CN111902782A - 集中式共享自主运载工具操作管理 - Google Patents
集中式共享自主运载工具操作管理 Download PDFInfo
- Publication number
- CN111902782A CN111902782A CN201880091621.1A CN201880091621A CN111902782A CN 111902782 A CN111902782 A CN 111902782A CN 201880091621 A CN201880091621 A CN 201880091621A CN 111902782 A CN111902782 A CN 111902782A
- Authority
- CN
- China
- Prior art keywords
- scenario
- data
- vehicle
- control management
- operation control
- 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
Links
- 230000004044 response Effects 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 46
- 238000013138 pruning Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 434
- 238000004891 communication Methods 0.000 description 137
- 230000009471 action Effects 0.000 description 136
- 230000000875 corresponding effect Effects 0.000 description 64
- 230000015654 memory Effects 0.000 description 36
- 230000007704 transition Effects 0.000 description 28
- 230000002123 temporal effect Effects 0.000 description 23
- 230000001133 acceleration Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 18
- 238000003032 molecular docking Methods 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012795 verification Methods 0.000 description 10
- 238000013210 evaluation model Methods 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 8
- 238000013524 data verification Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 6
- 230000000903 blocking effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013502 data validation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- QELJHCBNGDEXLD-UHFFFAOYSA-N nickel zinc Chemical compound [Ni].[Zn] QELJHCBNGDEXLD-UHFFFAOYSA-N 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010367 cloning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- -1 nickel metal hydride Chemical class 0.000 description 1
- 239000002516 radical scavenger Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2556/10—Historical 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
- 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
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种集中式共享场景特定操作控制管理,其包括:在集中式共享场景特定操作控制管理装置处从自主运载工具接收共享场景特定操作控制管理输入数据;验证共享场景特定操作控制管理输入数据;基于共享场景特定操作控制管理输入数据来识别当前的不同运载工具操作场景;基于当前的不同运载工具操作场景来生成共享场景特定操作控制管理输出数据;以及发送共享场景特定操作控制管理输出数据。
Description
技术领域
本发明涉及自主运载工具操作管理和自主驾驶。
背景技术
自主运载工具可以穿过运载工具运输网络,这可能包括遇到不同运载工具操作场景。自主运载工具可以使用当前的不同运载工具操作场景的模型的策略或解决方案来穿过当前的不同运载工具操作场景。自主运载工具可以具有用于识别不同运载工具操作场景并生成或优化相应策略的有限资源。因此,用于集中式共享场景特定操作控制管理的***、方法和设备可以是有利的。
发明内容
这里公开了集中式共享场景特定操作控制管理的方面、特征、元素、实现和实施例。
所公开的实施例的方面是一种用于集中式共享场景特定操作控制管理的方法。所述方法包括:在集中式共享场景特定操作控制管理装置处从自主运载工具接收共享场景特定操作控制管理输入数据;验证所述共享场景特定操作控制管理输入数据;基于所述共享场景特定操作控制管理输入数据来识别当前的不同运载工具操作场景;基于所述当前的不同运载工具操作场景来生成共享场景特定操作控制管理输出数据;以及发送所述共享场景特定操作控制管理输出数据。
所公开的实施例的另一方面是一种设备,其包括:非暂时性计算机可读介质;以及处理器,其被配置为执行所述非暂时性计算机可读介质上所存储的指令以实现用于集中式共享场景特定操作控制管理的方法。所述方法包括:在集中式共享场景特定操作控制管理装置处从自主运载工具接收共享场景特定操作控制管理输入数据;验证所述共享场景特定操作控制管理输入数据;基于所述共享场景特定操作控制管理输入数据来识别当前的不同运载工具操作场景;基于所述当前的不同运载工具操作场景来生成共享场景特定操作控制管理输出数据;以及发送所述共享场景特定操作控制管理输出数据。
所公开的实施例的另一方面是一种非暂时性计算机可读存储介质,其包括可执行指令,所述可执行指令在由处理器执行时促进进行用于集中式共享场景特定操作控制管理的方法。所述方法包括:在集中式共享场景特定操作控制管理装置处从自主运载工具接收共享场景特定操作控制管理输入数据;验证所述共享场景特定操作控制管理输入数据;基于所述共享场景特定操作控制管理输入数据来识别当前的不同运载工具操作场景;基于所述当前的不同运载工具操作场景来生成共享场景特定操作控制管理输出数据;以及发送所述共享场景特定操作控制管理输出数据。
以下进一步详细描述这里公开的方法、设备、过程和算法的这些和其它方面、特征、元素、实现和实施例的变化。
附图说明
通过参考以下描述和附图中所提供的示例,这里公开的方法和设备的各个方面将变得更明显,其中在附图中:
图1是可以实现这里公开的方面、特征和元素的运载工具的示例的图;
图2是可以实现这里公开的方面、特征和元素的运载工具运输和通信***的一部分的示例的图;
图3是根据本发明的运载工具运输网络的一部分的图;
图4是根据本发明的实施例的自主运载工具操作管理***的示例的图;
图5是根据本发明的实施例的自主运载工具操作管理的示例的流程图;
图6是根据本发明的实施例的利用共享场景特定操作控制管理数据通信的自主运载工具操作管理的示例的流程图。
图7是可以实现这里公开的方面、特征和元素的集中式共享场景特定操作控制管理装置的示例的图。
图8是根据本发明的实施例的集中式共享场景特定操作控制管理的示例的流程图。
图9是根据本发明的实施例的策略数据验证的示例的流程图。
图10是根据本发明的实施例的经验数据验证的示例的流程图。
具体实施方式
诸如自主运载工具或半自主运载工具等的运载工具可以穿过运载工具运输网络。穿过运载工具运输网络可以包括穿过诸如行人场景、交叉路口场景、车道变换场景、或任何其它运载工具操作场景或运载工具操作场景组合等的一个或多个不同运载工具操作场景。
自主运载工具可以基于相应的不同运载工具操作场景的模型(诸如部分可观察马尔可夫决策过程(POMDP)模型等)的策略或解决方案来穿过当前的不同运载工具操作场景。自主运载工具可以具有用于识别相应的不同运载工具操作场景、并且解决不同运载工具操作场景的相应模型的有限资源可用性。自主运载工具可以与外部集中式共享场景特定操作控制管理装置进行电子通信,以识别不同运载工具操作场景并识别不同运载工具操作场景的相应模型的相应策略数据。
集中式共享场景特定操作控制管理装置可以维持运载工具数据和包括不同运载工具操作场景数据的运载工具运输网络数据,其中不同运载工具操作场景数据可以包括定义或描述各种不同运载工具操作场景的数据、穿过相应的不同运载工具操作场景的相应运载工具所生成的经验数据、对相应的不同运载工具操作场景进行建模的模型数据、包括相应模型的策略或解决方案的策略数据、或可用于集中式共享场景特定操作控制管理的任何其它数据或数据组合。
集中式共享场景特定操作控制管理装置可以接收穿过运载工具运输网络的运载工具所生成的经验数据、策略数据或这两者,并且可以将接收到的数据与先前存储的共享场景特定操作控制管理数据相集成,这可以包括处理数据以验证和压缩数据。集中式共享场景特定操作控制管理装置可以将策略数据分发到相应自主运载工具,以在穿过相应的不同运载工具操作场景时使用。集中式共享场景特定操作控制管理装置可以将经验数据分发到具有用于生成相应策略数据的可用资源的相应自主运载工具。
尽管这里参考自主运载工具进行描述,但这里描述的方法和设备可以在能够进行自主或半自主操作的任何运载工具中实现。尽管参考运载工具运输网络进行描述,但这里描述的方法和设备可以包括运载工具可导航的任何区域内操作的自主运载工具。
图1是可以实现这里公开的方面、特征和元素的运载工具的示例的图。如图所示,运载工具1000包括底盘1100、动力总成1200、控制器1300和轮1400。尽管为了简单起见,运载工具1000被示出为包括四个轮1400,但是可以使用诸如推动器或踏面等的任何其它推进装置。在图1中,诸如动力总成1200、控制器1300和轮1400等的线路互连元件指示诸如数据或控制信号等的信息、诸如电力或扭矩等的动力、或者信息和动力这两者可以在相应元件之间通信。例如,控制器1300可以从动力总成1200接收动力,并且可以与动力总成1200、轮1400或这两者进行通信以控制运载工具1000,这可以包括对运载工具1000进行加速、减速、转向或以其它方式进行控制。
如图所示,动力总成1200包括动力源1210、发送单元1220、转向单元1230和致动器1240。可以包括诸如悬架、驱动轴、轮轴或排气***等的动力总成的任何其它元件或元件组合。尽管单独示出,但是轮1400可以包括在动力总成1200中。
动力源1210可以包括引擎、电池或其组合。动力源1210可以是可操作地提供诸如电能、热能或动能等的能量的任何装置或装置组合。例如,动力源1210可以包括诸如内燃机、电动马达、或内燃机和电动马达的组合等的引擎,并且可以可操作地向轮1400中的一个或多个提供动能作为原动力。动力源1210可以包括潜在能量单元,例如:诸如镍镉(NiCd)电池、镍锌(NiZn)电池、镍氢(NiMH)电池、锂离子(Li离子)电池等的一个或多个干电池;太阳能电池;燃料电池;或能够提供能量的任何其它装置。
发送单元1220可以从动力源1210接收诸如动能等的能量,并且可以将能量发送至轮1400以提供原动力。发送单元1220可以由控制器1300、致动器1240或这两者控制。转向单元1230可以由控制器1300、致动器1240或这两者控制,并且可以控制轮1400以使运载工具转向。致动器1240可以接收来自控制器1300的信号,并且可以致动或控制动力源1210、发送单元1220、转向单元1230或其任何组合以操作运载工具1000。
如图所示,控制器1300可以包括定位单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360、电子通信接口1370或其任何组合。尽管被示出为单个单元,但控制器1300的任何一个或多个元件可以集成到任意数量的单独物理单元中。例如,用户接口1350和处理器1330可以集成在第一物理单元中,并且存储器1340可以集成在第二物理单元中。尽管在图1中未示出,但控制器1300可以包括诸如电池等的动力源。尽管被示出为单独元件,但是定位单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360、电子通信接口1370或其任何组合可以集成在一个或多个电子单元、电路或芯片中。
处理器1330可以包括现有的或随后开发的能够操纵或处理信号或其它信息的任何装置或装置组合,包括光学处理器、量子处理器、分子处理器或其组合。例如,处理器1330可以包括一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个集成电路、一个或多个专用集成电路、一个或多个现场可编程门阵列、一个或多个可编程逻辑阵列、一个或多个可编程逻辑控制器、一个或多个状态机或其任何组合。处理器1330可以可操作地与定位单元1310、存储器1340、电子通信接口1370、电子通信单元1320、用户接口1350、传感器1360、动力总成1200或其任何组合耦接。例如,处理器可以可操作地经由通信总线1380与存储器1340耦接。
存储器1340可以包括任何有形的非暂时性计算机可用或计算机可读介质,其例如能够包含、存储、通信或运输机器可读指令或与其相关联的任何信息以供处理器1330或结合处理器1330使用。存储器1340可以例如是一个或多个固态驱动器、一个或多个存储卡、一个或多个可移除介质、一个或多个只读存储器、一个或多个随机存取存储器、一个或多个盘(包括硬盘、软盘、光盘、磁卡或光卡)、或适合存储电子信息的任何类型的非暂时性介质、或其任何组合。
通信接口1370可以是无线天线(如图所示)、有线通信端口、光通信端口、或者能够与有线或无线电子通信介质1500接合的任何其它有线或无线单元。尽管图1示出经由单个通信链路进行通信的通信接口1370,但是该通信接口可被配置为经由多个通信链路进行通信。尽管图1示出单个通信接口1370,但是运载工具可以包括任意数量的通信接口。
通信单元1320可被配置为经由有线或无线电子通信介质1500(诸如经由通信接口1370等)来发送或接收信号。尽管在图1中没有明确示出,但通信单元1320可被配置为经由任何有线或无线通信介质(诸如射频(RF)、紫外光(UV)、可见光、光纤、有线线路或其组合)来进行发送、接收或这两者。尽管图1示出单个通信单元1320和单个通信接口1370,但是可以使用任意数量的通信单元和任意数量的通信接口。在一些实施例中,通信单元1320可以包括专用短距离通信(DSRC)单元、车载单元(OBU)或其组合。
定位单元1310可以确定运载工具1000的地理位置信息,诸如经度、纬度、高度、行进方向或速率。例如,定位单元可以包括全球定位***(GPS)单元,诸如广域增强***(WAAS)启用的国家海洋电子协会(NMEA)单元、无线电三角测量单元或其组合。定位单元1310可以用于获得表示例如运载工具1000的当前航向、运载工具1000在二维或三维中的当前位置、运载工具1000的当前角定向或其组合的信息。
用户接口1350可以包括能够与人交互的任何单元,诸如虚拟或物理键盘、触摸板、显示器、触摸显示器、平视显示器、虚拟显示器、增强现实显示器、触觉显示器、诸如眼动跟踪装置等的特征跟踪装置、扬声器、麦克风、摄像机、传感器、打印机或其任意组合。如图所示,用户接口1350可以可操作地与处理器1330或者与控制器1300的任何其它元件耦接。尽管被示出为单个单元,但是用户接口1350可以包括一个或多个物理单元。例如,用户接口1350包括用于与人进行音频通信的音频接口、以及用于与人进行基于视觉和触摸的通信的触摸显示器。用户接口1350可以包括多个显示器,诸如多个物理上分开的单元、单个物理单元内的多个定义部分、或者其组合。
传感器1360可以包括能够可操作地提供可用于控制运载工具的信息的一个或多个传感器(诸如传感器阵列等)。传感器1360可以提供与运载工具1000的当前操作特性有关的信息。传感器1360可以例如包括速率传感器、加速度传感器、转向角传感器、牵引力相关传感器、制动相关传感器、转向轮位置传感器、眼动跟踪传感器、坐落位置传感器、或者任何传感器或传感器组合,其可操作地报告与运载工具1000的当前动态情形的某些方面有关的信息。
传感器1360可以包括可操作地获得与运载工具1000周围的物理环境有关的信息的一个或多个传感器。例如,一个或多个传感器可以检测道路几何形状和特征(诸如车道线等)以及障碍物(诸如固定障碍物、运载工具和行人等)。传感器1360可以是或者包括现在已知的或随后开发的一个或多个摄像机、激光感测***、红外感测***、声感测***或者任何其它合适类型的车载环境感测装置或装置组合。在一些实施例中,传感器1360和定位单元1310可以是组合单元。
尽管没有单独示出,但是运载工具1000可以包括轨迹控制器。例如,控制器1300可以包括轨迹控制器。轨迹控制器可以可操作地获得用于描述运载工具1000的当前状态和针对运载工具1000规划的路线的信息,并基于该信息来确定和优化运载工具1000的轨迹。在一些实施例中,轨迹控制器可以输出可操作地控制运载工具1000以使得运载工具1000遵循轨迹控制器所确定的轨迹的信号。例如,轨迹控制器的输出可以是优化轨迹,该优化轨迹可被供给至动力总成1200、轮1400或这两者。在一些实施例中,优化轨迹可以是诸如转向角的集合等的控制输入,其中各转向角与时间点或位置相对应。在一些实施例中,优化轨迹可以是一个或多个路径、线路、曲线或其组合。
轮1400中的一个或多个可以是:可在转向单元1230的控制下枢转至转向角度的转向轮;可在发送单元1220的控制下扭转以推动运载工具1000的推动轮;或者可对运载工具1000进行转向和推动的转向推动轮。
尽管图1中未示出,但运载工具可以包括图1中未示出的单元或元件,诸如外壳、蓝牙模块、调频(FM)无线电单元、近场通信(NFC)模块、液晶显示器(LCD)显示单元、有机发光二极管(OLED)显示单元、扬声器或其任何组合。
运载工具1000可以是在没有直接的人为干预的情况下进行自主控制以穿过运载工具运输网络的一部分的自主运载工具。尽管在图1中没有单独示出,但是自主运载工具可以包括自主运载工具控制单元,该自主运载工具控制单元可以进行自主运载工具路线规划、导航和控制。自主运载工具控制单元可与运载工具的其它单元集成。例如,控制器1300可以包括自主运载工具控制单元。
自主运载工具控制单元可以根据当前运载工具操作参数来控制或操作运载工具1000以穿过运载工具运输网络的一部分。自主运载工具控制单元可以控制或操作运载工具1000以进行定义的操作或操纵,诸如使运载工具停泊等。自主运载工具控制单元可以基于运载工具信息、环境信息、表示运载工具运输网络的运载工具运输网络数据或其组合来生成从起点(诸如运载工具1000的当前位置等)到目的地的行进路线,并且可以根据该路线来控制或操作运载工具1000以穿过运载工具运输网络。例如,自主运载工具控制单元可以将行进路线输出到轨迹控制器,并且轨迹控制器可以使用所生成的路线来操作运载工具1000以从起点行进到目的地。
图2是可以实现这里公开的方面、特征和元素的运载工具运输和通信***的一部分的示例的图。运载工具运输和通信***2000可以包括一个或多个运载工具2100/2110(诸如图1所示的运载工具1000),其可以经由一个或多个运载工具运输网络2200的一个或多个部分行进,并且可以经由一个或多个电子通信网络2300来进行通信。尽管在图2中没有明确示出,但是运载工具可以穿过没有明确或完全包括在运载工具运输网络中的区域(诸如越野区域等)。
电子通信网络2300可以例如是多址***,并且可以在运载工具2100/2110和一个或多个通信装置2400之间提供诸如语音通信、数据通信、视频通信、消息传送通信或其组合等的通信。例如,运载工具2100/2110可以经由网络2300从通信装置2400接收诸如表示运载工具运输网络2200的信息等的信息。
在一些实施例中,运载工具2100/2110可以经由有线通信链路(未示出)、无线通信链路2310/2320/2370或任意数量的有线或无线通信链路的组合来进行通信。例如,如图所示,运载工具2100/2110可以经由地面无线通信链路2310、经由非地面无线通信链路2320或经由其组合来进行通信。地面无线通信链路2310可以包括以太网链路、串行链路、蓝牙链路、红外(IR)链路、紫外(UV)链路或能够提供电子通信的任何链路。
运载工具2100/2110可以与另一运载工具2100/2110进行通信。例如,主机或主体运载工具(HV)2100可以经由直接通信链路2370或经由网络2300来从远程或目标运载工具(RV)2110接收诸如基本安全消息(BSM)等的一个或多个自动化运载工具间消息。例如,远程运载工具2110可以将该消息广播到诸如300米等的定义广播范围内的主机运载工具。在一些实施例中,主机运载工具2100可以经由诸如信号中继器(未示出)或另一远程运载工具(未示出)等的第三方来接收消息。运载工具2100/2110可以例如基于诸如100毫秒等的定义间隔来周期性地发送一个或多个自动化运载工具间消息。
自动化运载工具间消息可以包括:运载工具识别信息;地理空间状态信息,诸如经度、纬度或高度信息等;地理空间定位精度信息;运动学状态信息,诸如运载工具加速度信息、横摆率信息、速率信息等;运载工具航向信息;制动***状况信息;油门信息;方向盘角度信息或运载工具路线信息;或者运载工具操作状态信息,诸如运载工具尺寸信息、前灯状态信息、转弯信号信息、雨刮器状况数据、发送信息、或者与发送运载工具的状态相关的任何其它信息或信息组合。例如,发送状态信息可以指示发送运载工具的发送是处于空挡状态、停泊状态、前进状态还是后退状态。
运载工具2100可以经由接入点2330来与通信网络2300进行通信。可包括计算装置的接入点2330可被配置为经由有线或无线通信链路2310/2340来与运载工具2100、与通信网络2300、与一个或多个通信装置2400或与其组合进行通信。例如,接入点2330可以是基站、基站收发台(BTS)、节点B、增强型节点B(eNode-B)、家庭节点B(HNode-B)、无线路由器、有线路由器、集线器、中继器、交换机或任何类似的有线或无线装置。尽管在图2中被示出为单个单元,但是接入点可以包括任意数量的互连元件。
运载工具2100可以经由卫星2350或其它非地面通信装置来与通信网络2300进行通信。可包括计算装置的卫星2350可被配置为经由一个或多个通信链路2320/2360来与运载工具2100、与通信网络2300、与一个或多个通信装置2400或与其组合进行通信。尽管在图2中被示出为单个单元,但是卫星可以包括任意数量的互连元件。
电子通信网络2300可以是被配置为提供语音、数据或任何其它类型的电子通信的任何类型的网络。例如,电子通信网络2300可以包括局域网(LAN)、广域网(WAN)、虚拟专用网(VPN)、移动或蜂窝电话网、因特网或任何其它电子通信***。电子通信网络2300可以使用诸如传输控制协议(TCP)、用户数据报协议(UDP)、因特网协议(IP)、实时传输协议(RTP)、超文本传输协议(HTTP)或其组合等的通信协议。尽管在图2中被示出为单个单元,但是电子通信网络可以包括任意数量的互连元件。
