JP2022506475A - Orbit generation - Google Patents
Orbit generation Download PDFInfo
- Publication number
- JP2022506475A JP2022506475A JP2021523870A JP2021523870A JP2022506475A JP 2022506475 A JP2022506475 A JP 2022506475A JP 2021523870 A JP2021523870 A JP 2021523870A JP 2021523870 A JP2021523870 A JP 2021523870A JP 2022506475 A JP2022506475 A JP 2022506475A
- Authority
- JP
- Japan
- Prior art keywords
- point
- cost
- vehicle
- environment
- orbit
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000009471 action Effects 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 26
- 230000015654 memory Effects 0.000 description 26
- 230000008569 process Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 12
- 230000003068 static effect Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 239000000872 buffer Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 239000011295 pitch Substances 0.000 description 3
- 230000003936 working memory Effects 0.000 description 3
- 230000008602 contraction Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000237519 Bivalvia Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 235000020639 clam Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000012464 large buffer Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 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
- 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
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
-
- 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
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W60/0021—Planning or execution of driving tasks specially adapted for travel time
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
-
- 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
- B60W2554/80—Spatial relation or speed relative to objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
環境内で車両が走行するための軌道および運転可能エリアを生成する技術について、本明細書で説明する。技術は自律車両などの車両が環境を走行するための初期軌道を表す基準軌道を受信することを含むことができる。基準軌道の一部は、例えば、二重駐車車両の周りを走行する、または車線を変更したりするアクションに対応するものとして識別できる。場合によっては、基準軌道の一部は環境内の物体への近接度に基づいて識別することができる。重みは基準軌道の部分に関連付けることができ、技術は、関連付けられた重みに基づいて、基準軌道のポイントにて基準コスト関数を評価し、目標軌道を生成することを含むことができる。さらに、技術は、目標軌道に少なくとも部分的に基づいて、環境を走行するように自律車両を制御することを含むことができる。A technique for generating a track and a maneuverable area for a vehicle to travel in an environment is described herein. The technology can include receiving a reference track that represents an initial track for a vehicle, such as an autonomous vehicle, to travel in the environment. A portion of the reference track can be identified as corresponding to an action such as traveling around a double parked vehicle or changing lanes. In some cases, some of the reference trajectories can be identified based on their proximity to objects in the environment. The weights can be associated with a portion of the reference trajectory, and the technique can include evaluating the reference cost function at points in the reference trajectory and generating a target trajectory based on the associated weights. Further, the technology can include controlling the autonomous vehicle to travel in the environment, at least partially based on the target trajectory.
Description
本発明は軌道生成に関する。 The present invention relates to orbital generation.
［関連出願の相互参照］
この特許出願は２０１８年１１月２日に出願された出願番号１６／１７９，７１１の米国実用特許出願および出願番号１６／１７９，６７９の米国実用特許出願の優先権を主張する。出願番号１６／１７９，７１１および１６／１７９，６７９は参照により本明細書に完全に組み込まれる。
[Cross-reference of related applications]
This patent application claims the priority of the US Practical Patent Application of Application No. 16 / 179,711 and the US Practical Patent Application of Application No. 16 / 179,679 filed on November 2, 2018. Application numbers 16/179,711 and 16/179,679 are fully incorporated herein by reference.
様々な方法、装置、システムが、様々な静的および動的物体を含む環境内で自律車両を誘導するために自律車両に利用される。例えば、自律車両は、ルート計画の方法、装置、およびシステムを利用して、他の移動車両（自律型またはその他）、移動する人、静止した建物などがある混雑したエリア内で、自律車両を誘導する。いくつかの例では、ルートを生成することは計算集約的の場合がある、および／または乗客に安全または快適なルートを提供しない場合がある。 Various methods, devices and systems are utilized in autonomous vehicles to guide autonomous vehicles in environments containing various static and dynamic objects. For example, autonomous vehicles utilize route planning methods, devices, and systems to drive autonomous vehicles in crowded areas with other mobile vehicles (autonomous or other), moving people, stationary buildings, and so on. Induce. In some examples, generating routes may be computationally intensive and / or may not provide passengers with a safe or comfortable route.
詳細な説明は添付の図面を参照して説明される。図面において、参照番号の左端の数字は参照番号が最初に現れる図を特定している。異なる図面における同じ参照番号の使用は類似または同一の項目または機能を示す。 A detailed description will be given with reference to the accompanying drawings. In the drawing, the number at the left end of the reference number identifies the figure in which the reference number first appears. The use of the same reference number in different drawings indicates similar or identical items or functions.
上述の通り、環境を通る自律車両のルートを生成することは計算集約的の場合があり、および／または乗客に安全または快適なルートを提供しない場合がある。この出願は、環境を通るルートを計画する計算上の負担を軽減するための技術を説明し、軌道生成の正確度および精度を改善し得る、および／または乗客のルートの安全性および快適性を改善し得る。例えば、本明細書に記載の技術は、ルートに沿った活動のレベル（例えば、曲率および／または物体に関連付けられたコスト）に基づいて、軌道ポイント（例えば、関連付けられたコストおよび制御を決定するために使用される軌道に沿ったポイント）の密度を適応的にスケーリングすることによって、計算負荷を軽減し得る。少ない活動（例えば、曲率に関連付けられたコストが低い、および／または近くの物体が少ない）を有するルートの一部分により低い密度の軌道ポイントを使用することにより、軌道生成の計算強度を削減できる。本明細書で言及されるそのようなコストは、非限定的な例として、曲率または距離、Ｌ１、Ｌ２、二次、フーバー、多項式、指数、関数など、またはそれらの任意の組み合わせに関して、比例し得る。別の例として、本明細書に記載の技術は、より高い活動（例えば、曲率に関連するより高いコストおよび／またはより近くの物体）を有するルートの一部分に対して比較的高密度の軌道ポイントを使用することによって、軌道生成の正確度および／または精度を増加し得る。別の例として、コスト関数は、快適性、車両運動性、安全性などの目標のバランスを定量的に取る。本明細書で論じられる技術は、環境を通る軌道の輪郭を決定する際の安全性および／または快適性を高めるために、１つまたは複数のコストに関連付けられた重みを適応的にスケーリングすることを含む。さらに、環境内の物体の周囲にバッファを確立する領域は、物体の分類（例えば、歩行者、車両など）に応じた、および／または環境内の自律車両の速度に応じたサイズ内で、増加または削減することができる。 As mentioned above, generating routes for autonomous vehicles through the environment may be computationally intensive and / or may not provide passengers with safe or comfortable routes. This application describes techniques for reducing the computational burden of planning routes through the environment, which can improve the accuracy and accuracy of trajectory generation, and / or the safety and comfort of passenger routes. Can be improved. For example, the techniques described herein determine orbital points (eg, associated costs and controls) based on the level of activity along the route (eg, curvature and / or cost associated with the object). Computational load can be reduced by adaptively scaling the density of points along the orbit used for this purpose. By using lower density orbital points on a portion of the route with less activity (eg, less cost associated with curvature and / or less nearby objects), the computational intensity of orbitation generation can be reduced. Such costs referred to herein are proportional with respect to curvature or distance, L1, L2, quadratic, Hoover, polynomials, exponentials, functions, etc., or any combination thereof, as non-limiting examples. obtain. As another example, the techniques described herein are relatively dense orbital points relative to a portion of a route with higher activity (eg, higher cost and / or closer object associated with curvature). Can be used to increase the accuracy and / or accuracy of orbit generation. As another example, the cost function quantitatively balances goals such as comfort, vehicle mobility, and safety. The techniques discussed herein are adaptively scaling the weights associated with one or more costs in order to enhance safety and / or comfort in determining the contour of the trajectory through the environment. including. In addition, the area that establishes a buffer around an object in the environment increases in size according to the classification of the object (eg, pedestrians, vehicles, etc.) and / or the speed of the autonomous vehicle in the environment. Or it can be reduced.
この開示は、環境内で車両が走行するための軌道および運転可能エリアを生成する技術を対象としている。例えば、自律車両は、環境内で自律車両が辿る初期経路または軌道を表す基準軌道を受信できる。基準軌道上のポイントのポイント密度は、基準軌道の曲率に関連付けられたコスト、および／または基準軌道と環境内の障害物との間の距離に関連付けられたコスト、に少なくとも部分的に基づくことができる。様々なコストに関連付けられた重みは、基準軌道のジャンプや不連続性、または閾値を満たすもしくは超える障害物コストなどのトリガーに基づくことができる。さらに、運転可能エリアは、自律車両が走行できる環境内の領域を表すことができる。運転可能な領域の境界は環境内の物体および境界と物体の間の確率的な距離についての情報を含むことができる。いくつかの例では、運転可能エリアに関連付けられた領域は、環境内の物体の分類に、および／または環境内の自律車両の速度に基づくことができる。運転可能エリアに関する基準軌道上のポイントにおける１つまたは複数のコストの評価に少なくとも部分的に基づいて、基準軌道に関して目標軌道を生成することができ、それにより、基準軌道上のポイントの密度およびコストに関連付けられた重みを本明細書で論じられるように決定することができる。 This disclosure is intended for techniques that generate tracks and maneuverable areas for vehicles to travel in an environment. For example, an autonomous vehicle can receive a reference track that represents the initial path or track that the autonomous vehicle follows in the environment. The point density of points on the reference trajectory can be at least partially based on the cost associated with the curvature of the reference trajectory and / or the cost associated with the distance between the reference trajectory and obstacles in the environment. can. The weights associated with the various costs can be based on triggers such as reference trajectory jumps and discontinuities, or obstacle costs that meet or exceed thresholds. Further, the drivable area can represent an area in the environment in which the autonomous vehicle can travel. The boundaries of the operable area can contain information about objects in the environment and the stochastic distance between the boundaries and objects. In some examples, the area associated with the drivable area can be based on the classification of objects in the environment and / or the speed of autonomous vehicles in the environment. A target trajectory can be generated with respect to the reference track, at least in part, based on an assessment of the cost at one or more points on the reference track with respect to the operable area, whereby the density and cost of the points on the reference track can be generated. The weights associated with can be determined as discussed herein.
いくつかの例では、自律車両の計画システムは、環境を走行する自律車両のための１つまたは複数の軌道を生成するおよび最適化するための１つまたは複数の層を含むことができる。例えば、計画システムの第１の層は車線基準（基準軌道とも呼ばれる）を受信または決定でき、これは道路セグメントの中心に対応または関連付けられ得る。車線基準上のポイントに関連付けられたコストを評価および最適化して、第１の目標軌道を生成できる。例えば、車両の状態を車線基準（または基準軌道）の各ポイントに沿って評価して、時間の経過に伴う車両の状態の変化（例えば、「ロールアウト」と呼ばれることもある）を評価できる。いくつかの例では、第１の目標軌道を計画システムの第２の層に提供することができ、それにより、第１の目標軌道が基準軌道として使用される。基準軌道上のポイントに関連付けられたコストを評価および最適化して、第２の目標軌道を生成できる。いくつかの例では、第２の目標軌道をさらに最適化することができる、または自律車両を制御するために使用することができる。いくつかの例では、第１の層は、ポイント間の距離に関して基準軌道を最適化することができ、および／または第２の層は、ポイント間の時間に関して基準軌道を最適化することができるが、他の組み合わせが本明細書で企図される。 In some examples, an autonomous vehicle planning system can include one or more layers for generating and optimizing one or more tracks for an autonomous vehicle traveling in an environment. For example, the first layer of the planning system can receive or determine a lane reference (also called a reference track), which can correspond or be associated with the center of the road segment. The cost associated with a point on the lane reference can be evaluated and optimized to generate a first target trajectory. For example, the condition of the vehicle can be evaluated along each point of the lane reference (or reference track) to evaluate changes in the condition of the vehicle over time (sometimes referred to as "rollouts"). In some examples, a first target trajectory can be provided to the second layer of the planning system, whereby the first target trajectory is used as the reference trajectory. The costs associated with points on the reference trajectory can be evaluated and optimized to generate a second target trajectory. In some examples, the second target track can be further optimized or used to control an autonomous vehicle. In some examples, the first layer can optimize the reference trajectory with respect to the distance between points, and / or the second layer can optimize the reference trajectory with respect to the time between points. However, other combinations are contemplated herein.
いくつかの例では、自律車両が辿る初期経路または軌道を表す基準軌道を、自律車両のコンピューティングデバイスによって生成または受信することができる。いくつかの例では、基準軌道は道路セグメントの中心線に対応することができるが、基準軌道は環境内の任意の経路を表すことができる。いくつかの例では、基準軌道に関連付けられた曲率値に関連付けられたコストに少なくとも部分的に基づいて、および／または基準軌道の領域に関連付けられたポイントと環境内の１つまたは複数の障害物との間の距離に関連付けられたコストに少なくとも部分的に基づいて、基準軌道上のポイントを、確立する、選択する、サンプリングする、または、そうでなければ決定することができる。例えば、比較的高い曲率値に関連付けられた領域は、環境内の障害物の周りの操縦を表し得る、または角を曲がる、駐車などの操縦を表し得る。別の例として、基準軌道の領域は環境内の障害物に比較的近くすることができる。従って、曲率に関連付けられた高コストおよび／または障害物までの距離に関連付けられた高コストの場合、領域を基準軌道上のポイントの比較的高いポイント密度に関連付けることができる。場合によっては、１つまたは複数のコストを基準軌道上のポイントで評価して目標軌道を生成でき、これにより、自律車両を制御して目標軌道を辿ることができる。従って、基準軌道上の曲率に関連付けられたコストに基づいて、および／または基準軌道上のポイントと障害物に関連付けられたポイントとの間の距離に関連付けられたコストに基づいて、基準軌道上のポイントの密度を動的に変化させることは、目標軌道の生成に関連してダウンストリーム処理の量に影響を与えることができる。 In some examples, a reference track representing the initial path or track followed by the autonomous vehicle can be generated or received by the computing device of the autonomous vehicle. In some examples, the reference track can correspond to the centerline of the road segment, but the reference track can represent any path in the environment. In some examples, one or more obstacles in the environment with points and / or associated areas of the reference trajectory, at least in part based on the costs associated with the curvature values associated with the reference trajectory. Points on the reference orbit can be established, selected, sampled, or otherwise determined, at least in part, based on the cost associated with the distance between and. For example, the area associated with a relatively high curvature value may represent maneuvering around an obstacle in the environment, or may represent maneuvering such as turning a corner or parking. As another example, the region of the reference orbit can be relatively close to obstacles in the environment. Thus, for the high cost associated with curvature and / or the high cost associated with the distance to an obstacle, the region can be associated with a relatively high point density of points on the reference orbit. In some cases, one or more costs can be evaluated at points on the reference track to generate a target track, which allows the autonomous vehicle to be controlled to follow the target track. Thus, on the reference orbit, based on the cost associated with the curvature on the reference orbit and / or based on the cost associated with the distance between the point on the reference orbit and the point associated with the obstacle. Dynamically changing the density of points can affect the amount of downstream processing associated with the generation of target trajectories.
