KR102048646B1 - 자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법 - Google Patents

자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법 Download PDF

Info

Publication number
KR102048646B1
KR102048646B1 KR1020187009642A KR20187009642A KR102048646B1 KR 102048646 B1 KR102048646 B1 KR 102048646B1 KR 1020187009642 A KR1020187009642 A KR 1020187009642A KR 20187009642 A KR20187009642 A KR 20187009642A KR 102048646 B1 KR102048646 B1 KR 102048646B1
Authority
KR
South Korea
Prior art keywords
autonomous vehicle
driving
subsequent movement
vehicle
scenario
Prior art date
Application number
KR1020187009642A
Other languages
English (en)
Other versions
KR20180050383A (ko
Inventor
판 쭈
치 콩
구앙 양
진가오 왕
Original Assignee
바이두 유에스에이 엘엘씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 바이두 유에스에이 엘엘씨 filed Critical 바이두 유에스에이 엘엘씨
Publication of KR20180050383A publication Critical patent/KR20180050383A/ko
Application granted granted Critical
Publication of KR102048646B1 publication Critical patent/KR102048646B1/ko

Links

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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18145—Cornering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/02—Control of vehicle driving stability
    • B60W30/045—Improving turning performance
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • 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
    • B60W2520/20—Sideslip angle
    • 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
    • B60W2540/18—Steering angle
    • B60W2550/12—
    • B60W2550/141—
    • 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
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • 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
    • B60W2710/207—Steering angle of wheels
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/20—Sideslip angle
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/24—Direction of travel

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

일 실시예에서, 주행 시나리오는 자율 주행 차량에 대한 후속 이동을 위해 식별되며, 주행 시나리오는 하나 이상의 소정의 파라미터 세트로 표현된다. 주행 시나리오에 대응하는 물리 모델을 이용하여 자율 주행 차량에 대한 제1 후속 이동이 계산된다. 주행 시나리오에 따라 사이드슬립 예측 모델은 미리 결정된 파라미터 세트에 적용되어 자율 주행 차량의 사이드슬립을 예측한다. 자율 주행 차량의 제2 후속 이동은 자율 주행 차량의 제 1 후속 이동 및 예측된 사이드슬립에 기초하여 결정된다. 예측된 사이드슬립은 사이드슬립을 보상하기 위해 제1 후속 이동을 수정하는데 사용된다. 계획 및 제어 데이터는 제2 후속 이동을 위해 생성되며 자율 주행 차량은 계획 및 제어 데이터를 기초로 제어되고 주행된다.

