KR20180008593A - 안내 보조로 동작되는 자율주행 차량 - Google Patents
안내 보조로 동작되는 자율주행 차량 Download PDFInfo
- Publication number
- KR20180008593A KR20180008593A KR1020177035830A KR20177035830A KR20180008593A KR 20180008593 A KR20180008593 A KR 20180008593A KR 1020177035830 A KR1020177035830 A KR 1020177035830A KR 20177035830 A KR20177035830 A KR 20177035830A KR 20180008593 A KR20180008593 A KR 20180008593A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- autonomous
- autonomous vehicle
- human
- information
- Prior art date
Links
- 230000004044 response Effects 0.000 claims abstract description 66
- 238000002360 preparation method Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 114
- 230000009471 action Effects 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 12
- 239000012634 fragment Substances 0.000 claims description 8
- 230000026058 directional locomotion Effects 0.000 claims 1
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000001052 transient effect Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 42
- 230000008569 process Effects 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009118 appropriate response Effects 0.000 description 3
- 238000007728 cost analysis Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000005021 gait Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 101150111584 RHOA gene Proteins 0.000 description 1
- 102100022387 Transforming protein RhoA Human genes 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
-
- 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
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0295—Fleet control by at least one leading vehicle of the fleet
-
- 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
-
- 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
- G05D1/0027—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 involving a plurality of vehicles, e.g. fleet or convoy travelling
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
-
- 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
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- G05D2201/0213—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
자율주행 차량은, 그러한 자율주행 차량이 그 경로 상에서 안전하게 진행할 수 없다는 결정에 응답하여, 인간 운전 차량으로부터의 안내 보조를 수신할 수 있다. 현재의 경로를 통해서 진행되는 상기 자율주행 차량의 신뢰도 레벨을 손상시키는 이벤트가 검출될 수 있다. 그러한 이벤트의 검출에 응답하여, 자율주행 차량은 그러한 이벤트에 관한 정보를 원격 안내 공급원에 통신하고, 동작되는 동안 이벤트를 핸들링하기 위한 명령어를 구현할 수 있다. 또한, 운송 준비 시스템은 사용자로부터의 운송 요청을 수신하도록, 그리고 적어도 부분적으로 운송 요청 또는 사용자 정보와 연관된 기준의 세트를 기초로 사용자를 위한 차량 유형의 선택을 하도록 동작될 수 있다.
Description
관련출원
본원은 2015년 5월 13일자로 출원되고 명칭이 "인간 운전 차량의 안내 보조로 동작되는 자율주행 차량(AUTONOMOUS VEHICLE OPERATED WITH GUIDE ASSISTANCE OF HUMAN DRIVEN VEHICLES)"인 미국 특허 출원 제14/711,506호, 2015년 5월 13일자로 출원되고 명칭이 "운송 제공을 위한 차량 유형 선택(SELECTING VEHICLE TYPE FOR PROVIDING TRANSPORT)"인 미국 특허 출원 제14/711,602호, 및 2015년 5월 13일에 출원되고 명칭이 "자율주행 차량에의 원격 보조 제공(PROVIDING REMOTE ASSISTANCE TO AN AUTONOMOUS VEHICLE)"인 미국 특허 출원 제14/711,570호의 이익 향유를 주장하며; 전술한 출원은 그 전체가 본원에서 참조로 포함된다.
자율주행 차량은 실험적인 또는 프로토타입의 형태로 현재 존재한다. 이러한 차량은 센서 및 컴퓨터-구현형 지능으로 인간 운전자를 대체한다. 기존 기술 하에서, 자율주행 차량은 고속도로와 같은 도로에서 다른 차량과 함께 용이하게 운전을 핸들링할 수 있다. 그러나, 도시 환경(urban settings)은 자율주행 차량에게 난제를 제시하는데, 이는 부분적으로 붐비는 조건이 센서 정보의 해석에 오류를 일으킬 수 있기 때문이다.
도 1은 실시예에 따른, 인간 조작자와 함께 자율주행 차량을 이용하는 하이브리드 서비스의 여러 예를 도시한다.
도 2는 자율주행 차량을 위한 안내 보조로서 인간 운전 차량을 제공하기 위한 예시적인 시스템을 도시한다.
도 3은 운송 요청을 충족시키기 위해서 인간 운전 차량 또는 자율주행 차량을 제공할 지의 여부를 지능적으로 선택하는 예시적인 운송 준비 시스템(transport arrangement system)을 도시한다.
도 4는 도로의 조건 또는 이벤트의 핸들링 및/또는 이해를 자율주행 차량에 지시하기 위해서 인간 조작자를 이용하기 위한 예시적인 시스템을 도시한다.
도 5는 본원에서 설명된 바와 같은 예와 함께 이용하기 위한 인간 차량 인터페이스 시스템을 도시한다.
도 6은 하나 이상의 예가 구현될 수 있는 예시적인 컴퓨터 시스템을 도시한다.
도 7은 인간 운전 안내를 수신하기 위해서 자율주행 차량에 의해서 실시될 수 있는 예시적인 방법을 도시한다.
도 8은 운전 안내를 수신하기 위해서 자율주행 차량을 인간 운전 차량과 페어링하기 위해서 서비스에 의해서 구현될 수 있는 예시적인 방법을 도시한다.
도 9는 자율주행 차량을 보조하기 위해서 차량을 운전하도록 인간 조작자에게 지시하기 위한 예시적인 방법을 도시한다.
도 10은 자율주행 차량이 인간 운전 차량에 의해서 안내되는 하이브리드 운송 서비스의 예시적인 구현예를 도시한다.
도 11a 내지 도 11c는 자율주행 차량을 안내할 때 차량을 운전하도록 인간 조작자에게 지시하기 위한 예시적인 인터페이스를 도시한다.
도 12는 운송 서비스를 위한 차량 유형을 지능적으로 선택하기 위한 예시적인 방법을 도시한다.
도 13은 원격 인간 조작자로부터 보조를 수신하기 위해서 자율주행 차량을 동작시키기 위한 예시적인 방법을 도시한다.
도 14는 자율주행 차량으로부터의 경보에 응답하기 위해서 원격 서비스를 동작시키기 위한 예시적인 방법을 도시한다.
도 15는 안전에 관한 신뢰도에 영향을 미치는 이벤트 또는 조건이 검출될 때 자율주행 차량의 동작을 돕기 위해서 인간 조작자가 신속한 입력을 제공할 수 있게 하기 위한 예시적인 인간 인터페이스를 도시한다.
도 2는 자율주행 차량을 위한 안내 보조로서 인간 운전 차량을 제공하기 위한 예시적인 시스템을 도시한다.
도 3은 운송 요청을 충족시키기 위해서 인간 운전 차량 또는 자율주행 차량을 제공할 지의 여부를 지능적으로 선택하는 예시적인 운송 준비 시스템(transport arrangement system)을 도시한다.
도 4는 도로의 조건 또는 이벤트의 핸들링 및/또는 이해를 자율주행 차량에 지시하기 위해서 인간 조작자를 이용하기 위한 예시적인 시스템을 도시한다.
도 5는 본원에서 설명된 바와 같은 예와 함께 이용하기 위한 인간 차량 인터페이스 시스템을 도시한다.
도 6은 하나 이상의 예가 구현될 수 있는 예시적인 컴퓨터 시스템을 도시한다.
도 7은 인간 운전 안내를 수신하기 위해서 자율주행 차량에 의해서 실시될 수 있는 예시적인 방법을 도시한다.
도 8은 운전 안내를 수신하기 위해서 자율주행 차량을 인간 운전 차량과 페어링하기 위해서 서비스에 의해서 구현될 수 있는 예시적인 방법을 도시한다.
도 9는 자율주행 차량을 보조하기 위해서 차량을 운전하도록 인간 조작자에게 지시하기 위한 예시적인 방법을 도시한다.
도 10은 자율주행 차량이 인간 운전 차량에 의해서 안내되는 하이브리드 운송 서비스의 예시적인 구현예를 도시한다.
도 11a 내지 도 11c는 자율주행 차량을 안내할 때 차량을 운전하도록 인간 조작자에게 지시하기 위한 예시적인 인터페이스를 도시한다.
도 12는 운송 서비스를 위한 차량 유형을 지능적으로 선택하기 위한 예시적인 방법을 도시한다.
도 13은 원격 인간 조작자로부터 보조를 수신하기 위해서 자율주행 차량을 동작시키기 위한 예시적인 방법을 도시한다.
도 14는 자율주행 차량으로부터의 경보에 응답하기 위해서 원격 서비스를 동작시키기 위한 예시적인 방법을 도시한다.
도 15는 안전에 관한 신뢰도에 영향을 미치는 이벤트 또는 조건이 검출될 때 자율주행 차량의 동작을 돕기 위해서 인간 조작자가 신속한 입력을 제공할 수 있게 하기 위한 예시적인 인간 인터페이스를 도시한다.
일부 예에 따라, 자율주행 차량은 인간 운전 차량의 안내 보조 하에서 동작된다. 하나의 양태에서, 인간 운전 차량으로부터의 안내 보조는, 자율주행 차량이 그 경로 상에서 안전하게 진행할 수 없다는 결정이 내려졌을 때, 제공된다. 예를 들어, 자율주행 차량은 공사장, 공공 이벤트, 또는 센서로 적절하게 검출되지 않거나 차량의 온보드 지능에 의해서 이해될 수 없는 상황에 직면할 수 있다. 그러한 상황에서, 설명된 몇몇 예는, 자율주행 차량이 이해하지 못한 트립 단편(trip segment)를 통해서 자율주행 차량을 안내하기 위해서, 인간 운전 차량과 페어링되는 자율주행 차량을 제공한다.
일부 예에서, 자율주행 차량이 계획된 또는 현재의 경로 상에서 목적지까지 안전하게 진행할 수 있는 능력을 나타내는 신뢰도 레벨이 자율주행 차량에 대해서 결정된다. 신뢰도 레벨이 문턱값 미만인 것으로 결정될 때, 계획된 또는 현재의 경로의 적어도 일부를 통해서 자율주행 차량을 안내하도록 인간 운전 차량이 선택된다. 자율주행 차량은, 계획된 또는 현재의 경로의 일부를 통해서 진행하는 동안 제2 차량을 추적하도록 제어될 수 있다.
여전히 또한, 몇몇 예에서, 안전하게 진행할 수 있는 자율주행 차량의 능력을 방해할 수 있는 도로 및 차도 조건에 관한 정보를 수집하는 것에 의해서, 자율주행 차량을 보조하도록 인간 운전 차량이 선택될 수 있다. 일 양태에 따라, 인간 운전 차량은 선택 도로에 관한 센서 정보를 획득할 수 있는 센서의 세트를 구비할 수 있다. 인간 운전 차량으로부터의 센서 정보를 이용하여, 하나 이상의 차도 단편을 통해서 안전하게 항행하는데 있어서 자율주행 차량을 손상시킬 가능성이 충분히 높은 차도 조건을 차도 단편이 가지는 때를 결정할 수 있다. 정보는, 차도 조건을 가지는 것으로 결정된 차도 단편을 통해서 안내하기 위해 자율주행 차량을 보조하기 위해서 센서 정보로부터 결정될 수 있다. 그러한 정보는, 예를 들어, 자율주행 차량의 항행을 위한 명령어, 또는 자율주행 차량이 센서 정보를 해석할 수 있게 하는 명령어를 포함할 수 있다.
다른 예는, 운송을 제공하기 위한 차량이 인간 운전인지 또는 자율주행인지의 여부에 관한 지능적인 판정이 이루어지는, 사용자를 위한 운송 서비스를 준비하기 위한 시스템을 포함한다. 일 양태에서, 운송 준비 시스템은 사용자로부터의 운송 요청을 수신하도록, 그리고 적어도 부분적으로 운송 요청 또는 사용자 정보와 연관된 기준의 세트를 기초로 사용자를 위한 차량 유형을 선택하도록 동작된다. 예를 들어, 자율주행 차량이 제공되는지의 여부에 관한 결정이, 적어도 부분적으로, 운송 요청으로 구체화된 목적지를 기초로 할 수 있다.
다른 장점들 중에서, 본원에서 설명된 몇몇 예는, 일반적으로 도로가, 그리고 특히 도시 주요 도로가 미지의 조건 또는 이벤트의 난제를 자율주행 차량에 제시한다는 것을 인지한다. 설명된 바와 같은 예에 의해서 달성되는 장점들 및 기술적 효과들 중에서, 서비스는, 비교적 미지의 또는 난관이 있는 조건을 제시하는 도로를 통해서 항행하는데 있어서 자율주행 차량을 돕기 위해서, 자율주행 차량을 인간 운전 차량과 연계시킬 수 있다. 그에 따라, 자율주행 차량은, 미지의 또는 난관이 있는 조건을 항행하려고 시도하지 않고 단순히 다른 차량을 추적하는 것에 의해서, 그 자체의 동작을 단순화시킬 수 있다.
다른 예에 따라서, 시스템은 인간 보조를 자율주행 차량에 제공한다. 일 양태에 따라, 현재의 경로를 통해서 진행되는 자율주행 차량의 신뢰도 레벨을 손상시키는 이벤트가 검출된다. 그러한 이벤트의 검출에 응답하여, 자율주행 차량은 그러한 이벤트에 관한 정보를 원격 안내 공급원에 통신한다. 자율주행 차량은 이벤트를 어떻게 핸들링하여야 하는지에 관한 명령어를 원격 안내 공급원으로부터 수신할 수 있다. 이어서, 자율주행 차량은 그러한 자율주행 차량이 동작되는 동안 이벤트를 핸들링하기 위한 명령어를 실시할 수 있다.
일부 변경예에 따라, 인간 조작자의 서비스는 차량을 위한 원격 안내 공급원으로서 구현될 수 있다. 차량에 의해서 검출된 이벤트와 관련된 정보를 디스플레이하기 위해서 조작자의 단말기에 대해서 인간 인터페이스가 생성될 수 있다. 몇몇 변경예에서, 사용자 인터페이스는 미리 결정된 선택 사항을 디스플레이할 수 있고, 그러한 선택 사항으로부터 조작자는 선택을 할 수 있고, 이어서 선택된 선택 사항은 자율주행 차량이 이벤트를 핸들링하는데 있어서 자율주행 차량을 위한 명령어로 변환될 수 있다.
본원에서 사용된 바와 같이, 클라이언트 장치, 드라이버 장치 및/또는 컴퓨팅 장치는, 네트워크 연결성 및 네트워크를 통해 시스템과 통신하기 위한 프로세싱 자원을 제공할 수 있는, 데스크톱 컴퓨터, 셀룰러 장치 또는 스마트 폰, 개인 휴대 정보 단말기(PDA), 랩탑 컴퓨터, 태블릿 장치, 텔레비전(IP 텔레비전) 등에 상응하는 장치를 지칭한다. 드라이버 장치는 또한 맞춤형 하드웨어, 차량내 장치, 또는 온-보드 컴퓨터 등에 상응할 수 있다. 클라이언트 장치 및/또는 드라이버 장치는 또한 서비스 준비 시스템과 통신하도록 구성된 전용(designated) 애플리케이션을 동작시킬 수 있다.
본원에서 설명된 몇몇 예가 운송 서비스와 관련되지만, 서비스 준비 시스템은 다른 온-디맨드 위치-기반 서비스(on-demand location-based service)(예를 들어, 푸드 트럭 서비스, 배달 서비스, 엔터테인먼트 서비스)가 개인들 및 서비스 제공자들 사이에서 제공되게 할 수 있다. 예를 들어, 사용자는 그러한 시스템을 이용하여 배달 서비스(예를 들어, 음식 배달, 메신저 서비스, 푸드 트럭 서비스, 또는 제품 선적) 또는 엔터테인먼트 서비스(예를 들어, 마리아치 밴드(mariachi band), 현악 4중주)와 같은 온-디맨드 서비스를 요청할 수 있고, 시스템은 사용자를 위한 온-디맨드 서비스를 제공하기 위해서 운전자 또는 차량, 식품 제공자, 밴드 등과 같은 서비스 제공자를 선택할 수 있다.
본원에서 설명된 하나 이상의 실시예는, 컴퓨팅 장치에 의해서 실시되는 방법, 기술, 및 행동이 프로그램적으로, 또는 컴퓨터-구현형 방법으로서 실시되는 것을 제공한다. 본원에서 사용된 바와 같이, 프로그램적으로는 코드 또는 컴퓨터-실행 가능 명령어의 이용을 통한다는 것을 의미한다. 이러한 명령어는 컴퓨팅 장치의 하나 이상의 메모리 자원 내에 저장될 수 있다. 프로그램적으로 실시되는 단계는 자동적일 수 있거나 그렇지 않을 수 있다.
본원에서 설명된 하나 이상의 실시예는 프로그램적인 모듈, 엔진, 또는 구성요소를 이용하여 구현될 수 있다. 프로그램적인 모듈, 엔진, 또는 구성요소는, 하나 이상의 기술된 과제 또는 기능을 실시할 수 있는, 프로그램, 서브-루틴, 프로그램의 일부, 또는 소프트웨어 구성요소 또는 하드웨어 구성요소를 포함할 수 있다. 본원에서 사용된 바와 같이, 모듈 또는 구성요소는 다른 모듈 또는 구성요소와 별개로 하드웨어 구성요소 상에 존재할 수 있다. 대안적으로, 모듈 또는 구성요소는 다른 모듈, 프로그램 또는 기계의 공유형 요소 또는 프로세스일 수 있다.
본원에서 설명된 일부 실시예는 일반적으로, 프로세싱 및 메모리 자원을 포함하는, 컴퓨팅 장치의 이용을 필요로 할 수 있다. 예를 들어, 본원에서 설명된 하나 이상의 실시예는, 전체적으로 또는 부분적으로, 서버, 데스크탑 컴퓨터, 셀룰러 또는 스마트폰, 개인 휴대 정보 단말기(예들 들어, PDA), 랩탑 컴퓨터, 프린터, 디지털 사진 프레임, 네트워크 장비(예를 들어, 라우터) 및 태블릿 장치와 같은 컴퓨팅 장치 상에서 실시될 수 있다. 메모리, 프로세싱, 및 네트워크 자원은 모두 (임의의 방법의 실시 또는 임의의 시스템의 구현을 포함하여) 본원에서 설명된 임의의 실시예의 구축, 사용, 또는 실시와 관련하여 이용될 수 있다.
또한, 본원에서 설명된 하나 이상의 실시예는 하나 이상의 프로세서에 의해서 실행될 수 있는 명령어의 이용을 통해서 구현될 수 있다. 이러한 명령어는 컴퓨터-판독 가능 매체 상에 수반될 수 있다. 이하의 도면으로 도시되거나 설명된 기계는, 본 발명의 실시예를 구현하기 위한 명령어가 수반 및/또는 실행될 수 있는, 프로세싱 자원 및 컴퓨터-판독 가능 매체의 예를 제공한다. 특히, 본 발명의 실시예와 함께 도시된 많은 기계는 프로세서(들) 및 데이터 및 명령어를 유지하기 위한 다양한 형태의 메모리를 포함한다. 컴퓨터-판독 가능 매체의 예는, 개인용 컴퓨터 또는 서버 상의 하드 드라이브와 같은, 영구적인 메모리 저장 장치를 포함한다. 컴퓨터 저장 매체의 다른 예는, CD 또는 DVD 유닛, (스마트 폰, 다기능 장치 또는 태블릿에 수반되는 것과 같은) 플래시 메모리, 그리고 자기적 메모리와 같은, 휴대용 저장 유닛을 포함한다. 컴퓨터, 단말기, 네트워크 인에이블드 장치(예를 들어, 셀 폰과 같은 모바일 장치)는 모두, 프로세서, 메모리, 및 컴퓨터-판독 가능 매체 상에 저장된 명령어를 이용하는 기계 및 장치의 예이다. 부가적으로, 실시예는 컴퓨터-프로그램, 또는 그러한 프로그램을 수반할 수 있는 컴퓨터 사용 가능 운반체 매체의 형태로 구현될 수 있다.
시스템 설명
도 1은 실시예에 따른, 인간 조작자와 함께 자율주행 차량을 이용하는 하이브리드 서비스의 여러 예를 도시한다. 도 1의 예에서, 자율주행 차량 시스템("AVS(100)")은, 자율주행 차량(101)과 인터페이스하고 제어하기 위해서 차량 상에서 센서 정보를 프로세스하도록 동작되는 컴퓨터 또는 프로세싱 시스템을 포함한다. 부가적으로, AVS(100)는, 도 1의 원격 서비스(50)에 의해서 제공되는 것과 같은, 하나 이상의 원격 공급원과 무선 통신을 송신 및/또는 수신하기 위한 무선 통신 능력을 포함하여, 다른 기능을 포함할 수 있다. 자율주행 차량(101)의 제어에서, AVS(100)는, 추진, 제동, 조향, 및 보조적인 거동(예를 들어, 등 켜기)과 같은 차량 움직임의 양태를 제어하기 위해서, 차량의 다양한 전기기계적 인터페이스를 프로그램적으로 제어하는 명령어 및 데이터를 생성할 수 있다.
도 1의 예에서, AVS(100)는, 자율주행 차량(101)의 이용 또는 동작을 인간 제어형 자원과 조합하는 하이브리드 서비스 또는 기능을 제공하기 위해서, 복수의 가능한 원격 서비스(50) 중 임의의 하나와 통신한다. 자율주행 차량(101)의 결과적인 하이브리드 서비스 또는 기능은, 특히 그러한 차량이 운송 서비스를 고려하여 이용될 때, 일반적으로 자율주행 차량의 많은 단점을 인지한다.
특히, 설명된 바와 같은 몇몇 실시예는, 자율주행 차량의 현재의 형태로부터 생산되도록 개발된 바와 같은 자율주행 차량이 일상의 도시에서의 사용에 있어서 (인간 운전 차량에 비해서) 비교적 불편한 인간 운송 운반체가 될 것임을 예상한다. 구체적으로, 몇몇 실시예는, 자율주행 차량의 주변을 프로세스하기 위해서 그리고 물체, 이벤트, 또는 조건을 인지하기 위해서 자율주행 차량이 빈번하게 정지되거나 서행하는 경향 또는 필요성을 갖는다는 것을 인지한다. 그러한 차량의 제동 및 가변 속력 거동은 승객의 불편한 경험을 초래한다.
또한, 도시 운전 환경은 자율주행 차량에 상당한 난제를 제시한다. 도시 환경에서, 차도 공사, 공공 이벤트, 차도 장애물, 및 비상상황과 같은 이벤트는 운전 환경에 관한 운전자의 주의 및 인지를 지속적으로 요구한다. 본원에서 제공된 예는, 혼잡한 환경의 수 많은 일상적인 이벤트를 어떻게 핸들링할 지를 인지하고 이해하는데 있어서의 자율주행 차량의 한계에 의해서, 도시 환경에서의 자율주행 차량의 효율이 제한될 수 있다는 것을 인지한다.
도 1의 예에서, 원격 서비스(50)는 셀룰러/인터넷 네트워크와 같은, 하나 이상의 네트워크를 통해서 자율주행 차량(101)에 접속할 수 있는 서비스를 포함할 수 있다. 원격 서비스(50)는, 자율주행 차량이 운송 서비스와 함께 이용될 때, 본원에서 설명된 실시예에 의해서 인지되는 바와 같은, 자율주행 차량의 단점을 해결하기 위해서 인간 자원을 활용한다. 도 1의 예에서, 원격 서비스(50)는 운송 준비 서비스(10), 인간 차량 안내 보조 서비스(20), 및 원격 인간 조작자 보조 서비스(30)를 포함한다. 운송 준비 서비스(10), 인간 차량 안내 보조 서비스(20), 및 원격 인간 조작자 보조 서비스(30) 또는 다른 네트워크 서비스의 각각이 상응하는 인간 조작자 인터페이스(90)를 포함하거나 달리 이용할 수 있다. 여러 예와 함께 설명되는 바와 같이, 각각의 원격 서비스(50)의 인간 조작자 인터페이스(90)는 자율주행 차량(101)과 함께 제공되는 서비스를 하이브리드화하기 위해서 인간 자원 풀(92)에 접속할 수 있고 이를 활용할 수 있다. 다른 기능들 중에서, 인간 조작자 인터페이스(90)는 자율주행 차량(101)의 동작 및 이용을 돕기 위해서 인간 자원을 조정하고 달리 활용할 수 있다.
일부 예에 따라, 자율주행 차량(101)은 AVS(100)뿐만 아니라, AVS가 주변 및 환경을 인식할 수 있게 하는 센서의 집합체를 포함한다. 자율주행 차량(101)의 센서는 AVS(100)와 통신하여, 자율주행 차량(101) 주변의 공간 및 환경에 관한 컴퓨터화된 인식을 제공한다. 유사하게, AVS(100)가 자율주행 차량(101) 내에서 동작되어, 센서의 집합체로부터 센서 데이터를 수신할 수 있고, 도로 상의 차량의 동작을 위한 다양한 전기기계적 인터페이스를 제어할 수 있다.
일 양태에 따라, AVS(100)는 하나 이상의 센서 인터페이스 구성요소(105), 센서 분석 구성요소(110), 차량 인터페이스(또는 제어) 서브시스템(130), 및 제어기(144)를 포함한다. 센서 분석 성분(110)은, 자율주행 차량(101)이 이동하는 도로 상의 이벤트 및 조건을 검출하기 위한 이벤트 결정 로직(120)을 포함한다.
복수의 센서(102, 104, 106, 108)가 동작되어 차량의 완전한 센서 뷰(sensor view)를 집합적으로 획득하고, 차량의 이동 경로 부근에 또는 그 전방에 무엇이 있는 지뿐만 아니라, 차량 부근에 무엇이 있는지에 관한 정보를 더 획득한다. 예로서, 복수의 센서(102, 104, 106, 108)는 카메라 센서(102)(비디오 카메라, 입체적인 카메라의 쌍 또는 깊이 인식 카메라, 장범위 카메라), 레이더 또는 라이더(Lidar)(104)에 의해서 제공되는 것과 같은 원격 검출 센서, 근접도 또는 터치 센서(106), 및/또는 소나 센서(sonar sensor)(108)의 복수의 세트를 포함한다. 여전히 또한, 자율주행 차량(101)은 또한 자율주행 차량(101)의 현재 위치를 (주기적으로) 결정하기 위한 위치 검출 자원(107)을 포함할 수 있다. 예로서, 자율주행 차량(101)과 함께 제공된 위치 결정 메커니즘(들)(107)은 무선 송수신기 및/또는 무선 신호 프로세싱, 범지구 위치 결정 시스템(GPS) 자원 또는 다른 위성 위치 수신기를 포함할 수 있다. 몇몇 변경예에서, 센서 인터페이스(105)는, 예를 들어 시각적 주행 거리 측정, 랜드마크 인지, 및/또는 센서 움직임 프로세싱 및 맵핑에 의해서, 신호 또는 센서 프로세싱을 실시하여 위치 정보를 결정하기 위해서 로직을 포함할 수 있다.
센서 인터페이스(105)는 여러 센서(102, 104, 106, 108)로부터 미가공 센서 데이터(99)를 수신한다. 미가공 센서 데이터(99)는 AVS(100)와 함께 제공되는 다양한 센서로부터의 출력 신호 또는 통신을 집합적으로 나타낼 수 있다. 센서 인터페이스(105)는 센서 프로파일 세트(95)를 생성하기 위해서 미가공 센서 데이터(99)를 프로세스할 수 있다. 센서 프로파일 세트(95)에 센서 분석 구성요소(110)의 하나 이상의 프로세스가 적용될 수 있다. 센서 분석 구성요소(110)의 프로세스는, 예를 들어, AVS(100)의 다른 구성요소에 대한 매개변수적 또는 명령어적 입력으로서 프로세스될 수 있는 센서 데이터(111)를 생성하도록 동작된다. 센서 데이터(11)는, 자율주행 차량(101)의 다양한 차량 인터페이스를 제어하기 위해서 제어기(144)에 의해서 수신될 수 있다.
더 구체적으로, 차량 인터페이스 서브시스템(130)은, 추진 인터페이스(132), 조향 인터페이스(134), 제동 인터페이스(136), 및 조명/보조 인터페이스(138), 및/또는 차량 동작을 위한 다른 인터페이스를 포함하는, 복수의 차량 인터페이스를 포함하거나 제어할 수 있다. 제어기(144)는, 자율주행 차량(101)이 경로를 따르는 동안, 추진, 조향, 제동, 및 다른 차량 거동을 제어하기 위해서, 차량 제어 신호(149)를 한번에 복수의 차량 인터페이스에 제공할 수 있다. 그에 따라, 자율주행 차량(101)이 경로를 따를 수 있는 한편, 제어기(144)는 센서 데이터(111)의 수신에 응답하여 차량의 이동을 연속적으로 조정하거나 변경할 수 있다. 경로를 따른 안전한 진행에서의 차량의 신뢰도에 영향을 미치는 이벤트 또는 조건이 없는 경우에, 제어기(144)는, 차량 인터페이스 서브시스템(130)의 상이한 인터페이스들을 위한 다양한 차량 제어 신호(149)를 생성하기 위해서 센서 데이터(111)를 프로세스할 수 있다.
자율주행 차량(101)은, 또한 인간 자원을 이용하거나 통합하는 다양한 원격 서비스(50)와 함께 이용될 수 있다. 예로서, 자율주행 차량(101)은 운송 서비스를 제공하는 차량 집단의 일부로서 이용될 수 있다. 그러한 상황에서, 원격 서비스(50)는, 사용자 또는 고객의 운송 요청을 위한 운송을 준비하는 운송 준비 서비스(10)를 포함할 수 있다. 자율주행 차량(101)이 운송 제공자로서 동작될 때, 운송 준비 서비스(10)는 자율주행 차량(101)으로부터 (예를 들어, GPS 수신기에 의해서 검출된) 위치 정보(133)를 수신할 수 있고, 경로 정보(141)를 AVS(100)에 추가적으로 통신할 수 있다. 경로 정보(141)는 서비스 인터페이스(140)를 통해서 AVS(100)에 의해서 수신될 수 있다. 제어기(144)는, 경로 정보(141)에 의해서 구체화된 경로를 따라 차량을 조향 또는 달리 이동시키는데 있어서 차량 인터페이스 시스템(130)을 제어하기 위해서 경로 정보(141)를 프로세스할 수 있다. 이러한 방식으로, 자율주행 차량(101)은, 운송 준비 서비스(10)를 통해서 이루어진 운송 요청을 만족시키기 위해서, 트립을 진행할 수 있다. 예를 들어, 자율주행 차량(101)은, 운송 준비 서비스(10)로부터 제공된 경로 정보(141)를 이용하여, 예를 들어, 픽업 또는 서비스 위치로부터 하차 또는 다른 서비스 위치까지의 트립을 진행할 수 있다. 운송 준비 서비스(10)의 더 구체적인 예가 도 3의 예와 함께 제공된다.
이벤트 결정 로직(120)은, 차량의 이해와 관련하여 낮은 신뢰도 레벨을 가지는 이벤트 또는 조건을 검출하도록 동작될 수 있다. 일 구현예에서, 이벤트 결정 로직(120)은, 센서 데이터(111)로부터 검출된 개별적인 이벤트 또는 조건에 대한 신뢰도 점수 또는 값을 생성할 수 있다. 신뢰도 점수 또는 값은, AVS(100)가 얼마나 안전하게 이벤트 또는 조건을 핸들링할 수 있는지에 대한 표시와 상호 관련될 수 있다. 예를 들어, 이벤트가 강우의 발생, 또는 차도 내의 큰 포트홀의 출현에 상응한다면, 이벤트 결정 로직(120)에 의해서 결정된 신뢰도 점수는 비교적 높을 수 있고, 이는, AVS(100)가, 어떠한 이벤트 또는 조건인지를, 그리고 또한 그러한 이벤트에 어떻게 응답하는지(예를 들어, 이벤트 무시, 가능한 경우에 차선 변경, 등)를 신뢰 가능하게 이해한다는 것을 의미한다. 이벤트 결정 로직(120)은, 이벤트 또는 조건이 문턱값 이하의 신뢰도 값을 초래하는 때를 결정할 수 있다. 문턱값은, 이벤트 또는 조건 및/또는 자율주행 차량(101)에 의해서 취해져야 하는 행동에 대한 AVS(100)의 이해가 너무 낮아 신뢰하기 어려운 지점을 나타내도록, 구현예 또는 설계에 의해서 선택될 수 있다.
이벤트 결정 로직(120)은, (어떻게 차량이 이벤트 또는 조건에 응답하여야 하는지를 포함하여) 이벤트 또는 조건이 부적절하기 이해되었다는 결정에 응답하여 이벤트 요청(121)을 생성할 수 있다. 부가적으로, 이벤트 결정 로직(120)은, 이벤트 또는 조건에 대한 계획된 또는 발생 가능한 행위가 비교적 낮은 신뢰도 점수를 갖는다는 것을 이벤트 결정 로직(120)이 결정하는 경우에, 이벤트 요청(121)을 생성할 수 있다. 예를 들어, 자율주행 차량은 안전을 위해서 좌측으로 방향을 바꾸도록 계획할 수 있지만, 센서 데이터(111)는 개방 공간 내에서 떨어져 있는 오물을 확인할 수 있고, 결과적으로 계획된 또는 발생 가능한 조작이 안전한지의 여부에 관한 불확실성을 초래한다.
AVS(100)는, (i) 인간 차량 안내 보조 서비스(20) 또는 (ii) 원격 인간 조작자 보조 서비스(30)와 같은, 하나 이상의 원격 서비스(50)에 이벤트 요청(121)을 통신할 수 있다. 인간 차량 안내 보조 서비스(20) 또는 원격 인간 조작자 보조 서비스(30)는 이벤트 또는 조건의 이해에 있어서 자율주행 차량(101)을 돕기 위해서 인간 자원 풀(92)로부터 상이한 형태의 인간 보조를 제공할 수 있다.
일 구현예에 따라, 이벤트 요청(121)이 인간 차량 안내 보조 서비스(20)에 제공될 수 있고, 이는 다시 인간 조작자 인터페이스(90)를 트리거링하여 인간 운전 차량을 선택하게 할 수 있다. 인간 조작자 인터페이스(90)는, 예를 들어, 인간 운전 차량이 이용되는 운송 서비스를 위한 배치(dispatch) 시스템에 상응할 수 있다. 예는, 인간 운전 차량이, 운송 제공자, 경로, 그러한 차량의 현재 및/또는 미래의 위치를 알고 있다는 것으로 인한 것을 포함하여, 많은 이유로 유리하다는 것을 인지한다. 예를 들어, 인간 조작자 인터페이스(90)는, 예를 들어 승객 및 화물을 픽업하기 위해서, 그리고 승객 또는 화물을 하차 또는 서비스 위치로 운송하기 위해서, 인간 운전 차량을 서비스 위치로 배치하는 운송 서비스의 일부로서 동작될 수 있다. 따라서, 인간 운전 차량의 경로가 주어진 순간에 알려질 수 있다.
도 2의 예를 이용하여 설명한 바와 같이, 인간 차량 안내 보조 서비스(20)는, 현장 운송 요청의 이용 대상이 되는 인간 조작자뿐만 아니라 운송 요청을 충족시키기 위한 유효(active) 트립에서 차량을 운전하는 인간 조작자를 식별하기 위해서, 인간 조작자 인터페이스(90)를 이용할 수 있다. 도 2의 예를 이용하여 설명한 바와 같이, 인간 차량 안내 보조 서비스(20)는, 예를 들어, 이벤트 또는 조건을 어떻게 안전하게 핸들링할 지에 있어서 비교적 낮은 신뢰도(예를 들어, 용인 가능한 문턱값 미만의 신뢰도 값)를 갖는다는 것을 이벤트 결정 로직(120)이 결정할 때, 인간 운전 차량을 자율주행 차량(101)과 페어링할 수 있다. 페어링될 때, 자율주행 차량(101)은, (i) 안내로서의 역할을 하는 인간 운전 차량과 만나기 위해서, 그리고 (ii) 자율주행 차량(101)에 문제가 되는 차도 단편을 통해서 인간 운전 차량을 추적하기 위해서, 경로 정보(141) 및/또는 명령어(151)를 수신할 수 있다. 경로 정보(141) 및/또는 명령어(151)는 제어기(144)에 의해서 경로 제어 입력(147) 및/또는 차량 제어 입력(149)으로서 구현될 수 있다. 예를 들어, 차량 인터페이스 서브시스템(130)은, (예를 들어, 인간 운전 차량과 만나고 인간 운전 차량을 따르기 위해서) 차량을 추진, 조향 및 제동하기 위한 경로 제어 입력(147) 및/또는 차량 제어 입력(149)를 생성할 수 있다. 이러한 방식으로, AVS(100)는, 인간 차량 안내 보조 서비스(20)에 의해서 안내로서 선택되는 인간 운전 차량을 자율주행 차량(101)이 추적하도록 하기 위해서, 차량 인터페이스 서브시스템(130)을 위한 상응하는 제어 신호를 생성함으로써, 경로 정보(141) 및/또는 명령어(151)를 수신하고 행동할 수 있다.
부가예로서 또는 대안예로서, 인간 차량 안내 보조 서비스(20)는, 자율주행 차량(101)이 취하는 운송 준비 서비스(10)로부터의 경로 정보를 수신할 수 있다. 경로의 특정 부분의 어려움에 관한 정보를 기초로, 인간 차량 안내 보조 서비스(20)는 인간 운전 차량을 자율주행 차량(101)과 페어링할 수 있다. 차량으로부터 수신된 위치 데이터를 이용하여, 인간 차량 안내 보조 서비스(20)는, 인간 운전 차량이 자율주행 차량(101)을 위한 안내 차량으로서 이용될 수 있도록, 그리고 경로 정보(141) 및/또는 명령어(151)를 자율주행 차량에 제공할 수 있도록, 어떠한 인간 운전 차량이 경로의 동일한 어려운 부분을 따라서 이동할 것인지를 결정할 수 있다.
변경예에서, 이벤트 요청(121)이 원격 인간 조작자 보조 서비스(30)에 통신할 수 있다. 원격 인간 조작자 보조 서비스(30)는, 안전과 관련되는 것으로 간주되는 이벤트 또는 조건(예를 들어, 이벤트 결정 로직(120)이 안전 신뢰도 값 또는 점수가 문턱값 미만인 것으로 결정하는 그러한 이벤트)을 핸들링하기 위한 실시간 명령어를 자율주행 차량(101)에 제공함으로써 자율주행 차량(101)을 위한 원격 안내를 돕는 한 명 이상의 원격 인간 조작자와 통신한다. 대안예로서 또는 부가예로서, 원격 안내가 실시간 명령어를 자율주행 차량(101)에 제공하여, (i) 승객을 하차시키기 위한 위치의 식별, (ii) 최적의 도착 시간(또는 안전 또는 편안함 등)을 위해서 점유하여야 하는 운전 차선, 또는 (iii) 예를 들어 차량이 근접되면 자동적으로 활주 개방되는 전자 문을 향해서 운전하는 것과 같이 자율주행 차량이 결과를 알지 못하는 행동과 같은, 최적의 또는 적절한 행동을 실시하는데 있어서 자율주행 차량(101)을 도울 수 있다.
설명된 예에서, 원격 인간 조작자로부터의 즉각적인 입력을 필요로 하는 이벤트 또는 조건이 원격 인간 조작자 보조 서비스(30)에 제공될 수 있다. 도 4의 예와 함께 설명된 바와 같이, 원격 인간 조작자는 AVS(100)에 의해서 명령어로 수신되는 입력을 제공할 수 있다. 원격 인간 조작자에 의해서 제공되는 입력은 경로 정보(141) 또는 명령어(151)로서 수신될 수 있다. 제어기(144)는, 최소 중단으로 이벤트 또는 조건을 핸들링하기 위해서, 차량 인터페이스 서브시스템(130) 및 그 여러 인터페이스를 제어하기 위해 입력을 이용할 수 있다.
도 4의 예와 함께 설명된 바와 같이, 예는, 인간 운전 차량 보다 상당히 더 많이 차량이 감속되고 정지되는 것으로 인해서, 자율주행 차량이 인간 승객을 위한 운송에 있어서 불편한 모드가 될 수 있다는 것을 인지한다. 자율주행 차량은 일반적으로, 예를 들어, 차도 조건 또는 이벤트를 프로세스하고 이해하기 위해서 몇 초의 시간을 이용한다. 예에 따라서, 원격 인간 조작자 보조 서비스(30)의 구현 및 이용은 자율주행 차량의 고유의 특성을 해결하기 위한 해결책을 제공하여 주의 깊게 동작하고 비교적 알려진 이벤트 또는 조건에 직면할 때 제동 거동 및 서행 진행으로 승객을 불편하게 하게 한다. 오히려, 원격 인간 조작자 보조 서비스(30)는, 이벤트 또는 조건에 직면할 때 자율주행 차량이 제동, 감속 또는 정지할 필요성을 완화시키는 것에 의해서, 트립 중의 진행에 있어서 자율주행 차량(101)을 돕는다.
인간 차량 안내 보조 시스템
도 2는 자율주행 차량에 대한 안내 보조로서 인간 운전 차량을 제공하기 위한 예시적인 시스템을 도시한다. 인간 차량 안내 보조 시스템(200)은, 도 1의 HV 안내 보조 서비스(20)와 함께 설명된 바와 같은, 상응하는 서비스를 구현할 수 있다. 도 2의 예에서, 인간 차량 안내 보조 시스템(200)은 자율주행 차량 인터페이스("AV 인터페이스(204)"), 이벤트 분석(208), 경로 분석 구성요소(210), 인간 차량 선택 구성요소("HV 선택 구성요소(220)"), 인간 차량 명령어 결정 구성요소("HV 선택 명령어 결정 구성요소(230)"), 인간 차량 인터페이스("HV 인터페이스(240")), 및 인간 차량 추적기("HV 추적기 244")를 포함한다. AV 인터페이스(204)는 도 1의 예와 함께 설명된 바와 같이 자율주행 차량(101)의 AVS(100)와 통신한다. AV 인터페이스(204)는, AVS(100)가 (충분한 신뢰도를 가지고) 어떻게 핸들링하여야 할지를 알지 못하는 이벤트 또는 조건를 AVS(100)가 검출한 것을 나타내는 이벤트 요청(121)을 수신한다. 이벤트 요청(121)은, AVS(100)로부터 획득된 상이한 유형의 데이터를 포함하는, 자율주행 차량 데이터("AV 데이터(201)")와 함께 제공될 수 있다. 특히, AV 데이터(201)는 자율주행 차량(101)의 현재 위치("AV CL(203)"), 자율주행 차량의 계획된 하차 또는 서비스 위치(예를 들어, 정지 지점)("AV Doff(205)"), 자율주행 차량(101)의 계획된 경로("경로 정보(207)"), 그리고 다양한 유형의 센서 정보(집합적으로, "센서 정보(209)")를 포함할 수 있다. 맵 서비스(199)는 시스템(200)의 여러 구성요소와 통합되거나 그와 함께 달리 제공될 수 있다. 예를 들어, 맵 서비스(199)는 이벤트 분석 구성요소(208), 경로 분석 구성요소(210), HV 선택 구성요소(220), HV 명령어 결정 구성요소(230), 및/또는 HV 추적기(244)와 통합되거나 그와 함께 제공될 수 있다.
이벤트 분석 구성요소(208)는, 이벤트 요청(121)을 트리거링하는 이벤트 또는 조건의 이해를 전개하도록 동작될 수 있다. 예를 들어, 이벤트 분석(208)은 자율주행 차량(101)의 위치 정보를 고려하여 센서 정보(209)를 프로세스할 수 있다. 이벤트 분석(208)은, 이벤트 요청(121)을 위한 상황(context)을 결정하기 위해서, 맵 서비스(199)에 대한 자율주행 차량(101)의 위치 정보를 참조할 수 있다. 일부 예에서, 지역-특정 정보 공급원(217)은 지역에 관한 위치-기반 정보를 기록할 수 있고, (예를 들어, AV CL(203)에 의해서 제공되는 바와 같은) 자율주행 차량(101)의 위치 정보뿐만 아니라, 센서 정보(209)의 조합이 이벤트에 관한 상황 정보("상황 또는 이벤트 정보(215)") 내로 상호 관련될 수 있다. 예로서, 상황 정보(215)는: 차도 공사, 보행 교통, 비상 상황, 비정상적인 교통, 등 중 하나 이상을 나타내는, 라벨 또는 설명부, 또는 수치적 등가물 또는 매개변수의 상호 관계를 포함할 수 있다.
경로 분석 구성요소(210)는, 인간 운전 안내가 위치되고 자율주행 차량(101)에 제공될 때까지 자율주행 차량(101)이 진행하여야 하는 곳을 결정하도록 동작될 수 있다. 예를 들어, 경로 분석 구성요소(210)는 자율주행 차량(101)이 현재 위치(AV CL(203))에서 유지되어야 한다는 것을 결정할 수 있고, 또는 대안적으로, 자율주행 차량(101)이 인간 운전 안내 차량의 도착을 위해서 대기할 수 있는 최초의 이용 가능한 도로 주차장 또는 다른 공간을 위치 결정할 수 있다. 그러나, 예는, 특히 이벤트 요청(121)이 발생될 가능성이 높은 도시 환경에서, 자율주행 차량(101)이 보조를 기다리면서 경로 상에서 또는 그 현재 위치에서 유지할 수 있는 가능성이 항상 실현 가능하거나 실용적이지는 않다는 것을 인지한다. 경로 분석 구성요소(210)는, 자율주행 차량(101)이 안전하게 대기할 수 있고 이어서 인간 운전 안내 차량을 따르거나 달리 추적할 수 있는 만나는 장소 또는 만날 위치("ML(213)")를 결정하는, 경로 (또는 보조) 이탈 구성요소(212)를 포함할 수 있다. 경로 이탈 구성요소(212)는, 자율주행 차량의 현재 위치(AV CL(203))에 근접한 주차장 정보를 위해서 맵 서비스(199)에 문의하는 로직을 포함할 수 있다. 경로 분석 구성요소(210)는 AV CL(203)로부터 만남 위치(213)까지의 경로를 결정할 수 있다.
일부 변경예에서, 경로 분석 구성요소(210) 및/또는 경로 이탈 구성요소(212)는 또한, 적절한 또는 최적의 만남 위치(213)를 결정하기 위해서, 상황 정보(215)를 이용할 수 있다. 예를 들어, 상황 정보(215)는, 자율주행 차량(101)의 현재 위치가 만남 위치(213)가 될 수 있는지 또는 그렇지 않은지의 여부를 나타낼 수 있다. 대안적으로, 상황 정보(215)는 만남 위치에 도달하기 위한 자율주행 차량(101)의 이동 거리 또는 방향을 결정할 수 있다. 예를 들어, 상황 정보(215)는, 1 평방 마일 동안 이용 가능한 주차장에 영향을 미치는 (예를 들어, 야구 경기장에서 빠져 나오는) 보행 군중 이벤트가 있다는 것을 나타낼 수 있다.
경로 분석 구성요소(210)는 만남 위치(213)를 인간 차량 선택 구성요소(220)에 통신할 수 있다. 인간 차량 선택 구성요소(220)는 자율주행 차량(101)을 위한 안내로서 인간 운전 차량을 선택하도록 동작될 수 있다. 인간 차량 선택 구성요소(220)가 자율주행 차량(101)의 안내를 위해서 인간 운전 차량을 선택하게 하는 프로세스는 구현예 및 설계에 따라 달라질 수 있다. 인간 차량 선택 구성요소(220)는, 자율주행 차량(101)을 위한 안내로서의 역할을 또한 할 수 있는 잠재적인 인간이 운전하는 차량에 관한 정보를 포함하는 하나 이상의 데이터 저장부에 문의할 수 있다. 특히, 인간 차량 선택 구성요소(220)는, 운송 요청을 충족시키기 위한 유효 운송 경로 상의 인간 운전 차량을 기록하는, 유효 트립 데이터 저장부(232)에 문의할 수 있다. 따라서, 유효 트립 데이터 저장부(232)는, 해당 차량이 이용하는 (예를 들어, 현재 이동하는 또는 이동 계획된) 경로뿐만 아니라 잠재적인 인간 운전 차량의 현재 위치를 포함할 수 있다. 부가적으로 또는 대안적으로, 인간 차량 선택 구성요소(220)는 또한, 새로운 운송 요청을 위해서 이용될 수 있으나, 해당되는 현재의 순간에는 유효 트립 상에 있지 않거나, 운송 요청 충족 프로세스에 있지 않은, 인간이 운전하는 차량을 식별하는, 개방형 인간 운전자 데이터 저장부(234)에 접속할 수 있다. 대안예로서 또는 변경예로서, HV 선택 구성요소(220)는, 현재 위치가 알려져 있거나 추정되는 그리고 현재 경로가 알려져 있는 차량을 식별할 수 있는, 운송 라이브러리(236)를 문의할 수 있다. 예로서, 운송 라이브러리(236)는 시내 버스를 식별할 수 있다.
HV 선택 구성요소(220)는 유효 트립 데이터 저장부(232), 개방형 인간 운전자 데이터 저장부(234) 또는 운송 라이브러리(236) 중 하나 이상을 선택하기 위한 HV 기준(227)을 생성할 수 있다. HV 기준(227)은, 자율주행 차량(101)을 안내하기 위한 인간 운전 차량을 선택하기 위해서 이용될 수 있는 데이터를 포함할 수 있다.
HV 기준(227)은 주로 또는 부분적으로 만남 위치(213)를 기초로 할 수 있다. 따라서, 예를 들어, 자율주행 차량(101)은, 자율주행 차량(101)의 현재 위치에 대한 근접도를 기초로 선택될 수 있는 만남 위치(213)까지 운전하도록 지시 받을 수 있다. 이어서, 만남 위치(213)는 자율주행 차량(101)을 안내하기 위한 인간 운전 차량을 식별하기 위한 기초를 형성할 수 있다. 변경예에서, HV 기준(227)은 자율주행 차량(101)의 현재 위치 및/또는 자율주행 차량(101)이 보조를 받아 이동할 필요가 있는 경로 단편과 같은 다른 인자를 포함하거나 치환할 수 있다.
HV 선택 구성요소(220)는, HV 기준(227)을 만족시키는 인간 운전 차량(예를 들어, 만남 위치(213)의 충분한 거리 이내에 있는 인간 운전 차량)에 상응하는, 후보 인간 운전 차량의 세트(231)("(인간 운전 차량)의 후보 세트(231)")를 수신할 수 있다. 인간 운전 차량의 후보 세트(231)는 예비 결과 세트를 나타낼 수 있고, 그로부터 최종 선택이 이루어질 수 있다. 후보 세트(231)의 각각의 차량은 인간 차량 현재 위치(233), 인간 차량 하차 위치(235) 또는 인간 운전 차량 경로(237) 중 하나 이상과 연관될 수 있다.
일 양태에서, HV 선택 구성요소(220)는 인간 차량 경로 이탈 결정 구성요소(222)(또한 "HV RDD 구성요소(222)"), 시간 계산 로직(224), 및 선택 규칙(226)을 포함한다. 인간 운전 차량의 후보 세트(231)에 의해서 식별되는 각각의 차량에 대해서, 경로 이탈 결정 구성요소(222)는 (i) 인간 차량 현재 위치(233)(예를 들어, 진행 중인 유효 요금의 트립 중에 차량의 재-경로 설정), (ii) 인간 운전 차량 하차 위치(235)(예를 들어, 유효 요금의 완료 시에 만남 위치(213)까지 인간 운전 차량의 경로 설정), 및/또는 (iii) 인간 운전 차량 경로(237)(진행 중인 유효 요금 트립 중의 차량의 재-경로 설정)로부터 만남 위치(213)까지의 하나 이상의 경로를 결정한다. 시간 계산 로직(224)은, 해당 차량에 대해서 결정된 경로를 기초로, 후보 세트(231)의 각각의 인간 운전 차량에 대한 추정 도착 시간("ETA")을 계산할 수 있다. 시간 계산 로직(224)은 후보 세트(231)의 각각의 차량에 대해서 (i) 자율주행 차량(101)이 대기하는 만남 위치(213)에 도착하는, 및/또는 (ii) 차량이 유효 트립 중일 때, 해당 차량에 대한 계획된 인간 운전 차량 하차 위치(235)에 도착하는, ETA를 계산할 수 있다. 후자의 경우에, 시간 계산 로직(224)은, 자율주행 차량(101)을 안내하도록 차량이 선택된 경우에, 얼마나 많은 시간이 유효 트립의 트립에 부가되는지를 결정할 수 있다. 몇몇 변경예에서, 시간 계산 로직(224)은 또한, 자율주행 차량(101)을 만남 위치(213)로부터 관심 이벤트 또는 조건이 존재하는 차도 단편을 통해서 안내하기 위해서 인간 운전 차량의 후보 세트(231) 중에서 선택된 차량에 대한 시간을 계산할 수 있다.
선택 규칙(226)은, 후보 인간 운전 차량(231) 중 하나를 자율주행 차량(101)을 위한 안내 차량으로서 선택하기 위한 규칙-기반 판정 로직을 구현할 수 있다. 예로서, 규칙은: (i) 선택된 인간 운전 차량이 만남 위치(213)에 도달하기 위한 시간 또는 거리의 최소화, (ii) 선택된 인간 운전 차량이 유효 트립 중에 만남 위치(213)까지 이탈하고 이어서 자율주행 차량(101)을 안내하는데 필요한 부가적인 시간 및 유효 요금 감소의 최소화, (iii) 만남 위치(213)에 도달하고 자율주행 차량(101)을 관심 차도 단편을 통해서 안내하기 위해서 인간 운전 차량이 필요로 하는 절대 시간의 최소화, 및/또는 (iv) 선택된 차량이 차도 단편을 통한 자율주행 차량(101)의 안내를 완료할 때로부터 다음 서비스 목적지(예를 들어, 안내로서 동작하는 인간 운전 차량을 위해서 선택된 운송 요청을 위한 픽업 위치)에 도달하는 시간의 최소화를 포함하는 기준 또는 가중치를 기초로 인간 운전 차량의 후보 세트(231) 중 하나를 선택하기 위한 규칙-기반 결정 로직을 구현할 수 있다. 선택 규칙(226)은 또한, 차량 유형, 프로파일 정보 또는 특별한 운전자에 관한 이력 정보(예를 들어, 운전자가 자율주행 차량 보조로 전환, 자율주행 차량 안내를 경험한 동일한 운전자의 선택)를 기초로, 하나의 인간 운전 차량이 다른 인간 운전 차량 보다 선호되는 규칙과 같은, 다른 유형의 선택 규칙을 구현할 수 있다.
부가예로서 또는 대안예로서, 선택 규칙(226)은, 후보 세트(231)의 차량에 존재하는 자원의 유형에 대한 결정을 기초로, 인간 운전 차량을 선택할 수 있거나 선택에 가중치를 가할 수 있다. 일 양태에서, 해당 차량이 자율주행 차량(101)과 관련된 차도 단편에 관한 센서 정보를 캡쳐하기 위한 통합형 센서 장비를 포함하고 있다는 이유로, 인간 운전 차량이 안내로서의 선택을 위해 가중될 수 있다. 예를 들어, 선택된 인간 운전 차량은, 원격 서비스가 다른 자율주행 차량을 위한 정보를 프로세스하고 이해하도록, 차도 단편에 관한 화상 데이터를 획득하기 위한 카메라 세트를 가지는 기계적 확장을 포함할 수 있다.
HV 선택 구성요소(220)는, 예를 들어 인간 차량 경로 이탈 결정 구성요소(222), 시간 계산 로직(224), 및 후보 세트(231)로부터 인간 운전 차량을 선택하기 위한 선택 규칙(226)으로 설명되는 기능 및 로직을 이용한다. HV 선택 구성요소(220)가 후보 세트(231)로부터 인간 차량을 선택할 때, 선택된 인간 운전 차량의 식별자("HV 식별자(255)")는 AV 인터페이스(204)에 의해서 자율주행 차량(101)에 통신할 수 있다. HV 명령어 결정 구성요소(230)는 또한 HV 식별자(255)를 위한 명령어(257)의 세트를 생성할 수 있다. HV 명령어 결정 구성요소(230)는, 예를 들어, 선택된 차량이 만남 위치(213)에 도달하기 위해서 이동하기 위한 경로, ("ML 경로(265)"), (인간 운전 차량이 만남 위치에 먼저 도달하는 경우) 인간 운전 차량이 자율주행 차량(101)의 도착을 위해서 만남 위치(213)에서 대기하여야 하는 대략적인 또는 최대 시간("대기 시간(267)" 또는 "TWait(267)"), 그리고 자율주행 차량(101)이 인간 운전 차량을 따른다는/따를 것이라는 사실을 선택된 차량의 인간 운전자에게 알리는 하나 이상의 통지("통지(269)")를 결정하기 위해서, 인간 차량 현재 위치(233)에 대해서 교차-참조되는, 맵 서비스(199)를 이용할 수 있다. 인간 운전자에게 정보를 제공하기 위해서, 그리고 자율주행 차량(101)을 안내하기 위한 차량 동작과 일치되는 수동적 행동을 실시하도록 인간 운전자에게 알리거나 달리 안내하기 위해서, 명령어(257)의 세트가 선택된 차량의 인간 운전자 차량 시스템(500)(예를 들어 도 5 참조)에 통신될 수 있다.
몇몇 변경예에서, HV 추적기(244)는, 안내 차량이 자율주행 차량(101)(또는 만남 위치(213))를 향할 때, 안내 차량의 위치("HV 위치(245)")를 획득한다. HV 추적기(244)는, 선택된 안내 차량의 도착에 관한 업데이트된 위치 정보를 자율주행 차량(101)에 제공하기 위해서, (인간 운전자 차량 시스템(500)의 위치 검출 메커니즘(560)으로부터 수신된) HV 위치(245)를 이용할 수 있다. 부가예 또는 변경예로서, 안내 차량이 만남 위치에 도착하기 위한 추정 시간("HV ML ETA(247)")이 또한 AV 인터페이스(204)를 통해서 자율주행 차량(101)에 통신될 수 있다. 여전히 또한, 일부 변경예에서, HV 추적기(244)는, 안내 차량이 만남 위치(213)에 도달하는 것이 임박할 때, 자율주행 차량(101)에 경보를 신호할 수 있다. 자율주행 차량(101)은 또한 그 자체의 위치("AV 위치(259)")를 안내 차량에 직접적으로 또는 간접적으로 통신할 수 있다.
자율주행 차량(101) 및 선택된 안내 차량이 만나면, 자율주행 차량(101)은 관련 차도 단편을 통해서 안내 차량을 추적할 수 있다. 몇몇 변경예에서, 인간 운전 차량은, 자율주행 차량(101)이 인간 운전 차량을 식별할 수 있게 하고, 이어서 선택된 도로를 통해서 선택된 안내 차량을 따르거나 추적할 수 있게 하는 센서-인식 가능 마커를 포함할 수 있다. 예를 들어, 자율주행 차량(101)은, 안내 차량의 시각적 마커를 향하는 카메라를 포함할 수 있다. 여전히 또한, 카메라 또는 다른 센서는, 안내 차량의 번호판, 또는 다른 고유적으로 인식될 수 있는 차량의 시각적 특정과 같은, 차량 고유의 마커를 기초로 안내 차량을 따를 수 있다. 일부 변경예에서, 네트워크 서비스(예를 들어, "HV 안내 보조 서비스(20)")가 안내 차량을 추적하고, 안내 차량이 관심 차도 단편을 통해서 추적되는 것을 돕기 위해서 및/또는 추적을 가능하게 하기 위해서 안내 차량의 위치를 자율주행 차량(101)에 더 통신한다.
여전히 또한, 인간 운전 차량은, 차로의 어떠한 차선 또는 측면에 차량이 있는지를 식별하는 위치 정보를 포함하여, 도로 상의 그 자체의 위치를 결정하기 위한 위치 센서 및 장치를 포함할 수 있다. 위치 정보가 자율주행 차량(101)에 통신될 수 있고, 자율주행 차량은 이어서 인간 운전 차량을 찾고 따르거나 추적한다. 인간 운전 차량으로부터 자율주행 차량(101)으로의 위치 정보의 통신은 직접적으로 이루어지거나 원격 서비스를 통해서 이루어질 수 있다. 또한, 몇몇 변경예에서, 인간 운전 차량은 만남 위치(213)에의 도착시에 자율주행 차량(101)을 찾기 위한 구성요소를 포함할 수 있다. 이러한 방식으로, 선택된 인간 운전 차량이 만남 위치(213)에 도착한 이후에, 자율주행 차량(101)이 결속되고(lock) 따르기 전에, 2개의 차량이 식별자 및 위치 정보를 교환하는 프로토콜 또는 손 흔들기(handshake)가 이루어질 수 있다.
몇몇 구현예에서, 자율주행 차량(101)을 인간 운전 차량에 결속하는 프로세스는 자동적이고, 인간 운전 차량을 단지 만남 위치(213)로 및/또는 만남 위치(213)를 통해서 운전할 것을 요구한다. 변경예에서, 자율주행 차량(101)을 결속하는 프로세스가 수동적인 입력 또는 행동을 포함할 수 있다. 예를 들어, 인간 운전 차량의 운전자는 차를 한쪽에 세우거나(pull over), 자율주행 차량(101) 바로 옆으로 운전하여야 하거나, 자율주행 차량(101)의 결속을 돕는 통신 또는 식별 신호를 송신하도록 인간 차량 인터페이스 시스템(500)을 동작하여야 할 수 있다.
AV 선택을 가지는 운송 준비 시스템
도 3은 운송 요청을 충족시키기 위해서 인간 운전 차량 또는 자율주행 차량을 제공할 지의 여부를 지능적으로 선택하는 예시적인 운송 준비 시스템(300)을 도시한다. 인간 차량 안내 보조 시스템(200)은, 도 1의 운송 준비 서비스(10)로 설명된 바와 같은, 상응하는 서비스를 구현할 수 있다. 도 3에서, 운송 준비 시스템(300)은 선호도 결정 구성요소(310), AV/HV 판정 로직(320), 경로 설정 비교 엔진(330), 및 자율주행 차량에 대한("AV 경로 설정(340)") 그리고 인간 운전 차량에 대한("HV 경로 설정(342)") 예측 경로 설정 구성요소를 포함한다. 시스템(300)은, 운송 서비스를 요청하기 위한 고객을 위한 인터페이스로서 동작할 수 있는, 고객 인터페이스(302)를 또한 포함할 수 있다.
다른 장점들 및 기술적 영향들 중에서, 도 3의 실시예는, 해당 차량이 분위기 및 환경을 이해할 수 있는 능력에 제한이 있기 때문에, 자율주행 차량이 항상 희망 위치에 도달할 수 있는 것이 아니고 가장 효율적인 경로를 취할 수 있는 것이 아님을 인지한다. 예를 들어, 만약 픽업 위치가 문이 있는 커뮤니티 내에 있다면, 시스템(300)은, 인간 운전자가 고객의 문에 도달하기 위해서 필요한 단계를 협상할 수 있지만, 자율주행 차량은 문에서 고객을 만날 필요가 있을 수 있다는 것을 인지할 수 있다. 유사하게, 다른 예(도 2 참조)로 설명한 바와 같이, 도시 환경은, 자율주행 차량의 이해 및 항행 능력에 영향을 미치는 장애물 및 조건과 관련하여 동적이고, 그러한 이벤트는 시간별로 또는 일별로 일시적일 수 있다. 시스템(300)은, 예를 들어, 온-디맨드 운송 서비스로 구현될 때, 자율주행 차량이 서비스 위치 및/또는 경로를 위해서 이탈할 것을 필요로 할 수 있다는 것을 인지한다. 부가적으로, 도 2의 예로 설명한 바와 같이, 시스템(300)은, 도로의 이벤트 또는 조건의 결과로서 트립을 완료하기 위해서 자율주행 차량이 부가적인 자원을 필요로 할 수 있다는 것을 인지한다. 여전히 또한, 도 3의 예는, 자율주행 차량의 그러한 제한이, 사용자 또는 고객이 최종적으로 선호하는 차량의 유형과 같은, 특별한 운송 요청에 적합한 차량의 유형에 영향을 미칠 수 있다는 것을 인지한다.
고객은, 예를 들어, 고객 모바일 컴퓨팅 장치 상의 애플리케이션을 동작시킬 수 있다. 론칭될 때, 애플리케이션은 고객의 모바일 컴퓨팅 장치를 운송 준비 시스템(300)과 자동적으로 연계시킬 수 있다. 고객 연계에서, 애플리케이션은 사용자의 입력에 응답하여 운송 요청(301)("TR(301)")을 생성할 수 있다. 운송 요청(301)은 이하의 정보: (i) 고객 및/또는 고객 계정의 식별자("고객 식별자(311)"), 및 (ii) 픽업 위치(313) 및/또는 하차 위치(315)와 같은, 운송 요청(301)을 위한 하나 이상의 서비스 위치를 통신할 수 있다. 부가적으로, 운송 요청(301)은 인터페이스를 포함할 수 있고, 그러한 인터페이스에서 고객은 부가적인 요청 또는 매개변수("특별한 요청(317)")를 구체화할 수 있다. 특별한 요청(317)은, 예를 들어, 사용자가 이송하기 위한 식료품 또는 많은 수의 물품을 가진다는 입력 또는 다른 표시(예를 들어, 고객 위치의 추정)와 같이, 구현예 및 설계에 따라 달라질 수 있다. 부가적으로, 특별한 요청(317)은 차량 유형, 특히 사용자가 자율주행 차량 또는 인간 운전 차량을 선호하는지의 여부에 대한 사용자의 선호도를 선택적으로 구체화할 수 있다.
도 3을 더 참조하면, 고객 인터페이스(302)는 고객 운송 요청(301)을 선호도 결정 구성요소(310)에 통신할 수 있다. 선호도 결정 구성요소(310)는 고객 프로파일(314)을 획득하기 위해서 고객 식별부(311)를 이용할 수 있다. 부가적으로, 몇몇 변경예에서, 고객 프로파일(314)은 이하의 정보: (i) 자율주행 차량 또는 인간 운전 차량을 수용하기 위한 사용자의 셋팅 또는 미리-저장된 선호도; (ii) 사용자가 자율주행 차량을 수용한 또는 구체적으로 요청한 횟수와 같은, 차량에 대한 운송 서비스로 제공된 최근의 차량의 유형; (iii) 자율주행 차량에 대해서 제공된 고객 평가 또는 피드백을 포함하는, 과거 운송에 대해서 제공된 고객의 평가 정보; (iv) (a) (예를 들어, 하나의 유형의 차량에 대한 수요가 다른 유형의 차량에 대한 수요를 초과하는 경우, 또는 하나의 유형의 차량이 다른 유형의 차량보다 고가인 경우) 하나의 유형의 차랑에 대한 프리미엄 지불, 및/또는 (b) (예를 들어, 자율주행 차량이 하차 위치까지 안전하게 운전될 수 없을 때와 같이) 의도된 하차 위치로부터 이탈된 서비스 위치를, 고객이 용인할 수 있는지의 여부를 나타내는 데이터를 포함하는, 자율주행 차량이 운송을 제공하기 위해서 이용되는 경우에 영향 받을 수 있는 운송 인자에 대한 사용자 선호도를 나타내는 데이터, 중 하나 이상을 나타내는 데이터를 포함할 수 있다.
몇몇 변경예에서, 선호도 결정 구성요소(310)는 또한 자율주행 차량(101)에 문제가 될 가능성이 있는 현재 알려진 위치에 관한 라이브러리("규칙 라이브러리(318)")에 접속할 수 있다. 규칙 라이브러리(318)는, 다른 차량이 아닌 하나의 유형의 차량 선택을 지배하거나 그러한 선택에 영향을 미치기 위한, 선택 규칙(327) 및/또는 가중치(329)를 제공할 수 있다. 선택 규칙 및/또는 가중치(329)는 위치 매개변수(예를 들어, 픽업 위치(313) 및 하차 위치(315)), 운송 요청의 특별한 요청(317), 및/또는 타이밍 매개변수(예를 들어, 하루 중의 시간)를 기초로 할 수 있다. 그에 따라, 규칙 라이브러리(318)는, 포함된 매개변수를 운송 요청(301)과 상호 관련시킬 수 있는 선택 규칙을 제공할 수 있다. 예를 들어, 서비스 위치의 하나 이상에 자율주행 차량이 접근할 수 없거나 도달하기 어려울 수 있다. 대안적으로, 고객의 임의의 특별한 요청(317)이 하나의 유형의 차량을 배제할 수 있거나, 선호할 수 있다. 예를 들어, 고객이 식료품을 가지는 경우에, 자율주행 차량이 내부 공간 부족으로 배제될 수 있다.
선호도 결정 구성요소(310)는 선택 매개변수(335)를 AV/HV 판정 로직(320)에 신호할 수 있다. 선호도 선택 매개변수(335)는, 운송 요청(301)의 매개변수뿐만 아니라, 고객 선호도를 고려할 수 있다. 선택 매개변수(335)는 또한 가중치 또는 다른 결정에서 선택 규칙(327) 및 가중치(329)를 포함할 수 있다.
일부 예에 따라서, 고객 인터페이스(302)는 또한 서비스 위치(예를 들어, 픽업 위치(313) 및/또는 하차 위치(315))를 경로 설정 비교 엔진(330)에 통신할 수 있다. 경로 설정 비교 엔진(330)은, 최적화 매개변수 및 자율주행 차량(101)이 최적 경로로부터 이탈할 것인지 또는 픽업 위치(313) 또는 하차 위치(315)에 변경을 필요로 할 것인지의 여부에 관한 예측을 고려하여, 운송 요청(301)에 대한 경로를 예측하도록 동작될 수 있다. 도 1 또는 도 2의 예로 설명한 바와 같이, 실시예는, 차량의 고유의 한계로 인해서, 센서 입력을 안전한 것으로 간주되는 문턱값 레벨로 이해하는데 있어서, 자율주행 차량의 특성이 도시 환경에서 보조를 필요로 한다는 것을 인지한다.
더 구체적으로, 경로 설정 비교 엔진(330)은, 픽업 위치(313)와 하차 위치(315) 사이의 최적의 그리고 가능한 경로를 프로세스하는 AV 경로 설정 프로세스(340)를 구현할 수 있다. AV 경로 설정 프로세스(340)에 의해서 구현되는 바와 같은 예측적인 경로 결정은, 예를 들어, 맵 서비스(199)(도 2 참조) 및 지역-특이적 정보 공급원(217)(도 2 참조)과 함께 제공되는 것과 같은, 실시간 교통 정보 및 지역-특이적 정보를 이용할 수 있다. AV 경로 설정 프로세스(340)는 자율주행 차량이 (i) 픽업 위치(313) 또는 하차 위치(315) 중 어느 하나의 이탈, 또는 (ii) (도 2의 예로 설명된 바와 같이) 인간 운전 안내 차량의 보조를 필요로 할 가능성이 있는지의 여부를 결정할 수 있다. 후자의 경우에, AV 경로 설정 프로세스(340)는 자율주행 차량을 위한 발생 가능한 대기 시간 또는 지연을 식별할 수 있다. AV 경로 설정 프로세스(340)는 운송 요청(301)을 충족시키기 위한 자율주행 차량의 이용에 대한 AV 비용 계측치(345)를 추정하기 위해서 비용 계산(344)을 이용할 수 있다. 비용 계산(344)은 비용 공식(346)(예를 들어, 운송을 수용하기 위한 고객을 위한 요금 값), 및 특별한 선택에 대한 시간 매개변수를 결정하기 위한 타이밍 비용 구성요소(348)를 포함할 수 있다.
AV 비용 계측치(345) 결정에서, 몇몇 변경예는, 비용 계산(344)이, 자율주행 차량이 (인간 운전 차량 안내 등을 위해서) 이탈 또는 대기를 필요로 할 것인지의 여부에 관한 확률론적 결정을 포함할 수 있다는 것을 제공한다. 따라서, 비용 계측치(345)는 타이밍 비용을 측정할 수 있고, 이는 자율주행 차량을 이용하는 운송 요청(301)을 만족시키기 위해서 고객으로 인해서 (또는 운송 서비스로 인해서) 필요하게 될 부가적인 시간을 의미한다. 비용 계측치(345)는 또한 자율주행 차량을 위한 가격 또는 서비스 요금을 포함할 수 있고, (예를 들어, 경로 또는 하차 이탈로 인한) 추가 이동 거리 또는 (예를 들어, 인간 운전 안내 차량을 위한) 대기 시간의 결과로서 부가가 있을 수 있다. 변경예에서, 비용 계측치(345)는 고객, 운송 서비스 제공자, 또는 심지어 운전자를 위한 다른 비용들을 측정할 수 있다. 이러한 다른 비용들은, 예를 들어, 연료 수요, 또는 특정 유형의 차량에 대한 재고 감소 수요를 포함할 수 있다. 예를 들어, 운송 요청(301)이, 자율주행 차량에 문제가 되는 것으로 알려진 영역 내의 서비스 위치를 특정한다면, 운송 요청(301)이 수용될 때의 지속시간 내에 수용될 가능성이 있는 다른 운송 요청에 자율주행 차량이 더 적합할 수 있다는 점에서, AV 경로 설정 프로세스(340)는 서비스에 대한 기회 비용을 포함할 수 있다.
AV 경로 설정 프로세스(340)는, 인간 운전 차량의 이용에 대한 경로 및 비용("HV 비용 계측치(355)")를 결정하는 HV 경로 설정 프로세스(342)의 대안적인 경우를 포함할 수 있다. HV 비용 계측치(355)는, 자율주행 차량을 위한 요금이 인간 운전 차량과 같거나 그보다 높게 정해진다고 가정할 때, 일차적인 과금 체계(monetary)가 될 수 있다. HV 비용 계측치(355)를 결정하기 위한 비용 계산(354)은 또한 상응하는 HV 비용 공식(356) 및 (예를 들어, ETA를 결정하기 위한) 타이밍 로직(358)으로부터 컴퓨팅될 수 있다.
AV 및 HV 경로 설정 구성요소(340, 342)는 비용 계측치 매개변수(351, 353)를 경로 설정 비교 엔진(330)에 제공할 수 있다. 비용 계측치 매개변수(351, 353)는, 예를 들어, 고객에 대한 과금 체계 비용, 운송 제공자를 위한 기본료, 및/또는 고객 및 제공자를 위한 기회 상실 비용을 포함하는, 다양한 크기의 비용을 비교할 수 있게 하는, 매개변수 세트 및/또는 정규화된 값에 상응할 수 있다. 경로 설정 비교 엔진(330)은, 비용-기반의 선택 매개변수(331)를 결정하기 위해서 각각의 AV 및 HV 경로 설정 구성요소(340, 342)로부터 결정된 비용 계측치 매개변수(351, 353)를 비교할 수 있다. 비용-기반의 선택 매개변수(331)는, 예를 들어, 운송 서비스를 위한 비용 또는 손실 시간과 같은 감춰진 비용 또는 (예를 들어, 인간 운전 안내 차량을 제공하는 것과 같은) 부가된 운송 자원을 포함하는, 다른 비용 매개변수뿐만 아니라, 고객에 대한 과금 체계 비용의 비교를 반영할 수 있다.
비용-기반의 선택 매개변수(331)의 결정에서, 몇몇 변경예는 이용 가능한 인간 운전 차량의 풀(365)을 자율주행 차량의 풀(367)과 비교하기 위한 경로 설정 비교 엔진(330)을 제공한다. 예를 들어, 운송 준비 시스템(300)은, 유효 차량의 풀을 추적하는 서비스 인터페이스(370)를 유지할 수 있고, 이어서 인간 운전 차량(HV 풀(365)") 및 자율주행 차량(AV 풀(367)")에 대한 현재의 수요 및 공급을 반영하기 위해서 각각의 데이터 저장부를 업데이트한다. 예를 들어, 각각의 유형의 차량에 대한 유닛별 가격은 주어진 순간에서의 수요 대 공급을 기초로 증가될 수 있다. 여전히 또한, 하나의 풀이 다른 풀에 대해서 비교적 과다-/과소-사용되는 경우에, 인간 차량 및 자율주행 차량의 각각의 풀(365, 367)의 수요 및 공급이 시스템 비용으로서 포함될 수 있다. 도 3의 예에서, 공급/수요 로직(384)은 개별적인 풀(365, 367)의 각각의 수요 또는 이용 가능성을 반영하는 수요 매개변수(385)("DP(385)")를 생성할 수 있다. 경로 비교 엔진(330)은 각각의 차량 유형의 상대적인 비용 비교에서 수요 매개변수(385)를 이용할 수 있다. 따라서, 비용-기반의 선택 매개변수(331)는 수요 매개변수(385)를 반영하기 위한 변수 또는 값을 포함할 수 있다.
경로 설정 비교 엔진(330)은 비용-기반의 선택 매개변수(331)를 AV/HV 판정 로직(320)에 신호할 수 있다. AV/HV 판정 로직(320)은, 선호도 선택 매개변수(335) 및/또는 비용-기반의 선택 매개변수(331)를 기초로 차량 유형 선택(375)을 생성할 수 있다. 선호도 선택 매개변수(335) 및 비용-기반의 선택 매개변수(331)는, (i) 하나의 유형의 차량이 배제되는(예를 들어, 인간-운전 차량에 대한 표현된 사용자 요청, 자율주행 차량 배제) 절대적인 결정, 및/또는 (ii) 선호도 기반의 선택 매개변수(335) 및/또는 비용-기반의 선택 매개변수(331)의 적용을 기초로 하는 가중된 또는 계산된 결정을 반영하기 위한, 규칙, 가중치, 또는 다른 인자에 의해서 조합될 수 있다.
예는, AV/HV 판정 로직(320)이 AV/HV 판정 로직(320)의 차량 유형 선택(375)을 기초로 제안 또는 권장을 할 수 있는 것을 더 제공한다. 예를 들어, 사용자가 표현한(예를 들어, 운송 요청(301)에서 구체화된, 또는 사용자 셋팅에 의해서) 또는 (예를 들어, 과거 운송을 기초로) 추정된 선호도가 인간 운전 차량에 대한 결정을 강력하게 가중하는 경우에, AV/HV 판정 로직(320)은, 예를 들어 자율주행 차량이 더 큰 공급을 가지고 및/또는 해당 순간에 더 저렴하다는 것을 전제로, 자율주행 차량 권장을 생성하기 위한 병렬 계산을 실시할 수 있다.
일 구현예에서, 차량 유형 선택(375)은 배치 구성요소(382)에 통신될 수 있고, 배치 구성요소는 이어서 차량 유형을 기초로 (차량 식별자(361)에 의해서 도시된 바와 같은) 차량을 선택할 수 있다. 차량 유형 선택(375)은 또한 선택을 다시 고객에게 통신하기 위해서 고객 인터페이스(302)에 통신될 수 있다. 일 변경예에서, 고객은 선택을 변경하거나 대체할 수 있다.
원격 인간 보조 응답 시스템
도 4는 핸들링 및/또는 도로의 조건 또는 이벤트의 이해를 자율주행 차량에 지시하기 위해서 인간 조작자를 이용하기 위한 예시적인 시스템을 도시한다. 몇몇 예로 설명된 바와 같이, 인간 조작자는, 예를 들어, 자율주행 차량의 안전에서의 신뢰도가 부정적으로 영향을 받을 때, 자율주행 차량(101)을 원격적으로 보조할 수 있다.
다른 대안예로서, 인간 조작자는, 예를 들어, 자율주행 차량이 이벤트 또는 조건에 대한 이해를 결여할 때, 그리고 앞으로의 핸들링 또는 훈련(training)을 위한 정보를 요청할 때, 자율주행 차량(101)을 원격적으로 보조할 수 있다. 예를 들어, AVS(100)는 도로 물체 또는 다른 조건이나 이벤트를 이해하기 위한 하나 이상의 훈련 모델을 구현할 수 있다. 트레이닝 구현의 일부로서, AVS(100)는, 예를 들어, 하나 이상의 학습된 모델을 이용하여 물체의 특성, 특징 또는 다른 속성에 관한 결정을 할 수 있다. 그러한 결정이 이루어질 때, AVS(100)는 원격 인간 조작자와의 답변을 체크할 수 있고 그러한 답변을 이용하여 훈련 모델을 업데이트할 수 있다.
도 4의 예에서, 자율주행 차량을 위한 인간 보조형 응답 시스템("HARSAV(400)")은 AVS(100)와의 통신에서 원격 인간 조작자 보조 서비스(30)(도 1 참조)을 구현할 수 있다. 도 4의 예에서, AVS(100)는 선택 센서 데이터(411)의 신속한 선택을 위한 그리고 선택 센서 데이터(411)를 서비스 인터페이스(140)를 통해서 원격 인간 조작자 보조 시스템(400)에 통신하기 위한 센서 출력 로직 또는 기능(410)을 포함할 수 있다. 선택 센서 데이터 세트(411)는 차량을 제어하기 위해서 제어기(144)에 통신되는 센서 데이터(111)와 별개로 결정될 수 있다.
일 양태에 따라, 센서 인터페이스(105)는 여러 센서 구성요소로부터 미가공 센서 데이터(99)를 획득하고, 센서 분석 구성요소(110)는 도로 내의 위험 또는 미지의 물체 또는 이벤트를 검출하기 위해서 물체 검출, 화상 인지, 화상 프로세싱 및 다른 센서 프로세스와 같은 기능을 구현한다. 이와 관련하여, 센서 분석 구성요소(110)는 다수의 상이한 프로세스에 의해서 구현될 수 있고, 그러한 프로세스의 각각은 상이한 센서 프로파일 데이터 세트(95)를 분석한다. 도 4의 예에서, 센서 분석 구성요소(110)는 기지의 물체에 대한 적절한 응답을 결정하기 위한 응답 라이브러리(445)를 포함한다. 센서 분석 구성요소(110)가 물체의 특성에 대한 충분한 신뢰도를 가지며 응답 라이브러리(445)로부터 적절한 응답을 선택 또는 식별할 수 있다면, 센서 분석 구성요소(110)는 응답 행동(447)("RAction(447)")을 제어기(144)에 통신할 수 있다. 이어서, 제어기(144)는, 제동 인터페이스(136) 및/또는 조향 인터페이스(134)와 같은 인터페이스를 선택하는 것을 포함하여, 차량 인터페이스 서브시스템(130)을 제어하기 위한 차량 제어 신호(149)를 구현할 수 있다. 차량 제어 신호(149)는, 임의의 원격 보조 또는 인간 개입과 무관하게, 디폴트에 의해서 응답 행동(447)을 구현할 수 있다.
그러나, 도 4의 예는, 자율주행 차량이 주의 깊고 신중한 경향이 있다는 것을 인지한다. 자율주행 차량(101)이, 예를 들어, 승객을 이송하기 위해서 이용될 때, AVS(100)는 인식된 물체 및 조건을 반복적으로 분석하기 위한 센서 분석 구성요소(110)를 구현할 수 있다. 자율주행 차량(101)의 특성에 의해서, 자율주행 차량(101)은 미지의 물체 또는 조건을 평가하기 위해서, 또는 최적의 응답 행동을 충분한 신뢰도로 알지 못할 때 응답 행동을 선택하기 위해서 감속 또는 제동할 것이다. 결과적으로, 자율주행 차량(101)은 트립 중에 감속 및 정지 및 시작을 하는 경향이 있을 수 있고, 이는 탑승을 덜 즐겁게 그리고 불편하게 한다. 그러나, 예는, 센서 분석 구성요소(110)가 더 빠른 시간에 물체 또는 조건을 인지할 수 있거나, 더 신속하게 응답 행동을 선택할 수 있는 경우에, 자율주행 차량(101)은 (예를 들어, 속력을 줄이기 위한 또는 정지하기 위한) 제동 이벤트에서 적은 변동을 가질 것임을 더 인지한다. 제동 이벤트의 감소는, 제동 이벤트의 감소가 자율주행 차량(101) 내의 승객 탑승을 보다 편안하게 함으로써, 자율주행 차량(101)이 승객 이송에 보다 적합해지게 할 수 있다.
따라서, AVS(100)는 자율주행 차량(101)으로부터 HARSAV(400)로의 선택 센서 데이터(411) 전달을 최적화하도록, 그리고 또한 신속한 인간 인식 제공을 자체적으로 부여하는 포맷 또는 구조로 센서 데이터(411)를 통신하도록 구성될 수 있고, 그에 따라 인간 조작자는 AVS(100)의 응답 행동을 구체화하는 신속하고 적절한 입력을 제공할 수 있다. 자율주행 차량(101)은, 센서 프로파일 세트(95)의 분석이 (i) 차량의 경로 내의 미지의 또는 예측 못한 물체 또는 조건을 식별할 때 (예를 들어, 장범위 카메라가 도로 내의 가방을 검출하였으나, 화상 프로세싱은 가방을 인지하지 못하거나 가방을 바위 또는 고체 물체와 구별하지 못할 때), 및/또는 (ii) 결과가 충분히 불확실한 응답을 필요로 할 수 있는 상대적으로 알려진 물체 또는 조건을 식별할 때 (예를 들어, 차도 내의 비상 차량, 불확실한 주어진 환경 또는 이벤트 조건에서 갓길 상으로 한쪽에 세우기 위한 응답을 식별할 때), 하나 이상의 유형의 경보(413)를 생성하도록 센서 분석 구성요소(110)를 구현 또는 구성할 수 있다. 경보(413)는 보조를 위한 요청을 구체화하거나 트리거링할 수 있다. 변경예에서, 경보(413)는, 예를 들어, 물체 또는 조건을 식별하기 위한 보조, 이벤트 또는 조건에 대한 응답을 식별하기 위한 보조, 및/또는 물체 또는 조건을 식별하기 위한 경보 및 물체 또는 조건을 핸들링하기 위한 적절한 응답과 같은, 상이한 유형들의 요청된 보조를 구체화할 수 있다. 여전히 또한, 다른 변경예에서, 경보(413)는 비상 레벨들, 인간 보조 응답을 위한 추가적인 할당 시간 제한을 구체화할 수 있다. 예를 들어, 비상 경보는 2초 미만에 응답을 요구할 수 있고, 그 이후에 자율주행 차량(101)은 급제동을 개시하는 디폴트 응답 행동을 실시할 것이다. 중간 경보는 3초 미만의 응답 시간 동안 제공될 수 있고, 그 이후에 자율주행 차량(101)은, 인간 보조 응답을 계속 모니터링하면서, 중간 제동을 개시하는 디폴트 응답 행동을 실시할 것이다. 비상 레벨의 차이는, 예를 들어, 물체 또는 조건이 검출되었을 때의 근접도, 차량의 속력, 물체의 치수, 또는 관심 물체의 다른 인식된 물리적 특성을 기초로 할 수 있다.
일 변경예에서, 경보(413)는 서비스 인터페이스(140)를 통해서 원격 인간 조작자 보조 시스템(400)에 통신된다. 센서 분석 구성요소(110)는, 관련 센서 데이터를 식별하기 위한, 가장 관련된 센서 정보가 시작 시에 통신되도록 관련 센서 데이터를 필터링 또는 분류하기 위한 센서 출력 로직(410)을 포함할 수 있다. 출력 센서 세트(411)는 이벤트 또는 조건에 대한 분류된 그리고 우선 순위화된 센서 정보를 반영하도록 생성될 수 있다. 출력 센서 데이터 세트(411)로서 선택된 센서 프로파일 세트(95)의 센서 데이터 아이템은, 예를 들어, 미지의 물체 또는 조건에 관한 대부분의 정보를 제공하는 센서 뷰 또는 인식을 기초로 할 수 있다. 출력 센서 세트(411)는 경보(413)로서의 역할을 할 수 있거나 그 일부일 수 있다.
도 4의 예에서, HARSAV(400)는 자율주행 차량 인터페이스("AV 인터페이스(432)") 및 인간 조작자 인터페이스 구성요소(434)를 포함한다. AV 인터페이스(432)는 하나의 또는 다수의 자율주행 차량(101)으로부터의 경보(413)를 프로세스한다. 일 구현예에서, 각각의 경보(413)가 인간 조작자에게 할당될 수 있다. 따라서, 경보(413)는 자율주행 차량(101)의 식별자(421)를 위한 AV 인터페이스(432)에 의해서 분석될 수 있고, 이어서 상응하는 인간 조작자의 인간 조작자 인터페이스 구성요소(434)에 전달된다. 인간 조작자로부터의 응답(435)은 식별자(421)의 자율주행 차량으로 다시 통신될 수 있다. 각각의 경보(413)는 또한, 입력이 요구되는 물체, 조건 또는 이벤트를 식별하는 유료 하중(payload) 또는 선택 센서 데이터(411)를 포함할 수 있다. 인간 조작자 인터페이스 구성요소(434)는, 인간 인식 및 응답 시간을 돕기 위해서 데이터를 조직하는 방식으로 센서 데이터(411)를 즉각적으로 제공하도록 구조화될 수 있다. 예를 들어, 인간 조작자 인터페이스 구성요소(434)는, 센서 데이터가 캡쳐되었을 때, 자율주행 차량(101)의 배향 및 방향성을 반영하거나 보존하도록 센서 데이터(411)를 조직할 수 있다. 인간 조작자 인터페이스 구성요소(434)는 또한, 작은 데이터 아이템이 먼저 제공되게 하면서, 센서 데이터(411)를 점진적으로 나타내거나 제공하도록 프로세스를 구현할 수 있다.
인간 조작자 인터페이스 구성요소(434)는 또한 인간 조작자 인식을 돕는 인간 조작자를 위한 하나 이상의 인터페이스를 포함할 수 있다. 예를 들어, 인간 조작자 인터페이스 구성요소(434)는 자율주행 차량(101) 내로부터의 또는 단지 차량 외측으로부터의 시뮬레이션 뷰를 포함할 수 있다. 몇몇 변경예에서, 인간 조작자 구성요소(434)는 도로 및/또는 자율주행 차량의 3-차원적인 뷰 또는 제3자 뷰를 제공할 수 있다. 부가예 또는 대안예로서, 인간 조작자 구성요소(434)는 자율주행 차량(101)의 도로에 대한 관련 맵(예를 들어, 자율주행 차량이 운행되는 도로의 주변 환경을 보여주는 맵)을 디스플레이하도록 하나 이상의 맵 인터페이스를 생성하고 디스플레이할 수 있다. 여전히 또한, 인간 조작자 인터페이스 구성요소(434)는 인간 조작자가 더 많은 정보를 요청할 수 있게 하는 기능을 포함할 수 있다. 인간 조작자 인터페이스 구성요소(434)는, 전문성 또는 특별한 생각이 없이, 그러나 오히려 시각적인 직관을 통해서, 조작자가 요청을 하게 할 수 있다. 예를 들어, 조작자가 구체적인 센서로부터의 부가적인 센서 데이터를 요청하는 대신에, 조작자는 단순히 차량의 시각적 표상의 지역을 향할 수 있고, 조작자의 요청은 조작자에 의해서 식별된 지역의 센서의 구체적인 세트로부터의 미가공 또는 프로세스된 센서 데이터를 위한 요청으로 자동적으로 변환될 수 있다. 예를 들어, 조작자는 차량위의 뷰, 또는 장범위 카메라 화상의 뷰를 요청할 수 있고, 그러한 요청은 차량의 위 또는 차량의 전방의 지역에 일치되는 디스플레이 화면에 접촉하는 조작자에 의해서 신호화될 수 있다.
몇몇 예에 따라, 사전-응답 메뉴 로직(450)은 인간 조작자의 응답 시간을 줄이기 위한 HARSAV(400) 또는 AVS(100)의 기능과 함께 제공될 수 있다. 일 구현예에서, 사전-응답 메뉴 로직(450)은 인간 조작자를 위한 선택 사항의 세트를 제공하기 위한 인간 조작자 인터페이스 구성요소(434)의 일부로서 구현될 수 있다. 부가예 또는 변경예로서, 사전-응답 메뉴 로직(450)은 AVS(100)를 부분적으로 또는 전체적으로 실행할 수 있고, 그에 따라 응답 선택 사항(455)의 적절한 메뉴가 미지의 물체, 조건 또는 이벤트에 관한 상황 및 기지의 정보를 기초로 선택될 수 있다. 예를 들어, 미인지 물체가 자율주행 차량(101)의 전방 멀리에 있는 경우에, 사전-응답 메뉴 로직(450)은 인간 조작자가 선택할 수 있게 하는 제1의 미리 설정된 메뉴 또는 선택 사항의 제1의 세트를 제공하도록 실행될 수 있다. 미지의 물체가 자율주행 차량(101)의 측면에 떨어져 있거나 뒤쪽에 있는 경우에, 사전-응답 메뉴 로직(450)은 제2의 미리 설정된 메뉴 또는 선택 사항의 제2 세트를 제공하도록 동작될 수 있다. 이러한 방식으로, 변경예는, 미지의 물체, 이벤트 또는 조건과 관련하여 알려진 상황 및 다른 정보가, 인간 조작자가 선택할 수 있는 선택 사항을 선택하기 위해서 이용될 수 있는 것을 제공한다. 인간 조작자의 선택은, 자율주행 차량(101)이 구현하도록 명령을 받은 응답 행동에 상응할 수 있다. 예를 들어, 응답 선택 사항(455)의 메뉴는 구체적인 조향 및/또는 페이스(pace) 제어 행동을 구체화하는 행동의 세트를 구체화할 수 있다. 사전-응답 메뉴 로직(450)으로부터 생성될 수 있고 인간 조작자 인터페이스 구성요소(434) 상에서 제공될 수 있는 응답 선택 사항(455)의 메뉴의 예가 도 15의 예로 도시되어 있다.
인간 차량 인터페이스 시스템
도 5는 본원에서 설명된 바와 같은 예와 함께 이용하기 위한 인간 차량 인터페이스 시스템을 도시한다. 일부 구현예에 따라, 인간 차량 인터페이스 시스템(500)은 운전자의 모바일 컴퓨팅 장치를 이용하여 구현될 수 있다. 예를 들어, 운전자의 셀룰러 폰 장치는 인간 차량 인터페이스 시스템(500)을 구현하기 위한 기능을 제공하기 위한 애플리케이션을 포함할 수 있다. 변경예에서, 운전자 차량은 인간 차량 인터페이스 시스템(500)을 제공하기 위해서 설명된 구성요소 및 기능의 일부 또는 전부를 포함할 수 있다. 여전히 또한, 몇몇 차량은, 인간 차량 인터페이스 시스템(500)의 다른 양태와 독립적으로 동작되는 보조적인 구성요소를 포함할 수 있다.
도 5의 예에서, 인간 차량 인터페이스 시스템(500)은 프로세서(510), 메모리 자원(520), (예를 들어, 터치-감응형 디스플레이 장치와 같은) 디스플레이 장치(530), (무선 통신 서브-시스템을 포함하는) 하나 이상의 무선 통신 포트(540), 및 하나 이상의 위치 검출 메커니즘(560)을 포함한다. 인간 차량 인터페이스 시스템(500)은 또한, 예를 들어, 차량이 자율주행 차량(101)을 위한 안내로서 역할을 할 때, 차량의 환경을 감지하기 위한 보조적인 센서의 세트(550)를 포함할 수 있다. 변경예에서, 보조적인 센서의 세트(550)는, 예를 들어, 도 1의 자율주행 차량(101)으로 도시되고 설명된 것과 같은 한 벌의(suite) 센서 장치를 포함할 수 있다. 센서는, 예를 들어, 차량 외부로 확장될 수 있고 장면의 2D 또는 3D 화상을 캡쳐할 수 있으며, 차량 위 또는 아래의 화상을 캡쳐할 수 있고, 주변 영역의 소나 또는 라이더 화상을 획득할 수 있다.
다양한 지리-인식 자원 및 위치 검출 메커니즘이 위치 검출 메커니즘(560)을 위해서 사용될 수 있다. 예로서, 인간 차량 인터페이스 시스템(500)과 함께 제공되는 위치 검출 메커니즘은 범지구 위치 결정 시스템(GPS) 자원, 시각적 주행 거리 측정, 랜드마크 인지(예를 들어, 카메라 센서로부터의 화상 프로세싱), 및/또는 움직임 센서 프로세싱을 포함할 수 있다. 몇몇 예에서, 위치 검출 메커니즘은, 예를 들어, 인간 차량 인터페이스 시스템(500)이 좋지 못한 GPS 인식을 가지거나 가지지 않을 때, GPS를 위한 여분의 또는 대안적인 위치 검출 능력을 제공할 수 있다. 무선 통신 포트(540)는 하나 이상의 무선 데이터 채널(예를 들어, 셀룰러 채널)을 통해서 무선 데이터를 송신 및 수신할 수 있다. 도 5의 예에서, 메모리 자원(520)은 통지 엔진(522)을 위한 명령어를 저장할 수 있다. 프로세서(510)는, 디스플레이 장치(530) 상에서 통지(521)를 디스플레이 또는 제공하기 위해서, 통지 엔진(522)의 명령어를 실행할 수 있다. 통지(521)는, 예를 들어, 생성될 수 있거나, 달리 도 2의 HV 안내 시스템(200)으로부터 통신된 데이터를 기초로 할 수 있다. 디스플레이 장치(530)는, 예를 들어, 자율주행 차량(101)의 안내에서 운전자가 하는 역할을 운전자에게 알리는 메시지를 디스플레이할 수 있다. 안내 차량의 역할에서 운전자에게 디스플레이 하기 위한 통지(521)의 예가 도 11a 내지 도 11c의 예에 의해서 도시되어 있다.
인간 차량 인터페이스 시스템(500)이 안내로서의 역할을 하는 차량 내에서 동작될 때, 프로세서(510)는 또한 무선 통신 포트(540)를 통해서 안내 명령어(또는 경로 보조 명령어)(527)를 수신할 수 있다. 안내 명령어(527)는, 예를 들어, 자율주행 차량(101)의 위치 결정에 있어서 운전자를 보조하기 위해서, 그리고 또한 자율주행 차량이 추적하거나 따르는 것을 돕는 방식의 운전을 위해서, 시각적 정보 및/또는 문자 정보를 제공하는 안내 콘텐츠(529)로서 제공될 수 있다.
통지 엔진(522)이 또한 실행되어 운전자와 통신할 수 있고 그리고 운전자가 보조적인 센서의 세트(550)를 스위치 온 또는 달리 동작시키도록 트리거링할 수 있다. 예를 들어, 통지 엔진(522)은, 운전자가, 예를 들어, 보조적인 센서의 세트(550)를 이용하여 센서 정보(535) 기록을 개시하여야 할 때를 통지하기 위해서, 무선 통신 포트(540)를 통해서 HV 안내 보조 시스템(200)(도 2 참조)으로부터 수신되는 위치 프롬프트(525)를 이용할 수 있다. 따라서, 예를 들어, HV 안내 차량은, 하나의 자율주행 차량(101)이 항행하기 어려운 특별한 차도 단편에 대한 센서 정보(535)를 기록하는 이중 역할을 할 수 있다. 센서 정보(535)로부터 결정된 부가적인 정보로, HV 안내 시스템(200)은 관심 차도 단편의 회피 또는 그러한 차도 단편을 통한 운전에 있어서 다른 차량을 돕기 위한 정보를 결정할 수 있다. 예로서, 센서 정보(209)는, 지역 특이적 정보 공급원(217)(도 2 참조)의 일부를 포함하는 정보로서 프로세스되고 구현될 수 있다.
일부 변경예에서, 보조적인 센서의 세트(550)는 인간 차량 인터페이스 시스템(500)의 다른 구성요소와 독립적으로 및/또는 별개로 동작될 수 있다. 예를 들어, 일 구현예에서, 프로세서(510)는, 예를 들어, 센서 장치가 동작되어야 할 때 신호를 전달하는 것에 의해서, 하나 이상의 보조적인 센서에 대한 제어(511)를 구현할 수 있다. 부가적으로, 프로세서(510)는 기록된 센서 정보(535)를 수신할 수 있고 데이터를 저장할 수 있으며 및/또는 데이터를 프로세스할 수 있거나 달리 데이터를 이용할 수 있는 원격 서비스에 데이터를 통신할 수 있다. 그러나, 변경예에서, 보조적인 센서 세트(550)는, 운전자의 모바일 컴퓨팅 장치 상에 있을 수 있는 프로세서(510)와 독립적으로 동작될 수 있다. 따라서, 보조적인 센서 세트(550)는 선택적으로 별개의 무선 통신, 메모리 및 프로세싱 자원을 포함할 수 있고, 원격 서비스의 제어 하에서 추가적으로 작업할 수 있다.
몇몇 변경예에서, 인간 차량 인터페이스 시스템(500)은, 도로에 관한 정보를 획득하는데 있어서 운전자를 트리거링하기 위한 명령어 또는 프롬프트를 원격 서비스로부터 또한 수신하는 모바일 컴퓨팅 장치로서 구현될 수 있다. 예를 들어, 프로세서(510)는, 운전자가 정보를 제공하게 하기 위해서 또는 (예를 들어, 차를 한쪽에 세우고 도로 단편의 사진을 찍도록 모바일 컴퓨팅 장치 상의 카메라를 이용하는) 다른 행동을 취하게 하기 위해서 디스플레이 장치(530) 상에서 또는 음성을 통해서 제공될 수 있는, 정보 프롬프트를 무선 통신 포트(540)를 통해서 수신할 수 있다.
원격 서비스 또는 시스템 컴퓨터 시스템
도 6은, 본원에서 설명된 실시예가 구현될 수 있는 컴퓨터 시스템을 도시하는 블록도이다. 컴퓨터 시스템(600)은, 예를 들어, 서버 또는 서버의 조합 상에서 구현될 수 있다. 예를 들어, 컴퓨터 시스템(600)은, 운송 준비 서비스(10)(도 1 참조) 또는 시스템(도 3 참조), HV 안내 보조 서비스(20)(도 1 참조) 또는 시스템(200)(도 2 참조), 및/또는 원격 인간 조작자 보조 서비스(30)(도 1 참조) 또는 시스템(도 4 참조)와 같은, 네트워크 서비스의 일부로서 구현될 수 있다. 도 1 내지 도 4의 상황에서, 인간 차량 안내 서비스 및/또는 원격 인간 조작자 보조 서비스를 제공하는, 운송 준비를 위한 서비스 및 상응하는 시스템은 도 6에 의해서 설명된 바와 같은 컴퓨터 시스템 또는 컴퓨터 시스템 조합을 이용하여 구현될 수 있다. 서버 또는 서버 조합에 대한 대안예로서, 설명된 예시적인 서비스 또는 시스템 중 임의의 것이 도 6에 의해서 설명된 바와 같은 다수 컴퓨터 시스템의 조합을 이용하여 구현될 수 있다.
일 구현예에서, 컴퓨터 시스템(600)은 프로세싱 자원(610), (리드 온리 메모리(ROM) 및/또는 저장 장치를 포함하는) 메모리 자원(620), 및 통신 인터페이스(650)를 포함한다. 컴퓨터 시스템(600)은 메모리 자원(620) 내에 저장된 정보를 프로세싱하기 위한 적어도 하나의 프로세서(610)를 포함한다. 메모리 자원(620)은, 정보 및 프로세서(610)에 의해서 실행될 수 있는 명령어를 저장하기 위해서, 주 메모리 구성요소, 랜덤 액세스 메모리(RAM) 및/또는 다른 동적 저장 장치를 포함한다. 메모리 자원(620)은 또한 프로세서(610)에 의해서 실행되는 명령어의 실행 중에 변수 또는 다른 중간 정보를 일시적으로 저장하기 위해서 이용될 수 있다. 메모리 자원(620)은 프로세서(610)를 위해서 정적 정보 및 명령어를 저장하기 위한 ROM 또는 다른 정적 저장 장치를 이용할 수 있다. 자기 디스크 또는 광학 디스크와 같은 저장 장치가 정보 및 명령어의 저장을 위해서 제공된다.
통신 인터페이스(650)는 컴퓨터 시스템(600)이 네트워크 링크(무선 또는 유선)의 이용을 통해서 하나 이상의 네트워크(680)(예를 들어, 셀룰러 네트워크)로 통신할 수 있게 한다. 네트워크 링크의 이용 시에, 컴퓨터 시스템(600)은, 인간 차량 인터페이스 시스템(500)(도 5 참조)으로서 또는 그와 함께 이용되는 자율주행 차량(101) 및/또는 장치와 같은, 하나 이상의 컴퓨팅 장치와 통신할 수 있다. 예에 따라서, 컴퓨터 시스템(600)은, 향상된 또는 증강된 서비스의 하이브리드화를 제공하기 위해서 설명된 바와 같은 서비스의 하나 이상을 조합하는 인간 운전 차량 및 자율주행 차량을 위한 위치 정보를 수신한다. 메모리(630) 내에 저장된 실행 가능 명령어는 (i) 운송 준비 서비스(10)(도 1 참조) 및 그 시스템(도 3 참조)("TRI(621)")을 실행하기 위한 명령어(621), (ii) HV 안내 보조 서비스(20)(도 1 참조) 및 그 시스템(도 2 참조)("HVGI(623)")를 구현하기 위한 명령어(623), 및 (iii) 원격 인간 조작자 보조 서비스(30)(도 1 참조) 및 그 시스템(도 4 참조)("RHOA(625)")을 구현하기 위한 명령어(625)를 포함할 수 있다. 예를 들어, 명령어(625)의 실행은, 도 4와 관련하여 설명된 것과 같은, 자율주행 차량에 전달하고자 하는, 입력 메커니즘을 통한, 안내 응답을 인간 조작자가 제공할 수 있게 하기 위해서, 컴퓨터 시스템(600)과 연관된 디스플레이 상에서, 사용자 인터페이스가 제시되게 할 수 있다.
본원에서 설명된 예는 본원에서 설명된 기술을 구현하기 위한 컴퓨터 시스템(600)의 이용과 관련된다. 일부 예에 따라, 그러한 기술은, 메모리 자원(620)의 주 메모리 내에 포함된 하나 이상의 명령어의 하나 이상의 시퀀스를 실행하는 프로세서(610)에 응답하여 컴퓨터 시스템(600)에 의해서 실시된다. 그러한 명령어는 저장 장치와 같은 다른 기계-판독 가능 매체로부터 주 메모리 내로 판독될 수 있다. 메모리 자원(620) 내에 포함된 명령어의 시퀀스의 실행은, 프로세서(610)로 하여금 본원에서 설명된 프로세스 단계를 실시하게 한다. 대안적인 구현예에서, 고정-배선형(hard-wired) 회로망을 소프트웨어 명령어 대신에 또는 그와 조합하여 이용하여, 본원에서 설명된 예를 구현할 수 있다. 그에 따라, 설명된 예는 하드웨어 회로망 및/또는 소프트웨어의 임의의 특정 조합으로 제한되지 않는다.
인간 안내 차량 보조를 위한 방법론 및 예
도 7은 인간 운전 안내를 수신하기 위해서 자율주행 차량에 의해서 실시될 수 있는 예시적인 방법을 도시한다. 도 8은 운전 안내를 수신하기 위해서 자율주행 차량을 인간 운전 차량과 페어링하기 위해서 서비스에 의해서 구현될 수 있는 예시적인 방법을 도시한다. 도 9는 자율주행 차량을 보조하기 위해서 차량을 운전하도록 인간 조작자에게 지시하기 위한 예시적인 방법을 도시한다. 도 7 내지 도 9로 설명된 것과 같은 예시적인 방법은, 예를 들어, 도 1 및 도 2의 예로 설명된 것과 같은 시스템 및 서비스를 이용하여 구현될 수 있다. 부가적으로, 안내로서 인간 운전 차량을 이용하는 것과 관련된, 인간 운전 차량 인터페이스 시스템의 양태를 구현하기 위한 하드웨어 구성요소 및 기능은 도 5의 예로 설명한 바와 같은 하드웨어 구성요소 및 기능을 이용할 수 있다. 또한, 네트워크 서비스의 양태를 구현하기 위한 하드웨어 구성요소 및 기능은 도 6의 예로 설명된 바와 같은 컴퓨터 시스템을 이용하여 구현될 수 있다. 도 7 내지 도 9의 예의 설명에서, 설명된 바와 같은 동작을 구현 또는 실시하기 위한 적절한 구성요소 및 기능을 예시하기 위해서, 도 1, 도 2, 도 5 및 도 6의 요소를 참조할 수 있다.
도 7을 참조하면, 자율주행 차량(101)은 운전 승객 또는 화물 또는 아이템 배달 형태의 운송 서비스를 제공할 수 있다. 자율주행 차량(101)의 AVS(100)는 안전 통과를 위한 AVS(100)의 신뢰도 값에 영향을 미치는 이벤트 또는 조건을 연속적으로 검출하도록 동작될 수 있다. 더 구체적으로, AVS(100)에 의해서 결정되는 신뢰도 값은, 설계 및 구현예에 따라, 다양한 매개변수를 반영할 수 있다. 몇몇 예에서, 신뢰도 값은 (i) AVS(100)가 도로를 어떻게 진행하고 이해하는지에 있어서의 확실성의 레벨, (ii) 도로에 영향을 미치는 이벤트 또는 조건, 및/또는 (iii) AVS(100)가 목적지까지 그 경로를 따라서 안전하게 진행하기 위해서 실시할 필요가 있는 행동을 반영한다. 이와 관련하여, AVS(100)가 이전에 직면하였던 이벤트 또는 조건은 본질적으로 더 큰 신뢰도 값을 가질 수 있는 반면, 비교적 새로운 또는 이전에 직면하지 않았던 시나리오는 작은 신뢰도 값 값을 초래할 수 있다. 도시 환경에서, 예를 들어, 교통, 차도 공사, 보행 이벤트 및 많은 다른 상황이 비교적 새로운 조건 또는 이벤트로 종종 인식될 수 있는데, 이는 그러한 이벤트 또는 조건의 성질이 지역의 상이한 지리적인 위치들뿐만 아니라, 상이한 순간들에서 비교적 특유하다는 점에서 그러하다.
자율주행 차량(101)의 AVS(100)는, 신뢰도 값이 불안전으로 간주되는 경우를 위한 문턱값 레벨(또는 레벨들)을 미리 결정할 수 있다(710). 또한, AVS(100)는 변화되는 환경 또는 조건의 세트를 반영하기 위해서 문턱값을 조율할 수 있다. 상이한 지리적인 지역들은, 안전 또는 불안전으로 간주되는 신뢰도 값들에 대한 상이한 문턱값들을 요구할 수 있다. 예를 들어, 서행하는 차량뿐만 아니라, 비교적 덜 막히고 도로 위험이 적은 지리적인 지역은 AVS(100)의 센서 인식에 있어서 불확실성과 관련하여 더 관대한 신뢰도 값을 가질 수 있다. 일 예에 따라, 운송 준비 시스템의 조작자는 미리 결정된 문턱값 레벨을 AVS(100)에 제공할 수 있다.
AVS를 위한 신뢰도 값에 영향을 미치는 이벤트 또는 조건은 미리 결정된 문턱값을 기초로 행동을 결정할 수 있다(720). 몇몇 예에 따라, AVS(100)는 이벤트 또는 조건을 검출하는 엔티티(entity)에 상응할 수 있다(722). 몇몇 변경예에서, 원격 서비스(예를 들어, 도 1의 원격 인간 조작자 서비스(30))가 이벤트 또는 조건을 검출 또는 예상할 수 있다(724).
이벤트 또는 조건이 검출될 때, 자율주행 차량(101)은 보조를 받는다(730). 예를 들어, 신뢰도 값이 안전 통과를 위한 문턱값 미만인 이벤트 또는 조건을 AVS(100)가 검출할 때, AVS(100)는 이벤트 요청(121)(도 1 참조)을 생성할 수 있다. 몇몇 변경예에서, 자율주행 차량(101)에 의해서 요청되거나 자율주행 차량(101)에 제공되는 서비스는 검출되는 이벤트 또는 조건의 유형을 기초로 할 수 있다. 예를 들어, 도 1의 예를 참조하면, 자율주행 차량을 보조하기 위한 다수의 서비스가 AVS(100)에서 이용될 수 있다. 자율주행 차량(101)의 AVS(100)는, 어떠한 서비스가, 예를 들어, 컴퓨터-기반의 지능 또는 로직의 이용으로부터의 보조에 접속하거나 그러한 보조를 요청하는지를 결정할 수 있다. 요청을 하는데 있어서, AVS(100)는, 예를 들어, 선택된 네트워크 서비스에 의한 핸들링을 위한 하나 이상의 무선 네트워크에 걸쳐, 이벤트 요청(121)을 신호할 수 있다. 도 7의 예에서, 이벤트 요청(121)은, 도 2의 예에 의해서 설명되는 바와 같이, HV 안내 보조 시스템(200)에 의해서 처리될 수 있다. 자율주행 차량(101)은, AVS(100)의 관심을 받는 차도 단편을 통한 자율주행 차량의 통과를 돕기 위해서, 인간 운전 차량으로부터의 보조된 안내를 수신할 수 있다.
몇몇 예에서, 인간 운전 차량 안내의 수신은 분리된 단계들(phases)로 AVS(100)에 의해서 구현될 수 있고, 각각의 단계는 자율주행 차량(101)으로부터 상이한 유형의 행동을 요구할 수 있다. 첫 번째로, AVS(100)는, 자율주행 차량(101)이 선택된 인간 운전 안내 차량의 도착을 기다릴 수 있는 만남 위치(213)로 이동하기 위해서 경로 분석 구성요소(210)에 의해서 명령을 받을 수 있다(732). 하나의 기본적인 예에서, 자율주행 차량을 위한 명령은, 자율주행 차량(101)이 현재 차도 단편 상에서 최초로 이용 가능한 개방 공간에서 주차하거나 차를 한쪽에 세우는 것을 단순히 통신할 수 있다. 그러나, 예는, 차량에서 불확실성을 생성하는 이벤트 또는 조건이 차량을 한쪽에 세우고 주차하는 것을 종종 배제한다는 것을 인지한다. 예를 들어, 극심한 도로 정체 및/또는 보행 이벤트는 자율주행 차량(101)이 차량을 주차하고 대기할 수 있는 주차 공간 또는 갓길을 찾거나 그에 접근하는 것을 배제할 수 있다. 따라서, 변경예에서, AVS(100)는 만남 위치로 운전하기 위한 경로에 의해서 명령어를 받을 수 있다(734). 명령어는 또한, 자율주행 차량(101)이 만남 위치에서 대기하여야 한다는 것뿐만 아니라, 전조등 및/또는 비상등 점등과 같은 다른 안전 행동을 실시하여야 한다는 것을 구체화할 수 있다(736). 등의 스위칭 온과 같이, 어떠한 행동을 차량이 실시하여야 하는 지를 결정하는 것은 부분적으로, 하루 중의 시간, 기후 조건, 만남 위치의 교통량 또는 혼잡, 그리고 다양한 다른 조건과 같은 환경적 인자를 기초로 할 수 있다. AVS(100)는 차량 인터페이스 서브시스템(130)을 이용하여 명령어를 구현할 수 있다. 예를 들어, HV 안내 시스템(200)은 경로 정보(141)를 AVS(100)에 통신할 수 있고, 그에 따라 제어기(144)는 경로 제어(147)를 구현할 수 있고 차량 인터페이스 서브시스템(130)이 만남 위치(213)로 차량을 조향하게 할 수 있다. 만남 위치(213)에서, HV 안내 시스템(200)은 명령어(151)를 통신할 수 있고, 제어기(144)는, 차량이 만남 위치(213)에서 대기하도록 하기 위해서 그리고 등의 스위칭 온과 같은 다른 행동을 실시하도록 하기 위해서, 차량 제어 신호(149)를 구현할 수 있다.
몇몇 변경예에 따라, 자율주행 차량(101)은 인간 운전 안내 차량에 앞서서 만남 위치(213)에 도달한다. 예를 들어, 이벤트 요청(121)가 최초로 신호될 때, 만남 위치(213)가 자율주행 차량(101)의 위치에 밀접하게 근접되는 것을 가정할 수 있다. 만남 위치(213)에서, AVS(100)는 인간 운전 안내 차량 도착의 검출을 기다린다. 몇몇 변경예에서, 인간 운전 안내 차량의 도착은, 예를 들어 자율주행 차량(101)을 지나서 및/또는 부근에서 단순히 주행하는 인간 운전 안내 차량에 의해서 피동적으로 구현될 수 있다. 변경예에서, 인간 운전 안내 차량은 차를 한쪽에 세울 수 있고 및/또는 시각적인 손 흔들기 또는 다른 교환의 실시를 가능하게 할 수 있고, 그에 의해서 자율주행 차량(101)은 주어진 차도 단편에 대해서 안내 차량을 따르거나 달리 추적하도록 연계되기 시작한다.
인간 운전 안내 차량의 도착은 또한 다양한 메커니즘을 통해서 검출될 수 있다(740). 일 구현예에서, HV 인터페이스(240)는 안내 차량의 위치를 추적하고, 위치 정보는 인간 운전 차량 안내 보조 시스템(200)에 의해서 AVS(100)에 통신된다. 인간 운전 차량 안내 보조 시스템(200) 및/또는 AVS(100)는 또한, 예를 들어, 자율주행 차량(101)이 선택된 동작을 실시하는 것 또는 인간 운전 안내 차량의 이용을 돕는 것을 개시하는, 근접도 로직을 포함할 수 있다. 예로서, 자율주행 차량(101)은 그 엔진을 시동할 수 있고 및/또는 차량이 안내 차량 뒤에서 교통 구간 내로 진행하도록 스스로 방향을 잡을 수 있다.
안내 차량의 도착이 일단 검출되면, 자율주행 차량(101)은, 자율주행 차량(101)이 그 신뢰도를 상실하는 지점을 포함하는 차도 단편을 통해서 안내 차량을 추적한다(750). 안내 차량의 추적에서, 자율주행 차량(101)은, 자율주행 차량(101)이 임의의 다른 상황 하에서 실시할 수 있는 것에 반대될 수 있는 행동을 실시하기 위해서, 따르기 위한 조향(752), 따르기 위한 페이싱(pacing)(754), 및/또는 도로에 관한 기지의 규칙 및/또는 지식의 무시(756)를 포함하는, 광범위한 범위의 운전 동작을 실시할 수 있다. 더 구체적으로, 따르기 위한 조향(752)은, 자율주행 차량(101)이 안내 차량의 경로를 추적하기 위해서 차선을 변경하는 것 및/또는 도로 내로 진입하는 것과 같은, 행동을 포함할 수 있다. 도 1을 참조하면, 따르기 위한 조향은, 선택적으로, 차량 인터페이스 서브시스템(130)을 위해서 제어기(144)에 통신되는 경로 정보(141)로서 안내 차량의 위치 정보를 이용하는 것에 의해서 구현될 수 있다. 따르기 위한 페이싱(754)은 또한 자율주행 차량(101) 추진 및 제동에 의해서 제공되는 것과 같은 행동을 포함할 수 있다. 추진 및/또는 제동은, 사실상 자율주행 차량(101) 앞의 하나 초과의 차 또는 차 길이일 수 있는 안내 차량에 대한 근접도와 관계 없이 또는 근접도를 고려하지 않고 실시될 수 있다. 따르기 위한 페이싱 구성은, 자율주행 차량(101)이 안내 차량이 있는 차도 단편을 통해서 진행할 수 있도록 설정될 수 있으나, 그러나 다른 주변 및/또는 이벤트는, 차도 단편을 통해서 조작할 때 자율주행 차량(101)이 달리 제동 및/또는 추진할 것을 요구할 수 있다. 예를 들어, 안내 차량이 차도 단편을 통해서 진행할 수 있고 도로에 진입하는 큰 보행 통행 그룹을 놓칠 수 있고, 이는, 안내 차량이 더 안정된 속도를 유지할 수 있는 동안, 자율주행 차량(101)이 정지 및 출발과 함께 더 서서히 진행하여야 한다는 것을 의미한다.
(756)과 관련하여, 몇몇 변경예는, AVS(100)가 행동에 대해서 판정할 것을 조건 또는 이벤트가 요구할 때, 디폴트 권한인 운전 규칙을 AVS(100)가 유지하는 것을 제공한다. 예를 들어, AVS(100)는 신호등과 관련한 규칙을 유지할 수 있고, 차량은 신호등이 녹색일 때 신호등을 통해서 진행하고, 신호등이 황색이 되는 경우에 신호등까지 서행하고, 신호등이 적색일 때 신호등에서 완전히 정지한다. 교통 규칙 등은, 신호등이 적색일 때, 자율주행 차량(101)이 교차로에 진입할 수 없다는 것을 구체화할 수 있다. 유사하게, 다른 규칙은, 자율주행 차량(101)이 거리의 반대편 차선 및/또는 도로의 갓길 또는 보도로 운전하지 않는 것을 제공할 수 있다. 예는, AVS(100)가 훈련될 수 있는 이러한 규칙이, 종종 차량이, 큰 공사 장소에 의해서 제공되는 것과 같은, 몇몇 복잡한 도로 조건을 통해서 진행하기 위해서 운전될 필요가 있는 방식과 종종 충돌할 수 있다는 것을 인지한다. 따라서, AVS(100)는, 안내 차량이 기존 규칙 및 AVS(100)의 지식에 우선하는 권한을 가지는 안내된 동작 모드를 포함할 수 있다. 예를 들어, 안내된 동작 모드에서 동작될 때, 자율주행 차량(101)은, 인간 운전 안내 차량이 할 수 있는 것과 같이, 신호등을 무시할 수 있거나, 차도를 벗어날 수 있거나, 거리의 반대쪽 차선 상으로 운전할 수 있다.
일부 예에 따라, AVS(100)는 또한, 차도 단편이 컴퓨터적으로 이해될 수 있기 시작하고, 및/또는 조건 또는 이벤트를 지나며, 그에 따라 AVS(100)의 신뢰도가 안전 문턱값보다 큰 값으로 복귀되고 디폴트 자율주행 모드로 복귀되면, 인간 운전 안내 차량으로부터 탈착(또는 페어-분리)될 수 있다(760). 일 구현예에서, 결정은, 자체적으로 도로를 통해서 항행하기 위한 그 신뢰도 값을 계산하기 위해서 도로를 계속적으로 모니터링하는 AVS(100)에 의해서 이루어진다. 변경예에서, 인간 운전 안내 차량(예를 들어, 인간 조작자)은, 자율주행 차량(101)이 안내 차량 추적으로부터 탈착되어야 할 때를 결정할 수 있다. 예를 들어, 인간 판단이 이용될 수 있고, 안내 차량의 조작자는, 인간 운전 안내 시스템 인간 차량 인터페이스 시스템 인간 차량 인터페이스 시스템(500)(도 5 참조)의 일부를 형성할 수 있는 핸드셋에 제공된 특징부를 선택할 수 있다. 여전히 또한, HV 안내 시스템(200)은, 도로의 조건 또는 20의 다른 정보와 관련하여 이루어진 결정을 기초로, 자율주행 차량(101) 및 인간 운전 안내 차량이 탈착 또는 분리될 수 있는 때를 결정할 수 있다.
도 8을 참조하면, HV 안내 시스템(200)은, 집단의 인간 운전 차량을 관리하거나 달리 모니터링하는 네트워크 서비스의 일부로서 동작될 수 있다(810). 인간 운전 차량의 모니터링은, 각각의 차량을 위한 동작의 상태뿐만 아니라, 개별적인 차량의 현재 위치를 식별하는 것을 포함할 수 있다. 각각의 차량의 동작 상태는, 이용 가능하나 유효 트립 상에 있지 않은 차량(814)뿐만 아니라, 유효 트립 상에 있는 차량(812)을 식별할 수 있다. 몇몇 변경예에서, 이용 상태는 또한, 유효 트립 상에 있으나, 차량이 유효 트립 상에 더 이상 있지 않게 될 시점 또는 거리인, 서비스 위치 또는 트립 하차에 대한 지정 시간 또는 거리 문턱값 이내에 있는 차량을 식별할 수 있다. 예를 들어, HV 안내 시스템(200)은 유효 요금 승객에 대해서 운송 요청을 기다리는 차량, 및 유효 요금 상에 있으나 요금에 대한 목적지 또는 하차에 1분 이내에 도착하는 차량을 식별할 수 있다. 여전히 또한, 몇몇 변경예에서, HV 안내 시스템(200)은, (예를 들어, 승객 픽업을 위한) 서비스 위치까지의 경로에 있도록, 요금이 유효하나 새롭게 요금이 할당된 차량을 식별할 수 있다.
HV 안내 시스템(200)은, 다른 예에 의해서 설명된 바와 같이, 자율주행 차량(101)이 그 트립 상에서 안전하게 진행될 수 있는지에 관한 AVS(100)의 결정에 있어서 AVS(100)의 신뢰도 값을 떨어뜨리는 이벤트 또는 조건과 자율주행 차량(101)의 AVS(100)가 만날 때, 안내 보조 요청을 수신할 수 있다(820). 요청 수신에 대한 응답에서, HV 안내 시스템(200)은 만남 위치까지 운전하도록 자율주행 차량(101)에 명령할 수 있다(822). 그러한 명령어는 만남 위치까지의 정로 정보를 포함할 수 있다. 부가적으로, 명령어는, 만남 위치에서 대기, 차량의 등 점등, 만남 위치의 지역 내에 있는 주어진 위치에서 주차 및 이용 가능한 주차 장소, 또는 차를 한쪽에 세우는 것과 같은, 자율주행 차량(101)이 실시하는 부가적인 행동을 포함할 수 있다. 대안적으로, HV 안내 시스템(200)은, 항행이 어려운 부분인 것으로 식별되었던 경로의 일부(예를 들어, 차도 단편)까지 자율주행 차량(101)이 이동할 것을 결정할 수 있다.
HV 안내 시스템(200)은, 자율주행 차량(101) 보조에서 안내로서 작용하도록 인간 자원 풀(92)(도 1 참조)로부터 인간 운전 차량을 선택할 수 있다(830). 안내 차량, 만남 위치 및/또는 만남 장소에 대한 운전자의 풀의 근접도가 결정될 수 있다(832). 인간 운전 차량의 선택은, 도 2의 예로 설명된 바와 같은, 다양한 인자를 기초로 할 수 있다. 다른 인자들 중에서, 선택된 안내 차량이 만남 위치에 도착하기 위한 추정 시간 또는 근접도가 선택을 위한 그 기준 또는 구성요소를 형성할 수 있다(834). 예를 들어, 선택된 차량이 유효 상태를 가질 때, 인간 운전 차량을 선택하기 위한 기준은, 만남 위치로 향하기 전에 현재 경로를 완료할 수 있는 안내 차량의 능력뿐만 아니라, 안내 차량의 기존 요금에 부가되는 시간 또는 거리의 양(예를 들어, 진행 중의 요금의 ETA의 변화)을 포함할 수 있다(836).
자율주행 차량(101)을 안내하도록 인간 운전 차량이 선택되면, 만남 위치까지 운전하도록 해당 차량에 명령어가 송신된다(840). 예로서, 명령어는, 차량의 현재 요금이 중단되지 않는다는 것, 또는 운전자는 만남 위치로 향하기 전에 진행되는 요금을 완료할 수 있다는 것을 구체화할 수 있다.
만남 위치에서, 자율주행 차량(101)은 인간 운전 안내 차량의 추적을 개시할 수 있다(850). 자율주행 차량(101)은 예를 들어 도 7에 의해서 설명된 방식으로 안내 차량을 추적할 수 있다. 추적이 발생되는 동안, 안내 차량의 인간 조작자는, 안내 차량이 자율주행 차량에 의해서 추적된다는 것을 통지 받을 수 있다. 예를 들어, 인간 운전 안내 차량 시스템 인간 차량 인터페이스 시스템 인간 차량 인터페이스 시스템(500)은, 자율주행 차량(101)에 관한 정보를 식별하는 통지(521) 및 안내 차량을 추적하는 자율주행 차량(101)의 상태(예를 들어, 추적 계속, 추적 중단, 등)를 디스플레이하는, 운전자의 모바일 컴퓨팅 장치를 포함할 수 있다. 도 11a 내지 도 11c는, 인간 운전 안내 차량 시스템 인간 차량 인터페이스 시스템 인간 차량 인터페이스 시스템(500) 상에서 디스플레이될 수 있는 통지의 예시적인 인터페이스를 도시한다.
도 9의 예를 참조하면, 풀의 HV 차량 중 하나의 운전자는, 자율주행 차량(101)을 위한 안내를 수신하기 위해서 만남 위치로 운전하도록 운전자에게 명령하는 통지를 위치시킨다(910). 예를 들어, 인간 운전 차량은, 운송 준비 서비스(10)와 관련하여 운전자가 사용하는 모바일 컴퓨팅 장치의 화면 상에 통지(521)가 나타날 때, 진행할 수 있거나, 대안적으로, 요금의 픽업으로 갈 수 있다. 인간 운전 차량은, 만남 위치에 근접하거나 도달할 때, 경보를 생성할 수 있거나, 위치 정보를 달리 통신할 수 있다(912).
인간 운전 차량이 만남 위치에 도달하거나 지나면, 인간 운전 차량은, 자율주행 차량(101)이 신뢰도 상실과 직면하였던 위치를 통과하는 새로운 경로 단편을 결정할 수 있거나 달리 제공될 수 있다(920). 예를 들어, 인간 운전 차량이 그 유효 요금에서 재경로 설정되는 경우에, 안내가 제공되는 차도 단편을 통과하고, 그리고 이어서 현재 요금의 서비스 위치 또는 하차까지 가는 안내 차량에 대해서 새로운 경로가 계산된다.
안내 차량이 자율주행 차량(101)과 페어링될 때, 인간 차량 인터페이스 시스템(500)은 자율주행 차량(101)의 존재를 운전자에게 알려 주는 통지를 수신할 수 있다(930). 몇몇 변경예에서, 안내 차량의 운전자는 또한, 자율주행 차량(101)의 추적 또는 뒤따름을 촉진 또는 돕기 위해서 피드백을 수신할 수 있다(932). 예를 들어, 자율주행 차량(101)이 문제가 되는 차도 단편을 통해서 안내 차량을 추적할 수 있게 보장하기 위해서, 서행, 항행 및 옆길에서의 멈춤, 및/또는 다른 행동을 실시하도록 운전자에게 통지될 수 있다. 몇몇 변경예에서, 안내 차량은 또한, 자율주행 차량(101)에 문제를 유발하였던 차도 단편에 관한 정보를 획득하기 위해서, (구두로 이루어지는 것 또는 연관된 모바일 컴퓨팅 장치의 카메라 동작을 통하는 것을 포함하여) 센서 장비를 동작시키도록 및/또는 정보를 기록하도록 명령 받을 수 있다(934). HV 안내 보조 시스템(200)은, 자율주행 차량(101)의 신뢰도 상실을 유발한 이벤트 또는 조건을 더 이해하기 위해서, 운전자에 의해서 제공되는 정보를 프로세스할 수 있다. 여러 예에 따라서, 운전자 및/또는 HV 안내 보조 시스템(200)은 (i) 이벤트 또는 조건을 분류할 수 있고, (ii) 이벤트 또는 조건을 통해서 또는 돌아서 진행하는 순수 자율주행 차량(101) 항행 전략을 수작업으로 식별할 수 있으며, 및/또는 (iii) 이벤트 또는 조건의 지속시간, 크기, 또는 다른 속성을 시간에 걸쳐 추정할 수 있다. 자율주행 차량(101)의 안내가 완료될 때, 안내 차량의 운전자는, 자율주행 차량(101)의 추적이 종료되었다는 통지를 수신할 수 있다(936).
도 10은, 하나 이상의 실시예에 따른, 차도 단편을 통해서 자율주행 차량을 보조하기 위해서 인간 안내 차량을 이용하는 것에 대한 예를 도시한다. 도 10의 예에서, 자율주행 차량(1020)은, 군중을 우회하도록 임시로 구축된 차도 우회로를 포함하는, 도로 단편에서의 어려움을 갖는다. 자율주행 차량(1020)이 신호등을 알 수 있고 또한 도로에 인접한 영역이 인도라는 것을 알 수 있다는 점에서, 자율주행 차량(1020)은 차도 단편을 알고 있다. 자율주행 차량(1020)이 도로를 알 수 있지만, 제공된 예에서, 도로 내의 군중은 해당 자율주행 차량(1020)의 AVS(100)가 신뢰도를 상실하여, 결과적으로 HV 안내 시스템(200)에 대한 이벤트 요청(121)을 초래하는 이벤트 또는 조건을 생성한다. (예를 들어 서비스 클라우드로서 도시된) HV 안내 시스템(200)은 자율주행 차량(1020)을 안내하도록 인간 차량 운전자를 선택하고 그에 명령할 수 있다. HV 안내 시스템(200)은 또한 추적 명령(1010)을 자율주행 차량(1020)에 전송할 수 있다. 자율주행 차량(1020)은 만남 위치에 도착할 수 있고, 자율주행 차량(1020)은 차도 단편(1005)까지 인간 운전 안내 차량(1022)을 따르거나 추적할 수 있다. 이어서, 자율주행 차량(1020)은 차도 단편(1005)까지 인간 운전 차량(1022)을 추적할 수 있다. 인간 운전 안내 차량(1022)의 추적에서, 자율주행 차량(1020)은, 자율주행 차량(1020)의 센서에 의해서 감지된 도로 위험 또는 조건을 피하는 것 그리고 또한 차도 위치 및 인간 운전 안내 차량(1022)의 위치를 유지하는 것 모두를 위해서 회전, 차선 변경, 및 조향할 수 있다. 따라서, 예를 들어, 자율주행 차량(1020)은, 해당 인간 운전 차량(1022)이 직면하지 않은 도로 조건과 직면하는 한편, 자율주행 차량(1020)은, 차도의 동일 차선을 이용하여 그리고 동일한 회전을 실시하여, 동일한 경로를 따라 인간 운전 차량(1022)을 여전히 시도하고 따를 것이다. 일부 구현예에서, 자율주행 차량(1020)은, 인간 운전 차량(1022)과 동일한 도로 상의 위치에서, 차선 변경, 회전 또는 다른 조향 행동과 같은 행동을 실시한다. 자율주행 차량(1020)은 또한 그 자체의 결정으로 페이스를 조절할 수 있는 한편, 동일한 방식으로 인간 운전 차량(1022)에 영향을 미치지 않을 수 있는 조건 또는 이벤트를 처리하기 위해서 그 페이스 또는 동작을 독립적으로 조정한다.
부가적으로, 인간 운전 차량(1022)의 추적에서, 자율주행 차량(1020)의 AVS(100)는, 인간 운전 차량(1022)이 권한을 가지고, 그에 의해서 자율주행 차량(1020)이 달리 의존할 수 있는 규칙 및 정보를 AVS(100)가 무시할 수 있게 하는, 모드를 구현할 수 있다. 예를 들어, 자율주행 차량(1020)은 도로에 인접한 인도에 관한 정보 또는 지식을 가질 수 있으나, 제공된 예에서, 인도는 도로 AVS(1005)를 형성하기 위해서 이용된다. 자율주행 차량(1020)은, 차량이 인도를 피하고자 하는 경우에 달리 제공될 수 있는 지식 및 규칙을 가짐에도 불구하고, 인간 운전 안내 차량(1022)을 따른다. 자율주행 차량(1020)이 대안적인 안내 모드로 동작되기 때문에, 자율주행 차량은 그 자체의 운전 규칙을 무시할 수 있다. 유사하게, 자율주행 차량(1020)이 인간 운전 안내 차량(1022)을 따르는 동안, 신호등이 적색으로 전환될 수 있다. 적색 등 이벤트가 자율주행 차량(1020)의 AVS(100)에 의해서 검출될 수 있지만, 동작 모드는, 자율주행 차량 자체의 운전 규칙을 준수하는 대신에, 자율주행 차량이 인간 운전 안내 차량(1022)을 따르는 것을 제공한다.
도 11a 내지 도 11c는 자율주행 차량을 안내할 때 차량을 운전하도록 인간 조작자에게 지시하기 위한 예시적인 인터페이스를 도시한다. 제공된 예에서, 운전자가 안내 제공 역할을 실행하는 동안 정보에 대한 상태, 피드백 및/또는 프롬프트를 운전자에게 알리기 위한 통신이, 자동화된 차량(101)에 안내를 제공하는 차량의 운전자에게 제공될 수 있다. 디스플레이 화면(1102)은, 도 5의 예로 설명된 바와 같은, 인간 운전자 인터페이스 시스템(500)에 또한 상응하거나 그 일부일 수 있는, 운전자의 모바일 컴퓨팅 장치 상에 제공될 수 있다.
도 11a에서, 운전자의 디스플레이 화면(1102)은, 운전자에게 자율주행 차량을 위한 차량 안내로서 역할을 하도록 요청하는 네트워크 서비스로부터의 명령을 디스플레이한다. 디스플레이 화면(1102)은 자율주행 차량(101)을 위한 안내로서 역할을 하는 것에 대한 운전자의 선택을 운전자에게 알리는 메시지(1103)를 디스플레이한다. 메시지(1103)는 또한, 운전자가 자율주행 차량(101)과 페어링될 만남 위치(1109)를 식별하는 맵 콘텐츠와 함께 디스플레이될 수 있다. 경로(1111)가 운전자를 위해서 디스플레이될 수 있고, 예를 들어, 만남 위치까지의 경로 및/또는 자율주행 차량(101)이 항행할 수 없는 차도 단편을 통한 경로를 나타낸다. 메시지(1103)는, 선택적으로, 자율주행 차량(1101)이 운전자의 차량을 추적하게 하기 위해서 운전자가 실시하도록 요청 받은 행동을 포함하거나 식별할 수 있다. 예로서, 운전자는 자율주행 차량을 위해서 주차 및 대기하도록 또는 단순히 자율주행 차량이 주차된 위치까지 운전하도록 명령 받을 수 있다.
도 11b에서, 디스플레이 화면(1102)은, 운전자가 만남 위치에 도착한 시간 이후의 상태를 반영한다. 따라서, 디스플레이 화면(1102)은, 자율주행 차량(101)이 운전자의 차량을 추적 중이라는 것을 운전자에게 알려주는 상태 메시지(1115) 및/또는 표시자(1116)를 포함할 수 있다. 자율주행 차량(101)이 추적되는 동안, 디스플레이 화면(1102)은 또한 운전자가 어떻게 운전하여야 하는 지에 대한 안내 또는 명령어와 함께 피드백(1112)을 디스플레이할 수 있다. 예를 들어, 피드백(1112)은 자율주행 차량(101)과 운전자의 차량 사이의 측정된 거리에 응답할 수 있고, 자율주행 차량이 운전자 차량으로부터 분리되기 시작하는 경우에, 운전자는 감속하도록 명령을 받을 수 있다. 다른 예로서, 자율주행 차량이 따라 잡을 수 있게 하기 위해서, 운전자는 정지하거나 차를 한쪽에 세울 것을 명령 받을 수 있다.
도 11c에서, 디스플레이 화면(1102)은, 자율주행 차량(101)이 운전자의 차량을 따르는 것을 중단한 시간 이후의 상태를 반영한다. 예를 들어, 운전자는, 자율주행 차량이 추적을 개시하였을 때, 통과하여 운전하기 위한 경로를 수신할 수 있으나, 운전자는 자율주행 차량(101)이 추적을 중단한 때 또는 중단한 곳에 관한 독립적인 지식을 가지지 않을 수 있다. 디스플레이 화면 상의 운전자 통지(1125)는, 자율주행 차량(101)이 추적을 중단하였다는 것을 확인시킬 수 있다. 운전자는 자율주행 차량이 추적을 중단한 후에 서비스 위치까지 경로 상에서 계속 진행할 수 있다.
도 11c는 또한, 자율주행 차량(101)이 보조를 요청한 이벤트 또는 조건에 관한 실시간 정보를 결정하기 위해서 안내 차량의 운전자가 이용되는 변경예를 도시한다. 예를 들어, 운전자는, 운전자가 인식하는 것에 관한 라벨 또는 짧은 설명을 나타내는 음성 또는 문자 입력을 이용하여 정보를 제공하도록 프롬프트를 받을 수 있다.
변경예에서, 운전자 차량은, 운전자가 선택적으로(또는 연속적으로) 전개할 수 있는, 센서 장비의 통합된 세트를 위해서 선택된다. 운전자는, 자율주행 차량(101) 내의 신뢰도 저하를 유발한 차도 단편을 통해서 운전할 때 센서 장비를 전개하도록 프롬프트를 받을 수 있다. 자율주행 차량(101)이 분리되면, 운전자는 또한, 센서 장비로부터의 데이터를 업로드하는 것 또는 추가적인 통지가 있을 때까지 전개된 센서 장비를 회수하는 것과 같은, 다른 행동을 실시하도록 프롬프트를 받을 수 있다.
몇몇 예에 따라서, 인간 운전 차량으로부터 수집된 데이터는 센서 정보 및/또는 인간 운전자로부터의 증강을 포함할 수 있다. 예로서, HV 안내 보조 시스템(20) 또는 다른 원격 서비스는 인간 운전 차량으로부터의 데이터를 프로세스 또는 분석할 수 있다. 일 구현예에서, 이벤트 또는 조건이 분류되도록, 데이터가 분석될 수 있다. 예를 들어, 분류는, 다른 자율주행 차량이 피하여야 하는 것, 또는 대안적으로, 다른 자율주행 차량이 통해서 항행할 수 있으나 선행 명령어 또는 원격 안내와 함께 하는 경우에만 항행할 수 있는 것으로, 이벤트 또는 조건을 라벨링할 수 있다. 부가예 또는 대안예로서, 데이터를 분석하여, 이벤트 또는 조건이 도로 상에 존재하는 추정 시간 또는 지속시간과 같은, 이벤트 또는 조건의 하나 이상의 속성을 결정할 수 있다. 예를 들어, 자율주행 차량(101)의 성능이나 건강에 영향을 미칠 수 있는 다양한 다른 조건 또는 이벤트가 또한 센서 데이터를 이용하여 검출되고 기록될 수 있다. 예를 들어, 포트홀과 같은, 새롭게 발견된 차도 위험이 센서 데이터를 통해서 화상화되거나 달리 검출될 수 있고, 원격 서비스에 통신될 수 있다. 다시, 센서 데이터 및/또는 그러한 데이터의 분석된 결과물은, 자율주행 차량을 포함하는, 차량의 집단으로 분배될 수 있다. 정보는, 예를 들어 자율주행 차량(101)을 손상시킬 수 있는 잠재적인 위험뿐만 아니라, 자율주행 차량의 항행 능력에 영향을 미칠 수 있는 이벤트 또는 조건에 관한 선행 정보를 자율주행 차량에 제공할 수 있다. 예로서, 정보는, 공급원(217)(예를 들어, 도 2 참조)으로부터의 지역-특이적 정보로서, 다른 자율주행 차량에 통신될 수 있다.
운송 준비 서비스를 위한 차량 유형 선택을 위한 방법론 및 예
도 12는 운송 서비스를 제공하기 위한 차량 유형을 지능적으로 선택하기 위한 예시적인 방법을 도시한다. 도 12로 설명된 것과 같은 예시적인 방법은, 예를 들어, 도 1 및 도 3의 예로 설명된 것과 같은 시스템을 이용하여 구현될 수 있다. 부가적으로, 운송 서비스 준비를 위해서 네트워크 서비스의 양태를 구현하기 위한 하드웨어 구성요소 및 기능은 도 6의 예로 설명된 바와 같은 컴퓨터 시스템을 이용하여 구현될 수 있다. 도 12의 예의 설명에서, 설명된 바와 같은 동작을 구현 또는 실시하기 위한 적절한 구성요소 및 기능을 예시하기 위해서, 도 1, 도 3, 및 도 6의 요소를 참조할 수 있다.
도 12를 참조하면, 운송 요청이 사용자로부터 수신된다(1210). 운송 요청은 차량의 유형을 구체화하지 않을 수 있고, 그에 따라 사용자의 선호도가 표시되지 않는다. 도 12의 예로 설명된 바와 같이, 사용자의 선호도는, 선택적으로, 차량 유형의 선택에서 추정될 수 있다. 부가예 또는 변경예로서, 차량 유형(예를 들어, 자율주행 차량)의 선택은, 부분적으로, 다른 차량 유형 보다 하나의 차량 유형을 선택하기 위한 물류 및/또는 예측 비용 분석을 기초로 할 수 있다. 여전히 또한, 몇몇 변경예에서, 사용자 선호도는 운송 요청에서 제공될 수 있거나 셋팅을 통해서 표현될 수 있다. 그러나, 변경예에서 더 설명되는 바와 같이, 예측 비용 분석 및/또는 물류가 다른 유형의 차량을 고려하는 것이 유리한 경우에, 운송 준비 서비스(10)는 다른 차량 유형을 사용자에게 권장할 수 있다.
운송 요청은, 탑승자를 위한 픽업 위치 및/또는 하차 위치와 같은, 서비스 위치 정보와 함께 통신될 수 있다. 몇몇 다른 예로 설명된 바와 같이, 고객은, 운송 준비 서비스(10)에 운송 요청을 하기 위해서 모바일 컴퓨팅 장치 상에서 작동되는 애플리케이션을 이용할 수 있다. 운송 요청은, 예를 들어, 고객의 현재 위치를 서비스 위치, 또는 서비스 위치가 제공되는 핀 드롭 위치(pin drop location)로서 구체화할 수 있다.
운송 요청의 수신에 응답하여, 운송 준비 서비스(10)는 운송 요청을 충족시키기 위한 차량 유형 및 차량을 선택한다(1220). 몇몇 예에 따라, 차량 및 차량 유형의 선택에서, 운송 준비 서비스(10)는 탑승자를 위한 일차적인 경로 또는 목적지를 결정한다(1222). 다른 예에서, 운송 준비 서비스(10)는 사용자-특이적 선호도, 사용자 이력 및/또는 피드백, 및/또는 사용자의 연령, 사용자가 사는 곳 등과 같은 사용자 프로파일링을 기초로 차량 유형을 선택할 수 있다(예를 들어, 젊은 사용자는, 인간-운전 차량의 안전한 느낌을 좋아하는 고령의 탑승자에 비해서 새로운 기술적 진보를 즐기는 성향을 가질 수 있다).
일 구현예에서, 이어서, 자율주행 차량(101)의 선택이 통계적으로 상당한 또는 발생 가능한 경로 또는 목적지로부터의 이탈 필요 가능성을 초래할 것인지의 여부를 결정하기 위해서, 목적지 지점 및/또는 경로가 (도 2의 맵 서비스(199)에 의해서 제공된 바와 같은) 지역의 맵에 대해서 또는 지역 특이적 정보에 대해서 교차-참조된다. 자율주행 차량(101)이 그 자체적으로 해결할 수 없는 조건, 이벤트 또는 물체와 만날 가능성이 있는 것으로 간주되는 경우에 이탈이 초래될 수 있고, 그러한 경우에 자율주행 차량(101)은 만남 지점까지 이동할 필요가 있을 수 있다. 도 3을 참조하면, 330은, 예를 들어, 자율주행 차량(101)의 경로를 예측하고, 인간 운전 안내 차량 안내를 필요로 하는지의 여부에 대한 가능성을 추가로 추정할 수 있다. 통계적인 결정은, 예를 들어, (i) 하차 위치의 지역 및/또는 충족된 운송의 예측 경로 상의 지점, 또는 (ii) 운송 요청의 트립 상에 존재할 수 있는 조건 또는 이벤트와 관련하여, 과거에 자율주행 차량(101)이 얼마나 빈번하게 이탈을 요청하였는지에 대한 측정을 기초로 할 수 있다. 자율주행 차량이 경로 이탈을 요구할 지의 여부에 관한 예측은 또한, (이력 분석이 없는) 차도 조건 또는 이벤트의 분석, 및/또는 차량 성능 및/또는 존재하는 조건 또는 이벤트를 기초로 하는 모델링을 포함하는, 다른 확률적 결정에 전달될 수 있다.
다른 변경예로서, 최적 경로 상의 경로뿐만 아니라 서비스 위치 지점(또는 하차 위치)을 검사하여, 자율주행 차량(101)이 관련 차도 단편을 통해서 이동할 수 있게 보장할 수 있다(1230). 예를 들어, 만약 목적지가 공사장 또는 심한 보행 교통량 부근이라면, 자율주행 차량(101)이 경로의 지점 또는 목적지에 접근할 수 없다고 결정될 수 있다.
부가예 또는 대안예로서, 자율주행 차량 유형을 포함하여, 차량 유형의 각각에 대해서, 추정된 (목적지까지의) 도착 시간 또는 대안적으로 트립의 시간을 비교하기 위해서, 비용 분석이 실시될 수 있다. 자율주행 차량에 대한 이탈 가능성이 없는 것으로 간주되는 경우에도, 트립의 시간 및/또는 트립에 대한 추정된 도착 시간이, 인간 운전 차량에 대비하여, 자율주행 차량에 대해서 변경될 수 있다. 예를 들어, 자율주행 차량의 조심스러운 특성으로 인해서, 통계적 또는 이력적 정보는, 그러한 차량이 인간 운전 차량보다 더 많은 시간을 필요로 한다는 것을 나타낼 수 있다. 만약 계획된 또는 요청된 트립이 충분히 길다면, 트립의 시간 또는 ETA 차이가 상당한 비용까지 높아질 수 있고, 이는 인간 운전 차량의 선택에 대해서 가중될 수 있다. 부가적으로, 최적 또는 희망 경로(또는 서비스 위치)로부터의 이탈이 발생할 가능성이 충분히 높은 것으로 간주된다면, 이탈이 계산에 포함되어, 트립의 시간 또는 ETA가 자율주행 차량에 대해서 결정된다.
요금 계산은 또한 차량 유형의 선택에 포함될 수 있다. 예를 들어, 운송 준비 서비스(10)는, 고객의 선호도가 다르지 않는 한, 고객을 위해서 더 저렴한 차량 유형을 자동적으로 선택하도록 구현될 수 있다. 따라서, 고객이 선호도를 나타내지 않지만, 2개의 운송 중 더 고가가 제공된다면, 차량 선택 판정은 사업적인 이유로 지원되지 않을 수 있다. 각각의 차량 유형의 운송을 위한 비용은, 예를 들어, 각각의 차량 유형에 대한 요금을 결정할 수 있고 요금 유형의 비교를 더 실시할 수 있는, 경로 설정 구성요소(340)를 이용하여 추정될 수 있다. 2개의 차량 유형에 대한 요금 유형은, 예를 들어, 각각의 차량 유형에 대한 수요 및 공급을 기초로, 서로 다를 수 있다. 비용 결정에 영향을 미칠 수 있는 다른 인자는 이동 시간을 포함한다. 만약 자율주행 차량(101)이, 예를 들어, 경로 이탈 및/또는 인간 운전 차량 안내를 요구한다면, 해당 차량 유형에 대한 시간 (및 비용)은 인간 운전 차량에 비해서 과도하게 증가될 수 있다. 유사하게, 경로 이탈은 트립의 길이를 증가시킬 수 있고, 이는 비용을 더 증가시킬 수 있다. 따라서, 다른 차량 유형보다 하나의 차량 유형을 선택하기 위해서 또는 가중하기 위해서, 차량 유형들 사이에서 과금 체계 비용이 비교된다.
차량 유형의 선택을 돕기 위한 다른 매개변수는 차량 유형에 대한 고객의 선호도를 포함한다(1234). 부가예 또는 대안예로서, 고객의 선호도는, 차량의 유형에 직접적으로 영향을 미치는, 이동 시간 또는 추정된 도착 시간의 형태일 수 있다.
몇몇 구현예에서, 고객 선호도는 최종 선택이다. 변경예에서, 고객 선호도는, 트립의 시간 또는 ETA, 또는 전체 비용과 같은, 다른 고려 사항을 기초로 바뀔 수 있다. 예를 들어, (i) 고객이 차량 유형에 대한 선호도를 가지지 않는 경우에, 고객에게 가장 낮은 과금 체계 비용인 차량 유형을 선택하도록, (ii) 고객이 이동 시간 또는 ETA에 대한 선호도를 가지지 않는 경우에, 차량 유형이 이동 시간 또는 ETA를 기초로 선택되도록, 사업 규칙 또는 고려 사항이 구현될 수 있다. 여전히 또한, 고객이 다른 차량 유형보다 하나의 차량 유형 선택을 나타내는 선호도를 갖는 경우에, 고객의 선호도를 유지하는 것이 과금 체계 비용 또는 시간 비용(예를 들어, ETA) 중 임의의 하나 이상을 몇몇 문턱값 양(예를 들어, 25%) 초과만큼 증가시킨다면, 선호도가 무시될 수 있다.
원격 보조를 이용하기 위한 자율주행 차량을 위한 방법론 및 예
도 13은 원격 인간 조작자로부터 보조를 수신하기 위해서 자율주행 차량을 동작시키기 위한 예시적인 방법을 도시한다. 도 14는 미지의 도로 이벤트 또는 조건을 항행하는데 있어서 자율주행 차량을 돕기 위해서 원격 서비스를 동작시키기 위한 예시적인 방법을 도시한다. 도 13으로 설명된 것과 같은 예시적인 방법은, 예를 들어, 도 1 및 도 4의 예로 설명된 것과 같은 자율주행 차량(101)을 이용하여 구현될 수 있다. 유사하게, 도 14로 설명된 것과 같은 예시적인 방법은, 예를 들어, 도 4의 예로 설명된 것과 같은 시스템을 이용하여 구현될 수 있다. 부가적으로, 네트워크 서비스의 양태를 구현하기 위한 하드웨어 구성요소 및 기능은 도 6의 예로 설명된 바와 같은 컴퓨터 시스템을 이용하여 구현될 수 있다. 도 13 또는 도 14의 예의 설명에서, 설명된 바와 같은 동작을 구현 또는 실시하기 위한 적절한 구성요소 및 기능을 예시하기 위해서, 도 1, 도 4, 또는 도 6의 요소를 참조할 수 있다.
도 13의 예를 참조하면, 자율주행 차량(101)은, 자율주행 차량(101)이 정보를 필요로 하거나 정보를 요청하는 이벤트 또는 조건를 결정하기 위해서, 트립 중에 자율주행 차량(101)이 수신하는 센서 정보를 프로세스할 수 있다(1310). 하나의 양태에서, 이벤트 또는 조건은 차량의 안전성에 있어서의 신뢰도에 관한 차량의 결정에 영향을 미친다(1312). 변경예에서, 이벤트 또는 조건은, 자율주행 차량(101)이 안전하게 핸들링할 수 있으나, AVS(100)가 최적의 행동 또는 미래에 그러한 이벤트를 어떻게 최적으로 핸들링할 지를 확신하지 못하는 것일 수 있다.
AVS(100)는, 조건 또는 이벤트를 평가할 때 신뢰도 또는 확실성에 관한 미리-규정된 문턱값 레벨을 포함할 수 있다(1320). 자율주행 차량(101)이 문턱값을 만족시키지 못하는 이벤트 또는 조건, 물체, (신뢰도 문턱값을 기초로 하는) 이벤트 또는 조건에 직면할 때, 자율주행 차량(101)은 원격 공급원으로부터의 보조를 요청하기 위한 경보를 송신한다(1322) 몇몇 구현예에서, 경보는, 이벤트 또는 조건에 어떠하게 안전하게 응답하는지를 이해하는 자율주행 차량과 관련하여 문턱값을 초과하는 불확실성 레벨(또는, 역으로 문턱값 미만인 신뢰도 값)을 가지는 자율주행 차량(101)에 응답하여 생성될 수 있다. 예를 들어, 경보는 도로 내의 물체를 (충분한 확실성으로) 인지할 수 없는 자율주행 차량에 응답하여 생성될 수 있다. 도 4에 의해서 제공된 바와 같은 예에서, 요청은 인간 조작자 입력을 수신하기 위해서 서비스에 송신될 수 있다.
요청은, 인간 조작자가 자율주행 차량(101)의 도로 상에서 발생되는 것을 알 수 있게 하는 센서 정보와 함께 통신될 수 있거나 달리 제공될 수 있다(1330). 예를 들어, 자율주행 차량(101)의 하나 이상의 다수의 카메라로부터의 화상 데이터를 이용하여 정보를 원격 서비스에 통신할 수 있다. 원격 공급원에 통신되는 센서 정보는 차량의 신뢰도에 영향을 미치는 물체, 이벤트 또는 조건에 대한 관련성을 위해서 선택, 필터링, 및/또는 우선 순위화될 수 있다(1340). 예를 들어, 자율주행 차량(101) 상의 장범위 카메라가 차도 내에서 인지할 수 없는 물체를 검출하는 경우에, 공급원으로 통신되는 센서 데이터는 물체를 최초로 검출한 카메라로부터의 화상뿐만 아니라, 후속하여 물체를 관찰하였을 수 있는 다른 카메라 또는 센서로부터의 화상을 포함한다.
도 13의 예는, 응답을 구체화하기 위한, 원격 서비스로부터 할당된 시간이 일반적으로 몇 초(예를 들어, 8초 미만), 그리고 3초 미만이라는 것을 인지한다. 따라서, 일 구현예 하에서, AVS(100)는 주어진 시간 문턱값 이전에 응답이 원격 서비스로부터 수신되었는지의 여부에 관한 결정을 한다(1345). 시간의 문턱값은 통계적으로 또는 동적으로 미리 결정될 수 있다. 예를 들어, 응답 행동 수신을 위한 문턱값 시간 한계는정적일 수 있고 디폴트, 지리적 지역 및/또는 도로에 의해서 설정될 수 있다. 대안적으로, 응답 행동을 수신하기 위한 문턱값 시간 한계는 동적일 수 있고, 즉각적으로 측정되는 하나 이상의 매개변수에 의해서 설정될 수 있다. 예를 들어, 문턱값 시간 한계는 자율주행 차량(101)의 속도 및/또는 경보의 공급원인 물체, 이벤트 또는 조건의 범위에 의해서 설정될 수 있다.
원격 서비스(예를 들어, HARVAS)로부터 응답을 수신하였다는 것을 (1345)이 결정한 경우에, 자율주행 차량(101)의 AVS(100)는 원격 서비스로부터 수신된 응답에 따른 실시를 할 수 있다(1350). 일 구현예에서, 응답은, 자율주행 차량(101)이, 즉각적인 감속, 차선 변경, 또는 차를 한쪽에 세우는 것과 같은, (1352)를 실시하기 위한 행동 또는 비-행동을 구체화할 수 있다. 변경예에서, 원격 인간 조작자로부터 통신된 응답은 자율주행 차량(101)을 위한 응답 전략을 구체화(또는 수정)할 수 있다(1354). 응답 전략은, 예를 들어, 조건적 및/또는 다단계 명령어로서 구현될 수 있다. 예를 들어, 응답 전략은 (i) 특별한 조건이 검출될 때, 또는 (ii) 특별한 조건이 존재하거나 진실인 한, 자율주행 차량(101)이 행동을 실시하는 것을 구체화할 수 있다. 예를 들어, 응답 전략은 하나 이상의 행동을 "따르기에 안전한/적절한 전략으로" 식별할 수 있다(예를 들어, "안전 통과 조건이 검출될 때 좌측 차선으로 통과"). 여전히 또한, 몇몇 변경예에서, 구체화된 행동은 자율주행 차량(101)을 위한 미리 결정된 행동 또는 전략 선택 사항의 목록에 대한 식별자로서 통신된다. 구체화된 행동은 또한, 인간 조작자가 감속하면서 차량의 운전 제어를 시뮬레이트하고 방향을 바꿀 때와 같은, 행동의 목록으로서 (예를 들어, 식별자에 의해서) 통신될 수 있다. 각각의 예에서, 원격 서비스로부터의 통신은 (i) 행동, (ii) 설정(또는 행동의 시퀀스), 또는 (iii) 하나 이상의 행동의 실시에서 AVS(100)를 위한 응답 전략 중 하나 이상을 식별한다.
만약 문턱값 기간이 지나고 응답 행동이 원격 서비스로부터 수신되지 않는다면, 자율주행 차량(101)은 디폴트 행동의 실시를 개시한다(1362). 예를 들어, 도로 물체가 미지의 것일 때 디폴트 행동은 감속을 위해서 중간 정도로 제동하는 것일 수 있다. 그러나, 다른 종류의 이벤트, 조건 또는 물체에 대해서 다른 응답 행동이 실시될 수 있다. 예를 들어, 자율주행 차량(101)이 고속도로에 있을 때의 디폴트 행동은 중간 정도로 제동하고 (보다 이용 가능한 차선으로) 차선을 변경하는 것일 수 있는 반면, 도시 환경에서, 디폴트 행동은 완전 정지되도록 더 공격적으로 제동하는 것일 수 있다.
몇몇 변경예에서, 디폴트 행동의 실시를 개시할 때, 디폴트에 의해서 개시되는 행동이 완료되는지의 여부, 및/또는 미지의 물체, 이벤트 또는 조건이 해소되었는지의 여부에 관한 다른 결정이 이루어진다(1365). 만약 미지의 물체, 이벤트 또는 조건이 여전히 존재한다면, 프로세스는, 원격 서비스로부터 응답이 수신되었는지의 여부를 결정하는데 있어서 결정(1345)을 반복한다. 예를 들어, 원격 서비스로부터의 응답은 문턱값 시간 한계 이후에, 그러나 디폴트 행동이 완료되기 전에 수신될 수 있다. 예를 들어, 자율주행 차량(101)은 제동 및 감속을 개시할 수 있고, 이어서 원격 서비스로부터 응답을 수신할 수 있다.
대안예 또는 변경예로서, 디폴트 행동이 실시될 때, 자율주행 차량(101)이 행동을 다시 실시(예를 들어, 다시 제동 및 감속)하기 전에 또는 행동을 보다 심각하게 실시(예를 들어, 제동 및 정지)하기 전에, 시간에 관한 다른 문턱값 지속시간이 측정될 수 있다. (1355)의 결정은, 보다 더한 행동이 필요한지의 여부를 결정하는 것, 그리고 이어서 디폴트 행동 또는 원격 서비스에 의해서 구체화된 행동을 실시하는 것을 포함할 수 있다.
도 14를 참조하면, 원격 서비스는 자율주행 차량(101)으로부터의 경보를 모니터링하도록 동작된다(1410) 경보가 수신될 때, 원격 서비스는, 전송의 공급원인 차량을 식별하고, 이어서 그에 따라 경보를 인간 인터페이스 구성요소(434)에 전달한다(1414). 인간 조작자는 인터페이스를 동작시킬 수 있고, 일 구현예에서, 인간 조작자 인터페이스 구성요소(434)는 단지 하나의 차량에 (또는 차량의 제한된 세트에) 할당된다. 이러한 방식으로, 경보(413)는, 예를 들어, 전송 차량에 관한 정보 또는 지식을 가지는 인간 조작자에 및/또는 차량이 있는 특별한 트립(예를 들어, 지리적 지역 또는 도로)에 통신된다.
일 구현예에 따라, 자율주행 차량(101)으로부터의 수신된 데이터는 프레젠테이션으로 패키징되고, 이는 인간 조작자가 선택할 수 있는 하나 이상의 메뉴 선택 사항을 포함할 수 있다(1420). 예를 들어, 메뉴 선택 사항은, 자율주행 차량(101)이 차도 내의 물체에 어떻게 응답할 지에 관한 선택 사항(예를 들어, 좌측/우측 방향 변경, 감속 및 회피, 무시, 등)을 제공할 수 있다. 프레젠테이션은 센서 정보(예를 들어, 장범위 카메라 또는 비디오)로부터 발생된 콘텐츠 위에 메뉴 선택 사항을 중첩시킬 수 있다. 인간 조작자에게 제공된 프레젠테이션은 또한, 인간 조작자가 자율주행 차량(101)으로부터 더 많은 정보를 요청할 수 있게 하는 특징부를 포함할 수 있다(1422). 예를 들어, 조작자는, 더 많은 화상, 다른 카메라 또는 달리 배향된 카메라로부터의 화상, 또는 차량을 위한 맵 정보를 요청할 수 있다. 여전히 또한, 몇몇 변경예에서, 인간 조작자에게 제시된 정보는, (디폴트 행동이 취해지기 전까지) 인간 조작자가 응답을 제공할 수 있는 나머지 시간량을 식별할 수 있다(1424).
프레젠테이션으로부터, 인간 조작자는 (예를 들어, 메뉴 선택 사항의) 선택을 한다. 선택은, 경보(413)를 신호한 자율주행 차량(101)으로 다시 통신된다(1430). 이어서, 선택은, 그러한 선택이 작용하는 자율주행 차량(101) 상에서 해석될 수 있다. 다른 예로 언급한 바와 같이, 인간 조작자로부터의 선택이 없는 경우에, 자율주행 차량(101)은 중간 정도의 제동과 같은 디폴트 행동을 실시할 수 있다. 몇몇 예로부터의 다른 장점들 중에서, 인간 조작자에 의해서 구체화되는 행동은 자율주행 차량(101)으로부터의 제동을 제거 또는 감소시킬 수 있고, 그에 따라 승객의 탑승 경험을 개선할 수 있다.
도 15는 도 4 및 도 14의 예로 설명된 바와 같은 원격 서비스를 위한 예시적인 인간 인터페이스를 도시한다. 예시적인 인터페이스(1500)는, 예를 들어, 사전-응답 메뉴 로직(450)으로 수정된 바와 같은, 인간 조작자 인터페이스 구성요소(434)에 상응할 수 있다. 도시된 바와 같이, 인간 조작자에게, 행동 아이템을 나타내는 아이콘과 함께, 하나 이상의 화상 또는 화상 콘텐츠(1502)(예를 들어, 비디오, 비디오의 화상 프레임, 등)가 제공될 수 있다. 제공된 예에서, 화상 콘텐츠(1502)는 미식별 물체를 가지는 도로를 반영한다. 아이콘은, 인간 조작자가 자율주행 차량을 위한 방향 또는 속도의 조정을 나타내기 위한 선택 입력을 제공할 수 있게 하기 위해서 개별적으로 선택될 수 있다. 조작자의 선택 입력은, 자율주행 차량에 의해서 초래된 불확실성을 가지는 이벤트 또는 조건에 대한 인간 조작자의 인식에 응답할 수 있다.
부가예 또는 대안예로서, 인터페이스(1500)는, 인간 조작자가 자율주행 차량(101)에 대한 다양한 운전 제어의 정도를 가질 수 있게 하는 하나 이상의 기계적 요소를 포함할 수 있다. 예를 들어, 인터페이스(1500)의 기계적 요소는, 예를 들어, 방향 안내, 속력 제어, 센서 제어(예를 들어, 카메라 또는 관찰 각도에 대한 방향 제어) 또는 다른 차량 이동 또는 제어를 가능하게 하는 조이 스틱(또는 조이 스틱 조합), 휠, 레버 또는 다른 손 제어부를 포함할 수 있다. 부가예 또는 대안예로서, 인터페이스(1500)의 기계적 요소는, 조작자가, 예를 들어, 속력 제어 및/또는 차량 정지를 제공할 수 있게 하는, 발 제어부 또는 페달을 포함할 수 있다.
도 15는, 자율주행 차량(101)이 취하는 방향적 행동을 나타내기 위해서 아이콘이 방향적인 구현예를 도시한다. 도 15의 예에서, 방향 화살표(1512, 1514, 1516)는 자율주행 차량(101)이 좌측 또는 우측으로 방향을 바꾸거나 전방으로 이동하는 것을 나타낸다. 다른 특징부(1518)는, 자율주행 차량이 정지를 하여야 하거나 감속을 위해서 제동하여야 한다는 것을 나타낼 수 있다. 예를 들어, 특징부(1518)는 제동의 지속시간 및/또는 정도를 나타내기 위해서 반복적으로 또는 연속적으로 눌릴 수 있다. 타이밍 특징부(1522)는, 자율주행 차량(101)이 디폴트 행동을 취하기 시작할 때까지 남아 있는 시간량을 나타낼 수 있다. 다른 특징부는 "행동 없음"으로 지정될, 그에 따라 그러한 특징부의 선택은, 자율주행 차량(101)이 검출된 물체로 인한 방향 또는 속도의 조정을 무효화하는 것을 신호한다. 변경예에서, 아이콘을 이용하여 보다 많은 정보를 요청할 수 있거나, 메뉴 프레젠테이션을 벗어날 수 있는 대안적인 행동을 실시할 수 있다.
본원에서 설명된 실시예가, 다른 개념, 아이디어 또는 시스템과 관계없이, 본원에서 설명된 개별적인 요소 및 개념으로 확장되는 것뿐만아니라, 실시예가 본원의 임의 개소에서 인용된 요소의 조합을 포함하는 것이 고려된다. 비록 첨부 도면을 참조하여 실시예를 본원에서 구체적으로 설명하였지만, 본 발명은 그러한 정확한 실시예로 제한되지 않는다는 것을 이해할 수 있을 것이다. 따라서, 많은 수정예 및 변경예가 당업자에게 자명할 것이다. 따라서, 본 발명의 범위는 이하의 청구범위 및 그 균등물에 의해서 규정될 것이다. 또한, 다른 특징부 및 실시예가 특별한 특징부와 관련하여 언급되지 않은 경우에도, 개별적으로 또는 실시예의 일부로서 설명된 특별한 특징부가 다른 개별적으로 설명된 특징부 또는 다른 실시예의 일부와 조합될 수 있다는 것이 고려된다. 따라서, 조합에 관한 설명을 하지 않는 것으로 인해서, 본 발명자가 그러한 조합에 대해서 권리를 주장하는 것을 배제하지 않아야 한다.
Claims (60)
- 하나 이상의 프로세서에 의해서 구현되는 자율주행 차량의 동작 방법으로서:
상기 자율주행 차량이 계획된 또는 현재의 경로 상에서 목적지까지 안전하게 진행할 수 있는 능력을 나타내는, 상기 자율주행 차량에 대한 신뢰도 레벨을 결정하는 단계;
상기 신뢰도 레벨이 문턱값 미만인 것으로 결정될 때, 상기 계획된 또는 현재의 경로의 적어도 일부를 통해서 상기 자율주행 차량을 안내하기 위한 제2 차량을 식별하는 단계; 및
상기 계획된 또는 현재의 경로의 일부를 통해서 진행하는 동안 상기 제2 차량을 추적하도록 상기 자율주행 차량을 제어하는 단계를 포함하는, 방법. - 제1항에 있어서,
상기 자율주행 차량을 제어하는 단계는 상기 제2 차량을 따르도록 상기 자율주행 차량을 제어하는 단계를 포함하는, 방법. - 제1항에 있어서,
상기 자율주행 차량을 제어하는 단계는:
상기 자율주행 차량에 대한 상기 제2 차량의 위치를 통신하는 단계, 및
상기 제2 차량을 추적하기 위해서 상기 자율주행 차량에서 결정된 위치 정보를 이용하는 단계를 포함하는, 방법. - 제3항에 있어서,
상기 자율주행 차량을 제어하는 단계는:
상기 자율주행 차량에 대한 상기 제2 차량의 시각적 식별자를 통신하는 단계, 및
상기 제2 차량을 추적하기 위해서 상기 자율주행 차량에서 검출된 바와 같은 시각적 식별자를 이용하는 단계를 포함하는, 방법. - 제1항에 있어서,
상기 자율주행 차량의 능력을 수용하는 상기 목적지까지의 안전 경로를 선택하는 단계; 및
상기 안전 경로의 적어도 일부를 상기 제2 차량에 통신하는 단계를 더 포함하는, 방법. - 제1항에 있어서,
상기 제2 차량을 식별하는 단계는:
목적지 또는 알려진 경로를 가지는 인간 운전 차량을 식별하는 단계를 포함하는, 방법. - 제6항에 있어서,
상기 인간 운전 차량을 식별하는 단계는, 상기 제2 차량을, (i) 상기 자율주행 차량, 또는 (ii) 상기 자율주행 차량의 상기 계획된 또는 현재의 경로의 위치와 중첩되거나 충분히 근접한 제1 경로 위치를 적어도 포함하는 계획된 경로를 가지는 인간 운전 운송 차량이 되도록 식별하는 단계를 포함하는, 방법. - 제1항에 있어서,
상기 자율주행 차량을 제어하는 단계는, 상기 제2 차량을 위치시키고 추적하기 위한 하나 이상의 행동을 실시하는 것으로 상기 자율주행 차량을 제어하는 단계를 포함하는, 방법. - 제8항에 있어서,
상기 하나 이상의 행동은: (i) 상기 자율주행 차량을 상기 계획된 또는 현재의 경로 상에 주차하는 것, (ii) 상기 제2 차량을 위치시키기 위해서 상기 자율주행 차량을 상기 계획된 또는 현재의 경로 상에 있지 않은 위치로 안내하는 것, 또는 (iii) 상기 제2 차량에 위치시키기 위해서 대안적인 경로 상에서 상기 자율주행 차량을 안내하는 것을 포함하는, 방법. - 제1항에 있어서,
상기 제2 차량은 독립적으로 운전되는 제3자 차량에 상응하는, 방법. - 제1항에 있어서,
상기 자율주행 차량이 상기 제2 차량을 추적하는 것 또는 추적할 것을 나타내는 통지를 상기 제2 차량에 제공하는 단계를 더 포함하는, 방법. - 제1항에 있어서,
상기 자율주행 차량의 신뢰도 레벨이 상기 문턱값 미만인 것으로 결정되는 상기 계획된 또는 현재의 경로의 일부를 식별하는 기록을 생성하는 단계를 더 포함하는, 방법. - 제12항에 있어서,
상기 계획된 또는 현재의 경로를 포함하는 지역의 맵을 업데이트하는 단계, 및 상기 업데이트된 맵을 경로 계획을 위해서 하나 이상의 다른 자율주행 차량에 분배하는 단계를 더 포함하는, 방법. - 제12항에 있어서,
상기 자율주행 차량의 신뢰도 레벨이 상기 문턱값 미만인 것으로 결정되는 상기 계획된 또는 현재의 경로의 일부를 통해서 운전하도록 하나 이상의 센서를 가지는 인간 운전 차량을 배치하는 단계;
상기 배치된 인간 운전 차량의 하나 이상의 센서로부터 정보를 수집하는 단계; 및
다른 자율주행 차량이 차도 단편을 통해서 진행할 수 있게 하기 위한 정보를 포함하는, 상기 계획된 또는 현재의 경로의 차도 단편을 포함하는 지역의 맵을 업데이트 하는 단계를 더 포함하는, 방법. - 하나 이상의 프로세서에 의해서 구현되는 자율주행 차량의 동작 방법으로서:
인간 운전 차량이 주어진 지역 내에서 운전될 때, 상기 인간 운전 차량의 하나 이상의 센서로부터 정보를 수집하는 단계;
상기 센서 정보로부터, 하나 이상의 차도 단편을 통한 안전 항행에서 자율주행 차량을 손상시킬 가능성이 충분히 큰 차도 조건을 가지는 하나 이상의 차도 단편을 결정하는 단계; 및
상기 하나 이상의 차도 단편에 관한 정보를 하나 이상의 자율주행 차량에 통신하는 단계를 포함하는, 방법. - 제15항에 있어서,
상기 자율주행 차량을 상기 하나 이상의 차도 단편을 통해서 안내하기 위한 데이터를 결정하기 위해서 상기 센서 정보를 분석하는 단계; 및
상기 정보를 기초로 상기 자율주행 차량에 명령어를 통신하는 단계를 더 포함하는, 방법. - 하나 이상의 프로세서에 의해서 실행될 때, 하나 이상의 프로세서가 이하의 동작을 실시하게 하는 명령어를 저장하는 비-일시적 컴퓨터-판독 가능 매체로서, 상기 동작은:
상기 자율주행 차량이 계획된 또는 현재의 경로 상에서 목적지까지 안전하게 진행할 수 있는 능력을 나타내는, 상기 자율주행 차량에 대한 신뢰도 레벨을 결정하는 동작;
상기 신뢰도 레벨이 문턱값 미만인 것으로 결정될 때, 상기 계획된 또는 현재의 경로의 적어도 일부를 통해서 상기 자율주행 차량을 안내하기 위한 제2 차량을 식별하는 동작; 및
상기 계획된 또는 현재의 경로의 일부를 통해서 진행하는 동안 상기 제2 차량을 추적하도록 상기 자율주행 차량을 제어하는 동작을 포함하는, 비-일시적 컴퓨터-판독 가능 매체. - 제17항에 있어서,
상기 자율주행 차량을 제어하는 동작은 상기 제2 차량을 따르도록 상기 자율주행 차량을 제어하는 동작을 포함하는, 비-일시적 컴퓨터-판독 가능 매체. - 제17항에 있어서,
상기 자율주행 차량을 제어하는 동작은:
상기 자율주행 차량에 대한 상기 제2 차량의 위치를 통신하는 동작, 및
상기 제2 차량을 추적하기 위해서 상기 자율주행 차량에서 결정된 위치 정보를 이용하는 동작을 포함하는, 비-일시적 컴퓨터-판독 가능 매체. - 제19항에 있어서,
상기 자율주행 차량을 제어하는 동작은:
상기 제2 차량의 시각적 식별자를 상기 자율주행 차량에 통신하는 동작, 및
상기 제2 차량을 추적하기 위해서 상기 자율주행 차량에서 검출된 바와 같은 시각적 식별자를 이용하는 동작을 포함하는, 비-일시적 컴퓨터-판독 가능 매체. - 운송 준비를 위한 시스템으로서:
명령어의 세트를 저장하는 메모리;
하나 이상의 프로세서를 포함하고, 상기 하나 이상의 프로세서는:
사용자로부터 운송 요청을 수신하기 위해서; 그리고
적어도 부분적으로 상기 운송 요청으로 구체화된 목적지를 기초로 상기 사용자를 위한 차량 유형을 선택하기 위한 것으로, 상기 선택은 선택된 차량이 자율주행 차량인지의 여부를 구체화하는, 차량 유형을 선택하기 위해서, 명령어의 세트로부터의 명령어를 이용하는, 시스템. - 제21항에 있어서,
상기 하나 이상의 프로세서는 적어도 부분적으로 상기 차량 유형에 대한 상기 사용자의 선호도를 기초로 상기 선택을 하는, 시스템. - 제21항에 있어서,
상기 하나 이상의 프로세서는 적어도 부분적으로 상기 사용자가 부가한 요건을 기초로 상기 선택을 하는, 시스템. - 제21항에 있어서,
상기 하나 이상의 프로세서는 (i) 상기 자율주행 차량을 위한 목적지까지의 하나 이상의 경로를 결정하는 것, 및 (ii) 상기 하나 이상의 경로를 인간 운전 차량에 의해서 제공될 수 있는 최적 경로와 비교하는 것에 의해서 상기 선택을 하는, 시스템. - 제24항에 있어서,
상기 하나 이상의 프로세서는:
상기 자율주행 차량의 가장 느린 추정 도착 시간을 상기 인간 운전 차량의 가장 느린 추정 도착 시간과 비교하는 것에 의해서 상기 선택을 하는, 시스템. - 제24항에 있어서,
상기 하나 이상의 프로세서는:
상기 자율주행 차량이 상기 목적지까지 이동하는 거리를 상기 인간 운전 차량이 상기 목적지까지 이동하는 거리와 비교하는 것에 의해서 상기 선택을 하는, 시스템. - 제24항에 있어서,
상기 하나 이상의 프로세서는:
상기 자율주행 차량의 선택된 경로에 대한 차도 유형을 상기 인간 운전 차량의 선택된 경로에 대한 차도 유형과 비교하는 것에 의해서 상기 선택을 하는, 시스템. - 제24항에 있어서,
상기 하나 이상의 프로세서는, 선택된 경로의 적어도 일부를 통해서 상기 자율주행 차량을 유도하기 위해서 제2 차량에 대한 이용 가능성 매개변수를 결정하는 것에 의해서 상기 선택을 하는, 시스템. - 제24항에 있어서,
상기 하나 이상의 프로세서는:
(i) 상기 자율주행 차량의 능력을 수용하는 경로를 결정하기 위해서, (ii) 상기 운송 요청에 대한 상기 자율주행 차량의 이용에서 추정된 도착 시간을 줄이기 위해서, 및/또는 (iii) 상기 운송 요청에 대한 상기 자율주행 차량의 이용에서 이동 거리를 줄이기 위해서, 상기 운송 요청에 대한 대안적인 픽업 위치 또는 목적지 중 하나를 결정하는, 시스템. - 제21항에 있어서,
상기 하나 이상의 프로세서는 (i) 상기 목적지를 이용하여 경로를 결정하는 것, 및 (ii) 상기 자율주행 차량이 상기 경로 상에서의 보조를 요청할 필요가 있을 것인지의 여부를 예측하는 것에 의해서 상기 차량 유형을 선택하는, 시스템. - 제30항에 있어서,
상기 하나 이상의 프로세서는, 상기 자율주행 차량이, 상기 경로의 하나 이상의 차도 단편에 영향을 미치는 일시적인 이벤트 또는 조건에 관한 지리적으로 특이적인 정보를 기초로 보조를 요청할 필요가 있을 것인지의 여부를 예측하는, 시스템. - 제21항에 있어서,
상기 하나 이상의 프로세서는 (i) 상기 목적지를 이용하여 경로를 결정하는 것, 및 (ii) 상기 자율주행 차량이 안내 보조를 제공하기 위한 인간 운전 차량을 요청할 필요가 있을 것인지의 여부를 예측하는 것에 의해서 상기 차량 유형을 선택하는, 시스템. - 제32항에 있어서,
상기 하나 이상의 프로세서는, 인간 운전 차량에 비하여, 상기 자율주행 차량을 제공하는 것에 대한 비용을 계산하는 것에 의해서 상기 선택을 하는, 시스템. - 제21항에 있어서,
상기 하나 이상의 프로세서는, 상기 자율주행 차량 또는 인간 운전 차량 중 하나의 선호에 대한 제안을 제공하는 것에 의해서, 상기 사용자의 선호도에 대해서 선택하는, 시스템. - 제21항에 있어서,
상기 제안은 상기 자율주행 차량 및 상기 인간 운전 차량에 대한 트립의 비용 또는 시간 중 하나 이상의 비교를 기초로 하는, 시스템. - 하나 이상의 프로세서에 의해서 실행될 때, 하나 이상의 프로세서가 이하의 동작을 실시하게 하는 명령어를 저장하는 비-일시적 컴퓨터-판독 가능 매체로서, 상기 동작은:
사용자로부터 운송 요청을 수신하는 동작; 그리고
적어도 부분적으로 상기 운송 요청으로 구체화된 목적지를 기초로 상기 사용자를 위한 차량 유형을 선택하는 동작으로서, 상기 선택은 선택된 차량이 자율주행 차량인지의 여부를 구체화하는, 차량 유형을 선택하는 동작인, 비-일시적 컴퓨터-판독 가능 매체. - 제36항에 있어서,
상기 선택하는 동작은 적어도 부분적으로 상기 차량 유형에 대한 상기 사용자의 선호도를 기초로 하는, 비-일시적 컴퓨터-판독 가능 매체. - 제36항에 있어서,
상기 선택하는 동작은 적어도 부분적으로 상기 사용자가 부가한 요건을 기초로 하는, 비-일시적 컴퓨터-판독 가능 매체. - 제36항에 있어서,
상기 선택하는 동작은 (i) 상기 자율주행 차량을 위한 목적지까지의 하나 이상의 경로를 결정하는 동작, 및 (ii) 상기 하나 이상의 경로를 인간 운전 차량에 의해서 제공될 수 있는 최적 경로와 비교하는 동작을 포함하는, 비-일시적 컴퓨터-판독 가능 매체. - 하나 이상의 프로세서에 의해서 구현되는 운송 준비 방법으로서:
사용자로부터 운송 요청을 수신하는 단계; 그리고
적어도 부분적으로 상기 운송 요청으로 구체화된 목적지를 기초로 상기 사용자를 위한 차량 유형을 선택하는 단계로서, 상기 선택은 선택된 차량이 자율주행 차량인지의 여부를 구체화하는, 단계를 포함하는, 방법. - 하나 이상의 프로세서에 의해서 구현되는 자율주행 차량의 동작 방법으로서:
(a) 현재의 경로를 통해서 진행되는 상기 자율주행 차량의 신뢰도 레벨을 손상시키는 이벤트를 검출하는 단계;
(b) 상기 이벤트에 관한 정보를 원격 안내 공급원에 통신하는 단계;
(c) 상기 이벤트의 핸들링에 관한 명령어를 상기 원격 안내 공급원으로부터 수신하는 단계; 및
(d) 상기 명령어를 구현하는 단계를 포함하는, 방법. - 제41항에 있어서,
상기 자율주행 차량에서, 상기 이벤트를 핸들링하기 위한 대안적인 선택 사항의 세트를 결정하는 단계; 및
상기 대안적인 선택 사항의 세트를 상기 원격 안내 공급원에 통신하는 단계를 더 포함하고;
상기 명령어를 수신하는 단계는 상기 원격 안내 공급원으로부터 상기 대안적인 세트의 선택 사항 중 하나의 선택을 수신하는 단계를 포함하는, 방법. - 제41항에 있어서,
문턱값 시간 제한을 초과하는 지속시간에서 단계 (a) 내지 단계 (d)가 실시될 때, 상기 자율주행 차량이 속도를 줄이는, 방법. - 제43항에 있어서,
상기 문턱값 시간 제한이 약 2초인, 방법. - 제41항에 있어서,
상기 이벤트에 관한 정보를 통신하는 단계는, 상기 원격 안내 공급원에 대한 정보로서 통신하기 위해서, 이용 가능한 센서의 서브세트로부터 입력을 선택하는 단계를 포함하는, 방법. - 제45항에 있어서,
상기 원격 안내 공급원에 대한 정보로서 통신하기 위해서 상기 이용 가능한 센서의 서브세트로부터 입력을 선택하는 단계는, 적어도 부분적으로, 상기 자율주행 차량이 이동되는 차도 단편의 유형을 기초로 하는, 방법. - 제45항에 있어서,
상기 원격 안내 공급원에 대한 정보로서 통신하기 위해서 상기 이용 가능한 센서의 서브세트로부터 입력을 선택하는 단계는, 적어도 부분적으로, 상기 이벤트를 검출한 센서의 센서 특성을 기초로 하는, 방법. - 제45항에 있어서,
상기 원격 안내 공급원에 대한 정보로서 통신하기 위해서 상기 이용 가능한 센서의 서브세트로부터 입력을 선택하는 단계는 미리-결정된 규칙 기반의 로직을 기초로 하는, 방법. - 제45항에 있어서,
정보로서 통신하기 위해서 이용 가능한 센서의 서브세트로부터 입력을 선택하는 단계는, 센서의 제1 세트로부터의 정보가 초기 지속시간 중에 통신되도록, 그리고 센서의 제2 세트로부터의 정보가 제2 지속시간 중에 통신되도록, 상기 정보의 통신을 시퀀스화하는 단계를 포함하는, 방법. - 제41항에 있어서,
상기 통신된 정보에 응답하여 상기 원격 공급원에 있는 인간 조작자를 위한 인터페이스를 생성하는 단계를 더 포함하는, 방법. - 제50항에 있어서,
상기 인터페이스는 복수의 방향 표시자를 포함하고, 각각의 방향 표시자는, 상기 이벤트의 검출에 응답하는 방향 이동을 위해서 상기 자율주행 차량에 명령어를 제공하도록, 상기 인간 조작자에 의해서 선택될 수 있는, 방법. - 제51항에 있어서,
상기 인터페이스는 하나 이상의 표시자를 포함하고, 상기 각각의 표시자는, 상기 이벤트의 검출에 응답하는 속도 조정을 위해서 상기 자율주행 차량에 명령어를 제공하도록, 상기 인간 조작자에 의해서 선택될 수 있는, 방법. - 제51항에 있어서,
상기 인터페이스는 상기 인터페이스를 통한 입력을 제공하기 위해서 상기 원격 공급원에 위치되는 인간 조작자를 위한 근접(approximate) 시간을 포함하는, 방법. - 제41항에 있어서,
상기 이벤트를 검출하는 단계는, 인지되지 않는 또는 문턱값 미만인 확실성의 레벨로 인지되는 상기 자율주행 차량의 도로 내의 물체를 검출하는 단계를 포함하는, 방법. - 제54항에 있어서,
상기 도로 내의 물체를 검출하는 단계는 장범위 센서를 이용하여 상기 물체를 검출하는 단계를 포함하는, 방법. - 하나 이상의 프로세서에 의해서 구현되는 자율주행 차량의 안내 방법으로서:
(a) 자율주행 차량으로부터의 경보를 프로세스하는 단계로서, 상기 경보는 상기 자율주행 차량이 트립 상에서 진행하여야 하는 방법에서의 불확실성을 나타내는 센서 정보를 포함하는, 단계;
(b) 상기 센서 정보를 기초로 인간 조작자를 위한 인터페이스를 디스플레이하는 단계로서, 상기 인터페이스는 표시자의 세트를 포함하고, 상기 세트 내의 각각의 표시자는 방향 또는 속도 조정을 나타내는, 단계;
(c) 상기 표시자의 세트 내의 표시자 중 하나에 대한 상기 인간 조작자로부터의 선택 입력을 검출하는 단계; 및
(d) 상기 인간 조작자의 선택 입력에 의해서 표시된 상기 방향 또는 속도 조정에 따라 행동을 취하도록 상기 자율주행 차량에 명령어를 통신하는 단계를 포함하는, 방법. - 제56항에 있어서,
상기 세트 내의 표시자 중 하나는 방향 또는 속도 조정을 무효화를 나타내는, 방법. - 제56항에 있어서,
상기 인터페이스를 디스플레이하는 단계는 상기 센서 정보로부터 생성된 콘텐츠 상에 상기 인터페이스를 중첩시키는 단계를 포함하는, 방법. - 제56항에 있어서,
상기 인터페이스를 디스플레이하는 단계는, 상기 자율주행 차량이 디폴트 행동을 실시하기 전에, 상기 선택 입력을 제공하기 위해서 상기 인간 조작자에게 남아 있는 시간을 디스플레이하는 단계를 포함하는, 방법. - 하나 이상의 프로세서에 의해서 실행될 때, 상기 하나 이상의 프로세서가 이하의 동작을 실시하게 하는, 자율주행 차량을 안내하기 위한 명령어를 저장하는 비-일시적 컴퓨터-판독 가능 매체로서, 상기 동작은:
(a) 자율주행 차량으로부터의 경보를 프로세스하는 동작으로서, 상기 경보는 상기 자율주행 차량이 트립 상에서 진행하여야 하는 방법에서의 불확실성을 나타내는 센서 정보를 포함하는, 동작;
(b) 상기 센서 정보를 기초로 인간 조작자를 위한 인터페이스를 디스플레이하는 동작으로서, 상기 인터페이스는 표시자의 세트를 포함하고, 상기 세트 내의 각각의 표시자는 방향 또는 속도 조정을 나타내는, 동작;
(c) 상기 표시자의 세트 내의 표시자 중 하나에 대한 상기 인간 조작자로부터의 선택 입력을 검출하는 동작; 및
(d) 상기 인간 조작자의 선택 입력에 의해서 표시된 상기 방향 또는 속도 조정에 따라 행동을 취하도록 상기 자율주행 차량에 명령어를 통신하는 동작을 포함하는, 비-일시적 컴퓨터-판독 가능 매체.
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/711,506 US9494439B1 (en) | 2015-05-13 | 2015-05-13 | Autonomous vehicle operated with guide assistance of human driven vehicles |
| US14/711,602 | 2015-05-13 | ||
| US14/711,570 US10345809B2 (en) | 2015-05-13 | 2015-05-13 | Providing remote assistance to an autonomous vehicle |
| US14/711,602 US9547309B2 (en) | 2015-05-13 | 2015-05-13 | Selecting vehicle type for providing transport |
| US14/711,570 | 2015-05-13 | ||
| US14/711,506 | 2015-05-13 | ||
| PCT/US2016/032549 WO2016183525A1 (en) | 2015-05-13 | 2016-05-13 | Autonomous vehicle operated with guide assistance |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180008593A true KR20180008593A (ko) | 2018-01-24 |
Family
ID=57249377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177035830A KR20180008593A (ko) | 2015-05-13 | 2016-05-13 | 안내 보조로 동작되는 자율주행 차량 |
Country Status (8)
| Country | Link |
|---|---|
| EP (3) | EP3295268B1 (ko) |
| KR (1) | KR20180008593A (ko) |
| CN (3) | CN107850895B (ko) |
| AU (2) | AU2016262563B2 (ko) |
| CA (2) | CA3140464C (ko) |
| IL (1) | IL255590B (ko) |
| RU (2) | RU2726238C2 (ko) |
| WO (1) | WO2016183525A1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020189832A1 (ko) * | 2019-03-21 | 2020-09-24 | 엘지전자 주식회사 | 자율주행 차량을 이용한 운송 서비스 제공 방법 |
| US20200326702A1 (en) * | 2019-04-15 | 2020-10-15 | Toyota Jidosha Kabushiki Kaisha | Vehicle remote instruction system |
| US10933868B2 (en) | 2018-03-20 | 2021-03-02 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating a vehicle |
| DE102021101225A1 (de) | 2021-01-21 | 2022-07-21 | Mercedes-Benz Group AG | Autonomes Fahrzeug und Verfahren zu dessen Betrieb |
| WO2023034061A1 (en) * | 2021-08-31 | 2023-03-09 | Zoox, Inc. | Remote assistance for vehicles |
| US11932277B2 (en) | 2018-08-14 | 2024-03-19 | Mobileye Vision Technologies Ltd. | Navigation with a safe longitudinal distance |
Families Citing this family (75)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3256815A1 (en) | 2014-12-05 | 2017-12-20 | Apple Inc. | Autonomous navigation system |
| WO2018102425A1 (en) * | 2016-12-02 | 2018-06-07 | Starsky Robotics, Inc. | Vehicle control system and method of use |
| US10359783B2 (en) | 2017-02-28 | 2019-07-23 | Warfarer, Inc. | Transportation system |
| US10209718B2 (en) | 2017-03-14 | 2019-02-19 | Starsky Robotics, Inc. | Vehicle sensor system and method of use |
| CN111226268A (zh) * | 2017-05-02 | 2020-06-02 | 密歇根大学董事会 | 用于自动驾驶车辆的模拟车辆交通 |
| US10290074B2 (en) * | 2017-05-25 | 2019-05-14 | Uber Technologies, Inc. | Coordinating on-demand transportation with autonomous vehicles |
| US11042155B2 (en) | 2017-06-06 | 2021-06-22 | Plusai Limited | Method and system for closed loop perception in autonomous driving vehicles |
| US11573573B2 (en) * | 2017-06-06 | 2023-02-07 | Plusai, Inc. | Method and system for distributed learning and adaptation in autonomous driving vehicles |
| US11392133B2 (en) | 2017-06-06 | 2022-07-19 | Plusai, Inc. | Method and system for object centric stereo in autonomous driving vehicles |
| WO2018227107A1 (en) | 2017-06-09 | 2018-12-13 | Wayfarer, Inc. | An autonomous vehicle system employing time domain dynamic buffers when matching passengers and vehicles |
| US10346888B2 (en) | 2017-06-16 | 2019-07-09 | Uber Technologies, Inc. | Systems and methods to obtain passenger feedback in response to autonomous vehicle driving events |
| DE102017116421A1 (de) | 2017-07-20 | 2019-01-24 | Deutsche Post Ag | Verfahren und Steuervorrichtung für ein autonomes und/oder teilautonomes Transportfahrzeug |
| WO2019023522A1 (en) * | 2017-07-28 | 2019-01-31 | Nuro, Inc. | SYSTEM AND MECHANISM FOR INCENTIVE SALE OF PRODUCTS ON AUTONOMOUS VEHICLES |
| US10621448B2 (en) * | 2017-08-02 | 2020-04-14 | Wing Aviation Llc | Systems and methods for determining path confidence for unmanned vehicles |
| EP3492873B1 (en) * | 2017-11-30 | 2020-11-04 | Einride Ab | Battery pack optimization transport planning method |
| US20190187691A1 (en) | 2017-12-18 | 2019-06-20 | Steeringz, Inc. | Safety of autonomous vehicles by remote support request |
| US11084512B2 (en) | 2018-02-12 | 2021-08-10 | Glydways, Inc. | Autonomous rail or off rail vehicle movement and system among a group of vehicles |
| CN108490949B (zh) * | 2018-04-20 | 2022-02-15 | 驭势（上海）汽车科技有限公司 | 一种用于控制停车场内avp车辆的方法与设备 |
| DE102018112513A1 (de) * | 2018-05-24 | 2019-11-28 | Daimler Ag | Verfahren und System zur Ableitung einer Trajektorie an einer Systemgrenze eines autonomen Fahrzeugs durch einen Teleoperator |
| US11938965B2 (en) * | 2018-06-22 | 2024-03-26 | Nissan Motor Co., Ltd. | Information service method for vehicle dispatch system, vehicle dispatch system, and information service device |
| US20190392333A1 (en) * | 2018-06-22 | 2019-12-26 | International Business Machines Corporation | Adaptive multi-agent cooperative computation and inference |
| DK180657B1 (en) * | 2018-08-02 | 2021-11-11 | Motional Ad Llc | REMOTE CONTROL OF AUTONOMIC VEHICLES |
| EP3872595B1 (en) * | 2018-08-02 | 2022-11-23 | Motional AD LLC | Teleoperation of autonomous vehicles |
| DK201870686A1 (en) * | 2018-08-02 | 2020-02-20 | Aptiv Technologies Limited | MANAGEMENT OF MULTIPLE AUTONOMOUS VEHICLES |
| WO2020036731A1 (en) * | 2018-08-17 | 2020-02-20 | Truckl Llc | Systems for supply chain data from autonomous vehicles |
| CN109196437B (zh) * | 2018-08-21 | 2021-04-09 | 达闼机器人有限公司 | 智能驾驶方法、装置及存储介质 |
| CN109389042A (zh) * | 2018-09-07 | 2019-02-26 | 百度在线网络技术（北京）有限公司 | 协助驾驶的方法、设备、无人驾驶设备及可读存储介质 |
| US10955848B2 (en) | 2018-09-25 | 2021-03-23 | Waymo Llc | Reducing inconvenience to surrounding road users caused by stopped autonomous vehicles |
| JP7253446B2 (ja) * | 2018-10-05 | 2023-04-06 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、及び、情報処理システム |
| JP7330758B2 (ja) * | 2018-10-05 | 2023-08-22 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、及び、情報処理システム |
| US11543824B2 (en) * | 2018-10-09 | 2023-01-03 | Waymo Llc | Queueing into pickup and drop-off locations |
| JP7177387B2 (ja) * | 2018-10-11 | 2022-11-24 | トヨタ自動車株式会社 | 情報処理装置、プログラム及び小型車両 |
| US11041733B2 (en) | 2018-10-22 | 2021-06-22 | International Business Machines Corporation | Determining a pickup location for a vehicle based on real-time contextual information |
| US20200134561A1 (en) * | 2018-10-26 | 2020-04-30 | Aptiv Technologies Limited | Transport system and method with client assistance to hand-deliver a package |
| US11294381B2 (en) * | 2018-11-21 | 2022-04-05 | Toyota Motor North America, Inc. | Vehicle motion adaptation systems and methods |
| US10988137B2 (en) | 2018-12-04 | 2021-04-27 | Waymo Llc | Driveway maneuvers for autonomous vehicles |
| US10940851B2 (en) * | 2018-12-12 | 2021-03-09 | Waymo Llc | Determining wheel slippage on self driving vehicle |
| CN109697426B (zh) * | 2018-12-24 | 2019-10-18 | 北京天睿空间科技股份有限公司 | 基于多检测器融合的航班停机泊位检测方法 |
| DE102018251771A1 (de) * | 2018-12-28 | 2020-07-02 | Robert Bosch Gmbh | Verfahren zum zumindest teilautomatisierten Führen eines Kraftfahrzeugs |
| US11556124B2 (en) * | 2018-12-28 | 2023-01-17 | Beijing Voyager Technology Co., Ltd | System and method for updating vehicle operation based on remote intervention |
| FR3091248B1 (fr) * | 2018-12-28 | 2021-05-21 | Vulog | Procédé et système d’assistance d’un véhicule automobile autonome |
| US11884293B2 (en) | 2019-01-25 | 2024-01-30 | Uber Technologies, Inc. | Operator assistance for autonomous vehicles |
| JP7070463B2 (ja) * | 2019-02-22 | 2022-05-18 | トヨタ自動車株式会社 | 情報処理装置及び情報処理方法、プログラム |
| US10696222B1 (en) | 2019-03-12 | 2020-06-30 | Waymo Llc | Communications for autonomous vehicles |
| JP7463666B2 (ja) * | 2019-03-29 | 2024-04-09 | いすゞ自動車株式会社 | 輸送管理装置、および、輸送管理プログラム |
| CN110189537B (zh) * | 2019-05-08 | 2022-03-04 | 深圳先进技术研究院 | 基于时空特征的停车诱导方法、装置、设备及存储介质 |
| CN113785253A (zh) * | 2019-05-09 | 2021-12-10 | 索尼集团公司 | 信息处理装置、信息处理方法和程序 |
| US11548531B2 (en) | 2019-05-28 | 2023-01-10 | Motional Ad Llc | Autonomous vehicle fleet management for reduced traffic congestion |
| JP7290998B2 (ja) * | 2019-05-30 | 2023-06-14 | 日野自動車株式会社 | 隊列編成装置、隊列編成方法及び隊列編成プログラム |
| US11869048B2 (en) | 2019-06-12 | 2024-01-09 | Gm Cruise Holdings Llc | User recommendations and reviews using autonomous vehicle information |
| US11294387B2 (en) | 2019-06-17 | 2022-04-05 | Toyota Research Institute, Inc. | Systems and methods for training a vehicle to autonomously drive a route |
| CN110428647B (zh) * | 2019-07-26 | 2022-10-04 | 阿波罗智联(北京)科技有限公司 | 路口的车辆协同通行的方法、装置、设备及存储介质 |
| US11927955B2 (en) * | 2019-07-29 | 2024-03-12 | Waymo Llc | Methods for transitioning between autonomous driving modes in large vehicles |
| JP7151657B2 (ja) * | 2019-07-30 | 2022-10-12 | トヨタ自動車株式会社 | 操作選択装置 |
| JP7272172B2 (ja) * | 2019-08-21 | 2023-05-12 | トヨタ自動車株式会社 | 車両用操作システム |
| CN110852342B (zh) * | 2019-09-26 | 2020-11-24 | 京东城市(北京)数字科技有限公司 | 一种路网数据的获取方法、装置、设备及计算机存储介质 |
| JP7310524B2 (ja) * | 2019-10-11 | 2023-07-19 | トヨタ自動車株式会社 | 遠隔自動運転車両、及び車両遠隔指示システム |
| CN112977410A (zh) * | 2019-12-02 | 2021-06-18 | 奥迪股份公司 | 车辆制动系统、辅助制动系统、车辆及相应的方法和介质 |
| WO2021131474A1 (ja) * | 2019-12-26 | 2021-07-01 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、移動装置、情報処理システム、および方法、並びにプログラム |
| EP3869843A1 (en) * | 2020-02-19 | 2021-08-25 | Volkswagen Ag | Method for invoking a teleoperated driving session, apparatus for performing the steps of the method, vehicle and computer program |
| WO2021194747A1 (en) | 2020-03-23 | 2021-09-30 | Nuro, Inc. | Methods and apparatus for automated deliveries |
| CN111665839A (zh) * | 2020-06-03 | 2020-09-15 | 新石器慧通（北京）科技有限公司 | 无人车自动驾驶接管方法、装置、终端设备和存储介质 |
| US11580484B2 (en) | 2020-06-08 | 2023-02-14 | Waymo Llc | Cargo inspection, monitoring and securement in self-driving trucks |
| US11285968B2 (en) | 2020-06-30 | 2022-03-29 | Waymo Llc | Roadside assistance for autonomous vehicles |
| US11535276B2 (en) * | 2020-09-08 | 2022-12-27 | Waymo Llc | Methods and systems for using remote assistance to maneuver an autonomous vehicle to a location |
| JP7251535B2 (ja) * | 2020-09-11 | 2023-04-04 | トヨタ自動車株式会社 | 配車システム、配車サーバ、及び配車方法 |
| JP7310764B2 (ja) * | 2020-09-11 | 2023-07-19 | トヨタ自動車株式会社 | 配車システム、配車サーバ、及び配車方法 |
| CN112068566A (zh) * | 2020-09-15 | 2020-12-11 | 北京百度网讯科技有限公司 | 引导路径确定方法及车辆的行驶控制方法、装置、设备 |
| CN112230656A (zh) * | 2020-10-10 | 2021-01-15 | 广州汽车集团股份有限公司 | 一种园区车辆自动驾驶方法及其系统、客户端、存储介质 |
| EP4002045A1 (en) | 2020-11-24 | 2022-05-25 | Volkswagen Ag | Method and command center for a tele-operated driving of a vehicle and corresponding system with a command center and a vehicle |
| US11787438B2 (en) * | 2020-12-17 | 2023-10-17 | Zoox, Inc. | Collaborative vehicle path generation |
| CN115935573A (zh) * | 2021-08-09 | 2023-04-07 | 北京图森智途科技有限公司 | 用于自动驾驶车辆的仿真方法和控制自动驾驶车辆的方法 |
| CN113486452B (zh) * | 2021-09-07 | 2022-07-15 | 北京三快在线科技有限公司 | 一种用于无人驾驶设备远程遥控的方法及装置 |
| CN113823092B (zh) * | 2021-09-28 | 2022-11-18 | 深圳优地科技有限公司 | 机器人运行控制方法、设备及计算机可读存储介质 |
| CN117644880B (zh) * | 2024-01-26 | 2024-04-05 | 北京航空航天大学 | 一种面向智能网联汽车的融合安全防护系统及控制方法 |
Family Cites Families (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ATE204666T1 (de) * | 1995-11-14 | 2001-09-15 | Mannesmann Ag | Verfahren und zielführungseinheit zur sicheren zielführung eines fahrzeugs |
| KR100290350B1 (ko) * | 1995-12-30 | 2001-11-22 | 이계안 | 무인자율차량의수동변속기자동제어장치 |
| FR2761837B1 (fr) * | 1997-04-08 | 1999-06-11 | Sophie Sommelet | Dispositif d'aide a la navigation ayant une architecture distribuee basee sur internet |
| US6321161B1 (en) * | 1999-09-09 | 2001-11-20 | Navigation Technologies Corporation | Method and system for providing guidance about alternative routes with a navigation system |
| US8307037B2 (en) * | 2000-01-10 | 2012-11-06 | Bump Network, Inc. | Inter vehicle communication system |
| US20030135304A1 (en) * | 2002-01-11 | 2003-07-17 | Brian Sroub | System and method for managing transportation assets |
| RU2273055C1 (ru) * | 2005-01-25 | 2006-03-27 | Николай Николаевич Старченков | Способ оперативного сопровождения и управления подвижными объектами |
| RU2288509C1 (ru) * | 2005-10-14 | 2006-11-27 | Общество с ограниченной ответственностью "АЛЬТОНИКА" (ООО "АЛЬТОНИКА") | Способ мониторинга, сопровождения и управления наземными транспортными средствами |
| US20080059015A1 (en) * | 2006-06-09 | 2008-03-06 | Whittaker William L | Software architecture for high-speed traversal of prescribed routes |
| DE102008015840A1 (de) * | 2007-12-06 | 2009-06-10 | Continental Teves Ag & Co. Ohg | Fahrzeugnotruf zur Übermittlung zusätzlicher oder geänderter Daten |
| JP4936288B2 (ja) * | 2007-12-10 | 2012-05-23 | 本田技研工業株式会社 | 目標経路生成システム |
| CN101625573B (zh) * | 2008-07-09 | 2011-11-09 | 中国科学院自动化研究所 | 基于数字信号处理器的巡线机器人单目视觉导航系统 |
| US8676466B2 (en) * | 2009-04-06 | 2014-03-18 | GM Global Technology Operations LLC | Fail-safe speed profiles for cooperative autonomous vehicles |
| MX2012005958A (es) * | 2009-11-24 | 2012-12-17 | Telogis Inc | Selección de ruta de vehiculo basado en el uso de energia. |
| US8386399B2 (en) | 2010-09-13 | 2013-02-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Methods for selecting transportation parameters for a manufacturing facility |
| US8509982B2 (en) * | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
| US8630897B1 (en) * | 2011-01-11 | 2014-01-14 | Google Inc. | Transportation-aware physical advertising conversions |
| US9008888B1 (en) * | 2011-08-02 | 2015-04-14 | Cox Communications, Inc. | Cost based navigation |
| RU2479015C1 (ru) * | 2012-01-11 | 2013-04-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" | Способ определения траектории движения автономного транспортного средства в динамической среде |
| US8825265B1 (en) * | 2012-03-16 | 2014-09-02 | Google Inc. | Approach for consolidating observed vehicle trajectories into a single representative trajectory |
| US8521352B1 (en) * | 2012-05-07 | 2013-08-27 | Google Inc. | Controlling a vehicle having inadequate map data |
| US8698895B2 (en) * | 2012-08-06 | 2014-04-15 | Cloudparc, Inc. | Controlling use of parking spaces using multiple cameras |
| US9171382B2 (en) * | 2012-08-06 | 2015-10-27 | Cloudparc, Inc. | Tracking speeding violations and controlling use of parking spaces using cameras |
| US20140129302A1 (en) * | 2012-11-08 | 2014-05-08 | Uber Technologies, Inc. | Providing a confirmation interface for on-demand services through use of portable computing devices |
| CN102999046A (zh) * | 2012-12-05 | 2013-03-27 | 珠海市魅族科技有限公司 | 一种导航的控制方法、终端、导航装置及自移动设备 |
| US9958288B2 (en) * | 2013-03-14 | 2018-05-01 | Microsoft Technology Licensing, Llc | Planning under destination uncertainty |
| US9008890B1 (en) * | 2013-03-15 | 2015-04-14 | Google Inc. | Augmented trajectories for autonomous vehicles |
| JP6233706B2 (ja) * | 2013-04-02 | 2017-11-22 | パナソニックＩｐマネジメント株式会社 | 自律移動装置及び自律移動装置の自己位置推定方法 |
| US10551851B2 (en) * | 2013-07-01 | 2020-02-04 | Steven Sounyoung Yu | Autonomous unmanned road vehicle for making deliveries |
| CN103472745A (zh) * | 2013-09-23 | 2013-12-25 | 杨伟 | 无人驾驶汽车控制系统 |
| US20150095197A1 (en) * | 2013-09-30 | 2015-04-02 | David Edward Eramian | Systems and methods for minimizing travel costs for use of transportation providers by a user |
| US9573684B2 (en) * | 2013-10-26 | 2017-02-21 | Amazon Technologies, Inc. | Unmanned aerial vehicle delivery system |
| EP2891589A3 (en) * | 2014-01-06 | 2017-03-08 | Harman International Industries, Incorporated | Automatic driver identification |
| US9984574B2 (en) * | 2014-01-21 | 2018-05-29 | Tribal Rides, Inc. | Method and system for anticipatory deployment of autonomously controlled vehicles |
| US9720410B2 (en) * | 2014-03-03 | 2017-08-01 | Waymo Llc | Remote assistance for autonomous vehicles in predetermined situations |
| EP2915718B1 (en) * | 2014-03-04 | 2018-07-11 | Volvo Car Corporation | Apparatus and method for continuously establishing a boundary for autonomous driving availability and an automotive vehicle comprising such an apparatus |
| US9290174B1 (en) * | 2014-10-23 | 2016-03-22 | GM Global Technology Operations LLC | Method and system for mitigating the effects of an impaired driver |
| CN104460667A (zh) * | 2014-10-31 | 2015-03-25 | 成都众易通科技有限公司 | 一种汽车自动驾驶系统 |
-
2016
- 2016-05-13 CA CA3140464A patent/CA3140464C/en active Active
- 2016-05-13 CN CN201680041378.3A patent/CN107850895B/zh active Active
- 2016-05-13 CN CN202010194587.XA patent/CN111367287A/zh active Pending
- 2016-05-13 CN CN202010194586.5A patent/CN111290401B/zh active Active
- 2016-05-13 EP EP16793657.4A patent/EP3295268B1/en active Active
- 2016-05-13 AU AU2016262563A patent/AU2016262563B2/en active Active
- 2016-05-13 KR KR1020177035830A patent/KR20180008593A/ko unknown
- 2016-05-13 RU RU2017143206A patent/RU2726238C2/ru active
- 2016-05-13 EP EP20159753.1A patent/EP3683646B8/en active Active
- 2016-05-13 RU RU2020119506A patent/RU2761270C2/ru active
- 2016-05-13 EP EP20159764.8A patent/EP3705972A1/en not_active Withdrawn
- 2016-05-13 WO PCT/US2016/032549 patent/WO2016183525A1/en active Application Filing
- 2016-05-13 CA CA2985539A patent/CA2985539C/en active Active
-
2017
- 2017-11-12 IL IL25559017A patent/IL255590B/en active IP Right Grant
-
2019
- 2019-02-11 AU AU2019200934A patent/AU2019200934B2/en active Active
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10933868B2 (en) | 2018-03-20 | 2021-03-02 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating a vehicle |
| US11077845B2 (en) | 2018-03-20 | 2021-08-03 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating a vehicle |
| US11345340B2 (en) | 2018-03-20 | 2022-05-31 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating a vehicle |
| US11731617B2 (en) | 2018-03-20 | 2023-08-22 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating a vehicle |
| US11820365B2 (en) | 2018-03-20 | 2023-11-21 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating a vehicle |
| US11932277B2 (en) | 2018-08-14 | 2024-03-19 | Mobileye Vision Technologies Ltd. | Navigation with a safe longitudinal distance |
| WO2020189832A1 (ko) * | 2019-03-21 | 2020-09-24 | 엘지전자 주식회사 | 자율주행 차량을 이용한 운송 서비스 제공 방법 |
| US11332159B2 (en) | 2019-03-21 | 2022-05-17 | Lg Electronics Inc. | Method for providing transportation service using autonomous vehicle |
| US20200326702A1 (en) * | 2019-04-15 | 2020-10-15 | Toyota Jidosha Kabushiki Kaisha | Vehicle remote instruction system |
| US11774964B2 (en) * | 2019-04-15 | 2023-10-03 | Toyota Jidosha Kabushiki Kaisha | Vehicle remote instruction system |
| DE102021101225A1 (de) | 2021-01-21 | 2022-07-21 | Mercedes-Benz Group AG | Autonomes Fahrzeug und Verfahren zu dessen Betrieb |
| WO2023034061A1 (en) * | 2021-08-31 | 2023-03-09 | Zoox, Inc. | Remote assistance for vehicles |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107850895B (zh) | 2020-03-31 |
| CN111367287A (zh) | 2020-07-03 |
| AU2016262563B2 (en) | 2019-03-14 |
| AU2019200934A1 (en) | 2019-02-28 |
| RU2020119506A (ru) | 2020-07-29 |
| RU2017143206A (ru) | 2019-06-13 |
| EP3295268A4 (en) | 2019-01-09 |
| EP3683646A1 (en) | 2020-07-22 |
| CA2985539C (en) | 2023-04-04 |
| RU2761270C2 (ru) | 2021-12-06 |
| AU2019200934B2 (en) | 2019-05-23 |
| CA3140464C (en) | 2023-01-17 |
| EP3295268A1 (en) | 2018-03-21 |
| EP3683646B1 (en) | 2021-07-21 |
| IL255590A (en) | 2018-01-31 |
| WO2016183525A1 (en) | 2016-11-17 |
| EP3295268B1 (en) | 2020-05-06 |
| EP3683646B8 (en) | 2021-08-25 |
| CA3140464A1 (en) | 2016-11-17 |
| AU2016262563A1 (en) | 2017-11-30 |
| RU2017143206A3 (ko) | 2019-12-20 |
| RU2020119506A3 (ko) | 2020-12-03 |
| IL255590B (en) | 2019-11-28 |
| CN111290401B (zh) | 2023-03-21 |
| EP3705972A1 (en) | 2020-09-09 |
| CN111290401A (zh) | 2020-06-16 |
| CA2985539A1 (en) | 2016-11-17 |
| CN107850895A (zh) | 2018-03-27 |
| RU2726238C2 (ru) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11403683B2 (en) | Selecting vehicle type for providing transport | |
| AU2019200934B2 (en) | Autonomous vehicle operated with guide assistance | |
| US10990094B2 (en) | Autonomous vehicle operated with guide assistance of human driven vehicles | |
| US11022977B2 (en) | Autonomous vehicle operated with safety augmentation | |
| US20190286143A1 (en) | Providing remote assistance to an autonomous vehicle | |
| US20210286651A1 (en) | Autonomous Vehicle Operated with Safety Augmentation |