CN114510020A - 用于运载工具的方法、自主运载工具和存储介质 - Google Patents

Abstract

本发明涉及一种用于运载工具的方法、自主运载工具和存储介质。使用行为规则检查的运载工具操作的方法包括接收来自运载工具的第一传感器的第一传感器数据以及来自第二传感器的第二传感器数据。第一传感器数据表示运载工具根据第一轨迹的操作。第二传感器数据表示至少一个对象。基于第一传感器数据和第二传感器数据确定为第一轨迹违反操作的第一行为规则。第一行为规则具有第一优先级。使用控制障碍函数生成多个替代轨迹。识别违反具有比第一优先级小的第二优先级的第二行为规则的第二轨迹。响应于识别出第二轨迹，向运载工具的控制电路发送消息以基于第二轨迹操作运载工具。

Description

用于运载工具的方法、自主运载工具和存储介质

技术领域

本说明一般涉及运载工具的操作，具体地涉及使用行为规则检查的运载工具操作。

背景技术

运载工具从初始地点到最终目的地的操作通常需要用户或运载工具的决策***选择通过道路网络从初始地点到最终目的地的路线。该路线可能涉及满足诸如不超过最大驾驶时间等的目的。此外，运载工具可能被要求满足由交通法规和驾驶行为的文化期望所强加的复杂规范。因此，自主运载工具的操作可能需要许多决策，使得用于自主驾驶的传统算法不切实际。

发明内容

公开了使用行为规则检查的运载工具操作的方法、***和设备。在实施例中，至少一个处理器接收来自运载工具的第一组传感器的第一传感器数据以及来自所述运载工具的第二组传感器的第二传感器数据。所述第一传感器数据表示所述运载工具根据所述第一轨迹的操作。所述第二传感器数据表示至少一个对象。所述至少一个处理器基于所述第一传感器数据和所述第二传感器数据确定为所述第一轨迹违反所述运载工具的操作的层级规则集中的第一行为规则。所述第一行为规则具有第一优先级。所述至少一个处理器基于所述第一传感器数据和所述第二传感器数据生成所述运载工具的多个替代轨迹。所述至少一个处理器从所述多个替代轨迹中识别第二轨迹。所述第二轨迹违反所述层级规则集中的第二行为规则。所述第二行为规则具有小于所述第一优先级的第二优先级。响应于识别出所述第二轨迹，所述至少一个处理器向所述运载工具的控制电路发送消息以基于所述第二轨迹操作所述运载工具。

在实施例中，框架是一般离线框架。在一般离线框架中，轨迹的通过/失败评估在事后执行。如果发现控制器产生引起规则优先级结构的较少违反的轨迹，则拒绝给定轨迹。

在实施例中，框架是一般在线框架。在一般在线框架中，运载工具具有改变运载工具的操作的层级规则集的有限感测范围。使用滚动时域(receding horizon)(模型预测控制)方法生成控制。

在实施例中，至少一个处理器位于运载工具的规划电路内。至少一个处理器在运载工具的操作期间接收第一传感器数据和第二传感器数据。

在实施例中，至少一个处理器基于第二轨迹调整运载工具的规划电路的操作。至少一个处理器位于运载工具外部的计算机装置上。至少一个处理器在运载工具的操作之后接收第一传感器数据和第二传感器数据。

在实施例中，第一组传感器包括加速度计、方向盘角度传感器、轮传感器和制动传感器其中至少之一。第一传感器数据包括运载工具的速率、运载工具的加速度、运载工具的航向、运载工具的角速度和运载工具的转矩其中至少之一。

在实施例中，第二组传感器包括LiDAR、雷达、照相机、麦克风、红外传感器、声音导航和测距(SONAR)传感器等其中至少之一。

在实施例中，第二传感器数据是至少一个对象的图像、至少一个对象的速率、至少一个对象的加速度、至少一个对象与运载工具之间的横向距离以及其它运动学数据其中至少之一。

在实施例中，至少一个处理器使用最小违反规划、模型预测控制和机器学习其中至少一个从多个替代轨迹中选择第二轨迹，所述选择是基于多个层级规则。

在实施例中，层级规则集中的各个行为规则具有相对于层级规则集中的各个其它行为规则的相应优先级。相应优先级表示违反各个行为规则相对于各个其它行为规则的风险等级。

在实施例中，违反第一行为规则包括操作运载工具使得运载工具与至少一个对象之间的横向距离减小到小于阈值横向距离。

在实施例中，违反第一行为规则包括操作运载工具使得运载工具超过限速。

在实施例中，违反第一行为规则包括操作运载工具使得运载工具在到达目的地之前停止。

在实施例中，违反第一行为规则包括操作运载工具使得运载工具与至少一个对象碰撞。

在实施例中，至少一个处理器基于第二传感器数据确定至少一个对象的路径。确定为第一轨迹违反第一行为规则还基于至少一个对象的路径。

这些和其它方面、特征和实现可以表示为用于进行功能的方法、设备、***、组件、程序产品、手段或步骤，以及其它方式。

一种用于运载工具的方法，包括：利用至少一个处理器，接收来自所述运载工具的第一组传感器的第一传感器数据以及来自所述运载工具的第二组传感器的第二传感器数据，所述第一传感器数据表示所述运载工具根据第一轨迹的操作，以及所述第二传感器数据表示至少一个对象；利用所述至少一个处理器，基于所述第一传感器数据和所述第二传感器数据，确定为所述第一轨迹违反所述运载工具的操作的多个层级规则中的第一行为规则，所述第一行为规则具有第一优先级；利用所述至少一个处理器，基于所述第一传感器数据和所述第二传感器数据来生成所述运载工具的多个替代轨迹，所述多个替代轨迹是使用控制障碍函数生成的；利用所述至少一个处理器，从所述多个替代轨迹中识别第二轨迹，其中，所述第二轨迹违反多个层级规则中的第二行为规则，所述第二行为规则具有小于所述第一优先级的第二优先级；以及响应于识别出所述第二轨迹，利用所述至少一个处理器，向所述运载工具的控制电路发送消息以基于所述第二轨迹操作所述运载工具。

一种自主运载工具，包括：一个或多个处理器；以及一个或多个非暂时性存储介质，其存储有指令，所述指令在由所述一个或多个处理器执行时使得进行上述方法。

一个或多个非暂时性存储介质，其存储有指令，所述指令在由一个或多个计算装置执行时使得进行上述方法。

一种用于运载工具的方法，其包括进行涉及指令的机器执行的操作，所述指令在由一个或多个计算装置执行时使得进行上述方法，其中，所述机器执行的操作是发送所述指令、接收所述指令、存储所述指令和执行所述指令其中至少之一。

这些和其它方面、特性和实现将从以下描述(包括权利要求书)中变得明显。

附图说明

图1是示出根据一个或多个实施例的具有自主能力的自主运载工具(AV)的示例的框图。

图2是示出根据一个或多个实施例的示例“云”计算环境的框图。

图3是示出根据一个或多个实施例的计算机***的框图。

图4是示出根据一个或多个实施例的用于AV的示例架构的框图。

图5是示出根据一个或多个实施例的可由感知模块使用的输入和输出的示例的框图。

图6是示出根据一个或多个实施例的LiDAR***的示例的框图。

图7是示出根据一个或多个实施例的运行中的LiDAR***的框图。

图8是示出根据一个或多个实施例的LiDAR***的操作的附加细节的框图。

图9是示出根据一个或多个实施例的规划模块的输入和输出之间的关系的框图。

图10示出根据一个或多个实施例的在路径规划中使用的有向图。

图11是示出根据一个或多个实施例的控制模块的输入和输出的框图。

图12是示出根据一个或多个实施例的控制器的输入、输出和组件的框图。

图13A示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例场景。

图13B示出根据一个或多个实施例的示例层级规则集。

图14示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例流程图。

图15示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例流程图。

图16示出根据一个或多个实施例的对运载工具进行行为规则检查的示例。

图17示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例流程图。

图18示出根据一个或多个实施例的对运载工具进行行为规则检查的示例输出。

图19示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例流程图。

图20示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例层级规则集。

具体实施方式

在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本发明的透彻理解。然而，本发明可以在没有这些具体细节的情况下实施将是明显的。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使本发明模糊。

在附图中，为了便于描述，示出了示意要素(诸如表示装置、模块、指令块和数据要素的那些要素)的具体排列或次序。然而，本领域技术人员应当理解，附图中示意要素的具体次序或排列并不意在意味着要求特定的处理次序或序列、或处理过程的分离。此外，在附图中包含示意要素并不意在意味着在所有实施例中都需要这种要素，也不意在意味着由这种要素表示的特征不能包括在实施例中或不能在实施例中与其它要素结合。

此外，在附图中，连接要素、诸如实线或虚线或箭头用于例示两个或更多个其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意在意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中示出，以便不使本公开内容模糊。此外，为了便于例示，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接要素表示信号、数据或指令的通信，本领域技术人员应理解，这种要素表示影响通信可能需要的一个或多个信号路径(例如，总线)。

现在将详细参考实施例，其示例在附图中例示出。在以下的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说将明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地使实施例的方面模糊。

下面描述的若干特征各自可以彼此独立地使用，也可以与其它特征的任何组合一起使用。然而，任何个别特征可能不能解决以上所讨论的任何问题，或者只能解决以上所讨论的问题之一。以上所讨论的一些问题可能不能通过本文所描述的任何一个特征得到充分解决。虽然提供了标题，但在本说明书的其它地方也可以找到与具体标题有关但在具有该标题的部分中未找到的信息。本文根据以下概要描述实施例：

1.总体概述

2.***概述

3.自主运载工具架构

4.自主运载工具输入

5.自主运载工具规划

6.自主运载工具控制

7.使用行为规划检查的自主运载工具操作

总体概述

本文介绍了使用行为规则检查的运载工具操作的方法、***和设备。道路安全是重要的公共卫生问题(到2020年全球道路交通死亡人数超过100万人)并且目前是美国多年生命损失的第七大死因。本文公开的实施例实现基于规则的检查以评估机器驾驶器的性能、评估风险因素以及评估AV***或诸如运动规划模块等的子***的轨迹生成能力。本文公开的基于行为的驾驶评定的实现是基于确定可能引起较少违反的替代轨迹是否可用于违反特定规则的自主运载工具。这些规则源自安全考虑因素、交通法规和公认的最佳实践。驾驶规则制定用于定量地评估自主***的实际驾驶如何匹配期望的驾驶行为。

本文描述的实施例的优点和益处包括与传统方法相比对自主运载工具***的驾驶性能的改进评估。使用这些实施例，可以更有效率地评估特定的自主驾驶行为。使用控制障碍函数实现的基于规则的控制方法作为轨迹检查器可以用于自动的“事后”最优控制评估以及用于在自主运载工具上执行以用于实时评估。由于实现已降低了计算复杂度，因此所公开的实施例也可以在自主运载工具上作为基于规则的规划器或控制器实时地实现。

本文公开的实施例的进一步的优点和益处包括考虑替代轨迹，使得不对自主运载工具强制实施不合理预期。由于规则手册是场景和技术不可知的，因此规则手册可用于多种场景、不同的自主运载工具堆栈构建、不同的传感器配置和不同的规划器算法。所公开的实施例使得自主运载工具实现具有更大的可扩展性并且避免了测试评估器的判断调用。此外，实施例可以通知越来越要求特定AV行为的各种监管和标准处理，并且促进关于定义良好AV驾驶行为的行业协作。

***概述

图1是示出根据一个或多个实施例的具有自主能力的自主运载工具100的示例的框图。

如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地操作，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具和有条件自主运载工具。

如本文所使用的，自主运载工具(AV)是一种具有自主能力的运载工具。

如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。

如本文所使用的，“轨迹”是指将AV从第一时空地点运行到第二时空地点的路径或路线。在实施例中，第一时空地点被称为初始地点或起始地点，第二时空地点被称为目的地、最终地点、目标、目标位置或目标地点。在一些示例中，轨迹由一个或多个路段(例如，道路的数段)组成，并且各路段由一个或多个块(例如，车道或交叉口的一部分)组成。在实施例中，时空地点对应于真实世界地点。例如，时空地点是上车或下车地点，以使人员或货物上车或下车。

如本文所使用的，“(一个或多个)传感器”包括一个或多个硬件组件，用于检测与传感器周围环境有关的信息。一些硬件组件可包括感测组件(例如，图像传感器、生物特征传感器)、传输和/或接收组件(例如，激光或射频波发射器和接收器)、电子组件(诸如，模数转换器)、数据存储装置(诸如，RAM和/或非易失性存储器)、软件或固件组件和数据处理组件(诸如，专用集成电路)、微处理器和/或微控制器。

如本文所使用的，“场景描述”是一种数据结构(例如，列表)或数据流，其包括由AV运载工具上的一个或多个传感器检测到的一个或多个分类或标记的对象，或由AV外部的源提供的一个或多个分类或标记的对象。

如本文所使用的，“道路”是一个可以被运载工具穿过的物理区域，并且可以对应于已命名的通道(例如，城市街道、州际高速公路等)或可对应于未命名的通道(例如，房屋或办公楼内的行车道、停车场的一段、空置停车场的一段、乡村区域的污物通道等)。因为有些运载工具(例如，四轮驱动的小卡车、越野车(SUV)等)能够穿过各种不特别适合运载工具行驶的物理区域，因此“道路”可以是任何市政当局或其它政府或行政机构没有正式定义为一条通道的物理区域。

如本文所使用的，“车道”是道路的可被运载工具穿越的部分，并且可对应于车道标记之间的大部分或全部空间，或仅对应于车道标记之间的部分空间(例如，小于50％)。例如，具有相距很远的车道标记的道路可能容纳两个或两个以上的运载工具，使得一个运载工具可以在不穿过车道标记的情况下超过另一个运载工具，因此可被解释为车道比车道标记之间的空间窄，或车道之间有两个车道。在没有车道标记的情况下，也可以对车道进行解释。例如，可以基于环境的物理特征(例如，农村地区的岩石和沿着大道的树木)来定义车道。

“一个或多个”包括由一个要素执行的功能、由多个要素例如以分布式的方式执行的功能、由一个要素执行的若干功能、由若干要素执行的若干功能、或上述的任何组合。

还将理解的是，尽管在一些情况下，术语“第一”、“第二”等在本文中是用来描述各种要素的，但这些要素不应受到这些术语的限制。这些术语仅用于区分一个要素与另一个要素。例如，在未背离各种所描述的实施例的范围的情况下，第一触点可被称为第二触点，并且类似地，第二触点可被称为第一触点。第一触点和第二触点两者都是触点，但它们不是相同触点。

在本文所描述的各种实施例的说明书中使用的术语仅用于描述特定实施例的目的，而不是意在限制。如在所描述的各种实施例的说明书和所附权利要求书中所使用的，单数形式“a”、“an”和“the”也意在包括复数形式，除非上下文另有明确说明。还将理解的是，如本文所使用的“和/或”是指并且包括一个或多个相关清单项目的任何和所有可能的组合。还将理解的是，当在本说明书中使用术语“包括”、“包含”、“具备”和/或“具有”时，具体说明存在所陈述的特征、整数、步骤、操作、要素和/或组件，但并不排除存在或添加一个或多个其它特征、整数、步骤、操作、要素、组件、和/或其群组。

如本文所使用的，取决于上下文，术语“如果”可选地被理解为意指“当”或“在当时”或“响应于确定为”或“响应于检测到”。类似地，取决于上下文，短语“如果已确定”或“如果[所陈述的条件或事件]已被检测到”可选地被理解为意指“在确定时”或“响应于确定为“或”在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。

如本文所使用的，AV***是指AV以及支持AV操作的硬件、软件、存储的数据和实时生成的数据的阵列。在实施例中，AV***并入在AV内。在实施例中，AV***跨若干地点分布。例如，AV***的一些软件是在类似于下面关于图2描述的云计算环境200的云计算环境中实现的。

一般而言，本文件描述了适用于任何具有一种或多种自主能力的运载工具的技术，包括完全自主运载工具、高度自主运载工具和有条件自主运载工具，诸如分别为所谓的第5级、第4级和第3级运载工具(见SAE国际标准J3016：道路上机动车自主驾驶***相关术语的分类和定义，通过引用将其全部内容并入本文件，用于了解运载工具自主权等级的更多详细信息)。本文件所描述的技术也适用于部分自主运载工具和驾驶员辅助运载工具，诸如所谓的第2级和第1级运载工具(见SAE国际标准J3016：道路上机动车自主驾驶***相关术语的分类和定义)。在实施例中，一个或多个第1级、第2级、第3级、第4级和第5级运载工具***可基于对传感器输入的处理，在某些操作条件下自动执行某些运载工具操作(例如，转向、制动和使用地图)。本文中所描述的技术可以使从完全自主运载工具到人类操作的运载工具范围内的任何级别的运载工具受益。

参考图1，AV***120使AV 100沿着轨迹198操作，穿过环境190至目的地199(有时称为最终地点)，同时避开对象(例如，自然障碍物191、运载工具193、行人192、骑车者和其它障碍物)和遵守道路规则(例如，操作规则或驾驶偏好)。

在实施例中，AV***120包括用于从计算机处理器146接收操作命令并对其进行操作的装置101。在实施例中，计算机处理器146与下面参考图3描述的处理器304相似。装置101的示例包括转向控制器102、制动器103、挡位、加速踏板或其它加速控制机构、挡风玻璃雨刮器、侧门锁、窗控器和转向指示器。

在实施例中，AV***120包括用于测量或推断AV 100的状态或条件的属性的传感器121，这些属性诸如是AV的位置、线速度和线加速度及角速度和角加速度、以及航向(例如，AV 100的前端的方向)。传感器121的示例是GNSS、测量运载工具线加速度和角速率两者的惯性测量单元(IMU)、用于测量或估计轮滑移率的轮传感器、轮制动压力或制动转矩传感器、引擎转矩或轮转矩传感器以及转向角度和角速率传感器。

在实施例中，传感器121还包括用于感测或测量AV的环境的属性的传感器。例如，可见光、红外或热(或两者兼有)光谱的单目或立体摄像机122，LiDAR 123，RADAR，超声波传感器，飞行时间(TOF)深度传感器，速率传感器，温度传感器，湿度传感器和降水传感器。

在实施例中，AV***120包括数据存储单元142和存储器144，用于存储与计算机处理器146相关联的机器指令或由传感器121收集的数据。在实施例中，数据存储单元142与以下关于图3描述的ROM 308或存储装置310类似。在实施例中，存储器144与下面描述的主存储器306类似。在实施例中，数据存储单元142和存储器144存储有关环境190的历史、实时和/或预测性信息。在实施例中，存储的信息包括地图、驾驶性能、交通拥堵更新或天气条件。在实施例中，与环境190有关的数据从远程数据库134通过通信信道传输到AV 100。

在实施例中，AV***120包括通信装置140，用于将对其它运载工具的状态和条件(诸如位置、线速度和角速度、线加速度和角加速度、以及线航向和角航向)测量或推断的属性传送到AV 100。这些装置包括运载工具到运载工具(V2V)和运载工具到基础设施(V2I)通信装置以及用于通过点对点或自组织(ad hoc)网络或两者进行无线通信的装置。在实施例中，通信装置140跨电磁频谱(包括无线电和光通信)或其它介质(例如，空气和声介质)进行通信。运载工具对运载工具(V2V)、运载工具对基础设施(V2I)通信(以及在实施例中为一种或多种其它类型的通信)的组合有时被称为运载工具对所有事物(V2X)通信。V2X通信通常符合一个或多个通信标准，用于与自主运载工具进行的和在自主运载工具之间的通信。

在实施例中，通信装置140包括通信接口。例如，有线、无线、WiMAX、Wi-Fi、蓝牙、卫星、蜂窝、光、近场、红外或无线电接口。通信接口将数据从远程数据库134传输到AV***120。在实施例中，远程数据库134嵌入在如图2中所描述的云计算环境200中。通信接口140将从传感器121收集的数据或与AV 100操作有关的其它数据传输到远程数据库134。在实施例中，通信接口140向AV 100传输与遥操作有关的信息。在实施例中，AV 100与其它远程(例如，“云”)服务器136通信。

在实施例中，远程数据库134还存储和传输数字数据(例如，存储诸如道路和街道地点的数据)。这些数据存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV 100。

在实施例中，远程数据库134存储和传输与以前在一天中类似时间沿着轨迹198行驶的运载工具的驾驶属性有关的历史信息(例如，速率和加速度分布)。在一个实现中，这种数据可以存储在AV 100上的存储器144中，或者通过通信信道从远程数据库134传输到AV100。

位于AV 100上的计算装置146基于实时传感器数据和先验信息两者以算法方式生成控制动作，允许AV***120执行其自主驾驶能力。

在实施例中，AV***120包括耦接到计算装置146的计算机***设备132，用于向AV100的用户(例如，乘员或远程用户)提供信息和提醒并接收来自该用户的输入。在实施例中，***设备132类似于下面参考图3讨论的显示器312、输入装置314和光标控制器316。耦接是无线的或有线的。任意两个或更多个的接口装置可以集成到单个装置中。

示例云计算环境

图2是示出根据一个或多个实施例的示例“云”计算环境的框图。云计算是一种服务交付模式，用于使得能够方便、按需地在网络上访问可配置计算资源(例如网络、网络带宽、服务器、处理、内存、存储、应用程序、虚拟机和服务)的共享池。在典型的云计算***中，一个或多个大型云数据中心容纳用于交付云所提供的服务的机器。现在参考图2，云计算环境200包括通过云202互连的云数据中心204a、204b和204c。数据中心204a、204b和204c为连接到云202的计算机***206a、206b、206c、206d、206e和206f提供云计算服务。

云计算环境200包括一个或多个云数据中心。一般而言，云数据中心(例如图2中所示的云数据中心204a)是指构成云(例如图2中所示的云202或云的特定部分)的服务器的物理排列。例如，服务器在云数据中心中物理排列成房间、组、行和机架。云数据中心有一个或多个区域，其中包括一个或多个服务器房间。每个房间有一行或多行服务器，并且每行包括一个或多个机架。每个机架包括一个或多个单独的服务器节点。在一些实现中，区域、房间、机架和/或行中的服务器基于数据中心设施的物理基础设施要求(包括电力、能源、热力、热源和/或其它要求)被排列成若干组。在实施例中，服务器节点类似于图3中描述的计算机***。数据中心204a具有许多分布在多个机架上的计算***。

云202包括云数据中心204a、204b和204c以及用于连接云数据中心204a、204b和204c并有助于促进计算***206a-f对云计算服务的访问的网络和网络资源(例如，网络设备、节点、路由器、交换机和网络电缆)。在实施例中，该网络表示一个或多个本地网络、广域网或通过使用地面或卫星连接部署的有线或无线链路耦接的网际网络的任意组合。通过网络交换的数据使用多种网络层协议(诸如，因特网协议(IP)、多协议标签交换(MPLS)、异步传输模式(ATM)、帧中继(Frame Relay)等)进行传输。此外，在网络表示多个子网络的组合的实施例中，在每个底层子网络上使用不同的网络层协议。在实施例中，网络表示一个或多个互连网际网络(诸如公共因特网等)。

计算***206a-f或云计算服务消费者通过网络链路和网络适配器连接到云202。在实施例中，计算***206a-f被实现为各种计算装置，例如服务器、台式机、膝上型计算机、平板电脑、智能手机、物联网(IoT)装置、自主运载工具(包括小汽车、无人机、航天飞机、火车、公共汽车等)和消费电子产品。在实施例中，计算***206a-f在其它***中实现或作为其它***的一部分实现。

计算机***

图3是示出根据一个或多个实施例的计算机***300的框图。在实现中，计算机***300是一种专用计算装置。专用计算装置被硬连线以执行这些技术，或包括诸如一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)的被持久编程为执行上述技术的数字电子装置，或可包括一个或多个通用硬件处理器，这些硬件处理器经编程以根据固件、存储器、其它存储器、或者组合中的程序指令执行这些技术。这种专用的计算装置还可以将定制的硬线逻辑、ASIC或FPGA与定制的编程相结合来完成这些技术。在各种实施例中，专用计算装置是台式计算机***、便携式计算机***、手持装置、网络装置或包含硬线和/或程序逻辑以实现这些技术的任何其它装置。

在实施例中，计算机***300包括总线302或用于传达信息的其它通信机制、以及与总线302耦接以处理信息的硬件处理器304。硬件处理器304是例如通用微处理器。计算机***300还包括主存储器306，诸如随机存取存储器(RAM)或其它动态存储装置，该主存储器306耦接到总线302以存储信息和指令，该信息和指令由处理器304执行。在一个实现中，主存储器306用于在执行要由处理器304执行的指令期间存储临时变量或其它中间信息。当这些指令存储在处理器304可访问的非暂时性存储介质中时，使计算机***300变成一个专用机器，该机器被定制以执行指令中指定的操作。

在实施例中，计算机***300还包括只读存储器(ROM)308或耦接到总线302的其它静态存储装置，用于存储处理器304的静态信息和指令。提供诸如磁盘、光盘、固态驱动器或三维交叉点存储器的存储装置310，并且该存储装置310耦接到总线302以存储信息和指令。

在实施例中，计算机***300通过总线302耦接到诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子体显示器、发光二极管(LED)显示器或用于向计算机用户显示信息的有机发光二极管(OLED)显示器的显示器312。包括字母数字键和其它键的输入装置314耦接到总线302，用于向处理器304传送信息和命令选择。另一种类型的用户输入装置是光标控制器316，诸如鼠标、轨迹球、触控显示器或光标方向键，用于将方向信息和命令选择传送到处理器304，并用于控制光标在显示器312上的移动。这种输入装置通常具有两个轴(第一轴(例如，x轴)和第二轴(例如，y轴))上的两个自由度，这两个轴允许装置指定平面上的位置。

根据一个实施例，本文的技术由计算机***300响应于处理器304执行主存储器306中包含的一个或多个指令的一个或多个序列而执行。这些指令从诸如存储装置310的另一存储介质读入主存储器306。执行主存储器306中包含的指令序列使处理器304执行本文所描述的过程步骤。在替代实施例中，使用硬连线电路代替或与软件指令结合使用。

如本文所使用的术语“存储介质”是指存储数据和/或指令的任何非暂时性介质，这些数据和/或指令使机器以特定方式操作。这种存储介质包括非易失性介质和/或易失性介质。非易失性介质例如包括诸如存储装置310的光盘、磁盘、固态驱动器或三维交叉点存储器。易失性介质包括动态存储器，诸如主存储器306。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其它磁数据存储介质、CD-ROM、任何其它光数据存储介质、任何具有孔型的物理介质、RAM、PROM和EPROM、FLASH-EPROM、NV-RAM、或任何其它存储芯片或存储盒。

存储介质有别于传输介质，但可以与传输介质相结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括具备总线302的电线。传输介质也可以采取声波或光波的形式，诸如在无线电波和红外数据通信过程中产生的声波或光波。

在实施例中，各种形式的介质涉及将一个或多个指令的一个或多个序列承载到处理器304以供执行。例如，这些指令最初是在远程计算机的磁盘或固态驱动器上执行的。远程计算机将指令加载到其动态存储器中，并使用调制解调器通过电话线路发送指令。计算机***300的本地调制解调器接收电话线路上的数据，并使用红外发射器将数据转换为红外信号。红外检测器接收红外信号中承载的数据，并且适当的电路将数据放置在总线302上。总线302将数据承载到主存储器306，处理器304从主存储器306检索并执行指令。主存储器306接收的指令可以可选地在处理器304执行之前或之后存储在存储装置310上。

计算机***300还包括耦接到总线302的通信接口318。通信接口318提供耦接到连接至本地网络322的网络链路320的双向数据通信。例如，通信接口318是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器或用以提供与相应类型电话线路的数据通信连接的调制解调器。作为另一示例，通信接口318是局域网(LAN)卡，用于提供与兼容LAN的数据通信连接。在一些实现中，无线链路也被实现。在任何这种实现中，通信接口318发送和接收承载表示各种类型的信息的数字数据流的电、电磁或光信号。

网络链路320通常通过一个或多个网络向其它数据装置提供数据通信。例如，网络链路320通过本地网络322提供与主计算机324或与由因特网服务提供商(ISP)326运营的云数据中心或设备的连接。ISP 326又通过现在通常称为“因特网”328的世界范围分组数据通信网络来提供数据通信服务。本地网络322和因特网328两者都使用承载数字数据流的电、电磁或光信号。通过各种网络的信号以及网络链路320上并通过通信接口318的信号是传输介质的示例形式，其中这些信号承载了进出计算机***300的数字数据。在实施例中，网络320包含上述云202或云202的一部分。

计算机***300通过(一个或多个)网络、网络链路320和通信接口318发送消息和接收包括程序代码的数据。在实施例中，计算机***300接收用于处理的代码。接收到的代码在接收到时由处理器304执行，和/或存储在存储装置310中，或存储在其它非易失性存储装置中以便以后执行。

自主运载工具架构

图4是示出根据一个或多个实施例的用于自主运载工具(例如，图1所示的AV 100)的示例架构400的框图。架构400包括感知模块402(有时称为感知电路)、规划模块404(有时称为规划电路)、控制模块406(有时称为控制电路)、定位模块408(有时称为定位电路)和数据库模块410(有时称为数据库电路)。各模块在AV 100的操作中发挥作用。共同地，模块402、404、406、408和410可以是图1所示的AV***120的一部分。在实施例中，模块402、404、406、408和410中的任何模块是计算机软件(例如，计算机可读介质上所存储的可执行代码)和计算机硬件(例如，一个或多个微处理器、微控制器、专用集成电路[ASIC]、硬件存储器装置、其它类型的集成电路、其它类型的计算机硬件、或者这些硬件中的任何或所有的组合)的组合。

在使用中，规划模块404接收表示目的地412的数据，并且确定表示AV 100为了到达(例如，抵达)目的地412而可以行驶的轨迹414(有时称为路线)的数据。为了使规划模块404确定表示轨迹414的数据，规划模块404从感知模块402、定位模块408和数据库模块410接收数据。

感知模块402使用例如也如图1所示的一个或多个传感器121来识别附近的物理对象。将对象分类(例如，分组成诸如行人、自行车、汽车、交通标志等的类型)，并且将包括经分类的对象416的场景描述提供至规划模块404。

规划模块404还从定位模块408接收表示AV位置418的数据。定位模块408通过使用来自传感器121的数据和来自数据库模块410的数据(例如，地理数据)以计算位置来确定AV位置。例如，定位模块408使用来自全球导航卫星***(GNSS)单元的数据和地理数据来计算AV的经度和纬度。在实施例中，定位模块408所使用的数据包括具有行车道几何属性的高精度地图、描述道路网络连接属性的地图、描述行车道物理属性(诸如交通速率、交通量、运载工具和自行车车道的数量、车道宽度、车道交通方向、或车道标记类型和地点，或者它们的组合)的地图、以及描述道路特征(诸如十字路口、交通标志或各种类型的其它行驶信号等)的空间地点的地图。

控制模块406接收表示轨迹414的数据和表示AV位置418的数据，并且以将使得AV100行驶轨迹414到达目的地412的方式来操作AV的控制功能420a～420c(例如，转向、油门、制动、点火)。例如，如果轨迹414包括左转，则控制模块406将以如下方式操作控制功能420a～420c：转向功能的转向角度将使得AV 100左转，并且油门和制动将使得AV 100在进行转弯之前暂停并等待经过的行人或运载工具。

自主运载工具输入

图5是示出根据一个或多个实施例的感知模块402(图4)所使用的输入502a-502d(例如，图1中所示的传感器121)和输出504a-504d(例如，传感器数据)的示例的框图。一个输入502a是LiDAR(光检测和测距)***(例如，图1所示的LiDAR 123)。LiDAR是使用光(例如，诸如红外光等的一道光)来获得与其视线中的物理对象有关的数据的技术。LiDAR***产生LiDAR数据作为输出504a。例如，LiDAR数据是用于构造环境190的表示的3D或2D点(也称为点云)的集合。

另一输入502b是RADAR(雷达)***。RADAR是使用无线电波来获得与附近的物理对象有关的数据的技术。RADAR可以获得与不在LiDAR***的视线内的对象有关的数据。RADAR***502b产生RADAR数据作为输出504b。例如，RADAR数据是用于构造环境190的表示的一个或多个射频电磁信号。

另一输入502c是照相机***。照相机***使用一个或多个照相机(例如，使用诸如电荷耦接器件[CCD]等的光传感器的数字照相机)来获取与附近的物理对象有关的信息。照相机***产生照相机数据作为输出504c。照相机数据通常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。在一些示例中，照相机***具有例如为了立体影像(立体视觉)的目的的多个独立照相机，这使得照相机***能够感知深度。尽管照相机***所感知的对象在这里被描述为“附近”，但这是相对于AV而言的。在使用中，照相机***可被配置为“看见”远处的(例如，AV前方的远至1公里或更远的)对象。因此，照相机***可以具有为了感知遥远的对象而优化的诸如传感器和镜头等的特征。

另一输入502d是交通灯检测(TLD)***。TLD***使用一个或多个照相机来获得与交通灯、街道标志和提供视觉操作信息的其它物理对象有关的信息。TLD***产生TLD数据作为输出504d。TLD数据经常采用图像数据(例如，诸如RAW、JPEG、PNG等的图像数据格式的数据)的形式。TLD***与包含照相机的***的不同之处在于：TLD***使用具有宽视场(例如，使用广角镜头或鱼眼镜头)的照相机，以获得与尽可能多的提供视觉操作信息的物理对象有关的信息，使得AV 100能够访问这些对象所提供的所有相关操作信息。例如，TLD***的视角可以为约120度或更大。

在实施例中，使用传感器融合技术来组合输出504a-504d。因而，将个体输出504a-504d提供至AV 100的其它***(例如，提供至如图4所示的规划模块404)，或者可以采用相同类型的单个组合输出或多个组合输出(例如，使用相同组合技术或组合相同输出或者这两者)或不同类型的单个组合输出或多个组合输出(例如，使用不同的各个组合技术或组合不同的各个输出或者这两者)的形式，将组合输出提供至其它***。在实施例中，使用早期融合技术。早期融合技术的特征在于：在将一个或多个数据处理步骤应用到组合输出之前，将输出组合。在实施例中，使用后期融合技术。后期融合技术的特征在于：在将一个或多个数据处理步骤应用到个体输出之后，将输出组合。

图6是示出根据一个或多个实施例的LiDAR***602的示例(例如，图5所示的输入502a)的框图。LiDAR***602从发光器606(例如，激光发射器)发射光604a-604c。LiDAR***所发射的光通常不在可见光谱中；例如，经常使用红外光。所发射的光604b中的一些光遇到物理对象608(例如，运载工具)并且反射回到LiDAR***602。(从LiDAR***发射的光通常不会穿透物理对象，例如，实心形式的物理对象。)LiDAR***602还具有用于检测反射光的一个或多个光检测器610。在实施例中，与LiDAR***相关联的一个或多个数据处理***生成表示LiDAR***的视场614的图像612。图像612包括表示物理对象608的边界616的信息。这样，图像612用于确定AV附近的一个或多个物理对象的边界616。

图7是示出根据一个或多个实施例的操作中的LiDAR***602的框图。在该图所示的情境中，AV 100接收采用图像702的形式的照相机***输出504c和采用LiDAR数据点704的形式的LiDAR***输出504a两者。在使用中，AV 100的数据处理***将图像702与数据点704进行比较。特别地，在数据点704中也识别在图像702中识别出的物理对象706。这样，AV100基于数据点704的轮廓和密度来感知物理对象的边界。

图8是示出根据一个或多个实施例的LiDAR***602的操作的附加细节的框图。如上所述，AV 100基于LiDAR***602所检测到的数据点的特性来检测物理对象的边界。如图8所示，诸如地面802等的平坦对象将以一致的方式反射从LiDAR***602发射的光804a-804d。换句话说，由于LiDAR***602使用一致的间隔发射光，因此地面802将以相同的一致间隔将光反射回到LiDAR***602。在AV 100在地面802上行驶时，在没有东西阻挡道路的情况下，LiDAR***602将继续检测到由下一个有效地面点806反射的光。然而，如果对象808阻挡道路，则LiDAR***602所发射的光804e-804f将以与预期一致方式不一致的方式从点810a-810b反射。根据该信息，AV 100可以确定存在对象808。

路径规划

图9是示出根据一个或多个实施例的(例如，如图4所示的)规划模块404的输入和输出之间的关系的框图900。一般而言，规划模块404的输出是从起点904(例如，源地点或初始地点)到终点906(例如，目的地或最终地点)的路线902。路线902通常由一个或多个路段定义。例如，路段是指要在街道、道路、公路、行车道或适合汽车行驶的其它物理区域的至少一部分上行驶的距离。在一些示例中，例如，如果AV 100是诸如四轮驱动(4WD)或全轮驱动(AWD)小汽车、SUV或小卡车等的能够越野的运载工具，则路线902包括诸如未铺面路径或开阔田野等的“越野”路段。

除路线902之外，规划模块还输出车道级路线规划数据908。车道级路线规划数据908用于在特定时间基于路线902的路段的条件来驶过这些路段。例如，如果路线902包括多车道公路，则车道级路线规划数据908包括轨迹规划数据910，其中AV 100可以使用该轨迹规划数据910以例如基于出口是否临近、多个车道中的一个或多个车道是否存在其它运载工具、或者在几分钟或更少时间的过程中变化的其它因素来从这多个车道中选择某车道。类似地，在一些实现中，车道级路线规划数据908包括路线902的某路段特有的速率约束912。例如，如果该路段包括行人或非预期交通，则速率约束912可以将AV 100限制到比预期速率慢的行驶速率，例如基于该路段的限速数据的速率。

在实施例中，向规划模块404的输入包括(例如，来自图4所示的数据库模块410的)数据库数据914、当前地点数据916(例如，图4所示的AV位置418)、(例如，用于图4所示的目的地412的)目的地数据918和对象数据920(例如，如图4所示的感知模块402所感知的经分类的对象416)。在实施例中，数据库数据914包括规划时所使用的规则。规则是使用形式语言(例如，使用布尔逻辑)指定的。在AV 100所遇到的任何给定情形中，这些规则中的至少一些规则将适用于该情形。如果规则具有基于AV 100可用的信息(例如，与周围环境有关的信息)所满足的条件，则该规则适用于给定情形。规则可以具有优先级。例如，“如果公路是高速公路，则移动到最左侧车道”这一规则与“如果出口在一英里内临近，则移动到最右侧车道”相比可以具有更低的优先级。

图10示出根据一个或多个实施例的在路径规划中(例如，由规划模块404(图4))使用的有向图1000。一般而言，如图10所示的有向图那样的有向图1000用于确定任何起点1002和终点1004之间的路径。在现实世界中，分隔起点1002和终点1004的距离可能相对较大(例如，在两个不同的都市区域中)，或者可能相对较小(例如，毗邻城市街区的两个十字路口或多车道道路的两条车道)。

在实施例中，有向图1000具有表示起点1002和终点1004之间的AV 100可能占用的不同地点的节点1006a-1006d。在一些示例中，例如，在起点1002和终点1004表示不同的都市区域时，节点1006a-1006d表示道路的路段。在一些示例中，例如，在起点1002和终点1004表示相同道路上的不同地点时，节点1006a-1006d表示该道路上的不同位置。这样，有向图1000包括不同粒度级别的信息。在实施例中，具有高粒度的有向图也是具有更大规模的另一有向图的子图。例如，起点1002和终点1004相距远(例如，相距许多英里)的有向图的大部分信息处于低粒度，并且该有向图是基于所存储的数据，但该有向图还包括用于该有向图中的表示AV 100的视场中的物理地点的一部分的一些高粒度信息。

节点1006a-1006d不同于无法与节点重叠的对象1008a-1008b。在实施例中，在粒度低时，对象1008a-1008b表示汽车不能穿过的地区，例如无街道或道路的区域。在粒度高时，对象1008a-1008b表示AV 100的视场中的物理对象，例如其它汽车、行人、或AV 100不能与之共用物理空间的其它实体。在实施例中，对象1008a-1008b的一部分或全部是静态对象(例如，不改变位置的对象，诸如街灯或电线杆等)或动态对象(例如，能够改变位置的对象，诸如行人或其它小汽车等)。

节点1006a-1006d通过边1010a-1010c连接。如果两个节点1006a-1006b通过边1010a连接，则AV 100可以在一个节点1006a和另一节点1006b之间行驶，例如，而不必在到达另一节点1006b之前行驶到中间节点。(当提到AV 100在节点之间行驶时，意味着AV 100在由相应节点表示的两个物理位置之间行驶。)边1010a-1010c通常是双向的，从某种意义上，AV 100从第一节点行驶到第二节点，或者从第二节点行驶到第一节点。在实施例中，边1010a-1010c是单向的，从某种意义上，AV 100可以从第一节点行驶到第二节点，然而AV100不能从第二节点行驶到第一节点。在边1010a-1010c表示例如单向街道，街道、道路或公路的单独车道，或者由于法律或物理约束因而仅能沿一个方向穿过的其它特征的情况下，边1010a-1010c是单向的。

在实施例中，规划模块404使用有向图1000来识别由起点1002和终点1004之间的节点和边组成的路径1012。

边1010a-1010c具有关联成本1014a-1014b。成本1014a-1014b是表示在AV 100选择该边的情况下将花费的资源的值。典型的资源是时间。例如，如果一个边1010a所表示的物理距离是另一边1010b所表示的物理距离的两倍，则第一边1010a的关联成本1014a可以是第二边1010b的关联成本1014b的两倍。影响时间的其它因素包括预期交通、十字路口的数量、限速等。另一典型的资源是燃料经济性。两个边1010a-1010b可以表示相同的物理距离，但例如由于道路条件、预期天气等，因此一个边1010a与另一边1010b相比需要更多的燃料。

在规划模块404识别起点1002和终点1004之间的路径1012时，规划模块404通常选择针对成本优化的路径，例如，在将边的个体成本相加到一起时具有最小总成本的路径。

自主运载工具控制

图11是示出根据一个或多个实施例的(例如，如图4所示的)控制模块406的输入和输出的框图1100。控制模块根据控制器1102而操作，该控制器1102例如包括：与处理器304类似的一个或多个处理器(例如，诸如微处理器或微控制器或这两者等的一个或多个计算机处理器)；与主存储器306、ROM 308和存储装置310类似的短期和/或长期数据存储装置(例如，存储器，随机存取存储器或闪速存储器或这两者)；以及存储器中所存储的指令，这些指令在(例如，由一个或多个处理器)执行时执行控制器1102的操作。

在实施例中，控制器1102接收表示期望输出1104的数据。期望输出1104通常包括速度，例如速率和航向。期望输出1104例如可以基于从(例如，如图4所示的)规划模块404接收到的数据。根据期望输出1104，控制器1102产生可用作油门输入1106和转向输入1108的数据。油门输入1106表示例如通过接合转向踏板或接合另一油门控件来接合AV 100的油门(例如，加速控制)以实现期望输出1104的大小。在一些示例中，油门输入1106还包括可用于接合AV 100的制动器(例如，减速控制)的数据。转向输入1108表示转向角度，例如AV的转向控制(例如，方向盘、转向角致动器或用于控制转向角度的其它功能)应被定位成实现期望输出1104的角度。

在实施例中，控制器1102接收在调整提供至油门和转向的输入时使用的反馈。例如，如果AV 100遇到诸如山丘等的干扰1110，则AV 100的测量速率1112降至低于期望输出速率。在实施例中，任何测量输出1114均被提供至控制器1102，使得例如基于测量速率和期望输出之间的差分1113来进行所需的调整。测量输出1114包括测量位置1116、测量速度1118(包括速率和航向)、测量加速度1120和AV 100的传感器可测量的其它输出。

在实施例中，例如通过诸如照相机或LiDAR传感器等的传感器预先检测与干扰1110有关的信息，并且该信息被提供至预测性反馈模块1122。然后，预测性反馈模块1122将控制器1102可用于相应地调整的信息提供至控制器1102。例如，如果AV 100的传感器检测到(“看见”)山丘，则控制器1102可以使用该信息来准备在适当时间接合油门，以避免显著减速。

图12是示出根据一个或多个实施例的控制器1102的输入、输出和组件的框图1200。控制器1102具有影响油门/制动器控制器1204的操作的速率分析器1202。例如，速率分析器1202根据例如由控制器1102接收到并由速率分析器1202处理后的反馈，来指示油门/制动器控制器1204使用油门/制动器1206进行加速或进行减速。

控制器1102还具有影响方向盘控制器1210的操作的横向跟踪控制器1208。例如，横向跟踪控制器1208根据例如由控制器1102接收到并由横向跟踪控制器1208处理后的反馈，来指示方向盘控制器1210调整转向角致动器1212的位置。

控制器1102接收用于确定如何控制油门/制动器1206和转向角致动器1212的若干输入。规划模块404提供控制器1102例如选择AV 100开始操作时的航向并确定在AV 100到达十字交叉路口时穿过哪个道路路段所使用的信息。定位模块408例如将描述AV 100的当前地点的信息提供至控制器1102，使得控制器1102可以确定AV 100是否处于基于正控制油门/制动器1206和转向角致动器1212的方式而预期的地点。在实施例中，控制器1102接收来自其它输入1214的信息，例如从数据库、计算机网络等接收到的信息。

使用行为规则检查的运载工具操作

图13A示出根据一个或多个实施例的使用行为规则检查的AV 100的操作的示例场景。参考图1更详细地示出和描述AV 100。AV 100在环境190中操作，参考图1更详细地示出和描述该环境190。在图13A所示的示例场景中，AV 100在作为单向车道的车道1316中运行。环境190包括邻近于车道1316并且在与车道1316相反的方向上的另一车道1320。另一辆运载工具193在车道1320中运行。参考图1更详细地示出和描述运载工具193。存在将车道1316与车道1320分开的双线1312。然而，不存在将车道1316与车道1320分开的物理道路分隔物或中间区。环境190中的交通规则禁止运载工具跨过双线1312或超过每小时45英里的限速以防止碰撞。

由于在AV 100的路径中在AV 100前方的车道1316中的事故，因此存在路障1308。运载工具1304在车道1316中已经发生故障或遭受碰撞，因为存在路障1308。AV 100在车道1316中朝向目的地199(也在车道1316中)运行。参考图1更详细地示出和描述目的地199。路障1308和运载工具1304是参考图4更详细地示出和描述的经分类对象416的示例。AV 100使用其感知模块402来使用一个或多个传感器121(例如，也如图1所示)识别物理对象1308、1304。参考图4更详细地示出和描述感知模块402。将对象1304、1308分类(例如，分组成诸如汽车、路障、交通锥等类型)，并且将包括经分类对象1304、1308的场景描述提供给规划模块(或“规划电路”)404。参考图1更详细地示出和描述规划电路404。

AV 100确定为车道1316被对象1304、1308阻挡。如参考图8更详细地示出和描述的，AV 100基于由传感器121检测到的数据点(第一传感器数据)的特性来检测对象1304、1308的边界。如图8所示，诸如车道1316等的平面对象将以一致方式反射从LiDAR***602发射的光804a-804d。参考图6更详细地示出和描述LiDAR***602。换言之，由于LiDAR***602使用一致间隔发射光，因此车道1316将以相同的一致间隔将光反射回到LiDAR***602。随着AV 100在车道1316上行驶，如果没有东西阻挡车道1316，则LiDAR***602将继续检测由下一个有效地面点反射的光。然而，如果对象1304、1308阻挡车道1316，则由LiDAR***602发射的光804e-804f将以与预期一致方式不一致的方式从点810a-810b反射。根据该信息，AV 100可以确定为存在对象1304、1308。

为了到达目的地199，AV 100的规划电路404生成轨迹198。参考图1更详细地示出和描述轨迹198。根据轨迹198操作AV 100使得AV 100违反交通规则并跨过双线1312以绕过对象1304、1308操纵，使得AV 100可到达其目的地199。轨迹198使AV 100跨过双线1312并进入运载工具193的路径中的车道1320。AV 100使用操作的层级规则集来提供关于AV 100的驾驶性能的反馈。层级规则集有时被称为所存储的行为模型或规则手册。在一些实施例中，以通过-失败的方式提供反馈。本文公开的实施例被设计成检测AV 100(例如，规划电路404)何时生成违反较高优先级行为规则的轨迹198，即使AV 100可能已经生成将仅违反较低优先级行为规则的替代轨迹。这样的检测的发生表示运动规划处理的失败。参考图13B更详细地示出和描述示例层级规则集1352。

至少一个处理器被用于生成轨迹198。在第一实施例中，至少一个处理器位于AV100的规划电路404内。例如，至少一个处理器是参考图1更详细地示出和描述的处理器146。由此，至少一个处理器(AV 100上的处理器146)在AV 100的操作期间接收第一传感器数据和第二传感器数据。在第一实施例中，作为轨迹检查器或作为基于规则的规划器/控制器，在AV 100上执行基于规则的控制方法以用于实时评估。例如，在在线框架中，AV使用操作的层级规则集来在AV的操作期间(例如，当AV跨过双线时)迭代地提供关于AV 100的驾驶性能的反馈。特别地，在线框架根据相关交通参与者或特征(例如，停放的小汽车、行人、道路分隔物)的局部感测来激活和停用规则。

在第二实施例中，至少一个处理器位于AV 100外部的计算机装置上。例如，计算机装置是参考图1更详细地示出和描述的服务器136。在第二实施例中，(服务器136的)至少一个处理器在AV 100的操作之后接收第一传感器数据和第二传感器数据。由于规则手册是场景不可知的和技术不可知的，因此相同的规则手册可用于不同的场景和堆栈构建以在事后修改和改进规划电路404。在示例中，离线框架被配置为在测试场景中开发AV轨迹的透明且可再现的基于规则的通过/失败评估。例如，在离线框架中，如果发现引起规则优先级结构的较少违反的轨迹，则拒绝由规划电路404输出的给定轨迹。至少部分地基于所拒绝的轨迹以及与所拒绝的轨迹相关联的数据来修改和改进规划电路。

基于来自AV 100的第一组传感器(例如，传感器121)的第一传感器数据和来自AV100的第二组传感器(例如，传感器122)的第二传感器数据来生成轨迹198。在实施例中，第一传感器数据表示AV 100的操作，并且第二传感器数据表示位于环境190中的对象1304、1308。在图1的示例中，第一组传感器121包括加速度计、方向盘角度传感器、轮传感器和制动传感器中的至少一个。第一传感器数据包括AV 100的速率、AV 100的加速度、AV 100的航向、AV 100的角速度和AV 100的转矩中的至少一个。在实施例中，第二组传感器包括LiDAR、雷达、照相机、麦克风、红外传感器、声音导航和测距(SONAR)传感器等中的至少一个。在图1的示例中，第二传感器数据包括对象(例如，运载工具193)的图像、运载工具193的速率、运载工具193的加速度和运载工具193与AV 100之间的横向距离中的至少一个。为了便于描述，描述第一组传感器和第二组传感器中的特定传感器。然而，本技术可使用表征与AV相关联的信息、与对象相关联的信息、与环境相关联的信息及其任何组合的传感器来实现。通常，第一组传感器是捕获动态数据的动态传感器。例如，动态数据包括离心力、重力和速度等。通常，第二组传感器是捕获运动学数据的运动学传感器。在示例中，运动学数据描述对象相对于AV的运动。例如，运动学数据包括至少一个对象的图像、至少一个对象的速率、至少一个对象的加速度、至少一个对象与运载工具之间的横向距离、至少一个对象与运载工具之间的纵向距离、对象的急动度等中的至少一个。在示例中，由第一组传感器或第二组传感器捕获的数据是时间导数，或者表示为函数的值的变化率。

在实施例中，处理器146连续地或定期地接收来自AV 100的第一组传感器121的第一传感器数据和来自AV 100的第二组传感器122的第二传感器数据。第一传感器数据和第二传感器数据因此表示AV 100所运行的特定场景(图13A)。在示例中，特定场景用于确定在线框架中激活的规则。在实施例中，处理器146确定为轨迹198违反AV 100的操作的层级规则集中的第一行为规则。处理器146基于第一传感器数据和第二传感器数据确定为轨迹198违反第一行为规则(在车道1320中存在交通(运载工具193)的情况下跨过双线1312)。例如，第一行为规则表示AV 100在存在交通的情况下不应当跨过双线1312以防止碰撞。(可替代地，如果使用中的轨迹198不违反任何行为规则，则规划电路404和AV***120通过行为验证处理。)

针对位于环境190中的一个或多个对象(例如，对象1304、1308和运载工具193)来确定对AV 100的操作的层级规则集的违反。例如，定义用于将轨迹198标记为可能失败的准则。简单的准则是违反单个行为规则，并且其它制定也是可能的。例如，给定由AV 100的规划电路404生成的轨迹198(例如，潜在轨迹、实际轨迹或另一轨迹)，本文描述的实施例就所违反的规则的优先级而言提供关于轨迹198的反馈。在示例中，在线框架在AV行进通过环境190时迭代地更新轨迹。在该示例中，给定轨迹是较大轨迹的一部分或子集。

在实施例中，处理器基于第二传感器数据来确定移动对象(例如，运载工具193)的路径。例如，随着运载工具193移动，处理器确定由运载工具193的位置矢量的终点的连续位置随着时间形成的几何路径。处理器可以表示作为时间的函数书写的位置矢量的坐标x、y和z(例如，x(t)，y(t)和z(t))，以表示运载工具193的位置随时间的演变，即运载工具193的路径。处理器基于运载工具193的路径确定为第一轨迹198违反第一行为规则。例如，如果轨迹198上的点距路径上的点小于阈值距离，则可能违反第一行为规则。

第一行为规则(即，轨迹198违反的规则)具有第一优先级。在实施例中，层级规则集中的各个行为规则具有相对于层级规则集中的各个其它行为规则的相应优先级。相应优先级表示违反各个行为规则相对于各个其它行为规则的风险等级。至少一个处理器基于第一传感器数据和第二传感器数据生成AV 100的多个替代轨迹。例如，多个替代轨迹可以基于AV 100的位置、AV 100的速率、运载工具193的位置或运载工具193的速率。各个替代轨迹表示AV100代替生成轨迹198而可能做出的选择。在AV 100的操作期间由处理器146实时地(如在上述第一实施例中)或者事后在服务器136上(如在上述第二实施例中)生成多个替代轨迹。

在实施例中，使用控制障碍函数(CBF)生成多个替代轨迹。障碍函数是关于点的值随着该点接近优化问题的可行区域的边界而增加到无穷大的连续函数。这样的函数可以用于通过更易于处理的目标函数中的惩罚项来替换不等式约束。CBF将当前***状态(例如，与AV 100的位置、AV 100的速率、AV 100的加速度或AV 100距对象1304、1308的距离相关联的数据)作为输入，并输出与***的安全状态相对应的实数。随着***接近不安全操作点，CBF值增加到无穷大。CBF可与控制Lyapunov函数(CLF)组成以提供关于稳定性、性能和安全性的联合保证。Lyapunov函数V(x)是指可用于确定普通微分方程的平衡的稳定性的标量函数。CLF是指具有控制输入的***(例如，AV***120或规划电路404)的Lyapunov函数V(x)。常规Lyapunov函数可以用于测试动态***是否稳定，即在某个域D中以状态x≠0开始的***是否将保持在D中，或者为了渐近稳定性将最终返回到x＝0。CLF用于测试***是否是反馈可稳定的，即，对于状态x，是否存在控制u(x，t)，使得***可以通过应用控制u而被带到零状态。例如，离线框架通过使用CLF实现的附加约束来实现轨迹跟踪。在在线框架中，通过在成本中包括跟踪误差并且通过对滚动时域(MPC)进行优化来跟踪参考轨迹。

至少一个处理器从多个替代轨迹中识别第二轨迹。例如，根据第二轨迹，AV 100即将在车道1316中停止，然后在运载工具193已经经过之后跨过双线1312。第二轨迹因此仅违反层级规则集中的第二行为规则(在车道1320中不存在交通时跨过双线1312)。第二行为规则具有小于第一优先级的第二优先级。防止碰撞(在车道1320中存在交通时跨过双线1312)比在车道1320中不存在交通时简单地跨过双线1312具有更大的优先级。可替代地，如果第二轨迹违反较高优先级规则，则规划电路404和AV***120通过行为验证，这是因为没有发现具有较小规则违反程度的替代轨迹。

在上述第一实施例中，响应于识别出第二轨迹，至少一个处理器146向AV 100的控制电路406发送消息以基于第二轨迹操作AV 100。参考图4更详细地示出和描述控制电路406。例如，如果至少一个处理器146属于规划电路404，则基于第二轨迹实时操作AV 100。如果至少一个处理器在离线服务器136上，则第二轨迹用于重新编程规划电路404，如在上述第二实施例中那样。在实施例中，来自轨迹验证的反馈的结果是“通过”(例如，轨迹198是令人满意的，或者替代轨迹是不可用的)或者是“失败”(例如，AV轨迹198不符合规则手册行为规范，并且存在可用的替代轨迹，该替代轨迹不违反行为规则或者与轨迹198相比违反较低优先级的行为规则)。如果识别出这样的替代轨迹，则轨迹198被认为是“失败”。

本文公开的实施例被设计成防止“轻度满足”轨迹(例如，AV 100即将停止或未到达其目标199的轨迹)被视为对以规则违反到达目标的轨迹的替代解决方案。将“到达目标”的规则显式地构建到规则手册中。处理器146基于轨迹198操作AV 100以避免AV 100与对象1304、1308以及运载工具193碰撞。例如，参考图4更详细地示出和描述的控制模块406操作AV 100。

图13B示出根据一个或多个实施例的示例层级规则集1352。AV 100的操作的所存储行为规则包括多个行为规则。参考图1、图13A更详细地示出和描述AV 100。各个行为规则(例如，规则1356)具有相对于各个其它规则(例如，规则1360)的优先级。优先级表示违反所存储行为规则1352的风险等级。因此，规则手册1352是用以指定由交通法规或文化预期强制实施的驾驶要求及其相对优先级的正式框架。规则手册1352是具有体现规则优先级的层级结构的违反分数的预排序规则集。因此，规则手册1352使得能够在碰撞场景中进行AV行为规范和评估。考虑行人192走入AV 100正驾驶的车道的情况。参考图1更详细地示出和描述行人192。合理的AV行为将是避免与行人192和其它运载工具193碰撞(高优先级)，尽管代价是通过将速率降低到小于最小限速或者通过偏离车道而违反较低优先级规则。

在实施例中，违反行为规则包括操作AV 100使得AV 100与运载工具193碰撞。参考图1、图13A更详细地示出和描述运载工具193。例如，违反规则1360的情况下的AV 100与运载工具193之间的碰撞风险大于仅违反规则1356的情况。因此，规则1360具有比规则1356高的优先级。类似地，规则1372具有比规则1368、1364高的优先级。

在实施例中，违反行为规则包括操作AV 100使得AV 100超过限速(例如，45mph)。例如，规则1356表示AV 100不应违反其正在行驶的车道的限速。例如，在图13A中，车道1316的限速是每小时45英里。然而，规则1356是较低优先级规则；因此，AV 100可以违反规则1356以防止碰撞(例如，与运载工具193碰撞)并根据规则1372动作。在实施例中，违反行为规则包括操作AV 100使得AV 100在到达目的地199之前停止。参考图1、图13A更详细地示出和描述目的地199。例如，规则1360表示AV 100应该停留在其自身的车道中。例如，在图13A中，AV 100在车道1316中行驶。然而，规则1360的优先级低于规则1372的优先级。因此，如参考图13A更详细地示出和描述的，AV 100仅违反规则1360以避免与对象1304、1308碰撞并且遵守两个较高优先级规则1368(到达目的地199)和1372(避免碰撞)。

在实施例中，违反AV 100的操作的所存储行为规则1352包括操作AV 100使得AV100与对象1304、1308之间的横向间距减小到小于阈值横向距离。例如，规则1364表示AV100应维持与任何其它对象(例如，对象1304、1308)的阈值横向距离(例如，半车长或1米)。然而，规则1364的优先级低于规则1368(到达目的地199)的优先级。因此，如参考图13A更详细地示出和描述的，AV 100可能违反规则1364以遵守较高优先级规则1368(到达目的地199)和1372(避免碰撞)。

在实施例中，使用替代安全度量来评定AV安全。替代安全度量用于更快速地评估道路安全并且将概念集成到整体理论框架中。可以基于违反的频率来调整操作的规则(例如，规则1356)的优先级。例如，可以使用来自人类驾驶员数据的经验证据来支持图13B的所存储行为规则1352对道路安全的应用。

图14示出根据一个或多个实施例的使用行为规则检查的AV 100的操作的示例流程图。在(参考图13A描述的)第一实施例中，通过(参考图1更详细地描述的)AV 100的处理器146进行图14的处理。即，至少一个处理器146位于AV 100的规划电路404内。至少一个处理器146在AV 100的操作期间接收第一传感器数据和第二传感器数据(AV行为)。由此，作为轨迹检查器或者作为基于规则的规划电路404或控制器，在AV 100上执行这里描述的基于规则的控制方法(选择AV行为)以用于实时评估。此外，实施例可以包括不同的和/或附加的步骤，或者以不同的顺序进行步骤。参考图4更详细地示出和描述规划电路404。

在(参考图13A描述的)第二实施例中，(服务器136上的)至少一个处理器基于(参考图13A描述的)第二轨迹来调整AV 100的规划电路404的操作。在第二实施例中，至少一个处理器位于AV 100外部的计算机装置(服务器136)上。在AV 100的操作之后，服务器136接收第一传感器数据(AV行为)和第二传感器数据。例如，如图14所示，基于违反行为规则的频率来调整规划电路404的运动规划处理。例如，应用(参考图13B更详细地示出和描述的)经验证的规则手册1352以设计和实施自主运载工具***120。在通常具有***模型的机器驾驶器的情况下，驾驶性能可使用规则手册来评估AV驾驶性能(评估AV行为)。

在实施例中，基于对所存储行为规则1352的一个或多个违反的频率来确定AV 100的运动规划处理的风险等级(解释AV行为)。参考图13B更详细地示出和描述规则1352。例如，如图14所示对AV***120的设计和规划电路404的性能对规划轨迹的影响进行建模。参考图1更详细地示出和描述AV***120。参考图4更详细地示出和描述规划电路404。根据AV***120的设计和子***(规划电路404)性能，对规划轨迹进行评分以测量总体驾驶性能。从行为规范(规则1352)导出(子)***要求，优化性能，并优先化资源。

在实施例中，至少一个处理器使用最小违反规划、模型预测控制(MPC)和机器学习中的至少一个来从多个替代轨迹中选择第二轨迹。最小违反规划是指用于AV 100的路径规划的方法，该方法使得能够使用具有来自逻辑的离散约束(诸如由层级规则集1352产生的约束)的多个连续目标(例如，发现最短路径)。MPC是指用于在满足约束集(层级规则集1352)的同时控制处理(轨迹生成和选择)的方法。在实施例中，MPC使用AV***120的作为线性经验模型的动态模型。参考图1更详细地示出和描述AV***120。机器学习是指使用通过经验自动改进的模型来生成替代轨迹。AV***120或服务器136基于样本数据(被称为“训练数据”)构建数学模型以做出预测或决策，而无需被明确编程来这样做。例如，用于选择第二轨迹的训练数据是层级规则集1352和违反特定规则的已知结果。因此，如图14所示，在参考图13A描述的第二实施例中，利用与场景有关的信息和AV 100如何表现来事后从多个方法中选择候选轨迹。

例如，在线框架实现滚动时域(模型预测控制，MPC)优化，其中，在成本中包括参考轨迹跟踪误差。在在线框架中，在给定时间的活跃规则(例如，与检测到的实例或特定场景相对应的规则)向在线情况中的优化问题添加约束。规则被分类为实例相关的规则(诸如与行人的间距、与停放的间距等)和实例无关的规则(诸如限速和舒适度等)。应总是考虑实例无关的规则。然而，仅当相应的实例在AV的局部感测范围内时考虑实例相关的规则。局部感测范围通常是指AV可用的传感器数据(诸如由位于AV上或与AV相关联的传感器捕获的数据等)的范围。

在实施例中，在初始化或在时间t＝0时，在层级规则集中停用实例相关的规则。随着实例的发生，相应的实例相关的规则被激活。对于在当前时间t的各个实例，从层级规则集中移除停用的规则(例如，不适用于当前实例的规则)。由此，在在线方法中，随着实例的发生而迭代地修改层级规则集。在示例中，修改根据预定时间段定期地发生。在示例中，只要相应的实例发生，所激活的规则就被激活。

再次参考图13B，提供了层级规则集1352的集合。考虑路障和对象(例如，图13A中的1304、1308)阻挡AV的行驶车道的示例，如关于图13A所描述的。在该示例中，实例是行驶车道中的路障。如图13A的示例中所示，没有行人在AV的局部感测范围内。在该示例中，与行人相关联的规则(例如，没有检测到实例)被停用。当AV在路障周围导航时，从层级规则集中删除与被检测到的行人的实例相关联的规则。

图15示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例流程图。在(参考图13A描述的)第一实施例中，通过参考图1更详细地描述的AV 100的处理器146进行图15的处理。在(参考图13A描述的)第二实施例中，(服务器136上的)至少一个处理器进行图15的处理。此外，实施例可以包括不同的和/或附加的步骤，或者以不同的顺序进行步骤。

在步骤1504中，处理器基于第一传感器数据和第二传感器数据确定第一轨迹(例如，轨迹198)是否违反AV 100的操作的层级规则集1352的任何行为规则。参考图1、图13A更详细地示出和描述轨迹198。参考图13B更详细地示出和描述层级规则集1352。在步骤1508中，如果处理器发现没有违反规则，则处理移动到步骤1512并且规划电路404和AV行为通过验证检查。参考图4更详细地示出和描述规划电路404。

在步骤1508中，如果处理器发现违反了规则，则处理移动到步骤1516。所违反的规则被表示为具有第一优先级的第一行为规则。在步骤1516中，处理器确定是否存在替代的违反较少的轨迹。例如，处理器基于第一传感器数据和第二传感器数据生成AV 100的多个替代轨迹。如参考图13A更详细地描述的，可以使用CBF生成多个替代轨迹。处理器识别是否存在仅违反层级规则集1352中的第二行为规则的第二轨迹，使得第二行为规则具有小于第一优先级的第二优先级。

如果不存在仅违反具有比第一优先级低的优先级的第二行为规则的其它轨迹，则处理移动到步骤1520。规划电路404和AV行为通过验证检查。在步骤1516中，如果处理器确定为存在替代的违反较少的轨迹，则规划电路404和AV行为使验证检查失败。可选地，处理器可以移动到步骤1528并且确定是停止优化(进一步移动到步骤1532并且终止)还是移动到步骤1536。在步骤1536中，处理器检验多个替代轨迹中的各个替代轨迹以识别最少违反轨迹，例如，不违反规则或者违反具有任何所违反规则的最低优先级的规则的替代轨迹。最少违反轨迹可用于(在参考图13A描述的第一实施例中)操作AV 100或者(在参考图13A描述的第二实施例中)调整规划电路404。

图16示出根据一个或多个实施例的针对AV 100进行行为规则检查的示例。参考图1、图13A更详细地示出和描述AV 100。在图16中，在服务器136上显示图形用户界面，其中生成多个替代轨迹。检验不同轨迹以基于第一传感器数据和第二传感器数据来识别最少违反轨迹。在参考图13A所描述的第二实施例中，当如图16所示针对AV 100进行行为规则检查时在图形用户界面上生成的数据被用于调整和改进通过规划电路404进行的轨迹产生。参考图4更详细地示出和描述规划电路404。

图16显示AV的控制策略的实现，以满足根据交通法规设计的复杂规范(例如，规则手册1352)以及合理驾驶行为的文化预期。通过构造称为规则手册1352的预排序结构将这些规范指定为规则(参见图13B)和优先级。所公开的实施例呈现递归框架，其中规则手册1352中的规则的满足基于规则的优先级被迭代放松。在实施例中，收敛到期望的状态是使用(CLF)来实现的，并且安全性是通过CBF来强制实施的。CLF可以用于将***稳定到期望的状态。CBF可以用于强制实施设置前向不变性并且提高安全要求的满足。框架可用于轨迹的事后通过/失败评估(如果处理发现控制器产生引起对规则手册1352的较少违反的替代轨迹，则拒绝给定轨迹198)。

图17示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例流程图。在(参考图13A描述的)第一实施例中，通过参考图1更详细地描述的AV 100的处理器146进行图17的处理。在(参考图13A描述的)第二实施例中，(服务器136上的)至少一个处理器进行图17的处理。此外，实施例可以包括不同的和/或附加的步骤，或者以不同的顺序进行步骤。

在步骤1704，处理器确定AV 100的轨迹(例如，轨迹198)是否可接受。参考图1、图13A更详细地示出和描述轨迹198和AV 100。例如，在步骤1704中，处理器基于第一传感器数据和第二传感器数据来确定轨迹198是否违反AV100的操作的层级规则集1352中的任何行为规则。参考图13B更详细地示出和描述层级规则集1352。在步骤1704，如果处理器发现没有违反规则，则处理移动到步骤1708，并且规划电路404和AV行为通过验证检查。参考图4更详细地示出和描述规划电路404。

在步骤1704，如果处理器发现违反规则，则处理移动到步骤1712。所违反规则被表示为具有第一优先级的第一行为规则。处理移动到步骤1716。在步骤1716中，处理器确定是否存在替代的违反较少的轨迹。例如，处理器基于第一传感器数据和第二传感器数据来生成AV 100的多个替代轨迹。可以使用如参考图13A更详细地描述的控制障碍函数来生成多个替代轨迹。处理器识别是否存在仅违反层级规则集1352中的第二行为规则的第二轨迹，使得第二行为规则具有小于第一优先级的第二优先级。

如果不存在仅违反具有比第一优先级低的优先级的第二行为规则的其它轨迹，则处理移动到步骤1720。规划电路404和AV行为通过验证检查。在步骤1716中，如果处理器确定为存在替代的违反较少的轨迹，则规划电路404和AV行为使验证检查失败。

图18示出根据一个或多个实施例的针对运载工具进行行为规则检查的示例输出。在(参考图13A描述的)第一实施例中，参考图1更详细地描述的AV100的处理器146使用图18的示例输出。在(参考图13A描述的)第二实施例中，(服务器136上的)至少一个处理器使用图18的输出。示例输出表示验证下的候选轨迹(例如，轨迹198)违反规则R10(与道路上的其它活跃运载工具的最小横向间距)。例如，轨迹198使得AV 100比最小阈值距离更靠近活跃运载工具(例如，运载工具193)来操作。参考图1、图13A更详细地示出和描述运载工具193。示例输出表示第二(替代)轨迹遵守规则R10。

示例输出表示候选轨迹198违反规则R8(与道路上的其它非活跃运载工具的最小侧向间距)。例如，轨迹198使得AV 100比最小阈值距离更靠近非活跃运载工具(例如，运载工具1304)来操作。参考图13A更详细地示出和描述运载工具1304。示例输出表示替代轨迹遵守规则R8。规则R10具有比规则R8高的优先级，这意味着AV 100应当努力满足规则R10，即使必须违反规则R8来这样做。

示例输出表示候选轨迹198遵守规则R4b(道路上的最小限速)。例如，轨迹198使AV100驾驶得比最小限速慢。示例输出表示替代轨迹违反规则R4b。规则R8、R10具有比规则R4b高的优先级，这意味着AV 100应当努力满足规则R8、R10，即使必须违反规则R4b来这样做。然而，轨迹198使得AV 100在违反规则R8、R10的同时遵守规则R4b。替代轨迹使得AV 100在遵守规则R8、R10的同时违反规则R4b。因此，对轨迹198的轨迹检查失败并且使用替代轨迹。

图19示出根据一个或多个实施例的使用行为规则检查的运载工具操作的示例流程图。在(参考图13A描述的)第一实施例中，通过参考图1更详细地描述的AV 100的处理器146进行图19的处理。在(参考图13A描述的)第二实施例中，(服务器136上的)至少一个处理器进行图19的处理。此外，实施例可以包括不同的和/或附加的步骤，或者以不同的顺序进行步骤。

在步骤1904中，处理器接收来自AV 100的第一组传感器120的第一传感器数据以及来自AV 100的第二组传感器121的第二传感器数据。参考图1更详细地示出和描述传感器120、121。第一传感器数据表示AV 100根据第一轨迹198的操作。参考图1、图13A更详细地示出和描述轨迹198。第二传感器数据表示至少一个对象1304、1308。参考图13A更详细地示出和描述对象1304、1308。

在步骤1908中，处理器基于第一传感器数据和第二传感器数据确定为第一轨迹198违反AV 100的操作的层级规则集1352中的第一行为规则(例如，规则1360)。参考图13B更详细地示出和描述规则1360和层级规则集1352。第一行为规则1350具有第一优先级。

在步骤1912中，处理器基于第一传感器数据和第二传感器数据来生成AV 100的多个替代轨迹。使用CBF生成多个替代轨迹。处理器迭代地放松需要满足的规则，以确定是否存在具有较少违反的第二轨迹。处理器使用CLF和CBF，CLF和CBF一起保证如果存在可行的较低违反轨迹，则算法将收敛于该轨迹。迭代放松规则可以与其它轨迹生成方法(包括基于图形的搜索、组合的MPC、或基于机器学习的规划方法)一起使用。

在步骤1916中，处理器从多个替代轨迹中识别第二轨迹。第二轨迹违反层级规则集1352中的第二行为规则(例如，规则1356)。参考图13B更详细地示出和描述规则1356。第二行为规则具有小于第一优先级的第二优先级。要求约束是连续可微分的，这使得优化问题成为二次问题。连续可微分函数是指在其域中的各个点处存在导数的函数。换言之，连续可微分函数的图在其域中的各个内部点处具有非垂直切线。用比更复杂规则评估得更快的保守的可微分函数将规则近似为不可微分的。由于优化问题是二次的，因此计算复杂度降低。例如，非线性求解器(诸如牛顿-克里洛夫(Newton-Krylov)求解器、安德森(Anderson)求解器或布罗伊登(Broyden)求解器等)可用于通过将AV***120建模为非线性***来求解优化问题。因此，该方法更容易在AV 100的嵌入式软件上实现，同时满足严格的运载工具安全要求。

在步骤1920，响应于识别出第二轨迹，处理器向AV 100的控制电路406发送消息以基于第二轨迹操作AV 100。参考图4更详细地示出和描述控制电路406。本文公开的实施例在事后测试情况下通过提供可缩放、客观的方式使AV行为通过或失败而延伸超出车载规划和控制。事后评估可以通过客观地证明没有更多“合理”选择可用于AV 100而帮助证实AV100在现实世界中做出的驾驶选择。

图20示出根据一个或多个实施例的使用行为规则检查的AV 100的操作的示例层级规则集。参考图1、图13A更详细地示出和描述AV 100。行为规则指定AV 100的期望行为，使得AV 100符合交通法规、道德规范和本地文化，例如，“停留在车道中”、“保持与行人192的间距”、“遵守最大限速”、“在最后期限内到达目标199”等。参考图1更详细地示出和描述行人192。

在运载工具轨迹上解释规则。给定轨迹198和规则，违反分数体现轨迹198对规则的违反程度。参考图1、图13A更详细地示出和描述轨迹198。例如，如果AV 100跨过双线1312并且沿着轨迹198以1m的距离到达车道1320，则轨迹198针对“停留在车道中”规则的违反分数是1m。参考图13A更详细地示出和描述双线1312和车道1320。

规则手册1352定义规则的优先级，并且强加可用于对AV轨迹进行分级的预排序。参考图13B更详细地示出和描述规则手册1352。规则手册1352是元组<R,≤＞，其中R表示规则的有限集并且≤表示对R的预排序。规则手册1352还可由有向图表示，其中各个节点是规则，并且两个规则之间的边意味着第一规则具有比第二规则高的优先级。形式上，图中的r1→r2意味着r1≤r2(r2∈R具有比r1∈R高的优先级)。使用预排序，两个规则可以是三个关系之一：可比较的(一个具有比另一个高的优先级)、不可比较的、或等同的(各个具有相等的优先级)。

图20中示出的规则手册包括六个规则。在该示例中，规则r1和r2是不可比较的，并且这两者具有比规则r3和r4高的优先级。规则r3和r4是等同的(r3≤r4且r4≤r3)，但与规则r5是不可比较的。规则r6在所有规则中具有最低优先级。

在先前描述中，已经参考许多具体细节描述了本发明的实施例，这些具体细节可因实现而不同。因此，说明书和附图应被视为说明性的，而非限制性意义的。本发明范围的唯一且排他的指示、以及申请人期望是本发明范围的内容是以发布权利要求书的具体形式从本申请发布的权利要求书的字面和等同范围，包括任何后续修正。本文中明确阐述的用于被包括在此类权利要求中的术语的任何定义应当以此类术语如在权利要求书中所使用的意义为准。另外，当在先前的说明书或所附权利要求书使用术语“还包括”时，该短语的下文可以是附加的步骤或实体、或先前所述的步骤或实体的子步骤/子实体。

相关申请的交叉引用

本申请要求于2020年10月23日提交的美国临时申请63/105,006和2021年6月30日提交的美国临时申请63/216,953号的优先权，其全部内容通过引用并入本文。

Claims (17)

1.一种用于运载工具的方法，包括：

利用至少一个处理器，接收来自所述运载工具的第一组传感器的第一传感器数据以及来自所述运载工具的第二组传感器的第二传感器数据，所述第一传感器数据表示所述运载工具根据第一轨迹的操作，以及所述第二传感器数据表示至少一个对象；

利用所述至少一个处理器，基于所述第一传感器数据和所述第二传感器数据，确定为所述第一轨迹违反所述运载工具的操作的多个层级规则中的第一行为规则，所述第一行为规则具有第一优先级；

利用所述至少一个处理器，基于所述第一传感器数据和所述第二传感器数据来生成所述运载工具的多个替代轨迹，所述多个替代轨迹是使用控制障碍函数生成的；

利用所述至少一个处理器，从所述多个替代轨迹中识别第二轨迹，其中，所述第二轨迹违反多个层级规则中的第二行为规则，所述第二行为规则具有小于所述第一优先级的第二优先级；以及

响应于识别出所述第二轨迹，利用所述至少一个处理器，向所述运载工具的控制电路发送消息以基于所述第二轨迹操作所述运载工具。

2.根据权利要求1所述的方法，其中，所述至少一个处理器位于所述运载工具的规划电路内，以及其中，所述至少一个处理器在所述运载工具的操作期间接收所述第一传感器数据和所述第二传感器数据。

3.根据权利要求1所述的方法，还包括：利用所述至少一个处理器，基于所述第二轨迹来调整所述运载工具的规划电路的操作，其中，所述至少一个处理器位于所述运载工具外部的计算机装置上，以及其中，所述至少一个处理器在所述运载工具的操作之后接收所述第一传感器数据和所述第二传感器数据。

4.根据权利要求1所述的方法，其中，所述第一组传感器包括加速度计、方向盘角度传感器、轮传感器和制动传感器其中至少之一。

5.根据权利要求1所述的方法，其中，所述第一传感器数据包括所述运载工具的速率、所述运载工具的加速度、所述运载工具的航向、所述运载工具的角速度和所述运载工具的转矩其中至少之一。

6.根据权利要求1所述的方法，其中，所述第二组传感器包括LiDAR、雷达、照相机、麦克风、红外传感器以及声音导航和测距传感器即SONAR传感器其中至少之一。

7.根据权利要求1所述的方法，其中，所述第二传感器数据包括所述至少一个对象的图像、所述至少一个对象的速率、所述至少一个对象的加速度、所述至少一个对象和所述运载工具之间的横向距离以及其它运动学数据其中至少之一。

8.根据权利要求1所述的方法，还包括：利用所述至少一个处理器，使用最小违反规划、模型预测控制和机器学习其中至少一个从所述多个替代轨迹中选择所述第二轨迹，所述选择是基于所述多个层级规则。

9.根据权利要求1所述的方法，其中，所述多个层级规则中的各个行为规则具有相对于所述多个层级规则中的各个其它行为规则的相应优先级，所述相应优先级表示违反所述各个行为规则相对于所述各个其它行为规则的风险等级。

10.根据权利要求1所述的方法，其中，违反所述第一行为规则包括：操作所述运载工具，使得所述运载工具和所述至少一个对象之间的横向距离减小到小于阈值横向距离。

11.根据权利要求1所述的方法，其中，违反所述第一行为规则包括：操作所述运载工具，使得所述运载工具超过限速。

12.根据权利要求1所述的方法，其中，违反所述第一行为规则包括：操作所述运载工具，使得所述运载工具在到达目的地之前停止。

13.根据权利要求1所述的方法，其中，违反所述第一行为规则包括：操作所述运载工具，使得所述运载工具与所述至少一个对象碰撞。

14.根据权利要求1所述的方法，还包括：利用所述至少一个处理器，基于所述第二传感器数据来确定所述至少一个对象的路径，其中，确定为所述第一轨迹违反所述第一行为规则还基于所述至少一个对象的所述路径。

15.一种自主运载工具，包括：

一个或多个处理器；以及

一个或多个非暂时性存储介质，其存储有指令，所述指令在由所述一个或多个处理器执行时使得进行根据权利要求1至14中任一项所述的方法。

16.一个或多个非暂时性存储介质，其存储有指令，所述指令在由一个或多个计算装置执行时使得进行根据权利要求1至14中任一项所述的方法。

17.一种用于运载工具的方法，其包括进行涉及指令的机器执行的操作，所述指令在由一个或多个计算装置执行时使得进行根据权利要求1至14中任一项所述的方法，

其中，所述机器执行的操作是发送所述指令、接收所述指令、存储所述指令和执行所述指令其中至少之一。

Images