いくつかの例では、基準軌道上のポイントに関連付けられた１つまたは複数のコストを評価することによって、基準軌道に関して目標軌道を生成することができる。一般に、１つまたは複数のコストは、限定されないが、基準コスト、障害物コスト、横方向コスト、縦方向コストなどを含み得る。１つまたは複数のコストの追加の詳細を以下に提示する。さらに、コストは、軌道に関連付けられたコストまたは軌道のポイントに関連付けられたコストを増加または減少させることができる重みに関連付けることができる。いくつかの例では、本明細書で説明する操作は、基準軌道における不連続性または閾値を満たすもしくは超える１つまたは複数のコストなどのトリガーに基づいて、コストに関連付けられた重みを減らすことを含むことができる。例として、および限定ではないが、車両が二重駐車車両の周りを走行している場合に、または車線を変更している間に、基準コスト（以下で説明される）に関連付けられた重みを減らすことができる。いくつかの例では、基準コストは、基準軌道上のポイント（基準ポイントとも呼ばれる）と目標軌道上の対応するポイント（ポイントまたはターゲットポイントとも呼ばれる）との間の差に関連付けられたコストを含むことができ、これにより、差は、ヨー、横方向オフセット、速度、加速度、曲率、曲率レートなどの１つまたは複数の差を表す。いくつかの例では、基準コストに関連付けられた重みを減らすことは基準軌道から離れた距離に配置された目標軌道に関連付けられたペナルティを減らすことができ、これは、より安全でおよび／またはより快適な車両操作につながるよりスムーズな移行を提供することができる。例えば、基準軌道の一部分に関連付けられた基準コストを減らすことは、車両と環境内の障害物との間のバッファの増加をもたらすことができる。 In some examples, a target trajectory can be generated with respect to a reference trajectory by evaluating one or more costs associated with a point on the reference trajectory. In general, one or more costs may include, but are not limited to, reference costs, obstacle costs, lateral costs, longitudinal costs, and the like. Additional details for one or more costs are presented below. In addition, the cost can be associated with a weight that can increase or decrease the cost associated with the orbit or the cost associated with the point of the orbit. In some examples, the operations described herein reduce the weight associated with a cost based on a trigger such as one or more costs that meet or exceed a discontinuity or threshold in a reference trajectory. Can include. As an example, and without limitation, the weight associated with the reference cost (discussed below) when the vehicle is traveling around a double parked vehicle or while changing lanes. Can be reduced. In some examples, the reference cost includes the cost associated with the difference between a point on the reference orbit (also known as a reference point) and a corresponding point on the target orbit (also called a point or target point). This allows the difference to represent one or more differences such as yaw, lateral offset, velocity, acceleration, curvature, curvature rate, etc. In some examples, reducing the weight associated with the reference cost can reduce the penalty associated with the target trajectory located at a distance from the reference trajectory, which is safer and / or more. It can provide a smoother transition that leads to comfortable vehicle operation. For example, reducing the reference cost associated with a portion of the reference track can result in an increase in buffer between the vehicle and obstacles in the environment.
車線変更中などの他の例では、基準コストの重みを選択することを他のチェックと組み合わせて、安全で快適な車両運動性を提供できる。例えば、車線変更アクション中に、目標軌道をチェックして、車両が前方に移動した距離を考慮する場合、および／または移動時間の期間を考慮する場合、距離閾値未満の横方向変位を維持することができる。一例として、限定されないが、車両を、車両が前方方向に２メートル移動するごとに横方向に１メートル移動するように強制し得、それにより、車線変更中の横向きの力を低減する。別の例として、限定されないが、車両は、２秒などの時間の引窓の間、横方向に１メートル移動するようにさらに強制され得る。もちろん、他の距離および時間も本明細書で企図されている。 In other examples, such as during a lane change, selecting a reference cost weight can be combined with other checks to provide safe and comfortable vehicle maneuverability. For example, during a lane change action, check the target track to maintain lateral displacement below the distance threshold when considering the distance the vehicle has traveled forward and / or when considering the duration of travel time. Can be done. As an example, the vehicle may be forced to move laterally 1 meter for every 2 meters forward, thereby reducing lateral forces during lane changes. As another example, but not limited to, the vehicle may be further forced to move 1 meter laterally during a sliding window of time, such as 2 seconds. Of course, other distances and times are also contemplated herein.