Description

자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법
본 발명의 실시예들은 일반적으로 자율 주행 차량을 운행하는 것에 관한 것이다. 보다 상세하게는, 본 발명의 실시예는 물리 모델 및 머신 러닝 방법을 이용하여 차량 이동을 시뮬레이팅하는 것에 관한 것이다.
자율 주행 모드에서(예를 들어, 운전자 없이) 운행하는 차량은 탑승자, 특히 운전자의 운전 관련 일부 책무를 덜어줄 수 있다. 자율 주행 모드에서 작동할 때, 차량은 온보드 센서를 사용하여 다양한 위치들로 내비게이트할 수 있고, 그 결과 최소한의 인간과의 상호 작용으로 또는 일부의 경우 승객 없이 차량이 이동하는 것이 허용된다.
모션 계획 및 제어는 자율 주행에 있어서 중요한 동작들이다. 하지만, 자율 주행 차량은 예상보다 매우 복잡하게 이동할 수 있다. 상이한 속력과 조향각을 가지고 서로 다른 도로에서 주행하는 상이한 차량들은 서로 다른 선회 반경을 가질 수 있다. 이 같은 상이한 선회 반경은 특히 차량이 선회할 때 정밀한 제어에 있어 영향을 줄 수 있다. 많은 경우, 특히 U 턴, 좌회전 또는 우회전과 같이 선회하는 경우, 차량은 도로 상태에 따라 옆으로 미끄러질 수 있다. 이러한 사이드슬립(sideslip) 또는 스키드(skid)는 제어 오류를 야기할 수 있으며, 차량에 탑승하는 승객은 때때로 안전하지 못하다.
또한, 현재 상태 및 실행 명령을 기초로 후속 처리 사이클에서 차량 상황 또는 상태를 결정하거나 예측하는 것이 중요하다. 그러나 이러한 결정이나 예측에 사용할 수 있는 정교한 방법이 없다.
본 발명의 일 실시예에 따르면, 계획된 루트 정보에 기초하여 후속 이동 사이클의 후속 루트 또는 경로 세그먼트를 위한 후속 이동(예를 들어, 선회)을 결정할 때, 물리 모델(예를 들어, 소정의 공식 또는 규칙 집합)이 차량의 후속 상황 또는 상태를 계산하거나 결정하는데 사용된다. 계획 및 제어 데이터는 물리 모델을 기반으로 생성되며, 계획 및 제어 데이터는 차량이 후속 이동 사이클에서 어떻게 움직일지를 제어하기 위해 충분한 데이터 및 명령을 포함한다. 또한, 사이드슬립 예측 모델은 계획 및 제어 데이터뿐만 아니라 해당 시점의 주행 조건(예컨대, 도로 상태, 날씨)과 관련된 적어도 한 세트의 주행 파라미터(driving parameter)에 적용된다. 계획 및 제어 데이터에 의해 기술된 주행 시나리오에 따라 사이드슬립 또는 스키드가 사이드슬립 예측 모델을 이용하여 예측된다. 계획 및 제어 데이터는 그 같은 사이드슬립을 보상하기 위해 예측된 사이드슬립에 기초하여 수정될 수 있다. 차량은 수정되거나 보상된 계획 및 제어 데이터를 기초로 제어되고 주행된다.
일 실시예에서, 주행 시나리오는 자율 주행 차량에 대한 후속 이동을 위해 식별되며, 주행 시나리오는 하나 이상의 소정의 파라미터 세트로 표현된다. 주행 시나리오에 대응하는 물리 모델을 이용하여 자율 주행 차량에 대한 제1 후속 이동이 계산된다. 주행 시나리오에 따라 사이드슬립 예측 모델은 미리 결정된 파라미터 세트에 적용되어 자율 주행 차량의 사이드슬립을 예측한다. 자율 주행 차량의 제2 후속 이동은 자율 주행 차량의 제 1 후속 이동 및 예측된 사이드슬립에 기초하여 결정된다. 예측된 사이드슬립은 사이드슬립을 보상하기 위해 제1 후속 이동을 수정하는데 사용된다. 계획 및 제어 데이터는 제2 후속 이동을 위해 생성되며 자율 주행 차량은 계획 및 제어 데이터를 기초로 제어되고 주행된다.
본 발명의 다른 실시예에 따르면, 다양한 주행 환경 또는 조건 하에서 다양한 차량의 주행 통계가 차량에 의해 기록되고 캡쳐된다. 또한, 상이한 주행 환경 또는 주행 시나리오에 있는 차량의 사이드슬립이 측정되고 결정된다. 주행 통계는 데이터 분석 시스템이나 서버와 같은 중앙 기기에 의해 수집된다. 주행 통계 및 측정된 사이드슬립을 분석하여 주행 시나리오 목록을 만든다. 각각의 주행 시나리오는 동일하거나 유사한 주행 시나리오 하에서 발생할 가능성이 있는 특정 사이드슬립 또는 스키드와 연관된다. 사이드슬립(시나리오/사이드슬립) 매핑 테이블 또는 데이터베이스에 대한 주행 시나리오가 생성된다. 시나리오/사이드슬립 매핑 테이블은, 동일 또는 유사 유형의 다양한 차량의 주행 통계 및 측정된 사이드슬립에 기초하여 결정된 사이드슬립에 각각의 주행 시나리오를 매핑한다.
본 발명의 실시예들은 아래의 도면들에서 비제한적이며 예시적으로 도시되며, 유사한 참조 번호는 유사한 요소를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 네트워크 시스템을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 자율 주행 차량의 일례를 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 자율 주행 차량과 함께 사용되는 데이터 처리 시스템의 일례를 나타내는 블록도이다.
도 4a 및 도 4b는 사이드슬립 보상이 있는 차량 주행 패턴과 사이드슬립 보상이 없는 차량 주행 패턴을 도시하는 도면이다.
도 5는 본 발명의 일 실시예에 따라 사이드슬립 예측 모델을 생성하기 위한 메커니즘을 도시한 블록도이다.
도 6은 본 발명의 일 실시예에 따라 자율 주행 차량의 사이드슬립을 보상하기 위한 프로세스를 도시하는 흐름도이다.
도 7은 본 발명의 일 실시예에 따라 자율 주행 차량을 동작시키는 프로세스를 나타내는 흐름도이다.
도 8은 본 발명의 일 실시예에 따라 사이드슬립 예측 모델을 생성하기 위한 프로세스를 도시한 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 사이드슬립 매핑 데이터 구조에 대한 주행 시나리오의 일례를 나타내는 블록도이다.
도 10a 및 도 10b는 사이드슬립 보상이 있거나 또는 사이드슬립 보상이 없는 차량 주행 패턴을 도시하는 도면이다.
도 11은 본 발명의 일 실시예에 따라 사이드슬립 매핑 데이터 구조에 대한 주행 시나리오를 생성하는 프로세스를 나타내는 흐름도이다.
도 12는 본 발명의 다른 실시예에 따라 자율 주행 차량을 동작시키는 프로세스를 나타내는 흐름도이다.
도 13은 일 실시예에 따른 데이터 처리 시스템을 나타내는 블록도이다.
본 발명의 다양한 실시예들 및 양상들은 이하 세부 설명을 참조하여 설명되며, 첨부 도면들은 다양한 실시예들을 나타낸다. 아래의 설명 및 도면은 본 발명을 예시적으로 보여주며, 본 발명을 제한하는 것으로 해석되어서는 안 된다. 본 발명의 다양한 실시예들에 대한 완전한 이해를 제공하기 위해 다수의 구체적인 세부 사항들이 설명된다. 그러나, 어떤 경우에는, 본 발명의 실시예들에 대한 간결한 설명을 제공하기 위해 잘 알려진 또는 종래의 세부 사항은 설명되지 않는다.
명세서에서의 "일 실시예" 또는 "실시예"는, 실시예와 관련하여 설명된 특정 특징, 구조 또는 특성이 본 발명의 적어도 하나의 실시예에 포함될 수 있다는 것을 의미한다. 명세서의 다양한 곳에서 기재된 "일 실시예에서"라는 문구는 반드시 모두 동일한 실시예를 지칭하는 것은 아니다.
본 발명의 일 실시예에 따르면, 계획된 루트 정보에 기초하여 후속 이동 사이클의 후속 루트 또는 경로 세그먼트를 위한 후속 이동(예를 들어, 선회)을 결정할 때, 물리 모델(예를 들어, 소정의 공식 또는 규칙 집합)이 차량의 후속 상황 또는 상태를 계산하거나 결정하는데 사용된다. 계획 및 제어 데이터는 물리 모델을 기반으로 생성되며, 계획 및 제어 데이터는 차량이 후속 이동 사이클에서 어떻게 움직일지를 제어하기 위해 충분한 데이터 및 명령을 포함한다. 또한, 사이드슬립 예측 모델은 계획 및 제어 데이터 뿐만 아니라 해당 시점의 주행 조건(예컨대, 도로 상태, 날씨)과 관련된 적어도 한 세트의 주행 파라미터(driving parameter)에 적용된다. 계획 및 제어 데이터에 의해 기술된 주행 시나리오에 따라 사이드슬립 또는 스키드가 사이드슬립 예측 모델을 이용하여 예측된다. 계획 및 제어 데이터는 그 같은 사이드슬립을 보상하기 위해 예측된 사이드슬립에 기초하여 수정될 수 있다. 차량은 수정되거나 보상된 계획 및 제어 데이터를 기초로 제어되고 주행된다.
일 실시예에서, 주행 시나리오는 자율 주행 차량에 대한 후속 이동을 위해 식별되며, 주행 시나리오는 하나 이상의 소정의 파라미터 세트로 표현된다. 주행 시나리오에 대응하는 물리 모델을 이용하여 자율 주행 차량에 대한 제1 후속 이동이 계산된다. 주행 시나리오에 따라 사이드슬립 예측 모델은 미리 결정된 파라미터 세트에 적용되어 자율 주행 차량의 사이드슬립을 예측한다. 자율 주행 차량의 제2 후속 이동은 자율 주행 차량의 제 1 후속 이동 및 예측된 사이드슬립에 기초하여 결정된다. 예측된 사이드슬립은 사이드슬립을 보상하기 위해 제1 후속 이동을 수정하는데 사용된다. 계획 및 제어 데이터는 제2 후속 이동을 위해 생성되며 자율 주행 차량은 계획 및 제어 데이터를 기초로 제어되고 주행된다.
본 발명의 다른 실시예에 따르면, 다양한 주행 환경 또는 조건 하에서 다양한 차량의 주행 통계가 차량에 의해 기록되고 캡쳐된다. 또한, 상이한 주행 환경 또는 주행 시나리오에 있는 차량의 사이드슬립이 측정되고 결정된다. 주행 통계는 데이터 분석 시스템이나 서버와 같은 중앙 기기에 의해 수집된다. 주행 통계 및 측정된 사이드슬립을 분석하여 주행 시나리오 목록을 만든다. 각각의 주행 시나리오는 동일하거나 유사한 주행 시나리오 하에서 발생할 가능성이 있는 특정 사이드슬립 또는 스키드와 연관된다. 사이드슬립(시나리오/사이드슬립) 매핑 테이블 또는 데이터베이스에 대한 주행 시나리오가 생성된다. 시나리오/사이드슬립 매핑 테이블은, 동일 또는 유사 유형의 다양한 차량의 주행 통계 및 측정된 사이드슬립에 기초하여 결정된 사이드슬립에 각각의 주행 시나리오를 매핑한다.
특정 차량의 후속 이동을 온라인으로 결정할 때, 해당 시점에서 후속 이동을 위한 주행 시나리오가 결정된다. 결정된 주행 시나리오에 기초하여 시나리오/사이드슬립 매핑 테이블에서 룩업 동작이 수행되어 해당 시점의 주행 시나리오에 대응하는 소정의 사이드슬립을 획득한다. 소정의 사이드슬립이 후속 이동을 위한 계획 및 제어 데이터를 생성할 때 고려된다. 차량은 동일하거나 유사한 주행 환경 또는 조건에서 예측된 사이드슬립에 대해 보상된 계획 및 제어 데이터를 기초로 제어되고 주행된다.
일 실시예에서, 주행 시나리오 세트가 상이한 유형의 차량에 대해 결정된다. 각 주행 시나리오는 특정 유형의 자율 주행 차량의 특정 이동에 대응된다. 각 유형의 자율 주행 차량의 주행 시나리오 각각에 대해 주행 통계 세트가 획득된다. 주행 통계에는, 차량을 제어하고 주행하는데 사용되는 하나 이상의 주행 파라미터(예컨대, 속력, 선회 각도), 해당 시점의 주행 조건(예컨대, 도로 상태, 날씨) 및 주행 시나리오 하에서 주행 파라미터 및 주행 조건에 의해 야기된 사이드슬립이 포함된다. 주행 시나리오/사이드슬립 매핑 테이블 또는 데이터베이스가 구축된다. 시나리오/사이드슬립 매핑 테이블은 복수의 매핑 항목을 포함한다. 각 매핑 항목은 특정 주행 시나리오를 주행 통계에 기초하여 계산된 사이드슬립으로 매핑한다. 시나리오/사이드슬립 매핑 테이블은 후속하여 유사한 주행 환경에서 사이드슬립을 예측하는데 이용되어, 주행 계획 및 제어가 보상될 수 있다.
도 1은 본 발명의 일 실시예에 따른 자율 주행 차량 네트워크 구성을 나타내는 블록도이다. 도 1을 참조하면, 네트워크 구성(100)은, 네트워크(102) 상에서 하나 이상의 서버(103-104)와 통신 가능하게 결합될 수 있는 자율 주행 차량(101)을 포함한다. 하나의 자율 주행 차량이 도시되어 있지만, 다수의 자율 주행 차량이 서로 결합될 수 있고/있거나 네트워크(102)를 통해 서버들(103-104)에 결합될 수 있다. 네트워크(102)는 근거리 네트워크(LAN), 인터넷과 같은 광역 네트워크(WAN), 셀룰러 네트워크, 위성 네트워크 또는 이들의 조합과 같은 유선 또는 무선의 임의의 유형의 네트워크일 수 있다. 서버(들)(103-104)는 웹 또는 클라우드 서버, 애플리케이션 서버, 백엔드 서버 또는 이들의 조합과 같은 임의의 종류의 서버 또는 서버 클러스터일 수 있다. 서버(103-104)는 데이터 분석 서버, 콘텐츠 서버, 교통 정보 서버, 지도 및 관심 지점(POI: point of interest) 서버 또는 위치 서버 등일 수 있다.
자율 주행 차량은 차량이 운전자로부터의 입력이 거의 또는 전혀 없이 주변 환경을 내비게이트하는 자율 주행 모드로 구성될 수 있는 차량을 지칭한다. 이러한 자율 주행 차량은 차량이 운행되는 환경에 관한 정보를 검출하도록 구성된 하나 이상의 센서를 갖는 센서 시스템을 포함할 수 있다. 차량 및 관련 제어기(들)는 검출된 정보를 이용하여 주변 환경 사이로 내비게이트한다. 자율 주행 차량(101)은 수동 모드, 완전 자율 주행 모드 또는 부분 자율 주행 모드로 운행될 수 있다.
일 실시예에서, 자율 주행 차량(101)은 데이터 처리 시스템(110), 차량 제어 시스템(111), 무선 통신 시스템(112), 사용자 인터페이스 시스템(113), 인포테인먼트 시스템(114) 및 센서 시스템(115)을 포함하지만, 이에 한정되지 않는다. 자율 주행 차량(101)은, 예를 들어, 가속 신호 또는 명령, 감속 신호 또는 명령, 조향 신호 또는 명령, 제동 신호 또는 명령 등과 같은 다양한 통신 신호 및/또는 명령을 사용하여, 차량 제어 시스템(111) 및/또는 데이터 처리 시스템(110)에 의해 제어될 수 있는, 엔진, 차륜(wheel), 스티어링 휠, 변속기 등과 같은, 일반 차량에 포함되는 특정 공통 구성 요소를 더 포함할 수 있다.
구성요소(110-115)는 인터커넥트(interconnect), 버스, 네트워크 또는 이들의 조합을 통해 서로 통신 가능하게 결합될 수 있다. 예를 들어, 구성요소(110-115)는, 제어기 영역 네트워크(CAN) 버스를 통해 서로 통신 가능하게 결합될 수 있다. CAN 버스는, 호스트 컴퓨터가 없는 어플리케이션들에서 마이크로 컨트롤러들과 장치들이 서로 통신할 수 있도록 설계된 차량 버스 표준이다. 그것은 메시지 기반 프로토콜로서, 원래는 자동차 내의 멀티플렉스(multiplex) 전기 배선을 위해 설계되었지만, 다른 많은 상황에서도 사용된다.
이제 도 2를 참조하면, 일 실시예에서, 센서 시스템(115)은, 하나 이상의 카메라(211), GPS(global positioning system) 유닛(212), 관성 측정 유닛(IMU)(213), 레이더 유닛(214) 및 광 검출 및 측정(LIDAR) 유닛(215)을 포함하지만, 이에 한정되지 않는다. GPS 유닛(212)은 자율 주행 차량의 위치에 관한 정보를 제공하도록 동작 가능한 송수신기(트랜시버)를 포함할 수 있다. IMU 유닛(213)은, 관성 가속도에 기초하여 자율 주행 차량의 위치 및 방향(orientation) 변화를 감지할 수 있다. 레이더 유닛(214)은, 무선 신호를 활용하여 자율 주행 차량의 로컬 환경 내의 물체들을 감지하는 시스템을 나타낼 수 있다. 일부 실시예들에서, 물체를 감지하는 것 외에, 레이더 유닛(214)은 물체의 속력 및/또는 진로(heading)를 추가로 감지할 수 있다. LIDAR 유닛(215)은, 레이저를 사용하여 자율 주행 차량이 위치한 환경 내의 물체들을 감지할 수 있다. LIDAR 유닛(215)은, 여러 시스템 구성 요소들 중에서, 하나 이상의 레이저 소스, 레이저 스캐너 및 하나 이상의 검출기를 포함할 수 있다. 카메라(211)는 자율 주행 차량을 둘러싸는 환경의 이미지를 캡쳐하기 위한 하나 이상의 장치를 포함할 수 있다. 카메라(211)는 정지 화상 카메라 및/또는 비디오 카메라일 수 있다. 카메라는, 예를 들어, 카메라를 회전 및/또는 틸팅 플랫폼에 장착함으로써, 기계적으로 이동 가능할 수 있다.
