WO2019017253A1 - 制御装置、制御方法、およびプログラム - Google Patents

制御装置、制御方法、およびプログラム Download PDF

Info

Publication number
WO2019017253A1
WO2019017253A1 PCT/JP2018/026151 JP2018026151W WO2019017253A1 WO 2019017253 A1 WO2019017253 A1 WO 2019017253A1 JP 2018026151 W JP2018026151 W JP 2018026151W WO 2019017253 A1 WO2019017253 A1 WO 2019017253A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
control
event
rule
control rule
Prior art date
Application number
PCT/JP2018/026151
Other languages
English (en)
French (fr)
Inventor
真武 下平
矢野　健一郎
淳 大杉
Original Assignee
パイオニア株式会社
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 パイオニア株式会社 filed Critical パイオニア株式会社
Priority to US16/632,302 priority Critical patent/US20200168094A1/en
Priority to EP18834334.7A priority patent/EP3657464A4/en
Priority to JP2019530987A priority patent/JP6974465B2/ja
Publication of WO2019017253A1 publication Critical patent/WO2019017253A1/ja
Priority to JP2021180053A priority patent/JP2022009988A/ja

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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0095—Automatic control mode change
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures
    • 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
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—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
    • B60W2554/406—Traffic density
    • 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
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/40—High definition maps
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles

Definitions

  • the present invention relates to a control device, a control method, and a program.
  • Patent Document 1 there is disclosed a technology for performing hazard prediction and the like based on a knowledge base storing logical expressions generated using known supervised machine learning methods, and utilizing it for automatic driving control of a vehicle. ing.
  • a model constructed by machine learning changes in accordance with learning data inputted, and may have unique characteristics for each machine learning model.
  • Such a machine learning model is basically preferable in that optimal control based on learning data given in constructing the model can be performed.
  • appropriate measures are not always performed on input data (events) that largely deviate from the learning data given when constructing the model. From this point of view, control based on a machine learning model may not be preferable in situations where stable control is required.
  • One of the problems to be solved by the present invention is to provide a technology that enables stable automatic operation control.
  • the invention according to claim 1 is An event detection unit that determines whether an event serving as a trigger for changing a control rule during automatic driving of the vehicle is detected while the vehicle is automatically driving using a first control rule based on machine learning When, A control rule changing unit that changes a control rule at the time of automatic driving of the vehicle to a second control rule corresponding to the trigger event when the event detection unit detects an event serving as the trigger; Control device provided with
  • the invention according to claim 12 is A control method implemented by a computer, Determining whether an event serving as a trigger for changing a control rule at the time of automatic driving of the vehicle is detected while the vehicle is automatically driving using a first control rule based on machine learning; Changing the control rule at the time of automatic driving of the vehicle to a second control rule corresponding to the trigger event when the event detection unit detects the trigger event; Is a control method including
  • the invention according to claim 13 is Computer, Event detecting means for determining whether or not an event serving as a trigger for changing a control rule during automatic driving of the vehicle is detected while the vehicle is automatically driving using a first control rule based on machine learning ,and, Control rule changing means for changing a control rule during automatic driving of the vehicle to a second control rule corresponding to the trigger event when the event detector detects the trigger event.
  • Event detecting means for determining whether or not an event serving as a trigger for changing a control rule during automatic driving of the vehicle is detected while the vehicle is automatically driving using a first control rule based on machine learning
  • Control rule changing means for changing a control rule during automatic driving of the vehicle to a second control rule corresponding to the trigger event when the event detector detects the trigger event.
  • FIG. 1 is a view for explaining an outline of a control device 100 according to the present invention.
  • the control device 100 is a device (for example, an ECU (Electronic Control Unit) or the like) mounted on the vehicle V.
  • the control device 100 can change the first control rule that is changed (optimized) by machine learning and the second control rule that is a fixed rule that is not based on machine learning.
  • control device 100 causes a predetermined control trigger for changing the control rule of automatic driving when the automatic driving of the vehicle is performed using the first control rule based on machine learning.
  • a second control rule which is a fixed rule corresponding to the event.
  • the information regarding the predetermined event used as the trigger which changes the control rule of automatic driving can be obtained from the output from the sensor device 300 mounted in the vehicle V, or the external device 500.
  • the external device 500 is, for example, a device similar to the control device 100 mounted on another vehicle not shown, a device for road-to-vehicle communication provided along a road, or the like.
  • each block in the block diagram represents not a hardware unit configuration but a function unit configuration.
  • FIG. 2 is a block diagram conceptually showing the functional configuration of the control device 100 in the first embodiment.
  • the control device 100 according to the present embodiment includes an event detection unit 110 and a control rule change unit 120.
  • the event detection unit 110 determines whether a predetermined event is detected while the vehicle is automatically driving using a first control rule based on machine learning.
  • the predetermined event is an event serving as a trigger for changing a control rule at the time of automatic driving of the vehicle.
  • the predetermined event can also be expressed as an event indicating the timing of interrupting control of automatic driving using the first control rule based on machine learning. Note that a specific example of the predetermined event will be described later.
  • the event detection unit 110 can detect a predetermined event based on a result of analysis of outputs from various sensor devices 300 mounted on the host vehicle.
  • the event detection unit 110 communicates with an external device (a control device mounted on another vehicle around the vehicle or a device for road-to-vehicle communication provided along the road) to pass through the external device.
  • a predetermined event may be detected.
  • the event detection unit 110 may detect a predetermined event based on dynamic information included in map data for automatic driving used at the time of automatic driving of the vehicle V.
  • the map data for automatic driving is, for example, map data called "dynamic map” etc., and is data including conventional map information (static information) and information changing in real time (dynamic information). is there.
  • Dynamic information includes information that can fluctuate in a relatively short span (for example, in seconds), such as ITS (Intelligent Transport Systems) look-ahead information (nearby vehicles, pedestrian information, signal information, etc.), accident information, congestion information, narrow information It includes information (also referred to as “quasi dynamic information”) that can fluctuate in a rather short span (eg, in minutes), such as regional weather information.
  • static information includes road surface information, lane information, three-dimensional structures, etc. that can fluctuate in relatively long spans (for example, monthly units), and traffic regulation information, road construction information, wide-area weather information, etc.
  • Information (which may also be referred to as “quasi-static information”) that can vary in spans of (eg, time units).
  • quasi-static information may be classified into dynamic information categories.
  • the static information and the dynamic information included in the map for automatic driving are not limited to the examples mentioned here.
  • the autonomous driving map data may include various information that can be used for autonomous driving control of the vehicle.
  • the control rule changing unit 120 sets the control rule of the automatic driving of the vehicle in question. , Change to the second control rule, which is a fixed rule according to the detected event.
  • the first control rule used by each vehicle at the time of automatic driving is a rule based on machine learning as described above. Therefore, in the operation of the vehicle when the first control rule is used, an inherent feature according to the learning result of given learning data may appear. And when control at the time of automatic operation is performed using the 1st control rule, the unstable operation which can not be predicted may be performed by the peculiar feature of this 1st control rule.
  • the control rule of the automatic driving corresponds to the detected event. It is changed to the second control rule which is a fixed rule. As a result, when a predetermined event is detected, the operation of the vehicle during automatic driving is controlled in accordance with the fixed rule, so it is possible to suppress an unstable operation that can not be predicted.
  • the control device 100 determines the fixed rule according to the detected event of the control rule of the automatic driving of each vehicle (in this case, for example, “forward as an obstacle avoidance action”
  • the control device 100 determines the fixed rule according to the detected event of the control rule of the automatic driving of each vehicle (in this case, for example, “forward as an obstacle avoidance action”
  • control device 100 According to the present embodiment will be described in more detail.
  • Each functional component of control device 100 may be realized by hardware (for example, a hard-wired electronic circuit or the like) for realizing each functional component, or a combination of hardware and software (for example: electronic) It may be realized by a combination of a circuit and a program that controls it.
  • hardware for example, a hard-wired electronic circuit or the like
  • software for example: electronic
  • It may be realized by a combination of a circuit and a program that controls it.
  • a case where each functional component of the control device 100 is realized by a combination of hardware and software will be further described.
  • FIG. 3 is a diagram illustrating the hardware configuration of the control device 100 according to the first embodiment.
  • the computer 200 is a computer that implements the control device 100.
  • the computer 200 is an ECU (Electronic Control Unit) that can control the operation of the vehicle during automatic driving.
  • the computer 200 may be a computer specially designed to realize the control device 100 or may be a general-purpose computer.
  • the computer 200 has a bus 202, a processor 204, a memory 206, a storage device 208, an input / output interface 210, and a network interface 212.
  • the bus 202 is a data transmission path for the processor 204, the memory 206, the storage device 208, the input / output interface 210, and the network interface 212 to mutually transmit and receive data.
  • the method of connecting the processors 204 and the like to one another is not limited to the bus connection.
  • the processor 204 is an arithmetic processing unit implemented using a microprocessor or the like.
  • the memory 206 is a main storage device implemented using a random access memory (RAM) or the like.
  • the storage device 208 is an auxiliary storage device implemented using a ROM (Read Only Memory), a flash memory, or the like.
  • the input / output interface 210 is an interface for connecting the computer 200 to peripheral devices. Various analog signals and digital signals used to control a vehicle are input or output to the computer 200 through the input / output interface 210.
  • the input / output interface 210 appropriately includes an A / D converter that converts an analog input signal into a digital signal, a D / A converter that converts a digital output signal into an analog signal, and the like.
  • a sensor device 300 and a drive circuit 400 used for control of a vehicle are connected to the input / output interface 210.
  • the sensor device 300 is LIDAR (Light Detection and Ranging), millimeter wave radar, sonar, camera or the like.
  • a plurality of sensor devices 300 may be connected to the computer 200 via the input / output interface 210.
  • the drive circuit 400 is a circuit for driving various mechanisms such as a gear, an engine, and a steering of a vehicle. Control device 100 can control the operation of the vehicle during automatic driving by controlling the operation of drive circuit 400.
  • the network interface 212 is an interface for connecting the computer 200 to a communication network.
  • This communication network is, for example, a controller area network (CAN), a local area network (LAN), a wide area network (WAN) or the like.
  • the method of connecting the network interface 212 to the communication network may be wireless connection or wired connection.
  • the computer 200 can communicate with the control device 502 of another vehicle or the road-vehicle communication device 504 via a wireless LAN or the like, and can acquire information on events used in the processing of the control device 100 from these devices.
  • the storage device 208 stores program modules for realizing the respective functional components of the control device 100.
  • the processor 204 implements the functions of the control device 100 by reading the program module into the memory 206 and executing the program module. Further, the storage device 208 may store map data for automatic driving used at the time of automatic driving of the vehicle V.
  • FIG. 4 is a flowchart illustrating the flow of processing executed by the control device 100 according to the first embodiment.
  • the event detection unit 110 is activated, and a monitoring process of a predetermined event is started (S104). After that, when the event detection unit 110 detects a predetermined event (S104: YES), the event detection unit 110 notifies the control rule changing unit 120 that the predetermined event is detected (S106).
  • the control rule changing unit 120 specifies a second control rule corresponding to the event notified in the process of S106 (S108).
  • the control rule changing unit 120 can specify the second control rule corresponding to the event detected by the event detection unit 110 using, for example, a table as shown in FIG.
  • the table illustrated in FIG. 5 associates and stores identification information of an event and identification information of a second control rule to be applied according to detection of the event.
  • the control rule changing unit 120 acquires the identifier of the event detected in the process of S106 from the event detecting unit 110, and refers to the table of FIG. 5 based on the identifier of the event to obtain the second control rule. Can be identified.
  • control rule changing unit 120 transfers an instruction to apply the second control rule read in the process of S108 to an ECU or the like that controls automatic driving (S110).
  • the operation of the vehicle during automatic driving is controlled.
  • FIG. 5 shows an example in which different second control rules are associated with each event, the present invention is not limited to this, and the same second rule is associated with a plurality of events. It may be
  • the event detection unit 110 detects that “an abnormality has occurred in the sensor device 300” as a predetermined event.
  • the abnormality of the sensor device 300 means contamination of the optical system (lens or the like), internal failure, disturbance under the sensing environment (sunlight, rain, fog, snow, light of oncoming vehicle, etc.) or an error. This means an abnormality in an output signal from the sensor device 300 or a communication failure between the sensor device 300 and the control device 100 due to the detection of a signal or an unexpected signal.
  • the event detection unit 110 detects a predetermined event based on the “dynamic information included in the map for automatic driving”.
  • the map data for automatic driving is, for example, not only static information (road surface information, lane information, map information such as three-dimensional structures), but also dynamic information (accident information, traffic information, weather information, It is a digital map incorporating pedestrian information, signal information, etc.).
  • the dynamic information included in the map for automatic driving means the above-mentioned dynamic information.
  • This dynamic information is distributed to the vehicle V, for example, from a server that manages accident information and the like.
  • the vehicle V that has received the accident information and the like stores the accident information and the like in the area indicating dynamic information in the map for automatic driving.
  • the event detection unit 110 can detect an event by referring to dynamic information included in the map data for automatic driving used at the time of automatic driving of the vehicle V.
  • the event detection unit 110 monitors a signal line connected to the sensor device 300 via the input / output interface 210, and measures the intensity of the signal output from the sensor device 300 and analyzes the content of the signal. Then, the event detection unit 110 determines whether the measured signal strength is lower than a predetermined reference value or whether the analyzed signal is a signal indicating an error or an unexpected signal. In this case, predetermined reference values to be compared are stored in advance in, for example, the memory 206 or the storage device 208. If it is detected that the measured signal strength is equal to or less than a predetermined reference value or that the analyzed signal is a signal indicating an error or an unexpected signal, the event detection unit 110 Control rule change unit 120 is notified.
  • the control rule change unit 120 specifies a second control rule to be applied when “an abnormality occurs in the sensor device 300”.
  • the second control rule in this case is not particularly limited, but is, for example, a rule such as "stop the vehicle in a predetermined procedure (for example, add a hazard lamp and control the brake and gradually decelerate)" .
  • the control device 100 is configured to give up control to the driver by giving up control by automatic driving instead of changing to the second control rule. It may be
  • the event detection unit 110 states that “when a vehicle is traveling on a road having a plurality of lanes on one side, an accident has occurred in at least one of the plurality of lanes”. The case of detecting a predetermined event will be described.
  • the event detection unit 110 is, for example, information indicating the position of the accident vehicle (for example, position coordinates on the map information, accident) via the control device 502 of the other vehicle or the road-vehicle communication device 504 provided along the road. It is possible to detect a predetermined event by acquiring information on the lane where the event is occurring, etc.).
  • the control device 502 of another vehicle detects the presence of the accident vehicle using, for example, various sensors mounted on the other vehicle, information indicating the presence of the accident vehicle is used as position information of the accident vehicle (for example, Such information can be transmitted by inter-vehicle communication, together with position coordinates on map information, information on lanes in which an accident has occurred, and the like.
  • the event detection unit 110 can detect a predetermined event via the control device 502 of the other vehicle by performing inter-vehicle communication with the control device 502 of the other vehicle.
  • the device for road-to-vehicle communication 504 collects information indicating the presence of the accident vehicle and the position information of the accident vehicle from the control device 502 of the other vehicle, and the information collected in the jurisdiction area of the device for road-vehicle communication 504 Can be broadcast.
  • the event detection unit 110 can detect a predetermined event via the road-vehicle communication apparatus 504 by receiving the information broadcasted from the road-vehicle communication apparatus 504.
  • the presence or absence (predetermined event) of an accident vehicle is detected by analyzing image data generated by the camera. You can also.
  • the sensor device 300 mounted on the host vehicle is LIDAR
  • presence / absence (predetermined event) of an accident vehicle is determined based on an image generated from point cloud data obtained by laser light scanning of the LIDAR. It can also be detected.
  • the event detection unit 110 can determine the presence or absence of the accident vehicle in the image data using a CNN (Convolutional Neural Network) or the like constructed using an image of the accident vehicle as learning data.
  • CNN Convolutional Neural Network
  • the control rule changing unit 120 changes the control rule used at the time of automatic driving to the default rule before the first control rule is constructed by machine learning.
  • the default rule is a control rule in an initial state in which machine learning is not performed, and in other words, it can be said as a control rule having no inherent characteristic.
  • the control rule changing unit 120 sets a plurality of control rules used at the time of automatic driving. It may be changed to a rule (hereinafter also referred to as a “common rule”) commonly used among the control devices (the control device 100, the control device 502 for another vehicle, and other control devices mounted on a vehicle not shown).
  • the common rule may be prepared as a common rule in the range of, for example, the whole world, country unit, area unit, vehicle type unit, vehicle maker unit. These common rules are stored in advance in the memory 206 or the storage device 208, for example, in a format as shown in FIG.
  • the common rules may be stored, for example, in map data for automatic driving stored in the storage device 208 or a server device outside the vehicle V or the like.
  • map data for automatic driving stored in the storage device 208 or a server device outside the vehicle V or the like.
  • the event detection unit 110 detects, as a predetermined event, that an obstacle (such as a falling object, depression of a road surface or flooding) is present on the lane on which the vehicle is traveling. .
  • an obstacle such as a falling object, depression of a road surface or flooding
  • the event detection unit 110 is, for example, information indicating the position of an obstacle (for example, position coordinates on map information, obstacle, etc., via the control device 502 of another vehicle or the device for road-to-vehicle communication 504 provided along the road).
  • a predetermined event can be detected by acquiring information on the lane in which the object is present, etc.).
  • the control device 502 of the other vehicle indicates information indicating the presence of the obstacle, position information of the obstacle (for example, map information
  • Such information can be transmitted through inter-vehicle communication, with the above position coordinates, information on the lane in which the obstacle is present, etc.).
  • the event detection unit 110 can detect a predetermined event via the control device 502 of the other vehicle by performing inter-vehicle communication with the control device 502 of the other vehicle.
  • the device for road-to-vehicle communication 504 collects information indicating the presence of an obstacle and position information of the obstacle from the control device 502 of another vehicle, and the information collected in the jurisdictional area of the device for road-to-vehicle communication 504 Can be broadcast.
  • the event detection unit 110 can detect a predetermined event via the road-vehicle communication apparatus 504 by receiving the information broadcasted from the road-vehicle communication apparatus 504.
  • the presence or absence (predetermined event) of an obstacle can also be detected using the sensor device 300 mounted in the own vehicle.
  • the event detection unit 110 can recognize the shape of a road surface or an obstacle on the road surface based on an image generated using an image sensor or a scan result (distance image) by LIDAR.
  • control rule changing unit 120 uses the control rule to be used during automatic operation between the plurality of control devices and the default rule before the first control rule is constructed by machine learning. It can be changed to a commonly used rule.
  • the event detection unit 110 is a predetermined event that “the information indicating the operation to be taken by the vehicle is received from the control device 502 for another vehicle or the device for road-to-vehicle communication 504 as a second control rule”. The case of detecting as will be described.
  • the control device 502 of another vehicle detects the presence or absence of an obstacle or an accident vehicle on the road surface.
  • the control device 502 of another vehicle can detect an obstacle on a road surface or an accident vehicle, for example, based on an output from a sensor device provided in the other vehicle.
  • the control device 502 of the other vehicle can also acquire the information on the obstacle on the road surface and the information on the accident vehicle from the device 504 for road-vehicle communication.
  • the control device 502 of the other vehicle controls the other vehicle so as to avoid the obstacle or the accident vehicle, and generates information indicating the action to be taken by the following vehicle Do.
  • the control device 502 of the other vehicle gives, for example, a dedicated identifier to the generated information, and transmits it to the subsequent vehicle via the communication device.
  • the road-vehicle communication device 504 may detect the presence or absence of an obstacle on a road surface or an accident vehicle based on an output from a sensor device provided in another vehicle.
  • the road-to-vehicle communication device 504 collects, for example, information (sensor information) on obstacles and accident vehicles on the road surface from surrounding vehicles, and uses the collected information to take each vehicle present in the target area. Determine the action to be done.
  • the road-to-vehicle communication device 504 broadcasts the information indicating the determined operation, for example, in the target area after assigning a dedicated identifier.
  • the control device 502 of another vehicle or the device for road-vehicle communication 504 may be a vehicle whose number at the end of the number plate is odd. Can move to the left lane, and can send an indication that vehicles with the even number move to the right lane.
  • the event detection unit 110 receives information indicating the operation to be taken by the own vehicle from the control device 502 of another vehicle or the road-vehicle communication device 504, the event detection unit 110 uses the information as a second control rule to automatically Control the operation during driving.
  • the event detection unit 110 can determine that the information is “information indicating an operation to be taken by the host vehicle” based on the identifier added to the information received from the other vehicle.
  • the operation at the time of automatic driving is controlled based on an instruction transmitted from the control device 502 of another vehicle or the device 504 for road-vehicle communication. This prevents unstable operation due to the inherent characteristics of machine learning.
  • control device 100 the control device 100, the control device 502 for another vehicle, and other control devices mounted on a vehicle not shown.
  • the control device 100 of the present embodiment further includes a configuration for updating this common rule.
  • FIG. 6 is a block diagram conceptually showing the functional configuration of the control device 100 in the second embodiment.
  • the control device 100 of the present embodiment further includes an update information acquisition unit 130 and a common rule update unit 140.
  • a server apparatus 506 that generates information for updating the common rule is communicably connected to the control apparatus 100.
  • the update information acquisition unit 130 acquires update information of the common rule from the server device 506.
  • the server device 506 performs learning by using the result of automatic driving control based on the common rule (for example, change in congestion degree) as a reward, and updates the common rule.
  • the server device 506 uses information indicating how each vehicle operated according to the common rule and information indicating a change in congestion degree from sensor devices provided around each vehicle or road. Acquire and evaluate the current common rules. Then, the server device 506 updates the common rule based on the evaluation result. For example, it is assumed that as a result of performing “action A” defined in the common rule, a reward “the degree of congestion has deteriorated by more than the allowable value” is obtained.
  • information is generated to update the common rule so as to lower the priority for selecting the operation A by giving a penalty corresponding to a certain or deterioration degree to the “operation A”.
  • a configuration may also be adopted in which the person in charge of management manually inputs the update information of the common rule to the server device 506 and distributes the updated information to the control device of each vehicle.
  • the server device 506 distributes the update information of the common rule generated in this manner to each vehicle.
  • the server apparatus 506 may be comprised so that the new common rule updated using the update information of the common rule may be distributed toward the control apparatus of each vehicle.
  • the update information of the common rule distributed from the server device 506 may be distributed to the control device 100 of each vehicle via the road-vehicle communication device 504.
  • the common rule update unit 140 updates the common rule stored in the memory 206 or the storage device 208 using the update information of the common rule acquired by the update information acquisition unit 130.
  • FIG. 7 is a diagram illustrating the hardware configuration of the control device 100 according to the second embodiment.
  • the storage device 208 stores program modules for realizing the functions of the update information acquisition unit 130 and the common rule update unit 140.
  • the processor 204 implements the functions of the update information acquisition unit 130 and the common rule update unit 140 by reading these program modules into the memory 206 and executing them.
  • the server device 506 is connected via the network interface 212.
  • FIG. 8 is a sequence diagram illustrating the flow of processing performed by the control device 100 according to the second embodiment.
  • the server device 506 collects log information of automatic driving control based on the common rule (for example, information indicating an operation and time on the common rule selected at the time of automatic driving, etc.) from a plurality of control devices mounted on each vehicle (S202). Further, the server device 506 acquires information indicating a change in the degree of traffic congestion along with time information from the road-vehicle communication device 504 provided along the road (S204). Then, the server device 506 generates common rule update information based on the operation selected by each vehicle according to the current common rule and the result (reward) accompanying it (S206). The server device 506 can identify the correspondence between the information collected in the processing of S202 and S204 based on the time information.
  • the common rule for example, information indicating an operation and time on the common rule selected at the time of automatic driving, etc.
  • the server device 506 distributes the update information of the common rule generated in the process of S206 to the control device of each vehicle (S208).
  • the server device 506 may temporarily transmit the update information of the common rule to the road-vehicle communication device 504, and may distribute the updated information to the respective vehicles via the road-vehicle communication device 504.
  • the update information acquisition unit 130 receives the update information of the common rule distributed in S208.
  • the common rule update unit 140 updates the current common rule stored in the memory 206 and the storage device 208 based on the update information of the common rule acquired by the update information acquisition unit 130 (S210).

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

制御装置（１００）は、イベント検出部（１１０）および制御ルール変更部（１２０）を備える。イベント検出部（１１０）は、機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、車両の自動運転時の制御ルールを変更するトリガーとなるイベントが検出されたか否かを判定する。制御ルール変更部（１２０）は、イベント検出部（１１０）によりトリガーとなるイベントが検出された場合、車両の自動運転時の制御ルールを、トリガーとなるイベントに応じた第２の制御ルールに変更する。

Description

制御装置、制御方法、およびプログラム
　本発明は、制御装置、制御方法、およびプログラムに関する。
　近年、自動運転制御に関する研究および開発が進められている。例えば、下記特許文献１では、既知の教師あり機械学習手法を利用して生成された論理式を格納する知識ベースに基づいて危険予測などを行い、車両の自動運転制御に活用する技術が開示されている。
特開２０１６－９１０３９号公報
　機械学習によって構築されるモデル（機械学習モデル）は、インプットされる学習データに応じて変化し、機械学習モデル毎に固有の特性を持つ可能性がある。このような機械学習モデルは、そのモデルを構築する際に与えられた学習データに基づく最適な制御が実行可能になるという点で基本的には好ましいと言える。一方で、そのモデルを構築する際に与えられた学習データから大きく外れる入力データ（イベント）に対しては、適切な対処が常に実行されるとは限らない。この点から、安定した制御が求められるような場面などにおいては、機械学習モデルに基づく制御が好ましくない可能性がある。
　本発明が解決しようとする課題としては、安定した自動運転制御を可能とする技術を提供することが一例として挙げられる。
　請求項１に記載の発明は、
　機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、前記車両の自動運転時の制御ルールを変更するトリガーとなるイベントが検出されたか否かを判定するイベント検出部と、
　前記イベント検出部により前記トリガーとなるイベントが検出された場合、前記車両の自動運転時の制御ルールを、前記トリガーとなるイベントに応じた第２の制御ルールに変更する制御ルール変更部と、
　を備える制御装置である。
　請求項１２に記載の発明は、
　コンピュータによって実行される制御方法であって、
　機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、前記車両の自動運転時の制御ルールを変更するトリガーとなるイベントが検出されたか否かを判定する工程と、
　前記イベント検出部により前記トリガーとなるイベントが検出された場合、前記車両の自動運転時の制御ルールを、前記トリガーとなるイベントに応じた第２の制御ルールに変更する工程と、
　を含む制御方法である。
　請求項１３に記載の発明は、
　コンピュータを、
　機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、前記車両の自動運転時の制御ルールを変更するトリガーとなるイベントが検出されたか否かを判定するイベント検出手段、および、
　前記イベント検出部により前記トリガーとなるイベントが検出された場合、前記車両の自動運転時の制御ルールを、前記トリガーとなるイベントに応じた第２の制御ルールに変更する制御ルール変更手段、
　として機能させるためのプログラムである。
　上述した目的、およびその他の目的、特徴および利点は、以下に述べる好適な実施の形態、およびそれに付随する以下の図面によってさらに明らかになる。
本発明に係る制御装置の概要を説明するための図である。 第１実施形態における制御装置の機能構成を概念的に示すブロック図である。 第１実施形態の制御装置のハードウエア構成を例示する図である。 第１実施形態の制御装置によって実行される処理の流れを例示するフローチャートである。 所定のイベントと第２の制御ルールとを対応付ける情報を例示する図である。 第２実施形態における制御装置の機能構成を概念的に示すブロック図である。 第２実施形態の制御装置のハードウエア構成を例示する図である。 第２実施形態の制御装置により実行される処理の流れを例示するシーケンス図である。
　［概要説明］
　図１は、本発明に係る制御装置１００の概要を説明するための図である。図１の例では、制御装置１００は車両Ｖに搭載される装置（例えば、ＥＣＵ（Electronic Control Unit）など）である。制御装置１００は、機械学習によって変化（最適化）していく第１の制御ルールと、機械学習によらない固定のルールである第２の制御ルールとを変更することができる。制御装置１００は、詳細には後述するように、機械学習に基づく第１の制御ルールを用いて車両の自動運転が行われているときに、自動運転の制御ルールを変更するトリガーとなる所定のイベントを検出した場合、当該イベントに応じた固定のルールである、第２の制御ルールに変更する。なお、自動運転の制御ルールを変更するトリガーとなる所定のイベントに関する情報は、車両Ｖに搭載されるセンサデバイス３００からの出力、或いは、外部装置５００から得ることができる。外部装置５００は、例えば、図示しない他の車両に搭載される制御装置１００と同様の装置や、道路沿いに設けられる路車間通信用の装置などである。
　以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。また、特に説明する場合を除き、ブロック図における各ブロックは、ハードウエア単位の構成ではなく、機能単位の構成を表している。
　［第１実施形態］
　図２は、第１実施形態における制御装置１００の機能構成を概念的に示すブロック図である。図２に示されるように、本実施形態の制御装置１００は、イベント検出部１１０および制御ルール変更部１２０を有する。
　イベント検出部１１０は、機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、所定のイベントが検出されたか否かを判定する。所定のイベントとは、車両の自動運転時の制御ルールを変更するトリガーとなるイベントである。所定のイベントは、機械学習に基づく第１の制御ルールを用いた自動運転の制御を中断するタイミングを示すイベントと表現することもできる。なお、所定のイベントの具体例については後述する。イベント検出部１１０は、自車両に搭載された各種センサデバイス３００からの出力を解析した結果に基づいて所定のイベントを検出することができる。また、イベント検出部１１０は、外部装置（周囲の他車両に搭載される制御装置、或いは、道路沿いに設けられた路車間通信用の装置）と通信することによって、その外部装置を経由して所定のイベントを検出してもよい。また、イベント検出部１１０は、車両Ｖの自動運転時に使用される自動運転用地図データに含まれる動的情報に基づいて所定のイベントを検出してもよい。ここで、自動運転用地図データとは、例えば「ダイナミックマップ」などと呼ばれる地図データであり、従来の地図情報（静的情報）と、リアルタイムに変わる情報（動的情報）と、を含むデータである。動的情報は、ＩＴＳ（Intelligent Transport Systems）先読み情報（周辺車両、歩行者情報、信号情報など）といった比較的短いスパン（例えば、秒単位）で変動し得る情報と、事故情報、渋滞情報、狭域気象情報など、やや短いスパン（例えば、分単位）で変動し得る情報（これを、“准動的情報”とも呼ぶ）を含む。また、静的情報は、路面情報、車線情報、３次元構造物など、比較的長いスパン（例えば、月単位）で変動し得る情報と、交通規制情報、道路工事情報、広域気象情報といったやや長めのスパン（例えば、時間単位）で変動し得る情報（これを“准静的情報”とも呼ぶ）を含む。本発明において、准静的情報は動的情報のカテゴリに分類されてもよい。なお、自動運転用地図データに含まれる静的情報および動的情報は、ここで挙げた例に限定されない。自動運転用地図データには、車両の自動運転制御に活用可能な様々な情報が含まれ得る。
　制御ルール変更部１２０は、機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、イベント検出部１１０によってイベントが検出された場合、当該車両の自動運転の制御ルールを、検出されたイベントに応じた固定のルールである、第２の制御ルールに変更する。
　各車両が自動運転時に用いる第１の制御ルールは、上述のとおり機械学習に基づくルールである。そのため、第１の制御ルールを用いたときの車両の動作には、与えられた学習データの学習結果に応じた固有の特徴が現れ得る。そして、第１の制御ルールを用いて自動運転時の制御を行った場合、この第１の制御ルールの固有の特徴によって、予測し得ない不安定な動作が行われる可能性がある。この点に関し、本実施形態では、機械学習に基づく第１の制御ルールで自動運転が行われているときに所定のイベントが検出された場合、自動運転の制御ルールが当該検出されたイベントに応じた固定のルールである、第２の制御ルールに変更される。これにより、所定のイベントが検出された場合には自動運転時の車両の動作が固定のルールに従って制御されるため、予測し得ない不安定な動作を抑制できる。
　その他にも、制御装置１００を有する複数の車両が集まっている場所では、各々の車両が機械学習結果に基づく第１の制御ルールではなく固定のルールである第２の制御ルールを用いて自動運転を行うことで、各々の車両の動きの統制をとることができ、結果として、交通環境を改善させる効果が期待できる。例えば、片道３車線の道路において１つの車線に障害物があり、その障害物を避けるために当該車線を走行中の各車両が車線を変更する必要がある場合を考える。この場合に、各車両固有の特性を持つ第１の制御ルールを各車両が動いたとすると、残りの２車線のうち１つの車線に車両が集中するなどして渋滞が発生或いは悪化する、といった問題が生じ得る。このような場合に、本実施形態の制御装置１００が、各車両の自動運転の制御ルールを検出されたイベントに応じた固定のルール（この場合は、例えば、「障害物の回避行動として、前方車両が移動した車線と異なる車線に移動する」といったルールなど）に切り替えて各車両の統制をとることによって、残りの２車線それぞれに車両を分散させて渋滞量を最小化させる、といったことが可能となる。
　以下、本実施形態の制御装置１００について、更に詳細を説明する。
　〔ハードウエア構成〕
　制御装置１００の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。以下、制御装置１００の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、更に説明する。
　図３は、第１実施形態の制御装置１００のハードウエア構成を例示する図である。計算機２００は、制御装置１００を実現する計算機である。例えば計算機２００は、自動運転時の車両の動作を制御可能なＥＣＵ（Electronic Control Unit）である。計算機２００は、制御装置１００を実現するために専用に設計された計算機であってもよいし、汎用の計算機であってもよい。
　計算機２００は、バス２０２、プロセッサ２０４、メモリ２０６、ストレージデバイス２０８、入出力インタフェース２１０、及びネットワークインタフェース２１２を有する。バス２０２は、プロセッサ２０４、メモリ２０６、ストレージデバイス２０８、入出力インタフェース２１０、及びネットワークインタフェース２１２が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ２０４などを互いに接続する方法は、バス接続に限定されない。プロセッサ２０４は、マイクロプロセッサなどを用いて実現される演算処理装置である。メモリ２０６は、ＲＡＭ（Random Access Memory）などを用いて実現される主記憶装置である。ストレージデバイス２０８は、ＲＯＭ（Read Only Memory）やフラッシュメモリなどを用いて実現される補助記憶装置である。
　入出力インタフェース２１０は、計算機２００を周辺機器と接続するためのインタフェースである。計算機２００には、入出力インタフェース２１０を介し、車両の制御に用いる各種のアナログ信号やデジタル信号が入力又は出力される。ここで、入出力インタフェース２１０には、アナログの入力信号をデジタル信号に変換するＡ／Ｄコンバータや、デジタルの出力信号をアナログ信号に変換するＤ／Ａコンバータなどが適宜含まれる。
　例えば図３において、入出力インタフェース２１０には、車両の制御に用いるセンサデバイス３００や駆動回路４００が接続されている。センサデバイス３００は、ＬＩＤＡＲ（Light Detection and Ranging）、ミリ波レーダー、ソナー、カメラなどである。図示していないが、複数のセンサデバイス３００が、入出力インタフェース２１０を介して計算機２００と接続され得る。駆動回路４００は、車両のギア、エンジン、及びステアリングなどの各種機構を駆動させるための回路である。制御装置１００は、駆動回路４００の動作を制御することで、自動運転時の車両の動作を制御することができる。
　ネットワークインタフェース２１２は、計算機２００を通信網に接続するためのインタフェースである。この通信網は、例えばＣＡＮ（Controller Area Network）、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）などである。ネットワークインタフェース２１２が通信網に接続する方法は、無線接続であってもよいし、有線接続であってもよい。計算機２００は、無線ＬＡＮ等により他車両の制御装置５０２や路車間通信用装置５０４と通信し、これらの装置から、制御装置１００の処理で用いられるイベントに関する情報を取得することができる。
　ストレージデバイス２０８は、制御装置１００の各機能構成部を実現するためのプログラムモジュールを記憶している。プロセッサ２０４は、このプログラムモジュールをメモリ２０６に読み出して実行することで、制御装置１００の機能を実現する。また、ストレージデバイス２０８は、車両Ｖの自動運転時に使用される自動運転用地図データを記憶してもよい。
　〔処理の流れ〕
　図４を用いて、本実施形態の制御装置１００によって実行される処理の流れを概略的に説明する。図４は、第１実施形態の制御装置１００によって実行される処理の流れを例示するフローチャートである。
　まず、車両の走行モードが自動運転モードに切り替わると（Ｓ１０２：ＹＥＳ）、イベント検出部１１０が起動され、所定のイベントの監視処理が開始される（Ｓ１０４）。その後、イベント検出部１１０が、所定のイベントを検出した場合（Ｓ１０４：ＹＥＳ）、イベント検出部１１０は、所定のイベントが検出されたことを制御ルール変更部１２０に通知する（Ｓ１０６）。
　制御ルール変更部１２０は、Ｓ１０６の処理で通知されたイベントに対応する第２の制御ルールを特定する（Ｓ１０８）。制御ルール変更部１２０は、例えば、図５に示すようなテーブルを用いて、イベント検出部１１０が検出したイベントに対応する第２の制御ルールを特定することができる。図５に例示されるテーブルは、イベントの識別情報と、そのイベントの検出に応じて適用すべき第２の制御ルールの識別情報とを対応付けて記憶している。例えば、制御ルール変更部１２０は、Ｓ１０６の処理において検出されたイベントの識別子をイベント検出部１１０から取得し、そのイベントの識別子を基に図５のテーブルを参照することによって、第２の制御ルールを特定することができる。そして、制御ルール変更部１２０は、Ｓ１０８の処理で読み出した第２の制御ルールを適用する指示を、自動運転を制御するＥＣＵなどに転送する（Ｓ１１０）。これにより、第２の制御ルールに基づいて、自動運転時の車両の動作が制御される。なお、ここでの説明はあくまで例示であり、制御ルール変更部１２０の動作は、図５に例示されるテーブルを用いるものに制限されない。例えば、図５では、イベント毎に異なる第２の制御ルールが対応付けられている例が示されているが、これに限らず、複数のイベントに対して同一の第２のルールが対応付けられていてもよい。
　以下、具体例をいくつか挙げて、より詳細な動作を説明する。
　＜第１の具体例＞
　本具体例では、イベント検出部１１０が、「センサデバイス３００に異常が生じていること」を所定のイベントとして検出するケースについて説明する。ここで、センサデバイス３００の異常とは、光学系（レンズ等）の汚損、内部故障、センシング環境下の外乱（太陽光、雨、霧、雪、対向車のライト等）又は、エラーを意味する信号や予期しない信号の検出などによる、センサデバイス３００からの出力信号の異常やセンサデバイス３００と制御装置１００間での通信不良を意味する。
　また、イベント検出部１１０が、「自動運転用地図データに含まれる動的情報」に基づいて所定のイベントを検出するケースについて説明する。自動運転用地図データは、上述したように、例えば静的な情報（路面情報、車線情報、３次元構造物などの地図情報）だけでなく動的な情報（事故情報、渋滞情報、気象情報、歩行者情報、信号情報等）を組み込んだデジタル地図である。具体的に、自動運転用地図データに含まれる動的情報とは、上記動的な情報を意味する。この動的な情報は、例えば、事故情報等を管理するサーバから車両Ｖに配信される。事故情報等を受信した車両Ｖは、自動運転用地図データにおける動的な情報を示す領域に上記事故情報等を記憶する。そして、イベント検出部１１０は、車両Ｖの自動運転時に使用される自動運転用地図データに含まれる動的な情報を参照することにより、イベントを検出することができる。
　イベント検出部１１０は、入出力インタフェース２１０を介してセンサデバイス３００に接続される信号線を監視し、センサデバイス３００から出力される信号の強度の測定や信号の内容の解析を行う。そして、イベント検出部１１０は、測定した信号の強度が所定の基準値よりも低いか否か、又は解析した信号がエラーを意味する信号や予期しない信号であるか否かを判定する。この場合、比較対象となる所定の基準値は、例えば、メモリ２０６やストレージデバイス２０８に予め記憶されている。測定した信号の強度が所定の基準値以下であること、又は解析した信号がエラーを意味する信号や予期しない信号であることが検出された場合、イベント検出部１１０は、「センサデバイス３００に異常が生じている」旨を制御ルール変更部１２０に通知する。制御ルール変更部１２０は、イベント検出部１１０からの通知を基に、「センサデバイス３００に異常が生じている」ときに適用すべき第２の制御ルールを特定する。この場合の第２の制御ルールは、特に限定されないが、例えば「所定の手順（例えば、ハザードランプを付けてブレーキを制御して徐々に減速するなど）で車両を停止させる」といったルールなどである。
　センサデバイス３００の異常によってその出力信号の強度が下がった場合、自動運転の制御処理部が車両の周囲の状況を誤って認識する確率が上がり、自動運転時の動作が不安定となり易い。センサデバイス３００の異常が検知された場合に、固定の制御動作が定義されている第２の制御ルールに従って自動運転制御を行うことによって、自動運転時の動作が不安定となることを防止することができる。なお、センサデバイス３００の異常が検知された場合において、制御装置１００は、第２の制御ルールに変更する代わりに、自動運転による制御を諦めて、運転手に制御権限を委譲するように構成されていてもよい。
　＜第２の具体例＞
　本具体例では、イベント検出部１１０が、「片側に複数の車線を有する道路を車両が走行しているときに、当該複数の車線の少なくともいずれか１つの車線において事故が起こっていること」を所定のイベントとして検出するケースについて説明する。
　イベント検出部１１０は、例えば、他車両の制御装置５０２または道路沿いに設けられた路車間通信用装置５０４を経由して、事故車両の位置を示す情報（例えば、地図情報上の位置座標、事故が発生している車線の情報など）を取得することによって、所定のイベントを検出することができる。他車両の制御装置５０２は、例えば、当該他車両に搭載される各種センサを用いて事故車両の存在を検知した場合に、事故車両の存在を知らせる情報を、その事故車両の位置情報（例えば、地図情報上での位置座標、事故が発生している車線の情報など）と共に生成し、これらの情報を車車間通信によって伝達することができる。この場合、イベント検出部１１０は、他車両の制御装置５０２と車車間通信を行うことによって、他車両の制御装置５０２経由で所定のイベントを検出することができる。また、路車間通信用装置５０４は、事故車両の存在を知らせる情報およびその事故車両の位置情報を他車両の制御装置５０２から収集し、当該路車間通信用装置５０４の管轄エリア内に収集した情報をブロードキャストすることができる。この場合、イベント検出部１１０は、路車間通信用装置５０４からブロードキャストされた情報を受信することによって、路車間通信用装置５０４経由で所定のイベントを検出することができる。また、自車両に搭載されているセンサデバイス３００がイメージセンサを有するカメラ等である場合、当該カメラにより生成される画像データを解析することにより、事故車両の有無（所定のイベント）を検出することもできる。同様に、自車両に搭載されているセンサデバイス３００がＬＩＤＡＲである場合、当該ＬＩＤＡＲのレーザー光走査により得られる点群データから生成される画像に基づいて、事故車両の有無（所定のイベント）を検出することもできる。例えば、イベント検出部１１０は、事故車両の画像を学習データとして用いて構築されたＣＮＮ（Convolutional Neural Network）などを利用して、画像データ内の事故車両の有無を判別することができる。
　イベント検出部１１０が上記所定イベントを検出した場合、一例として、制御ルール変更部１２０は、自動運転時に用いる制御ルールを、機械学習によって第１の制御ルールが構築される前のデフォルトルールに変更する。ここで、デフォルトルールは、機械学習が行われていない初期状態の制御ルールであり、言いかえれば、固有の特性を持たない制御ルールと言える。このようなデフォルトルールを用いて自動運転を制御することによって、機械学習により生じる固有の特性に起因する、予測し得ない不安定な動作を抑制できる。
　他の例として、複数の車両間で動作の統制を取る目的であれば、イベント検出部１１０が上記所定イベントを検出した場合、制御ルール変更部１２０は、自動運転時に用いる制御ルールを、複数の制御装置（制御装置１００、他車両の制御装置５０２、その他の図示しない車両に搭載される制御装置）間で共通に用いられるルール（以下、“共通ルール”とも表記）に変更してもよい。共通ルールは、例えば、全世界、国単位、地域単位、車種単位、車両メーカー単位といった範囲で共通のルールとして用意され得る。これらの共通ルールは、例えば図５に示すような形式で、メモリ２０６やストレージデバイス２０８に予め記憶されている。また、共通ルールは、例えばストレージデバイス２０８または車両Ｖの外部のサーバ装置等に記憶されている自動運転用地図データに保存されていてもよい。複数の制御装置間で共通のルールを利用することによって、各車両の自動運転時の動作のばらつきが減少し、各車両の動作の統制を取ることができる。なお、共通ルールの具体例としては、特に限定されないが、「前方の車両が移動した車線と異なる車線に移動する」などである。
　＜第３の具体例＞
　本具体例では、イベント検出部１１０が、「車両が走行している車線上に障害物（落下物、路面の陥没や冠水など）が存在すること」を所定のイベントとして検出するケースについて説明する。
　イベント検出部１１０は、例えば、他車両の制御装置５０２または道路沿いに設けられた路車間通信用装置５０４を経由して、障害物の位置を示す情報（例えば、地図情報上の位置座標、障害物が存在している車線の情報など）を取得することによって、所定のイベントを検出することができる。他車両の制御装置５０２は、例えば、当該他車両に搭載される各種センサを用いて障害物を検知した場合に、障害物の存在を知らせる情報を、その障害物の位置情報（例えば、地図情報上での位置座標、障害物が存在している車線の情報など）と共に生成し、これらの情報を車車間通信によって伝達することができる。この場合、イベント検出部１１０は、他車両の制御装置５０２と車車間通信を行うことによって、他車両の制御装置５０２経由で所定のイベントを検出することができる。また、路車間通信用装置５０４は、障害物の存在を知らせる情報およびその障害物の位置情報を他車両の制御装置５０２から収集し、当該路車間通信用装置５０４の管轄エリア内に収集した情報をブロードキャストすることができる。この場合、イベント検出部１１０は、路車間通信用装置５０４からブロードキャストされた情報を受信することによって、路車間通信用装置５０４経由で所定のイベントを検出することができる。また、自車両に搭載されているセンサデバイス３００を用いて、障害物の有無（所定のイベント）を検出することもできる。例えば、イベント検出部１１０は、イメージセンサを用いて生成された画像やＬＩＤＡＲによる走査結果（距離画像）に基づいて、路面の形状や路面上の障害物を認識することができる。
　この場合、制御ルール変更部１２０は、第２の具体例と同様に、自動運転時に用いる制御ルールを、機械学習によって第１の制御ルールが構築される前のデフォルトルールや複数の制御装置間で共通に用いられるルールに変更することができる。
　＜第４の具体例＞
　本具体例では、イベント検出部１１０が、「他車両の制御装置５０２または路車間通信用装置５０４から、車両が取るべき動作を示す情報を第２の制御ルールとして受信したこと」を所定のイベントとして検出するケースについて説明する。
　一例として、まず、路面上の障害物や事故車両の有無を他車両の制御装置５０２が検出する。他車両の制御装置５０２は、例えば、当該他車両に備えられているセンサデバイスからの出力に基づいて、路面上の障害物や事故車両を検出することができる。他車両の制御装置５０２は、路面上の障害物の情報や事故車両に関する情報を路車間通信用装置５０４から取得することもできる。路面上の障害物や事故車両を検出した場合、他車両の制御装置５０２は、その障害物や事故車両を避けるように他車両を制御すると共に、後続の車両が取るべき動作を示す情報を生成する。そして、他車両の制御装置５０２は、生成した情報に例えば専用の識別子を付与した上で、通信装置を介して後続の車両に向けて送信する。その他の例として、路車間通信用装置５０４が路面上の障害物や事故車両の有無を他車両に備えられているセンサデバイスからの出力に基づいて検出してもよい。路車間通信用装置５０４は、例えば、路面上の障害物や事故車両に関する情報（センサの情報）を周囲の車両から収集し、当該収集した情報を用いて、対象エリアに存在する各車両の取るべき動作を決定する。路車間通信用装置５０４は、決定した動作を示す情報に例えば専用の識別子を付与した上で、対象エリア内にブロードキャストする。具体的な指示の例として、３車線の道路で中央の車線上に障害物を検知した場合、他車両の制御装置５０２又は路車間通信用装置５０４は、ナンバープレートの末尾の数字が奇数の車両は左の車線に移動し、該数字が偶数の車両は右の車線に移動する旨の指示を送信することができる。イベント検出部１１０は、自車両が取るべき動作を示す情報を他車両の制御装置５０２や路車間通信用装置５０４から受信した場合に、当該情報を第２の制御ルールとして用いて自車両の自動運転時の動作を制御する。なお、イベント検出部１１０は、他車両から受け取った情報に付与された識別子によって、当該情報が“自車両が取るべき動作を示す情報”であると判断することができる。本具体例では、自動運転時の動作が他車両の制御装置５０２や路車間通信用装置５０４から送信された指示に基づいて制御される。これにより、機械学習による固有の特性に起因する不安定な動作が防止される。
　［第２実施形態］
　第１実施形態において、複数の制御装置（制御装置１００、他車両の制御装置５０２、その他の図示しない車両に搭載される制御装置）間で共通のルールを用いる例を示した。本実施形態の制御装置１００は、この共通ルールを更新する構成を更に備える。
　〔機能構成〕
　図６は、第２実施形態における制御装置１００の機能構成を概念的に示すブロック図である。図６に示されるように、本実施形態の制御装置１００は、更新情報取得部１３０と共通ルール更新部１４０とを更に備える。また、図７に示されるように、本実施形態において、共通ルールを更新するための情報を生成するサーバ装置５０６が、制御装置１００と通信可能に接続されている。
　更新情報取得部１３０は、共通ルールの更新情報をサーバ装置５０６から取得する。一例として、サーバ装置５０６は、共通ルールに基づく自動運転制御の結果（例えば、渋滞度合の変化）を報酬として学習を行い、共通ルールを更新する。具体的には、サーバ装置５０６は、各車両や道路周辺に設けられたセンサデバイス等から、各車両が共通ルールに従ってどのように動作したかを示す情報と、渋滞度合の変化を示す情報とを取得し、現状の共通ルールを評価する。そして、サーバ装置５０６は、評価結果に基づいて共通ルールを更新する。例えば、共通ルールで定義されている「動作Ａ」が行われた結果、「渋滞度合が許容値以上悪化した」という報酬が得られたと仮定する。この場合には、「動作Ａ」に対して一定の又は悪化度合いに応じたペナルティを与えて、動作Ａが選択される優先度を下げるように共通ルールを更新する情報が生成される。ここで挙げた例以外にも、管理担当者が共通ルールの更新情報をサーバ装置５０６に手入力して各車両の制御装置に配信する構成を採用することもできる。サーバ装置５０６は、このように生成された共通ルールの更新情報を各車両に配信する。なお、サーバ装置５０６は、共通ルールの更新情報を用いて更新した新たな共通ルールを、各車両の制御装置に向けて配信するように構成されていてもよい。また、サーバ装置５０６から配信された共通ルールの更新情報は、路車間通信用装置５０４を経由して、各車両の制御装置１００に配信されてもよい。
　共通ルール更新部１４０は、更新情報取得部１３０により取得された共通ルールの更新情報を用いて、メモリ２０６やストレージデバイス２０８に記憶されている共通ルールを更新する。
　〔ハードウエア構成〕
　図７は、第２実施形態の制御装置１００のハードウエア構成を例示する図である。本実施形態では、ストレージデバイス２０８は更新情報取得部１３０および共通ルール更新部１４０の機能を実現するためのプログラムモジュールを記憶している。プロセッサ２０４は、これらのプログラムモジュールをメモリ２０６に読み出して実行することで、更新情報取得部１３０および共通ルール更新部１４０の機能をそれぞれ実現する。また、本実施形態では、ネットワークインタフェース２１２を介してサーバ装置５０６が接続されている。
　〔動作例〕
　図８を用いて、第２実施形態の制御装置１００により実行される処理の流れを説明する。図８は、第２実施形態の制御装置１００により実行される処理の流れを例示するシーケンス図である。
　サーバ装置５０６は、各車両に搭載される複数の制御装置から、共通ルールに基づく自動運転制御のログ情報（例えば、自動運転時に選択した共通ルール上の動作と時刻を示す情報など）を収集する（Ｓ２０２）。また、サーバ装置５０６は、道路沿いに設けられた路車間通信用装置５０４から、渋滞度合の変化を示す情報を時刻情報と共に取得する（Ｓ２０４）。そして、サーバ装置５０６は、各車両が現状の共通ルールに従って選択した動作とそれに伴う結果（報酬）に基づいて、共通ルールの更新情報を生成する（Ｓ２０６）。なお、サーバ装置５０６は、時刻情報に基づいてＳ２０２およびＳ２０４の処理で収集された情報の対応関係を特定することができる。そして、サーバ装置５０６は、Ｓ２０６の処理で生成した共通ルールの更新情報を、各車両の制御装置に配信する（Ｓ２０８）。サーバ装置５０６は、共通ルールの更新情報を路車間通信用装置５０４に一旦送信し、路車間通信用装置５０４経由で各車両に配信してもよい。
　各車両において、更新情報取得部１３０によりＳ２０８で配信された共通ルールの更新情報が受信される。共通ルール更新部１４０は、更新情報取得部１３０により取得された共通ルールの更新情報に基づいて、メモリ２０６やストレージデバイス２０８に記憶されている現状の共通ルールを更新する（Ｓ２１０）。
　以上、本実施形態によれば、サーバ装置５０６から配信される共通ルールの更新情報によって、各車両に記憶される共通ルールを最適化することが可能となる。
　以上、図面を参照して実施形態及び実施例について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。
　この出願は、２０１７年７月１８日に出願された日本出願特願２０１７－１３８９５７号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

Claims (13)

  1. 　機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、前記車両の自動運転時の制御ルールを変更するトリガーとなるイベントが検出されたか否かを判定するイベント検出部と、
    　前記イベント検出部により前記トリガーとなるイベントが検出された場合、前記車両の自動運転時の制御ルールを、前記トリガーとなるイベントに応じた第２の制御ルールに変更する制御ルール変更部と、
    　を備える制御装置。
  2. 　前記イベント検出部は、他の車両又は路車間通信用装置を経由して前記トリガーとなるイベントを検出する、
    　請求項１に記載の制御装置。
  3. 　前記イベント検出部は、前記車両に搭載されるセンサからの出力又は前記車両の自動運転時に使用される自動運転用地図データに含まれる動的情報に基づいて、前記トリガーとなるイベントを検出する、
    　請求項１に記載の制御装置。
  4. 　前記イベント検出部は、前記センサに異常が生じていること又は前記動的情報が事故、渋滞、気象、交通規制、道路工事のいずれかを示す情報を、前記トリガーとなるイベントとして検出する、
    　請求項３に記載の制御装置。
  5. 　前記第２の制御ルールは前記車両を停止させるルールである、
    　請求項４に記載の制御装置。
  6. 　前記イベント検出部は、片側に複数の車線を有する道路を走行しているときに、前記複数の車線の少なくともいずれか１つにおいて事故が起こっていることを、前記トリガーとなるイベントとして検出する、
    　請求項１～３のいずれか１項に記載の制御装置。
  7. 　前記イベント検出部は、前記車両の走路上に障害物が存在することを、前記トリガーとなるイベントとして検出する、
    　請求項１～３のいずれか１項に記載の制御装置。
  8. 　前記イベント検出部は、前記第２の制御ルールとして前記車両が取るべき動作を示す情報を前記他の車両または前記路車間通信用装置から受信したことを、前記トリガーとなるイベントとして検出する、請求項２に記載の制御装置。
  9. 　前記第２の制御ルールは、前記機械学習によって前記第１の制御ルールが構築される前のデフォルトルールである、
    　請求項６～８のいずれか１項に記載の制御装置。
  10. 　前記第２の制御ルールは、複数の前記制御装置の間で共通に用いられる共通ルールである、
    　請求項６～８のいずれか１項に記載の制御装置。
  11. 　前記共通ルールの更新情報を取得する更新情報取得部と、
    　前記更新情報に基づいて前記共通ルールを更新する共通ルール更新部と、を更に備える、
    　請求項１０に記載の制御装置。
  12. 　コンピュータによって実行される制御方法であって、
    　機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、前記車両の自動運転時の制御ルールを変更するトリガーとなるイベントが検出されたか否かを判定する工程と、
    　前記トリガーとなるイベントが検出された場合、前記車両の自動運転時の制御ルールを、前記トリガーとなるイベントに応じた第２の制御ルールに変更する工程と、
    　を含む制御方法。
  13. 　コンピュータを、
    　機械学習に基づく第１の制御ルールを用いて車両が自動運転している間に、前記車両の自動運転時の制御ルールを変更するトリガーとなるイベントが検出されたか否かを判定するイベント検出手段、および、
    　前記イベント検出手段により前記トリガーとなるイベントが検出された場合、前記車両の自動運転時の制御ルールを、前記トリガーとなるイベントに応じた第２の制御ルールに変更する制御ルール変更手段、
    　として機能させるためのプログラム。
PCT/JP2018/026151 2017-07-18 2018-07-11 制御装置、制御方法、およびプログラム WO2019017253A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US16/632,302 US20200168094A1 (en) 2017-07-18 2018-07-11 Control device, control method, and program
EP18834334.7A EP3657464A4 (en) 2017-07-18 2018-07-11 CONTROL DEVICE, CONTROL METHOD AND PROGRAM
JP2019530987A JP6974465B2 (ja) 2017-07-18 2018-07-11 制御装置、制御方法、およびプログラム
JP2021180053A JP2022009988A (ja) 2017-07-18 2021-11-04 制御装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-138957 2017-07-18
JP2017138957 2017-07-18

Publications (1)

Publication Number Publication Date
WO2019017253A1 true WO2019017253A1 (ja) 2019-01-24

Family

ID=65015585

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/026151 WO2019017253A1 (ja) 2017-07-18 2018-07-11 制御装置、制御方法、およびプログラム

Country Status (4)

Country Link
US (1) US20200168094A1 (ja)
EP (1) EP3657464A4 (ja)
JP (3) JP6974465B2 (ja)
WO (1) WO2019017253A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3703026A3 (en) * 2019-02-26 2020-10-28 Toyota Jidosha Kabushiki Kaisha In-vehicle information processing device, inter-vehicle information processing system, and information processing system
JP2021064240A (ja) * 2019-10-16 2021-04-22 トヨタ自動車株式会社 車両管理システム
EP3885223A1 (en) * 2020-03-26 2021-09-29 Intel Corporation Systems, methods, and devices for driving control
EP3904833A1 (de) * 2020-04-29 2021-11-03 ZF Friedrichshafen AG Vorrichtung und verfahren zur auswertung von signalen von umfelderfassungssensoren für eine trajektorienregelung und/oder -steuerung eines automatisiert betreibbaren fahrzeuges
JPWO2021044486A1 (ja) * 2019-09-02 2021-11-25 三菱電機株式会社 自動運転制御装置および自動運転制御方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018214419B4 (de) * 2018-08-27 2020-03-19 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum automatisierten Fahren eines Fahrzeugs
US11783300B2 (en) * 2018-12-26 2023-10-10 At&T Intellectual Property I, L.P. Task execution engine and system
US11080568B2 (en) 2019-04-26 2021-08-03 Samsara Inc. Object-model based event detection system
US10999374B2 (en) 2019-04-26 2021-05-04 Samsara Inc. Event detection system
DE102020200785A1 (de) * 2020-01-23 2021-07-29 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Validieren einer Software
US20230062158A1 (en) * 2021-09-02 2023-03-02 Waymo Llc Pedestrian crossing intent yielding

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016091039A (ja) 2014-10-29 2016-05-23 株式会社デンソー 危険予測装置、運転支援システム
WO2016170786A1 (ja) * 2015-04-21 2016-10-27 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
WO2017002471A1 (ja) * 2015-07-02 2017-01-05 ソニー株式会社 車両制御装置と車両制御方法およびプログラム
JP2017045130A (ja) * 2015-08-24 2017-03-02 住友電気工業株式会社 運転支援装置、コンピュータプログラム及び運転支援システム
WO2017047261A1 (ja) * 2015-09-17 2017-03-23 日立オートモティブシステムズ株式会社 車線変更制御装置
JP2017138957A (ja) 2016-01-29 2017-08-10 菊池紙工株式会社 情報提供方法
JP2018024286A (ja) * 2016-08-08 2018-02-15 日立オートモティブシステムズ株式会社 自動運転装置

Family Cites Families (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10360728A1 (de) * 2003-12-23 2005-07-21 Daimlerchrysler Ag Verfahren und Vorrichtung zur Bestimmung eines Fahrzeugzustandes
US20070173991A1 (en) * 2006-01-23 2007-07-26 Stephen Tenzer System and method for identifying undesired vehicle events
US8626565B2 (en) * 2008-06-30 2014-01-07 Autonomous Solutions, Inc. Vehicle dispatching method and system
US8284069B2 (en) * 2008-07-15 2012-10-09 Cadec Global, Inc. System and method for detecting a boundary crossing event
JP5440219B2 (ja) * 2010-01-29 2014-03-12 株式会社デンソー 地図データ及び地図データ作成方法
JP2011240816A (ja) * 2010-05-18 2011-12-01 Denso Corp 自律走行制御装置
US9418554B2 (en) * 2014-08-07 2016-08-16 Verizon Patent And Licensing Inc. Method and system for determining road conditions based on driver data
US9135764B2 (en) * 2012-03-14 2015-09-15 Flextronics Ap, Llc Shopping cost and travel optimization application
US20130282210A1 (en) * 2012-04-24 2013-10-24 Harris Corporation Unmanned maritime vehicle with inference engine and knowledge base and related methods
DE102013210941A1 (de) * 2013-06-12 2014-12-18 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
EP2865575B1 (en) * 2013-10-22 2022-08-24 Honda Research Institute Europe GmbH Confidence estimation for predictive driver assistance systems based on plausibility rules
JP6044556B2 (ja) * 2014-01-16 2016-12-14 株式会社デンソー 学習システム、車載装置、及び、サーバ
US9358685B2 (en) * 2014-02-03 2016-06-07 Brain Corporation Apparatus and methods for control of robot actions based on corrective user inputs
KR102136402B1 (ko) * 2014-02-26 2020-07-21 한국전자통신연구원 차량 정보 공유 장치 및 방법
US9988037B2 (en) * 2014-04-15 2018-06-05 Ford Global Technologies, Llc Driving scenario prediction and automatic vehicle setting adjustment
US9304515B2 (en) * 2014-04-24 2016-04-05 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Regional operation modes for autonomous vehicles
US10001760B1 (en) * 2014-09-30 2018-06-19 Hrl Laboratories, Llc Adaptive control system capable of recovering from unexpected situations
US10769453B2 (en) * 2017-05-16 2020-09-08 Samsung Electronics Co., Ltd. Electronic device and method of controlling operation of vehicle
DE102014221682A1 (de) * 2014-10-24 2016-04-28 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
US10115185B2 (en) * 2014-12-05 2018-10-30 At&T Intellectual Property I, L.P. Dynamic image recognition model updates
EP3032221B1 (en) * 2014-12-09 2022-03-30 Volvo Car Corporation Method and system for improving accuracy of digital map data utilized by a vehicle
US9612123B1 (en) * 2015-11-04 2017-04-04 Zoox, Inc. Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes
US9632502B1 (en) * 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US9916703B2 (en) * 2015-11-04 2018-03-13 Zoox, Inc. Calibration for autonomous vehicle operation
US9958864B2 (en) * 2015-11-04 2018-05-01 Zoox, Inc. Coordination of dispatching and maintaining fleet of autonomous vehicles
US9862364B2 (en) * 2015-12-04 2018-01-09 Waymo Llc Collision mitigated braking for autonomous vehicles
US9785846B2 (en) * 2015-12-23 2017-10-10 Automotive Research & Test Center Method for quantifying classification confidence of obstructions
US20170185898A1 (en) * 2015-12-26 2017-06-29 Arnab Paul Technologies for distributed machine learning
US10460600B2 (en) * 2016-01-11 2019-10-29 NetraDyne, Inc. Driver behavior monitoring
CN106997235B (zh) * 2016-01-25 2018-07-13 亮风台（上海）信息科技有限公司 用于实现增强现实交互和展示的方法、设备
JP7454160B2 (ja) * 2016-05-09 2024-03-22 ストロング フォース アイオーティ ポートフォリオ ２０１６，エルエルシー 産業用のモノのインターネットのための方法およびシステム
DE102016009655A1 (de) * 2016-08-09 2017-04-06 Daimler Ag Verfahren zum Betrieb eines Fahrzeugs
US10179586B2 (en) * 2016-08-11 2019-01-15 Toyota Motor Engineering & Manufacturing North America, Inc. Using information obtained from fleet of vehicles for informational display and control of an autonomous vehicle
US10127812B2 (en) * 2016-08-29 2018-11-13 Allstate Insurance Company Electrical data processing system for monitoring or affecting movement of a vehicle using a traffic device
US10933887B2 (en) * 2016-09-04 2021-03-02 Otonomo Technologies Ltd. Method and system for implementing a policy based central orchestration for autonomous vehicles to meet local regulations and requirements
EP3485337B1 (en) * 2016-09-23 2020-10-21 Apple Inc. Decision making for autonomous vehicle motion control
DE102017209667A1 (de) * 2016-12-12 2018-06-14 Continental Automotive Gmbh Speicherung von Geschwindigkeitsinformationen zur Prädiktion der zukünftigen Geschwindigkeitstrajektorie
US20180165602A1 (en) * 2016-12-14 2018-06-14 Microsoft Technology Licensing, Llc Scalability of reinforcement learning by separation of concerns
US10459441B2 (en) * 2016-12-30 2019-10-29 Baidu Usa Llc Method and system for operating autonomous driving vehicles based on motion plans
JP6544594B2 (ja) * 2017-01-26 2019-07-17 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、プログラムおよび車両
CN117740023A (zh) * 2017-03-01 2024-03-22 御眼视觉技术有限公司 用于利用感测不确定性导航的系统和方法
KR102406507B1 (ko) * 2017-03-27 2022-06-10 현대자동차주식회사 딥러닝 기반 자율주행 차량 제어 장치, 그를 포함한 시스템 및 그 방법
US11377108B2 (en) * 2017-04-03 2022-07-05 Motional Ad Llc Processing a request signal regarding operation of an autonomous vehicle
CA3028479A1 (en) * 2017-04-18 2018-10-25 Beijing Didi Infinity Technology And Development Co., Ltd. System and method for determining safety score of driver
US10507813B2 (en) * 2017-05-10 2019-12-17 Baidu Usa Llc Method and system for automated vehicle emergency light control of an autonomous driving vehicle
US10803323B2 (en) * 2017-05-16 2020-10-13 Samsung Electronics Co., Ltd. Electronic device and method of detecting driving event of vehicle
US10816973B2 (en) * 2017-06-02 2020-10-27 Baidu Usa Llc Utilizing rule-based and model-based decision systems for autonomous driving control
US11042155B2 (en) * 2017-06-06 2021-06-22 Plusai Limited Method and system for closed loop perception in autonomous driving vehicles
US11573573B2 (en) * 2017-06-06 2023-02-07 Plusai, Inc. Method and system for distributed learning and adaptation in autonomous driving vehicles
WO2018227368A1 (en) * 2017-06-13 2018-12-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for recommending an estimated time of arrival
US10564638B1 (en) * 2017-07-07 2020-02-18 Zoox, Inc. Teleoperator situational awareness
EP3683730A4 (en) * 2017-09-12 2020-09-23 Cloudminds (Shenzhen) Robotics Systems Co., Ltd. DYNAMIC ROBOT, ROBOT AND CLOUD SERVER LEARNING PROCESS AND SYSTEM
US11243532B1 (en) * 2017-09-27 2022-02-08 Apple Inc. Evaluating varying-sized action spaces using reinforcement learning
US11093829B2 (en) * 2017-10-12 2021-08-17 Honda Motor Co., Ltd. Interaction-aware decision making
US10459444B1 (en) * 2017-11-03 2019-10-29 Zoox, Inc. Autonomous vehicle fleet model training and testing
US11157488B2 (en) * 2017-12-13 2021-10-26 Google Llc Reinforcement learning techniques to improve searching and/or to conserve computational and network resources
KR102384743B1 (ko) * 2018-01-09 2022-04-08 삼성전자주식회사 차량의 자율 주행을 위한 자율 주행 장치 및 그 제어 방법
US11328219B2 (en) * 2018-04-12 2022-05-10 Baidu Usa Llc System and method for training a machine learning model deployed on a simulation platform
US20200055524A1 (en) * 2018-08-20 2020-02-20 Alberto LACAZE System and method for verifying that a self-driving vehicle follows traffic ordinances
US11131992B2 (en) * 2018-11-30 2021-09-28 Denso International America, Inc. Multi-level collaborative control system with dual neural network planning for autonomous vehicle control in a noisy environment
US20210146543A1 (en) * 2019-01-03 2021-05-20 Lucomm Technologies, Inc. Robotic Pallet
WO2020184747A1 (ko) * 2019-03-11 2020-09-17 엘지전자 주식회사 오토 스탑 시스템을 제어하는 인공 지능 장치 및 그 방법
WO2020184748A1 (ko) * 2019-03-11 2020-09-17 엘지전자 주식회사 교통 정보에 기반한 오토 스탑 시스템을 제어하는 인공 지능 장치 및 그 방법
US20220212685A1 (en) * 2019-05-07 2022-07-07 Sony Semiconductor Solutions Corporation Information processing apparatus, moving apparatus, and method, as well as program
US11249480B2 (en) * 2019-08-08 2022-02-15 Toyota Motor North America, Inc. Autonomous vehicle positioning system
WO2021125063A1 (ja) * 2019-12-18 2021-06-24 ソニーグループ株式会社 情報処理装置、情報処理方法、プログラムおよび移動体
CN114194207B (zh) * 2020-09-17 2024-03-15 华为技术有限公司 一种自动驾驶方法、ads及自动驾驶车辆
US11151855B1 (en) * 2020-11-30 2021-10-19 GAT Airline Ground Support, Inc. Video analytics platform for real-time monitoring and assessment of airplane safety processes
US20220315041A1 (en) * 2021-03-30 2022-10-06 Ghost Locomotion Inc. Scheduling state transitions in an autonomous vehicle
US20220315040A1 (en) * 2021-03-30 2022-10-06 Ghost Locomotion Inc. Selective model execution in an autonomous vehicle
US20230109398A1 (en) * 2021-10-06 2023-04-06 Giant.Ai, Inc. Expedited robot teach-through initialization from previously trained system
US20230150512A1 (en) * 2021-11-12 2023-05-18 Motional Ad Llc Methods and systems for providing escalation based responses
US20220118611A1 (en) * 2021-12-23 2022-04-21 Intel Corporation Hazard exploration, estimation, and response system and method
US20240182082A1 (en) * 2022-12-01 2024-06-06 Nvidia Corporation Policy planning using behavior models for autonomous systems and applications

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016091039A (ja) 2014-10-29 2016-05-23 株式会社デンソー 危険予測装置、運転支援システム
WO2016170786A1 (ja) * 2015-04-21 2016-10-27 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
WO2017002471A1 (ja) * 2015-07-02 2017-01-05 ソニー株式会社 車両制御装置と車両制御方法およびプログラム
JP2017045130A (ja) * 2015-08-24 2017-03-02 住友電気工業株式会社 運転支援装置、コンピュータプログラム及び運転支援システム
WO2017047261A1 (ja) * 2015-09-17 2017-03-23 日立オートモティブシステムズ株式会社 車線変更制御装置
JP2017138957A (ja) 2016-01-29 2017-08-10 菊池紙工株式会社 情報提供方法
JP2018024286A (ja) * 2016-08-08 2018-02-15 日立オートモティブシステムズ株式会社 自動運転装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3703026A3 (en) * 2019-02-26 2020-10-28 Toyota Jidosha Kabushiki Kaisha In-vehicle information processing device, inter-vehicle information processing system, and information processing system
JPWO2021044486A1 (ja) * 2019-09-02 2021-11-25 三菱電機株式会社 自動運転制御装置および自動運転制御方法
CN114286772A (zh) * 2019-09-02 2022-04-05 三菱电机株式会社 自动驾驶控制装置以及自动驾驶控制方法
JP7330278B2 (ja) 2019-09-02 2023-08-21 三菱電機株式会社 自動運転制御装置および自動運転制御方法
JP2021064240A (ja) * 2019-10-16 2021-04-22 トヨタ自動車株式会社 車両管理システム
US11505212B2 (en) 2019-10-16 2022-11-22 Toyota Jidosha Kabushiki Kaisha Vehicle management system
JP7234896B2 (ja) 2019-10-16 2023-03-08 トヨタ自動車株式会社 車両管理システム
EP3885223A1 (en) * 2020-03-26 2021-09-29 Intel Corporation Systems, methods, and devices for driving control
US11597393B2 (en) 2020-03-26 2023-03-07 Intel Corporation Systems, methods, and devices for driving control
EP3904833A1 (de) * 2020-04-29 2021-11-03 ZF Friedrichshafen AG Vorrichtung und verfahren zur auswertung von signalen von umfelderfassungssensoren für eine trajektorienregelung und/oder -steuerung eines automatisiert betreibbaren fahrzeuges

Also Published As

Publication number Publication date
JP2023107847A (ja) 2023-08-03
EP3657464A4 (en) 2021-04-21
US20200168094A1 (en) 2020-05-28
JP6974465B2 (ja) 2021-12-01
JPWO2019017253A1 (ja) 2020-07-16
EP3657464A1 (en) 2020-05-27
JP2022009988A (ja) 2022-01-14

Similar Documents

Publication Publication Date Title
JP6974465B2 (ja) 制御装置、制御方法、およびプログラム
US10726280B2 (en) Traffic signal analysis system
US9280899B2 (en) Dynamic safety shields for situation assessment and decision making in collision avoidance tasks
US9919717B2 (en) Driving assistance device and driving assistance method
US9230441B2 (en) Apparatus for gathering surroundings information of vehicle
JP7466396B2 (ja) 車両制御装置
JP2018025993A (ja) 自動運転システム
US20200388161A1 (en) System and method of using a vehicle as a backup roadside unit (rsu)
CN114945492A (zh) 协作式交通工具前灯引导
WO2021200004A1 (ja) 情報処理装置及び情報処理方法
CN110647801A (zh) 设置感兴趣区域的方法、装置、存储介质及电子设备
CN115292435B (zh) 高精地图的更新方法和装置、电子设备和存储介质
US20220179423A1 (en) Vehicle controls based on reliability values calculated from infrastructure information
CN114450602A (zh) 用于将高级驾驶员辅助系统维持为活动的系统、控制器和方法
DE102022100218A1 (de) Umgebungsbeschränkungs- und Sensoranomaliesystem und -verfahren
US20200283024A1 (en) Vehicle, information processing apparatus, control methods thereof, and system
CN114945958A (zh) 协作式交通工具前灯引导
US11209830B2 (en) Safety aware automated governance of vehicles
CN115042782A (zh) 一种车辆巡航控制方法、系统、设备及介质
CN113593221B (zh) 信息价值评估式驾驶系统、网联车辆系统和数据传输方法
CN111369784A (zh) 一种控制车道流量的方法及装置
JP2020069969A (ja) 車両制御システム
US20220357738A1 (en) Remote assistance management system, remote assistance management method, and non-transitory computer-readable storage medium
DE102022103069A1 (de) Systeme und verfahren zur fahrzeugsensorverwaltung
DE102022100059A1 (de) Detektion der operativen hüllkurve mit situativer beurteilung

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18834334

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019530987

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018834334

Country of ref document: EP

Effective date: 20200218