运载工具2100可以识别运载工具运输网络2200的一部分或状况。例如,运载工具2100可以包括一个或多个车载传感器2105(诸如图1所示的传感器1360等),该一个或多个车载传感器2105可以包括速率传感器、轮速传感器、照相机、陀螺仪、光学传感器、激光传感器、雷达传感器、声传感器、或能够确定或识别运载工具运输网络2200的一部分或状况的任何其它传感器或装置或其组合。传感器数据可以包括车道线数据、远程运载工具位置数据或这两者。
运载工具2100可以使用经由网络2300通信的信息(诸如表示运载工具运输网络2200的信息、一个或多个车载传感器2105所识别的信息、或其组合等)来穿过一个或多个运载工具运输网络2200的一个或多个部分。
尽管为了简单起见,图2示出两个运载工具2100、2110、一个运载工具运输网络2200、一个电子通信网络2300和一个通信装置2400,但是可以使用任意数量的运载工具、网络或计算装置。运载工具运输和通信***2000可以包括图2中未示出的装置、单元或元件。尽管运载工具2100被示出为单个单元,但运载工具可以包括任意数量的互连元件。
尽管运载工具2100被示出为经由网络2300与通信装置2400进行通信,但是运载工具2100可以经由任意数量的直接或间接通信链路来与通信装置2400进行通信。例如,运载工具2100可以经由直接通信链路(诸如蓝牙通信链路等)来与通信装置2400进行通信。
在一些实施例中,运载工具2100/2210可以与实体2500/2510(诸如运载工具的驾驶员、操作员或所有者等)相关联。在一些实施例中,与运载工具2100/2110相关联的实体2500/2510可以与一个或多个个人电子装置2502/2504/2512/2514(诸如智能手机2502/2512或计算机2504/2514等)相关联。在一些实施例中,个人电子装置2502/2504/2512/2514可以经由直接或间接通信链路来与相应运载工具2100/2110进行通信。尽管在图2中一个实体2500/2510被示出为与一个运载工具2100/2110相关联,但任意数量的运载工具可以与实体相关联,并且任意数量的实体可以与运载工具相关联。
图3是根据本发明的运载工具运输网络的一部分的图。运载工具运输网络3000可以包括诸如建筑物等的一个或多个不可导航区域3100、诸如停泊区域3200等的一个或多个部分可导航区域、诸如道路3300/3400等的一个或多个可导航区域、或其组合。在一些实施例中,自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具或实现自主驾驶的任何其它运载工具等)可以穿过运载工具运输网络3000的一个或多个部分。
运载工具运输网络3000可以包括一个或多个可导航或部分可导航区域3200/3300/3400之间的一个或多个交叉口3210。例如,图3所示的运载工具运输网络3000的一部分包括停泊区域3200和道路3400之间的交叉口3210。停泊区域3200可以包括停泊位3220。
运载工具运输网络3000的一部分(诸如道路3300/3400等)可以包括一个或多个车道3320/3340/3360/3420/3440,并且可以与图3中的箭头所指示的一个或多个行进方向相关联。
运载工具运输网络或其一部分(诸如图3所示的运载工具运输网络3000的一部分等)可被表示为运载工具运输网络数据。例如,运载工具运输网络数据可被表示为可能存储在数据库或文件中的诸如标记语言元素等的元素的层次结构。为了简单起见,这里的附图将表示运载工具运输网络的一部分的运载工具运输网络数据描绘为图或地图;然而,运载工具运输网络数据可以以能够表示运载工具运输网络或其一部分的任何计算机可用形式表示。运载工具运输网络数据可以包括运载工具运输网络控制信息,诸如行进方向信息、速率限制信息、收费信息、坡度信息(诸如倾斜或角度信息等)、表面材料信息、美学信息、定义的危险信息或其组合等。
运载工具运输网可以与行人运输网络相关联,或者可以包括行人运输网络。例如,图3包括行人运输网络的一部分3600,该部分3600可以是行人步行道。尽管在图3中没有单独示出,但是诸如行人横道等的行人可导航区域可以与运载工具运输网络的可导航区域或部分可导航区域相对应。
运载工具运输网络的一部分或多个部分的组合可被识别为关注点或目的地。例如,运载工具运输网络数据可以将诸如不可导航区域3100等的建筑物和相邻的部分可导航停泊区域3200识别为关注点,运载工具可以将关注点识别为目的地,并且运载工具可以通过穿过运载工具运输网络来从起点行进到目的地。尽管在图3中与不可导航区域3100相关联的停泊区域3200被示出为与不可导航区域3100相邻,但是目的地可以例如包括建筑物以及在物理上或地理空间上与建筑物不相邻的停泊区域。
识别目的地可以包括识别目的地的位置,该位置可以是离散的唯一可识别地理位置。例如,运载工具运输网络可以包括目的地的定义位置,诸如街道地址、邮政地址、运载工具运输网络地址、GPS地址或其组合等。
目的地可以与一个或多个入口(诸如图3所示的入口3500等)相关联。运载工具运输网络数据可以包括定义的入口位置信息,诸如用于识别与目的地相关联的入口的地理位置的信息等。
目的地可以与一个或多个对接位置(诸如图3所示的对接位置3700等)相关联。对接位置3700可以是与目的地接近的、自主运载工具可以停止、停滞或停泊以使得可以进行诸如乘客装载或卸载等的对接操作的指定或非指定位置或区域。
运载工具运输网络数据可以包括对接位置信息,诸如用于识别与目的地相关联的一个或多个对接位置3700的地理位置的信息。尽管在图3中没有单独示出,但对接位置信息可以识别与对接位置3700相关联的对接操作的类型。例如,目的地可以与用于乘客装载的第一对接位置和用于乘客卸载的第二对接位置相关联。尽管自主运载工具可以停泊在对接位置,但是与目的地相关联的对接位置可以独立且不同于与目的地相关联的停泊区域。
图4是根据本发明的实施例的自主运载工具操作管理***4000的示例的图。自主运载工具操作管理***4000可以在自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具或实现自主驾驶的任何其它运载工具等)中实现。
自主运载工具可以穿过运载工具运输网络或其一部分,这可以包括穿过不同运载工具操作场景。不同运载工具操作场景可以包括自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的任何明显可识别操作条件集。例如,不同运载工具操作场景可以是基于定义时空距离内的自主运载工具可以穿过的道路、路段或车道的数量或基数(cardinality)。在另一示例中,不同运载工具操作场景可以是基于自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的一个或多个交通控制装置。在另一示例中,不同运载工具操作场景可以是基于自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的一个或多个可识别规则、规定或法律。在另一示例中,不同运载工具操作场景可以是基于自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的一个或多个可识别外部对象。
为了简单和清楚起见,这里可以参考运载工具操作场景类型或类别来描述相似的运载工具操作场景。运载工具操作场景的类型或类别可以是指场景的定义模式或定义模式集。例如,交叉路口场景可以包括自主运载工具穿过交叉路口;行人场景可以包括自主运载工具穿过运载工具运输网络的包括或位于一个或多个行人的定义接近度内的部分,诸如其中行人正在横过或靠近自主运载工具的预期路径;车道变换场景可以包括自主运载工具通过变换车道来穿过运载工具运输网络的一部分;合并场景可以包括自主运载工具通过从第一车道合并到合并车道来穿过运载工具运输网络的一部分;通过阻碍场景可以包括自主运载工具经由通过障碍或阻碍来穿过运载工具运输网络的一部分。尽管这里描述了行人运载工具操作场景、交叉路口运载工具操作场景、车道变换运载工具操作场景、合并运载工具操作场景和通过阻碍运载工具操作场景,但是可以使用任何其它运载工具操作场景或运载工具操作场景类型。
如图4所示,自主运载工具操作管理***4000包括自主运载工具操作管理控制器4100(AVOMC)、操作环境监视器4200和操作控制评价模块4300。
自主运载工具的AVOMC 4100或另一单元可以控制该自主运载工具以穿过运载工具运输网络或其一部分。控制自主运载工具以穿过运载工具运输网络可以包括监视自主运载工具的操作环境、识别或检测不同运载工具操作场景、基于不同运载工具操作场景来识别候选运载工具控制动作、根据一个或多个候选运载工具控制动作来控制自主运载工具以穿过运载工具运输网络的一部分、或这些操作的组合。
AVOMC 4100可以接收、识别或以其它方式访问表示自主运载工具的操作环境或其一个或多个方面的操作环境数据。自主运载工具的操作环境可以包括自主运载工具的定义时空区域内、自主运载工具的识别路线的定义时空区域内、或其组合内的可能影响自主运载工具的操作的明显可识别操作条件集。例如,可以基于传感器数据、运载工具运输网络数据、路线数据或表示运载工具的定义或确定操作环境的任何其它数据或数据组合来识别可能影响自主运载工具的操作的操作条件。
操作环境数据可以包括自主运载工具的运载工具信息,诸如指示自主运载工具的地理空间位置的信息、将自主运载工具的地理空间位置与表示运载工具运输网络的信息相关联的信息、自主运载工具的路线、自主运载工具的速率、自主运载工具的加速状态、自主运载工具的乘客信息、或与自主运载工具或自主运载工具的操作有关的任何其它信息等。操作环境数据可以包括表示接近自主运载工具的识别路线(诸如在运载工具运输网络的沿着识别路线的部分的定义空间距离(诸如300米等)内)的运载工具运输网络的信息,该信息可以包括指示运载工具运输网络的一个或多个方面的几何形状的信息、指示运载工具运输网络的状况(诸如表面状况等)的信息、或其任何组合。操作环境数据可以包括表示接近自主运载工具(诸如在自主运载工具的定义空间距离(诸如300米等)内)的运载工具运输网络的信息,该信息可以包括指示运载工具运输网络的一个或多个方面的几何形状的信息、指示运载工具运输网络的状况(诸如表面状况等)的信息、或其任何组合。操作环境数据可以包括表示自主运载工具的操作环境内的外部对象的信息,诸如表示行人、非人类动物、如自行车或滑板等的非机动化运输装置、如远程运载工具等的机动化运输装置、或可能影响自主运载工具的操作的任何其它外部对象或实体的信息等。
自主运载工具的操作环境的各方面可以在相应的不同运载工具操作场景内表示。例如,外部对象的相对定向、轨迹、预期路径可以在相应的不同运载工具操作场景内表示。在另一示例中,运载工具运输网络的相对几何形状可以在相应的不同运载工具操作场景内表示。
作为示例,第一种不同运载工具操作场景可以对应于行人在人行横道上横过道路,并且行人的相对定向和预期路径(诸如从左至右横过或从右至左横过等)可以在第一种不同运载工具操作场景内表示。第二种不同运载工具操作场景可以对应于行人不守交通规则地横过道路,并且行人的相对定向和预期路径(诸如从左至右横过或从右至左横过等)可以在第二种不同运载工具操作场景内表示。
自主运载工具可以穿过操作环境内的多个不同运载工具操作场景,该多个不同运载工具操作场景可以是复合运载工具操作场景的各方面。自主运载工具操作管理***4000可以操作或控制自主运载工具,以穿过受制于所定义的约束(诸如安全约束、法律约束、物理约束、用户可接受性约束、或者可针对自主运载工具的操作定义或得到的任何其它约束或约束组合等)的不同运载工具操作场景。
AVOMC 4100可以监视自主运载工具的操作环境或其定义方面。监视自主运载工具的操作环境可以包括识别和跟踪外部对象、识别不同运载工具操作场景、或这些操作的组合。例如,AVOMC 4100可以利用自主运载工具的操作环境来识别和跟踪外部对象。识别和跟踪外部对象可以包括识别相应外部对象的可能相对于自主运载工具的时空位置、识别相应外部对象的一个或多个预期路径,这可以包括识别外部对象的速率、轨迹或这两者。为了简单和清楚起见,这里对位置、预期位置、路径和预期路径等的描述可以省略相应位置和路径指代地理空间和时间组成部分的明确指示;然而,除非这里明确指示,或者从上下文中明确指出,否则这里描述的位置、预期位置、路径和预期路径等可以包括地理空间组成部分、时间组成部分或这两者。监视自主运载工具的操作环境可以包括使用从操作环境监视器4200接收到的操作环境数据。
操作环境监视器4200可以包括场景无关监视器、场景特定监视器或其组合。诸如阻塞监视器4210等的场景无关监视器可以监视自主运载工具的操作环境,生成表示自主运载工具的操作环境的各方面的操作环境数据,并将操作环境数据输出到一个或多个场景特定监视器、AVOMC 4100或其组合。诸如行人监视器4220、交叉路口监视器4230、车道变换监视器4240、合并监视器4250或前方阻碍监视器4260等的场景特定监视器可以监视自主运载工具的操作环境,生成表示自主运载工具的操作环境的场景特定方面的操作环境数据,并将操作环境数据输出到一个或多个场景特定操作控制评价模块4300、AVOMC 4100或其组合。例如,行人监视器4220可以是用于监视行人的操作环境监视器,交叉路口监视器4230可以是用于监视交叉路口的操作环境监视器,车道变换监视器4240可以是用于监视车道变换的操作环境监视器,合并监视器4250可以是用于监视合并的操作环境监视器,以及前方阻碍监视器4260可以是用于监视前方阻碍的操作环境监视器。使用虚线示出操作环境监视器4270,以指示自主运载工具操作管理***4000可以包括任意数量的操作环境监视器4200。
操作环境监视器4200可以接收或以其它方式访问操作环境数据,诸如由自主运载工具的一个或多个传感器生成或捕获的操作环境数据、运载工具运输网络数据、运载工具运输网络几何形状数据、路线数据或其组合等。例如,行人监视器4220可以接收或以其它方式访问诸如传感器数据等的信息,该信息可以指示或对应于自主运载工具的操作环境中的一个或多个行人,或者可以以其它方式与自主运载工具的操作环境中的一个或多个行人相关联。操作环境监视器4200可以将操作环境数据或其一部分与操作环境或其一方面(诸如与诸如行人、远程运载工具或运载工具运输网络几何形状的一方面等的外部对象)相关联。
操作环境监视器4200可以生成或以其它方式识别表示操作环境的一个或多个方面(诸如行人、远程运载工具或运载工具运输网络几何形状的一方面等的外部对象)的信息,这可以包括过滤、提取或以其它方式处理操作环境数据。操作环境监视器4200可以诸如通过将表示操作环境的一个或多个方面的信息存储在AVOMC 4100可访问的自主运载工具的存储器(诸如图1所示的存储器1340等)中、将表示操作环境的一个或多个方面的信息发送至AVOMC 4100、或这些操作的组合来输出表示操作环境的一个或多个方面的信息至AVOMC 4100或者供AVOMC 4100访问。操作环境监视器4200可以将操作环境数据输出到自主运载工具操作管理***4000的一个或多个元件(诸如AVOMC 4100等)。尽管图4中没有示出,但是场景特定操作环境监视器4220、4230、4240、4250、4260可以将操作环境数据输出到诸如阻塞监视器4210等的场景无关操作环境监视器。
行人监视器4220可以对操作环境数据进行相关、关联或以其它方式进行处理,以识别、跟踪或预测一个或多个行人的动作。例如,行人监视器4220可以从一个或多个传感器接收可能与一个或多个行人相对应的诸如传感器数据等的信息,行人监视器4220可以将传感器数据与所识别出的一个或多个行人相关联(这可以包括可识别相应的所识别出的一个或多个行人的行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合等),以及行人监视器4220可以输出识别出的、关联的、或生成的行人信息至AVOMC4100或者供AVOMC 4100访问。
交叉路口监视器4230可以对操作环境数据进行相关、关联或以其它方式进行处理,以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作、识别自主运载工具的操作环境中的交叉路口或其一方面、识别运载工具运输网络几何形状、或进行这些操作的组合。例如,交叉路口监视器4230可以从一个或多个传感器接收可能与自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的交叉路口或其一个或多个方面、自主运载工具运输网络几何形状或其组合相对应的诸如传感器数据等的信息,交叉路口监视器4230可以将传感器数据与自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境中的交叉路口或其一个或多个方面、自主运载工具运输网络几何形状或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合),以及交叉路口监视器4230可以输出识别出的、关联的、或生成的交叉路口信息至AVOMC 4100或者供AVOMC 4100访问。
车道变换监视器4240可以对操作环境数据(诸如指示沿着自主运载工具的预期路径的缓慢或静止的远程运载工具的信息)进行相关、关联或以其它方式进行处理,以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作、识别在地理空间上对应于车道变换操作的自主运载工具的操作环境的一个或多个方面(诸如自主运载工具的操作环境中的运载工具运输网络几何形状)或其组合。例如,车道变换监视器4240可以从一个或多个传感器接收可能与在地理空间上对应于车道变换操作的自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的自主运载工具的操作环境的一个或多个方面或其组合相对应的诸如传感器数据等的信息,车道变换监视器4240可以将传感器数据与在地理空间上对应于车道变换操作的自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境的一个或多个方面或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合),并且车道变换监视器4240可以输出识别出的、关联的、或生成的车道变换信息至AVOMC 4100或者供AVOMC 4100访问。
合并监视器4250可以对操作环境数据进行相关、关联或以其它方式进行处理,以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作、识别在地理空间上对应于合并操作的自主运载工具的操作环境中的一个或多个方面(诸如自主运载工具的操作环境中的运载工具运输网络几何形状等)或其组合。例如,合并监视器4250可以从一个或多个传感器接收可能与在地理空间上对应于合并操作的自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的自主运载工具的操作环境的一个或多个方面或其组合相对应的诸如传感器数据等的信息,合并监视器4250可以将传感器数据与在地理空间上对应于合并操作的自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境的一个或多个方面或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合),并且合并监视器4250可以输出识别出的、关联的、或生成的合并信息至AVOMC 4100或者供AVOMC 4100访问。
前方阻碍监视器4260可以对操作环境数据进行相关、关联或以其它方式进行处理,以识别在地理空间上与前进通过阻碍操作相对应的自主运载工具的操作环境的一个或多个方面。例如,前方阻碍监视器4260可以识别自主运载工具的操作环境中的运载工具运输网络几何形状;前方阻碍监视器4260可以识别自主运载工具的操作环境中的一个或多个阻碍或障碍(诸如沿着自主运载工具的预期路径或沿着自主运载工具的识别路线的缓慢或静止的远程运载工具等);并且前方阻碍监视器4260可以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作。前方阻碍监视器4260可以从一个或多个传感器接收可能与在地理空间上对应于前进通过阻碍操作的自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的自主运载工具的操作环境的一个或多个方面或其组合相对应的诸如传感器数据等的信息,前方阻碍监视器4260可以将传感器数据与在地理空间上对应于前进通过阻碍操作的自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境的一个或多个方面或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合),并且前方阻碍监视器4260可以输出识别出的、关联的、或生成的前方阻碍信息至AVOMC 4100或者供AVOMC4100访问。
阻塞监视器4210可以接收表示自主运载工具的操作环境或其一方面的操作环境数据。阻塞监视器4210可以针对运载工具运输网络的一个或多个部分(诸如运载工具运输网络的接近自主运载工具的部分等)确定相应可用概率或相应阻塞概率,该一个或多个部分可以包括运载工具运输网络中的与自主运载工具的预期路径(诸如基于自主运载工具的当前路线而识别出的预期路径等)相对应的部分。可用概率或相应阻塞概率可以指示自主运载工具可以安全地穿过运载工具运输网络中的一部分或空间位置(诸如不受诸如远程运载工具或行人等的外部对象妨碍)的概率或可能性。阻塞监视器4210可以连续或周期性地确定或更新可用概率。阻塞监视器4210可以将可用概率或相应阻塞概率通信至AVOMC4100。
AVOMC 4100可以基于操作环境数据所表示的操作环境的一个或多个方面来识别一个或多个不同运载工具操作场景。例如,AVOMC 4100可以响应于识别出一个或多个操作环境监视器4200所指示的操作环境数据或基于一个或多个操作环境监视器4200所指示的操作环境数据来识别不同运载工具操作场景。可以基于路线数据、传感器数据或其组合来识别不同运载工具操作场景。例如,AVOMC 4100可以响应于识别出运载工具的路线、诸如基于与所识别出的路线相对应的地图数据来识别与所识别出的路线相对应的一个或多个不同运载工具操作场景。可以基于操作环境数据所表示的操作环境的一个或多个方面来识别多个不同运载工具操作场景。例如,操作环境数据可以包括表示行人靠近沿着自主运载工具的预期路径的交叉路口的信息,并且AVOMC 4100可以识别行人运载工具操作场景、交叉路口运载工具操作场景或这两者。
AVOMC 4100可以基于操作环境数据所表示的操作环境的一个或多个方面来实例化一个或多个操作控制评价模块4300的相应实例。操作控制评价模块4300可以包括场景特定操作控制评价模块(SSOCEM),诸如行人SSOCEM 4310、交叉路口SSOCEM 4320、车道变换SSOCEM 4330、合并SSOCEM 4340、通过阻碍SSOCEM 4350、或其组合等。SSOCEM 4360用虚线示出以指示自主运载工具操作管理***4000可以包括任意数量的SSOCEM 4300。例如,AVOMC 4100可以响应于识别出不同运载工具操作场景来实例化SSOCEM 4300的实例。AVOMC4100可以基于操作环境数据所表示的操作环境的一个或多个方面来实例化一个或多个SSOCEM 4300的多个实例。例如,操作环境数据可以指示自主运载工具的操作环境中的两个行人,并且AVOMC 4100可以基于操作环境数据所表示的操作环境的一个或多个方面来针对各行人实例化行人SSOCEM 4310的相应实例。