센서 시스템(115)은, 소나(sonar) 센서, 적외선 센서, 스티어링(조향) 센서, 스로틀 센서, 제동 센서 및 오디오 센서(예를 들어, 마이크로폰)와 같은 다른 센서들을 더 포함할 수 있다. 오디오 센서는 자율 주행 차량을 둘러싸는 환경에서 소리(sound)를 캡쳐하도록 구성될 수 있다. 스티어링 센서는, 스티어링 휠, 차량의 차륜 또는 이들의 조합의 스티어링 각도를 감지하도록 구성될 수 있다. 스로틀 센서 및 제동 센서는, 차량의 스로틀 위치 및 제동 위치를 각각 감지한다. 일부 상황에서는, 스로틀 센서와 제동 센서가 통합 스로틀/제동 센서로 통합될 수 있다.
일 실시예에서, 차량 제어 시스템(111)은, 스티어링 유닛(201), 스로틀 유닛(202)(가속 유닛으로도 지칭됨), 제동 유닛(203), 컴퓨터 비전 시스템(204), 내비게이션 유닛(205)(내비게이션 및 경로 또는 내비게이션/경로 시스템으로도 지칭됨) 및 충돌 회피 유닛(206)(장애물 회피 시스템으로도 지칭됨)을 포함하지만, 이에 한정되지 않는다. 스티어링 유닛(201)은, 차량의 방향 또는 진로(또는 진행 방향)을 조정하기 위한 것이다. 스로틀 유닛(202)은 모터 또는 엔진의 속력을 제어하여 차량의 속력 및 가속도를 차례로 제어하기 위한 것이다. 제동 유닛(203)은 차량의 차륜 또는 타이어를 감속시키도록 마찰을 제공함으로써 차량을 감속시키기 위한 것이다.
컴퓨터 비전 시스템(204)은 자율 주행 차량의 환경 내의 물체 및/또는 특징을 식별하기 위해 하나 이상의 카메라(211)에 의해 캡쳐된 이미지를 처리하고 분석하는 것이다. 물체는 교통 신호, 도로 경계, 다른 차량, 보행자 및/또는 장애물 등을 포함할 수 있다. 컴퓨터 비전 시스템(204)은 물체 인식 알고리즘, 비디오 트래킹(tracking) 및 다른 컴퓨터 비전 기술을 사용할 수 있다. 일부 실시예에서, 컴퓨터 비전 시스템(204)은, 환경을 매핑하고, 물체를 추적하고, 물체의 속력 추정 등을 할 수 있다.
내비게이션 유닛 또는 시스템(205)은 자율 주행 차량의 주행 경로를 결정하는 것이다. 예를 들어, 네비게이션 시스템은, 일련의 속력 및 진행 방향(directional heading)을 결정하여, 인지된 장애물을 실질적으로 피하는 경로를 따라 자율 주행 차량의 이동을 수행하면서, 궁극적인 목적지에 이르는 도로 기반 경로를 따라 자율 주행 차량을 일반적으로 전진시킬 수 있다. 목적지는, 사용자 인터페이스를 통한 사용자 입력에 따라 설정될 수 있다. 내비게이션 시스템(205)은, 자율 주행 차량이 운행되는 동안 주행 경로를 동적으로 업데이트할 수 있다. 네비게이션 시스템(205)은, 자율 주행 차량을 위한 주행 경로를 결정하기 위해 GPS 시스템 및 하나 이상의 지도로부터의 데이터를 통합할 수 있다.
충돌 회피 유닛 또는 시스템(206)은 자율 주행 차량의 환경에서의 잠재적 장애물을 식별, 평가 및 회피하거나 협상(negotiate)하는 것이다. 예를 들어, 충돌 회피 시스템(206)은, 급회피 조작, 선회 조작, 제동 조작 등을 수행하기 위해, 제어 시스템의 하나 이상의 서브 시스템을 조작하여 자율 주행 차량의 네비게이션의 변화를 수행할 수 있다. 충돌 회피 시스템(206)은, 주변의 교통 패턴, 도로 상태 등에 기초하여, 실현 가능한 장애물 회피 조작을 자동으로 결정할 수 있다. 충돌 회피 시스템(206)은, 자율 주행 차량이 급회피하여 진입할 인접 영역에서, 차량, 건축 장애물 등을 다른 센서 시스템들이 검출할 때, 급회피 조작이 수행되지 않도록 구성될 수 있다. 충돌 회피 시스템(206)은, 사용 가능하면서 동시에 자율 주행 차량의 탑승자의 안전을 극대화하는 조작을 자동적으로 선택할 수 있다. 충돌 회피 시스템(206)은, 자율 운행 차량의 승객실에서 최소량의 가속도를 일으킬 것으로 예상되는 회피 조작을 선택할 수 있다. 도 2에 도시된 구성 요소들은, 하드웨어, 소프트웨어 또는 이들의 조합으로 구현될 수 있다.
도 1을 다시 참조하면, 무선 통신 시스템(112)은, 자율 주행 차량(101)과, 장치들, 센서들, 다른 차량들 등과 같은 외부 시스템들 간의 통신을 가능하게 한다. 예를 들어, 무선 통신 시스템(112)은, 하나 이상의 장치들과 직접 또는 네트워크(102) 상의 서버들(103-104)과 같은 통신 네트워크를 통해 무선 통신할 수 있다. 무선 통신 시스템(112)은, 임의의 셀룰러 통신 네트워크 또는 무선 근거리 네트워크(WLAN)를 사용할 수 있으며, 예를 들어, 다른 구성 요소 또는 시스템과 통신하기 위해 WiFi를 사용할 수 있다. 무선 통신 시스템(112)은, 예를 들어, 적외선 링크, 블루투스 등을 사용하여, 장치(예를 들어, 승객의 모바일 장치, 디스플레이 장치, 차량(101) 내의 스피커)와 직접 통신할 수 있다. 사용자 인터페이스 시스템(113)은, 예를 들어, 키보드, 터치 스크린 디스플레이 장치, 마이크로폰 및 스피커 등을 포함하는 차량(101) 내에 구현되는 주변 장치들의 일부일 수 있다.
자율 주행 차량(101)의 모든 기능의 일부는, 특히 자율 주행 모드에서 운행될 때, 데이터 처리 시스템(110)에 의해 제어되거나 관리될 수 있다. 데이터 처리 시스템(110)은, 센서 시스템(115), 제어 시스템(111), 무선 통신 시스템(112) 및/또는 사용자 인터페이스 시스템(113)으로부터 정보를 수신하고, 수신된 정보를 처리하고, 출발점에서 목적지점까지의 루트(route) 또는 경로를 계획한 다음, 계획 및 제어 정보에 기초하여 차량(101)을 주행하기 위해, 필요한 하드웨어(예를 들어, 프로세서(들), 메모리, 저장 장치) 및 소프트웨어(예를 들어, 운영 체제, 계획 및 라우팅(routing) 프로그램)을 포함한다. 대안적으로, 데이터 처리 시스템(110)은 차량 제어 시스템(111)과 통합될 수 있다.
예를 들어, 승객인 사용자는, 예를 들어, 사용자 인터페이스를 통해 여행의 출발 위치 및 목적지를 지정할 수 있다. 데이터 처리 시스템(110)은 자율 주행 차량(101)의 다른 구성 요소와 통신하여 여행 관련 데이터를 얻는다. 예를 들어, 데이터 처리 시스템(110)은 서버(103-104)의 일부일 수 있는, 위치 서버 및 지도 및 POI(MPOI) 서버로부터 위치 및 루트 정보를 획득할 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 지도 서비스와 특정 위치들의 POI들을 제공한다. 대안적으로, 이러한 위치 및 MPOI 정보는 데이터 처리 시스템(110)의 영구 저장 장치에 국부적으로 캐시될 수 있다.
루트를 따라 자율 주행 차량(101)을 이동하는 동안, 데이터 처리 시스템(110)은 교통 정보 시스템 또는 서버(TIS)로부터 실시간 교통 정보도 얻을 수 있다. 서버(103-104)는 제3자 엔티티에 의해 운영될 수 있다. 대안적으로, 서버들(103-104)의 기능들은 데이터 처리 시스템(110)과 통합될 수 있다. 데이터 처리 시스템(110)은, 실시간 교통 정보, MPOI 정보 및 위치 정보뿐만 아니라 센서 시스템(115)에 의해 검출 또는 감지된 실시간 로컬 환경 데이터(예를 들어, 장애물, 물체, 주변 차량)에 기초하여, 최적의 루트를 계획하고 예를 들어, 제어 시스템(111)을 통해, 지정된 목적지에 안전하고 효율적으로 도착하기 위해 계획된 루트에 따라 차량(101)을 주행할 수 있다.
일 실시예에 따르면, 자율 주행 차량(101)은 차량(101)의 승객에게 정보 및 엔터테인먼트(entertainment)를 제공하는 인포테인먼트 시스템(114)을 더 포함할 수 있다. 정보 및 엔터테인먼트 콘텐츠는 국부적으로 및/또는 원격으로 저장된 콘텐츠 정보(예컨대, 서버(103-104)에 의해 제공됨)에 기초하여 수신되고, 컴파일되고 렌더링(rendered)될 수 있다. 예를 들어, 정보는 네트워크(102)를 통해 임의의 서버(103-104)로부터 실시간으로 스트리밍되고 차량(101)의 디스플레이 장치 상에 디스플레이 될 수 있다. 정보는 예를 들어, 하나 이상의 카메라에 의해 실시간으로 캡쳐된 로컬 정보로 증강될(augmented) 수 있으며, 그 다음 증강된 콘텐츠는 가상 현실 방식으로 디스플레이될 수 있다.
일 실시예에서, 위치 및 루트 정보, MPOI 정보, 및/또는 실시간 교통 정보에 기초하여, 인포테인먼트 시스템(114) 및/또는 데이터 처리 시스템(110)은 현재의 교통 환경(예를 들어, MPOI )에 적절한 콘텐츠의 특정 유형을 결정한다. 시스템은, 예를 들어 실시간 여행(또는 이동) 정보에 기초하여, 콘텐츠 아이템 후보들로서 리스트 콘텐츠 아이템(예를 들어, 스폰서된 콘텐츠 또는 광고들)을 식별하기 위해 콘텐츠 인덱스(도시되지 않음)에서 룩업 동작을 수행한다. 선택된 콘텐츠 아이템은, 그 후 자율 주행 차량 내의 디스플레이 장치 상에 렌더링되고 디스플레이된다. 일부 실시예에 따르면 인포테인먼트 시스템(114)은 데이터 처리 시스템(110)과 통합될 수 있다.
일 실시예에서, 계획된 루트 정보에 기초하여 후속 이동 사이클의 후속 루트 또는 경로 세그먼트에 대한 후속 이동(예를 들어, 선회)을 결정할 때, 데이터 처리 시스템(110)은 물리 모델(예를 들어, 미리 결정된 공식 또는 규칙 세트)을 이용하여 차량의 후속 상황 또는 상태를 계산하거나 결정할 수 있다. 물리 모델은 차량의 주변 환경에 대한 인지를 기초로 자율 주행 차량의 이동을 계획하고 제어하도록 구성된 규칙 또는 알고리즘 세트를 의미한다. 계획 및 제어 데이터는 물리 모델을 기반으로 생성되며, 계획 및 제어 데이터는 차량이 후속 이동 사이클에서 어떻게 움직일지를 제어하기 위해 충분한 데이터 및 명령을 포함한다. 또한, 사이드슬립 예측 모델은 계획 및 제어 데이터 뿐만 아니라 해당 시점에서의 주행 조건(예컨대, 도로 상태, 기상 조건)과 관련된 적어도 주행 파라미터 세트에 적용된다. 계획 및 제어 데이터에 의해 기술된 주행 시나리오 하에서의 사이스슬립 또는 스키드는 예측 모델을 이용하여 예측된다. 계획 및 제어 데이터는 그 같은 사이드슬립을 보상하기 위해 예측된 사이드슬립에 기초하여 수정될 수 있다. 차량은 수정되거나 보상된 계획 및 제어 데이터를 기초로 제어되고 주행된다.
사이드슬립 예측 모델은 데이터 분석 시스템, 예컨대 사이드슬립 예측 모델(165)의 일부로서 서버(103)에 의해 제공될 수 있는 데이터 처리 시스템(110)에 저장될 수 있다. 일 실시예에서, 데이터 분석 시스템(103)은 데이터 수집기 또는 수집 모듈(151), 분석 모듈(152) 및 머신 러닝 엔진(160)을 포함하지만, 이에 한정되는 것은 아니다. 데이터 수집기(151)는 다양한 주행 환경 또는 주행 조건에서 주행된 다양한 주행 차량으로부터 주행 통계(155)를 수집한다.
차량의 주행 통계는 차량의 하나 이상의 센서에 의해 기록되고 캡쳐될 수 있다. 주행 통계는 상이한 주행 시나리오를 나타내는 상이한 시점에서 차량에 적용되는 소정의 주행 파라미터 또는 명령을 포함할 수 있다. 예를 들어, 특정 주행 환경에서 주행할 때, 속력, 선회 각도, 가속도(예컨대, 가스 페달에 적용되는 압력과 같은 스로틀 파라미터), 감속도(예컨대, 브레이크 페달에 적용되는 압력과 같은 브레이크 파라미터)와 같은 소정의 주행 파라미터가 기록될 수 있다. 또한, 그러한 환경에서의 차량의 사이드슬립은 대응하는 주행 파라미터 세트와 연관되도록 측정되고 기록될 수 있다. 사이드슬립은 도 4a에 도시된 바와 같이 종료될 것으로 예상된 차량의 제 1 위치와, 도 4b에 도시된 바와 같이 주행 조건으로 인해 실제로 종료된 차량의 제 2 위치 간의 거리 또는 경로의 차이를 의미한다. 주행 조건은 도로 상태, 날씨, 차량의 특정 중량 또는 치수, 속력, 회전 각도, 가속도 또는 감속도 중 하나 이상에 기초하여 결정될 수 있다. 차량의 예상 위치는 계획된 주행 파라미터가 주어진 미리 결정된 공식(물리 모델로도 지칭)을 이용하여 결정될 수 있다. 즉, 차량의 예상 위치는 도로 상태 또는 기상 조건을 고려하지 않고 차량과 연관된 물리 모델에 기초하여 결정된다.
일 실시예에 따르면, 다양한 주행 시나리오 하에서 다양한 차량의 캡쳐된 주행 파라미터 및 사이드슬립이 머신 러닝 기술을 이용한 머신 러닝 엔진(160)에 의해 분석되어, 하나 이상의 사이드슬립 예측 모델(165)을 생성할 수 있다. 머신 러닝은 데이터로부터 학습할 수 있고 데이터를 예측할 수 있는 알고리즘의 연구 및 구조를 탐구한다. 이러한 알고리즘은 정적 프로그램 명령(static program instruction)을 엄격하게 따르기보다는 데이터 기반의 예측 또는 결정을 내리기 위해 예시 입력으로부터 모델을 작성하여 작동한다.
도 5를 참조하여, 차량의 사이드슬립을 예측할 때, 머신 러닝 엔진(160)에 대한 입력은 대량의 주행 통계 및 그에 대응하는 측정된 사이드슬립의 파라미터(501)이다. 머신 러닝 엔진(160)은 주행 통계(155)에 기초하여 사이드슬립을 생성하는 주행 패턴을 "학습"하고 머신 러닝의 결과로서 예측 모델(165)의 일부일 수 있는 사이드슬립 예측 모델(502)을 생성한다. 차량의 각 유형은 상이한 사이드슬립에 기여할 수 있는 상이한 구성 및 물리적 크기를 가질 수 있기 때문에, 각 예측 모델(165)은 차량의 특정 유형 및 범주와 연관될 수 있다. 사이드슬립 예측 모델(165)은 온라인 사이드슬립 예측을 위해 차량에 업로드될 수 있다.
다른 실시예에 따르면, 도 1을 다시 참조하면, 분석 모듈(152)은 주행 시나리오의 리스트를 식별하기 위해 주행 통계(155)에 대한 분석을 수행한다. 주행 시나리오는 특정 속력(예컨대, 일정한 속력, 가속 또는 감속 유지)로 특정 거리를 주행하는 것, 특정 속력으로 특정 선회 각도로 선회하거나, 특정 속력 및/또는 각도로 차선을 변경하는 것 등과 같은 특정 주행 패턴을 지칭한다. 각 주행 시나리오에 대해, 분석 모듈(152)은 주행 통계(155)로부터 대응되는 주행 시나리오 동안 발생한 사이드슬립을 추가로 결정한다. 특정 주행 시나리오에 대한 사이드슬립은 동일 또는 유사 주행 시나리오 하에서 동일 또는 유사 유형의 다수의 차량에 의해 발생하는 대량의 사이드슬립에 기초하여 결정될 수 있다. 예를 들어, 유사한 주행 환경 하에서 측정된 다수의 유사 차량의 사이드슬립의 평균을 취함으로써 사이드슬립이 결정될 수 있다.
분석에 기초하여, 시나리오/사이드슬립 매핑 테이블 또는 데이터베이스(170)가 생성된다. 각 시나리오/사이드슬립 매핑 테이블은 다수의 매핑 항목이 포함된다. 각 매핑 항목은 특정 주행 시나리오를 사이드슬립으로 매핑한다. 사이드슬립은 선회 반경으로 나타낼 수 있다. 차량의 각 유형 또는 범주에 대해 하나의 시나리오/사이드슬립 매핑 테이블이 있을 수 있다. 시나리오/사이드슬립 매핑 테이블(170)은 실시간 주행 중에 이용될 대응 차량으로 로딩된다.
