RU2019145038A

RU2019145038A - Способы и процессоры для управления рулением беспилотным автомобилем

Info

Publication number: RU2019145038A
Application number: RU2019145038A
Authority: RU
Inventors: Андрей Юрьевич Волчек
Original assignee: Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии"
Priority date: 2019-12-30
Filing date: 2019-12-30
Publication date: 2021-06-30
Also published as: EP3845981B1; RU2019145038A3; US20210197895A1; US11731699B2; EP3845981A1; US20230347979A1; RU2751734C2

Claims

1. Способ управления рулением беспилотным автомобилем (SDC), реализованный посредством компьютера, причем SDC соединен с возможностью связи с процессором, причем SDC имеет предварительно определенный диапазон позиций рулевого колеса, которые являются физически возможными для SDC, причем способ осуществляют посредством процессора, при этом способ содержит этапы, на которых:

- получают, посредством процессора, из запоминающего устройства данные состояния SDC, ассоциированные с двумя последовательными вершинами на графовой структуре,

причем вершины графовой структуры задают последовательность целевых состояний SDC на маршруте,

первая из двух последовательных вершин задает первое целевое состояние SDC на маршруте, и

вторая из двух последовательных вершин задает второе целевое состояние SDC на маршруте;

- используют, посредством процессора, данные состояния SDC для получения набора параметров для построения полиномиальной кривой,

причем полиномиальная кривая представляет возможный вариант профиля руления SDC для попытки перехода из первого целевого состояния во второе целевое состояние;

причем возможный вариант профиля руления представляет множество возможных вариантов позиций рулевого колеса для SDC в соответствующие моменты времени между (i) моментом времени, ассоциированным с первым целевым состоянием, и (ii) моментом времени, ассоциированным со вторым целевым состоянием,

причем по меньшей мере один возможный вариант позиции рулевого колеса из множества возможных вариантов позиций рулевого колеса представляет собой неразрешенную позицию рулевого колеса,

причем неразрешенная позиция рулевого колеса находится за пределами предварительно определенного диапазона позиций рулевого колеса SDC;

- используют, посредством процессора, полиномиальную кривую для моделирования возможного варианта траектории SDC, как если SDC управляют с помощью руля в соответствии с множеством возможных вариантов позиций рулевого колеса в соответствующие моменты времени, и таким образом, что вместо неразрешенной позиции рулевого колеса используют ближайшую относительно неразрешенной позиции рулевого колеса разрешенную позицию рулевого колеса в предварительно определенном диапазоне позиций рулевого колеса ,

причем возможный вариант траектории (i) начинается в первом целевом состоянии SDC и (ii) завершается в моделируемом состоянии SDC;

- определяют, посредством процессора, смещение между моделируемым состоянием SDC и вторым целевым состоянием SDC;

- в ответ на смещение, составляющее ниже предварительно определенного порогового значения, выбирают, посредством процессора, возможный вариант профиля руления в качестве целевого профиля руления SDC; и

- используют, посредством процессора, целевой профиль руления SDC для управления рулением SDC, когда SDC находится в первом целевом состоянии.

2. Способ по п. 1, в котором до получения данных состояния SDC, способ дополнительно содержит этап, на котором:

- формируют, посредством процессора, графовую структуру для маршрута, которого должен придерживаться SDC.

3. Способ по п. 1, в котором запоминающее устройство представляет собой запоминающее устройство удаленного сервера.

4. Способ по п. 1, в котором набор параметров получают из запоминающего устройства.

5. Способ по п. 4, в котором запоминающее устройство выполнено с возможностью сохранять соответствующие наборы параметров для соответствующих пар последовательных предварительно определенных состояний SDC.

6. Способ по п. 1, в котором данные состояния SDC, ассоциированные с данным состоянием SDC, содержат множество значений состояния.

7. Способ по п. 6, в котором каждое из множества значений состояния содержит, по меньшей мере:

- значение позиции;

- значение времени;

- значение ориентации транспортного средства; и

- значение позиции руления.

8. Способ по п. 1, в котором набор параметров содержит по меньшей мере четыре параметра.

9. Способ по п. 8, в котором набор параметров содержит по меньшей мере один параметр, указывающий общую величину перемещения при рулении.

10. Способ по п. 1, в котором полиномиальную кривую строят в качестве полиномиальной функции третьей степени.

11. Способ по п. 1, в котором предварительно определенный диапазон позиций рулевого колеса указывает максимальную амплитуду руления, с возможностью выполнения которой физически выполнено SDC.

12. Способ по п. 1, при этом способ дополнительно содержит этап, на котором:

- сравнивают, посредством процессора, смещение с предварительно определенным пороговым значением.

13. Способ по п. 13, в котором смещение составляет ниже предварительно определенного порогового значения, когда моделируемое состояние SDC совпадает со вторым целевым состоянием SDC.

14. Способ по п. 1, в котором в ответ на смещение, составляющее выше предварительно определенного порогового значения, способ дополнительно содержит этап, на котором выполняют, посредством процессора, процедуру регулирования,

причем процедура регулирования содержит этапы, на которых:

- используют, посредством процессора, смещение для регулирования набора параметров,

за счет этого определяя набор отрегулированных параметров для построения отрегулированной полиномиальной кривой,

причем отрегулированная полиномиальная кривая представляет отрегулированный профиль руления для SDC для попытки перехода из первого целевого состояния во второе целевое состояние;

- используют, посредством процессора, отрегулированную полиномиальную кривую для моделирования второго возможного варианта траектории SDC, как если SDC управляют с помощью руля в соответствии с отрегулированным профилем руления,

причем второй возможный вариант траектории (i) начинается в первом целевом состоянии SDC и (ii) завершается во втором моделируемом состоянии SDC;

- определяют, посредством процессора, второе смещение между вторым моделируемым состоянием SDC и вторым целевым состоянием SDC; и

- в ответ на второе смещение, составляющее ниже предварительно определенного порогового значения, выбирают, посредством процессора, отрегулированный профиль руления в качестве целевого профиля руления для SDC.

15. Способ по п. 14, при этом способ дополнительно содержит этап, на котором:

- итеративно повторяют, посредством процессора, процедуру регулирования до тех пор, пока данное смещение не составляет ниже предварительно определенного порогового значения.

16. Способ по п. 1, при этом способ дополнительно содержит этап, на котором:

- используют, посредством сервера, (i) первое целевое состояние, (ii) второе целевое состояние и (iii) целевой профиль руления SDC для того, чтобы обучить алгоритм машинного обучения (MLA) прогнозировать позицию рулевого колеса в ходе использования для SDC для текущего состояния в ходе использования SDC с учетом того, что траектория в ходе использования SDC должна завершаться во втором целевом состоянии в ходе использования.

17. Способ обучения алгоритма машинного обучения (MLA) для прогнозирования позиций рулевого колеса для управления рулением беспилотным автомобилем (SDC), причем SDC соединен с возможностью связи с процессором, причем способ осуществляют посредством процессора, при этом способ содержит этапы, на которых:

- получают, посредством процессора, множество обучающих наборов данных, ассоциированных с обучающей траекторией SDC,

причем обучающая траектория имеет множество целевых состояний SDC, при этом множество целевых состояний включают в себя (i) первое целевое состояние SDC, (ii) набор промежуточных целевых состояний и (iii) второе целевое состояние SDC,

причем целевая траектория (i) начинается с нахождения SDC в первом целевом состоянии, (ii) продолжается с нахождением SDC последовательно в наборе промежуточных целевых состояний и (iii) завершается с нахождением SDC во втором целевом состоянии,

причем обучающая траектория ассоциирована с множеством фактических позиций рулевого колеса в различные моменты времени, причем данная фактическая позиция рулевого колеса в данный момент времени служит для прихода из данного целевого состояния обучающей траектории в последовательное целевое состояние обучающей траектории,

причем данный один из множества обучающих наборов данных включает в себя (i) обучающий ввод и (ii) соответствующую метку,

причем обучающий ввод указывает (i) обучающее целевое состояние и (ii) второе целевое состояние,

причем обучающее целевое состояние представляет собой по меньшей мере одно из (i) первого целевого состояния и (ii) одного из множества промежуточных целевых состояний,

причем соответствующая метка указывает фактическую позицию рулевого колеса в соответствующий момент времени для прихода из обучающего целевого состояния в последовательное целевое состояние обучающей траектории;

- вводят, посредством процессора, данный обучающий набор данных в MLA для определения прогнозируемой позиции рулевого колеса для прихода из обучающего целевого состояния в соответствующий момент времени в последовательное целевое состояние с учетом того, что обучающая траектория должна завершаться вторым целевым состоянием;

- определяют, посредством процессора, разность между прогнозируемой позицией рулевого колеса для обучающего целевого состояния и фактической позицией рулевого колеса для обучающего целевого состояния; и

- обучают, посредством процессора, MLA на основе разности с возможностью прогнозировать позицию рулевого колеса в ходе использования для SDC для текущего состояния в ходе использования SDC с учетом того, что траектория в ходе использования SDC должна завершаться во втором целевом состоянии в ходе использования.

18. Способ по п. 17, в котором:

- ввод содержит этап, на котором итеративно вводят, посредством процессора, соответствующие обучающие наборы данных из множества обучающих наборов данных в MLA для определения соответствующих прогнозируемых позиций рулевого колеса, и при этом:

- обучение содержит этап, на котором итеративно обучают посредством процессора MLA на основе разностей между соответствующими прогнозируемыми позициями рулевого колеса и соответствующими фактическими позициями рулевого колеса.

19. Способ по п. 17, в котором множество фактических позиций рулевого колеса, ассоциированных с обучающей траекторией, имеют форму профиля руления для обучающей траектории, причем профиль руления построен посредством процессора в качестве полиномиальной кривой, представляющей данный профиль руления SDC, который позволяет SDC переходить из первого целевого состояния во второе целевое состояние.

20. Способ по п. 17, в котором обучающая траектория и фактические позиции рулевого колеса, ассоциированные с ней, собраны посредством устройства, ассоциированного с одним из следующего: (i) транспортное средство в ходе управления водителем-человеком, (ii) обучающий SDC.

21. Способ по п. 17, в котором множество целевых состояний обучающей траектории выбирают для избегания препятствия, и при этом обучающий ввод дополнительно указывает позицию препятствия.

22. Способ по п. 17, в котором обучающий ввод указывает первое целевое состояние, одно из множества промежуточных целевых состояний и второе целевое состояние.

23. Способ по п. 17, в котором обучающий ввод дополнительно указывает по меньшей мере одну из позиции центра полосы движения, на которой расположена оптимальная траектория.

24. Способ по п. 17, в котором MLA реализована как рекуррентная нейронная сеть (RNN), имеющая внутреннее состояние, и при этом обучающий ввод дополнительно указывает предыдущее целевое состояние по отношению к одному из множества промежуточных целевых состояний.

25. Процессор для обучения алгоритма машинного обучения (MLA) для прогнозирования позиций рулевого колеса для управления рулением беспилотным автомобилем (SDC), причем процессор выполнен с возможностью:

- получать множество обучающих наборов данных, ассоциированных с обучающей траекторией SDC,

- вводить данный обучающий набор данных в MLA для определения прогнозируемой позиции рулевого колеса для прихода из обучающего целевого состояния в соответствующий момент времени в последовательное целевое состояние с учетом того, что обучающая траектория должна завершаться вторым целевым состоянием;

- определять разность между прогнозируемой позицией рулевого колеса для обучающего целевого состояния и фактической позицией рулевого колеса для обучающего целевого состояния; и

- на основе разности обучать MLA прогнозировать позицию рулевого колеса в ходе использования для SDC для текущего состояния в ходе использования SDC с учетом того, что траектория в ходе использования SDC должна завершаться во втором целевом состоянии в ходе использования.

26. Процессор по п. 25, в котором:

- ввод выполняют процессором, выполненным с возможностью итеративно вводить соответствующие обучающие наборы данных из множества обучающих наборов данных в MLA для определения соответствующих прогнозируемых позиций рулевого колеса, и при этом:

- обучение выполняют процессором, выполненным с возможностью итеративно обучать MLA на основе разностей между соответствующими прогнозируемыми позициями рулевого колеса и соответствующими фактическими позициями рулевого колеса.

27. Процессор по п. 25, в котором множество фактических позиций рулевого колеса, ассоциированных с обучающей траекторией, имеют форму профиля руления для обучающей траектории, причем профиль руления построен посредством процессора в качестве полиномиальной кривой, представляющей данный профиль руления SDC, который позволяет SDC переходить из первого целевого состояния во второе целевое состояние.

28. Процессор по п. 25, в котором обучающая траектория и фактические позиции рулевого колеса, ассоциированные с ней, собраны посредством устройства, ассоциированного с одним из следующего: (i) транспортное средство в ходе управления водителем-человеком, (ii) обучающий SDC.

29. Процессор по п. 25, в котором множество целевых состояний обучающей траектории выбраны для избегания препятствия, и при этом обучающий ввод дополнительно указывает позицию препятствия.

30. Процессор по п. 25, в котором обучающий ввод указывает первое целевое состояние, одно из множества промежуточных целевых состояний и второе целевое состояние.

31. Процессор по п. 25, в котором обучающий ввод дополнительно указывает по меньшей мере одну из позиции центра полосы движения, на которой расположена оптимальная траектория.

32. Процессор по п. 25, в котором MLA реализована как рекуррентная нейронная сеть (RNN), имеющая внутреннее состояние, и при этом обучающий ввод дополнительно указывает предыдущее целевое состояние по отношению к одному из множества промежуточных целевых состояний.