JP2021514883A - 自律走行における走行経路を決定するためのシステムおよび方法 - Google Patents

Abstract

本開示は、自律走行における走行経路を決定するためのシステムおよび方法に関する。システムは、複数の候補走行経路を取得し、トレーニングされた係数生成モデルに基づいて複数の候補走行経路と関連付けられる１つまたは複数の係数を取得し、１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定し、複数の候補走行経路に対応する複数の移動コストに基づいて複数の候補走行経路からターゲット走行経路を識別することができる。【選択図】図４

Description

関連出願の相互参照
本出願は、２０１８年１２月１８日に提出された中国特許出願第２０１８１１５４８１５８．７号に対する優先権を主張し、その内容全体が参照により本明細書に組み込まれる。

本開示は、概して自律走行のためのシステムおよび方法に関し、詳細には、自律走行において走行経路を決定するためのシステムおよび方法に関する。

マイクロエレクトロニクスおよびロボット技術の発展によって、自律走行の探究は今日、急速に発展している。自律走行システムにとって、自律走行システムの車両と関連付けられる走行情報（例えば、出発地、規定の目的地、道路状態）に基づいて適切な走行経路を決定することが重要である。一般的に、自律走行システムは、複数の候補走行経路を決定し、複数の候補走行経路の各々と関連付けられる特徴（例えば、移動コスト）に基づいて複数の候補走行経路からターゲット走行経路を選択し、概して、複数の候補走行経路の各々と関連付けられる特徴が、人為的に規定されるパラメータに基づいて決定される。しかしながら、状況によっては、人為的に規定されるパラメータは、不正確または不適切である可能性があり、したがって、そのようなパラメータに基づいて最適な走行経路を決定することは困難であろう。それゆえ、最適な走行経路を正確かつ効率的に決定するためのシステムおよび方法を提供し、それによって、自律走行システムの性能を向上させることが望ましい。

本開示の一態様は、自律走行において走行経路を決定するためのシステムに関する。システムは、命令のセットを含む少なくとも１つの記憶媒体と、少なくとも１つの記憶媒体と通信する少なくとも１つのプロセッサとを含むことができる。命令のセットを実行するとき、少なくとも１つのプロセッサは、システムに、以下の動作のうちの１つまたは複数を実施させるように指令され得る。システムは、複数の候補走行経路を取得することができる。システムは、トレーニングされた係数生成モデル（ｃｏｅｆｆｉｃｉｅｎｔ−ｇｅｎｅｒａｔｉｎｇ ｍｏｄｅｌ）に基づいて、複数の候補走行経路と関連付けられる１つまたは複数の係数を取得することができる。システムは、１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定することができる。システムは、複数の候補走行経路に対応する複数の移動コストに基づいて、複数の候補走行経路からターゲット走行経路を識別することができる。

いくつかの実施形態において、システムは、１つまたは複数のコスト・パラメータを決定することができる。システムは、１つまたは複数のコスト・パラメータおよび１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定することができる。

いくつかの実施形態において、１つまたは複数のコスト・パラメータは、スピード・コスト・パラメータ（ｓｐｅｅｄ ｃｏｓｔ ｐａｒａｍｅｔｅｒ）、類似度コスト・パラメータ（ｓｉｍｉｌａｒｉｔｙ ｃｏｓｔ ｐａｒａｍｅｔｅｒ）、および／またはジャーク・コスト・パラメータ（ｊｅｒｋ ｃｏｓｔ ｐａｒａｍｅｔｅｒ）のうちの少なくとも１つを含むことができる。

いくつかの実施形態において、トレーニングされた係数生成モデルは、トレーニング・プロセスによって決定することができる。トレーニング・プロセスは、複数のサンプル走行経路を取得するステップと、複数のサンプル走行経路に基づいて複数のサンプルを決定するステップであって、複数のサンプルの各々は、同じ出発地および同じ目的地に対応するサンプル走行経路のセットを含む、複数のサンプルを決定するステップと、複数のサンプルの各々について、サンプル走行経路のセットに対応するサンプル・スコアのセットを決定するステップと、複数のサンプルのスコアに基づいて、トレーニングされた係数生成モデルを決定するステップとを含むことができる。

いくつかの実施形態において、複数のサンプルに基づいて、トレーニングされた係数生成モデルを決定するステップは、複数の予備係数を含む予備係数生成モデルを取得するステップであって、複数の予備係数の各々はサンプルに対応する、予備係数生成モデルを取得するステップと、複数のサンプルの各々の特徴情報を抽出するステップと、複数のサンプルの各々について、対応する予備係数および特徴情報に基づいて、サンプル走行経路のセットに対応するサンプル移動コストのセットを決定するステップと、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが、予め設定された条件を満たすか否かを決定するステップと、サンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすという決定に応答して、予備係数生成モデルを、トレーニングされた係数生成モデルとして指定するステップとを含むことができる。

いくつかの実施形態において、複数のサンプルに基づいてトレーニングされた係数生成モデルを決定するステップは、サンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たさないという決定に応答して、複数の予備係数を更新するステップと、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすか否かを決定するステップを繰り返すステップとをさらに含むことができる。

いくつかの実施形態において、複数のサンプルの各々の特徴情報は、サンプル走行経路のセットの各々の速度情報、および、サンプル走行経路のセットの各々と関連付けられる障害物情報を含んでもよい。

いくつかの実施形態において、システムは、複数の移動コストから最小の移動コストを識別することができる。システムは、最小の移動コストに対応する候補走行経路をターゲット走行経路として識別することができる。

いくつかの実施形態において、システムは、車両の１つまたは複数の制御要素に、ターゲット走行経路を送信し、ターゲット走行経路に従うように車両に指令することができる。

本開示の別の態様は、コンピューティング・デバイス上で実施される方法に関する。コンピューティング・デバイスは、少なくとも１つのプロセッサと、少なくとも１つの記憶媒体と、ネットワークに接続されている通信プラットフォームとを含むことができる。方法は、複数の候補走行経路を取得するステップと、トレーニングされた係数生成モデルに基づいて複数の候補走行経路と関連付けられる１つまたは複数の係数を取得するステップと、１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定するステップと、複数の候補走行経路に対応する複数の移動コストに基づいて複数の候補走行経路からターゲット走行経路を識別するステップとを含むことができる。

いくつかの実施形態において、複数の候補走行経路の各々の移動コストを決定するステップは、１つまたは複数のコスト・パラメータを決定するステップと、１つまたは複数のコスト・パラメータおよび１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定するステップとを含むことができる。

いくつかの実施形態において、１つまたは複数のコスト・パラメータは、スピード・コスト・パラメータ、類似度コスト・パラメータ、および／またはジャーク・コスト・パラメータのうちの少なくとも１つを含むことができる。

いくつかの実施形態において、トレーニングされた係数生成モデルは、トレーニング・プロセスによって決定することができる。トレーニング・プロセスは、複数のサンプル走行経路を取得するステップと、複数のサンプル走行経路に基づいて複数のサンプルを決定するステップであって、複数のサンプルの各々は、同じ出発地および同じ目的地に対応するサンプル走行経路のセットを含む、複数のサンプルを決定するステップと、複数のサンプルの各々について、サンプル走行経路のセットに対応するサンプル・スコアのセットを決定するステップと、複数のサンプルのスコアに基づいて、トレーニングされた係数生成モデルを決定するステップとを含むことができる。

いくつかの実施形態において、複数のサンプルに基づいて、トレーニングされた係数生成モデルを決定するステップは、複数の予備係数を含む予備係数生成モデルを取得するステップであって、複数の予備係数の各々はサンプルに対応する、予備係数生成モデルを取得するステップと、複数のサンプルの各々の特徴情報を抽出するステップと、複数のサンプルの各々について、対応する予備係数および特徴情報に基づいて、サンプル走行経路のセットに対応するサンプル移動コストのセットを決定するステップと、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが、予め設定された条件を満たすか否かを決定するステップと、サンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすという決定に応答して、予備係数生成モデルを、トレーニングされた係数生成モデルとして指定するステップとを含むことができる。

いくつかの実施形態において、複数のサンプルに基づいてトレーニングされた係数生成モデルを決定するステップは、サンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たさないという決定に応答して、複数の予備係数を更新するステップと、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすか否かを決定するステップを繰り返すステップとをさらに含むことができる。

いくつかの実施形態において、複数のサンプルの各々の特徴情報は、サンプル走行経路のセットの各々の速度情報、および、サンプル走行経路のセットの各々と関連付けられる障害物情報を含んでもよい。

いくつかの実施形態において、複数の候補走行経路に対応する複数の移動コストに基づいて複数の候補走行経路からターゲット走行経路を識別するステップは、複数の移動コストから最小の移動コストを識別するステップと、最小の移動コストに対応する候補走行経路をターゲット走行経路として識別するステップとを含むことができる。

いくつかの実施形態において、方法は、車両の１つまたは複数の制御要素に、ターゲット走行経路を送信するステップであって、ターゲット走行経路に従うように車両に指令する、送信するステップをさらに含むことができる。

