KR20220029267A - 루트 정보를 사용한 차량의 궤적 계획 - Google Patents

루트 정보를 사용한 차량의 궤적 계획 Download PDF

Info

Publication number
KR20220029267A
KR20220029267A KR1020200134087A KR20200134087A KR20220029267A KR 20220029267 A KR20220029267 A KR 20220029267A KR 1020200134087 A KR1020200134087 A KR 1020200134087A KR 20200134087 A KR20200134087 A KR 20200134087A KR 20220029267 A KR20220029267 A KR 20220029267A
Authority
KR
South Korea
Prior art keywords
route
trajectory
information
vehicle
predicted
Prior art date
Application number
KR1020200134087A
Other languages
English (en)
Other versions
KR102634073B1 (ko
Inventor
프란체스코 다니엘레 드
아라빈드쿠마르 비자야링암
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
Publication of KR20220029267A publication Critical patent/KR20220029267A/ko
Application granted granted Critical
Publication of KR102634073B1 publication Critical patent/KR102634073B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
    • 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
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/12—Controlling the power contribution of each of the prime movers to meet required power demand using control strategies taking into account route information
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0227—Control of position or course in two dimensions specially adapted to land vehicles using mechanical sensing means, e.g. for sensing treated area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4044—Direction of movement, e.g. backwards
    • 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
    • B60W2556/65—Data transmitted between vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

무엇보다도, 환경에서 대상체의 궤적 추정치를 개선시키기 위한 기술이 설명되어 있다. 이 기술은, 적어도 하나의 프로세서에 의해, 환경에서 동작하는 대상체의 존재를 나타내는 정보를 수신하는 것; 적어도 하나의 프로세서에 의해, 대상체의 궤적을 결정하는 것 - 궤적은 대상체의 적어도 위치, 속력 및 진행 방향을 포함함 -; 적어도 하나의 프로세서에 의해, 대상체의 예상 루트를 결정하는 것 - 예상 루트는 사전 계획되어 있고 미래 시간에서의 대상체의 예상 미래 위치를 포함함 -; 대상체의 궤적을 대상체의 예상 루트와 비교하는 것; 및 대상체의 궤적이 대상체의 예상 루트와 일치한다는 비교에 따라, 대상체의 예상 루트에 기초하여 대상체의 궤적을 업데이트하는 것을 포함한다.

