CN116940943A - 通过作为约束满足问题的转换在交通场景中提供具体实例的技术 - Google Patents
通过作为约束满足问题的转换在交通场景中提供具体实例的技术 Download PDFInfo
- Publication number
- CN116940943A CN116940943A CN202180094682.5A CN202180094682A CN116940943A CN 116940943 A CN116940943 A CN 116940943A CN 202180094682 A CN202180094682 A CN 202180094682A CN 116940943 A CN116940943 A CN 116940943A
- Authority
- CN
- China
- Prior art keywords
- scene
- constraint
- variable
- sequence
- states
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007704 transition Effects 0.000 title description 2
- 230000006399 behavior Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003607 modifier Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- UKGJZDSUJSPAJL-YPUOHESYSA-N (e)-n-[(1r)-1-[3,5-difluoro-4-(methanesulfonamido)phenyl]ethyl]-3-[2-propyl-6-(trifluoromethyl)pyridin-3-yl]prop-2-enamide Chemical compound CCCC1=NC(C(F)(F)F)=CC=C1\C=C\C(=O)N[C@H](C)C1=CC(F)=C(NS(C)(=O)=O)C(F)=C1 UKGJZDSUJSPAJL-YPUOHESYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000002507 cathodic stripping potentiometry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
提供了用于确定交通场景中的具体实例的***和方法。该方法包括:接收采用场景描述语言的场景,其中场景包括至少一个子场景;基于对至少一个活动者和所接收的场景的解析,为场景和至少一个子场景识别至少一个变量;识别源自于场景和至少一个子场景的至少一个约束关系;根据至少一个变量和至少一个约束来生成约束满足问题;处理约束满足问题以生成符合至少一个约束的至少一个变量的状态序列,其中状态序列用时间值来定义至少一个活动者的行为;以及确定包括状态序列的至少一个解决方案。
Description
相关申请的交叉引用
本申请要求于2021年1月27日提交的美国临时申请号63/142,199的权益,该申请的内容通过引用并入本文。
技术领域
本公开总体上涉及用于描述交通状况(也称为场景)的***和方法,更具体地涉及场景的实现
背景技术
自动驾驶车辆领域的进步是迅速的。越来越多地,这样的车辆计划在未来十年内上路,并且实验车辆正在世界上许多城市的道路上漫游。像已经由人类设计的每个复杂设备一样,自动驾驶车辆享有人的独创性的好处,也经历其缺点。缺点表现为自动驾驶车辆的不期望的、不可预测的或错误的行为,使车辆的乘员以及车辆周围的其他人、动物和财产处于危险中。
为了防止此类错误的发生,首先在将车辆释放到道路之前对其进行测试,然后,当将它们部署在道路上时,车辆安装了附加的预防措施以确保不会发生事故。此外,驾驶员被分配到每个这样的车辆,其中当操纵或响应发生错误时驾驶员具有推翻车辆操作的能力。当然,这允许捕获此类序列并且更新车辆的控制***,使得在将来可以防止此类危险情境的情况发生。然而,这些解决方案易于出错,因为它们很大程度上依赖于由于操作者的干预或者已经发生某种损害的情况而导致的此类错误的捕获。当有可能防止不期望的结果发生时,导致不期望的结果的错误没有被有效地监测或捕获。
已经确定,基于场景的测试可以用于基于对正确操作的预定预期来监测自动驾驶车辆的操作。更具体地,基于场景的测试测试和验证自动驾驶车辆在道路上可能遇到的实际无穷数量的场景,以开发完全测试的自动驾驶车辆的驾驶控制***。然而,仍然存在改进的空间,因为对此类场景的模拟通常包括没有实现的自由度,也称为具体实例。也就是说,测试场景的解决方案仍然可能包含不确定性,不确定性可能会对自动驾驶车辆的安全运行造成问题。
因此,提供能够找到场景的正确实现的解决方案将是有利的。
发明内容
以下是对本公开的若干示例实施例的概述。提供本概述是为了方便读者提供对这种实施例的基本理解,并且不完全限定本公开的范围。本概述不是所有预期实施例的广泛概述,并且既不旨在标识所有实施例的关键或重要元素,也不旨在描绘任何或所有方面的范围。其唯一的目的是以简化的形式呈现一个或更多个实施例的一些概念,作为稍后呈现的更详细描述的序言。为了方便起见,术语“一些实施例”或“某些实施例”可以在本文中用于指本公开的单个实施例或多个实施例。
本文公开的某些实施例包括一种用于确定交通场景中的具体实例的方法。该方法包括:接收采用场景描述语言的场景,其中场景描述至少一个活动者的行为,其中场景包括至少一个子场景;基于对至少一个活动者和所接收的场景的解析,为场景和至少一个子场景识别至少一个变量;识别源自于场景和至少一个子场景的至少一个约束关系;根据至少一个变量和至少一个约束来生成约束满足问题;处理约束满足问题以生成符合至少一个约束的至少一个变量的状态序列,其中状态序列用时间值来定义至少一个活动者的行为;确定包括状态序列的至少一个解决方案;以及向交通模拟器提供至少一个解决方案。
本文公开的某些实施例还包括一种非暂时性计算机可读介质,其上存储有使处理器执行的过程,该过程包括:接收采用场景描述语言的场景,其中,场景描述至少一个活动者的行为,其中,场景包括至少一个子场景;基于对至少一个活动者和所接收的场景的解析,为场景和至少一个子场景识别至少一个变量;识别源自于场景和至少一个子场景的至少一个约束关系;根据至少一个变量和至少一个约束来生成约束满足问题;处理约束满足问题以生成符合至少一个约束的至少一个变量的状态序列,其中状态序列用时间值来定义至少一个活动者的行为;确定包括状态序列的至少一个解决方案;以及向交通模拟器提供至少一个解决方案。
本文公开的某些实施例还包括一种用于确定交通场景中的具体实例的***。该***包括:数据库、处理器以及存储器,数据库中包含采用场景描述语言的场景,存储器包含指令,指令在由处理器执行时将***配置为:从数据库接收采用场景描述语言的场景,其中场景描述至少一个活动者的行为,其中场景包括至少一个子场景;基于对至少一个活动者和所接收的场景的解析,为场景和至少一个子场景识别至少一个变量;识别源自于场景和至少一个子场景的至少一个约束关系;根据至少一个变量和至少一个约束来生成约束满足问题;处理约束满足问题以生成符合至少一个约束的至少一个变量的状态序列,其中状态序列用时间值来定义至少一个活动者的行为;确定包括状态序列的至少一个解决方案;以及向交通模拟器提供至少一个解决方案。
附图说明
在本说明书的结尾处的权利要求书中特别指出并且明确要求保护了本文公开的主题。通过结合附图进行的以下详细描述,所公开的实施例的上述和其他目的、特征以及优点将变得显而易见。
图1是根据实施例的在串行运算符下运行的第一场景和第二场景的示意性描述。
图2是根据实施例的混合运算符在时间线上的跨度的不同变型的示意性描述。
图3是根据实施例的用于将场景的描述转换成约束满足问题的转换***的示意图。
图4是示出根据实施例的用于将场景的描述转换成约束满足问题的方法的流程图。
图5是示出根据实施例的用于将场景和子场景转换成相应变量和约束的方法的流程图。
具体实施方式
重要的是应注意,本文公开的实施例仅是本文的创新性教导的许多有利用途的示例。通常,本申请的说明书中进行的陈述不一定限制所要求保护的各种实施例中的任一个。此外,一些陈述可能应用于一些创造性特征,而不应用于其他特征。通常,除非另有说明,否则单数元件可以是复数的,反之亦然,而不失一般性。在附图中,通过几个视图,相同的附图标记指的是相同的部件。
所公开的各实施例包括:用于基于用高级场景描述语言描述的场景来提供用于执行模拟的对象的多个具体实例的技术。这种场景例如可应用于交通中的自动驾驶车辆。因而,具体实例必须满足:在高级描述的场景中定义的所有约束;场景的所有修改符;以及定义场景之间的时序关系的所有运算符。根据实施例,这通过将场景表示为约束满足问题来执行。自动驾驶车辆可以包括但不限于汽车、无人机等的类似物。
约束求解的目的是针对约束满足问题找到高效且实用的解决方案。约束满足问题(constraint satisfaction problem,CSP)是找到变量集合的值以便保持变量之间的依赖性(约束)的任务。变量通常由它们可以从中取其值(整数、范围、实数、字符串)的域来定义。约束被定义为那些变量上的布尔表达式。例如,依赖性“x大于y和z之和”由布尔不等式“x>z+y”定义。
约束求解器通常暴露应用程序接口(application programing interface,API)函数的集合,应用程序接口(API)函数的集合足够丰富以表达由该求解器支持的任何约束满足问题。大部分还暴露附加的API函数以允许容易地编写问题以及优化解决过程。表达问题所需的最小API应该包含:a)布尔常数;b)布尔变量;以及c)布尔运算(合取、否定)的最小集合。通常,诸如但不局限于整数和浮点变量和常数、算术运算(加法、减法、乘法、除法、模数)、附加布尔运算(析取、蕴涵)以及比较运算(等式、不等式、大于、小于)的其他要素也将是可用的。应当理解,即使在约束求解器API中缺少这样的要素时,问题也可以由所需的最小运算集合来表示。例如,所有算术运算可以通过被称为“位展开(bit-blasting)”的算法使用布尔运算的最小集合来表达。
为了能够使用标准约束求解方法来通过CSP求解器找到场景的实现,该场景应当被表示为约束满足问题。约束满足问题(CSP)包括常数、变量和定义那些变量之间的依赖性的约束。根据实施例,场景包括以下要素:字段、约束、活动者、场景和修改符。前两个要素可以在所得CSP中直接使用,其中字段被建模为变量。活动者可以包括但不限于车辆、行人、天气、道路状况等。由此,建模的主要目标是使用变量和对那些变量的约束来表示活动者、场景和修改符。这种场景的表示为:包括变量和约束的CSP允许有效和准确的实现并且消除所涉及的活动者的抽象行为。准确的具体实例在自动驾驶车辆的交通场景中是特别有利的,因为错误或不准确可能对许多人的安全造成不利影响。即,对于实际实现,准确实现提高了自动驾驶车辆的操作准确性和安全性。
场景具有时间性质,这意味着在某个时间窗上定义场景的行为。在该时间窗内,每个包含的子场景都占用自己的时隙,其中,子场景的时隙以由场景的描述语言的运算符定义的方式连接,例如,但不限于如转让给共同受让人的Hollander等人的美国专利申请号17/122,124中所描述的方式连接,该申请的内容通过引用并入本文(以下称为‘124专利申请)。参与场景的活动者具有随时间推移的行为。在每个时间点处,这种行为由状态描述,该状态由描述活动者的时间特性(例如,对于汽车,这些特性可以是速度、位置、加速度、灯光模式等)的变量集合表示。对于每个活动者,其状态定义是其场景描述的一部分。在每个时间点处,活动者的状态字段的值描述活动者在该时间点处的行为。活动者的行为随时间的推移被表示为状态改变序列,其中,除了通过使用活动者的描述语言定义的特性之外,每个状态改变还包含时间标签。该时间标签定义了相应状态变为活跃(即,活动者从先前状态移动到当前状态)的时间点。假设活动者的状态包括m个变量,并且其行为使用n个状态改变来表示,则至多m*n个新变量被添加到约束满足问题。应注意,在不脱离所公开实施例的范围的情况下,可应用用于减少所添加变量的数目的不同优化。
根据实施例,每个场景由参与该场景的每个活动者的状态改变序列中的区间[i...j]来表示。该区间表示在该特定活动者的状态改变序列内的场景的开始和结束。由于状态改变的时间标签唯一地定义了状态何时变得活跃,因此区间之间的同步自动意味着场景的开始和结束时间之间的同步。假设用适当的描述语言描述了场景,对于其中的每个场景调用,定义了确定该场景的区间的开始和结束的两个生成变量。然后,不同子场景之间的同步由工作在那些子场景上的运算符来定义,并且由区间界限变量上的约束来建模,如本文进一步描述的。
运算符串行针对其所有子场景定义它们将依次相继被执行,即当场景“i”结束时,场景i+1开始,其中“i”是大于“1”的整数。例如,S1,...,Sn是由串行运算符连接的场景。在这种情况下,si、ei被分别定义为表示与Si对应的区间的开始和结束的生成变量。然后,使用以下约束对S1...Sn之间的串行连接进行建模:
图1是根据实施例在串行运算符下运行的第一场景130和第二场景140的示例示意性描述100。场景s1130和s2140可以在串行运算符下跨越时间线。应当注意,图1的串行化解决方案仅是许多跨度中的一个可能的跨度。取决于所选择的状态120的数量以及本示例出现的背景,约束求解器可以找到许多不同的跨度。然而,它们中的每个将与对串行关系建模的约束一致。
因此,图1示出了串行运算符下的场景如何跨越时间线。每个状态改变110(例如110-1至110-8)是从一个状态120(例如状态120-2)到另一个状态120(例如状态120-3)的传递。在该特定示例中,存在包括整个时间线的开始110-1和结束110-8的八个状态改变。作为示例,通过串行关系连接的场景ms1、d1和d2因此满足建模约束:d1在状态改变110-3处开始,恰好在ms1结束的地方。类似地,在示例中,场景s1和ms2通过串行关系连接并满足建模约束。
类似地,并行运算符定义以下关系:其所有子场景在时间上完全同步,在同一时间点处开始和结束。即,如果S1...Sn是由并行运算符连接的场景,si、ei是分别表示与Si对应的区间的开始和结束的生成变量,则使用以下约束对S1...Sn之间的并行关系进行建模:
混合运算符定义其子场景之间的以下关系:假定混合运算符的S1...Sn个子场景,子场景S2...Sn中的每个在时间线S1上与S1具有非空重叠。假设si、ei是表示与Si对应的区间的开始和结束的生成变量,则使用以下约束对混合运算符的关系进行建模:
图2是根据实施例的混合运算符在时间线上的跨度的不同变型的示例示意性描述。在所有示出的包括子场景d1和d2的变型210、220和230中,该关系适用于由混合运算符建模的约束。在示例210中,d1在状态改变1处开始并在状态改变3处结束,d2在状态改变2处开始并在状态改变4处结束。显然,d1在d2结束之前开始,并且在d2开始之后结束。在示例220中示出了场景的另一重叠,其中d1在状态改变2处开始并在状态改变4处结束,d2在状态改变1处开始并在状态改变4处结束。在示例230中,示出了子场景之间的并行关系,其本质上是混合运算符的私有情况,其中场景d2完全地与场景d1重叠。
图3示出了根据实施例的用于将场景的描述转换成约束满足问题的转换***300的示例示意图。处理器310(例如中央处理单元(centralprocessing unit,CPU))通信地连接至存储器320。存储器320可以包括易失性存储器(诸如随机存取存储器(random-accessmemory,RAM))以及非易失性存储器(诸如只读存储器(read-onlymemory,ROM)和闪存)两者。存储器的部分(例如代码区域324)中包含可以由处理器310执行的代码,如本文进一步解释的。存储器320可以进一步包含提供正在处理器310上操作或由处理器310操作的数据和/或代码的暂时和瞬态存储的存储器区域。此外,存储器320中包含专用于至少与约束问题求解器(constraint problem solver,CPS)322相关联的代码的存储器区域322。当由处理器310执行时,CPS代码322向满足所提供的约束的变量和其所提供的约束的集合提供一个或更多个解决方案,如本文进一步解释的。虽然本文讨论了CPS 322,但是在不脱离所公开的实施例的范围的情况下,可以使用其他约束求解器,包括但不限于布尔可满足性(Booleansatisfiability,SAT)、可满足性模理论(satisfiability modulo theories,SMT)或定理证明求解器等。
数据库330通信地连接至处理器310,并且数据库330中包含将由如本文描述的***300使用的一个或更多个场景335及其子场景。在一个实施例中,数据库330可以直接连接到处理器310。在另一实施例中,网络接口350提供到***300的外部网络连接,数据库330可以通过外部网络连接来连接而不脱离本发明的范围。在一个实施例中,场景335被提供为视频剪辑,视频剪辑然后被在线或离线处理以用如本文讨论的场景的描述语言来描述。在实施例中,输入/输出接口(I/O I/F)340通信地连接至处理器310,以用于提供例如来自键盘、鼠标、触摸板、相机和类似输入设备的输入以及例如显示器、扬声器、打印机和类似输出设备的输出。
图4是示出根据实施例的用于将场景的描述转换成约束满足问题的方法的示例流程图400。参考图3所示的要素来描述该方法。
在S410处,使用例如但不限于图3的***300来接收场景及其子场景。可以从数据库(例如数据库330)提供这样的场景及其子场景。场景及其子场景中的每个可以用场景描述语言来描述。在示例实施例中,可以用高级(high-level,HL)描述语言(例如但不限于在‘124专利申请中描述的场景语言)来描述场景。
在S420处,所接收的场景和子场景以与CPS 322的要求一致的方式被转换成变量和约束。此外,可以添加表示诸如但不限于串行、并行或混合的时间关系的约束。在实施例中,可以添加开始变量的状态和/或结束变量的状态。在一个实施例中,S420进一步包括优化过程,其中针对该状态移除不影响特定状态的变量。应当认识到,在S420中,为每个状态(例如,图1中的状态120-1)生成覆盖所有其变量和相应约束的向量。下面相对于图5更详细地讨论将场景和子场景转换成相应变量和约束的过程。
在S430处,生成满足所提供的约束的解决方案。该解决方案包括变量的多个状态,这些状态符合相应的约束。在实施例中,如果没有找到约束满足问题的至少一个解决方案,则可以生成错误。在实施例中,S430由CPS 322执行。在另一实施例中,适于处理约束满足问题的约束满足问题求解器引擎(未示出)可以用于增加效率和速度。
在S440处,检查附加解决方案是否可能或者以其他方式是期望的,如果是,则执行继续到S430;否则,执行继续到S450。应注意,CPS 322提供了满足约束的所有可能的解决方案。
在S450处,一个或更多个解决方案被存储在存储器320或其他存储装置(诸如数据库330)中。
在S460处,检查附加场景是否要被处理,如果是,则执行继续到S410;否则,执行终止。根据实施例,满足约束的情况被馈送到模拟器中以供执行。在实施例中,情况(或解决方案)可以被提供给交通模拟器。应当理解,在实施例中,每个状态可以包括场景描述语言代码中存在的所有变量的副本。此外,在实施例中,状态及其所包括的变量被优化,使得仅属于该状态的变量被复制到该状态。在实施例中,场景可能属于交通状况或交通元素等。
图5是示出根据实施例的用于将场景和子场景转换成相应变量和约束的方法的示例流程图S420。
在S510处,为场景和子场景识别至少一个变量。可以通过解析活动者和场景来识别至少一个变量,活动者和场景可以进一步被表示为抽象语法树。在实施例中,该至少一个变量可以在每个相关活动者下被定义。
在S520处,识别至少一个约束关系。该至少一个约束关系源自于场景和子场景。
在S530处,根据所识别的至少一个变量和至少一个约束关系生成约束满足问题。
本文公开的不同实施例可以被实现为硬件、固件、软件或其任何组合。此外,软件优选地实现为有形地包含在程序存储单元或计算机可读介质上的应用程序,该程序存储单元或计算机可读介质由部件或某些设备和/或设备的组合组成。应用程序可以被上传至包括任何合适架构的机器并且由该机器执行。优选地,该机器在具有硬件(诸如一个或更多个中央处理单元(“CPU”)、存储器和输入/输出接口)的计算机平台上实现。计算机平台还可以包括操作***和微指令代码。本文描述的不同处理和功能可以是微指令代码的一部分或应用程序的一部分、或其任意组合,无论这样的计算机或处理器是否被明确地示出,它们都可以由CPU执行。此外,诸如附加数据存储单元和打印单元的不同的其他***单元可以连接到计算机平台。此外,非暂时性计算机可读介质是除了暂时性传播信号之外的任何计算机可读介质。
本文所列举的所有示例和条件性语言都旨在用于教学目的,以帮助读者理解所公开的实施例的原理以及发明人为促进本领域所贡献的概念,并且将被解释为不限于此类具体列举的示例和条件。此外,本文引用所公开的实施例的原理、方面和实施例、以及其具体示例的所有陈述旨在涵盖其结构和功能等同物两者。此外,旨在这样的等同物包括当前已知的等同物以及将来开发的等同物,即,不管结构如何都执行相同功能的任何开发的元件。
应当理解,本文使用诸如“第一”、“第二”等的名称对元素的任何引用通常不限制那些元素的数量或顺序。相反,这些名称在本文中一般用作在两个或更多个元素或元素的实例之间进行区分的方便方法。由此,对第一和第二元素的引用并不意味着在那里可以仅采用两个元素或第一元素必须以某种方式在第二元素之前。此外,除非另有说明,否则一组元素包括一个或更多个元素。
如本文中所使用的,跟随有项目列表的短语“至少一个”意味着可以单独使用所列出的项目中的任一个、或可以使用所列出的项目中的两个或更多个的任何组合。例如,如果***被描述为包括“A、B和C中的至少一个”,则该***可以包括:仅A;仅B;仅C;2A;2B;2C;3A;A和B的组合;B和C的组合;A和C的组合;A、B和C的组合;2A和C的组合;A、3B和2C的组合;等等。
Claims (23)
1.一种用于确定交通场景中的具体实例的方法,包括:
接收采用场景描述语言的场景,其中,所述场景描述至少一个活动者的行为,其中,所述场景包括至少一个子场景;
基于对所述至少一个活动者和所接收的场景的解析,为所述场景和所述至少一个子场景识别至少一个变量;
识别源自于所述场景和所述至少一个子场景的至少一个约束关系;
根据所述至少一个变量和至少一个约束来生成约束满足问题;
处理所述约束满足问题,以生成符合所述至少一个约束的所述至少一个变量的状态序列,其中,所述状态序列用时间值来定义所述至少一个活动者的行为;
确定包括所述状态序列的至少一个解决方案;以及
向交通模拟器提供所述至少一个解决方案。
2.根据权利要求1所述的方法,还包括:
将所述至少一个解决方案存储在存储器中;以及
当所述至少一个解决方案未被确定时生成错误消息,其中,由约束满足问题求解器来执行对确定所述解决方案的尝试。
3.根据权利要求1所述的方法,还包括:
将开始变量添加到所述至少一个变量。
4.根据权利要求1所述的方法,还包括:
将结束变量添加到所述至少一个变量。
5.根据权利要求1所述的方法,还包括:
添加表示时间关系的所述至少一个约束。
6.根据权利要求5所述的方法,其中,所述时间关系是以下中的至少一个:串行、并行和混合。
7.根据权利要求1所述的方法,其中,所述状态序列中的每个状态包括所述至少一个变量的副本。
8.根据权利要求7所述的方法,还包括:
优化所述状态序列中的每个状态以仅包括与其相关的变量。
9.根据权利要求1所述的方法,其中,所述场景属于以下中的至少一个:交通状况和交通元素。
10.根据权利要求9所述的方法,其中,所述交通元素是自动驾驶车辆。
11.根据权利要求1所述的方法,其中,处理所述约束满足问题使用以下中的任一个:指定的约束满足问题求解器、布尔可满足性SAT、可满足性模理论SMT以及定理证明求解器。
12.一种非暂时性计算机可读介质,所述非暂时性计算机可读介质上存储有用于使处理器执行过程的指令,所述过程包括:
接收采用场景描述语言的场景,其中,所述场景描述至少一个活动者的行为,其中,所述场景包括至少一个子场景;
基于对所述至少一个活动者和所接收的场景的解析,为所述场景和所述至少一个子场景识别至少一个变量;
识别源自于所述场景和所述至少一个子场景的至少一个约束关系;
根据所述至少一个变量和至少一个约束来生成约束满足问题;
处理所述约束满足问题,以生成符合所述至少一个约束的所述至少一个变量的状态序列,其中,所述状态序列用时间值来定义所述至少一个活动者的行为;
确定包括所述状态序列的至少一个解决方案;以及
向交通模拟器提供所述至少一个解决方案。
13.一种用于确定交通场景中的具体实例的***,包括:
数据库,所述数据库中包含采用场景描述语言的场景;
处理器;以及
存储器,所述存储器包含指令,所述指令在由所述处理器执行时将所述***配置为:
从所述数据库接收采用场景描述语言的场景,其中,所述场景描述至少一个活动者的行为,其中,所述场景包括至少一个子场景;
基于对所述至少一个活动者和所接收的场景的解析,为所述场景和所述至少一个子场景识别至少一个变量;
识别源自于所述场景和所述至少一个子场景的至少一个约束关系;
根据所述至少一个变量和至少一个约束来生成约束满足问题;
处理所述约束满足问题,以生成符合所述至少一个约束的所述至少一个变量的状态序列,其中,所述状态序列用时间值来定义所述至少一个活动者的行为;
确定包括所述状态序列的至少一个解决方案;以及
向交通模拟器提供所述至少一个解决方案。
14.根据权利要求13所述的***,其中,所述***还被配置为:
将所述至少一个解决方案存储在存储器中;以及
当所述至少一个解决方案未被约束满足求解器确定时,生成错误消息。
15.根据权利要求13所述的***,其中,所述***还被配置为:将开始变量添加到至少一个变量。
16.根据权利要求13所述的***,其中,所述***还被配置为:将结束变量添加到至少一个变量。
17.根据权利要求13所述的***,其中,所述***还被配置为:添加表示时间关系的至少一个约束。
18.根据权利要求17所述的***,其中,所述时间关系是以下中的至少一个:串行、并行和混合。
19.根据权利要求13所述的***,其中,所述状态序列中的每个状态包括所有变量的副本。
20.根据权利要求19所述的***,其中,所述***还被配置为:优化所述状态序列中的每个状态以仅包括与其相关的变量。
21.根据权利要求13所述的***,其中,所述场景属于以下中的至少一个:交通状况和交通元素。
22.根据权利要求21所述的***,其中,所述交通元素是自动驾驶车辆。
23.根据权利要求13所述的***,其中,所述***还被配置为执行以下中的任一个:指定的约束满足问题求解器、布尔可满足性SAT、可满足性模理论SMT以及定理证明求解器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163142199P | 2021-01-27 | 2021-01-27 | |
US63/142,199 | 2021-01-27 | ||
PCT/IB2021/062402 WO2022162463A1 (en) | 2021-01-27 | 2021-12-28 | Techniques for providing concrete instances in traffic scenarios by a transformation as a constraint satisfaction problem |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116940943A true CN116940943A (zh) | 2023-10-24 |
Family
ID=82495560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180094682.5A Pending CN116940943A (zh) | 2021-01-27 | 2021-12-28 | 通过作为约束满足问题的转换在交通场景中提供具体实例的技术 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220237343A1 (zh) |
EP (1) | EP4272134A1 (zh) |
JP (1) | JP2024505917A (zh) |
CN (1) | CN116940943A (zh) |
WO (1) | WO2022162463A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8560893B1 (en) * | 2011-10-21 | 2013-10-15 | Cadence Design Systems, Inc. | Systems and methods for automatically generating executable system level-tests from a partially specified scenario |
US20190220016A1 (en) * | 2018-01-15 | 2019-07-18 | Uber Technologies, Inc. | Discrete Decision Architecture for Motion Planning System of an Autonomous Vehicle |
US10860023B2 (en) * | 2018-06-25 | 2020-12-08 | Mitsubishi Electric Research Laboratories, Inc. | Systems and methods for safe decision making of autonomous vehicles |
EP3842303B1 (en) * | 2018-08-14 | 2024-05-15 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating with safe distances |
-
2021
- 2021-12-28 CN CN202180094682.5A patent/CN116940943A/zh active Pending
- 2021-12-28 JP JP2023545939A patent/JP2024505917A/ja active Pending
- 2021-12-28 US US17/646,240 patent/US20220237343A1/en active Pending
- 2021-12-28 EP EP21922728.7A patent/EP4272134A1/en active Pending
- 2021-12-28 WO PCT/IB2021/062402 patent/WO2022162463A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4272134A1 (en) | 2023-11-08 |
WO2022162463A1 (en) | 2022-08-04 |
US20220237343A1 (en) | 2022-07-28 |
JP2024505917A (ja) | 2024-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11513523B1 (en) | Automated vehicle artificial intelligence training based on simulations | |
Wu et al. | Extended object-oriented Petri net model for mission reliability simulation of repairable PMS with common cause failures | |
Korssen et al. | Systematic model-based design and implementation of supervisors for advanced driver assistance systems | |
Kianfar et al. | A control matching model predictive control approach to string stable vehicle platooning | |
JP2015515684A5 (zh) | ||
US20140214393A1 (en) | System and method for performing distributed simulation | |
Kang et al. | Verification and validation of a cyber-physical system in the automotive domain | |
CN112329208B (zh) | 多时钟约束的协同无人驾驶***的建模与验证的实现方法 | |
Mohamed et al. | A scenario-and platform-aware design flow for image-based control systems | |
Nasri et al. | Automotive decentralized diagnosis based on can real-time analysis | |
US8751094B2 (en) | Method for validation of a graphically based executable control specification using model extraction | |
Tsigkanos et al. | On early statistical requirements validation of cyber-physical space systems | |
CN101495978B (zh) | 减少总线连接的消费者和产生者之间的消息流 | |
Mohamed et al. | Optimising multiprocessor image-based control through pipelining and parallelism | |
Suo et al. | Integrating STPA into ISO 26262 process for requirement development | |
Axer et al. | Stochastic response-time guarantee for non-preemptive, fixed-priority scheduling under errors | |
CN116940943A (zh) | 通过作为约束满足问题的转换在交通场景中提供具体实例的技术 | |
GUARRO | On the Estimation of Space Launch Vehicle Reliability1 | |
Iber et al. | Towards a Generic Modeling Language for Contract-Based Design. | |
Ge et al. | Time properties dedicated transformation from UML-MARTE activity to time transition system | |
von Stein et al. | Finding property violations through network falsification: Challenges, adaptations and lessons learned from openpilot | |
Liu et al. | Formal Verification on the Safety of Internet of Vehicles Based on TPN and Z | |
Bera et al. | Relationship between simulink and petri nets | |
Santa et al. | Relations of UML and OETPN Models | |
Frese et al. | Functional Safety Processes and Advanced Driver Assistance Systems: Evolution or Revolution? |
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 |