KR20210018436A - 선형 시간 논리를 사용한 자율 주행 차량 동작 - Google Patents

선형 시간 논리를 사용한 자율 주행 차량 동작 Download PDF

Info

Publication number
KR20210018436A
KR20210018436A KR1020217000256A KR20217000256A KR20210018436A KR 20210018436 A KR20210018436 A KR 20210018436A KR 1020217000256 A KR1020217000256 A KR 1020217000256A KR 20217000256 A KR20217000256 A KR 20217000256A KR 20210018436 A KR20210018436 A KR 20210018436A
Authority
KR
South Korea
Prior art keywords
motion
vehicle
linear temporal
temporal logic
operating
Prior art date
Application number
KR1020217000256A
Other languages
English (en)
Other versions
KR102511954B1 (ko
Inventor
티차콘 옹피롬산
Original Assignee
모셔널 에이디 엘엘씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 모셔널 에이디 엘엘씨 filed Critical 모셔널 에이디 엘엘씨
Priority to KR1020237009039A priority Critical patent/KR102569135B1/ko
Publication of KR20210018436A publication Critical patent/KR20210018436A/ko
Application granted granted Critical
Publication of KR102511954B1 publication Critical patent/KR102511954B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18159—Traversing an intersection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0055—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B60Y2300/095—Predicting travel path or likelihood of collision
    • B60Y2300/0954—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/18—Propelling the vehicle
    • B60Y2300/18008—Propelling the vehicle related to particular drive situations
    • B60Y2300/18166—Overtaking, changing lanes

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Navigation (AREA)

Abstract

선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 기술이 제공된다. 본 발명은 시작 포인트와 종료 포인트(제1 시공간적 위치와 제2 시공간적 위치) 사이에 여러 가능한 모션 세그먼트를 정의한다. 동작 제약, 예를 들면, 속력 제한을 충족시키는 모션 세그먼트는 "참"(선형 시간 논리 표현식이라고 함)으로 레이블링된다. 모든 모션 세그먼트가 거짓인 경우, 제약들 간의 가능한 순위도 고려하여, 비용 함수(동작 메트릭)가 생성된다. 충돌 방지가 편의보다 우선한다. 본 시스템은 비용 함수에 기초하여 모션 세그먼트를 선택한다.

Description

선형 시간 논리를 사용한 자율 주행 차량 동작
관련 출원의 상호 참조
본 출원은, 참조에 의해 그 전체가 본원에 포함되는, 2019년 6월 4일자로 출원된 미국 가출원 제62/856,875호의 이익을 주장한다.
발명의 분야
본 설명은 일반적으로 차량의 동작을 위한 경로 계획에 관한 것이다.
초기 위치로부터 최종 목적지까지의 차량의 동작은 종종 사용자 또는 차량의 의사 결정 시스템에 초기 위치로부터 최종 목적지까지의 도로망을 통한 루트를 선택할 것을 요구한다. 복잡한 루트를 선택하는 것은 많은 결정을 요구할 수 있어, 전통적인 루트 선택 알고리즘을 비실용적으로 만들 수 있다.
선형 시간 논리(linear temporal logic)를 사용하는 자율 주행 차량(autonomous vehicle; AV) 동작을 위한 기술이 제공된다. 본 기술은, 차량의 하나 이상의 프로세서를 사용하여, 차량을 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 저장하는 것을 포함한다. 차량은 제1 시공간적 위치에 위치해 있다. 하나 이상의 프로세서는 차량에 대한 제2 시공간적 위치를 수신한다. 하나 이상의 프로세서는 제1 시공간적 위치로부터 제2 시공간적 위치까지 차량을 동작시키기 위한 모션 세그먼트를 식별하는 데 사용된다. 하나 이상의 프로세서는 모션 세그먼트에 기초하여 선형 시간 논리 표현식의 값을 결정한다. 하나 이상의 프로세서는 선형 시간 논리 표현식의 결정된 값에 기초하여 모션 세그먼트에 따라 차량을 동작시키기 위한 동작 메트릭을 생성한다.
일 실시예에서, 차량의 하나 이상의 프로세서는 차량을 동작시키는 것에 대한 하나 이상의 동작 제약을 수신한다. 하나 이상의 동작 제약의 각각의 동작 제약은 각자의 선형 시간 논리 표현식에 의해 정의된다. 하나 이상의 프로세서는 차량을 동작시키기 위한 하나 이상의 모션 세그먼트를 결정한다. 하나 이상의 모션 세그먼트의 각각의 모션 세그먼트는 2개의 상이한 시공간적 위치를 연결시킨다. 하나 이상의 프로세서는 시간 모달 연산자(temporal modal operator)에 기초하여 차량의 상태 시퀀스에 대한 하나 이상의 선형 시간 논리 표현식의 값을 결정한다. 하나 이상의 프로세서는 하나 이상의 선형 시간 논리 표현식의 값에 기초하여 하나 이상의 모션 세그먼트에 동작 메트릭을 할당한다. 하나 이상의 프로세서는 하나 이상의 모션 세그먼트의 모션 세그먼트를 선택한다. 선택된 모션 세그먼트는 임계 값 미만의 할당된 동작 메트릭을 갖는다. 차량의 제어 모듈은 선택된 모션 세그먼트에 따라 차량을 동작시킨다.
일 실시예에서, 차량의 하나 이상의 프로세서는 다수의 모션 세그먼트를 수신한다. 다수의 모션 세그먼트의 각각의 모션 세그먼트는 제1 시공간적 위치를 제2 시공간적 위치에 연결시킨다. 하나 이상의 프로세서는 제1 시공간적 위치에 대응하는 제1 정점을 포함하는 크립키(Kripke) 구조를 생성한다. 제2 정점은 제2 시공간적 위치에 대응한다. 크립키 구조는 다수의 에지를 포함한다. 다수의 에지의 각각의 에지는 다수의 모션 세그먼트의 각자의 모션 세그먼트에 대응한다. 하나 이상의 프로세서는 차량을 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 수신한다. 크립키 구조 내의 다수의 에지의 각각의 에지에 대해: 제1 정점 또는 제2 정점 중 어느 하나에서 결정된 선형 시간 논리 표현식의 값이 거짓(false)인 것에 응답하여, 하나 이상의 프로세서는 에지에 대응하는 모션 세그먼트에 동작 메트릭을 할당한다. 하나 이상의 프로세서는 차량을 동작시키기 위해 가장 낮은 동작 메트릭과 연관된 모션 세그먼트를 선택한다.
일 실시예에서, 차량의 하나 이상의 프로세서는 차량을 동작시키기 위한 모션 세그먼트를 나타내는 크립키 구조를 저장한다. 모션 세그먼트는 다수의 시공간적 위치를 포함한다. 다수의 시공간적 위치의 각각의 시공간적 위치에 대해: 하나 이상의 프로세서는 크립키 구조에 기초하여 선형 시간 논리 표현식을 평가한다. 선형 시간 논리 표현식은 모션 세그먼트에 따라 차량을 동작시키는 것에 대한 동작 제약을 정의한다. 선형 시간 논리 표현식의 값이 시공간적 위치에서 변경되는 것에 응답하여, 하나 이상의 프로세서는 시공간적 위치에서 크립키 구조 내에 위치 마커를 삽입하여 모션 세그먼트를 2개의 상이한 모션 세그먼트로 분할한다. 하나 이상의 프로세서는 위치 마커에 기초하여 2개의 상이한 모션 세그먼트의 각각의 모션 세그먼트에 동작 메트릭을 할당한다. 하나 이상의 프로세서는 동작 메트릭에 기초하여 차량을 동작시키기 위한 궤적을 결정한다.
일 실시예에서, 차량의 하나 이상의 프로세서는 차량과 대상체의 충돌에 대응하는 선형 시간 논리 표현식을 저장한다. 하나 이상의 프로세서는 차량을 동작시키기 위한 제1 모션 세그먼트를 수신한다. 하나 이상의 프로세서는 제1 모션 세그먼트에 기초하여 선형 시간 논리 표현식의 제1 값을 결정한다. 차량과 대상체의 제1 충돌 확률이 임계 값보다 더 크다는 것을 나타내는 결정된 제1 값에 응답하여, 차량의 제어 모듈은 제1 모션 세그먼트와 상이한 제2 모션 세그먼트에 따라 차량을 동작시킨다. 제2 모션 세그먼트에 기초하여 결정된 선형 시간 논리 표현식의 제2 값은 차량과 대상체의 제2 충돌 확률이 임계 값 미만임을 나타낸다.
이들 및 다른 양태, 특징, 및 구현예는 기능을 수행하기 위한 방법, 장치, 시스템, 컴포넌트, 프로그램 제품, 수단 또는 단계로서, 및 다른 방식으로 표현될 수 있다.
이들 및 다른 양태, 특징, 및 구현은 청구항을 포함하여, 이하의 설명으로부터 명백해질 것이다.
무엇보다도, 본원에서 개시된 실시예의 이점 및 장점은 감소된 비용의 궤적을 따라 AV를 운행시켜, 증가된 승객 및 보행자 안전, 더 낮은 AV의 마손(wear and tear), 감소된 주행 시간, 및 감소된 주행 거리를 결과하는 것을 포함한다. 교통 규칙에 기초하여 선호된 궤적을 생성하는 것은 AV, 도로망 상의 다른 차량, 및 보행자의 안전을 증대시킨다. AV가 잠재적 궤적이 더 높은 순위의 동작 제약을 위반할 것이라고 결정할 때, 계산 시간을 감소시키기 위해 잠재적 궤적의 평가가 종료된다. 본원에서 개시된 실시예는 교통 규칙으로부터 가중 곱 오토마톤(weighted product automaton)을 생성하는 높은 계산 비용을 방지한다. 따라서, 이동하는 차량에 대한 감소된 비용의 궤적의 생성이 실시간으로 수행된다.
도 1은 하나 이상의 실시예에 따른, 자율 주행 능력(autonomous capability)을 갖는 자율 주행 차량(AV)의 일 예를 도시한다.
도 2는 하나 이상의 실시예에 따른, 예시적인 "클라우드" 컴퓨팅 환경을 도시한다.
도 3은 하나 이상의 실시예에 따른, 컴퓨터 시스템을 도시한다.
도 4는 하나 이상의 실시예에 따른, AV에 대한 예시적인 아키텍처를 도시한다.
도 5는 하나 이상의 실시예에 따른, 인지 모듈에 의해 사용될 수 있는 입력 및 출력의 일 예를 도시한다.
도 6은 하나 이상의 실시예에 따른, LiDAR 시스템의 일 예를 도시한다.
도 7은 하나 이상의 실시예에 따른, 동작 중인 LiDAR 시스템을 도시한다.
도 8은 하나 이상의 실시예에 따른, LiDAR 시스템의 동작을 추가적으로 상세하게 도시한다.
도 9는 하나 이상의 실시예에 따른, 계획 모듈의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 10은 하나 이상의 실시예에 따른, 경로 계획에서 사용되는 방향 그래프(directed graph)를 도시한다.
도 11은 하나 이상의 실시예에 따른, 제어 모듈의 입력 및 출력의 블록 다이어그램을 도시한다.
도 12는 하나 이상의 실시예에 따른, 제어기의 입력, 출력, 및 컴포넌트의 블록 다이어그램을 도시한다.
도 13은 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 동작 환경의 블록 다이어그램을 도시한다.
도 14 및 도 15는 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작의 예를 도시한다.
도 16 내지 도 20은 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 프로세스를 도시한다.
설명을 위한 이하의 기술에서는, 본 발명에 대한 완전한 이해를 제공하기 위해 다수의 특정한 세부 사항이 제시된다. 그렇지만, 본 발명이 이러한 특정 세부 사항 없이 실시될 수 있음이 명백할 것이다. 다른 경우에, 공지된 구조 및 디바이스는 본 발명을 불필요하게 모호하게 하는 것을 피하기 위하여 블록 다이어그램 형태로 도시된다.
도면에서, 설명을 용이하게 하기 위해, 디바이스, 모듈, 명령어 블록 및 데이터 요소를 나타내는 것과 같은 개략적 요소의 특정 배열 또는 순서가 도시된다. 그렇지만, 본 기술 분야의 통상의 기술자라면, 도면에서의 개략적 요소의 특정 순서 또는 배열이 프로세싱의 특정한 순서 또는 시퀀스, 또는 프로세스의 분리가 요구됨을 암시한다는 것을 의미하지는 않는다는 점을 이해할 것이다. 또한, 도면에 개략적 요소를 포함시키는 것은, 그러한 요소가 모든 실시예에서 요구된다는 점을 암시하는 것을 의미하지 않거나, 또는 그러한 요소에 의해 표현된 특징이 일 실시예에서 포함되지 않거나 또는 다른 요소와 조합되지 않을 수 있다는 점을 암시하는 것을 의미하지 않는다.
또한, 도면에서, 2개 이상의 다른 개략적 요소 사이의 연결, 관계 또는 연관을 보여주기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소가 사용되는 경우에, 임의의 그러한 연결 요소의 부재가 연결, 관계 또는 연관이 존재할 수 없다는 것을 암시하는 것을 의미하지 않는다. 환언하면, 요소들 사이의 일부 연결, 관계 또는 연관은 본 개시를 모호하게 하지 않기 위해 도면에 도시되지 않는다. 추가적으로, 예시를 용이하게 하기 위해, 요소들 사이의 다수의 연결, 관계 또는 연관을 나타내기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호, 데이터 또는 명령어의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면, 그러한 요소가, 통신을 수행하기 위해 필요할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낸다는 것을 이해할 것이다.
그 예가 첨부된 도면에 예시된 실시예가 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예에 대한 완전한 이해를 제공하기 위해 많은 특정 세부 사항이 기재된다. 그렇지만, 다양한 기술된 실시예가 이러한 특정 세부 사항 없이 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예의 양태를 불필요하게 모호하게 하지 않기 위해 공지된 방법, 절차, 컴포넌트, 회로, 및 네트워크는 상세히 기술되지 않았다.
서로 독립적으로 또는 다른 특징들의 임의의 조합과 함께 각각 사용될 수 있는 여러 특징이 이하에 기술된다. 그렇지만, 임의의 개별 특징은 위에서 논의된 문제들 중 임의의 것을 해결할 수 없거나 또는 위에서 논의된 문제들 중 단지 하나만을 해결할 수 있다. 위에서 논의된 문제들 중 일부가 본원에 기술된 특징들 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 비록 여러 표제가 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지는 않는 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예는 이하의 개요에 따라 본원에 기술된다:
1. 일반적 개관
2. 시스템 개관
3. 자율 주행 차량 아키텍처
4. 자율 주행 차량 입력
5. 자율 주행 차량 계획
6. 자율 주행 차량 제어
7. 선형 시간 논리를 사용하는 AV 동작을 위한 동작 환경
8. 선형 시간 논리를 사용하는 AV 동작의 예
9. 선형 시간 논리를 사용하는 AV 동작을 위한 프로세스
일반적 개관
초기 시공간적 위치에 위치한 자율 주행 차량(AV)은 AV를 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 저장한다. 선형 시간 논리 표현식은 시간을 참조하는 모달리티(modality)를 갖는 모달 시간 논리 표현식(modal temporal logic expression)이다. 동작 제약은, 예를 들면, 교통 규칙 또는 AV에 승차하고 있는 승객의 승객 편의 레벨을 증가시키도록 의도된 규칙이다. AV는 AV가 주행할 목적지 시공간적 위치를 수신한다. 예를 들어, AV는 AV에 승차하고 있는 승객으로부터 또는 원격 서버로부터 목적지 시공간적 위치를 지정하는 명령어를 수신할 수 있다. AV는 하나 이상의 프로세서를 사용하여 초기 시공간적 위치로부터 목적지 시공간적 위치까지 AV를 동작시키기 위한 모션 세그먼트를 식별한다. 모션 세그먼트는 주행 차선의 일 부분이다. 추가적으로, 모션 세그먼트는, 예를 들면, 주행 차선에서 주행할 때의 AV의 속력을 지정한다. AV는 모션 세그먼트에 기초하여 선형 시간 논리 표현식의 값을 결정한다. 예를 들어, AV는 선형 시간 논리 표현식을 평가하여 동작 제약이 위반될 것인지 여부를 결정한다. AV는 선형 시간 논리 표현식의 결정된 값에 기초하여 모션 세그먼트에 따라 AV를 동작시키기 위한 동작 메트릭을 생성한다. 동작 메트릭은 동작 제약을 위반하는 비용이다. 따라서 AV는 초기 시공간적 위치로부터 목적지 시공간적 위치까지의 감소된 비용의 궤적을 생성한다.
시스템 개관
도 1은 자율 주행 능력을 갖는 자율 주행 차량(100)의 일 예를 도시한다.
본원에서 사용되는 바와 같이, "자율 주행 능력"이라는 용어는, 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량을 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 동작할 수 있게 하는 기능, 특징, 또는 설비를 지칭한다.
본원에서 사용되는 바와 같이, 자율 주행 차량(AV)은 자율 주행 능력을 갖는 차량이다.
본원에서 사용되는 바와 같이, "차량"은 상품 또는 사람의 운송 수단을 포함한다. 예를 들어, 자동차, 버스, 기차, 비행기, 드론, 트럭, 보트, 선박, 잠수함, 비행선 등. 무인 자동차는 차량의 일 예이다.
본원에서 사용되는 바와 같이, "궤적"은 제1 시공간적 위치로부터 제2 시공간적 위치까지 AV를 동작시키는 경로 또는 루트를 지칭한다. 일 실시예에서, 제1 시공간적 위치는 초기 또는 시작 위치라고 지칭되고 제2 시공간적 위치는 목적지, 최종 위치, 목표, 목표 위치, 또는 목표 장소라고 지칭된다. 일부 예에서, 궤적은 하나 이상의 세그먼트(예를 들면, 도로의 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들면, 차선 또는 교차로의 부분)으로 구성된다. 일 실시예에서, 시공간적 위치는 현실 세계 위치에 대응한다. 예를 들어, 시공간적 위치는 사람을 태우거나 내려주고 또는 상품을 싣거나 내리는 픽업(pick up) 위치 또는 드롭 오프(drop-off) 위치이다.
본원에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싸는 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트들 중 일부는 감지 컴포넌트(예를 들면, 이미지 센서, 생체 측정 센서), 송신 및/또는 수신 컴포넌트(예를 들면, 레이저 또는 라디오 주파수 파 송신기 및 수신기), 아날로그 대 디지털 변환기와 같은 전자 컴포넌트, 데이터 저장 디바이스(예컨대, RAM 및/또는 비휘발성 스토리지), 소프트웨어 또는 펌웨어 컴포넌트, 및 ASIC(application-specific integrated circuit), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트를 포함할 수 있다.
본원에서 사용되는 바와 같이, "장면 묘사(scene description)"는 AV 차량 상의 하나 이상의 센서에 의해 검출되거나 AV 외부의 소스에 의해 제공되는 하나 이상의 분류된 또는 레이블링된 대상체를 포함하는 데이터 구조(예를 들면, 리스트) 또는 데이터 스트림이다.
본원에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들면, 도시 거리, 주간 프리웨이(interstate freeway) 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들면, 주택 또는 사무실 건물 내의 사유 도로, 주차장 섹션, 공터 섹션, 시골 지역의 비포장 경로 등)에 대응할 수 있다. 일부 차량(예를 들면, 4륜 구동 픽업 트럭, 스포츠 유틸리티 차량 등)은 차량 주행에 특히 적합하지 않은 다양한 물리적 영역을 횡단할 수 있기 때문에, "도로"는 임의의 지자체 또는 다른 정부 또는 행정처에 의해 주요 도로로서 공식적으로 규정되지 않은 물리적 영역일 수 있다.
본원에서 사용되는 바와 같이, "차선"은 차량에 의해 횡단될 수 있는 도로의 한 부분이고, 차선 마킹들 사이의 공간의 대부분 또는 전부에 대응할 수 있거나, 또는 차선 마킹들 사이의 공간의 단지 일부(예를 들면, 50% 미만)에 대응할 수 있다. 예를 들어, 멀리 이격된 차선 마킹을 갖는 도로는 차선 마킹들 사이에 둘 이상의 차량을 수용할 수 있어서, 하나의 차량이 차선 마킹을 횡단하지 않으면서 다른 차량을 추월할 수 있고, 따라서 차선 마킹들 사이의 공간보다 더 좁은 차선을 갖거나 차선 마킹들 사이에 2개의 차선을 갖는 것으로 해석될 수 있다. 차선은 차선 마킹의 부재 시에도 해석될 수 있다. 예를 들어, 차선은 환경의 물리적 특징, 예를 들어, 시골 지역에서의 주요 도로를 따라 있는 바위 및 나무에 기초하여 규정될 수 있다.
"하나 이상"은 하나의 요소에 의해 수행되는 기능, 하나 초과의 요소에 의해, 예를 들어, 분산 방식으로, 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능, 여러 요소에 의해 수행되는 여러 기능, 또는 이들의 임의의 조합을 포함한다.
또한, 제1, 제2 등의 용어가, 일부 예에서, 다양한 요소를 기술하기 위해 본원에서 사용되고 있지만, 이러한 요소가 이러한 용어에 의해 제한되지 않아야 한다는 것이 이해될 것이다. 이러한 용어는 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 기술된 다양한 실시예의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉 둘 모두가 접촉이지만, 동일한 접촉은 아니다.
본원에 기술된 다양한 실시예의 설명에서 사용된 용어는 단지 특정한 실시예를 기술하기 위한 것이며, 제한하는 것으로 의도되지 않는다. 기술된 다양한 실시예 및 첨부된 청구항의 설명에서 사용되는 바와 같이, 단수형은, 문맥이 달리 명확히 표시하지 않는 한, 복수형을 포함하는 것으로 의도되어 있다. "및/또는"이라는 용어가, 본원에서 사용되는 바와 같이, 열거된 연관 항목들 중 하나 이상의 항목의 임의의 및 모든 가능한 조합을 지칭하고 포함한다는 것이 또한 이해될 것이다. 게다가, "포함한다" 및/또는 "포함하는"이라는 용어는 본 설명에서 사용될 때, 언급된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트의 존재를 명기하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 그의 그룹의 존재 또는 추가를 배제하지 않는다는 것도 이해될 것이다.
본원에서 사용되는 바와 같이, "~ 경우"라는 용어는 선택적으로 문맥에 따라 "~할 때", 또는 "~시에" 또는 "결정에 응답하여" 또는 "검출에 응답하여"를 의미하는 것으로 해석된다. 마찬가지로, 문구 "~라고 결정된다면" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는 선택적으로 문맥에 따라, "결정할 시에" 또는 "결정에 응답하여" 또는 "[언급된 조건 또는 이벤트]의 검출 시에" 또는 "[언급된 조건 또는 이벤트]의 검출에 응답하여"를 의미하는 것으로 해석된다.
본원에서 사용되는 바와 같이, AV 시스템은 AV의 동작을 지원하는 하드웨어, 소프트웨어, 저장 데이터 및 실시간으로 생성된 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 포함된다. 일 실시예에서, AV 시스템은 여러 위치에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 도 3와 관련하여 아래에서 기술되는 클라우드 컴퓨팅 환경(300)과 유사한 클라우드 컴퓨팅 환경 상에 구현된다.
일반적으로, 본원은 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량, 예를 들어, 각각 소위 레벨 5 차량, 레벨 4 차량 및 레벨 3 차량을 포함하는 하나 이상의 자율 주행 능력을 갖는 임의의 차량에 적용 가능한 기술을 개시한다(차량의 자율성의 레벨 분류에 대한 세부 사항은 본원에 그 전체가 참조로 포함된, SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의(Taxonomy and Definitions for Terms Related to On-128-172020-02-28 Road Motor Vehicle Automated Driving Systems) 참조). 또한, 본원에서 개시된 기술은 부분적 자율 주행 차량 및 운전자 보조 차량, 예컨대, 소위 레벨 2 및 레벨 1 차량에도 적용 가능하다(SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의 참조). 일 실시예에서, 레벨 1, 레벨 2, 레벨 3, 레벨 4 및 레벨 5 차량 시스템 중 하나 이상은 센서 입력의 프로세싱에 기초하여 특정의 동작 조건 하에서 특정의 차량 동작(예를 들면, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본 문서에서 설명된 기술은, 완전한 자율 주행 차량으로부터 인간 운전 차량에 이르는, 임의의 레벨에 있는 차량에 혜택을 줄 수 있다.
도 1을 참조하면, AV 시스템(120)은, 대상체(예를 들면, 자연 장애물(191), 차량(193), 보행자(192), 자전거 타는 사람, 및 다른 장애물)을 피하고 도로 법규(예를 들면, 동작 규칙 또는 운전 선호사항)를 준수하면서, AV(100)를 궤적(198)을 따라 환경(190)을 통과하여 목적지(199)(때때로 최종 위치라고 지칭됨)로 동작시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)로부터 동작 커맨드를 수신하고 이에 따라 동작하도록 설비된 디바이스(101)를 포함한다. 일 실시예에서, 컴퓨팅 프로세서(146)는 도 3을 참조하여 아래에서 기술되는 프로세서(304)와 유사하다. 디바이스(101)의 예는 조향 컨트롤(102), 브레이크(103), 기어, 가속기 페달 또는 다른 가속 제어 메커니즘, 윈드실드 와이퍼, 사이드 도어 락, 윈도 컨트롤, 및 방향 지시등을 포함한다.
일 실시예에서, AV 시스템(120)은, AV의 위치, 선형 속도 및 선형 가속도, 각속도 및 각가속도, 및 헤딩(heading)(예를 들면, AV(100)의 선단의 배향)과 같은, AV(100)의 상태 또는 조건의 속성을 측정 또는 추론하기 위한 센서(121)를 포함한다. 센서(121)의 예는 GNSS, 차량 선가속도 및 각도 변화율(angular rate) 둘 모두를 측정하는 IMU(inertial measurement unit), 휠 슬립률(wheel slip ratio)을 측정 또는 추정하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 휠 토크 센서, 그리고 조향각 및 각도 변화율 센서이다.
일 실시예에서, 센서(121)는 AV의 환경의 속성을 감지 또는 측정하기 위한 센서를 또한 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 둘 모두) 스펙트럼의 단안 또는 스테레오 비디오 카메라(122), LiDAR(123), RADAR, 초음파 센서, TOF(time-of-flight) 깊이 센서, 속력 센서, 온도 센서, 습도 센서, 및 강우 센서.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)와 연관된 머신 명어령 또는 센서(121)에 의해 수집된 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142)은 도 3과 관련하여 아래에서 기술되는 ROM(308) 또는 저장 디바이스(310)와 유사하다. 일 실시예에서, 메모리(144)는 아래에서 기술되는 메인 메모리(306)와 유사하다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 과거 정보, 실시간 정보, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵, 운전 성능, 교통 혼잡 업데이트 또는 기상 조건을 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격에 위치한 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, AV 시스템(120)은 다른 차량의 상태 및 조건, 예컨대, 위치, 선속도와 각속도, 선가속도와 각가속도, 및 AV(100)를 향한 선형 헤딩(linear heading)과 각도 헤딩(angular heading)의 측정된 또는 추론된 속성을 통신하기 위한 통신 디바이스(140)를 포함한다. 이러한 디바이스는 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스 및 포인트-투-포인트(point-to-point) 또는 애드혹(ad hoc) 네트워크 또는 둘 모두를 통한 무선 통신을 위한 디바이스를 포함한다. 일 실시예에서, 통신 디바이스(140)는 (라디오 및 광학 통신을 포함하는) 전자기 스펙트럼 또는 다른 매체(예를 들면, 공기 및 음향 매체)를 통해 통신한다. V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure) 통신(및 일 실시예에서 하나 이상의 다른 타입의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신으로 지칭된다. V2X 통신은 전형적으로, 자율 주행 차량과의 통신 및 자율 주행 차량들 사이의 통신을 위한 하나 이상의 통신 표준을 준수한다.
일 실시예에서, 통신 디바이스(140)는 통신 인터페이스를 포함한다. 예를 들어, 유선, 무선, WiMAX, Wi-Fi, 블루투스, 위성, 셀룰러, 광학, 근거리, 적외선, 또는 라디오 인터페이스. 통신 인터페이스는 원격에 위치한 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치한 데이터베이스(134)는 도 2에 기술된 바와 같은 클라우드 컴퓨팅 환경(200)에 내장된다. 통신 인터페이스(140)는 센서(121)로부터 수집된 데이터 또는 AV(100)의 동작에 관련된 다른 데이터를 원격에 위치한 데이터베이스(134)에 송신한다. 일 실시예에서, 통신 인터페이스(140)는 원격 운영(teleoperation)에 관련되는 정보를 AV(100)에 송신한다. 일 실시예에서, AV(100)는 다른 원격(예를 들면, "클라우드") 서버(136)와 통신한다.
일 실시예에서, 원격에 위치한 데이터베이스(134)는 또한 디지털 데이터를 저장 및 송신한다(예를 들면, 도로 및 거리 위치와 같은 데이터를 저장함). 그러한 데이터는 AV(100) 상의 메모리(144)에 저장되거나, 원격에 위치한 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, 원격에 위치한 데이터베이스(134)는 유사한 시각(time of day)에 궤적(198)을 따라 이전에 주행한 적이 있는 차량의 운전 속성(예를 들면, 속력 프로파일 및 가속도 프로파일)에 관한 과거 정보를 저장 및 송신한다. 일 구현예에서, 그러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격에 위치한 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신될 수 있다.
AV(100) 상에 위치한 컴퓨팅 디바이스(146)는 실시간 센서 데이터 및 사전 정보(prior information) 둘 모두에 기초한 제어 액션을 알고리즘적으로 생성하여, AV 시스템(120)이 자율 주행 운전 능력을 실행할 수 있게 한다.
일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들면, 탑승자 또는 원격 사용자)에게 정보 및 경고를 제공하고 그로부터 입력을 수신하기 위해 컴퓨팅 디바이스(146)에 결합된 컴퓨터 주변기기(132)를 포함한다. 일 실시예에서, 주변기기(132)는 도 3을 참조하여 아래에서 논의되는 디스플레이(312), 입력 디바이스(314), 및 커서 컨트롤러(316)와 유사하다. 결합은 무선 또는 유선이다. 인터페이스 디바이스들 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.
예시적인 클라우드 컴퓨팅 환경
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 도시한다. 클라우드 컴퓨팅은 구성 가능한 컴퓨팅 리소스(예를 들면, 네트워크, 네트워크 대역폭, 서버, 프로세싱, 메모리, 스토리지, 애플리케이션, 가상 머신, 및 서비스)의 공유 풀에 대한 편리한 온-디맨드 네트워크 액세스를 가능하게 하기 위한 서비스 전달(service delivery)의 일 모델이다. 전형적인 클라우드 컴퓨팅 시스템에서는, 하나 이상의 대규모 클라우드 데이터 센터가 클라우드에 의해 제공되는 서비스를 전달하는 데 사용되는 머신을 수용한다. 이제 도 2를 참조하면, 클라우드 컴퓨팅 환경(200)은 클라우드(202)를 통해 상호연결되는 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 데이터 센터(204a, 204b, 및 204c)는 클라우드 컴퓨팅 서비스를 클라우드(202)에 연결된 컴퓨터 시스템(206a, 206b, 206c, 206d, 206e, 및 206f)에 제공한다.
클라우드 컴퓨팅 환경(200)은 하나 이상의 클라우드 데이터 센터를 포함한다. 일반적으로, 클라우드 데이터 센터, 예를 들어, 도 2에 도시된 클라우드 데이터 센터(204a)는 클라우드, 예를 들어, 도 2에 도시된 클라우드(202) 또는 클라우드의 특정 부분을 구성하는 서버의 물리적 배열체를 지칭한다. 예를 들어, 서버는 클라우드 데이터 센터 내에 룸, 그룹, 로우(row), 및 랙(rack)으로 물리적으로 배열된다. 클라우드 데이터 센터는 하나 이상의 서버 룸을 포함하는 하나 이상의 구역(zone)을 갖는다. 각각의 룸은 하나 이상의 서버 로우를 가지며, 각각의 로우는 하나 이상의 랙을 포함한다. 각각의 랙은 하나 이상의 개별 서버 노드를 포함한다. 일부 구현예에서, 구역, 룸, 랙, 및/또는 로우 내의 서버는, 전력 요건, 에너지 요건, 열적 요건, 가열 요건, 및/또는 다른 요건을 포함하는, 데이터 센터 설비의 물리적 인프라스트럭처 요건에 기초하여 그룹으로 배열된다. 일 실시예에서, 서버 노드는 도 3에서 기술된 컴퓨터 시스템과 유사하다. 데이터 센터(204a)는 다수의 랙을 통해 분산된 다수의 컴퓨팅 시스템을 갖는다.
클라우드(202)는 클라우드 데이터 센터(204a, 204b, 및 204c)를 상호연결시키고 클라우드 컴퓨팅 서비스에 대한 컴퓨팅 시스템(206a 내지 206f)의 액세스를 용이하게 하는 것을 돕는 네트워크 및 네트워킹 리소스(예를 들어, 네트워킹 장비, 노드, 라우터, 스위치, 및 네트워킹 케이블)와 함께 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 일 실시예에서, 네트워크는 지상 또는 위성 연결을 사용하여 배포된 유선 또는 무선 링크를 사용하여 결합된 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 거쳐 교환되는 데이터는, IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode), 및 프레임 릴레이 등과 같은, 임의의 개수의 네트워크 계층 프로토콜을 사용하여 송신된다. 게다가, 네트워크가 다수의 서브 네트워크의 조합을 나타내는 실시예에서는, 기저 서브 네트워크(underlying sub-network) 각각에서 상이한 네트워크 계층 프로토콜이 사용된다. 일 실시예에서, 네트워크는 공중 인터넷과 같은 하나 이상의 상호연결된 인터네트워크를 나타낸다.
컴퓨팅 시스템(206a 내지 206f) 또는 클라우드 컴퓨팅 서비스 소비자는 네트워크 링크 및 네트워크 어댑터를 통해 클라우드(202)에 연결된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다양한 컴퓨팅 디바이스, 예를 들어, 서버, 데스크톱, 랩톱, 태블릿, 스마트폰, IoT(Internet of Things) 디바이스, 자율 주행 차량(자동차, 드론, 셔틀, 기차, 버스 등을 포함함) 및 소비자 전자기기로서 구현된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다른 시스템 내에 또는 그 일부로서 구현된다.
컴퓨터 시스템
도 3은 컴퓨터 시스템(300)을 도시한다. 일 구현예에서, 컴퓨터 시스템(300)은 특수 목적 컴퓨팅 디바이스이다. 특수 목적 컴퓨팅 디바이스는 기술을 수행하도록 고정-배선(hard-wired)되거나, 기술을 수행하도록 지속적으로 프로그래밍되는 하나 이상의 ASIC(application-specific integrated circuit) 또는 FPGA(field programmable gate array)와 같은 디지털 전자 디바이스를 포함하거나, 펌웨어, 메모리, 다른 스토리지 또는 조합 내의 프로그램 명령어에 따라 기술을 수행하도록 프로그래밍되는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 그러한 특수 목적 컴퓨팅 디바이스는 또한 커스텀 고정 배선 로직, ASIC, 또는 FPGA를 커스텀 프로그래밍과 조합하여 기술을 실현할 수 있다. 다양한 실시예에서, 특수 목적 컴퓨팅 디바이스는 기술을 구현하기 위한 고정 배선 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템, 휴대용 컴퓨터 시스템, 핸드헬드 디바이스, 네트워크 디바이스, 또는 임의의 다른 디바이스이다.
일 실시예에서, 컴퓨터 시스템(300)은 정보를 통신하기 위한 버스(302) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 위해 버스(302)와 결합된 하드웨어 프로세서(304)를 포함한다. 하드웨어 프로세서(304)는, 예를 들어, 범용 마이크로프로세서이다. 컴퓨터 시스템(300)은 프로세서(304)에 의해 실행될 명령어 및 정보를 저장하기 위해 버스(302)에 결합된, RAM(random access memory) 또는 다른 동적 저장 디바이스와 같은, 메인 메모리(306)를 또한 포함한다. 일 구현예에서, 메인 메모리(306)는 프로세서(304)에 의해 실행될 명령어의 실행 동안 임시 변수 또는 다른 중간 정보를 저장하는 데 사용된다. 그러한 명령어는, 프로세서(304)에 의해 액세스 가능한 비일시적 저장 매체에 저장되어 있을 때, 컴퓨터 시스템(300)을 명령어에 지정된 동작을 수행하도록 커스터마이징된 특수 목적 머신으로 만든다.
일 실시예에서, 컴퓨터 시스템(300)은, 프로세서(304)를 위한 정적 정보 및 명령어를 저장하기 위해 버스(302)에 결합된 ROM(read only memory)(308) 또는 다른 정적 저장 디바이스를 더 포함한다. 자기 디스크, 광학 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리와 같은, 저장 디바이스(310)가 제공되고 정보 및 명령어를 저장하기 위해 버스(302)에 결합된다.
일 실시예에서, 컴퓨터 시스템(300)은 버스(302)를 통해, 정보를 컴퓨터 사용자에게 디스플레이하기 위한 CRT(cathode ray tube), LCD(liquid crystal display), 플라스마 디스플레이, LED(light emitting diode) 디스플레이, 또는 OLED(organic light emitting diode) 디스플레이와 같은 디스플레이(312)에 결합된다. 문자 숫자식 키 및 다른 키를 포함하는 입력 디바이스(314)는 정보 및 커맨드 선택을 프로세서(304)에 통신하기 위해 버스(302)에 결합된다. 다른 유형의 사용자 입력 디바이스는 방향 정보 및 커맨드 선택을 프로세서(304)에 통신하고 디스플레이(312) 상에서의 커서 움직임을 제어하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키와 같은, 커서 컨트롤러(316)이다. 이러한 입력 디바이스는 전형적으로, 디바이스가 평면에서의 위치를 지정할 수 있게 하는 2개의 축, 즉 제1 축(예를 들면, x-축) 및 제2 축(예를 들면, y-축)에서의 2 자유도를 갖는다.
일 실시예에 따르면, 본원에서의 기술은 프로세서(304)가 메인 메모리(306)에 포함된 하나 이상의 명령어의 하나 이상의 시퀀스를 실행하는 것에 응답하여 컴퓨터 시스템(300)에 의해 수행된다. 그러한 명령어는, 저장 디바이스(310)와 같은, 다른 저장 매체로부터 메인 메모리(306) 내로 판독된다. 메인 메모리(306)에 포함된 명령어의 시퀀스의 실행은 프로세서(304)로 하여금 본원에서 기술된 프로세스 단계를 수행하게 한다. 대안적인 실시예에서는, 소프트웨어 명령어 대신에 또는 소프트웨어 명령어와 조합하여 고정 배선 회로가 사용된다.
"저장 매체"라는 용어는, 본 명세서에서 사용되는 바와 같이, 머신이 특정 방식으로 동작하게 하는 데이터 및/또는 명령어를 저장하는 임의의 비일시적 매체를 지칭한다. 그러한 저장 매체는 비휘발성 매체 및/또는 휘발성 매체를 포함한다. 비휘발성 매체는, 예를 들어, 광학 디스크, 자기 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리, 예컨대, 저장 디바이스(310)를 포함한다. 휘발성 매체는 동적 메모리, 예컨대, 메인 메모리(306)를 포함한다. 저장 매체의 일반적인 형태는, 예를 들어, 플로피 디스크, 플렉서블 디스크, 하드 디스크, 솔리드 스테이트 드라이브, 자기 테이프, 또는 임의의 다른 자기 데이터 저장 매체, CD-ROM, 임의의 다른 광학 데이터 저장 매체, 홀 패턴을 갖는 임의의 물리적 매체, RAM, PROM, 및 EPROM, FLASH-EPROM, NV-RAM, 또는 임의의 다른 메모리 칩, 또는 카트리지를 포함한다.
저장 매체는 송신 매체와 별개이지만 송신 매체와 함께 사용될 수 있다. 송신 매체는 저장 매체들 사이에서 정보를 전달하는 데 참여한다. 예를 들어, 송신 매체는 버스(302)를 포함하는 와이어를 포함하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 송신 매체는 또한, 라디오 파 및 적외선 데이터 통신 동안 생성되는 것과 같은, 광파 또는 음향파의 형태를 취할 수 있다.
일 실시예에서, 실행을 위해 하나 이상의 명령어의 하나 이상의 시퀀스를 프로세서(304)에 반송하는 데 다양한 형태의 매체가 관여된다. 예를 들어, 명령어는 초기에 원격 컴퓨터의 자기 디스크 또는 솔리드 스테이트 드라이브에 보유된다. 원격 컴퓨터는 동적 메모리에 명령어를 로딩하고 모뎀을 사용하여 전화선을 통해 명령어를 전송한다. 컴퓨터 시스템(300)에 로컬인 모뎀은 전화선 상으로 데이터를 수신하고 적외선 송신기를 사용하여 데이터를 적외선 신호로 변환한다. 적외선 검출기는 적외선 신호로 반송되는 데이터를 수신하고 적절한 회로는 데이터를 버스(302)에 배치한다. 버스(302)는 데이터를 메인 메모리(306)로 반송하고, 프로세서(304)는 메인 메모리로부터 명령어를 리트리빙(retrieving) 및 실행한다. 메인 메모리(306)에 의해 수신된 명령어는 프로세서(304)에 의해 실행되기 전이나 실행된 후에 선택적으로 저장 디바이스(310)에 저장될 수 있다.
컴퓨터 시스템(300)은 버스(302)에 결합된 통신 인터페이스(318)를 또한 포함한다. 통신 인터페이스(318)는 로컬 네트워크(322)에 연결된 네트워크 링크(320)에 대한 2-웨이 데이터 통신(two-way data communication) 결합을 제공한다. 예를 들어, 통신 인터페이스(318)는 ISDN(integrated service digital network) 카드, 케이블 모뎀, 위성 모뎀, 또는 대응하는 유형의 전화선에 데이터 통신 연결을 제공하기 위한 모뎀이다. 다른 예로서, 통신 인터페이스(318)는 호환 가능한 LAN(local area network)에 데이터 통신 연결을 제공하기 위한 LAN 카드이다. 일부 구현예에서는, 무선 링크도 구현된다. 임의의 그러한 구현예에서, 통신 인터페이스(318)는 다양한 유형의 정보를 나타내는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 전송 및 수신한다.
네트워크 링크(320)는 전형적으로 하나 이상의 네트워크를 통한 다른 데이터 디바이스로의 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(320)는 로컬 네트워크(322)를 통해 호스트 컴퓨터(324)로의 연결 또는 ISP(Internet Service Provider)(326)에 의해 운영되는 클라우드 데이터 센터 또는 장비로의 연결을 제공한다. ISP(326)는 차례로 지금은 "인터넷(328)"이라고 통상적으로 지칭되는 월드-와이드 패킷 데이터 통신 네트워크(world-wide packet data communication network)를 통해 데이터 통신 서비스를 제공한다. 로컬 네트워크(322) 및 인터넷(328) 둘 모두는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 사용한다. 컴퓨터 시스템(300)으로 및 컴퓨터 시스템(300)으로부터 디지털 데이터를 반송하는, 다양한 네트워크를 통한 신호 및 통신 인터페이스(318)를 통한 네트워크 링크(320) 상의 신호는 송신 매체의 예시적인 형태이다. 일 실시예에서, 네트워크(320)는 위에서 기술된 클라우드(202) 또는 클라우드(202)의 일부를 포함한다.
컴퓨터 시스템(300)은 네트워크(들), 네트워크 링크(320), 및 통신 인터페이스(318)를 통해, 프로그램 코드를 포함하여, 메시지를 전송하고 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(300)은 프로세싱하기 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(304)에 의해 실행되고 그리고/또는 추후의 실행을 위해 저장 디바이스(310) 또는 다른 비휘발성 스토리지에 저장된다.
자율 주행 차량 아키텍처
도 4는 자율 주행 차량(예를 들면, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(400)를 도시한다. 아키텍처(400)는 인지 모듈(402)(때때로 인지 회로라고 지칭됨), 계획 모듈(planning module)(404)(때때로 계획 회로라고 지칭됨), 제어 모듈(406)(때때로 제어 회로라고 지칭됨), 로컬화 모듈(localization module)(408)(때때로 로컬화 회로라고 지칭됨), 및 데이터베이스 모듈(410)(때때로 데이터베이스 회로라고 지칭됨)을 포함한다. 각각의 모듈은 AV(100)의 동작에서 소정의 역할을 한다. 다함께, 모듈(402, 404, 406, 408, 및 410)은 도 1에 도시된 AV 시스템(120)의 일부일 수 있다. 일 실시예에서, 모듈(402, 404, 406, 408, 및 410) 중 임의의 모듈은 컴퓨터 소프트웨어(예를 들면, 컴퓨터 판독 가능 매체 상에 저장된 실행 가능한 코드) 및 컴퓨터 하드웨어(예를 들면, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, ASIC(application-specific integrated circuit), 하드웨어 메모리 디바이스, 다른 타입의 집적 회로, 다른 타입의 컴퓨터 하드웨어, 또는 이러한 것 중 임의의 것 또는 모든 것의 조합)의 조합이다.
사용 중에, 계획 모듈(404)은 목적지(412)를 나타내는 데이터를 수신하고 목적지(412)에 도달하기 위해(예를 들면, 도착하기 위해) AV(100)에 의해 주행될 수 있는 궤적(414)(때때로 루트라고 지칭됨)을 나타내는 데이터를 결정한다. 계획 모듈(404)이 궤적(414)을 나타내는 데이터를 결정하기 위해, 계획 모듈(404)은 인지 모듈(402), 로컬화 모듈(408), 및 데이터베이스 모듈(410)로부터 데이터를 수신한다.
인지 모듈(402)은, 예를 들면, 도 1에도 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체는 분류되고(예를 들면, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 유형으로 그룹화되고), 분류된 대상체(416)를 포함하는 장면 묘사는 계획 모듈(404)에 제공된다.
계획 모듈(404)은 또한 로컬화 모듈(408)로부터 AV 위치(418)를 나타내는 데이터를 수신한다. 로컬화 모듈(408)은 위치를 계산하기 위해 센서(121)로부터의 데이터 및 데이터베이스 모듈(410)로부터의 데이터(예를 들면, 지리적 데이터)를 사용하여 AV 위치를 결정한다. 예를 들어, 로컬화 모듈(408)은 GNSS(Global Navigation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 모듈(408)에 의해 사용되는 데이터는 도로 기하학적 속성의 고-정밀 맵, 도로망 연결 속성을 기술하는 맵, 도로 물리적 속성(예컨대, 교통 속력, 교통량, 차량 교통 차선과 자전거 타는 사람 교통 차선의 개수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 그 조합)을 기술하는 맵, 및 도로 특징부, 예컨대, 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호(travel signal)의 공간적 위치를 기술하는 맵을 포함한다.
제어 모듈(406)은 궤적(414)을 나타내는 데이터 및 AV 위치(418)를 나타내는 데이터를 수신하고, AV(100)로 하여금 목적지(412)를 향해 궤적(414)을 주행하게 할 방식으로 AV의 제어 기능(420a 내지 420c)(예를 들면, 조향, 스로틀링, 제동, 점화)을 동작시킨다. 예를 들어, 궤적(414)이 좌회전을 포함하는 경우, 제어 모듈(406)은, 조향 기능의 조향각이 AV(100)로 하여금 왼쪽으로 회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 지나가는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로, 제어 기능(420a 내지 420c)을 동작시킬 것이다.
자율 주행 차량 입력
도 5는 인지 모듈(402)(도 4)에 의해 사용되는 입력(502a 내지 502d)(예를 들면, 도 1에 도시된 센서(121)) 및 출력(504a 내지 504d)(예를 들면, 센서 데이터)의 일 예를 도시한다. 하나의 입력(502a)은 LiDAR(Light Detection and Ranging) 시스템(예를 들면, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 시선에 있는 물리적 대상체에 관한 데이터를 획득하기 위해 광(예를 들면, 적외선 광과 같은 광의 버스트)을 사용하는 기술이다. LiDAR 시스템은 출력(504a)으로서 LiDAR 데이터를 생성한다. 예를 들어, LiDAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 3D 또는 2D 포인트(포인트 클라우드라고도 알려져 있음)의 집합체이다.
다른 입력(502b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체에 관한 데이터를 획득하기 위해 라디오 파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 시선 내에 있지 않은 대상체에 관한 데이터를 획득할 수 있다. RADAR 시스템(502b)은 출력(504b)으로서 RADAR 데이터를 생성한다. 예를 들어, RADAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 하나 이상의 라디오 주파수 전자기 신호이다.
다른 입력(502c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라)를 사용한다. 카메라 시스템은 출력(504c)으로서 카메라 데이터를 생성한다. 카메라 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. 일부 예에서, 카메라 시스템은, 카메라 시스템이 깊이를 인지할 수 있게 하는, 예를 들어, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라를 갖는다. 비록 카메라 시스템에 의해 인지되는 대상체가 여기서 "인근"으로 기술되지만, 이것은 AV에 상대적인 것이다. 사용 중에, 카메라 시스템은 멀리 있는, 예를 들어, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체를 "보도록" 구성될 수 있다. 따라서, 카메라 시스템은 멀리 떨어져 있는 대상체를 인지하도록 최적화되어 있는 센서 및 렌즈와 같은 특징부를 가질 수 있다.
다른 입력(502d)은 TLD(traffic light detection) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 교통 신호등, 거리 표지판, 및 다른 물리적 대상체에 관한 정보를 획득한다. TLD 시스템은 출력(504d)으로서 TLD 데이터를 생성한다. TLD 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. TLD 시스템은, 시각적 운행 정보를 제공하는 가능한 한 많은 물리적 대상체에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시야를 갖는 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용하여, AV(100)가 이러한 대상체에 의해 제공되는 모든 관련 운행 정보에 액세스한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상일 수 있다.
일 실시예에서, 출력(504a 내지 504d)은 센서 융합 기술을 사용하여 조합된다. 따라서, 개별 출력(504a 내지 504d) 중 어느 하나가 AV(100)의 다른 시스템에 제공되거나(예를 들면, 도 4에 도시된 바와 같은 계획 모듈(404)에 제공되거나), 또는 결합된 출력이 동일한 유형(동일한 결합 기술을 사용하는 것 또는 동일한 출력을 결합하는 것 또는 둘 모두)의 단일 결합 출력 또는 다중 결합 출력의 형태 또는 상이한 유형(예를 들면, 상이한 각자의 결합 기술을 사용하는 것 또는 상이한 각자의 출력을 결합하는 것 또는 둘 모두)의 단일 결합 출력 또는 다중 결합 출력의 형태 중 어느 하나로 다른 시스템에 제공될 수 있다. 일 실시예에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 결합된 출력에 적용되기 전에 출력을 결합하는 것을 특징으로 한다. 일부 실시예에서, 늦은 융합(late fusion) 기술이 사용된다. 늦은 융합 기술은 하나 이상의 데이터 프로세싱 단계가 개별 출력에 적용된 후에 출력을 결합하는 것을 특징으로 한다.
도 6은 LiDAR 시스템(602)(예를 들면, 도 5에 도시된 입력(502a))의 일 예를 도시한다. LiDAR 시스템(602)은 광 방출기(606)(예를 들면, 레이저 송신기)로부터 광(604a 내지 604c)을 방출한다. LiDAR 시스템에 의해 방출되는 광은 전형적으로 가시 스펙트럼에 있지 않으며; 예를 들어, 적외선 광이 종종 사용된다. 방출되는 광(604b)의 일부는 물리적 대상체(608)(예를 들면, 차량)와 조우하고, LiDAR 시스템(602)으로 다시 반사된다. (LiDAR 시스템으로부터 방출되는 광은 전형적으로 물리적 대상체, 예를 들면, 고체 형태의 물리적 대상체를 관통하지 않는다). LiDAR 시스템(602)은 또한 반사된 광을 검출하는 하나 이상의 광 검출기(610)를 갖는다. 일 실시예에서, LiDAR 시스템과 연관된 하나 이상의 데이터 프로세싱 시스템은 LiDAR 시스템의 시야(614)를 나타내는 이미지(612)를 생성한다. 이미지(612)는 물리적 대상체(608)의 경계(616)를 나타내는 정보를 포함한다. 이러한 방식으로, 이미지(612)는 AV 인근의 하나 이상의 물리적 대상체의 경계(616)를 결정하는 데 사용된다.
도 7은 동작 중인 LiDAR 시스템(602)을 도시한다. 이 도면에 도시된 시나리오에서, AV(100)는 이미지(702) 형태의 카메라 시스템 출력(504c) 및 LiDAR 데이터 포인트(704) 형태의 LiDAR 시스템 출력(504a) 둘 모두를 수신한다. 사용 중에, AV(100)의 데이터 프로세싱 시스템은 이미지(702)를 데이터 포인트(704)와 비교한다. 특히, 이미지(702)에서 식별된 물리적 대상체(706)가 데이터 포인트(704) 중에서도 식별된다. 이러한 방식으로, AV(100)는 데이터 포인트(704)의 윤곽 및 밀도에 기초하여 물리적 대상체의 경계를 인지한다.
도 8은 LiDAR 시스템(602)의 동작을 추가적으로 상세하게 도시한다. 위에서 기술된 바와 같이, AV(100)는 LiDAR 시스템(602)에 의해 검출되는 데이터 포인트의 특성에 기초하여 물리적 대상체의 경계를 검출한다. 도 8에 도시된 바와 같이, 지면(802)과 같은 평평한 대상체는 LiDAR 시스템(602)으로부터 방출되는 광(804a 내지 804d)을 일관된 방식으로 반사할 것이다. 달리 말하면, LiDAR 시스템(602)이 일관된 간격을 사용하여 광을 방출하기 때문에, 지면(802)은 광을 동일한 일관된 간격으로 다시 LiDAR 시스템(602)으로 반사할 것이다. AV(100)가 지면(802) 위를 주행함에 따라, LiDAR 시스템(602)은 도로를 방해하는 것이 아무 것도 없는 경우 다음 유효 지면 포인트(806)에 의해 반사되는 광을 계속 검출할 것이다. 그렇지만, 대상체(808)가 도로를 방해하는 경우, LiDAR 시스템(602)에 의해 방출되는 광(804e 및 804f)은 예상되는 일관된 방식과 부합하지 않는 방식으로 포인트(810a 및 810b)로부터 반사될 것이다. 이 정보로부터, AV(100)는 대상체(808)가 존재한다고 결정할 수 있다.
경로 계획
도 9는 (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)의 입력과 출력 사이의 관계의 블록 다이어그램(900)을 도시한다. 일반적으로, 계획 모듈(404)의 출력은 시작 포인트(904)(예를 들면, 소스 위치 또는 초기 위치)로부터 종료 포인트(906)(예를 들면, 목적지 또는 최종 위치)까지의 루트(902)이다. 루트(902)는 전형적으로 하나 이상의 세그먼트에 의해 정의된다. 예를 들어, 세그먼트는 거리, 도로, 간선도로, 사유 도로, 또는 자동차 주행에 적절한 다른 물리적 영역의 적어도 일 부분에 걸쳐 주행되는 거리이다. 일부 예에서, 예를 들어, AV(100)가 4륜 구동(4WD) 또는 상시 4륜구동(AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프-로드 주행 가능 차량인 경우, 루트(902)는 비포장 경로 또는 탁트인 들판과 같은 "오프-로드" 세그먼트를 포함한다.
루트(902)에 추가하여, 계획 모듈은 차선 레벨 루트 계획 데이터(908)도 출력한다. 차선 레벨 루트 계획 데이터(908)는 특정한 시간에서의 세그먼트의 조건에 기초하여 루트(902)의 세그먼트를 횡단하는 데 사용된다. 예를 들어, 루트(902)가 다중 차선 간선도로를 포함하는 경우, 차선 레벨 루트 계획 데이터(908)는, 예를 들어, 출구가 다가오고 있는지, 차선 중 하나 이상이 다른 차량을 갖는지, 또는 수 분 이하 동안에 걸쳐 변화되는 다른 인자에 기초하여, AV(100)가 다중 차선 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(910)를 포함한다. 유사하게, 일부 구현예에서, 차선 레벨 루트 계획 데이터(908)는 루트(902)의 세그먼트에 특정적인 속력 제약(912)을 포함한다. 예를 들어, 세그먼트가 보행자 또는 예상치 못한 교통상황(traffic)을 포함하는 경우, 속력 제약(912)은 AV(100)를 예상된 속력보다 더 느린 주행 속력, 예를 들면, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다.
일 실시예에서, 계획 모듈(404)에의 입력은 (예를 들면, 도 4에 도시된 데이터베이스 모듈(410)로부터의) 데이터베이스 데이터(914), 현재 위치 데이터(916)(예를 들면, 도 4에 도시된 AV 위치(418)), (예를 들면, 도 4에 도시된 목적지(412)에 대한) 목적지 데이터(918), 및 대상체 데이터(920)(예를 들면, 도 4에 도시된 인지 모듈(402)에 의해 인지되는 분류된 대상체(416))를 포함한다. 일 실시예에서, 데이터베이스 데이터(914)는 계획에 사용되는 규칙을 포함한다. 규칙은 형식 언어를 사용하여, 예를 들어, 불리언 로직을 사용하여 규정된다. AV(100)가 조우하는 임의의 주어진 상황에서, 규칙들 중 적어도 일부는 해당 상황에 적용될 것이다. 규칙이 AV(100)에 이용 가능한 정보, 예를 들면, 주위 환경에 관한 정보에 기초하여 충족되는 조건을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙은 우선순위를 가질 수 있다. 예를 들어, "도로가 프리웨이인 경우, 최좌측 차선으로 이동하라"로 되어 있는 규칙은, 출구가 1마일 내로 다가오고 있는 경우, 최우측 차선으로 이동하라"는 것보다 더 낮은 우선순위를 가질 수 있다.
도 10은, 예를 들어, 계획 모듈(404)(도 4)에 의해 경로 계획에 사용되는 방향 그래프(1000)를 도시한다. 일반적으로, 도 10에 도시된 것과 같은 방향 그래프(1000)는 임의의 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로를 결정하는 데 사용된다. 현실 세계에서는, 시작 포인트(1002)와 종료 포인트(1004)를 분리하는 거리는 상대적으로 클 수 있거나(예를 들면, 2개의 상이한 대도시 지역에 있음) 또는 상대적으로 작을 수 있다(예를 들면, 도시 블록과 맞닿아 있는 2개의 교차로 또는 다중 차선 도로의 2개의 차선).
일 실시예에서, 방향 그래프(1000)는 AV(100)에 의해 점유될 수 있는 시작 포인트(1002)와 종료 포인트(1004) 사이의 상이한 위치를 나타내는 노드(1006a 내지 1006d)를 갖는다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 상이한 대도시 지역을 나타낼 때, 노드(1006a 내지 1006d)는 도로의 세그먼트를 나타낸다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 동일한 도로 상의 상이한 위치를 나타낼 때, 노드(1006a 내지 1006d)는 해당 도로 상의 상이한 위치를 나타낸다. 이러한 방식으로, 방향 그래프(1000)는 다양한 레벨의 입도(granularity)로 정보를 포함한다. 일 실시예에서, 높은 입도를 갖는 방향 그래프는 또한 더 큰 스케일을 갖는 다른 방향 그래프의 서브그래프(subgraph)이다. 예를 들어, 시작 포인트(1002)와 종료 포인트(1004)가 멀리 떨어져 있는(예를 들면, 수 마일(many miles) 떨어져 있는) 방향 그래프는 그의 정보 대부분이 낮은 입도이고 저장된 데이터에 기초하지만, AV(100)의 시야 내의 물리적 위치를 나타내는 그래프의 부분에 대한 일부 높은 입도 정보도 포함한다.
노드(1006a 내지 1006d)는 노드와 오버랩될 수 없는 대상체(1008a 및 1008b)와 별개이다. 일 실시예에서, 입도가 낮을 때, 대상체(1008a 및 1008b)는 자동차에 의해 횡단될 수 없는 영역, 예를 들면, 거리 또는 도로가 없는 구역을 나타낸다. 입도가 높을 때, 대상체(1008a 및 1008b)는 AV(100)의 시야 내의 물리적 대상체, 예를 들면, 다른 자동차, 보행자, 또는 AV(100)와 물리적 공간을 공유할 수 없는 다른 엔티티를 나타낸다. 일 실시예에서, 대상체(1008a 내지 708b)의 일부 또는 전부는 정적 대상체(예를 들면, 가로등 또는 전신주와 같은 위치를 변경하지 않는 대상체) 또는 동적 대상체(예를 들면, 보행자 또는 다른 자동차와 같은 위치를 변경할 수 있는 대상체)이다.
노드(1006a 내지 1006d)는 에지(1010a 내지 1010c)에 의해 연결된다. 2개의 노드(1006a 및 1006b)가 에지(1010a)에 의해 연결되는 경우, AV(100)가, 예를 들면, 다른 노드(1006b)에 도착하기 전에 중간 노드로 주행할 필요 없이, 하나의 노드(1006a)와 다른 노드(1006b) 사이에서 주행하는 것이 가능하다. (노드들 사이에서 주행하는 AV(100)를 언급할 때, AV(100)가 각자의 노드에 의해 표현되는 2개의 물리적 위치 사이에서 주행한다는 것을 의미한다.) 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로, 또는 제2 노드로부터 제1 노드로 주행한다는 의미에서 종종 양방향성이다. 일 실시예에서, 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로 주행할 수 있지만, AV(100)가 제2 노드로부터 제1 노드로 주행할 수 없다는 의미에서 단방향성이다. 에지(1010a 내지 1010c)는, 예를 들어, 일방통행로, 거리, 도로, 또는 간선도로의 개별 차선, 또는 법적 또는 물리적 제약으로 인해 일 방향으로만 횡단될 수 있는 다른 특징부를 나타낼 때, 단방향성이다.
일 실시예에서, 계획 모듈(404)은 방향 그래프(1000)를 사용하여 시작 포인트(1002)와 종료 포인트(1004) 사이의 노드 및 에지로 이루어진 경로(1012)를 식별한다.
에지(1010a 내지 1010c)는 연관된 비용(1014a 및 1014b)을 갖는다. 비용(1014a 및 1014b)은 AV(100)가 해당 에지를 선택하는 경우 소비될 리소스를 나타내는 값이다. 전형적인 리소스는 시간이다. 예를 들어, 하나의 에지(1010a)가 다른 에지(1010b)의 물리적 거리의 2배인 물리적 거리를 나타내는 경우, 제1 에지(1010a)의 연관된 비용(1014a)은 제2 에지(1010b)의 연관된 비용(1014b)의 2배일 수 있다. 시간에 영향을 미치는 다른 인자는 예상된 교통상황, 교차로의 개수, 속력 제한 등을 포함한다. 다른 전형적인 리소스는 연비이다. 2개의 에지(1010a 및 1010b)는 동일한 물리적 거리를 나타낼 수 있지만, 예를 들면, 도로 조건, 예상된 날씨 등으로 인해, 하나의 에지(1010a)는 다른 에지(1010b)보다 더 많은 연료를 필요로 할 수 있다.
계획 모듈(404)이 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로(1012)를 식별할 때, 계획 모듈(404)은 전형적으로, 비용에 최적화된 경로, 예를 들면, 에지의 개별 비용이 함께 가산될 때 가장 적은 전체 비용을 갖는 경로를 선택한다.
자율 주행 차량 제어
도 11은 (예를 들면, 도 4에 도시된 바와 같은) 제어 모듈(406)의 입력 및 출력의 블록 다이어그램(1100)을 도시한다. 제어 모듈은, 예를 들어, 프로세서(304)와 유사한 하나 이상의 프로세서(예를 들면, 마이크로프로세서 또는 마이크로컨트롤러 또는 둘 모두와 같은 하나 이상의 컴퓨터 프로세서), 메인 메모리(306)와 유사한 단기 및/또는 장기 데이터 스토리지(예를 들면, 메모리 랜덤 액세스 메모리 또는 플래시 메모리 또는 둘 모두), ROM(1308), 및 저장 디바이스(210)를 포함하는 제어기(1102), 및 메모리 내에 저장된 명령어에 따라 동작하는데, 상기 명령어는 명령어가 (예를 들면, 하나 이상의 프로세서에 의해) 실행될 때 제어기(1102)의 동작을 수행한다.
일 실시예에서, 제어기(1102)는 원하는 출력(1104)을 나타내는 데이터를 수신한다. 원하는 출력(1104)은 전형적으로 속도, 예를 들어, 속력 및 헤딩을 포함한다. 원하는 출력(1104)은, 예를 들어, (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)로부터 수신되는 데이터에 기초할 수 있다. 원하는 출력(1104)에 따라, 제어기(1102)는 스로틀 입력(1106) 및 조향 입력(1108)으로서 사용 가능한 데이터를 생성한다. 스로틀 입력(1106)은 원하는 출력(1104)을 달성하기 위해, 예를 들면, 조향 페달에 관여하거나 또는 다른 스로틀 제어에 관여함으로써, AV(100)의 스로틀(예를 들면, 가속 제어)에 관여하는 정도를 나타낸다. 일부 예에서, 스로틀 입력(1106)은 AV(100)의 브레이크(예를 들면, 감속 제어)에 관여하는 데 사용 가능한 데이터를 또한 포함한다. 조향 입력(1108)은 조향각, 예를 들면, AV의 조향 컨트롤(예를 들면, 조향 휠, 조향각 액추에이터, 또는 조향각을 제어하기 위한 다른 기능성)이 원하는 출력(1104)을 달성하도록 위치설정되어야 하는 각도를 나타낸다.
일 실시예에서, 제어기(1102)는 스로틀 및 조향에 제공되는 입력을 조정하는 데 사용되는 피드백을 수신한다. 예를 들어, AV(100)가 언덕과 같은 방해물(1110)과 조우하면, AV(100)의 측정된 속력(1112)은 원하는 출력 속력 아래로 낮아진다. 일 실시예에서, 임의의 측정된 출력(1114)은, 예를 들어, 측정된 속력과 원하는 출력 사이의 차분(1113)에 기초하여, 필요한 조정이 수행되도록 제어기(1102)에 제공된다. 측정된 출력(1114)은 측정된 위치(1116), 측정된 속도(1118)(속력 및 헤딩을 포함), 측정된 가속도(1120), 및 AV(100)의 센서에 의해 측정 가능한 다른 출력을 포함한다.
일 실시예에서, 방해물(1110)에 관한 정보는, 예를 들면, 카메라 또는 LiDAR 센서와 같은 센서에 의해 미리 검출되고, 예측 피드백 모듈(1122)에 제공된다. 이후, 예측 피드백 모듈(1122)은 정보를 제어기(1102)에 제공하며, 제어기(1102)는 이 정보를 사용하여 그에 따라 조정할 수 있다. 예를 들어, AV(100)의 센서가 언덕을 검출한("본") 경우, 이 정보는 상당한 감속을 방지하도록 적절한 시간에 스로틀에 관여할 준비를 하기 위해 제어기(1102)에 의해 사용될 수 있다.
도 12는 제어기(1102)의 입력, 출력, 및 컴포넌트의 블록 다이어그램(1200)을 도시한다. 제어기(1102)는 스로틀/브레이크 제어기(1204)의 동작에 영향을 미치는 속력 프로파일러(1202)를 갖는다. 예를 들어, 속력 프로파일러(1202)는, 예를 들면, 제어기(1102)에 의해 수신되고 속력 프로파일러(1202)에 의해 프로세싱되는 피드백에 따라 스로틀/브레이크(1206)를 사용하여 가속에 관여하거나 감속에 관여하도록 스로틀/브레이크 제어기(1204)에 명령한다.
제어기(1102)는 또한 조향 제어기(1210)의 동작에 영향을 미치는 측방향 추적 제어기(1208)를 갖는다. 예를 들어, 측방향 추적 제어기(1208)는, 예를 들면, 제어기(1102)에 의해 수신되고 측방향 추적 제어기(1208)에 의해 프로세싱되는 피드백에 따라 조향각 액추에이터(1212)의 위치를 조정하도록 조향 제어기(1204)에 명령한다.
제어기(1102)는 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)를 제어하는 방법을 결정하는 데 사용되는 여러 입력을 수신한다. 계획 모듈(404)은, 예를 들어, AV(100)가 동작을 시작할 때 헤딩을 선택하기 위해 그리고 AV(100)가 교차로에 도달할 때 어느 도로 세그먼트를 횡단할지를 결정하기 위해, 제어기(1102)에 의해 사용되는 정보를 제공한다. 로컬화 모듈(408)은, 예를 들어, 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)가 제어되고 있는 방식에 기초하여 예상되는 위치에 AV(100)가 있는지를 제어기(1102)가 결정할 수 있도록, AV(100)의 현재 위치를 기술하는 정보를 제어기(1102)에 제공한다. 일 실시예에서, 제어기(1102)는 다른 입력(1214)으로부터의 정보, 예를 들어, 데이터베이스, 컴퓨터 네트워크 등으로부터 수신된 정보를 수신한다.
선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 동작 환경
도 13은 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량(AV) 동작을 위한 동작 환경(1300)의 블록 다이어그램을 도시한다. 도 13의 블록 다이어그램은 원격 서버(136) 및 동작 환경(1300)을 포함한다. 다른 실시예에서, 도 13의 블록 다이어그램은 본원에서 기술된 것보다 추가의 또는 더 적은 대상체를 포함한다.
도 13에 도시된 원격 서버(136)는 도 1을 참조하여 위에서 예시되고 기술된 바와 같은 원격 운영 서버(teleoperation server) 또는 클라우드 서버이다. 원격 서버(136)는 하나 이상의 프로세서 및 데이터 스토리지를 포함한다. 원격 서버(136)는 네트워크를 통해 동작 환경(1300) 내의 엔티티, 예를 들어, AV(100)와 통신한다. 네트워크는 지상 또는 위성 연결을 사용하여 배포된 유선 또는 무선 링크를 사용하여 결합된 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 거쳐 교환되는 데이터는, IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode), 프레임 릴레이 등과 같은, 임의의 개수의 네트워크 계층 프로토콜을 사용하여 전송된다. 게다가, 네트워크가 다수의 서브 네트워크의 조합을 나타내는 실시예에서는, 기저 서브 네트워크(underlying sub-network) 각각에서 상이한 네트워크 계층 프로토콜이 사용된다. 일 실시예에서, 네트워크는 공중 인터넷과 같은 하나 이상의 상호연결된 인터네트워크를 나타낸다.
동작 환경(1300)은, 주(state), 시(town), 지역(neighborhood), 또는 도로망과 같은, 지리적 영역을 나타낸다. 동작 환경(1300)은 도 1을 참조하여 위에서 예시되고 기술된 동작 환경(190)의 일 예일 수 있다. AV(100) 및 하나 이상의 대상체(1008)는 동작 환경(1300) 내에 위치하게 된다. 대상체(1008)는 도 10을 참조하여 위에서 기술된 바와 같이 AV(100) 외부의 물리적 엔티티이다.
하나 이상의 대상체(1008)는 AV(100) 외부에 있으며, 도 4 및 도 5를 참조하여 위에서 예시되고 기술된 대상체(416)의 예일 수 있다. 대상체(1008)는 도 10을 참조하여 위에서 예시되고 기술되어 있다. 일 실시예에서, 대상체(1008)는, 도로 세그먼트, 교통 신호, 건물, 도로 세그먼트 상에 위치한 주차 공간, 간선도로 진출 또는 진입 램프, AV 동작 환경(1300)의 운전 가능 영역의 다수의 차선, 운전 가능 영역의 고도, 운전 가능 영역에 인접하여 위치한 연석(curb), 또는 운전 가능 영역의 2개의 차선을 분리시키는 중앙 분리대(median)와 같은, AV 동작 환경(1300)의 정적 부분 또는 양태이다. 일 실시예에서, 대상체(1008)는, 다른 차량(193), 보행자(192), 자전거 타는 사람, 또는 스케이트 보드, 전동 스쿠터, 세그웨이(Segway)TM, 개인용 경전기 차량, 또는 개인용 모빌리티 디바이스와 같은 소형 폼 팩터 차량을 타는 사람과 같은, 동적 대상체이다. AV(100)는 대상체(1008)의 특성을 나타내는 센서 데이터를 수신하고 충돌 예측을 수행하며 필요한 경우 운전 공격성(driving aggressiveness)을 감소시킨다. 대상체(1008)는 도 6, 도 7, 및 도 8에서의 물리적 대상체(608), 물리적 대상체(608)의 경계(616), 물리적 대상체(706), 지면(802), 및 대상체(808)를 참조하여 위에서 더 상세히 기술되어 있다.
AV(100)는 하나 이상의 센서(1304) 및 계획 모듈(404)을 사용하여 대상체(1008)를 피해 운행하기 위한 궤적을 계획하는 부분적 자율 주행 차량 또는 완전한 자율 주행 차량이다. 그러한 궤적의 일 예는 도 1에 도시된 궤적(198)이다. AV(100)는 센서(1304), 하나 이상의 승객 센서(1308), 제어 모듈(406), 계획 모듈(404), 하나 이상의 입력 디바이스(314), 및 데이터 저장 유닛(142)을 포함한다. AV(100)는 도 1을 참조하여 위에서 더 상세히 기술되어 있다. 다른 실시예에서, AV(100)는 본원에서 기술된 것보다 추가의 또는 더 적은 컴포넌트를 포함한다. 유사하게, 기능은 여기에 기술된 것과 상이한 방식으로 컴포넌트 및/또는 상이한 엔티티 간에 분산될 수 있다.
AV(100)의 하나 이상의 센서(1304)는 대상체(1008)의 존재와 같은 동작 환경(1300)의 상태를 감지하는 시각 센서를 포함한다. 센서(1304)는 센서 데이터를 송신하기 위해 인지 모듈(402)에 통신 가능하게 결합된다. 인지 모듈(402)은 도 4를 참조하여 위에서 더 상세히 기술되어 있다. 센서(1304)는 가시광, 적외선 또는 열(또는 둘 모두) 스펙트럼의 하나 이상의 단안 또는 스테레오 비디오 카메라, LiDAR, RADAR, 초음파 센서, 또는 TOF(time-of-flight) 깊이 센서를 포함한다. 센서(1304)는 도 1을 참조하여 위에서 예시되고 기술된 센서(122 및 123)의 일 예일 수 있다.
일 실시예에서, 센서 데이터는 LiDAR 포인트 클라우드 데이터 또는 카메라 이미지를 포함한다. AV(100)의 LiDAR 센서는 대상체(1008)에 펄스 레이저 광을 조사(illuminate)하고 반사된 펄스를 측정하는 데 사용된다. 레이저 복귀 시간 및 파장의 차이는 이어서 센서 데이터를 생성하고 대상체(1008)의 디지털 3D 표현을 생성하는 데 사용된다. 일 실시예에서, LiDAR 포인트 클라우드 데이터는 다차원 점유 격자(occupancy grid)로서 저장된다. LiDAR 포인트 클라우드 데이터는 신호 레벨에서 프리-프로세싱되고, 이어서 대상체(1008)의 특성을 추출하기 위해 상위 레벨에서 프로세싱된다. 일 실시예에서, 2차원 격자 구조와 3차원 격자 구조의 조합이 사용되며, 이러한 구조에서의 공간은 여러 이산 셀(discrete cell)로 테셀레이션(tessellate)된다. LiDAR 포인트 클라우드 데이터의 구조는 많은 양의 원시 측정 데이터가 AV(100)에 의해 처리될 수 있게 한다.
하나 이상의 승객 센서(1308)는 승객의 얼굴 표정, 피부 전도도, 맥박 및 심박수, 승객 체온, 동공 확장, 및 AV 시트 팔걸이에 대한 압력과 같은 데이터를 기록하기 위한 특수 센서를 포함한다. 각각의 유형의 데이터는 상이한 센서 또는 상이한 센서들의 조합, 예를 들어, 심박수 모니터, 혈압계(sphygmomanometer), 동공계(pupilometer), 적외선 온도계, 또는 갈바닉 피부 반응 센서를 사용하여 기록된다. 계획 모듈(404)은, 예를 들어, 승객 불편 또는 스트레스를 나타내는 승객 센서(1308)에 의해 검출되는 바와 같은 상승된 심박수 또는 피부 전도도 레벨을 감소시키기 위한 AV(100)에 대한 궤적(100)을 생성한다. 통상의 기술자에 의해 이해될 것인 바와 같이, 한 명 이상의 승객의 하나 이상의 신체 측정치는 불편 또는 스트레스의 레벨과 상관될 수 있고 궤적의 변화에 의해 조정될 수 있다.
일 실시예에서, 계획 모듈(404)은 승객 센서를 사용하여 측정된 승객 편의 레벨이 임계 값 초과이도록 궤적을 생성한다. 예를 들어, 임계 값은 75% 내지 90%의 범위이다. 0%의 승객 편의 레벨은 승객이 매우 불편하다는 것을 의미한다. 그러한 레벨은 통상적으로 경험되지 않을 것이다. 100%의 승객 편의 레벨은 승객이 매우 편안하고 궤적의 추가적인 변화가 승객 편의 레벨을 증가시키지 않을 것임을 의미한다. 계획 모듈(404)은 더 높은 레벨의 승객 편의를 제공하는 상이한 궤적을 생성하기 위해 더 낮은 속력 또는 덜 공격적인 회전을 선택한다. 이러한 방식으로, 계획 모듈(404)은 승객 편의를 개선시키기 위해 모션 계획을 사용한다.
입력 디바이스(314)는 도 3를 참조하여 위에서 더 상세히 예시되고 기술되어 있다. 일 실시예에서, 입력 디바이스(314)는 AV(100)에 승차하고 있는 승객으로부터 음성 커맨드를 수신하는 스마트 스피커를 포함한다. 스마트 스피커는 커맨드를 수신하기 위한 하나 이상의 근거리(near-field) 또는 원거리(far-field) 마이크로폰을 포함한다. 스마트 스피커는 또한 AV(100) 또는 원격 서버(136)로부터 승객에게 오디오 메시지를 전달한다. 일 실시예에서, 스마트 스피커는 AV(100) 또는 원격 서버(136)의 스마트 어시스턴트(smart assistant)를 포함하거나 이에 연결된다. 스마트 어시스턴트는, 날씨, 루트 계획 등과 같은, 정보를 조회하고 또한 임박한 기동에 관해 승객에게 경고를 전달한다.
데이터 저장 유닛(142)은 도 1을 참조하여 위에서 더 상세히 예시되고 기술되어 있다. 데이터 저장 유닛(142)은 데이터, 예를 들어, 센서(1304)로부터의 센서 데이터, 승객 센서(1308)로부터의 승객 센서 데이터, 원격 서버(136)로부터 수신된 경로 설정(routing)에 대한 명령어, 또는 계획 모듈(404)에 의해 생성된 궤적 데이터를 저장하는 데 사용된다.
계획 모듈(404)은 도 4를 참조하여 위에서 더 상세히 예시되고 기술되어 있다. 운전 모드에서, 인지 모듈(402)은 센서(1304)로부터의 데이터, 예를 들어, 음향 센서 데이터, LiDAR 데이터, 또는 스테레오 카메라 데이터를 사용하여 동작 환경(1300)에서의 정적 대상체 및 동적 대상체를 검출하고 분류하거나 레이블링한다. 분류/레이블링된 대상체(1008) 및 그의 특성, 예를 들어, 위치, 속도, 또는 헤딩은 동작 환경(1300) 내에서 AV(100)와 대상체(1008) 사이의 충돌을 예측하고 동작 환경(1300)을 통한 안전한 궤적을 생성하기 위해 계획 모듈(404)에 의해 사용된다.
일 실시예에서, AV(100)는 호텔 또는 환승 센터와 같은 초기 시공간적 위치에 위치한다. AV(100)는 원격 서버(136)로부터 또는 데이터 저장 유닛(142)으로부터 AV(100)를 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 수신한다. 동작 제약은 AV(100)가 동작 환경(1300)에서 동작할 때 준수하도록 의도된 규칙이다. 동작 제약은 AV(100)에 승차하고 있는 승객에 대한 승객 편의 레벨을 증가시키는 교통 규칙 또는 제약이다. 예를 들어, 승객 편의 레벨을 증가시키는 제약은 AV(100)의 가속도에 대한 최대 제한을 지정한다. 일 실시예에서, AV(100)는 AV(100)를 동작시키는 것에 대한 하나 이상의 동작 제약을 원격 서버(136)로부터 수신하거나 데이터 저장 유닛(142)으로부터 리트리빙한다. 하나 이상의 동작 제약의 각각의 동작 제약은 각자의 선형 시간 논리 표현식에 의해 정의된다.
선형 시간 논리는 시간을 참조하는 모달리티를 갖는 모달 시간 논리이다. 선형 시간 논리 표현식은 AV(100)의 동작 조건이 궁극적으로 참일 것인지 여부 또는 AV(100)의 동작 조건이 다른 조건이 충족될 때까지 참일 것인지 여부 등을 표현하는 수식이다. 선형 시간 논리 표현식은 명제 변수(propositional variable)의 유한 집합 AP, 논리 연산자
Figure pct00001
및 ∨, 시간 모달 연산자 NEXT 및 UNTIL로부터 생성된다. NEXT 시간 모달 연산자의 사용은 아래에서 더 상세히 기술된다.
일 실시예에서, AV(100)는, 원격 서버(136)로부터 또는 입력 디바이스(314)를 사용하는 승객으로부터, AV(100)가 주행할 목적지 시공간적 위치를 수신한다. 예를 들어, 목적지 시공간적 위치는 거주지 또는 사무실이다. 계획 모듈(404)은 초기 시공간적 위치로부터 목적지 시공간적 위치까지 동작하기 위한 모션 세그먼트를 식별한다. 모션 세그먼트는 동작 환경(1300)의 운전 가능 구역의 일 부분이다. 예를 들어, 모션 세그먼트는 차선, 거리의 섹션, 또는 교차로를 포함한다. 모션 세그먼트는, 예를 들면, AV(100)가 모션 세그먼트에 따라 동작할 때의 AV(100)의 속력, AV(100)의 가속도, 또는 AV(100)의 방향 배향을 지정한다. 일 실시예에서, 계획 모듈(404)은 경로 계획 그래프, 예를 들어, 도 10을 참조하여 위에서 더 상세하게 예시되고 기술된 경로 계획 그래프(1000)에 기초하여 모션 세그먼트를 식별하기 위해 센서(1304)를 사용하여 수신된 센서 데이터를 사용한다. 일 실시예에서, AV(100)는 AV(100)를 동작시키기 위한 하나 이상의 모션 세그먼트를 결정하기 위해 계획 모듈(404)을 사용한다.
계획 모듈(404)은 모션 세그먼트에 기초하여 AV(100)에 대한 선형 시간 논리 표현식의 값을 결정한다. 일 실시예에서, 선형 시간 논리 표현식의 값은 이진 값, 예를 들면, 참(true)/거짓(false) 또는 0/1이다. 다른 실시예에서, 선형 시간 논리 표현식의 값은 AV(100)의 동작 속성 또는 상태를 나타낸다. 예를 들어, 선형 시간 논리 표현식의 값은 AV(100)가 차선을 변경하고 있는지 여부, AV(100)의 우측 차선 경계가 황색 점선(broken yellow line)을 포함하는지 여부, 또는 AV(100)가 교차로 내에 위치하는지 여부를 나타낸다. 선형 시간 논리 표현식은 하나 이상의 선형 시간 논리 명제(linear temporal logic proposition)를 포함한다. 예를 들어, 선형 시간 논리 표현식은 AV(100)가 교차로 내에서 동작하는 동안 차선을 변경하지 않아야 한다는 것을 지정하는 동작 제약을 정의한다. 선형 시간 논리 표현식은 다음과 같이 나타내어지고:
id : no_lane_change_in_intersection
requirement :
!in_intersection || is_baseline
is_dynamic : 0,
여기서 !in_intersection은 AV(100)가 교차로 내에 위치하지 않는지 여부를 나타내는 선형 시간 논리 명제이고, is_baseline은 AV(100)의 시공간적 위치를 나타내는 명제 변수이다. 유사하게, 선형 시간 논리 명제는 AV(100)가 동작하고 있는 차선을 나타낸다. 상기 예를 참조하면, 선형 시간 논리 표현식 no_lane_change_in_intersection의 값은 AV(100)가 교차로 내에서 동작하는 동안 차선을 변경하는지 여부에 대응한다.
일 실시예에서, 선형 시간 논리 표현식의 값은 AV(100)가 동작 제약에 의해 지정된 방향으로 동작하고 있는지 여부에 대응한다. 예를 들어, AV(100)가 주행 차선의 교통 규칙에 의해 지정된 방향으로 주행하고 있는지 여부에 대응하는 선형 시간 논리 표현식은 다음과 같이 나타내어진다:
id : lane_direction
requirement :
is_travel_direction_correct
is_dynamic : 0
계획 모듈(404)은 선형 시간 논리 표현식에서의 하나 이상의 선형 시간 논리 명제의 각각의 선형 시간 논리 명제의 값을 결정함으로써 각각의 선형 시간 논리 표현식을 평가한다. 따라서, 계획 모듈(404)은 선형 시간 논리 표현식의 값을 도출하기 위해 하나 이상의 선형 시간 논리 명제의 하나 이상의 값을 논리적으로 집계함으로써 선형 시간 논리 표현식을 평가한다. 계획 모듈(404)은 상태가 시간상 연속적으로 진화하고 있는 AV(100)를 분석하는 것에 의해 궤적을 생성한다. 시간상 연속적으로 진화하는 AV(100)를 상태 시퀀스로서 모델링하기 위해, 계획 모듈(404)은 상이한 시간에서 AV(100)의 상태를 샘플링하고 샘플링된 상태를 상태 시퀀스에 추가한다. 예를 들어, 임의의 선형 시간 논리 명제(예를 들면, is_baseline, in_intersection, lane_index, right_line, 또는 left_line)가 변경되는 모든 시간이 샘플링된다. 따라서, 임의의 인덱스 i에 대해, 상태 si에서 및 상태 s{i+1}에서 상이한 일부 속성이 있다.
일 실시예에서, 계획 모듈(404)은 시간 모달 연산자에 기초하여 AV(100)의 상태 시퀀스에 대한 선형 시간 논리 표현식의 값을 결정하는 것에 의해 선형 시간 논리 표현식을 평가한다. 예를 들어, 계획 모듈(404)은 상태 시퀀스에서 관심 상태 이후 시퀀스에서의 시간상 다음 상태를 평가하는 것에 의해 AV(100)의 동작을 평가하기 위해 NEXT 시간 모달 연산자를 사용한다. 예를 들어, AV(100)에 대한 동작 제약을 정의하는 선형 시간 논리 표현식은 다음과 같이 나타내어진다:
id : lane_change_lane_to_lane
requirement :
is_baseline || in_intersection ||
lane_index < 0 || NEXT(lane_index) < 0 ||
(NEXT(lane_index) == lane_index) ||
(NEXT(lane_index) > lane_index && (right_line == 1 || right_line == 3 || right_line == 5)) ||
(NEXT(lane_index) < lane_index && (left_line == 1 || left_line == 3 || left_line == 5))
is_dynamic : 0
상기 예에서 선형 시간 논리 표현식을 평가하기 위해, 계획 모듈(404)은 s0 s1 s2 ...에 의해 AV(100)의 상태 시퀀스를 나타내고, 여기서 0, 1, 및 2는 인덱스를 나타내며, s0, s1, 및 s2는, 제각기, 인덱스 0, 1 및 2에서의 AV(100)의 상태를 나타낸다. 계획 모듈(404)은, 인덱스 i에서, 상태 시퀀스가 선형 시간 논리 명제 P에 대해 NEXT(P)를 충족시키는지 여부를 결정한다. s{i+1}이 인덱스 i에서의 상태 이후의 AV(100)의 상태이기 때문에, 계획 모듈(404)은 상태 s{i+1}가 P를 충족시키는지 여부를 평가한다.
상기 예를 계속하면, 계획 모듈(404)은 선형 시간 논리 명제 NEXT(lane_index) == lane_index를 평가한다. 변수 Li는 상태 si에서의 lane_index를 나타낸다. 인덱스 i에서 NEXT(lane_index) == lane_index가 평가되는 경우, L{i+1}는 Li와 동일하고, 예를 들면, 상태 i+1에서의 lane_index는 상태 i에서의 lane_index와 동일하다. 환언하면, 상태 i와 상태 i+1 사이에서 lane_index가 변경되지 않는다. 계획 모듈(404)은 이어서 인덱스 i에서 명제 (NEXT(lane_index) > lane_index && (right_line == 1 || right_line == 3 || right_line == 5))를 평가한다. NEXT(lane_index) > lane_index인 경우, L{i+1} > Li이고, 예를 들면, 상태 i+1에서의 차선은 상태 i에서의 차선의 오른쪽에 있다. right_line == 1 선형 시간 논리 명제는 상태 i에서의 우측 차선 마킹이 백색 점선임을 나타낸다. right_line == 3 선형 시간 논리 명제는 상태 i에서의 우측 차선 마킹이 황색 점선임을 나타낸다. right_line == 5 선형 시간 논리 명제는 상태 i에서의 우측 차선 마킹이 라인 없음(no line)임을 나타낸다. 따라서, 상태 i에서의 결합된 선형 시간 논리 명제(NEXT(lane_index) > lane_index && (right_line == 1 || right_line == 3 || right_line == 5))를 평가한 후에, 계획 모듈(404)은 상태 i+1에서의 차선이 상태 i에서의 차선의 오른쪽에 있고, 상태 i에서의 우측 차선 마킹이 백색 점선, 황색 점선, 또는 라인 없음 중 어느 하나라고 결정한다.
상기 예를 계속하면, 계획 모듈(404)은 선형 시간 논리 명제(NEXT(lane_index) < lane_index && (left_line == 1 || left_line == 3 || left_line == 5))를 평가한다. 이 선형 시간 논리 명제는 위에서 평가된 선형 시간 논리 명제와 유사하다. 인덱스 i에서, 선형 시간 논리는 상태 i+1에서의 차선이 상태 i에서의 차선의 왼쪽에 있고, 상태 i에서의 좌측 차선 마킹이 백색 점선, 황색 점선, 또는 라인 없음 중 어느 하나임을 나타낸다. 따라서, 인덱스 i에서, AV(100)가 (1) 차선을 변경하지 않거나, (2) 우측 차선으로 변경하고 우측 차선 경계가 백색 점선, 황색 점선, 또는 라인 없음 중 어느 하나이거나, 또는 (3) 좌측 차선으로 변경하고 좌측 차선 경계가 백색 점선, 황색 점선, 또는 라인 없음 중 어느 하나라고 결정하기 위해, 결합된 선형 시간 논리 표현식(NEXT(lane_index) == lane_index) || (NEXT(lane_index) > lane_index && (right_line == 1 || right_line == 3 || right_line == 5)) || (NEXT(lane_index) < lane_index && (left_line == 1 || left_line == 3 || left_line == 5))이 평가된다.
일 실시예에서, 계획 모듈(404)은 모션 세그먼트에 따라 AV(100)를 동작시키는 것이 동작 제약을 정의하는 선형 시간 논리 표현식에 기초한 동작 제약을 위반하는지 여부를 결정한다. 모션 세그먼트에 따라 AV(100)를 동작시키는 것이 동작 제약을 위반하는지 여부의 결정은 선형 시간 논리 표현식의 값이 거짓인 것에 응답하여, 수행된다. 일 실시예에서, 계획 모듈(404)은 동작이 하나 이상의 동작 제약의 동작 제약을 위반하더라도 선택된 모션 세그먼트에 따라 AV(100)를 동작시키기로 결정한다. 동작 제약을 정의하는 선형 시간 논리 표현식의 값이 거짓인 것에 응답하여, 선택된 모션 세그먼트에 따라 AV(100)를 동작시키는 것은 동작 제약을 위반한다. 예를 들어, 더 높은 순위의 동작 제약은 AV(100)가 대상체(1008)와의 충돌을 피해야 한다고 지정한다. 더 낮은 순위의 동작 제약은 AV(100)에 대한 최대 속력 제한을 지정한다. 계획 모듈(404)은 더 낮은 순위의 동작 제약을 위반할 수 있고 더 높은 순위의 동작 제약을 준수하고 충돌을 방지하기 위해 속력을 높일 수 있다.
일 실시예에서, 계획 모듈(404)은 그의 궤적 생성 프로세스의 일부로서 크립키 구조를 생성한다. 크립키 구조의 일 예가 도 14를 참조하여 아래에서 더 상세히 예시되고 기술된다. 크립키 구조는 평가될 하나 이상의 모션 세그먼트를 나타낸다. 크립키 구조는 정점이 AV(100)의 도달 가능한 상태를 나타내고 에지가 상태 전이를 나타내는 그래프이다. 계획 모듈(404)은 크립키 구조를 사용하여 선형 시간 논리 표현식을 평가한다. 크립키 구조는 다수의 정점을 포함한다. 크립키 구조의 제1 정점은 AV(100)의 초기 시공간적 위치에 대응한다. 크립키 구조의 제2 정점은 AV(100)의 목적지 시공간적 위치에 대응한다. 제1 정점과 제2 정점을 연결시키는 크립키 구조의 에지는 초기 시공간적 위치로부터 목적지 시공간적 위치까지 AV(100)를 동작시키기 위한 모션 세그먼트에 대응한다.
일 실시예에서, 계획 모듈(404)은 동작 환경(1300)의 맵으로부터 획득된 시공간적 정보를 랜덤화하여 크립키 구조를 생성한다. AV(100)는 원격 서버(136)로부터 맵을 수신하거나 또는 데이터 저장 유닛(142)으로부터 맵을 리트리빙한다. AV(100)가 초기 시공간적 위치에 위치할 때, AV(100)는 맵에서의 시공간적 정보를 랜덤화하여 다수의 옵션 또는 모션 세그먼트 - 이에 따라 AV(100)가 동작할 수 있음 - 를 생성한다. 다수의 옵션 또는 모션 세그먼트는 크립키 구조를 생성하는 데 사용된다. 계획 모듈(404)은 하나 이상의 선형 시간 논리 표현식에 기초하여 각각의 모션 세그먼트 또는 옵션을 평가하기 위해 크립키 구조를 사용한다. 일 실시예에서, 계획 모듈(404)은 동작 환경(1300)의 맵으로부터 획득된 시공간적 정보를 샘플링하여 크립키 구조를 생성한다. 예를 들어, 계획 모듈(404)은 AV(100)의 초기 시공간적 위치로부터 특정 거리 내에 있는 맵에서의 지점을 선택하여 다수의 모션 세그먼트를 생성하고, 이 모션 세그먼트는 이어서 크립키 구조를 생성하는 데 사용된다.
계획 모듈(404)은, 다수의 정점의 각각의 정점에서, 선형 시간 논리 표현식의 값을 결정함으로써 선형 시간 논리 표현식을 평가한다. 선형 시간 논리 표현식은 특정 동작 제약을 정의한다. 일부 경우에, 제1 정점에서 평가된 선형 시간 논리 표현식의 제1 값은 제2 정점에서 평가된 선형 시간 논리 표현식의 제2 값과 상이하다. 계획 모듈(404)은, 크립키 구조의 제1 정점에서 평가된 선형 시간 논리 표현식의 제1 값이 크립키 구조의 제2 정점에서 평가된 선형 시간 논리 표현식의 제2 값과 상이한 것에 응답하여, 특정 동작 제약이 위반된다고 결정한다.
일 실시예에서, 선형 시간 논리 표현식의 값은 모션 세그먼트 상의 중간 지점에서 변경된다. 선형 시간 논리 표현식의 값이 변경될 때, 계획 모듈(404)은 중간 지점에서 모션 세그먼트를 2개의 상이한 모션 세그먼트로 분할한다. 모션 세그먼트의 분할은 도 15를 참조하여 아래에서 더 상세히 예시되고 기술된다. 선형 시간 논리 표현식의 값이 시공간적 위치에서 변경되는 것에 응답하여 모션 세그먼트가 그 시공간적 위치에서 분할된다. 분할은 선형 시간 논리 표현식의 값이 모션 세그먼트를 따라 최대 한 번 변경되도록 수행된다.
일 실시예에서, AV(100)의 가능한 상태들의 세트는 S로 나타내어진다. 예를 들어, AV(100)의 특정 상태 s는 AV(100)의 위치, 헤딩, 또는 속력은 물론 동작 환경(1300)에서의 다른 대상체(1008)의 위치, 헤딩, 또는 속력을 포함한다. 이 예에서, 총 n개의 관심 명제 변수 v1, v2, ..., vn이 있다. 명제 변수의 예는 상기 예에 더 상세히 기술된 바와 같이 is_baseline, in_intersection, lane_index, left_line 및 right_line이다. 명제 변수는 AV(100)의 상태를 궤적 계획을 위한 의미있는 수량으로 추상화한다. 예를 들어, AV(100)의 (x, y) 위치가 AV(100)를 완전히 차선 내에 또는 교차로 내에 위치하게 하는지 여부를 결정하기 위해 (x, y) 위치가 추상화된다. AV(100)의 상태에서 평가되는 v = (v1, v2, ..., vn)의 값은 해당 상태의 "레이블"이라고 지칭된다. 각각의 레이블 vi에 대해, Fi는 AV(100)의 상태를 입력으로서 수신하고 vi의 값을 출력으로서 생성하는 함수를 나타낸다. 일 실시예에서, 계획 모듈(404)은 AV(100)가 AV(100)의 특정 상태로 위치되는 차선을 결정하기 위해 선형 시간 논리 표현식을 평가한다. 예를 들어, vi가 명제 변수 lane_index를 나타내는 경우, Fi(s)는 시스템 상태가 s일 때 AV(100)의 차선 인덱스를 반환한다. 함수 F = (F1, F2, ..., Fn)는 AV(100)의 상태를 해당 상태에서의 레이블로 전환(turn)하기 때문에 "레이블러(labeler)"라고 지칭된다.
상기 예를 계속하면, E는 크립키 구조의 에지를 나타낸다. E(d)는 에지 E를 따라 거리 d에서의 AV(100)의 상태를 나타내며, 예를 들면, E(0)은 에지 E의 시작에서의 AV(100)의 상태를 나타낸다. 계획 모듈(404)은 d0 = 0이라고 간주하고, F = (F1(E(d0)), F2(E(d0)), ..., Fn(E(d0)), 예를 들면, 에지 E의 시작에서의 AV(100)의 상태의 레이블을 계산한다. 계획 모듈(404)은 Fi(E(d1)) != Fi(E(d0))인 인덱스 i가 존재하도록 가장 작은 d1을 결정한다. d1의 값은 레이블이 변경되는 에지 E를 따른 거리이다. 계획 모듈(404)은 각각의 dj에 대해, Fi(E(d{j-1})) != Fi(E(dj))이도록 하는 인덱스 i가 존재하도록 d2, d3, ..., dm의 값을 결정하기 위해 위에서 기술된 방식으로 계속한다. d1, d2, ..., dm의 값은 레이블이 값을 변경하는 에지 E를 따른 거리이다. 레이블이 에지 E를 따라 변경되지 않는 경우, d1이 존재하지 않을 것이기 때문에 m = 0이다. m! = 0인 경우, 예를 들면, 레이블이 값을 변경하는 에지 E를 따른 거리가 존재하는 경우, 계획 모듈(404)은 에지 E를 상이한 에지 E1, E2, ..., Em으로 분할하고, 여기서 각각의 에지 Ei는, 거리 d{i-1}로부터 시작하여 거리 di까지의, 원래 에지 E의 일부이다. 따라서 계획 모듈(404)은 결과적인 서브 에지(sub edge)가 레이블 값의 최대 한 번의 변경을 포함하도록 보장한다.
일 실시예에서, 계획 모듈(404)은 모션 세그먼트에 따라 AV(100)를 동작시키기 위한 동작 메트릭을 생성한다. 동작 메트릭은 선형 시간 논리 표현식이 모션 세그먼트에 기초하여 평가될 때 선형 시간 논리 표현식의 결정된 값에 기초한다. 동작 메트릭은 모션 세그먼트에 따라 AV(100)를 동작시키는 비용이다. 예를 들어, 계획 모듈(404)이 모션 세그먼트에 따라 AV(100)를 동작시키는 것이 충돌로 이어지거나 다른 교통 규칙을 위반할 것이라고 예측하는 경우, 계획 모듈은 모션 세그먼트에 더 높은 동작 메트릭(비용)을 할당한다. 계획 모듈은 비용을 감소시키기 위해 모션 세그먼트에 따라 AV(100)을 동작시키는 것을 피할 것이다. 계획 그래프에서의 에지와 연관된 비용의 용도는 도 10을 참조하여 위에서 더 상세히 예시되고 기술되어 있다.
일 실시예에서, 계획 모듈(404)은 모션 세그먼트에 할당된 동작 메트릭이 임계 값 미만인 것에 응답하여 모션 세그먼트에 따라 AV(100)를 동작시키기로 결정한다. 예를 들어, 그래픽 표현은 하나 이상의 모션 세그먼트를 포함한다. AV(100)는 AV(100)에 대한 하나 이상의 동작 제약을 정의하는 하나 이상의 선형 시간 논리 표현식을 수신한다. 계획 모듈(404)은 하나 이상의 모션 세그먼트의 각각의 모션 세그먼트에 대한 하나 이상의 선형 시간 논리 표현식의 각각의 선형 시간 논리 표현식을 평가한다. 선형 시간 논리 표현식의 값이 거짓인 것에 응답하여, 계획 모듈(404)은 모션 세그먼트에 동작 메트릭(비용)을 할당한다. 계획 모듈은 선택된 모션 세그먼트가 임계 값 미만의 할당된 동작 메트릭을 갖도록 하나 이상의 모션 세그먼트의 모션 세그먼트를 선택한다. 예를 들어, 동작 메트릭은 0 내지 99의 범위일 수 있으며 99가 가장 높은 비용이다. 임계 값이 5인 경우, 5 미만의 동작 메트릭을 갖는 모션 세그먼트가 선택된다.
일 실시예에서, AV(100)를 동작시키는 것에 대한 동작 제약은 순위 부여된 복수의 동작 제약 중 하나이다. 예를 들어, 운행 안전성에 더 큰 영향을 미치는 동작 제약은 더 높은 순위를 부여받는다. 일 실시예에서, 계획 모듈(404)은 동작 제약의 순위를 결정하는 것에 의해 동작 메트릭을 생성한다. 예를 들어, 순위가 10인 동작 제약이 위반되는 경우, 동작 메트릭은 순위가 1인 동작 제약이 위반되는 경우보다 더 높을 것이다. 일 실시예에서, 계획 모듈(404)은 거짓인 것으로 평가되는 선형 시간 논리 표현식에 의해 정의된 동작 제약의 순위를 결정하는 것에 의해 모션 세그먼트에 동작 메트릭을 할당한다. 선형 시간 논리 표현식이 거짓인 것으로 평가될 때, 계획 모듈(404)은 대응하는 동작 제약이 위반된다고 결정한다. 이어서 계획 모듈(404)은 위반된 동작 제약의 순위를 결정한다. 계획 모듈(404)은 거짓인 것으로 평가된 선형 시간 논리 표현식에 의해 정의된 동작 제약의 순위를 모션 세그먼트에 대한 동작 메트릭으로서 나타내는 것에 의해 모션 세그먼트에 동작 메트릭을 할당한다.
일 실시예에서, AV(100)는 AV(100)와 대상체(1008)의 충돌에 대응하는 선형 시간 논리 표현식을 저장한다. 선형 시간 논리 표현식은 원격 서버(136)로부터 리트리빙되고 데이터 저장 유닛(142)에 저장된다. 예를 들어, 선형 시간 논리 표현식은 AV(100)와 대상체(1008)의 충돌을 방지하기 위한 AV(100)의 최소 속력을 포함한다. 다른 예에서, 선형 시간 논리 표현식은 AV(100)와 대상체(1008)의 충돌을 방지하기 위한 AV(100)의 최소 가속도를 포함한다. 따라서 AV(100)는 충돌을 피하기 위해 속력을 높여야 한다. 일 실시예에서, 선형 시간 논리 표현식은 다수의 순위 부여된 선형 시간 논리 표현식 중 하나이다. 운행 안전성에 대한 더 큰 영향과 연관된 선형 시간 논리 표현식은 더 높은 순위를 가질 것이다.
AV(100)는 AV(100)를 동작시키기 위한 제1 모션 세그먼트를 수신한다. 제1 모션 세그먼트는 도로, 주차장, 교량, 공사 구역, 도로의 연석, 차선의 경계, 또는 교차로와 연관된다. 예를 들어, 제1 모션 세그먼트에 따라 AV(100)를 동작시키는 것은 AV(100)로 하여금 도로, 주차장, 또는 교량을 횡단하게 한다. 계획 모듈(404)은 제1 모션 세그먼트에 기초하여 선형 시간 논리 표현식의 제1 값을 결정한다. 선형 시간 논리 표현식의 제1 값이 거짓인 것으로 결정된다. 따라서, 계획 모듈(404)은 제1 모션 세그먼트에 따라 AV(100)를 동작시키는 것이 AV(100)와 대상체(1008)의 충돌을 야기할 것이라고 결정한다. 일 실시예에서, 계획 모듈(404)은 AV(100)의 동작 속력이 최대 속력 제한보다 더 큰 것에 응답하여 선형 시간 논리 표현식의 제1 값을 거짓인 것으로 결정한다. 예를 들어, 계획 모듈(404)이 모션 세그먼트가 AV(100)로 하여금 속력을 높이게 할 것이라고 예측하는 경우, 대응하는 동작 제약이 위반될 것이다.
일 실시예에서, 계획 모듈(404)은 하나 이상의 센서(1304)로부터 획득된 센서 데이터에 기초하여 AV(100)로부터 대상체(1008)까지의 거리를 결정하는 것에 의해 선형 시간 논리 표현식의 제1 값을 결정한다. 예를 들어, 거리가 작고 AV(100)가 대상체(1008)의 방향으로 운전하고 있는 경우, 계획 모듈(404)은 제1 모션 세그먼트에 따라 AV(100)를 동작시키는 것이 충돌을 야기할 것이라고 결정한다. 일 실시예에서, 계획 모듈(404)은 AV(100)와 대상체(1008)의 제1 충돌 확률이 임계 값보다 더 큰 것에 응답하여 선형 시간 논리 표현식의 제1 값이 거짓인 것으로 결정한다. 예를 들어, 임계 값은 10%이다. 계획 모듈(404)은 대상체(1008)에 대한 궤적을 예측하는 것에 의해 제1 충돌 확률을 결정한다. 일 실시예에서, 계획 모듈(404)은 확장 칼만 필터(extended Kalman filter)를 사용하여 대상체(1008)를 추적하고 잠재적인 충돌에 대한 시간을 결정한다. 계획 모듈(404)은 대상체(1008)에 대한 잠재적인 거동(예를 들면, 차선 변경, 좌회전)을 결정하고 각각의 잠재적인 거동에 확률을 할당한다. 일 실시예에서, 계획 모듈(404)은 AV(100)의 종축 상의 위치에 관련하여 AV(1000)와 대상체(1008)의 제1 충돌 확률을 결정하고, 여기서 해당 위치는 AV(100)의 리어 액슬로부터 떨어져 위치하게 된다.
계획 모듈은 제1 모션 세그먼트를 나타내는 크립키 구조를 생성한다. 일 실시예에서, 계획 모듈은 AV(100)가 제1 모션 세그먼트에 따라 동작될 때 대상체(1008)에 대한 AV(100)의 측방향 오류 공차(lateral error tolerance)를 결정하는 것에 의해 크립키 구조를 생성한다. 측방향 오류 공차는 대상체(1008)와의 충돌을 피하면서 측방향으로 조향하기 위한 AV(100)의 측방향 자유(lateral freedom)의 크기를 나타낸다. 측방향 오류 공차가 더 작은 경우, AV(100)는 대상체(1008)에 측방향으로 더 가깝다. 계획 모듈(404)은 제1 모션 세그먼트에 대응하는 크립키 구조의 에지를 결정된 측방향 오류 공차와 연관시키는 것에 의해 크립키 구조를 생성한다.
일 실시예에서, 계획 모듈(404)은 제1 모션 세그먼트에 따라 AV(100)를 동작시키는 것을 종료하라는 메시지를 제어 모듈(406)에 송신한다. 계획 모듈(404)은 AV(100)와 대상체(1008)의 제1 충돌 확률이 임계 값보다 더 큰 것에 응답하여 AV(100)를 동작시키는 것을 종료하라는 메시지를 송신한다. 예를 들어, 임계 값은 5%이다. 결정된 제1 값이 AV(100)와 대상체(1008)의 제1 충돌 확률(예를 들면, 30%)이 임계 값보다 더 크다는 것을 나타내는 것에 응답하여, 제어 모듈(406)은 제1 모션 세그먼트와 상이한 제2 모션 세그먼트에 따라 AV(100)를 동작시킨다. 계획 모듈(404)은 제2 모션 세그먼트에 기초하여 결정된 선형 시간 논리 표현식의 제2 값이 AV(100)와 대상체(1008)의 제2 충돌 확률(예를 들면, 0%)이 임계 값 미만임을 나타낸다고 결정한다. 따라서, 계획 모듈(404)은 각각의 모션 세그먼트와 연관된 충돌 확률에 기초하여 모션 세그먼트들 중에서 선택하기 위해 선형 시간 논리 표현식의 평가를 사용한다.
일 실시예에서, 선형 시간 논리 표현식과 연관된 제1 동작 메트릭은 제2 선형 시간 논리 표현식과 연관된 제2 동작 메트릭보다 더 크다. AV(100)의 운행 안전성에 대한 선형 시간 논리 표현식의 영향은 운행 안전성에 대한 제2 선형 시간 논리 표현식의 영향보다 더 크다. 예를 들어, 제2 선형 시간 논리 표현식은 AV(100)의 하나 이상의 승객 센서(1308)에 의해 측정되는 승객 편의 레벨과 연관된다. 일 실시예에서, 제2 선형 시간 논리 표현식은 승객 센서(1308)에 의해 측정되는 승객 편의 레벨과 연관된 AV(100)의 최대 속력을 포함한다. 특정 모션 세그먼트가 AV(100)로 하여금 최대 속력을 초과하게 할 것인 경우, 계획 모듈(404)은 특정 모션 세그먼트에 제2 동작 메트릭을 할당한다. 일 실시예에서, 제2 선형 시간 논리 표현식은 승객 센서(1308)에 의해 측정되는 승객 편의 레벨과 연관된 AV(100)의 최대 가속도를 포함한다. 특정 모션 세그먼트가 AV(100)로 하여금 최대 가속도를 초과하게 할 것인 경우, 계획 모듈(404)은 특정 모션 세그먼트에 제2 동작 메트릭을 할당한다. 따라서 제2 동작 메트릭은 특정 모션 세그먼트(최대 제한을 초과하는 가속도)에 따라 AV(100)를 동작시키는 비용(더 낮은 승객 편의 레벨)이다.
제어 모듈(406)은 위에서 기술된 바와 같이 계획 모듈(404)에 의해 생성된 궤적에 따라 AV(100)를 동작시킨다. 제어 모듈(406)은 도 4를 참조하여 위에서 예시되고 기술되어 있다. 제어 모듈은 선택된 모션 세그먼트에 따라 AV(100)를 동작시킬 수 있다. 일 실시예에서, 제어 모듈(406)은 궤적에 걸쳐 동작 메트릭이 최소화되도록 더 낮은 동작 메트릭을 갖는 모션 세그먼트에 따라 AV(100)를 동작시킨다. 제어 모듈(406)은 인지 모듈(402)에 의해 식별된 대상체(1008)와의 충돌을 방지하도록 AV(100)를 동작시킨다. 제어 모듈(406)은 계획 모듈(404)로부터의 궤적을 사용하여 AV(100)의 브레이크(420c), 조향(420a), 및 스로틀(420b)(도 4를 참조하여 위에서 예시되고 기술됨)을 동작시킨다. 일 실시예에서, 제어 모듈(406)은 궤적에 따라 동작 환경(1300)의 이산화된 운전 가능 구역 내에서 AV(100)를 동작시킨다.
선형 시간 논리를 사용한 자율 주행 차량 동작의 예
도 14는 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작의 일 예를 도시한다. 일 실시예에서, AV(100)는 AV(100)를 운행시키기 위해 원격 서버(136)로부터 다수의 모션 세그먼트(모션 세그먼트(1412, 1416, 1420, 1424))를 수신한다. 다른 실시예에서, 계획 모듈(404)은 위에서 도 10에 더 상세히 기술된 그래프(1000)를 사용하여 다수의 모션 세그먼트를 생성한다. 다른 실시예에서, 계획 모듈(404)은 위에서 도 13에 더 상세히 기술된 방법을 사용하여 다수의 모션 세그먼트를 생성한다. 다수의 모션 세그먼트의 각각의 모션 세그먼트(예를 들면, 모션 세그먼트(1412))는 제1 시공간적 위치(1404)를 제2 시공간적 위치(1408)에 연결시킨다. 예를 들어, 모션 세그먼트는 동작 환경(1300)에서의 도로, 주차장, 교량, 공사 구역, 도로의 연석, 차선의 경계, 또는 교차로와 연관된다.
계획 모듈(404)은 제1 시공간적 위치(1404)에 대응하는 제1 정점 및 제2 시공간적 위치(1408)에 대응하는 제2 정점을 포함하는 크립키 구조(1400)를 생성한다. 크립키 구조(1400)는 다수의 에지를 더 포함한다. 다수의 에지의 각각의 에지는 다수의 모션 세그먼트의 각자의 모션 세그먼트(예를 들면, 모션 세그먼트(1412))에 대응한다. AV(100)는 AV(100)를 동작시키는 것에 대한 동작 제약을 정의하는 하나 이상의 선형 시간 논리 표현식을 수신한다. 일 실시예에서, AV(100)는 원격 서버(136)로부터 선형 시간 논리 표현식을 수신한다. 다른 실시예에서, AV(100)는 데이터 저장 유닛(142)으로부터 선형 시간 논리 표현식을 리트리빙한다. 각각의 선형 시간 논리 표현식은 AV(100)를 동작시키는 것에 대한 각자의 동작 제약을 정의한다. 예를 들어, 제1 동작 제약은 AV(100)가 다른 대상체(예를 들면, 대상체(1008))와 충돌하지 않아야 한다는 것을 지정한다. 제2 동작 제약은 AV(100)가 교통 규칙을 준수하기 위해 최대 속력 제한을 초과하지 않아야 한다는 것을 지정한다. 제3 동작 제약은 AV(100)가 특정 레벨의 승객 편의를 제공하기 위해 최대 가속도를 초과해서는 안된다는 것을 지정한다.
일 실시예에서, 계획 모듈(404)은 각각의 모션 세그먼트(예를 들면, 모션 세그먼트(1412))에 대해 AV(100)가 모션 세그먼트(1412)에 따라 동작될 때 대상체(1008)에 대한 AV(100)의 측방향 오류 공차를 결정하는 것에 의해 크립키 구조(1400)를 생성한다. 예를 들어, 결정된 측방향 오류 공차가 더 작은 경우, AV(100)는 측방향으로 기동할 여지가 더 적고 대상체(1008)와의 충돌 가능성이 더 많다. 계획 모듈(404)은 다수의 에지의 각각의 에지를 결정된 측방향 오류 공차와 연관시키는 것에 의해 크립키 구조(1400)를 생성한다. 일 실시예에서, 선형 시간 논리 표현식은 AV(100)와 대상체(1008)의 충돌을 방지하기 위한 AV(100)의 최소 속력을 포함한다. 특정 모션 세그먼트(예를 들면, 언덕을 주행하여 올라가는 것)가 AV(100)가 최소 속력보다 더 느리게 주행할 것을 지정하는 경우, AV(100)는 대상체(1008)를 피할 수 없을 것이고 대상체(1008)와의 충돌 가능성이 더 많다. 일 실시예에서, 선형 시간 논리 표현식은 AV(100)와 대상체(1008)의 충돌을 방지하기 위한 AV(100)의 최소 가속도를 포함한다. 특정 모션 세그먼트가 AV(100)가 최소 가속도보다 더 느리게 가속할 것을 지정하는 경우, AV(100)는 대상체(1008)를 피할 수 없을 것이고 대상체(1008)와의 충돌 가능성이 더 많다.
계획 모듈(404)은 제1 시공간적 위치(1404)로부터 제2 시공간적 위치(1408)로 AV(100)를 동작시키기 위한 다수의 모션 세그먼트 중의 모션 세그먼트(예를 들면, 모션 세그먼트(1424))를 선택하기 위해 크립키 구조(1400)를 사용한다. 모션 세그먼트들에 대응하는 다수의 에지에 대해, 계획 모듈(404)은 크립키 구조(1400)를 사용하여 각각의 선형 시간 논리 표현식을 평가한다. 제1 정점 또는 제2 정점 중 어느 하나에서 결정된 선형 시간 논리 표현식의 값이 에지에 대해 거짓인 경우, 계획 모듈(404)은 동작 메트릭(예를 들면, OM1 = 99)을 각자의 모션 세그먼트(예를 들면, 모션 세그먼트(1412))에 할당한다. 동작 메트릭 OM1 = 99는 선형 시간 논리 표현식에 의해 정의된 동작 제약을 위반하는 비용이다. 일 실시예에서, 제1 정점에서 결정된 선형 시간 논리 표현식의 값이 특정 에지에 대한 제2 정점에서의 값과 매칭하지 않는 경우, 각자의 모션 세그먼트에 따라 AV(100)를 동작시키는 것은 선형 시간 논리 표현식에 의해 정의된 동작 제약을 위반할 것이다.
상기 예를 계속하면, 제1 동작 제약은 AV(100)가 대상체(1008)와 충돌하지 않아야 한다는 것을 지정한다. 따라서 동작 제약을 정의하는 제1 선형 시간 논리 표현식은 AV(100)와 대상체(1008)의 충돌 확률과 연관된다. 예를 들어, 충돌 확률이 더 높은 경우, 계획 모듈(404)은 제1 동작 제약을 위반하는 모션 세그먼트에 더 높은 동작 메트릭을 할당한다. 일 실시예에서, 계획 모듈(404)은 하나 이상의 센서(1304)로부터 획득된 센서 데이터에 기초하여 AV(100)로부터 대상체(1008)까지의 거리를 결정하는 것에 의해 동작 메트릭을 할당한다. 예를 들어, AV(100)가 대상체(1008)에 더 가까운 경우, 충돌 확률 및 따라서 동작 메트릭이 더 높을 것이다. AV(100)로부터 대상체(1008)까지의 거리가 감소함에 따라 동작 메트릭은 증가한다. 예를 들어, 계획 모듈(404)은 모션 세그먼트(1412)가 충돌을 야기할 것이고 충돌 확률이 더 높다고 결정한다. 따라서, 더 높은 동작 메트릭 OM1 = 99가 모션 세그먼트(1412)에 할당된다.
일 실시예에서, AV(100)와 대상체(1008)의 충돌 확률이 임계 값보다 더 큰 것에 응답하여 선형 시간 논리 표현식의 값은 거짓인 것으로 결정된다. 예를 들어, AV(100)와 대상체(1008)의 충돌 확률이 80%이고 임계 값이 5%인 경우, 선형 시간 논리 표현식의 값은 거짓인 것으로 결정된다.
일 실시예에서, 각각의 선형 시간 논리 표현식은 다수의 순위 부여된 선형 시간 논리 표현식 중 하나이다. 순위 부여는 운행 안전성에 대한 각각의 정의된 동작 제약의 영향에 기초한다. 예를 들어, 다수의 순위 부여된 선형 시간 논리 표현식 중 제1 선형 시간 논리 표현식의 동작 메트릭은 다수의 순위 부여된 선형 시간 논리 표현식 중 제2 선형 시간 논리 표현식의 동작 메트릭보다 더 크다.
상기 예를 계속하면, 제2 동작 제약은 AV(100)가 교통 규칙을 준수하기 위해 최대 속력 제한을 초과하지 않아야 한다는 것을 지정한다. 따라서, AV(100)의 동작 속력이 최대 속력 제한보다 더 큰 것에 응답하여 제2 동작 제약을 정의하는 제2 선형 시간 논리 표현식의 값은 거짓인 것으로 결정된다. 예를 들어, 모션 세그먼트(1416)는 AV(100)로 하여금 대상체(1008)와의 충돌을 방지하기 위해 속력을 높이도록 한다. 따라서, 충돌이 방지되고 제1 동작 제약이 위반되지 않는다. 그러나 제2 동작 제약은 위반된다. 계획 모듈(404)은 동작 메트릭 OM2 = 54를 모션 세그먼트(1416)에 할당한다. 비용 OM2(54)는 OM1(99)보다 더 작은데 그 이유는 최대 속력 제한을 초과하는 것이 충돌보다 운행 안전성에 대한 더 낮은 영향을 미치기 때문이다.
일 실시예에서, 선형 시간 논리 표현식은 AV(100)의 하나 이상의 승객 센서(1308)에 의해 측정되는 승객 편의 레벨과 연관된다. 상기 예를 계속하면, 제3 동작 제약은 AV(100)가 특정 레벨의 승객 편의를 제공하기 위해 최대 가속도를 초과해서는 안된다는 것을 지정한다. 따라서, 제3 동작 제약을 정의하는 제3 선형 시간 논리 표현식은 특정 승객 편의 레벨과 연관된 AV(100)의 최대 속력 또는 최대 가속도를 포함한다. 예를 들어, 계획 모듈(404)은 모션 세그먼트(1420)에 따라 AV(100)를 동작시키는 것이 AV(100)로 하여금 제3 동작 제약을 위반하게 할 것이라고 결정한다. 그렇지만, 제3 동작 제약은 운행 안전성에 더 적은 영향을 미친다. 모션 세그먼트(1420)에 따라 동작하는 것은 충돌을 방지할 것이고 또한 AV(100)의 과속(speeding)을 야기하지 않을 것이다. 따라서 더 낮은 비용 OM3 = 11이 모션 세그먼트(1420)에 할당된다. 각자의 동작 메트릭을 결정하는 것에 의해, 계획 모듈(404)은 더 높은 순위의 제1 동작 제약을 준수하면서 더 낮은 순위의 제3 동작 제약을 위반하여 AV(100)를 동작시키도록 결정할 수 있다. 마지막으로, 모션 세그먼트(1424)에 따라 AV(100)를 동작시키는 것은 세 가지 동작 제약 전부를 준수한다. 따라서 동작 메트릭 OM4 = 0이 모션 세그먼트(1424)에 할당된다.
일 실시예에서, 계획 모듈(404)은 모션 세그먼트(1412, 1416, 1420)를 포함하는 궤적의 생성을 종료한다. 예를 들어, 계획 모듈(404)은 모션 세그먼트에 할당된 동작 메트릭이 임계 값보다 더 큰 것에 응답하여 궤적의 생성을 종료한다. 임계 값이 9인 경우, 계획 모듈(404)은 동작 메트릭 OM1 = 99를 갖는 모션 세그먼트(1412)를 사용하지 않을 것이다. 일 실시예에서, 계획 모듈(404)은 AV(100)를 동작시키기 위해 가장 낮은 동작 메트릭과 연관된 모션 세그먼트를 선택한다. 예를 들어, 계획 모듈(404)은 가장 낮은 동작 메트릭 OM4 = 0을 갖는 모션 세그먼트(1424)를 선택한다. 계획 모듈(404)은 선택된 모션 세그먼트(1424)에 따라 AV(100)를 동작시키라는 메시지를 제어 모듈(406)에 송신한다.
도 15는 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작의 일 예를 도시한다. 도 15에 도시된 동작 환경(1500)은 다수의 차선(1512, 1516 등)을 갖는 거리(1508)의 교차로(1504)를 포함한다. 동작 환경(1500)은 AV(100)가 위치되는 초기 시공간적 위치(1520) 및 AV(100)가 주행할 목적지 시공간적 위치(1524)를 포함한다. 계획 모듈(404)은 초기 시공간적 위치(1520)로부터 목적지 시공간적 위치(1524)까지의 궤적을 결정한다. 초기 시공간적 위치(1520)는 차선(1516) 내에 위치하고 목적지 시공간적 위치(1524)는 차선(1512) 내에 위치하게 된다.
동작 환경(1500)은 초기 시공간적 위치(1520)로부터 시공간적 위치(1532)까지의 모션 세그먼트(1528)를 포함한다. 모션 세그먼트(1536)는 시공간적 위치(1532)를 시공간적 위치(1540)에 연결시킨다. 모션 세그먼트(1544)는 시공간적 위치(1540)를 목적지 시공간적 위치(1524)에 연결시킨다. 그렇지만, 차선(1516)을 따른 모션 세그먼트(1536)에 따라 AV(100)를 운행시키는 것은 더 느릴 것인데 그 이유는 시공간적 위치(1540)에 다른 차량이 위치해 있기 때문이다. 모션 세그먼트(1560)는 시공간적 위치(1532)를 시공간적 위치(1556)에 연결시키고, 시공간적 위치(1564)에서 차선(1516)으로부터 차선(1512)으로의 차선 변경을 포함한다. 모션 세그먼트(1548)는 시공간적 위치(1556)를 목적지 시공간적 위치(1524)에 연결시킨다. 모션 세그먼트(1560)에 따라 AV(100)를 운행시키고 시공간적 위치(1532)에서 차선을 변경하는 것이 더 빠를 것인데 그 이유는 AV(100)가 시공간적 위치(1540)에 위치한 차량을 피할 것이기 때문이다. 그렇지만, 모션 세그먼트(1560)는 AV(100)로 하여금 교차로(1504) 내에서 차선을 변경하게 한다. AV(100)에 의해 수신된 선형 시간 논리 표현식에 의해 정의된 동작 제약은 AV(100)가 교차로 내에서 차선을 변경해서는 안된다는 것을 지정한다. 그러한 동작 제약을 정의하는 선형 시간 논리 표현식의 일 예 no_lane_change_in_intersection가 도 13을 참조하여 위에서 더 상세히 기술되고 평가된다.
선형 시간 논리 표현식은 도 13에 위에서 더 상세히 기술된 바와 같이 하나 이상의 선형 시간 논리 명제를 포함한다. 예를 들어, 제1 선형 시간 논리 명제 in_intersection은 차량이 교차로 내에 위치하게 되는지 여부에 대응한다. 제2 선형 시간 논리 명제는 차량이 동작하고 있는 차선에 대응한다. 예를 들어, 위에서 더 상세히 기술된 바와 같이, is_baseline은 AV(100)의 시공간적 위치를 나타내는 명제 변수이다. 따라서 선형 시간 논리 표현식 no_lane_change_in_intersection의 값은 AV(100)가 교차로(1504) 내에서 동작하고 있는 동안 AV(100)가 동작하고 있는 차선을 AV(100)가 변경하고 있는지 여부에 대응한다.
일 실시예에서, 선형 시간 논리 표현식의 값은 AV(100)가 동작 제약에 의해 지정된 방향으로 동작하고 있는지 여부에 대응한다. 예를 들어, 동작 제약은 AV(100)가 차선(1512, 1516)의 방향으로 동작해야 한다는 것을 지정한다. 그러한 동작 제약은 다음과 같이 시간 논리 표현식에 의해 정의된다:
id : lane_direction
requirement :
is_travel_direction_correct
is_dynamic : 0
위의 시간 논리 표현식 lane_direction은 표현식 no_lane_change_in_intersection과 유사하게 평가된다.
계획 모듈(404)은 AV(100)를 동작시키기 위한 모션 세그먼트(1528, 1536, 1544, 1560, 1548)를 나타내는 크립키 구조를 프로세싱을 위해 데이터 저장 유닛(142)에 저장한다. 일 실시예에서, 계획 모듈(404)은 도 13 및 도 14를 참조하여 위에서 더 상세히 기술된 방법을 사용하여 크립키 구조를 생성한다. 다른 실시예에서, 계획 모듈(404)은 원격 서버(136)로부터 크립키 구조를 수신한다. 모션 세그먼트 각각(예를 들면, 모션 세그먼트(1560))은 다수의 시공간적 위치(예를 들면, 시공간적 위치(1532, 1564, 1556))를 포함한다. 크립키 구조의 다수의 정점의 각각의 정점은 다수의 시공간적 위치의 각자의 시공간적 위치에 대응한다. 제1 정점과 제2 정점을 연결시키는 크립키 구조의 에지는 제1 시공간적 위치(예를 들면, 초기 시공간적 위치(1520))로부터 제2 시공간적 위치(예를 들어, 시공간적 위치(1532))로 AV(100)를 동작시키기 위한 모션 세그먼트(예를 들면, 모션 세그먼트(1528))에 대응한다.
계획 모듈(404)은 크립키 구조에 기초한 선형 시간 논리 표현식을 사용하여 각각의 모션 세그먼트(예를 들면, 모션 세그먼트(1560))를 평가한다. 크립키 구조는 도 14를 참조하여 위에서 더 상세히 도시되고 기술된 바와 같이 각각의 모션 세그먼트에 대응하는 에지를 포함한다. 모션 세그먼트(1560)의 다수의 시공간적 위치(1532, 1564, 1556)의 각각의 시공간적 위치에 대해, 계획 모듈(404)은 크립키 구조에 기초하여 선형 시간 논리 표현식을 평가한다. 선형 시간 논리 표현식 no_lane_change_in_intersection에 대한 평가는 도 13을 참조하여 위에서 더 상세히 기술되어 있다. 도 15의 예에서, 시공간적 위치(1532)에 대응하는 제1 정점에서 평가된 선형 시간 논리 표현식 no_lane_change_in_intersection의 제1 값은 시공간적 위치(1556)에 대응하는 제2 정점에서 평가된 선형 시간 논리 표현식의 제2 값과 상이하다.
계획 모듈(404)은 모션 세그먼트(1560)에 따라 AV(100)를 동작시키는 것이 no_lane_change_in_intersection에 의해 정의된 동작 제약을 위반하는지 여부를 결정한다. 예를 들어, 계획 모듈(404)은 선형 시간 논리 표현식 no_lane_change_in_intersection의 값이 크립키 구조의 하나의 정점에서 거짓인 것에 응답하여 모션 세그먼트(1560)가 동작 제약을 위반한다고 결정한다. 모션 세그먼트(1560)가 AV(100)로 하여금 시공간적 위치(1564)에서 교차로(1504) 내에서 차선을 변경하게 할 것이기 때문에, 선형 시간 논리 표현식 no_lane_change_in_intersection의 값이 시공간적 위치(1564)에서 변경된다. 이러한 값의 변경을 결정하는 것에 응답하여, 계획 모듈(404)은 모션 세그먼트(1560)를 2개의 상이한 모션 세그먼트(1568, 1572)로 분할하기 위해 시공간적 위치(1564)에서 크립키 구조 내에 위치 마커를 삽입한다. 모션 세그먼트(1568)는 시공간적 위치(1532)를 시공간적 위치(1564)에 연결시킨다. 모션 세그먼트(1572)는 시공간적 위치(1564)를 시공간적 위치(1556)에 연결시킨다.
계획 모듈(404)은 위치 마커에 기초하여 2개의 상이한 모션 세그먼트(1568, 1572)의 각각의 모션 세그먼트에 동작 메트릭을 할당한다. 일 실시예에서, 계획 모듈(404)은 동작 제약의 순위를 결정하는 것에 의해 동작 메트릭을 할당한다. 동작 제약은 순위 부여된 복수의 동작 제약 중 하나이다. 충돌 없음을 지정하는 다른 동작 제약은 더 높은 순위를 부여받는다. 예를 들어, 계획 모듈은 모션 세그먼트(1568, 1572) 각각에 더 낮은 동작 메트릭을 할당하는데 그 이유는 2개의 모션 세그먼트가 도 15의 예에서 충돌을 포함하지 않는 규칙 위반을 수반하기 때문이다. 계획 모듈은 각각의 모션 세그먼트의 동작 메트릭에 기초하여 AV(100)를 동작시키기 위한 궤적을 결정하거나 생성한다. 일 실시예에서, 궤적에 걸친 동작 메트릭이 최소화된다. 예를 들어, AV(100)는 모션 세그먼트(1536, 1544)에 따라 동작하기로 결정하는데 그 이유는 모션 세그먼트(1536, 1544)가 더 낮은 총 비용을 갖기 때문이다. 일 실시예에서, 결정된 궤적에 따라 AV(100)를 동작시키는 것은 해당 궤적에 대한 동작 메트릭이 임계 값보다 더 작은 것에 응답한 것이다. 예를 들어, 임계 값이 50이고 모션 세그먼트(1568)에 할당된 동작 메트릭이 60인 경우, 궤적은 모션 세그먼트(1568)를 피할 것이다. 제어 모듈(406)은 결정된 궤적에 따라 AV(100)를 동작시킨다.
선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 프로세스
도 16은 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 프로세스(1600)를 도시한다. 일 실시예에서, 도 16의 프로세스는 AV(100)에 의해 수행된다. 다른 실시예에서 다른 엔티티, 예를 들어, 원격 서버(136)의 하나 이상의 컴포넌트가 프로세스(1600)의 단계들 중 일부 또는 전부를 수행한다. 마찬가지로, 실시예는 상이한 또/또는 추가의 단계를 포함할 수 있거나, 또는 단계들을 상이한 순서로 수행할 수 있다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 저장한다(1604). AV(100)는 제1 시공간적 위치(예를 들면, 시공간적 위치(1404))에 위치하게 된다. 선형 시간 논리 표현식은 AV(100)의 동작 조건이 궁극적으로 참일 것인지 여부 또는 AV(100)의 동작 조건이 다른 조건이 충족될 때까지 참일 것인지 여부 등을 표현하는 수식이다. 동작 제약은 AV(100)가 동작 환경(1300)에서 동작할 때 준수하도록 의도된 규칙이다. 동작 제약은 AV(100)에 승차하고 있는 승객에 대한 승객 편의 레벨을 증가시키는 교통 규칙 또는 제약이다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)에 대한 제2 시공간적 위치(예를 들면, 시공간적 위치(1408))를 수신한다(1608). 예를 들어, AV(100)는 원격 서버(136)로부터 제2 시공간적 위치(1408)를 수신할 수 있다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 제1 시공간적 위치(1404)로부터 제2 시공간적 위치(1408)로 동작시키기 위한 모션 세그먼트(예를 들면, 모션 세그먼트(1420))를 식별한다(1612). 예를 들어, AV(100)는 센서 데이터에 기초하여 모션 세그먼트(1420)를 식별한다. 모션 세그먼트는 동작 환경(1300)의 운전 가능 구역의 일 부분이다. 예를 들어, 모션 세그먼트는 차선, 거리의 섹션, 또는 교차로를 포함한다. 모션 세그먼트는, 예를 들면, AV(100)가 모션 세그먼트에 따라 동작할 때의 AV(100)의 속력, AV(100)의 가속도, 또는 AV(100)의 방향 배향을 지정한다.
AV(100)는 하나 이상의 프로세서를 사용하여 모션 세그먼트(1420)에 기초하여 선형 시간 논리 표현식의 값을 결정한다(1616). 예를 들어, 값은 모션 세그먼트(1420)가 동작 제약을 준수하는 경우 참이거나 또는 모션 세그먼트(1420)가 동작 제약을 위반하는 경우 거짓이다. AV(100)는 선형 시간 논리 표현식에서의 각각의 선형 시간 논리 명제의 값을 결정하는 것에 의해 선형 시간 논리 표현식을 평가한다. 따라서 AV(100)는 선형 시간 논리 표현식의 값을 도출하기 위해 하나 이상의 선형 시간 논리 명제의 하나 이상의 값을 논리적으로 집계함으로써 선형 시간 논리 표현식을 평가한다.
AV(100)는 하나 이상의 프로세서를 사용하여 선형 시간 논리 표현식의 결정된 값에 기초하여 모션 세그먼트(1420)에 따라 AV(100)를 동작시키기 위한 동작 메트릭(예를 들면, 동작 메트릭 OM3)을 생성한다(1620). 동작 메트릭 OM3은 모션 세그먼트(1420)에 따라 AV(100)를 동작시키는 비용이다. 예를 들어, AV(100)가 모션 세그먼트(1420)에 따라 동작하는 것이 충돌로 이어질 것이라고 예측하는 경우, AV(100)는 모션 세그먼트(1420)에 더 높은 동작 메트릭(비용)을 할당한다. AV(100)는 비용을 감소시키기 위해 모션 세그먼트(1420)에 따라 동작하는 것을 피할 것이다.
도 17은 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 프로세스(1700)를 도시한다. 일 실시예에서, 도 17의 프로세스는 AV(100)에 의해 수행된다. 다른 실시예에서 다른 엔티티, 예를 들어, 원격 서버(136)의 하나 이상의 컴포넌트가 프로세스(1700)의 단계들 중 일부 또는 전부를 수행한다. 마찬가지로, 실시예는 상이한 또/또는 추가의 단계를 포함할 수 있거나, 또는 단계들을 상이한 순서로 수행할 수 있다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 동작시키는 것에 대한 하나 이상의 동작 제약을 수신한다(1704). 하나 이상의 동작 제약의 각각의 동작 제약은 각자의 선형 시간 논리 표현식에 의해 정의된다. 일 실시예에서, AV(100)는 원격 서버(136)로부터 하나 이상의 동작 제약을 수신한다. 다른 실시예에서, AV(100)는 데이터 저장 유닛(142)으로부터 하나 이상의 동작 제약을 리트리빙한다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 동작시키기 위한 하나 이상의 모션 세그먼트(예를 들면, 모션 세그먼트(1412, 1416, 1420, 및 1424))를 결정한다(1708). 하나 이상의 모션 세그먼트의 각각의 모션 세그먼트는 2개의 상이한 시공간적 위치, 예를 들어, 제1 시공간적 위치(1404)와 제2 시공간적 위치(1408)를 연결시킨다. 모션 세그먼트는 동작 환경(1300)의 운전 가능 구역의 일 부분이다. 예를 들어, 모션 세그먼트는 차선, 거리의 섹션, 또는 교차로를 포함한다. 모션 세그먼트는 AV(100)가 모션 세그먼트에 따라 동작할 때의 AV(100)의 속력, AV(100)의 가속도, 또는 AV(100)의 방향 배향을 지정한다.
AV(100)는 하나 이상의 프로세서를 사용하여 시간 모달 연산자, 예를 들면, NEXT 연산자에 기초하여 하나 이상의 시간 논리 표현식의 값을 결정한다(1712). 예를 들어, 값은 모션 세그먼트(1420)가 동작 제약을 준수하는 경우 참이거나 또는 모션 세그먼트(1420)가 동작 제약을 위반하는 경우 거짓이다. AV(100)는 선형 시간 논리 표현식에서의 하나 이상의 선형 시간 논리 명제의 각각의 선형 시간 논리 명제의 값을 결정함으로써 선형 시간 논리 표현식을 평가한다. 따라서 AV(100)는 선형 시간 논리 표현식의 값을 도출하기 위해 하나 이상의 선형 시간 논리 명제의 하나 이상의 값을 논리적으로 집계함으로써 선형 시간 논리 표현식을 평가한다.
각각의 선형 시간 논리 표현식의 값이 거짓인 것에 응답하여, AV(100)는 하나 이상의 프로세서를 사용하여 동작 메트릭(예를 들면, 동작 메트릭 OM3)을 모션 세그먼트(1420)에 할당한다(1716). 동작 메트릭 OM3은 모션 세그먼트(1420)에 따라 AV(100)를 동작시키는 비용이다. 예를 들어, AV(100)가 모션 세그먼트(1420)에 따라 동작하는 것이 충돌로 이어질 것이라고 예측하는 경우, AV(100)는 모션 세그먼트(1420)에 더 높은 동작 메트릭(비용)을 할당한다. AV(100)는 비용을 감소시키기 위해 모션 세그먼트(1420)에 따라 동작하는 것을 피할 것이다.
AV(100)는 하나 이상의 프로세서를 사용하여, 선택된 모션 세그먼트(1424)가 임계 값 미만의 할당된 동작 메트릭 OM4를 갖도록, 하나 이상의 모션 세그먼트의 모션 세그먼트(예를 들면, 모션 세그먼트(1424))를 선택한다(1720). 예를 들어, 임계 값이 5인 경우, 모션 세그먼트(1424)가 선택될 것인데, 그 이유는 OM4 = 0이기 때문이다. 하나 초과의 모션 세그먼트가 임계 값(예를 들면, 15의 임계 값) 미만의 동작 메트릭을 갖는 경우, 임계 값이 낮아져야 하거나 또는 가장 적은 동작 메트릭 0을 갖는 모션 세그먼트(1424)가 선택된다.
AV(100)는, 도 13을 참조하여 위에서 기술된 바와 같이, 제어 모듈(예를 들면, 제어 모듈(406))을 사용하여 선택된 모션 세그먼트(1424)에 따라 동작한다.
도 18은 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 프로세스(1800)를 도시한다. 일 실시예에서, 도 18의 프로세스는 AV(100)에 의해 수행된다. 다른 실시예에서 다른 엔티티, 예를 들어, 원격 서버(136)의 하나 이상의 컴포넌트가 프로세스(1800)의 단계들 중 일부 또는 전부를 수행한다. 마찬가지로, 실시예는 상이한 또/또는 추가의 단계를 포함할 수 있거나, 또는 단계들을 상이한 순서로 수행할 수 있다.
AV(100)는 하나 이상의 프로세서를 사용하여 다수의 모션 세그먼트, 예를 들면, 모션 세그먼트(1412, 1416, 1420, 및 1424)를 수신한다(1804). 다수의 모션 세그먼트의 각각의 모션 세그먼트는 제1 시공간적 위치(예를 들면, 시공간적 위치(1404))를 제2 시공간적 위치(예를 들면, 시공간적 위치(1408))에 연결시킨다. 모션 세그먼트는 동작 환경(1300)의 운전 가능 구역의 일 부분이다. 예를 들어, 모션 세그먼트는 차선, 거리의 섹션, 또는 교차로를 포함한다. 모션 세그먼트는 AV(100)가 모션 세그먼트에 따라 동작할 때의 AV(100)의 속력, AV(100)의 가속도, 또는 AV(100)의 방향 배향을 지정한다.
AV(100)는 하나 이상의 프로세서를 사용하여 크립키 구조(예를 들면, 크립키 구조(1400))를 생성한다(1808). 크립키 구조(1400)는 제1 시공간적 위치(1404)에 대응하는 제1 정점 및 제2 시공간적 위치(1408)에 대응하는 제2 정점을 포함한다. 크립키 구조(1400)는 다수의 에지를 더 포함하고, 여기서 다수의 에지의 각각의 에지는 다수의 모션 세그먼트의 각자의 모션 세그먼트에 대응한다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 수신한다(1812). 예를 들어, 동작 제약은 AV(100)가 대상체(예를 들면, 대상체(1008))와 충돌하지 않아야 한다는 것을 지정한다. 선형 시간 논리 표현식은 AV(100)의 동작 조건이 궁극적으로 참일 것인지 여부 또는 AV(100)의 동작 조건이 다른 조건이 충족될 때까지 참일 것인지 여부 등을 표현하는 수식이다. 동작 제약은 AV(100)가 동작 환경(1300)에서 동작할 때 준수하도록 의도된 규칙이다. 동작 제약은 AV(100)에 승차하고 있는 승객에 대한 승객 편의 레벨을 증가시키는 교통 규칙 또는 제약이다.
크립키 구조(1400) 내의 다수의 에지의 각각의 에지에 대해, 제1 정점 또는 제2 정점 중 어느 하나에서 결정된 선형 시간 논리 표현식의 값이 거짓인 것에 응답하여, AV(100)는 에지에 대응하는 모션 세그먼트(예를 들면, 모션 세그먼트(1412))에 동작 메트릭(예를 들면, OM1 = 99)을 할당한다(1816). 동작 메트릭 OM1은 모션 세그먼트(1412)에 따라 AV(100)를 동작시키는 비용이다. 예를 들어, AV(100)가 모션 세그먼트(1412)에 따라 동작하는 것이 충돌로 이어질 것이라고 예측하는 경우, AV(100)는 모션 세그먼트(1412)에 더 높은 동작 메트릭(99)을 할당한다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 동작시키기 위한 가장 낮은 동작 메트릭과 연관된 모션 세그먼트(예를 들면, 모션 세그먼트(1424))를 선택한다(1820). 예를 들어, AV(100)는 가장 낮은 동작 메트릭 OM4 = 0을 갖는 모션 세그먼트(1424)를 선택한다. 계획 모듈(404)은 선택된 모션 세그먼트(1424)에 따라 AV(100)를 동작시키라는 메시지를 제어 모듈(406)에 송신한다.
도 19는 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 프로세스(1900)를 도시한다. 일 실시예에서, 도 19의 프로세스는 AV(100)에 의해 수행된다. 다른 실시예에서 다른 엔티티, 예를 들어, 원격 서버(136)의 하나 이상의 컴포넌트가 프로세스(1900)의 단계들 중 일부 또는 전부를 수행한다. 마찬가지로, 실시예는 상이한 또/또는 추가의 단계를 포함할 수 있거나, 또는 단계들을 상이한 순서로 수행할 수 있다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 동작시키기 위한 모션 세그먼트(예를 들면, 모션 세그먼트(1560))를 나타내는 크립키 구조를 저장한다(1904). 모션 세그먼트(1560)는 다수의 시공간적 위치(예를 들면, 시공간적 위치(1532, 1564, 1556))를 포함한다. 크립키 구조는 시공간적 위치(1532)에 대응하는 제1 정점 및 시공간적 위치(1556)에 대응하는 제2 정점을 포함한다. 크립키 구조는 모션 세그먼트(1560)에 대응하는 에지를 더 포함한다.
다수의 시공간적 위치의 각각의 시공간적 위치(예를 들면, 시공간적 위치(1564))에 대해: AV(100)는 하나 이상의 프로세서를 사용하여 크립키 구조에 기초하여 선형 시간 논리 표현식을 평가한다(1908). 선형 시간 논리 표현식은 모션 세그먼트(1560)에 따라 AV(100)를 동작시키는 것에 대한 동작 제약을 정의한다. 예를 들어, 선형 시간 논리 표현식에 의해 정의된 동작 제약은 AV(100)가 교차로 내에서 차선을 변경해서는 안된다는 것을 지정한다. 그러한 동작 제약을 정의하는 선형 시간 논리 표현식의 일 예 no_lane_change_in_intersection가 도 13을 참조하여 위에서 더 상세히 기술되고 평가된다.
선형 시간 논리 표현식의 값이 시공간적 위치(1564)에서 변경되는 것에 응답하여, AV(100)는 하나 이상의 프로세서를 사용하여 시공간적 위치(1564)에서 크립키 구조 내에 위치 마커를 삽입한다(1912). 따라서 AV(100)는 모션 세그먼트(1560)를 2개의 상이한 모션 세그먼트(예를 들면, 모션 세그먼트(1568, 1572))로 분할한다.
AV(100)는 하나 이상의 프로세서를 사용하여 시공간적 위치(1564)에서의 위치 마커에 기초하여 2개의 상이한 모션 세그먼트(1568, 1572)의 각각의 모션 세그먼트(예를 들면, 모션 세그먼트(1568))에 동작 메트릭을 할당한다(1916). 일 실시예에서, AV(100)는 동작 제약의 순위를 결정하는 것에 의해 동작 메트릭을 할당한다. 동작 제약은 순위 부여된 복수의 동작 제약 중 하나이다. 충돌 없음을 지정하는 다른 동작 제약은 더 높은 순위를 부여받는다. 예를 들어, AV(100)는 모션 세그먼트(1568, 1572) 각각에 더 낮은 동작 메트릭을 할당하는데 그 이유는 2개의 모션 세그먼트가 충돌을 포함하지 않는 규칙 위반을 수반하기 때문이다.
AV(100)는 하나 이상의 프로세서를 사용하여 동작 메트릭에 기초하여 AV(100)를 동작시키기 위한 궤적을 결정한다(1920). 일 실시예에서, 궤적에 걸친 동작 메트릭이 최소화된다. 예를 들어, AV(100)는 모션 세그먼트(1536, 1544)에 따라 동작하기로 결정하는데 그 이유는 모션 세그먼트(1536, 1544)가 더 낮은 총 비용을 갖기 때문이다.
도 20은 하나 이상의 실시예에 따른, 선형 시간 논리를 사용하는 자율 주행 차량 동작을 위한 프로세스(2000)를 도시한다. 일 실시예에서, 도 20의 프로세스는 AV(100)에 의해 수행된다. 다른 실시예에서 다른 엔티티, 예를 들어, 원격 서버(136)의 하나 이상의 컴포넌트가 프로세스(2000)의 단계들 중 일부 또는 전부를 수행한다. 마찬가지로, 실시예는 상이한 또/또는 추가의 단계를 포함할 수 있거나, 또는 단계들을 상이한 순서로 수행할 수 있다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)와 대상체(예를 들면, 대상체(1008))의 충돌에 대응하는 선형 시간 논리 표현식을 저장한다(2004). 선형 시간 논리 표현식은 원격 서버(136)로부터 리트리빙되고 데이터 저장 유닛(142)에 저장된다. 예를 들어, 선형 시간 논리 표현식은 AV(100)와 대상체(1008)의 충돌을 방지하기 위한 AV(100)의 최소 속력을 포함한다.
AV(100)는 하나 이상의 프로세서를 사용하여 AV(100)를 동작시키기 위한 제1 모션 세그먼트(예를 들면, 모션 세그먼트(1412))를 수신한다(2008). 제1 모션 세그먼트(1412)는 도로, 주차장, 교량, 공사 구역, 도로의 연석, 차선의 경계, 또는 교차로와 연관된다. 예를 들어, 제1 모션 세그먼트(1412)에 따라 AV(100)를 동작시키는 것은 AV(100)로 하여금 도로, 주차장, 또는 교량을 횡단하게 한다.
AV(100)는 하나 이상의 프로세서를 사용하여 제1 모션 세그먼트(1412)에 기초하여 선형 시간 논리 표현식의 제1 값을 결정한다(2012). 예를 들어, 선형 시간 논리 표현식의 제1 값이 거짓인 것으로 결정된다. 따라서, AV(100)는 제1 모션 세그먼트(1412)에 따라 AV(100)를 동작시키는 것이 AV(100)와 대상체(1008)의 충돌을 야기할 것이라고 결정한다. AV(100)는 추가로 AV(100)와 대상체(1008)의 제1 충돌 확률이 임계 값보다 더 크다고 결정한다. 예를 들어, 임계 값은 5%이고 제1 충돌 확률은 30%이다.
결정된 제1 값이 AV(100)와 대상체(1008)의 제1 충돌 확률이 임계 값보다 더 크다는 것을 나타내는 것에 응답하여, AV(100)는 제어 모듈(406)을 사용하여 제1 모션 세그먼트(1412)와 상이한 제2 모션 세그먼트(예를 들면, 모션 세그먼트(1424))에 따라 AV(100)를 동작시킨다(2016). 제2 모션 세그먼트(1424)에 기초하여 결정된 선형 시간 논리 표현식의 제2 값은 AV(100)와 대상체(1008)의 제2 충돌 확률이 임계 값 미만임을 나타낸다. 예를 들어, 제2 충돌 확률은 0%이다.
추가 실시예
일부 실시예에서, 차량의 하나 이상의 프로세서는 차량을 동작시키는 것에 대한 하나 이상의 동작 제약을 수신한다. 하나 이상의 동작 제약의 각각의 동작 제약은 각자의 선형 시간 논리 표현식에 의해 정의된다. 하나 이상의 프로세서는 차량을 동작시키기 위한 하나 이상의 모션 세그먼트를 결정한다. 하나 이상의 모션 세그먼트의 각각의 모션 세그먼트는 2개의 상이한 시공간적 위치를 연결시킨다. 하나 이상의 프로세서는 시간 모달 연산자에 기초하여 차량의 상태 시퀀스에 대한 하나 이상의 선형 시간 논리 표현식의 값을 결정한다. 하나 이상의 프로세서는 하나 이상의 선형 시간 논리 표현식의 값에 기초하여 하나 이상의 모션 세그먼트에 동작 메트릭을 할당한다. 하나 이상의 프로세서는, 선택된 모션 세그먼트가 임계 값 미만의 할당된 동작 메트릭을 갖도록, 하나 이상의 모션 세그먼트의 모션 세그먼트를 선택한다. 차량의 제어 모듈은 선택된 모션 세그먼트에 따라 차량을 동작시킨다.
일부 실시예에서, 하나 이상의 모션 세그먼트에 동작 메트릭을 할당하는 것은 하나 이상의 동작 제약의 순위를 결정하는 것을 포함한다.
일부 실시예에서, 동작 메트릭을 할당하는 것은 선형 시간 논리 표현식에 의해 정의된 동작 제약의 순위를 모션 세그먼트에 대한 동작 메트릭으로서 나타내는 것을 더 포함한다.
일부 실시예에서, 하나 이상의 프로세서는 하나 이상의 모션 세그먼트의 모션 세그먼트를 시공간적 위치에서 2개의 상이한 모션 세그먼트로 분할한다.
일부 실시예에서, 모션 세그먼트를 분할하는 것은 선형 시간 논리 표현식의 값이 시공간적 위치에서 변경되는 것에 응답하여 수행된다.
일부 실시예에서, 하나 이상의 선형 시간 논리 표현식의 값을 결정하는 것은 하나 이상의 선형 시간 논리 명제의 각각의 선형 시간 논리 명제를 평가하는 것을 포함한다.
일부 실시예에서, 각각의 선형 시간 논리 표현식은 하나 이상의 선형 시간 논리 명제를 포함한다.
일부 실시예에서, 하나 이상의 선형 시간 논리 표현식의 값을 결정하는 것은 하나 이상의 선형 시간 논리 명제의 평가된 각각의 선형 시간 논리 명제를 집계하는 것을 더 포함한다.
일부 실시예에서, 하나 이상의 프로세서는 차량이 위치되는 환경의 맵으로부터 획득된 시공간적 정보를 랜덤화하여 크립키 구조를 생성한다.
일부 실시예에서, 하나 이상의 프로세서는 차량이 위치되는 환경의 맵으로부터 획득된 시공간적 정보를 샘플링하여 크립키 구조를 생성한다.
일부 실시예에서, 크립키 구조의 제1 정점에서 평가된 선형 시간 논리 표현식의 제1 값이 크립키 구조의 제2 정점에서 평가된 선형 시간 논리 표현식의 제2 값과 상이한 것에 응답하여, 동작 제약이 위반된다. 선형 시간 논리 표현식은 동작 제약을 정의한다.
일부 실시예에서, 하나 이상의 선형 시간 논리 표현식의 값을 결정하는 것은 선형 시간 논리 표현식의 값이 참인지 거짓인지를 결정하는 것을 포함한다.
일부 실시예에서, 선택된 모션 세그먼트에 따른 차량을 동작시키는 것은 하나 이상의 동작 제약의 동작 제약을 위반한다.
일부 실시예에서, 동작 제약을 정의하는 선형 시간 논리 표현식의 값이 거짓인 것에 응답하여, 선택된 모션 세그먼트에 따라 차량을 동작시키는 것은 동작 제약을 위반한다.
일부 실시예에서, 크립키 구조가 생성된다.
일부 실시예에서, 크립키 구조의 제1 정점은 차량의 2개의 상이한 시공간적 위치 중 제1 시공간적 위치에 대응한다.
일부 실시예에서, 크립키 구조의 제2 정점은 2개의 상이한 시공간적 위치 중 제2 시공간적 위치에 대응한다.
일부 실시예에서, 제1 정점과 제2 정점을 연결시키는 크립키 구조의 에지는 제1 시공간적 위치로부터 제2 시공간적 위치까지 차량을 동작시키기 위한 모션 세그먼트에 대응한다.
일부 실시예에서, 크립키 구조는 다수의 정점을 포함한다.
일부 실시예에서, 하나 이상의 선형 시간 논리 표현식의 값을 결정하는 것은, 다수의 정점의 각각의 정점에서, 하나 이상의 선형 시간 논리 표현식을 평가하는 것을 포함한다.
일부 실시예에서, 차량의 하나 이상의 프로세서는 다수의 모션 세그먼트를 수신한다. 다수의 모션 세그먼트의 각각의 모션 세그먼트는 제1 시공간적 위치를 제2 시공간적 위치에 연결시킨다. 하나 이상의 프로세서는 제1 시공간적 위치에 대응하는 제1 정점, 제2 시공간적 위치에 대응하는 제2 정점, 및 다수의 에지를 포함하는 크립키 구조를 생성한다. 다수의 에지의 각각의 에지는 다수의 모션 세그먼트의 각자의 모션 세그먼트에 대응한다. 하나 이상의 프로세서는 차량을 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 수신한다. 크립키 구조 내의 다수의 에지의 각각의 에지에 대해: 제1 정점 또는 제2 정점 중 어느 하나에서 결정된 선형 시간 논리 표현식의 값이 거짓인 것에 응답하여, 동작 메트릭이 에지에 대응하는 모션 세그먼트에 할당된다. 하나 이상의 프로세서는 차량을 동작시키기 위해 가장 낮은 동작 메트릭과 연관된 모션 세그먼트를 선택한다.
일부 실시예에서, 동작 메트릭을 할당하는 것은 차량의 하나 이상의 센서로부터 획득된 센서 데이터에 기초하여 차량으로부터 대상체까지의 거리를 결정하는 것을 포함한다.
일부 실시예에서, 차량으로부터 대상체까지의 거리가 감소함에 따라 동작 메트릭은 증가한다.
일부 실시예에서, 하나 이상의 프로세서는 다수의 모션 세그먼트의 모션 세그먼트를 포함하는 궤적의 생성을 종료한다.
일부 실시예에서, 궤적의 생성을 종료하는 것은 모션 세그먼트에 할당된 동작 메트릭이 임계 값보다 더 큰 것에 응답하여 수행된다.
일부 실시예에서, 선형 시간 논리 표현식은 다수의 순위 부여된 선형 시간 논리 표현식 중 하나이다.
일부 실시예에서, 다수의 순위 부여된 선형 시간 논리 표현식 중 제1 선형 시간 논리 표현식의 동작 메트릭은 다수의 순위 부여된 선형 시간 논리 표현식 중 제2 선형 시간 논리 표현식의 동작 메트릭보다 더 크다.
일부 실시예에서, 제1 선형 시간 논리 표현식은 차량과 대상체의 충돌 확률과 연관되고, 제2 선형 시간 논리 표현식은 차량의 하나 이상의 승객 센서에 의해 측정되는 승객 편의 레벨과 연관된다.
일부 실시예에서, 차량과 대상체의 충돌 확률이 임계 값보다 더 큰 것에 응답하여, 선형 시간 논리 표현식의 값은 거짓인 것으로 결정된다.
일부 실시예에서, 선형 시간 논리 표현식은 차량의 (x, y) 위치를 나타내는 명제 변수를 포함한다.
일부 실시예에서, 차량의 (x, y) 위치는 차량이 차선 내에 위치하는지 또는 교차로 내에 위치하는지와 연관된다.
일부 실시예에서, 크립키 구조를 생성하는 것은: 각각의 모션 세그먼트에 대해, 차량이 모션 세그먼트에 따라 동작될 때 대상체에 대한 차량의 측방향 오류 공차를 결정하는 것을 포함한다.
일부 실시예에서, 크립키 구조를 생성하는 것은, 하나 이상의 프로세서를 사용하여, 다수의 에지의 각각의 에지를 결정된 측방향 오류 공차와 연관시키는 것을 더 포함한다.
일부 실시예에서, 선형 시간 논리 표현식은 차량과 대상체의 충돌을 방지하기 위한 차량의 최소 속력을 포함한다.
일부 실시예에서, 선형 시간 논리 표현식은 차량과 대상체의 충돌을 방지하기 위한 차량의 최소 가속도를 포함한다.
일부 실시예에서, 선형 시간 논리 표현식은 차량에 위치한 승객 센서에 의해 측정되는 승객 편의 레벨과 연관된 차량의 최대 속력 또는 최대 가속도를 포함한다.
일부 실시예에서, 차량의 제어 모듈은 차량과 대상체의 충돌을 방지하기 위해 동작 제약을 위반하면서 선택된 모션 세그먼트에 따라 차량을 동작시킨다.
일부 실시예에서, 차량의 하나 이상의 프로세서는 차량을 동작시키기 위한 모션 세그먼트를 나타내는 크립키 구조를 저장한다. 모션 세그먼트는 다수의 시공간적 위치를 포함한다. 다수의 시공간적 위치의 각각의 시공간적 위치에 대해: 하나 이상의 프로세서는 크립키 구조에 기초하여 선형 시간 논리 표현식을 평가한다. 선형 시간 논리 표현식은 모션 세그먼트에 따라 차량을 동작시키는 것에 대한 동작 제약을 정의한다. 선형 시간 논리 표현식의 값이 시공간적 위치에서 변경되는 것에 응답하여, 하나 이상의 프로세서는 시공간적 위치에서 크립키 구조 내에 위치 마커를 삽입하여 모션 세그먼트를 2개의 상이한 모션 세그먼트로 분할한다. 하나 이상의 프로세서는 위치 마커에 기초하여 2개의 상이한 모션 세그먼트의 각각의 모션 세그먼트에 동작 메트릭을 할당한다. 하나 이상의 프로세서는 동작 메트릭에 기초하여 차량을 동작시키기 위한 궤적을 결정한다.
일부 실시예에서, 궤적에 걸친 동작 메트릭이 최소화된다.
일부 실시예에서, 선형 시간 논리 표현식은 하나 이상의 선형 시간 논리 명제를 포함한다.
일부 실시예에서, 하나 이상의 선형 시간 논리 명제 중 제1 선형 시간 논리 명제는 차량이 교차로 내에 위치하는 여부에 대응한다.
일부 실시예에서, 하나 이상의 선형 시간 논리 명제 중 제2 선형 시간 논리 명제는 차량이 동작하고 있는 차선에 대응한다.
일부 실시예에서, 선형 시간 논리 표현식의 값은 차량이 교차로 내에서 동작하고 있는 동안 차량이 동작하고 잇는 차선을 차량이 변경하는지 여부에 대응한다.
일부 실시예에서, 선형 시간 논리 표현식의 값은 차량이 동작 제약에 의해 지정된 방향으로 동작하고 있는지 여부에 대응한다.
일부 실시예에서, 차량의 제어 모듈은 결정된 궤적에 따라 차량을 동작시킨다.
일부 실시예에서, 모션 세그먼트에 따라 차량을 동작시키는 것이 동작 제약을 위반하는지 여부가 결정된다.
일부 실시예에서, 차량을 동작시키는 것이 동작 제약을 위반한다고 결정하는 것은 선형 시간 논리 표현식의 값이 거짓인 것에 응답한 것이다.
일부 실시예에서, 선형 시간 논리 표현식을 평가하는 것은 시간 모달 연산자에 기초하여 차량의 상태 시퀀스에 대한 선형 시간 논리 표현식의 값을 결정하는 것을 포함한다.
일부 실시예에서, 결정된 궤적에 따라 차량을 동작시키는 것은 동작 메트릭이 임계 값 미만인 것에 응답한 것이다.
일부 실시예에서, 동작 메트릭을 할당하는 것은 동작 제약의 순위를 결정하는 것을 포함한다.
일부 실시예에서, 동작 제약은 순위 부여된 복수의 동작 제약 중 하나이다.
일부 실시예에서, 크립키 구조가 생성된다. 크립키 구조의 다수의 정점의 각각의 정점은 다수의 시공간적 위치의 각자의 시공간적 위치에 대응한다.
일부 실시예에서, 제1 정점과 제2 정점을 연결시키는 크립키 구조의 에지는 제1 시공간적 위치로부터 제2 시공간적 위치까지 차량을 동작시키기 위한 모션 세그먼트에 대응한다.
일부 실시예에서, 제1 정점에서 평가된 선형 시간 논리 표현식의 제1 값은 제2 정점에서 평가된 선형 시간 논리 표현식의 제2 값과 상이하다.
전술한 설명에서, 본 발명의 실시예는 구현마다 달라질 수 있는 다수의 특정 세부 사항을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면은 제한적인 관점보다는 예시적인 관점에서 보아야 한다. 본 발명의 범위의 유일한 독점적인 지표, 및 출원인이 본 발명의 범위이도록 의도한 것은, 본 출원에서 특정 형태로 나오는 일련의 청구항의 문언적 등가 범위이며, 그러한 청구항이 나오는 특정 형태는 임의의 후속 보정을 포함한다. 그러한 청구항에 포함된 용어에 대한 본원에서 명시적으로 기재된 임의의 정의는 청구항에서 사용되는 그러한 용어의 의미를 결정한다. 그에 부가하여, 전술한 설명 및 이하의 청구항에서 "더 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브-단계/서브-엔티티일 수 있다.

Claims (20)

  1. 방법으로서,
    제1 시공간적 위치에 위치한 차량의 하나 이상의 프로세서를 사용하여, 상기 차량을 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 저장하는 단계;
    상기 하나 이상의 프로세서를 사용하여, 상기 차량에 대한 제2 시공간적 위치를 수신하는 단계;
    상기 하나 이상의 프로세서를 사용하여, 상기 제1 시공간적 위치로부터 상기 제2 시공간적 위치까지 상기 차량을 동작시키기 위한 모션 세그먼트를 식별하는 단계;
    상기 하나 이상의 프로세서를 사용하여, 상기 모션 세그먼트에 기초해 상기 선형 시간 논리 표현식의 값을 결정하는 단계; 및
    상기 하나 이상의 프로세서를 사용하여, 상기 선형 시간 논리 표현식의 결정된 값에 기초해 상기 모션 세그먼트에 따라 상기 차량을 동작시키기 위한 동작 메트릭을 생성하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서, 상기 선형 시간 논리 표현식은 하나 이상의 선형 시간 논리 명제(linear temporal logic proposition)를 포함하는, 방법.
  3. 제2항에 있어서, 상기 하나 이상의 선형 시간 논리 명제 중 제1 선형 시간 논리 명제는 상기 차량이 교차로 내에 위치하는지 여부를 나타내는, 방법.
  4. 제3항에 있어서, 상기 선형 시간 논리 표현식의 값은 상기 차량이 상기 교차로 내에서 동작하는 동안 차선을 변경하는지 여부에 대응하는, 방법.
  5. 제2항 내지 제4항 중 어느 한 항에 있어서, 상기 하나 이상의 선형 시간 논리 명제 중 제2 선형 시간 논리 명제는 상기 차량이 동작하고 있는 차선을 나타내는, 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 선형 시간 논리 표현식의 값은 상기 차량이 상기 동작 제약에 의해 지정된 방향으로 동작하고 있는지 여부에 대응하는, 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 차량의 제어 모듈을 사용하여, 상기 모션 세그먼트에 따라 상기 차량을 동작시키는 단계
    를 더 포함하는, 방법.
  8. 제7항에 있어서, 상기 선형 시간 논리 표현식에 기초해 상기 모션 세그먼트에 따라 상기 차량을 동작시키는 것이 상기 동작 제약을 위반하는지 여부를 결정하는 단계
    를 더 포함하는, 방법.
  9. 제8항에 있어서, 상기 모션 세그먼트에 따라 상기 차량을 동작시키는 것이 상기 동작 제약을 위반하는지 여부를 결정하는 단계는, 상기 선형 시간 논리 표현식의 값이 거짓(false)인 것에 응답하여 수행되는, 방법.
  10. 제7항 내지 제9항 중 어느 한 항에 있어서, 상기 모션 세그먼트에 따라 상기 차량을 동작시키는 단계는 상기 동작 메트릭이 임계 값 미만인 것에 응답하여 수행되는, 방법.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서, 상기 동작 메트릭을 생성하는 단계는 상기 동작 제약의 순위를 결정하는 단계를 포함하는, 방법.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서, 상기 차량을 동작시키는 것에 대한 동작 제약은 순위 부여된 복수의 동작 제약 중 하나인, 방법.
  13. 제1항 내지 제12항 중 어느 한 항에 있어서, 상기 모션 세그먼트를 나타내는 크립키 구조(Kripke structure)를 생성하는 단계
    를 더 포함하는, 방법.
  14. 제13항에 있어서, 상기 크립키 구조의 제1 정점은 상기 제1 시공간적 위치에 대응하는, 방법.
  15. 제14항에 있어서, 상기 크립키 구조의 제2 정점은 상기 제2 시공간적 위치에 대응하는, 방법.
  16. 제15항에 있어서, 상기 제1 정점과 상기 제2 정점을 연결시키는 상기 크립키 구조의 에지는, 상기 제1 시공간적 위치로부터 상기 제2 시공간적 위치까지 상기 차량을 동작시키기 위한 모션 세그먼트에 대응하는, 방법.
  17. 제15항 또는 제16항에 있어서, 상기 제1 정점에서 평가된 선형 시간 논리 표현식의 제1 값은 상기 제2 정점에서 평가된 선형 시간 논리 표현식의 제2 값과 구별되는, 방법.
  18. 차량으로서,
    하나 이상의 컴퓨터 프로세서; 및
    명령어를 저장한 하나 이상의 비일시적 저장 매체
    를 포함하며, 상기 명령어는, 상기 하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 상기 하나 이상의 컴퓨터 프로세서로 하여금:
    상기 차량을 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 저장하게 하고 - 상기 차량은 제1 시공간적 위치에 위치함 -;
    상기 차량에 대한 제2 시공간적 위치를 수신하게 하며;
    상기 제1 시공간적 위치로부터 상기 제2 시공간적 위치까지 상기 차량을 동작시키기 위한 모션 세그먼트를 식별하게 하고;
    상기 모션 세그먼트에 기초해 상기 선형 시간 논리 표현식의 값을 결정하게 하며;
    상기 선형 시간 논리 표현식의 결정된 값에 기초해 상기 모션 세그먼트에 따라 상기 차량을 동작시키기 위한 동작 메트릭을 생성하게 하는, 차량.
  19. 제18항에 있어서, 상기 선형 시간 논리 표현식은 하나 이상의 선형 시간 논리 명제를 포함하는, 차량.
  20. 명령어를 저장한 하나 이상의 비일시적 저장 매체로서,
    상기 명령어는, 하나 이상의 컴퓨팅 디바이스에 의해 실행될 때, 상기 하나 이상의 컴퓨팅 디바이스로 하여금:
    차량을 동작시키는 것에 대한 동작 제약을 정의하는 선형 시간 논리 표현식을 저장하게 하고 - 상기 차량은 제1 시공간적 위치에 위치함 -;
    상기 차량에 대한 제2 시공간적 위치를 수신하게 하며;
    상기 제1 시공간적 위치로부터 상기 제2 시공간적 위치까지 상기 차량을 동작시키기 위한 모션 세그먼트를 식별하게 하고;
    상기 모션 세그먼트에 기초해 상기 선형 시간 논리 표현식의 값을 결정하게 하며;
    상기 선형 시간 논리 표현식의 결정된 값에 기초해 상기 모션 세그먼트에 따라 상기 차량을 동작시키기 위한 동작 메트릭을 생성하게 하는, 하나 이상의 비일시적 저장 매체.
KR1020217000256A 2019-06-04 2020-06-04 선형 시간 논리를 사용한 자율 주행 차량 동작 KR102511954B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020237009039A KR102569135B1 (ko) 2019-06-04 2020-06-04 선형 시간 논리를 사용한 자율 주행 차량 동작

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962856875P 2019-06-04 2019-06-04
US62/856,875 2019-06-04
PCT/IB2020/055287 WO2020245769A1 (en) 2019-06-04 2020-06-04 Autonomous vehicle operation using linear temporal logic

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020237009039A Division KR102569135B1 (ko) 2019-06-04 2020-06-04 선형 시간 논리를 사용한 자율 주행 차량 동작

Publications (2)

Publication Number Publication Date
KR20210018436A true KR20210018436A (ko) 2021-02-17
KR102511954B1 KR102511954B1 (ko) 2023-03-20

Family

ID=71094633

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020237009039A KR102569135B1 (ko) 2019-06-04 2020-06-04 선형 시간 논리를 사용한 자율 주행 차량 동작
KR1020217000256A KR102511954B1 (ko) 2019-06-04 2020-06-04 선형 시간 논리를 사용한 자율 주행 차량 동작

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020237009039A KR102569135B1 (ko) 2019-06-04 2020-06-04 선형 시간 논리를 사용한 자율 주행 차량 동작

Country Status (6)

Country Link
US (2) US11577754B2 (ko)
KR (2) KR102569135B1 (ko)
CN (1) CN113195333A (ko)
DE (1) DE112020002695T5 (ko)
GB (4) GB2611438B (ko)
WO (1) WO2020245769A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230169858A (ko) * 2022-06-08 2023-12-18 모셔널 에이디 엘엘씨 차량 모션 계획을 위한 제어 파라미터 기반 서치 공간

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11623662B2 (en) * 2020-05-08 2023-04-11 Baidu Usa Llc Planning system for speed limit changes for autonomous vehicles
US11904890B2 (en) * 2020-06-17 2024-02-20 Baidu Usa Llc Lane change system for lanes with different speed limits
CN113064429B (zh) * 2021-03-15 2022-04-01 江南大学 一种磁性微机器人群体独立驱动控制系统
JP7350216B2 (ja) * 2021-05-14 2023-09-25 三菱電機株式会社 設計支援装置、設計支援方法および設計支援プログラム
KR102317430B1 (ko) * 2021-05-27 2021-10-26 주식회사 라이드플럭스 자율주행 차량의 주행 계획을 위한 로드 네트워크 맵 생성방법, 서버 및 컴퓨터프로그램
US20230417565A1 (en) * 2022-06-27 2023-12-28 Waymo Llc Lane changes for autonomous vehicles involving traffic stacks at intersection
US20240042993A1 (en) * 2022-08-04 2024-02-08 Motional Ad Llc Trajectory generation utilizing diverse trajectories

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6235748B2 (ko) * 1985-09-10 1987-08-04 Fuja Seika Kk
DE102015208790A1 (de) * 2015-05-12 2016-11-17 Volkswagen Aktiengesellschaft Bestimmen einer Trajektorie für ein Fahrzeug
JP2017016645A (ja) * 2015-06-29 2017-01-19 三菱電機株式会社 半自律車両、及び、半自律車両を制御する方法
KR101740529B1 (ko) * 2015-12-30 2017-05-30 한국철도기술연구원 무인운전차량의 주행경로 결정 및 배차 방법
KR20170077332A (ko) * 2015-12-28 2017-07-06 전자부품연구원 지능형 자율 주행 차량을 위한 우선 순위 기반의 충돌 회피 제어 방법 및 시스템
DE102017120366A1 (de) * 2017-09-05 2019-03-07 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Bewegungsplanung eines Systems
JP2019513612A (ja) * 2016-07-14 2019-05-30 三菱電機株式会社 車両を制御するコントローラー及び方法並びに非一時的コンピューター可読メモリ

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017139613A1 (en) * 2016-02-11 2017-08-17 Massachusetts Institute Of Technology Motion planning for robotic systems
US10133275B1 (en) * 2017-03-01 2018-11-20 Zoox, Inc. Trajectory generation using temporal logic and tree search
US10671076B1 (en) * 2017-03-01 2020-06-02 Zoox, Inc. Trajectory prediction of third-party objects using temporal logic and tree search
JP6235748B1 (ja) 2017-06-22 2017-11-22 株式会社ショーワ 経路生成装置、車両、及び車両システム
CN115503752A (zh) * 2017-09-08 2022-12-23 动态Ad有限责任公司 用于操作车辆的方法和系统
US10606277B2 (en) * 2017-09-18 2020-03-31 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US11235761B2 (en) * 2019-04-30 2022-02-01 Retrospect Technology, LLC Operational risk assessment for autonomous vehicle control
US11161502B2 (en) * 2019-08-13 2021-11-02 Zoox, Inc. Cost-based path determination

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6235748B2 (ko) * 1985-09-10 1987-08-04 Fuja Seika Kk
DE102015208790A1 (de) * 2015-05-12 2016-11-17 Volkswagen Aktiengesellschaft Bestimmen einer Trajektorie für ein Fahrzeug
JP2017016645A (ja) * 2015-06-29 2017-01-19 三菱電機株式会社 半自律車両、及び、半自律車両を制御する方法
KR20170077332A (ko) * 2015-12-28 2017-07-06 전자부품연구원 지능형 자율 주행 차량을 위한 우선 순위 기반의 충돌 회피 제어 방법 및 시스템
KR101740529B1 (ko) * 2015-12-30 2017-05-30 한국철도기술연구원 무인운전차량의 주행경로 결정 및 배차 방법
JP2019513612A (ja) * 2016-07-14 2019-05-30 三菱電機株式会社 車両を制御するコントローラー及び方法並びに非一時的コンピューター可読メモリ
DE102017120366A1 (de) * 2017-09-05 2019-03-07 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Bewegungsplanung eines Systems

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230169858A (ko) * 2022-06-08 2023-12-18 모셔널 에이디 엘엘씨 차량 모션 계획을 위한 제어 파라미터 기반 서치 공간

Also Published As

Publication number Publication date
CN113195333A (zh) 2021-07-30
US11577754B2 (en) 2023-02-14
GB202307197D0 (en) 2023-06-28
GB202311889D0 (en) 2023-09-13
GB2619174B (en) 2024-03-27
GB2589245A (en) 2021-05-26
US20200385024A1 (en) 2020-12-10
GB2611438B (en) 2023-11-01
KR20230042401A (ko) 2023-03-28
GB202218139D0 (en) 2023-01-18
GB2619174A (en) 2023-11-29
KR102569135B1 (ko) 2023-08-22
GB2589245B (en) 2023-01-25
GB2616364A (en) 2023-09-06
GB202019751D0 (en) 2021-01-27
US20230095915A1 (en) 2023-03-30
GB2616364B (en) 2024-02-21
KR102511954B1 (ko) 2023-03-20
GB2611438A (en) 2023-04-05
DE112020002695T5 (de) 2022-04-21
WO2020245769A1 (en) 2020-12-10

Similar Documents

Publication Publication Date Title
KR102569134B1 (ko) 머신 러닝을 이용한 모션 계획을 사용한 차량의 동작
KR102532546B1 (ko) 미리 계산되거나 동적으로 생성된 궤적 뱅크로부터의 궤적 예측
KR102511954B1 (ko) 선형 시간 논리를 사용한 자율 주행 차량 동작
KR102505300B1 (ko) 복수의 모션 제약을 사용하는 차량의 동작
KR102542970B1 (ko) 데이터 기반 규칙 북
KR20210112293A (ko) 주석 달기를 위한 데이터 샘플의 자동 선택
KR102402293B1 (ko) 자율 주행 차량 거동을 디스플레이하기 위한 그래픽 사용자 인터페이스
KR20210139181A (ko) 동적 점유 격자를 사용하는 차량 동작
KR102518680B1 (ko) 속력 프로파일 추정
KR20230047994A (ko) 차량용 안전 시스템
KR20210013756A (ko) 교통 신호등 추정
KR102507216B1 (ko) 도로 특징부에 대한 폐색 표현을 구현하기 위한 시스템 및 방법
KR20230110460A (ko) 조건부 움직임 예측
KR20220144296A (ko) 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술

Legal Events

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