いくつかの例では、障害物コストは、基準軌道または目標軌道上のポイントと環境内の障害物に関連付けられたポイントとの間の距離に関連付けられたコストを含むことができる。例として、障害物に関連付けられたポイントは、運転可能エリアの境界上のポイントに対応することができ、または環境内の障害物に関連付けられたポイントに対応することができる。いくつかの例では、環境内の障害物は、限定しないが、静的物体（例えば、建物、縁石、歩道、車線マーキング、標識、信号機、木など）または動的物体（例えば、車両、自転車、歩行者、動物など）を含むことができる。いくつかの例では、動的物体はエージェントと呼ばれることもできる。いくつかの例では、静的物体または動的物体は概して物体または障害物と呼ばれることができる。 In some examples, the obstacle cost can include the cost associated with the distance between a point on the reference orbit or a point on the target orbit and a point associated with the obstacle in the environment. As an example, a point associated with an obstacle can correspond to a point on the boundary of the operable area, or can correspond to a point associated with an obstacle in the environment. In some examples, obstacles in the environment are, but are not limited to, static objects (eg buildings, curbs, sidewalks, lane markings, signs, traffic lights, trees, etc.) or dynamic objects (eg vehicles, bicycles, etc.). Can include pedestrians, animals, etc.). In some examples, dynamic objects can also be called agents. In some examples, static or dynamic objects can generally be referred to as objects or obstacles.
いくつかの例では、横方向コストは、車両の速度に対する最大ステアリング入力など、車両へのステアリング入力に関連付けられたコストを指すことができる。 In some examples, lateral cost can refer to the cost associated with the steering input to the vehicle, such as the maximum steering input to the speed of the vehicle.
いくつかの例では、縦方向コストは、車両の速度および／または加速度（例えば、最大ブレーキおよび／または加速度）に関連付けられたコストを指すことができる。 In some examples, longitudinal cost can refer to the cost associated with vehicle speed and / or acceleration (eg, maximum braking and / or acceleration).
上で紹介したように、車両は、車両が走行できる環境内の領域を表す運転可能エリアを決定することができる。いくつかの例では、自律車両のコンピューティングデバイスは、自律車両の１つまたは複数のセンサによってキャプチャされたセンサデータを受信することができ、環境内の１つまたは複数の物体および／または環境内の１つまたは複数の物体の属性を決定することができる。いくつかの例では、自律車両は、物体および／または物体の属性を利用して、運転可能エリアの範囲を決定する際に、どの物体を含めるべきかを決定することができる。従って、自律車両は、運転可能エリアの範囲内で軌道（例えば、基準軌道および／または目標軌道）を計画することができる。 As introduced above, a vehicle can determine a drivable area that represents an area within the environment in which the vehicle can travel. In some examples, the autonomous vehicle's computing device can receive sensor data captured by one or more sensors in the autonomous vehicle, one or more objects in the environment and / or within the environment. The attributes of one or more objects can be determined. In some examples, autonomous vehicles can utilize objects and / or object attributes to determine which objects should be included when determining the range of driveable areas. Thus, the autonomous vehicle can plan a track (eg, a reference track and / or a target track) within the maneuverable area.
いくつかの例では、運転可能エリアは、拡張領域、衝突領域、および／または安全領域を含むことができる。例えば、拡張領域は、車線境界に関して静的にまたは動的に生成されて、運転可能エリアの最大範囲を表すことができ、環境内の物体に関する情報、ならびに境界と物体との間の確率的距離、ならびに基準および／または目標軌道を含むことができる。例えば、拡張領域は、距離（例えば、車両の幅の半分）さらにセンサノイズの不確実性に基づくいくつかの距離に少なくとも部分的に基づいて、境界に関連付けられたバッファを表すことができ、これは物体分類に少なくとも部分的に基づき得る。さらに、いくつかの例では、衝突領域は、自律車両が回避する領域を表す拡張領域（例えば、障害物と衝突領域の境界との間のより大きな距離を表す）よりも小さい運転可能エリアを表し、自律車両が環境内の物体と衝突する可能性をさらに減らすことできる。いくつかの例では、衝突領域への進入に関連付けられたコストは比較的高くなる可能性がある（安全領域と比較して）。いくつかの例では、安全領域は、衝突領域および拡張領域よりも小さい領域を表し、自律車両と環境内の物体との間にバッファを設けることができる。いくつかの例では、安全領域への進入に関連付けられたコストは、衝突領域に関連付けられたコストよりも低くなる可能性がある。いくつかの例では、衝突領域および／または安全領域はまた、環境内の物体に関する情報、および境界と物体との間の確率的距離と関連付けることができる。いくつかの例では、自律車両は、本明細書で説明するように、基準軌道および／または目標軌道上のポイントと領域に関連付けられた１つまたは複数のポイントとの間の距離に少なくとも部分的に基づいてコストを評価することができる。いくつかの例では、領域に関連付けられたコストは異なる場合がある。例えば、安全領域に関連付けられたコストおよび／または重みは、衝突領域に関連付けられたコストおよび／または重みよりも比較的小さくてもよい。 In some examples, the operable area can include an extended area, a collision area, and / or a safe area. For example, an extended area can be statically or dynamically generated with respect to a lane boundary to represent the maximum range of driveable area, with information about objects in the environment, as well as the stochastic distance between the boundary and the object. , As well as reference and / or target trajectories. For example, an extended area can represent a buffer associated with a boundary, at least partially based on a distance (eg, half the width of the vehicle) and some distance based on the uncertainty of sensor noise. Can be at least partially based on object classification. In addition, in some examples, the collision area represents a smaller navigable area than the extended area (eg, the greater distance between the obstacle and the boundary of the collision area) that represents the area that the autonomous vehicle avoids. , The possibility of an autonomous vehicle colliding with an object in the environment can be further reduced. In some cases, the costs associated with entering the collision area can be relatively high (compared to the safety area). In some examples, the safety zone represents a region smaller than the collision zone and the extended zone, and a buffer can be provided between the autonomous vehicle and the object in the environment. In some examples, the cost associated with entering the safe area may be lower than the cost associated with the collision area. In some examples, the collision area and / or the safety area can also be associated with information about the object in the environment and the stochastic distance between the boundary and the object. In some examples, the autonomous vehicle is at least partially in the distance between a point on a reference track and / or a target track and one or more points associated with the area, as described herein. The cost can be evaluated based on. In some examples, the costs associated with the area may differ. For example, the cost and / or weight associated with the safe area may be relatively smaller than the cost and / or weight associated with the collision area.
いくつかの例では、領域のサイズは、領域が表すか、そうでなければ環境内で関連付けられている物体の分類タイプに少なくとも部分的に基づくことができる。例えば、歩行者に関連付けられた安全領域は第１の距離またはサイズに関連付けられ得、車両に関連付けられた安全領域は第１の距離またはサイズとは異なる第２の距離またはサイズに関連付けられ得る。例として、限定されないが、歩行者に関連付けられた安全領域は、車両に関連付けられた安全領域よりも大きくなる可能性があり、他の要因が同じであると想定して、これは、自律車両が車両よりも歩行者に大きなバッファを与える結果を引き起こし得る。 In some examples, the size of the area can be at least partially based on the classification type of the object that the area represents or is otherwise associated with in the environment. For example, a safety area associated with a pedestrian may be associated with a first distance or size, and a safety area associated with a vehicle may be associated with a second distance or size that is different from the first distance or size. As an example, this is an autonomous vehicle, assuming that the safety area associated with the pedestrian can be larger than the safety area associated with the vehicle, and other factors are the same, without limitation. Can cause the result of giving more buffer to pedestrians than vehicles.
いくつかの例では、領域のサイズは自律車両の速度に少なくとも部分的に基づくことができる。例えば、歩行者に関連付けられた安全領域は、自律車両が第１の速度で走行している（またはその領域に対応する基準ポイントで走行すると予測される）間、第１の距離またはサイズに関連付けられ得、自律車両が第１の速度とは異なる第２の速度で走行している（またはその領域に対応する基準ポイントで走行すると予測される）間、第２の距離またはサイズに関連付けられ得る。例として、限定されないが、自律車両の速度が増加するにつれて安全領域のサイズを増加ことができ、他の要因が同じであると想定して、これは、自律車両がより高速度時に、歩行者に大きなバッファを与える結果を引き起こし得る。 In some examples, the size of the area can be at least partially based on the speed of the autonomous vehicle. For example, a safety area associated with a pedestrian is associated with a first distance or size while the autonomous vehicle is traveling at a first speed (or is expected to travel at a reference point corresponding to that area). It can be associated with a second distance or size while the autonomous vehicle is traveling at a second speed different from the first speed (or expected to travel at a reference point corresponding to that area). .. As an example, but not limited to, the size of the safe area can be increased as the speed of the autonomous vehicle increases, assuming that other factors are the same, this is pedestrian when the autonomous vehicle is at higher speeds. Can cause the result of giving a large buffer to.
本明細書で論じられる技術は、いくつかの追加の手段でコンピューティングデバイスの機能を改善することができる。場合によっては、基準軌道に関連付けられたポイントの密度を変更することは、関心の高い領域または活動の多い領域のポイントの密度を増やすことによって、および関心の低いまたは活動の少ない領域のポイントの密度を減らすことによって、処理の量を減らすことができる。さらに、コストの評価などの追加の処理ステップは基準軌道上のポイントに基づいているため、考慮するポイントの数を減らすことは、正確度または精度を犠牲にすることなく、処理全体の大幅な削減を表すことができる。いくつかの例では、コストに関連付けられた重みを選択することは、より安全な軌道をもたらすことができ（例えば、環境内の物体と車両との間の距離を増やすことによって）、および／またはより快適な軌道をもたらすことができる（例えば、車線変更アクション中に横方向への加速を減らすことによって）。いくつかの例では、運転可能エリアに関連付けられた領域のサイズを変えることは、分類タイプおよび／または自律車両の速度に基づいて領域を生成および／または修正することによって、安全性を向上することができる。さらに、本明細書で論じられる技術を単独でまたは組み合わせて使用して、軌道を生成する様々なシステムにおける安全性および／または快適性を改善することができる。コンピュータの機能に対するこれらおよびその他の改善を本明細書で論じる。 The techniques discussed herein can improve the functionality of computing devices by several additional means. In some cases, changing the density of points associated with a reference trajectory can be done by increasing the density of points in areas of high interest or activity, and by increasing the density of points in areas of low interest or activity. By reducing the amount of processing, the amount of processing can be reduced. In addition, additional processing steps such as cost assessment are based on points on the reference trajectory, so reducing the number of points to consider is a significant reduction in overall processing without sacrificing accuracy or accuracy. Can be represented. In some examples, choosing a weight associated with a cost can result in a safer track (eg, by increasing the distance between an object in the environment and the vehicle), and / or. A more comfortable trajectory can be achieved (eg, by reducing lateral acceleration during a lane change action). In some examples, resizing the area associated with a drivable area improves safety by creating and / or modifying the area based on the classification type and / or the speed of the autonomous vehicle. Can be done. In addition, the techniques discussed herein can be used alone or in combination to improve safety and / or comfort in a variety of orbit-generating systems. These and other improvements to computer functionality are discussed herein.
本明細書で説明される技法は、いくつかの方法で実装することができる。例示の実装について、以下の図面を参照しながら以下に提示する。自律車両のコンテキストで論じているが、本明細書に記載の方法、装置、およびシステムは、様々なシステム（例えば、センサシステム、またはロボットプラットフォーム）に適用することができ、自律車両に限定されない。別の例では、技術は、航空または航海の状況で利用することができる。さらに、本明細書で説明される技術は、実データ（例えば、センサを用いてキャプチャされた）、模擬データ（例えば、シミュレーターによって生成された）、またはその２つの任意の組合せで用いることができる。 The techniques described herein can be implemented in several ways. An exemplary implementation is presented below with reference to the drawings below. Although discussed in the context of autonomous vehicles, the methods, devices, and systems described herein can be applied to a variety of systems (eg, sensor systems, or robot platforms) and are not limited to autonomous vehicles. In another example, the technology can be used in aviation or nautical situations. In addition, the techniques described herein can be used with real data (eg, captured using sensors), simulated data (eg, generated by a simulator), or any combination of the two. ..
図１は、本開示の実施形態による、軌道を生成、運転可能エリアを生成、およびコストを評価するためのシステムの例示の実装を示す概略図である。より具体的には、図１は、車両１０２が配置されている例示の環境１００を示している。図示の例では、車両１０２は環境１００内で運転しているが、他の例では、車両１０２は環境１００内に静止および／または駐車していてもよい。１つまたは複数の物体またはエージェントもまた、環境１００内にある。例えば、図１は、環境１００内の追加の車両１０４ａおよび１０４ｂならびに歩行者１０６ａおよび１０６ｂを示している。もちろん、任意の数および／またはタイプの物体が、追加的または代替的に環境１００に存在することができる。
FIG. 1 is a schematic diagram illustrating an exemplary implementation of a system for generating tracks, generating operable areas, and assessing costs, according to embodiments of the present disclosure. More specifically, FIG. 1 shows an exemplary environment 100 in which the
例示の目的で、車両１０２は、ドライバー（または乗員）の車両の常時制御を期待せず、全体行程の全ての安全上重要な機能を実行可能な車両について説明する米国国家高速道路交通***が発行するレベル５分類に従って操作するように構成された自律車両とすることができる。このような例では、車両１０２は全ての駐車機能を含む開始から停止までの全ての機能を制御するように構成できるので、無人化できる。これは単なる例であり、本明細書で説明するシステムおよび方法は、ドライバーが常に手動で制御する必要がある車両から、部分的または完全に自律的に制御されている車両までの範囲を含む任意の地上、空中、または水上車両に組み込むことができる。車両１０２に関連付けられた追加の詳細を以下で説明する。
For illustrative purposes, the
図１の例では、車両１０２は、１つまたは複数のセンサシステム１０８に関連付けることができる。センサシステム１０８は、センサデータ１１０を生成することができ、これは、車両１０２に関連付けられた車両コンピューティングデバイス１１２によって利用されて、１つまたは複数の物体、例えば、車両１０４および歩行者１０６を認識することができる。センサシステム１０８は、限定されないが、光検出および測距（ＬＩＤＡＲ）センサ、無線検出および測距（ＲＡＤＡＲ）センサ、飛行時間センサ（Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ ｓｅｎｓｏｒｓ）、超音波トランスデューサー、音波航法および測距（ＳＯＮＡＲ）センサ、位置センサ（例えば、全地球測位システム（ＧＰＳ）、コンパスなど）、慣性センサ（例えば、慣性測定ユニット、加速度計、磁気計、ジャイロスコープなど）、カメラ（例えば、ＲＧＢ、ＩＲ、強度、深度など）、ホイールエンコーダ、マイク、環境センサ（例えば、温度センサ、湿度センサ、光センサ、圧力センサなど）などを含むことができる。
In the example of FIG. 1, the