도 3은 본 발명의 일 실시예에 따른 자율 주행 차량과 함께 사용되는 데이터 처리 시스템의 일례를 나타내는 블록도이다. 시스템(300)은 도 1의 자율 주행 차량(101)의 일부로서 구현될 수 있고, 데이터 처리 시스템(110), 제어 시스템(111) 및 센서 시스템(115)을 포함하지만 이에 한정되지 않는다. 도 3을 참조하면, 데이터 처리 시스템(110)은 비주얼 시스템 모듈(VSM, visual system module)(301), 로컬라이제이션 모듈(302, localization module), 인지 모듈(303), 계획 모듈(304), 제어 모듈(305) 및 사이드슬립 결정 모듈(306)을 포함한다.
이들 모듈 중 일부 또는 전부는 소프트웨어, 하드웨어 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 이들 모듈은 영구 저장 장치(352)에 설치되고, 메모리(351)에 로드되며, 하나 이상의 프로세서(미도시)에 의해 실행될 수 있다. 이들 모듈 중 일부 또는 전부는, 도 2의 차량 제어 시스템(111)의 일부 또는 모든 모듈들과 통신 가능하게 결합되거나 통합될 수 있다. 예를 들어, VSM 모듈(301)은 컴퓨터 비전 시스템(204)과 적어도 부분적으로 통합될 수 있다. 인지 모듈(303), 계획 모듈(304) 및/또는 제어 모듈(305)은 네비게이션 유닛(205) 및 충돌 회피 유닛(206)과 적어도 부분적으로 통합될 수 있다.
일 실시예에 따르면, 센서 시스템(115)에 의해 캡쳐된 센서 데이터(예를 들어, 이미지)에 응답하여, VSM 모듈(301)은 센서 데이터에 대한 분석을 수행하여 자율 주행 차량의 주변 환경을 기술하는 메타 데이터를 도출한다. 예를 들어, 온보드 카메라에 의해 캡쳐된 이미지가 주어지면, VSM 모듈(301)은 이미지에 의해 표현된 콘텐츠를 결정하기 위해 이미지에 대한 이미지 인식을 수행할 수 있다. 이미지에 의해 표현되는 컨텐츠는 사람, 빌딩과 같은 배경, 표지판, 신호등 신호, 움직이는 차량 또는 물체, 차로 구성 등을 포함할 수 있다.
로컬라이제이션 모듈(302)(맵 및 루트 모듈이라고도 함)은 사용자의 여행 또는 루트와 관련된 임의의 데이터를 관리한다. 사용자는, 예를 들어, 사용자 인터페이스를 통해 로그인하고 여행의 출발 위치 및 목적지를 지정할 수 있다. 로컬라이제이션 모듈(302)은 지도 및 루트 정보(311)와 같은 자율 주행 차량(300)의 다른 구성 요소와 통신하여, 여행 관련 데이터를 얻는다. 예를 들어, 로컬라이제이션 모듈(302)은 위치 서버 및 지도 및 POI(MPOI) 서버로부터 위치 및 루트 정보를 획득할 수 있다. 위치 서버는 위치 서비스를 제공하고, MPOI 서버는 지도 서비스와 특정 위치들의 POI들을 제공하며, 이는 지도 및 루트 정보(311)의 일부로서 캐시될 수 있다. 자율 주행 차량(300)이 루트를 따라 이동하는 동안, 로컬라이제이션 모듈(302)은 또한 교통 정보 시스템 또는 서버로부터 실시간 교통 정보를 획득할 수 있다.
VSM(301)에 의해 제공된 분석과 로컬라이제이션 모듈(302)에 의해 획득된 로컬라이제이션 정보에 기초하여, 주변 환경의 인지는 인지 모듈(303)에 의해 결정된다. 인지 정보는 일반 운전자가 주행하는 주행 차량 주위를 인지하는 것을 나타낼 수 있다. 인지는 차로 구성(예를 들어, 직선 또는 곡선 차선), 신호등 신호, 다른 차량의 상대적 위치, 보행자, 건물, 횡단 보도 또는 기타 교통 관련 표지판(예를 들어, 정지 표지판, 양보 표지판) 등을 포함할 수 있다. 각각의 아이템은 물체(object)로 간주된다.
인지 정보에 기초하여, 계획 모듈(304)은 자율 주행 차량을 위한 경로 또는 루트뿐만 아니라 주행 파라미터(예컨대, 거리, 속력)를 계획하는 것이다. 계획 및 제어 데이터는 계획 모듈(304)에 의해 생성되고, 차량(300)이 후속 루트 또는 루트 세그먼트(또한 후속 이동 사이클라고도 함)에서 어떻게 이동할 것인지를 기술하는 정보를 포함한다. 예를 들어, 계획 및 제어 데이터는, 차량이 시속 30 마일(mph)의 속력으로 100m 이동한 다음 25 mph의 속력으로 우측 차로로 변경하도록 지시할 수 있다.
계획 및 제어 데이터에 기초하여, 제어 모듈(305)은 계획 및 제어 데이터에 의해 정의된 루트 또는 경로에 따라, 차량 제어 시스템(111)에 적절한 명령 또는 신호를 전송함으로써 자율 주행 차량을 제어하는 것이다. 계획 및 제어 데이터에는, 경로 또는 루트 상의 시간에 따른 상이한 시점에서 적절한 차량 설정 또는 주행 파라미터(예를 들어, 스로틀, 제동 및 선회 명령)를 사용하여 루트 또는 경로의 제1 지점에서 제2 지점까지 차량을 주행할 수 있는 충분한 정보가 포함되어 있다.
일 실시예에 따르면, 차량의 후속 이동을 계획할 때, 계획 모듈(304)은 사이드슬립 결정 모듈(306)을 호출하여 후속 이동의 주행 시나리오를 위한 사이드슬립을 결정 또는 예측한다. 계획 모듈(304)은 인지 모듈(303)에 의해 제공된 인지에 기초하여 물리 모델 또는 미리 결정된 공식(312)을 사용하여 후속 이동을 결정할 수 있다. 후속 이동에 응답하여, 사이드슬립 결정 모듈(306)은 도 6에 도시된 바와 같이 물리 모델(312)에 의해 생성된 주행 파라미터 세트에 사이드슬립 예측 모델(313)을 적용함으로써 후속 이동과 연관된 사이드슬립을 결정한다.
도 6을 참조하면, 후속 이동을 위한 주행 파라미터 세트(601)가 물리 모델(312) 및 사이드슬립 예측 모델(313) 모두에 제공된다. 주행 파라미터는 도로 유형 또는 상태, 날씨(예컨대, 온도, 습도), 차량 속력, 차량 목표각도, 차량 가속도/감속도, 조향각, 조향 목표각도, 조향 속력 및 조향 방향 중 하나 이상을 포함할 수 있다. 주행 파라미터(601)로, 물리 모델(312)은 후속 이동(602)(예를 들어, 사이드슬립 보상없이 예상되는 움직임)을 결정할 수 있다. 예를 들어, 물리 모델(312)은 전방 차륜의 각도, 전방 차륜과 후방 차륜 간의 거리로 현재 이동 경로의 곡률을 계산할 수 있다. 차량의 속력과 경로의 길이에 따라 차량의 위치 이동이 결정될 수 있다.
또한, 사이드슬립 예측 모델(313)은 주행 파라미터(601) 세트에 적용되며, 이는 주행 파라미터(601)에 의해 표현된 주행 시나리오 하에서 사이드슬립을 유추하거나 예측한다. 계산된 이동(602)에 기초하여, 계획 모듈(304)은 계산된 이동(602)을 수정하여 보상된 이동(604)을 생성함으로써 예측된 사이드슬립(603)에 기초하여 사이드슬립을 보상할 수 있다. 일 실시예에서, 차량의 수정 또는 보상된 위치는 물리 모델, 차륜의 움직임 및 예측된 사이드슬립에 따라 본래 계산된 위치에 기초하여 (예를 들어, 추가함으로써) 결정될 수 있다. 후속 이동을 위한 계획 및 제어 데이터는 보상된 이동(604)에 기초하여 생성될 수 있으며, 차량은 계획 및 제어 데이터에 기초하여 제어되고 주행된다.
도 7은 본 발명의 일 실시예에 따라 자율 주행 차량을 동작시키는 프로세스를 나타내는 흐름도이다. 프로세스(700)는 소프트웨어, 하드웨어, 또는 이들의 조합을 포함할 수 있는 프로세싱 로직에 의해 수행될 수 있다. 예를 들어, 프로세스(700)는 데이터 처리 시스템(110)에 의해 수행될 수 있다. 도 7을 참조하면, 블록(701)에서의 온라인 주행 중에, 프로세싱 로직은 물리 모델(또는 미리 결정된 알고리즘 또는 규칙 세트)을 이용하여 주행 파라미터 세트에 기초하여 자율 주행 차량의 후속 이동(예를 들어, 후속 상태 또는 상황)을 계산한다. 블록(702)에서, 프로세싱 로직은 사이드슬립 예측 모델을 특정 주행 시나리오를 나타내는 주행 파라미터 세트에 적용하여 사이드슬립을 예측한다. 블록(703)에서, 프로세싱 로직은 주행 파라미터를 수정함으로써 예측된 사이드슬립을 고려하여 차량의 후속 이동을 보상한다. 블록(704)에서, 프로세싱 로직은 보상된 후속 이동에 기초하여 계획 및 제어 데이터를 생성한다. 블록(705)에서, 자율 주행 차량은 계획 및 제어 데이터에 기초하여 제어되고 주행된다.
도 8은 본 발명의 일 실시예에 따라 머신 러닝을 이용하여 사이드슬립 예측 모델을 생성하는 프로세스를 나타내는 흐름도이다. 프로세스(800)는 소프트웨어, 하드웨어, 또는 이들의 조합을 포함할 수 있는 프로세싱 로직에 의해 수행될 수 있다. 프로세스(800)는 도 1의 서버(103)와 같은 데이터 분석 시스템에 의해 수행될 수 있다. 도 8을 참조하면, 블록(801)에서 프로세싱 로직은, 전술한 환경에서 차량에 의해 측정된 사이드슬립과 적용된 주행 파라미터 또는 명령을 포함하여, 다양한 주행 시나리오 하에서 다양한 차량의 주행 통계를 수집한다. 블록(802)에서, 차량의 각 유형 또는 범주에 대해, 프로세싱 로직은 머신 러닝 기술을 이용하여 대응 주행 통계에 기초하여 사이드슬립 예측 모델을 훈련시킨다. 블록(803)에서, 사이드슬립 예측 모델은 후속 온보드 실시간 사이드슬립 보상을 위해 자율 주행 차량에 제공된다(예를 들어, 전송, 업로드된다).
도 3을 다시 참조하면, 일 실시예에 따르면, 사이드슬립을 결정하기 위한 요청에 응답하여, 사이드슬립 결정 모듈(306)은 해당 시점에서 주행 시나리오를 결정한다. 주행 시나리오는 계획 모듈(304)에 의해 제공된 계획된 후속 이동의 주행 파라미터 및 해당 시점에서의 주행 조건(예를 들어, 도로 및 기상 조건)에 기초하여 결정될 수 있다. 예를 들어 주행 시나리오는, 건조한 도로에서 조향각 200 도와 속력 30mph로 U 턴을 할 수 있거나, 젖은 도로에서 조향각 150 도와 속력 20mph로 좌회전을 할 수 있거나, 또는 건조한 도로에서 조향각 100 도와 속력 25mph로 우회전을 할 수 있는 것 중 하나 이상이 될 수 있다.
결정된 주행 시나리오에 기초하여, 사이드슬립 판정 모듈(306)은 시나리오/사이드슬립 매핑 테이블(314)을 룩업(lookup)하여 해당 시점의 주행 시나리오에 부합하는 매핑 항목을 검출한다. 시나리오/사이드슬립 매핑 테이블(314)의 일례가 일 실시예에 따라 도 9에 도시되어 있다. 사이드슬립은 매칭 항목에서 획득된다. 그 후, 사이드슬립을 보상하기 위해, 계획 모듈(304)은 사이드슬립을 이용하여 계산된 주행 파라미터를 수정한다. 일 실시예에서, 조향각은 규칙 세트 또는 물리 모델을 이용하여 후속 이동과 연관된 루트 또는 루트 세그먼트에 의해 요구되는 속력에 기초하여 결정된다. 그 다음, 조향각은 시나리오/사이드슬립 매핑 테이블로부터 획득된 예측된 사이드슬립을 고려하여 수정된다. 수정된 조향각은 자율 주행 차량을 계획하고 제어하는데 이용된다.
예를 들어, 도 10a에 도시된 바와 같이, 우회전을 하는 것이 현재 목표인 경우, 예를 들어 물리 모델을 이용하여 조향각이 15 도로 계산된다. 차량은 고속에서 사이드슬립으로 미끄러질 수 있다(skid). 시스템이 차량이 미끄러지는 것(skid)을 감지할 때 조향각이 수시로 변경될 수 있지만, 사이드슬립으로 인해 여전히 큰 루트 오류(route error)가 있다. 전술한 바와 같은 사이드슬립 보상으로 인해, 예컨대 도 10b에 도시된 바와 같이 조향각을 20도로 조정함으로써, 차량의 후속 이동을 계획할 때 해당 상황에서 스키드를 고려하는 것이 바람직하며, 따라서 차량은 해당 상황에서 계획대로 경로에 가깝게 이동한다.
도 11은 본 발명의 일 실시예에 따라 사이드슬립 매핑 데이터 구조에 대한 주행 시나리오를 생성하는 프로세스를 나타내는 흐름도이다. 프로세스(1100)는 소프트웨어, 하드웨어, 또는 이들의 조합을 포함할 수 있는 프로세싱 로직에 의해 수행될 수 있다. 프로세스(1100)는 도 1의 서버(103)와 같은 데이터 분석 시스템에 의해 수행될 수 있다. 도 11을 참조하면, 블록(1101)에서, 프로세싱 로직은 다양한 주행 환경에서 다양한 차량의 주행 통계(예를 들어, 주행 파라미터, 상태, 세팅 및 주행 조건)를 수신한다. 블록(1102)에서, 처리 로직은 주행 통계에 기초하여 선회하는 다수의 주행 시나리오(예를 들어, U 턴, 좌회전 또는 우회전)를 결정한다. 결정된 주행 시나리오 각각에 대해, 블록(1103)에서, 처리 로직은 주행 통계로부터 주행 파라미터 또는 세팅(예를 들어, 속력, 조향각, 도로 상태, 날씨)을 식별한다. 블록(1104)에서, 프로세싱 로직은 주행 통계로부터 사이드슬립을 측정하고 결정한다. 블록(1105)에서, 시나리오/사이드슬립 매핑 테이블이 생성된다. 시나리오/사이드슬립 매핑 테이블은 다수의 매핑 항목을 포함하며, 각 매핑 항목은 주행 시나리오를 사이드슬립 또는 선회반경(turning radius)으로 매핑한다. 시나리오/사이드슬립 매핑 테이블은 온보드 주행 중 사이드슬립 보상을 위해 후속해서 활용될 수 있다.
도 12는 본 발명의 일 실시예에 따라 자율 주행 차량을 동작시키는 프로세스를 나타내는 흐름도이다. 프로세스(1200)는 소프트웨어, 하드웨어, 또는 이들의 조합을 포함할 수 있는 프로세싱 로직에 의해 수행될 수 있다. 예를 들어, 프로세스(1200)는 데이터 처리 시스템(110)에 의해 수행될 수 있다. 도 12를 참조하면, 블록(1201)에서, 프로세싱 로직은 계획된 루트 데이터에 따라 자율 주행 차량의 후속 이동이 선회(예를 들어, U 턴, 좌회전 또는 우회전)를 포함한다는 것을 검출한다. 블록(1202)에서, 처리 로직은 계획된 루트 데이터에 기초하여 후속 이동에 대한 주행 시나리오(예를 들어, 속력, 가속도/감속도, 조향각, 도로 상태 및 기상 조건)를 결정한다. 블록(1203)에서, 처리 로직은 결정된 주행 시나리오와 일치하는 매핑 항목을 검출하기 위해 결정된 주행 시나리오에 기초하여 시나리오/사이드슬립 매핑 테이블에서 룩업 동작을 수행한다. 주행 시나리오에 대응하는 사이드슬립은 매칭 항목으로부터 획득된다. 블록(1204)에서, 프로세싱 로직은 사이드슬립을 보상하기 위해 계획된 적어도 일부의 주행 파라미터(예를 들어, 조향각, 속력 또는 명령 발행 타이밍)를 수정한다. 블록(1205)에서, 프로세싱 로직은 수정된 주행 파라미터에 기초하여 계획 및 제어 데이터를 생성한다. 블록(1206)에서, 자율 주행 차량은 계획 및 제어 데이터에 기초하여 제어되고 주행된다.
상술되고 도시된 구성 요소의 일부 또는 전부는 소프트웨어, 하드웨어 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 이러한 구성 요소는 영구 기억 장치에 설치되고 저장되는 소프트웨어로서 구현될 수 있고, 이는 본 출원 전반에 걸쳐 기술된 프로세스 또는 동작들을 실행하기 위해 프로세서(미도시)에 의해 메모리에 로딩되고 실행될 수 있다. 대안적으로, 이러한 구성 요소는, 집적 회로(예를 들어, 주문형 집적 회로 또는 ASIC), 디지털 신호 처리기(DSP) 또는 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array; FPGA)와 같은 전용 하드웨어에 프로그램되거나 내장된 실행 가능 코드로서 구현될 수 있으며, 이는 애플리케이션으로부터 대응하는 드라이버 및/또는 운영 체제를 통해 액세스될 수 있다. 또한, 이러한 구성요소는, 하나 이상의 특정 명령을 통해 소프트웨어 구성요소에 의해 액세스 가능한 명령어 세트의 일부로서, 프로세서 또는 프로세서 코어 내에 특정 하드웨어 로직으로서 구현될 수 있다.