Description

루트 정보를 사용한 차량의 궤적 계획{TRAJECTORY PLANNING OF VEHICLES USING ROUTE INFORMATION}
본 설명은 루트 정보를 사용한 차량의 궤적 계획에 관한 것이다.
자율 주행 차량이 취하는 경로는 대상체의 경로(예를 들면, 다른 인근 차량, 자전거, 보행자)에 의존한다. 대상체의 궤적 추정치(예를 들면, 다음 5 내지 10초 및/또는 50 내지 100 미터)는 자율 주행 차량에 탑재된 센서에 의해 결정되는 바와 같은 대상체의 추정된 위치 및 속도에 기초한다. 그렇지만, 이러한 궤적 추정치는 대상체의 예상되는 거동을 고려하지 않는다. 따라서, 자율 주행 차량의 진행 동안 이러한 궤적 추정치에 대한 과도한 의존은 자율 주행 차량이 충돌 및/또는 최적이 아닌 운전 조건(예를 들면, 차량 후방에 갇혀 있는 상태)을 피하기 위해 그의 경로를 재계산해야만 하게 할 수 있다.
도 1은 자율 주행 능력을 갖는 자율 주행 차량(autonomous vehicle)의 일 예를 도시한다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다.
도 3은 컴퓨터 시스템을 예시한다.
도 4는 자율 주행 차량에 대한 예시적인 아키텍처를 도시한다.
도 5는 계획 모듈의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 6은 자율 주행 차량이 교차로에 접근하는 것을 예시한다.
도 7a 및 도 7b는 자율 주행 차량의 결정 트리이다.
도 8은 환경에서 대상체의 궤적 추정치를 개선시키기 위한 플로차트이다.
설명을 위한 이하의 기술에서는, 본 발명에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부 사항이 제시된다. 그렇지만, 본 발명이 이 특정 세부 사항 없이 실시될 수 있음이 명백할 것이다. 다른 예에서, 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 요구된다는 것을 암시하는 것을 의미하지는 않는다는 점을 이해할 것이다. 게다가, 도면에 개략적 요소를 포함시키는 것은, 그러한 요소가 모든 실시예에서 요구된다는 것을 암시하는 것을 의미하지 않거나, 또는 그러한 요소에 의해 표현된 특징이 일부 실시예에서 포함되지 않거나 또는 다른 요소와 조합되지 않을 수 있다는 점을 암시하는 것을 의미하지 않는다.
게다가, 도면에서, 2개 이상의 다른 개략적 요소 사이의 연결, 관계 또는 연관을 예시하기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소가 사용되는 경우에, 임의의 그러한 연결 요소의 부재는 연결, 관계 또는 연관이 존재할 수 없다는 점을 암시하는 것을 의미하지 않는다. 환언하면, 요소들 사이의 일부 연결, 관계, 또는 연관은 본 개시를 모호하게 하지 않기 위해 도면에 도시되지 않는다. 그에 부가하여, 예시를 용이하게 하기 위해, 요소들 사이의 다수의 연결, 관계 또는 연관을 표현하기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호, 데이터 또는 명령어의 통신을 표현하는 경우, 본 기술 분야의 통상의 기술자라면, 그러한 요소가, 통신을 수행하기 위해 필요할 수 있는, 하나 또는 다수의 신호 경로(예를 들어, 버스)를 표현한다는 것을 이해할 것이다.
그 예가 첨부 도면에 예시되어 있는, 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 이 특정 세부 사항 없이 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 예에서, 실시예의 양태를 불필요하게 모호하게 하지 않기 위해 공지된 방법, 절차, 컴포넌트, 회로, 및 네트워크는 상세하게 기술되지 않았다.
서로 독립적으로 또는 다른 특징들의 임의의 조합과 함께 각각 사용될 수 있는 여러 특징이 이하에서 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 일부는 본원에 기술된 특징들 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 비록 여러 표제가 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지 않은 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. 경로 계획
5. 환경에서의 대상체의 궤적 추정
일반적 개관
대상체가 추종할 가능성이 있는 예상 루트에 대한 지식은 자율 주행 차량이 자신의 경로를 결정하는 데 도움이 된다. 예를 들어, 자율 주행 차량은 특정 모델 번호를 가진 고정 루트 상의 대중 교통 버스(또는 트롤리)가 자율 주행 차량의 좌측에 있음을 통보받을 수 있다. 자율 주행 차량은 그러면 이 특정 대중 교통 버스의 예상 루트를 리트리빙(retrieving)하기 위해 데이터베이스에 질의할 수 있다. 대중 교통 버스가 이 예상 루트를 따라 이동할 것으로 보이고, 예상 루트가 다가오는 교차로에서 좌회전이 취해질 것임을 나타내는 경우, 자율 주행 차량은, 적절한 정도의 확실성으로, 대중 교통 버스가 좌회전할 것이고 대중 교통 버스가 자율 주행 차량의 현재 차선 내로 이동할 가능성이 매우 낮다고 결론지을 수 있다. 자율 주행 차량은 이어서 이 정보를 사용하여 현재 차선에 머무르는 것이 안전하다고 결정할 수 있다.
추가 예로서, 자율 주행 차량 전방에 있는 차량이 목적지에 정차하려는 UPS 트럭으로 식별되는 경우, 자율 주행 차량은 이를 통보받고 따라서 UPS 트럭을 피하기 위해 차선을 전환할 수 있다. 다른 예로서, 자율 주행 차량 전방에 있는 차량이 초보 운전자 차량으로서 식별되는 경우, 자율 주행 차량은 급정거 또는 갑작스런 움직임의 경우에 초보 운전자 차량으로부터 더 먼 거리를 유지할 수 있다.
이러한 기술의 장점 중 일부는 자율 주행 차량의 경로를 재계산할 필요성을 감소시키는 것을 포함한다. 게다가, 대상체의 루트 정보를 통합함으로써, 자율 주행 차량은 경로 계획 프로세스로부터 미지의 것을 제거할 수 있다. 이것으로부터 직접적으로 자율 주행 차량 내의 승객을 위한 더 안전한 승차 및 더 매끄러운 승차가 결과될 수 있다. 자율 주행 차량이 대상체의 예상 루트를 방해하지 않으려고 시도할 것이기 때문에 환경 내의 대상체도 더 안전할 것이다.
시스템 개관
도 1은 자율 주행 능력을 갖는 자율 주행 차량(100)의 일 예를 도시한다.
본원에서 사용되는 바와 같이, 용어 "자율 주행 능력"은, 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량을 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 동작될 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 AV를 제1 시공간적 위치로부터 제2 시공간적 위치로 운행시키는 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 들어, 도로의 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들어, 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) 또는 드롭-오프(drop-off) 위치이다.
본원에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싼 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트들 중 일부는 감지 컴포넌트(예를 들어, 이미지 센서, 생체측정 센서), 송신 및/또는 수신 컴포넌트(예를 들어, 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 라벨링된 대상체를 포함하는 데이터 구조(예를 들어, 리스트) 또는 데이터 스트림이다.
본원에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들어, 도시 거리, 주간 고속도로 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들어, 주택 또는 사무실 건물 내의 사유 도로, 주차장 섹션, 공터 섹션, 시골 지역의 비포장 경로 등)에 대응할 수 있다. 일부 차량(예를 들어, 4륜 구동 픽업 트럭, 스포츠 유틸리티 차량 등)은 차량 진행에 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 일부이다. 차선은 때때로 차선 마킹(lane marking)에 기초하여 식별된다. 예를 들어, 차선은 차선 마킹 사이의 공간의 대부분 또는 전부에 대응할 수 있거나, 또는 차선 마킹 사이의 공간의 단지 일부(예를 들어, 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 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 나무 또는, 예를 들어, 미개발 지역에서의 피할 자연 장애물에 기초하여 규정될 수 있다. 차선은 또한 차선 마킹 또는 물리적 특징과 무관하게 해석될 수 있다. 예를 들어, 차선은 차선 경계로서 해석될 특징이 달리 없는 영역에서 장애물이 없는 임의의 경로에 기초하여 해석될 수 있다. 예시적인 시나리오에서, AV는 들판 또는 공터의 장애물 없는 부분을 통해 차선을 해석할 수 있다. 다른 예시적인 시나리오에서, AV는 차선 마킹을 갖지 않는 넓은(예를 들어, 2개 이상의 차선을 위해 충분히 넓은) 도로를 통해 차선을 해석할 수 있다. 이 시나리오에서, AV는 차선에 관한 정보를 다른 AV에 전달할 수 있어서, 다른 AV가 동일한 차선 정보를 사용하여 그 자신들 간에 경로 계획을 조정할 수 있다.
용어 "OTA(over-the-air) 클라이언트"는 임의의 AV, 또는 AV에 내장되거나, AV에 결합되거나, 또는 AV와 통신하는 임의의 전자 디바이스(예를 들어, 컴퓨터, 제어기, IoT 디바이스, 전자 제어 유닛(ECU))를 포함한다.
용어 "OTA(over-the-air) 업데이트"는, 셀룰러 모바일 통신(예를 들어, 2G, 3G, 4G, 5G), 라디오 무선 영역 네트워크(예를 들어, WiFi) 및/또는 위성 인터넷을 포함하지만 이에 제한되지 않는, 독점적인 및/또는 표준화된 무선 통신 기술을 사용하여 OTA 클라이언트에 전달되는 소프트웨어, 펌웨어, 데이터 또는 구성 설정, 또는 이들의 임의의 조합에 대한 임의의 업데이트, 변경, 삭제, 또는 추가를 의미한다.
용어 "에지 노드"는 AV와 통신하기 위한 포털을 제공하고 OTA 업데이트를 스케줄링하여 OTA 클라이언트에 전달하기 위해 다른 에지 노드 및 클라우드 기반 컴퓨팅 플랫폼과 통신할 수 있는 네트워크에 결합된 하나 이상의 에지 디바이스를 의미한다.
용어 "에지 디바이스"는 에지 노드를 구현하고 기업 또는 서비스 제공자(예를 들어, VERIZON, AT&T) 코어 네트워크에 물리적 무선 액세스 포인트(AP)를 제공하는 디바이스를 의미한다. 에지 디바이스의 예는 컴퓨터, 제어기, 송신기, 라우터, 라우팅 스위치, IAD(integrated access device), 멀티플렉서, MAN(metropolitan area network) 및 WAN(wide area network) 액세스 디바이스를 포함하지만, 이에 제한되지 않는다.
"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, 용어, 제1, 제2 등이, 일부 예에서, 다양한 요소를 기술하기 위해 본원에서 사용되었지만, 이러한 요소는 이러한 용어에 의해 제한되지 않아야 한다는 것이 이해될 것이다. 이들 용어는 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 기술된 다양한 실시예의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라 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 명시적으로 나타내지 않는 이상, 복수형도 포함하는 것으로 의도된다. 또한, 용어 "및/또는"이, 본원에서 사용되는 바와 같이, 열거된 연관 항목들 중 하나 이상의 항목의 임의의 그리고 모든 가능한 조합을 지칭하고 포함한다는 것이 이해될 것이다. 또한, 용어 "포함한다" 및/또는 "포함하는"이, 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, 용어 "~ 경우"는 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, 저장된 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, 예컨대, 제각기 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 자율성 레벨의 분류에 대한 세부 사항은 참조에 의해 그 전체가 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, 예를 들어, 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 들어, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본원에서 개시된 기술은, 완전한 자율 주행 차량으로부터 인간-운전 차량에 이르는, 임의의 레벨에 있는 차량에 혜택을 줄 수 있다.
자율 주행 차량은 인간 운전자를 필요로 하는 차량보다 장점이 있다. 한 가지 장점은 안전성이다. 예를 들어, 2016년에, 미국은 9100억 달러의 사회적 비용으로 추정되는 600만 건의 자동차 사고, 240만 건의 부상, 4만 명의 사망자, 및 1300만 건의 차량 충돌을 경험했다. 1억 마일 주행당 미국 교통 사망자수는, 부분적으로 차량에 설치된 추가적인 안전 대책으로 인해, 1965년과 2015년 사이에 약 6명으로부터 1명으로 줄었다. 예를 들어, 충돌이 발생할 것이라는 부가적인 0.5초의 경고는 전후 충돌의 60%를 완화시키는 것으로 여겨진다. 그렇지만, 수동적 안전 특징(예를 들어, 시트 벨트, 에어백)은 이 수치를 개선시키는 데 한계에 도달했을 것이다. 따라서 차량의 자동 제어와 같은, 능동적 안전 대책이 이러한 통계치를 개선시키는 데 유망한 다음 단계이다. 인간 운전자가 95%의 충돌에서 중요한 충돌전 사건에 책임있는 것으로 여겨지기 때문에, 자동 운전 시스템은, 예를 들어, 중요한 상황을 인간보다 잘 신뢰성있게 인식하고 피하는 것에 의해; 더 나은 의사 결정을 하고, 교통 법규를 준수하며, 미래의 사건을 인간보다 더 잘 예측하는 것에 의해; 그리고 차량을 인간보다 더 잘 신뢰성 있게 제어하는 것에 의해 더 나은 안전성 결과를 달성할 수 있다.
도 1을 참조하면, AV 시스템(120)은, 대상체(예를 들어, 자연 장애물(191), 차량(193), 보행자(192), 자전거 운전자, 및 다른 장애물)을 피하고 도로 법규(예를 들어, 동작 규칙 또는 운전 선호도)를 준수하면서, 환경(190)을 통과하여 궤적(198)을 따라 AV(100)를 목적지(199)(때때로 최종 위치라고 지칭됨)로 동작시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)로부터의 동작 커맨드를 수신하고 이에 따라 동작하도록 설비된 디바이스(101)를 포함한다. 차량이 액션(예를 들어, 운전 기동)을 수행하게 하는 실행가능 명령어(또는 명령어 세트)을 의미하기 위해 용어 "동작 커맨드"를 사용한다. 동작 커맨드는, 제한 없이, 차량이 전진을 시작하고, 전진을 중지하며, 후진을 시작하고, 후진을 중지하며, 가속하고, 감속하며, 좌회전을 수행하고, 우회전을 수행하기 위한 명령어를 포함할 수 있다. 일 실시예에서, 컴퓨팅 프로세서(146)는 도 3을 참조하여 아래에서 기술되는 프로세서(304)와 유사하다. 디바이스(101)의 예는 조향 제어(102), 브레이크(103), 기어, 가속기 페달 또는 다른 가속 제어 메커니즘, 앞유리 와이퍼, 사이드-도어 락, 윈도 제어, 및 방향 지시등을 포함한다.
일 실시예에서, AV 시스템(120)은 AV의 위치, 선속도 및 선가속도, 각속도 및 각가속도, 및 방향(예를 들어, AV(100)의 선단의 배향)와 같은 AV(100)의 상태 또는 조건의 특성을 측정 또는 추론하기 위한 센서(121)를 포함한다. 센서(121)의 예는 GPS, 차량 선가속도 및 각속도(angular rate) 둘 모두를 측정하는 IMU(inertial measurement unit), 휠 슬립 비(wheel slip ratio)를 측정 또는 추산하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 휠 토크 센서, 및 조향각(steering angle) 및 각속도 센서이다.
일 실시예에서, 센서(121)는 AV의 환경의 특성을 감지 또는 측정하기 위한 센서를 또한 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 둘 모두) 스펙트럼식 단안 또는 스테레오 비디오 카메라(122), LiDAR(123), RADAR, 초음파 센서, TOF(time-of-flight) 심도 센서, 속력 센서, 온도 센서, 습도 센서, 및 강우 센서.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)와 연관된 머신 명령어 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 이력, 실시간, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵, 운전 성능, 교통 정체 업데이트 또는 날씨 상태를 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, AV 시스템(120)은 다른 차량의 상태 및 조건, 예컨대, 위치, 선속도 및 각속도, 선가속도 및 각가속도, 및 AV(100)를 향한 선형 방향 및 각도 방향의 측정된 또는 추론된 특성을 통신하기 위한 통신 디바이스(140)를 포함한다. 이 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 광학적 통신을 포함하는) 전자기 스펙트럼 또는 다른 매체(예를 들어, 공기 및 음향 매체)를 통해 통신한다. V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure) 통신(및 일부 실시예에서 하나 이상의 다른 타입의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, 자율 주행 차량과의 통신 및 자율 주행 차량들 간의 통신을 위한 하나 이상의 통신 표준에 따른다.
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 위치된 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치된 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 위치된 데이터베이스(134)에 송신한다. 일 실시예에서, 통신 인터페이스(140)는 원격 조작(teleoperation)에 관련되는 정보를 AV(100)에 송신한다. 일부 실시예에서, AV(100)는 다른 원격(예를 들어, "클라우드") 서버(136)와 통신한다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 또한 디지털 데이터를 저장 및 송신한다(예를 들어, 도로 및 거리 위치와 같은 데이터를 저장함). 그러한 데이터는 AV(100) 상의 메모리(144)에 저장되거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 유사한 시각(time of day)에 궤적(198)을 따라 이전에 진행된 차량의 운전 특성(예를 들어, 속력 및 가속도 프로파일)에 관한 이력 정보를 저장 및 송신한다. 일 구현예에서, 그러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신될 수 있다.
AV(100) 상에 위치된 컴퓨팅 디바이스(146)는 실시간 센서 데이터 및 이전 정보 둘 모두에 기초한 제어 액션을 알고리즘적으로 생성하여, AV 시스템(120)이 자율 주행 능력을 실행할 수 있게 한다.
일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들어, 탑승자 또는 원격 사용자)에게 정보 및 경보를 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 제어기(316)와 유사하다. 결합은 무선 또는 유선이다. 인터페이스 디바이스들 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.
일 실시예에서, AV 시스템(120)은, 예를 들어, 승객에 의해 특정되거나 승객과 관련된 프로파일에 저장된, 승객의 프라이버시 레벨을 수신하고 시행한다. 승객의 프라이버시 레벨은 승객과 연관된 특정한 정보(예를 들어, 승객 편의 데이터, 생체 데이터 등)가 사용되도록, 승객 프로파일에 저장되도록, 및/또는 클라우드 서버(136)에 저장되어 승객 프로필과 연관되도록 할 수 있는 방법을 결정한다. 일 실시예에서, 프라이버시 레벨은 일단 승차가 완료되면 삭제되는 승객과 연관된 특정한 정보를 특정한다. 일 실시예에서, 프라이버시 레벨은 승객과 연관된 특정한 정보를 특정하고 정보에 액세스하도록 인가되는 하나 이상의 엔티티를 식별해준다. 정보에 액세스하도록 인가되는 특정된 엔티티의 예는 다른 AV, 서드파티 AV 시스템, 또는 정보에 잠재적으로 액세스할 수 있는 임의의 엔티티를 포함할 수 있다.
승객의 프라이버시 레벨은 하나 이상의 입도 레벨로 특정될 수 있다. 일 실시예에서, 프라이버시 레벨은 저장 또는 공유될 특정 정보를 식별해준다. 일 실시예에서, 승객이 자신의 개인 정보가 저장 또는 공유되지 않도록 특정할 수 있도록 승객과 연관된 모든 정보에 프라이버시 레벨이 적용된다. 특정한 정보에 액세스하도록 허용되는 엔티티의 지정이 다양한 입도 레벨로 특정될 수 있다. 특정한 정보에 액세스하도록 허용되는 다양한 엔티티 세트는, 예를 들어, 다른 AV, 클라우드 서버(136), 특정 서드파티 AV 시스템 등을 포함할 수 있다.
일 실시예에서, AV 시스템(120) 또는 클라우드 서버(136)는 승객과 연관된 특정 정보가 AV(100) 또는 다른 엔티티에 의해 액세스될 수 있는지를 결정한다. 예를 들어, 특정한 시공간적 위치와 관련된 승객 입력에 액세스하려고 시도하는 서드파티 AV 시스템은 승객과 연관된 정보에 액세스하기 위해, 예를 들어, AV 시스템(120) 또는 클라우드 서버(136)로부터 인가를 획득해야 한다. 예를 들어, AV 시스템(120)은 시공간적 위치와 관련된 승객 입력이 서드파티 AV 시스템, AV(100), 또는 다른 AV에 제공될 수 있는지 여부를 결정하기 위해 승객의 특정된 프라이버시 레벨을 사용한다. 이것은 승객의 프라이버시 레벨이 어느 다른 엔티티가 승객의 액션에 관한 데이터 또는 승객과 연관된 다른 데이터를 수신하도록 허용되는지를 특정할 수 있게 한다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다. 클라우드 컴퓨팅은 구성 가능한 컴퓨팅 리소스(예를 들어, 네트워크, 네트워크 대역폭, 서버, 프로세싱, 메모리, 스토리지, 애플리케이션, 가상 머신, 및 서비스)의 공유 풀에 대한 간편한 온-디맨드 네트워크 액세스를 가능하게 하기 위한 서비스 전달(service delivery)의 일 모델이다. 전형적인 클라우드 컴퓨팅 시스템에서는, 하나 이상의 대형 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 특정한 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 구역을 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 보조하는 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 배치된 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. 또한, 네트워크가 다수의 서브 네트워크의 조합을 나타내는 실시예에서, 상이한 네트워크 계층 프로토콜은 기저 서브 네트워크(underlying sub-network) 각각에서 사용된다. 일부 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.
도 3은 컴퓨터 시스템(300)을 예시한다. 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. 또한, 그러한 특수-목적 컴퓨팅 디바이스는 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, 포터블 컴퓨터 시스템, 휴대용 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)에 결합된 하드웨어 프로세서(304)를 포함한다. 하드웨어 프로세서(304)는, 예를 들어, 범용 마이크로프로세서이다. 컴퓨터 시스템(300)은 버스(302)에 결합된, 프로세서(304)에 의해 실행될 명령어 및 정보를 저장하기 위한, 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 비-일시적 저장 매체에 저장될 때, 컴퓨터 시스템(300)을 명령어에서 특정된 동작을 수행하도록 커스터마이징된 특수-목적 머신으로 렌더링한다.
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 및 다른 키를 포함하는 입력 디바이스(314)는 정보 및 커맨드 선택을 프로세서(304)에 통신하기 위해 버스(302)에 결합된다. 다른 타입의 사용자 입력 디바이스는, 디스플레이(312) 상에서 커서 움직임을 제어하고 방향 정보 및 커맨드 선택을 프로세서(304)에 통신하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키와 같은, 커서 제어기(316)이다. 이 입력 디바이스는 전형적으로, 디바이스가 평면에서 위치를 특정할 수 있게 하는 2개의 축, 즉 제1 축(예를 들어, x-축) 및 제2 축(예를 들어, 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.
용어 "저장 매체"는 본원에서 사용되는 바와 같이 머신으로 하여금 특정 방식으로 동작하게 하는 데이터 및/또는 명령어를 저장하는 임의의 비-일시적 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 간에 정보를 전달하는 데 참여한다. 예를 들어, 송신 매체는 버스(302)를 포함하는 와이어를 포함하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 또한, 송신 매체는 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 수반된다. 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 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 타입의 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 타입의 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 제공할 수 있다. ISP(326)는 차례로 지금은 "인터넷(328)"이라고 통칭되는 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. 다양한 네트워크를 통한 신호 및 컴퓨터 시스템(300)으로 그리고 컴퓨터 시스템(300)으로부터 디지털 데이터를 반송하는 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, 메시지를 전송하고, 프로그램 코드를 포함하는, 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(300)은 프로세싱하기 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(304)에 의해 실행되고 및/또는, 추후의 실행을 위해 저장 디바이스(310) 또는 다른 비휘발성 스토리지에 저장된다.
자율 주행 차량 아키텍처
도 4는 자율 주행 차량(예를 들어, 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. 일부 실시예에서, 모듈(402, 404, 406, 408, 및 410) 중 임의의 모듈은 컴퓨터 소프트웨어(예를 들어, 컴퓨터 판독 가능 매체 상에 저장된 실행 가능한 코드) 및 컴퓨터 하드웨어(예를 들어, 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. 모듈(402, 404, 406, 408, 및 410)의 각각의 모듈은 때때로 프로세싱 회로(예를 들어, 컴퓨터 하드웨어, 컴퓨터 소프트웨어, 또는 이 둘의 조합)라고 지칭된다. 모듈(402, 404, 406, 408, 및 410) 중 임의의 것 또는 모든 것의 조합은 또한 프로세싱 회로의 일 예이다.
사용 중에, 계획 모듈(404)은 목적지(412)를 나타내는 데이터를 수신하고 목적지(412)에 도달하기 위해(예를 들어, 도착하기 위해) AV(100)에 의해 진행될 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 들어, 도 1에도 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체는 분류되고(예를 들어, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 타입으로 그룹화되고), 분류된 대상체(416)를 포함하는 장면 묘사는 계획 모듈(404)에 제공된다. 예를 들어, 하나 이상의 센서(121)는 UPS 배달 차량이 AV(100) 전방에 있다고 결정할 수 있다.
또한, 계획 모듈(404)은 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 들어, 지리적 데이터)를 사용하여 AV 위치를 결정한다. 예를 들어, 로컬화 모듈(408)은 GNSS(Global Operation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 모듈(408)에 의해 사용되는 데이터는 도로 기하학적 특성의 고-정밀 맵, 도로망 연결 특성을 기술하는 맵, 도로 물리적 특성(예를 들어, 교통 속력, 교통량, 차량 및 자전거 운전자 교통 차선의 개수, 차선 폭, 차선 교통 방향, 또는 차선 마커 타입 및 위치, 또는 그 조합)을 기술하는 맵, 및 도로 특징부, 예를 들어, 횡단보도, 교통 표지판 또는 다양한 타입의 다른 진행 신호(travel signal)의 공간적 위치를 기술하는 맵을 포함한다. 일 실시예에서, 고-정밀 맵은 자동 또는 수동 주석 달기(annotation)를 통해 저-정밀 맵에 데이터를 추가함으로써 구성된다.
제어 모듈(406)은 궤적(414)을 나타내는 데이터 및 AV 위치(418)를 나타내는 데이터를 수신하고, AV(100)로 하여금 목적지(412)로 궤적(414)을 진행하게 할 방식으로 AV의 제어 기능(420a 내지 420c)(예를 들어, 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 좌측으로 회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 통과하는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로 제어 기능(420a 내지 420c)을 동작시킬 것이다.
경로 계획
도 5는 (예를 들어, 도 4에 도시된 바와 같은) 계획 모듈(404)의 입력과 출력 사이의 관계의 블록 다이어그램(500)을 도시한다. 일반적으로, 계획 모듈(404)의 출력은 시작 포인트(504)(예를 들어, 소스 위치 또는 초기 위치)로부터 종료 포인트(506)(예를 들어, 목적지 또는 최종 위치)까지의 루트(502)이다. 루트(502)는 전형적으로 하나 이상의 세그먼트에 의해 규정된다. 예를 들어, 세그먼트는 거리, 도로, 공도, 사유 도로, 또는 자동차 진행에 적절한 다른 물리적 영역의 적어도 일 부분에 걸쳐 진행되는 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(502)는 비포장 경로 또는 탁트인 들판과 같은 "오프-로드" 세그먼트를 포함한다.
루트(502)에 추가하여, 계획 모듈은 차선-레벨 루트 계획 데이터(508)도 출력한다. 차선-레벨 루트 계획 데이터(508)는 특정한 시간에서의 세그먼트의 조건에 기초하여 루트(502)의 세그먼트를 횡단하는 데 사용된다. 예를 들어, 루트(502)가 다중 차선 공도를 포함하는 경우, 차선-레벨 루트 계획 데이터(508)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(510)를 포함한다. 주거지 도로의 경우, 우편 배달 차량이 가장 오른쪽 차선에서 자주 정차할 수 있다. 유사하게, 일부 구현예에서, 차선-레벨 루트 계획 데이터(508)는 루트(502)의 세그먼트에 특정적인 속력 제약(512)을 포함한다. 예를 들어, 세그먼트가 보행자 또는 예상치 않은 교통상황(traffic)을 포함하는 경우, 속력 제약(512)은 AV(100)를 예상된 속력보다 더 느린 진행 속력, 예를 들어, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다.
일 실시예에서, 계획 모듈(404)로의 입력은 (예를 들어, 도 4에 도시된 데이터베이스 모듈(410)로부터의) 데이터베이스 데이터(514), 현재 위치 데이터(516)(예를 들어, 도 4에 도시된 AV 위치(418)), (예를 들어, 도 4에 도시된 목적지(412)에 대한) 목적지 데이터(518), 및 대상체 데이터(520)(예를 들어, 도 4에 도시된 인지 모듈(402)에 의해 인지되는 분류된 대상체(416))를 포함한다. 일 실시예에서, 데이터베이스 데이터(514)는 계획에 사용되는 규칙을 포함한다. 규칙은 형식 언어를 사용하여, 예를 들어, 불리언 로직을 사용하여 특정된다. AV(100)와 조우하는 임의의 주어진 상황에서, 규칙 중 적어도 일부는 해당 상황에 적용될 것이다. 규칙이 AV(100)에 이용 가능한 정보, 예를 들어, 주위 환경에 관한 정보에 기초하여 충족되는 조건을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙은 우선순위를 가질 수 있다. 예를 들어, "도로가 공도인 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. 추가 예로서, "AV(100) 전방에 있는 차량이 우편 배달 차량인 경우, 추월 기동을 시도한다"라는 규칙은 "추월 금지 구역 내에 있는 경우, 현재 차선 내에서 유지한다"는 것보다 낮은 우선순위를 가질 수 있다.
환경에서의 대상체의 궤적 추정
도 6은 AV(100)가 환경(600) 내에서 도로 세그먼트(608)를 따라 진행하는 것을 도시한다. AV(100)의 진행 동안 다양한 움직이는 대상체가 AV(100)의 루트 또는 경로를 방해할 수 있다. 예를 들어, 다른 차량, 보행자, 또는 자전거가 AV(100)의 루트를 방해할 수 있다. 도 6에 도시된 바와 같이, 환경(600) 내의 2개의 대상체인, 차량 "A" 및 차량 "B" 둘 모두는 AV(100)의 범위(range)(602) 내에 있다. 범위(602)는 AV(100)가 AV(100)의 루트를 방해할 수 있는 대상체를 "보는" 환경(600)의 서브세트이다.
예를 들어, 차량 "B"는 가장 오른쪽 진행 차선에 5 피트 전방에(전방은 AV(100)의 전방 진행 방향에 의해 표시됨) 있으며, 차량 "A"는 가장 왼쪽 진행 차선에서 AV(100) 바로 좌측에 있다. 일부 실시예에서, AV(100) 주위의 반경 20m는 범위(602)를 나타낸다. 일부 실시예에서, 범위(602)는 AV(100)가 다음 5 내지 8초에 횡단할 수 있는 영역에 걸쳐 있다. 일부 실시예에서, 범위(602)는 AV(100) 후방보다 AV(100) 전방에 더 많은 중점을 두도록 AV(100) 전방으로 편향된다. 이러한 방식으로, 범위(602)는 AV(100)의 속도(속력 및 방향)에 의존한다.
AV(100)의 센서(예를 들면, 센서(121))는 차량 "A"와 차량 "B" 둘 모두의 존재를 검출한다(예를 들면, LiDAR(123)는 광(636)의 광선 추적에 의해 표시된 바와 같이 차량 "A"를 "보게" 된다). 이 정보는 도 4를 참조하여 설명된 바와 같이 대상체 분류(416)를 위해 인지 모듈(402)에 의해 프로세싱된다. 그렇지만, AV(100)의 다른 센서는 차량 "A" 및 차량 "B"의 존재를 검출하는 데 사용될 수 있다. 예를 들어, RADAR, 카메라, 근접 센서, 및/또는 이전에 설명된 임의의 센서가 또한 사용될 수 있다.
그렇지만, 차량 "A"가 AV(100)의 좌측에 있다는 것을 아는 것만으로는 차량 "A"의 거동을 결정하기에 충분하지 않다. 부가적으로, 인지 모듈(402)은 대상체의 다음 몇 초(예를 들면, 2 내지 5초)의 진행을 나타내는 대상체의 궤적을 결정할 수 있다. 궤적은 AV(100)의 좌측에 있는 자동차가 20 mph로 직진으로 진행하고 있음을 확인해줄 수 있지만 운전자가 갑작스런 기동을 할지, 예를 들면, 다가오는 방향 전환을 위해 차선을 전환할지는 알 수 없다.
예를 들어, AV(100)의 계획 모듈이 AV(100)가 다가오는 교차로(640)에서 좌회전해야 한다고 지시하는 경우, AV(100)는 속도를 늦추고 차량 "A" 후방에서 가장 왼쪽 차선으로 이동하는 것이 최상의 조치라고 결정할 수 있다. 그렇지만, 차량 "A"가 버스 정류소(642)에서 정차하려는 버스인 것으로 알려진 경우, AV(100)는 현재 차선을 유지하고 차량 "A"가 속도를 늦춰 버스 정류소(642)에서 정차한 후에 가장 왼쪽 차선으로 이동하는 것이 최선의 조치라고 결정할 수 있다. 그 대신에, AV(100)가 속도를 늦춰 차량 "A" 후방으로 이동한 경우, AV(100)는 버스 정류소(642)에서 차량 "A" 후방에서 기다리거나 추월 기동을 수행할 필요가 있다. 이들 중 어느 것도 시간 및/또는 승객 편의 관점에서 이상적이지 않다.
차량 "A"가 취할 것으로 예상 루트에 대한 지식은 AV(100)가 임의의 주어진 시간에 어느 차선에 있어야 하는지를 결정하는 데 사용될 수 있다. 예상 루트는 대상체가 취할 고정된, 사전 계획된, 스케줄링된, 또는 변경 불가능한 루트에 기초하여 고정되거나, 사전 계획되거나, 스케줄링되거나, 변경 불가능하거나, 또는 다른 방식으로 도출되는 것으로 정의된다. 특히, 이 정보는 루트(502)의 차선 레벨 루트 계획 데이터(508)(도 5를 참조하여 이전에 설명됨)를 업데이트하기 위해 계획 모듈(404)에 의해 사용된다. AV(100)의 전체 루트(502)가 환경(600) 내의 대상체의 예상 루트에 대한 지식으로 변경될 가능성이 없지만, 그러한 변경은 가능하다. 예를 들어, 차량 "A"의 예상 루트는 이 예상 루트가 버스 정류소(642)에서 정차하고 이어서 교차로(640)에서 좌측으로 진행할 것으로 예상됨을 나타낼 수 있다. 계획 모듈(404)이 이러한 예상 루트에 대한 아는 것은 계획 모듈(404)이 AV(100)에 대한 최적의 순간 차선 위치를 결정할 수 있게 할 것이다.
예상 루트는 일회성 또는 일시적 루트(예를 들면, 기분 전환을 위한(recreational) 운전자, 배달 서비스, 건설 차량) 또는 반복되는 루트(예를 들면, 우편 서비스, 버스)일 수 있다. 부가적으로, 예상 루트를 따른 거리 및 속력에 대한 지식은 대상체가 예상 루트를 따라 해당 위치에 있을 것으로 예상되는 미래 시간을 인지 모듈(402)이 근사화할 수 있게 한다. 예를 들어, 미래 시간은 미래에서의 적어도 5초를 나타낼 수 있지만, 일부 실시예에서, 예상 루트는 다음 1분 동안의 대상체의 예상 위치를 정의한다. 일부 실시예에서, 예상 위치 대 시간은 현재 속력 제한, 대상체의 현재 궤적, 및/또는 교통 정체에 대한 지식을 사용하여 인지 모듈(402)에 의해 추정될 수 있다.
예상 루트 정보의 중요한 측면은 예상 루트 정보가 미래 시간에서의 대상체의 위치 추정치를 제공한다는 것이다. 예를 들어, 10초 후의 대상체의 예상 위치를 아는 것은 매우 도움이 된다. 대부분의 실시예에서, 5 내지 8초 후의 대상체의 위치를 아는 것은 대상체의 미래 위치에 대한 개선된 예측을 생성하기 위해 대상체의 궤적 데이터와 융합하기에 충분한 정확도를 제공한다. 10초보다 훨씬 먼 미래 시간은, 환경(600) 내에서의 대상체의 모든 가능한 움직임의 순열이 크고 정확하게 예측하기 어려울 수 있기 때문에, 덜 도움이 될 수 있지만, 10초보다 먼 미래 시간이 때때로 사용된다.
대상체가 취할 것으로 예상되는 예상 루트는 여러 방식으로 결정될 수 있다. 하나의 방법은 차량 대 차량 통신을 사용하여 이 정보를 리트리빙하기 위해 대상체와 직접적으로 통신하는 것이다. 예를 들어, 일부 실시예에서, 차량 "A"는 그의 예상 루트를 포함하는 식별 정보를 (예를 들면, WiFi, 블루투스, 또는 저전력 AM/FM 주파수를 통해) 무선으로 브로드캐스팅한다. 이것은 상업적 운전자(commercial driver)를 위해 안전성 측면에서 유리한데, 왜냐하면 그렇게 하는 것이 그 근처에 있는 자동차가 그의 다음 동작을 인식할 수 있게 하기 때문이다. 일부 실시예에서, 루트 정보는 차량 "A" 내의 모바일 디바이스의 트랜시버로부터 통신된다. 예를 들어, 차량 A 내의 운전자 또는 승객이 그의 스마트 폰을 사용하여 목적지까지의 길 안내를 제공할 때, 이 길 안내 정보는 WiFi 등을 통해 무선으로 AV(100)에 제공된다. 이 경우에, 스마트 폰의 트랜시버는 길 안내 정보를 AV(100)에 브로드캐스팅한다.
그렇지만, 일부 실시예에서, 식별 정보가 대상체의 예상 루트를 포함하지 않을 것이다. 식별 정보가 대상체에 관한 다른 특성을 보여주는 한, AV(100)의 트랜시버는 알려진 모든 특성을 사용하여 대상체의 예상 루트를 결정하기 위해 원격 서버 및/또는 인터넷에 질의할 수 있다. 일부 실시예에서, 트랜시버는 공중 인터넷을 통해 차량 "A" 및/또는 차량 "B"와 연관된 외부 서버와 통신한다.
예를 들어, 식별 정보가 차량 "A"가 대중 교통 버스라는 것을 보여주면, AV(100)의 트랜시버는 대중 교통 서버에 질의하여 버스의 대략적인 현재 위치를 통과하는 예상 경로를 갖는 모든 버스의 맵을 리트리빙할 수 있다. 여기에서, 현재 위치는 AV(100)의 알려진 현재 위치를 기준으로 추정된다. 그렇지만, 일부 실시예에서, 현재 위치는 AV(100) 자체의 현재 위치로 근사화된다.
일부 실시예에서, 루트 정보는 대상체와 연관된 서버로부터 리트리빙된다. 예를 들어, UPS 배달 차량에 대한 루트 정보는 UPS 서버로부터 획득된다. 유사하게, 우버(Uber) 차량에 대한 루트 정보는 우버 서버로부터 획득된다. 이것은 API를 사용하여 수행될 수 있다. 일부 실시예에서, AV(100)의 트랜시버 또는 AV(100)와 연관된 서버가 루트 정보에 액세스할 수 있게 하기 위해 합의가 이루어져 있다. 일부 실시예에서, 예상 루트 데이터는 서버로부터 다운로드되어 로컬로 저장된다. 일부 실시예에서, 이 데이터는 대상체의 추가 분류를 위해 프로세싱된다. 일부 경우에, 이 데이터는 인근의 자율 주행 차량과 공유된다.
때때로, 이 질의는 하나 초과의 독자적인 해결책을 보여줄 수 있다. 예를 들어, 두 대의 대중 교통 버스가 그의 경로를 따라 현재 위치를 통과할 수 있다. 이러한 경우에, 예상 루트의 다른 측면이 고려될 수 있다. 이 방법은 또한 대상체의 속도를 예상 루트를 따른 예상 속도와 비교할 수 있다. 예를 들어, 예상 루트는 버스 정류소가 다가오는 것을 나타내지만 차량이 속도를 늦추지 않는 것으로 보이는 것은 예상 루트가 잘못되었음을 나타낼 수 있다. 다른 표시는 차선 위치이다. 예를 들어, 좌회전할 것으로 예상되지만 가장 오른쪽 차선에 있는 차량은 예상 루트에 있지 않을 수 있다. 추가의 측면은 대상체가 예상 루트를 따라 있을 것으로 예상되는 하루 중 시간(또는 요일 또는 계절)을 포함한다. 인지 모듈(402)이 예상 루트를 고유하게 확정할 수 없는 경우, AV(100)는 계획 모듈(404)에서 이 정보를 사용하지 않을 수 있다. 일부 실시예에서, 다수의 예상 경로가 식별될 때, 플래너 모듈(404)은 대상체가 경로들 중 임의의 경로를 추종할 가능성을 고려하고 모든 가능한 루트의 조합이 가정된다.
일부 실시예에서, 예상 루트가 대상체의 현재 위치 및/또는 속도와 모순될 수 있다. 대상체의 궤적이 대상체의 예상 루트와 비교될 때, 인지 모듈(402)은 예상 루트 정보가 잘못되었다고 결정할 수 있다. 예를 들어, 예상 루트가 차량이 현재 시간에 마을을 가로질러 가고 있어야 함을 나타내는 경우, 예상 루트 정보는 부정확하거나 신뢰할 수 없는 것으로 간주된다. 그렇지만, 대상체의 현재 위치가 예상 루트를 따라 있는 경우, 인지 모듈(402)은 대상체가 예상 루트를 따라 진행하고 있다고 결론지을 수 있다.
대상체의 예상 루트의 정확성 및/또는 신뢰성에 기초하여 신뢰 수준이 할당된다. 이 신뢰 수준은 계획 모듈(404)에 입력으로서 제공되며, 여기서 대상체의 예상 루트는 그의 연관된 신뢰 레벨에 기초하여 가중치(또는 강조(emphasis))를 부여받는다. 일부 실시예에서, 계획 모델(404)은 이 신뢰 수준을 계획 프로세스에 통합시키기 위해 칼만 필터 접근법을 사용한다. 신뢰도가 낮은 경우(예를 들면, 50% 미만 신뢰도), 정보가 사용되지 않을 수 있다. 그렇지만, 예상 루트 데이터가 신뢰할 수 있는 것으로 보이는 경우(예를 들면, 70% 초과의 신뢰 수준), 다음 5 내지 8초에 걸친 대상체의 예상 위치를 개선시키기 위해 대상체의 궤적 정보가 예상 루트 정보와 융합된다.
일부 실시예에서, 인지 모듈(402)은 예상 루트 정보가 얼마나 신뢰할 수 있는지를 결정한다. 예를 들어, 10초 전에 마지막으로 업데이트된 예상 루트는 1년 전에 마지막으로 업데이트된 루트보다 많은 가중치를 부여받을 수 있다. 일부 실시예에서, 데이터 소스의 평판이 또한 고려된다. 예를 들어, 안전한 사이트(secure site)로부터의 소스는 안전하지 않은 사이트(unsecure site)로부터의 소스보다 많은 가중치를 부여받을 수 있다. (예를 들면, 해킹 이벤트로 인해) 최근에 손상된 소스는 전혀 고려되지 않거나 액세스되지 않을 수 있다.
일부 실시예에서, 차량 또는 대상체와 관련된 모바일 디바이스로부터 획득된 정보는 대상체를 고유하게 식별해주기에 충분하다. 예를 들어, 자동차가 자신의 위치 및 경로를 브로드캐스팅하는 것은 예상 루트를 결정하기에 충분한 정보이다. 다른 실시예에서, 분류 모듈은 자동차가 AV(100)의 좌측에 있다고 결정할 수 있지만(예를 들어, LiDAR는 대상체를 자동차로 식별하는 데 사용될 수 있음), 자동차에 관해 달리 알려진 것이 거의 없다. 그러한 실시예에서, AV(100)는 회사 로고 또는 다른 차량 ID(vehicle identification)가 존재하는지를 결정하기 위해 차량을 더 면밀히 살펴보도록 온보드 센서에 지시할 수 있다. 예를 들어, 회사 로고, 차량 ID(identification), 색상, 승객의 검출, 차량의 소리, 열린/닫힌 문, 깜박이(blinker) 켜짐 등에 대한 지식은 자동차의 상태를 나타내며, 모든 가능한 매치의 세트를 필터링하는 데 사용할 수 있다.
예를 들어, AV(100)의 분류 모듈은 도 6에서의 차량 "B"가 트럭이라고 결정할 수 있다. AV(100)는 그러면 임의의 식별 정보(또는 부가 정보)가 획득 가능한지 알아보기 위해 제2 분류를 수행하도록 분류 모듈에 지시할 수 있다. 제2 분류는 트럭이 갈색이고 측면에 글자 "UPS"를 갖는다는 것을 보여줄 수 있다. 이것이 UPS 배달 트럭일 가능성이 있다고 결정하기 위해 이 정보가 사용될 수 있다. 게다가, 대상체에 대한 부가 정보가 수신될 때, 나중에 사용하기 위해 이 정보를 저장하는(예를 들면, 데이터베이스에 저장하는) 것이 유용할 수 있다. 일부 실시예에서, 이 정보는 개선된 대상체 분류를 위해 시스템 파이프라인 내의 머신 러닝 모듈에 전송될 수 있다. 이 부가 정보는 유사한 시그너처 또는 특징을 가진 대상체를 트레이닝시키는 데 사용될 수 있다.
차량 "B"가 UPS 트럭이라는 것을 알게 될 때, AV(100)는 이어서 그 영역에 있는 UPS 트럭에 대한 스케줄링된 배달 루트를 결정하기 위해 UPS 서버에 질의할 수 있다. 이것으로부터 위에서 기술된 바와 같은 둘 이상의 가능한 매치가 결과될 수 있다. 그러나, UPS 트럭의 현재 궤적과 같은 부가 정보를 사용하여, 이러한 선택(choice)이 하나의 고유한 루트로 다운 필터링(filter down)될 수 있다. 이것은 차량 "B"의 예상 루트가 된다.
차량 "B"의 예상 루트가 차량 "B"가 교차로(640)를 통해 직진할 것임을 나타내는 경우, AV(100)는 차량 "B"가 AV(100)의 진행 차선으로 이동하거나 또는 우회전 전용 차선에 있음에도 불구하고 교차로(640)를 통해 직진하는 불법 기동을 수행할 수 있다고 경고받을 수 있다. 경계 상태에 있는 것에 의해, AV(100)는 차량 "B"로부터 안전 거리를 유지하도록 권고받는다. 예를 들어, 경계 상태에 있는 것에 응답하여 제어 모듈(406)은 차량을 감속시킬 수 있다(예를 들어, 스로틀(420b)을 줄이고 그리고/또는 브레이크(420c)를 적용함).
일부 실시예에서, 인지 모듈(402)은 궤적 정보를 예상 루트 정보와 융합하는 것에 기초하여 차량 또는 대상체의 업데이트된 궤적의 불확실성을 결정한다. 예를 들어, 차량이 빠르게 움직이는 것처럼 보이지만 예상 루트가 다가오는 회전을 나타내는 경우, 차량의 궤적이 정확하지 않을 수 있음을 나타내기 위해 더 높은 불확실성 점수가 할당될 수 있다. 다른 한편으로, 차량이 우측 진행 차선에서 속도를 늦추고 있고 루트가 우회전이 다가오고 있음을 나타내는 경우, 더 높은 신뢰도(더 낮은 불확실성) 점수가 업데이트된 궤적에 할당되어 궤적이 정확함을 나타낼 수 있다. 그러한 정보는 계획 모듈(404)에 의해 정의된 바와 같은 AV(100)가 취하는 경로에 영향을 주기 위해 사용될 수 있다.
대부분의 실시예에서, 인지 모듈(402)은 AV(100)의 루트 및/또는 순간 차선 위치를 업데이트하기 위해 대상체의 업데이트된 궤적을 계획 모듈(404)에 전송한다. 때때로, 업데이트된 궤적 계산은 클라우드에서 또는 원격 서버 상에서 수행되고 프로세싱을 위해 AV(100)에 탑재된 제어기에 전송된다.
도 6을 또다시 참조하면, AV(100)가 교차로(640)에 접근함에 따라, 자전거(644)가 범위(602)에 진입한다. 분류 모듈은 자전거(644)가 "우버 잇츠(Uber Eats)"와 연관되어 있다고 결정할 수 있다. "우버 잇츠" 서버에 질의함으로써, 인지 모듈(402)은 자전거(644)가 교차로(640)를 통해 직진할 것이라고 결정한다. 이러한 방식으로, AV(100)는 자전거가 AV(100)의 경로와 교차할 가능성이 있다고 경고받는다. 제어 모듈(406)은 속도를 늦추도록 그리고/또는 자전거(644)에 양보하도록 AV(100)를 제어한다.
유사하게, 차량 "C"가 범위(602) 내에 있게 됨에 따라, AV(100)는, 분류 파이프라인을 통해, 차량 "C"가 사이렌이 활성화된 소방차라는 것을 알게 된다. 예를 들어, 사이렌이 차량 "C"와 연관되어 있는지를 결정하기 위해 온보드 마이크로폰이 사용될 수 있다. AV(100)의 트랜시버는 인근의 활성 화재 경보에 대한 온라인 데이터를 질의하고 소방차가 교차로(640)에서 좌회전할 가능성이 있다고 결정한다. 이 경우에, AV(100)의 제어 모듈(406)은 교통 신호에 관계없이 속도를 늦추고 차량 "C"에 양보하도록 AV(100)를 제어한다. 게다가, AV(100)는 차량 "C"가 AV(100)의 진행 차선에 진입할 것으로 예상하고 차량 "C"에 의한 그러한 기동에 대해 경계 상태에 있는다.
도 7a 및 도 7b는 AV(100)의 프로세스(700)에 대한 결정 트리이다. 프로세스는 AV(100)의 인지 모듈(402) 또는 계획 모듈(404) 중 어느 하나로부터 대상체(예를 들면, 인근 차량)의 궤적을 결정하기 위한 요청을 수신한다(702). 분류 모듈은 대상체에 관한 데이터를 질의한다(704). 이것은 차량의 적어도 하나의 센서(예를 들면, 카메라, LiDAR, RADAR)로부터 대상체가 존재한다는 표시를 요청 및/또는 수신하는 것(706)을 포함할 수 있다. 이것은 대상체가 존재한다는 표시를 대상체의 트랜시버 또는 대상체 내의 모바일 디바이스에 요청 및/또는 그로부터 수신하는 것(708)을 또한 포함할 수 있다. 프로세스(700)는 대상체가 존재하는지를 결정한다(710). 대상체가 존재하지 않는 경우, 대상체가 존재하지 않는다는 정보가 전송된다(712).
그렇지만, 대상체가 존재하는 경우, 2개의 병렬 계산이 수행된다. 하나는 대상체의 궤적(예를 들면, 현재 위치, 속력 및 진행 방향)이 결정되고(714) 궤적의 신뢰도가 결정되는(716) 것이다. 제2 계산은 수신된 데이터가 대상체의 예상 루트를 결정하기에 충분한지를 결정하는 것(718)이다. 만약 그렇지 않다면, 대상체의 적어도 하나의 상태(예를 들면, 회사 정보, 차량 id, RADAR 시그너처, 카메라 색상, 엔진 소리)에 대한 부가 정보가 (예를 들면, 제2 분류 프로세스에 의해) 수신된다(720). 이 정보를 사용하여, 대상체의 예상 루트가 결정된다(722). 이것은 서버, 대상체의 트랜시버, 및/또는 대상체 내의 모바일 디바이스로부터 정보를 전송 및/또는 수신하는 것(724)에 의해, 적어도 부분적으로, 결정된다.
대상체의 궤적이 예상 루트와 비교된다(예를 들면, 대상체가 있어야 할 곳에 있는가? 대상체의 속력이 예상 루트를 따른 예상 속력과 일치하는가?)(726). 만약 그렇다면, 예상 루트 정보의 신뢰성(예를 들면, 데이터의 노후 정도(age), 데이터 소스의 평판)이 결정된다(728). 예상 루트 정보가 신뢰할 수 있는 경우, 예상 루트 및 대상체의 적어도 하나의 상태에 대한 부가 정보를 포함하는 대상체 정보가 자율 주행 차량의 머신 러닝 모듈에 전송된다(730). 예상 루트 정보가 신뢰할 수 있기 때문에, 예상 루트 정보가 업데이트된 궤적 결정에서 중대한 인자가 되도록 예상 루트와 연관된 강조가 증가된다(732). 다른 한편으로, 예상 루트 데이터가 일치하지 않거나 신뢰할 수 없는 경우, 프로세스는 루트 정보가 대상체의 궤적을 업데이트하는 데 사용된다는 강조를 감소시킨다(734).
대상체의 궤적은 단계(732 또는 734)에서 정의된 특정 강조를 사용하여 대상체의 예상 루트에 기초하여 업데이트된다. 업데이트된 궤적의 불확실성이 결정된다(738). 대상체의 업데이트된 궤적은 자율 주행 차량, 예를 들면, AV(100)의 계획 모듈에 전송된다(740).
도 8은 환경에서 대상체의 궤적 추정치를 개선시키기 위한 방법(800)의 플로차트이다. 이 방법은, 적어도 하나의 프로세서에 의해, 환경에서 동작하는 대상체의 존재를 나타내는 정보를 수신하는 단계(802)를 포함한다. 적어도 하나의 프로세서는 대상체의 궤적을 결정하며, 여기서 궤적은 대상체의 적어도 위치, 속력 및 진행 방향을 포함한다(804). 대상체의 예상 루트가 결정되고, 여기서 예상 루트는 사전 계획되어 있고 미래 시간에서의 대상체의 예상 미래 위치를 포함한다(806). 대상체의 궤적이 대상체의 예상 루트와 비교된다(808). 그리고 대상체의 궤적이 대상체의 예상 루트와 일치한다는 비교에 따라, 대상체의 예상 루트에 기초하여 대상체의 궤적이 업데이트된다(810).
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 범위가 되도록 의도한 것은, 본 출원에서 특정 형태로 나오는 청구항 세트의 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 용어 "더 포함하는"이 사용될 때, 이 문구에 뒤따르는 것은 부가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브-단계/서브-엔티티일 수 있다.

Claims (17)

  1. 방법으로서,
    적어도 하나의 프로세서에 의해, 환경에서 동작하는 대상체의 존재를 나타내는 정보를 수신하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 대상체의 궤적을 결정하는 단계 - 상기 궤적은 상기 대상체의 적어도 위치, 속력 및 진행 방향을 포함함 -;
    상기 적어도 하나의 프로세서에 의해, 상기 대상체의 예상 루트를 결정하는 단계 - 상기 예상 루트는 사전 계획되어 있고 미래 시간에서의 상기 대상체의 예상 미래 위치를 포함함 -;
    상기 대상체의 궤적을 상기 대상체의 예상 루트와 비교하는 단계; 및
    상기 대상체의 궤적이 상기 대상체의 예상 루트와 일치한다는 비교에 따라, 상기 대상체의 예상 루트에 기초하여 상기 대상체의 궤적을 업데이트하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서, 상기 대상체의 예상 루트를 결정하는 단계는 서버로부터 루트 정보를 수신하는 단계를 포함하는, 방법.
  3. 제1항에 있어서, 상기 예상 루트의 결정은 상기 대상체와 연관된 트랜시버 또는 모바일 디바이스로부터 수신된 루트 정보에 기초하는, 방법.
  4. 제1항에 있어서, 상기 미래 시간은 미래에서의 적어도 5초인, 방법.
  5. 제1항에 있어서, 상기 대상체의 궤적을 상기 대상체의 예상 루트와 비교하는 단계는, 상기 대상체의 위치가 상기 예상 루트를 따른 예상 위치라고 결정하는 단계를 포함하는, 방법.
  6. 제1항에 있어서, 상기 대상체의 궤적을 상기 대상체의 예상 루트와 비교하는 단계는, 상기 대상체의 속도가 상기 예상 루트를 따른 예상 속도라고 결정하는 단계를 포함하는, 방법.
  7. 제1항에 있어서, 상기 수신된 정보는 호스트 차량의 적어도 하나의 센서로부터의 것인, 방법.
  8. 제1항에 있어서, 상기 적어도 하나의 프로세서는 원격 서버의 일부인, 방법.
  9. 제1항에 있어서, 상기 수신된 정보는 상기 대상체와 연관된 트랜시버 또는 모바일 디바이스로부터의 것인, 방법.
  10. 제1항에 있어서,
    상기 수신된 정보가 상기 대상체의 예상 루트를 결정하기에 충분한지를 결정하는 단계; 및
    상기 수신된 데이터가 상기 대상체의 예상 루트를 결정하기에 충분하지 않다는 결정에 따라, 상기 대상체의 적어도 하나의 상태에 대한 부가 정보를 수신하는 단계
    를 더 포함하는, 방법.
  11. 제10항에 있어서, 상기 수신된 부가 정보는 호스트 차량의 적어도 하나의 센서로부터의 것인, 방법.
  12. 제10항에 있어서, 상기 수신된 데이터가 상기 대상체의 예상 루트를 결정하기에 충분하지 않다는 결정에 따라, 상기 수신된 부가 정보를 대상체 분류를 위해 머신 러닝 모듈에 전송하는 단계를 더 포함하는, 방법.
  13. 제1항에 있어서, 상기 대상체의 궤적이 상기 대상체의 예상 루트와 일치한다는 비교에 따라, 상기 업데이트된 궤적의 불확실성을 결정하는 단계를 더 포함하는, 방법.
  14. 제1항에 있어서, 상기 예상 루트의 신뢰성을 결정하는 단계를 더 포함하는, 방법.
  15. 제1항에 있어서, 상기 대상체의 업데이트된 궤적 정보를 전송하는 단계를 더 포함하는, 방법.
  16. 제1 디바이스의 적어도 하나의 프로세서에 의해 실행하기 위한 적어도 하나의 프로그램을 포함하는 비-일시적 컴퓨터 판독 가능 저장 매체로서, 상기 적어도 하나의 프로그램은, 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 제1 디바이스로 하여금 제1항 내지 제15항 중 어느 한 항의 방법을 수행하게 하는 명령어를 포함하는, 비-일시적 컴퓨터 판독 가능 저장 매체.
  17. 차량으로서,
    대상체의 정보를 캡처하도록 구성된 적어도 하나의 센서;
    상기 대상체의 루트 정보를 전송 및 수신하도록 구성된 적어도 하나의 트랜시버; 및
    상기 적어도 하나의 센서 및 상기 적어도 하나의 트랜시버에 통신 가능하게 결합되고 컴퓨터 실행 가능 명령어를 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고, 상기 실행은 제1항 내지 제15항 중 어느 한 항의 방법을 수행하는, 차량.
KR1020200134087A 2020-08-28 2020-10-16 루트 정보를 사용한 차량의 궤적 계획 KR102634073B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/006,763 2020-08-28
US17/006,763 US11945472B2 (en) 2020-08-28 2020-08-28 Trajectory planning of vehicles using route information

Publications (2)

Publication Number Publication Date
KR20220029267A true KR20220029267A (ko) 2022-03-08
KR102634073B1 KR102634073B1 (ko) 2024-02-05

Family

ID=73223885

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200134087A KR102634073B1 (ko) 2020-08-28 2020-10-16 루트 정보를 사용한 차량의 궤적 계획

Country Status (5)

Country Link
US (1) US11945472B2 (ko)
KR (1) KR102634073B1 (ko)
CN (1) CN114111819A (ko)
DE (1) DE102020128154A1 (ko)
GB (3) GB2609151B (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
JP7199545B2 (ja) 2018-07-20 2023-01-05 メイ モビリティー，インコーポレイテッド 自律エージェントによる行動方針選択のための多視点システムおよび方法
WO2022006418A1 (en) 2020-07-01 2022-01-06 May Mobility, Inc. Method and system for dynamically curating autonomous vehicle policies
US11853069B2 (en) * 2021-03-12 2023-12-26 Waymo Llc Continuing lane driving prediction
US11472436B1 (en) * 2021-04-02 2022-10-18 May Mobility, Inc Method and system for operating an autonomous agent with incomplete environmental information
WO2023154568A1 (en) 2022-02-14 2023-08-17 May Mobility, Inc. Method and system for conditional operation of an autonomous agent
US12027053B1 (en) 2022-12-13 2024-07-02 May Mobility, Inc. Method and system for assessing and mitigating risks encounterable by an autonomous vehicle
WO2024208617A1 (de) * 2023-04-06 2024-10-10 Volkswagen Aktiengesellschaft Verfahren und vorrichtung zur unterstützung der umfelderkennung eines fahrzeugs

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170044940A (ko) * 2015-10-16 2017-04-26 현대자동차주식회사 차량의 이동경로 예측 장치 및 방법
JP6272566B2 (ja) * 2015-07-02 2018-01-31 三菱電機株式会社 経路予測装置
US20190118810A1 (en) * 2016-11-28 2019-04-25 drive.ai Inc. Method for influencing entities at a roadway intersection
KR20190073038A (ko) * 2017-12-18 2019-06-26 현대자동차주식회사 차량의 경로 생성 시스템 및 방법
US20190212155A1 (en) * 2018-01-10 2019-07-11 International Business Machines Corporation Navigating to a moving target
JP2020042599A (ja) * 2018-09-12 2020-03-19 三菱電機株式会社 自動運転制御装置および自動運転制御方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0531486Y2 (ko) 1985-10-25 1993-08-12
US10139244B2 (en) * 2016-08-17 2018-11-27 Veoneer Us Inc. ADAS horizon and vision supplemental V2X
KR102215325B1 (ko) * 2017-02-28 2021-02-15 현대자동차주식회사 차량의 위치 추정 장치 및 방법과 이를 이용한 차량
US10671076B1 (en) 2017-03-01 2020-06-02 Zoox, Inc. Trajectory prediction of third-party objects using temporal logic and tree search
US10710592B2 (en) * 2017-04-07 2020-07-14 Tusimple, Inc. System and method for path planning of autonomous vehicles based on gradient
US10101745B1 (en) 2017-04-26 2018-10-16 The Charles Stark Draper Laboratory, Inc. Enhancing autonomous vehicle perception with off-vehicle collected data
US20180374341A1 (en) 2017-06-27 2018-12-27 GM Global Technology Operations LLC Systems and methods for predicting traffic patterns in an autonomous vehicle
KR20190035159A (ko) 2017-09-26 2019-04-03 삼성전자주식회사 차량 움직임 예측 방법 및 장치
US10627818B2 (en) 2018-03-28 2020-04-21 Zoox, Inc. Temporal prediction model for semantic intent understanding
CN112203918B (zh) * 2018-05-31 2023-11-21 北美日产公司 轨迹规划
US10745011B2 (en) 2018-05-31 2020-08-18 Nissan North America, Inc. Predicting yield behaviors
WO2020079074A2 (en) 2018-10-16 2020-04-23 Five AI Limited Autonomous vehicle planning
CN109583151B (zh) * 2019-02-20 2023-07-21 阿波罗智能技术(北京)有限公司 车辆的行驶轨迹预测方法及装置
US11126179B2 (en) * 2019-02-21 2021-09-21 Zoox, Inc. Motion prediction based on appearance
US11415992B2 (en) * 2019-12-27 2022-08-16 Woven Planet North America, Inc. Resource prioritization based on travel path relevance
CN111076739B (zh) * 2020-03-25 2020-07-03 北京三快在线科技有限公司 一种路径规划的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6272566B2 (ja) * 2015-07-02 2018-01-31 三菱電機株式会社 経路予測装置
KR20170044940A (ko) * 2015-10-16 2017-04-26 현대자동차주식회사 차량의 이동경로 예측 장치 및 방법
US20190118810A1 (en) * 2016-11-28 2019-04-25 drive.ai Inc. Method for influencing entities at a roadway intersection
KR20190073038A (ko) * 2017-12-18 2019-06-26 현대자동차주식회사 차량의 경로 생성 시스템 및 방법
US20190212155A1 (en) * 2018-01-10 2019-07-11 International Business Machines Corporation Navigating to a moving target
JP2020042599A (ja) * 2018-09-12 2020-03-19 三菱電機株式会社 自動運転制御装置および自動運転制御方法

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
GB2598409A (en) 2022-03-02
KR102634073B1 (ko) 2024-02-05
GB2609151A (en) 2023-01-25
GB2609151B (en) 2023-10-18
GB202215895D0 (en) 2022-12-14
GB202015598D0 (en) 2020-11-18
GB202312920D0 (en) 2023-10-11
US11945472B2 (en) 2024-04-02
GB2598409B (en) 2022-12-14
US20220063674A1 (en) 2022-03-03
CN114111819A (zh) 2022-03-01
DE102020128154A1 (de) 2022-03-03

Similar Documents

Publication Publication Date Title
US20200276973A1 (en) Operation of a vehicle in the event of an emergency
US11548526B2 (en) Systems and methods for implementing an autonomous vehicle response to sensor failure
KR102634073B1 (ko) 루트 정보를 사용한 차량의 궤적 계획
US20240025396A1 (en) Systems and methods for planning and updating a vehicle's trajectory
US11945440B2 (en) Data driven rule books
US11529955B2 (en) Traffic light estimation
US11738682B2 (en) Communicating vehicle information to pedestrians
KR20220027702A (ko) 조건부 움직임 예측
US12091016B2 (en) Vehicle route modification to improve vehicle location information
US20220345861A1 (en) Passenger support system
CN114866366A (zh) 用于运载工具中的系统和计算机实现的方法
KR20220107881A (ko) 표면 유도 차량 거동
CN113196356A (zh) 交通灯估计
US11987249B2 (en) Precedence determination at multi-way stops
US11926342B2 (en) Autonomous vehicle post-action explanation system
US11535112B2 (en) Managing power of electronic devices on a vehicle

Legal Events

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