本開示のさらなる態様は、自律走行のために構成されている車両に関する。車両は、検出構成要素と、計画構成要素と、制御構成要素とを含むことができる。計画構成要素は、複数の候補走行経路を取得するステップと、トレーニングされた係数生成モデルに基づいて複数の候補走行経路と関連付けられる１つまたは複数の係数を取得するステップと、１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定するステップと、複数の候補走行経路に対応する複数の移動コストに基づいて複数の候補走行経路からターゲット走行経路を識別するステップとを行うように構成することができる。

追加の特徴は、部分的には、後続する説明に記載され、部分的には、以下および添付の図面の検討を受けて当業者に明らかになるか、または、実施例の生成または動作によって学習することができる。本開示の特徴は、下記に論じられている詳細な例に記載されている方法、手段、および組合せの様々な態様を実践または使用することによって実現し、達成することができる。

本開示は、例示的な実施形態に関してさらに説明される。図面を参照しながら、これらの例示的な実施形態を詳細に説明する。図面は原寸に比例しない。これらの実施形態は非限定的な概略的な実施形態であり、同様の参照番号は、図面のいくつかのビュー全体を通じて同様の構造を表す。

本開示のいくつかの実施形態による例示的な自律走行システムを示す概略図である。 本開示のいくつかの実施形態による例示的な自律走行システムの例示的なハードウェアおよび／またはソフトウェア構成要素を示す概略図である。 本開示のいくつかの実施形態による例示的な処理エンジンを示すブロック図である。 本開示のいくつかの実施形態による、走行経路を決定するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による移動コストの例示的なコスト・パラメータを示す概略図である。 本開示のいくつかの実施形態による移動コストの例示的なコスト・パラメータを示す概略図である。 本開示のいくつかの実施形態による移動コストの例示的なコスト・パラメータを示す概略図である。 本開示のいくつかの実施形態による、トレーニングされた係数生成モデルを決定するための例示的なプロセスを示すフローチャートである。 本開示のいくつかの実施形態による例示的な走行シナリオを示す概略図である。 本開示のいくつかの実施形態によるサンプル走行経路のセットを含む例示的なサンプルを示す概略図である。

以下の説明は、当業者が、本開示を作成および使用することを可能にするために提示され、特定の用途およびその要件のコンテキストにおいて提供される。開示される実施形態に対する様々な改変が、当業者には容易に認識され、本明細書において定義される一般的な原理は、本開示の主旨または範囲から逸脱することなく他の実施形態および用途に適用されることができる。したがって、本開示は本明細書に示されている実施形態に限定されず、特許請求項の範囲に一致する最も広い範囲に合致するものである。

本明細書において使用される用語は特定の例示的な実施形態を説明することのみを目的とするものであり、限定であるようには意図されない。本明細書において使用される場合、単数形「１つの」（“ａ”、“ａｎ”）および「その」（“ｔｈｅ”）は、別途文脈が明確に指示していない限り、複数形も含むように意図され得る。用語「備える」（“ｃｏｍｐｒｉｓｅ”、“ｃｏｍｐｒｉｓｅｓ”）および／または「備えている」（“ｃｏｍｐｒｉｓｉｎｇ”）、「含む」（“ｉｎｃｌｕｄｅ”、“ｉｎｃｌｕｄｅｓ”）および／または「含んでいる」（“ｉｎｃｌｕｄｉｎｇ”）は、本開示において使用されている場合、記載されている特徴、整数、ステップ、動作、要素、および／または構成要素が存在することを指定するが、１つまたは複数の他の特徴、整数、ステップ、動作、要素、および／または構成要素、および／またはそのグループが存在することまたは追加されることを除外するものではないことがさらに理解されよう。

これらのおよび他の特徴、および本開示の特性、ならびに、構造の関連する要素および部品の組合せの動作および機能の方法および製造の経済性は、添付の図面を参照しながら以下の説明を検討することを受けて、より明らかになり得る。これらのすべてが、本開示の部分を形成する。しかしながら、図面は例示および説明のみを目的としたものであり、本開示の範囲を限定するようには意図されていないことは、明確に理解されたい。図面は原寸に比例しないことを理解されたい。

本開示において使用されているフローチャートは、本開示のいくつかの実施形態に従ってシステムが実施する動作を示す。フローチャートの動作は順序を変えて実施することができることは、明確に理解されたい。逆に、動作は、逆順で、または同時に実施することができる。その上、１つまたは複数の他の動作をフローチャートに追加することができる。１つまたは複数の他の動作はフローチャートから削除することができる。

その上、本開示において開示されているシステムおよび方法は、主に地上の輸送システムに関して説明されているが、これは１つの例示的な実施形態に過ぎないことは理解されたい。本開示のシステムおよび方法は、任意の他の種類の輸送システムに適用することができる。例えば、本開示のシステムおよび方法は、海洋、航空宇宙など、または任意のそれらの組合せを含む異なる環境の輸送システムに適用することができる。輸送システムの車両は、自動車、バス、列車、地下鉄、船舶、航空機、宇宙船、熱気球など、またはそれらの任意の組合せを含むことができる。

本開示において使用される測位技術は、全地球測位システム（ＧＰＳ）、グローバル・ナビゲーション衛星システム（ＧＬＯＮＡＳＳ）、コンパス・ナビゲーション・システム（ＣＯＭＰＡＳＳ）、Ｇａｌｉｌｅｏ測位システム、準天頂衛星システム（ＱＺＳＳ）、ワイヤレス・フィデリティ（ＷｉＦｉ）測位技術など、またはそれらの任意の組合せに基づくことができる。上記の測位システムのうちの１つまたは複数は、本開示においては交換可能に使用することができる。

本開示の一態様は、自律走行において走行経路を決定するためのシステムおよび方法に関する。システムおよび方法は、複数の候補走行経路を取得することができる。複数の候補走行経路は、車両と関連付けられる走行情報（例えば、道路状態情報、障害物情報）に基づいて決定することができる。システムおよび方法は、トレーニングされた係数生成モデルに基づいて、複数の候補走行経路と関連付けられる１つまたは複数の係数を取得することができる。システムおよび方法は、１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定することができる。さらに、システムおよび方法は、複数の候補走行経路に対応する複数の移動コストに基づいて、複数の候補走行経路からターゲット走行経路（例えば、最小の移動コストに対応する候補走行経路）を識別することができる。本開示のシステムおよび方法によれば、候補走行経路の移動コストは、トレーニングされたモデルによって生成される係数に基づいて決定することができ、これによって、車両の経路計画の正確度を向上させることができる。

図１は、本開示のいくつかの実施形態による例示的な自律走行システムを示す概略図である。いくつかの実施形態において、自律走行システム１００は、サーバ１１０と、ネットワーク１２０と、車両１３０と、ストレージ１４０とを含むことができる。

いくつかの実施形態において、サーバ１１０は、単一のサーバであってもよく、または、サーバ・グループであってもよい。サーバ・グループは、集中型であってもよく、または、分散型であってもよい（例えば、サーバ１１０は分散型システムであってもよい）。いくつかの実施形態において、サーバ１１０は、ローカルであってもよく、または、リモートであってもよい。例えば、サーバ１１０は、ネットワーク１２０を介して、車両１３０および／またはストレージ１４０に記憶されている情報および／またはデータにアクセスすることができる。別の例として、サーバ１１０は、記憶されている情報および／またはデータにアクセスするために、車両１３０および／またはストレージ１４０に直接的に接続されてもよい。いくつかの実施形態において、サーバ１１０は、クラウド・プラットフォームまたは内蔵コンピュータ上で実装されてもよい。例としてのみ、クラウド・プラットフォームは、プライベート・クラウド、公衆クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散型クラウド、インタークラウド、マルチクラウドなど、またはそれらの任意の組合せを含んでもよい。いくつかの実施形態において、サーバ１１０は、本開示の図２に示す１つまたは複数の構成要素を含むコンピューティング・デバイス２００上で実装することができる。

いくつかの実施形態において、サーバ１１０は、処理エンジン１１２を含んでもよい。処理エンジン１１２は、本開示に記載されている１つまたは複数の機能を実施するために、車両１３０の走行情報と関連付けられる情報および／またはデータを処理することができる。例えば、処理エンジン１１２は、車両１３０と関連付けられる走行情報（例えば、道路状態情報、障害物情報）を取得し、走行情報に基づいて車両１３０の走行経路を決定することができる。すなわち、処理エンジン１１２は、車両１３０の計画構成要素として構成することができる。別の例として、処理エンジン１１２は、走行経路に基づいて制御命令（例えば、速度制御命令、方向制御命令）を決定することができる。いくつかの実施形態において、処理エンジン１１２は、１つまたは複数の処理エンジン（例えば、シングルコア処理エンジンまたはマルチコア・プロセッサ）を含んでもよい。例としてのみ、処理エンジン１１２は、中央処理ユニット（ＣＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け命令セット・プロセッサ（ＡＳＩＰ）、グラフィックス処理ユニット（ＧＰＵ）、物理演算ユニット（ＰＰＵ：ｐｈｙｓｉｃｓ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、デジタル信号プロセッサ（ＤＳＰ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、プログラム可能論理デバイス（ＰＬＤ）、コントローラ、マイクロコントローラ・ユニット、縮小命令セット・コンピュータ（ＲＩＳＣ）、マイクロプロセッサなど、またはそれらの任意の組合せを含んでもよい。

いくつかの実施形態において、サーバ１１０は、自律走行システム１００の１つまたは複数の構成要素（例えば、車両１３０、ストレージ１４０）と通信するために、ネットワーク１２０に接続することができる。いくつかの実施形態において、サーバ１１０は、自律走行システム１００の１つまたは複数の構成要素（例えば、車両１３０、ストレージ１４０）と直接的に接続されてもよく、または、それらの構成要素と通信してもよい。いくつかの実施形態において、サーバ１１０は、車両１３０内に統合されてもよい。例えば、サーバ１１０は、車両１３０内に設置されたコンピューティング・デバイス（例えば、内蔵コンピュータ）であってもよい。

ネットワーク１２０は、情報および／またはデータの交換を促進することができる。いくつかの実施形態において、自律走行システム１００の１つまたは複数の構成要素（例えば、サーバ１１０、車両１３０、ストレージ１４０）は、情報および／またはデータを、ネットワーク１２０を介して自律走行システム１００の他の構成要素に送信することができる。例えば、サーバ１１０は、ネットワーク１２０を介して、車両１３０と関連付けられる走行情報を取得することができる。いくつかの実施形態において、ネットワーク１２０は、任意のタイプの有線またはワイヤレス・ネットワーク、またはそれらの組合せであってもよい。例としてのみ、ネットワーク１２０は、ケーブル・ネットワーク、ワイヤライン・ネットワーク、光ファイバー・ネットワーク、遠隔通信ネットワーク、イントラネット、インターネット、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、ワイヤレス・ローカル・エリア・ネットワーク（ＷＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、公衆電話網（ＰＳＴＮ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）ネットワーク、ＺｉｇＢｅｅネットワーク、またはそれらの任意の組合せを含んでもよい。いくつかの実施形態において、ネットワーク１２０は、１つまたは複数のネットワーク・アクセス・ポイントを含むことができる。例えば、ネットワーク１２０は、有線またはワイヤレス・ネットワーク・アクセス・ポイントを含むことができ、それを通じて、自律走行システム１００の１つまたは複数の構成要素を、データおよび／または情報を交換するためにネットワーク１２０に接続することができる。

車両１３０は、任意のタイプの自律車両であってもよい。自律車両は、環境情報を検知し、人間が操作することなくナビゲートすることが可能であり得る。車両１３０は、従来の車両の構造を含んでもよい。例えば、車両１３０は、車両１３０の動作を制御するように構成されている複数の制御要素を含んでもよい。複数の制御要素は、ステアリング・デバイス（例えば、ステアリング・ホイール）、ブレーキデバイス（例えば、ブレーキペダル）、および加速装置を含んでもよい。ステアリング・デバイスは、車両１３０の進行方向（ｈｅａｄｉｎｇ）および／または方向（ｄｉｒｅｃｔｉｏｎ）を調整するように構成することができる。ブレーキデバイスは、車両１３０を停止するためのブレーキ動作を実施するように構成することができる。加速装置は、車両１３０の速度および／または加速度を制御するように構成することができる。

また、車両１３０は、車両１３０と関連付けられる走行情報を検出するように構成されている複数の検出ユニットを含むこともできる。複数の検出ユニットは、カメラ、全地球測位システム（ＧＰＳ）モジュール、加速度センサー（例えば、圧電センサー）、速度センサー（例えば、ホール・センサー）、距離センサー（例えば、レーダー、ＬＩＤＡＲ、赤外線センサー）、ステアリング角度センサー（例えば、傾斜センサー）、牽引関連センサー（例えば、力センサー）などを含んでもよい。いくつかの実施形態において、車両１３０と関連付けられる走行情報は、車両１３０の一定範囲内の知覚情報（例えば、道路状態情報、障害物情報）、車両１３０の一定範囲内のマップ情報などを含んでもよい。

ストレージ１４０は、データおよび／または命令を記憶することができる。いくつかの実施形態において、ストレージ１４０は、複数の検出ユニットによって獲得される車両１３０と関連付けられる走行情報のような、車両１３０から取得されるデータを記憶することができる。いくつかの実施形態において、ストレージ１４０は、本開示に記載されている例示的な方法を実施するためにサーバ１１０が実行または使用することができるデータおよび／または命令を記憶することができる。いくつかの実施形態において、ストレージ１４０は、大容量ストレージ、リムーバブル・ストレージ、揮発性読取りおよび書込みメモリ、読取り専用メモリ（ＲＯＭ）など、またはそれらの任意の組合せを含んでもよい。例示的な大容量ストレージは、磁気ディスク、光ディスク、ソリッドステート・ドライブなどを含んでもよい。例示的なリムーバブル・ストレージは、フラッシュ・ドライブ、フロッピー・ディスク、光ディスク、メモリ・カード、ジップ・ディスク、磁気テープなどを含んでもよい。例示的な揮発性読取りおよび書込みメモリ（ＲＡＭ）は、ランダム・アクセス・メモリを含んでもよい。例示的なＲＡＭは、ダイナミックＲＡＭ（ＤＲＡＭ）、ダブル・データ・レート同期ダイナミックＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、サイリスタＲＡＭ（Ｔ−ＲＡＭ）、およびゼロキャパシタＲＡＭ（Ｚ−ＲＡＭ）などを含んでもよい。例示的なＲＯＭは、マスクＲＯＭ（ＭＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＰＥＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、コンパクト・ディスクＲＯＭ（ＣＤ−ＲＯＭ）、およびデジタル多用途ディスクＲＯＭなどを含んでもよい。いくつかの実施形態において、ストレージ１４０は、クラウド・プラットフォーム上で実装されてもよい。例としてのみ、クラウド・プラットフォームは、プライベート・クラウド、公衆クラウド、ハイブリッド・クラウド、コミュニティ・クラウド、分散型クラウド、インタークラウド、マルチクラウドなど、またはそれらの任意の組合せを含んでもよい。

いくつかの実施形態において、ストレージ１４０は、自律走行システム１００の１つまたは複数の構成要素（例えば、サーバ１１０、車両１３０）と通信するために、ネットワーク１２０に接続することができる。自律走行システム１００の１つまたは複数の構成要素は、ネットワーク１２０を介して、ストレージ１４０内に記憶されているデータまたは命令にアクセスすることができる。いくつかの実施形態において、ストレージ１４０は、自律走行システム１００の１つまたは複数の構成要素（例えば、サーバ１１０および車両１３０）と直接的に接続されてもよく、または、それらの構成要素と通信してもよい。いくつかの実施形態において、ストレージ１４０は、サーバ１１０の一部分であってもよい。いくつかの実施形態において、ストレージ１４０は、車両１３０内に統合されてもよい。

自律走行システム１００は、例示のみを目的として与えられており、本開示の範囲を限定するようには意図されていないことに留意されたい。当業者であれば、本開示の教示の下で複数の変形形態または修正形態を作成することができる。例えば、自律走行システム１００は、データベース、情報源などをさらに含んでもよい。別の例として、自律走行システム１００は、同様のまたは異なる機能を実現するために、他のデバイス上で実装されてもよい。しかしながら、それらの変形形態および修正形態は、本開示の範囲内から逸脱しない。

図２は、本開示のいくつかの実施形態による例示的なコンピューティング・デバイスの例示的なハードウェアおよびソフトウェア構成要素を示す概略図である。いくつかの実施形態において、サーバ１１０は、コンピューティング・デバイス２００上で実装されてもよい。例えば、処理エンジン１１２は、コンピューティング・デバイス２００上で実装され、本開示において開示されている処理エンジン１１２の機能を実施するように構成することができる。

コンピューティング・デバイス２００は、本開示の自律走行システム１００の任意の構成要素を実装するために使用することができる。例えば、自律走行システム１００の処理エンジン１１２は、コンピューティング・デバイス２００上で、そのハードウェア、ソフトウェアプログラム、ファームウェア、またはそれらの組合せを介して実装されてもよい。便宜上、１つのみのそのようなコンピュータが示されているが、本明細書に記載されているような自律走行システム１００に関連するコンピュータ機能は、処理負荷を分散させるために、複数の同様のプラットフォーム上で分散的に実施されてもよい。

コンピューティング・デバイス２００は、例えば、データ通信を容易にするために、それに接続されているネットワーク（例えば、ネットワーク１２０）に、および、当該ネットワークから接続されている通信（ＣＯＭＭ）ポート２５０を含むことができる。コンピューティング・デバイス２００はまた、プログラム命令を実行するための、１つまたは複数のプロセッサ（例えば、論理回路）の形態の、プロセッサ（例えば、プロセッサ２２０）をも含むことができる。例えば、プロセッサは、インターフェース回路および処理回路をその中に含むことができる。インターフェース回路は、バス２１０から電子信号を受信するように構成することができ、電子信号は、処理回路が処理するために、構造化されたデータおよび／または命令を符号化する。処理回路は、論理計算を実行し、その後、電子信号として符号化される結論、結果、および／または命令を決定することができる。その後、インターフェース回路は、バス２１０を介して、処理回路から電子信号を送出することができる。

コンピューティング・デバイス２００は、コンピューティング・デバイス２００によって処理および／または送信されるべき様々なデータ・ファイルを記憶するために、例えば、ディスク２７０、および読出し専用メモリ（ＲＯＭ）２３０、またはランダム・アクセス・メモリ（ＲＡＭ）２４０など、種々の形態のプログラム・ストレージおよびデータ・ストレージをさらに含むことができる。コンピューティング・デバイス２００はまた、ＲＯＭ２３０、ＲＡＭ２４０、および／または他のタイプの非一時的ストレージ媒体内に記憶されている、プロセッサ２２０によって実行されるべきプログラム命令をも含むことができる。本開示の方法および／またはプロセスは、プログラム命令として実施することができる。コンピューティング・デバイス２００はまた、コンピューティング・デバイス２００と、その中の他の構成要素との間の入出力をサポートする、Ｉ／Ｏ構成要素２６０をも含む。コンピューティング・デバイス２００はまた、ネットワーク通信を介してプログラミングおよびデータを受信することもできる。

例示のみのために、１つのみのプロセッサがコンピューティング・デバイス２００内に記載されている。しかしながら、本開示のコンピューティング・デバイス２００はまた、複数のプロセッサを含んでもよく、したがって、本開示に記載されているような１つのプロセッサによって実施される動作はまた、複数のプロセッサによって共同でまたは別個に実施されてもよいことに留意されたい。例えば、コンピューティング・デバイス２００のプロセッサは、動作Ａと動作Ｂの両方を実行する。別の例の場合、動作Ａおよび動作Ｂはまた、コンピューティング・デバイス２００内で、２つの異なるプロセッサによって共同でまたは別個に実施されてもよい（例えば、第１のプロセッサが動作Ａを実行し、かつ、第２のプロセッサが動作Ｂを実行し、または、第１のプロセッサおよび第２のプロセッサが共同で動作ＡおよびＢを実行する）。

図３は、本開示のいくつかの実施形態による例示的な処理エンジンを示すブロック図である。処理エンジン１１２は、取得モジュール３１０と、トレーニング・モジュール３２０と、決定モジュール３３０と、識別モジュール３４０とを含むことができる。

取得モジュール３１０は、車両（例えば、車両１３０）と関連付けられる複数の候補走行経路を取得するように構成することができる。いくつかの実施形態において、取得モジュール３１０は、本開示の他の箇所において開示されているもののような、ストレージ・デバイス（例えば、ストレージ１４０）から複数の候補走行経路を取得することができる。いくつかの実施形態において、取得モジュール３１０は、車両と関連付けられる走行情報（例えば、車両の現在の位置、車両の現在の速度、車両の現在の加速度、規定の目的地、道路状態、障害物情報）に基づいて、複数の候補走行経路を決定することができる。複数の候補走行経路に関するさらなる説明は、本開示の他の箇所（例えば、図４およびその説明）に見出すことができる。

トレーニング・モジュール３２０は、複数のサンプルに基づいて、トレーニングされた係数生成モデルを決定するように構成することができる。複数のサンプルの各々は、同じ出発地および同じ目的地に対応するサンプル走行経路のセットを含むことができる。トレーニングされた係数生成モデルのさらなる説明は、本開示の他の箇所（例えば、図６およびその説明）に見出すことができる。

決定モジュール３３０は、トレーニングされた係数生成モデルに基づいて、複数の候補走行経路と関連付けられる１つまたは複数の係数を取得するように構成することができる。決定モジュール３３０はまた、１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定するように構成することもできる。いくつかの実施形態において、決定モジュール３３０は、１つまたは複数のコスト・パラメータを決定するステップと、１つまたは複数のコスト・パラメータおよび１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定するステップとを行うことができる。移動コストに関するさらなる説明は、本開示の他の箇所（例えば、図４およびその説明）に見出すことができる。

識別モジュール３４０は、複数の候補走行経路に対応する複数の移動コストに基づいて、複数の候補走行経路からターゲット走行経路を識別するように構成することができる。いくつかの実施形態において、識別モジュール３４０は、複数の移動コストから最小の移動コストを識別し、最小の移動コストに対応する候補走行経路を、ターゲット走行経路として識別することができる。

いくつかの実施形態において、処理エンジン１１２は、車両の１つまたは複数の制御要素（例えば、ブレーキデバイス、加速装置）に、ターゲット走行経路を送信し、ターゲット走行経路に従うように車両に指令するように構成することができる送信モジュール（図示せず）をさらに含むことができる。

処理エンジン１１２内のモジュールは、ワイヤード接続またはワイヤレス接続を介して、互いに接続され、または、互いと通信することができる。ワイヤード接続は、メタル・ケーブル、光ケーブル、ハイブリッド・ケーブルなど、またはそれらの任意の組合せを含んでもよい。ワイヤレス接続は、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ、ニア・フィールド通信（ＮＦＣ）など、またはそれらの任意の組合せを含んでもよい。上記モジュールのうちの２つ以上は、単一のモジュールに組み合わされてもよく、それらのモジュールのうちのいずれか１つは、２つ以上のユニットに分割されてもよい。例えば、決定モジュール３３０および識別モジュール３４０は、複数の候補走行経路の各々の移動コストを決定するとともに、複数の候補走行経路からターゲット走行経路を識別することができる単一のモジュールとして組み合わされてもよい。別の例として、取得モジュールはまた、複数の候補走行経路と関連付けられる１つまたは複数の係数を取得するように構成することもできる。さらなる例として、処理エンジン１１２は、複数の候補走行経路、複数の候補走行経路に対応する複数の移動コスト、ターゲット走行経路などを記憶するように構成することができるストレージ・モジュール（図３には示さず）を含むことができる。またさらなる例として、トレーニング・モジュール３２０は、不要であってもよく、トレーニングされた係数生成モデルは、本開示の他の箇所において開示されているもののような、ストレージ・デバイス（例えば、ストレージ１４０）から取得されてもよい。

図４は、本開示のいくつかの実施形態による、走行経路を決定するための例示的なプロセスを示すフローチャートである。プロセス４００は、自律走行システム１００によって実行することができる。例えば、プロセス４００は、ストレージＲＯＭ２３０またはＲＡＭ２４０内に記憶されている命令のセット（例えば、アプリケーション）として実施されてもよい。プロセッサ２２０および／または図３に示されているモジュールは、命令のセットを実行することができ、命令を実行するとき、プロセッサ２２０および／またはモジュールは、プロセス４００を実施するように構成することができる。下記に提示される、図示されているプロセス／方法の動作は、例示的であるように意図されている。いくつかの実施形態において、プロセス４００は、記載されていない１つまたは複数の追加の動作を伴って、かつ／または、記載されている動作のうちの１つまたは複数を伴わずに、達成されてもよい。加えて、図４に示されており、下記に説明されるプロセス４００の動作の順序は、限定であるようには意図されていない。

４１０において、処理エンジン１１２（例えば、取得モジュール３１０）（例えば、プロセッサ２２０のインターフェース回路）は、車両（例えば、車両１３０）と関連付けられる複数の候補走行経路を取得することができる。

いくつかの実施形態において、処理エンジン１１２は、本開示の他の箇所において開示されているもののような、ストレージ・デバイス（例えば、ストレージ１４０）から複数の候補走行経路を取得することができる。いくつかの実施形態において、処理エンジン１１２は、車両と関連付けられる走行情報（例えば、車両の現在の位置、車両の現在の速度、車両の現在の加速度、規定の目的地、道路状態、障害物情報）に基づいて、複数の候補走行経路を決定することができる。例えば、処理エンジン１１２は、曲線適合法に基づいて、車両の現在の位置および規定の目的地と関連付けられる複数の曲線を決定し、障害物と衝突しない曲線を、複数の候補走行経路として選択することができる。別の例として、処理エンジン１１２は、機械学習モデル（例えば、人工ニューラル・ネットワーク・モデル、サポート・ベクタ・マシン（ＳＶＭ）モデル、決定木モデル）に従って、車両と関連付けられる走行情報に基づいて、複数の候補走行経路を決定することができる。候補走行経路の決定に関するさらなる記述は、その内容全体が参照により本明細書に組み込まれる、２０１７年７月１３日に提出された国際出願ＰＣＴ／ＣＮ２０１７／０９２７１４号に見出すことができる。

いくつかの実施形態において、処理エンジン１１２は、複数の候補走行経路の各々と、前の時点に対応する前のターゲット走行経路との間の差を決定する。さらに、処理エンジン１１２は、差が差分しきい値（デフォルト設定であってもよく、または、調整可能であってもよい）よりも大きい候補走行経路を除外し（ｆｉｌｔｅｒ ｏｕｔ）、残りの複数の候補走行経路を、最終的な候補走行経路として決定することができる。自律走行システム１００は、所定の時間間隔（例えば、５ｍｓ、１０ｍｓ、１５ｍｓ、２０ｍｓ）に従って走行経路を決定することができ、すなわち、自律走行システム１００は、第１の時点において第１のターゲット走行経路を決定し、第２の時点において第２のターゲット走行経路を決定することができ、第１の時点および第２の時点は、所定の時間間隔だけ離れており、「隣接する時点」として指定され得ることに留意されたい。したがって、本明細書において使用される前の時点とは、現時点の前の隣接する時点を指す。

４２０において、処理エンジン１１２（例えば、取得モジュール３１０または決定モジュール３３０）（例えば、プロセッサ２２０の処理回路）は、トレーニングされた係数生成モデルに基づいて、複数の候補走行経路と関連付けられる１つまたは複数の係数を取得することができる。処理エンジン１１２は、本開示の他の箇所において開示されているもののような、トレーニング・モジュール３２０またはストレージ・デバイス（例えば、ストレージ１４０）からトレーニングされた係数生成モデルを取得することができる。係数生成モデルは、複数のサンプル走行経路に基づいて訓練することができる。トレーニングされた係数生成モデルのさらなる説明は、本開示の他の箇所（例えば、図６およびその説明）に見出すことができる。

４３０において、処理エンジン１１２（例えば、決定モジュール３３０）（例えば、プロセッサ２２０の処理回路）は、１つまたは複数の係数に基づいて、複数の候補走行経路の各々の移動コストを決定することができる。いくつかの実施形態において、処理エンジン１１２は、１つまたは複数のコスト・パラメータを決定するステップと、１つまたは複数のコスト・パラメータおよび１つまたは複数の係数に基づいて複数の候補走行経路の各々の移動コストを決定するステップとを行うことができる。特定の候補走行経路を一例に挙げると、処理エンジン１１２は、下記の式（１）に従って、特定の候補走行経路の移動コストを決定することができる。

ここで、Ｆ_ｃｏｓｔは、特定の候補走行経路の移動コストを指し、ｃ_ｉは特定の候補走行経路のｉ番目のコスト・パラメータを指し、ｗ_ｉはｉ番目のコスト・パラメータに対応するｉ番目の係数を指し、ｎは１つまたは複数のコスト・パラメータの計数を指す。

いくつかの実施形態において、１つまたは複数のコスト・パラメータは、スピード・コスト・パラメータ、類似度コスト・パラメータ、ジャーク・コスト・パラメータなどを含んでもよい。本明細書において使用される場合、同じく特定の候補走行経路を一例に挙げると、スピード・コスト・パラメータは、特定の候補走行経路上の複数の点の間のスピード差情報を示し、類似度コスト・パラメータは、特定の候補走行経路と前の時点に対応する前のターゲット走行経路との間の類似度情報を示し、ジャーク・コスト・パラメータは、特定の候補走行経路と関連付けられる平滑性情報を示す。

いくつかの実施形態において、処理エンジン１１２は、下記の式（２）に従って、スピード・コスト・パラメータを決定することができる。

ここで、Ｓ_ｃｏｓｔは、スピード・コスト・パラメータを指し、ｖ_ｉは特定の候補走行経路上のｉ番目の点のスピードを指し、ｖ_ｉ＋１は特定の候補走行経路上の（ｉ＋１）番目の点のスピードを指し、ｍは特定の候補走行経路上の複数の点の計数を指す。いくつかの実施形態において、特定の候補走行経路上の２つの隣接する点（すなわち、ｉ番目の点および（ｉ＋１）番目の点）の間の時間間隔は、自律走行システム１００のデフォルト設定（例えば、５ｍｓ、１０ｍｓ、１５ｍｓ、２０ｍｓ）であってもよく、または、種々の状況下で調整可能であってもよい。

いくつかの実施形態において、処理エンジン１１２は、下記の式（３）に従って、類似度コスト・パラメータを決定することができる。

ここで、Ｓｉｍｉｌａｒｉｔｙ_ｃｏｓｔは類似度コスト・パラメータを指し、（ｘ_ｉ，ｙ_ｉ）は特定の候補走行経路上のｉ番目の点を指し、（ｘ_ｊ’，ｙ_ｊ’）は前の時点に対応する前のターゲット走行経路上のｊ番目の点を指し（ここで、ｊ番目の点は、前の時点に対応する候補走行経路上のｉ番目の点に最も近い、前のターゲット走行経路上の点である）、ｐは特定の候補走行経路と、前の時点に対応する前のターゲット走行経路との重なり合う区画（例えば、図５−Ｂに示す重なり合う区画）内の点の計数を指す。

いくつかの実施形態において、処理エンジン１１２は、特定の候補走行経路の大域的曲率（ｇｌｏｂａｌ ｃｕｒｖａｔｕｒｅ）に基づいて、ジャーク・コスト・パラメータを決定することができる。例えば、処理エンジン１１２は、特定の候補走行経路上の各点の曲率を決定し、特定の候補走行経路上の複数の点に対応する複数の曲率の合計を、大域的曲率として決定することができる。別の例として、処理エンジン１１２は、特定の候補走行経路上の複数の点に対応する複数の曲率の平均（または加重平均）を、大域的曲率として決定することができる。

４４０において、処理エンジン１１２（例えば、識別モジュール３４０）（例えば、プロセッサ２２０の処理回路）は、複数の候補走行経路に対応する複数の移動コストに基づいて、複数の候補走行経路からターゲット走行経路を識別することができる。いくつかの実施形態において、処理エンジン１１２は、複数の移動コストから最小の移動コストを識別し、最小の移動コストに対応する候補走行経路を、ターゲット走行経路として識別することができる。

いくつかの実施形態において、処理エンジン１１２はさらに、車両の１つまたは複数の制御要素（例えば、ブレーキデバイス、加速装置）に、ターゲット走行経路を送信し、ターゲット走行経路に従うように車両に指令することができる。例えば、処理エンジン１１２は、ターゲット走行経路と関連付けられる制御コマンドを決定し、１つまたは複数の制御要素に制御コマンドを送信することができる。

上述したように、自律走行システムは、（トレーニングされた係数生成モデルに基づいて取得することができる）１つまたは複数の係数に基づいて決定される、候補走行経路に対応する移動コストに基づいて、ターゲット走行経路を決定する。自律走行システムは、迅速な計算および反応を必要とする、リアル・タイムまたは実質的にリアル・タイムのシステムであることに留意されたい。しかしながら、これは、トレーニングされた係数生成モデルに基づいて１つまたは複数の係数を決定する時間（非常に短いが）を必要とし、累積した時間が決定の遅延をもたらす場合がある。それゆえ、状況によっては（例えば、単純な道路状態（例えば、直線道路））、演算時間を低減し、自律走行システムの通常動作を保証するために、人為的に規定された係数が使用されてもよい。

上記の説明は、例示のみを目的として与えられており、本開示の範囲を限定するようには意図されていないことに留意されたい。当業者であれば、本開示の教示の下で複数の変形形態および修正形態を作成することができる。しかしながら、それらの変形形態および修正形態は、本開示の範囲内から逸脱しない。例えば、１つまたは複数の他の任意選択的な動作（例えば、記憶動作）が、プロセス４００の他の箇所において追加されてもよい。記憶動作において、処理エンジン１１２は、複数の候補走行経路、複数の候補走行経路に対応する複数の移動コスト、ターゲット走行経路などを記憶することができる。別の例として、１つまたは複数のコスト・パラメータはまた、候補走行経路の１つまたは複数の特徴（例えば、候補走行経路と障害物との間の距離、候補走行経路の移動時間）と関連付けられる他のパラメータをも含んでもよい。

図５−Ａ、図５−Ｂ、および図５−Ｃは、本開示のいくつかの実施形態による移動コストの例示的なコスト・パラメータを示す概略図である。動作４３０に関連して説明したように、コスト・パラメータは、スピード・コスト・パラメータ、類似度コスト・パラメータ、ジャーク・コスト・パラメータなどを含んでもよい。

図５−Ａに図示されているように、候補走行経路は、複数の点を含み、２つの隣接する点（例えば、点ｉおよび点（ｉ＋１））の間の時間間隔は１０ｍｓである。式（２）に従って、処理エンジン１１２は、候補走行経路上の任意の２つの隣接する点の間の複数のスピード差（例えば、ｖ_ｉとｖ_ｉ＋１との間のスピード差）に基づいて、スピード・コスト・パラメータを決定することができる。

図５−Ｂに図示されているように、実線は前の時点に対応する前のターゲット走行経路を指し、破線は、候補走行経路を指す。前のターゲット走行経路は、前の時点における車両の位置、および、第１の規定の目的地に基づいて、前の時点において決定することができる。候補走行経路は、車両の現在の位置、および、第２の規定の目的地（第１の規定の目的地と同じであるかまたは異なる）に基づいて、現在の時点において決定することができる。処理エンジン１１２は、前のターゲット走行経路と候補走行経路との間の重なり合う区画内の点に基づいて、類似度コスト・パラメータを決定することができる。図示されているように、ｊ番目の点は、候補走行経路上のｉ番目の点に最も近い、前のターゲット走行経路上の点である。式（３）に従って、処理エンジン１１２は、複数の点対（例えば、候補走行経路上のｉ番目の点と前のターゲット走行経路上のｊ番目の点）と関連付けられる複数の差に基づいて、類似度コスト・パラメータを決定することができる。

図５−Ｃに図示されているように、候補走行経路は、複数の点を含み、２つの隣接する点（例えば、点ｉおよび点（ｉ＋１））の間の時間間隔は１０ｍｓである。処理エンジン１１２は、大域的曲率（例えば、複数の点に対応する複数の曲率の合計または平均）を、ジャーク・コスト・パラメータとして決定することができる。

例示的なコスト・パラメータは例示を目的として与えられており、限定であるようには意図されておらず、処理エンジン１１２はまた、候補走行経路の１つまたは複数の特徴（例えば、候補走行経路と障害物との間の距離、候補走行経路の移動時間）と関連付けられる他のパラメータを決定することもできることに留意されたい。

図６は、本開示のいくつかの実施形態による、トレーニングされた係数生成モデルを決定するための例示的なプロセスを示すフローチャートである。プロセス６００は、自律走行システム１００によって実行することができる。例えば、プロセス６００は、ストレージＲＯＭ２３０またはＲＡＭ２４０内に記憶されている命令のセット（例えば、アプリケーション）として実施されてもよい。プロセッサ２２０および／またはトレーニング・モジュール３２０は、命令のセットを実行することができ、命令を実行するとき、プロセッサ２２０および／またはトレーニング・モジュール３２０は、プロセス６００を実施するように構成することができる。下記に提示される、図示されているプロセスの動作は、例示的であるように意図されている。いくつかの実施形態において、プロセス６００は、記載されていない１つまたは複数の追加の動作を伴って、かつ／または、記載されている動作のうちの１つまたは複数を伴わずに、達成されてもよい。加えて、図６に示されており、下記に説明されるプロセス６００の動作の順序は、限定であるようには意図されていない。

６１０において、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０のインターフェース回路）は、複数のサンプル走行経路を取得することができる。処理エンジン１１２は、本開示の他の箇所において開示されているもののような、ストレージ・デバイス（例えば、ストレージ１４０、処理エンジン１１２内に統合されたストレージ・モジュール（図示せず））から複数のサンプル走行経路を取得することができる。複数のサンプル走行経路の計数は、自律走行システム１００のデフォルト設定（例えば、２５６、５１２、１０２４）であってもよく、または、種々の状況下で調整可能であってもよい。いくつかの実施形態において、複数のサンプル走行経路は、ＧＰＳ情報に基づいて取得される実際の走行経路またはシミュレートされた走行経路を含んでもよい。

例えば、処理エンジン１１２は、複数の走行シナリオを規定し、複数の走行シナリオにおいて試験車両を実際に走行させるように、ドライバに指令することができる。本明細書において使用される場合、走行シナリオは、道路状態（例えば、高速道路、環状道路、脇道、高架道路、車線情報）、走行状況（例えば、直線、９０°左カーブ、６０°左カーブ、３０°左カーブ、９０°右カーブ、６０°右カーブ、３０°右カーブ、方向転換）、天候情報などを含んでもよい。試験車両と関連付けられる端末（例えば、モバイル・デバイス）、自動車データ・レコーダ、またはＧＰＳデバイスが、走行中にＧＰＳ情報を収集することができる。さらに、処理エンジン１１２は、複数の走行シナリオと関連付けられるＧＰＳ情報に基づく実際の走行経路を、複数のサンプル走行経路として取得することができる。

別の例として、処理エンジン１１２は、複数の履歴サービス・オーダー（例えば、タクシー配車サービス）と関連付けられる複数の履歴走行ルートを取得し、複数の履歴走行ルートに基づいて複数のサンプル走行経路を決定することができる。特定の履歴サービス・オーダーを一例に挙げると、サービス・オーダー中、サービス・オーダーの乗客と関連付けられる要求者端末、サービス・オーダーのドライバと関連付けられる提供者端末、および／または、サービス・オーダーの車両内に統合されたＧＰＳデバイスが、処理エンジン１１２（例えば、トレーニング・モジュール３２０）、または、本開示の他の箇所において開示されているストレージ・デバイス（例えば、ストレージ１４０）に、ＧＰＳ情報を定期的に送信することができる。さらに、ＧＰＳ情報に従って、処理エンジン１１２は、対応する履歴走行ルート、または、履歴走行ルートの一部分を、サンプル走行経路として決定することができる。

さらなる例として、処理エンジン１１２は、車両の１つまたは複数の特徴（例えば、車両タイプ、車両重量、車両モデル）および複数の走行シナリオに基づいて車両の動作をシミュレートし、複数のシミュレートされた走行経路を、複数のサンプル走行経路として取得することができる。

６２０において、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、複数のサンプル走行経路に基づいて複数のサンプルを決定することができ、複数のサンプルの各々は、同じ出発地および同じ目的地に対応するサンプル走行経路のセットを含む。いくつかの実施形態において、処理エンジン１１２は、複数のサンプルをトレーニング・セットおよび試験セットに分割することができる。

６３０において、複数のサンプルの各々について、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、サンプル走行経路のセットに対応するサンプル・スコアのセットを決定することができる。本明細書において使用される場合、サンプル・スコアとは、所定の範囲（例えば、０〜１）内の値であり、例えば、サンプル走行経路から車線の中心線までのオフセット、サンプル走行経路の移動時間、サンプル走行経路の快適レベルなどの、サンプル走行経路の１つまたは複数の特徴と関連付けられ得る。

いくつかの実施形態において、サンプル走行経路から車線の中心線までのオフセットが大きいほど、サンプル走行経路のサンプル・スコアは低くなり得、サンプル走行経路の移動時間が長いほど、サンプル走行経路のサンプル・スコアは低くなり得、サンプル走行経路の快適レベルが低いほど、サンプル走行経路のサンプル・スコアは低くなり得る。本明細書において使用される場合、快適レベルは、サンプル走行経路上の複数の点に対応する複数の加速度と関連付けられ得る。例えば、複数の加速度の各々が第１の加速度しきい値（例えば、３ｍ／ｓ^２）未満であると仮定し、快適レベルは１として指定することができ、一方、第２の加速度しきい値（例えば、１０ｍ／ｓ^２）よりも大きい加速度の割合が割合しきい値（例えば、５０％、６０％、７０％）よりも大きいと仮定し、快適レベルは０として指定することができる。したがって、第２の加速度しきい値よりも大きい加速度の割合が大きいほど、サンプル走行経路の快適レベルは低くなり得る。

６４０において、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、複数の予備係数を含む予備係数生成モデルを取得することができ、複数の予備係数の各々は、サンプルに対応する。本明細書においては便宜上、単数形の「予備係数」が使用されており、「予備係数」は、１つまたは複数のコスト・パラメータにそれぞれ対応する１つまたは複数の予備係数を指すことに留意されたい。

いくつかの実施形態において、予備係数生成モデルは、教師あり学習モデルであってもよい。いくつかの実施形態において、予備係数生成モデルは、予備畳み込みニューラル・ネットワーク（ＣＮＮ）モデル、予備再帰型ニューラル・ネットワーク（ＲＮＮ）モデルなどを含んでもよい。予備係数生成モデルは、システム１００のデフォルト設定であってもよく、または、種々の状況下で調整可能であってもよい。

６５０において、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、複数のサンプルの各々の特徴情報を抽出することができる。いくつかの実施形態において、複数のサンプルの各々の特徴情報は、サンプル走行経路のセットの各々の速度情報、サンプル走行経路のセットの各々と関連付けられる障害物情報、サンプル走行経路のセットの各々の移動時間などを含んでもよい。

６６０において、複数のサンプルの各々について、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、対応する予備係数および特徴情報に基づいて、サンプル走行経路のセットに対応するサンプル移動コストのセットを決定することができる。動作４３０に関連して説明したように、処理エンジン１１２は、式（１）に従って、サンプル移動コストのセットを決定することができる。

６７０において、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすか否かを決定することができる。

例えば、複数のサンプルの各々について、処理エンジン１１２は、サンプル移動コストのセットがサンプル・スコアのセットと負の関係があるか否かを決定することができる。サンプル移動コストのセットがサンプル・スコアのセットと負の関係があるという決定に応答して、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすと決定することができる。

別の例として、処理エンジン１１２は、予備係数生成モデルの損失関数を決定し、サンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットに基づいて損失関数の値を決定することができる。さらに、処理エンジン１１２は、損失関数の値が損失しきい値未満であるか否かを決定することができる。損失関数の値が損失しきい値未満であるという決定に応答して、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすと決定することができる。

さらなる例として、処理エンジン１１２は、予備係数生成モデルの正確率が正確率しきい値よりも大きいか否かを決定することができる。正確率が正確率しきい値よりも大きいという決定に応答して、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすと決定することができる。

またさらなる例として、処理エンジン１１２は、反復の計数がカウントしきい値よりも大きいか否かを決定することができる。反復の計数がカウントしきい値よりも大きいという決定に応答して、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすと決定することができる。

またさらなる例として、処理エンジン１１２は、試験データに基づいて予備係数生成モデルを試験し、試験結果（例えば、試験正確率）が試験しきい値よりも大きいか否かを決定することができる。試験結果が試験しきい値よりも大きいという決定に応答して、複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすと決定することができる。

複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすという決定に応答して、６８０において、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、予備係数生成モデルをトレーニングされた係数生成モデルとして指定することができる。これは、トレーニング・プロセスが完了したことを意味する。

複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たさないという決定に応答して、処理エンジン１１２（例えば、トレーニング・モジュール３２０）（例えば、プロセッサ２２０の処理回路）は、複数の予備係数を更新するために（すなわち、予備係数生成モデルを更新するために）、６４０に戻るようにプロセス６００を実行することができる。

さらに、処理エンジン１１２は、複数のサンプルに対応する更新されたサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすか否かを決定することができる。更新されたサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすという決定に応答して、処理エンジン１１２は、更新された係数生成モデルをトレーニングされた係数生成モデルとして指定することができる。他方、複数のサンプルに対応する更新されたサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たさないという決定に応答して、処理エンジン１１２は、複数のサンプルに対応する更新されたサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすまで、更新された係数生成モデルを更新するために、また６４０に戻るようにプロセス６００を実行することができる。

上記の説明は、例示のみを目的として与えられており、本開示の範囲を限定するようには意図されていないことに留意されたい。当業者であれば、本開示の教示の下で複数の変形形態および修正形態を作成することができる。しかしながら、それらの変形形態および修正形態は、本開示の範囲内から逸脱しない。例えば、トレーニング・モジュール３２０は、複数の新たに取得されたサンプルに基づいて、一定の時間間隔をおいて（例えば、毎月、隔月）トレーニングされた係数生成モデルを更新することができる。

図７は、本開示のいくつかの実施形態による、例示的な走行シナリオを示す概略図である。図示されているように、点Ａは、出発地を指し、点Ｆは、規定の目的地を指す。走行シナリオは、直線区画（例えば、ＡＢ、ＢＣ、ＣＤ、ＤＥ、およびＥＦ）、９０°右カーブ（例えば、ＡＢからＢＣへ）、１５０°右カーブ（例えば、ＤＥからＥＦへ）、９０°左カーブ（例えば、ＢＣからＣＤへ）、６０°左カーブ（例えば、ＣＤからＤＥへ）などを含む。

図８は、本開示のいくつかの実施形態によるサンプル走行経路のセットを含む例示的なサンプルを示す概略図である。図示されているように、Ｍは、出発地を指し、点Ｎは、規定の目的地を指す。サンプルは、同じ出発地および同じ目的地に対応するサンプル走行経路（例えば、Ｌ_１、Ｌ_２、Ｌ_３およびＬ_４）を含む。

上記の説明は、例示のみを目的として与えられており、本開示の範囲を限定するようには意図されていないことに留意されたい。当業者であれば、本開示の教示の下で複数の変形形態および修正形態を作成することができる。しかしながら、それらの変形形態および修正形態は、本開示の範囲内から逸脱しない。

本開示に記載されている様々なモジュール、ユニット、およびそれらの機能を実施するために、コンピュータ・ハードウェア・プラットフォームを、本明細書に記載されている要素のうちの１つまたは複数のためのハードウェア・プラットフォームとして使用することができる。パーソナル・コンピュータ（ＰＣ）または任意の他のタイプのワーク・ステーションもしくは端末デバイスを実施するために、ユーザ・インターフェース要素を有するコンピュータが使用されてもよい。コンピュータはまた、適切にプログラムされた場合にサーバとして機能することもできる。

このように、基本概念を説明したが、むしろ、当業者には、この詳細な開示を読んだ後、上記の詳細な開示が例としてのみ提示されるように意図されており、限定ではないことが明らかであり得る。本明細書において明示的には述べられていないが、様々な改変、改善、および修正が行われ得、当業者向けに意図される。これらの改変、改善、および修正は本開示によって示唆されるように意図されており、本開示の例示的な実施形態の主旨および範囲内にある。

その上、特定の用語が、本開示の実施形態を説明するために使用されている。本明細書において、「１つの実施形態」、「一実施形態」、および／または「いくつかの実施形態」という用語は、その実施形態と関連して説明されている特定の特徴、構造、または特性が、本発明の少なくとも１つの実施形態に含まれることを意味する。それゆえ、本明細書の様々な部分において「一実施形態」または「１つの実施形態」または「代替的な実施形態」が２回以上参照されている場合、これらは必ずしもすべてが同じ実施形態を参照しているとは限らないことが強調されるものであり、そのように理解されるべきである。さらに、特定の特徴、構造、または特性は、本開示の１つまたは複数の実施形態において、適切であるように組み合わせることができる。

さらに、当業者には理解されるように、本開示の諸態様は、本明細書において、任意の新規のかつ有用なプロセス、機械、製造物、もしくは組成物、またはその任意の新規のかつ有用な改善を含む、複数の特許可能なクラスまたはコンテキストのいずれかにおいて例示および記載され得る。したがって、本開示の諸態様は、本明細書においてはすべて包括的に「ユニット」、「モジュール」または「システム」として参照される場合がある、全体がハードウェアの実装形態、全体がソフトウェアの実装形態（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）、または、ソフトウェアとハードウェアとを組み合わせた実装形態の形態を取り得る。さらに、本開示の諸態様は、コンピュータ可読プログラム・コードを具現化される任意の１つまたは複数のコンピュータ可読媒体内で具現化されるコンピュータプログラム製品の形態を取り得る。

コンピュータ可読信号媒体は、コンピュータ可読プログラム・コードを具現化されている、例えばベースバンド内かまたは搬送波の一部としての伝搬されるデータ信号を含むことができる。そのような伝搬される信号は、電磁、光学など、またはそれらの任意の適切な組合せを含む、様々な形態のいずれかをとることができる。コンピュータ可読信号媒体は、コンピュータ可読記憶媒体ではなく、命令実行システム、装置、またはデバイスによって、またはそれらと関連して使用するためのプログラムを通信、伝搬、または伝送することができる任意のコンピュータ可読媒体であってもよい。コンピュータ可読信号媒体上に具現化されるプログラム・コードは、無線、有線、光ファイバ・ケーブル、ＲＦなど、または上記の任意の適切な組合せを含む、任意の適切な媒体を使用して伝送することができる。

本発明の諸態様のための動作を実行するためのコンピュータ・プログラム・コードは、Ｊａｖａ（登録商標）、Ｓｃａｌａ、Ｓｍａｌｌｔａｌｋ、Ｅｉｆｆｅｌ、ＪＡＤＥ、Ｅｍｅｒａｌｄ、Ｃ＋＋、Ｃ＃、ＶＢ．ＮＥＴ、Ｐｙｔｈｏｎなどのようなオブジェクト指向プログラミング言語、および、「Ｃ」プログラミング言語、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｆｏｒｔｒａｎ ２００３、Ｐｅｒｌ、ＣＯＢＯＬ ２００２、ＰＨＰ、ＡＢＡＰなどのような従来的な手続き型プログラミング言語、Ｐｙｔｈｏｎ、ＲｕｂｙおよびＧｒｏｏｖｙのようなまたは同様のプログラミング言語のような動的プログラミング言語、または他のプログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組合せで書くことができる。プログラム・コードは、その全体をユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、独立型ソフトウェア・パッケージとして、部分的にユーザのコンピュータ上でかつ部分的にリモート・コンピュータ上で、またはその全体をリモート・コンピュータもしくはサーバ上で実行することができる。後者のシナリオにおいて、リモート・コンピュータが、ユーザのローカル・エリア・ネットワーク（ＬＡＮ）または広域ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを通じてユーザのコンピュータに接続されてもよく、あるいは、接続は、外部コンピュータに対して（例えば、インターネット・サービス・プロバイダを使用してインターネットを通じて）もしくはクラウド・コンピューティング環境において行われてもよく、または、サービス型ソフトウェア（ＳａａＳ）のようなサービスとして提供されてもよい。

さらに、処理要素もしくはシーケンスの記載されている順序、または、数字、文字、もしくは他の表記の使用は、それゆえ、特許請求されているプロセスおよび方法を、特許請求項の範囲において指定され得る場合を除いて、任意の順序に限定するようには意図されていない。上記の開示は、様々な例を通じて、本開示の様々な有用な実施形態であると現在考えられているものを論じているが、そのような詳細は、その目的のためのみのものであること、および、添付の特許請求の範囲は開示される実施形態に限定されず、逆に、開示される実施形態の主旨および範囲内にある修正および均等な構成を包含するように意図されていることは理解されたい。例えば、上述の様々な構成要素の実装形態はハードウェア・デバイスにおいて具現化することができるが、ソフトウェアのみのソリューション、例えば、既存のサーバまたはモバイル・デバイス上へのインストールとして実装されてもよい。

同様に、実施形態の上記の説明において、様々な特徴が、様々な実施形態のうちの１つまたは複数の理解を助ける本開示の簡素化の目的で、単一の実施形態、図面、またはその説明にまとめてグループ化されていることがあることは理解されたい。しかしながら、この開示方法は、特許請求されている主題が、各請求項に明示的に記載されているよりも多くの特徴を必要とするという意図を反映するものとして解釈されるべきではない。むしろ、特許請求される主題は、単一の上記の開示される実施形態のすべての特徴未満に存し得る。

Claims (21)

1. 自律走行における走行経路を決定するためのシステムであって、
   命令のセットを含む少なくとも１つの記憶媒体と、
   前記少なくとも１つの記憶媒体と通信する少なくとも１つのプロセッサと
   を備え、
   前記命令のセットを実行するとき、前記少なくとも１つのプロセッサは、前記システムに、
   複数の候補走行経路を取得するステップと、
   トレーニングされた係数生成モデルに基づいて、前記複数の候補走行経路と関連付けられる１つまたは複数の係数を取得するステップと、
   前記１つまたは複数の係数に基づいて前記複数の候補走行経路の各々の移動コストを決定するステップと、
   前記複数の候補走行経路に対応する複数の移動コストに基づいて、前記複数の候補走行経路からターゲット走行経路を識別するステップと
   を行わせるように指令される、システム。
2. 前記複数の候補走行経路の各々の前記移動コストを決定するために、前記少なくとも１つのプロセッサは、前記システムに、
   １つまたは複数のコスト・パラメータを決定するステップと、
   前記１つまたは複数のコスト・パラメータおよび前記１つまたは複数の係数に基づいて前記複数の候補走行経路の各々の前記移動コストを決定するステップと
   を行わせるように指令される、請求項１に記載のシステム。
3. 前記１つまたは複数のコスト・パラメータは、スピード・コスト・パラメータ、類似度コスト・パラメータ、またはジャーク・コスト・パラメータのうちの少なくとも１つを含む、請求項２に記載のシステム。
4. 前記１つまたは複数のコスト・パラメータは、スピード・コスト・パラメータ、類似度コスト・パラメータ、およびジャーク・コスト・パラメータを含む、請求項２に記載のシステム。
5. 前記トレーニングされた係数生成モデルは、トレーニング・プロセスによって決定され、前記トレーニング・プロセスは、
   複数のサンプル走行経路を取得するステップと、
   前記複数のサンプル走行経路に基づいて複数のサンプルを決定するステップであって、前記複数のサンプルの各々は、同じ出発地および同じ目的地に対応するサンプル走行経路のセットを含む、複数のサンプルを決定するステップと、
   前記複数のサンプルの各々について、前記サンプル走行経路のセットに対応するサンプル・スコアのセットを決定するステップと、
   前記複数のサンプルの前記スコアに基づいて、前記トレーニングされた係数生成モデルを決定するステップと
   を含む、請求項１〜４のいずれか一項に記載のシステム。
6. 前記複数のサンプルに基づいて前記トレーニングされた係数生成モデルを決定する前記ステップは、
   複数の予備係数を含む予備係数生成モデルを取得するステップであって、前記複数の予備係数の各々はサンプルに対応する、予備係数生成モデルを取得するステップと、
   前記複数のサンプルの各々の特徴情報を抽出するステップと、
   前記複数のサンプルの各々について、対応する予備係数および前記特徴情報に基づいて、前記サンプル走行経路のセットに対応するサンプル移動コストのセットを決定するステップと、
   前記複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすか否かを決定するステップと、
   前記サンプル移動コストの複数のセットおよび前記サンプル・スコアの複数のセットが前記予め設定された条件を満たすという前記決定に応答して、前記予備係数生成モデルを前記トレーニングされた係数生成モデルとして指定するステップと
   を含む、請求項５に記載のシステム。
7. 前記複数のサンプルに基づいて前記トレーニングされた係数生成モデルを決定する前記ステップは、
   前記サンプル移動コストの複数のセットおよび前記サンプル・スコアの複数のセットが前記予め設定された条件を満たさないという前記決定に応答して、前記複数の予備係数を更新するステップと、
   前記複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが前記予め設定された条件を満たすか否かを決定する前記ステップを繰り返すステップと
   をさらに含む、請求項６に記載のシステム。
8. 前記複数のサンプルの各々の前記特徴情報は、前記サンプル走行経路のセットの各々の速度情報、および、前記サンプル走行経路のセットの各々と関連付けられる障害物情報を含む、請求項６または７に記載のシステム。
9. 前記複数の候補走行経路に対応する前記複数の移動コストに基づいて、前記複数の候補走行経路から前記ターゲット走行経路を識別するために、少なくとも１つのプロセッサは、前記システムに、
   前記複数の移動コストから最小の移動コストを識別するステップと、
   前記最小の移動コストに対応する候補走行経路を前記ターゲット走行経路として識別するステップと
   を行わせるように指令される、請求項１〜８のいずれか一項に記載のシステム。
10. 前記少なくとも１つのプロセッサは、前記システムに、
    車両の１つまたは複数の制御要素に、前記ターゲット走行経路を送信するステップであって、前記ターゲット走行経路に従うように前記車両に指令する、送信するステップをさらに行わせるように指令される、請求項１〜９のいずれか一項に記載のシステム。
11. 少なくとも１つのプロセッサと、少なくとも１つの記憶媒体と、ネットワークに接続されている通信プラットフォームとを有するコンピューティング・デバイス上で実施される方法であって、
    複数の候補走行経路を取得するステップと、
    トレーニングされた係数生成モデルに基づいて、前記複数の候補走行経路と関連付けられる１つまたは複数の係数を取得するステップと、
    前記１つまたは複数の係数に基づいて前記複数の候補走行経路の各々の移動コストを決定するステップと、
    前記複数の候補走行経路に対応する複数の移動コストに基づいて、前記複数の候補走行経路からターゲット走行経路を識別するステップと
    を含む、方法。
12. 前記複数の候補走行経路の各々の前記移動コストを決定する前記ステップは、
    １つまたは複数のコスト・パラメータを決定するステップと、
    前記１つまたは複数のコスト・パラメータおよび前記１つまたは複数の係数に基づいて前記複数の候補走行経路の各々の前記移動コストを決定するステップと
    を含む、請求項１１に記載の方法。
13. 前記１つまたは複数のコスト・パラメータは、スピード・コスト・パラメータ、類似度コスト・パラメータ、またはジャーク・コスト・パラメータのうちの少なくとも１つを含む、請求項１２に記載の方法。
14. 前記１つまたは複数のコスト・パラメータは、スピード・コスト・パラメータ、類似度コスト・パラメータ、およびジャーク・コスト・パラメータを含む、請求項１２に記載の方法。
15. 前記トレーニングされた係数生成モデルは、トレーニング・プロセスによって決定され、前記トレーニング・プロセスは、
    複数のサンプル走行経路を取得するステップと、
    前記複数のサンプル走行経路に基づいて複数のサンプルを決定するステップであって、前記複数のサンプルの各々は、同じ出発地および同じ目的地に対応するサンプル走行経路のセットを含む、複数のサンプルを決定するステップと、
    前記複数のサンプルの各々について、前記サンプル走行経路のセットに対応するサンプル・スコアのセットを決定するステップと、
    前記複数のサンプルの前記スコアに基づいて、前記トレーニングされた係数生成モデルを決定するステップと
    を含む、請求項１１〜１４のいずれか一項に記載の方法。
16. 前記複数のサンプルに基づいて前記トレーニングされた係数生成モデルを決定する前記ステップは、
    複数の予備係数を含む予備係数生成モデルを取得するステップであって、前記複数の予備係数の各々はサンプルに対応する、予備係数生成モデルを取得するステップと、
    前記複数のサンプルの各々の特徴情報を抽出するステップと、
    前記複数のサンプルの各々について、対応する予備係数および前記特徴情報に基づいて、前記サンプル走行経路のセットに対応するサンプル移動コストのセットを決定するステップと、
    前記複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが予め設定された条件を満たすか否かを決定するステップと、
    前記サンプル移動コストの複数のセットおよび前記サンプル・スコアの複数のセットが前記予め設定された条件を満たすという前記決定に応答して、前記予備係数生成モデルを前記トレーニングされた係数生成モデルとして指定するステップと
    を含む、請求項１５に記載の方法。
17. 前記複数のサンプルに基づいて前記トレーニングされた係数生成モデルを決定する前記ステップは、
    前記サンプル移動コストの複数のセットおよび前記サンプル・スコアの複数のセットが前記予め設定された条件を満たさないという前記決定に応答して、前記複数の予備係数を更新するステップと、
    前記複数のサンプルに対応するサンプル移動コストの複数のセットおよびサンプル・スコアの複数のセットが前記予め設定された条件を満たすか否かを決定する前記ステップを繰り返すステップと
    をさらに含む、請求項１６に記載の方法。
18. 前記複数のサンプルの各々の前記特徴情報は、前記サンプル走行経路のセットの各々の速度情報、および、前記サンプル走行経路のセットの各々と関連付けられる障害物情報を含む、請求項１６または１７に記載の方法。
19. 前記複数の候補走行経路に対応する前記複数の移動コストに基づいて、前記複数の候補走行経路から前記ターゲット走行経路を識別する前記ステップは、
    前記複数の移動コストから最小の移動コストを識別するステップと、
    前記最小の移動コストに対応する候補走行経路を前記ターゲット走行経路として識別するステップと
    を含む、請求項１１〜１８のいずれか一項に記載の方法。
20. 前記方法は、
    車両の１つまたは複数の制御要素に、前記ターゲット走行経路を送信するステップであって、前記ターゲット走行経路に従うように前記車両に指令する、送信するステップをさらに含む、請求項１１〜１９のいずれか一項に記載の方法。
21. 自律走行のために構成されている車両であって、
    検出構成要素と、計画構成要素と、制御構成要素とを備え、
    前記計画構成要素は、
    複数の候補走行経路を取得するステップと、
    トレーニングされた係数生成モデルに基づいて、前記複数の候補走行経路と関連付けられる１つまたは複数の係数を取得するステップと、
    前記１つまたは複数の係数に基づいて前記複数の候補走行経路の各々の移動コストを決定するステップと、
    前記複数の候補走行経路に対応する複数の移動コストに基づいて、前記複数の候補走行経路からターゲット走行経路を識別するステップと
    を行うように構成されている、車両。

Images