KR102446518B1 - 자율 주행 차량 제어 시스템을 위한 위치에 따른 지원 - Google Patents

자율 주행 차량 제어 시스템을 위한 위치에 따른 지원 Download PDF

Info

Publication number
KR102446518B1
KR102446518B1 KR1020197010407A KR20197010407A KR102446518B1 KR 102446518 B1 KR102446518 B1 KR 102446518B1 KR 1020197010407 A KR1020197010407 A KR 1020197010407A KR 20197010407 A KR20197010407 A KR 20197010407A KR 102446518 B1 KR102446518 B1 KR 102446518B1
Authority
KR
South Korea
Prior art keywords
condition
autonomous vehicle
course
control system
vehicle control
Prior art date
Application number
KR1020197010407A
Other languages
English (en)
Other versions
KR20190058520A (ko
Inventor
스콧 리 링케
Original Assignee
블랙베리 리미티드
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 블랙베리 리미티드 filed Critical 블랙베리 리미티드
Publication of KR20190058520A publication Critical patent/KR20190058520A/ko
Application granted granted Critical
Publication of KR102446518B1 publication Critical patent/KR102446518B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
    • 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
    • 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
    • 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
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00186—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to the vehicle
    • 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
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G05D1/0022—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement characterised by the communication link
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
    • B60W2050/0292—Fail-safe or redundant systems, e.g. limp-home or backup 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2420/54—Audio sensitive means, e.g. ultrasound
    • 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
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/406—Traffic density
    • 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
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60X40/00—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control
    • G05D2201/0213—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

위치에 따른 지원(location specific assistance)을 제공하는 시스템 및 방법을 제시한다. 차량의 환경에서 감지되는 지리적 위치에서의 조건이 식별되며, 이 조건은 영역 주행 시에 위치에 따른 지원이 없다면 제1 자율 주행 차량 제어 시스템이 인지, 해석 및/또는 반응할 수 없는 것이다. 이 조건이 지리적 위치에 존재하였을 때에, 제2 자율 주행 차량 제어 시스템이 결정한 코스 및 사람 운전 차량이 따라간 코스 중 적어도 하나인, 지리적 위치에서의 코스가 발견된다. 차량은 제2 자율 주행 차량 제어 시스템이 이전에 결정한 코스 및 사람 운전 차량이 따라간 코스 중 적어도 하나의 코스를 따라갈 수 있게 된다.