AVOMC 4100可以将操作环境数据或其一个或多个方面发送至自主运载工具的另一单元(诸如阻塞监视器4210、或者SSOCEM 4300的一个或多个实例等)。例如,AVOMC 4100可以将从阻塞监视器4210接收到的可用概率或相应阻塞概率通信至SSOCEM 4300的相应实例化实例。AVOMC 4100可以将操作环境数据或其一个或多个方面存储在诸如自主运载工具的存储器(诸如图1所示的存储器1340等)中。
控制自主运载工具以穿过运载工具运输网络可以包括基于不同运载工具操作场景来识别候选运载工具控制动作、根据一个或多个候选运载工具控制动作来控制自主运载工具以穿过运载工具运输网络的一部分、或这些操作的组合。例如,AVOMC 4100可以从SSOCEM 4300的相应实例接收一个或多个候选运载工具控制动作。AVOMC 4100可以从候选运载工具控制动作中识别运载工具控制动作,并且可以根据运载工具控制动作来控制运载工具,或者可以将所识别出的运载工具控制动作提供给另一运载工具控制单元以穿过运载工具运输网络。
运载工具控制动作可以指示运载工具控制操作或操纵,诸如加速、减速、转弯、停止、或自主运载工具在穿过运载工具运输网络的一部分时可以进行的任何其它运载工具操作或运载工具操作组合等。例如,“前进”运载工具控制动作可以包括缓慢向前寸动短距离(诸如几英寸或一英尺等);“加速”运载工具控制动作可以包括以定义加速率或定义范围内的加速率加速;“减速”运载工具控制动作可以包括以定义减速率或者定义范围内的减速率减速;“维持”运载工具控制动作可以包括诸如通过维持当前速度、当前路径或路线、或当前车道定向来维持当前操作参数;以及“继续”运载工具控制动作可以包括开始或恢复先前识别的操作参数集。尽管这里描述了一些运载工具控制动作,但也可以使用其它运载工具控制动作。
运载工具控制动作可以包括一个或多个性能度量。例如,“停止”运载工具控制动作可以包括减速率作为性能度量。在另一示例中,“前进”运载工具控制动作可以明确地将路线或路径信息、速率信息、加速率或其组合指示为性能度量,或者可以明确地或隐含地指示可以维持当前或先前识别的路径、速率、加速率或其组合。运载工具控制动作可以是复合运载工具控制动作,其可以包括运载工具控制动作的序列、组合或这两者。例如,“前进”运载工具控制动作可以指示“停止”运载工具控制动作、与定义加速率相关联的后续“加速”运载工具控制动作、以及与定义减速率相关联的后续“停止”运载工具控制动作,使得根据“前进”运载工具控制动作来控制自主运载工具包括控制自主运载工具以缓慢地向前寸动短距离(诸如几英寸或一英尺等)。
AVOMC 4100可以去实例化SSOCEM 4300的实例。例如,AVOMC 4100可以将不同操作条件集识别为指示自主运载工具的不同运载工具操作场景,针对不同运载工具操作场景实例化SSOCEM 4300的实例,监视操作条件,随后判断为一个或多个操作条件已过期或者具有低于定义阈值的影响自主运载工具的操作的概率,并且AVOMC 4100可以去实例化SSOCEM4300的实例。
AVOMC 4100可以基于诸如内在性度量、紧急性度量、效用度量、可接受性度量或其组合等的一个或多个运载工具操作管理控制度量来实例化和去实例化SSOCEM 4300的实例。内在性度量可以指示、表示或基于运载工具从运载工具的当前位置穿过运载工具运输网络至运载工具运输网络的与相应的所识别出的运载工具操作场景相对应的部分所用的空间、时间或时空距离或接近度(其可以是预期距离或接近度)。紧急性度量可以指示、表示或基于可用于控制运载工具以穿过运载工具运输网络的与相应的所识别出的运载工具操作场景相对应的部分的空间、时间或时空距离的测度。效用度量可以指示、表示或基于用于实例化与相应的所识别出的运载工具操作场景相对应的SSOCEM 4300的实例的预期值。可接受性度量可以是诸如指示碰撞避免的度量等的安全度量、诸如指示对运载工具运输网络规则和规定的遵从性的度量等的运载工具运输网络控制遵从性度量、诸如指示运载工具的最大制动能力的度量等的物理能力度量、诸如用户偏好等的用户定义度量。可以使用其它度量或度量组合。运载工具操作管理控制度量可以指示定义的速率、范围或限制。例如,可接受性度量可以指示定义的目标减速率、定义的减速率范围或定义的最大减速率。
SSOCEM 4300可以包括相应的不同运载工具操作场景的一个或多个模型。自主运载工具操作管理***4000可以包括任意数量的SSOCEM 4300,各SSOCEM 4300包括相应的不同运载工具操作场景的模型。SSOCEM 4300可以包括来自一种或多种类型的模型的一个或多个模型。例如,SSOCEM 4300可以包括相应的不同运载工具操作场景的部分可观察马尔可夫决策过程(POMDP)模型、马尔可夫决策过程(MDP)模型、经典规划模型、部分可观察随机博弈(POSG)模型、分散式部分可观察马尔可夫决策过程(Dec-POMDP)模型、增强学习(RL)模型、人工神经网络模型、或任何其它模型。每种不同类型的模型对于精度和资源利用率可以具有相应的特性。例如,定义场景的POMDP模型与定义场景的MDP模型相比具有更大的精度和更大的资源利用率。SSOCEM 4300中所包括的模型可以诸如基于精度等进行诸如分层排序。例如,诸如SSOCEM 4300中所包括的最精确模型等的指定模型可被识别为SSOCEM 4300的主模型,而SSOCEM 4300中所包括的其它模型可被识别为辅模型。
在示例中,一个或多个SSOCEM 4300可以包括POMDP模型,该模型可以是单代理模型。POMDP模型可以对不同运载工具操作场景进行建模,这可以包括使用状态集(S)、动作集(A)、观察集(Ω)、状态转变概率集(T)、条件观察概率集(O)、奖励函数(R)或其组合来对不确定性进行建模。POMDP模型可被定义或描述为元组<S,A,Ω,T,O,R>。
状态集(S)中的状态可以表示自主运载工具的操作环境的相应定义方面(诸如外部对象和交通控制装置等)的不同条件,这些条件可能概率性地影响自主运载工具在离散时间位置处的操作。可以针对各不同运载工具操作场景来定义相应的状态集(S)。状态集(S)中的各状态(状态空间)可以包括一个或多个定义状态因子。尽管这里描述了一些模型的状态因子的一些示例,但包括这里所述的任何模型的模型可以包括任意数量或基数的状态因子。各状态因子可以表示相应场景的定义方面,并且可以具有相应的定义值集。尽管这里描述了一些状态因子的状态因子值的一些示例,但包括这里所述的任何状态因子的状态因子可以包括任意数量或基数的值。
动作集(A)中的动作可以指示状态集(S)中的各状态下的可用运载工具控制动作。可以针对各不同运载工具操作场景来定义相应的动作集。动作集(A)中的各动作(动作空间)可以包括一个或多个定义动作因子。尽管这里描述了一些模型的动作因子的一些示例,但包括这里所述的任何模型的模型可以包括任意数量或基数的动作因子。各动作因子可以表示可用的运载工具控制动作,并且可以具有相应的定义值集。尽管这里描述了一些动作因子的动作因子值的一些示例,但包括这里所述的任何动作因子的动作因子可以包括任意数量或基数的值。
观察集(Ω)中的观察可以指示针对状态集(S)中的各状态的可用的可观察、可测量或可确定数据。可以针对各不同运载工具操作场景来定义相应的观察集。观察集(Ω)中的各观察(观察空间)可以包括一个或多个定义观察因子。尽管这里描述了一些模型的观察因子的一些示例,但包括这里所述的任何模型的模型可以包括任意数量或基数的观察因子。各观察因子可以表示可用的观察,并且可以具有相应的定义值集。尽管这里描述了一些观察因子的观察因子值的一些示例,但包括这里所述的任何观察因子的观察因子可以包括任意数量或基数的值。
状态转变概率集(T)中的状态转变概率可以概率性地表示响应于自主运载工具的动作(如动作集(A)所表示)的自主运载工具的操作环境(如状态集(S)所表示)的变化,这可以表示为T:S×A×S→[0,1]。可以针对各不同运载工具操作场景来定义相应的状态转变概率集(T)。尽管这里描述了一些模型的状态转变概率的一些示例,但包括这里所述的任何模型的模型可以包括任意数量或基数的状态转变概率。例如,状态、动作和后续状态的各组合可以与相应的状态转变概率相关联。
条件观察概率集(O)中的条件观察概率可以表示响应于自主运载工具的动作(如动作集(A)所表示)、基于自主运载工具的操作环境(如状态集(S)所表示)来进行相应观察(Ω)的概率,这可以表示为O:A×S×Ω→[0,1]。可以针对各不同运载工具操作场景来定义相应的条件观察概率集(O)。尽管这里描述了一些模型的状态条件观察概率的一些示例,但包括这里所述的任何模型的模型可以包括任意数量或基数的条件观察概率。例如,动作、后续状态和观察的各组合可以与相应的条件观察概率相关联。
为了简单和清楚起见,这里所述的模型值(诸如状态因子值或观察因子值)的示例包括分类表示,诸如{开始,目标}或{短,长}。分类值可以表示定义的离散值,该离散值可以是相对值。例如,表示时间方面的状态因子可以具有来自集{短,长}中的值;值“短”可以表示诸如在定义阈值(诸如3秒)内或小于定义阈值的诸如时间距离等的离散值,而值“长”可以表示诸如至少为(诸如等于或大于)定义阈值的诸如时间距离等的离散值。可以相对于相关因子来定义相应分类值的定义阈值。例如,时间因子集{短,长}的定义阈值可以与相对空间位置因子值相关联,并且时间因子集{短,长}的另一定义阈值可以与另一相对空间位置因子值相关联。尽管这里描述了因子值的分类表示,但是可以使用其它表示或表示组合。例如,时间状态因子值集可以是{短(表示小于3秒的值),4,5,6,长(表示至少为7秒的值)}。
在一些实施例(诸如实现POMDP模型的实施例等)中,对自主运载工具操作控制场景进行建模可以包括对遮挡物进行建模。例如,操作环境数据可以包括与自主运载工具的操作环境中的一个或多个遮挡物(诸如传感器遮挡物等)相对应的信息,使得操作环境数据可以省略表示自主运载工具的操作环境中的一个或多个被遮挡外部对象的信息。例如,遮挡物可以是诸如交通标志、建筑物、树等的外部对象、所识别出的外部对象、或者能够在定义时空位置处相对于自主运载工具遮挡诸如外部对象等的一个或多个其它操作条件的任何其它操作条件或操作条件组合。在一些实施例中,操作环境监视器4200可以识别遮挡物,可以识别或确定外部对象被所识别出的遮挡物遮挡或隐藏的概率,并且可以在输出到AVOMC 4100并由AVOMC 4100通信至相应的SSOCEM 4300的操作环境数据中包括遮挡运载工具概率信息。
自主运载工具操作管理***4000可以包括任意数量的模型类型或模型类型的组合。例如,行人SSOCEM 4310、交叉路口SSOCEM 4320、车道变换SSOCEM 4330、合并SSOCEM4340和通过障碍物SSOCEM 4350可以是POMDP模型。在另一实例中,行人SSOCEM 4310可以是MDP模型,并且交叉路口SSOCEM 4320可以是POMDP模型。AVOMC 4100可以基于操作环境数据来实例化SSOCEM 4300的任意数量的实例。
对SSOCEM 4300实例进行实例化可以包括从SSOCEM 4300中识别模型并且实例化所识别出的模型的实例。例如,SSOCEM 4300可以包括针对相应的不同运载工具操作场景的主模型和辅模型,并且实例化SSOCEM 4300可以包括将主模型识别为当前模型并实例化主模型的实例。对模型进行实例化可以包括判断解决方案或策略是否可用于该模型。对模型进行实例化可以包括判断模型的可用解决方案或策略是被部分解决、还是被会聚并解决。实例化SSOCEM 4300可以包括实例化SSOCEM 4300的识别模型的解决方案或策略的实例。
解决诸如POMDP模型等的模型可以包括确定策略或解决方案,该策略或解决方案可以是使可通过评价用于定义模型的元组(诸如<S,A,Ω,T,O,R>)的元素的可能组合而确定的累积奖励最大化的函数。策略或解决方案可以基于所识别出的信念状态数据(beliefstate data)来识别或输出奖励最大化的或最优的候选运载工具控制动作。所识别出的信念状态数据(其可能是概率性的)可以指示当前状态数据(诸如相应模型的当前状态值集或当前状态值集的概率),并且可以与相应的相对时间位置相对应。例如,解决MDP模型可以包括从状态集(S)中识别状态、从动作集(A)中识别动作、在模拟受制于状态转变概率的动作之后从状态集(S)中确定后续或后继状态。各状态可以与相应的效用值相关联,并且解决MDP模型可以包括确定与状态、动作和后续状态的各可能组合相对应的相应效用值。后续状态的效用值可被识别为受制于奖励或惩罚(其可能是贴现的奖励或惩罚)的最大识别效用值。策略可以指示与相应状态的最大效用值相对应的动作。解决POMDP模型除了基于信念状态之外可以与解决MDP模型相同,表示相应状态的概率并受制于与生成相应状态的观察相对应的观察概率。因此,解决SSOCEM模型包括基于相应的动作和观察、诸如使用贝叶斯规则等来评价可能的状态-动作-状态转变并更新相应的信念状态。
在一些实现中,诸如MDP模型或POMDP模型等的模型可以通过评价其中建模的状态、信念状态或这两者以识别与可以省略的相应状态、信念状态或这两者相对应的计算、并且省略进行所识别出的计算来减少与解决相应模型相关联的资源利用率,这可以包括获得或维持当前质量的测度,诸如相应状态、信念状态或这两者的效用上限和下限等。在一些实现中,解决模型可以包括并行处理,诸如使用多个处理器核或使用多个处理器的并行处理,其中该多个处理器可以包括图形处理单元(GPU)。在一些实现中,解决模型可以包括获得模型的近似,这可以提高解决模型的效率。
图5是根据本发明的实施例的自主运载工具操作管理5000的示例的流程图。自主运载工具操作管理5000可以在自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具或实现自主驾驶的任何其它运载工具等)中实现。例如,自主运载工具可以实现自主运载工具操作管理***(诸如图4所示的自主运载工具操作管理***4000等)。
如图5所示,自主运载工具操作管理5000包括实现或操作自主运载工具操作管理***(包括自主运载工具操作管理***的一个或多个模块或组件),这可以包括:操作自主运载工具操作管理控制器(AVOMC)5100(诸如图4所示的AVOMC 4100等);操作操作环境监视器5200(诸如图4所示的一个或多个操作环境监视器4300等);以及操作场景特定操作控制评价模块实例(SSOCEM实例)5300(诸如图4所示的SSOCEM 4300的实例等)。
AVOMC 5100可以在5110处监视自主运载工具的操作环境或其定义方面,以识别自主运载工具的操作环境或其一方面。例如,操作环境监视器5200可以监视操作环境的场景特定方面,并且可以将表示操作环境的操作环境数据发送至AVOMC 5100。监视自主运载工具的操作环境可以包括在5110处识别和跟踪外部对象、在5120处识别不同运载工具操作场景、或这些操作的组合。例如,AVOMC 5100、操作环境监视器5200或这两者可以基于传感器数据、运载工具数据、路线数据、运载工具运输网络数据、先前识别的操作环境数据、或用于描述操作环境的一个或多个方面的任何其它可用数据或数据组合来识别操作环境数据。
识别操作环境可以包括识别表示操作环境或其一个或多个方面的操作环境数据。操作环境数据可以包括自主运载工具的运载工具信息、表示运载工具运输网络或其一个或多个方面的信息、对自主运载工具的接近度、表示在自主运载工具的操作环境内沿着或者接近针对自主运载工具所识别出的路线的外部对象或其一个或多个方面的信息、或者其组合。传感器信息可以是处理后传感器信息,诸如来自自主运载工具的传感器信息处理单元的处理后传感器信息,其中传感器信息处理单元可以从自主运载工具的传感器接收传感器信息并且可以基于传感器信息来生成处理后传感器信息。
识别操作环境数据可以包括从自主运载工具的传感器(诸如图1所示的传感器1360或图2所示的车载传感器2105等)接收指示操作环境的一个或多个方面的信息。自主运载工具的传感器或另一单元可以将传感器信息存储在自主运载工具的存储器(诸如图1所示的存储器1340等)中,并且AVOMC 5100从该存储器中读取传感器信息。
识别操作环境数据可以包括从运载工具运输网络数据中识别指示操作环境的一个或多个方面的信息。例如,AVOMC 5100可以读取或以其它方式接收指示自主运载工具正在靠近交叉路口、或以其它方式描述接近自主运载工具(诸如在自主运载工具的300米内)的运载工具运输网络的几何形状或配置的运载工具运输网络数据。
在5110处识别操作环境数据可以包括从位于自主运载工具外部的远程运载工具或其它远程装置中识别指示操作环境的一个或多个方面的信息。例如,自主运载工具可以经由无线电子通信链路从远程运载工具接收远程运载工具消息,该远程运载工具消息包括指示远程运载工具的远程运载工具地理空间状态信息、远程运载工具的远程运载工具运动状态信息或这两者的远程运载工具信息。
识别操作环境数据可以包括从表示自主运载工具的识别路线的路线数据中识别指示操作环境的一个或多个方面的信息。例如,AVOMC 5100可以读取或以其它方式接收表示自主运载工具的识别路线(诸如响应于用户输入而识别出的路线等)的运载工具运输网络数据。
AVOMC 5100和操作环境监视器5200可以如5110、5112和5210所指示地进行通信以识别操作环境信息。可选地或另外,操作环境监视器5200可以从自主运载工具的另一组件(诸如从自主运载工具的传感器或者从另一操作环境监视器5200等)接收操作环境数据,或者操作环境监视器5200可以从自主运载工具的存储器中读取操作环境数据。
AVOMC 5100可以诸如基于由5110处所识别的操作环境数据所表示的操作环境的一个或多个方面等,在5120处检测或识别一个或多个不同运载工具操作场景。
AVOMC 5100可以诸如响应于在5120处识别出不同运载工具操作场景而在5130处基于操作环境数据所表示的操作环境的一个或多个方面来实例化SSOCEM实例5300。尽管在图5中示出一个SSOCEM实例5300,但AVOMC 5100可以基于由5110处所识别出的操作环境数据表示的操作环境的一个或多个方面来实例化多个SSOCEM实例5300,各SSOCEM实例5300与5120处所检测到的相应的不同运载工具操作场景、或者5110处所识别出的不同外部对象和5120处所检测到的相应的不同运载工具操作场景的组合相对应。在5130处实例化SSOCEM实例5300可以包括如5132所指示地将表示自主运载工具的操作环境的操作环境数据发送到SSOCEM实例5300。SSOCEM实例5300可以在5310处接收表示自主运载工具的操作环境或其一个或多个方面的操作环境数据。在5130处实例化SSOCEM实例5300可以包括识别不同运载工具操作场景的模型(诸如主模型或辅模型等)、实例化模型的实例、识别与模型相对应的解决方案或策略、实例化解决方案或策略的实例、或这些操作的组合。
操作环境监视器5200可以包括阻塞监视器(诸如图4所示的阻塞监视器4210等),其可以针对运载工具运输网络的一个或多个部分(诸如运载工具运输网络的接近自主运载工具的部分等)在5220处确定相应可用概率(POA)或相应阻塞概率,该一个或多个部分可以包括运载工具运输网络中的与自主运载工具的预期路径(诸如基于自主运载工具的当前路线而识别出的预期路径等)相对应的部分。阻塞监视器可以在5222处将5220处所识别出的可用概率发送至SSOCEM实例5300。可选地或另外,阻塞监视器可以将5220处所识别出的可用概率存储在自主运载工具的存储器中。尽管没有在图5中明确示出,但是作为将可用概率发送至SSOCEM实例5300的附加或替代,阻塞监视器还可以在5222处将5220处所识别出的可用概率发送至AVOMC 5100。SSOCEM实例5300可以在5320处接收可用概率。
SSOCEM实例5300可以在5330处生成或识别候选运载工具控制动作。例如,SSOCEM实例5300可以响应于在5310处接收到操作环境数据、在5320处接收到可用概率数据或这两者而在5330处生成或识别候选运载工具控制动作。例如,针对不同运载工具操作场景的模型在5310处实例化的解决方案或策略的实例可以基于操作环境数据、可用概率数据或这两者来输出候选运载工具控制动作。SSOCEM实例5300可以在5332处向AVOMC 5100发送5330处所识别出的候选运载工具控制动作。可选地或另外,SSOCEM实例5300可以将5330处所识别出的候选运载工具控制动作存储在自主运载工具的存储器中。
AVOMC 5100可以在5140处接收候选运载工具控制动作。例如,AVOMC 5100可以在5140处从SSOCEM实例5300接收候选运载工具控制动作。可选地或另外,AVOMC 5100可以从自主运载工具的存储器中读取候选运载工具控制动作。
AVOMC 5100可以在5150处批准候选运载工具控制动作或以其它方式将候选运载工具控制动作识别为用于控制自主运载工具穿过运载工具运输网络的运载工具控制动作。在5150处批准候选运载工具控制动作可以包括根据候选运载工具控制动作判断是否要穿过运载工具运输网络的一部分。
AVOMC 5100可以根据5150处所识别出的运载工具控制动作而在5160处控制自主运载工具或者可以将所识别出的运载工具控制动作提供给另一运载工具控制单元以使自主运载工具穿过运载工具运输网络或其一部分。
AVOMC 5100可以在5170处识别自主运载工具的操作环境或其一方面。在5170处识别自主运载工具的操作环境或其一方面可以与在5110处识别自主运载工具的操作环境类似,并且可以包括更新先前识别出的操作环境数据。
AVOMC 5100可以在5180处判断或检测不同运载工具操作场景是已解决还是未解决。例如,如上所述,AVOMC 5100可以连续地或周期性地接收操作环境信息。AVOMC 5100可以评价操作环境数据,以判断不同运载工具操作场景是否已解决。
AVOMC 5100可以在5180处判断为与SSOCEM实例5300相对应的不同运载工具操作场景未解决,AVOMC 5100可以如5185处所指示地将5170处所识别出的操作环境数据发送到SSOCEM实例5300,并且在5180处去实例化SSOCEM实例5300可以省略或不同。
AVOMC 5100可以在5180处判断为不同运载工具操作场景已解决,并且可以在5190处去实例化与在5180处判断为已解决的不同运载工具操作场景相对应的SSOCEM实例5300。例如,AVOMC 5100可以在5120处识别形成自主运载工具的不同运载工具操作场景的不同操作条件集,可以在5180处判断为一个或多个操作条件已过期或者具有低于定义阈值的影响自主运载工具的操作的概率,并且可以去实例化相应SSOCEM 5300实例。
尽管在图5中没有明确示出,但AVOMC 5100可以在5170处连续地或周期性地重复识别或更新操作环境数据,在5180处判断不同运载工具操作场景是否解决,并且响应于在5180处判断为不同运载工具操作场景未解决而如5185处所指示地将5170处所识别出的操作环境数据发送至SSOCEM实例5300,直到在5180处判断不同运载工具操作场景是否解决包括判断为不同运载工具操作场景已解决为止。
图6是根据本发明的实施例的利用共享场景特定操作控制管理数据通信6000的自主运载工具操作管理的示例的流程图。利用共享场景特定操作控制管理数据通信6000的自主运载工具操作管理可以在自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具或实现自主驾驶的任何其它运载工具等)中实现。例如,自主运载工具可以实现自主运载工具操作管理***(诸如图4所示的自主运载工具操作管理***4000等),这可以包括根据本发明的实施例的利用共享场景特定操作控制管理数据通信6000来实现自主运载工具管理。利用共享场景特定操作控制管理数据通信6000的自主运载工具操作管理除了这里所述或以其它方式从上下文清楚可见之外可以与图5所示的自主运载工具操作管理5000相同。
如图6所示,利用共享场景特定操作控制管理数据通信6000的自主运载工具操作管理包括自主运载工具实现或操作自主运载工具操作管理***6100(包括自主运载工具操作管理***的一个或多个模块或组件),这可以包括:操作AVOMC 6200(诸如图4所示的AVOMC 4100或图5所示的AVOMC 5100等);操作操作环境监视器(未示出);以及操作SSOCEM实例6300(诸如图4所示的SSOCEM 4300的实例等)。
AVOMC 6200可以与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据。与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括:将共享场景特定操作控制管理数据或其一部分传送或发送至外部共享场景特定操作控制管理***6400;从外部共享场景特定操作控制管理***6400接收共享场景特定操作控制管理数据或其一部分;或者将共享场景特定操作控制管理数据的相应部分传送或发送至外部共享场景特定操作控制管理***6400以及从外部共享场景特定操作控制管理***6400接收共享场景特定操作控制管理数据的相应部分的组合。
自主运载工具操作管理***6100可以在非活动或静止模式下(诸如在停泊时或者在充电时等)进行操作。在非活动模式下进行操作可以包括如6202所指示地与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据。
如6202所指示地在非活动模式下与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括AVOMC 6200从外部共享场景特定操作控制管理***6400接收共享场景特定操作控制管理数据,该共享场景特定操作控制管理数据可以包括针对一个或多个不同运载工具操作场景的解决方案或策略数据、经验数据或这两者。AVOMC 6200可以根据***更新或根据运载工具运输网络信息更新等来接收作为推送通知的共享场景特定操作控制管理数据。
如6202所指示地在非活动模式下与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括AVOMC 6200从外部共享场景特定操作控制管理***6400接收对共享场景特定操作控制管理数据的请求,该共享场景特定操作控制管理数据可以包括针对所识别出的一个或多个不同运载工具操作场景的解决方案或策略数据、经验数据或这两者。该请求可以包括用于识别不同运载工具操作场景的信息。
如6202所指示地在非活动模式下与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括AVOMC 6200向外部共享场景特定操作控制管理***6400传送或发送共享场景特定操作控制管理数据,该共享场景特定操作控制管理数据可以包括最近生成的(诸如先前未发送的)的针对一个或多个不同运载工具操作场景的解决方案或策略数据、经验数据或这两者。AVOMC 6200可以自动地(诸如周期性地、响应于事件或两者兼有)发送共享场景特定操作控制管理数据。例如,AVOMC 6200可以响应于从外部共享场景特定操作控制管理***6400接收到针对不同运载工具操作场景的共享场景特定操作控制管理数据的请求,而向外部共享场景特定操作控制管理***6400发送不同运载工具操作场景的共享场景特定操作控制管理数据。在另一示例中,AVOMC 6200可以在充电时将最近生成的共享场景特定操作控制管理数据发送到外部共享场景特定操作控制管理***6400。
自主运载工具操作管理***6100可以在活动模式下(诸如响应于加电、启动、或者接收到指示当前目的地的信息(诸如响应于用户输入))进行操作。在活动模式下进行操作可以包括在6210处监视自主运载工具的操作环境、在6220处检测不同运载工具操作场景、在6230处与外部共享场景特定操作控制管理***6400进行通信、在6240处实例化SSOCEM实例6300、在6250处穿过运载工具运输网络、在6260处识别自主运载工具的操作环境、在6270处判断不同运载工具操作场景是否解决、在6280处去实例化SSOCEM实例6300、以及在6290处与外部共享场景特定操作控制管理***6400进行通信。
AVOMC 6200可以在6210处监视自主运载工具的操作环境或其定义方面,以识别自主运载工具的操作环境或其一方面。例如,操作环境监视器可以监视操作环境的场景特定方面,并且可以将表示操作环境的操作环境数据发送至AVOMC 6200。识别操作环境数据可以包括从表示自主运载工具的识别出的路线的路线数据中识别指示操作环境的一个或多个方面的信息。例如,AVOMC 6200可以读取或以其它方式接收表示自主运载工具的所识别出的路线(诸如响应于用户输入而识别出的路线等)的运载工具运输网络数据。
在另一示例中,AVOMC 6200可以诸如响应于用户输入等而接收指示当前目的地的信息,并且可以如6212所指示地将指示当前目的地的信息发送到外部共享场景特定操作控制管理***6400。在一些实现中,AVOMC 6200可以如6212处所指示地从外部共享场景特定操作控制管理***6400接收指示从自主运载工具的当前位置到目的地的路线的信息。
在另一示例中,AVOMC 6200可以诸如响应于用户输入等而接收指示当前目的地的信息,AVOMC 6200可以确定从自主运载工具的当前位置到目的地的路线,并且可以如6212所指示地将指示该路线的信息发送至外部共享场景特定操作控制管理***6400。
AVOMC 6200可以在6220处检测或识别一个或多个不同运载工具操作场景。例如,AVOMC 6200可以基于6210处所识别出的操作环境数据所表示的操作环境的一个或多个方面而在6220处检测或识别一个或多个不同运载工具操作场景。AVOMC 6200可以如6222所指示地将指示不同运载工具操作场景的信息发送至外部共享场景特定操作控制管理***6400。
在另一示例中,AVOMC 6200可以如6222处所指示地从外部共享场景特定操作控制管理***6400接收指示不同运载工具操作场景的信息。
在6230处与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括:在6230处将共享场景特定操作控制管理数据或其一部分(诸如共享场景特定操作控制管理规划数据部分等)传送或发送至外部共享场景特定操作控制管理***6400。
将共享场景特定操作控制管理规划数据部分发送至外部共享场景特定操作控制管理***6400可以包括将共享场景特定操作控制管理规划数据请求发送至外部共享场景特定操作控制管理***6400。共享场景特定操作控制管理规划数据请求可以指示针对与6220处所识别出的一个或多个不同运载工具操作场景相对应的共享场景特定操作控制管理规划数据(诸如策略数据、经验数据或其组合等)的请求。自主运载工具操作管理***6100可以在诸如6202处所示的其它时间或者响应于接收到用于发起请求的诸如用户输入等的输入而发送共享场景特定操作控制管理规划数据请求。
经验、历史或经历数据可以包括根据操作自主运载工具而生成、识别或确定的状态数据、信念数据、动作数据、观察数据或其任意组合。经验数据可以包括时间信息,诸如将经验数据识别为时间序列的时间信息等。
在6230处与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括将共享场景特定操作控制管理操作数据部分传送或发送至外部共享场景特定操作控制管理***6400,该共享场景特定操作控制管理操作数据部分可以包括与不同运载工具操作场景相对应的解决方案或策略数据、经验数据或这两者。例如,自主运载工具操作管理***6100可以识别与6220处所识别出的不同运载工具操作场景相对应的先前生成的解决方案或策略、先前生成的经验数据或这两者,并且自主运载工具操作管理***6100可以在6230处将包括先前生成的数据的共享场景特定操作控制管理操作数据部分发送至外部共享场景特定操作控制管理***6400。
共享场景特定操作控制管理操作数据部分可以包括受到隐私保护的数据。例如,共享场景特定操作控制管理操作数据部分可以包括诸如信念数据、动作数据和运载工具操作场景类型数据等的经验数据,并且可以省略用户或运载工具识别数据。在一些实现中,地理空间数据、时间数据或这两者可以包括在共享场景特定操作控制管理操作数据部分中。
在6230处与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括从外部共享场景特定操作控制管理***6400接收共享场景特定操作控制管理数据或其一部分(诸如所接收到的共享场景特定操作控制管理数据部分等)。例如,自主运载工具操作管理***6100可以作为对发送共享场景特定操作控制管理规划数据请求的响应而接收所接收到的共享场景特定操作控制管理数据部分,或者自主运载工具操作管理***6100可以作为推送通知而接收所接收到的共享场景特定操作控制管理数据部分,该推送通知可以对应于自主运载工具***更新或运载工具运输网络数据分发。
在6230处与外部共享场景特定操作控制管理***6400通信共享场景特定操作控制管理数据可以包括从外部共享场景特定操作控制管理***6400接收所接收到的共享场景特定操作控制管理数据请求部分。所接收到的共享场景特定操作控制管理数据请求可以指示不同运载工具操作场景、以及针对与所识别出的不同运载工具操作场景相对应的解决方案或策略数据、经验数据或这两者的请求。所接收到的共享场景特定操作控制管理数据请求可以是响应于在6230处将共享场景特定操作控制管理数据传送或发送至外部共享场景特定操作控制管理***6400而接收到的。尽管在图6中没有明确示出,但所接收到的共享场景特定操作控制管理数据请求可以由自主运载工具操作管理***6100独立于在6220处检测所定义的运载工具操作场景而接收到。
从外部共享场景特定操作控制管理***6400接收共享场景特定操作控制管理数据可以包括判断所接收到的共享场景特定操作控制管理数据部分是否包括恶意数据。判断所接收到的共享场景特定操作控制管理数据部分是否包括恶意数据可以包括确定所接收到的共享场景特定操作控制管理数据部分包括恶意数据的概率,并且判断所接收到的共享场景特定操作控制管理数据部分包括恶意数据的概率是否超过定义安全阈值。
所接收到的共享场景特定操作控制管理数据部分可以包括6220处所识别出的不同运载工具操作场景的模型的解决方案或策略,并且判断所接收到的共享场景特定操作控制管理数据部分是否包括恶意数据可以包括验证该解决方案或策略。
验证解决方案或策略可以包括基于相关定义度量来评价解决方案或策略中所指示的数据。例如,解决方案或策略可以包括与相应信念状态相关联的效用值,并且验证解决方案或策略可以包括:判断针对相应信念状态,效用值是否在相应定义范围内(诸如是否大于或等于定义的最小阈值并且小于或等于定义的最大阈值)。在另一示例中,解决方案或策略可以包括动作数据(诸如与可用动作相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断动作数据是否有效。例如,模型可以包括三个可用动作(其可以分别具有动作索引值0、1和2),解决方案或策略中具有动作索引值0、1和2的动作数据可被识别为有效动作数据,并且解决方案或策略中具有0、1和2以外的动作索引值的动作数据可被识别为无效。在另一示例中,解决方案或策略可以包括状态数据(诸如与可用状态相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断状态数据是否有效,这可以与验证动作数据类似。在另一示例中,解决方案或策略可以包括信念状态数据(诸如与可用信念状态相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断信念状态数据是否有效,这可以与验证动作数据类似。在另一示例中,解决方案或策略可以包括观察数据(诸如与可用观察相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断观察数据是否有效,这可以与验证动作数据类似。
解决方案或策略可以包括信念数据,并且验证解决方案或策略可以包括验证信念数据。例如,可以通过基于与所接收到的信念数据相对应的状态转变概率和观察概率确定相应的所计算出的信念数据来验证所接收到的信念数据。与所计算出的信念数据不同的所接收到的信念数据可被识别为无效或恶意数据。
验证解决方案或策略可以包括判断该策略是否指示与相应信念状态相对应的具有超过定义阈值的相应惩罚或负奖励的动作。指示具有超过相关定义阈值的惩罚的动作的策略可被识别为无效或恶意数据。
验证解决方案或策略可以包括基于一个或多个定义条件来评价策略。定义条件可以明确地识别状态或信念状态,并且可以指示与所识别出的状态或信念状态相关联的一个或多个无效动作。例如,定义条件可以指示出状态数据指示阻碍物正在阻挡自主运载工具的路径,并且可以指示加速动作作为无效动作。指示在定义条件下被识别为无效动作的动作的策略可被识别为无效或恶意数据。
验证解决方案或策略可以包括基于一个或多个空间约束来评价策略。例如,策略中所指示的信念状态可以与运载工具的第一相对空间位置和相应操作条件(诸如运载工具的轨迹和速度信息等)相对应,并且策略中所指示的后续信念状态可以与运载工具的第二相对空间位置相对应,并且基于空间约束来评价策略可以包括判断第一空间位置和第二空间位置之间的差是否超过阈值(诸如最大运动值等),其中该阈值可以基于相应的操作条件和动作来确定。
验证解决方案或策略可以包括识别该解决方案或策略与另一解决方案或策略之间的差异。例如,自主运载工具操作管理***6100可以接收针对不同运载工具操作场景的POMDP模型的解决方案或策略,自主运载工具操作管理***6100可以识别针对不同运载工具操作场景的MDP模型的解决方案或策略(这可以包括识别先前生成的解决方案或策略或者生成解决方案或策略),并且验证针对POMDP模型的解决方案或策略可以包括确定来自针对MDP模型的解决方案或策略的动作与来自针对POMDP模型的解决方案或策略的等效动作的比率(比较比率),其中相应动作基于MDP模型中的相应状态和POMDP模型中的坍塌信念状态之间的对应关系而相关。具有定义阈值内(诸如等于或小于定义阈值等)的比较比率的解决方案或策略可被识别为有效解决方案或策略,并且具有超过定义阈值(诸如大于定义阈值等)的比较比率的解决方案或策略可被识别为无效策略。
验证解决方案或策略可以包括基于策略来生成模拟经验数据并且验证经验数据。
所接收到的共享场景特定操作控制管理数据部分可以包括场景特定操作控制管理经验数据,并且判断所接收到的共享场景特定操作控制管理数据部分是否包括恶意数据可以包括验证场景特定操作控制管理经验数据。
验证场景特定操作控制管理经验数据可以包括时间验证。时间验证可以包括:从场景特定操作控制管理经验数据中识别操作状态和相应时间位置;从场景特定操作控制管理经验数据中识别与从所识别出的操作状态转变到后续操作状态相关联的运载工具控制动作;从场景特定操作控制管理经验数据中识别与后续操作状态相关联的时间位置;确定第一时间位置和第二时间位置之间的差;以及判断第一时间位置和第二时间位置之间的差是否在与根据所识别出的运载工具控制动作来从第一操作状态转变为后续操作状态相关联的定义时间转变范围内。超出定义时间转变范围(诸如小于定义时间转变范围的最小值或大于定义时间转变范围的最大值等)的时间差可被识别为指示恶意数据。在定义时间转变范围内(诸如大于或等于定义时间转变范围的最小值并且小于或等于定义时间转变范围的最大值等)的时间差可被识别为指示省略或不存在恶意数据。
响应于判断为所接收到的共享场景特定操作控制管理数据部分包括恶意数据(诸如响应于判断为所接收到的共享场景特定操作控制管理数据部分包括恶意数据的概率超过定义安全阈值等),AVOMC 6200可以省略使用所接收到的共享场景特定操作控制管理数据部分。例如,AVOMC 6200可以存储所接收到的共享场景特定操作控制管理数据部分以及所接收到的共享场景特定操作控制管理数据部分包括恶意数据的指示,或者AVOMC 6200可以删除所接收到的共享场景特定操作控制管理数据部分。
AVOMC 6200可以诸如响应于在6220处识别不同运载工具操作场景而在6240处基于操作环境数据所表示的操作环境的一个或多个方面来实例化SSOCEM实例6300。
在6240处实例化SSOCEM实例6300可以包括识别针对6220处所识别出的不同运载工具操作场景的模型的解决方案或策略。
识别针对6220处所识别出的不同运载工具操作场景的模型的解决方案或策略可以包括判断所接收到的共享场景特定操作控制管理数据部分是否包括与6220处所识别出的不同运载工具操作场景的模型相对应的解决方案或策略。例如,响应于判断为所接收到的共享场景特定操作控制管理数据部分包括恶意数据的概率在定义安全阈值内,识别针对场景特定操作控制评价模型的解决方案可以包括判断所接收到的共享场景特定操作控制管理数据部分是否包括与6220处所识别出的不同运载工具操作场景的模型相对应的解决方案或策略。所接收到的解决方案或策略可以基于相应模型的类型或分类而被识别为与6220处所识别出的不同运载工具操作场景的模型相对应。例如,所接收到的共享场景特定操作控制管理数据部分可以包括针对四路停车交叉路口场景的POMDP模型的解决方案或策略,6220处所识别出的不同运载工具操作场景可以是四路停车交叉路口场景,并且所接收到的共享场景特定操作控制管理数据部分中所包括的解决方案或策略可被识别为与6220处所识别出的不同运载工具操作场景相对应。所接收到的共享场景特定操作控制管理数据部分中所包括的解决方案或策略可以是基于在地理空间上、时间上或这两者上与6220处所识别出的不同运载工具操作场景不同的运载工具操作场景而生成的解决方案或策略。在一些实施例中,其它数据可用于使6220处所识别出的不同运载工具操作场景与所接收到的共享场景特定操作控制管理数据部分(诸如地理数据、时间数据或这两者等)中所指示的解决方案或策略相关。
所接收到的共享场景特定操作控制管理数据部分可以包括与6220处所识别出的不同运载工具操作场景的模型相对应的解决方案或策略,并且在6240处实例化SSOCEM实例6300可以包括将所接收到的共享场景特定操作控制管理数据部分中所指示的解决方案或策略识别为针对6220处所识别出的场景特定操作控制评价模型的解决方案或策略、并且实例化针对6220处所识别出的场景特定操作控制评价模型的解决方案或策略的实例。
识别针对6220处所识别出的不同运载工具操作场景的模型的解决方案或策略可以包括判断所接收到的共享场景特定操作控制管理数据部分是否包括与6220处所识别出的不同运载工具操作场景的模型相对应的经验数据。例如,响应于判断为所接收到的共享场景特定操作控制管理数据部分包括恶意数据的概率在定义安全阈值内,识别针对场景特定操作控制评价模型的解决方案可以包括判断所接收到的共享场景特定操作控制管理数据部分是否包括与6220处所识别出的不同运载工具操作场景的模型相对应的经验数据。
在6240处实例化SSOCEM实例6300可以包括生成针对6220处所识别出的场景特定操作控制评价模型的解决方案或策略。例如,AVOMC 6200可以识别用于生成针对6220处所识别出的场景特定操作控制评价模型的解决方案或策略的可用资源(诸如时间等),并且AVOMC 6200可以在6240处实例化SSOCEM实例6300,使得在6240处实例化SSOCEM实例6300包括生成针对6220处所识别出的场景特定操作控制评价模型的解决方案或策略。
例如,所接收到的共享场景特定操作控制管理数据部分可以包括与6220处所识别出的不同运载工具操作场景的模型相对应的经验数据,并且在6240处实例化SSOCEM实例6300可以包括:使用所接收到的共享场景特定操作控制管理数据部分中所包括的经验数据来生成针对6220处所识别出的场景特定操作控制评价模型的解决方案或策略;以及实例化所生成的针对6220处所识别出的场景特定操作控制评价模型的解决方案或策略的实例。使用所接收到的共享场景特定操作控制管理数据部分中所包括的经验数据来生成解决方案或策略可以包括判断为先前解决的或部分解决的解决方案或策略在自主运载工具处不可用。使用所接收到的共享场景特定操作控制管理数据部分中所包括的经验数据来生成解决方案或策略可以包括判断为先前解决的或部分解决的解决方案或策略在自主运载工具处可用、并且使用先前解决的或部分解决的解决方案或策略以及所接收到的共享场景特定操作控制管理数据部分中所包括的经验数据来生成解决方案或策略。使用所接收到的共享场景特定操作控制管理数据部分中所包括的经验数据来生成解决方案或策略可以包括识别在自主运载工具处可用的先前生成或接收到的经验数据、并且使用先前生成或接收到的经验数据以及所接收到的共享场景特定操作控制管理数据部分中所包括的经验数据来生成解决方案或策略。
自主运载工具操作管理***6100可以在6310处向外部共享场景特定操作控制管理***6400传送或发送共享场景特定操作控制管理数据,该共享场景特定操作控制管理数据可以包括最近生成(诸如先前未发送)的解决方案或策略数据。
在一些实现中,AVOMC 6200可以诸如响应于从外部共享场景特定操作控制管理***6400接收到针对解决方案或策略的请求或生成解决方案或策略的指示而实例化SSOCEM实例6300以生成相应的解决方案或策略。
在一些实现中,AVOMC 6200可以响应于获得针对相应不同运载工具操作场景的解决方案或策略而暂停或去实例化SSOCEM实例6300。例如,AVOMC 6200可以响应于从外部共享场景特定操作控制管理***6400接收到针对解决方案或策略的请求或生成解决方案或策略的指示而实例化SSOCEM实例6300以生成相应的解决方案或策略,并且可以响应于获得针对相应不同运载工具操作场景的解决方案或策略而暂停或去实例化SSOCEM实例6300。在另一示例中,AVOMC 6200可以响应于判断为自主运载工具的当前位置和与不同运载工具操作场景相关联的位置之间的差超过定义阈值而暂停或去实例化SSOCEM实例6300。AVOMC6200可以响应于判断为自主运载工具的当前位置和与不同运载工具操作场景相关联的位置之间的差在定义阈值内而恢复或重新实例化SSOCEM实例6300。
SSOCEM实例6300可以在6310处生成或识别候选运载工具控制动作。SSOCEM实例6300可以向AVOMC 6200发送6310处所识别出的候选运载工具控制动作。
AVOMC 6200可以将候选运载工具控制动作识别为用于穿过运载工具运输网络的运载工具控制动作,并且可以根据所识别出的运载工具控制动作而在6250处控制自主运载工具或者将所识别出的运载工具控制动作提供给自主运载工具的另一运载工具控制单元以控制自主运载工具穿过运载工具运输网络或其一部分。在6250处穿过运载工具运输网络或其一部分可以包括生成与SSOCEM实例6300的相应策略相对应的经验数据(诸如最近的经验数据等)。
AVOMC 6200可以在6260处识别自主运载工具的操作环境或其一方面。在6260处识别自主运载工具的操作环境或其一方面可以与在6210处识别自主运载工具的操作环境类似,并且可以包括更新先前识别的操作环境数据。AVOMC 6200可以在6270处判断或检测不同运载工具操作场景是已解决还是未解决。例如,如上文所述,AVOMC 6200可以连续地或周期性地接收操作环境信息。AVOMC 6200可以评价操作环境数据,以判断不同运载工具操作场景是否已解决。AVOMC 6200可以在6270处判断为与SSOCEM实例6300相对应的不同运载工具操作场景未解决,AVOMC 6200可以如所指示地将6260处所识别出的操作环境数据发送至SSOCEM实例6300,并且在6280处去实例化SSOCEM实例6300可以省略或不同。AVOMC 6200可以在6270处判断为不同运载工具操作场景已解决,并且可以在6280处去实例化与在6270处被判断为解决的不同运载工具操作场景相对应的SSOCEM实例6300。
自主运载工具操作管理***6100可以在6290处向外部共享场景特定操作控制管理***6400传送或发送共享场景特定操作控制管理数据,该共享场景特定操作控制管理数据可以包括6250处所生成的、最近生成(诸如先前未发送)的经验数据。
图7是可以实现这里公开的方面、特征和元素的诸如集中式共享场景特定操作控制管理装置等的计算和通信装置的示例的图。如图所示,计算和通信装置7000(诸如图4所示的通信装置2400等)包括动力源7100、电子通信单元7200、处理器7300、存储器7400、用户接口7500、传感器7600和通信总线7700。尽管被示出为单个单元,但计算和通信装置7000的任何一个或多个元件可以集成到任意数量的单独物理单元中。例如,用户接口7500和处理器7300可以集成在第一物理单元中,并且存储器7400可以集成在第二物理单元中。尽管被示出为单独元件,但动力源7100、电子通信单元7200、处理器7300、存储器7400、用户接口7500、传感器7600、通信总线7700或其任意组合可以集成在一个或多个电子单元、电路或芯片中。在一些实施例中,计算和通信装置7000可以省略所示元件中的一个或多个。例如,可以省略传感器7600。
动力源7100可以包括外部动力源接口、动力清除器、动力接收器、势能单元或其组合。动力源7100除了这里所指示或以其它方式从上下文清楚可见之外可以与动力源1210相同。动力源7100可以是可操作地提供诸如电能等的能量的任何装置或装置组合。
处理器7300可以包括现有的或随后开发的能够操纵或处理信号或其它信息的任何装置或装置组合,包括光学处理器、量子处理器、分子处理器或其组合。处理器7300除了这里所指示或以其它方式从上下文清楚可见之外可以与图1所示的处理器1330相同。处理器7300可以可操作地与动力源7100、存储器7400、电子通信单元7200、用户接口7500、传感器7600、通信总线7700或其任意组合耦接。例如,处理器可以可操作地经由通信总线7700与存储器7400耦接。
存储器7400可以包括任何有形的非暂时性计算机可用或计算机可读介质,其例如能够包含、存储、通信或传输机器可读指令或与其相关联的任何信息以供处理器7300或结合处理器7300使用。存储器7400除了这里所指示或以其它方式从上下文清楚可见之外可以与图1所示的存储器1340相同。
通信单元7200除了这里所指示或以其它方式从上下文清楚可见之外可以与图1所示的通信单元1320相同。通信单元7200可以包括通信接口7210。通信单元7200可以经由有线或无线电子通信介质7800(诸如经由通信接口7210等)来发送或接收信号。尽管在图7中没有明确示出,但通信单元7200可被配置为经由任何有线或无线通信介质(诸如射频(RF)、紫外光(UV)、可见光、光纤、有线线路或其组合等)来进行发送、接收或这两者。尽管图7示出单个通信单元7200和单个通信接口7210,但是可以使用任意数量的通信单元和任意数量的通信接口。
通信接口7210可以是无线天线(如图所示)、有线通信端口、光通信端口、或者能够与有线或无线电子通信介质7800接合的任何其它有线或无线单元。通信接口7210除了这里所指示或以其它方式从上下文清楚可见之外可以与图1所示的电子通信接口1370相同。尽管图7示出经由单个通信链路进行通信的通信接口7210,但是该通信接口可被配置为经由多个通信链路进行通信。
用户接口7500可以包括能够与人交互的任何单元,诸如虚拟或物理键盘、触摸板、显示器、触摸显示器、平视显示器、虚拟显示器、增强现实显示器、触觉显示器、诸如眼动跟踪装置等的特征跟踪装置、扬声器、麦克风、摄像机、传感器、打印机或其任意组合等。用户接口7500除了这里所指示或以其它方式从上下文清楚可见之外可以与图1所示的用户接口1350相同。
传感器7600除了这里所指示或以其它方式从上下文清楚可见之外可以与图1所示的传感器1360相同。
尽管图7中未示出,但计算和通信装置7000可以包括图7中未示出的单元或元件,诸如外壳、蓝牙模块、调频(FM)无线电单元、近场通信(NFC)模块、液晶显示器(LCD)显示单元、有机发光二极管(OLED)显示单元、扬声器或其任何组合等。
图8是根据本发明的实施例的集中式共享场景特定操作控制管理8000的示例的流程图。共享场景特定操作控制管理8000可以在计算和通信装置(诸如图7所示的计算和通信装置7000或图2所示的通信装置2400等)中实现。例如,实现共享场景特定操作控制管理8000的计算和通信装置可以是集中式共享场景特定操作控制管理装置,该集中式共享场景特定操作控制管理装置除了这里所述或以其它方式从上下文清楚可见之外可以与图6所示的外部共享场景特定操作控制管理***6400相同。集中式共享场景特定操作控制管理装置可以实现用于共享场景特定操作控制管理的人工智能单元。
共享场景特定操作控制管理8000可以包括与诸如自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一)等的一个或多个外部装置的共享场景特定操作控制管理数据通信,该共享场景特定操作控制管理数据通信除了这里所述或以其它方式从上下文清楚可见之外可以与图6中的6202、6212、6222、6230、6310和6290处所示的共享场景特定操作控制管理数据通信相同。
如图8所示,共享场景特定操作控制管理8000包括:在8100处接收共享场景特定操作控制管理(SSSOCM)输入数据;在8200处验证共享场景特定操作控制管理输入数据;在8300处识别当前的不同运载工具操作场景;在8400处生成共享场景特定操作控制管理输出数据;以及在8500处发送共享场景特定操作控制管理输出数据或其一部分。
集中式共享场景特定操作控制管理装置可以维持共享场景特定操作控制管理数据。例如,集中式共享场景特定操作控制管理装置可以将共享场景特定操作控制管理数据写入或存储到数据存储单元、结构或装置(诸如集中式共享场景特定操作控制管理装置的数据库等),并且可以从数据存储单元读取或以其它方式访问共享场景特定操作控制管理数据。共享场景特定操作控制管理数据可以包括:不同运载工具操作场景数据,诸如不同运载工具操作场景定义数据等;模型数据,其可以与相应的不同运载工具操作场景数据相关联;策略数据,其可以与相应模型数据相关联;经验数据,其可以与相应策略数据相关联;或任何其它共享场景特定操作控制管理数据。
可以在8100处接收共享场景特定操作控制管理输入数据。例如,共享场景特定操作控制管理输入数据可以由集中式共享场景特定操作控制管理装置经由电子通信从诸如自主运载工具等的一个或多个外部装置接收。接收共享场景特定操作控制管理输入数据可以包括将从中接收到共享场景特定操作控制管理输入数据的外部装置识别为当前运载工具、当前装置或当前自主运载工具。
所接收到的共享场景特定操作控制管理输入数据可以包括策略数据、经验数据、策略可用性数据、经验可用性数据、路线数据、起点数据、目的地数据、不同运载工具操作场景数据、运载工具配置数据、运载工具操作状态数据、或者可用于共享场景特定操作控制管理的任何其它数据或数据组合。
策略数据可以包括针对不同运载工具操作场景的策略或解决方案。经验、历史或经历数据可以包括根据操作自主运载工具而生成、识别或确定的状态数据、信念数据、动作数据、观察数据或其任意组合。经验数据可以包括时间信息,诸如将经验数据识别为时间序列的时间信息等。策略可用性数据可以包括针对不同运载工具操作场景的策略在自主运载工具处可用的指示。经验可用性数据可以指示针对不同运载工具操作场景的经验数据在自主运载工具处可用。路线数据可以指示供运载工具从起点穿过运载工具运输网络至目的地的路线。起点数据可以指示运载工具运输网络中的地理空间位置(诸如自主运载工具的当前地理空间位置等),并且可以包括时间数据。目的地数据可指示运载工具运输网络中的目标地理空间位置,并且可以包括时间数据(诸如目标到达时间等)。不同运载工具操作场景数据可以指示自主运载工具所识别出的一个或多个不同运载工具操作场景,诸如沿路线的不同运载工具操作场景等。运载工具配置数据可以例如指示自主运载工具的传感器能力信息。运载工具操作状态数据可以指示自主运载工具的当前状态,诸如发送状态、加速状态、定向控制状态或动力源状态等。
例如,集中式共享场景特定操作控制管理装置可以诸如周期性地、响应于事件、或者响应于来自集中式共享场景特定操作控制管理装置的请求等而接收共享场景特定操作控制管理输入数据(包括经验数据、策略数据或其组合)。在另一示例中,集中式共享场景特定操作控制管理装置可以接收指示针对共享场景特定操作控制管理数据的请求的共享场景特定操作控制管理输入数据,诸如针对一个或多个不同运载工具操作场景的策略数据等。
在8100处接收到的共享场景特定操作控制管理输入数据可以在8200处进行验证。验证共享场景特定操作控制管理输入数据可以包括判断8100处所接收到的共享场景特定操作控制管理输入数据是否包括恶意数据。判断共享场景特定操作控制管理输入数据是否包括恶意数据可以包括确定共享场景特定操作控制管理输入数据包括恶意数据的概率、以及判断共享场景特定操作控制管理输入数据包括恶意数据的概率是否超过定义安全阈值。
例如,共享场景特定操作控制管理输入数据可以包括策略数据,并且验证共享场景特定操作控制管理输入数据可以包括验证策略数据。在图9中示出验证策略数据的示例。在另一示例中,共享场景特定操作控制管理输入数据可以包括经验数据,并且验证共享场景特定操作控制管理输入数据可以包括验证经验数据。在图10中示出验证经验数据的示例。
可以在8300处识别当前的不同运载工具操作场景。可以基于共享场景特定操作控制管理输入数据来识别当前的不同运载工具操作场景。例如,共享场景特定操作控制管理输入数据可以包括指示当前的不同运载工具操作场景的不同运载工具操作场景标识符。在另一示例中,共享场景特定操作控制管理输入数据可以包括策略数据、经验数据或这两者,并且可以基于策略数据、经验数据或其组合来识别当前的不同运载工具操作场景。
8100处所接收到的共享场景特定操作控制管理输入数据可以包括状态数据(诸如运载工具状态数据、运载工具操作环境状态数据或其组合等),并且在8300处识别当前的不同运载工具操作场景可以包括基于状态数据来识别当前的不同运载工具操作场景,该操作除了这里所述或以其它方式从上下文清楚可见之外可以与如图5中的5120处所指示地检测场景相同。
共享场景特定操作控制管理输入数据可以包括起点数据和目的地数据,并且在8300处识别当前的不同运载工具操作场景可以包括生成指示供源自主运载工具从起点数据所指示的起点穿过运载工具运输网络至目的地数据所指示的目的地的一个或多个路线的路线数据。
例如,集中式共享场景特定操作控制管理装置可以判断为共享场景特定操作控制管理输入数据包括起点标识符和目的地标识符。起点标识符可以指示运载工具运输网络中的起点位置(诸如地理位置等)。目的地标识符可以指示运载工具运输网络中的目的地位置(诸如地理位置等)。集中式共享场景特定操作控制管理装置可以判断为共享场景特定操作控制管理输入数据省略了路线,并且在8300处识别当前的不同运载工具操作场景可以包括生成供运载工具(其可以是自主运载工具)从起点位置穿过运载工具运输网络至目的地位置的当前路线。
共享场景特定操作控制管理输入数据可以包括与起点位置相关联的时间位置数据,并且生成路线可以包括基于运载工具根据相应时间位置离开起点位置来生成路线。共享场景特定操作控制管理输入数据可以包括与目的地位置相关联的时间位置数据,并且生成路线可以包括生成路线以使得运载工具在目的地位置处的预期到达与相应时间位置相对应。
共享场景特定操作控制管理输入数据可以包括路线数据,或者可以基于场景特定操作控制输入数据来生成路线数据,并且在8300处识别当前的不同运载工具操作场景可以包括基于路线数据来识别一个或多个不同运载工具操作场景。例如,集中式共享场景特定操作控制管理装置可以判断为共享场景特定操作控制管理输入数据包括路线,并且该路线可被识别为当前路线。
在8300处识别当前的不同运载工具操作场景可以包括基于当前路线来识别当前的不同运载工具操作场景。例如,集中式共享场景特定操作控制管理装置可以评价运载工具运输网络地图数据,以识别沿路线的不同运载工具操作场景。
在一些实施例中,共享场景特定操作控制管理输入数据可以包括指示自主运载工具所识别出的一个或多个不同运载工具操作场景的不同运载工具操作场景数据,并且集中式共享场景特定操作控制管理装置可以评价运载工具运输网络地图数据以验证自主运载工具所识别出的不同运载工具操作场景,这可以包括识别沿路线的一个或多个不同运载工具操作场景、而不是自主运载工具所识别出的不同运载工具操作场景。
尽管按顺序示出,但在8200处验证输入数据和在8300处识别当前的不同运载工具操作场景可以重叠或可以组合。
在8300处识别当前的不同运载工具操作场景可以包括判断共享场景特定操作控制管理输入数据是否指示策略覆盖。例如,共享场景特定操作控制管理输入数据可以包括针对不同运载工具操作场景的策略的策略覆盖的指示,并且集中式共享场景特定操作控制管理装置可以判断为共享场景特定操作控制管理输入数据可以包括针对不同运载工具操作场景的策略的策略覆盖的指示。
策略覆盖可以指示:源自主运载工具先前通过进行与策略覆盖所指示的不同运载工具操作场景所指示的运载工具控制动作不同的运载工具控制动作来穿过不同运载工具操作场景。为了简单和清除起见,这里可以将策略覆盖所指示的不同运载工具操作场景称为源场景,并且可以将针对源场景的策略称为源策略。
集中式共享场景特定操作控制管理装置可以确定源场景的场景分支度量。例如,集中式共享场景特定操作控制管理装置可以读取或以其它方式访问各相应的不同运载工具操作场景的一个或多个场景分支度量。访问相应的不同运载工具操作场景的场景分支度量可以包括基于与相应的不同运载工具操作场景相关联的先前识别的经验数据来生成相应的不同运载工具操作场景的场景分支度量。场景分支度量可以包括针对相应的不同运载工具操作场景的先前接收到的策略覆盖指示的基数、相应的近期信息、或相应的频率信息等。集中式共享场景特定操作控制管理装置可以将共享场景特定操作控制管理输入数据中所指示的策略覆盖数据包括在当前的不同运载工具操作场景的场景分支度量中。
集中式共享场景特定操作控制管理装置可以判断场景分支度量是否在场景分支阈值内。例如,集中式共享场景特定操作控制管理装置可以判断针对不同运载工具操作场景的策略覆盖的基数是否超过(诸如大于)场景分支阈值所指示的策略覆盖的定义基数。
集中式共享场景特定操作控制管理装置可以判断为场景分支度量在场景分支阈值内(诸如小于或等于场景分支阈值),并且可以将源场景识别为当前的不同运载工具操作场景。
在另一示例中,集中式共享场景特定操作控制管理装置可以判断为场景分支度量超过(诸如大于)场景分支阈值,并且可以基于源场景来识别当前的不同运载工具操作场景。
基于源场景来识别当前的不同运载工具操作场景可以包括识别分支因子,诸如与策略覆盖相关联的源场景的一方面或与策略覆盖相关联的操作条件等。例如,集中式共享场景特定操作控制管理装置可以判断为在定义时间段(诸如高流量时间段等,诸如高峰期等)内的策略覆盖的基数超过场景分支阈值。在另一示例中,集中式共享场景特定操作控制管理装置可以判断为针对定义地理空间位置处的源场景的实例的策略覆盖的基数超过场景分支阈值。在另一示例中,集中式共享场景特定操作控制管理装置可以判断为与定义天气条件相关联的策略覆盖的基数超过场景分支阈值。可以使用其它分支因子或分支因子组合。在示例中,集中式共享场景特定操作控制管理装置可以将同策略覆盖相关联的经验数据与同源策略相关联的其它经验数据进行比较,以识别状态数据、信念状态数据或这两者,识别在策略覆盖经验数据中相似、在其它经验数据中相似并且在策略覆盖经验数据与其它经验数据之间不相似的分支因子。
基于源场景来识别当前的不同运载工具操作场景可以包括:通过分支、复制或克隆源场景来生成当前的不同运载工具操作场景,并基于分支因子来修改当前的不同运载工具操作场景,使得与源场景相对应并且省略分支因子的不同运载工具操作场景可被识别为源场景,而与源场景相对应并且包括分支因子的不同运载工具操作场景可被识别为当前的不同运载工具操作场景。集中式共享场景特定操作控制管理装置可以与源不同运载工具操作场景分开地存储或以其它方式维持当前的、分支的不同运载工具操作场景。生成分支的不同运载工具操作场景可以包括复制与源场景相关联的经验数据、与源场景相关联的模型数据或这两者。源场景的模型的概率(诸如状态转变概率和观察概率等)可以与分支场景的相应的模型的概率不同。
可以在8400处生成共享场景特定操作控制管理输出数据或其一部分。尽管在图8中、在8400处生成共享场景特定操作控制管理输出数据被示出为在8100处接收共享场景特定操作控制管理输入数据之后,但在8400处生成共享场景特定操作控制管理输出数据或其一部分可以在8100处接收共享场景特定操作控制管理输入数据之前、在8100处接收共享场景特定操作控制管理输入数据之后、或两者兼有。
集中式共享场景特定操作控制管理装置可以在8400处生成共享场景特定操作控制管理输出数据或其一部分。例如,集中式共享场景特定操作控制管理装置可以周期性地或者响应于事件来分发共享场景特定操作控制管理数据(诸如策略数据、模型数据、经验数据或可用于共享场景特定操作控制管理的任何其它数据等)。在另一示例中,集中式共享场景特定操作控制管理装置可以通过将所请求的策略数据包括在共享场景特定操作控制管理输出数据中来响应于针对策略数据的请求。在另一示例中,集中式共享场景特定操作控制管理装置可以将生成当前的不同运载工具操作场景的策略数据的请求包括在共享场景特定操作控制管理输出数据中。
在8400处生成共享场景特定操作控制管理输出数据可以包括判断为当前的不同运载工具操作场景的当前策略可用、并且将当前策略包括在共享场景特定操作控制管理输出数据中。在8400处生成共享场景特定操作控制管理输出数据可以包括判断当前的不同运载工具操作场景的当前经验数据是否可用。例如,集中式共享场景特定操作控制管理装置可以读取或以其它方式访问与当前的不同运载工具操作场景相关联的信息存储单元,以判断当前经验数据是否可用。集中式共享场景特定操作控制管理装置可以判断为当前的不同运载工具操作场景的当前经验数据可用,并且可以将当前的不同运载工具操作场景的当前经验数据包括在共享场景特定操作控制管理输出数据中。
在8400处生成共享场景特定操作控制管理输出数据或其一部分可以包括诸如通过存储、记录或以其它方式维持指示当前运载工具与当前的不同运载工具操作场景之间的关联的信息来使8100处所识别出的当前运载工具与8300处所识别出的当前的不同运载工具操作场景相关联。指示当前运载工具与当前的不同运载工具操作场景之间的关联的信息可以包括时间信息,诸如指示该关联的时间有效期的信息等。
在8400处生成共享场景特定操作控制管理输出数据或其一部分可以包括诸如通过读取或以其它方式访问先前存储的信息来识别当前与当前的不同运载工具操作场景相关联的其它运载工具(诸如自主运载工具等),其可能包括当前运载工具,该先前存储的信息指示该其它运载工具与当前的不同运载工具操作场景之间的相应关联,这可以包括判断为关联信息在时间上是有效的(诸如未过期等)。识别与当前的不同运载工具操作场景相关联的自主运载工具可以包括基于一个或多个分组或聚类标准(诸如时间接近度、空间接近度或其组合等)来识别自主运载工具。
例如,集中式共享场景特定操作控制管理装置可以从第一自主运载工具接收指示第一自主运载工具的路线的共享场景特定操作控制管理输入数据。集中式共享场景特定操作控制管理装置可以识别沿着第一自主运载工具的路线的不同运载工具操作场景。集中式共享场景特定操作控制管理装置可以从第二自主运载工具接收指示第二自主运载工具的路线的共享场景特定操作控制管理输入数据。第一自主运载工具的路线可以在地理上与第二自主运载工具的路线重叠,或者第一自主运载工具的路线可以在地理上与第二自主运载工具的路线不同。集中式共享场景特定操作控制管理装置可以基于第二自主运载工具的路线来识别第二自主运载工具的不同运载工具操作场景。基于第一自主运载工具的路线针对第一自主运载工具所识别出的一个或多个不同运载工具操作场景可以与基于第二自主运载工具的路线针对第二自主运载工具所识别出的不同运载工具操作场景中的相应的不同运载工具操作场景相对应,并且集中式共享场景特定操作控制管理装置可以将第一自主运载工具和第二自主运载工具识别为与相应的不同运载工具操作场景相关联的自主运载工具。
在8400处生成共享场景特定操作控制管理输出数据或其一部分可以包括判断当前的不同运载工具操作场景的当前策略是否可用。例如,集中式共享场景特定操作控制管理装置可以读取或以其它方式访问与当前的不同运载工具操作场景相关联的信息存储单元,以判断当前策略是否可用。判断当前策略是否可用可以包括判断针对集中式共享场景特定操作控制管理装置先前所识别出的当前的不同运载工具操作场景的策略是否已过期或者是否未进行优化。例如,集中式共享场景特定操作控制管理装置可以判断为与生成先前识别出的策略相对应的时间位置在与接收到的当前的不同运载工具操作场景的经验数据相对应的时间位置之前,并且可以判断为先前识别出的策略已过期。
在8400处生成共享场景特定操作控制管理输出数据或其一部分可以包括确定用于生成当前策略的预期复杂性度量。例如,集中式共享场景特定操作控制管理装置可以判断为针对当前的不同运载工具操作场景的当前策略不可用,并且可以确定用于生成当前策略的预期复杂性度量。预期复杂性度量可以指示用于生成针对当前的不同运载工具操作场景的策略的资源(诸如处理器资源、时间资源或其组合等)的预期量。预期复杂性度量可以例如基于当前的不同运载工具操作场景的模型的类型来确定。
在8400处生成共享场景特定操作控制管理输出数据或其一部分可以包括判断用于生成当前策略的足够可用资源在与当前的不同运载工具操作场景相关联的当前运载工具处或者一个或多个其它运载工具处是否可用。例如,集中式共享场景特定操作控制管理装置可以基于预期复杂性度量来识别用于生成当前策略的资源,并且可以基于所识别出的资源可用性信息来识别在相应运载工具处可用的资源。可用资源可以是如下的资源,这些资源可以包括通信带宽、数据存储资源、处理资源、时间资源(诸如相应运载工具和当前的不同运载工具操作场景之间的时间距离等)、或者可用于生成策略的任何其它资源。
尽管在图8中没有单独示出,但共享场景特定操作控制管理8000可以包括生成指示针对资源可用性信息的请求的共享场景特定操作控制管理输出数据或其一部分并将其发送至一个或多个运载工具(诸如与当前的不同运载工具操作场景相关联的当前运载工具以及其它运载工具等)、以及从一个或多个运载工具(诸如与当前的不同运载工具操作场景相关联的当前运载工具或者其它运载工具等)接收指示相应运载工具的当前资源可用性信息的共享场景特定操作控制管理输入数据。
在8400处生成共享场景特定操作控制管理输出数据或其一部分可以包括识别具有足够可用资源的目标自主运载工具、并将使目标自主运载工具生成当前策略的请求包括在共享场景特定操作控制管理输出数据中。例如,可以包括识别目标自主运载工具,使得运载工具之间的资源利用率均匀分布。在另一示例中,具有足够可用资源以及到当前的不同运载工具操作场景的最小接近度的运载工具可被识别为目标自主运载工具。
在一些实施例中,集中式共享场景特定操作控制管理装置可以从多个运载工具接收时间上重叠的路线规划信息。集中式共享场景特定操作控制管理装置可以确定共通性,诸如不同运载工具操作场景的共通性等。集中式共享场景特定操作控制管理装置可以识别用于生成针对多个不同运载工具操作场景的相应策略的相应目标自主运载工具,并且可以将生成相应策略的相应请求包括在共享场景特定操作控制管理输出数据中。
在8400处生成共享场景特定操作控制管理输出数据或其一部分可以包括判断为具有足够可用资源的目标自主运载工具不可用,并且集中式共享场景特定操作控制管理装置可以生成当前策略。在一些实施例中,集中式共享场景特定操作控制管理装置可以省略识别可用资源,并且可以生成当前策略。
生成当前策略除了这里所述或以其它方式从上下文清楚可见之外可以与图6所示的策略生成相同。生成当前策略可以包括识别当前的不同运载工具操作场景的定义模型(诸如POMDP模型等)。例如,生成当前策略可以包括识别针对当前的不同运载工具操作场景的先前接收到或获得的经验数据(诸如先前从一个或多个自主运载工具接收到的经验数据等),并基于先前获得的经验数据来解决模型。集中式共享场景特定操作控制管理装置可以识别针对当前的不同运载工具操作场景的定义模型的先前识别出的策略或解决方案,可以识别使用所识别出的策略生成的后续生成的经验数据,并且可以通过基于后续生成的经验数据更新先前识别出的策略或解决方案来生成当前策略或解决方案(增强或模型学习)。生成当前策略可以包括进行函数逼近(这可以包括识别信念状态的分组)、进行信念点压缩(这可以将信念集映射到较小的信念集)。
在一些实施例中,集中式共享场景特定操作控制管理装置可以将诸如自主运载工具等的多个外部装置识别为集群,并且可以将使集群生成当前策略的请求包括在共享场景特定操作控制管理输出数据中。该请求可以指示相应运载工具的相应信念点数据。
在8400处生成的共享场景特定操作控制管理输出数据可以包括受到隐私保护的数据,并且可能省略不受保护的数据。
共享场景特定操作控制管理输出数据或其一部分可以在8500处发送。例如,共享场景特定操作控制管理输出数据可以经由有线或无线电子通信介质从集中式共享场景特定操作控制管理装置输出、发送、传送或以其它方式通信至诸如自主运载工具等的外部装置。
集中式共享场景特定操作控制管理装置可以在8400处生成共享场景特定操作控制管理输出数据,并且可以在8500处将共享场景特定操作控制管理输出数据或其一部分传送、发送或以其它方式电子通信至一个或多个自主运载工具。例如,集中式共享场景特定操作控制管理装置可以将生成当前策略的请求包括在共享场景特定操作控制管理输出数据中,并且发送共享场景特定操作控制管理输出数据可以包括将共享场景特定操作控制管理输出数据或其一部分发送至8400处所识别出的目标运载工具。
在另一示例中,8100处所接收到的共享场景特定操作控制管理输入数据可以包括来自当前自主运载工具的针对当前的不同运载工具操作场景的策略数据的请求,集中式共享场景特定操作控制管理装置可以在8300处识别当前的不同运载工具操作场景的可用策略数据,集中式共享场景特定操作控制管理装置可以将针对当前的不同运载工具操作场景的策略数据包括在8400处的共享场景特定操作控制管理输出数据中,并且集中式共享场景特定操作控制管理装置可以在8500处将共享场景特定操作控制管理输出数据或其一部分输出、传送、发送或以其它方式电子通信至源自主运载工具。
在示例中,共享场景特定操作控制管理8000可以包括自主运载工具在8400处生成共享场景特定操作控制管理输出数据或其一部分(包括由自主运载工具先前生成的经验数据,诸如未报告数据等)、并在8500处将共享场景特定操作控制管理输出数据或其一部分发送至集中式共享场景特定操作控制管理装置。
例如,自主运载工具可以在穿过相应的不同运载工具操作场景之后生成并发送共享场景特定操作控制管理输出数据或其一部分,或者自主运载工具可以周期性地或响应于事件(诸如在非活动或静止模式下,诸如在停泊时或者在充电时等)来生成并发送输出。由自主运载工具在8400处生成并在8500处发送并由集中式共享场景特定操作控制管理装置在8100处接收作为共享场景特定操作控制管理输入数据的共享场景特定操作控制管理输出数据或其一部分可以包括分别与多个不同运载工具操作场景相关联的经验数据。例如,经验数据的第一部分可以与第一不同运载工具操作场景相关联,并且经验数据的第二部分可以与第二不同运载工具操作场景相关联。经验数据的各部分可以如8200和8300处所示进行验证和处理,并且输入经验数据的各部分的相应的处理后经验数据可以如8400和8500处所示进行分发。
由自主运载工具在8500处发送的数据可以由集中式共享场景特定操作控制管理装置在8100处接收作为共享场景特定操作控制管理输入数据。集中式共享场景特定操作控制管理装置可以在8200处验证共享场景特定操作控制管理输入数据。在8200处验证经验数据可以包括在8300处识别与经验数据相对应的不同运载工具操作场景。验证共享场景特定操作控制管理输入数据可以包括将经验数据集成在一起。例如,集中式共享场景特定操作控制管理装置可以生成将输入经验数据集成在一起的处理后经验数据。
集中式共享场景特定操作控制管理装置可以将处理后经验数据分发给一个或多个运载工具,这可以包括在8400处生成共享场景特定操作控制管理输出数据或其一部分(包括处理后经验数据)、并在8500处将共享场景特定操作控制管理输出数据或其一部分发送至一个或多个运载工具。
在示例中,集中式共享场景特定操作控制管理装置可以在8100处接收指示运载工具运输网络的一部分的先前未识别的不同运载工具操作场景的共享场景特定操作控制管理输入数据。在一些实施例中,共享场景特定操作控制管理输入数据可以明确指示共享场景特定操作控制管理输入数据包括运载工具运输网络的一部分的先前未识别的不同运载工具操作场景。例如,集中式共享场景特定操作控制管理装置可以从外部基础设施装置或***接收共享场景特定操作控制管理输入数据,并且该共享场景特定操作控制管理输入数据可以指示运载工具运输网络中的变化(其可能是永久或临时变化,并且可能是规划或未规划的变化)。响应于接收到指示先前未识别的不同运载工具操作场景的共享场景特定操作控制管理输入数据,集中式共享场景特定操作控制管理装置可以在8200处验证共享场景特定操作控制管理输入数据,在8300处识别不同运载工具操作场景,在8400处获得不同运载工具操作场景的策略,在8400处识别用于分发策略和不同运载工具操作场景数据的目标运载工具,并在8500处将策略数据、不同运载工具操作场景数据或这两者发送至目标运载工具。在一些实施中,集中式共享场景特定操作控制管理装置可以优先一些运载工具(诸如具有当前操作条件或路线的运载工具,其中当前操作条件或路线包括先前未识别的不同运载工具操作场景、或者具有超过定义阈值的包括先前未识别的不同运载工具操作场景的概率)的发送。
在另一示例中,集中式共享场景特定操作控制管理装置可以通过在8300处分支来生成不同运载工具操作场景。响应于通过在8300处分支来生成不同运载工具操作场景,集中式共享场景特定操作控制管理装置可以在8400处获得分支的不同运载工具操作场景的策略,在8400处识别用于分发策略和不同运载工具操作场景数据的目标运载工具,并在8500处将策略数据、分支的不同运载工具操作场景数据或这两者发送至目标运载工具。在一些实施中,集中式共享场景特定操作控制管理装置可以优先一些运载工具(诸如具有当前操作条件或路线的运载工具,其中当前操作条件或路线包括分支的不同运载工具操作场景、或者具有超过定义阈值的包括分支的不同运载工具操作场景的概率)的发送。
尽管在图8中没有单独示出,但当前自主运载工具可以在8100处从源自主运载工具接收共享场景特定操作控制管理输入数据,该共享场景特定操作控制管理输入数据可以包括针对不同运载工具操作场景的策略的请求,当前自主运载工具可以在8200处验证共享场景特定操作控制管理输入数据,当前自主运载工具可以在8300处将共享场景特定操作控制管理输入数据中所指示的不同运载工具操作场景识别为当前的不同运载工具操作场景,当前自主运载工具可以识别针对不同运载工具操作场景的可用策略,当前自主运载工具可以生成共享场景特定操作控制管理输出数据或其一部分(包括可用策略),并且当前自主运载工具可以在8500处将共享场景特定操作控制管理输出数据或其一部分发送至源自主运载工具。
尽管在图8中没有单独示出,但当前自主运载工具可以识别当前的不同运载工具操作场景,当前自主运载工具可以识别接近当前的不同运载工具操作场景的一个或多个接近自主运载工具,当前自主运载工具可以在8400处生成共享场景特定操作控制管理输出数据或其一部分(包括针对当前的不同运载工具操作场景的策略的请求),当前自主运载工具可以在8500处将共享场景特定操作控制管理输出数据或其一部分发送至一个或多个接近自主运载工具。作为响应,当前自主运载工具可以在8100处从一个或多个接近自主运载工具接收共享场景特定操作控制管理输入数据(包括针对当前的不同运载工具操作场景的策略),当前自主运载工具可以在8200处验证共享场景特定操作控制管理输入数据,并且当前自主运载工具可以使用接收到的策略来穿过当前的不同运载工具操作场景。
图9是根据本发明的实施例的策略数据验证9000的示例的流程图。策略数据验证9000可以在集中式共享场景特定操作控制管理装置(诸如图7所示的计算和通信装置7000或图2所示的通信装置2400等)中实现。例如,图8中的8200处所示的验证可以包括策略数据验证9000。图9所示的策略数据验证9000除了这里所指示或以其它方式从上下文清楚可见之外可以与图6中的6230处所示验证解决方案或策略相同。
如图9所示,策略数据验证9000包括在9100处判断共享场景特定操作控制管理输入数据(诸如如图8中的8100处所示接收到的共享场景特定操作控制管理输入数据等)是否包括策略数据。例如,在9100处判断共享场景特定操作控制管理输入数据是否包括策略数据可以包括从来自共享场景特定操作控制管理输入数据的策略数据中识别针对当前的不同运载工具操作场景的定义模型的解决方案或策略。
共享场景特定操作控制管理输入数据可以包括策略数据(诸如针对当前的不同运载工具操作场景的定义模型的解决方案或策略等),集中式共享场景特定操作控制管理装置可以判断为共享场景特定操作控制管理输入数据包括策略数据,并且集中式共享场景特定操作控制管理装置可以在9200处验证策略数据。
在9200处验证策略数据可以包括判断策略数据是有效还是无效。在9200处验证策略数据可以包括基于相关定义度量来评价解决方案或策略中所指示的数据。例如,解决方案或策略可以包括与相应信念状态相关联的效用值,并且验证解决方案或策略可以包括判断针对相应信念状态,效用值是否在相应定义范围内(诸如是否大于或等于定义的最小阈值并且小于或等于定义的最大阈值等)。
在另一示例中,9100处所识别出的解决方案或策略可以包括动作数据(诸如与可用动作相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断动作数据是否有效。例如,模型可以包括三个可用动作(其可以分别具有动作索引值0、1和2),解决方案或策略中具有动作索引值0、1和2的动作数据可被识别为有效动作数据,并且解决方案或策略中具有0、1和2以外的动作索引值的动作数据可被识别为无效。
在另一示例中,9100处所识别出的解决方案或策略可以包括状态数据(诸如与可用状态相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断状态数据是否有效,这可以与验证动作数据类似。在另一示例中,解决方案或策略可以包括信念状态数据(诸如与可用信念状态相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断信念状态数据是否有效,这可以与验证动作数据类似。在另一示例中,解决方案或策略可以包括观察数据(诸如与可用观察相关联的索引或唯一标识符等),并且验证解决方案或策略可以包括判断观察数据是否有效,这可以与验证动作数据类似。
9100处所识别出的解决方案或策略可以包括信念数据(所接收到的信念数据),并且验证解决方案或策略可以包括验证信念数据。例如,可以通过基于与所接收到的信念数据相对应的状态转变概率和观察概率确定相应的所计算出的信念数据,来验证所接收到的信念数据。与所计算出的信念数据不同的所接收到的信念数据可被识别为无效或恶意数据。
在9200处验证9100处所识别出的解决方案或策略可以包括判断该策略是否指示与相应信念状态相对应的具有超过定义阈值的相应惩罚或负奖励的动作。指示具有超过相关定义阈值的惩罚的动作的策略可被识别为无效或恶意数据。
在9200处验证9100处所识别出的解决方案或策略可以包括基于一个或多个定义条件来评价策略。定义条件可以明确地识别状态或信念状态,并且可以指示与所识别出的状态或信念状态相关联的一个或多个无效动作。例如,定义条件可以指示出状态数据指示阻碍物正在阻挡自主运载工具的路径,并且可以指示加速动作为无效动作。指示在定义条件下被识别为无效动作的动作的策略可被识别为无效或恶意数据。
在9200处验证9100处所识别出的解决方案或策略可以包括基于一个或多个空间约束来评价策略。例如,策略中所指示的信念状态可以与运载工具的第一相对空间位置和相应操作条件(诸如运载工具的轨迹和速度信息等)相对应,并且策略中所指示的后续信念状态可以与运载工具的第二相对空间位置相对应,并且基于空间约束来评价策略可以包括判断第一空间位置和第二空间位置之间的差是否超过阈值(诸如最大运动值等),其中该阈值可以基于相应的操作条件和动作来确定。
在9200处验证9100处所识别出的解决方案或策略可以包括识别该解决方案或策略与另一解决方案或策略之间的差异。例如,集中式共享场景特定操作控制管理装置可以接收针对不同运载工具操作场景的POMDP模型的解决方案或策略,集中式共享场景特定操作控制管理装置可以识别针对不同运载工具操作场景的MDP模型的解决方案或策略(这可以包括识别先前生成的解决方案或策略或者生成解决方案或策略),并且验证针对POMDP模型的解决方案或策略可以包括确定来自针对MDP模型的解决方案或策略的动作与来自针对POMDP模型的解决方案或策略的等效动作的比率(比较比率),其中相应动作基于MDP模型中的相应状态和POMDP模型中的坍塌信念状态之间的对应关系而相关。具有定义阈值内(诸如等于或小于定义阈值)的比较比率的解决方案或策略可被识别为有效解决方案或策略,并且具有超过定义阈值(诸如大于定义阈值)的比较比率的解决方案或策略可被识别为无效策略。
验证解决方案或策略可以包括基于策略来生成模拟经验数据、并且验证模拟经验数据。
集中式共享场景特定操作控制管理装置可以判断为策略数据无效,并且可以忽略、删除、丢弃、隔离、标记或以其它方式省略策略数据,而不用于共享场景特定操作控制管理中。
集中式共享场景特定操作控制管理装置可以判断为策略数据或相应策略是有效的,并且可以将该策略与当前的不同运载工具操作场景(诸如如图8中的8300处所识别的当前的不同运载工具操作场景等)相关联。
图10是根据本发明的实施例的经验数据验证10000的示例的流程图。经验数据验证10000可以在集中式共享场景特定操作控制管理装置(诸如图7所示的计算和通信装置7000或图2所示的通信装置2400等)中实现。例如,图8中的8200处所示的验证可以包括经验数据验证10000。图10所示的经验数据验证10000除了这里所指示或以其它方式从上下文清楚可见之外可以与图6中的6230处所示验证场景特定操作控制管理经验数据相同。
如图10所示,经验数据验证10000包括在10100处判断共享场景特定操作控制管理输入数据(诸如如图8中的8100处所示接收到的共享场景特定操作控制管理输入数据等)是否包括经验数据,诸如与当前的不同运载工具操作场景(诸如如图8中的8300处所识别出的当前的不同运载工具操作场景等)相关联的当前经验数据等。
例如,共享场景特定操作控制管理输入数据可以包括与当前的不同运载工具操作场景相关联的经验数据,集中式共享场景特定操作控制管理装置可以判断为共享场景特定操作控制管理输入数据包括经验数据,集中式共享场景特定操作控制管理装置可以在10100处将经验数据识别为所接收到的经验数据,并且集中式共享场景特定操作控制管理装置可以在10200处验证经验数据。
在10200处验证经验数据可以包括判断经验数据是有效还是无效(恶意)。在10200处验证10100处识别出的所接收到的经验数据可以包括时间验证。时间验证可以包括:从场景特定操作控制管理经验数据中识别操作状态和相应时间位置;从场景特定操作控制管理经验数据中识别与从所识别出的操作状态转变到后续操作状态相关联的运载工具控制动作;从场景特定操作控制管理经验数据中识别与后续操作状态相关联的时间位置;确定第一时间位置和第二时间位置之间的差;以及判断第一时间位置和第二时间位置之间的差是否在与根据所识别出的运载工具控制动作来从第一操作状态转变为后续操作状态相关联的定义时间转变范围内。在定义时间转变范围外(诸如小于定义时间转变范围的最小值或大于定义时间转变范围的最大值等)的时间差可被识别为指示恶意数据。在定义时间转变范围内(诸如大于或等于定义时间转变范围的最小值并且小于或等于定义时间转变范围的最大值等)的时间差可被识别为指示省略或不存在恶意数据。
集中式共享场景特定操作控制管理装置可以判断为经验数据无效,并且可以忽略、删除、丢弃、隔离、标记或以其它方式省略经验数据,而不用于共享场景特定操作控制管理中。
集中式共享场景特定操作控制管理装置可以判断为经验数据是有效的,并且可以在10300处集成或以其它方式保留经验数据。集成经验数据可以包括将当前或接收到的经验数据与同当前的不同运载工具操作场景相关联的先前集成经验数据相集成。
将当前经验数据集成到与当前的不同运载工具操作场景相关联的先前集成经验数据中可以包括基于所确定的与当前经验数据的相似性来从先前集成经验数据中识别相似经验数据,并基于相似经验数据和当前经验数据来生成与当前的不同运载工具操作场景相关联的更新经验数据集。
生成更新经验数据集可以包括删减当前的不同运载工具操作场景的经验数据。例如,当前的不同运载工具操作场景的相似经验数据(包括当前经验数据)可以具有超过定义删减阈值的基数,并且删减经验数据可以包括从与当前的不同运载工具操作场景相关联的经验数据中删除或去除相似经验数据的一部分。
尽管在图8中没有单独示出,但集中式共享场景特定操作控制管理装置可以周期性地或者响应于除接收经验数据之外的事件而删减与一个或多个不同运载工具操作场景相关联的经验数据。在一些实施例中,可以省略响应于接收到经验数据而删减经验数据。
生成更新经验数据集可以包括将当前经验数据与相似经验数据合并。将当前经验数据与相似经验数据合并可以包括确定经验数据的平均值(诸如平均概率值等),并且存储该平均值。
尽管在图8中没有单独示出,但集中式共享场景特定操作控制管理装置可以周期性地或者响应于除接收经验数据之外的事件而合并与一个或多个不同运载工具操作场景相关联的经验数据。在一些实施例中,可以省略响应于接收到经验数据而合并经验数据。
如这里所使用的,术语“计算机”或“计算装置”包括能够进行这里所公开的任何方法或其任何部分的任何单元或单元组合。
如这里所使用的,术语“处理器”指示一个或多个处理器,诸如一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个应用处理器、一个或多个专用集成电路、一个或多个专用标准产品;一个或多个现场可编程门阵列、任何其它类型的集成电路或其组合、一个或多个状态机或其任意组合。
如这里所使用的,术语“存储器”指示任何计算机可用或计算机可读的介质或装置,其可以有形地包含、存储、通信或传送可被任何处理器使用或与任何处理器结合使用的任何信号或信息。例如,存储器可以是一个或多个只读存储器(ROM)、一个或多个随机存取存储器(RAM)、一个或多个寄存器、低功耗双数据速率(LPDDR)存储器、一个或多个高速缓存存储器、一个或多个半导体存储器装置、一个或多个磁介质、一个或多个光介质、一个或多个磁光介质或其任意组合。
如这里所使用的,术语“指令”可以包括用于进行这里所公开的任何方法或其任何部分的指导或表示,并且可以在硬件、软件或其任何组合中实现。例如,指令可被实现为存储器中所存储的诸如计算机程序等的信息,该信息可以由处理器执行以进行如这里所述的相应方法、算法、方面或其组合中的任一个。在一些实施例中,指令或其一部分可被实现为专用处理器或电路,该专用处理器或电路可以包括用于执行如这里所述的方法、算法、方面或其组合中的任一个的专用硬件。在一些实现中,指令的一部分可以跨单个装置上、可直接地或者跨诸如局域网、广域网、因特网或其组合等的网络进行通信的多个装置上的多个处理器分布。
如这里所使用的,术语“示例”、“实施例”、“实现”、“方面”、“特征”或“元素”指示用作示例、实例或例示。除非明确指示,否则任何示例、实施例、实现、方面、特征或元素是彼此独立的示例、实施例、实现、方面、特征或元素,并且可以与任何其它示例、实施例、实现、方面、特征或元素结合使用。
如这里所使用的,术语“确定”和“识别”或其任何变形包括选择、查明、计算、查找、接收、确定、建立、获得或者以其它方式识别或确定无论如何使用这里所示和所述的一个或多个装置。
如这里所使用的,术语“或”意指包容性“或”而不是排他性“或”。也就是说,除非另有规定或者根据上下文中清楚知道,否则“X包括A或B”意在指示自然包容性排列中的任一个。也就是说,如果X包括A;X包括B;或者X包括A和B这两者,则在上述任何情况下,都满足“X包括A或B”。另外,除非另有规定或者根据上下文清楚知道针对单数形式,否则本申请和所附权利要求中所使用的冠词“a”和“an”一般应被理解为“一个或多个”。
此外,为了简化解释,尽管这里的图和描述可以包括步骤或阶段的序列或一系列步骤或阶段,但是这里所公开的方法的元素可以以不同的顺序或同时地出现。另外,这里公开的方法的元素可以与这里没有明确呈现和描述的其它元素一起发生。此外,可能并非需要这里描述的方法的所有元素来实现根据本发明的方法。尽管这里以特定组合描述了方面、特征和元素,但是各方面、特征或元素可以单独使用,或者可以以具有或不具有其它方面、特征和元素的各种组合使用。
描述了上述的方面、示例和实现,以便于理解本发明不是限制性的。相反,本发明涵盖所附权利要求书的范围内所包括的各种修改和等同布置,该范围应被给予最广泛的理解,以包含法律允许的所有这类修改和等同结构。
Claims (15)
1.一种用于集中式共享场景特定操作控制管理的方法,所述方法包括:
在集中式共享场景特定操作控制管理装置处从自主运载工具接收共享场景特定操作控制管理输入数据;
验证所述共享场景特定操作控制管理输入数据;
基于所述共享场景特定操作控制管理输入数据来识别当前的不同运载工具操作场景;
基于所述当前的不同运载工具操作场景来生成共享场景特定操作控制管理输出数据;以及
发送所述共享场景特定操作控制管理输出数据。
2.根据权利要求1所述的方法,其中,识别所述当前的不同运载工具操作场景包括:
响应于判断为所述共享场景特定操作控制管理输入数据省略路线并且包括起点标识符和目的地标识符,生成供所述自主运载工具从运载工具运输网络中的起点位置穿过所述运载工具运输网络至所述运载工具运输网络中的目的地位置的路线,其中,所述起点标识符指示所述起点位置,以及其中,所述目的地标识符指示所述目的地位置;
响应于判断为所述共享场景特定操作控制管理输入数据包括路线,将所述路线识别为当前路线;以及
基于所述当前路线来识别所述当前的不同运载工具操作场景,使得所述自主运载工具穿过所述路线包括穿过所述当前的不同运载工具操作场景。
3.根据权利要求1所述的方法,其中,生成所述共享场景特定操作控制管理输出数据包括:
将所述自主运载工具包括在多个自主运载工具中,其中,所述多个自主运载工具中的各自主运载工具当前与所述当前的不同运载工具操作场景相关联;以及
响应于判断为所述当前的不同运载工具操作场景的定义模型的当前策略是不可用的:
基于所述定义模型来确定用于生成所述当前策略的预期复杂性度量;
响应于判断为所述多个自主运载工具中的具有基于所述预期复杂性度量的足够可用资源的目标自主运载工具是可用的,将用以生成所述当前策略的请求包括在所述共享场景特定操作控制管理输出数据中;以及
响应于判断为所述多个自主运载工具中的具有基于所述预期复杂性度量的足够可用资源的目标自主运载工具是不可用的,生成所述当前策略。
4.根据权利要求3所述的方法,其中,生成所述共享场景特定操作控制管理输出数据包括:
识别所述当前的不同运载工具操作场景的先前接收到的经验数据;以及
将所述先前接收到的经验数据包括在所述共享场景特定操作控制管理输出数据中。
5.根据权利要求3所述的方法,其中,发送所述共享场景特定操作控制管理输出数据包括:
响应于将用以生成所述当前策略的请求包括在所述共享场景特定操作控制管理输出数据中,将所述共享场景特定操作控制管理输出数据发送至所述目标自主运载工具。
6.根据权利要求1所述的方法,其中,验证所述共享场景特定操作控制管理输入数据包括:
响应于判断为所述共享场景特定操作控制管理输入数据包括所述当前的不同运载工具操作场景的策略:
验证所述策略;以及
响应于判断为所述策略是有效的,将所述策略与所述当前的不同运载工具操作场景相关联。
7.根据权利要求1所述的方法,其中,验证所述共享场景特定操作控制管理输入数据包括:
响应于判断为所述共享场景特定操作控制管理输入数据包括与所述当前的不同运载工具操作场景相关联的当前经验数据:
验证所述当前经验数据;以及
响应于判断为所述当前经验数据是有效的,将所述当前经验数据集成到与所述当前的不同运载工具操作场景相关联的经验数据集中。
8.根据权利要求7所述的方法,其中,将所述当前经验数据集成到与所述当前的不同运载工具操作场景相关联的经验数据集中包括:
基于所确定的与所述当前经验数据的相似性来从所述经验数据集中识别相似经验数据;以及
基于所述相似经验数据和所述当前经验数据来生成与所述当前的不同运载工具操作场景相关联的更新经验数据集。
9.根据权利要求8所述的方法,其中,生成所述更新经验数据集包括删减所述经验数据集。
10.根据权利要求8所述的方法,其中,生成所述更新经验数据集包括将所述当前经验数据与所述相似经验数据进行合并。
11.根据权利要求1所述的方法,其中,识别所述当前的不同运载工具操作场景包括:
响应于判断为所述共享场景特定操作控制管理输入数据指示针对不同运载工具操作场景的策略的策略覆盖:
确定该不同运载工具操作场景的场景分支度量;
响应于判断为所述场景分支度量在场景分支阈值内,将该不同运载工具操作场景识别为所述当前的不同运载工具操作场景;以及
响应于判断为所述场景分支度量超过场景分支阈值,基于该不同运载工具操作场景来识别所述当前的不同运载工具操作场景。
12.根据权利要求1所述的方法,其中,生成所述共享场景特定操作控制管理输出数据包括:
响应于判断为所述当前的不同运载工具操作场景的当前策略是可用的,将所述当前策略包括在所述共享场景特定操作控制管理输出数据中。
13.根据权利要求1所述的方法,其中,生成所述共享场景特定操作控制管理输出数据包括:
响应于判断为所述当前的不同运载工具操作场景的当前经验数据是可用的,将所述当前经验数据包括在所述共享场景特定操作控制管理输出数据中。
14.一种设备,包括:
非暂时性计算机可读介质;以及
处理器,其被配置为执行所述非暂时性计算机可读介质上所存储的指令以实现根据权利要求1所述的方法。
15.一种非暂时性计算机可读存储介质,包括可执行指令,所述可执行指令在由处理器执行时促进进行根据权利要求1所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2018/019720 WO2019164531A1 (en) | 2018-02-26 | 2018-02-26 | Centralized shared autonomous vehicle operational management |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111902782A true CN111902782A (zh) | 2020-11-06 |
Family
ID=67687837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880091621.1A Pending CN111902782A (zh) | 2018-02-26 | 2018-02-26 | 集中式共享自主运载工具操作管理 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11110941B2 (zh) |
EP (1) | EP3759563B1 (zh) |
JP (1) | JP6963158B2 (zh) |
CN (1) | CN111902782A (zh) |
WO (1) | WO2019164531A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3884480A1 (en) * | 2018-11-21 | 2021-09-29 | Arrival Limited | Apparatus and method for warning of an oncoming vehicle |
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 |
EP3745376B1 (en) * | 2019-05-29 | 2024-03-27 | Zenuity AB | Method and system for determining driving assisting data |
US20200026289A1 (en) * | 2019-09-28 | 2020-01-23 | Ignacio J. Alvarez | Distributed traffic safety consensus |
US11386670B2 (en) * | 2019-10-03 | 2022-07-12 | Toyota Motor Engineering & Manufacturing North America, Inc. | Methods and systems for tracking non-connected vehicles |
US11145193B2 (en) * | 2019-12-20 | 2021-10-12 | Qualcom Incorporated | Intersection trajectory determination and messaging |
US11332165B2 (en) * | 2020-01-27 | 2022-05-17 | Honda Motor Co., Ltd. | Human trust calibration for autonomous driving agent of vehicle |
US11628865B2 (en) * | 2020-08-21 | 2023-04-18 | Toyota Research Institute, Inc. | Method and system for behavioral cloning of autonomous driving policies for safe autonomous agents |
US11814075B2 (en) * | 2020-08-26 | 2023-11-14 | Motional Ad Llc | Conditional motion predictions |
CN112003955A (zh) * | 2020-10-27 | 2020-11-27 | 深圳裹动智驾科技有限公司 | 云端人机混合决策的方法 |
US11733054B2 (en) * | 2020-12-11 | 2023-08-22 | Motional Ad Llc | Systems and methods for implementing occlusion representations over road features |
JP2022138782A (ja) * | 2021-03-11 | 2022-09-26 | トヨタ自動車株式会社 | 交差点管制システム、交差点管制方法、及び、プログラム |
US11887200B2 (en) * | 2021-12-10 | 2024-01-30 | GM Global Technology Operations LLC | Systems and methods for enabling yielding decisions, conflict resolution, and user profile generation |
CN114454162B (zh) * | 2022-01-10 | 2023-05-26 | 广东技术师范大学 | 一种移动机器人复杂路口防碰撞方法及*** |
CN114613180A (zh) * | 2022-02-22 | 2022-06-10 | 恒大新能源汽车投资控股集团有限公司 | 自主泊车方法、设备、车辆及停车场端服务器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068351A1 (en) * | 2002-04-22 | 2004-04-08 | Neal Solomon | System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles |
US20150039157A1 (en) * | 2011-09-22 | 2015-02-05 | Aethon, Inc. | Monitoring, Diagnostic and Tracking Tool for Autonomous Mobile Robots |
US20160375768A1 (en) * | 2015-06-24 | 2016-12-29 | Nissan North America, Inc. | Vehicle operation assistance information management for autonomous vehicle control operation |
CN107577227A (zh) * | 2016-07-05 | 2018-01-12 | 百度(美国)有限责任公司 | 操作无人驾驶车辆的方法、装置和数据处理*** |
CN107655489A (zh) * | 2016-07-26 | 2018-02-02 | 丰田自动车株式会社 | 车辆的可行驶距离算出***以及可行驶距离算出方法 |
Family Cites Families (122)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8430980D0 (en) | 1984-12-07 | 1985-01-16 | Robinson M | Generation of apparently three-dimensional images |
JP2728170B2 (ja) | 1988-10-25 | 1998-03-18 | マツダ株式会社 | 移動車の走行制御装置 |
US5646843A (en) | 1990-02-05 | 1997-07-08 | Caterpillar Inc. | Apparatus and method for surface based vehicle control system |
US7418346B2 (en) | 1997-10-22 | 2008-08-26 | Intelligent Technologies International, Inc. | Collision avoidance methods and systems |
US7242294B2 (en) | 2003-09-17 | 2007-07-10 | Agilent Technologies, Inc | System and method for using mobile collectors for accessing a wireless sensor network |
ATE511669T1 (de) | 2004-01-13 | 2011-06-15 | Renault Sas | Entwurf von sicherheitskritischen systemen |
JP4591346B2 (ja) | 2005-12-28 | 2010-12-01 | アイシン・エィ・ダブリュ株式会社 | 車車間通信システム |
US9373149B2 (en) | 2006-03-17 | 2016-06-21 | Fatdoor, Inc. | Autonomous neighborhood vehicle commerce network and community |
JP4254844B2 (ja) | 2006-11-01 | 2009-04-15 | トヨタ自動車株式会社 | 走行制御計画評価装置 |
US20090088916A1 (en) | 2007-09-28 | 2009-04-02 | Honeywell International Inc. | Method and system for automatic path planning and obstacle/collision avoidance of autonomous vehicles |
US9103671B1 (en) | 2007-11-29 | 2015-08-11 | American Vehicular Sciences, LLC | Mapping techniques using probe vehicles |
US20090140887A1 (en) | 2007-11-29 | 2009-06-04 | Breed David S | Mapping Techniques Using Probe Vehicles |
US8655822B2 (en) | 2008-03-12 | 2014-02-18 | Aptima, Inc. | Probabilistic decision making system and methods of use |
US8244469B2 (en) | 2008-03-16 | 2012-08-14 | Irobot Corporation | Collaborative engagement for target identification and tracking |
JP5067217B2 (ja) | 2008-03-18 | 2012-11-07 | アイシン・エィ・ダブリュ株式会社 | 交通情報処理システム、統計処理装置、交通情報処理方法及び交通情報処理プログラム |
US8126642B2 (en) | 2008-10-24 | 2012-02-28 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
CN102574543B (zh) | 2009-08-19 | 2015-08-05 | 凯尔西-海耶斯公司 | 自主驾驶的故障安全操作转向*** |
US8452535B2 (en) | 2010-12-13 | 2013-05-28 | GM Global Technology Operations LLC | Systems and methods for precise sub-lane vehicle positioning |
US20120233102A1 (en) | 2011-03-11 | 2012-09-13 | Toyota Motor Engin. & Manufact. N.A.(TEMA) | Apparatus and algorithmic process for an adaptive navigation policy in partially observable environments |
US8849483B2 (en) | 2011-04-13 | 2014-09-30 | California Institute Of Technology | Target trailing with safe navigation with colregs for maritime autonomous surface vehicles |
US8949018B2 (en) | 2011-06-13 | 2015-02-03 | Toyota Jidosha Kabushiki Kaisha | Driving assistance device and driving assistance method |
GB2494716B (en) | 2011-09-15 | 2019-12-18 | Bae Systems Plc | Autonomous vehicle and task modelling |
CN103842229A (zh) | 2011-10-03 | 2014-06-04 | 丰田自动车株式会社 | 车辆的驾驶辅助*** |
DE102012005245A1 (de) | 2012-03-14 | 2012-09-20 | Daimler Ag | Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Überholvorgang |
US9153084B2 (en) | 2012-03-14 | 2015-10-06 | Flextronics Ap, Llc | Destination and travel information application |
US20130278441A1 (en) | 2012-04-24 | 2013-10-24 | Zetta Research and Development, LLC - ForC Series | Vehicle proxying |
US8781669B1 (en) | 2012-05-14 | 2014-07-15 | Google Inc. | Consideration of risks in active sensing for an autonomous vehicle |
WO2014024284A1 (ja) | 2012-08-08 | 2014-02-13 | トヨタ自動車株式会社 | 衝突予測装置 |
JP5971341B2 (ja) | 2012-08-09 | 2016-08-17 | トヨタ自動車株式会社 | 物体検出装置及び運転支援装置 |
DE102012220134A1 (de) | 2012-11-06 | 2014-05-08 | Robert Bosch Gmbh | Verfahren und Informationsgerät zum Erkennen einer absichtlichen Abweichung von einer optimalen Fahrroute eines Fahrzeugs zwischen einem Startpunkt und einem Zielpunkt |
US9242647B2 (en) | 2013-02-06 | 2016-01-26 | GM Global Technology Operations LLC | Display systems and methods for autonomous vehicles |
US10347127B2 (en) | 2013-02-21 | 2019-07-09 | Waymo Llc | Driving mode adjustment |
US9081651B2 (en) | 2013-03-13 | 2015-07-14 | Ford Global Technologies, Llc | Route navigation with optimal speed profile |
DE102013206746B4 (de) | 2013-04-16 | 2016-08-11 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zum Modifizieren der Konfiguration eines Fahrassistenzsystems eines Kraftfahrzeuges |
US20150060608A1 (en) | 2013-09-03 | 2015-03-05 | Metrom Rail, Llc | Rail Vehicle Signal Enforcement and Separation Control |
US9099004B2 (en) | 2013-09-12 | 2015-08-04 | Robert Bosch Gmbh | Object differentiation warning system |
BR112016007927B1 (pt) | 2013-10-11 | 2021-01-19 | Nissan Motor Co., Ltd. | dispositivo de controle de deslocamento e método de controle de deslocamento |
US20150106010A1 (en) | 2013-10-15 | 2015-04-16 | Ford Global Technologies, Llc | Aerial data for vehicle navigation |
EP3742339A1 (en) | 2013-12-04 | 2020-11-25 | Mobileye Vision Technologies Ltd. | System and method for implementing a multi-segment braking profile for a vehicle |
EP3086990B1 (en) | 2013-12-24 | 2021-07-21 | Volvo Truck Corporation | Method and system for driver assistance for a vehicle |
US9140554B2 (en) | 2014-01-24 | 2015-09-22 | Microsoft Technology Licensing, Llc | Audio navigation assistance |
EP2902864B1 (en) | 2014-01-30 | 2017-05-31 | Volvo Car Corporation | Control arrangement for autonomously driven vehicle |
EP3100206B1 (en) | 2014-01-30 | 2020-09-09 | Mobileye Vision Technologies Ltd. | Systems and methods for lane end recognition |
EP2915718B1 (en) | 2014-03-04 | 2018-07-11 | Volvo Car Corporation | Apparatus and method for continuously establishing a boundary for autonomous driving availability and an automotive vehicle comprising such an apparatus |
JP6180968B2 (ja) | 2014-03-10 | 2017-08-16 | 日立オートモティブシステムズ株式会社 | 車両制御装置 |
JP6147691B2 (ja) * | 2014-03-27 | 2017-06-14 | 株式会社デンソーアイティーラボラトリ | 駐車スペース案内システム、駐車スペース案内方法、及びプログラム |
JP6537780B2 (ja) | 2014-04-09 | 2019-07-03 | 日立オートモティブシステムズ株式会社 | 走行制御装置、車載用表示装置、及び走行制御システム |
US9972054B1 (en) | 2014-05-20 | 2018-05-15 | State Farm Mutual Automobile Insurance Company | Accident fault determination for autonomous vehicles |
US10599155B1 (en) | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
US10319039B1 (en) | 2014-05-20 | 2019-06-11 | State Farm Mutual Automobile Insurance Company | Accident fault determination for autonomous vehicles |
US9715711B1 (en) | 2014-05-20 | 2017-07-25 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle insurance pricing and offering based upon accident risk |
US9404761B2 (en) | 2014-05-30 | 2016-08-02 | Nissan North America, Inc. | Autonomous vehicle lane routing and navigation |
US20150345967A1 (en) | 2014-06-03 | 2015-12-03 | Nissan North America, Inc. | Probabilistic autonomous vehicle routing and navigation |
JP5952862B2 (ja) | 2014-06-27 | 2016-07-13 | 富士重工業株式会社 | 車両の運転支援装置 |
JP6451111B2 (ja) | 2014-07-10 | 2019-01-16 | 日産自動車株式会社 | 走行支援装置及び走行支援方法 |
US10293816B2 (en) | 2014-09-10 | 2019-05-21 | Ford Global Technologies, Llc | Automatic park and reminder system and method of use |
JP6280850B2 (ja) | 2014-09-29 | 2018-02-14 | 日立建機株式会社 | 障害物回避システム |
KR101664582B1 (ko) | 2014-11-12 | 2016-10-10 | 현대자동차주식회사 | 자율주행차량의 주행경로 생성장치 및 방법 |
US9534910B2 (en) | 2014-12-09 | 2017-01-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle detection of and response to yield scenarios |
US9963215B2 (en) | 2014-12-15 | 2018-05-08 | Leidos, Inc. | System and method for fusion of sensor data to support autonomous maritime vessels |
US9436183B2 (en) | 2015-01-15 | 2016-09-06 | Nissan North America, Inc. | Associating passenger docking locations with destinations using vehicle transportation network partitioning |
US9625906B2 (en) | 2015-01-15 | 2017-04-18 | Nissan North America, Inc. | Passenger docking location selection |
US9519290B2 (en) | 2015-01-15 | 2016-12-13 | Nissan North America, Inc. | Associating passenger docking locations with destinations |
JP6294247B2 (ja) | 2015-01-26 | 2018-03-14 | 株式会社日立製作所 | 車両走行制御装置 |
JP6477730B2 (ja) * | 2015-01-30 | 2019-03-06 | 日産自動車株式会社 | 駐車場と目的地との関連付け |
US10216196B2 (en) * | 2015-02-01 | 2019-02-26 | Prosper Technology, Llc | Methods to operate autonomous vehicles to pilot vehicles in groups or convoys |
DE102015201878A1 (de) | 2015-02-04 | 2016-08-04 | Continental Teves Ag & Co. Ohg | Halbautomatisierter Spurwechsel |
JP2018510373A (ja) | 2015-02-10 | 2018-04-12 | モービルアイ ビジョン テクノロジーズ リミテッド | 自律車両ナビゲーションのための疎な地図 |
US10459446B2 (en) * | 2015-02-12 | 2019-10-29 | Hitachi, Ltd. | Autonomous operation verification device and autonomous system |
US20160260328A1 (en) | 2015-03-06 | 2016-09-08 | Qualcomm Incorporated | Real-time Occupancy Mapping System for Autonomous Vehicles |
US9555807B2 (en) | 2015-05-01 | 2017-01-31 | Delphi Technologies, Inc. | Automated vehicle parameter modification based on operator override |
US9547309B2 (en) | 2015-05-13 | 2017-01-17 | Uber Technologies, Inc. | Selecting vehicle type for providing transport |
US9494439B1 (en) | 2015-05-13 | 2016-11-15 | Uber Technologies, Inc. | Autonomous vehicle operated with guide assistance of human driven vehicles |
US10345809B2 (en) | 2015-05-13 | 2019-07-09 | Uber Technologies, Inc. | Providing remote assistance to an autonomous vehicle |
US9630498B2 (en) | 2015-06-24 | 2017-04-25 | Nissan North America, Inc. | Vehicle operation assistance information management |
EP4202883A1 (en) | 2015-07-21 | 2023-06-28 | Nissan Motor Co., Ltd. | Scene evaluation device, travel support device, and scene evaluation method |
US9934688B2 (en) | 2015-07-31 | 2018-04-03 | Ford Global Technologies, Llc | Vehicle trajectory determination |
US10139828B2 (en) | 2015-09-24 | 2018-11-27 | Uber Technologies, Inc. | Autonomous vehicle operated with safety augmentation |
US9566986B1 (en) | 2015-09-25 | 2017-02-14 | International Business Machines Corporation | Controlling driving modes of self-driving vehicles |
US10002471B2 (en) | 2015-09-30 | 2018-06-19 | Ants Technology (Hk) Limited | Systems and methods for autonomous vehicle navigation |
US9904286B2 (en) | 2015-10-13 | 2018-02-27 | Nokia Technologies Oy | Method and apparatus for providing adaptive transitioning between operational modes of an autonomous vehicle |
JP6344695B2 (ja) | 2015-10-28 | 2018-06-20 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
DE102015224338B4 (de) | 2015-12-04 | 2021-10-28 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung in einem Kraftfahrzeug zum automatisierten Fahren |
US10061326B2 (en) | 2015-12-09 | 2018-08-28 | International Business Machines Corporation | Mishap amelioration based on second-order sensing by a self-driving vehicle |
US10126135B2 (en) | 2015-12-15 | 2018-11-13 | Nissan North America, Inc. | Traffic signal timing estimation using an artificial neural network model |
CN105635849B (zh) | 2015-12-25 | 2018-06-05 | 网易传媒科技(北京)有限公司 | 多媒体文件播放时的文本显示方法和装置 |
US9913104B2 (en) | 2016-01-21 | 2018-03-06 | General Motors Llc | Vehicle location services |
CN105620470B (zh) | 2016-01-25 | 2018-09-07 | 雷沃重工股份有限公司 | 一种作业车辆行偏移检测调整方法及*** |
US9568915B1 (en) | 2016-02-11 | 2017-02-14 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling autonomous or semi-autonomous vehicle |
DE102016203086B4 (de) | 2016-02-26 | 2018-06-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Fahrerassistenz |
DE102016203723A1 (de) | 2016-03-08 | 2017-09-14 | Robert Bosch Gmbh | Verfahren und System zum Bestimmen der Pose eines Fahrzeugs |
US9792575B2 (en) | 2016-03-11 | 2017-10-17 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
US9645577B1 (en) | 2016-03-23 | 2017-05-09 | nuTonomy Inc. | Facilitating vehicle driving and self-driving |
US9910440B2 (en) | 2016-05-13 | 2018-03-06 | Delphi Technologies, Inc. | Escape-path-planning system for an automated vehicle |
JP2017207859A (ja) | 2016-05-17 | 2017-11-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
US11092446B2 (en) | 2016-06-14 | 2021-08-17 | Motional Ad Llc | Route planning for an autonomous vehicle |
US10449962B2 (en) | 2016-06-23 | 2019-10-22 | Honda Motor Co., Ltd. | System and method for vehicle control using vehicular communication |
US10286913B2 (en) | 2016-06-23 | 2019-05-14 | Honda Motor Co., Ltd. | System and method for merge assist using vehicular communication |
DE102016009763A1 (de) | 2016-08-11 | 2018-02-15 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen |
CN106184223A (zh) | 2016-09-28 | 2016-12-07 | 北京新能源汽车股份有限公司 | 一种自动驾驶控制方法、装置及汽车 |
JP2018077565A (ja) | 2016-11-07 | 2018-05-17 | 本田技研工業株式会社 | 車両制御装置 |
CN110050301B (zh) | 2016-12-07 | 2021-12-03 | 本田技研工业株式会社 | 车辆控制装置 |
US10421459B2 (en) | 2016-12-20 | 2019-09-24 | GM Global Technology Operations LLC | Contextual-assessment vehicle systems |
CN110087960B (zh) | 2016-12-21 | 2022-06-17 | 本田技研工业株式会社 | 车辆控制***、车辆控制方法及存储介质 |
JP6817334B2 (ja) | 2016-12-27 | 2021-01-20 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
WO2018132607A2 (en) | 2017-01-12 | 2018-07-19 | Mobileye Vision Technologies Ltd. | Navigation based on vehicle activity |
JPWO2018138769A1 (ja) | 2017-01-24 | 2019-11-07 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
CN110603497B (zh) | 2017-02-10 | 2021-11-16 | 日产北美公司 | 自主车辆操作管理控制的自主车辆和方法 |
KR20180094725A (ko) | 2017-02-16 | 2018-08-24 | 삼성전자주식회사 | 자율 주행을 위한 차량 제어 방법, 차량 제어 장치 및 자율 주행을 위한 학습 방법 |
WO2018162521A1 (en) | 2017-03-07 | 2018-09-13 | Robert Bosch Gmbh | Action planning system and method for autonomous vehicles |
US10513268B2 (en) | 2017-04-07 | 2019-12-24 | Steering Solutions Ip Holding Corporation | Vehicle safety system |
US10762447B2 (en) | 2017-05-23 | 2020-09-01 | Uatc, Llc | Vehicle selection for on-demand transportation services |
US20180342033A1 (en) | 2017-05-23 | 2018-11-29 | Uber Technologies, Inc. | Trip classification system for on-demand transportation services |
JP6666304B2 (ja) | 2017-06-02 | 2020-03-13 | 本田技研工業株式会社 | 走行制御装置、走行制御方法、およびプログラム |
US11042155B2 (en) | 2017-06-06 | 2021-06-22 | Plusai Limited | Method and system for closed loop perception in autonomous driving vehicles |
US10296004B2 (en) | 2017-06-21 | 2019-05-21 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous operation for an autonomous vehicle objective in a multi-vehicle environment |
US10532749B2 (en) | 2017-08-11 | 2020-01-14 | Uatc, Llc | Systems and methods to adjust autonomous vehicle parameters in response to passenger feedback |
US10514697B2 (en) | 2017-09-15 | 2019-12-24 | GM Global Technology Operations LLC | Vehicle remote assistance mode |
US20190096244A1 (en) * | 2017-09-25 | 2019-03-28 | Intel Corporation | Vehicle-to-many-vehicle communication |
JPWO2019069868A1 (ja) | 2017-10-04 | 2020-11-26 | パイオニア株式会社 | 判定装置及び判定方法並びに判定用プログラム |
US10739775B2 (en) | 2017-10-28 | 2020-08-11 | Tusimple, Inc. | System and method for real world autonomous vehicle trajectory simulation |
JP6704890B2 (ja) | 2017-11-08 | 2020-06-03 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
-
2018
- 2018-02-26 EP EP18906894.3A patent/EP3759563B1/en active Active
- 2018-02-26 CN CN201880091621.1A patent/CN111902782A/zh active Pending
- 2018-02-26 WO PCT/US2018/019720 patent/WO2019164531A1/en unknown
- 2018-02-26 JP JP2020544603A patent/JP6963158B2/ja active Active
- 2018-02-26 US US16/969,081 patent/US11110941B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068351A1 (en) * | 2002-04-22 | 2004-04-08 | Neal Solomon | System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles |
US20150039157A1 (en) * | 2011-09-22 | 2015-02-05 | Aethon, Inc. | Monitoring, Diagnostic and Tracking Tool for Autonomous Mobile Robots |
US20160375768A1 (en) * | 2015-06-24 | 2016-12-29 | Nissan North America, Inc. | Vehicle operation assistance information management for autonomous vehicle control operation |
CN107577227A (zh) * | 2016-07-05 | 2018-01-12 | 百度(美国)有限责任公司 | 操作无人驾驶车辆的方法、装置和数据处理*** |
CN107655489A (zh) * | 2016-07-26 | 2018-02-02 | 丰田自动车株式会社 | 车辆的可行驶距离算出***以及可行驶距离算出方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021509992A (ja) | 2021-04-08 |
JP6963158B2 (ja) | 2021-11-05 |
EP3759563A4 (en) | 2021-04-07 |
US20210009154A1 (en) | 2021-01-14 |
EP3759563B1 (en) | 2023-11-22 |
WO2019164531A1 (en) | 2019-08-29 |
EP3759563A1 (en) | 2021-01-06 |
US11110941B2 (en) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112368662B (zh) | 用于自主运载工具操作管理的定向调整动作 | |
CA3052954C (en) | Autonomous vehicle operational management including operating a partially observable markov decision process model instance | |
EP3580620B1 (en) | Autonomous vehicle operational management control | |
CA3052951C (en) | Autonomous vehicle operational management | |
CA3052953C (en) | Autonomous vehicle operational management blocking monitoring | |
EP3759563B1 (en) | Centralized shared autonomous vehicle operational management | |
CN111629945B (zh) | 自主车辆运行管理场景 | |
US11702070B2 (en) | Autonomous vehicle operation with explicit occlusion reasoning | |
CN112868031B (zh) | 具有视觉显著性感知控制的自主运载工具操作管理 | |
US11874120B2 (en) | Shared autonomous vehicle operational management | |
US20240140472A1 (en) | Data Determining Interface for Vehicle Decision-Making |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |