signal light detection |
| US10460180B2 (en) * | 2017-04-20 | 2019-10-29 | GM Global Technology Operations LLC | Systems and methods for visual classification with region proposals |
| US10409288B2 (en) * | 2017-05-03 | 2019-09-10 | Toyota Research Institute, Inc. | Systems and methods for projecting a location of a nearby object into a map according to a camera image |
| AU2018269000B2 (en) * | 2017-05-15 | 2021-03-11 | Ouster, Inc. | Optical imaging transmitter with brightness enhancement |
| CA3068943A1 (en) * | 2017-07-05 | 2019-01-10 | Ouster, Inc. | Light ranging device with electronically scanned emitter array and synchronized sensor array |
| DE102017212020B3 (de) | 2017-07-13 | 2018-05-30 | Carl Zeiss Microscopy Gmbh | Verfahren zur In-situ-Präparation und zum Transfer mikroskopischer Proben, Computerprogrammprodukt sowie mikroskopische Probe |
| US11210744B2 (en) * | 2017-08-16 | 2021-12-28 | Mobileye Vision Technologies Ltd. | Navigation based on liability constraints |
| US10549732B2 (en) * | 2017-09-15 | 2020-02-04 | Bendix Commercial Vehicle Systems Llc | Towing vehicle controller using trailer braking strategy and trailer braking control method |
| US10549739B2 (en) * | 2017-09-15 | 2020-02-04 | Bendix Commercial Vehicle Systems Llc | Towing vehicle controller using trailer braking strategy and trailer braking control method |
| US10814844B2 (en) * | 2017-09-15 | 2020-10-27 | Bendix Commercial Vehicle Systems Llc | Braking controller and method using verification of reported trailer capabilities |
| US10525950B2 (en) * | 2017-09-15 | 2020-01-07 | Bendix Commercial Vehicle Systems Llc | Braking controller and method using verification of reported trailer capabilities |
| US10691962B2 (en) * | 2017-09-22 | 2020-06-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for rear signal identification using machine learning |
| US9934440B1 (en) * | 2017-10-04 | 2018-04-03 | StradVision, Inc. | Method for monitoring blind spot of monitoring vehicle and blind spot monitor using the same |
| US10535138B2 (en) * | 2017-11-21 | 2020-01-14 | Zoox, Inc. | Sensor data segmentation |
| US11353556B2 (en) * | 2017-12-07 | 2022-06-07 | Ouster, Inc. | Light ranging device with a multi-element bulk lens system |
| US10921821B2 (en) * | 2017-12-21 | 2021-02-16 | Bendix Commercial Vehicle Systems Llc | Determining and using braking capabilities of vehicles for platooning deceleration operations |
| US10467907B2 (en) * | 2017-12-28 | 2019-11-05 | Bendix Commercial Vehicle Systems Llc | Initialization and safety maintenance strategy for platooning vehicles |
| US11164463B2 (en) * | 2017-12-29 | 2021-11-02 | Bendix Commercial Vehicle Systems Llc | Brake performance monitoring for vehicle platooning operation |
| CN110352153A (zh) | 2018-02-02 | 2019-10-18 | 辉达公司 | 自主车辆中用于障碍物躲避的安全程序分析 |
| EP3636507A1 (en) * | 2018-03-20 | 2020-04-15 | Mobileye Vision Technologies Ltd. | Comfort responsibility sensitivity safety model |
| EP3842304A3 (en) * | 2018-08-14 | 2021-09-15 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating with safe distances |
| US11226620B2 (en) * | 2019-02-08 | 2022-01-18 | GM Global Technology Operations LLC | Automated driving systems and control logic with enhanced longitudinal control for transitional surface friction conditions |
| US11247675B2 (en) * | 2019-06-24 | 2022-02-15 | Nio Usa, Inc. | Systems and methods of autonomously controlling vehicle states |
-
2019
- 2019-03-20 EP EP19194761.3A patent/EP3636507A1/en active Pending
- 2019-03-20 CN CN202310854783.9A patent/CN117022256A/zh active Pending
- 2019-03-20 KR KR1020227024616A patent/KR102479471B1/ko active IP Right Grant
- 2019-03-20 EP EP20210840.3A patent/EP3805063B1/en active Active
- 2019-03-20 EP EP19722943.8A patent/EP3642092A2/en active Pending
- 2019-03-20 DE DE112019001421.8T patent/DE112019001421T5/de active Pending
- 2019-03-20 EP EP19194772.0A patent/EP3640106A1/en active Pending
- 2019-03-20 CN CN202211011663.4A patent/CN115384486A/zh active Pending
- 2019-03-20 KR KR1020197032392A patent/KR102369219B1/ko active IP Right Grant
- 2019-03-20 KR KR1020197030686A patent/KR102127741B1/ko active IP Right Grant
- 2019-03-20 WO PCT/IB2019/000281 patent/WO2019180506A2/en unknown
- 2019-03-20 EP EP19194770.4A patent/EP3640105A1/en active Pending
- 2019-03-20 CN CN202310828855.2A patent/CN116968732A/zh active Pending
- 2019-03-20 KR KR1020197032387A patent/KR102337011B1/ko active IP Right Grant
- 2019-03-20 JP JP2019541236A patent/JP7110209B2/ja active Active
- 2019-03-20 CN CN202011513502.6A patent/CN112721923A/zh active Pending
- 2019-03-20 CN CN202310819669.2A patent/CN116968731A/zh active Pending
- 2019-03-20 US US16/359,488 patent/US11077845B2/en active Active
- 2019-03-20 CN CN202310852315.8A patent/CN117022255A/zh active Pending
- 2019-03-20 KR KR1020197032055A patent/KR102423172B1/ko active IP Right Grant
- 2019-03-20 CN CN202110235271.5A patent/CN112896190A/zh active Pending
- 2019-03-20 EP EP21153361.7A patent/EP3828049B1/en active Active
- 2019-03-20 CN CN201980002445.4A patent/CN111278704B/zh active Active
- 2019-03-20 CN CN202310856049.6A patent/CN117022257A/zh active Pending
- 2019-03-20 EP EP20211075.5A patent/EP3805064A1/en active Pending
- 2019-05-30 US US16/426,403 patent/US10850728B2/en active Active
- 2019-06-03 US US16/429,901 patent/US10933868B2/en active Active
- 2019-06-04 US US16/431,709 patent/US10843690B2/en active Active
- 2019-10-06 IL IL269828A patent/IL269828B2/en unknown
-
2020
- 2020-11-18 US US16/951,267 patent/US11427192B2/en active Active
- 2020-11-30 US US17/106,700 patent/US11731617B2/en active Active
- 2020-12-18 US US17/127,101 patent/US11345340B2/en active Active
-
2021
- 2021-02-23 US US17/182,702 patent/US11820365B2/en active Active
- 2021-02-26 US US17/186,917 patent/US20210179096A1/en active Pending
-
2022
- 2022-04-28 JP JP2022074462A patent/JP7315294B2/ja active Active
- 2022-04-28 JP JP2022074527A patent/JP7260231B2/ja active Active
-
2023
- 2023-01-31 US US18/104,048 patent/US20230166729A1/en active Pending
- 2023-07-11 JP JP2023114089A patent/JP7367255B2/ja active Active
- 2023-10-11 JP JP2023175772A patent/JP2023179655A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013206297A (ja) | 2012-03-29 | 2013-10-07 | Fujitsu Ltd | 渋滞誘因運転行動評価方法 |
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7315294B2 (ja) | システム、方法及びプログラム | |
| JP2021536599A (ja) | 安全な距離でナビゲートするためのシステム及び方法 | |
| JP2020504860A (ja) | 課せられる責任の制約を伴うナビゲーションシステム | |
| CN112762951B (zh) | 用于导航车辆的系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220502 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220502 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220816 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221111 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230113 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230209 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230510 |
|
| 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: 20230613 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230711 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7315294 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |