KR20220147006A

KR20220147006A - 동적 상태를 사용한 자율 주행 차량의 궤적의 계획

Info

Publication number: KR20220147006A
Application number: KR1020210192251A
Authority: KR
Inventors: 스콧 드류 팬들턴; 한스 안데르센
Original assignee: 모셔널 에이디 엘엘씨
Priority date: 2021-04-23
Filing date: 2021-12-30
Publication date: 2022-11-02
Also published as: DE102021133742A1; GB202116794D0; GB2606043A; CN115328110A; GB202306075D0; US20220340172A1; GB2606043B

Abstract

본 개시는 자율 주행 차량의 계획된 루트에 근접한 대상체들과 연관된 센서 데이터를 획득하고, 대상체들의 제1 서브세트와 연관된 비일시적 위험들에 기초하여 계획된 루트를 따라 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정하며, 정적 제약들에 기초하여 계획된 루트를 따라 시간의 함수로서 자율 주행 차량의 위치 및 속력을 예측하고, 자율 주행 차량의 예측된 위치 및 속력에 기초하여 대상체들의 제2 서브세트와 연관된 일시적 위험들을 식별하며, 자율 주행 차량이 대상체들의 제2 서브세트와 연관된 일시적 위험들을 회피하는 것을 돕기 위해 계획된 루트를 따라 자율 주행 차량의 궤적을 더 제한하는 동적 제약들을 결정하고, 정적 제약들 및 동적 제약들에 따라 자율 주행 차량의 궤적을 조정하도록 구성된 자율 주행 차량을 기술한다.

Description

동적 상태를 사용한 자율 주행 차량의 궤적의 계획{PLANNING WITH DYNAMIC STATE A TRAJECTORY OF AN AUTONOMOUS VEHICLE}

이 설명은 자율 주행 차량을 둘러싼 환경에서 하나 이상의 대상체를 검출하고 머신 러닝 기술들을 사용하여 하나 이상의 대상체의 거동을 예측하기 위한 컴퓨터 시스템에 관한 것이다.

자율 주행 차량들은 사람 및/또는 화물(예를 들면, 포장물들, 물건들, 또는 다른 물품들)을 한 장소로부터 다른 장소로 운송하는 데 사용될 수 있다. 예를 들어, 자율 주행 차량은 사람의 위치로 운행하고, 사람이 자율 주행 차량을 탑승하기를 기다리며, 지정된 목적지(예를 들면, 사람에 의해 선택된 위치)로 운행할 수 있다. 환경에서 운행하기 위해, 이러한 자율 주행 차량들은 주변에 있는 대상체들을 검출하기 위한 다양한 유형들의 센서들을 장비하고 있다.

센서들에 의해 추적되는 대상체들의 거동을 예상하는 것이 어려울 수 있다. 본 명세서에 기술된 주제는 자율 주행 차량을 둘러싼 환경에서 대상체들의 거동을 검출하고 예측하기 위한 컴퓨터 시스템 및 기술들에 관한 것이다. 일반적으로, 컴퓨터 시스템은 차량의 하나 이상의 센서로부터 입력을 수신하고, 수신된 입력에 기초하여 차량을 둘러싼 환경에서 하나 이상의 대상체를 검출하며, 대상체들의 예측된 거동에 기초하여 차량을 작동시키도록 구성된다.

상세하게는, 시스템이 개시되고 이 시스템은 적어도 하나의 프로세서 및, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 저장하는 적어도 하나의 메모리를 포함하며, 이 동작들은: 자율 주행 차량의 센서에 의해 생성되는 센서 데이터를 획득하는 동작 - 센서 데이터는 자율 주행 차량의 계획된 루트에 근접한 복수의 대상체들과 연관됨 -; 복수의 대상체들의 제1 서브세트와 연관된 비일시적 위험들에 기초하여 계획된 루트를 따라 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정하는 동작; 정적 제약들에 기초하여 계획된 루트를 따라 시간의 함수로서 자율 주행 차량의 위치 및 속력을 예측하는 동작; 자율 주행 차량의 예측된 위치 및 속력에 기초하여 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 식별하는 동작; 자율 주행 차량이 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 회피하는 것을 돕기 위해 계획된 루트를 따라 자율 주행 차량의 궤적을 더 제한하는 동적 제약들을 결정하는 동작; 정적 제약들 및 동적 제약들에 따라 자율 주행 차량의 궤적을 조정하는 동작; 및 조정된 궤적에 따라 자율 주행 차량을 운행시키는 동작을 포함한다.

비일시적 컴퓨터 판독 가능 저장 매체가 개시되고, 이 비일시적 컴퓨터 판독 가능 저장 매체는, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금 동작들을 수행하게 하는 저장된 명령어들을 포함하며, 이 동작들은: 자율 주행 차량의 센서에 의해 생성되는 센서 데이터를 획득하는 동작 - 센서 데이터는 자율 주행 차량의 계획된 루트에 근접한 복수의 대상체들과 연관됨 -; 복수의 대상체들의 제1 서브세트와 연관된 비일시적 위험들에 기초하여 계획된 루트를 따라 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정하는 동작; 정적 제약들에 기초하여 계획된 루트를 따라 시간의 함수로서 자율 주행 차량의 위치 및 속력을 예측하는 동작; 자율 주행 차량의 예측된 위치 및 속력에 기초하여 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 식별하는 동작; 자율 주행 차량이 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 회피하는 것을 돕기 위해 계획된 루트를 따라 자율 주행 차량의 궤적을 더 제한하는 동적 제약들을 결정하는 동작; 정적 제약들 및 동적 제약들에 따라 자율 주행 차량의 궤적을 조정하는 동작; 및 조정된 궤적에 따라 자율 주행 차량을 운행시키는 동작을 포함한다.

계획된 루트를 따라가는 자율 주행 차량에 의해 수행되는 방법이 개시된다. 이 방법은: 자율 주행 차량의 센서에 의해 생성되는 센서 데이터를 획득하는 단계 - 센서 데이터는 자율 주행 차량의 계획된 루트에 근접한 복수의 대상체들과 연관됨 -; 복수의 대상체들의 제1 서브세트와 연관된 비일시적 위험들에 기초하여 계획된 루트를 따라 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정하는 단계; 정적 제약들에 기초하여 계획된 루트를 따라 시간의 함수로서 자율 주행 차량의 위치 및 속력을 예측하는 단계; 자율 주행 차량의 예측된 위치 및 속력에 기초하여 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 식별하는 단계; 자율 주행 차량이 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 회피하는 것을 돕기 위해 계획된 루트를 따라 자율 주행 차량의 궤적을 더 제한하는 동적 제약들을 결정하는 단계; 정적 제약들 및 동적 제약들에 따라 자율 주행 차량의 궤적을 조정하는 단계; 및 조정된 궤적에 따라 자율 주행 차량을 운행시키는 단계를 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 자율 주행 능력(autonomous capability)을 갖는 자율 주행 차량(autonomous vehicle)의 예를 도시한다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다.
도 3은 컴퓨터 시스템을 예시한다.
도 4는 자율 주행 차량에 대한 예시적인 아키텍처를 도시한다.
도 5는 인지 모듈에 의해 사용될 수 있는 입력들 및 출력들의 예를 도시한다.
도 6은 LiDAR 시스템의 예를 도시한다.
도 7은 작동 중인 LiDAR 시스템을 도시한다.
도 8은 LiDAR 시스템의 작동을 추가적으로 상세하게 도시한다.
도 9는 계획 모듈의 입력들과 출력들 사이의 관계들의 블록 다이어그램을 도시한다.
도 10은 경로 계획에서 사용되는 방향 그래프(directed graph)를 도시한다.
도 11은 제어 모듈의 입력들 및 출력들의 블록 다이어그램을 도시한다.
도 12는 제어기의 입력들, 출력들, 및 컴포넌트들의 블록 다이어그램을 도시한다.
도 13a 및 도 13b는 일부 실시예들에 따른 자율 주행 차량과 연관된 계획된 루트 및 최대 가속/감속 프로필들에 소프트 제약들 및 하드 제약들이 어떻게 영향을 미치는지를 예시하는 위치에 대한 속도 제곱의 그래프들을 도시한다.
도 14a는 교통 신호등 교차로(traffic light junction)에 있는 교통 신호등이 황색으로 바뀔 때 자율 주행 차량이 거리를 횡단하는 것의 부감도(top down view)를 도시한다.
도 14b는 일부 실시예들에 따른 도 14a에 묘사된 교통 신호등 교차로에 근접한 공사 구역이 자율 주행 차량이 적색으로 바뀌기 전에 교통 신호등 교차로를 통과할 수 있는 능력에 어떻게 영향을 미치는지를 예시하는 위치에 대한 속도 제곱 그래프를 도시한다.
도 15a 내지 도 15c는 거리를 건너가는 보행자에 대응하기 위해 자율 주행 차량이 기술된 실시예들을 활용하는 시나리오를 도시한다.
도 16a는 자율 주행 차량이 교차로에 접근하고 있으며, 다른 차량의 거동에 기초하여, 다른 차량이 자율 주행 차량과 동시에 교차로에 진입할 가능성이 있다고 결정하는 시나리오를 도시한다.
도 16b는 일부 실시예들에 따른 도 16a에 묘사된 자율 주행 차량을 안전하게 교차로를 통과시키기 위해 최소 속력 프로필이 어떻게 적용될 수 있는지를 예시하는 위치에 대한 속도 제곱의 그래프를 도시한다.
도 17은 환경에서 대상체들을 검출하고 대상체들의 검출에 기초하여 차량을 작동시키기 위한 예시적인 프로세스(1700)의 플로차트이다.

이하의 기술에서는, 설명을 위해, 본 개시에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부 사항들이 기재된다. 그렇지만, 본 개시가 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 요구됨을 암시하는 것으로 의미되지 않거나, 또는 그러한 요소에 의해 표현되는 특징들이 일부 실시예들에서 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. 하드웨어 개관

3. 자율 주행 차량 아키텍처

4. 자율 주행 차량 입력들

5. 자율 주행 차량 계획

6. 자율 주행 차량 제어

7. 필라들(Pillars)을 사용한 대상체 검출을 위한 컴퓨팅 시스템

8. 예시적인 포인트 클라우드들 및 필라들

9. 대상체들을 검출하고 대상체들의 검출에 기초하여 차량을 작동시키기 위한 예시적인 프로세스

일반적 개관

자율 주행 차량들이 복잡한 환경들(예를 들면, 도시 환경)에서 운전하는 것은 큰 기술적 도전 과제를 제기한다. 자율 주행 차량들이 이러한 환경들을 운행하기 위해, 차량들은 LiDAR, 광학 이미저리(optical imagery) 및/또는 RADAR와 같은 센서들을 사용하여 실시간으로 차량들, 보행자들, 및 자전거들과 같은 다양한 유형들의 대상체들을 검출한다. 이러한 센서들은 대상체들을 식별하고 추적할 수 있지만, 대상체들의 거동을 예측하는 것은 어려울 수 있으며 추적된 대상체들을 너무 보수적으로 처리하는 것은 자율 주행 차량들이 기능할 수 없는 것을 결과할 수 있다. 개시된 실시예들은 검출된 대상체들의 거동을 예측하고 검출된 대상체들을 효율적으로 회피하기 위한 시스템 및 기술들을 포함한다.

상세하게는, 본원에 설명된 시스템 및 기술들은 검출된 대상체들로부터의 센서 데이터를 이전에 추적된 대상체들로부터의 센서 데이터와 상관시킬 수 있는 머신 러닝(예를 들면, 신경 네트워크)을 구현한다. 자율 주행 차량은 그러면 이전에 추적된 대상체들의 거동을 사용하여 자율 주행 차량의 계획된 주행 루트에 근접한 검출된 대상체들의 움직임을 예측할 수 있다. 예측된 움직임은 이어서 검출된 대상체를 포함할 가능성이 있는 일시적 구역(temporal zone)을 식별하는 데 사용될 수 있다. 예측된 움직임이 충분한 품질을 가질 때, 자율 주행 차량은 속력 및/또는 위치를 조정하여 하나 이상의 동적 대상체와의 임의의 의도하지 않은 충돌들을 효율적으로 회피할 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, 완전 자율 주행 차량, 고도 자율 주행 차량, 및 조건부 자율 주행 차량을 제한 없이 포함하는, 실시간 인간 개입이 없어도 차량이 부분적으로 또는 완전하게 작동될 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 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 지역에서의 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 있음으로써, 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.

"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, 달리 명시되지 않는 한, 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(includes, comprises)" 및/또는 "포함하는(including, comprising)"이라는 용어가, 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 이들의 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 2과 관련하여 아래에서 기술되는 클라우드 컴퓨팅 환경(200)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, 선속도와 각속도 및 선가속도와 각가속도, 및 헤딩(heading)(예를 들면, AV(100)의 선단(leading end)의 배향)과 같은, AV(100)의 상태 또는 조건의 특성들을 측정 또는 추론하기 위한 센서들(121)을 포함한다. 센서들(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, 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 일부 실시예들에서, 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 간의 통신을 위한 하나 이상의 통신 표준을 준수한다.

일 실시예에서, 통신 디바이스들(140)은 통신 인터페이스들을 포함한다. 예를 들어, 유선, 무선, WiMAX, WiFi, 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. 일부 실시예들에서, AV(100)는 다른 원격(예를 들면, "클라우드") 서버들(136)과 통신한다.

일 실시예에서, 원격에 위치하는 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 프로필 및 가속도 프로필)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.

도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다. 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. 일부 실시예들에서, 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.

도 3은 컴퓨터 시스템(300)을 예시한다. 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 구성하는 와이어들을 포함한, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 송신 매체는 또한, 전파(radio-wave) 및 적외선 데이터 통신 동안 생성되는 것과 같은, 음향파 또는 광파의 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) 둘 모두는 디지털 데이터 스트림을 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 4는 자율 주행 차량(예를 들면, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(400)를 도시한다. 아키텍처(400)는 인지 모듈(402)(때때로 인지 회로라고 지칭됨), 계획 모듈(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. 일부 실시예들에서, 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) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도와 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.

자율 주행 차량 입력들

도 5는 인지 모듈(402)(도 4)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 도시한다. 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 신호등, 거리 표지판, 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 가진 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용함으로써, AV(100)가 이러한 대상체들에 의해 제공되는 모든 관련 운행 정보에 액세스하도록 한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상일 수 있다.

일부 실시예들에서, 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 4에 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. 일부 실시예들에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 결합된 출력에 적용되기 전에 출력들을 결합하는 것을 특징으로 한다. 일부 실시예들에서, 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 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 작동 중인 LiDAR 시스템(602)을 도시한다. 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 LiDAR 시스템(602)의 작동을 추가적으로 상세하게 도시한다. 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 (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)의 입력들과 출력들 사이의 관계들의 블록 다이어그램(900)을 도시한다. 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 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 바와 같은 인지 모듈(402)에 의해 인지되는 바와 같은 분류된 대상체들(416))를 포함한다. 일부 실시예들에서, 데이터베이스 데이터(914)는 계획에서 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 1 마일 이내로 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 지역 내) 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 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 101Ob)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 (예를 들면, 도 4에 도시된 바와 같은) 제어 모듈(406)의 입력들 및 출력들의 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 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 4에 도시된 바와 같은) 계획 모듈(404)로부터 수신되는 데이터에 기초할 수 있다. 원하는 출력(1104)에 따라, 제어기(1102)는 스로틀 입력(1106) 및 조향 입력(1108)으로서 사용 가능한 데이터를 생성한다. 스로틀 입력(1106)은 원하는 출력(1104)을 달성하기 위해, 예를 들면, 조향 페달에 관여하거나 또는 다른 스로틀 제어에 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 제어기(1102)의 입력들, 출력들, 및 컴포넌트들의 블록 다이어그램(1200)을 도시한다. 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(1210)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.

동적 상태를 사용한 계획

도 13a 및 도 13b는 일부 실시예들에 따른 AV(100)와 연관된 계획된 루트 및 최대 가속/감속 프로필들에 소프트 제약들 및 하드 제약들이 어떻게 영향을 미치는지를 예시하는 위치에 대한 속도 제곱의 그래프들을 도시한다. 상세하게는, 도 13a는 계획된 루트(1302)의 특정 세그먼트들과 연관된 최대 속도가 소프트 제약들(1304)에 의해 어떻게 한정되는지를 도시한다. 소프트 제약들(1304)은 많은 상이한 도로 조건들로부터 결과될 수 있다. 예를 들어, 제약(1304-1)은 특정 곡선에 대한 최대 권고 속력에 해당할 수 있고, 제약(1304-2)는 공사 구역과 연관된 감소된 속력 제한에 해당할 수 있으며, 제약(1304-3)은 보다 거칠거나 보다 미끄러운 도로 표면을 수용하기 위해 차량이 속력을 감소시키는 것에 해당할 수 있다. 각각의 경우에, AV(100)에 의해 달성되는 속도가 다수의 상이한 이유들로 특정 도로 구간에 걸쳐 감소된다.

도 13b는 일부 실시예들에서 AV(100)에 의해 달성 가능한 최대 가속 프로필(1352) 및 최대 감속 프로필(1354)을 도시한다. 최대 가속 프로필(1352)은 하드 제약들(1356)에 의해 영향을 받는다. 하드 제약(1356-1)은 AV(100)의 파워트레인의 손상을 방지하도록 설계된 가속 제한에 해당할 수 있다. 하드 제약(1356-2)은 AV(100)가 횡단하고 있는 도로의 곡률이 주어지면 기울어지는 것(tipping)을 방지하는 최대 가속 제한에 해당할 수 있고, 하드 제약(1356-3)은 AV(100)가 그의 최대 속력에 접근하는 것에 해당할 수 있다. 사용자가 AV(100)를 수동으로 제어하는 것이 최대 감속 프로필을 초과하거나 하드 제약들(1356) 중 하나를 넘어서 운전할 수 있지만 하드 제약들(1356)이 자율 주행 운전 시스템이 충돌 회피 시스템과 같은 시스템의 관여 또는 사용자 개입 없이 수행할 수 있는 것에 대한 하드 한계(hard limit)를 나타낸다는 점에 유의해야 한다.

제약들은 또한 정적 및 동적으로 특징지어질 수 있다. 정적 제약은 AV(100)가 통과하는 동안 변할 가능성이 없는 것으로 간주되는 제약이고 동적 제약은 AV(100)가 통과하는 동안 상태가 변하거나 재배치될 가능성이 있는 것으로 간주되는 제약이다. 아래에서 보다 상세히 기술될 것인 바와 같이, 자율 주행 운전 시스템과 연관된 프로세서들은 일반적으로, 시스템이 덜 예측 가능한 대상체들과 연관된 위험들을 개선시키는 동적 제약들을 결정할 때 위치 또는 상태를 변경할 가능성이 있는 대상체들을 처리하는 데 어떤 옵션들이 이용 가능한지를 알도록, 동적 제약들보다 먼저 정적 제약들을 결정하도록 구성될 수 있다.

도 14a는 교통 신호등 교차로(1404)에 있는 교통 신호등이 황색으로 바뀔 때 AV(100)가 거리(1402)를 횡단하고 있는 것의 부감도를 도시한다. 도 14b에 묘사된 최대 운동학적 프로필에 따라, AV(100)는 하드 제약 1(도 14b에 묘사됨)을 초과하지 않고 교통 신호등이 적색으로 바뀌기 전에(예를 들면, 전형적인 황색 신호등 타이밍들에 기초하여) 교차로(1404)를 통과할 수 있다. 하드 제약 1은 거리(1402)에 대한 최대 속력 제한을 나타낼 수 있다. 이 시나리오에서, (AV(100)의 주행 방향을 기준으로) 도로의 좌측에 공사 구역(1406)이 있다. 하드 제약 2(도 14b에 묘사됨)는, AV(100)가 공사 구역(1406)에 가까이 근접하여 최대 안전 속력으로 결정된 것을 초과하는 것을 방지하는, AV(100)가 공사 구역(1406)을 지나갈 때 준수해야만 하는 제약을 나타낸다. AV(100)는 다수의 상이한 방식들로 최대 안전 속력을 결정하도록 구성될 수 있다. 일부 실시예들에서, 도시 거리들 상의 공사 구역들에 대한 기본 최대 속력 제한이 사용된다. 일부 실시예들에서, 이용 가능할 때, 게시된 공사 구역 속력 제한들이 기본 최대 속력 제한 대신에 사용된다. 일부 실시예들에서, AV(100)는 최근접 접근 시의 공사 구역(1406)에 대한 근접성, 공사 구역(1406)에서의 다른 차량 교통 및 활동과 같은 하나 이상의 인자에 기초하여 동적으로 최대 안전 속력 제한을 결정하도록 구성될 수 있다.

도 14a에 도시된 시나리오에서, 도 14b에 도시된 최대 가속 프로필을 준수할 때, AV(100)는 하드 제약 2로 인해 AV(100)가 교차로(1404)에 진입한 후까지 하드 제약 1에 의해 표현되는 최대 속력 제한에 이르기까지 가속할 수 없다. AV(100)가 교차로(1404)를 통과하기 전에 공사 구역(1406)과 연관된 콘들이 치워질 가능성이 없기 때문에 하드 제약 2는 정적 제약으로 간주된다. 이러한 이유로, AV(100)는 하드 제약 2를 위반하지 않으면서 교통 신호등이 적색으로 바뀌기 전에 자신이 교차로(1404)를 안전하게 통과할 수 없다고 결정할 수 있다. 이 시나리오에서, AV(100)는 도 14b에 도시된 업데이트된 프로필에 의해 표현되는 동적 제약을 적용할 수 있으며, 이는 AV(100)가 어떠한 시스템 제약들도 위반하지 않고 교차로(1404)에 진입하기 전에 정지할 수 있게 한다. AV(100)가 황색 신호등의 지속 시간이 얼마일지를 확실히 알지는 못하기 때문에 업데이트된 제약은 동적 제약으로서 특징지어진다. 도 14b는 또한 소프트 제약 라인으로서 묘사된 공사 구역(1406)에 대한 덜 공격적인 가속 및 보다 보수적인 속력 제한을 갖는 전형적인 프로필을 묘사한다. 분명히, AV(100)는 또한 교통 신호등이 적색으로 바뀌기 전에 교차로(1404)에 진입할 수 없다. 일부 시나리오들에서, 최대 가속 프로필을 선택하는 것 또는 심지어 전형적인 프로필을 준수하는 것이 AV(100)가 적색 신호등을 무시하고 달리는 일 없이 또는 충돌 없이 교차로를 통과할 수 있게 할 것임이 이해되어야 한다. AV(100)는 일반적으로 안전 및 편의를 최적화하는 프로필을 선택할 것이다.

도 15a 내지 도 15c는 보행자(1504)(예를 들면, 무단 횡단자)가 거리(1502)를 건너가는 시나리오를 도시한다. 도 15a에서, AV(100)는 보행자(1504)가 거리(1502)를 건너기 시작하는 것을 검출한다. 보행자(1504)가 거리(1502)에 진입하는 것을 검출할 시에, AV(100)는, 이 예의 목적상 이 거리에 대한 게시된 최대 속력 제한인 AV(100)의 현재 속력에서 그리고 보행자(1504)의 예측된 거동에 기초하여, 보행자(1504)가 거리(1502)의 2 개의 차선 중 어느 하나에 위치될 수 있다고 결정한다. AV(100)가 보행자(1504)에 가장 가깝게 접근하는 예측된 시간에서의 보행자(1504)의 잠재적 위치들은 도 15a에서 일시적 구역(1506)으로서 묘사되어 있으며 보행자(1504)의 예측된 미래 움직임에 기초한다. 일부 실시예들에서, 대상체가 식별된 일시적 구역 내에 있을 가능성은 99% 초과의 레벨에 있다. 이 시나리오에서, AV(100)는 일시적 구역(1506)의 크기 및 형상이 (아래에서 기술되는 도 15b 및 도 15c에서의 일시적 구역(1506)과 비교하여) 상대적으로 큰(예를 들면, 보행자(1504) 크기의 몇 배인) 것으로 결정할 수 있는데, 그 이유는 AV(100)에 의해 액세스 가능한 이력 데이터베이스가 보행자들이, 예를 들면, 횡단보도 시나리오에서 예상되는 대로 거리를 곧바로 가로질러 이동하는 대신에, 횡단보도에 없을 때 종종 예측 불가능하게 이동한다는 것을 나타내기 때문이다. 일부 실시예들에서, 이력 데이터베이스는 AV(100) 내에 저장되는 반면, 다른 실시예들에서 데이터베이스의 적어도 일 부분은 AV(100) 외부에 저장된다. 본 시나리오에서, 일시적 구역(1506)이 AV(100)에 가까이 근접한 것으로 인해, AV(100)는 일시적 구역(1506)을 가로지르기 전에 완전히 정지할 수는 없다고 결정한다. 이러한 상황에서, AV(100)는 좌측 차선(예를 들면, 도 15a에서의 상부 차선)으로 이동할 것인데, 그 이유는 AV(100)가, 일시적 구역(1506)으로부터, 일시적 구역(1506)이 우측 차선 및 좌측 차선을 점유하는 상대 면적들로 인해 보행자(1504)가 우측 차선(예를 들면, 도 15a에서의 하부 차선)보다는 좌측 차선을 점유할 가능성이 더 낮다고 결정할 수 있기 때문이다.

도 15b는 AV(100)가 차선을 변경한 후에, 일시적 구역(1506)이 여전히 좌측 차선의 일 부분을 점유한다는 것을 도시한다. 도 15b는 또한 AV(100)와 보행자(1504) 사이의 최근접 접근 시에 보행자(1504)가 점유할 위치(1506)에 관해 AV(100)가 보다 확신하는 것으로 인해 AV(100)가 보행자(1504)에 접근함에 따라 일시적 구역(1506)이 축소되는(예를 들면, 크기가 감소되고/되거나 형상을 변경하는) 것을 묘사한다. 확신 레벨들은 적어도 다음을 포함한 다수의 이유들로 증가할 수 있다: (1) AV(100)가 보행자(1504)에 접근함에 따라 보행자(1504)가 이동할 시간이 보다 적으며, 이에 의해 보행자(1504)에 의해 커버될 수 있는 가능한 거리를 감소시킨다는 것; 및 (2) AV(100)가 보행자(1504)가 이동하고 있는 속력 및 방향을 측정할 시간을 가지며, 이에 의해 AV(100)가 보행자(1504)의 거동(즉, 이동 방향)을 보다 정확하게 예측할 수 있게 한다는 것.

게시된 최대 속력 제한이 AV(100)에 의해 소프트 제약으로 간주되는 경우에, AV(100)는 보행자(1504)가 좌측 차선에 도달하기 위해 가지는 시간량을 감소시키기 위해 게시된 최대 속력 제한 이상으로 계속 가속할 수 있다. 일부 실시예들에서, 그렇게 하는 것이 충돌 회피 기동의 일부로서 수행될 때 AV(100)는 게시된 최대 속력 제한보다 임계 양 이상의 속력으로 가속하도록 인가된다. 도 15c는 게시된 최대 속력 제한 이상으로 가속하는 것에 의해 일시적 구역(1506)이 어떻게 크기가 더욱 감소되고 AV(100)가 높은 정도의 확실성으로 보행자(1504)를 회피하도록 우측 차선으로 충분히 뒤로 밀려나는지를 보여준다. 이 예는, 보행자와 충돌할 가능성을 회피하기 위해(예를 들면, 보행자와 충돌하는 것을 회피하는 것은 게시된 속력 제한을 준수하는 것보다 높은 우선순위임), 게시된 속력 제한이 소프트 제약으로 간주될 때, AV(100)가 어떻게 게시된 속력 제한을 무시할 수 있는지를 보여준다. AV(100)는 일반적으로 모든 제약들을 준수하려고 시도할 것이지만, 이는 특정 상황들에서 AV(100)가 어떻게 소프트 정적 제약(게시된 속력 제한)보다 하드 동적 제약(보행자)을 준수하는 것에 우선순위를 부여하는지를 보여준다. 보행자(1504)가 횡단보도에서 거리(1502)를 건너가는 보행자인 경우에, 일시적 구역(1506)의 초기 형상은 이러한 유형의 포장 도로 마킹에 의해 더 정의될 수 있으며, 이에 의해 AV(100)가 보행자의 크기 및 형상의 보다 개선된 초기 투영(예를 들면, 시간 경과에 따라 크게 변하지 않는 초기 투영(예를 들면, 50% 미만, 25% 미만, 10% 미만))을 만들 수 있게 한다는 점에 유의해야 한다. 거리(1502)를 건너가는 인가된 수단을 사용하는 보행자인 것으로 결정되는 대상체에 또한 상이한 분류가 할당될 수 있다. 예를 들어, 횡단보도에 있는 보행자는 횡단보도에 있지 않은 보행자보다 더 예측 가능한 속력을 가지는 것으로 결정될 수 있으며, 보행자에 대한 일시적 구역이 AV(100)가 수용하기에 보다 작고 보다 쉽게 된다.

도 15a 내지 도 15c는 단일 동적 대상체만이 추적되고 회피되는 것을 보여주지만, 일부 실시예들에서, 대상체들 중 하나 이상(예를 들면, 각각의 검출 및/또는 추적된 대상체)이 충돌 위험 없이 AV(100)에 의해 취해질 수 있는 가능한 행동들을 제한하는 제약으로서 작용하도록, AV(100)가 다수의 동적 및/또는 정적 대상체들을 (예를 들면, 동시에) 추적할 수 있다. 이력 데이터 상관관계가 주어지면 검출된 대상체들의 거동이 보다 정확하게 예측될 수 있기 때문에, AV(100)는 어려운 상황들에서 충돌들을 회피하는 데 도움이 되는 행동들을 취할 수 있을 가능성이 보다 많다.

도 16a는 AV(100)가 도로(1604) 상의 교차로(1602)에 접근하고 있으며, 도 16b에 도시된 차량(1606)의 거동 및 그의 현재 계획된 루트에 기초하여, 차량(1606)이 AV와 동시에 교차로(1602)에 진입할 가능성이 있다고 결정하는 시나리오를 도시한다. AV(100)는 또한, 도 16b에 묘사된 최대 감속 프로필 라인에 의해 도시된 바와 같이, 교차로(1602)에 진입하는 것을 피하도록 제시간에 정지하기에는 자신이 교차로(1602)에 너무 가까이 있다고 결정한다. 일부 실시예들에서, 최대 감속 프로필 라인의 기울기는 자율 주행 차량에 후행하는 차량의 차간 거리(following distance)에 의존할 수 있다. 이 경우에 기울기는 후행 차량으로 하여금 자율 주행 차량에 영향을 미치게 하지 않으면서 자율 주행 차량이 할 수 있다고 자율 주행 차량이 결정하는 최대 감속에 대응할 수 있다. 자율 주행 차량을 정지시킬 충분한 공간이 없는 것에 응답하여, AV(100)는 차량(1606)과의 충돌을 회피할 가장 효과적인 방법이 교차로(1602)에 접근함에 따라 가속하고 교차로(1602)를 통해 계획된 것보다 높은 속력을 유지하는 것이라고 결정한다. AV(100)가 이 행동을 수행하게 하기 위해, AV(100)가 결정된 양의 확실성으로 차량(1606)보다 앞서 교차로(1602)를 통과할 수 있게 하도록 설계된 최소 속력 제약을 충족하도록 AV(100)에 요구하는 추가적인 제약이 AV(100)에 도입될 수 있다. 도 16b는 계획된 루트보다는 높은 속력 그러나 최대 가속 프로필보다는 낮은 속력을 지시하는 최소 속력 제약을 묘사한다. 이것은 AV(100)가 자신을 차량(1606)과의 충돌로부터 안전하게 유지할 수 있는 상대적으로 좁은 창을 따라가게 할 수 있다. 일부 실시예들에서, AV(100)는 AV(100)와 차량(1606) 사이의 공간의 양을 최대화하기 위해 그 대신에 도 16b에 묘사된 최대 가속 프로필을 채택하도록 구성될 수 있다.

대상체들을 검출하고 대상체들의 검출에 기초하여 차량을 작동시키기 위한 예시적인 프로세스

도 17은 환경에서 대상체들을 검출하고 대상체들(예를 들면, 1406, 1504)의 검출에 기초하여 자율 주행 차량(예를 들면, AV(100))을 작동시키기 위한 예시적인 프로세스(1700)의 플로차트이다. 편의상, 프로세스(1700)는 하나 이상의 위치에 위치하는 하나 이상의 컴퓨터의 시스템에 의해 수행되는 것으로 기술될 것이다. 예를 들어, 본 명세서에 따라 적절히 프로그래밍된, 도 3의 컴퓨팅 시스템(300)이 프로세스(1700)를 수행할 수 있다. 상세하게는, 1702에서, 자율 주행 차량의 하나 이상의 센서가 자율 주행 차량의 계획된 루트에 근접한 복수의 대상체들을 검출한다. 일부 실시예들에서, 인근 자동차들 상의 센서들 또는 인근 교차로들에 장착된 센서들이 또한 계획된 루트에 근접한 예상치 못한 대상체들의 존재를 검출하는 데 사용될 수 있다. 센서들에 의해 생성되고 복수의 대상체들과 연관된 센서 데이터가 자율 주행 차량의 적어도 하나의 프로세서에 의해 획득된다. 1704에서, 적어도 하나의 프로세서는 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정한다. 정적 제약들은 자율 주행 차량이 복수의 대상체들의 제1 서브세트와 연관된 임의의 비일시적 위험들에 노출되는 것을 방지한다. 비일시적 위험들은 일반적으로 프로세서가 자율 주행 차량이 계획된 루트를 횡단할 때 변할 가능성이 없는 것으로 결정하는 위험들이다.

1706에서, 적어도 하나의 프로세서는 계획된 경로를 따라 시간의 함수로서 자율 주행 차량의 위치 및 속력을 예측한다. 일부 실시예들에서, 예측된 위치 및 속력은 정적 제약들에 의해 허용되는 최대 속력에 기초할 수 있다. 예를 들어, 이 경우에 유일한 정적 제약은 게시된 속력 제한이다. 예측은 자율 주행 차량이 게시된 속력 제한으로 주행하는 것에 기초할 수 있다. 일부 실시예들에서, 게시된 속력 제한은 소프트 정적 제약일 수 있는데, 그 이유는 그렇게 하는 것이 충돌 또는 다른 바람직하지 않은 이벤트를 회피하기 위해 수행될 수 있는 경우에 프로세서가 게시된 속력 제한을 초과하는 자율 주행 차량의 궤적을 설정하도록 허용될 수 있기 때문이다.

1708에서, 적어도 하나의 프로세서는 복수의 대상체들의 제2 서브세트에 의해 제기되는 일시적 위험들을 식별하고 특성화하도록 구성된다. 일시적 위험들의 특성화는 적어도 하나의 프로세서가 대상체들의 제2 서브세트의 미래의 움직임 및/또는 상태 변화를 예측하는 데 도움이 되는 이력 데이터에 기초할 수 있다. 예를 들어, 이력 데이터는 교통 신호가 황색에서 적색으로 바뀌는 데 얼마나 걸리는지를 보여주는 기록들을 포함할 수 있다. 예측에 대한 확신은 적어도 하나의 프로세서로 하여금 궤적에 대한 변경들에 관한 결정을 내릴 때 다소 보수적이게 할 수 있다. 예를 들어, 프로세서는 황색 신호등의 지속기간에 있을 때보다 보행자의 보행 속력에 관해 덜 확신할 수 있다. 결과적으로, 보행자를 회피하는 것에 대한 임의의 동적 제약들은 보행자에 대한 보다 큰 보행 속력 범위를 수용할 것이다.

1710에서, 적어도 하나의 프로세서는 자율 주행 차량의 예측된 위치 및 속력에 기초하여 동적 제약들을 결정한다. 정적 제약들을 결정한 후에 동적 제약 계산을 수행하는 것은 자율 주행 차량에 일시적인 위험을 야기하는 덜 예측 가능한 검출된 대상체들을 회피하기 위해 자율 주행 차량이 가지는 옵션들을 좁히는 데 도움이 된다. 예를 들어, 정적 제약들은 자율 주행 차량이 일시적 위험을 회피하기 위해 충분히 가속할 수 없고 그 대신에 일시적 위험에 의해 야기되는 손상 또는 위험을 회피하기 위해 감속해야만 하도록 되어 있을 수 있다.

1712에서, 적어도 하나의 프로세서는 정적 제약들 및 동적 제약들에 따라 자율 주행 차량의 궤적을 조정한다. 적어도 하나의 프로세서가 궤적에 대한 추가적인 조정들을 결과하는 동적 제약들을 변경할 수 있다는 점에 유의해야 한다. 예를 들어, 보행자가 갑자기 횡단보도를 건너가기로 결정하거나 횡단보도 중간에서 갑자기 멈출 수 있다. 그러한 경우에, 동적 제약들이 업데이트되어, 업데이트된 동적 제약을 수용하기 위해 궤적에 대한 변경을 결과할 것이다. 1714에서, 적어도 하나의 프로세서는 궤적에 대한 최신 업데이트에 따라 자율 주행 차량을 운행시킨다.

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.

Claims

시스템으로서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 동작들을 수행하게 하는 명령어들을 저장하는 적어도 하나의 메모리
를 포함하며, 상기 동작들은:
자율 주행 차량의 센서에 의해 생성되는 센서 데이터를 획득하는 동작 - 상기 센서 데이터는 상기 자율 주행 차량의 계획된 루트에 근접한 복수의 대상체들과 연관됨 -;
상기 복수의 대상체들의 제1 서브세트와 연관된 비일시적 위험들에 기초하여 상기 계획된 루트를 따라 상기 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정하는 동작;
상기 정적 제약들에 기초하여 상기 계획된 루트를 따라 시간의 함수로서 상기 자율 주행 차량의 위치 및 속력을 예측하는 동작;
상기 자율 주행 차량의 상기 예측된 위치 및 속력에 기초하여 상기 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 식별하는 동작;
상기 자율 주행 차량이 상기 복수의 대상체들의 상기 제2 서브세트와 연관된 상기 일시적 위험들을 회피하는 것을 돕기 위해 상기 계획된 루트를 따라 상기 자율 주행 차량의 상기 궤적을 더 제한하는 동적 제약들을 결정하는 동작;
상기 정적 제약들 및 상기 동적 제약들에 따라 상기 자율 주행 차량의 상기 궤적을 조정하는 동작; 및
상기 조정된 궤적에 따라 상기 자율 주행 차량을 운행시키는 동작을 포함하는 것인, 시스템.
제1항에 있어서, 상기 일시적 위험들을 식별하는 동작은 상기 복수의 대상체들의 상기 제2 서브세트의 예측된 거동에 기초하여 상기 자율 주행 차량이 회피할 상기 계획된 경로를 따라 있는 일시적 구역들을 식별하는 동작을 포함하는 것인, 시스템.
제2항에 있어서, 상기 복수의 대상체들의 상기 제2 서브세트로부터의 대상체는 횡단보도에 있는 보행자인 것인, 시스템.
제3항에 있어서, 상기 동작들은 상기 보행자의 상기 예측된 거동에 대한 확신에 적어도 부분적으로 기초하여 상기 보행자와 연관된 상기 일시적 구역의 크기를 설정하는 동작을 더 포함하는 것인, 시스템.
제3항 또는 제4항에 있어서, 상기 동작들은 상기 일시적 구역이 상기 계획된 루트로부터 임계 거리 떨어져 있는 것으로 검출된 후에 상기 궤적을 조정하는 동작을 더 포함하는 것인, 시스템.
제3항 내지 제5항 중 어느 한 항에 있어서, 상기 일시적 구역의 크기는 상기 횡단보도의 크기에 의해 영향을 받는 것인, 시스템.
제2항에 있어서, 상기 복수의 대상체들의 상기 제2 서브세트로부터의 대상체는 교통 교차로이고, 상기 교통 교차로와 연관된 일시적 구역은 상기 교통 교차로의 대부분을 가로질러 연장되는 것인, 시스템.
제7항에 있어서, 상기 동작들은, 상기 교통 교차로와 연관된 교통 신호등이 황색으로 바뀌는 것에 응답하여, 상기 교통 신호등이 적색으로 바뀌기 전에 상기 자율 주행 차량이 상기 교통 교차로에 진입할 수 있게 하는 최소 속력 프로필을 확립하는 동적 제약을 결정하는 동작 또는 상기 자율 주행 차량이 상기 교통 교차로에 진입하기 전에 안전하게 정지할 수 있게 하는 최대 속력 프로필을 확립하는 동적 제약을 결정하는 동작을 더 포함하는 것인, 시스템.
제8항에 있어서, 상기 동적 제약을 결정하는 동작은 상기 교통 신호등이 황색에서 적색으로 바뀌는 평균 시간량을 포함하는 이력 데이터에 기초하여 상기 교통 신호등이 적색으로 바뀔 시간을 예측하는 동작을 포함하는 것인, 시스템.
제1항 내지 제9항 중 어느 한 항에 있어서, 상기 정적 제약들에 기초하여 시간의 함수로서 상기 자율 주행 차량의 위치 및 속력을 예측하는 동작은 상기 상기 정적 제약들에 기초하여 상기 차량의 최대 가능 속력 프로필을 결정하는 동작을 포함하는 것인, 시스템.
제1항 내지 제10항 중 어느 한 항에 있어서, 상기 정적 제약들 중 하나는 게시된 속력 제한인 것인, 시스템.
제1항에 있어서, 상기 복수의 대상체들은 상기 자율 주행 차량에 후행하는 대상체들을 포함하고, 상기 동적 제약들은 상기 대상체들 중 하나가 임계 거리 미만을 두고 상기 자율 주행 차량에 후행하는 것에 기초한 최대 감속 제한을 포함하는 것인, 시스템.
제1항 내지 제12항 중 어느 한 항에 있어서, 상기 동작들은: 상기 자율 주행 차량의 상기 센서에 의해 캡처되는 각각의 대상체의 유형을 결정하는 동작; 및
제2 유형의 대상체와 연관된 제2 위험의 회피보다 제1 유형의 대상체와 연관된 제1 위험의 회피에 우선순위를 부여하는 동작을 더 포함하는 것인, 시스템.
제1항 내지 제13항 중 어느 한 항에 있어서, 상기 동작들은 상기 복수의 대상체들의 상기 제2 서브세트의 대상체에서의 검출된 변화에 응답하여 상기 동적 제약들 중 하나 이상을 업데이트하는 동작을 더 포함하는 것인, 시스템.
제1항에 있어서, 상기 복수의 대상체들의 상기 제2 서브세트로부터의 대상체는 횡단보도 외부에서 거리를 건너가는 보행자인 것인, 시스템.
제1항 내지 제15항 중 어느 한 항에 있어서, 상기 동작들은 상기 센서로부터의 센서 데이터가 임박한 충돌을 나타낸다는 결정에 응답하여 비상 충돌 회피 시스템을 활성화시키는 동작을 더 포함하는 것인, 시스템.
제1항 내지 제16항 중 어느 한 항에 있어서, 상기 정적 제약들은 소프트 제약들 및 하드 제약들을 포함하고, 상기 동적 제약들은 상기 자율 주행 차량으로 하여금 소프트 정적 제약은 위반하게 하지만 하드 정적 제약은 위반하게 하지 않게 할 수 있는 것인, 시스템.
제17항에 있어서, 상기 동적 제약들은 일시적 위험들을 회피하기 위해 필요할 때 소프트 정적 제약들만을 위반하는 것인, 시스템.
적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 동작들을 수행하게 하는 저장된 명령어들을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체로서, 상기 동작들은:
자율 주행 차량의 센서에 의해 생성되는 센서 데이터를 획득하는 동작 - 상기 센서 데이터는 상기 자율 주행 차량의 계획된 루트에 근접한 복수의 대상체들과 연관됨 -;
상기 복수의 대상체들의 제1 서브세트와 연관된 비일시적 위험들에 기초하여 상기 계획된 루트를 따라 상기 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정하는 동작;
상기 정적 제약들에 기초하여 상기 계획된 루트를 따라 시간의 함수로서 상기 자율 주행 차량의 위치 및 속력을 예측하는 동작;
상기 자율 주행 차량의 상기 예측된 위치 및 속력에 기초하여 상기 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 식별하는 동작;
상기 자율 주행 차량이 상기 복수의 대상체들의 상기 제2 서브세트와 연관된 상기 일시적 위험들을 회피하는 것을 돕기 위해 상기 계획된 루트를 따라 상기 자율 주행 차량의 상기 궤적을 더 제한하는 동적 제약들을 결정하는 동작;
상기 정적 제약들 및 상기 동적 제약들에 따라 상기 자율 주행 차량의 상기 궤적을 조정하는 동작; 및
상기 조정된 궤적에 따라 상기 자율 주행 차량을 운행시키는 동작을 포함하는 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
계획된 루트를 따라가는 자율 주행 차량에 의해 수행되는 방법으로서,
상기 자율 주행 차량의 센서에 의해 생성되는 센서 데이터를 획득하는 단계 - 상기 센서 데이터는 상기 자율 주행 차량의 상기 계획된 루트에 근접한 복수의 대상체들과 연관됨 -;
상기 복수의 대상체들의 제1 서브세트와 연관된 비일시적 위험들에 기초하여 상기 계획된 루트를 따라 상기 자율 주행 차량의 궤적을 제한하는 정적 제약들을 결정하는 단계;
상기 정적 제약들에 기초하여 상기 계획된 루트를 따라 시간의 함수로서 상기 자율 주행 차량의 위치 및 속력을 예측하는 단계;
상기 자율 주행 차량의 상기 예측된 위치 및 속력에 기초하여 상기 복수의 대상체들의 제2 서브세트와 연관된 일시적 위험들을 식별하는 단계;
상기 자율 주행 차량이 상기 복수의 대상체들의 상기 제2 서브세트와 연관된 상기 일시적 위험들을 회피하는 것을 돕기 위해 상기 계획된 루트를 따라 상기 자율 주행 차량의 상기 궤적을 더 제한하는 동적 제약들을 결정하는 단계;
상기 정적 제약들 및 상기 동적 제약들에 따라 상기 자율 주행 차량의 상기 궤적을 조정하는 단계; 및
상기 조정된 궤적에 따라 상기 자율 주행 차량을 운행시키는 단계
를 포함하는, 방법.