도 13은 본 발명의 일 실시예와 함께 사용될 수 있는 데이터 처리 시스템의 일례를 나타내는 블록도이다. 예를 들어, 시스템(1500)은 예컨대 도 1의 데이터 처리 시스템(110) 또는 서버들(103, 104) 중 임의의 것과 같은, 상술한 프로세스들 또는 방법들 중 임의의 것을 수행하는 상술한 데이터 처리 시스템들 중 임의의 것을 나타낼 수 있다. 시스템(1500)은 다수의 상이한 구성 요소들을 포함할 수 있다. 이들 구성 요소는, 집적 회로(IC), 그 부분, 개별 전자 장치 또는 컴퓨터 시스템의 마더 보드 또는 애드-인 카드와 같은 회로 보드에 적용되는 다른 모듈로서 구현 될 수 있거나, 컴퓨터 시스템의 샤시 내에 다른 방법으로 통합되는 구성 요소들로써 구현될 수 있다.
또한, 시스템(1500)은 컴퓨터 시스템의 많은 구성 요소들의 상위 레벨 뷰를 도시하기 위한 것이다. 그러나, 추가의 구성 요소가 특정 구현 예에 존재할 수 있고, 또한, 도시된 구성 요소의 상이한 배열이 다른 구현 예에서 나타날 수 있음을 이해해야 한다. 시스템(1500)은 데스크탑, 랩탑, 태블릿, 서버, 이동 전화, 미디어 플레이어, PDA(personal digital assistant), 스마트 워치, 개인용 통신기, 게임 장치, 네트워크 라우터 또는 허브, 무선 액세스 포인트(AP) 또는 중계기(repeater), 셋톱 박스 또는 이들의 조합일 수 있다. 또한, 단지 하나의 기계 또는 시스템이 도시되어 있지만, "기계" 또는 "시스템"이라는 용어는, 본 출원에서 기술하는 방법들의 하나 이상을 실행하기 위해, 개별적으로 또는 공동으로 명령어들의 세트(또는 다수의 세트)를 수행하는 임의의 기계 또는 시스템의 집합을 포함하도록 취급될 것이다.
일 실시예에서, 시스템(1500)은 버스 또는 인터커넥트(1510)를 통해 프로세서(1501), 메모리(1503) 및 디바이스들(1505-1508)을 포함한다. 프로세서(1501)는, 내부에 단일 프로세서 코어 또는 다중 프로세서 코어를 포함하는, 단일 프로세서 또는 다중 프로세서를 나타낼 수 있다. 프로세서(1501)는, 마이크로 프로세서, 중앙 처리 장치(CPU) 등과 같은 하나 이상의 범용 프로세서를 나타낼 수 있다. 구체적으로, 프로세서(1501)는 CISC(COMPLEX INSTRUCTION SET COMPUTING) 마이크로프로세서, RISC(REDUCED INSTRUCTION SET COMPUTING) 마이크로프로세서, VLIW(VERY LONG INSTRUCTION WORD) 마이크로프로세서, 또는 다른 명령어 세트를 구현하는 프로세서, 또는 명령어 세트의 조합을 구현하는 프로세서들일 수 있다. 프로세서(1501)는 주문형 집적 회로(ASIC), 셀룰러 또는 베이스 밴드 프로세서, 필드 프로그래머블 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 네트워크 프로세서, 그래픽 프로세서, 통신 프로세서, 암호화 프로세서, 코-프로세서, 임베디드 프로세서, 또는 명령어를 처리할 수 있는 임의의 다른 유형의 로직 등과 같은 하나 이상의 특수 목적 프로세서일 수도 있다.
프로세서(1501)는, 초 저전압 프로세서와 같은 저전력 멀티 코어 프로세서 소켓일 수 있고, 시스템의 다양한 구성요소와의 통신을 위한 메인 프로세싱 유닛 및 중앙 허브로서 작동할 수 있다. 이러한 프로세서는 시스템 온 칩(SoC)으로서 구현될 수 있다. 프로세서(1501)는, 본 명세서에서 논의된 동작들 및 단계들을 수행하기 위한 명령어들을 실행하도록 구성된다. 시스템(1500)은, 디스플레이 제어기, 그래픽 프로세서 및/또는 디스플레이 장치를 포함할 수 있는, 선택적인 그래픽 서브 시스템(1504)과 통신하는 그래픽 인터페이스를 더 포함할 수 있다.
프로세서(1501)는, 일 실시예에서 주어진 양의 시스템 메모리를 제공하기 위한 다수의 메모리 장치를 통해 구현될 수 있는, 메모리(1503)와 통신할 수 있다. 메모리(1503)는, 랜덤 액세스 메모리(RAM), 다이나믹 RAM(DRAM), 동기식 DRAM(SDRAM), 스태틱 RAM(SRAM)와 같은 하나 이상의 휘발성 저장(또는 메모리) 장치 또는 다른 유형의 저장 장치를 포함할 수 있다. 메모리(1503)는, 프로세서(1501) 또는 임의의 다른 장치에 의해 실행되는 명령어들의 시퀀스를 포함하는 정보를 저장할 수 있다. 예를 들어, 다양한 운영 체제, 장치 드라이버, 펌웨어(예를 들어, 입출력 기본 시스템 또는 BIOS), 및/또는 애플리케이션의 실행 가능 코드 및/또는 데이터는 메모리(1503)에 로드되고 프로세서(1501)에 의해 실행될 수 있다. 운영 체제는, 예를 들어, 로봇 운영 체제(ROS), 마이크로소프트® 사의 윈도우즈® 운영 체제, 애플의 맥 OS®/iOS®, 구글®의 안드로이드®, LINUX, UNIX, 또는 다른 실시간 또는 임베디드 운영 체제와 같은 임의의 유형의 운영 체제일 수 있다.
시스템(1500)은, 네트워크 인터페이스 장치(들)(1505), 선택적인 입력 장치(들)(1506) 및 다른 선택적인 I/O 장치(들)(1507)를 포함하는 장치들(1505-1508)과 같은 I/O 장치들을 더 포함할 수 있다. 네트워크 인터페이스 디바이스(1505)는 무선 트랜시버 및/또는 네트워크 인터페이스 카드(NIC)를 포함할 수 있다. 무선 트랜시버는, WiFi 트랜시버, 적외선 트랜시버, 블루투스 트랜시버, WiMax 트랜시버, 무선 셀룰러 전화 트랜시버, 위성 트랜시버(예를 들어, GPS(Global Positioning System) 송수신기) 또는 다른 무선 주파수(RF) 트랜시버일 수 있으며, 또는 이들의 조합일 수 있다. NIC는 이더넷 카드(Ethernet card)일 수 있다.
입력 장치(들)(1506)는, 마우스, 터치 패드, (디스플레이 장치(1504)와 통합될 수 있는) 터치 감지 스크린, 스타일러스와 같은 포인터 장치 및/또는 키보드(예를 들어, 물리적 키보드 또는 터치 감지 스크린의 일부로 표시되는 가상 키보드)를 포함할 수 있다. 예를 들어, 입력 장치(1506)는, 터치 스크린에 결합되는 터치 스크린 제어기를 포함할 수 있다. 터치 스크린 및 터치 스크린 제어기는, 예컨대 다수의 터치 감도 기술 중 임의의 것을 사용하여 접촉(CONTACT) 및 이동(MOVE) 또는 중지(BREAK)를 검출할 수 있다. 터치 감도 기술은 예를 들어, 용량성, 저항성, 적외선 및 표면 탄성파 기술뿐만 아니라, 터치 스크린과의 하나 이상의 접촉점을 결정하기 위한 그 외의 근접 센서 어레이 또는 다른 요소를 포함하며, 이에 제한되지 않는다.
I/O 장치들(1507)은 오디오 장치를 포함할 수 있다. 오디오 장치는 음성 인식, 음성 복제, 디지털 녹음 및/또는 전화 기능과 같은 음성 작동 기능을 가능하게 하기 위해 스피커 및/또는 마이크를 포함할 수 있다. 다른 I/O 장치들(1507)은, USB(universal serial bus) 포트(들), 병렬 포트(들), 직렬 포트(들), 프린터, 네트워크 인터페이스, 버스 브리지(예를 들어, PCI-PCI 브리지), 센서(들)(예를 들어, 가속도계, 자이로스코프, 자력계, 광 센서, 나침반, 근접 센서 등과 같은 모션 센서) 또는 이들의 조합을 포함할 수 있다. 장치들(1507)은 이미징 프로세싱 서브 시스템(예를 들어, 카메라)를 더 포함할 수 있다. 이미징 프로세싱 서브 시스템은, 사진 및 비디오 클립 녹화와 같은 카메라 기능들을 가능하게 하는데 이용되는, CCD(CHARGE COUPLED DEVICE) 또는 CMOS(COMPLEMENTARY METAL-OXIDE SEMICONDUCTOR) 광학 센서와 같은 광학 센서를 포함할 수 있다. 특정 센서들은, 센서 허브(미도시)를 통해 인터커넥트(1510)에 연결될 수 있고, 키보드 또는 열 센서와 같은 다른 장치는 시스템(1500)의 구체적인 구성 또는 설계에 따라 내장형 제어기(미도시)에 의해 제어될 수 있다.
데이터, 애플리케이션, 하나 이상의 운영 체제 등과 같은 정보의 영구 저장을 제공하기 위해, 대용량 저장 장치(미도시)가 또한 프로세서(1501)에 연결될 수 있다. 다양한 실시예에서, 시스템 응답성을 향상하고 더 얇고 가벼운 시스템 설계를 가능하게 하기 위해, 이 대용량 저장 장치는 SSD(solid state device)를 통해 구현될 수 있다. 그러나, 다른 실시예들에서, 대용량 저장 장치는, 시스템 활동의 재가동 시에 빠른 파워 업이 일어나도록, 파워 다운 이벤트들 동안 컨텍스트 상태(context state) 및 다른 그러한 정보의 비 휘발성 저장을 가능하게 하기 위해 SSD 캐시로서 작용하는, 더 적은 양의 SSD 스토리지와 함께 하드 디스크 드라이브(HDD)를 사용하여 주로 구현될 수 있다. 또한, 플래시 장치는, 예를 들어, 직렬 주변 장치 인터페이스(SPI)를 통해 프로세서(1501)에 결합될 수 있다. 이 플래시 장치는, 시스템의 다른 펌웨어뿐만 아니라 BIOS를 포함하는, 시스템 소프트웨어의 비휘발성 저장 공간을 제공할 수 있다.
저장 장치(1508)는, 본 명세서에 기술된 방법들 또는 기능들의 하나 이상을 내장하는 하나 이상의 명령어 세트 또는 소프트웨어(예를 들어, 모듈, 유닛 및/또는 로직(1528))가 저장되는 컴퓨터 액세스 가능 저장 매체(1509)(기계 판독 가능 저장 매체 또는 컴퓨터 판독 가능 매체로도 알려짐)을 포함할 수 있다. 프로세싱 모듈/유닛/로직(1528)은, 예를 들어, 머신 러닝 엔진(160) 및 데이터 수집기(151), 분석 모듈(152), 사이드슬립 결정 모듈(306) 등과 같은, 전술한 구성 요소들 중 임의의 것을 나타낼 수 있다. 처리 모듈/유닛/로직(1528)은 또한 머신 액세스 가능 저장 매체를 또한 구성하는, 데이터 처리 시스템(1500), 메모리(1503) 및 프로세서(1501)에 의한 실행 중에 메모리(1503) 및/또는 프로세서(1501) 내에 완전히 또는 적어도 부분적으로 상주할 수 있다. 프로세싱 모듈/유닛/로직(1528)은 네트워크 인터페이스 장치(1505)를 통해 네트워크를 통해 더 송신되거나 수신될 수 있다.
또한, 컴퓨터 판독 가능 저장 매체(1509)는 전술한 일부 소프트웨어 기능을 지속적으로 저장하는데 사용될 수 있다. 컴퓨터 판독 가능 저장 매체(1509)는 예시적인 실시예에서 단일 매체로 도시되지만, "컴퓨터 판독 가능 저장 매체"라는 용어는 하나 이상의 명령어 세트들을 저장하는 단일 매체 또는 다중 매체(예를 들어, 중앙 집중식 또는 분산형 데이터베이스 및/또는 연관된 캐시들 및 서버들)를 포함하도록 취급되어야 한다. "컴퓨터 판독 가능 저장 매체"라는 용어는, 또한 기계에 의한 실행을 위한 명령어 세트를 저장 또는 인코딩할 수 있고, 본 발명의 방법론들 중 하나 이상을 기계가 수행하게 하는 임의의 매체를 포함하도록 취급될 것이다. 따라서, "컴퓨터 판독 가능 저장 매체"라는 용어는, 솔리드 스테이트 메모리, 광학 및 자기 매체, 또는 임의의 다른 비 일시적 기계 판독 가능 매체를 포함하도록 취급될 것이지만, 이에 한정되는 것은 아니다.
프로세싱 모듈/유닛/로직(1528), 본 명세서에서 설명된 구성 요소들 및 다른 특징들은, 개별 하드웨어 구성 요소들로서 구현되거나, ASIC, FPGA, DSP 또는 유사한 장치와 같은 하드웨어 구성 요소들의 기능성에 통합될 수 있다. 또한, 처리 모듈/유닛/로직(1528)은 하드웨어 장치 내의 펌웨어 또는 기능 회로로 구현될 수 있다. 또한, 처리 모듈/유닛/로직(1528)은 임의의 조합 하드웨어 장치 및 소프트웨어 구성 요소로 구현될 수 있다.
시스템(1500)은, 데이터 처리 시스템의 다양한 구성 요소로 도시되어 있지만, 구성 요소를 상호 접속시키는 임의의 특정 아키텍처나 방식을 나타내 위한 것이 아니다. 이러한 세부 사항들은 본 발명의 실시예들과 관련되지 않는다. 네트워크 컴퓨터들, 핸드 헬드 컴퓨터들, 이동 전화들, 서버들 및/또는 더 적은 구성 요소 또는 더 많은 구성 요소를 갖는 다른 데이터 처리 시스템들 또한 본 발명의 실시예들과 함께 사용될 수 있다.
전술한 상세 설명의 일부는, 컴퓨터 메모리 내의 데이터 비트에 대한 동작의 알고리즘 및 기호 표현의 방식으로 제시되었다. 이러한 알고리즘 설명 및 표현은, 데이터 처리 기술 분야의 당업자가 자신의 연구 내용을 다른 당업자에게 가장 효과적으로 전달하는데 사용되는 방법이다. 알고리즘은 본 명세서에서 그리고 일반적으로, 원하는 결과를 이끌어내는 일관된 동작 순서(self-consistent sequence)로 인식된다. 이 동작들은 물리량의 물리적인 조작을 요구하는 것들이다.
그러나 이러한 모든 용어 및 그와 유사한 용어들은 적절한 물리량과 관련되어야 하며 이러한 수량에 적용되는 편리한 레이블일 뿐이다. 상기 논의로부터 명백한 바와 같이, 특별히 달리 언급되지 않는 한, 명세서 전반에 걸쳐, 이하의 특허청구범위에서 제시된 것과 같은 용어들을 활용한 논의들은, 컴퓨터 시스템의 레지스터 및 메모리 내의 물리(전자)량으로 표현되는 데이터를, 컴퓨터 시스템 메모리 또는 레지스터 또는 다른 그러한 정보 저장소, 전송 또는 디스플레이 장치 내에 물리량으로 유사하게 표현되는 다른 데이터로 조작하고 변형시키는, 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 장치의 동작 및 프로세스를 지칭한다.
본 발명의 실시예는 또한 본 명세서의 동작을 수행하기 위한 장치에 관한 것이다. 이러한 컴퓨터 프로그램은 비일시적 컴퓨터 판독 가능 매체에 저장된다. 기계 판독 가능 매체는, 기계(예를 들어, 컴퓨터)에 의해 판독 가능한 형태로 정보를 저장하기 위한 임의의 메커니즘을 포함한다. 예를 들어, 기계 판독 가능(예를 들어, 컴퓨터 판독 가능) 매체는 기계(예를 들어, 컴퓨터) 판독 가능 저장 매체(예를 들어, 읽기 전용 메모리(ROM)), 랜덤 액세스 메모리(RAM), 자기 디스 저장 매체, 광학 저장 매체, 플래시 메모리 장치)를 포함한다.
상기 도면들에 도시된 프로세스들 또는 방법들은, 하드웨어(예를 들어, 회로, 전용 로직 등), 소프트웨어(예를 들어, 비일시적인 컴퓨터 판독 가능 매체 상에 구현되는), 또는 이들의 조합을 포함하는 프로세싱 로직에 의해 수행될 수 있다. 프로세스들 또는 방법들이 몇몇 순차적인 동작들과 관련해서 상술되었지만, 기술된 동작들 중 일부는 다른 순서로 수행될 수 있다. 더욱이, 몇몇 동작들은 순차적으로보다는 병렬로 수행될 수 있다.
본 발명의 실시예는 임의의 특정 프로그래밍 언어를 참조하여 설명되지 않는다. 본 명세서에 설명된 본 발명의 실시예들의 교시를 구현하기 위해 다양한 프로그래밍 언어가 사용될 수 있다.
전술한 명세서에서, 본 발명의 실시예는 특정 예시적 실시예를 참조하여 설명되었다. 후술할 특허청구범위에 기재된 본 발명의 보다 넓은 사상 및 영역을 벗어나지 않으면서도 다양한 변형이 가능하다는 것은 명백할 것이다. 따라서, 명세서 및 도면은 제한적인 의미라기보다는 예시적인 의미로 간주되어야 한다.

Claims (21)

  1. 컴퓨터로 구현된 자율 주행 차량을 운행시키기 위한 방법에 있어서,
    후속 이동을 위해 상기 자율 주행 차량의 주행 시나리오를 식별하는 단계 - 상기 주행 시나리오는 하나 이상의 미리 결정된 파라미터 세트로 표현됨 -;
    상기 주행 시나리오에 대응하는 물리 모델을 이용하여 상기 자율 주행 차량의 제1 후속 이동을 계산하는 단계;
    상기 제1 후속 이동에 기초하여 계획 및 제어 데이터를 생성하는 단계 - 상기 계획 및 제어 데이터는 제1 지점에서 제2 지점으로 상기 자율 주행 차량을 주행시키기 위한 경로를 설명함 -
    주어진 주행 조건들의 세트 하에서 상기 자율 주행 차량의 사이드슬립을 예측하기 위해 상기 미리 결정된 파라미터 세트에 사이드슬립 예측 모델을 적용하는 단계 - 상기 사이드슬립은 상기 자율 주행 차량의 제1 위치 및 상기 자율 주행 차량의 제2 위치 간의 거리의 차이를 나타내고, 상기 제1 위치는 상기 물리 모델 및 상기 미리 결정된 파라미터 세트를 이용하여 계산된 상기 자율 주행 차량의 예상 위치이고, 상기 제2 위치는 상기 주행 조건들의 세트로 인한 상기 자율 주행 차량의 실제 위치임 -;
    상기 자율 주행 차량의 상기 제1 후속 이동 및 상기 예측된 사이드슬립에 기초하여 상기 자율 주행 차량의 제2 후속 이동을 결정하는 단계 - 상기 제2 후속 이동을 결정하는 단계는, 상기 자율 주행 차량의 상기 예측된 사이드슬립에 기초하여 상기 제1 지점 및 상기 제2 지점 사이의 상기 경로 내의 적어도 하나의 위치를 조정하는 단계를 포함함 -;
    상기 제2 후속 이동에 기초하여 상기 계획 및 제어 데이터를 수정하는 단계; 및
    상기 수정된 계획 및 제어 데이터에 기초하여 상기 경로에 따라 상기 제1 지점에서 상기 제2 지점으로 상기 자율 주행 차량을 제어 및 주행하는 단계
    를 포함하는,
    자율 주행 차량 운행 방법.
  2. 제1항에 있어서,
    상기 사이드슬립 예측 모델은, 복수의 상이한 유형의 차량들에 의해 복수의 주행 시나리오들 하에서 측정 및 기록된 사이드슬립 및 대응 주행 파라미터에 기초한 머신 러닝을 이용하여 생성된 복수의 사이드슬립 예측적 모델들의 어느 하나인,
    자율 주행 차량 운행 방법.
  3. 제1항에 있어서,
    상기 사이드슬립은 상기 물리 모델에 기초하여 상기 자율 주행 차량의 실제 위치와 상기 자율 주행 차량의 계산된 위치 간의 거리를 나타내는,
    자율 주행 차량 운행 방법.
  4. 제1항에 있어서,
    상기 제2 후속 이동을 결정하는 단계는,
    차륜의 움직임, 상기 예측된 사이드슬립에 기초하여 계산된 본래 위치에 기초하여 상기 자율 주행 차량의 최종 위치를 계산하는 단계
    를 포함하는,
    자율 주행 차량 운행 방법.
  5. 제1항에 있어서,
    상기 예측된 사이드슬립은 상기 물리 모델에 기초하여 계산된 상기 자율 주행 차량의 상기 제1 후속 이동을 보정하는데 이용되는,
    자율 주행 차량 운행 방법.
  6. 제1항에 있어서,
    상기 주행 시나리오는 상기 자율 주행 차량의 선회 시나리오를 포함하는,
    자율 주행 차량 운행 방법.
  7. 제1항에 있어서,
    상기 미리 결정된 파라미터는 도로 유형, 기상 조건, 상기 자율 주행 차량의 속력, 상기 자율 주행 차량의 목표각도, 상기 자율 주행 차량의 가속도 또는 감속도, 상기 자율 주행 차량의 조향각 중 하나 이상을 포함하는,
    자율 주행 차량 운행 방법.
  8. 명령어들을 저장하는 비일시적 기계 판독 가능 매체로서, 상기 명령어들은 프로세서에 의해 실행될 때 상기 프로세서로 하여금 자율 주행 차량을 운행시키는 동작들을 수행하게 하고, 상기 동작들은
    후속 이동을 위한 자율 주행 차량의 주행 시나리오를 식별하는 것 - 상기 주행 시나리오는 하나 이상의 미리 결정된 파라미터 세트로 표현됨 -;
    상기 주행 시나리오에 대응하는 물리 모델을 이용하여 상기 자율 주행 차량의 제1 후속 이동을 계산하는 것;
    상기 제1 후속 이동에 기초하여 계획 및 제어 데이터를 생성하는 것 - 상기 계획 및 제어 데이터는 제1 지점에서 제2 지점으로 상기 자율 주행 차량을 주행시키기 위한 경로를 설명함 -;
    주어진 주행 조건들의 세트 하에서 상기 자율 주행 차량의 사이드슬립을 예측하기 위해 상기 미리 결정된 파라미터 세트에 사이드슬립 예측 모델을 적용하는 것 - 상기 사이드슬립은 상기 자율 주행 차량의 제1 위치 및 상기 자율 주행 차량의 제2 위치 간의 거리의 차이를 나타내고, 상기 제1 위치는 상기 물리 모델 및 상기 미리 결정된 파라미터 세트를 이용하여 계산된 상기 자율 주행 차량의 예상 위치이고, 상기 제2 위치는 상기 주행 조건들의 세트로 인한 상기 자율 주행 차량의 실제 위치임 -;
    상기 자율 주행 차량의 상기 제1 후속 이동 및 상기 예측된 사이드슬립에 기초하여 상기 자율 주행 차량의 제2 후속 이동을 결정하는 것 - 상기 제2 후속 이동을 결정하는 것은, 상기 자율 주행 차량의 상기 예측된 사이드슬립에 기초하여 상기 제1 지점 및 상기 제2 지점 사이의 상기 경로 내의 적어도 하나의 위치를 조정하는 것을 포함함 -;
    상기 제2 후속 이동에 기초하여 상기 계획 및 제어 데이터를 수정하는 것; 및
    상기 수정된 계획 및 제어 데이터에 기초하여 상기 경로에 따라 상기 제1 지점에서 상기 제2 지점으로 상기 자율 주행 차량을 제어 및 주행하는 것
    을 포함하는,
    비일시적 기계 판독 가능 매체.
  9. 제8항에 있어서,
    상기 사이드슬립 예측 모델은, 복수의 상이한 유형의 차량들에 의해 복수의 주행 시나리오들 하에서 측정 및 기록된 사이드슬립 및 대응 주행 파라미터에 기초한 머신 러닝을 이용하여 생성된 복수의 사이드슬립 예측적 모델들의 어느 하나인,
    비일시적 기계 판독 가능 매체.
  10. 제8항에 있어서,
    상기 사이드슬립은 상기 물리 모델에 기초하여 상기 자율 주행 차량의 실제 위치와 상기 자율 주행 차량의 계산된 위치 간의 거리를 나타내는,
    비일시적 기계 판독 가능 매체.
  11. 제8항에 있어서,
    상기 제2 후속 이동을 결정하는 것은,
    차륜의 움직임, 상기 예측된 사이드슬립에 기초하여 계산된 본래 위치에 기초하여 상기 자율 주행 차량의 최종 위치를 계산하는 것
    을 포함하는,
    비일시적 기계 판독 가능 매체.
  12. 제8항에 있어서,
    상기 예측된 사이드슬립은 상기 물리 모델에 기초하여 계산된 상기 자율 주행 차량의 상기 제1 후속 이동을 보정하는데 이용되는,
    비일시적 기계 판독 가능 매체.
  13. 제8항에 있어서,
    상기 주행 시나리오는 상기 자율 주행 차량의 선회 시나리오를 포함하는,
    비일시적 기계 판독 가능 매체.
  14. 제8항에 있어서,
    상기 미리 결정된 파라미터는 도로 유형, 기상 조건, 상기 자율 주행 차량의 속력, 상기 자율 주행 차량의 목표각도, 상기 자율 주행 차량의 가속도 또는 감속도, 상기 자율 주행 차량의 조향각 중 하나 이상을 포함하는,
    비일시적 기계 판독 가능 매체.
  15. 데이터 처리 시스템에 있어서,
    프로세서; 및
    상기 프로세서에 결합되어 명령어들을 저장하는 메모리를 포함하고, 상기 명령어들은 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금 자율 주행 차량을 운행하는 동작들을 수행하게 하며, 상기 동작들은,
    후속 이동을 위해 상기 자율 주행 차량의 주행 시나리오를 식별하는 것 - 상기 주행 시나리오는 하나 이상의 미리 결정된 파라미터 세트로 표현됨 -;
    상기 주행 시나리오에 대응하는 물리 모델을 이용하여 상기 자율 주행 차량의 제1 후속 이동을 계산하는 것;
    상기 제1 후속 이동에 기초하여 계획 및 제어 데이터를 생성하는 것 - 상기 계획 및 제어 데이터는 제1 지점에서 제2 지점으로 상기 자율 주행 차량을 주행시키기 위한 경로를 설명함 -;
    주어진 주행 조건들의 세트 하에서 상기 자율 주행 차량의 사이드슬립을 예측하기 위해 상기 미리 결정된 파라미터 세트에 사이드슬립 예측 모델을 적용하는 것 - 상기 사이드슬립은 상기 자율 주행 차량의 제1 위치 및 상기 자율 주행 차량의 제2 위치 간의 거리의 차이를 나타내고, 상기 제1 위치는 상기 물리 모델 및 상기 미리 결정된 파라미터 세트를 이용하여 계산된 상기 자율 주행 차량의 예상 위치이고, 상기 제2 위치는 상기 주행 조건들의 세트로 인한 상기 자율 주행 차량의 실제 위치임 -;
    상기 자율 주행 차량의 상기 제1 후속 이동 및 상기 예측된 사이드슬립에 기초하여 상기 자율 주행 차량의 제2 후속 이동을 결정하는 것 - 상기 제2 후속 이동을 결정하는 것은, 상기 자율 주행 차량의 상기 예측된 사이드슬립에 기초하여 상기 제1 지점 및 상기 제2 지점 사이의 상기 경로 내의 적어도 하나의 위치를 조정하는 것을 포함함 -;
    상기 제2 후속 이동에 기초하여 상기 계획 및 제어 데이터를 수정하는 것; 및
    상기 수정된 계획 및 제어 데이터에 기초하여 상기 경로에 따라 상기 제1 지점에서 상기 제2 지점으로 상기 자율 주행 차량을 제어 및 주행하는 것
    을 포함하는,
    데이터 처리 시스템.
  16. 제15항에 있어서,
    상기 사이드슬립 예측 모델은, 복수의 상이한 유형의 차량들에 의해 복수의 주행 시나리오들 하에서 측정 및 기록된 사이드슬립 및 대응 주행 파라미터에 기초한 머신 러닝을 이용하여 생성된 복수의 사이드슬립 예측적 모델들의 어느 하나인,
    데이터 처리 시스템.
  17. 제15항에 있어서,
    상기 사이드슬립은 상기 물리 모델에 기초하여 상기 자율 주행 차량의 실제 위치와 상기 자율 주행 차량의 계산된 위치 간의 거리를 나타내는,
    데이터 처리 시스템.
  18. 제15항에 있어서,
    상기 제2 후속 이동을 결정하는 것은,
    차륜의 움직임, 상기 예측된 사이드슬립에 기초하여 계산된 본래 위치에 기초하여 상기 자율 주행 차량의 최종 위치를 계산하는 것을 포함하는,
    데이터 처리 시스템.
  19. 제15항에 있어서,
    상기 예측된 사이드슬립은 상기 물리 모델에 기초하여 계산된 상기 자율 주행 차량의 상기 제1 후속 이동을 보정하는데 이용되는,
    데이터 처리 시스템.
  20. 제15항에 있어서,
    상기 주행 시나리오는 상기 자율 주행 차량의 선회 시나리오를 포함하는,
    데이터 처리 시스템.
  21. 제15항에 있어서,
    상기 미리 결정된 파라미터는 도로 유형, 기상 조건, 상기 자율 주행 차량의 속력, 상기 자율 주행 차량의 목표각도, 상기 자율 주행 차량의 가속도 또는 감속도, 상기 자율 주행 차량의 조향각 중 하나 이상을 포함하는,
    데이터 처리 시스템.
KR1020187009642A 2016-09-28 2017-01-18 자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법 KR102048646B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/278,719 2016-09-28
US15/278,719 US10343685B2 (en) 2016-09-28 2016-09-28 Physical model and machine learning combined method to simulate autonomous vehicle movement
PCT/US2017/013930 WO2018063428A1 (en) 2016-09-28 2017-01-18 A physical model and machine learning combined method to simulate autonomous vehicle movement

Publications (2)

Publication Number Publication Date
KR20180050383A KR20180050383A (ko) 2018-05-14
KR102048646B1 true KR102048646B1 (ko) 2019-11-25

Family

ID=61687551

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187009642A KR102048646B1 (ko) 2016-09-28 2017-01-18 자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법

Country Status (6)

Country Link
US (1) US10343685B2 (ko)
EP (1) EP3345086B1 (ko)
JP (1) JP6578439B2 (ko)
KR (1) KR102048646B1 (ko)
CN (1) CN108139884B (ko)
WO (1) WO2018063428A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220034299A (ko) 2020-09-10 2022-03-18 현대위아 주식회사 Awd 차량의 토크를 제어하는 장치 및 그의 동작 방법

Families Citing this family (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9789880B2 (en) 2016-03-03 2017-10-17 Uber Technologies, Inc. Sensory stimulation system for an autonomous vehicle
US10093252B2 (en) 2016-04-01 2018-10-09 Uber Technologies, Inc. Transport facilitation system for configuring a service vehicle for a user
US10012990B2 (en) 2016-04-01 2018-07-03 Uber Technologies, Inc. Optimizing timing for configuring an autonomous vehicle
US10255816B2 (en) 2016-04-27 2019-04-09 Uber Technologies, Inc. Transport vehicle configuration for impaired riders
US10019008B2 (en) * 2016-09-28 2018-07-10 Baidu Usa Llc Sideslip compensated control method for autonomous vehicles
US11112793B2 (en) 2017-08-28 2021-09-07 Motional Ad Llc Mixed-mode driving of a vehicle having autonomous driving capabilities
US11460842B2 (en) 2017-08-28 2022-10-04 Motional Ad Llc Mixed-mode driving of a vehicle having autonomous driving capabilities
US10739775B2 (en) * 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
US11086318B1 (en) 2018-03-21 2021-08-10 Uatc, Llc Systems and methods for a scenario tagger for autonomous vehicles
CN111033422B (zh) * 2018-05-18 2023-05-26 百度时代网络技术（北京）有限公司 操作自动驾驶车辆的规划阶段和控制阶段之间的漂移校正
US10457294B1 (en) * 2018-06-27 2019-10-29 Baidu Usa Llc Neural network based safety monitoring system for autonomous vehicles
CN110726564A (zh) * 2018-07-16 2020-01-24 北斗导航科技有限公司 一种模拟车辆自动驾驶的系统及方法
CN108931927B (zh) * 2018-07-24 2019-07-30 百度在线网络技术（北京）有限公司 无人驾驶仿真场景的创建方法及装置
CN109159782B (zh) * 2018-08-21 2022-08-26 上海博泰悦臻网络技术服务有限公司 车辆的动力模式调节方法及服务器
US11126763B1 (en) 2018-08-22 2021-09-21 Waymo Llc Realism metric for testing software for controlling autonomous vehicles
US10788841B2 (en) * 2018-08-24 2020-09-29 Baidu Usa Llc Hardware centralized time synchronization hub for an autonomous driving vehicle
CN110893858B (zh) 2018-09-12 2021-11-09 华为技术有限公司 一种智能驾驶方法及智能驾驶系统
KR20200034037A (ko) * 2018-09-14 2020-03-31 현대자동차주식회사 차량의 주행 제어 장치 및 방법
KR102521657B1 (ko) * 2018-10-15 2023-04-14 삼성전자주식회사 차량을 제어하는 방법 및 장치
JP7455851B2 (ja) * 2018-10-16 2024-03-26 ファイブ、エーアイ、リミテッド 自律型車両の計画および予測
KR102065693B1 (ko) * 2018-10-26 2020-01-13 인하대학교 산학협력단 자율주행 차량을 위한 기계학습 데이터 표준화 방법 및 시스템
US11648951B2 (en) 2018-10-29 2023-05-16 Motional Ad Llc Systems and methods for controlling actuators based on load characteristics and passenger comfort
KR20210072824A (ko) * 2018-11-08 2021-06-17 에반겔로스 시모우디스 차량 데이터 관리를 위한 시스템들 및 방법들
US10814882B2 (en) * 2018-11-29 2020-10-27 Baidu Usa Llc Method to determine vehicle load of autonomous driving vehicle using predetermined load calibration tables
US10997729B2 (en) * 2018-11-30 2021-05-04 Baidu Usa Llc Real time object behavior prediction
US10852746B2 (en) * 2018-12-12 2020-12-01 Waymo Llc Detecting general road weather conditions
CN111684379B (zh) * 2018-12-26 2023-12-22 百度时代网络技术（北京）有限公司 自动驾驶车辆的三点转弯的最优规划器切换方法
JP7086111B2 (ja) * 2019-01-30 2022-06-17 バイドゥドットコム タイムズ テクノロジー （ベイジン） カンパニー リミテッド 自動運転車のｌｉｄａｒ測位に用いられるディープラーニングに基づく特徴抽出方法
DE102019212666A1 (de) 2019-03-15 2020-09-17 Volkswagen Aktiengesellschaft Steuerung eines autonomen oder teilautonomen Fahrzeugs
EP3715224B1 (en) * 2019-03-29 2022-10-05 Ningbo Geely Automobile Research & Development Co. Ltd. A vehicle and a method of simulating a drifting/skidding movement of a vehicle
US11312372B2 (en) 2019-04-16 2022-04-26 Ford Global Technologies, Llc Vehicle path prediction
JP2020175886A (ja) * 2019-04-22 2020-10-29 株式会社デンソー 自動運転制御装置
GB2607172B (en) * 2019-04-25 2023-11-01 Motional Ad Llc Graphical user interface for display of autonomous vehicle behaviors
US11472291B2 (en) 2019-04-25 2022-10-18 Motional Ad Llc Graphical user interface for display of autonomous vehicle behaviors
CN110069887B (zh) * 2019-05-05 2022-04-15 腾讯科技（深圳）有限公司 一种驾驶仿真方法、装置、设备及存储介质
CN110155056B (zh) * 2019-05-07 2021-02-26 重庆工程职业技术学院 一种自动驾驶车辆的侧滑补偿方法及系统
CN110118661B (zh) 2019-05-09 2024-03-26 腾讯科技（深圳）有限公司 驾驶仿真场景的处理方法、装置及存储介质
CN110285978A (zh) * 2019-07-01 2019-09-27 百度在线网络技术（北京）有限公司 车辆的动力参数测试方法、装置、存储介质及电子设备
US11338819B2 (en) * 2019-09-30 2022-05-24 Baidu Usa Llc Cloud-based vehicle calibration system for autonomous driving
US11269329B2 (en) * 2019-10-21 2022-03-08 Baidu Usa Llc Dynamic model with learning based localization correction system
CN111216713B (zh) * 2020-02-17 2022-06-10 哈尔滨工业大学 一种自动驾驶车辆速度预瞄控制方法
US20210342500A1 (en) * 2020-05-01 2021-11-04 Steering Solutions Ip Holding Corporation Systems and methods for vehicle modeling
JP7409222B2 (ja) * 2020-05-14 2024-01-09 マツダ株式会社 移動体の制御装置
CN115968479A (zh) * 2020-08-20 2023-04-14 日立数据管理有限公司 用于自动化数据科学过程的系统和方法
US11731651B2 (en) * 2020-09-30 2023-08-22 Baidu Usa Llc Automatic parameter tuning framework for controllers used in autonomous driving vehicles
JP7001795B1 (ja) 2020-11-13 2022-01-20 株式会社ネクスティエレクトロニクス シミュレーション用のデータ生成装置、方法及びコンピュータプログラム
DE102020215780A1 (de) * 2020-12-14 2022-06-15 Continental Automotive Gmbh Verfahren zur Auswahl eines automatisierten Fahrvorgangs mittels eines Fahrassistenzsystems
CN112885116B (zh) * 2021-01-25 2022-12-27 浙江公路水运工程咨询有限责任公司 一种高速公路雨雾场景车路协同诱导系统
DE102021105174B3 (de) * 2021-03-04 2022-03-31 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur Spurregelung eines Fahrzeugs
KR102648935B1 (ko) * 2021-10-27 2024-03-19 한국자동차연구원 자동차 동작 테스트 장치 및 그 방법
CN114348021B (zh) * 2022-01-05 2023-10-20 清华大学 基于强化学习的车辆自主极限驾驶规划控制方法及系统
US11550851B1 (en) * 2022-02-10 2023-01-10 Motional Ad Llc Vehicle scenario mining for machine learning models
CN116088520A (zh) * 2023-02-07 2023-05-09 睿羿科技(山东)有限公司 一种无人驾驶铰链车辆的精准方向控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100228427A1 (en) * 2009-03-05 2010-09-09 Massachusetts Institute Of Technology Predictive semi-autonomous vehicle navigation system
US20140297120A1 (en) * 2011-06-30 2014-10-02 Jaguar Land Rover Limited Vehicle motion control apparatus and method

