KR20220144296A - 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술 - Google Patents

인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술 Download PDF

Info

Publication number
KR20220144296A
KR20220144296A KR1020210183998A KR20210183998A KR20220144296A KR 20220144296 A KR20220144296 A KR 20220144296A KR 1020210183998 A KR1020210183998 A KR 1020210183998A KR 20210183998 A KR20210183998 A KR 20210183998A KR 20220144296 A KR20220144296 A KR 20220144296A
Authority
KR
South Korea
Prior art keywords
vehicle
trajectory
cost
cost component
speed
Prior art date
Application number
KR1020210183998A
Other languages
English (en)
Inventor
보아즈 코넬리스 플로어
마르크 도미닉 헤임
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 KR20220144296A publication Critical patent/KR20220144296A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/10—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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W2552/50—Barriers
    • 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
    • B60W2554/20—Static 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
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—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
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/20—Lateral distance

Abstract

인지된 위험에 기초하여 자율 주행 차량에 대한 궤적을 선택하기 위한 시스템 및 방법이 제공된다. 객관적 안전 제약을 충족하고 궤적의 인지된 위험을 나타내는 비용 컴포넌트에 적어도 부분적으로 기초하여 전체 비용을 최소화하는 궤적이 선택된다. 차량은 선택된(예컨대, 최적화된) 궤적에 따라 운행된다.

Description

인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술 {TECHNIQUES FOR NAVIGATING AN AUTONOMOUS VEHICLE BASED ON PERCEIVED RISK}
본 명세서는 인지된 위험(perceived risk)에 기초하여 자율 주행 차량(autonomous vehicle)을 운행(navigating)하는 것에 관한 것이다.
자율 주행 차량은 한 위치에서 다른 위치로 사람 및/또는 화물(예컨대, 패키지, 물체, 또는 기타 아이템)을 수송하는데 사용될 수 있다. 예를 들어, 자율 주행 차량은 사람의 위치로 운행하고, 사람이 자율 주행 차량에 탑승하기를 기다리며, 지정된 목적지(예컨대, 사람이 선택한 위치)로 운행할 수 있다. 환경에서 운행하기 위해, 이 자율 주행 차량은 주변에 있는 물체를 검출하기 위한 다양한 유형의 센서가 장착되어 있다.
본 명세서에 기재된 내용은 자율 주행 차량에 대한 궤적(trajectory)을 결정함으로써 자율 주행 차량을 제어하기 위한 시스템 및 기술에 관한 것이다. 일반적으로, 시스템은 자율 주행 차량을 운행하기 위한 궤적을 선택하도록 구성된다. 이 궤적은 자율 주행 차량에 대한 인지된 위험에 기초하며, 그리하여 선택된 궤적은 인지된 위험 비용 컴포넌트를 포함한 전체 비용을 최소화한다.
이들 및 다른 양태, 특징, 및 구현은 청구항을 포함하여, 이하의 설명으로부터 명백해질 것이다.
도 1은 자율 주행 능력을 갖는 자율 주행 차량의 예를 도시한다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 도시한다.
도 3은 컴퓨터 시스템을 도시한다.
도 4는 자율 주행 차량에 대한 예시적인 아키텍처를 도시한다.
도 5는 인지 모듈에 의해 사용될 수 있는 입력 및 출력의 예를 도시한다.
도 6은 LiDAR 시스템의 예를 도시한다.
도 7은 동작 중인 LiDAR 시스템을 도시한다.
도 8은 LiDAR 시스템의 동작을 추가적으로 상세하게 도시한다.
도 9는 계획 모듈의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 10은 경로 계획에서 사용되는 방향 그래프(directed graph)를 도시한다.
도 11은 제어 모듈의 입력 및 출력의 블록 다이어그램을 도시한다.
도 12는 제어기의 입력, 출력, 및 컴포넌트의 블록 다이어그램을 도시한다.
도 13은 다양한 장애물이 존재하는 도로를 운행하는 자율 주행 차량의 예를 예시한다.
도 14a 내지 도 14d는 다양한 장애물이 존재하는 도로를 운행하는 자율 주행 차량의 예를 예시한다.
도 15는 자율 주행 차량을 동작시키는 시스템에 의해 자율 주행 차량에 대한 궤적을 선택하기 위한 예시적인 프로세스의 흐름도이다.
이하의 기술에서는, 설명 목적으로, 본 개시에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부 사항이 기재되어 있다. 그렇지만, 개시된 기술이 이러한 특정 세부 사항 없이 실시될 수 있음이 명백할 것이다. 다른 경우에, 공지된 구조 및 디바이스는 개시된 기술을 불필요하게 모호하게 하는 것을 피하기 위하여 블록 다이어그램 형태로 도시된다.
도면에서, 설명의 용이성을 위해, 디바이스, 모듈, 명령 블록 및 데이터 요소를 나타내는 것과 같은 개략적 요소의 특정 배열 또는 순서가 도시되어 있다. 그렇지만, 본 기술 분야의 통상의 기술자라면, 도면에서의 개략적 요소의 특정 순서 또는 배열이 프로세싱의 특정 순서 또는 시퀀스, 또는 프로세스의 분리가 요구됨을 암시하는 것으로 의미되지 않는다는 점을 이해할 것이다. 또한, 도면에 개략적 요소를 포함시키는 것은, 그러한 요소가 모든 실시예에서 요구됨을 암시하는 것으로 의미되지 않거나, 또는 그러한 요소에 의해 표현된 특징이 일 실시예에서 포함되지 않을 수 있거나 다른 요소와 조합되지 않을 수 있음을 암시하는 것으로 의미되지 않는다.
또한, 도면에서, 2개 이상의 다른 개략적 요소 사이의 연결, 관계 또는 연관을 보여주기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소가 사용되는 경우에, 임의의 그러한 연결 요소의 부재가 연결, 관계 또는 연관이 존재할 수 없다는 것을 암시하는 것을 의미하지 않는다. 환언하면, 요소들 사이의 일부 연결, 관계 또는 연관은 본 개시를 모호하게 하지 않기 위해 도면에 도시되어 있지 않다. 추가적으로, 예시의 용이성을 위해, 요소들 사이의 다수의 연결, 관계 또는 연관을 나타내기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호, 데이터 또는 명령의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면 그러한 요소가, 통신을 수행하기 위해 필요할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낸다는 것을 이해할 것이다.
그 예가 첨부 도면에 예시된 실시예가 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예에 대한 완전한 이해를 제공하기 위해 많은 특정 세부 사항이 기재된다. 그렇지만, 다양한 기술된 실시예가 이러한 특정 세부 사항 없이 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예의 양태를 불필요하게 모호하게 하지 않기 위해 공지된 방법, 절차, 컴포넌트, 회로, 및 네트워크는 상세히 기술되지 않았다.
각각이 서로 독립적으로 또는 다른 특징들의 임의의 조합과 함께 사용될 수 있는 여러 특징이 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 표제가 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지는 않는 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예는 이하의 개요에 따라 본원에 기술된다:
1. 일반적 개관
2. 하드웨어 개관
3. 자율 주행 차량 아키텍처
4. 자율 주행 차량 입력
5. 자율 주행 차량 계획
6. 자율 주행 차량 제어
7. 기둥을 사용하는 대상체 검출을 위한 컴퓨팅 시스템
8. 예시적인 포인트 클라우드 및 기둥
9. 대상체를 검출하고 대상체의 검출에 기초하여 차량을 동작시키기 위한 예시적인 프로세스
일반적 개관
복잡한 환경(예컨대, 도시 환경)에서 운전하는 자율 주행 차량은 큰 기술적 난제를 안고 있다. 자율 주행 차량이 이 환경을 운행하기 위해, 자율 주행 차량은 경로를 따라 운행하기 위한 궤적을 선택한다. 궤적은 객관적으로 안전하지만(예컨대, 자율 주행 차량의 속력 및 위치에 관한 안전 제약이 궤적에 의해 충족됨), 궤적에 따라 운행하는 것은 인지된 위험이 존재할 수 있다. 예를 들어, 궤적은 자율 주행 차량이 장애물에 부딪힐 수 있는 것처럼 보이는 장애물에 자율 주행 차량이 더 가까이 조향하도록 지시할 수 있다. 자율 주행 차량은 궤적이 측방 제약(lateral constraint) 세트와 속력 제약(speed constraint) 세트를 충족한다고 결정한다. 궤적이 객관적으로 안전한 한, 최적화된 궤적은 궤적의 인지된 위험에 적어도 부분적으로 기초하여 품질의 객관적 측정(예컨대, 비용 계산)을 사용하여 선택된다(예컨대, 인지된 위험 비용 컴포넌트를 포함한 전체 비용을 최소화하는 궤적을 선택함). 품질의 객관적 측정을 사용함으로써, 자율 주행 차량의 궤적은 궤적이 다른 객관적인 품질 파라미터(예컨대, 다른 비용 계수)를 감안하여 제시하는 인지된 위험을 고려하는 최적화된 솔루션을 나타낸다.
자율 주행 차량이 운행하여야 하는 궤적을 선택함으로써 인지된 위험에 작용하기 위한 시스템 및 기술이 여기에 기재된다. 여기에 기재된 시스템, 방법, 및 컴퓨터 프로그램 제품의 구현으로써, 자율 주행 차량의 동작은 궤적의 보다 미묘하고 유용한 평가를 제공함으로써 그리고 보다 미묘하고 유용한 평가에 기초하여 운행 결정을 행함으로써 개선된다. 구체적으로, 궤적에 따라 운행하는 것의 인지된 위험에 적어도 부분적으로 기초하여 궤적을 최적화함으로써, 자율 주행 차량은, 사람 운전자가 하는 것처럼 덜 위험할 것으로 보이는 궤적에 따라, 하지만 객관적 안전을 희생하지 않고서 운행하기를 선택할 수 있다. 또한, 덜 위험할 것으로 보이는 궤적에 따라 운행하기를 선택함으로써, 차 안의 사람 승객에 대하여 수동 제어를 취하거나 차량을 달리 보정하라는 자극(예컨대, 사람 승객이 궤적이 위험하다고 느끼는 경우, 궤적이 객관적으로 안전한 경우에도)이 감소되며, 따라서 프로세서를 사용하여 보다 효율적으로 운행 결정을 행한다.
구체적으로, 예의 기술은, 차량이 자율 주행 모드로 동작하고 있는 동안, 경로, 측방 제약 세트 및 속력 제약 세트를 획득하고 - 측방 제약 세트는 차량의 제1 측과 제1 장애물 사이의 제1 거리 및 차량의 제2 측과 제2 장애물 사이의 제2 거리를 정의하고, 속력 제약 세트는 차량의 최대 또는 최소 속력을 정의함 - ; 측방 제약 세트 및 속력 제약 세트를 충족하는 경로에 따라 차량을 운행하기 위한 궤적을 선택하고 - 궤적을 선택하는 것은, 궤적이 측방 제약 세트 및 속력 제약 세트를 충족한다고 결정하고, 궤적이 전체 비용을 최소화한다고 결정하는 것을 포함하며, 전체 비용은 차량의 제1 측에 대한 인지된 위험을 나타내는 제1 비용 컴포넌트 및 차량의 제2 측에 대한 인지된 위험을 나타내는 제2 비용 컴포넌트를 포함함 - ; 궤적에 따라 차량을 운행하는 것을 포함한다.
이들 및 다른 양태, 특징, 및 구현예는 기능을 수행하기 위한 방법, 장치, 시스템, 컴포넌트, 프로그램 제품, 수단 또는 단계로서, 및 다른 방식으로 표현될 수 있다.
하드웨어 개관
도 1은 자율 주행 능력을 갖는 자율 주행 차량(100)의 예를 도시한다.
본원에서 사용되는 바와 같이, "자율 주행 능력"이라는 용어는, 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량을 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 동작할 수 있게 하는 기능, 특징, 또는 설비를 지칭한다.
본원에서 사용되는 바와 같이, 자율 주행 차량(AV)은 자율 주행 능력을 갖는 차량이다.
본원에서 사용되는 바와 같이, "차량"은 상품 또는 사람의 운송 수단을 포함한다. 예를 들어, 자동차, 버스, 기차, 비행기, 드론, 트럭, 보트, 선박, 잠수함, 비행선 등. 무인 자동차는 차량의 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 들면, 도로의 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들면, 차선 또는 교차로의 부분)으로 구성된다. 일 실시예에서, 시공간적 위치는 현실 세계 위치에 대응한다. 예를 들어, 시공간적 위치는 사람을 태우거나 내려주고 또는 상품을 싣거나 내리는 픽업(pick up) 위치 또는 드롭 오프(drop-off) 위치이다.
본원에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싸는 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트들 중 일부는 감지 컴포넌트(예를 들면, 이미지 센서, 생체 측정 센서), 송신 및/또는 수신 컴포넌트(예를 들면, 레이저 또는 라디오 주파수 파 송신기 및 수신기), 아날로그-디지털 변환기와 같은 전자 컴포넌트, 데이터 저장 디바이스(예컨대, RAM 및/또는 비휘발성 스토리지), 소프트웨어 또는 펌웨어 컴포넌트, 및 ASIC(application-specific integrated circuit), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트를 포함할 수 있다.
본원에서 사용되는 바와 같이, "장면 묘사(scene description)"는 AV 차량 상의 하나 이상의 센서에 의해 검출되거나 AV 외부의 소스에 의해 제공되는 하나 이상의 분류된 또는 레이블링된 대상체를 포함하는 데이터 구조(예를 들면, 리스트) 또는 데이터 스트림이다.
본원에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들면, 도시 거리, 주간 프리웨이(interstate freeway) 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들면, 주택 또는 사무실 건물에서의 사유 도로, 주차장 섹션, 공터 섹션, 시골 지역의 비포장 경로 등)에 대응할 수 있다. 일부 차량(예를 들면, 4륜 구동 픽업 트럭, 스포츠 유틸리티 차량 등)은 차량 주행에 특히 적합하지 않은 다양한 물리적 영역을 횡단할 수 있기 때문에, "도로"는 임의의 지자체 또는 다른 정부 또는 행정처에 의해 주요 도로로서 공식적으로 규정되지 않은 물리적 영역일 수 있다.
본원에서 사용되는 바와 같이, "차선"은 차량에 의해 횡단될 수 있는 도로의 한 부분이고, 차선 마킹들 사이의 공간의 대부분 또는 전부에 대응할 수 있거나, 또는 차선 마킹들 사이의 공간의 단지 일부(예를 들면, 50% 미만)에 대응할 수 있다. 예를 들어, 멀리 이격된 차선 마킹들을 갖는 도로는, 하나의 차량이 차선 마킹을 횡단하지 않으면서 다른 차량을 추월할 수 있도록, 마킹들 사이에 둘 이상의 차량을 수용할 수 있으며, 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 나무에 기초하여 규정될 수 있다.
"하나 이상"은 하나의 요소에 의해 수행되는 기능, 둘 이상의 요소에 의해, 예를 들어, 분산 방식으로, 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능, 여러 요소에 의해 수행되는 여러 기능, 또는 이들의 임의의 조합을 포함한다.
또한, 제1, 제2 등의 용어가, 일부 예에서, 다양한 요소를 기술하기 위해 본원에서 사용되고 있지만, 이러한 요소가 이러한 용어에 의해 제한되지 않아야 한다는 것이 이해될 것이다. 이러한 용어는 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 기술된 다양한 실시예의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉 둘 모두가 접촉이지만, 달리 지정되지 않는 한, 동일한 접촉은 아니다.
본원에 기술된 다양한 실시예에 대한 설명에서 사용된 용어는 단지 특정한 실시예를 기술하기 위한 것이며, 제한하는 것으로 의도되지 않는다. 기술된 다양한 실시예 및 첨부된 청구항에 대한 설명에서 사용되는 바와 같이, 단수형은, 문맥이 달리 명확히 나타내지 않는 한, 복수형을 포함하는 것으로 의도된다. "및/또는"이라는 용어가, 본원에서 사용되는 바와 같이, 연관된 열거된 항목들 중 하나 이상의 항목의 일부 및 모든 가능한 조합을 지칭하고 포함한다는 것이 또한 이해될 것이다. 게다가, "포함한다" 및/또는 "포함하는"이라는 용어는 본 설명에서 사용될 때, 언급된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트의 존재를 명시하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 그의 그룹의 존재 또는 추가를 배제하지 않는다는 것도 이해될 것이다.
본원에서 사용되는 바와 같이, "~ 경우"라는 용어는, 선택적으로, 문맥에 따라 "~할 때", 또는 "~시에" 또는 "~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 동작을 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 위치에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 도 2과 관련하여 아래에서 기술되는 클라우드 컴퓨팅 환경(200)과 유사한 클라우드 컴퓨팅 환경 상에 구현된다.
일반적으로, 본원은 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량, 예를 들어, 각각 소위 레벨 5 차량, 레벨 4 차량 및 레벨 3 차량을 포함하는 하나 이상의 자율 주행 능력을 갖는 임의의 차량에 적용 가능한 기술을 개시한다(차량의 자율성의 레벨 분류에 대한 세부 사항은 본원에 그 전체가 참조로 포함된, SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의(Taxonomy and Definitions for Terms Related to On-128-172020-02-28 Road Motor Vehicle Automated Driving Systems) 참조). 또한, 본원에서 개시된 기술은 부분적 자율 주행 차량 및 운전자 보조 차량, 예컨대, 소위 레벨 2 및 레벨 1 차량에도 적용 가능하다(SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의 참조). 일 실시예에서, 레벨 1, 레벨 2, 레벨 3, 레벨 4 및 레벨 5 차량 시스템 중 하나 이상은 센서 입력의 프로세싱에 기초하여 특정의 동작 조건 하에서 특정의 차량 동작(예를 들면, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본 문서에서 설명된 기술은, 완전한 자율 주행 차량으로부터 인간 운전 차량에 이르는, 임의의 레벨에 있는 차량에 혜택을 줄 수 있다.
도 1을 참조하면, AV 시스템(120)은, 대상체(예를 들면, 자연 장애물(191), 차량(193), 보행자(192), 자전거 타는 사람, 및 다른 장애물)을 피하고 도로 법규(예를 들면, 동작 규칙 또는 운전 선호사항)를 준수하면서, AV(100)를 궤적(198)을 따라 환경(190)을 통과하여 목적지(199)(때때로 최종 위치라고 지칭됨)로 동작시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)로부터 동작 커맨드를 수신하고 이에 따라 동작하도록 설비된 디바이스(101)를 포함한다. 일 실시예에서, 컴퓨팅 프로세서(146)는 도 3을 참조하여 아래에서 기술되는 프로세서(304)와 유사하다. 디바이스(101)의 예는 조향 컨트롤(102), 브레이크(103), 기어, 가속기 페달 또는 다른 가속 제어 메커니즘, 윈드실드 와이퍼, 사이드 도어 락, 윈도 컨트롤, 및 방향 지시등을 포함한다.
일 실시예에서, AV 시스템(120)은 AV의 위치, 선속도와 각속도 및 선가속도와 각가속도, 및 헤딩(heading)(예를 들면, AV(100)의 선단의 배향)와 같은 AV(100)의 상태 또는 조건의 속성을 측정 또는 추론하기 위한 센서(121)를 포함한다. 센서(121)의 예는 GPS, 차량 선가속도 및 각도 변화율(angular rate) 둘 모두를 측정하는 IMU(inertial measurement unit), 휠 슬립률(wheel slip ratio)을 측정 또는 추정하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 휠 토크 센서, 그리고 조향각 및 각도 변화율 센서이다.
일 실시예에서, 센서(121)는 AV의 환경의 속성을 감지하거나 측정하기 위한 센서를 또한 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 둘 모두) 스펙트럼의 단안 또는 스테레오 비디오 카메라(122), LiDAR(123), RADAR, 초음파 센서, 비행 시간(time-of-flight, TOF) 깊이 센서, 속력 센서, 온도 센서, 습도 센서, 및 강수 센서.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)와 연관된 머신 명령 또는 센서(121)에 의해 수집된 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142)은 도 3과 관련하여 아래에서 기술되는 ROM(308) 또는 저장 디바이스(310)와 유사하다. 일 실시예에서, 메모리(144)는 아래에서 기술되는 메인 메모리(306)와 유사하다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 과거 정보, 실시간 정보, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵, 운전 성능, 교통 혼잡 업데이트 또는 기상 조건을 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)로 송신된다.
일 실시예에서, AV 시스템(120)은 다른 차량의 상태 및 조건, 예컨대, 위치, 선속도와 각속도, 선가속도와 각가속도, 및 AV(100)를 향한 선형 헤딩(linear heading)과 각도 헤딩(angular heading)의 측정된 또는 추론된 속성을 통신하기 위한 통신 디바이스(140)를 포함한다. 이러한 디바이스는 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스 및 포인트-투-포인트(point-to-point) 또는 애드혹(ad hoc) 네트워크 또는 둘 모두를 통한 무선 통신을 위한 디바이스를 포함한다. 일 실시예에서, 통신 디바이스(140)는 (라디오 및 광학 통신을 포함하는) 전자기 스펙트럼 또는 다른 매체(예를 들면, 공기 및 음향 매체)를 통해 통신한다. V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure) 통신(및 일부 실시예에서, 하나 이상의 다른 유형의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, 자율 주행 차량과의 통신 및 자율 주행 차량들 사이의 통신을 위한 하나 이상의 통신 표준을 준수한다.
일 실시예에서, 통신 디바이스(140)는 통신 인터페이스를 포함한다. 예를 들어, 유선, 무선, WiMAX, WiFi, 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)로 송신한다. 일 실시예에서, 통신 인터페이스(140)는 원격 운용(teleoperation)에 관련되는 정보를 AV(100)로 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 들면, 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)로 송신된다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 유사한 하루 중 시간(time of day)에 궤적(198)을 따라 이전에 주행한 차량의 운전 속성(예를 들면, 속력 프로파일 및 가속도 프로파일)에 관한 과거 정보를 저장 및 송신한다. 일 구현예에서, 그러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)로 송신될 수 있다.
AV(100) 상에 위치된 컴퓨팅 디바이스(146)는 실시간 센서 데이터 및 사전 정보(prior information) 둘 모두에 기초한 제어 액션을 알고리즘적으로 생성하여, AV 시스템(120)이 자율 주행 운전 능력을 실행할 수 있게 한다.
일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들면, 탑승자 또는 원격 사용자)에게 정보 및 경고를 제공하고 그로부터 입력을 수신하기 위해 컴퓨팅 디바이스(146)에 결합된 컴퓨터 주변기기(132)를 포함한다. 일 실시예에서, 주변기기(132)는 도 3을 참조하여 아래에서 논의되는 디스플레이(312), 입력 디바이스(314), 및 커서 컨트롤러(316)와 유사하다. 결합은 무선 또는 유선이다. 인터페이스 디바이스들 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다. 클라우드 컴퓨팅은 구성 가능한 컴퓨팅 리소스(예를 들면, 네트워크, 네트워크 대역폭, 서버, 프로세싱, 메모리, 스토리지, 애플리케이션, 가상 머신, 및 서비스)의 공유 풀에 대한 편리한 온-디맨드 네트워크 액세스를 가능하게 하기 위한 서비스 전달(service delivery)의 일 모델이다. 전형적인 클라우드 컴퓨팅 시스템에서는, 하나 이상의 대규모 클라우드 데이터 센터가 클라우드에 의해 제공되는 서비스를 전달하는 데 사용되는 머신을 수용한다. 이제 도 2를 참조하면, 클라우드 컴퓨팅 환경(200)은 클라우드(202)를 통해 상호연결되는 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 데이터 센터(204a, 204b, 및 204c)는 클라우드 컴퓨팅 서비스를 클라우드(202)에 연결된 컴퓨터 시스템(206a, 206b, 206c, 206d, 206e, 및 206f)에 제공한다.
클라우드 컴퓨팅 환경(200)은 하나 이상의 클라우드 데이터 센터를 포함한다. 일반적으로, 클라우드 데이터 센터, 예를 들어, 도 2에 도시된 클라우드 데이터 센터(204a)는 클라우드, 예를 들어, 도 2에 도시된 클라우드(202) 또는 클라우드의 특정 부분을 구성하는 서버들의 물리적 배열체를 지칭한다. 예를 들어, 서버는 클라우드 데이터 센터에서 룸(room), 그룹, 로우(row), 및 랙(rack)으로 물리적으로 배열된다. 클라우드 데이터 센터는 하나 이상의 서버 룸을 포함하는 하나 이상의 구역(zone)을 갖는다. 각각의 룸은 하나 이상의 서버 로우를 가지며, 각각의 로우는 하나 이상의 랙을 포함한다. 각각의 랙은 하나 이상의 개별 서버 노드를 포함한다. 일부 구현예에서, 구역, 룸, 랙, 및/또는 로우 내의 서버는, 전력 요구사항, 에너지 요구사항, 열적 요구사항, 발열 요구사항, 및/또는 다른 요구사항을 포함하는, 데이터 센터 설비의 물리적 인프라스트럭처 요구사항에 기초하여 그룹으로 배열된다. 일 실시예에서, 서버 노드는 도 3에서 기술된 컴퓨터 시스템과 유사하다. 데이터 센터(204a)는 다수의 랙을 통해 분산된 다수의 컴퓨팅 시스템을 갖는다.
클라우드(202)는 클라우드 데이터 센터(204a, 204b, 및 204c)를 상호연결시키고 클라우드 컴퓨팅 서비스에 대한 컴퓨팅 시스템(206a 내지 206f)의 액세스를 용이하게 하는 것을 돕는 네트워크 및 네트워킹 리소스(예를 들어, 네트워킹 장비, 노드, 라우터, 스위치, 및 네트워킹 케이블)와 함께 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 일 실시예에서, 네트워크는 지상 또는 위성 연결을 사용하여 배포된 유선 또는 무선 링크를 사용하여 결합된 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 통해 교환되는 데이터는, IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode), 및 프레임 릴레이 등과 같은, 임의의 개수의 네트워크 계층 프로토콜을 사용하여 전송된다. 게다가, 네트워크가 다수의 서브 네트워크의 조합을 나타내는 실시예에서는, 기저 서브 네트워크(underlying sub-network) 각각에서 상이한 네트워크 계층 프로토콜이 사용된다. 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 명령에 따라 기술을 수행하도록 프로그래밍되는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 그러한 특수 목적 컴퓨팅 디바이스는 또한 커스텀 고정 배선 로직, ASIC, 또는 FPGA를 커스텀 프로그래밍과 조합하여 기술을 실현할 수 있다. 다양한 실시예에서, 특수 목적 컴퓨팅 디바이스는 기술을 구현하기 위한 고정 배선 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템, 휴대용 컴퓨터 시스템, 핸드헬드 디바이스, 네트워크 디바이스, 또는 임의의 다른 디바이스이다.
일 실시예에서, 컴퓨터 시스템(300)은 정보를 통신하기 위한 버스(302) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 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 명령 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 명령의 실행 동안 임시 변수 또는 다른 중간 정보를 저장하는 데 사용된다. 그러한 명령은, 프로세서(304)에 의해 액세스 가능한 비-일시적 저장 매체에 저장되어 있을 때, 컴퓨터 시스템(300)을 명령에 명시된 동작을 수행하도록 커스터마이징된 특수 목적 머신으로 만든다.
일 실시예에서, 컴퓨터 시스템(300)은, 프로세서(304)를 위한 정적 정보 및 명령을 저장하기 위한, 버스(302)에 결합된 ROM(read only memory)(308) 또는 다른 정적 저장 디바이스를 추가로 포함한다. 정보 및 명령을 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 선택을 프로세서(304)에 통신하기 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 선택을 프로세서(304)에 통신하고 디스플레이(312) 상에서의 커서 움직임을 제어하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키와 같은, 커서 컨트롤러(316)이다. 이러한 입력 디바이스는 전형적으로, 디바이스가 평면에서의 위치를 명시할 수 있게 하는 2개의 축, 즉 제1 축(예를 들면, x 축) 및 제2 축(예를 들면, y 축)에서의 2 자유도를 갖는다.
일 실시예에 따르면, 본원에서의 기술은 프로세서(304)가 메인 메모리(306)에 포함된 하나 이상의 명령의 하나 이상의 시퀀스를 실행하는 것에 응답하여 컴퓨터 시스템(300)에 의해 수행된다. 그러한 명령은, 저장 디바이스(310)와 같은, 다른 저장 매체로부터 메인 메모리(306) 내로 판독된다. 메인 메모리(306)에 포함된 명령 시퀀스의 실행은 프로세서(304)로 하여금 본원에서 기술된 프로세스 단계를 수행하게 한다. 대안적인 실시예에서, 소프트웨어 명령 대신에 또는 소프트웨어 명령과 조합하여 고정 배선 회로가 사용된다.
"저장 매체"라는 용어는, 본원에서 사용되는 바와 같이, 머신으로 하여금 특정 방식으로 동작하게 하는 데이터 및/또는 명령을 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 사이에서 정보를 전달하는 데 참여한다. 예를 들어, 송신 매체는 버스(302)를 포함하는 와이어를 포함하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 송신 매체는 또한, 라디오 파 및 적외선 데이터 통신 동안 생성되는 것과 같은, 음향파 또는 광파의 형태를 취할 수 있다.
일 실시예에서, 실행을 위해 하나 이상의 명령의 하나 이상의 시퀀스를 프로세서(304)로 반송하는 데 다양한 형태의 매체가 관여된다. 예를 들어, 명령은 초기에 원격 컴퓨터의 자기 디스크 또는 솔리드 스테이트 드라이브에 보유된다. 원격 컴퓨터는 자신의 동적 메모리에 명령을 로딩하고 모뎀을 사용하여 전화선을 통해 명령을 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 둔다. 버스(302)는 데이터를 메인 메모리(306)로 반송하고, 프로세서(304)는 메인 메모리로부터 명령을 검색 및 실행한다. 메인 메모리(306)에 의해 수신된 명령은 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 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 제공하기 위한 모뎀이다. 다른 예로서, 통신 인터페이스(318)는 호환 가능한 LAN(local area network)에 대한 데이터 통신 연결을 제공하기 위한 LAN 카드이다. 일부 구현예에서는, 무선 링크도 구현된다. 임의의 그러한 구현예에서, 통신 인터페이스(318)는 다양한 유형의 정보를 나타내는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 전송 및 수신한다.
네트워크 링크(320)는 전형적으로 하나 이상의 네트워크를 통한 다른 데이터 디바이스로의 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(320)는 로컬 네트워크(322)를 통해 호스트 컴퓨터(324)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 서비스를 제공한다. 로컬 네트워크(322) 및 인터넷(328) 둘 모두는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 사용한다. 컴퓨터 시스템(300)으로 및 컴퓨터 시스템(300)으로부터 디지털 데이터를 반송하는, 다양한 네트워크를 통한 신호 및 통신 인터페이스(318)를 통한 네트워크 링크(320) 상의 신호는 송신 매체의 예시적인 형태이다. 일 실시예에서, 네트워크(320)는 위에서 기술된 클라우드(202) 또는 클라우드(202)의 일부를 포함한다.
컴퓨터 시스템(300)은 네트워크(들), 네트워크 링크(320), 및 통신 인터페이스(318)를 통해, 프로그램 코드를 포함하여, 메시지를 전송하고 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(300)은 프로세싱하기 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(304)에 의해 실행되고/되거나 추후의 실행을 위해 저장 디바이스(310) 또는 다른 비휘발성 스토리지에 저장된다.
자율 주행 차량 아키텍처
도 4는 자율 주행 차량(예컨대, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(400)를 도시한다. 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 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, 모듈들(402, 404, 406, 408, 및 410) 중 임의의 모듈은 컴퓨터 소프트웨어(예를 들면, 컴퓨터 판독 가능 매체 상에 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 이들 중 일부 또는 전부의 조합)의 조합이다.
사용 중에, 계획 모듈(404)은 목적지(412)를 나타내는 데이터를 수신하고 목적지(412)에 도달하기 위해(예를 들면, 도착하기 위해) AV(100)에 의해 주행될 수 있는 궤적(414)(때때로 루트라고 지칭됨)을 나타내는 데이터를 결정한다. 계획 모듈(404)이 궤적(414)을 나타내는 데이터를 결정하기 위해, 계획 모듈(404)은 인지 모듈(402), 로컬화 모듈(408), 및 데이터베이스 모듈(410)로부터 데이터를 수신한다.
인지 모듈(402)은, 예를 들면, 도 1에도 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체는 분류되고(예를 들면, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 유형으로 그룹화되고), 분류된 대상체(416)를 포함하는 장면 묘사는 계획 모듈(404)에 제공된다.
계획 모듈(404)은 또한 로컬화 모듈(408)로부터 AV 위치(418)를 나타내는 데이터를 수신한다. 로컬화 모듈(408)은 위치를 계산하기 위해 센서(121)로부터의 데이터 및 데이터베이스 모듈(410)로부터의 데이터(예를 들면, 지리적 데이터)를 사용하여 AV 위치를 결정한다. 예를 들어, 로컬화 모듈(408)은 GNSS(Global Navigation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 모듈(408)에 의해 사용되는 데이터는 도로 기하학적 속성의 고정밀 맵, 도로망 연결 속성을 기술하는 맵, 도로 물리적 속성(예컨대, 교통 속력, 교통량, 차량 교통 차선들과 자전거 타는 사람 교통 차선들의 개수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 그 조합)을 기술하는 맵, 및 도로 특징부, 예컨대, 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호(travel signal)의 공간적 위치를 기술하는 맵을 포함한다.
제어 모듈(406)은 궤적(414)을 나타내는 데이터 및 AV 위치(418)를 나타내는 데이터를 수신하고, AV(100)로 하여금 목적지(412)를 향해 궤적(414)을 주행하게 할 방식으로 AV의 제어 기능(420a 내지 420c)(예를 들면, 조향, 스로틀링, 제동, 점화)을 동작시킨다. 예를 들어, 궤적(414)이 좌회전을 포함하는 경우, 제어 모듈(406)은, 조향 기능의 조향각이 AV(100)로 하여금 왼쪽으로 회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 지나가는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로, 제어 기능(420a 내지 420c)을 동작시킬 것이다.
자율 주행 차량 입력
도 5는 인지 모듈(402)(도 4)에 의해 사용되는 입력(502a 내지 502d)(예를 들면, 도 1에 도시된 센서(121)) 및 출력(504a 내지 504d)(예를 들면, 센서 데이터)의 예를 도시한다. 하나의 입력(502a)은 LiDAR(Light Detection and Ranging) 시스템(예를 들면, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 가시선에 있는 물리적 대상체에 관한 데이터를 획득하기 위해 광(예를 들면, 적외선 광과 같은 광의 버스트)을 사용하는 기술이다. LiDAR 시스템은 출력(504a)으로서 LiDAR 데이터를 생성한다. 예를 들어, LiDAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 3D 또는 2D 포인트(포인트 클라우드라고도 알려져 있음)의 집합체이다.
다른 입력(502b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체에 관한 데이터를 획득하기 위해 라디오 파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 가시선 내에 있지 않은 대상체에 관한 데이터를 획득할 수 있다. RADAR 시스템(502b)은 출력(504b)으로서 RADAR 데이터를 생성한다. 예를 들어, RADAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 하나 이상의 라디오 주파수 전자기 신호이다.
다른 입력(502c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라)를 사용한다. 카메라 시스템은 출력(504c)으로서 카메라 데이터를 생성한다. 카메라 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. 일부 예에서, 카메라 시스템은, 카메라 시스템이 깊이를 인지할 수 있게 하는, 예를 들면, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라를 갖는다. 비록 카메라 시스템에 의해 인지되는 대상체가 여기서 "인근"으로 기술되지만, 이것은 AV를 기준으로 한 것이다. 사용시, 카메라 시스템은 멀리 있는, 예를 들면, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체를 "보도록" 구성될 수 있다. 따라서, 카메라 시스템은 멀리 떨어져 있는 대상체를 인지하도록 최적화되어 있는 센서 및 렌즈와 같은 특징부를 가질 수 있다.
다른 입력(502d)은 교통 신호등 검출(traffic light detection, TLD) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 교통 신호등, 거리 표지판, 및 다른 물리적 대상체에 관한 정보를 획득한다. TLD 시스템은 출력(504d)으로서 TLD 데이터를 생성한다. TLD 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. TLD 시스템은, 시각적 운행 정보를 제공하는 가능한 한 많은 물리적 대상체에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시야를 갖는 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용하여, AV(100)가 이러한 대상체에 의해 제공되는 모든 관련 운행 정보에 액세스한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상일 수 있다.
일부 실시예에서, 출력(504a 내지 504d)은 센서 융합 기술을 사용하여 결합된다. 따라서, 개별 출력(504a 내지 504d) 중 어느 하나가 AV(100)의 다른 시스템에 제공되거나(예를 들면, 도 4에 도시된 바와 같은 계획 모듈(404)에 제공되거나), 또는 결합된 출력이 동일한 유형(동일한 결합 기술을 사용하는 것 또는 동일한 출력을 결합하는 것 또는 둘 모두)의 단일 결합 출력 또는 다중 결합 출력의 형태 또는 상이한 유형(예를 들면, 상이한 각자의 결합 기술을 사용하는 것 또는 상이한 각자의 출력을 결합하는 것 또는 둘 모두)의 단일 결합 출력 또는 다중 결합 출력의 형태 중 어느 하나로 다른 시스템에 제공될 수 있다. 일부 실시예에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 결합된 출력에 적용되기 전에 출력들을 결합하는 것을 특징으로 한다. 일부 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 LiDAR 시스템(602)(예를 들면, 도 5에 도시된 입력(502a))의 예를 도시한다. LiDAR 시스템(602)은 광 방출기(606)(예를 들면, 레이저 송신기)로부터 광(604a 내지 604c)을 방출한다. LiDAR 시스템에 의해 방출되는 광은 전형적으로 가시 스펙트럼에 있지 않으며; 예를 들어, 적외선 광이 종종 사용된다. 방출되는 광(604b)의 일부는 물리적 대상체(608)(예를 들면, 차량)와 조우하고, LiDAR 시스템(602)으로 다시 반사된다. (LiDAR 시스템으로부터 방출되는 광은 전형적으로 물리적 대상체, 예를 들면, 고체 형태의 물리적 대상체를 관통하지 않는다). LiDAR 시스템(602)은 또한 반사된 광을 검출하는 하나 이상의 광 검출기(610)를 갖는다. 일 실시예에서, LiDAR 시스템과 연관된 하나 이상의 데이터 프로세싱 시스템은 LiDAR 시스템의 시야(614)를 나타내는 이미지(612)를 생성한다. 이미지(612)는 물리적 대상체(608)의 경계(616)를 나타내는 정보를 포함한다. 이러한 방식으로, 이미지(612)는 AV 인근의 하나 이상의 물리적 대상체의 경계(616)를 결정하는 데 사용된다.
도 7은 동작 중인 LiDAR 시스템(602)을 도시한다. 이 도면에 도시된 시나리오에서, AV(100)는 이미지(702) 형태의 카메라 시스템 출력(504c) 및 LiDAR 데이터 포인트(704) 형태의 LiDAR 시스템 출력(504a) 둘 모두를 수신한다. 사용 중에, AV(100)의 데이터 프로세싱 시스템은 이미지(702)를 데이터 포인트(704)와 비교한다. 특히, 이미지(702)에서 식별된 물리적 대상체(706)가 데이터 포인트(704) 중에서도 식별된다. 이러한 방식으로, AV(100)는 데이터 포인트(704)의 윤곽 및 밀도에 기초하여 물리적 대상체의 경계를 인지한다.
도 8은 LiDAR 시스템(602)의 동작을 추가적으로 상세하게 도시한다. 위에서 기술된 바와 같이, AV(100)는 LiDAR 시스템(602)에 의해 검출되는 데이터 포인트의 특성에 기초하여 물리적 대상체의 경계를 검출한다. 도 8에 도시된 바와 같이, 지면(802)과 같은 평평한 대상체는 LiDAR 시스템(602)으로부터 방출되는 광(804a 내지 804d)을 일관된 방식으로 반사할 것이다. 달리 말하면, LiDAR 시스템(602)이 일관된 간격을 사용하여 광을 방출하기 때문에, 지면(802)은 광을 동일한 일관된 간격으로 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 포인트(810a 및 810b)로부터 반사될 것이다. 이 정보로부터, AV(100)는 대상체(808)가 존재한다고 결정할 수 있다.
경로 계획
도 9는 (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)의 입력과 출력 사이의 관계의 블록 다이어그램(900)을 도시한다. 일반적으로, 계획 모듈(404)의 출력은 시작 포인트(904)(예를 들면, 소스 위치 또는 초기 위치)로부터 종료 포인트(906)(예를 들면, 목적지 또는 최종 위치)까지의 루트(902)이다. 루트(902)는 전형적으로 하나 이상의 세그먼트에 의해 정의된다. 예를 들어, 세그먼트는 거리, 도로, 간선도로, 사유 도로, 또는 자동차 주행에 적절한 다른 물리적 영역의 적어도 일 부분에 걸쳐 주행되는 거리이다. 일부 예에서, 예를 들어, AV(100)가 4륜 구동(4WD) 또는 상시 4륜구동(AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프-로드 주행 가능 차량인 경우, 루트(902)는 비포장 경로 또는 탁트인 들판과 같은 "오프-로드" 세그먼트를 포함한다.
루트(902)에 추가하여, 계획 모듈은 차선 레벨 루트 계획 데이터(908)도 출력한다. 차선 레벨 루트 계획 데이터(908)는 특정 시간에서의 세그먼트의 조건에 기초하여 루트(902)의 세그먼트를 횡단하는 데 사용된다. 예를 들어, 루트(902)가 다중 차선 간선도로를 포함하는 경우, 차선 레벨 루트 계획 데이터(908)는, 예를 들어, 출구가 다가오고 있는지, 차선들 중 하나 이상이 다른 차량을 갖는지, 또는 수 분 이하 동안에 걸쳐 변화되는 다른 인자에 기초하여, AV(100)가 다중 차선 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(910)를 포함한다. 유사하게, 일부 구현예에서, 차선 레벨 루트 계획 데이터(908)는 루트(902)의 세그먼트에 특정적인 속력 제약(912)을 포함한다. 예를 들어, 세그먼트가 보행자 또는 예상치 못한 교통상황(traffic)을 포함하는 경우, 속력 제약(912)은 AV(100)를 예상된 속력보다 더 느린 주행 속력, 예를 들면, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다.
일 실시예에서, 계획 모듈(404)에 대한 입력은 (예를 들면, 도 4에 도시된 데이터베이스 모듈(410)로부터의) 데이터베이스 데이터(914), 현재 위치 데이터(916)(예를 들면, 도 4에 도시된 AV 위치(418)), (예를 들면, 도 4에 도시된 목적지(412)에 대한) 목적지 데이터(918), 및 대상체 데이터(920)(예를 들면, 도 4에 도시된 인지 모듈(402)에 의해 인지되는 바와 같은 분류된 대상체(416))를 포함한다. 일부 실시예에서, 데이터베이스 데이터(914)는 계획에 사용되는 규칙을 포함한다. 규칙은 형식 언어를 사용하여, 예를 들어, 불리언 논리(Boolean logic)를 사용하여 규정된다. 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 조건을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙은 우선순위를 가질 수 있다. 예를 들어, "도로가 프리웨이인 경우, 최좌측 차선으로 이동하라"로 되어 있는 규칙은, 출구가 1마일 내로 다가오고 있는 경우, 최우측 차선으로 이동하라"는 것보다 낮은 우선순위를 가질 수 있다.
도 10은, 예를 들면, 계획 모듈(404)(도 4)에 의해 경로 계획에서 사용되는 방향 그래프(1000)를 도시한다. 일반적으로, 도 10에 도시된 것과 같은 방향 그래프(1000)는 임의의 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로를 결정하는 데 사용된다. 현실 세계에서는, 시작 포인트(1002)와 종료 포인트(1004)를 분리시키는 거리는 상대적으로 클 수 있거나(예를 들면, 2개의 상이한 대도시 지역에 있음) 또는 상대적으로 작을 수 있다(예를 들면, 도시 블록과 맞닿아 있는 2개의 교차로 또는 다중 차선 도로의 2개의 차선).
일 실시예에서, 방향 그래프(1000)는 AV(100)에 의해 점유될 수 있는 시작 포인트(1002)와 종료 포인트(1004) 사이의 상이한 위치를 나타내는 노드(1006a 내지 1006d)를 갖는다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 상이한 대도시 지역을 나타낼 때, 노드(1006a 내지 1006d)는 도로의 세그먼트를 나타낸다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 동일한 도로 상의 상이한 위치를 나타낼 때, 노드(1006a 내지 1006d)는 해당 도로 상의 상이한 위치를 나타낸다. 이러한 방식으로, 방향 그래프(1000)는 다양한 입도 레벨로 정보를 포함한다. 일 실시예에서, 높은 입도를 갖는 방향 그래프는 또한 더 큰 스케일을 갖는 다른 방향 그래프의 서브그래프(subgraph)이다. 예를 들어, 시작 포인트(1002)와 종료 포인트(1004)가 멀리 떨어져 있는(예를 들면, 수 마일 떨어져 있는) 방향 그래프는 그의 정보 대부분이 낮은 입도이고 저장된 데이터에 기초하지만, AV(100)의 시야 내의 물리적 위치를 나타내는 그래프의 부분에 대한 일부 높은 입도 정보도 포함한다.
노드(1006a 내지 1006d)는 노드와 중첩될 수 없는 대상체(1008a 및 1008b)와 별개이다. 일 실시예에서, 입도가 낮을 때, 대상체(1008a 및 1008b)는 자동차에 의해 횡단될 수 없는 영역, 예를 들면, 거리 또는 도로가 없는 구역을 나타낸다. 입도가 높을 때, 대상체(1008a 및 1008b)는 AV(100)의 시야 내의 물리적 대상체, 예를 들면, 다른 자동차, 보행자, 또는 AV(100)와 물리적 공간을 공유할 수 없는 다른 엔티티를 나타낸다. 일 실시예에서, 대상체들(1008a 및 1008b) 중 일부 또는 전부는 정적 대상체(예를 들면, 가로등 또는 전신주와 같은 위치를 변경하지 않는 대상체) 또는 동적 대상체(예를 들면, 보행자 또는 다른 자동차와 같은 위치를 변경할 수 있는 대상체)이다.
노드(1006a 내지 1006d)는 에지(1010a 내지 1010c)에 의해 연결된다. 2개의 노드(1006a 및 1006b)가 에지(1010a)에 의해 연결되는 경우, AV(100)가, 예를 들면, 다른 노드(1006b)에 도착하기 전에 중간 노드로 주행할 필요 없이, 하나의 노드(1006a)와 다른 노드(1006b) 사이에서 주행하는 것이 가능하다. (AV(100)가 노드들 사이에 주행한다고 언급할 때, 이는 AV(100)가 각자의 노드로 표현된 2개의 물리적 위치 사이에 주행하는 것을 의미한다.) 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로, 또는 제2 노드로부터 제1 노드로 주행한다는 의미에서 종종 양방향성이다. 일 실시예에서, 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로 주행할 수 있지만, AV(100)가 제2 노드로부터 제1 노드로 주행할 수 없다는 의미에서 단방향성이다. 에지(1010a 내지 1010c)는, 예를 들어, 일방통행로, 거리, 도로, 또는 간선도로의 개별 차선, 또는 법적 또는 물리적 제약으로 인해 일 방향으로만 횡단될 수 있는 다른 특징부를 나타낼 때, 단방향성이다.
일 실시예에서, 계획 모듈(404)은 방향 그래프(1000)를 사용하여 시작 포인트(1002)와 종료 포인트(1004) 사이의 노드 및 에지로 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 리소스를 나타내는 값이다. 전형적인 리소스는 시간이다. 예를 들어, 하나의 에지(1010a)가 다른 에지(1010b)의 물리적 거리의 2배인 물리적 거리를 나타내는 경우, 제1 에지(1010a)의 연관된 비용(1014a)은 제2 에지(1010b)의 연관된 비용(1014b)의 2배일 수 있다. 시간에 영향을 미치는 다른 인자는 예상된 교통, 교차로들의 개수, 속력 제한 등을 포함한다. 다른 전형적인 리소스는 연비이다. 2개의 에지(1010a 및 1010b)는 동일한 물리적 거리를 나타낼 수 있지만, 예를 들면, 도로 조건, 예상된 날씨 등으로 인해, 하나의 에지(1010a)는 다른 에지(1010b)보다 더 많은 연료를 필요로 할 수 있다.
계획 모듈(404)이 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로(1012)를 식별할 때, 계획 모듈(404)은 전형적으로, 비용에 최적화된 경로, 예를 들면, 에지의 개별 비용이 함께 가산될 때 가장 적은 총 비용을 갖는 경로를 선택한다.
자율 주행 차량 제어
도 11은 (예를 들면, 도 4에 도시된 바와 같은) 제어 모듈(406)의 입력 및 출력의 블록 다이어그램(1100)을 도시한다. 제어 모듈은, 예를 들어, 프로세서(304)와 유사한 하나 이상의 프로세서(예를 들면, 마이크로프로세서 또는 마이크로컨트롤러 또는 둘 모두와 같은 하나 이상의 컴퓨터 프로세서), 메인 메모리(306)와 유사한 단기 및/또는 장기 데이터 스토리지(예를 들면, 메모리 랜덤 액세스 메모리 또는 플래시 메모리 또는 둘 모두), ROM(308), 및 저장 디바이스(310)를 포함하는 제어기(1102), 및 메모리 내에 저장된 명령에 따라 동작하는데, 상기 명령은 명령이 (예를 들면, 하나 이상의 프로세서에 의해) 실행될 때 제어기(1102)의 동작을 수행한다.
일 실시예에서, 제어기(1102)는 원하는 출력(1104)을 나타내는 데이터를 수신한다. 원하는 출력(1104)은 전형적으로 속도, 예를 들면, 속력 및 헤딩을 포함한다. 원하는 출력(1104)은 예를 들어 계획 모듈(404)로부터 수신된 데이터에 기초할 수 있다(예컨대, 도 4에 도시된 바와 같이). 원하는 출력(1104)에 따라, 제어기(1102)는 스로틀 입력(1106) 및 조향 입력(1108)으로서 사용 가능한 데이터를 생성한다. 스로틀 입력(1106)은 원하는 출력(1104)을 달성하기 위해, 예를 들면, 조향 페달에 관여하거나 또는 다른 스로틀 제어에 관여함으로써, AV(100)의 스로틀(예를 들면, 가속 제어)에 관여하는 정도를 나타낸다. 일부 예에서, 스로틀 입력(1106)은 AV(100)의 브레이크(예를 들면, 감속 제어)에 관여하는 데 사용 가능한 데이터를 또한 포함한다. 조향 입력(1108)은 조향각, 예를 들면, AV의 조향 컨트롤(예를 들면, 조향 휠, 조향각 액추에이터, 또는 조향각을 제어하기 위한 다른 기능성)이 원하는 출력(1104)을 달성하도록 위치설정되어야 하는 각도를 나타낸다.
일 실시예에서, 제어기(1102)는 스로틀 및 조향에 제공되는 입력을 조정하는 데 사용되는 피드백을 수신한다. 예를 들어, AV(100)가 언덕과 같은 방해물(1110)과 조우하면, AV(100)의 측정된 속력(1112)은 원하는 출력 속력 아래로 낮아진다. 일 실시예에서, 임의의 측정된 출력(1114)은, 예를 들어, 측정된 속력과 원하는 출력 사이의 차분(1113)에 기초하여, 필요한 조정이 수행되도록 제어기(1102)에 제공된다. 측정된 출력(1114)은 측정된 위치(1116), 측정된 속도(1118)(속력 및 헤딩을 포함함), 측정된 가속도(1120), 및 AV(100)의 센서에 의해 측정 가능한 다른 출력을 포함한다.
일 실시예에서, 방해물(1110)에 관한 정보는, 예를 들면, 카메라 또는 LiDAR 센서와 같은 센서에 의해 미리 검출되고, 예측 피드백 모듈(1122)에 제공된다. 이어서, 예측 피드백 모듈(1122)은 정보를 제어기(1102)에 제공하며, 제어기(1102)는 이 정보를 사용하여 그에 따라 조정할 수 있다. 예를 들어, AV(100)의 센서가 언덕을 검출한("본") 경우, 이 정보는 상당한 감속을 방지하도록 적절한 시간에 스로틀에 관여할 준비를 하기 위해 제어기(1102)에 의해 사용될 수 있다.
도 12는 제어기(1102)의 입력, 출력, 및 컴포넌트의 블록 다이어그램(1200)을 도시한다. 제어기(1102)는 스로틀/브레이크 제어기(1204)의 동작에 영향을 미치는 속력 프로파일러(1202)를 갖는다. 예를 들어, 속력 프로파일러(1202)는, 예를 들면, 제어기(1102)에 의해 수신되고 속력 프로파일러(1202)에 의해 프로세싱되는 피드백에 따라 스로틀/브레이크(1206)를 사용하여 가속에 관여하거나 감속에 관여하도록 스로틀/브레이크 제어기(1204)에 명령한다.
제어기(1102)는 또한 조향 제어기(1210)의 동작에 영향을 미치는 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(1210)에 명령한다.
제어기(1102)는 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)를 제어하는 방법을 결정하는 데 사용되는 여러 입력을 수신한다. 계획 모듈(404)은, 예를 들어, AV(100)가 동작을 시작할 때 헤딩을 선택하기 위해 그리고 AV(100)가 교차로에 도달할 때 어느 도로 세그먼트를 횡단할지를 결정하기 위해, 제어기(1102)에 의해 사용되는 정보를 제공한다. 로컬화 모듈(408)은, 예를 들어, 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)가 제어되고 있는 방식에 기초하여 예상되는 위치에 AV(100)가 있는지를 제어기(1102)가 결정할 수 있도록, AV(100)의 현재 위치를 기술하는 정보를 제어기(1102)에 제공한다. 일 실시예에서, 제어기(1102)는 다른 입력(1214)으로부터의 정보, 예를 들어, 데이터베이스, 컴퓨터 네트워크 등으로부터 수신된 정보를 수신한다.
자율 주행 차량에 대한 궤적 선택
도 13은 다양한 장애물(1300)(예컨대, 1302, 1304, 1306, 1308 및 1310)이 존재하는 도로를 운행하는 AV(100)의 예를 예시한다. 일부 예에서, 장애물(1300)은 벽(1302) 및 보행자(1304)와 같이 도로의 경계 밖에 존재할 수 있고, 또는 차(1306), 구덩이(1308) 및 정지선(1310)과 같이 도로의 경계 내에 존재할 수 있다. 일부 예에서, 장애물(1300)은 벽(1302), 구덩이(1308) 및 정지선(1310)과 같이 위치가 고정되어 있을 수 있고, 또는 보행자(1304) 및 차(1306)와 같이 움직이는 중일 수 있다(예컨대, 비제로 속도를 가짐). 장애물(1300)과 같은 대상체를 검출하고 분석하기 위한 예시적인 시스템 및 방법이 적어도 도 1 내지 도 8에 관련하여 상기에 기재되어 있다. 도 13은 도 15의 프로세스(1500)를 구현할 때 자율 주행 차량을 동작시키는 시스템에 의해 자율 주행 차량에 대한 궤적 결정 단계를 위해 마주칠 수 있는 예시적인 도로 환경을 예시한다.
도 14a 내지 도 14d는 주차된 차(1400) 및 다가오는 교차로에 대한 정지선(1402)을 포함하는 다양한 장애물의 존재시 경로(1401)를 따라 도로를 운행하는 AV(100)의 예를 예시한다. 예를 들어, 경로(1401)는 도로의 중심선 또는 차선(예컨대, 도로에 장애물이 없는 경우 차량이 이상적으로 운행할 수 있는 라인)을 나타낼 수 있다. 도 14a 내지 도 14d는 도 15의 예시적인 프로세스(1500)를 구현할 때 자율 주행 차량을 동작시키는 시스템에 의해 자율 주행 차량에 대한 궤적을 선택하기 위해 마주칠 수 있는 예시적인 운행 시나리오를 예시한다. 프로세스(1500)는 도 13 및 도 14a 내지 도 14d에 관련하여 아래에 보다 상세하게 기재된다.
도 14a에 도시된 바와 같이, AV(100)는 제1 궤적 세그먼트(1404)를 포함한 제1 궤적에 따라 경로(1401)를 따라 도로를 운행한다. 제1 궤적 세그먼트(1404)를 포함한 궤적과 같은 궤적을 생성하기 위한 예시적인 시스템 및 기술이 적어도 도 8 및 도 9에 관련하여 상기에 기재되어 있다. 설명을 위한 목적으로, 제1 궤적 세그먼트(1404)는 길이가 수 야드인 것으로 도시되어 있지만, 전체 궤적(예컨대, 한 지리적 위치로부터 또다른 지리적 위치로 자율 주행 차량을 운행하기 위해)은 임의의 적합한 크기의 궤적 세그먼트들로 세분화될 수 있다는 것을 이해할 것이다.
일부 실시예에서, 제1 궤적 세그먼트(1404)에 따라 운행하는 것은 특정 객관적 안전 기준을 충족한다. 일부 실시예에서, 객관적 안전 기준은 AV(100)에 대해 부여된 측방 제약(1406)(“튜브” 제약으로도 지칭됨)을 포함한다. 즉, AV(100)는 안전 주행 차선 내에 유지되어야 하며, 이는 AV(100)와 장애물, 예컨대 차선 마커, 도로 가장자리, 또는 주차된 차(1400) 사이에 최소 측방 분리를 유지할 것을 요구한다. 측방 제약(1406)은 부분적으로 AV(100)의 속도에 의존할 수 있으며, 그리하여 AV(100)가 더 빠르게 주행할수록 AV(100)는 AV(100)와 임의의 장애물 사이의 최소 측방 분리를 더 크게 유지하도록 요구된다. 예를 들어, AV(100)가 고속도로를 운행하고 있는 경우(예컨대, 고속으로), 측방 제약(1406)은 AV(100)가 주차장을 운행하고 있는 경우(예컨대, 저속으로)보다 AV(100)가 장애물에 대한 더 넓은 정박 간격(berth)을 제공할 것을 요구한다. 초기 시각
Figure pat00001
에 제1 궤적 세그먼트(1404)에 따라 운행하며, AV(100)는 속도
Figure pat00002
로 주행하고 있고, AV(100)의 우측은 임의의 장애물로부터 거리
Figure pat00003
에 있으며, AV(100)의 좌측은 임의의 장애물로부터 거리
Figure pat00004
에 있다. 속도
Figure pat00005
라고 하면, 거리
Figure pat00006
및 거리
Figure pat00007
는 측방 제약(1406)에 의해 정의되는 최소 거리를 초과한다. 마찬가지로, 후속 시각
Figure pat00008
에 제1 궤적 세그먼트(1404)에 따라 운행하며, AV(100)는 속도
Figure pat00009
로 주행하고 있고, AV(100)의 우측은 임의의 장애물로부터 거리
Figure pat00010
에 있으며, AV(100)의 좌측은 임의의 장애물로부터 거리
Figure pat00011
에 있다. 속도
Figure pat00012
(예컨대,
Figure pat00013
보다 상대적으로 더 낮은 속도)라고 하면, 거리
Figure pat00014
및
Figure pat00015
(예컨대,
Figure pat00016
및
Figure pat00017
보다 상대적으로 더 작은 거리)는 여전히 측방 제약(1406)에 의해 정의되는 최소 거리를 초과한다. 따라서, 제1 궤적 세그먼트(1404)에 따라 운행하는 것은 AV(100)의 측방 움직임을 제한하는 객관전 안전 기준을 충족한다.
일부 예에서, 객관적 안전 기준은 AV(100)와 연관된(예컨대, 부여된) 속력 제약을 포함한다. 측방 제약(1406)이 AV(100)의 속도에 부분적으로 의존할 수 있는 것처럼, 속력 제약은 AV(100)와 임의의 장애물 사이의 측방 분리에 부분적으로 의존할 수 있으며, 그리하여 AV(100)는 장애물과 근접해 있을 때 더 낮은 속도로 주행하도록 요구된다. 예를 들어, AV(100)가 근처 추가된 차 및/또는 구조물이 있는 좁은 골목길을 운행하고 있는 경우(예컨대, AV(100)와 장애물 사이의 최소 측방 분리로), 속력 제약은 AV(100)가 넓은 비어있는 도로를 운행하는 경우보다 더 낮은 속도로 AV(100)가 주행할 것을 요구한다. 도 14a를 참조하면, 각자의 측방 분리 거리
Figure pat00018
및
Figure pat00019
라고 하면, 각자의 속도
Figure pat00020
및
Figure pat00021
로 제1 궤적 세그먼트(1404)를 운행하는 것은 속력 제약을 충족한다.
도 14b에서, AV(100)는 제2 궤적 세그먼트(1408)를 포함한 제2 궤적에 따라 경로(1401)를 따라 도로를 운행한다. 제2 궤적 세그먼트(1408)에 따라 운행하는 것도 또한 특정 객관적 안전 기준을 충족한다. 예를 들어, 제2 궤적 세그먼트(1408)에 따라 운행하는 동안, 거리
Figure pat00022
및
Figure pat00023
는 측방 제약(1406)에 의해 요구되는 수락가능한 범위 내에 속하고, 속도
Figure pat00024
및
Figure pat00025
는 속력 제약에 의해 요구되는 수락가능한 범위 내에 속한다. 따라서 제1 궤적 세그먼트(1404) 및 제2 궤적 세그먼트(1408) 둘 다 객관적(예컨대, 미리 정의된) 표준에 따라 안전한 것으로 간주될 수 있다.
그러나, 제1 궤적 세그먼트(1404) 및 제2 궤적 세그먼트(1408) 둘 다 객관적 표준에 따라 유사하게(또는 동일하게) 안전한 것으로 간주되는 상황에서도, 2개의 궤적 세그먼트는 AV(100)에 의해 동일하게 안전한 것으로 인지되지 않을 수 있다(예컨대, 대상체에 대한 가장 가까운 접근점, 속력 및/또는 가속도와 같은 객관적 기준에 기초하여). AV(100)에 의해 안전하지 않은 것으로 결정되는 일부 궤적 세그먼트는 운전자나 승객에게 불편함을 일으킬 수 있고, 또는 통상의 사람 차량 운전자가 따를 수 있는 궤적 세그먼트로부터 벗어날 수 있다(예컨대, AV(100)가 안전하지 않은 것으로 결정하는 대상체로부터의 거리, 속력 및/또는 가속도가 통상의 사람이 불편하게 여길 궤적에 대응한다). 예를 들어, 제1 궤적 세그먼트(1404)가 측방 제약(1406)을 충족하지만, 후속 시각
Figure pat00026
에 AV(100)가 주차된 차(1400)를 지날 때, 제1 궤적 세그먼트(1404)에 대한
Figure pat00027
및
Figure pat00028
는 제2 궤적 세그먼트(1408)에 대한
Figure pat00029
및
Figure pat00030
보다 훨씬 더 작다. 따라서 사람 차량 운전자는 통상적으로 제1 궤적 세그먼트(1404)보다는 제2 궤적 세그먼트(1408)에 보다 유사한 궤적에 따라 운행할 수 있다. AV(100)가 운전자 지원 차량인 경우, 사람 운전자가 통상적으로 선택하지 않았을 궤적 세그먼트에 따라 운행하는 것은 운전자가 차량의 수동 제어를 취하는 결과를 초래할 수 있다. AV(100)가 완전 자율 주행 차량인 경우, 제1 궤적 세그먼트(104)에 따라 운행하는 것은 승객을 불편하게 할 수 있다.
또다른 예로서, 도 14c 및 도 14d는 AV(100)가 경로(1401)로부터 측방향으로 벗어난 도로를 운행하는 것을 예시한다. 도 14c에서, AV(100)는 특정 객관적 안전 기준을 충족하는 제1 궤적 세그먼트(1410)를 포함한 제1 궤적에 따라 운행한다. 제1 궤적 세그먼트(1410)는 또한, AV(100)가 경로(1401)로부터의 그의 측방 편차를 감소시킬 때까지(예컨대, AV(100)가 다시 한번 도로 중심에 있을 때까지) 도로의 하단 가장자리를 향해(예컨대, 속도
Figure pat00031
의 방향으로 표시된 바와 같이) 운행하게 한다.
도 14d에서, AV(100)는 대신, 특정 객관적 안전 기준을 또한 충족하는 제2 궤적 세그먼트(1412)를 포함한 제2 궤적에 따라 운행하지만, 대신 직선 라인으로 정방향 운행하며(예컨대, 속도
Figure pat00032
의 방향으로 표시된 바와 같이), 경로(1401)로부터의 측방 편차를 유지한다. 제1 궤적 세그먼트(1410) 및 제2 궤적 세그먼트(1412)가 객관적 표준에 따라 유사하게(또는 동일하게) 안전한 것으로 간주될 수 있지만, 주차된 차(1400)의 존재로 인해, 사람 차량 조작자가 그리 하도록 통상적으로 선택할 수 있는 것인, 장애물로부터 거리를 유지하는 것이 아니라, AV(100)가 장애물을 향해 조향함에 따라, AV(100)의 운전자나 승객은 도 14c에서 취한 루트(예컨대, 도로 상에 AV(100)를 다시 중심에 위치시킴)로 인해 불편할 수 있다. 따라서, AV(100)의 운전자나 승객은 제2 궤적 세그먼트(1412)를 선호할 수 있다.
인지된 위험을 이해하고 이에 대해 작용하기 위하여, 본원에 기재된 시스템 및 기술은 인지된 위험을 감안하여 최적화된 궤적을 선택하도록 사용될 수 있다. 선택은 잠재적 궤적에 대한 인지된 위험 비용을 포함하는 전체 비용 함수를 최소화함으로써 행해질 수 있다. 이들 시스템 및 기술에 따라 자율 주행 차량에 대한 궤적을 선택함으로써, 자율 주행 차량은 객관적 안전 기준을 충족할 뿐만 아니라 운전자나 승객에게 안전하다고 더 느끼게 해줄 궤적에 따라 운행할 수 있다. 이는 이어서 운전자 및/또는 승객에 의한 예기치 않은 동작(예컨대, 제어의 장악, 다른 운전자에 의한 운전 규범 이탈 등)을 억제하고, 따라서 운행의 효율성 및 정확도를 증가시킨다.
자율 주행 차량에 대한 궤적을 선택하기 위한 예시적인 프로세스
도 15는 자율 주행 차량을 동작시키는 시스템에 의해 자율 주행 차량에 대한 궤적을 선택하기 위한 예시적인 프로세스(1500)의 흐름도이다. 일부 실시예에서, 프로세스(1500)의 일부는 제어 회로(예컨대, 도 4의 제어 모듈(406))에 의해 수행되며, 이는 내장 프로세싱 회로를 갖는 마이크로컨트롤러를 포함할 수 있다. 일부 실시예에서, 프로세스(1500)의 일부는 계획 회로(예컨대, 도 4의 계획 모듈(404))에 의해 수행된다. 일부 실시예에서, 프로세스(1500)의 일부는 도 1의 AV 시스템(120)(또는 이의 일부) 및/또는 서버(136)와 같은, 하나 이상의 위치에 위치된 하나 이상의 컴퓨터의 시스템에 의해 수행될 수 있다.
차량(예컨대, AV(100))을 자율 주행 모드로 동작시키는 동안, 블록 1502에서, 시스템은 경로, 차량의 제1 측(예컨대, 우측)과 제1 장애물 및 차량의 제2 측(예컨대, 좌측)(예컨대, 제1 측과 반대임)과 제2 장애물 사이의 거리를 정의하는 측방 제약 세트, 및 차량의 최대 및/또는 최소 속력을 정의하는 속력 제약 세트를 획득한다. 일부 실시예에서, 경로는 도로의 중심선 또는 차선과 같이 운행을 위한 기준선을 나타낼 수 있다. 일부 실시예에서, 제1 장애물 및 제2 장애물은 동일 장애물일 수 있다. 예를 들어, 도 14a를 잠시 참조하면, 주차된 차(1400)는
Figure pat00033
및
Figure pat00034
둘 다 주차된 차(1400)에 대해 계산되도록 AV(100)에 충분히 가까이 위치되어 있다. 일부 실시예에서, 경로, 측방 제약 세트, 및 속력 제약 세트는 계획 회로(예컨대, 도 4의 계획 모듈(404))로부터 수신된다.
블록 1504에서, 측방 제약 세트 및 속력 제약 세트를 충족하는 경로를 따라 차량(예컨대, AV(100))을 운행하기 위한 궤적(예컨대, 특정 객관적 기준에 따라 안전하며 따라서 유효한 궤적인 궤적)이 선택된다.
블록 1506에서, 궤적을 선택하는 것은, 궤적이 측방 제약 세트 및 속력 제약 세트를 충족한다고(예컨대, 궤적이 특정 객관적 기준에 따라 안정하고, 따라서 유효한 잠재적 궤적임) 결정하는 것을 포함한다.
블록 1508에서, 궤적을 선택하는 것은, 궤적이 전체 비용을 최소화한다고 결정하는 것을 포함한다. 전체 비용은, 차량의 제1 측(예컨대, 우측)에 대한 인지된 위험을 나타내는 제1 비용 컴포넌트 및 차량의 제2 측(예컨대, 좌측)에 대한 인지된 위험을 나타내는 제2 비용 컴포넌트를 포함한다. 예를 들어, 궤적이 도 14a에 도시된 바와 같은 제1 궤적 세그먼트(1404)를 포함하는 경우, 궤적의 전체 비용은, 도로의 중앙을 따라, 하지만 주차된 차(1400)에 더 가까이 AV(100)를 운행함으로써 야기되는, AV(100)의 좌측 및 우측에 대한 인지된 위험을 반영한다. 궤적이 도 14b에 도시된 바와 같은 제2 궤적 세그먼트(1408)를 포함하는 경우, 궤적의 전체 비용은, AV(100)를 주차된 차(1400)에서 더 멀리, 하지만 도로의 가장자리에 더 가까이 조향함으로써 야기되는, AV(100)의 좌측 및 우측에 대한 인지된 위험을 반영한다. 또다른 예로서, 궤적이 도 14c에 도시된 바와 같은 제1 궤적 세그먼트(1410)를 포함하는 경우, 제1 궤적 세그먼트(1410)의 전체 비용은, AV(100)를 도로의 중앙으로 돌아오기 위하여 주차된 차(1400)의 방향으로 조향함으로써 야기되는, AV(100)의 좌측 및 우측에 대한 인지된 위험을 반영한다. 궤적이 도 14d에 도시된 바와 같은 제2 궤적 세그먼트(1412)를 포함하는 경우, 궤적의 전체 비용은, AV(100)를 도로의 가장자리를 따라 직선으로 운행함으로써 야기되는, AV(100)의 좌측 및 우측에 대한 인지된 위험을 반영한다.
일부 실시예에서, 차량의 제1 측(예컨대, 우측)에 대한 인지된 위험을 나타내는 제1 비용 컴포넌트 및 차량의 제2 측(예컨대, 좌측)에 대한 인지된 위험을 나타내는 제2 비용 컴포넌트는 각각 가중 계수(weight factor)를 포함할 수 있다. 예를 들어, 구배 기반의 접근을 사용하여 상이한 목적들 간에 가중화된 절충을 행하며(예컨대, 아래에 기재된 바와 같이, 인지된 위험과 연관된 비용과 다른 비용 간에) 그에 따라 인지된 위험이 반영되는 최적의 솔루션으로 수렴하도록, 인지된 위험의 객관적 척도가 궤적 최적화 기술에서 매개변수 방식으로 통합될 수 있다.
예를 들어, 제1 비용 컴포넌트
Figure pat00035
및 제2 비용 컴포넌트
Figure pat00036
는 다음과 같이 정의될 수 있다:
Figure pat00037
여기서,
Figure pat00038
는 가중 계수를 나타내고,
Figure pat00039
및
Figure pat00040
는 각각 잠재적 궤적에 따라 운행할 때 차량의 우측 및 좌측에 대한 인지된 위험을 나타내고,
Figure pat00041
는 잠재적 궤적에 따라 운행할 때 차량과 장애물 사이의 간격의 시간 미분을 나타낸다(예컨대, 차량의 속도 및 차량과 장애물 사이의 측방 분리를 사용하여 계산됨). 예를 들어
Figure pat00042
(또는
Figure pat00043
)이 0인 경우에(예컨대, 파라미터가 그의 미리 정의된 범위의 가장 낮은 끝에 있는 경우), 차량의 우측(또는 좌측)에 대한 인지된 위험이 없고,
Figure pat00044
(또는
Figure pat00045
)이 1인 경우에(예컨대, 파라미터가 그의 미리 정의된 범위의 가장 높은 끝에 있는 경우), 차량의 우측(또는 좌측)에 대한 최대 인지된 위험이 존재한다. 예를 들어,
Figure pat00046
및
Figure pat00047
는 측방 제약(예컨대, 측방 제약(1406))과 연관된 메타데이터로 나타날 수 있으며, 그리하여
Figure pat00048
및
Figure pat00049
는 시간 및 측방 제약의 공간적 “튜브”를 따른 차량의 위치에 따라 변한다.
일부 실시예에서, 각자의 제1 비용 컴포넌트(예컨대,
Figure pat00050
) 및 각자의 제2 비용 컴포넌트(예컨대,
Figure pat00051
)는 인지된 장애물의 속도에 기초한다. 예를 들어, 도 13을 잠시 참조하면, 걷고 있는 보행자(1304)의 속도는 AV(100)를 향하고, 이동하는 차(1306)의 속도는 AV(100)로부터 멀어진다. 이들 장애물의 속도를 제1 비용 컴포넌트 및 제2 비용 컴포넌트의 계산에 포함시킴으로써, 제1 비용 컴포넌트 및 제2 비용 컴포넌트는, 예를 들어 멀어지는 장애물(이동하는 차(1306))에 더 가까이 조향하는 것 대 가까워지는 장애물(걷고 있는 보행자(1304))에 더 가까이 조향하는 것의 인지된 위험을 더 잘 반영한다. 예를 들어, 차량의 속도 및 차량과 인지된 장애물 사이의 측방 분리에 추가적으로,
Figure pat00052
의 각자의 값이 인지된 장애물의 속도를 사용하여 계산될 수 있다.
일부 실시예에서, 제1 비용 컴포넌트 및 제2 비용 컴포넌트는 제어 회로(예컨대, 도 4의 제어 모듈(406))를 사용하여 결정된다. 일부 실시예에서, 제1 비용 컴포넌트 및 제2 비용 컴포넌트는 계획 회로(예컨대, 도 4의 계획 모듈(404))를 사용하여 결정된다. 일부 실시예에서, 제1 비용 컴포넌트 및 제2 비용 컴포넌트는 머신 러닝을 사용하여, 예를 들어 지도 학습(supervised learning), 역 강화 학습(inverse reinforcement learning) 등과 같은 머신 러닝 모델을 사용함으로써, 결정된다. 예를 들어, 지도 학습은, 인지된 위험 레벨로 주석표시된 예시적인 운전 데이터의 데이터세트, 또는 예의 운전 동안 수집된 승객 편안함(예컨대, 심박동수)을 표시하는 생체 데이터의 데이터세트와 같은 구성된 데이트세트에 기초하여, 도로 환경의 특징들과
Figure pat00053
및
Figure pat00054
간의 매핑 함수를 학습하는데 사용될 수 있다. 다른 예로서, 역 강화 학습은 전문 운전 데이터의 대형 데이터세트를 도로 환경의 특징들과 상관시킴으로써
Figure pat00055
및
Figure pat00056
를 추출하도록 사용될 수 있다.
일부 실시예에서, 궤적의 전체 비용은 경로로부터의 측방 편차에 기초한 편차 비용 컴포넌트를 더 포함할 수 있다. 즉, 경로가 도로의 중심선을 나타내는 예에서, 편차 비용은 도로의 중심을 따라(가장자리가 아니라) 운전하는 것에 대한 선호도를 도입할 것이다. 편차 비용은 또한 가중화될 수 있으며, 그리하여 편차 비용이 어떻게 가중화되는지에 따라, 도입된 선호도는 강하거나 미미할 수 있다.
일부 실시예에서, 궤적과 연관된 전체 비용은, 사용자 편안함(예컨대, 조향 모션 및 가속도를 고려함), 규정준수(예컨대, 궤적이 교통 규칙을 위반하는 경우 잠재적 벌금을 고려함), 시간 효율성(예컨대, 속력), 연료 효율성 등에 대한 객관적 비용 계수와 같은, 궤적에 따라 운행하는 것의 바람직함(desirability)에 영향을 미치는 하나 이상의 다른 비용을 더 포함할 수 있다. 복수의 전체 비용에 포함되는 이들 하나 이상의 다른 비용 계수도 또한 가중화될 수 있으며, 그리하여 각각의 다른 비용 계수의 가중치는 다른 비용 계수(인지된 위험을 나타내는 제1 및 제2 비용 컴포넌트를 포함함)에 관련한 중요도를 표시한다.
일부 실시예에서, 전체 비용은 제어 회로(예컨대, 도 4의 제어 모듈(406))를 사용하여 결정된다. 일부 실시예에서, 전체 비용은 계획 회로(예컨대, 도 4의 계획 모듈(404))를 사용하여 결정된다.
전체 비용은, 상기에 기재된 비용 컴포넌트를 포함하지만 이에 한정되는 것은 아닌 다양한 비용 컴포넌트를 포함할 수 있으므로, 블록 1508에서 궤적이 전체 비용을 최소화한다고 결정하는 것은, 반드시 궤적이 인지된 위험을 나타내는 제1 및 제2 비용 컴포넌트를 최소화한다고 결정한다는 것은 아니다. 예를 들어, 선택된(예컨대, 최적화된) 궤적은, 인지된 위험과 연관된 낮은 비용으로 인해 낮은(예컨대, 최소화된) 전체 비용이 될 수 있으므로, 차량의 제1 측에 대한 인지된 위험을 나타내는 최소화된 제1 비용 컴포넌트 및 차량의 제2 측에 대한 인지된 위험을 나타내는 최소화된 제2 비용 컴포넌트를 가질 수 있다. 그러나, 다른 예에서, 선택된(예컨대, 최적화된) 궤적은, 인지된 위험과 연관된 비용이 여전히 이들 비용 컴포넌트를 포함한 전체 비용이 여전히 최소화될 만큼 충분히 낮은 한, 차량의 제1 측에 대한 인지된 위험을 나타내는 최소화된 제1 비용 컴포넌트 또는 차량의 제2 측에 대한 인지된 위험을 나타내는 최소화된 제2 비용 컴포넌트를 갖지 않을 수 있다.
블록 1510에서, 차량은 궤적(예컨대, 최소화된 전체 비용을 갖는 궤적)에 따라 운행된다. 따라서, 모든 다른 비용 계수가 동일하면, 차량은 인지된 위험과 연관된 최저 비용을 갖는 궤적, 즉 운전자 또는 승객 편안함이 개선되게 되거나 통상의 사람 차량 조작자가 따를 궤적 스텝과 더 유사하게 보이는 궤적에 따른 경로를 운행한다.
일부 실시예에서, 예시적인 프로세스(1500) 및 특히 블록 1504 내지 1510은 자율 주행 모드로 자량을 운행하는 동안 여러 번 반복될 수 있다는 것을 이해할 것이다. 예를 들어, 블록 1504 내지 1510은 잠재적 궤적을 포함하는 궤적 세그먼트에 관련하여 수행될 수 있다. 따라서, 선택된 궤적 스텝들의 각각으로 구성된 궤적은, 차량이 점진적으로 이동함에 따라, 차량의 제1 측에 대한 인지된 위험을 나타내는 제1 비용 컴포넌트 및 차량의 제2 측에 대한 인지된 위험을 나타내는 제2 비용 컴포넌트를 포함하는, 각각의 스텝의 전체 비용을 감안하여 최적화된 궤적을 나타낸다.
전술한 설명에서, 실시예는 구현마다 달라질 수 있는 수많은 특정 세부 사항을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면은 제한적인 의미보다는 예시적인 의미로 간주되어야 한다. 본 청구항 범위의 유일한 독점적인 지표, 및 출원인이 본 청구항 범위이도록 의도한 것은, 본 출원에서 특정 형태로 나오는 일련의 청구항의 문언적 등가 범위이며, 임의의 후속 보정을 포함한다. 그러한 청구항에 포함된 용어에 대한 본원에서 명시적으로 기재된 임의의 정의는 청구항에서 사용되는 그러한 용어의 의미를 결정한다. 추가적으로, 전술한 설명 및 이하의 청구항에서 "추가로 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브-단계/서브-엔티티일 수 있다.

Claims (21)

  1. 시스템에 있어서,
    하나 이상의 컴퓨터 프로세서; 및
    상기 하나 이상의 컴퓨터 프로세서에 의해 실행될 때 동작들을 수행시키는 명령어들을 저장한 하나 이상의 비일시적 저장 매체
    를 포함하고,
    상기 동작들은:
    차량이 자율 주행 모드로 동작하고 있는 동안:
    경로, 측방 제약(lateral constraint) 세트 및 속력 제약(speed constraint) 세트를 획득하는 동작 - 상기 측방 제약 세트는 상기 차량의 제1 측과 제1 장애물 사이의 제1 거리 및 상기 차량의 제2 측과 제2 장애물 사이의 제2 거리를 정의하고, 상기 속력 제약 세트는 상기 차량의 최대 또는 최소 속력을 정의함 - ;
    상기 측방 제약 세트 및 상기 속력 제약 세트를 충족하는 상기 경로에 따라 상기 차량을 운행하기 위한 궤적을 선택하는 동작으로서,
    상기 궤적이 상기 측방 제약 세트 및 상기 속력 제약 세트를 충족한다고 결정하는 동작; 및
    상기 궤적이 전체 비용을 최소화한다고 결정하는 동작 - 상기 전체 비용은, 상기 차량의 상기 제1 측에 대한 인지된 위험(perceived risk)을 나타내는 제1 비용 컴포넌트 및 상기 차량의 상기 제2 측에 대한 인지된 위험을 나타내는 제2 비용 컴포넌트를 포함함 -
    을 포함하는, 상기 궤적을 선택하는 동작; 및
    상기 궤적에 따라 상기 차량을 운행하는 동작
    을 포함하는 것인, 시스템.
  2. 청구항 1에 있어서,
    상기 제1 비용 컴포넌트는 제1 가중 계수(weight factor)를 포함하고, 상기 제2 비용 컴포넌트는 제2 가중 계수를 포함하는 것인, 시스템.
  3. 청구항 1에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트는 인지된 장애물의 속도에 기초하는 것인, 시스템.
  4. 청구항 1에 있어서,
    상기 전체 비용은 상기 궤적에 의해 야기된 상기 경로로부터의 측방 편차에 기초한 제3 비용 컴포넌트를 더 포함하는 것인, 시스템.
  5. 청구항 1에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트는 제어 회로를 사용하여 결정되는 것인, 시스템.
  6. 청구항 1에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트는 계획 회로를 사용하여 결정되는 것인, 시스템.
  7. 청구항 1에 있어서,
    상기 전체 비용은 제어 회로를 사용하여 결정되는 것인, 시스템.
  8. 청구항 1에 있어서,
    상기 전체 비용은 계획 회로를 사용하여 결정되는 것인, 시스템.
  9. 청구항 1에 있어서,
    상기 경로, 상기 측방 제약 세트 및 상기 속력 제약 세트는 계획 회로로부터 수신되는 것인, 시스템.
  10. 청구항 1에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트는 머신 러닝 기술을 사용하여 결정되는 것인, 시스템.
  11. 방법에 있어서,
    차량이 자율 주행 모드로 동작하고 있는 동안:
    경로, 측방 제약 세트 및 속력 제약 세트를 획득하는 단계 - 상기 측방 제약 세트는 상기 차량의 제1 측과 제1 장애물 사이의 제1 거리 및 상기 차량의 제2 측과 제2 장애물 사이의 제2 거리를 정의하고, 상기 속력 제약 세트는 상기 차량의 최대 또는 최소 속력을 정의함 - ;
    상기 측방 제약 세트 및 상기 속력 제약 세트를 충족하는 상기 경로에 따라 상기 차량을 운행하기 위한 궤적을 선택하는 단계로서,
    상기 궤적이 상기 측방 제약 세트 및 상기 속력 제약 세트를 충족한다고 결정하는 단계; 및
    상기 궤적이 전체 비용을 최소화한다고 결정하는 단계 - 상기 전체 비용은, 상기 차량의 상기 제1 측에 대한 인지된 위험을 나타내는 제1 비용 컴포넌트 및 상기 차량의 상기 제2 측에 대한 인지된 위험을 나타내는 제2 비용 컴포넌트를 포함함 -
    를 포함하는, 상기 궤적을 선택하는 단계; 및
    상기 궤적에 따라 상기 차량을 운행하는 단계
    를 포함하는, 방법.
  12. 청구항 11에 있어서,
    상기 제1 비용 컴포넌트는 제1 가중 계수를 포함하고, 상기 제2 비용 컴포넌트는 제2 가중 계수를 포함하는 것인, 방법.
  13. 청구항 11에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트는 인지된 장애물의 속도에 기초하는 것인, 방법.
  14. 청구항 11에 있어서,
    상기 전체 비용은 상기 궤적에 의해 야기된 상기 경로로부터의 측방 편차에 기초한 제3 비용 컴포넌트를 더 포함하는 것인, 방법.
  15. 청구항 11에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트는 제어 회로를 사용하여 결정되는 것인, 방법.
  16. 청구항 11에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트를 결정하는 것은 계획 회로를 사용하여 결정되는 것인, 방법.
  17. 청구항 11에 있어서,
    상기 전체 비용은 제어 회로를 사용하여 결정되는 것인, 방법.
  18. 청구항 11에 있어서,
    상기 전체 비용은 계획 회로를 사용하여 결정되는 것인, 방법.
  19. 청구항 11에 있어서,
    상기 경로, 상기 측방 제약 세트 및 상기 속력 제약 세트는 계획 회로로부터 수신되는 것인, 방법.
  20. 청구항 11에 있어서,
    상기 제1 비용 컴포넌트 및 상기 제2 비용 컴포넌트는 머신 러닝 기술을 사용하여 결정되는 것인, 방법.
  21. 하나 이상의 컴퓨팅 디바이스에 의해 실행될 때 동작들을 수행시키는 명령어들을 저장한 비일시적 컴퓨터 판독가능 저장 매체에 있어서,
    상기 동작들은:
    차량이 자율 주행 모드로 동작하고 있는 동안:
    경로, 측방 제약 세트 및 속력 제약 세트를 획득하는 동작 - 상기 측방 제약 세트는 상기 차량의 제1 측과 제1 장애물 사이의 제1 거리 및 상기 차량의 제2 측과 제2 장애물 사이의 제2 거리를 정의하고, 상기 속력 제약 세트는 상기 차량의 최대 또는 최소 속력을 정의함 - ;
    상기 측방 제약 세트 및 상기 속력 제약 세트를 충족하는 상기 경로에 따라 상기 차량을 운행하기 위한 궤적을 선택하는 동작으로서,
    상기 궤적이 상기 측방 제약 세트 및 상기 속력 제약 세트를 충족한다고 결정하는 동작; 및
    상기 궤적이 전체 비용을 최소화한다고 결정하는 동작 - 상기 전체 비용은, 상기 차량의 상기 제1 측에 대한 인지된 위험을 나타내는 제1 비용 컴포넌트 및 상기 차량의 상기 제2 측에 대한 인지된 위험을 나타내는 제2 비용 컴포넌트를 포함함 -
    을 포함하는, 상기 궤적을 선택하는 동작; 및
    상기 궤적에 따른 상기 경로를 따라 상기 차량을 운행하는 동작
    을 포함하는 것인, 비일시적 컴퓨터 판독가능 저장 매체.
KR1020210183998A 2021-04-16 2021-12-21 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술 KR20220144296A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/233,298 2021-04-16
US17/233,298 US11958503B2 (en) 2021-04-16 2021-04-16 Techniques for navigating an autonomous vehicle based on perceived risk

Publications (1)

Publication Number Publication Date
KR20220144296A true KR20220144296A (ko) 2022-10-26

Family

ID=80038505

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210183998A KR20220144296A (ko) 2021-04-16 2021-12-21 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술

Country Status (5)

Country Link
US (1) US11958503B2 (ko)
KR (1) KR20220144296A (ko)
CN (1) CN115220439A (ko)
DE (1) DE102021133744A1 (ko)
GB (2) GB2605858B (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11738772B1 (en) * 2020-12-18 2023-08-29 Zoox, Inc. Object avoidance with perceived safety subgoal

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108431549B (zh) 2016-01-05 2020-09-04 御眼视觉技术有限公司 具有施加的约束的经训练的系统
US10328935B2 (en) * 2016-06-08 2019-06-25 GM Global Technology Operations LLC Adaptive cruise control system and method of operating the same
KR102573303B1 (ko) 2016-09-01 2023-08-31 삼성전자 주식회사 자율 주행 방법 및 장치
US10121376B2 (en) * 2016-10-05 2018-11-06 Ford Global Technologies, Llc Vehicle assistance
US10515321B2 (en) * 2017-09-11 2019-12-24 Baidu Usa Llc Cost based path planning for autonomous driving vehicles
KR102374916B1 (ko) 2017-09-29 2022-03-16 주식회사 만도모빌리티솔루션즈 차선 유지 제어장치 및 제어방법
US10795367B2 (en) 2018-01-11 2020-10-06 Uatc, Llc Mapped driving paths for autonomous vehicle
CN117022255A (zh) 2018-03-20 2023-11-10 御眼视觉技术有限公司 用于主车辆的自动驾驶系统、机器可读存储介质和装置
EP3842304A3 (en) * 2018-08-14 2021-09-15 Mobileye Vision Technologies Ltd. Systems and methods for navigating with safe distances
US11535262B2 (en) * 2018-09-10 2022-12-27 Here Global B.V. Method and apparatus for using a passenger-based driving profile
US11048260B2 (en) 2018-11-02 2021-06-29 Zoox, Inc. Adaptive scaling in trajectory generation
US11077878B2 (en) 2018-11-02 2021-08-03 Zoox, Inc. Dynamic lane biasing
US11353878B2 (en) * 2019-03-26 2022-06-07 Baidu Usa Llc Soft-boundary based path optimization for complex scenes for autonomous driving vehicles

Also Published As

Publication number Publication date
GB2605858B (en) 2023-09-06
GB202311397D0 (en) 2023-09-06
GB2605858A (en) 2022-10-19
US11958503B2 (en) 2024-04-16
DE102021133744A1 (de) 2022-10-20
CN115220439A (zh) 2022-10-21
GB202117359D0 (en) 2022-01-12
US20220340169A1 (en) 2022-10-27

Similar Documents

Publication Publication Date Title
US20200216064A1 (en) Classifying perceived objects based on activity
KR102506647B1 (ko) 조향각 캘리브레이션
KR102616561B1 (ko) 복수의 모션 제약을 사용하는 차량의 동작
KR102594120B1 (ko) 자율 주행 차량에 대한 제어 아키텍처
KR20210112293A (ko) 주석 달기를 위한 데이터 샘플의 자동 선택
KR20210108867A (ko) 차량의 교통 신호등 검출 시스템
KR102569135B1 (ko) 선형 시간 논리를 사용한 자율 주행 차량 동작
KR20230093069A (ko) 모션 그래프 구성 및 차선 레벨 루트 계획
KR102584831B1 (ko) 자율주행 차량으로의 다방향 정지 교차로 내비게이팅
KR102505717B1 (ko) 교통 신호등 추정
KR102410182B1 (ko) 환경의 미리 정의된 특징부에 기초한 로컬화
KR20220147006A (ko) 동적 상태를 사용한 자율 주행 차량의 궤적의 계획
KR102549258B1 (ko) 이미지 시맨틱스 네트워크로부터의 단안 3d 대상체 검출
KR102548079B1 (ko) 내비게이션 정보의 이용 가능성에 기반한 자율 주행 차량의 동작
US20220283587A1 (en) Controlling an autonomous vehicle using a proximity rule
GB2598410A (en) Conditional motion predictions
KR20230035440A (ko) 교통 신호등 추정
KR20220144296A (ko) 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술
KR102580097B1 (ko) 교정 정보를 사용한 av 경로 계획
US20220258761A1 (en) Controlling an autonomous vehicle using variable time periods

Legal Events

Date Code Title Description
E902 Notification of reason for refusal