KR20220110068A - 기동 생성을 사용한 차량 작동 - Google Patents

기동 생성을 사용한 차량 작동 Download PDF

Info

Publication number
KR20220110068A
KR20220110068A KR1020210185363A KR20210185363A KR20220110068A KR 20220110068 A KR20220110068 A KR 20220110068A KR 1020210185363 A KR1020210185363 A KR 1020210185363A KR 20210185363 A KR20210185363 A KR 20210185363A KR 20220110068 A KR20220110068 A KR 20220110068A
Authority
KR
South Korea
Prior art keywords
vehicle
constraints
road segment
trajectory
maneuver
Prior art date
Application number
KR1020210185363A
Other languages
English (en)
Inventor
유라이 캅잔
에밀리오 프라졸리
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 KR20220110068A publication Critical patent/KR20220110068A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/085—Taking automatic action to adjust vehicle attitude in preparation for collision, e.g. braking for nose dropping
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/08—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
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • 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
    • 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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/005—Sampling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/007—Switching between manual and automatic parameter input, and vice versa
    • B60W2050/0073—Driver overrides controller
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/30—Railway vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

차량에 대한 다수의 궤적들이 도로 세그먼트에 기초하여 생성된다. 센서 데이터는 적어도 하나의 센서로부터 수신된다. 차량은 다수의 궤적들 중 제1 궤적에 따라 도로 세그먼트를 주행하고 있다. 센서 데이터 및 제1 궤적에 기초하여 차량과 대상체 사이의 잠재적 충돌이 예측된다. 잠재적 충돌을 피하기 위한 제약 세트가 결정된다. 제약 세트는 센서 데이터에 기초하여 결정된다. 제약 세트의 각각의 제약을 제약 세트의 각각의 다른 제약에 중첩시키는 것에 의해 차량에 대한 기동이 결정된다. 기동은 다수의 궤적들과 독립적인 제2 궤적을 포함한다. 제1 궤적을 오버라이드하도록 그리고 기동을 수행하기 위해 제2 궤적에 따라 도로 세그먼트를 횡단하도록, 명령어들이 차량의 제어 회로로 송신된다.

Description

기동 생성을 사용한 차량 작동{VEHICLE OPERATION USING MANEUVER GENERATION}
관련 출원
본 출원은 2021년 1월 28일자로 출원된 미국 가출원 제63/142,882호의 이익을 주장하며, 이 미국 가출원의 전체 내용은 본 명세서에 참고로 포함된다.
발명의 분야
이 설명은 일반적으로 차량들의 작동에 관한 것이며, 구체적으로는 기동 생성을 사용한 차량 작동에 관한 것이다.
초기 위치로부터 최종 목적지까지 차량을 작동시키는 것은 종종 사용자 또는 차량의 의사 결정 시스템에 초기 위치로부터 최종 목적지까지의 도로 네트워크를 통한 루트를 선택하도록 요구한다. 루트는, 최대 운전 시간을 초과하지 않는 것과 같은, 목적들을 충족시키는 것을 수반할 수 있다. 복잡한 루트는 많은 결정들을 필요로 할 수 있어, 전통적인 자율 주행 운전 알고리즘들을 비실용적으로 만들 수 있다.
기동 생성을 사용한 차량 작동을 위한 방법들, 장치들 및 시스템들이 개시된다. 일 실시예에서, 차량의 적어도 하나의 프로세서는 차량에 의해 주행되는 도로 세그먼트에 기초하여 차량에 대한 다수의 궤적들을 생성한다. 적어도 하나의 프로세서는 차량의 적어도 하나의 센서로부터 센서 데이터를 수신한다. 차량은 다수의 궤적들 중 제1 궤적에 따라 도로 세그먼트를 주행하고 있다. 적어도 하나의 프로세서는 센서 데이터 및 제1 궤적에 기초하여 차량과 도로 세그먼트 상에서 움직이는 대상체 사이의 잠재적 충돌을 예측한다. 적어도 하나의 프로세서는 잠재적 충돌을 피하기 위해 차량에 대한 제약 세트를 결정한다. 제약 세트는 센서 데이터에 기초하여 결정된다. 적어도 하나의 프로세서는 제약 세트의 각각의 제약을 제약 세트의 각각의 다른 제약에 중첩시키는 것에 의해 차량에 대한 기동을 결정한다. 기동은 다수의 궤적들과 독립적인 제2 궤적을 포함한다. 적어도 하나의 프로세서는, 제1 궤적을 오버라이드(override)하도록 그리고 기동을 수행하기 위해 제2 궤적에 따라 도로 세그먼트를 횡단하도록, 명령어들을 차량의 제어 회로로 송신한다.
일 실시예에서, 제약 세트는 도로 세그먼트의 차선 마킹들 또는 도로 세그먼트의 운전 가능 영역 중 적어도 하나를 나타내는 환경적 제약들을 포함한다.
일 실시예에서, 제약 세트는 AV가 잠재적 충돌을 피하기 위해 준수해야만 하는 하드(hard) 논리적 제약들을 포함한다. AV는 잠재적 충돌을 피하기 위해 소프트(soft) 논리적 제약들을 위반할 수 있다.
일 실시예에서, 제약 세트는 센서 데이터를 사용하여 시간에 걸쳐, 적어도 하나의 프로세서에 의해, 파라미터화되는 스테이션 기반 제약들을 포함한다. 공간 기반 제약들은 센서 데이터를 사용하여 스테이션 및 시간에 걸쳐, 적어도 하나의 프로세서에 의해, 파라미터화된다.
일 실시예에서, 기동을 결정하는 것은, 적어도 하나의 프로세서에 의해, 기동을 제공하기 위해 스테이션 기반 제약들과 공간 기반 제약들의 합집합을 생성하는 것을 포함한다.
일 실시예에서, 제약 세트를 결정하는 것은 제1 빈도로 수행되고, 제2 궤적을 생성하도록 기동을 결정하는 것은 제1 빈도보다 높은 제2 빈도로 수행된다.
일 실시예에서, 기동을 수행하는 것은 대상체를 기준으로 특정 위치로 차량을 작동시키는 것을 포함한다.
일 실시예에서, 적어도 하나의 프로세서는 다수의 호모토피들을 결정한다. 다수의 호모토피들의 각각의 호모토피는 제약 세트의 상이한 각자의 조합을 포함한다. 기동을 결정하는 것은 다수의 호모토피들 중 적어도 일부에 기초한다.
일 실시예에서, 적어도 하나의 프로세서는 정밀도에 따라 도로 세그먼트 상에서의 차량의 모션을 예측한다. 적어도 하나의 프로세서는 차량이 예측된 모션에 기초하여 다수의 호모토피들의 서브세트에 따라 도로 세그먼트를 횡단할 수 있다고 결정한다. 기동을 결정하는 것은 다수의 호모토피들의 서브세트에 더 기초한다.
일 실시예에서, 차량이 다수의 호모토피들의 서브세트에 따라 도로 세그먼트를 횡단할 수 있다고 결정하는 것은, 적어도 하나의 프로세서에 의해, 다수의 호모토피들의 서브세트에 기초하여 결정 그래프를 생성하는 것을 포함한다. 그래프는 다수의 노드들을 포함한다. 각각의 노드는 상이한 기동에 대응한다.
일 실시예에서, 제2 궤적을 생성하도록 기동을 결정하는 것은, 적어도 하나의 프로세서에 의해, 다수의 호모토피들의 각각의 호모토피에 각자의 품질 메트릭을 할당하는 것을 포함한다. 적어도 하나의 프로세서는 각자의 품질 메트릭에 기초하여 제2 궤적을 선택한다.
일 실시예에서, 각자의 품질 메트릭은 각각의 호모토피에 따라 도로 세그먼트를 횡단하기 위한 예측된 시간, 각각의 호모토피에 따라 도로 세그먼트를 횡단하는 동안 차량의 승객의 예측된 안전, 또는 각각의 호모토피에 따라 도로 세그먼트를 횡단하는 동안 승객의 예측된 편의 중 적어도 하나에 기초하여 결정된다.
일 실시예에서, 기동을 수행하는 것은, 제어 회로에 의해, 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 전방에 차량을 위치시키는 것을 포함한다.
일 실시예에서, 기동을 수행하는 것은, 제어 회로에 의해, 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 후방에 차량을 위치시키는 것을 포함한다.
일 실시예에서, 기동을 수행하는 것은, 제어 회로에 의해, 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 사이에 차량을 위치시키는 것을 포함한다.
일 실시예에서, 제약 세트의 각각의 제약을 제약 세트의 각각의 다른 제약에 중첩시키는 것은, 적어도 하나의 프로세서에 의해, 기동을 제공하기 위해 센서 데이터의 변화들에 따라 시간과 관련하여 제약 세트의 각각의 제약을 샘플링하는 것을 포함한다.
이들 및 다른 양태들, 특징들, 및 구현들은 기능을 수행하기 위한 방법들, 장치들, 시스템들, 컴포넌트들, 프로그램 제품들, 수단들 또는 단계들로서, 그리고 다른 방식들로 표현될 수 있다.
이들 및 다른 양태들, 특징들, 및 구현들은, 청구항들을 포함하여, 이하의 설명으로부터 명백해질 것이다.
도 1은 하나 이상의 실시예에 따른, 자율 주행 능력(autonomous capability)을 갖는 자율 주행 차량(autonomous vehicle, AV)의 예를 예시하는 블록 다이어그램이다.
도 2는 하나 이상의 실시예에 따른, 예시적인 "클라우드" 컴퓨팅 환경을 예시하는 블록 다이어그램이다.
도 3은 하나 이상의 실시예에 따른, 컴퓨터 시스템을 예시하는 블록 다이어그램이다.
도 4a는 하나 이상의 실시예에 따른, AV에 대한 예시적인 아키텍처를 예시하는 블록 다이어그램이다.
도 4b는 하나 이상의 실시예에 따른, 계획 모듈의 블록 다이어그램이다.
도 5는 하나 이상의 실시예에 따른, 인지 모듈에 의해 사용될 수 있는 입력들 및 출력들의 예를 예시하는 블록 다이어그램이다.
도 6은 하나 이상의 실시예에 따른, LiDAR 시스템의 예를 예시하는 블록 다이어그램이다.
도 7은 하나 이상의 실시예에 따른, 작동 중인 LiDAR 시스템을 예시하는 블록 다이어그램이다.
도 8은 하나 이상의 실시예에 따른, LiDAR 시스템의 작동을 추가적으로 상세히 예시하는 블록 다이어그램이다.
도 9는 하나 이상의 실시예에 따른, 계획 모듈의 입력들과 출력들 사이의 관계들을 예시하는 블록 다이어그램이다.
도 10은 하나 이상의 실시예에 따른, 경로 계획에서 사용되는 방향 그래프(directed graph)를 예시한다.
도 11은 하나 이상의 실시예에 따른, 제어 모듈의 입력들과 출력들을 예시하는 블록 다이어그램이다.
도 12는 하나 이상의 실시예에 따른, 제어기의 입력들, 출력들, 및 컴포넌트들을 예시하는 블록 다이어그램이다.
도 13은 하나 이상의 실시예에 따른, 기동을 결정하기 위한 예시적인 프로세스를 예시하는 흐름 다이어그램이다.
도 14는 하나 이상의 실시예에 따른, 예시적인 결정 그래프를 예시한다.
도 15는 하나 이상의 실시예에 따른, 예시적인 기동을 예시하는 블록 다이어그램이다.
도 16은 하나 이상의 실시예에 따른, 차량의 작동을 위한 프로세스를 예시하는 흐름 다이어그램이다.
이하의 설명에서는, 설명 목적으로, 본 발명에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부 사항들이 제시된다. 그렇지만, 본 발명이 이러한 특정 세부 사항들이 없더라도 실시될 수 있음이 명백할 것이다. 다른 경우에, 잘 알려진 구조들 및 디바이스들은 본 발명을 불필요하게 모호하게 하는 것을 피하기 위하여 블록 다이어그램 형태로 도시되어 있다.
도면들에, 설명의 용이성을 위해, 디바이스들, 모듈들, 명령어 블록들 및 데이터 요소들을 나타내는 것들과 같은, 개략적인 요소들의 특정 배열들 또는 순서들이 도시되어 있다. 그렇지만, 본 기술 분야의 통상의 기술자라면, 도면들에서의 개략적인 요소들의 특정 순서 또는 배열이 프로세싱의 특정 순서 또는 시퀀스, 또는 프로세스들의 분리가 요구됨을 암시하는 것으로 의미되지 않는다는 점을 이해할 것이다. 게다가, 도면에 개략적인 요소를 포함시키는 것은, 그러한 요소가 모든 실시예들에서 필요하다는 것을 암시하는 것으로 의미되지 않거나, 또는 그러한 요소에 의해 표현되는 특징들이 일 실시예에서 포함되지 않을 수 있거나 다른 요소들과 조합되지 않을 수 있음을 암시하는 것으로 의미되지 않는다.
게다가, 도면들에서, 2 개 이상의 다른 개략적인 요소 사이의 연결, 관계 또는 연관을 예시하기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소들이 사용되는 경우에, 임의의 그러한 연결 요소들의 부재는 연결, 관계 또는 연관이 존재하지 않을 수 있음을 암시하는 것으로 의미되지 않는다. 환언하면, 요소들 사이의 일부 연결들, 관계들 또는 연관들은 본 개시를 모호하게 하지 않기 위해 도면들에 도시되어 있지 않다. 추가적으로, 예시의 용이성을 위해, 요소들 사이의 다수의 연결들, 관계들 또는 연관들을 나타내기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호들, 데이터 또는 명령어들의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면 그러한 요소가, 통신을 수행하기 위해 필요로 할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낸다는 것을 이해할 것이다.
그 예가 첨부 도면들에 예시되어 있는 실시예들이 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예들에 대한 완전한 이해를 제공하기 위해 수많은 특정 세부 사항들이 기재된다. 그렇지만, 다양한 기술된 실시예들이 이러한 특정 세부 사항들이 없더라도 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예들의 양태들을 불필요하게 모호하게 하지 않기 위해 잘 알려진 방법들, 절차들, 컴포넌트들, 회로들, 및 네트워크들은 상세히 기술되지 않았다.
각각이 서로 독립적으로 또는 다른 특징들의 임의의 조합과 함께 사용될 수 있는 여러 특징들이 이하에서 기술된다. 그렇지만, 임의의 개별 특징은 위에서 논의된 문제들 중 어떤 것도 해결할 수 없거나 또는 위에서 논의된 문제들 중 하나만을 해결할 수 있다. 위에서 논의된 문제들 중 일부가 본원에 기술된 특징들 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 비록 여러 표제들이 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지는 않는 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예들은 이하의 개요에 따라 본원에 기술된다:
1. 일반적 개관
2. 시스템 개관
3. 자율 주행 차량 아키텍처
4. 자율 주행 차량 입력들
5. 자율 주행 차량 계획
6. 자율 주행 차량 제어
7. 기동 생성을 사용한 자율 주행 차량 작동
일반적 개관
이 문서는 기동 생성을 사용하여 자율 주행 차량(AV)을 작동시키기 위한 방법들, 시스템들 및 장치들을 제시한다. AV에 대한 계획 모듈은 환경과 AV의 센서 신호 측정들(예를 들면, 속력 및 위치)에 대한 그래픽 표현을 생성한다. 그래픽 표현의 노드들은 AV의 결정 공간(예를 들면, 다른 차량들 및, 주행 가능 영역 또는 차선 마킹들과 같은, 환경적 제약들과 관련한 AV의 기동 세트)의 샘플을 나타낸다. 그래픽 표현의 에지들은 AV가 상이한 기동들을 수행하기 위해 추종할 수 있는 상이한 가능한 궤적들을 나타낸다.
기동 생성을 사용한 AV 작동의 장점들 및 이점들은 AV에 대한 궤적을 결정하는 것의 계산 복잡도의 감소를 포함한다. 많은 수의 후보 궤적들을 생성하는 것 및 후보 궤적들 각각을 평가하는 것에 의해 계획 모듈이 무차별 대입 방식으로 궤적을 결정할 필요성이 제거된다. 본원에 개시된 실시예들을 사용하여, 계획 모듈은 실현 가능한 호모토피들(예를 들면, AV가 루트를 횡단하는 동안 안전하게 준수할 수 있는 제약들의 조합들)에 대응하는 탐색 공간의 서브세트를 식별하는 것 및 해당 서브세트에 대한 후보 궤적들만을 생성하는 것에 의해 탐색 공간을 감소시킬 수 있다.
시스템 개관
도 1은 하나 이상의 실시예에 따른, 자율 주행 능력을 갖는 자율 주행 차량(100)의 예를 예시하는 블록 다이어그램이다.
본원에서 사용되는 바와 같이, "자율 주행 능력"이라는 용어는, 완전 자율 주행 차량, 고도 자율 주행 차량, 및 조건부 자율 주행 차량을 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 작동할 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 예이다.
본원에서 사용되는 바와 같이, "궤적"은 제1 시공간적 위치로부터 제2 시공간적 위치로 AV를 작동시키는 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 예들에서, 궤적은 하나 이상의 세그먼트(예를 들면, 도로 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들면, 차선 또는 교차로의 부분)으로 구성된다. 일 실시예에서, 시공간적 위치들은 현실 세계 위치들에 대응한다. 예를 들어, 시공간적 위치들은 사람을 태우거나 내려주고 또는 상품을 싣거나 내리는 픽업(pick up) 위치 또는 하차(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 컴포넌트들(예를 들면, 이미지 센서들, 생체 측정 센서들), 송신 및/또는 수신 컴포넌트들(예를 들면, 레이저 또는 무선 주파수 파 송신기들 및 수신기들), 아날로그 대 디지털 변환기들과 같은 전자 컴포넌트들, 데이터 저장 디바이스(예컨대, RAM 및/또는 비휘발성 스토리지), 소프트웨어 또는 펌웨어 컴포넌트들, 및 ASIC(application-specific integrated circuit), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트들을 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 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 건물에서의 사유 도로(driveway), 주차장의 섹션, 공터의 섹션, 시골 지역에의 비포장 경로 등)에 대응할 수 있다. 일부 차량들(예를 들면, 4륜 구동 픽업 트럭들, 스포츠 유틸리티 차량들 등)은 차량 주행에 특히 적합하지 않은 다양한 물리적 영역들을 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 마킹들을 갖는 도로는 차선 마킹들 사이에 둘 이상의 차량을 수용할 수 있어서, 하나의 차량이 차선 마킹들을 횡단하지 않으면서 다른 차량을 추월할 수 있고, 따라서 차선 마킹들 사이의 공간보다 더 좁은 차선을 갖거나 차선 마킹들 사이에 2 개의 차선을 갖는 것으로 해석될 수 있다. 차선은 차선 마킹들의 부재 시에도 해석될 수 있다. 예를 들어, 차선은 환경의 물리적 특징들, 예를 들면, 시골 지역에서의 주요 도로를 따라 있는 바위들 및 나무들에 기초하여 규정될 수 있다.
본 명세서에서 사용되는 바와 같이, "호모토피"는 AV가 특정 루트를 횡단하는 동안 준수할 수 있는 AV의 궤적에 대한 제약 세트의 서브세트를 의미한다.
"하나 이상"은 하나의 요소에 의해 수행되는 기능, 둘 이상의 요소에 의해, 예를 들어, 분산 방식으로, 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능들, 여러 요소들에 의해 수행되는 여러 기능들, 또는 이들의 임의의 조합을 포함한다.
제1, 제2 등의 용어들이, 일부 경우에, 다양한 요소들을 기술하기 위해 본원에서 사용되고 있지만, 이러한 요소들이 이러한 용어들에 의해 제한되지 않아야 한다는 것이 또한 이해될 것이다. 이러한 용어들은 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 다양한 기술된 실시예들의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉은 둘 모두 접촉이지만, 동일한 접촉은 아니다.
본원에 기술된 다양한 실시예들에 대한 설명에서 사용되는 전문용어는 단지 특정한 실시예들을 기술하기 위한 것이며, 제한하는 것으로 의도되지 않는다. 다양한 기술된 실시예들에 대한 설명 및 첨부된 청구항들에서 사용되는 바와 같이, 단수 형태들(“a,” “an” 및 “the”)은, 문맥이 달리 명확히 나타내지 않는 한, 복수 형태들도 포함하는 것으로 의도된다. "및/또는"이라는 용어가, 본원에서 사용되는 바와 같이, 연관된 열거된 항목들 중 하나 이상의 항목의 임의의 및 모든 가능한 조합들을 지칭하고 포괄한다는 것이 또한 이해될 것이다. 게다가, "포함한다" 및/또는 "포함하는"이라는 용어들은, 본 설명에서 사용될 때, 언급된 특징들, 정수들, 단계들, 동작들, 요소들, 및/또는 컴포넌트들의 존재를 명시하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 그 그룹의 존재 또는 추가를 배제하지 않는다는 것이 이해될 것이다.
본원에서 사용되는 바와 같이, "~ 경우"라는 용어는, 선택적으로, 문맥에 따라 "~할 때", 또는 "~시에" 또는 "~라고 결정하는 것에 응답하여" 또는 "~을 검출하는 것에 응답하여"를 의미하는 것으로 해석된다. 마찬가지로, 문구 "~라고 결정되는 경우" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는, 선택적으로, 문맥에 따라, "~라고 결정할 시에" 또는 "~라고 결정하는 것에 응답하여" 또는 "[언급된 조건 또는 이벤트]를 검출할 시에" 또는 "[언급된 조건 또는 이벤트]를 검출하는 것에 응답하여"를 의미하는 것으로 해석된다.
본원에서 사용되는 바와 같이, AV 시스템은 AV의 작동을 지원하는 하드웨어, 소프트웨어, 저장된 데이터 및 실시간으로 생성되는 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 포함된다. 일 실시예에서, AV 시스템은 여러 위치들에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 도 3과 관련하여 아래에서 기술되는 클라우드 컴퓨팅 환경(300)과 유사한 클라우드 컴퓨팅 환경에 구현된다.
일반적으로, 본원은 완전 자율 주행 차량, 고도 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 기술들을 개시한다(차량의 자율성의 레벨 분류에 대한 세부 사항은 그 전체가 참고로 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). 본 문서에서 설명된 기술들은 또한 부분적 자율 주행 차량 및 운전자 보조 차량, 예컨대, 소위 레벨 2 차량 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 시스템들 중 하나 이상은 센서 입력들의 프로세싱에 기초하여 특정 작동 조건들 하에서 특정 차량 작동들(예를 들면, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본 문서에서 설명된 기술들은, 완전 자율 주행 차량으로부터 인간 운전 차량에 이르는, 임의의 레벨들에 있는 차량들에 혜택을 줄 수 있다.
도 1을 참조하면, AV 시스템(120)은, 대상체들(예를 들면, 자연 장애물들(191), 차량들(193), 보행자들(192), 자전거 타는 사람들, 및 다른 장애물들)을 피하고 도로 규칙들(예를 들면, 운영 규칙들 또는 운전 선호사항들)을 준수하면서, AV(100)를 궤적(198)을 따라 환경(190)을 통해 목적지(199)(때때로 최종 위치라고 지칭됨)로 작동시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서들(146)로부터 작동 커맨드들을 수신하고 이에 따라 작동하도록 설비된 디바이스들(101)을 포함한다. 일 실시예에서, 컴퓨팅 프로세서들(146)은 도 3을 참조하여 아래에서 기술되는 프로세서(304)와 유사하다. 디바이스들(101)의 예들은 조향 컨트롤(102), 브레이크(103), 기어, 액셀러레이터 페달 또는 다른 가속 제어 메커니즘, 윈드실드 와이퍼, 사이드 도어 록, 윈도 컨트롤, 및 방향 지시등을 포함한다.
일 실시예에서, AV 시스템(120)은, AV의 위치, 선속도 및 선가속도, 각속도 및 각가속도, 및 헤딩(예를 들면, AV(100)의 선단의 배향)과 같은, AV(100)의 상태 또는 조건의 속성들을 측정 또는 추론하기 위한 센서들(121)을 포함한다. 센서들(121)의 예들은 GNSS, 차량 선가속도 및 각도 변화율(angular rate) 둘 모두를 측정하는 관성 측정 유닛들(IMU), 휠 슬립률(wheel slip ratio)을 측정 또는 추정하기 위한 휠 센서들, 휠 브레이크 압력 또는 제동 토크 센서들, 엔진 토크 또는 휠 토크 센서들, 그리고 조향각 및 각도 변화율 센서들이다.
일 실시예에서, 센서들(121)은 AV의 환경의 속성들을 감지 또는 측정하기 위한 센서들을 또한 포함한다. 예를 들어, 가시 광, 적외선 또는 열(또는 둘 모두) 스펙트럼의 단안 또는 스테레오 비디오 카메라들(122), LiDAR(123), RADAR, 초음파 센서들, 비행 시간(time-of-flight, TOF) 깊이 센서들, 속력 센서들, 온도 센서들, 습도 센서들, 및 강수 센서들.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서들(146)과 연관된 머신 명령어들 또는 센서들(121)에 의해 수집되는 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 맵들, 운전 수행, 교통 혼잡 업데이트들 또는 기상 조건들을 포함한다. 일 실시예에서, 환경(190)에 관련된 데이터는 원격에 위치하는 데이터베이스(134)로부터 통신 채널을 통해 AV(100)로 송신된다.
일 실시예에서, AV 시스템(120)은 다른 차량의 상태들 및 조건들, 예컨대, 위치, 선속도와 각속도, 선가속도와 각가속도, 및 AV(100)를 향한 선형 헤딩(linear heading)과 각도 헤딩(angular heading)의 측정된 또는 추론된 속성들을 통신하기 위한 통신 디바이스들(140)을 포함한다. 이러한 디바이스들은 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스들 및 포인트 투 포인트(point-to-point) 또는 애드혹(ad hoc) 네트워크들 또는 둘 모두를 통한 무선 통신을 위한 디바이스들을 포함한다. 일 실시예에서, 통신 디바이스들(140)은 (무선 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 유형의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, 자율 주행 차량들과의 통신 및 자율 주행 차량들 사이의 통신을 위한 하나 이상의 통신 표준을 준수한다.
일 실시예에서, 통신 디바이스들(140)은 통신 인터페이스들을 포함한다. 예를 들어, 유선, 무선, WiMAX, Wi-Fi, 블루투스, 위성, 셀룰러, 광학, 근거리(near field), 적외선, 또는 무선(radio) 인터페이스들. 통신 인터페이스들은 원격에 위치하는 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치하는 데이터베이스(134)는 도 2에 기술된 바와 같은 클라우드 컴퓨팅 환경(200)에 내장된다. 통신 인터페이스들(140)은 센서들(121)로부터 수집되는 데이터 또는 AV(100)의 작동에 관련된 다른 데이터를 원격에 위치하는 데이터베이스(134)로 송신한다. 일 실시예에서, 통신 인터페이스들(140)은 원격 작동(teleoperation)에 관련되는 정보를 AV(100)로 송신한다. 일 실시예에서, AV(100)는 다른 원격(예를 들면, "클라우드") 서버들(136)과 통신한다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 또한 디지털 데이터를 저장 및 송신한다(예를 들면, 도로 및 거리 위치들과 같은 데이터를 저장함). 그러한 데이터는 AV(100) 상의 메모리(144)에 저장되거나, 원격에 위치하는 데이터베이스(134)로부터 통신 채널을 통해 AV(100)로 송신된다.
일 실시예에서, 원격에 위치하는 데이터베이스(134)는 유사한 하루 중 시간(time of day)에 궤적(198)을 따라 이전에 주행했던 차량들의 운전 속성들(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, 또는 원격에 위치하는 데이터베이스(134)로부터 통신 채널을 통해 AV(100)로 송신될 수 있다.
AV(100) 상에 위치하는 컴퓨팅 디바이스들(146)은 실시간 센서 데이터 및 사전 정보(prior information) 둘 모두에 기초하여 제어 행동들을 알고리즘적으로 생성하여, AV 시스템(120)이 그의 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 경고들을 제공하고 그로부터 입력을 수신하기 위한, 컴퓨팅 디바이스들(146)에 결합된 컴퓨터 주변기기들(132)을 포함한다. 일 실시예에서, 주변기기들(132)은 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 하나 이상의 실시예에 따른, 예시적인 "클라우드" 컴퓨팅 환경을 예시하는 블록 다이어그램이다. 클라우드 컴퓨팅은 구성 가능한 컴퓨팅 리소스들(예를 들면, 네트워크들, 네트워크 대역폭, 서버들, 프로세싱, 메모리, 스토리지, 애플리케이션들, 가상 머신들, 및 서비스들)의 공유 풀에 대한 편리한 온 디맨드 네트워크 액세스를 가능하게 하기 위한 서비스 전달(service delivery)의 일 모델이다. 전형적인 클라우드 컴퓨팅 시스템들에서는, 하나 이상의 대규모 클라우드 데이터 센터가 클라우드에 의해 제공되는 서비스들을 전달하는 데 사용되는 머신들을 수용한다. 이제 도 2를 참조하면, 클라우드 컴퓨팅 환경(200)은 클라우드(202)를 통해 상호연결되는 클라우드 데이터 센터들(204a, 204b 및 204c)을 포함한다. 데이터 센터들(204a, 204b 및 204c)은 클라우드 컴퓨팅 서비스들을 클라우드(202)에 연결된 컴퓨터 시스템들(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 서버들의 물리적 배열을 지칭한다. 예를 들어, 서버들은 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. 어떤 구현예에서, 구역, 룸, 랙, 및/또는 로우 내의 서버들은, 전력 요구사항, 에너지 요구사항, 열적 요구사항, 가열 요구사항, 및/또는 다른 요구사항들을 포함하는, 데이터 센터 설비의 물리적 인프라스트럭처 요구사항들에 기초하여 그룹들로 배열된다. 일 실시예에서, 서버 노드들은 도 3에서 기술된 컴퓨터 시스템과 유사하다. 데이터 센터(204a)는 많은 랙들을 통해 분산된 많은 컴퓨팅 시스템들을 갖는다.
클라우드(202)는 클라우드 데이터 센터들(204a, 204b, 및 204c)을 상호연결시키고 클라우드 컴퓨팅 서비스들에 대한 컴퓨팅 시스템들(206a 내지 206f)의 액세스를 용이하게 하는 것을 돕는 네트워크 및 네트워킹 리소스들(예를 들어, 네트워킹 장비, 노드들, 라우터들, 스위치들, 및 네트워킹 케이블들)과 함께 클라우드 데이터 센터들(204a, 204b 및 204c)을 포함한다. 일 실시예에서, 네트워크는 지상 또는 위성 연결들을 사용하여 배포된 유선 또는 무선 링크들을 사용하여 결합되는 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 통해 교환되는 데이터는, IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode), 및 프레임 릴레이 등과 같은, 임의의 수의 네트워크 계층 프로토콜들을 사용하여 전송된다. 게다가, 네트워크가 다수의 서브 네트워크들의 조합을 나타내는 실시예들에서, 기저 서브 네트워크들(underlying sub-networks) 각각에서 상이한 네트워크 계층 프로토콜들이 사용된다. 일 실시예에서, 네트워크는, 공중 인터넷과 같은, 하나 이상의 상호연결된 인터네트워크를 나타낸다.
컴퓨팅 시스템들(206a 내지 206f) 또는 클라우드 컴퓨팅 서비스 소비자들은 네트워크 링크들 및 네트워크 어댑터들을 통해 클라우드(202)에 연결된다. 일 실시예에서, 컴퓨팅 시스템들(206a 내지 206f)은 다양한 컴퓨팅 디바이스들, 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 시스템들(206a 내지 206f)은 다른 시스템들 내에 또는 그 일부로서 구현된다.
컴퓨터 시스템
도 3은 하나 이상의 실시예에 따른, 컴퓨터 시스템(300)을 예시하는 블록 다이어그램이다. 일 구현예에서, 컴퓨터 시스템(300)은 특수 목적 컴퓨팅 디바이스이다. 특수 목적 컴퓨팅 디바이스는 기술들을 수행하도록 고정 배선(hard-wired)되거나, 또는 기술들을 수행하도록 영속적으로 프로그래밍되어 있는 하나 이상의 ASIC(application-specific integrated circuit) 또는 FPGA(field programmable gate array)와 같은 디지털 전자 디바이스들을 포함하거나, 또는 펌웨어, 메모리, 다른 스토리지 또는 그 조합 내의 프로그램 명령어들에 따라 기술들을 수행하도록 프로그래밍되어 있는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 그러한 특수 목적 컴퓨팅 디바이스들은 또한 커스텀 고정 배선 로직, ASIC들, 또는 FPGA들을 커스텀 프로그래밍과 조합하여 기술들을 달성할 수 있다. 다양한 실시예들에서, 특수 목적 컴퓨팅 디바이스들은 기술들을 구현하기 위한 고정 배선 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템들, 휴대용 컴퓨터 시스템들, 핸드헬드 디바이스들, 네트워크 디바이스들, 또는 임의의 다른 디바이스이다.
일 실시예에서, 컴퓨터 시스템(300)은 정보를 통신하기 위한 버스(302) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 위한, 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 명령어들 및 정보를 저장하기 위한, 버스(302)에 결합된 메인 메모리(306), 예컨대, RAM(random access memory) 또는 다른 동적 저장 디바이스를 또한 포함한다. 일 구현예에서, 메인 메모리(306)는 프로세서(304)에 의해 실행될 명령어들의 실행 동안 임시 변수들 또는 다른 중간 정보를 저장하는 데 사용된다. 그러한 명령어들은, 프로세서(304)에 의해 액세스 가능한 비일시적 저장 매체에 저장되어 있을 때, 컴퓨터 시스템(300)을 명령어들에 명시된 동작들을 수행하도록 커스터마이징되는 특수 목적 머신으로 만든다.
일 실시예에서, 컴퓨터 시스템(300)은, 프로세서(304)에 대한 명령어들 및 정적 정보를 저장하기 위한, 버스(302)에 결합된 ROM(read only memory)(308) 또는 다른 정적 저장 디바이스를 더 포함한다. 정보 및 명령어들을 저장하기 위한, 자기 디스크, 광학 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리와 같은, 저장 디바이스(310)가 제공되고 버스(302)에 결합된다.
일 실시예에서, 컴퓨터 시스템(300)은 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 버스(302)를 통해 결합된다. 정보 및 커맨드 선택들을 프로세서(304)로 전달하기 위한 문자 숫자식 키 및 다른 키를 포함하는 입력 디바이스(314)가 버스(302)에 결합된다. 다른 유형의 사용자 입력 디바이스는 방향 정보 및 커맨드 선택들을 프로세서(304)에 전달하고 디스플레이(312) 상에서의 커서 움직임을 제어하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키들과 같은, 커서 컨트롤러(316)이다. 이러한 입력 디바이스는 전형적으로, 디바이스가 평면에서의 위치들을 명시할 수 있게 하는 2 개의 축, 즉 제1 축(예를 들면, x 축) 및 제2 축(예를 들면, y 축)에서의 2 자유도를 갖는다.
일 실시예에 따르면, 본원에서의 기술들은 프로세서(304)가 메인 메모리(306)에 포함된 하나 이상의 명령어의 하나 이상의 시퀀스를 실행하는 것에 대한 응답으로 컴퓨터 시스템(300)에 의해 수행된다. 그러한 명령어들은, 저장 디바이스(310)와 같은, 다른 저장 매체로부터 메인 메모리(306) 내로 판독된다. 메인 메모리(306)에 포함된 명령어 시퀀스들의 실행은 프로세서(304)로 하여금 본원에 기술된 프로세스 단계들을 수행하게 한다. 대안적인 실시예들에서, 소프트웨어 명령어들 대신에 또는 소프트웨어 명령어들과 조합하여 고정 배선 회로가 사용된다.
"저장 매체"라는 용어는, 본원에서 사용되는 바와 같이, 머신으로 하여금 특정 방식으로 작동하게 하는 명령어들 및/또는 데이터를 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. 통상적인 형태의 저장 매체는, 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 패턴들을 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 와이어들을 포함하여, 동축 케이블, 구리선 및 광섬유를 포함한다. 송신 매체는 또한, 전파(radio-wave) 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)로 반송하는 데 다양한 형태의 매체가 관여된다. 예를 들어, 명령어들은 초기에 원격 컴퓨터의 자기 디스크 또는 솔리드 스테이트 드라이브에 보유된다. 원격 컴퓨터는 자신의 동적 메모리에 명령어들을 로딩하고 모뎀을 사용하여 전화선을 통해 명령어들을 전송한다. 컴퓨터 시스템(300)에 로컬인 모뎀은 전화선을 통해 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 명령어들을 검색하여 실행한다. 메인 메모리(306)에 의해 수신되는 명령어들은 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 연결되는 네트워크 링크(320)에 대한 양방향 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 대한 데이터 통신 연결을 제공하는 모뎀이다. 다른 예로서, 통신 인터페이스(318)는 호환 가능한 LAN(local area network)에 대한 데이터 통신 연결을 제공하기 위한 LAN 카드이다. 일부 구현예들에서, 무선 링크들이 또한 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 디바이스들로의 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(320)는 로컬 네트워크(322)를 통해 호스트 컴퓨터(324)에 대한 연결 또는 ISP(Internet Service Provider)(326)에 의해 운영되는 클라우드 데이터 센터 또는 장비에 대한 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 서비스들을 제공한다. 로컬 네트워크(322) 및 인터넷(328)는 둘 모두 디지털 데이터 스트림들을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 사용한다. 컴퓨터 시스템(300)으로 그리고 컴퓨터 시스템(300)으로부터 디지털 데이터를 반송하는, 다양한 네트워크들을 통한 신호들 및 통신 인터페이스(318)를 통한 네트워크 링크(320) 상의 신호들은 송신 매체의 예시적인 형태들이다. 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 메시지들을 전송하고, 프로그램 코드를 포함한, 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(300)은 프로세싱하기 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(304)에 의해 실행되고/되거나 추후 실행을 위해 저장 디바이스(310) 또는 다른 비휘발성 스토리지에 저장된다.
자율 주행 차량 아키텍처
도 4a는 하나 이상의 실시예에 따른, 자율 주행 차량(예를 들면, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(400)를 예시하는 블록 다이어그램이다. 아키텍처(400)는 인지 모듈(402)(때때로 인지 회로라고 지칭됨), 계획 모듈(404)(때때로 계획 회로라고 지칭됨), 제어 모듈(406)(때때로 제어 회로라고 지칭됨), 로컬화 모듈(408)(때때로 로컬화 회로라고 지칭됨), 및 데이터베이스 모듈(410)(때때로 데이터베이스 회로라고 지칭됨)을 포함한다. 각각의 모듈은 AV(100)의 작동에서 소정의 역할을 한다. 다함께, 모듈들(402, 404, 406, 408 및 410)은 도 1에 도시된 AV 시스템(120)의 일부일 수 있다. 일 실시예에서, 모듈들(402, 404, 406, 408, 및 410) 중 임의의 것은 컴퓨터 소프트웨어(예를 들면, 컴퓨터 판독 가능 매체에 저장된 실행 가능 코드) 및 컴퓨터 하드웨어(예를 들면, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, ASIC(application-specific integrated circuit), 하드웨어 메모리 디바이스, 다른 유형의 집적 회로, 다른 유형의 컴퓨터 하드웨어, 또는 이러한 것들 중 임의의 것 또는 전부의 조합)의 조합이다.
사용 중에, 계획 모듈(404)은 목적지(412)를 나타내는 데이터를 수신하고 목적지(412)에 도달(예를 들면, 도착)하기 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 1에 또한 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체들을 식별한다. 대상체들은 분류되고(예를 들면, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 유형들로 그룹화되고), 분류된 대상체들(416)을 포함하는 장면 묘사가 계획 모듈(404)에 제공된다.
계획 모듈(404)은 또한 AV 위치(418)를 나타내는 데이터를 로컬화 모듈(408)로부터 수신한다. 로컬화 모듈(408)은 위치를 계산하기 위해 센서들(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) 유닛으로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 모듈(408)에 의해 사용되는 데이터는 도로 기하학적 속성들의 고정밀 맵, 도로망 연결 속성들을 기술하는 맵, 도로 물리적 속성들(예컨대, 교통 속력, 교통량, 차량 교통 차선과 자전거 타는 사람 교통 차선의 수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 이들의 조합)을 기술하는 맵, 및 도로 특징부, 예컨대, 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호들의 공간적 위치들을 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)로 궤적(414)을 주행하게 할 방식으로 AV의 제어 기능들(420a 내지 420c)(예를 들면, 조향, 스로틀링, 제동, 점화)을 작동시킨다. 예를 들어, 궤적(414)이 좌회전을 포함하는 경우, 제어 모듈(406)은, 조향 기능의 조향각이 AV(100)로 하여금 좌회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 지나가는 보행자들 또는 차량들을 위해 일시정지 및 대기하게 하는 방식으로, 제어 기능들(420a 내지 420c)을 작동시킬 것이다.
도 4b는 하나 이상의 실시예에 따른, 계획 모듈(404)의 블록 다이어그램이다. 계획 모듈(404)은 루트 플래너(451), 논리적 제약들(452), 호모토피 추출기(453), 샘플 기반 기동 실현기(454), 궤적 점수 생성기(455), 추적 제어기(456) 및 AV(457)를 포함한다.
일 실시예에서, 루트 플래너(451)는: 1) 초기 상태 및 최종 상태(terminal state)를 수신하고; 2) 차선 라우터(lane router)를 사용하여 원하는 도로 블록/차선 시퀀스를 계획하며; 3) 세그먼트가 차선 변경을 포함하지 않도록, 차선 변경에 기초하여 루트를 세그먼트들로 분할하고; 4) 도로 블록들에 투영되는 (동적 월드 모델(dynamic world model)(458)로부터의) AV의 상태에 기초하여 AV가 위치하는 세그먼트들을 선택하며; 5) (차선 변경이 요망되는 경우에 베이스라인 경로(baseline path) "요망됨"으로서 마킹될 수 있는) 선택된 세그먼트들에 대한 베이스라인 경로들을 추출하고; 6) 최대/최소 길이에 기초하여 베이스라인 경로들을 트리밍한다. 차선 변경이 필요하지 않은 경우에, 인접한 베이스라인 경로가 추출되고 "소프트 논리적 제약"으로서 라벨링되며, 소프트 논리적 제약이란 AV가 충돌 회피를 위해 필요한 경우 차선을 사용할 수 있음을 의미한다. 소프트 논리적 제약들은 도 13을 참조하여 보다 상세히 예시되고 기술되어 있다.
일 실시예에서, 루트 플래너(451)는 AV의 작동 환경, 센서 데이터(예를 들면, 속력, 위치)에 기초한 AV의 물리적 상태, 및 가능한 결과들의 그래픽 표현을 생성한다. 일 실시예에서, 그래픽 표현은 다수의 노드들을 포함하는 방향 그래프 또는 결정 그래프(아래에서 기술됨)이고 여기서 각각의 노드는, 예를 들어, 다른 차량들 및 대상체들 및 환경적 제약들(예를 들면, 운전 가능 영역, 차선 마킹들(1524))에 관련된 복수의 기동들과 같은, 특정 운전 시나리오에 대한 AV의 결정 공간의 샘플을 나타낸다. 차선 마킹들(1524)은 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다. 방향 그래프의 에지들은 특정 운전 시나리오에 대해 AV(100)에 이용 가능한 상이한 궤적들을 나타낸다(도 15 참조).
일 실시예에서, 논리적 제약들(452)은 "하드" 제약들 및 "소프트" 제약들을 포함한다. 하드 제약들은 위반되어서는 안 되는 논리적 제약들인데, 그 이유는, 위반되는 경우, AV가, 도로를 가로질러 "무단 횡단"하고 있을 수 있는 보행자와 같은, 다른 대상체와 충돌할 것이기 때문이다. 하드 제약들이 "충돌하지 않음"을 의미하지 않는다는 점에 유의한다. 오히려, 하드 제약은, 예를 들어, 충돌로 이어질 수 있는 공간 제약과 속력 제약의 조합일 수 있다. 예를 들어, 하드 제약은 "AV가 A 차선에서 30 mph로 진행하거나 B 차선에서 2 mph/s로 가속하는 경우, AV는 보행자와 충돌할 것이다"와 같이 말로 표현될 수 있다. 따라서, 공식적으로 표현되는 하드 제약은 "A 차선에서 30 mph로 진행하지 않을 것" 및 "A 차선에서 25 mph를 초과하지 않을 것"이다.
소프트 제약들은 AV가 따라야 하는 제약들이지만, 예를 들어, 목적지까지의 여정을 완료하기 위해 또는 충돌을 피하기 위해 위반될 수 있는 제약들이다. "소프트" 제약들의 일부 예들은 보행자와 AV 승객에게 편의를 제공하기 위해 길을 건너가고 있는(무단 횡단하고 있는) 보행자로부터의 횡방향 이격거리의 최소 임계치 및 승객 편의 제약들을 포함하지만, 이에 제한되지 않는다. 일 실시예에서, 소프트 제약들은 하나 이상의 규칙서(들)에 구체화된다. 소프트 제약들은 시간 경과에 따라 변하는 공간적 제약들을 포함할 수 있다. 공간적 제약은 운전 가능 영역일 수 있다.
일 실시예에서, 호모토피 추출기(453)는 AV에 대한 잠재적 기동 세트를 생성한다. 목표들을 가정하고 이어서 최상의 성능을 내는 목표를 선택하는 대신, 호모토피 추출기(453)는, "호모토피"(아래에서 정의됨)라고 지칭되는, 활성 제약 세트들을 가정하고 이어서 보다 낮은 비용을 결과하는 제약 세트들을 선택한다. 루트 플래너(451)로부터, 호모토피 추출기(453)는, "앵커 경로(anchor path)"라고도 지칭되는, 베이스라인 경로를 포함하는 루트 계획을 수신한다. "앵커 경로"는 AV가 위치하는 차선의 최상의 추정치이며, 차선 변경을 수행할 때 AV에 의해 사용될 수 있는 소프트 논리적 제약(예를 들면, 잠재적으로 원하는 경로)이다. 일 실시예에서, 루트 플래너(451)는 또한 앵커 경로를 따라 계산되는(예를 들면, 경계 생성기(bound generator)로 계산되는) 속력 제곱 및 공간적 제약들을 포함한다.
AV의 초기 상태, AV의 최종 상태, 맵 표현 및 장면 내의 다른 에이전트들의 예측들이 주어지면, 호모토피 추출기(453)는 AV가 수행할 수 있는 모든 "대략적으로" 실현 가능한 기동들을 찾는다. 이러한 맥락에서 결과적인 기동들이 동적으로 실현 가능하지 않을 수 있지만 호모토피 추출기(453)가 (AV 풋프린트도 고려하여) 기동을 기술하는 결과적인 제약 세트가 비어 있는 세트가 아님을 보장한다는 점에 유의한다. AV 기동은 호모토피에 의해 기술된다. 위에서 기술된 바와 같이, 호모토피는 AV가 특정 루트를 횡단하는 동안 준수할 수 있는 AV의 궤적에 대한 제약 세트의 서브세트이다. 다수의 호모토피들이 있을 때, 제약들의 서브세트를 포함하는 다수의 호모토피들의 서브세트가 선택될 수 있다. 일부 구현예들에서, 호모토피는 시작 위치(AV 상태)에서 시작하여 최종 상태에서 끝나는 임의의 경로가 지속적으로 변형될 수 있는 고유한 공간일 수 있다. 이러한 기동들을 찾기 위해, 호모토피 추출기(453)는 AV가 다른 에이전트들에 대해 취할 수 있는 모든 가능한 결정들, 예를 들면, 좌측/우측에서 지나가는 것, 앞에서 또는 뒤에서 지나가는 것, 또는 그냥 뒤에 있는 것에 대해 반복한다. 요컨대, 호모토피 추출기(453)의 출력은 에이전트에 대한 AV의 시공간적 위치를 기술한다. 이것은 계산 비용이 많이 드는 탐색일 수 있지만, 일단의 간단한 검사들로 인해 모든 실현 불가능한 조합들이 제거될 수 있다. 호모토피 추출기(452)는, 그 전체가 참고로 본원에 포함되는, 2021년 12월 7일자로 출원된, 발명의 명칭이 “Homotopic-Based Planner for Autonomous Vehicles”인 동시 계류 중인 출원(대리인 사건 번호 46154-0261001)에 더욱 상세히 기술되어 있다.
다른 에이전트들이 어디에 위치하는지 및 AV와 이러한 에이전트들의 충돌이 무엇을 의미하는지를 나타내는 제약들을 기술할 수 있기 위해, 모든 에이전트가 스테이션 기반 및 공간 기반 장애물로 변환된다. 스테이션 기반 제약은 시간에 걸쳐 파라미터화되는 반면, 공간 기반 제약은 스테이션과 시간 둘 모두에 걸쳐 파라미터화된다. 호모토피 추출기(503)에 관한 추가 세부 사항은 도 13 내지 도 16을 참조하여 기술된다.
일 실시예에서, 실현 탐색들(454a 내지 454n)은 모든 추출된 호모토피들에 대한 궤적 1 내지 궤적 N의 세트를 생성하기 위해 샘플 기반 기동 실현기(454)에 의해 수행된다. 샘플 기반 기동 실현기(454)는, 그 전체가 참고로 본원에 포함되는, 2021년 12월 7일자로 출원된, 발명의 명칭이 “Sampling-Based Maneuver Realizer”인 동시 계류 중인 출원(대리인 사건 번호 46154-0310001)에 더욱 상세히 기술되어 있다.
일 실시예에서, 궤적 점수 생성기(455)는 궤적 1 내지 궤적 N을 점수화하기 위해 하나 이상의 규칙서, 하나 이상의 머신 러닝 모델(459) 및/또는 하나 이상의 안전 기동 모델(460)을 사용하고, 하나 이상의 규칙서에 있는 규칙들을 가장 잘 준수하는 궤적을 선택하기 위해 점수들을 사용한다. 일 실시예에서, 미리 정의된 비용 함수가 궤적 점수들을 생성하는 데 사용된다.
비용 함수를 사용하는 실시예들에서, 전체 순서(total order) 또는 부분 순서(partial order) 계층적 비용 함수가 궤적들을 점수화하는 데 사용될 수 있다. 비용 함수는 우선순위 또는 상대적 중요도에 기초한 하나 이상의 규칙서 내의 규칙들의 계층구조의 위반 및/또는 충족과 연관된 메트릭들(예를 들면, 불리언(Boolean) 값들)에 적용된다. 우선순위에 기초한 규칙들의 예시적인 계층구조는 (위에서 아래로) 다음과 같다: 충돌 회피(불리언), 차단(불리언), 원하는 차선에서의 최종 상태(불리언), 차선 변경(불리언) 및 편의(배정도 부동 소수점(double float)). 이 예에서, 모든 0이 아닌 우선순위 규칙은 고 우선순위 비용들의 과잉 최적화(over-optimization)를 피하기 위해 불리언으로서 정의된다. 가장 중요한 또는 최고 우선순위 규칙은 충돌을 회피하는 것이고, 뒤이어서 차단을 회피하는 것, 뒤이어서 원하는 차선에서의 최종 상태를 회피하는 것, 뒤이어서 차선 변경, 뒤이어서 편의 규칙들(예를 들면, 최대 가속 또는 감속)이 있다. 이러한 예시적인 규칙들은 다음과 같이 보다 충분히 기술된다:
1. 충돌: AV 차량의 풋프린트가 임의의 다른 에이전트/대상체의 풋프린트와 충돌하는 상태가 점수화된 궤적을 따라 존재하는 경우 TRUE로 설정된다(예를 들면, 그것들의 다각형들이 교차하는 경우 그것들이 충돌하는 것으로 간주된다).
2. 차단: 최종 호모토피(terminal homotopy)가 원하는 목표 상태를 포함하지 않고 궤적의 최종 속도(terminal velocity)가 지정된 임계치(예를 들면, 2 m/s) 미만인 경우 궤적은 차단된 것으로 간주된다.
3. 원하는 차선에서의 최종 상태: 차선 변경이 요망되는 차선에서 궤적의 최종 상태가 발견되는 경우 TRUE로 설정되고, 궤적 동안 언제든지 AV의 풋프린트가 차선 분리대를 넘어가는 경우 TRUE로 설정된다.
4. 편의: 가속/감속, 제동 거리, 횡방향 이격거리에 대한 최댓값들이 고려될 수 있다.
각각의 궤적에 대해, 규칙들이 검사되고 메트릭들이 결정된다. 비용 함수는 메트릭들을 사용하여 수식화되고, 이어서, 예를 들어, 최소 제곱 수식화 또는 임의의 다른 적합한 솔버를 사용하여 최소화된다. 가장 낮은 비용을 갖는 궤적이 선택된 궤적, 즉, 가장 적은 규칙 위반들을 갖거나 가장 잘 준수하는 궤적이다. 일 실시예에서, 아래에서 더욱 상세히 기술되는 바와 같이, 최소화된 비용 함수들이 궤적들을 점수화하는 데 사용될 수 있다. 위에서 기술된 규칙들이 예들에 불과하다는 점에 유의한다. 통상의 기술자는, 보다 많은 또는 보다 적은 규칙들을 갖는 규칙서들을 포함하여, 임의의 적합한 비용 함수 및 규칙서가 궤적 점수화에 사용될 수 있음을 인식할 것이다.
머신 러닝 실시예들의 경우, 궤적 점수 생성기(455)는 궤적들을 점수화하기 위해 하나 이상의 머신 러닝 모델(509) 및/또는 안전 기동 모델(510)을 구현할 수 있다. 예를 들어, 신경 네트워크가 궤적의 점수를 예측하는 데 사용될 수 있다.
추적 제어기(456)는 계산 수요의 예상치 못한 스파이크들에 대해 계획 모듈(404)의 강건성을 개선시키는 데 사용된다. 추적 제어기(456)는, 안정적이고 원할한 제어 입력들을 제공하고 계획 모듈(404)이 교란들에 대해 보다 빠르게 반응할 수 있게 하는, 고속 실행 추적 제어기이다. 일 실시예에서, 추적 제어기(506)는 40Hz로 실행된다. 추적 제어기(506)가 주어진 시간에서의 AV의 정확한 원하는 위치를 쿼리할 수 있도록, 추적 제어기(456)에 대한 입력은 시간에 의해 파라미터화된 궤적 점수 생성기(455)에 의해 제공되는 선택된 궤적이다.
일 실시예에서, 추적 제어기(456)는 제어 입력들 및 상태들에 대한 제약들을 갖는 일종의 모델 예측 제어(MPC) 문제로서 수식화된다. 그렇지만, 임의의 적합한 다변수 제어 알고리즘이 또한 사용될 수 있다. MPC 유형 수식화는 프로세스의 내부 동적 모델, 이동 구간(receding horizon)에 걸친 비용 함수 J 및 제어 입력 u를 사용하여 비용 함수 J를 최소화하기 위한 최적화 알고리즘을 사용한다. 최적화를 위한 예시적인 비용 함수는 2차 비용 함수이다.
일 실시예에서, 동적 모델은 데카르트 좌표계(Cartesian coordinates) 또는 임의의 다른 적합한 기준 좌표계(reference coordinate frame)에서의 운동학적 차량 모델이다. 예를 들어, 운동학적 차량 모델은 AV의 무게 중심에 대해 표현되는 변수들로 요 레이트(yaw rate)를 표현하기 위해 사이드 슬립각(side slip angle)이 기하학적으로 정의될 수 있게 하는 자전거 모델일 수 있다. 일 실시예에서, 비용 함수 J는 횡방향 및 종방향 오차를 최소화하는 것이 목적인 윤곽 오차 수식화(contouring error formulation)(앵커 경로로부터의 직교 편차)를 따른다.
자율 주행 차량 입력들
도 5는 하나 이상의 실시예에 따른, 인지 모듈(402)(도 4a 및 도 4b)에 의해 사용되는 입력들(502a 내지 502d)(예를 들면, 도 1에 도시된 센서들(121)) 및 출력들(504a 내지 504d)(예를 들면, 센서 데이터)의 예를 예시하는 블록 다이어그램이다. 하나의 입력(502a)은 LiDAR(Light Detection and Ranging) 시스템(예를 들면, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 가시선에 있는 물리적 대상체들에 관한 데이터를 획득하기 위해 광(예를 들면, 적외선 광과 같은 광 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 포인트들(포인트 클라우드들이라도 알려져 있음)의 집합체이다.
다른 입력(502b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체들에 관한 데이터를 획득하기 위해 전파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 가시선 내에 있지 않은 대상체들에 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 무선 주파수 전자기 신호이다.
다른 입력(502c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체들에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라들)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 예들에서, 카메라 시스템은, 카메라 시스템이 깊이를 인지하는 것을 가능하게 하는, 예를 들면, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라들을 갖는다. 비록 카메라 시스템에 의해 인지되는 대상체들이 여기서 "인근"으로 기술되지만, 이것은 AV를 기준으로 한 것이다. 사용 중에, 카메라 시스템은 멀리 있는, 예를 들어, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체들을 "보도록" 구성될 수 있다. 그에 따라, 카메라 시스템은 멀리 떨어져 있는 대상체들을 인지하도록 최적화되어 있는 센서들 및 렌즈들과 같은 특징부들을 가질 수 있다.
다른 입력(502d)은 TLD(traffic light detection) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 교통 신호등들, 거리 표지판들, 및 다른 물리적 대상체들에 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 형식의 데이터)의 형태를 취한다. TLD 시스템은, 시각적 운행 정보를 제공하는 가능한 한 많은 물리적 대상체들에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시야를 갖는 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용하여, AV(100)가 이러한 대상체들에 의해 제공되는 모든 관련 운행 정보에 액세스할 수 있다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상일 수 있다.
일 실시예에서, 출력들(504a 내지 504d)은 센서 융합 기술을 사용하여 결합된다. 따라서, 개별 출력들(504a 내지 504d) 중 어느 하나가 AV(100)의 다른 시스템들에 제공되거나(예를 들면, 도 4a 및 도 4b에 도시된 바와 같은 계획 모듈(404)에 제공되거나), 또는 결합된 출력이 동일한 유형의 단일 결합 출력 또는 다수의 결합 출력들의 형태(동일한 결합 기술을 사용하는 것 또는 동일한 출력들을 결합시키는 것 또는 둘 모두) 또는 상이한 유형의 단일 결합 출력 또는 다수의 결합 출력들의 형태(예를 들면, 상이한 각자의 결합 기술들을 사용하는 것 또는 상이한 각자의 출력들을 결합시키는 것 또는 둘 모두) 중 어느 하나로 다른 시스템들에 제공될 수 있다. 일 실시예에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 결합된 출력에 적용되기 전에 출력들을 결합하는 것을 특징으로 한다. 일 실시예에서, 늦은 융합(late fusion) 기술이 사용된다. 늦은 융합 기술은 하나 이상의 데이터 프로세싱 단계가 개별 출력들에 적용된 후에 출력들을 결합하는 것을 특징으로 한다.
도 6은 하나 이상의 실시예에 따른, LiDAR 시스템(602)(예를 들면, 도 5에 도시된 입력(502a))의 예를 예시하는 블록 다이어그램이다. 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 대상체들을 투과하지 않는다). LiDAR 시스템(602)은 또한 반사 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 경계들(616)을 나타내는 정보를 포함한다. 이러한 방식으로, 이미지(612)는 AV 인근의 하나 이상의 물리적 대상체의 경계들(616)을 결정하는 데 사용된다.
도 7은 하나 이상의 실시예에 따른, 작동 중인 LiDAR 시스템(602)을 예시하는 블록 다이어그램이다. 이 도면에 도시된 시나리오에서, AV(100)는 이미지(702) 형태의 카메라 시스템 출력(504c) 및 LiDAR 데이터 포인트들(704) 형태의 LiDAR 시스템 출력(504a) 둘 모두를 수신한다. 사용 중에, AV(100)의 데이터 프로세싱 시스템들은 이미지(702)를 데이터 포인트들(704)과 비교한다. 상세하게는, 이미지(702)에서 식별된 물리적 대상체(706)가 데이터 포인트들(704) 중에서도 식별된다. 이러한 방식으로, AV(100)는 데이터 포인트들(704)의 윤곽 및 밀도에 기초하여 물리적 대상체의 경계들을 인지한다.
도 8은 하나 이상의 실시예에 따른, LiDAR 시스템(602)의 작동을 추가적으로 상세히 예시하는 블록 다이어그램이다. 위에서 기술된 바와 같이, AV(100)는 LiDAR 시스템(602)에 의해 검출되는 데이터 포인트들의 특성들에 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 LiDAR 시스템(602)으로 다시 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 포인트들(810a 및 810b)로부터 반사될 것이다. 이 정보로부터, AV(100)는 대상체(808)가 존재한다고 결정할 수 있다.
경로 계획
도 9는 하나 이상의 실시예에 따른, (예를 들면, 도 4a 및 도 4b에 도시된 바와 같은) 계획 모듈(404)의 입력들과 출력들 사이의 관계들을 예시하는 블록 다이어그램(900)이다. 일반적으로, 계획 모듈(404)의 출력은 시작 포인트(904)(예를 들면, 출발지 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 예들에서, 예를 들면, AV(100)가 4륜 구동(four-wheel-drive, 4WD) 또는 상시 4륜구동(all-wheel-drive, AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프로드 주행 가능 차량(off-road capable vehicle)인 경우, 루트(902)는 비포장 경로들 또는 탁트인 들판들과 같은 "오프로드" 세그먼트들을 포함한다.
루트(902) 외에도, 계획 모듈은 또한 차선 레벨 루트 계획 데이터(908)를 출력한다. 차선 레벨 루트 계획 데이터(908)는 특정 시간에서의 세그먼트의 조건들에 기초하여 루트(902)의 세그먼트들을 횡단하는 데 사용된다. 예를 들어, 루트(902)가 다중 차선 간선도로를 포함하는 경우, 차선 레벨 루트 계획 데이터(908)는, 예를 들면, 출구가 다가오고 있는지 여부, 차선들 중 하나 이상이 다른 차량들을 갖는지 여부, 또는 수 분 이하 동안에 걸쳐 변화되는 다른 요인들에 기초하여, AV(100)가 다수의 차선들 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(910)를 포함한다. 유사하게, 일부 구현예들에서, 차선 레벨 루트 계획 데이터(908)는 루트(902)의 세그먼트에 특정적인 속력 제약(912)을 포함한다. 예를 들어, 세그먼트가 보행자들 또는 예상치 못한 교통상황(traffic)을 포함하는 경우, 속력 제약(912)은 AV(100)를 예상된 속력보다 느린 주행 속력, 예를 들면, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다.
일 실시예에서, 계획 모듈(404)에 대한 입력들은 (예를 들면, 도 4a 및 도 4b에 도시된 데이터베이스 모듈(410)로부터의) 데이터베이스 데이터(914), 현재 위치 데이터(916)(예를 들면, 도 4a 및 도 4b에 도시된 AV 위치(418)), (예를 들면, 도 4a 및 도 4b에 도시된 목적지(412)에 대한) 목적지 데이터(918), 및 대상체 데이터(920)(예를 들면, 도 4a 및 도 4b에 도시된 바와 같은 인지 모듈(402)에 의해 인지되는 바와 같은 분류된 대상체들(416))를 포함한다. 일 실시예에서, 데이터베이스 데이터(914)는 계획에 사용되는 규칙들을 포함한다. 규칙들은 형식 언어(formal language)를 사용하여, 예를 들면, 불리언 논리(Boolean logic)를 사용하여 명시된다. AV(100)가 조우하는 임의의 주어진 상황에서, 규칙들 중 적어도 일부가 해당 상황에 적용될 것이다. 규칙이 AV(100)에 이용 가능한 정보, 예를 들면, 주위 환경에 관한 정보에 기초하여 충족되는 조건들을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙들은 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 낮은 우선순위를 가질 수 있다.
도 10은 하나 이상의 실시예에 따른, 예를 들어, 계획 모듈(404)(도 4a 및 도 4b)에 의해 경로 계획에 사용되는 방향 그래프(1000)를 예시한다. 일반적으로, 도 10에 도시된 것과 같은 방향 그래프(1000)는 임의의 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로를 결정하는 데 사용된다. 현실 세계 관점에서, 시작 포인트(1002)와 종료 포인트(1004)를 분리시키는 거리는 상대적으로 클 수 있거나(예를 들면, 2개의 상이한 대도시 지역에 있음) 또는 상대적으로 작을 수 있다(예를 들면, 도시 블록과 맞닿아 있는 2 개의 교차로 또는 다중 차선 도로의 2 개의 차선).
일 실시예에서, 방향 그래프(1000)는 AV(100)에 의해 점유될 수 있는 시작 포인트(1002)와 종료 포인트(1004) 사이의 상이한 위치들을 나타내는 노드들(1006a 내지 1006d)을 갖는다. 일부 예들에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 상이한 대도시 지역들을 나타낼 때, 노드들(1006a 내지 1006d)은 도로 세그먼트들을 나타낸다. 일부 예들에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 동일한 도로 상의 상이한 위치들을 나타낼 때, 노드들(1006a 내지 1006d)은 해당 도로 상의 상이한 위치들을 나타낸다. 이러한 방식으로, 방향 그래프(1000)는 다양한 입도 레벨들로 정보를 포함한다. 일 실시예에서, 높은 입도를 갖는 방향 그래프는 또한 보다 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 떨어져 있는) 방향 그래프는 그의 정보 대부분이 낮은 입도이고 저장된 데이터에 기초하지만, AV(100)의 시야 내의 물리적 위치들을 나타내는 그래프의 부분에 대한 일부 높은 입도 정보를 또한 포함한다.
노드들(1006a 내지 1006d)은 노드와 중첩할 수 없는 대상체들(1008a 및 1008b)과 별개이다. 일 실시예에서, 입도가 낮을 때, 대상체들(1008a 및 1008b)은 자동차에 의해 횡단될 수 없는 지역들, 예를 들면, 거리들 또는 도로들이 없는 영역들을 나타낸다. 입도가 높을 때, 대상체들(1008a 및 1008b)은 AV(100)의 시야 내의 물리적 대상체들, 예를 들면, 다른 자동차들, 보행자들, 또는 AV(100)와 물리적 공간을 공유할 수 없는 다른 엔티티들을 나타낸다. 일 실시예에서, 대상체들(1008a 및 1008b)의 일부 또는 전부는 정적 대상체들(예를 들면, 가로등 또는 전신주와 같은 위치를 변경하지 않는 대상체) 또는 동적 대상체들(예를 들면, 보행자 또는 다른 자동차와 같은 위치를 변경할 수 있는 대상체)이다.
노드들(1006a 내지 1006d)은 에지들(1010a 내지 1010c)에 의해 연결된다. 2 개의 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 노드들에 의해 표현되는 2 개의 물리적 위치 사이에서 주행한다는 것을 의미한다.) 에지들(1010a 내지 1010c)은, AV(100)가 제1 노드로부터 제2 노드로, 또는 제2 노드로부터 제1 노드로 주행한다는 의미에서, 종종 양방향성이다. 일 실시예에서, 에지들(1010a 내지 1010c)은, AV(100)가 제1 노드로부터 제2 노드로 주행할 수 있지만, AV(100)가 제2 노드로부터 제1 노드로 주행할 수 없다는 의미에서, 단방향성이다. 에지들(1010a 내지 1010c)은, 예를 들어, 일방통행로, 거리, 도로, 또는 간선도로의 개별 차선, 또는 법적 또는 물리적 제약으로 인해 일 방향으로만 횡단될 수 있는 다른 특징부들을 나타낼 때, 단방향성이다.
일 실시예에서, 계획 모듈(404)은 방향 그래프(1000)를 사용하여 시작 포인트(1002)와 종료 포인트(1004) 사이의 노드들 및 에지들로 구성된 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 리소스들을 나타내는 값이다. 전형적인 리소스는 시간이다. 예를 들어, 하나의 에지(1010a)가 다른 에지(1010b)의 물리적 거리의 2 배인 물리적 거리를 나타내는 경우, 제1 에지(1010a)의 연관된 비용(1014a)은 제2 에지(1010b)의 연관된 비용(1014b)의 2 배일 수 있다. 시간에 영향을 미치는 다른 요인들은 예상된 교통상황, 교차로들의 수, 속력 제한 등을 포함한다. 다른 전형적인 리소스는 연비이다. 2 개의 에지(1010a 및 1010b)는 동일한 물리적 거리를 나타낼 수 있지만, 예를 들면, 도로 조건들, 예상된 날씨 등으로 인해, 하나의 에지(1010a)는 다른 에지(1010b)보다 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, 에지들의 개별 비용들이 함께 가산될 때 가장 적은 전체 비용을 갖는 경로를 선택한다.
자율 주행 차량 제어
도 11은 하나 이상의 실시예에 따른, (예를 들면, 도 4a 및 도 4b에 도시된 바와 같은) 제어 모듈(406)의 입력들 및 출력들을 예시하는 블록 다이어그램(1100)이다. 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(308), 및 저장 디바이스(310)를 포함하는 제어기(1102), 및 메모리에 저장된 명령어들에 따라 작동하는데, 상기 명령어들은 명령어들이 (예를 들면, 하나 이상의 프로세서에 의해) 실행될 때 제어기(1102)의 동작들을 수행한다.
일 실시예에서, 제어기(1102)는 원하는 출력(1104)을 나타내는 데이터를 수신한다. 원하는 출력(1104)은 전형적으로 속도, 예를 들면, 속력 및 헤딩을 포함한다. 원하는 출력(1104)은, 예를 들어, (예를 들면, 도 4a 및 도 4b에 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 관여하는 것에 의해, AV(100)의 스로틀(예를 들면, 가속 제어)에 관여하는 정도를 나타낸다. 일부 예들에서, 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 위치결정되어야 하는 각도를 나타낸다.
일 실시예에서, 제어기(1102)는 스로틀 및 조향에 제공되는 입력들을 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, 예를 들면, 측정된 속력과 원하는 출력 사이의 차분(1113)에 기초하여, 필요한 조정이 수행되도록 임의의 측정된 출력(1114)이 제어기(1102)에 제공된다. 측정된 출력(1114)은 측정된 위치(1116), 측정된 속도(1118)(속력 및 헤딩을 포함함), 측정된 가속도(1120), 및 AV(100)의 센서들에 의해 측정 가능한 다른 출력들을 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. 예측 피드백 모듈(1122)은 이어서 정보를 제어기(1102)에 제공하며, 제어기(1102)는 이 정보를 사용하여 그에 따라 조정할 수 있다. 예를 들어, AV(100)의 센서들이 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 하나 이상의 실시예에 따른, 제어기(1102)의 입력들, 출력들, 및 컴포넌트들을 예시하는 블록 다이어그램(1200)이다. 제어기(1102)는 스로틀/브레이크 제어기(1204)의 작동에 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 지시한다.
제어기(1102)는 또한 조향 제어기(1210)의 작동에 영향을 미치는 횡방향 추적 제어기(1208)를 갖는다. 예를 들어, 횡방향 추적 제어기(1208)는, 예를 들면, 제어기(1102)에 의해 수신되고 횡방향 추적 제어기(1208)에 의해 프로세싱되는 피드백에 따라 조향각 액추에이터(1212)의 위치를 조정하도록 조향 제어기(1204)에 지시한다.
제어기(1102)는 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)를 제어하는 방법을 결정하는 데 사용되는 여러 입력들을 수신한다. 계획 모듈(404)은, 예를 들어, AV(100)가 작동을 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 입력들(1214)로부터의 정보, 예를 들면, 데이터베이스들, 컴퓨터 네트워크들 등으로부터 수신되는 정보를 수신한다.
기동 생성을 사용한 자율 주행 차량 작동
도 13은 하나 이상의 실시예에 따른, AV(100)에 대한 기동을 결정하기 위한 예시적인 프로세스(1300)를 예시하는 흐름 다이어그램이다. AV(100)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 일부 구현예들에서, 프로세스(1300)는, 적어도 부분적으로, (예를 들면, 도 4a 및 도 4b와 관련하여 기술된 바와 같이) AV(100)의 계획 모듈(404)의 호모토피 추출기(453)를 사용하여 수행될 수 있다.
AV(100)는 AV(100)의 적어도 하나의 프로세서(146)를 사용하여 도로 세그먼트(예를 들면, 도로 세그먼트(1500)은 차선들(1512, 1516)을 포함할 수 있음)에 기초하여 AV(100)에 대한 다수의 초기 궤적들을 생성한다. 프로세서(146)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 도로 세그먼트(1500) 및 차선들(1512, 1516)은 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다. 궤적 생성을 위한 프로세스는 도 10을 참조하여 보다 상세히 예시되고 기술되어 있다. AV(100)는 AV(100)의 적어도 하나의 센서(121)로부터 센서 데이터(예를 들면, LiDAR 출력 데이터(504a))를 수신한다. 센서(121)는 도 10을 참조하여 보다 상세히 예시되고 기술되어 있다. LiDAR 출력 데이터(504a)는 도 5를 참조하여 보다 상세히 예시되고 기술되어 있다. AV(100)의 센서 데이터 사용이 또한 도 4b를 참조하여 보다 상세히 기술되어 있다. AV(100)는 다수의 초기 궤적들에 속하는 궤적(198)에 따라 차선(1516)에서 도로 세그먼트(1500)를 주행하고 있다. 궤적(198)은 도 1을 참조하여 더 예시되고 기술되어 있다. AV(100)는 센서 데이터(504a) 및 궤적(198)에 기초하여 AV(100)와 차선(1516) 상에서 움직이는 대상체(예를 들면, 대상체(416)) 사이의 잠재적 충돌을 예측한다. 대상체(416)는 도 4 및 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다.
AV(100)는 잠재적 충돌을 피하기 위해 AV(100)에 대한 제약 세트(1302)를 결정한다. 제약 세트는 센서 데이터(504a)에 기초하여 결정된다. 예를 들어, 도 13에 도시된 바와 같이, 호모토피 추출기(453)는 AV(100)가 도로 세그먼트(1500)를 횡단하는 것과 연관된 제약 세트(1302)를 생성할 수 있다. 일부 구현예들에서, 제약 세트(1302)의 각각의 제약은 특정 파라미터 및 대응하는 파라미터 값을 포함할 수 있다. 예를 들어, 하나의 제약은 특정 파라미터 C_1이 특정 파라미터 값 X_1과 동일해야 한다는 것을 나타낸다. 다른 예로서, 다른 제약은 동일한 파라미터 C_1이 상이한 파라미터 값 X_2와 동일해야 한다는 것을 나타낸다. 다른 예로서, 다른 제약은 상이한 파라미터 C_2가 파라미터 값 Y_1과 동일해야 한다는 것을 나타낼 수 있다.
일 실시예에서, 제약 세트는 하드 논리적 제약들 및 소프트 논리적 제약들을 포함한다. 하드 논리적 제약들은, 예를 들어, 잠재적 충돌을 피하기 위해 또는 목적지(199)에 도달하기 위해 AV(100)가 준수해야만 하는 제약들이다. 목적지(199)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 하드 논리적 제약들은 도 4b를 참조하여 보다 상세히 기술되어 있다. 따라서 제약이 필수이거나 "하드"일 수 있다(예를 들면, AV(100)는 목적지(199)로 주행하는 동안 하드 제약들을 준수해야만 한다). 예를 들어, 하드 논리적 제약들은 AV(100)의 한 명 이상의 승객의 예측된 안전 및/또는 AV(100)의 안전과 관련될 수 있다. 제약은 AV(100)가 특정 대상체들(예를 들면, 다른 차량들(193), 보행자들(192) 또는 장애물들)과 접촉하지 않아야 하고, 도로 세그먼트(1500)의 경계들(1528, 1532) 내에 유지되어야 하며, 도로의 교통 방향으로 주행해야 하고, 그의 승객들에 부상을 입히지 않을 방식으로 가속 또는 감속해야 한다는 것 등을 지정할 수 있다. 차량(193) 및 보행자(192)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 경계들(1528, 1532) 및 도로 세그먼트(1500)는 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다. 다른 예로서, 제약은 AV(100)가 대상체(416), 차량(193), 보행자(192), 또는 다른 대상체와 충돌할 가능성이 임계 값보다 작아야 한다는 것을 지정할 수 있다. 대상체(416)는 도 4a 및 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다. 일부 구현예들에서, 그 가능성은 하나 이상의 컴퓨터 시뮬레이션 또는 동적 모델을 사용하여 호모토피 추출기(453)에 의해 계산된다.
소프트 논리적 제약들은 AV(100)가 준수해야 하지만, 예를 들어, 잠재적 충돌을 피하기 위해 위반할 수 있는 제약들이다. 소프트 논리적 제약들은 도 4b를 참조하여 보다 상세히 기술되어 있다. 예를 들어, 제약 세트(1302)의 적어도 일부는 소프트 논리적 제약들일 수 있다(예를 들면, AV(100)는 목적지(199)까지 횡단하는 동안 소프트 논리적 제약들을 준수하려고 시도해야 하지만 반드시 그럴 필요는 없다). 소프트 논리적 제약들은 AV의 한 명 이상의 승객의 예측된 편의와 관련될 수 있다. 예를 들어, 제약은, 이러한 제약들이 AV 승객의 편의에 미치는 영향에 기초하여, AV(100)가 특정 가속 제한들, 제동 제한들, 속력 제한들, 방향 전환 속도(turning rate) 제한들 등을 준수해야 한다는 것을 지정할 수 있다.
제약 세트(1302)는 AV(100)가 목적지까지 횡단할 때 AV(100)의 작동을 제한하거나, 제어하거나, 다른 방식으로 그에 영향을 미칠 수 있는 임의의 양상을 나타낼 수 있다. 일 예로서, 제약 세트(1302)의 적어도 일부는 AV(100)의 수행 능력들과 관련될 수 있다. 예를 들어, 제약은 AV(100)가, 가속 제한들, 제동 제한들, 속력 제한들, 방향 전환 속도 제한들, 관성 제한들 등을 포함하지만 이에 제한되지 않는, AV의 수행 능력들에 기초하여 특정 맵 제약들을 준수해야 한다는 것을 지정할 수 있다. 다른 예로서, 제약은 AV(100)의 모션 범위를 지정할 수 있다(예를 들면, AV(100)가 직진하거나 방향 전환하는 동안 전방 또는 후방으로는 주행할 수 있지만 좌우로는 주행할 수 없다).
일 실시예에서, 제약 세트(1302)는 도로 세그먼트(1500)의 차선 마킹들(1524) 또는 도로 세그먼트(1500)의 운전 가능 영역 중 적어도 하나를 나타내는 환경적 제약들을 포함한다. 도로 세그먼트(1500)의 운전 가능 영역 및 차선 마킹들(1524)가 도 15에 예시되어 있다. 예를 들어, 제약 세트(1302) 중 적어도 일부는 AV(100)가 목적지까지 횡단하기 위해 사용할 수 있는 하나 이상의 도로의 맵 지오메트리와 관련되는 맵 제약들일 수 있다. 예를 들어, 제약은 AV(100)가 도로의 특정 차선들로 및/또는 도로 세그먼트(1500)의 특정 경계들(1528, 1532) 내로(예를 들면, 도로의 운행 가능한 부분의 좌측 에지와 우측 에지 사이로) 제한되도록 지정할 수 있다. 다른 예로서, 제약은 AV(100)가 통과할 수 없는 도로 상의 장애물들(예를 들면, 대상체(416))의 존재 및 위치를 지정할 수 있다.
일 실시예에서, 제약 세트(1302) 중 적어도 일부는 AV(100)의 작동에 관한 법적 제약들에 관련될 수 있다. 예를 들어, 제약은 AV(100)가 도로의 특정 속력 제한 및/또는 도로의 특정 교통 흐름(예를 들면, 주행 방향)을 준수해야 한다는 것을 지정할 수 있다. 다른 예로서, 제약은 AV(100)가 특정 관할구역에서의 교통 규칙들 또는 법률들을 준수해야 한다는 것을 지정할 수 있다. 예시적인 제약들(1302)이 본원에 기술되어 있지만, 이들은 단지 예시적인 예들이다. 실제로, 제약 세트(1302)는, 본원에 기술된 제약들 대신에 또는 이에 추가하여, 추가적인 제약들을 포함할 수 있다.
일 실시예에서, AV(100)는 다수의 호모토피들(1304a 내지 1304n)을 결정한다. 다수의 호모토피들(1304a 내지 1304n)의 각각의 호모토피는 제약 세트(1302)의 상이한 각자의 조합을 포함한다. 호모토피 추출기(453)는 제약 세트(1302)에 기초하여 하나 이상의 호모토피(1304a 내지 1304n)를 생성한다. 예를 들어, 각각의 호모토피는 제약 세트(1302)의 상이한 제약 및/또는 제약 세트(1302)의 둘 이상의 제약의 상이한 조합을 포함할 수 있다. AV(100)에 대한 기동을 결정하는 것은 다수의 호모토피들(1304a 내지 1304n) 중 적어도 일부에 기초한다.
일부 구현예들에서, 각각의 호모토피는 소프트 논리적 제약들 중 하나 이상을 포함한다. 게다가, 각각의 호모토피는 하드 논리적 제약들 각각을 포함할 수 있다. 실제로, 특정 제약이 소프트 논리적 제약인지 또는 하드 논리적 제약인지는 구현에 따라 달라질 수 있다. 일 예로서, 일부 구현예들에서, AV(100)의 수행 능력들에 관련된 제약들, AV(100)가 목적지(199)까지 횡단하기 위해 사용할 수 있는 하나 이상의 도로의 맵(환경적) 제약들, AV(100)의 작동에 관한 법적 제약들, 및/또는 AV의 한 명 이상의 승객의 안전은 "필수"인 것으로 간주될 수 있다. 다른 예로서, 일부 구현예들에서, AV(100)의 한 명 이상의 승객의 편의에 관련된 제약들 및/또는 AV(100)가 특정 동작들 또는 태스크들을 수행해야 하는 것을 지정하는 제약들은 소프트 논리적 제약들인 것으로 간주될 수 있다.
도 13에 도시된 예에서, 제1 호모토피(1304a)("호모토피 1")는 (i) 파라미터 C_1이 파라미터 값 X_1과 동일해야 한다는 소프트 논리적 제약, (ii) 파라미터 C_2가 파라미터 값 Y_2와 동일해야 한다는 소프트 논리적 제약, 및 (iii) 하드 논리적 제약들 각각을 포함한다. 게다가, 제2 호모토피(1304b)("호모토피 2")는 (i) (호모토피 1에서와 같이) 파라미터 C_1이 파라미터 값 X_1과 동일해야 한다는 소프트 논리적 제약, (ii) (호모토피 1에서와 같이) 파라미터 C_2가 파라미터 값 Y_2와 동일해야 한다는 소프트 논리적 제약, (iii) 파라미터 C_N이 파라미터 값 Z_1과 동일해야 한다는 추가적인 소프트 논리적 제약, 및 (iv) (호모토피 1에서와 같이) 하드 논리적 제약들 각각을 포함한다. 즉, 호모토피 2는 호모토피 1에서와 동일한 제약들 중 일부를 공유하지만, 호모토피 1에는 없는 추가적인 제약을 포함한다.
게다가, 제3 호모토피(1304n)("호모토피 N")는 (i) (호모토피 1 및 호모토피 2에서와 같이) 파라미터 C_1이 파라미터 값 X_1과 동일해야 한다는 소프트 논리적 제약, (ii) (호모토피 1 및 호모토피 2에서와 같이) 파라미터 C_2가 파라미터 값 Y_2와 동일해야 한다는 소프트 논리적 제약, (iii) 파라미터 C_N이 파라미터 값 Z_2와 동일해야 한다는 소프트 논리적 제약, 및 (iv) (호모토피 1 및 호모토피 2에서와 같이) 하드 논리적 제약들 각각을 포함한다. 즉, 호모토피 3은 호모토피 1 및 호모토피 2에서와 같이 제약들 중 일부를 공유하지만, 그의 제약들 중 하나에 대해 상이한 파라미터 값을 지정한다.
3 개의 예시적인 호모토피가 도 13에 도시되어 있지만, 이것은 단지 예시적인 예이다. 실제로, 호모토피 추출기(453)는, 각각이 제약 세트(1302)의 상이한 각자의 서브세트를 갖는, 임의의 수의 호모토피들을 생성할 수 있다. 호모토피 추출기(453)는 호모토피들(1304a 내지 1304n) 각각이 "실현 가능한지" 여부를 결정한다. 일 예로서, 각각의 호모토피에 대해, 호모토피 추출기(453)는, 도로 세그먼트(1500) 상의 다른 대상체들(예를 들면, 대상체(416))과 충돌하지 않고, 그의 승객들의 안전에 부정적인 영향을 미치지 않고, 관할구역의 교통 규칙들 또는 법률들을 위반하지 않는 등으로, 해당 호모토피의 제약들에 따라 AV가 목적지(199)까지 횡단할 수 있는지 여부를 결정할 수 있다.
일 실시예에서, AV(100)는 정밀도에 따라 도로 세그먼트(1500) 상에서의 AV(100)의 모션을 예측한다. AV(100)는 AV(100)가 예측된 모션에 기초하여 다수의 호모토피들(제약들의 특정 조합)의 서브세트에 따라 도로 세그먼트(1500)를 횡단할 수 있다고 결정한다. 기동을 결정하는 것은 다수의 호모토피들의 서브세트에 더 기초한다. 예를 들어, 호모토피 추출기(453)는 AV(100)의 모션을 예측하는 것에 의해 호모토피들(1304a 내지 1304n) 각각이 실현 가능한지 여부를 결정할 수 있다. 각각의 호모토피에 대해, 호모토피 추출기(453)는 AV(100)가, 해당 호모토피의 제약들 각각을 준수하려고 시도하면서, 도로 세그먼트(1500)를 횡단할 때 어떻게 이동할 것인지를 예측하기 위해 컴퓨터 시뮬레이션 또는 동적 모델을 사용하여 AV 모션의 시뮬레이션을 수행한다. 호모토피 추출기(453)가 AV(100)가 해당 호모토피의 제약들 각각을 준수하면서 도로 세그먼트(1500)를 횡단할 수 없다고 결정하는 경우, 호모토피 추출기(453)는 호모토피가 "실현 가능하지 않다"고 결정한다. 호모토피 추출기(453)가 AV(100)가 해당 호모토피의 제약들 각각을 준수하면서 도로 세그먼트(1500)를 횡단할 수 있다고 결정하는 경우, 호모토피 추출기(453)는 호모토피(및 연관된 기동)가 "실현 가능하다"고 결정한다.
일 실시예에서, AV(100)는 AV(100)가 예측된 모션에 기초하여 다수의 호모토피들의 서브세트에 따라 도로 세그먼트(1500)를 횡단할 수 있다고 결정한다. 기동을 결정하는 것은 다수의 호모토피들의 서브세트에 더 기초한다. 일 예로서, 호모토피는 (i) AV(100)가 특정 시간들 및 위치들에서 특정 동작들 및 태스크들을 수행해야 한다는 것; (ii) AV(100)가 관할구역에서의 모든 교통 규칙들 및 법률들을 준수해야 한다는 것; (iii) AV(100)가 그의 수행 능력들을 초과하지 않는 방식으로 작동해야 한다는 것; 및 (iv) AV(100)가 도로 상의 어떤 대상체들(예를 들면, 차량(193)) 또는 장애물들(예를 들면, 대상체(416))과도 충돌하지 않아야 한다는 것을 지정하는 제약들의 서브세트(다수의 호모토피들의 서브세트)를 포함할 수 있다. 호모토피 추출기(453)는 이러한 제약들에 따라 AV(100)의 모션을 시뮬레이션할 수 있다.
호모토피 추출기(453)가 AV(100)가, 특정 교통 규칙들 또는 법률들을 위반하지 않는 한, 지정된 동작들 및 태스크들을 수행할 수 없다고 결정하는 경우, 호모토피 추출기(453)는 호모토피가 "실현 가능하지 않다"고 결정한다. 유사하게, 호모토피 추출기(453)가 AV(100)가, 다른 대상체와 충돌하지 않고는, 지정된 동작들 및 태스크들을 수행할 수 없다고 결정하는 경우, 호모토피 추출기(453)는 또한 호모토피가 "실현 가능하지 않다"고 결정한다. 유사하게, 호모토피 추출기(453)가 지정된 동작들 및 태스크들을 수행하는 것이 AV(100)의 수행 능력들을 초과하는 것을 요구할 것이라고 결정하는 경우, 호모토피 추출기(453)는 또한 호모토피가 "실현 가능하지 않다"고 결정한다. 그렇지만, 호모토피 추출기(453)가 AV(100)가, 다른 제약들 중 어느 것도 위반하지 않으면서, 지정된 동작들 및 태스크들을 수행할 수 있다고 결정하는 경우, 호모토피 추출기(453)는 호모토피가 "실현 가능하다"고 결정한다. 예를 들어, 도 13에 도시된 예에서, 호모토피 추출기(453)는 호모토피 1 및 호모토피 N이 "실현 가능"하고 호모토피 2가 (예를 들면, 호모토피 2에 의해 지정된 제약 세트(1302)의 하나 이상 제약의 위반으로 인해) "실현 가능하지 않다"고 결정한다.
일 실시예에서, AV(100)는 제1 정밀도에 따라 도로 세그먼트(1500) 상에서의 AV(100)의 모션을 예측한다. 호모토피 추출기(453)는 제1 정밀도에 따라 호모토피들(1304a 내지 1304n) 각각이 "실현 가능한지" 여부를 결정할 수 있다. 예를 들어, 호모토피 추출기(453)는 "실현 가능한" 것으로 결정되는 호모토피들 각각에 대해 (기동을 결정하기 위한) 하나 이상의 궤적을 생성하고, "실현 가능하지 않은" 것으로 결정되는 호모토피들 각각에 대해 궤적들을 생성하는 것을 유보한다. 예를 들어, "실현 가능한" 것으로 결정되는 각각의 호모토피에 대해, 호모토피 추출기(453)는 AV(100)가, 해당 호모토피의 제약들 각각을 준수하면서, 차선(1512)을 사용하여 도로 세그먼트(1500)를 횡단할 수 있게 하는 AV(100)에 대한 궤적(예를 들면, 궤적(1520))을 생성하기 위해 컴퓨터 시뮬레이션 및 하나 이상의 동적 모델, AV(100)의 제어 법칙들 및 운동 방정식들을 사용한다. 일부 구현예들에서, 시뮬레이션 및/또는 동적 모델은 환경(190)에서 하나 이상의 대상체(예를 들면, 차량(193) 또는 대상체(416))의 모션을 지정하는 하나 이상의 방정식 및/또는 제어 법칙을 사용하여 구현될 수 있다. AV(100)에 대한 하나 이상의 궤적을 생성하기 위한 예시적인 기술들이 (예를 들면, 도 4a, 도 4b, 도 9 및 도 10과 관련하여) 본원에 기술되어 있다. 환경(190)은 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다.
예를 들어, 도 13에 도시된 예에서, 호모토피 추출기(453)는 호모토피 1에 대응하는 (기동을 결정하기 위한) 하나 이상의 궤적(1306a), 및 호모토피 N에 대응하는 하나 이상의 궤적(1306b)을 생성한다(이들 둘 모두는 "실현 가능한" 것으로 결정되었음). 그렇지만, 호모토피 추출기(453)는 ("실현 가능하지 않은" 것으로 결정된) 호모토피 2에 대응하는 임의의 궤적들을 생성하는 것을 유보한다.
일부 구현예들에서, 호모토피 추출기(453)는 제2 정밀도에 따라 "실현 가능한" 것으로 결정되는 호모토피들 각각에 대한 하나 이상의 궤적을 생성할 수 있다. 제2 정밀도는 제1 정밀도보다 높을 수 있다. 예를 들어, AV(100)의 모션이 예측되고/되거나 AV(100)에 대한 궤적(1520)이 생성되는 정밀도는 (i) AV(100)의 모션이 예측되고/되거나 AV(100)에 대한 궤적(1520)이 생성되는 공간 분해능, 또는 (ii) AV(100)의 모션이 예측되고/되거나 AV(100)에 대한 궤적(1520)이 생성되는 시간 분해능을 지칭할 수 있다. 궤적(1520)은 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다.
AV(100)의 모션이 예측되고/되거나 AV(100)에 대한 궤적(1520)이 생성되는 정밀도는 (iii) AV(100)의 모션을 예측하고/하거나 AV(100)에 대한 궤적(1520)을 생성하는 데 사용되는 컴퓨터 시뮬레이션들 또는 동적 모델들의 복잡도, 또는 (iv) AV(100)의 모션을 예측하고/하거나 AV(100)에 대한 궤적(1520)을 생성하는 것에 할당되는 계산 리소스들의 양을 지칭할 수 있다. 일 실시예에서, AV(100)의 모션이 예측되고/되거나 AV(100)에 대한 궤적(1520)이 생성되는 정밀도는 (v) AV(100)의 모션을 예측하고/하거나 AV(100)에 대한 궤적(1520)을 생성하는 것과 연관된 허용오차 또는 오차 범위, 및/또는 어떻게 AV(100)의 모션이 예측될 수 있고/있거나 AV(100)에 대한 궤적(1520)이 생성될 수 있는지에 영향을 미칠 수 있는 다른 그러한 특성들을 지칭할 수 있다.
일 실시예에서, 호모토피 추출기(453)는 초기에 제1 공간 및/또는 시간 분해능에 따라 호모토피들 각각에 대한 예측들을 생성할 수 있고, 후속적으로 보다 높은 제2 공간 및/또는 시간 분해능에 따라 "실현 가능한" 것으로 결정되는 호모토피들 각각에 대해 (기동을 결정하기 위한) 하나 이상의 궤적을 생성할 수 있다. 호모토피 추출기(453)는 초기에, 호모토피들 각각에 대해, 보다 낮은 공간 분해능(예를 들면, 10 피트 증분)에 따라 AV(100)의 모션을 예측할 수 있고, 후속적으로 보다 높은 공간 분해능(예를 들면, 1 피트 증분)에 따라 "실현 가능한" 것으로 결정되는 호모토피들 각각에 대해 하나 이상의 궤적을 생성할 수 있다. 호모토피 추출기(453)는 초기에, 호모토피들 각각에 대해, 보다 낮은 시간 분해능(예를 들면, 10초 증분)에 따라 AV(100)의 모션을 예측할 수 있고, 후속적으로 보다 높은 시간 분해능(예를 들면, 1초 증분)에 따라 "실현 가능한" 것으로 결정되는 호모토피들 각각에 대해 하나 이상의 궤적을 생성할 수 있다. 예시적인 공간 및/또는 시간 분해능들이 위에 기술되어 있지만, 이들은 단지 예시적인 예들이다. 실제로, AV(100)의 모션을 예측하고/하거나 AV에 대한 하나 이상의 궤적을 생성하기 위해 다른 공간 및/또는 시간 분해능들이 사용될 수 있다.
일 실시예에서, 호모토피 추출기(453)는 초기에 제1 컴퓨터 시뮬레이션 또는 제1 동적 모델에 따라 호모토피들 각각에 대한 예측들을 생성할 수 있고, 후속적으로 제1 컴퓨터 시뮬레이션 또는 제1 동적 모델보다 복잡한 제2 컴퓨터 시뮬레이션 또는 제2 동적 모델(예를 들면, 보다 많은 변수들 및/또는 파라미터들이 모델링됨)에 따라 "실현 가능한" 것으로 결정되는 호모토피들 각각에 대해 하나 이상의 궤적을 생성할 수 있다. 예를 들어, 제1 컴퓨터 시뮬레이션 또는 동적 모델은 예측을 생성하기 위해 보다 적은 계산 리소스들을 필요로 할 수 있는 반면(그러나 덜 정확할 수 있음), 제2 컴퓨터 시뮬레이션 또는 동적 모델은 궤적을 생성하기 위해 보다 많은 계산 리소스들을 필요로 할 수 있다(그러나 보다 정확할 수 있음). 다른 예로서, 제1 컴퓨터 시뮬레이션 또는 동적 모델은 예측을 생성하기 위해 보다 적은 데이터 입력들 및/또는 덜 포괄적인 데이터 입력들을 필요로 할 수 있는 반면(그러나 덜 정확할 수 있음), 제2 컴퓨터 시뮬레이션 또는 동적 모델은 궤적을 생성하기 위해 보다 많은 데이터 입력들 및/또는 보다 포괄적인 데이터 입력들을 필요로 할 수 있다(그러나 보다 정확할 수 있음). 예시적인 데이터 입력들은, 예를 들어, 센서 데이터(504a), 교통 데이터, 기상 데이터, 및/또는 AV(100)의 환경의 특성들에 관한 다른 데이터를 포함할 수 있다.
일 실시예에서, AV(100)는 제약 세트(1302)의 각각의 제약을 제약 세트(1302)의 각각의 다른 제약에 중첩시키는 것에 의해 기동을 결정한다. 기동은 도 10을 참조하여 보다 상세히 예시되고 기술된 궤적 생성을 위한 프로세스를 사용하여 도로 세그먼트(1500)에 기초하여 AV(100)에 대해 생성된 다수의 초기 궤적들(예를 들면, 궤적(198))에 독립적인 궤적(예를 들면, 궤적(1520))을 포함한다. 호모토피 추출기(453)는 (도 13을 참조하여 예시되고 기술된 바와 같이) 기동을 위해 생성된 궤적들(1306a 및 1306b) 중 하나를 선택하고, AV(100)의 제어 회로(406)에 선택된 궤적(예를 들면, 궤적(1306a))을 실행하도록 지시한다. 예를 들어, 도 13에 도시된 예에서, 호모토피 추출기(453)는 궤적(1306b)("궤적 N")보다 궤적(1306a)("궤적 1")을 선택하였다. 일부 구현예들에서, 궤적(1520)은, 호모토피 추출기(453) 대신에 또는 이와 함께, 다른 모듈들을 사용하여 선택될 수 있다. 예를 들어, 궤적은 (예를 들면, 도 4b를 참조하여 기술된 바와 같이) 호모토피 추출기(453), 실현 샘플 기반 기동 실현기(454), 및/또는 궤적 점수 생성기(455)를 사용하여 선택될 수 있다.
일 실시예에서, 제약 세트(1302)의 각각의 제약을 제약 세트(1302)의 각각의 다른 제약에 중첩시키는 것은, 적어도 하나의 프로세서(146)에 의해, 기동을 제공하기 위해 센서 데이터(504a)의 변화들에 따라 시간과 관련하여 제약 세트(1302)의 각각의 제약을 샘플링하는 것을 포함한다. 예를 들어, 제약 세트(1302)를 결정하는 것은 제1 빈도로 수행될 수 있고, 궤적(1520)을 생성하도록 기동을 결정하는 것은 제1 빈도보다 높은 제2 빈도로 수행될 수 있다. 따라서 상이한 제약들이 상이하게 샘플링될 수 있다. 예를 들어, 호모토피 추출기(453)는 10 Hz로 작동될 수 있고, 실현 탐색들은 20 Hz로 두 배 빠르게 수행될 수 있다.
일 실시예에서, 궤적(1520)을 생성하도록 기동을 결정하는 것은, 적어도 하나의 프로세서(146)에 의해, 다수의 호모토피들의 각각의 호모토피에 각자의 품질 메트릭을 할당하는 것을 포함한다. 궤적(1520)은 각자의 품질 메트릭에 기초하여 선택된다. 예를 들어, 궤적(1520)은 (도 13을 참조하여 예시되고 기술된 방법들에 의해) 생성된 궤적들 각각에 대한 품질 점수 또는 다른 메트릭을 계산하는 것 및 품질 점수들 또는 메트릭들에 기초하여 궤적(1520)을 선택하는 것에 의해 선택될 수 있다.
일 실시예에서, 각자의 품질 메트릭은 각각의 호모토피에 따라 도로 세그먼트(1500)를 횡단하기 위한 예측된 시간, 각각의 호모토피에 따라 도로 세그먼트(1500)를 횡단하는 동안 AV(100)의 승객의 예측된 안전, 또는 각각의 호모토피에 따라 도로 세그먼트(1500)를 횡단하는 동안 승객의 예측된 편의 중 적어도 하나에 기초하여 결정된다. (호모토피로부터 획득되는) 각각의 궤적에 대해, AV(100)의 승객들의 예측된 안전, AV(100)의 승객들의 예측된 편의, AV(100)에 의해 소비될 예측된 리소스들(예를 들면, 연료, 배터리 충전 등), 목적지(199)까지 횡단하는 데 걸리는 예측된 시간량 및/또는 다른 인자들과 같은, 다양한 인자들에 기초한 품질 점수 또는 메트릭이 결정될 수 있다.
궤적(1520)은 품질 점수들 또는 메트릭들에 기초하여 선택될 수 있다(예를 들면, 궤적은 가장 높은 품질 점수 또는 메트릭을 가짐). 위에서 기술된 바와 같이, 이 선택 프로세스는, 호모토피 추출기(453), 실현 샘플 기반 기동 실현기(454), 및/또는 궤적 점수 생성기(455)와 같은, AV(100)의 하나 이상의 모듈에 의해 수행될 수 있다.
일 실시예에서, AV(100)는 제약 세트(1320)의 각각의 제약을 제약 세트(1320)의 각각의 다른 제약에 중첩시키는 것에 의해 기동을 결정한다. 기동은 다수의 궤적들(예를 들면, 궤적(198))과 독립적인 궤적(1520)을 포함한다. AV(100)는 궤적(198)을 오버라이드하도록 AV(100)의 제어 회로(406)에 명령어들을 송신한다. 명령어들은 추가로 AV(100)로 하여금 기동을 수행하기 위해 궤적(1520)에 따라 도로 세그먼트(1500)를 횡단하게 한다. 예를 들어, 호모토피 추출기(453)는 호모토피들(1304a 내지 1304n)에 기초하여 궤적(198)을 오버라이드할 수 있는 하나 이상의 기동(1308)을 결정한다. 기동은 안전하지 않거나 달리 바람직하지 않은 결과(예를 들면, 대상체(416)와의 충돌, 도로 이탈(running off the road) 등)를 피하기 위한 회피 행동(예를 들면, 급회전, 급제동, 급가속, 급차선변경 등)에 대응할 수 있다. 일부 구현예들에서, 호모토피 추출기(453)는 궤적(198)과 독립적으로 기동을 계획할 수 있고, 하나 이상의 데이터 입력에 기초한 기동으로 궤적(198)의 실행을 선택적으로 오버라이드할 수 있다. 예시적인 데이터 입력들은, 예를 들어, 행동이 보증될 수 있음을 나타내는 센서 데이터(504a), 행동이 수행되어야 함을 나타내는 AV(100)의 승객으로부터의 커맨드들, 행동이 수행되어야 함을 나타내는 AV(100)를 원격으로 모니터링하거나 제어하는 사용자로부터의 커맨드들, 행동이 수행되어야 함을 나타내는 원격 컴퓨터 시스템으로부터의 자동화된 커맨드들 등을 포함할 수 있다.
도 14는 하나 이상의 실시예에 따른, AV(100)에 대한 예시적인 결정 그래프(1400)를 예시한다. AV(100)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 일부 구현예들에서, 호모토피 추출기(453)는 결정 그래프(1400)에 기초하여 특정 호모토피들이 "실현 가능한지" 또는 "실현 가능하지 않은지"를 결정한다. 호모토피 추출기(453)는 도 4b를 참조하여 보다 상세히 예시되고 기술되어 있다. 예시적인 예로서, 단순화된 결정 그래프(1400)가 도 14에 도시되어 있다.
일 실시예에서, AV(100)가 (예를 들면, 기동을 수행하는 것에 의해) 다수의 호모토피들의 서브세트에 따라 도로 세그먼트(1500)를 횡단할 수 있다고 결정하는 것은, 적어도 하나의 프로세서(146)에 의해, 다수의 호모토피들의 서브세트에 기초하여 결정 그래프(1400)를 생성하는 것을 포함한다. 도로 세그먼트(1500)은 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 프로세서(146)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 결정 그래프(1400)는 도 14를 참조하여 보다 상세히 예시되고 기술되어 있다. 다수의 호모토피들의 서브세트는 도 13을 참조하여 보다 상세히 기술되어 있다. 결정 그래프(1400)는 다수의 노드들(1402)을 포함한다. 각각의 노드는 상이한 기동에 대응한다.
일 실시예에서, 결정 그래프(1400)는 여러 상호연결된 노드들(1402)을 포함하고, 각각은 제약 세트(1302)의 상이한 각자의 서브세트에 대응한다. 노드들은 계층적으로(예를 들면, 레벨들의 상이한 티어들에 따라) 그리고 하나 이상의 분기에 따라 정렬될 수 있으며, 여기서 "자식" 노드는 그의 "부모" 노드와 연관된 제약들을 상속하고 하나 이상의 추가적인 제약을 추가로 포함한다. 일부 구현예들에서, 결정 그래프(1400)는 도 10에 도시된 방향 그래프(1000)와 유사할 수 있다. 호모토피 추출기(453)는, 최상위 레벨 또는 티어를 갖는 노드로부터 시작하여 연속적으로 보다 낮은 레벨들 또는 티어들의 노드들을 통해 나아가면서, 각각의 노드와 연관된 제약들에 따라 AV(100)가 목적지(199)까지 횡단하는 것의 실현 가능성을 결정할 수 있다. 목적지(199)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 호모토피 추출기(453)가 특정 노드와 연관된 제약들을 준수하는 것이 실현 가능하지 않다고 결정하는 경우, 호모토피 추출기(453)는 해당 노드의 자식 노드들의 실현 가능성을 평가하는 것을 유보할 수 있다.
예를 들어, 도 14를 참조하면, 호모토피 추출기(453)는 최상위 레벨 노드(1402a)와 연관된 제약들에 따라 목적지(199)까지 횡단하는 것이 실현 가능하다고 결정한다. 이 결정에 기초하여, 호모토피 추출기(453)는 후속적으로 자식 노드들(1402b 및 1402c) 각각의 실현 가능성을 평가하고, 노드(1402b)와 연관된 제약들에 따라 목적지(199)까지 횡단하는 것은 실현 가능하지 않지만 노드(1402c)와 연관된 제약들에 따라 목적지(199)까지 횡단하는 것은 실현 가능하다고 결정한다. 이 결정에 기초하여, 호모토피 추출기(453)는 노드(1402b)에 의존하는 노드들 중 임의의 것의 실현 가능성을 평가하는 것을 유보하고, 노드(1402c)에 의존하는 노드들의 실현 가능성을 계속하여 평가한다. 위에서 기술된 프로세스는 결정 그래프(1400)에서의 노드들 각각이 평가될 때까지 계속될 수 있거나 또는 ("실현 가능하지 않은" 부모 노드로 인해) 평가로부터 생략될 수 있다.
일부 구현예들에서, 호모토피 추출기(453)는 "실현 가능한" 것으로 결정된 노드들에 기초하여 (기동을 결정하기 위한) 하나 이상의 후보 궤적을 생성할 수 있다. 예를 들어, 도 14를 참조하면, 호모토피 추출기(453)는 노드들(1402a, 1402d, 1402e, 1402f, 및/또는 1402g) 각각에 대한 하나 이상의 후보 궤적을 생성할 수 있다. 일부 구현예들에서, 호모토피 추출기(453)는, "실현 가능한" 것으로 결정되었고 또한 어떠한 자식 노드들도 갖지 않는 노드들에 기초하여, 하나 이상의 후보 궤적을 생성할 수 있다. 예를 들어, 도 14를 참조하면, 호모토피 추출기(453)는 노드들(1402e 및 1402g) 각각에 대한 하나 이상의 후보 궤적을 생성할 수 있다. 위에서 기술된 바와 같이, 호모토피 추출기(453)는 제1 정밀도에 따라 노드들 각각에 대한 실현 가능성을 결정할 수 있고, 제2 보다 높은 정밀도에 따라 후보 궤적들을 생성할 수 있다.
도 15는 하나 이상의 실시예에 따른, AV(100)에 대한 예시적인 기동을 예시하는 블록 다이어그램이다. AV(100)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 일 실시예에서, 제약 세트(1302) 중 적어도 일부는 AV(100)가 특정 동작들 또는 태스크들을 수행해야 한다는 것을 지정한다. 제약 세트(1302)는 도 13을 참조하여 보다 상세히 예시되고 기술되어 있다. 예를 들어, 제약은 AV(100)가 특정 기동을 수행해야 한다는 것을 지정할 수 있다. 일 실시예에서, 기동을 수행하는 것은 잠재적 충돌을 피하기 위해 대상체(416)를 기준으로 특정 위치로 AV(100)를 작동시키는 것을 포함한다. 예를 들어, 제약은 AV(100)가 특정 시간 및 위치에서 도로 상에서 차선을 변경해야 한다는 것을 지정할 수 있다. 다른 예로서, 제약은 AV(100)가 특정 시간 및 위치에서 그의 현재 위치에 유지되어야 한다는 것을 지정할 수 있다.
일 실시예에서, 제약 세트(1302)는 센서 데이터(504a)를 사용하여 시간에 걸쳐, 적어도 하나의 프로세서(146)에 의해, 파라미터화되는 스테이션 기반 제약들을 포함한다. 대상체(416) 및 차량들(193, 1504)은 때때로 "에이전트들"이라고 지칭된다. 에이전트들이 어디에 위치하는지 및 AV(100)와 이러한 에이전트들의 충돌이 무엇을 나타내는지를 나타내는 제약들을 기술할 수 있기 위해, 각각의 에이전트가 스테이션 기반 및 공간 기반 장애물로 변환된다. 스테이션 기반 제약은 시간에 걸쳐 파라미터화된다. 호모토피 추출기(503), 및 제약들의 그의 추출 및 그룹화에 관한 추가 세부 사항은 도 13 및 도 14를 참조하여 기술된다. 제약 세트(1302)는 센서 데이터(504a)를 사용하여 스테이션 및 시간에 걸쳐, 적어도 하나의 프로세서(146)에 의해, 파라미터화되는 공간 기반 제약들을 또한 포함한다. 제약들의 파라미터화는, 도 13을 참조하여 보다 상세히 기술되는, 샘플링에 의해 수행된다.
일 실시예에서, 기동을 결정하는 것은, 적어도 하나의 프로세서(146)에 의해, 기동을 제공하기 위해 스테이션 기반 제약들과 공간 기반 제약들의 합집합을 생성하는 것을 포함한다. 예를 들어, 스테이션 기반 제약들과 공간 기반 제약들의 합집합은 스테이션 기반 제약들과 공간 기반 제약들을 결합시켜 서로 관련시키는 데 사용되는 연산이다. 일 실시예에서, 스테이션 기반 제약들 및 공간 기반 제약들 각각은 행렬들로서 저장되고 조작된다. 2 개의 그러한 행렬의 합집합은 대응하는 행렬 합집합을 획득하기 위해 각각의 요소 쌍의 엔트리들에 연산을 적용하는 것에 의해 획득된다.
일 실시예에서, 기동을 수행하는 것은, 제어 회로(406)에 의해, 도로 세그먼트(1500)를 횡단하는 동안 2 개의 움직이는 차량(193, 1504) 전방에 AV(100)를 위치시키는 것을 포함한다. 제어 회로(406)는 도 4를 참조하여 보다 상세히 예시되고 기술되어 있다. 예를 들어, 제약은 AV(100)가 특정 시간 및 위치에서 차량(1504)을 추월해야 한다는 것을 지정할 수 있다. 일 실시예에서, 기동을 수행하는 것은, 제어 회로(406)에 의해, 도로 세그먼트(1500)를 횡단하는 동안 2 개의 움직이는 대상체(예를 들면, 2 개의 움직이는 차량(193, 1504)) 후방에 AV(100)를 위치시키는 것을 포함한다. 예를 들어, 제약은 AV(100)가 특정 시간 및 위치에서 차량(193) 후방에 유지되어야 한다는 것을 지정할 수 있다. 다른 예로서, 제약은 궤적(1520)을 따라 더 진행하기 전에 AV(100)가 차량(193) 또는 보행자(192)가 AV(100)의 경로를 열어주기를 기다려야 한다는 것을 지정할 수 있다.
일 실시예에서, 기동을 수행하는 것은, 제어 회로(406)에 의해, 도로 세그먼트(1500)를 횡단하는 동안 2 개의 움직이는 대상체(2 개의 움직이는 차량(193, 1504)) 사이에 AV(100)를 위치시키는 것을 포함한다. 예를 들어, 제약은 차량(193) 또는 보행자가 차선(1512)에 진입하기 전에 AV(100)가 궤적(1520)을 따라 진행해야 한다는 것을 지정할 수 있다.
도 16은 하나 이상의 실시예에 따른, 차량의 작동을 위한 프로세스를 예시하는 흐름 다이어그램이다. AV(100)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 일 실시예에서, 도 16의 프로세스는, 도 4b를 참조하여 보다 상세히 예시되고 기술된, AV(100)의 호모토피 추출기(453) 또는 샘플 기반 기동 실현기(454)에 의해 수행된다. 다른 실시예들에서 다른 엔티티들, 예를 들어, 서버(136)가 프로세스의 단계들의 일부 또는 전부를 수행한다. 서버(136)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 마찬가지로, 실시예들은 상이한 및/또는 추가적인 단계들을 포함할 수 있거나, 또는 단계들을 상이한 순서들로 수행할 수 있다.
AV(100)는 AV(100)의 적어도 하나의 프로세서(146)를 사용하여 AV(100)에 의해 주행되는 도로 세그먼트(1500)(차선들(1512, 1516)을 포함함)에 기초하여 다수의 초기 궤적들을 생성한다(1604). 프로세서(146)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 차선들(1512, 1516)은 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다. 궤적 생성을 위한 프로세스는 도 10을 참조하여 보다 상세히 예시되고 기술되어 있다.
AV(100)는 프로세서(146)를 사용하여 AV(100)의 적어도 하나의 센서(121)로부터 센서 데이터(504a)를 수신한다(1608). 센서(121)는 도 10을 참조하여 보다 상세히 예시되고 기술되어 있다. LiDAR 출력 데이터(504a)는 도 5를 참조하여 보다 상세히 예시되고 기술되어 있다. AV(100)의 센서 데이터 사용이 또한 도 4b를 참조하여 보다 상세히 기술되어 있다. AV(100)는 다수의 궤적들 중 궤적(198)에 따라 도로 세그먼트(차선(1516))을 주행하고 있다. 궤적(198)은 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다.
AV(100)는 프로세서(146)를 사용하여 센서 데이터(504a) 및 궤적(198)에 기초하여 AV(100)와 도로 세그먼트(1500) 상에서 움직이는 대상체(416) 사이의 잠재적 충돌을 예측한다(1612). 대상체(416)는 도 4 및 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다.
AV(100)는 프로세서(146)를 사용하여 AV(100)가 잠재적 충돌을 피하기 위한 제약 세트(1302)를 결정한다(1616). 제약 세트(1302)는 도 13을 참조하여 보다 상세히 예시되고 기술되어 있다. 제약 세트(1302)는 센서 데이터(504a)에 기초하여 결정된다. 일 실시예에서, 제약 세트는 하드 논리적 제약들 및 소프트 논리적 제약들을 포함한다. 하드 논리적 제약들은, 예를 들어, 잠재적 충돌을 피하기 위해 또는 목적지(199)에 도달하기 위해 AV(100)가 준수해야만 하는 제약들이다. 목적지(199)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 소프트 논리적 제약들은 AV(100)가 준수해야 하지만, 예를 들어, 잠재적 충돌을 피하기 위해 위반할 수 있는 제약들이다. 소프트 논리적 제약들은 도 4b를 참조하여 보다 상세히 기술되어 있다. 예를 들어, 제약 세트(1302)의 적어도 일부는 소프트 논리적 제약들일 수 있다(예를 들면, AV(100)는 목적지(199)까지 횡단하는 동안 소프트 논리적 제약들을 준수하려고 시도해야 하지만 반드시 그럴 필요는 없다).
AV(100)는 프로세서(146)를 사용하여 제약 세트(1302)의 각각의 제약을 제약 세트(1302)의 각각의 다른 제약에 중첩시키는 것에 의해 AV(100)에 대한 기동을 결정한다(1620). 기동은 다수의 초기 궤적들과 독립적인 궤적(1520)을 포함한다. 궤적(1520)은 도 15를 참조하여 보다 상세히 예시되고 기술되어 있다. 일 실시예에서, 기동을 결정하는 것은, 적어도 하나의 프로세서(146)에 의해, 기동을 제공하기 위해 스테이션 기반 제약들과 공간 기반 제약들의 합집합을 생성하는 것을 포함한다. 예를 들어, 스테이션 기반 제약들과 공간 기반 제약들의 합집합은 스테이션 기반 제약들과 공간 기반 제약들을 결합시켜 서로 관련시키는 데 사용되는 연산이다.
AV(100)는 프로세서(146)를 사용하여 AV(100)의 제어 회로(406)로 명령어들을 송신한다(1624). 제어 회로(406)는 도 1을 참조하여 보다 상세히 예시되고 기술되어 있다. 명령어들은 제어 회로(406)에 초기 궤적(198)을 오버라이드하도록 지시한다. 명령어들은 추가로 제어 회로(406)에 기동을 수행하기 위해 궤적(1520)에 따라 도로 세그먼트(1500)를 횡단하도록 지시한다.
전술한 설명에서, 본 발명의 실시예들은 구현마다 달라질 수 있는 다수의 특정 세부 사항들을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면들은 제한적인 의미보다는 예시적인 의미로 간주되어야 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 청구항들에 포함된 용어들에 대한 본원에서 명시적으로 기재된 임의의 정의들은 청구항들에서 사용되는 그러한 용어들의 의미를 결정한다. 추가적으로, 전술한 설명 및 이하의 청구항들에서 "더 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브단계/서브엔티티일 수 있다.
추가적인 예들
본원에 기술된 특징들의 예시적인 구현들이 아래에 제공된다.
예 1: 방법은: 차량의 적어도 하나의 프로세서에 의해, 차량에 의해 주행되는 도로 세그먼트에 기초하여 차량에 대한 복수의 궤적들을 생성하는 단계; 적어도 하나의 프로세서에 의해, 차량의 적어도 하나의 센서로부터 센서 데이터를 수신하는 단계 - 차량은 복수의 궤적들 중 제1 궤적에 따라 도로 세그먼트를 주행함 -; 적어도 하나의 프로세서에 의해, 센서 데이터 및 제1 궤적에 기초하여 차량과 도로 세그먼트 상에서 움직이는 대상체 사이의 잠재적 충돌을 예측하는 단계; 적어도 하나의 프로세서에 의해, 잠재적 충돌을 피하기 위해 차량에 대한 제약 세트를 결정하는 단계 - 제약 세트는 센서 데이터에 기초하여 결정됨 -; 적어도 하나의 프로세서에 의해, 제약 세트의 각각의 제약을 제약 세트의 각각의 다른 제약에 중첩시키는 것에 의해 차량에 대한 기동을 결정하는 단계 - 기동은 복수의 궤적들과 독립적인 제2 궤적을 포함함 -; 및 적어도 하나의 프로세서에 의해, 제1 궤적을 오버라이드하도록; 그리고 기동을 수행하기 위해 제2 궤적에 따라 도로 세그먼트를 횡단하도록 명령어들을 차량의 제어 회로로 송신하는 단계를 포함한다.
예 2: 예 1의 방법으로서, 제약 세트는 도로 세그먼트의 차선 마킹들 또는 도로 세그먼트의 운전 가능 영역 중 적어도 하나를 나타내는 환경적 제약들을 포함하는, 방법.
예 3: 예 1 또는 예 2의 방법으로서, 제약 세트는: AV가 잠재적 충돌을 피하기 위해 준수해야만 하는 하드 논리적 제약들; 및 AV가 잠재적 충돌을 피하기 위해 위반할 수 있는 소프트 논리적 제약들을 포함하는, 방법.
예 4: 예 1 내지 예 3 중 어느 한 예의 방법으로서, 제약 세트는: 센서 데이터를 사용하여 시간에 걸쳐, 적어도 하나의 프로세서에 의해, 파라미터화되는 스테이션 기반 제약들; 및 센서 데이터를 사용하여 스테이션 및 시간에 걸쳐, 적어도 하나의 프로세서에 의해, 파라미터화되는 공간 기반 제약들을 포함하는, 방법.
예 5: 예 1 내지 예 4 중 어느 한 예의 방법으로서, 기동을 결정하는 단계는, 적어도 하나의 프로세서에 의해, 기동을 제공하기 위해 스테이션 기반 제약들과 공간 기반 제약들의 합집합을 생성하는 단계를 포함하는, 방법.
예 6: 예 1 내지 예 5 중 어느 한 예의 방법으로서, 제약 세트를 결정하는 단계는 제1 빈도로 수행되고, 제2 궤적을 생성하도록 기동을 결정하는 단계는 제1 빈도보다 높은 제2 빈도로 수행되는, 방법.
예 7: 예 1 내지 예 6 중 어느 한 예의 방법으로서, 기동을 수행하는 것은 대상체를 기준으로 특정 위치로 차량을 작동시키는 것을 포함하는, 방법.
예 8: 예 1 내지 예 7 중 어느 한 예의 방법으로서, 적어도 하나의 프로세서에 의해, 복수의 호모토피들을 결정하는 단계를 또한 포함하며, 복수의 호모토피들의 각각의 호모토피는 제약 세트의 상이한 각자의 조합을 포함하고, 기동을 결정하는 단계는 복수의 호모토피들 중 적어도 일부에 기초하는, 방법.
예 9: 예 1 내지 예 8 중 어느 한 예의 방법으로서, 적어도 하나의 프로세서에 의해, 정밀도에 따라 도로 세그먼트 상에서의 차량의 모션을 예측하는 단계; 및 적어도 하나의 프로세서에 의해, 차량이 예측된 모션에 기초하여 복수의 호모토피들의 서브세트에 따라 도로 세그먼트를 횡단할 수 있다고 결정하는 단계 - 기동을 결정하는 단계는 복수의 호모토피들의 서브세트에 더 기초함 - 를 또한 포함하는, 방법.
예 10: 예 1 내지 예 9 중 어느 한 예의 방법으로서, 차량이 복수의 호모토피들의 서브세트에 따라 도로 세그먼트를 횡단할 수 있다고 결정하는 단계는, 적어도 하나의 프로세서에 의해, 복수의 호모토피들의 서브세트에 기초하여 결정 그래프를 생성하는 단계 - 결정 그래프는 복수의 노드들을 포함하고, 각각의 노드는 상이한 기동에 대응함 - 를 포함하는, 방법.
예 11: 예 1 내지 예 10 중 어느 한 예의 방법으로서, 제2 궤적을 생성하도록 기동을 결정하는 단계는: 적어도 하나의 프로세서에 의해, 복수의 호모토피들의 각각의 호모토피에 각자의 품질 메트릭을 할당하는 단계; 및 적어도 하나의 프로세서에 의해, 각자의 품질 메트릭에 기초하여 제2 궤적을 선택하는 단계를 포함하는, 방법.
예 12: 예 1 내지 예 11 중 어느 한 예의 방법으로서, 각자의 품질 메트릭은 각각의 호모토피에 따라 도로 세그먼트를 횡단하기 위한 예측된 시간; 각각의 호모토피에 따라 도로 세그먼트를 횡단하는 동안 차량의 승객의 예측된 안전; 또는 각각의 호모토피에 따라 도로 세그먼트를 횡단하는 동안 승객의 예측된 편의 중 적어도 하나에 기초하여 결정되는, 방법.
예 13: 예 1 내지 예 12 중 어느 한 예의 방법으로서, 기동을 수행하는 것은, 제어 회로에 의해, 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 전방에 차량을 위치시키는 것을 포함하는, 방법.
예 14: 예 1 내지 예 13 중 어느 한 예의 방법으로서, 기동을 수행하는 것은, 제어 회로에 의해, 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 후방에 차량을 위치시키는 것을 포함하는, 방법.
예 15: 예 1 내지 예 14 중 어느 한 예의 방법으로서, 기동을 수행하는 것은, 제어 회로에 의해, 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 사이에 차량을 위치시키는 것을 포함하는, 방법.
예 16: 예 1 내지 예 15 중 어느 한 예의 방법으로서, 제약 세트의 각각의 제약을 제약 세트의 각각의 다른 제약에 중첩시키는 것은, 적어도 하나의 프로세서에 의해, 기동을 제공하기 위해 센서 데이터의 변화들에 따라 시간과 관련하여 제약 세트의 각각의 제약을 샘플링하는 것을 포함하는, 방법.
예 17: 차량은: 하나 이상의 컴퓨터 프로세서; 및 하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 하나 이상의 컴퓨터 프로세서로 하여금 예 1 내지 예 16 중 어느 한 예의 방법을 수행하게 하는 명령어들을 저장하는 하나 이상의 비일시적 저장 매체를 포함한다.
예 18: 하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 하나 이상의 컴퓨터 프로세서로 하여금 예 1 내지 예 16 중 어느 한 예의 방법을 수행하게 하는 명령어들을 저장하는 하나 이상의 비일시적 저장 매체.

Claims (20)

  1. 방법으로서,
    차량의 적어도 하나의 프로세서에 의해, 상기 차량에 의해 주행되는 도로 세그먼트에 기초하여 상기 차량에 대한 복수의 궤적들을 생성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 차량의 적어도 하나의 센서로부터 센서 데이터를 수신하는 단계 - 상기 차량은 상기 복수의 궤적들 중 제1 궤적에 따라 상기 도로 세그먼트를 주행함 -;
    상기 적어도 하나의 프로세서에 의해, 상기 센서 데이터 및 상기 제1 궤적에 기초하여 상기 차량과 상기 도로 세그먼트 상에서 움직이는 대상체 사이의 잠재적 충돌을 예측하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 잠재적 충돌을 피하기 위해 상기 차량에 대한 제약 세트를 결정하는 단계 - 상기 제약 세트는 상기 센서 데이터에 기초하여 결정됨 -;
    상기 적어도 하나의 프로세서에 의해, 상기 제약 세트의 각각의 제약을 상기 제약 세트의 각각의 다른 제약에 중첩시키는 것에 의해 상기 차량에 대한 기동을 결정하는 단계 - 상기 기동은 상기 복수의 궤적들과 독립적인 제2 궤적을 포함함 -; 및
    상기 적어도 하나의 프로세서에 의해,
    상기 제1 궤적을 오버라이드하도록; 그리고
    상기 기동을 수행하기 위해 상기 제2 궤적에 따라 상기 도로 세그먼트를 횡단하도록
    명령어들을 상기 차량의 제어 회로로 송신하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서, 상기 제약 세트는 상기 도로 세그먼트의 차선 마킹들 또는 상기 도로 세그먼트의 운전 가능 영역 중 적어도 하나를 나타내는 환경적 제약들을 포함하는, 방법.
  3. 제1항에 있어서, 상기 제약 세트는:
    상기 차량이 상기 잠재적 충돌을 피하기 위해 준수해야만 하는 하드 논리적 제약들; 및
    상기 차량이 상기 잠재적 충돌을 피하기 위해 위반할 수 있는 소프트 논리적 제약들을 포함하는, 방법.
  4. 제1항에 있어서, 상기 제약 세트는:
    상기 센서 데이터를 사용하여 시간에 걸쳐, 상기 적어도 하나의 프로세서에 의해, 파라미터화되는 스테이션 기반 제약들; 및
    상기 센서 데이터를 사용하여 스테이션 및 시간에 걸쳐, 상기 적어도 하나의 프로세서에 의해, 파라미터화되는 공간 기반 제약들을 포함하는, 방법.
  5. 제1항에 있어서, 상기 기동을 결정하는 단계는:
    상기 적어도 하나의 프로세서에 의해, 상기 기동을 제공하기 위해 스테이션 기반 제약들과 공간 기반 제약들의 합집합을 생성하는 단계를 포함하는, 방법.
  6. 제1항에 있어서, 상기 제약 세트를 결정하는 단계는 제1 빈도로 수행되고, 상기 제2 궤적을 생성하도록 상기 기동을 결정하는 단계는 상기 제1 빈도보다 높은 제2 빈도로 수행되는, 방법.
  7. 제1항에 있어서, 상기 기동을 수행하는 것은:
    상기 대상체를 기준으로 특정 위치로 상기 차량을 작동시키는 것을 포함하는, 방법.
  8. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 복수의 호모토피(homotopy)들을 결정하는 단계
    를 더 포함하며, 상기 복수의 호모토피들의 각각의 호모토피는 상기 제약 세트의 상이한 각자의 조합을 포함하고, 상기 기동을 결정하는 단계는 상기 복수의 호모토피들 중 적어도 일부에 기초하는, 방법.
  9. 제8항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 정밀도에 따라 상기 도로 세그먼트 상에서의 상기 차량의 모션을 예측하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 차량이 상기 예측된 모션에 기초하여 상기 복수의 호모토피들의 서브세트에 따라 상기 도로 세그먼트를 횡단할 수 있다고 결정하는 단계 - 상기 기동을 결정하는 단계는 상기 복수의 호모토피들의 서브세트에 더 기초함 -
    를 더 포함하는, 방법.
  10. 제9항에 있어서, 상기 차량이 상기 복수의 호모토피들의 상기 서브세트에 따라 상기 도로 세그먼트를 횡단할 수 있다고 결정하는 단계는:
    상기 적어도 하나의 프로세서에 의해, 상기 복수의 호모토피들의 상기 서브세트에 기초하여 결정 그래프를 생성하는 단계 - 상기 결정 그래프는 복수의 노드들을 포함하고, 각각의 노드는 상이한 기동에 대응함 - 를 포함하는, 방법.
  11. 제8항에 있어서, 상기 제2 궤적을 생성하도록 상기 기동을 결정하는 단계는:
    상기 적어도 하나의 프로세서에 의해, 상기 복수의 호모토피들의 각각의 호모토피에 각자의 품질 메트릭을 할당하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 각자의 품질 메트릭에 기초하여 상기 제2 궤적을 선택하는 단계를 포함하는, 방법.
  12. 제11항에 있어서, 상기 각자의 품질 메트릭은,
    상기 각각의 호모토피에 따라 상기 도로 세그먼트를 횡단하기 위한 예측된 시간;
    상기 각각의 호모토피에 따라 상기 도로 세그먼트를 횡단하는 동안 상기 차량의 승객의 예측된 안전; 또는
    상기 각각의 호모토피에 따라 상기 도로 세그먼트를 횡단하는 동안 상기 승객의 예측된 편의
    중 적어도 하나에 기초하여 결정되는, 방법.
  13. 제1항에 있어서, 상기 기동을 수행하는 것은:
    상기 제어 회로에 의해, 상기 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 전방에 상기 차량을 위치시키는 것을 포함하는, 방법.
  14. 제1항에 있어서, 상기 기동을 수행하는 것은:
    상기 제어 회로에 의해, 상기 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 후방에 상기 차량을 위치시키는 것을 포함하는, 방법.
  15. 제1항에 있어서, 상기 기동을 수행하는 것은:
    상기 제어 회로에 의해, 상기 도로 세그먼트를 횡단하는 동안 2 개의 움직이는 대상체 사이에 상기 차량을 위치시키는 것을 포함하는, 방법.
  16. 제1항에 있어서, 상기 제약 세트의 각각의 제약을 상기 제약 세트의 각각의 다른 제약에 중첩시키는 것은:
    상기 적어도 하나의 프로세서에 의해, 상기 기동을 제공하기 위해 상기 센서 데이터의 변화들에 따라 시간과 관련하여 상기 제약 세트의 각각의 제약을 샘플링하는 것을 포함하는, 방법.
  17. 차량으로서,
    하나 이상의 컴퓨터 프로세서; 및
    명령어들을 저장하는 하나 이상의 비일시적 저장 매체
    를 포함하며, 상기 명령어들은, 상기 하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 상기 하나 이상의 컴퓨터 프로세서로 하여금:
    상기 차량에 의해 주행되는 도로 세그먼트에 기초하여 상기 차량에 대한 복수의 궤적들을 생성하게 하고;
    상기 차량의 적어도 하나의 센서로부터 센서 데이터를 수신하게 하며 - 상기 차량은 상기 복수의 궤적들 중 제1 궤적에 따라 상기 도로 세그먼트를 주행함 -;
    상기 센서 데이터 및 상기 제1 궤적에 기초하여 상기 차량과 상기 도로 세그먼트 상에서 움직이는 대상체 사이의 잠재적 충돌을 예측하게 하고;
    상기 잠재적 충돌을 피하기 위해 상기 차량에 대한 제약 세트를 결정하게 하며 - 상기 제약 세트는 상기 센서 데이터에 기초하여 결정됨 -;
    상기 제약 세트의 각각의 제약을 상기 제약 세트의 각각의 다른 제약에 중첩시키는 것에 의해 상기 차량에 대한 기동을 결정하게 하고 - 상기 기동은 상기 복수의 궤적들과 독립적인 제2 궤적을 포함함 -;
    상기 제1 궤적을 오버라이드하도록; 그리고
    상기 기동을 수행하기 위해 상기 제2 궤적에 따라 상기 도로 세그먼트를 횡단하도록
    명령어들을 상기 차량의 제어 회로로 송신하게 하는, 차량.
  18. 제1항에 있어서, 상기 제약 세트는 상기 도로 세그먼트의 차선 마킹들 또는 상기 도로 세그먼트의 운전 가능 영역 중 적어도 하나를 나타내는 환경적 제약들을 포함하는, 차량.
  19. 명령어들을 저장하는 하나 이상의 비일시적 저장 매체로서, 상기 명령어들은, 하나 이상의 컴퓨터 프로세서에 의해 실행될 때, 상기 하나 이상의 컴퓨터 프로세서로 하여금:
    차량에 의해 주행되는 도로 세그먼트에 기초하여 상기 차량에 대한 복수의 궤적들을 생성하게 하고;
    상기 차량의 적어도 하나의 센서로부터 센서 데이터를 수신하게 하며 - 상기 차량은 상기 복수의 궤적들 중 제1 궤적에 따라 상기 도로 세그먼트를 주행함 -;
    상기 센서 데이터 및 상기 제1 궤적에 기초하여 상기 차량과 상기 도로 세그먼트 상에서 움직이는 대상체 사이의 잠재적 충돌을 예측하게 하고;
    상기 잠재적 충돌을 피하기 위해 상기 차량에 대한 제약 세트를 결정하게 하며 - 상기 제약 세트는 상기 센서 데이터에 기초하여 결정됨 -;
    상기 제약 세트의 각각의 제약을 상기 제약 세트의 각각의 다른 제약에 중첩시키는 것에 의해 상기 차량에 대한 기동을 결정하게 하고 - 상기 기동은 상기 복수의 궤적들과 독립적인 제2 궤적을 포함함 -;
    상기 제1 궤적을 오버라이드하도록; 그리고
    상기 기동을 수행하기 위해 상기 제2 궤적에 따라 상기 도로 세그먼트를 횡단하도록
    명령어들을 상기 차량의 제어 회로로 송신하게 하는, 하나 이상의 비일시적 저장 매체.
  20. 제1항에 있어서, 상기 제약 세트는 상기 도로 세그먼트의 차선 마킹들 또는 상기 도로 세그먼트의 운전 가능 영역 중 적어도 하나를 나타내는 환경적 제약들을 포함하는, 하나 이상의 비일시적 저장 매체.
KR1020210185363A 2021-01-28 2021-12-22 기동 생성을 사용한 차량 작동 KR20220110068A (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202163142882P 2021-01-28 2021-01-28
US63/142,882 2021-01-28
US17/544,526 US20220234575A1 (en) 2021-01-28 2021-12-07 Vehicle operation using maneuver generation
US17/544,526 2021-12-07

Publications (1)

Publication Number Publication Date
KR20220110068A true KR20220110068A (ko) 2022-08-05

Family

ID=82321109

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210185363A KR20220110068A (ko) 2021-01-28 2021-12-22 기동 생성을 사용한 차량 작동

Country Status (5)

Country Link
US (1) US20220234575A1 (ko)
KR (1) KR20220110068A (ko)
CN (1) CN114815799A (ko)
DE (1) DE102021132851A1 (ko)
GB (1) GB2604986B (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230099772A1 (en) * 2021-09-29 2023-03-30 Waymo Llc Lane search for self-driving vehicles
WO2024035738A1 (en) * 2022-08-09 2024-02-15 Motional Ad Llc Methods and systems for obstacle representation
CN116679755B (zh) * 2023-06-30 2023-12-22 四川大学 基于分布式模型预测控制的多智能体协同突防打击方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11262756B2 (en) * 2018-01-15 2022-03-01 Uatc, Llc Discrete decision architecture for motion planning system of an autonomous vehicle
US11851062B2 (en) * 2020-12-09 2023-12-26 Waymo Llc Physics-informed optimization for autonomous driving systems

Also Published As

Publication number Publication date
GB2604986B (en) 2023-05-10
CN114815799A (zh) 2022-07-29
US20220234575A1 (en) 2022-07-28
GB2604986A (en) 2022-09-21
DE102021132851A1 (de) 2022-07-28

Similar Documents

Publication Publication Date Title
US11320826B2 (en) Operation of a vehicle using motion planning with machine learning
KR102663570B1 (ko) 차량의 궤적을 계획 및 업데이트하기 위한 시스템 및 방법
US20200216064A1 (en) Classifying perceived objects based on activity
KR102505300B1 (ko) 복수의 모션 제약을 사용하는 차량의 동작
US11577754B2 (en) Autonomous vehicle operation using linear temporal logic
KR102626145B1 (ko) 거동 규칙 검사를 사용한 차량 작동
US20220234618A1 (en) Homotopic-based planner for autonomous vehicles
KR102518680B1 (ko) 속력 프로파일 추정
KR20220110068A (ko) 기동 생성을 사용한 차량 작동
KR20220147006A (ko) 동적 상태를 사용한 자율 주행 차량의 궤적의 계획
KR20220027702A (ko) 조건부 움직임 예측
KR20220124616A (ko) 근접 규칙을 사용한 자율 주행 차량의 제어
KR20220144296A (ko) 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술
KR20220128233A (ko) 운전 데이터 기반 공간 계획
KR20210109615A (ko) 활동에 기초한 인지된 대상체 분류
KR20220118292A (ko) 가변 시간 기간을 사용한 자율 주행 차량의 제어

Legal Events

Date Code Title Description
E902 Notification of reason for refusal