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2844240B2 (ja) * 1990-03-15 1999-01-06 本田技研工業株式会社 自動走行装置
JP2882232B2 (ja) 1993-03-17 1999-04-12 三菱自動車工業株式会社 車体重心スリップ角計測装置
US6308115B1 (en) 1998-07-29 2001-10-23 Kabushiki Kaisha Toyota Chuo Kenkyusho Vehicle running condition judgement device
JP2001255937A (ja) * 2000-03-10 2001-09-21 Toshiba Corp 車両用自動走行制御装置
US6681180B2 (en) 2001-01-29 2004-01-20 The Board Of Trustees Of The Leland Stanford Junior University Determination and control of vehicle sideslip using GPS
US6675074B2 (en) 2001-08-21 2004-01-06 Robert Bosch Gmbh Method and system for vehicle trajectory estimation
US6862506B2 (en) 2001-08-29 2005-03-01 Delphi Technologies, Inc. Method for automatically adjusting reference models in vehicle stability enhancement (VSE) systems
JP4389567B2 (ja) * 2003-12-03 2009-12-24 日産自動車株式会社 車線逸脱防止装置
US7689392B2 (en) 2003-12-09 2010-03-30 Ford Motor Company Method and apparatus for controlling a vehicle computer model
US7689393B2 (en) * 2003-12-09 2010-03-30 Ford Motor Company Method and apparatus for controlling a vehicle computer model
FR2864001B1 (fr) * 2003-12-18 2007-11-23 Renault Sas Procede et systeme de commande du braquage de roue arriere directrice et vehicule correspondant
US7130729B2 (en) 2004-07-26 2006-10-31 General Motors Corporation Adaptive compensation of rear-wheel steering control using vehicle dynamics parameter estimation
US7440824B2 (en) 2005-11-16 2008-10-21 Gm Global Technology Operations, Inc. Vehicle stability control with lateral dynamics feedback
US7537293B2 (en) 2005-12-22 2009-05-26 Gm Global Technology Operations, Inc. Vehicle stability enhancement control adaptation to driving skill
JP4835189B2 (ja) * 2006-02-16 2011-12-14 日産自動車株式会社 旋回挙動制御装置、自動車、及び旋回挙動制御方法
US7599774B2 (en) 2006-03-10 2009-10-06 Gm Global Technology Operations, Inc. Method and system for adaptively compensating closed-loop front-wheel steering control
US7751960B2 (en) 2006-04-13 2010-07-06 Gm Global Technology Operations, Inc. Driver workload-based vehicle stability enhancement control
US7970512B2 (en) * 2006-08-30 2011-06-28 Ford Global Technologies Integrated control system for stability control of yaw, roll and lateral motion of a driving vehicle using an integrated sensing system with pitch information
ES2370806T3 (es) * 2007-02-12 2011-12-22 Saab Ab Sistema de control de un vehículo y procedimiento que usa la asignación de control y la compensación de fase.
JP2009035120A (ja) * 2007-08-01 2009-02-19 Bridgestone Corp 車両制御装置
US8170767B2 (en) * 2007-10-30 2012-05-01 Ford Global Technologies, Llc Vehicle stability control system and method
US8180513B2 (en) 2008-05-05 2012-05-15 Southwest Research Institute Autonomous ground vehicle control system for high-speed and safe operation
DE102008040713B4 (de) * 2008-07-25 2018-10-25 Robert Bosch Gmbh Verfahren und Vorrichtung zur Betätigung eines aktiven und/oder passiven Sicherheitssystems in einem Kraftfahrzeug
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US7908112B2 (en) 2008-11-24 2011-03-15 GM Global Technology Operations LLC Dynamic observer for the estimation of vehicle lateral velocity
JP4842335B2 (ja) * 2009-02-12 2011-12-21 日立建機株式会社 電動車両の旋回補助装置
US20100209889A1 (en) 2009-02-18 2010-08-19 Gm Global Technology Operations, Inc. Vehicle stability enhancement control adaptation to driving skill based on multiple types of maneuvers
JP4918148B2 (ja) 2010-03-05 2012-04-18 本田技研工業株式会社 車両の運動制御装置
JP5821288B2 (ja) * 2011-05-31 2015-11-24 日産自動車株式会社 道路形状予測装置
US20130000092A1 (en) 2011-06-30 2013-01-03 Ramadev Burigsay Hukkeri Vehicle model calibration system for a mobile machine
US20130238181A1 (en) 2012-03-12 2013-09-12 Toyota Motor Eng. & Man. North America (Tema) On-board vehicle path prediction using processed sensor information
US8457827B1 (en) 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
JP5970322B2 (ja) * 2012-10-01 2016-08-17 日立オートモティブシステムズ株式会社 車両の運動制御装置
US9008886B2 (en) * 2012-12-12 2015-04-14 Caterpillar Inc. Method of modifying a worksite
US9045041B2 (en) * 2013-02-27 2015-06-02 Here Global B.V. Driver behavior from probe data for augmenting a data model
GB2512287B (en) 2013-03-22 2015-06-03 Jaguar Land Rover Ltd Improvements in vehicle steering
DE102013013867A1 (de) * 2013-08-20 2015-03-12 Audi Ag Kraftfahrzeug und Verfahren zur Steuerung eines Kraftfahrzeugs
DE102013019112B4 (de) * 2013-11-15 2021-10-14 Audi Ag Kraftfahrzeug mit Spurverlaufserkennung für die Fahrerassistenz
US9165477B2 (en) 2013-12-06 2015-10-20 Vehicle Data Science Corporation Systems and methods for building road models, driver models, and vehicle models and making predictions therefrom
CN103745241A (zh) * 2014-01-14 2014-04-23 浪潮电子信息产业股份有限公司 一种基于自学习算法的智能驾驶方法
US9233692B2 (en) 2014-03-10 2016-01-12 GM Global Technology Operations LLC Method to control a vehicle path during autonomous braking
JP6573978B2 (ja) 2014-08-04 2019-09-11 モデルウェイ・ソチエタ・ア・レスポンサビリタ・リミタータＭｏｄｅｌｗａｙ Ｓ．Ｒ．Ｌ． 車両挙動に影響を及ぼす変数を予測する方法および対応する仮想センサ
EP2998178B1 (en) * 2014-09-17 2022-01-26 Volvo Car Corporation Vehicle control through machine learning
CN104462716B (zh) * 2014-12-23 2017-10-27 北京理工大学 一种基于人‑车‑路模型的脑‑控车辆的脑‑机接口参数和动力学参数设计方法
JP6419671B2 (ja) * 2015-10-14 2018-11-07 三菱電機株式会社 車両用操舵装置および車両用操舵方法
JP6308233B2 (ja) * 2016-02-29 2018-04-11 トヨタ自動車株式会社 車両制御装置及び車両制御方法
US10552573B2 (en) 2016-03-18 2020-02-04 Toyota Jidosha Kabushiki Kaisha Vehicle simulation device for crowd-sourced vehicle simulation data
US9796421B1 (en) * 2016-04-07 2017-10-24 GM Global Technology Operations LLC Autonomous vehicle lateral control for path tracking and stability
JP6663822B2 (ja) * 2016-08-08 2020-03-13 日立オートモティブシステムズ株式会社 自動運転装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100228427A1 (en) * 2009-03-05 2010-09-09 Massachusetts Institute Of Technology Predictive semi-autonomous vehicle navigation system
US20140297120A1 (en) * 2011-06-30 2014-10-02 Jaguar Land Rover Limited Vehicle motion control apparatus and method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220034299A (ko) 2020-09-10 2022-03-18 현대위아 주식회사 Awd 차량의 토크를 제어하는 장치 및 그의 동작 방법

Also Published As

Publication number Publication date
US10343685B2 (en) 2019-07-09
EP3345086A1 (en) 2018-07-11
CN108139884B (zh) 2022-07-29
CN108139884A (zh) 2018-06-08
KR20180050383A (ko) 2018-05-14
US20180086344A1 (en) 2018-03-29
EP3345086A4 (en) 2018-10-31
JP2019500256A (ja) 2019-01-10
EP3345086B1 (en) 2019-11-20
JP6578439B2 (ja) 2019-09-18
WO2018063428A1 (en) 2018-04-05

Similar Documents

Publication Publication Date Title
KR102048646B1 (ko) 자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법
KR101975728B1 (ko) 자율 주행 차량을 위한 사이드슬립 보상 제어 방법
US11328219B2 (en) System and method for training a machine learning model deployed on a simulation platform
KR102062608B1 (ko) 자율 주행 차량의 제어 피드백에 기초한 맵 업데이트 방법 및 시스템
KR102020163B1 (ko) 자율 주행 차량의 조향률의 동적 조정
KR102126621B1 (ko) 자율 주행 차량을 위한 시스템 지연 보정 제어 방법
JP6748244B2 (ja) 自動運転車に用いられる学習に基づく速度計画装置
KR102033265B1 (ko) 자율 주행 차량 제어를 위한 시스템 지연 추정 방법
KR102260486B1 (ko) 자율 주행 차량의 완전 정지를 위한 속력 제어
KR101975725B1 (ko) 학습 기반 모델 예측 제어를 이용한 자율 주행 차량의 노면 마찰 결정 방법 및 시스템
KR102398256B1 (ko) 비전 기반 인식 시스템에 의한 대립적 샘플들 검출 방법
EP3327530A1 (en) Method for determining command delays of autonomous vehicles
KR20180051571A (ko) 자율 주행 차량을 위한 차량 위치점 전달 방법
JP2019501809A (ja) 自律走行車の速度を追従する方法及びシステム
US11312380B2 (en) Corner negotiation method for autonomous driving vehicles without map and localization

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant