WO2025263157A1 - 制御システム、制御プログラム、および制御方法 - Google Patents

制御システム、制御プログラム、および制御方法

Info

Publication number
WO2025263157A1
WO2025263157A1 PCT/JP2025/017321 JP2025017321W WO2025263157A1 WO 2025263157 A1 WO2025263157 A1 WO 2025263157A1 JP 2025017321 W JP2025017321 W JP 2025017321W WO 2025263157 A1 WO2025263157 A1 WO 2025263157A1
Authority
WO
WIPO (PCT)
Prior art keywords
plan information
driving plan
model
traffic
driving
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/JP2025/017321
Other languages
English (en)
French (fr)
Inventor
瞬 山科
基成 倉田
義典 北澤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SoftBank Corp
Original Assignee
SoftBank Corp
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 SoftBank Corp filed Critical SoftBank Corp
Publication of WO2025263157A1 publication Critical patent/WO2025263157A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/40—Transportation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control

Definitions

  • This disclosure relates to a control system, a control program, and a control method.
  • a control system for controlling the operation of an autonomous vehicle, and includes: a first planning unit that inputs traffic information acquired by the autonomous vehicle into a first model that is constructed so that, when traffic information indicating traffic conditions is input, it outputs driving plan information to respond to the traffic conditions, and obtains first driving plan information corresponding to the autonomous vehicle; a second planning unit that inputs the traffic information acquired by the autonomous vehicle into a second model that is composed of a large-scale language model and is constructed so that, when the traffic information is input, it outputs driving plan information to respond to the traffic conditions, and obtains second driving plan information corresponding to the autonomous vehicle; and a selection unit that selects the first driving plan information or the second driving plan information based on the driving conditions of the autonomous vehicle.
  • a control program causes a computer that controls the operation of an autonomous vehicle to execute a selection process that selects, based on the driving status of the autonomous vehicle, first driving plan information corresponding to the autonomous vehicle obtained by inputting traffic information acquired by the autonomous vehicle into a first model that is constructed so that, when traffic information indicating traffic conditions is input, it outputs driving plan information to respond to the traffic conditions; or second driving plan information corresponding to the autonomous vehicle obtained by inputting traffic information acquired by the autonomous vehicle into a second model that is composed of a large-scale language model and is constructed so that, when traffic information is input, it outputs driving plan information to respond to the traffic conditions.
  • a computer-readable recording medium on which a control program is recorded also falls within the scope of the present disclosure.
  • a control method is a control method for controlling the operation of an autonomous vehicle, and includes: a first planning step of inputting traffic information acquired by the autonomous vehicle into a first model that is constructed so that, when traffic information indicating traffic conditions is input, it outputs driving plan information to respond to the traffic conditions, thereby obtaining first driving plan information corresponding to the autonomous vehicle; a second planning step of inputting the traffic information acquired by the autonomous vehicle into a second model that is composed of a large-scale language model and is constructed so that, when the traffic information is input, it outputs driving plan information to respond to the traffic conditions, thereby obtaining second driving plan information corresponding to the autonomous vehicle; and a selection step of selecting the first driving plan information or the second driving plan information based on the driving conditions of the autonomous vehicle.
  • FIG. 1 is a block diagram illustrating an example of a functional configuration of a control system according to a first embodiment of one aspect of the present disclosure.
  • FIG. 4 is a block diagram showing another example of the control system according to the first embodiment.
  • 10A and 10B are diagrams illustrating a modified example of a method for outputting a second evaluation value performed by a second planning unit included in the system.
  • 10A and 10B are diagrams illustrating a modified example of a method for outputting a second evaluation value performed by a second planning unit included in the system.
  • FIG. 10 is a block diagram illustrating an example of a functional configuration of a control system according to a second embodiment of the present disclosure.
  • FIG. 10 is a flowchart illustrating an example of the flow of a control method according to an embodiment of another aspect of the present disclosure.
  • FIG. 10 is a block diagram illustrating an example of a computer required when at least some of the functions of the control systems according to the first and second embodiments of the present disclosure are realized by software.
  • the control system 100 is a system that controls the operation of an autonomously driven vehicle V.
  • the control system 100 includes a first planning unit 1, a second planning unit 2, and a selection unit 3.
  • the control system 100 according to this embodiment further includes a first model M1, a second model M2, a classification model M3, an evaluation unit 4, an adjustment unit 5, a control unit 6, and a transmission unit 7.
  • the units of the control system 100 according to this embodiment are distributed across multiple devices (the autonomously driven vehicle V and the server S). Specifically, the first planning unit 1 and the first model M1 are provided in the autonomously driven vehicle V. Meanwhile, the second planning unit 2, the second model M2, the selection unit 3, the classification model M3, the evaluation unit 4, the adjustment unit 5, the control unit 6, and the transmission unit 7 are provided in the server S.
  • the first model M1 is constructed by machine learning so that, when traffic information indicating a traffic situation is input, it outputs driving plan information for responding to the traffic situation.
  • the first model M1 can be a model that has been used in control systems for conventional autonomous vehicles.
  • the first planning unit 1 inputs traffic information acquired by the autonomously driven vehicle V into the first model M1, and acquires the driving plan information output by the first model M1 as first driving plan information corresponding to the autonomously driven vehicle V.
  • the "traffic information acquired by the autonomously driven vehicle V" includes at least one of video, ranging information, and various types of detection information.
  • the video is generated by a camera V1 equipped in the autonomously driven vehicle V, capturing an image of at least one of the outside and inside of the autonomously driven vehicle V.
  • the ranging information is information indicating the distance between the autonomously driven vehicle V and an obstacle, generated by a ranging device V2 equipped in the autonomously driven vehicle V.
  • Lidar Light Detection And Ranging
  • the various types of detection information are information indicating what has been detected by various sensors V3 equipped in the autonomously driven vehicle V.
  • the second model M2 is configured using a large language model (LLM) and is constructed using machine learning to output trip plan information for responding to traffic conditions when traffic information is input.
  • LLM large language model
  • the second model M2 according to the embodiment may be configured using, for example, any of "BERT,””SentenceBert,””GPT4,""Gemini,” and "Llama3.”
  • the second model M2 may also be configured using a combination of at least two of these.
  • the second model M2 may also be configured using a combination of at least one of these and another model. Because the second model M2 is configured using a large language model, it can output trip plan information corresponding to an unknown event even when traffic information indicating an unknown event that has not been learned is input.
  • the second planning unit 2 inputs traffic information acquired by the autonomously driven vehicle V into the second model M2, and acquires the driving plan information output by the second model M2 as second driving plan information corresponding to the autonomously driven vehicle V.
  • classification model M3 is constructed by machine learning so that, when the first driving plan information and the second driving plan information are input, the classification model M3 determines which of the first driving plan information and the second driving plan information is appropriate.
  • the classification model M3 according to this embodiment classifies the input first driving plan information and second driving plan information into either safe driving information or unsafe driving information based on the driving conditions of the autonomously driven vehicle V at that time.
  • the selection unit 3 selects the first driving plan information or the second driving plan information based on the driving conditions of the autonomously driven vehicle V.
  • the selection unit 3 according to this embodiment selects the first driving plan information or the second driving plan information using the classification model M3. Furthermore, the selection unit 3 according to this embodiment selects the second driving plan information if driving plan information is not obtained within a predetermined time after the first planning unit 1 inputs traffic information into the first model M1. This is because, if traffic information indicating an unknown event that has not been learned by the first model M1 is input, the first model M1 may take a long time to make inference or may stop inference.
  • the selection unit 3 selects the first driving plan information when the autonomously driven vehicle V is driving or when the speed at which the autonomously driven vehicle V is driving is equal to or greater than a predetermined speed. This is because, due to hallucination of the second model M2 (large-scale language model), the autonomously driven vehicle V may operate based on erroneous second driving plan information while driving (at high speed), potentially causing an accident. Conversely, the selection unit 3 according to this embodiment selects the second driving plan information regardless of whether the first driving plan information has been obtained if the autonomously driven vehicle V has been stopped for a predetermined period of time or if the speed at which the autonomously driven vehicle V is traveling is equal to or less than a predetermined speed.
  • the selection unit 3 may be configured to select the first driving plan information or the second driving plan information (using an algorithm) without using the classification model M3.
  • the evaluation unit 4 evaluates the selection result of the selection unit 3.
  • the evaluation unit 4 determines whether the autonomously driven vehicle V was able to travel safely (whether an emergency stop was not made) as a result of autonomous driving based on the driving plan information selected by the selection unit 3.
  • the adjustment unit 5 adjusts the classification model M3 based on the results of the evaluation by the evaluation unit 4. For example, suppose that the selection unit 3 selects one of the first driving plan information and the second driving plan information, and the autonomously driving vehicle V performs autonomous driving based on that one driving plan information, resulting in the vehicle being unable to drive safely. In this case, when selecting first driving plan information and second driving plan information with the same content, the adjustment unit 5 adjusts the classification model M3 so that the other driving plan information is selected.
  • Control unit 6 The control unit 6 controls the autonomously driven vehicle V based on the trip plan information selected by the selection unit 3. If the trip plan information includes content to accelerate or travel at a constant speed, the control unit 6 controls the drive mechanism V4 of the autonomously driven vehicle V. As a result, the autonomously driven vehicle V accelerates or travels at the specified speed. If the trip plan information includes content to change direction, the control unit 6 controls the steering mechanism V5 of the autonomously driven vehicle V. As a result, the autonomously driven vehicle V changes its direction of travel. Furthermore, if the trip plan information includes content to decelerate or stop, the control unit 6 controls the braking mechanism V6 of the autonomously driven vehicle V. As a result, the autonomously driven vehicle V decelerates or stops.
  • Transmitter 7 When the selection unit 3 selects the second driving plan information, the transmission unit 7 transmits the traffic information that the second planning unit 2 inputs into the second model M2 to a control system 200 (hereinafter, another control system 200) of another autonomously driving vehicle V.
  • the other control system 200 that has received the traffic information uses the received traffic information to, for example, fine-tune the trained model provided in the other control system 200.
  • the control system 100 may be configured such that the second model M2 generates a second driving plan when the first driving plan information is input and determines whether the input first driving plan information or the second driving plan information is the appropriate driving plan information.
  • the second planning unit 2A may also serve as the selection unit 3 of the control system 100 according to the first embodiment. That is, the second planning unit 2A (selection unit) may be configured to select the first driving plan information or the second driving plan information based on the determination result of the second model M2.
  • the transmission unit 7 may be configured to transmit at least one of the first driving plan information, the second driving plan information, and the selection result of the selection unit (information indicating whether the first driving plan information or the second driving plan information was selected) to the remote monitoring device.
  • control system 100 For example, as shown in the upper part of Figure 3, when a parked vehicle and a person are present ahead of a traveling autonomous vehicle V, both the conventional control system and control system 100 according to this embodiment recognize the presence of the parked vehicle and the person. Then, both the conventional control system and control system 100 according to this embodiment stop the autonomous vehicle V in front of the person. Then, when both the conventional control system and control system 100 according to this embodiment recognize that the person has disappeared from the path, they resume autonomous driving and control the autonomous vehicle V to avoid the parked vehicle.
  • the second model M2 which is composed of a large-scale language model, distinguishes the fire engine and firefighters from ordinary parked vehicles and people (recognizing that firefighting activities are in progress) and outputs second driving plan information for driving while avoiding the fire engine and firefighters (e.g., by passing through the opposite lane). Then, the selection unit 3 selects the second driving plan information as long as there are no problems with safe driving. As a result, the control unit 6 controls autonomous vehicle V based on the second driving plan information, allowing autonomous vehicle V to continue driving safely.
  • the second model M2 distinguishes roads under construction from normal roads (recognizing that they are closed to traffic) and outputs second driving plan information for changing course and driving (for example, making a U-turn or turning right or left).
  • the selection unit 3 selects the second driving plan information.
  • the control unit 6 controls autonomously driven vehicle V based on the second driving plan information, allowing autonomously driven vehicle V to continue driving safely.
  • the control system 100 outputs second transportation plan information that allows the second model M2 to respond to the unknown event. Therefore, according to the control system 100, when an unknown event occurs while the autonomously driven vehicle V is traveling, the autonomously driven vehicle V can be driven safely, without having to prepare a huge amount of learning data including unknown events and have the model learn from it. Furthermore, such effects also contribute to the achievement of, for example, Goal 9 "Build resilient infrastructure, promote inclusive and sustainable industrialization,” and Goal 11 "Make cities and towns inclusive and sustainable,” of the Sustainable Development Goals (SDGs) advocated by the United Nations.
  • SDGs Sustainable Development Goals
  • the control system 100A includes a first planning unit 1, a second planning unit 2, a selection unit 3, a first model M1, a second model M2, a classification model M3, and a control unit 6, which are similar to those of the control system 100 according to the embodiment.
  • the components of the control system 100A according to this embodiment are also distributed across multiple devices (an autonomously driven vehicle V and a server S). However, the manner in which the components are distributed according to this embodiment differs from that of the first embodiment.
  • the first planning unit 1, the first model M1, the selection unit 3, the classification model M3, and the control unit 6 are provided in the autonomously driven vehicle V.
  • the control system 100A may further include at least one of an evaluation unit 4, an adjustment unit 5, and a transmission unit 7.
  • the evaluation unit 4, the adjustment unit 5, and the transmission unit 7 may be provided in the autonomously driven vehicle V or in the server S.
  • control system 100A provides the same effects as the control system 100 according to embodiment 1. That is, the control system 100A makes it possible to safely drive the autonomously driven vehicle V when an unknown event occurs while the autonomously driven vehicle V is traveling, without having to prepare a huge amount of learning data including unknown events and have the model learn the data.
  • the computer inputs the traffic information acquired by the autonomously driven vehicle V into the second model M2 to obtain second driving plan information corresponding to the autonomously driven vehicle V.
  • the computer that communicates with the second model M2 may be a device that includes the second planning unit 2 in the control system 100, 100A, or may be another device.
  • selection step S3 After obtaining the first driving plan information and the second driving plan information, the process proceeds to selection step S3.
  • the computer selects the first driving plan information or the second driving plan information based on the driving conditions of the autonomously driving vehicle V.
  • the computer that selects the driving plan information may be a device that includes the selection unit 3 in the control system 100, 100A, or may be another device.
  • Control step S6 After selecting the first driving plan information or the second driving plan information, the process proceeds to control step S6.
  • control step S6 the computer controls the autonomously driven vehicle V based on the driving plan information selected in selection step S3.
  • the computer controlling the autonomously driven vehicle V may be a device including the control unit 6 in the control system 100, 100A, or may be another device.
  • Transmission step S7 After the computer selects the second driving plan information in the selection step S3, it performs a transmission step S7 as necessary.
  • the computer transmits the traffic information input to the second model M2 to the other control system 200.
  • the computer that transmits the traffic information to the other control system 200 may be a device that includes the transmitter 7 in the control system 100, 100A, or may be another device.
  • Step S8 After controlling the autonomously driven vehicle V based on the driving plan information, the process proceeds to a judgment step S8.
  • the judgment step S8 it is determined whether the autonomous driving has ended (for example, whether the destination has been reached). If it is determined that the autonomous driving has not ended (S8: NO), the process returns to step S1. That is, in the control method S100 according to this embodiment, the first planning step S1, the second planning step S2, the selection step S3, and the control step S6 are repeated until the autonomous driving has ended. On the other hand, if it is determined that the autonomous driving has ended, the control method S100 ends.
  • control method S100 provides the same effects as the control system 100 according to embodiment 1. That is, the control method S100 makes it possible to safely drive the autonomously driven vehicle V when an unknown event occurs while the autonomously driven vehicle V is traveling, without having to prepare a huge amount of learning data including unknown events and have the model learn the data.
  • each unit in the control system 100 can be realized by a control program P that causes a computer C of the autonomously driven vehicle V or the server S to function as each unit.
  • each unit is equipped with a computer having at least one processor C1 and at least one memory C2 as hardware for executing the control program P.
  • Each unit is realized by the processor C1 and memory C2 executing each process (first planning process, second planning process, evaluation process, adjustment process, control process, and transmission process) of the control program P, including at least the selection process.
  • the control system 100 may be configured so that one computer realizes one of the units, or so that one computer realizes two or more of the units.
  • control program P may be recorded on one or more computer-readable recording media, rather than being temporary. These recording media may or may not be provided in each component. In the latter case, the control program P may be supplied to each component via any wired or wireless transmission medium.
  • each unit can be realized by logic circuits.
  • integrated circuits incorporating logic circuits that function as each unit are also included in the scope of this disclosure.
  • the functions of each unit can also be realized by, for example, a quantum computer.
  • a control system is a control system for controlling the operation of an autonomous vehicle, and is configured to include: a first planning unit that inputs traffic information acquired by the autonomous vehicle into a first model that is constructed so that, when traffic information indicating traffic conditions is input, it outputs driving plan information to respond to the traffic conditions, and obtains first driving plan information corresponding to the autonomous vehicle; a second planning unit that inputs the traffic information acquired by the autonomous vehicle into a second model that is composed of a large-scale language model and is constructed so that, when the traffic information is input, it outputs driving plan information to respond to the traffic conditions, and obtains second driving plan information corresponding to the autonomous vehicle; and a selection unit that selects the first driving plan information or the second driving plan information based on the driving conditions of the autonomous vehicle.
  • a control system may be configured in the above-described aspect 1 such that, when the first driving plan information and the second driving plan information are input, the selection unit selects either the first driving plan information or the second driving plan information using a classification model constructed to determine which of the first driving plan information and the second driving plan information is the more appropriate driving plan information.
  • a control system may be configured in the above-mentioned aspect 1 or 2, wherein the second model is configured to, when the first driving plan information is input, determine whether the input first driving plan information or the second driving plan information is the appropriate driving plan information, and the selection unit selects either the first driving plan information or the second driving plan information based on the determination result of the second model.
  • a control system may be configured in any one of aspects 1 to 3 above, such that the selection unit selects the second driving plan information if the first driving plan information is not obtained within a predetermined time after the first planning unit inputs the traffic information into the first model.
  • control system may be configured as in aspect 2 above, further comprising an evaluation unit that evaluates the selection result of the selection unit, and an adjustment unit that adjusts the classification model based on the result of the evaluation by the evaluation unit.
  • control system may be configured in any one of aspects 1 to 5 above, further including a control unit that controls the autonomous vehicle based on the driving plan information selected by the selection unit.
  • control system may be configured in any of aspects 1 to 6 above, further comprising a transmission unit that, when the selection unit selects the second driving plan information, transmits the traffic information input by the second planning unit to the second model to a control system of another autonomous vehicle.
  • a control program is configured to cause a computer that controls the operation of an autonomous vehicle to execute a selection process that selects, based on the driving status of the autonomous vehicle, first driving plan information corresponding to the autonomous vehicle, obtained by inputting traffic information acquired by the autonomous vehicle into a first model that is constructed so that, when traffic information indicating traffic conditions is input, it outputs driving plan information to respond to the traffic conditions; or second driving plan information corresponding to the autonomous vehicle, obtained by inputting traffic information acquired by the autonomous vehicle into a second model that is composed of a large-scale language model and is constructed so that, when traffic information is input, it outputs driving plan information to respond to the traffic conditions.
  • a control method is a control method for controlling the operation of an autonomous vehicle, and includes: a first planning step of inputting traffic information acquired by the autonomous vehicle into a first model that is constructed so that, when traffic information indicating traffic conditions is input, it outputs driving plan information to respond to the traffic conditions, thereby obtaining first driving plan information corresponding to the autonomous vehicle; a second planning step of inputting the traffic information acquired by the autonomous vehicle into a second model that is composed of a large-scale language model and is constructed so that, when the traffic information is input, it outputs driving plan information to respond to the traffic conditions, thereby obtaining second driving plan information corresponding to the autonomous vehicle; and a selection step of selecting the first driving plan information or the second driving plan information based on the driving conditions of the autonomous vehicle.
  • Control system 1 First planning unit 2, 2A Second planning unit 3 Selection unit 4 Evaluation unit 5 Adjustment unit 6
  • Control unit 7 Transmission unit M1 First model M2 Second model M3 Classification model V Autonomous driving vehicle V1 Camera V2 Ranging device V3 Sensor V4 Drive mechanism V5 Steering mechanism P
  • Other control system S100 Control method S1 First planning step S2 Second planning step S3 Selection step S4 Evaluation step S5 Adjustment step S6 Control step S7 Transmission step

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Human Computer Interaction (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

未知の事象を含む膨大な学習データを準備し、それをモデルに学習させなくても、自動運転車両の走行中に未知の事象が生じた場合に、当該自動運転車両を安全に走行させることができるようにする。　制御システム（１００）は、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデル（Ｍ１）に、交通情報を入力して第一走行計画情報を得る第一計画部（１）と、大規模言語モデルで構成されるとともに、交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデル（Ｍ２）に、交通情報を入力して第二走行計画情報を得る第二計画部（２）と、自動運転車両（Ｖ）の走行状況に基づいて、第一走行計画情報、または第二走行計画情報を選択する選択部（３）と、を備える。

Description

制御システム、制御プログラム、および制御方法
　本開示は、制御システム、制御プログラム、および制御方法に関する。
　近年、自動運転は、「レベル４」の段階に達している。レベル４の自動運転では、特定条件（場所限定、人間による遠隔監視等）の下で、ドライバーが不在でも乗客を乗せて走行することができる。例えば下記非特許文献１は、こうした自動運転車両の現状と課題について開示している。
"日本初の自動運転「レベル４」車両、事故の原因は学習データ不足"、［online］、令和５年１１月１３日、日経ＸＴＥＣＨ、［令和６年１月１０日検索］、インターネット＜URL：https://xtech.nikkei.com/atcl/nxt/column/18/00001/08613/?i_cid=nbpnxt_reco_atype＞
　一般的な学習済みモデルを用いた従来の自動運転車両の制御システムは、自動運転車両の走行中に、既に学習したデータが示す事象と同様の事象が生じた場合には、当該事象に対し安全に対処することができる。換言すれば、従来の制御システムは、未知の事象が生じた場合には、それに対処できず、非特許文献１が示しているような事故を引き起こす可能性がある。つまり、自動運転車両が、人間が運転する場合と同程度以上の安全性を確保しつつ走行するためには、未知の事象を含むあらゆる事象に対応する膨大な学習データを準備し、それをモデルに学習させる必要がある。しかし、膨大な学習データを準備することや、それをモデルに学習させることには、大変な手間と時間を要する。
　上記の課題を解決するために、本開示の一態様に係る制御システムは、自動運転車両の動作を制御する制御システムであって、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第一走行計画情報を得る第一計画部と、大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第二走行計画情報を得る第二計画部と、前記自動運転車両の走行状況に基づいて、前記第一走行計画情報、または前記第二走行計画情報を選択する選択部と、を備える。
　また、本開示の他の態様に係る制御プログラムは、自動運転車両の動作を制御するコンピュータに、前記自動運転車両の走行状況に基づいて、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力することによって得られた、当該自動運転車両に対応した第一走行計画情報、または、大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力することによって得られた、当該自動運転車両に対応した第二走行計画情報、を選択する選択処理を実行させる。なお、制御プログラムを記録したコンピュータ読み取り可能な記録媒体も、本開示の範疇に入る。
　また、本開示の他の態様に係る制御方法は、自動運転車両の動作を制御する制御方法であって、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第一走行計画情報を得る第一計画ステップと、大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第二走行計画情報を得る第二計画ステップと、前記自動運転車両の走行状況に基づいて、前記第一走行計画情報、または前記第二走行計画情報を選択する選択ステップと、を含む。
本開示の一態様の実施形態１に係る制御システムの機能的構成の一例を示すブロック図である。 実施形態１に係る制御システムの他の例を示すブロック図である。 同システムが備える第二計画部が行う第二評価値の出力方法の変形例について説明する図である。 同システムが備える第二計画部が行う第二評価値の出力方法の変形例について説明する図である。 本開示の一態様の実施形態２に係る制御システムの機能的構成の一例を示すブロック図である。 本開示の他の態様の実施形態に係る制御方法の流れの一例を示すフローチャートである。 本開示の実施形態１，２に係る制御システムの少なくとも一部の機能をソフトウェアで実現する場合に必要となるコンピュータの一例を示すブロック図である。
　＜制御システムの実施形態１＞
　まず、本開示の一態様の実施形態１に係る制御システム１００について、詳細に説明する。
　〔制御システム１００の構成〕
　制御システム１００は、自動運転車両Ｖの動作を制御するシステムである。図１に示したように、制御システム１００は、第一計画部１と、第二計画部２と、選択部３と、を備える。本実施形態に係る制御システム１００は、第一モデルＭ１と、第二モデルＭ２と、分類モデルＭ３と、評価部４と、調整部５と、制御部６と、送信部７と、をさらに備える。本実施形態に係る制御システム１００の各部は、複数の装置（自動運転車両ＶおよびサーバＳ）に分散して設けられている。具体的には、第一計画部１、および第一モデルＭ１が、自動運転車両Ｖに設けられている。一方、第二計画部２、第二モデルＭ２、選択部３、分類モデルＭ３、評価部４、調整部５、制御部６、および送信部７が、サーバＳに設けられている。
　（第一モデルＭ１）
　第一モデルＭ１は、機械学習によって、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築されている。第一モデルＭ１には、従来の自動運転車両の制御システムに用いられてきたものを用いることができる。
　（第一計画部１）
　第一計画部１は、第一モデルＭ１に、自動運転車両Ｖが取得した交通情報を入力し、第一モデルＭ１が出力した走行計画情報を、当該自動運転車両Ｖに対応した第一走行計画情報として取得する。「自動運転車両Ｖが取得した交通情報」には、映像、測距情報、および各種検知情報の少なくともいずれかが含まれる。映像は、自動運転車両Ｖが備えるカメラＶ１が、当該自動運転車両Ｖの外側及び内側の少なくとも一方を撮影して生成したものである。測距情報は、自動運転車両Ｖが備える測距機器Ｖ２が生成した、当該自動運転車両Ｖと障害物との距離を示す情報である。測距には、例えばLidar（Light Detection And Ranging）等が用いられる。各種検知情報は、自動運転車両Ｖが備える各種センサＶ３が検知した内容を示す情報である。
　（第二モデルＭ２）
　第二モデルＭ２は、大規模言語モデル（Large Language Models：ＬＬＭ）で構成されるとともに、機械学習によって、交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築されている。実施形態に係る第二モデルＭ２は、例えば「BERT」、「Sentence Bert」、「GPT4」、「Gemini」および「Llama3」のいずれかで構成されていてもよい。また、第二モデルＭ２は、これらのうちの少なくとも２つの組み合わせで構成されていてもよい。また、第二モデルＭ２は、これらの少なくともいずれかと他のモデルとの組み合わせで構成されていてもよい。第二モデルＭ２は、大規模言語モデルで構成されることにより、学習していない未知の事象を示す交通情報が入力された場合であっても、未知の事象に対応する走行計画情報を出力することができる。
　（第二計画部２）
　第二計画部２は、第二モデルＭ２に、自動運転車両Ｖが取得した交通情報を入力し、第二モデルＭ２が出力した走行計画情報を、当該自動運転車両Ｖに対応した第二走行計画情報として取得する。
　（分類モデルＭ３）
　分類モデルＭ３は、機械学習によって、第一走行計画情報、および第二走行計画情報が入力されると、第一走行計画情報と、第二走行計画情報のどちらが適切な走行計画情報であるかを判断するよう構築されている。本実施形態に係る分類モデルＭ３は、入力された第一走行計画情報、および第二走行計画情報を、そのときの自動運転車両Ｖの走行状況に基づいて、安全に走行できるもの、安全に走行できないもの、何れかに分類する。
　（選択部３）
　選択部３は、自動運転車両Ｖの走行状況に基づいて、第一走行計画情報、または第二走行計画情報を選択する。本実施形態に係る選択部３は、分類モデルＭ３を用いて、第一走行計画情報、または第二走行計画情報を選択する。また、本実施形態に係る選択部３は、第一計画部１が交通情報を第一モデルＭ１に入力してから所定時間が経過するまでに走行計画情報が得られなかった場合、は、第二走行計画情報を選択する。これは、第一モデルＭ１に学習していない未知の事象を示す交通情報が入力された場合、当該第一モデルＭ１は、推論に長時間を要してしまったり、推論を停止してしまったりするためである。また、本実施形態に係る選択部３は、自動運転車両Ｖが走行中である場合、または自動運転車両Ｖが走行する速度が所定速度以上である場合には、第一走行計画情報を選択する。これは、第二モデルＭ２（大規模言語モデル）のハルシネーションにより、（高速で）走行中の自動運転車両Ｖが誤った内容の第二走行計画情報に基づいて動作すると事故を起こしてしまう可能性があるためである。反対に、本実施形態に係る選択部３は、自動運転車両Ｖが停止した状態が所定時間継続している場合、または自動運転車両Ｖが走行する速度が所定測度以下である場合には、第一走行計画情報が得られているか否かに関わらず第二走行計画情報を選択する。これは、第二モデルＭ２のハルシネーションにより、自動運転車両Ｖが誤った内容の第二走行計画情報に基づいて動作したとしても、自動運転車両Ｖは停止中または低速走行中で事故につながる可能性が低いためである。なお、選択部３は、分類モデルＭ３を用いずに（アルゴリズムによって）第一走行計画情報、または第二走行計画情報を選択するよう構成されていてもよい。
　（評価部４）
　評価部４は、選択部３の選択結果を評価する。本実施形態に係る評価部４は、選択部３が選択した走行計画情報に基づいて自動運転車両Ｖが自動運転を行った結果、安全に走行することができたか（非常停止しなかったか）否かを判断する。
　（調整部５）
　調整部５は、評価部４による評価の結果に基づいて、分類モデルＭ３を調整する。例えば、選択部３が第一走行計画情報および第二走行計画情報のうちの一方を選択し、当該一方の走行計画情報に基づいて自動運転車両Ｖが自動運転を行った結果、安全に走行することができなかったとする。この場合、調整部５は、同じ内容の第一走行計画情報および第二走行計画情報を選択する際には、他方の走行計画情報を選択するよう分類モデルＭ３を調整する。
　（制御部６）
　制御部６は、選択部３が選択した走行計画情報に基づいて、自動運転車両Ｖを制御する。走行計画情報に加速または一定速度で走行する旨の内容が含まれていた場合、制御部６は、自動運転車両Ｖの駆動機構Ｖ４を制御する。これにより、自動運転車両Ｖは加速または指定された速度で走行する。走行計画情報に方向転換する旨の内容が含まれていた場合、制御部６は、自動運転車両Ｖの操舵機構Ｖ５を制御する。これにより、自動運転車両Ｖは進行方向を変更する。また、走行計画情報に減速または停止する旨の内容が含まれていた場合、制御部６は、自動運転車両Ｖの制動機構Ｖ６を制御する。これにより、自動運転車両Ｖは減速または停止する。
　（送信部７）
　送信部７は、第二走行計画情報を選択部３が選択した場合に、第二計画部２が第二モデルＭ２に入力した交通情報を他の自動運転車両Ｖの制御システム２００（以下、他の制御システム２００）へ送信する。交通情報を受信した他の制御システム２００は、受信した交通情報を用いて、例えば当該他の制御システム２００が備える学習済みモデルのファインチューニング等を行う。
　〔制御システム１００の変形例〕
　なお、制御システム１００は、図２に示したように、第二モデルＭ２が、第一走行計画情報が入力されることで、第二走行計画を生成すると共に、入力された第一走行計画情報と、第二走行計画情報のどちらが適切な走行計画情報であるかを判断するよう構築されていてもよい。また、第二計画部２Ａは、実施形態１に係る制御システム１００の選択部３を兼ねていてもよい。すなわち、第二計画部２Ａ（選択部）は、第二モデルＭ２の判断結果に基づいて、第一走行計画情報、または第二走行計画情報を選択するよう構成されていてもよい。その場合、送信部７は、第一走行計画情報、第二走行計画情報、および選択部の選択結果（第一走行計画情報と第二走行計画情報のどちらを選択したかを示す情報）の少なくともいずれかを遠隔監視装置へ送信するよう構成されていてもよい。
　〔制御システム１００の作用効果〕
　例えば図３上段に示したように、走行中の自動運転車両Ｖの前方に駐車車両および人間が存在している場合、従来の制御システムも本実施形態に係る制御システム１００も、駐車車両および人間の存在を認識する。そして、従来の制御システムも本実施形態に係る制御システム１００も、人間の手前で自動運転車両Ｖを停止させる。そして、従来の制御システムも本実施形態に係る制御システム１００も、進路上から人間がいなくなったことを認識すると、自動運転を再開し、駐車車両を避けて走行するよう自動運転車両Ｖを制御する。
　一方、例えば図２下段に示したように、走行中の自動運転車両Ｖの前方に消防車および消防士が存在し、消防士による消火活動が行われている場合、従来の制御システムにとって、火事は未知の事象である。このため、従来の制御システムは、前方に駐車車両および人間が存在しているだけの場合と区別できず、図２下段左側に示したように、消火活動が終了して消防士が進路上からいなくなるまで自動運転車両Ｖを停止させ続けてしまう可能性がある。一方、以上説明してきた制御システム１００は、大規模言語モデルで構成された第二モデルＭ２が、消防車および消防士を、一般の駐車車両および人間と区別し（消火活動中であることを認識し）、消防車および消防士を避けて走行するための（例えば、反対車線を通る）第二走行計画情報を出力する。そして、選択部３が、安全走行に問題が無い限り第二走行計画情報を選択する。その結果、制御部６が第二走行計画情報に基づいて自動運転車両Ｖを制御し、自動運転車両Ｖは安全に走行を継続することができる。
　また、図４に示したように、走行中の自動運転車両Ｖの前方で道路工事（舗装）が行われている場合、従来の制御システムにとって、道路工事も未知の事象である。このため、従来の制御システムは、工事中の道路を通常の道路と区別できず、図４左側に示したように、工事中の道路に進入してしまう可能性がある。一方、以上説明してきた制御システム１００は、第二モデルＭ２が、工事中の道路を、通常の道路と区別し（通行止めであることを認識し）、進路を変更して走行するための（例えばＵターン、右左折等する）第二走行計画情報を出力する。そして、選択部３が第二走行計画情報を選択する。その結果、制御部６が第二走行計画情報に基づいて自動運転車両Ｖを制御し、自動運転車両Ｖは安全に走行を継続することができる。
　このように、制御システム１００は、自動運転車両Ｖが未知の事象に遭遇しても、第二モデルＭ２が未知の事象に対応するための第二交通計画情報を出力する。このため、制御システム１００によれば、未知の事象を含む膨大な学習データを準備し、それをモデルに学習させなくても、自動運転車両Ｖの走行中に未知の事象が生じた場合に、当該自動運転車両Ｖを安全に走行させることができる。また、このような効果は、例えば、国連が提唱する持続可能な開発目標（ＳＤＧｓ）の目標９「産業と技術革新の基盤をつくろう」、目標１１「住み続けられるまちづくりを」等の達成にも貢献するものである。
　＜実施形態２＞
　次に、本開示の一態様の実施形態２に係る制御システム１００Ａについて説明する。なお、説明の便宜上、上記実施形態１にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
　〔制御システム１００Ａの構成〕
　図５に示したように、本実施形態に係る制御システム１００Ａは、実施形態に係る制御システム１００と同様の第一計画部１、第二計画部２、選択部３、第一モデルＭ１、第二モデルＭ２、分類モデルＭ３、および制御部６を備える。本実施形態に係る制御システム１００Ａの各部も、複数の装置（自動運転車両ＶおよびサーバＳ）に分散して設けられている。しかし、本実施形態に係る各部の分散の仕方は、実施形態１と異なる。具体的には、第一計画部１、第一モデルＭ１、選択部３、分類モデルＭ３、および制御部６が自動運転車両Ｖに設けられている。一方、第二計画部２、および第二モデルＭ２が、サーバＳに設けられている。なお、制御システム１００Ａは、評価部４、調整部５、および送信部７の少なくともいずれかをさらに備えていてもよい。この場合、評価部４、調整部５、および送信部７は、自動運転車両Ｖに設けられもよいし、サーバＳに設けられてもよい。
　〔制御システム１００Ａの作用効果〕
　以上説明してきた制御システム１００Ａによれば、実施形態１に係る制御システム１００と同様の効果を奏する。すなわち、制御システム１００Ａによれば、未知の事象を含む膨大な学習データを準備し、それをモデルに学習させなくても、自動運転車両Ｖの走行中に未知の事象が生じた場合に、当該自動運転車両Ｖを安全に走行させることができる。
　＜制御方法Ｓ１００＞
　次に、本開示の他の態様の実施形態に係る制御方法Ｓ１００について説明する。なお、説明の便宜上、上記実施形態１にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
　〔制御方法Ｓ１００の流れ〕
　図６に示したように、制御方法Ｓ１００は、自動運転車両Ｖの動作を制御する方法である。図６に示したように、制御方法Ｓ１００は、第一計画ステップＳ１と、第二計画ステップＳ２と、選択ステップＳ３と、を含む。本実施形態に係る制御方法Ｓ１００は、評価ステップＳ４と、調整ステップＳ５と、制御ステップＳ６と、送信ステップＳ７と、判断ステップＳ８と、をさらに含む。
　（第一計画ステップＳ１）
　第一計画ステップＳ１では、コンピュータが、第一モデルＭ１に、自動運転車両Ｖが取得した交通情報を入力して、当該自動運転車両Ｖに対応した第一走行計画情報を得る。第一モデルＭ１とやり取りするコンピュータは、上記制御システム１００，１００Ａにおける第一計画部１を備える装置であってもよいし、他の装置であってもよい。
　（第二計画ステップＳ２）
　第二計画ステップＳ２では、コンピュータが、第二モデルＭ２に、自動運転車両Ｖが取得した交通情報を入力して、当該自動運転車両Ｖに対応した第二走行計画情報を得る。第二モデルＭ２とやり取りするコンピュータは、上記制御システム１００，１００Ａにおける第二計画部２を備える装置であってもよいし、他の装置であってもよい。
　（選択ステップＳ３）
　第一走行計画情報および第二走行計画情報を得た後は、選択ステップＳ３に移る。選択ステップＳ３では、コンピュータが、自動運転車両Ｖの走行状況に基づいて、第一走行計画情報、または第二走行計画情報を選択する。走行計画情報を選択するコンピュータは、上記制御システム１００，１００Ａにおける選択部３を備える装置であってもよいし、他の装置であってもよい。
　（評価ステップＳ４）
　第一走行計画情報、または第二走行計画情報を選択した後は、必要に応じて評価ステップＳ４を行う。評価ステップＳ４では、コンピュータが、選択ステップＳ３におけるコンピュータの選択結果を評価する。選択結果を評価するコンピュータは、上記制御システム１００，１００Ａにおける評価部４を備える装置であってもよいし、他の装置であってもよい。
　（調整ステップＳ５）
　選択結果を評価した後は、調整ステップＳ５に移る。調整ステップＳ５では、コンピュータが、評価ステップＳ４における選択結果の評価の結果に基づいて、分類モデルＭ３を調整する。分類モデルＭ３を調整するコンピュータは、上記制御システム１００，１００Ａにおける調整部５を備える装置であってもよいし、他の装置であってもよい。
　（制御ステップＳ６）
　第一走行計画情報、または第二走行計画情報を選択した後は、制御ステップＳ６に移る。制御ステップＳ６では、コンピュータが、選択ステップＳ３において選択された走行計画情報に基づいて、自動運転車両Ｖを制御する。自動運転車両Ｖを制御するコンピュータは、上記制御システム１００，１００Ａにおける制御部６を備える装置であってもよいし、他の装置であってもよい。
　（送信ステップＳ７）
　選択ステップＳ３においてコンピュータが第二走行計画情報を選択した後は、必要に応じて送信ステップＳ７を行う。送信ステップＳ７では、第二モデルＭ２に入力した交通情報を、コンピュータが、他の制御システム２００へ送信する。交通情報を他の制御システム２００へ送信するコンピュータは、上記制御システム１００，１００Ａにおける送信部７を備える装置であってもよいし、他の装置であってもよい。
　（判断ステップＳ８）
　走行計画情報に基づいて自動運転車両Ｖを制御した後は、判断ステップＳ８に移る。判断ステップＳ８では、自動運転が終了した（例えば、目的地に到着した）か否かを判断する。ここで、自動運転が終了していないと判断した場合（Ｓ８：ＮＯ）は、ステップＳ１に戻る。すなわち、本実施形態に係る制御方法Ｓ１００においては、自動運転が終了するまで、第一計画ステップＳ１、第二計画ステップＳ２、選択ステップＳ３、および制御ステップＳ６が繰り返される。一方、自動運転が終了したと判断した場合は、制御方法Ｓ１００が終了となる。
　〔制御方法Ｓ１００の作用効果〕
　以上説明してきた制御方法Ｓ１００によれば、実施形態１に係る制御システム１００と同様の効果を奏する。すなわち、制御方法Ｓ１００によれば、未知の事象を含む膨大な学習データを準備し、それをモデルに学習させなくても、自動運転車両Ｖの走行中に未知の事象が生じた場合に、当該自動運転車両Ｖを安全に走行させることができる。
　＜変形例＞
　本開示は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本開示の技術的範囲に含まれる。
　例えば、制御システム１００における少なくとも選択部３を含む各部は、自動運転車両ＶまたはサーバＳのコンピュータＣを各部として機能させるための制御プログラムＰにより実現することができる。この場合、図７に示したように、各部は、上記制御プログラムＰを実行するためのハードウェアとして、少なくとも１つのプロセッサＣ１と少なくとも１つのメモリＣ２を有するコンピュータを備えている。このプロセッサＣ１とメモリＣ２により上記制御プログラムＰの少なくとも選択処理を含む各処理（第一計画処理、第二計画処理、評価処理、調整処理、制御処理、送信処理）を実行することにより、各部が実現される。なお、制御システム１００は、１つのコンピュータが各部のうちの１つを実現するよう構成されていてもよいし、１つのコンピュータが各部のうちの２つ以上を実現するよう構成されていてもよい。
　また、上記制御プログラムＰは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、各部が備えていてもよいし、備えていなくてもよい。後者の場合、上記制御プログラムＰは、有線または無線の任意の伝送媒体を介して各部に供給されてもよい。
　また、各部の機能の一部または全部は、論理回路により実現することも可能である。例えば、各部として機能する論理回路が形成された集積回路も本開示の範疇に含まれる。この他にも、例えば量子コンピュータにより各部の機能を実現することも可能である。
　〔まとめ〕
　本開示の態様１に係る制御システムは、自動運転車両の動作を制御する制御システムであって、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第一走行計画情報を得る第一計画部と、大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第二走行計画情報を得る第二計画部と、前記自動運転車両の走行状況に基づいて、前記第一走行計画情報、または前記第二走行計画情報を選択する選択部と、を備える、構成である。
　本開示の態様２に係る制御システムは、上記の態様１において、前記選択部は、前記第一走行計画情報、および前記第二走行計画情報が入力されると、前記第一走行計画情報と、前記第二走行計画情報のどちらが適切な走行計画情報であるかを判断するよう構築された分類モデルを用いて、前記第一走行計画情報、および前記第二走行計画情報のいずれかを選択する、構成としてもよい。
　本開示の態様３に係る制御システムは、上記の態様１または２において、前記第二モデルは、前記第一走行計画情報が入力されると、入力された前記第一走行計画情報と、前記第二走行計画情報のどちらが適切な走行計画情報であるかを判断するよう構築されており、前記選択部は、前記第二モデルの判断結果に基づいて、前記第一走行計画情報、および前記第二走行計画情報のいずれかを選択する、構成としてもよい。
　本開示の態様４に係る制御システムは、上記の態様１から３のいずれかにおいて、前記選択部は、前記第一計画部が前記交通情報を前記第一モデルに入力してから所定時間が経過するまでに前記第一走行計画情報が得られなかった場合は、前記第二走行計画情報を選択する、構成としてもよい。
　本開示の態様５に係る制御システムは、上記の態様２において、前記選択部の選択結果を評価する評価部と、前記評価部による評価の結果に基づいて、前記分類モデルを調整する調整部と、をさらに備える、構成としてもよい。
　本開示の態様６に係る制御システムは、上記の態様１から５のいずれかにおいて、前記選択部が選択した前記走行計画情報に基づいて、前記自動運転車両を制御する制御部をさらに備える、構成としてもよい。
　本開示の態様７に係る制御システムは、上記の態様１から６のいずれかにおいて、前記第二走行計画情報を前記選択部が選択した場合に、前記第二計画部が前記第二モデルに入力した前記交通情報を他の自動運転車両の制御システムへ送信する送信部をさらに備える、構成としてもよい。
　本開示の態様８に係る制御プログラムは、自動運転車両の動作を制御するコンピュータに、前記自動運転車両の走行状況に基づいて、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力することによって得られた、当該自動運転車両に対応した第一走行計画情報、または、大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力することによって得られた、当該自動運転車両に対応した第二走行計画情報、を選択する選択処理を実行させる、構成である。
　本開示の態様９に係る制御方法は、自動運転車両の動作を制御する制御方法であって、交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第一走行計画情報を得る第一計画ステップと、大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第二走行計画情報を得る第二計画ステップと、前記自動運転車両の走行状況に基づいて、前記第一走行計画情報、または前記第二走行計画情報を選択する選択ステップと、を含む、方法である。
１００，１００Ａ　制御システム
　１　第一計画部
　２，２Ａ　第二計画部
　３　選択部
　４　評価部
　５　調整部
　６　制御部
　７　送信部
　Ｍ１　第一モデル
　Ｍ２　第二モデル
　Ｍ３　分類モデル
Ｖ　自動運転車両
　Ｖ１　カメラ
　Ｖ２　測距機器
　Ｖ３　センサ
　Ｖ４　駆動機構
　Ｖ５　操舵機構
Ｐ　制御プログラム
２００　他の制御システム
Ｓ１００　制御方法
　Ｓ１　第一計画ステップ
　Ｓ２　第二計画ステップ
　Ｓ３　選択ステップ
　Ｓ４　評価ステップ
　Ｓ５　調整ステップ
　Ｓ６　制御ステップ
　Ｓ７　送信ステップ

Claims (9)

  1. 　自動運転車両の動作を制御する制御システムであって、
    　交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第一走行計画情報を得る第一計画部と、
    　大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第二走行計画情報を得る第二計画部と、
    　前記自動運転車両の走行状況に基づいて、前記第一走行計画情報、または前記第二走行計画情報を選択する選択部と、
    を備える、
    制御システム。
  2. 　前記選択部は、前記第一走行計画情報、および前記第二走行計画情報が入力されると、前記第一走行計画情報と、前記第二走行計画情報のどちらが適切な走行計画情報であるかを判断するよう構築された分類モデルを用いて、前記第一走行計画情報、および前記第二走行計画情報のいずれかを選択する、
    請求項１に記載の制御システム。
  3. 　前記第二モデルは、前記第一走行計画情報が入力されると、入力された前記第一走行計画情報と、前記第二走行計画情報のどちらが適切な走行計画情報であるかを判断するよう構築されており、
    　前記選択部は、前記第二モデルの判断結果に基づいて、前記第一走行計画情報、および前記第二走行計画情報のいずれかを選択する、
    請求項１に記載の制御システム。
  4. 　前記選択部は、前記第一計画部が前記交通情報を前記第一モデルに入力してから所定時間が経過するまでに前記第一走行計画情報が得られなかった場合は、前記第二走行計画情報を選択する、
    請求項１に記載の制御システム。
  5. 　前記選択部の選択結果を評価する評価部と、
    　前記評価部による評価の結果に基づいて、前記分類モデルを調整する調整部と、
    をさらに備える、
    請求項２に記載の制御システム。
  6. 　前記選択部が選択した前記走行計画情報に基づいて、前記自動運転車両を制御する制御部をさらに備える、
    請求項１に記載の制御システム。
  7. 　前記第二走行計画情報を前記選択部が選択した場合に、前記第二計画部が前記第二モデルに入力した前記交通情報を他の自動運転車両の制御システムへ送信する送信部をさらに備える、
    請求項１に記載の制御システム。
  8. 　自動運転車両の動作を制御するコンピュータに、
    　前記自動運転車両の走行状況に基づいて、
    　交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力することによって得られた、当該自動運転車両に対応した第一走行計画情報、
    　または、大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力することによって得られた、当該自動運転車両に対応した第二走行計画情報、
    を選択する選択処理を実行させる、
    制御プログラム。
  9. 　自動運転車両の動作を制御する制御方法であって、
    　交通状況を示す交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第一モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第一走行計画情報を得る第一計画ステップと、
    　大規模言語モデルで構成されるとともに、前記交通情報が入力されると当該交通状況に対応するための走行計画情報を出力するよう構築された第二モデルに、前記自動運転車両が取得した前記交通情報を入力して、当該自動運転車両に対応した第二走行計画情報を得る第二計画ステップと、
    　前記自動運転車両の走行状況に基づいて、前記第一走行計画情報、または前記第二走行計画情報を選択する選択ステップと、
    を含む、
    制御方法。
PCT/JP2025/017321 2024-06-19 2025-05-13 制御システム、制御プログラム、および制御方法 Pending WO2025263157A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024-099121 2024-06-19
JP2024099121A JP2026001629A (ja) 2024-06-19 2024-06-19 制御システム、制御プログラム、および制御方法

Publications (1)

Publication Number Publication Date
WO2025263157A1 true WO2025263157A1 (ja) 2025-12-26

Family

ID=98212833

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/017321 Pending WO2025263157A1 (ja) 2024-06-19 2025-05-13 制御システム、制御プログラム、および制御方法

Country Status (2)

Country Link
JP (1) JP2026001629A (ja)
WO (1) WO2025263157A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020046706A (ja) * 2018-09-14 2020-03-26 トヨタ自動車株式会社 物体検出装置、車両制御システム、物体検出方法及び物体検出用コンピュータプログラム
JP2020083309A (ja) * 2018-11-30 2020-06-04 バイドゥ ユーエスエー エルエルシーＢａｉｄｕ ＵＳＡ ＬＬＣ 自動運転車両のためのリアルタイム意思決定
WO2021044486A1 (ja) * 2019-09-02 2021-03-11 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
WO2023119800A1 (ja) * 2021-12-24 2023-06-29 日立Astemo株式会社 車載演算処理装置、および、演算処理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020046706A (ja) * 2018-09-14 2020-03-26 トヨタ自動車株式会社 物体検出装置、車両制御システム、物体検出方法及び物体検出用コンピュータプログラム
JP2020083309A (ja) * 2018-11-30 2020-06-04 バイドゥ ユーエスエー エルエルシーＢａｉｄｕ ＵＳＡ ＬＬＣ 自動運転車両のためのリアルタイム意思決定
WO2021044486A1 (ja) * 2019-09-02 2021-03-11 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
WO2023119800A1 (ja) * 2021-12-24 2023-06-29 日立Astemo株式会社 車載演算処理装置、および、演算処理方法

Also Published As

Publication number Publication date
JP2026001629A (ja) 2026-01-07

Similar Documents

Publication Publication Date Title
US11718297B1 (en) Modifying a vehicle state based on the presence of a special-purpose vehicle
US12179749B2 (en) Method and vehicle for responding to a lane blocking object
US11577746B2 (en) Explainability of autonomous vehicle decision making
US11584379B2 (en) System and method for learning naturalistic driving behavior based on vehicle dynamic data
CN113165652B (zh) 使用基于网格的方法检验预测轨迹
US12001211B2 (en) Risk-aware executor with action set recommendations
US11042156B2 (en) System and method for learning and executing naturalistic driving behavior
CN108073168B (zh) 对自主驾驶车辆进行决策的评估体系
US11370446B2 (en) System and method for learning and predicting naturalistic driving behavior
JP2021509646A (ja) 自律車両のソフトウェア検証
JP7593328B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
KR20210124502A (ko) 자율 차량들을 위한 보행자 행동 예측들
GB2609720A (en) Hybrid decision-making method and device for autonomous driving and computer storage medium
US20240061435A1 (en) Systems and methods for path planning with latent state inference and graphical relationships
CN117813227A (zh) 用于自主交通工具的互补控制系统
CN111661045B (zh) 训练用于察觉碰撞的轨迹预测的生成器单元和鉴别器单元
CN116674593A (zh) 用于自主车辆的具有异常检测的安全增强规划系统
US20220057795A1 (en) Drive control device, drive control method, and computer program product
WO2025263157A1 (ja) 制御システム、制御プログラム、および制御方法
JP7738610B2 (ja) システムおよびプログラム
US20260125079A1 (en) Integrating human and ai preferences in autonomous vehicles
Yang et al. Lane-changing decision-making for autonomous driving based on the Deep Deterministic Policy Gradient algorithm
Tahira et al. A Technical Survey of an Automated Driving System
Kim A Novel Approach for Object Detection, Path Planning, and Control of Autonomous Vehicles on Rural Roads
US20230159023A1 (en) Method and electronic apparatus for predicting path based on object interaction relationship

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: 25830283

Country of ref document: EP

Kind code of ref document: A1