Description

자율 주행 차량 제어 시스템을 위한 위치에 따른 지원
본 개시내용은 제어 시스템에 관한 것이며, 특히 자율 주행 차량 제어 시스템에 관한 것이다.
자율 주행 차량(autonomous vehicle)은 인간의 입력 없이도 처해진 환경을 감지하여 주행하는 것이 가능한 차량일 수 있다. 주행(navigating)은 자율 주행 차량이 검출하는 물체에 따라 차량을 가이드할 장소를 결정하는 것을 포함할 수 있다.
미국의 경우, NHTSA(National Highway Traffic Safety Administration)가 2013년 자동 차량 분류를 위한 공식 분류 체계를 발표하였다. NHTSA 자동 차량 분류는 다음을 포함한다. 레벨 0: 운전자가 항상 차량을 완전히 제어한다. 레벨 1: 전자식 안전 컨트롤 또는 자동 브레이킹과 같이 개별적 차량 컨트롤이 자동화되어 있다. 레벨 2: 차선 유지와 결합된 적응형 크루즈 컨트롤과 같이 적어도 2개의 컨트롤이 동시에 자동화될 수 있다. 레벨 3: 운전자가 특정 조건에서 모든 안전 결정적 기능을 완전히 제어할 수 있다. 자동차는 운전자가 제어를 다시 담당해야 할 필요가 있는 조건의 때를 감지하고 운전자가 그렇게 할 수 있는 "충분히 편안한 전환 시간"을 제공한다. 레벨 4: 차량은 운전자의 차량 제어가 어느 때에도 기대되지 않는 상태에서 전체 안전 결정적 기능을 수행한다. 이 차량은 모든 주차 기능을 비롯해 모든 기능을 처음부터 끝까지 제어하기 때문에, 무인 차량(unoccupied car)도 포함할 수 있다. 이 분류 체계 하에서, 자율 주행 차량은 레벨 2, 레벨 3, 및/또는 레벨 4의 자동 차량을 포함한다.
다음의 도면과 설명을 참조하면 실시형태들이 더 잘 이해될 수 있다. 도면의 컴포넌트들은 반드시 비율대로 도시된 것은 아니다. 또한, 도면에서는, 유사한 도면부호가 여러 다른 도면 전체에서 대응하는 부분을 나타낸다.
도 1은 자율 주행 차량 제어 시스템이 위치에 따른 지원(location specific assitance)을 받는 예시적인 시나리오를 도시한다.
도 2는 자율 주행 차량 제어 시스템에 위치에 따른 지원을 제공하는 예시적인 시스템의 논리 흐름도를 도시한다.
도 3은 자율 주행 차량 제어 시스템에 위치에 따른 지원을 제공하는 시스템의 예를 도시한다.
자율 주행 차량은, 위도, 경도 및 고도 데이터베이스로서 구현되거나 다른 좌표 또는 위치 시스템을 이용할 수 있는 상세 지도를 사용할 수 있다. 상세 지도는 경로 산출 및 안내 시스템에 유용하다. 자율 주행 차량의 제어는, 임의의 경로를 따라 차량을 제어하고 기동시키는데 필요한 의사결정 및 데이터의 양과 비교할 때 경로가 사소하다는 점에서 더욱 까다로울 수 있다. 자율 주행 차량 제어 시스템은 정적인 조건(예컨대, 도로, 차선, 경사로, 및 기타 구조물) 및 동적인 조건(예컨대, 이동중인 차량, 보행자, 및 기타 과도적 조건) 둘 다에 관련된 데이터를 식별하려고 시도할 수 있다. 한 가지 문제는 명백히 정적인 조건(도로 등)이 경우에 따라서는 특성화되지 않고 그리고/또는 시간의 경과에 따라 정적으로 유지되지 않을 수 있다는 것이다. 예를 들어, 도로 표면이 변하고(예컨대, 재포장, 잔해 유출, 및 눈), 도로 표면의 외관이 변하며(예컨대, 젖은 상태 대 마른 상태, 눈, 제설된 경우, 자국이 남은 눈), 위치가 변하고(예컨대, 건설, 사고), 차선이 변경된다(예컨대, 건설 및 장애물). 자율 주행 차량 제어 시스템은 GPS(Global Positioning Satellite) 또는 다른 위치 데이터(예컨대, 좌표, 속도)를 추적하여 이러한 변화(예컨대, 교통 혼잡, 도로 폐쇄)를 추측할 수 있지만, 자율 주행 차량이 경로 효율성 메트릭보다 더 많은 정보를 필요로 하는 상황이 발생할 것이다. 예를 들어, 경로 회피가 옵션이 아닐 수도 있으며, 새로운/변하는 조건을 돌파할 수 있는 능력이 바람직할 수도 있다. 인간 운전자에게 갑자기 넘기는 것도 바람직하지 않을 수 있다.
이러한 상황에서, 도로 또는 길의 변경된 상태에 대한 실시간 데이터 및 새로운 상태를 해석하는 방법을 수집하여 그러한 도로 또는 길을 포함하는 경로를 가진 차량에 제공할 수 있다. 그러한 데이터는 감각적 입력이라면(예컨대, 카메라 및/또는 레이더) 차량이 직면하는 것과 매칭할 수 있는 공간적 및/또는 시각적 정보의 맥락 내에 있을 수 있다.
시각 및 레이더 시스템은 적응형 크루즈 제어, 전방 충돌 회피, 및 차선 이탈과 같은 개별 특징을 제어하는데 사용될 수 있다. 센서는 기능에 배정되고, 개별 제어 모듈 내의 기능을 충족하도록 조정될 수 있다. 일부 자율 주행 차량 제어 시스템의 경우, 모든 또는 다수의 센서가 다수의 기능을 동시에 수행하는 단일 제어 모듈 내에 있게 된다. 자율 차량 제어 시스템에, 위치에 따른 지원을 제공하는 시스템은 예컨대, 차량이 이동하는 중에 시각적(예컨대, 카메라의) 및 공간적(예컨대, 스테레오 카메라, 모션 카메라로부터의 구조, 레이더, 및 라이더의) 데이터를 수집하여, 그러한 정보를 프로세싱을 위해 원격 컴퓨팅 설비에 전송할 수 있다. 자율 주행 차량 제어 시스템은 차량의 현재 및 미래 거동에 관한 실시간 결정을 위해, 수집된 시각적 및 공간적 센서 데이터를 사용할 수 있다.
도 1은 자율 주행 차량 제어 시스템이 위치에 따른 지원을 받는 예시적인 시나리오를 도시한다. 일반적으로, 영역(108)을 주행하기 위해, 자율적 차량 제어 시스템은 하나 이상의 센서(112)에 의해 감지된 차량(102)의 환경(110)을 인지하고, 해석하며, 그리고/또는 환경에 반응할 수 있다. 도 1에 도시하는 시나리오에서, 자율 차량 제어 시스템은 차량(102)이 지리적 위치(106)의 조건(104)에 직면하면 위치에 따른 지원을 받을 수 있는데, 그렇지 않은 경우에 이 조건은 (1) 자율 주행 차량 제어 시스템이 영역(108)을 주행하는 것을 막고 그리고/또는 (2) 자율 주행 차량 제어 시스템이 영역(108)을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는 것이다.
지리적 위치(106)에서의 조건은, 위치에 따른 지원이 없는 경우라면, (1) 자율 주행 차량 제어 시스템이 영역(108)을 주행하는 것을 막고 그리고/또는 (2) 자율 주행 차량 제어 시스템이 영역(108)을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는, 임의의 조건일 수 있다. 대안으로 또는 추가로, 조건(104)은 영역(108)을 주행하는 경우에, 위치에 따른 지원이 없다면, 자율 주행 차량 제어 시스템이 인지, 해석 및/또는 반응할 수 있는 능력 밖에 있는 임의의 조건일 수도 있다. 이러한 조건(104)의 예는, 눈으로 덮인 차선 표시, 건설 중인 표시 없는 차선, 도로를 통제하는 사람(flag person), 교통 사고, 모든 차선에 유출된 화학물질, 교차로 없이 또는 정지판을 필요로 하는 다른 구조물 없이 도로 옆에 설치된 정지판, 및 인식할 수 없는 도로표지(signage)를 포함할 수 있다. 조건(104)은 잘못되거나, 불법적이거나, 상충하거나, 그리고/또는 무시되는 데이터 패턴을 포함할 수 있다. 예를 들어, 도로 근처의 구조물로부터의 섬광이 센서(112)가 잘못된 정보를 반환하게 할 수도 있다. 조건(104)은 하나 이상의 센서(112)로부터 취득된 시각적 및/또는 공간적 데이터에 의해 표현될 수 있다.
조건(104)을 표현하는 시각적 및/또는 공간적 데이터가 자율 주행 차량 제어 시스템에 의해 적절히 인지되거나 해석되지 않을 수도 있다. 따라서, 일부 상황에서, 자율 주행 차량 제어 시스템은 조건(104)이 실제로 무엇인지를 알지 못할 수 있으며, 오히려 조건(104)은 시각적 및/또는 공간적 데이터의 형태로 된 조건의 표현을 포함한다. 자율 주행 차량 제어 시스템이 아마도 일반적 조건은 인지, 해석 및/또는 반응할 수 있기 때문에 조건(104)은 특이한 조건일 가능성이 있다. 그러나, 조건(104)이 반드시 특이할 필요는 없다.
조건(104)에 직면하면 위치에 따른 지원이 자율 주행 차량 제어 시스템에 제공될 수 있다. 지리적 위치(106)에서 조건(104)이 검출되었을 때 사람이 이전에 따라 갔던 코스(114)를 발견하여 추적함으로써 위치에 따른 지원이 제공될 수 있다. 예를 들어, 그 사람은 자신이 운전한 차량 상의 하나 이상의 센서가 지리적 위치(106)의 조건(104)을 검출한 후에 코스(114)를 따라 차량을 운전하였을 수 있다. 사람 운전 차량은 자율 주행 차량 제어 시스템에 의해 제어되는 차량(102)과는 상이한 차량이였을 수도 있다. 대안적으로, 사람 운전 차량은 자율 주행 차량 제어 시스템에 의해 제어되는 차량(102)과 동일한 차량이였을 수도 있다. 여하튼, 사람 운전 차량의 시스템은, 검출된 조건(104)이, 적어도 위치에 따른 지원이 없는 경우에 자율 주행 차량 제어 시스템이 영역(108)을 주행하는 것을 막고 그리고/또는 (2) 자율 주행 차량 제어 시스템이 영역(108)을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는, 조건임을 결정하였을 수 있다. 일부 예에서는, 사람 운전 차량의 시스템은 그러한 결정을 하지 않았을 수도 있다.
사람 운전 차량 및/또는 사람 운전 차량의 시스템은 코스(114), 검출된 조건(104), 및 지리적 위치(106)에 관한 정보를 위치에 따른 지원을 받게 될 자율 주행 제어 시스템이 추후 사용에 이용할 수 있게 한다. 이 정보는 예를 들어 V2X(Vehicle-to-Everything) 통신을 통해 사용할 수 있다. V2X 통신은 차량을 메시지의 소스 또는 목적지로 하는 임의의 통신일 수 있다. V2X 통신의 예는 V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure)(예컨대, 셀룰러 인프라와 공존할 수도 있고 그렇지 않을 수도 있는 도로 인프라), V2N(Vehicle-to-Network)(예컨대, 백엔드 및/또는 인터넷), 및 V2P(Vehicle-to-Pedestrian) 통신을 포함한다. 예를 들어, 코스(114), 검출된 조건(104), 및 지리적 위치(106)에 관한 정보를 차량(102)으로부터 원격 프로세싱 설비로 전송함으로써 정보를 이용할 수 있게 된다. 대안으로 또는 추가로, 사람 운전 차량의 자율 주행 차량 제어 시스템이 추후 사용을 위해 정보를 사람 운전 차량의 메모리에 저장하는 것에 의해 정보가 이용 가능할 수도 있다.
전술한 바와 같이, 위치에 따른 지원은 조건(104)이 지리적 위치(106)에서 검출되었을 때 사람 운전 차량이 이전에 따라 갔던 코스(114)를 발견하여 추적함으로써 제공될 수 있다. 코스(114)는 사람 운전 차량의 시스템이 이용할 수 있게 된 정보의 데이터베이스에서 조건(104) 및 조건(104)의 지리적 위치(106)를 서치함으로써 발견될 수 있다. 대안으로 또는 추가로, 코스(114)는 다수의 차량이 이용할 수 있는 정보의 데이터베이스에서 조건(104) 및 조건(104)의 지리적 위치(106)를 서치함으로써 발견될 수 있다.
조건(104) 및 조건(104)의 지리적 위치(106)와 매칭하는 것이 발견되면, 자율 주행 차량 제어 시스템은 차량(102)이 코스(114)를 따르도록 지시할 수 있다.
일부 예들에서, 조건, 조건의 각각의 지리적 위치, 및 사람 운전 차량이 따라간 코스에 관한 정보의 데이터베이스 내의 엔트리가 만료될 수도 있다. 다시 말해, 사람 운전 차량이 그 코스(114)를 너무 오래전에 따라 갔다면(즉, 데이터베이스의 해당 엔트리가 만료되었다면, 그 코스는 추적되거나 그리고/또는 발견될 수 없다. 대안으로, 코스는 인간이 그렇게 하는 것을 승인한 경우에만 추적될 수 있다. 예를 들어, 미리 정해진 시기간 또는 문턱 시기간 외에서 코스가 추적되었다면 그 코스는 만료될 수 있다.
대안으로 또는 추가로, 일부 예에서는 이전에 코스(114)를 따라간 사람이 신뢰되고/되거나 코스(114)가 신뢰되는 경우에만 코스(114)가 추적될 수 있다.
신뢰도는 임의의 신뢰 메커니즘을 사용하여 형성될 수 있다. 예를 들어, 사람의 경우에는 신뢰할 수 있는 드라이버로 사전에 자격을 받을 수 있다. 다른 예로서, 지리적 위치(106)에 조건(104)이 존재한 경우에 최소 인원의 사람들이 이전에 코스(114)를 따라갔다면 그 코스(114)는 신뢰할 수 있다.
도 2는 자율 주행 차량 제어 시스템에 위치에 따른 지원을 제공하는 예시적인 시스템의 논리 흐름도를 도시한다. 동작은 도 2에 예시하는 동작과 비교해 더 많거나, 상이하거나, 더 적은 동작을 포함할 수도 있다. 동작은 도 2에 예시하는 것과는 상이한 순서로 실행될 수도 있다.
동작은 차량(102)의 환경에서 감지되는 지리적 위치(106)에서 조건(104)이 식별되는 것(210)에서 시작될 수 있으며, 이 조건은, 위치에 따른 지원이 없는 경우에, 자율 주행 차량 제어 시스템이 지리적 위치(106)를 포함하는 영역(108)을 주행하는 것을 막고 그리고/또는 자율 주행 차량 제어 시스템이 영역(108)을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는 것이다. 예를 들어, 조건(104)은, 조건(104) 때문에 자율 주행 차량 시스템이 지리적 위치(106)를 포함하는 영역(108)을 주행할 수 없다는 표시(indication)를 자율 주행 차량 시스템으로부터 수신함으로써, 식별될 수 있다. 대안으로 또는 추가로, 조건(104)은, 위치에 따른 지원이 없는 경우에, 자율 주행 차량 제어 시스템이 영역(108)을 주행하는 것을 막고 그리고/또는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는, 조건(104)을 결정함으로써 식별(210)될 수 있다.
지리적 위치(106)에 조건(104)이 존재할 때에 사람 운전 차량이 이전에 따라간 코스(114)가 발견될 수 있다(220). 예를 들어, 지리적 위치(106)의 조건(104)과 매칭하는 것을 위해 조건 및 지리적 위치의 데이터베이스를 서치함으로써 코스(114)를 발견할 수 있다(220).
코스(114)가 발견되면, 차량(102)은 사람 운전 차량이 이전에 따라간 코스(114)를 따라갈 수 있게 된다(230). 동작은, 예컨대, 더 주행하기 위해서 위치에 따른 지원을 필요로 하는, 추가 조건에 차량(102)이 직면할 때까지 대기함으로써 종료될 수 있다.
도 3은 위치에 따른 지원을 자율 주행 차량 제어 시스템(308)에 제공하는 시스템(300)의 예를 도시한다. 시스템(300)은 프로세서(302)와 메모리(304)를 포함할 수 있다. 메모리(304)는 위치에 따른 지원 모듈(306) 및 위치에 따른 조건의 데이터베이터(312)를 포함할 수 있다.
프로세서(302)는 메모리(304)와 통신할 수 있다. 일부 예에서는, 프로세서(302)가 하나 이상의 센서(112) 등의 추가 엘리먼트와도 통신할 수 있다. 프로세서(302)의 예는 범용 프로세서, 중앙 처리 장치, 마이크로컨트롤러, 서버, 주문형 집적 회로(ASIC, application specific integrated circuit), 디지털 신호 프로세서, 필드 프로그래머블 게이트 어레이(FPGA, field programmable gate array), 디지털 회로, 및/또는 아날로그 회로를 포함할 수 있다.
프로세서(302)는 로직을 실행하도록 동작 가능한 하나 이상의 디바이스일 수 있다. 로직은, 프로세서(302)에 의해 실행될 때, 프로세서(302)로 하여금 로직에 의해 구현된 특징을 수행하게 하는, 메모리(304)에 또는 다른 메모리에 수록된 컴퓨터 실행 가능 명령어 또는 컴퓨터 코드를 포함할 수 있다. 컴퓨터 코드는 프로세서(302)에 의해 실행 가능한 명령어를 포함할 수 있다.
메모리(304)는 데이터 또는 이들의 임의의 조합을 저장하여 리트리빙(retrieving)하는 임의의 디바이스일 수 있다. 메모리(304)는 랜덤 액세스 메모리(RAM), 리드 온리 메모리(ROM), 소거 가능한 프로그래머블 리드 온리 메모리(EPROM), 및/또는 플래시 메모리 등의 비휘발성 및/또는 휘발성 메모리를 포함할 수 있다. 대안으로 또는 추가로, 메모리(304)는 광, 자기(하드 드라이브) 또는 임의의 다른 형태의 데이터 저장 디바이스를 포함할 수 있다.
위치에 따른 지원 모듈(306)은 자율 주행 차량 제어 시스템(308)에 위치에 따른 지원을 제공하는 시스템(300)의 로직으로 구성된 임의의 모듈일 수 있다.
위치에 따른 조건의 데이터베이스(312)는 임의의 유형의 데이터 저장 구조일 수 있다. 데이터베이스(312)는, 예컨대 조건, 조건의 각각의 지리적 위치, 및/또는 자율 주행 차량 제어 시스템이 조건을 포함한 영역을 주행할 수 없었을 때 사람 운전 차량이 따라간 코스에 관한 정보를 포함할 수 있다. 예를 들어, 데이터베이스(312)는 도 1에 예시한 조건(104), 지리적 위치(106), 및 코스(114)를 기술하는 정보를 포함할 수 있다.
자율 주행 차량 제어 시스템(308)은 인간의 입력 없이 도 1에 예시한 영역(108)과 같은 영역을 주행하도록 구성된 임의의 제어 시스템일 수 있다. 자율 주행 차량 제어 시스템(308)은 인간의 입력 없이 하나 이상의 센서(112)에 의해 감지된 차량(102)의 환경(110)을 인지하고, 해석하며, 그리고/또는 환경에 반응하도록 구성될 수 있다. 자율 주행 차량 제어 시스템(308)은 인간의 입력 없이 차량(102)을 조종하도록 구성될 수 있다. 자율 주행 차량 제어 시스템(308)은 인공 지능 학습 모델(310)에 기초하여 차량을 조종 및/또는 달리 제어하는 방법을 결정하도록 구성될 수 있다.
인공 지능 학습 모델(310)의 예는 신경망, 심층 학습 신경망, 및/또는 트레이닝 데이터에 기초하여 패턴을 검출하도록 구성된 임의의 다른 머신 학습 구조를 포함할 수 있다. 일단 트레이닝된 인공 지능 학습 모델(310)은 도로 조건, 물체. 및/또는 임의의 다른 조건을 검출할 수 있다. 인공 지능 모델(310)은 물체를 검출, 식별, 및/또는 분류하도록 트레이닝 데이터로 트레이닝될 수 있다. 예를 들어, 물체는 모델(310)에 의해 신호(sign)로서 식별된 다음 정지 신호로서 분류될 수 있다. 다른 예로서, 물체는 모델(310)에 의해 인간으로서 식별된 다음 인간의 사진이 아닌 것으로 분류될 수 있다. 모델(310)은 예상되는 주행 환경 및/또는 조건의 넓고 포괄적인 범위를 포함하도록 트레이닝될 수 있다는 점에서 전역적(global)일 수 있다. 대안으로 또는 추가로, 모델(310)은 도 1에 예시한 영역(108) 등의 특정 지리적 구역 또는 영역 내에서 발견된 환경으로부터의 데이터로 트레이닝됨으로써 지역화(localize)될 수도 있다. 대안으로 또는 추가로, 모델(310)은 시작 시간과 정지 시간 사이와 같이, 시간 제한이 있는 유용성을 가질 수 있도록 시간적 컴포넌트를 가질 수 있다. 모델(310)은 트레이닝 데이터에 기초하여 패턴을 검출하도록 각각 구성된 하나 이상의 머신 학습 구조를 포함할 수 있다.
일부 예에서는, 자율 주행 차량 제어 시스템(308)이 영역(108)을 주행할 수 없는 능력(또는 문턱 레벨 이하로 떨어진 신뢰도)는 그 무능력을 극복하는 제2 학습 모델(314)(하나 이상의 학습 모델)을 수신 및/또는 획득함으로써 해결될 수 있다. 다시 말해, 위치에 따른 지원은 자율 주행 차량 제어 시스템(308)이 제2 학습 모델(314)을 수신 및/또는 획득함으로써 제공될 수 있다. 제2 학습 모델(314)은 경우에 따라, 자율 주행 차량 제어 시스템(308)이 제2 학습 모델(314)을 사용할 수 있는 타임프레임을 제한하도록 시간적 컴포넌트를 가질 수 있다. 자율 주행 차량 제어 시스템(308)의 인공 지능 학습 모델(310)(제1 학습 모델(310))은 차선 위치를 관리하는 전역적 모델을 포함할 수 있고, 이 경우 모델(310)은 차선 표시 및/또는 다른 관련 물체를 검출한다. 그러나, 일부 예에서는, 모델(310)이 이례적인 물체 및/또는 도 1의 조건(104)과 같은 이례적 위치에 있는 물체(이하의 예에서는, 나무, 우편함, 및/또는 지리적 위치(106)에 고유한 임의의 다른 물체)의 검출을 토대로 차량이 따라갈 경로를 산출함으로써 차선 위치가 결정되어야만 한다. 제2 학습 모델(314)은 조건(104), 조건(104)의 지리적 위치(106), 및/또는 사람 운전 차량이 따라간 코스(114)로 추가적으로 또는 특별하게 트레이닝되는 학습 모델을 포함할 수 있다. 대안으로 또는 추가로, 제2 학습 모델(314)은 위치에 따른 조건의 데이터베이스(312) 내의 정보로 추가로 또는 특별하게 트레이닝되는 학습 모델을 포함할 수 있다. 자율 주행 차량 제어 시스템(308)은 차량이 영역(108)에 있는 경우 제2 학습 모델(314)을 적용함으로써 영역(108)을 주행할 수 있다. 차량이 영역(108)을 떠나는 경우, 자율 주행 차량 제어 시스템(308)은 제1 학습 모델(310)을 적용함으로써 주행할 수 있다. 대안으로 또는 추가로, 제2 학습 모델(314)이 시간적 컴포넌트를 갖는다면, 자율 주행 차량 제어 시스템(308)은 자율 주행 차량 제어 시스템(308)이 제2 학습 모델(314)을 사용할 수 있는 타임프레임 외부에서는 제1 학습 모델(310)을 적용함으로써 주행할 수 있다.
위치에 따른 지원을 제공하는 시스템(300)은 제2 학습 모델(314)을 생성할 수 있다. 대안으로 또는 추가로, 자율 주행 차량 제어 시스템(308) 또는 임의의 다른 시스템이 제2 학습 모듈을 생성할 수도 있다.
일부 예에서는, 제2 학습 모델(314)이 제1 학습 모델(310)보다 높은 계산적 요건(computational demand)을 가질 수 있다. 인간이 직면한 상황과 유사하게, 눈보라가 치고 있거나 그리고/또는 눈보라 직후와 같은 이례적인 상황에서 사람이 운전하는 것을 고려한다. 눈보라가 치는 동안, 인간은 랜드마크에 대한 차선 위치를 판단하거나 그리고/또는 차선 위치를 기존의 휠 트랙과 연관시킬 수 있다. 볼 수 있는 차선 표시는 없을 수도 있지만, 보다 "쉽게" 인식되는 경계를 가진 "파헤쳐진 도로(plowed road)"와 같은 "더 쉬운" 조건을 인간이 직면할 때까지 인지 강도(cognitive intensity)는 비교적 높을 수 있다. 제2 학습 모델(314)은 이례적 상황 중에 적용될 수 있지만, 일단 차량(102)이 자율 주행 차량 제어 시스템(308)의 표준 능력 내의 조건에 직면하게 되면, 제1 학습 모델(310)이 적용될 수 있다.
제2 학습 모델(314)이 계산적 요건을 갖는다면, 자율 주행 차량 제어 시스템(308)은 제2 학습 모델(314)을 적용할 시간을 벌기 위해 차량(102)을 느리게 할 수 있다. 대안으로 또는 추가로, 차량(102)에 위치한 별도의 시스템 또는 통신을 통해 원격 컴퓨팅 설비에 위치한 시스템이 제2 학습 모델(314)을 적용할 수도 있다.
각 컴포넌트는 추가 컴포넌트, 상이한 컴포넌트, 또는 더 적은 컴포넌트를 포함할 수 있다. 예를 들어, 위치에 따른 지원 모듈(306)은 다수의 모듈을 포함할 수 있다. 마찬가지로, 메모리(304)도 다수의 모듈을 포함할 수 있다. 대안으로 또는 추가로, 메모리(304)는 조건, 조건의 각각의 지리적 위치, 및/또는 사람 운전 차량이 따라간 코스에 관한 정보의 데이터베이스(312)를 포함하지 않을 수도 있다. 위치에 따른 정보의 데이터베이스(312)는 예컨대 원격 컴퓨팅 설비에 포함될 수도 있다.
시스템(300)은 추가 컴포넌트, 상이한 컴포넌트, 또는 더 적은 컴포넌트로 구현될 수도 있다. 예를 들어, 시스템(300)은 다른 차량과, 자율 주행 차량 제어 시스템(308)과, 그리고/또는 원격 컴퓨팅 설비와 통신하기 위한 통신 하드웨어(도시 생략)를 포함할 수도 있다. 예를 들어, 원격 컴퓨팅 설비는 조건, 조건의 각각의 지리적 위치, 및/또는 사람 운전 차량이 따라간 코스에 관한 정보의 데이터베이스(312)를 포함할 수도 있다. 일부 예에서, 위치에 따른 지원을 제공하는 시스템(300)은 자율 주행 차량 제어 시스템(308)에 포함될 수도 또는 자율 주행 차량 제어 시스템(308)을 포함할 수도 있다.
일부 예에 있어서, 원격 컴퓨팅 설비는 해당 원격 컴퓨팅 설비가 결정하는 가변의 학습 모듈 세트에 따라 데이터를 프로세싱할 수 있다. 날씨, 교통량(traffic density), 동일한 도로 상의 컬렉터 수 및 기타 조건에 따라 차이가 있을 수 있다. 수집된 데이터를 기록 차량의 물리적 특성(예컨대, 그것의 지리적 위치)과 상관시키면, 기존 도로 조건이 예상 표준 또는 이전에 발생한 조건과 어떻게 다른지 원격으로 프로세싱하고 결정할 수 있다. 예를 들어, 원격 설비 내의 시스템은 원격 설비 시스템의 잠재적으로 더 큰 컴퓨팅 능력으로 인해 차량(102) 내의 자율 주행 차량 제어 시스템(308)보다 동일한 입력 데이터에 보다 다양한 학습 모델을 적용할 수 있다. 예를 들어, 제2 학습 모델(314)은 예상치 못한 조건을 식별 및/또는 분류하는데 사용되는 더 많은 학습 모델 세트 중 일부일 수도 있다. 대안으로 또는 추가로, 제1 학습 모델(310)은 원격 설비 내의 학습 모델 세트의 일부일 수도 있다. 원격 설비 내의 제1 학습 모델(310)은 자율 주행 차량 제어 시스템(308) 내의 제1 학습 모델(310)이 적절하게 동작하고 있는 것을 검증하는데 사용될 수 있다. 일부 예에서, 원격 설비 내의 시스템은 차량 내의 자율 주행 차량 제어 시스템(308)에 전파되는 전역적 및/또는 지역화된 (정적 또는 시간적) 학습 모델 업데이트를 생성할 수 있다.
시스템(300)은 다수의 상이한 방식으로 구현될 수 있다. 위치에 따른 지원 모듈(306)과 같은 각 모듈은 하드웨어 또는 하드웨어와 소프트웨어의 조합일 수 있다. 예를 들어, 각 모듈은 주문형 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGA), 회로, 디지털 로직 회로, 아날로그 회로, 개개 회로들의 조합, 게이트, 또는 기타 유형의 하드웨어나 이들의 조합을 포함할 수 있다. 대안으로 또는 추가로, 각 모듈은 예컨대, 모듈의 특징 중 하나 이상을 구현하기 위해 프로세서(302) 또는 다른 프로세서로 실행 가능한 명령어를 포함하는 메모리(304)의 일부와 같은 메모리 하드웨어를 포함할 수 있다. 모듈 중 임의의 모듈이 프로세서로 실행 가능한 명령어를 포함하는 메모리의 부분을 포함할 때, 그 모듈은 프로세서를 포함할 수도 포함하지 않을 수도 있다. 일부 예에서, 각 모듈은 다른 하드웨어를 포함하는 모듈없이 해당 모듈의 특징을 구현하기 위해 프로세서(302) 또는 다른 프로세서로 실행 가능한 명령어를 포함하는 메모리(304) 또는 다른 물리적 메모리의 일부일 수도 있다. 각 모듈은 포함된 하드웨어가 소프트웨어를 포함하는 경우에도 적어도 일부 하드웨어를 포함하기 때문에, 각 모듈은 위치에 따른 지원 모듈 하드웨어 모듈과 같은 하드웨어 모듈로 교환 가능하게 지칭될 수 있다.
일부 특징들은 컴퓨터 판독 가능 저장 매체 내에 저장되는 것(예컨대, 메모리 내의 데이터 구조 또는 컴퓨터 실행 가능 명령어로서 구현되는 로직)으로 보여진다. 시스템(300)의 전부 또는 일부 및 그 로직 및 데이터 구조는 하나 이상의 유형의 컴퓨터 판독 가능 저장 매체 상에 저장되거나, 이들 매체를 통해 분산되거나, 이들 매체로부터 판독될 수 있다. 컴퓨터 판독 가능 저장 매체의 예는 하드 디스크, 플로피 디스크, CD-ROM, 플래시 드라이브, 캐쉬, 휘발성 메모리, 비휘발성 메모리, RAM, 플래시 메모리, 또는 임의의 다른 유형의 컴퓨터 판독 가능 저장 매체를 포함할 수 있다. 컴퓨터 판독 가능 저장 매체는 CD-ROM, 휘발성 메모리, 비휘발성 메모리, ROM, RAM, 또는 임의의 다른 적절한 저장 디바이스 등의 임의의 유형의 비일시적 컴퓨터 판독 가능 매체를 포함할 수 있다.
시스템(300)의 프로세싱 능력은 선택적으로 다수의 분산형 프로세싱 시스템을 포함한, 다수의 프로세서와 메모리 사이와 같이, 다수의 엔티티 사이에서 분산될 수 있다. 예를 들어, 시스템(300)의 하나 이상의 컴포넌트는 원격 서버 내, 클라우드 내, 그리고/또는 NAS(Network-attached storage) 상에 포함될 수 있다. 파라미터, 데이터베이스, 및 다른 데이터 구조는 개별적으로 저장되어 관리될 수도 있고, 단일 메모리 또는 데이터베이스에 통합될 수도 있으며, 논리적으로 그리고 물리적으로 다수의 상이한 방식으로 조직될 수도 있고, 링크드 리스트, 해시 테이블 또는 암시적 저장 메커니즘 등의 상이한 유형의 구조로 구현될 수도 있다. 프로그램 또는 회로부와 같은 로직은 다수의 프로그램 사이에서 결합될 수도, 분할될 수도, 분산될 수도 있다.
도 1에 예시하는 차량(102)은 자동차로 도시된다. 그러나, 차량(102)은 제한 없이, 자동차, 버스, 트럭, 트랙터, 모터사이클, 자전거, 삼륜차, 사륜차 또는 기타 사이클류, 선박, 잠수함, 보트 또는 기타 선박류, 헬리콥터, 드론, 기타 항공기류, 기차, 전차 또는 기타 철도 차량, 우주선 또는 기타 우주선, 그리고 현재 존재하든지 나중에 생기든지 간에 임의의 다른 유형의 차량을 포함할 수 있다.
지리적 위치(106)는 GPS 좌표를 포함할 수 있다. 대안으로 또는 추가로, 지리적 위치(106)는 해당 지리적 위치(106)의 임의의 다른 표시를 포함할 수도 있다. 지리적 위치(106)는 점, 영역 또는 심지어 체적을 포함할 수도 있다.
도 1에 예시하는 영역(108)은 도로의 한 구획을 포함한다. 그러나, 차량(102)이 주행하게 되는 영역(108)은 임의의 다른 유형의 영역 또는 공간일 수도 있다. 예를 들어, 영역(108)은 드론이 항해하는 공역(air space)의 일부를 포함할 수도 있다.
"인간 운전(human-driven)" 또는 "사람 운전(person-driven)"이라는 표현은 인간이 제어하는 것을 의미한다. 예를 들어, 사람 운전 차량은 자동차, 트럭, 모터사이클, 보트, 비행기, 헬리콥터, 드론, 또는 임의의 다른 유형의 차량을 포함할 수 있다. 인간은 차량 제어 시에 사람 운전 차량에 있을 수도 있고 없을 수도 있다.
차량(102)의 환경(110)은 차량(102)의 전방 영역(예를 들어, 주행 방향)일 수 있다. 대안으로 또는 추가로, 환경(110)은 차량(102) 주변의, 예컨대 우측, 좌측, 후측, 상측, 및/또는 하측의 임의의 영역을 포함할 수 있다. 차량(102)의 환경(110)은 차량(102) 상의 센서의 범위 내에 있는 영역을 포함할 수 있다.
하나 이상의 센서(112)의 예는 카메라, 마이크로폰, 스테레오 카메라, 모션 카메라, 레이더, 및/또는 라이더를 포함할 수 있다. 대안으로 또는 추가로, 하나 이상의 센서(112)는 임의의 다른 유형의 센서를 포함할 수도 있다.
코스(114)는 경로 또는 길의 표시를 포함할 수 있다. 대안으로 또는 추가로, 코스는 속도, 가속도, 및/또는 경로를 통과한 방식 또는 경로의 임의의 다른 물리적 특성의 표시를 포함할 수도 있다. 코스(114)가 이어지는 경우, 이것은 일부 실시형태에서는, 속도, 가속도, 및/또는 기타 물리적 특성이 재생되는 것을 의미할 수 있다.
전술한 바와 같이, 위치에 따른 지원은 조건(104)이 지리적 위치(106)에서 검출되었을 때 사람 운전 차량이 이전에 따라 갔던 코스(114)를 발견하여 추적함으로써 제공될 수 있다. 대안으로 또는 추가로, 위치에 따른 지원은 조건(104)이 지리적 위치(106)에서 검출되었을 때 제2 자율 주행 차량 제어 시스템이 결정한 코스(114)를 발견하여 추적함으로써 제공될 수 있다. 상이한 제조사들의 이종 자율 주행 차량 제어 시스템들은―심지어 같은 제조사의 상이한 버전들도―서로 다른 능력을 가질 수 있다. 그렇기 때문에, 제1 자율 주행 차량 제어 시스템(308)이 코스(114)를 발견할 수 없거나 그 코스를 발견하기에 충분히 신뢰할 수 없더라도 제2 자율 주행 차량 제어 시스템에 의해 코스(114)가 결정될 수 있다. 데이터베이스(312)는, 예컨대 조건, 조건의 각각의 지리적 위치, 및/또는 차량이 그 조건에 직면하게 되었을 때에 제2 자율 주행 차량 제어 시스템에 의해 제어된 차량이 따라간 코스에 관한 정보를 포함할 수 있다. 대안으로 또는 추가로, 데이터베이스(312)는, 예컨대 조건, 조건의 각각의 지리적 위치, 및/또는 자율 주행 차량 제어 시스템이 그 조건을 포함한 영역을 주행할 수 없었을 때 사람 운전 차량이 따라간 코스에 관한 정보를 포함할 수 있다.
제1 자율 차량 제어 시스템(308)에 의해서가 아니라 제2 주행 자율 차량 제어 시스템에 의해서 코스(114)가 결정될 수 있었다면, 제1 자율 주행 차량 제어 시스템(308)의 학습 모델의 업데이트의 필요성 또는 제2 학습 모델(314)을 통한 지역화된 서포트의 필요성이 식별될 수 있다. 시스템이 오래되면, 전역적 학습 모델에 의존할 수 있는 능력은 보다 최신의 시스템에 대해 그 반응이 문제가 될 수 있기 때문에 약화될 수 있는데, 예를 들어 구형 시스템은 조건(104)에 직면했을 때 회피할 수 있지만 신형 시스템은 조건(104)을 양성 또는 중간 위험으로 인식할 수 있다. 구형 시스템이 해당 구현 시스템의 주행 능력에 따른 임의의 문제를 인식하지 못할지라도, 구형 시스템은 다른 것들에 대해 위험을 초래할 수 있다. 구형 시스템은 주변의 지역 차량들에 대해 위험 요소로 식별될 수 있다. 주변의 지역 차량들을 제어하는 신형 시스템은 구형 시스템에 대처하는 능력을 향상시키는 업데이트를 받을 수 있다.
설명한 특정 구현예에 관계 없이, 모든 논의는 본질적으로 제한적이지 않고 예시적이다. 예를 들어, 구현예의 선택된 양상, 특징 또는 컴포넌트가 메모리에 저장되는 것으로 묘사되지만, 시스템 또는 시스템의 전부 또는 일부는 예컨대 하드 디스크, 플래시 메모리 드라이브, 플로피 디스크, 및 CD-ROM 등의 보조 저장 디바이스와 같은 다른 컴퓨터 판독 가능 저장 매체 상에 저장되거나, 이들 저장 매체를 통해 분산되거나, 이들 저장 매체로부터 판독될 수도 있다. 또한, 다양한 모듈 및 스크린 디스플레이 기능은 이러한 기능의 일례일 뿐이며, 유사한 기능을 포함하는 임의의 다른 구성도 가능하다.
전술한 프로세스, 방법, 및/또는 기술을 구현하기 위한 각각의 로직, 소프트웨어 또는 명령어는 컴퓨터 판독 가능 저장 매체 상에 제공될 수 있다. 도면에 예시하거나 본 명세서에서 설명한 기능, 동작 또는 태스크는 컴퓨터 판독 가능 매체 내에 또는 그 매체 상에 저장된 하나 이상의 로직 또는 명령어의 세트에 응답하여 실행될 수 있다. 기능, 동작 또는 태스크는 특정 유형의 명령어 세트, 저장 매체, 프로세서 또는 프로세싱 전략과는 독립적이며, 소프트웨어, 하드웨어, 집적 회로, 펌웨어, 마이크로 코드 등에 의해 수행되어, 단독으로 또는 조합으로 동작할 수 있다. 마찬가지로, 프로세싱 전략은 멀티프로세싱, 멀티태스킹, 패러럴 프로세싱 등을 포함할 수 있다. 일부 예에서는, 명령어가 착탈식 매체 장치 상에 저장되어 로컬로 또는 원격 시스템에 의해 판독된다. 다른 예에서는, 로직 또는 명령어가 원격지에 저장되어 컴퓨터 네트워크를 통해 또는 전화선을 통해 전송된다. 또 다른 예에서는, 로직 또는 명령어가 주어진 컴퓨터, 중앙 처리 장치("CPU"), 그래픽 처리 장치("GPU") 또는 시스템 내에 저장된다.
또한, 특정 컴포넌트가 전술되었지만, 본 명세서에서 설명한 방법, 시스템 및 제품은 추가 컴포넌트, 더 적은 컴포넌트, 또는 상이한 컴포넌트를 포함할 수도 있다. 예를 들어, 프로세서는 마이크로프로세서, 마이크로컨트롤러, 주문형 집적회로(ASIC), 개별 로직, 또는 다른 유형의 회로 또는 로직의 조합으로서 구현될 수도 있다. 마찬가지로, 메모리는 DRAM, SRAM, 플래시, 또는 임의의 다른 유형의 메모리일 수도 있다. 플래그, 데이터, 데이터베이스, 테이블, 엔티티, 및 기타 데이터 구조는 개별적으로 저장 및 관리되거나, 단일 메모리 또는 데이터베이스에 통합되거나, 분산되거나, 논리적 그리고 물리적으로 다양한 방식으로 구성될 수 있다. 컴포넌트는 독립적으로 동작할 수도 또는 동일한 프로그램 또는 장치의 일부일 수도 있다. 컴포넌트는 별도의 착탈식 회로 기판 등의 별도의 하드웨어에 상주할 수도 있고, 동일한 메모리 및 프로세서 등의 공통 하드웨어를 공유하여 메모리로부터 명령어를 구현할 수도 있다. 프로그램은 단일 프로그램의 일부이거나 별도의 프로그램이거나 여러 메모리 및 프로세서에 걸쳐 분산되어 있을 수도 있다.
제2 액션이 직접적으로 또는 간접적으로 제1 액션에서 기인한 것인지의 여부와 관계 없이 제2 액션은 제1 액션에 "응답하는" 것이라고 말할 수 있다. 제2 액션은 제1 액션보다 실질적으로 나중에 발생하며 계속 제1 액션에 응답할 수 있다. 마찬가지로, 제1 액션과 제2 액션 사이에 개재 액션이 발생하더라도, 또 개재 액션 중 하나 이상이 직접적으로 제2 액션이 수행되게 하는 것이라도 제2 액션은 제1 액션에 응답하는 것이라고 말할 수 있다. 예를 들어, 제1 액션이 플래그를 설정하고 플래그가 설정될 때마다 제3 액션이 나중에 제2 액션을 개시하는 경우, 제2 액션은 제1 액션에 응답하는 것일 수 있다.
용례를 명확히 하고 이를 공지하기 위하여, "<A>, <B>, ... 및 <N>" 중 적어도 하나 또는 "<A>, <B>, ... <N> 또는 이들의 조합 중 적어도 하나" 또는 "<A>, <B>, ... 및/또는 <N>"라는 표현은 출원인에 의해 가장 넓은 의미로 정의되며, 출원인이 달리 명시적으로 주장하지 않는 한, 앞에서의 또는 이후의 임의의 다른 묵시적 정의를 대신하여, A, B, ... 및 N을 포함하는 그룹에서 선택된 하나 이상의 요소를 의미한다. 다시 말해서, 이들 표현은 임의의 하나의 요소만을, 또는 나열하지 않은 추가 요소들을 조합으로 포함할 수도 있는 다른 요소들 중 하나 이상과의 조합으로 포함하는, A, B, ... 또는 N 중 하나 이상의 임의의 조합을 의미한다.
다양한 실시형태들을 설명하였지만, 당업자에게는 더 많은 실시형태 및 구현예가 가능하다는 것이 명백할 것이다. 따라서, 본 명세서에서 설명한 실시형태들은 예이며, 가능한 실시형태 및 구현예만이 아니다.
본 개시내용의 주제는 또한 여러가지 중에서도, 이하의 양태에 관한 것일 수 있다.
1. 위치에 따른 지원(location specific assistance)을 제공하는 시스템으로서,
프로세서를 포함하고, 상기 프로세서는,
차량의 환경에서 감지되는 지리적 위치에서의 조건―이 조건은 위치에 따른 지원이 없다면 제1 자율 주행 차량 제어 시스템이 주행할 수 없는 것임―을 식별하고,
상기 조건이 상기 지리적 위치에 존재하였을 때에, 제2 자율 주행 차량 제어 시스템이 결정한 코스 또는 사람 운전 차량이 따라간 코스 중 적어도 하나인, 상기 지리적 위치에서의 코스를 발견하며,
상기 차량이 상기 코스를 따라가게 하도록 구성된다.
2. 양태 1의 시스템에 있어서, 상기 코스는 상기 지리적 위치에서 식별된 조건과 매칭하는 조건을 포함하는 트레이닝 데이터로 트레이닝된 학습 모델의 적용을 통해 발견된다.
3. 양태 1 또는 2의 시스템에 있어서, 상기 트레이닝 데이터로 트레이닝된 학습 모델은 제한된 타임프레임 내에서만 이용 가능하다.
4. 양태 1 내지 3 중 어느 하나의 시스템에 있어서, 상기 제1 자율 주행 차량 제어 시스템이 위치에 따른 지원이 없다면, 상기 조건을 인지하는 것, 해석하는 것 또는 상기 조건에 반응하는 것 중 적어도 하나를 할 수 없음을 상기 제1 자율 주행 차량 제어 시스템이 표시한다면, 상기 제1 자율 주행 차량 제어 시스템은 위치에 따른 지원 없이는 상기 조건을 지나서 주행할 수 없다.
5. 양태 1 내지 4 중 어느 하나의 시스템에 있어서, 상기 조건은, 상기 제1 자율 주행 차량 제어 시스템이 위치에 따른 지원이 없다면, 상기 조건을 인지하는 것, 해석하는 것 또는 상기 조건에 반응하는 것 중 적어도 하나를 할 수 없다는 결정에 응답하여 식별된다.
6. 양태 1 내지 5 중 어느 하나의 시스템에 있어서, 상기 코스는, 상기 지리적 위치에서의 코스가, 상기 조건이 식별될 때의 문턱 시기간 내에서, 상기 제2 자율 주행 차량 제어 시스템이 결정한 코스 또는 상기 사람 운전 차량이 따라간 코스 중 적어도 하나였다면, 발견된다.
7. 양태 1 내지 6 중 어느 하나의 시스템에 있어서, 위치에 따른 조건의 데이터베이스로 트레이닝된 제2 학습 모델을 더 포함하고, 상기 데이터베이스는 상기 제2 자율 주행 차량 제어 시스템이 제어하는 차량 또는 사람 운전 차량 중 적어도 하나로부터의 데이터로 채워지며, 상기 프로세서는 상기 지리적 위치에서 식별된 조건에의 상기 제2 학습 모델의 적용을 토대로 코스를 발견하도록 구성된다.
8. 자율 주행 차량으로서,
프로세서를 포함하고, 상기 프로세서는,
차량의 환경에서 감지되는 지리적 위치에서의 조건―이 조건은 위치에 따른 지원이 없다면 제1 자율 주행 차량 제어 시스템이 주행할 수 없는 것임―을 식별하고―,
상기 조건이 상기 지리적 위치에 존재하였을 때에, 제2 자율 주행 차량 제어 시스템이 결정한 코스 또는 사람 운전 차량이 따라간 코스 중 적어도 하나인, 상기 지리적 위치에서의 코스를 발견하며,
상기 차량이, 제2 자율 주행 차량 제어 시스템이 이전에 결정한 코스 및 상기 사람 운전 차량이 따라간 코스 중 적어도 하나의 코스를 따라가게 하도록 구성된다.
9. 양태 8의 자율 주행 차량에 있어서, 상기 코스는 조건 및 지리적 위치의 데이터베이스의 서치를 통해 상기 지리적 위치에서의 조건과 매칭하는 것이 발견된다.
10. 양태 9의 자율 주행 차량에 있어서, 상기 데이터베이스는 상기 차량에 대해 원격으로 위치한 서버 상에 있다.
11. 양태 8 내지 10 중 어느 하나의 자율 주행 차량에 있어서, 상기 제1 자율 주행 차량 제어 시스템이 위치에 따른 지원이 없다면, 상기 조건을 인지하는 것, 해석하는 것 또는 상기 조건에 반응하는 것 중 적어도 하나를 할 수 없음을 상기 제1 자율 주행 차량 제어 시스템이 표시한다면, 상기 제1 자율 주행 차량 제어 시스템은 위치에 따른 지원 없이는 상기 조건을 지나서 주행할 수 없다.
12. 양태 8 내지 11 중 어느 하나의 자율 주행 차량에 있어서, 상기 조건은, 상기 제1 자율 주행 차량 제어 시스템이 위치에 따른 지원이 없다면, 상기 조건을 인지하는 것, 해석하는 것 또는 상기 조건에 반응하는 것 중 적어도 하나를 할 수 없다는 결정에 응답하여 식별된다.
13. 양태 8 내지 12 중 어느 하나의 자율 주행 차량에 있어서, 상기 코스는, 상기 지리적 위치에서의 코스가 상기 조건이 식별될 때의 문턱 시기간 내에서 상기 사람 운전 차량이 따라간 코스였으면, 발견된다.
14. 양태 8 내지 13 중 어느 하나의 자율 주행 차량에 있어서, 조건, 지리적 위치, 및 코스의 데이터베이스를 더 포함하고, 상기 데이터베이스는 사람 운전 차량으로부터의 데이터로 채워지며, 상기 프로세서는 상기 데이터베이스의 서치를 통해 상기 코스를 발견하도록 구성된다.
15. 방법에 있어서,
차량의 환경에서 감지되는 지리적 위치에서의 조건을 식별하는 단계로서, 상기 조건은 위치에 따른 지원이 없다면,
제1 자율 주행 차량 제어 시스템이 상기 지리적 위치를 포함하는 영역을 주행하는 것을 막는 것 또는
상기 제1 자율 주행 차량 제어 시스템이 상기 영역을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는 것 중 적어도 하나로 결정되는 것인, 상기 조건을 식별하는 단계와,
상기 조건이 상기 지리적 위치에 존재하였을 때에, 제2 자율 주행 차량 제어 시스템이 결정한 코스 또는 사람 운전 차량이 따라간 코스 중 적어도 하나인, 상기 지리적 위치에서의 코스를 발견하는 단계와,
상기 차량이 상기 코스를 따라가게 하는 단계를 포함한다.
16. 양태 15의 방법에 있어서, 상기 코스를 발견하는 단계는 상기 지리적 위치에서의 조건과 매칭하는 것을 위해 조건 및 지리적 위치의 데이터베이스를 서치하는 단계를 포함한다.
17. 양태 16의 방법에 있어서, 상기 데이터베이스는 상기 차량에 대해 원격으로 위치한 서버 상에 있다.
18. 양태 15 내지 17 중 어느 하나의 방법에 있어서, 상기 조건을 식별하는 단계는, 상기 조건이, 상기 제1 자율 주행 차량 제어 시스템이 상기 지리적 위치를 포함하는 영역을 주행하는 것을 막는 것 또는 상기 제1 자율 주행 차량 제어 시스템이 상기 영역을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는 것 중 적어도 하나라는 표시를 상기 자율 주행 차량 시스템으로부터 수신하는 단계를 포함한다.
19. 양태 15 내지 18 중 어느 하나의 방법에 있어서, 상기 조건을 식별하는 단계는, 상기 조건이 위치에 따른 지원이 없다면, 상기 제1 자율 주행 차량 제어 시스템이 상기 지리적 위치를 포함하는 영역을 주행하는 것을 막는다고 결정하는 단계를 포함한다.
20. 양태 15 내지 19 중 어느 하나의 방법에 있어서, 상기 코스를 발견하는 단계는, 문턱 시기간 내에서 사람 운전 차량이 이전에 따라간 상기 지리적 위치에서의 코스를 발견하는 단계를 포함한다.
21. 컴퓨터 실행 가능 명령어를 포함하는 컴퓨터 판독 가능 저장 매체로서, 상기 컴퓨터 실행 가능 명령어는 프로세서에 의해 실행 가능하며, 상기 컴퓨터 실행 가능 명령어는,
차량의 환경에서 감지되는 지리적 위치에서의 조건을 식별하도록 실행 가능한 명령어로서, 상기 조건은 위치에 따른 지원이 없다면,
제1 자율 주행 차량 제어 시스템이 상기 지리적 위치를 포함하는 영역을 주행하는 것을 막는 것 또는
상기 제1 자율 주행 차량 제어 시스템이 상기 영역을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 이하로 떨어지게 하는 것 중 적어도 하나인, 상기 조건을 식별하도록 실행 가능한 명령어와,
상기 조건이 상기 지리적 위치에 존재하였을 때에, 제2 자율 주행 차량 제어 시스템이 결정한 코스 또는 사람 운전 차량이 따라간 코스 중 적어도 하나인, 상기 지리적 위치에서의 코스를 발견하도록 실행 가능한 명령어와,
상기 차량이 상기 코스를 따라가게 하도록 실행 가능한 명령어를 포함한다.

Claims (21)

  1. 위치에 따른 지원(location specific assistance)을 제공하는 시스템(300)에 있어서,
    프로세서(302)를 포함하고, 상기 프로세서(302)는,
    위치에 따른 지원 없이는 제1 자율 주행 차량 제어 시스템(308)이 주행할 수 없는 것인 조건(104) - 상기 조건(104)은 차량(102)의 환경 내의 지리적 위치(106)에서 감지됨 - 을 식별하고,
    상기 조건이 상기 지리적 위치에 존재하였을 때 제2 자율 주행 차량 제어 시스템에 의해 이전에 결정됐던 코스, 또는 상기 조건이 상기 지리적 위치에 존재하였을 때 사람 운전 차량이 이전에 따라갔던 코스 중 적어도 하나인, 상기 지리적 위치에서의 코스(114)를 발견하고 - 상기 코스는 상기 지리적 위치에서 식별된 상기 조건과 매칭되는 조건을 포함하는 트레이닝 데이터로 트레이닝된 학습 모델(310)의 적용을 통해 발견됨 - ,
    상기 차량이 상기 코스를 따라가게 하도록 구성되는 것인, 위치에 따른 지원을 제공하는 시스템.
  2. 제1항에 있어서, 상기 트레이닝 데이터로 트레이닝된 상기 학습 모델은 제한된 타임프레임 내에서만 이용 가능한 것인, 위치에 따른 지원을 제공하는 시스템.
  3. 제1항에 있어서, 위치에 따른 지원 없이는 상기 제1 자율 주행 차량 제어 시스템이 상기 조건을 인지하는 것, 상기 조건을 해석하는 것, 또는 상기 조건에 반응하는 것 중 적어도 하나를 할 수 없음을 상기 제1 자율 주행 차량 제어 시스템이 표시하는 경우, 상기 제1 자율 주행 차량 제어 시스템은 위치에 따른 지원 없이는 상기 조건을 넘어서서(past) 주행할 수 없는 것인, 위치에 따른 지원을 제공하는 시스템.
  4. 제1항에 있어서, 위치에 따른 지원 없이는 상기 제1 자율 주행 차량 제어 시스템이 상기 조건을 인지하는 것, 상기 조건을 해석하는 것, 또는 상기 조건에 반응하는 것 중 적어도 하나를 할 수 없다는 결정에 응답하여, 상기 조건이 식별되는 것인, 위치에 따른 지원을 제공하는 시스템.
  5. 제1항에 있어서, 상기 지리적 위치에서의 상기 코스가, 상기 조건이 식별된 후 문턱 시간 기간(time period) 내에 상기 사람 운전 차량이 따라갔던 코스 또는 상기 제2 자율 주행 차량 제어 시스템에 의해 결정됐던 코스 중 적어도 하나인 경우, 상기 코스가 발견되는 것인, 위치에 따른 지원을 제공하는 시스템.
  6. 제1항에 있어서, 위치에 따른 조건들의 데이터베이스(312)로 트레이닝된 제2 학습 모델(314)을 더 포함하고, 상기 데이터베이스는 상기 제2 자율 주행 차량 제어 시스템에 의해 제어되는 차량들 또는 사람 운전 차량들 중 적어도 하나로부터의 데이터로 채워지며(populated), 상기 프로세서는 상기 지리적 위치에서 식별된 상기 조건에의 상기 제2 학습 모델의 적용에 기초하여 상기 코스를 발견하도록 구성되는 것인, 위치에 따른 지원을 제공하는 시스템.
  7. 제1항 내지 제6항 중 어느 한 항의 시스템을 포함하는 자율 주행 차량.
  8. 제7항에 있어서, 상기 코스는, 상기 지리적 위치에서의 상기 조건과의 매칭에 대한 조건들 및 지리적 위치들의 데이터베이스의 서치를 통해 발견되는 것인, 자율 주행 차량.
  9. 제8항에 있어서, 상기 데이터베이스는 상기 차량에 대해 원격으로 위치한 서버 상에 있는 것인, 자율 주행 차량.
  10. 제7항에 있어서, 조건들, 지리적 위치들, 및 코스들의 데이터베이스를 더 포함하고, 상기 데이터베이스는 사람 운전 차량들로부터의 데이터로 채워지며, 상기 프로세서는 상기 데이터베이스의 서치를 통해 상기 코스를 발견하도록 구성되는 것인, 자율 주행 차량.
  11. 방법에 있어서,
    위치에 따른 지원 없이는 제1 자율 주행 차량 제어 시스템(308)이 주행할 수 없는 것인 조건(104) - 상기 조건(104)은 차량(102)의 환경 내의 지리적 위치(106)에서 감지됨 - 을 식별하는 단계를 포함하고,
    상기 조건(104)은,
    상기 지리적 위치를 포함하는 영역(108)을 제1 자율 주행 차량 제어 시스템(308)이 주행하는 것을 막는 것, 또는
    상기 제1 자율 주행 차량 제어 시스템이 상기 영역을 주행할 때 갖는 신뢰도 레벨이 문턱 레벨 미만으로 떨어지게 하는 것
    중 적어도 하나로 결정되고,
    상기 방법은 또한,
    상기 조건이 상기 지리적 위치에 존재하였을 때 제2 자율 주행 차량 제어 시스템에 의해 이전에 결정됐던 코스, 또는 상기 조건이 상기 지리적 위치에 존재하였을 때 사람 운전 차량이 이전에 따라갔던 코스 중 적어도 하나인, 상기 지리적 위치에서의 코스(114)를 발견하는 단계; 및
    상기 차량이 상기 지리적 위치에서 상기 코스를 따라가게 하는 단계
    를 포함하고,
    상기 코스를 발견하는 단계는, 상기 지리적 위치에서의 상기 조건과의 매칭에 대해 조건들 및 지리적 위치들의 데이터베이스(312)를 서치하는 단계를 포함하는 것인, 방법.
  12. 제11항에 있어서,
    상기 데이터베이스는 상기 차량에 대해 원격으로 위치한 서버 상에 있거나, 또는
    상기 조건을 식별하는 단계는, 상기 조건이, 상기 지리적 위치를 포함하는 상기 영역을 상기 제1 자율 주행 차량 제어 시스템이 주행하는 것을 막는 것 또는 상기 신뢰도 레벨이 상기 문턱 레벨 미만으로 떨어지게 하는 것 중 적어도 하나라는 표시를 자율 주행 차량 시스템으로부터 수신하는 단계를 포함하는 것인, 방법.
  13. 제11항에 있어서,
    상기 조건을 식별하는 단계는, 상기 조건이, 위치에 따른 지원 없이는 상기 지리적 위치를 포함하는 영역을 자율 주행 차량 제어 시스템이 주행하는 것을 막는 것임을 결정하는 단계를 포함하거나, 또는
    상기 코스를 발견하는 단계는, 상기 조건이 식별된 후 문턱 시간 기간 내에 사람 운전 차량이 이전에 따라갔던 상기 지리적 위치에서의 상기 코스를 발견하는 단계를 포함하는 것인, 방법.
  14. 컴퓨터 실행 가능 명령어를 포함하는 컴퓨터 판독 가능 저장 매체에 있어서, 상기 컴퓨터 실행 가능 명령어는 프로세서에 의해 실행 가능하며, 상기 컴퓨터 실행 가능 명령어는 제11항 내지 제13항 중 어느 한 항의 방법을 구현하도록 실행 가능한 명령어를 포함하는 것인, 컴퓨터 판독 가능 저장 매체.
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
  21. 삭제
KR1020197010407A 2016-09-20 2017-09-19 자율 주행 차량 제어 시스템을 위한 위치에 따른 지원 KR102446518B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/271,170 US10133273B2 (en) 2016-09-20 2016-09-20 Location specific assistance for autonomous vehicle control system
US15/271,170 2016-09-20
PCT/US2017/052268 WO2018057513A1 (en) 2016-09-20 2017-09-19 Location specific assistance for autonomous vehicle control system

Publications (2)

Publication Number Publication Date
KR20190058520A KR20190058520A (ko) 2019-05-29
KR102446518B1 true KR102446518B1 (ko) 2022-09-22

Family

ID=59968954

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197010407A KR102446518B1 (ko) 2016-09-20 2017-09-19 자율 주행 차량 제어 시스템을 위한 위치에 따른 지원

Country Status (6)

Country Link
US (1) US10133273B2 (ko)
EP (1) EP3299921B1 (ko)
JP (1) JP7046957B2 (ko)
KR (1) KR102446518B1 (ko)
CN (1) CN109891346B (ko)
WO (1) WO2018057513A1 (ko)

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015225157A1 (de) * 2015-12-14 2017-06-14 Robert Bosch Gmbh Verfahren zum Übertragen, Empfangen und Verarbeiten von Datenwerten, sowie eine Übertragungs- und Empfangsvorrichtung
US20170253237A1 (en) * 2016-03-02 2017-09-07 Magna Electronics Inc. Vehicle vision system with automatic parking function
US10073463B2 (en) * 2017-01-16 2018-09-11 Nio Usa, Inc. Snow plow mode for autonomous driving
US10829149B1 (en) * 2017-03-01 2020-11-10 Zoox, Inc. Steering control for vehicles
WO2018176000A1 (en) 2017-03-23 2018-09-27 DeepScale, Inc. Data synthesis for autonomous control systems
US11392133B2 (en) 2017-06-06 2022-07-19 Plusai, Inc. Method and system for object centric stereo in autonomous driving vehicles
US11042155B2 (en) 2017-06-06 2021-06-22 Plusai Limited Method and system for closed loop perception in autonomous driving vehicles
US10007269B1 (en) * 2017-06-23 2018-06-26 Uber Technologies, Inc. Collision-avoidance system for autonomous-capable vehicle
US11893393B2 (en) 2017-07-24 2024-02-06 Tesla, Inc. Computational array microprocessor system with hardware arbiter managing memory requests
US11409692B2 (en) 2017-07-24 2022-08-09 Tesla, Inc. Vector computational unit
US10671349B2 (en) 2017-07-24 2020-06-02 Tesla, Inc. Accelerated mathematical engine
US11157441B2 (en) 2017-07-24 2021-10-26 Tesla, Inc. Computational array microprocessor system using non-consecutive data formatting
DE102017212835A1 (de) * 2017-07-26 2019-01-31 Robert Bosch Gmbh Steuerungssystem für ein autonomes Fahrzeug
JP6704890B2 (ja) * 2017-11-08 2020-06-03 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
US11561791B2 (en) 2018-02-01 2023-01-24 Tesla, Inc. Vector computational unit receiving data elements in parallel from a last row of a computational array
CN108820042B (zh) * 2018-05-25 2020-04-10 东软集团股份有限公司 一种自动驾驶方法及装置
CN108810155B (zh) * 2018-06-19 2020-11-03 中国科学院光电研究院 一种车联网车辆位置信息可信度评价方法及系统
US11215999B2 (en) 2018-06-20 2022-01-04 Tesla, Inc. Data pipeline and deep learning system for autonomous driving
US11361457B2 (en) 2018-07-20 2022-06-14 Tesla, Inc. Annotation cross-labeling for autonomous control systems
US11636333B2 (en) 2018-07-26 2023-04-25 Tesla, Inc. Optimizing neural network structures for embedded systems
US11562231B2 (en) 2018-09-03 2023-01-24 Tesla, Inc. Neural networks for embedded devices
DE102018216182B4 (de) 2018-09-21 2021-01-14 Volkswagen Aktiengesellschaft Verfahren zum Bereitstellen einer Fahrwegsvorgabe
US11205093B2 (en) 2018-10-11 2021-12-21 Tesla, Inc. Systems and methods for training machine models with augmented data
US11196678B2 (en) 2018-10-25 2021-12-07 Tesla, Inc. QOS manager for system on a chip communications
US11816585B2 (en) 2018-12-03 2023-11-14 Tesla, Inc. Machine learning models operating at different frequencies for autonomous vehicles
US11537811B2 (en) 2018-12-04 2022-12-27 Tesla, Inc. Enhanced object detection for autonomous vehicles based on field view
JP7103201B2 (ja) * 2018-12-20 2022-07-20 トヨタ自動車株式会社 情報処理システム、プログラム、及び情報処理方法
US11610117B2 (en) 2018-12-27 2023-03-21 Tesla, Inc. System and method for adapting a neural network model on a hardware platform
US10997461B2 (en) 2019-02-01 2021-05-04 Tesla, Inc. Generating ground truth for machine learning from time series elements
US11150664B2 (en) 2019-02-01 2021-10-19 Tesla, Inc. Predicting three-dimensional features for autonomous driving
US11567514B2 (en) 2019-02-11 2023-01-31 Tesla, Inc. Autonomous and user controlled vehicle summon to a target
US10956755B2 (en) 2019-02-19 2021-03-23 Tesla, Inc. Estimating object properties using visual image data
WO2021040060A1 (ko) * 2019-08-23 2021-03-04 엘지전자 주식회사 차량용 전자 장치 및 그의 동작 방법
CN112572461B (zh) * 2019-09-30 2022-10-21 阿波罗智能技术(北京)有限公司 控制车辆的方法、装置、设备和存储介质
EP3819888B1 (en) * 2019-11-05 2023-12-27 Valeo Comfort and Driving Assistance Vehicle system of a vehicle for detecting and validating an event using a deep learning model
JP7214011B2 (ja) * 2019-12-13 2023-01-27 三菱電機株式会社 自動運転及び運転支援システム、自動運転支援装置、自動運転及び運転支援方法、自動運転支援方法、及び自動運転支援プログラム
US11551456B2 (en) 2020-06-17 2023-01-10 Ford Global Technologies, Llc Enhanced infrastructure
TWM609758U (zh) * 2020-10-01 2021-04-01 白聖弘 車輛事故軌跡標記裝置
EP4202586A1 (en) * 2021-12-21 2023-06-28 Waymo Llc User interface for recommending remote assistance actions
GB2617324A (en) * 2022-03-31 2023-10-11 Cambridge Animal Tech Ltd Animal condition monitoring
EP4439519A1 (en) * 2023-03-31 2024-10-02 Volvo Car Corporation Method for operating a vehicle being configured for driving in an autonomous drive mode, method for controlling a vehicle being subject to an interrupted autonomous drive mode, method for providing a driving record by a vehicle, data processing apparatus, computer program, computer-readable storage medium, and traffic system

Family Cites Families (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040107042A1 (en) * 2002-12-03 2004-06-03 Seick Ryan E. Road hazard data collection system and method
JP2005062854A (ja) * 2003-07-28 2005-03-10 Toyota Mapmaster:Kk 道路地図更新方法
US8139109B2 (en) 2006-06-19 2012-03-20 Oshkosh Corporation Vision system for an autonomous vehicle
US9932033B2 (en) * 2007-05-10 2018-04-03 Allstate Insurance Company Route risk mitigation
US20090140887A1 (en) 2007-11-29 2009-06-04 Breed David S Mapping Techniques Using Probe Vehicles
US8478499B2 (en) 2010-06-07 2013-07-02 Ford Global Technologies, Llc System and method for vehicle speed monitoring using historical speed data
US8509982B2 (en) * 2010-10-05 2013-08-13 Google Inc. Zone driving
US9771070B2 (en) * 2011-12-09 2017-09-26 GM Global Technology Operations LLC Method and system for controlling a host vehicle
DE102012201896A1 (de) 2012-02-09 2013-08-14 Robert Bosch Gmbh Fahrerassistenzverfahren und Fahrerassistenzsystem für verschneite Straßen
US8718861B1 (en) * 2012-04-11 2014-05-06 Google Inc. Determining when to drive autonomously
US9008890B1 (en) * 2013-03-15 2015-04-14 Google Inc. Augmented trajectories for autonomous vehicles
US8849494B1 (en) * 2013-03-15 2014-09-30 Google Inc. Data selection by an autonomous vehicle for trajectory modification
DE102013205840A1 (de) * 2013-04-03 2014-10-09 Robert Bosch Gmbh Automatisches Befahren einer Strecke
US9147353B1 (en) 2013-05-29 2015-09-29 Allstate Insurance Company Driving analysis using vehicle-to-vehicle communication
JP6260114B2 (ja) * 2013-05-31 2018-01-17 株式会社デンソー 走行路情報生成装置
EP2821307B1 (en) * 2013-07-03 2016-09-28 Volvo Car Corporation A vehicle system, a vehicle and a method for autonomous road irregularity avoidance
US9528834B2 (en) 2013-11-01 2016-12-27 Intelligent Technologies International, Inc. Mapping techniques using probe vehicles
KR20150066303A (ko) * 2013-12-06 2015-06-16 한국전자통신연구원 운전자의 주행 패턴을 반영하는 자율 주행 장치 및 그 방법
US9037337B1 (en) * 2013-12-13 2015-05-19 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Secondary sources of navigation data for improved control of an automonous vehicle
US20150166069A1 (en) * 2013-12-18 2015-06-18 Ford Global Technologies, Llc Autonomous driving style learning
US9511764B2 (en) * 2014-02-28 2016-12-06 Ford Global Technologies, Llc Semi-autonomous mode control
US9720410B2 (en) * 2014-03-03 2017-08-01 Waymo Llc Remote assistance for autonomous vehicles in predetermined situations
US9465388B1 (en) * 2014-03-03 2016-10-11 Google Inc. Remote assistance for an autonomous vehicle in low confidence situations
US9547989B2 (en) * 2014-03-04 2017-01-17 Google Inc. Reporting road event data and sharing with other vehicles
US9365213B2 (en) * 2014-04-30 2016-06-14 Here Global B.V. Mode transition for an autonomous vehicle
JP6326968B2 (ja) 2014-05-26 2018-05-23 日産自動車株式会社 運転支援システム及び運転支援方法
JP2015230573A (ja) * 2014-06-05 2015-12-21 アルパイン株式会社 車両運転支援装置、方法およびプログラム
JP6326990B2 (ja) 2014-06-10 2018-05-23 株式会社デンソー 車両用運転支援装置
US9766625B2 (en) 2014-07-25 2017-09-19 Here Global B.V. Personalized driving of autonomously driven vehicles
JP6375754B2 (ja) * 2014-07-25 2018-08-22 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
KR20160013713A (ko) * 2014-07-28 2016-02-05 현대자동차주식회사 자율주행차량의 전역경로 생성장치 및 방법
US9663112B2 (en) * 2014-10-09 2017-05-30 Ford Global Technologies, Llc Adaptive driver identification fusion
US9459626B2 (en) * 2014-12-11 2016-10-04 Here Global B.V. Learning signs from vehicle probes
JP6176263B2 (ja) * 2015-01-19 2017-08-09 トヨタ自動車株式会社 自動運転装置
EP3845427A1 (en) * 2015-02-10 2021-07-07 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
US9494439B1 (en) * 2015-05-13 2016-11-15 Uber Technologies, Inc. Autonomous vehicle operated with guide assistance of human driven vehicles
US9587952B1 (en) * 2015-09-09 2017-03-07 Allstate Insurance Company Altering autonomous or semi-autonomous vehicle operation based on route traversal values
US20170074667A1 (en) * 2015-09-14 2017-03-16 Michael H. Laur Seasonal navigation system for automated vehicles
US9969329B2 (en) * 2015-09-16 2018-05-15 Sony Corporation System and method for generation of a preventive alert
US9840252B2 (en) * 2015-12-03 2017-12-12 International Business Machines Corporation System and method for vehicle assisted response to road conditions
DE102015225242A1 (de) * 2015-12-15 2017-06-22 Volkswagen Aktiengesellschaft Verfahren und System zur automatischen Steuerung eines Folgefahrzeugs mit einem Scout-Fahrzeug
US9956956B2 (en) * 2016-01-11 2018-05-01 Denso Corporation Adaptive driving system
US9625264B1 (en) * 2016-01-20 2017-04-18 Denso Corporation Systems and methods for displaying route information
US10239529B2 (en) * 2016-03-01 2019-03-26 Ford Global Technologies, Llc Autonomous vehicle operation based on interactive model predictive control
US9791857B2 (en) * 2016-03-10 2017-10-17 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for monitoring and alerting vehicle occupant to operating efficiencies of autonomous driving assistance systems
US20170329331A1 (en) * 2016-05-16 2017-11-16 Magna Electronics Inc. Control system for semi-autonomous control of vehicle along learned route

Also Published As

Publication number Publication date
CN109891346B (zh) 2022-06-03
EP3299921A1 (en) 2018-03-28
EP3299921B1 (en) 2021-08-11
WO2018057513A1 (en) 2018-03-29
KR20190058520A (ko) 2019-05-29
US10133273B2 (en) 2018-11-20
US20180081362A1 (en) 2018-03-22
JP2019536690A (ja) 2019-12-19
CN109891346A (zh) 2019-06-14
JP7046957B2 (ja) 2022-04-04

Similar Documents

Publication Publication Date Title
KR102446518B1 (ko) 자율 주행 차량 제어 시스템을 위한 위치에 따른 지원
JP7266053B2 (ja) 自律走行車の動的ルート決定
US11636362B1 (en) Predicting trajectory intersection by another road user
JP6934544B2 (ja) 車輪姿勢を使用した将来の進行方向の決定
US10640111B1 (en) Speed planning for autonomous vehicles
WO2017010209A1 (ja) 周辺環境認識装置、及びコンピュータプログラム製品
WO2018175808A1 (en) Dynamic sensor selection for self-driving vehicles
JP2019537530A (ja) 自律走行車の停車位置のプランニング
JP7526795B2 (ja) 自動運転装置、車両制御方法
CN110738870A (zh) 用于避免碰撞路线的系统和方法
CN113085852A (zh) 自动驾驶车辆的行为预警方法、装置及云端设备
JP2023504604A (ja) 車両を選択的に減速させるシステムおよび方法
US20230303122A1 (en) Vehicle of interest detection by autonomous vehicles based on amber alerts
WO2020000396A1 (en) Theft proof techniques for autonomous driving vehicles used for transporting goods
Hasan et al. Intelligent car control for a smart car
KR20180052811A (ko) 자율주행 시스템 제작 방법 및 자율주행 시스템
US20200133292A1 (en) Railroad Light Detection
US11926342B2 (en) Autonomous vehicle post-action explanation system
CN116767182A (zh) 用于自主机器系统和应用的基于感知的停车辅助
US12122391B2 (en) Systems and methods for triggering lights remotely to measure operator vigilance
US20240278788A1 (en) Systems and methods for triggering lights remotely to measure operator vigilance
US20230331256A1 (en) Discerning fault for rule violations of autonomous vehicles for data processing
US20240286609A1 (en) Animal collision aware planning systems and methods for autonomous vehicles
JP2022186232A (ja) 情報処理サーバ、情報処理サーバの処理方法、プログラム
CN118696551A (zh) 自动驾驶车辆通信网关架构

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right