少なくとも１つの例では、車両コンピューティングデバイス１１２は、知覚システムを含むことができ、これは、センサシステム１０８から受信したセンサデータ１１０に少なくとも部分的に基づいて物体検出、区分、および／または分類を実行することができる。例えば、知覚システムは、センサシステム１０８によって生成されたセンサデータ１１０に基づいて、環境１００内の車両１０４ａおよび１０４ｂおよび／または歩行者１０６ａおよび１０６ｂを検出することができる。さらに、知覚システムは、車両１０４ａおよび１０４ｂならびに／または歩行者１０６ａおよび１０６ｂの範囲（例えば、高さ、重み、長さなど）、車両１０４ａおよび１０４ｂならびに／または歩行者１０６ａおよび１０６ｂのポーズ（例えば、ｘ座標、ｙ座標、ｚ座標、ピッチ、ロール、ヨー）、などを決定できる。センサシステム１０８は、センサデータ１１０を（例えば、ほぼリアルタイムで）連続的に生成することができ、これは、知覚システム（および車両コンピューティングデバイス１１２の他のシステム）によって利用することができる。
In at least one example, the vehicle computing device 112 can include a perceptual system, which at least partially bases on
車両コンピューティングデバイス１１２はまた、運転可能エリアコンポーネント１１４、軌道生成コンポーネント１１６、およびコストコンポーネント１１８を含むことができる。いくつかの例では、別々に説明されているが、軌道生成コンポーネント１１６およびコストコンポーネント１１８（および／または本明細書で説明されている他のコンポーネント）を、単一のコンポーネントまたはアルゴリズムに統合することができる。一般に、運転可能エリアコンポーネント１１４は、本明細書で論じられる実施形態に従って、運転可能エリア１２０を生成および／または決定するための機能を含むことができる。一般に、軌道生成コンポーネント１１６は、本明細書で論じられる実施形態に従って、運転可能エリア１２０内に、基準軌道１２２および／または目標軌道１２４を生成する機能を含むことができる。一般に、コストコンポーネントは、基準軌道１２２に関して目標軌道１２４を生成するための１つまたは複数のコストを評価する機能を含むことができる。
The vehicle computing device 112 can also include a
いくつかの例では、運転可能エリア１２０は、例えば、車両１０４ａ、１０４ｂおよび歩行者１０６ａ、１０６ｂを含む物体に対して、車両１０２が環境１００を通って安全に移動することができる環境１００内の仮想エリアであり得る。
In some examples, the navigable area 120 is within the environment 100 where the
図１に示されるように、および本明細書でさらに詳細に説明されるように、運転可能エリア１２０は、仮想境界１２６および１２８によって定義され得る。図１に示される運転可能エリア１２０の例において、運転可能エリア１２０は、例えば、車両１０２の幅または横方向に可変幅１３０を有し得る。図１は、第１の幅１３０ａおよび第２の幅１３０ｂを示しており、これらは集合的に、および運転可能エリア１２０内の他の位置における他の幅とともに、幅１３０と呼ばれ得る。本明細書で説明するように、幅１３０を含む仮想境界１２６および１２８の属性は、センサデータ１１０および／または知覚システムによって行われた決定に少なくとも部分的に基づいて、決定され得る。例えば、いくつかの実装形態では、仮想境界１２６および１２８は、環境１００内の物体に関する情報に基づいて決定され得、これは、意味分類および／または確率モデルに関する情報を含み得る。少なくともいくつかの例では、仮想境界１２６および１２８は、情報（最も近い物体までの横方向の距離、最も近い物体の意味分類、そのような距離および分類の関連する確率など）で符号化され得る。いくつかの例では、運転可能エリア１２０は、その全体が参照により本明細書に組み込まれる、２０１８年５月１７日に出願された米国特許出願第１５／９８２，６９４号に記載された技術に従って、生成することができる。
As shown in FIG. 1 and as described in more detail herein, the operable area 120 may be defined by
図１にも示されているように、運転可能エリア１２０を決定すると、車両コンピューティングデバイス１１２はまた、車両１０２が環境１００を通って移動し得る基準軌道１２２を決定し得る。プランナーシステムは、センサシステム１０８から受信したセンサデータ１１０および／または知覚システムによって行われた任意の決定に少なくとも部分的に基づいて、車両１０２を制御するために使用するルートおよび／または軌道を決定することができる。例えば、計画システムは、車両１０４ａ、１０４ｂおよび歩行者１０６ａ、１０６ｂに対して環境を安全に走行するために、基準軌道１２２に関して、１つまたは複数のコストを評価し、目標軌道１２４を生成することができる。
As also shown in FIG. 1, once the navigable area 120 is determined, the vehicle computing device 112 may also determine a
より具体的には、図１は、車両１０２が環境１００を通って、一般に矢印１３２の方向に移動しているシナリオを示している。車両１０２は、第１の車線１３６および第２の車線１３８を有する道路１３４を走行している。車両１０２は、車両１０４ａの後方の第１の車線１３６にあり、この例では、車両１０４ａよりも比較的速く移動している。例えば、車両１０４ａは、減速して左に曲がる、道路１３４の左側に縦列駐車する、道路の左路肩に乗客または配達物を降ろす、などをし得る。本開示の例では、車両１０２は、例えば、運転可能エリアコンポーネント１１４を実行することによって、先行として運転可能エリア１２０を決定し、車両１０２が減速している車両１０４ａの周りを安全に走行できるかどうかを決定し得る。より具体的には、車両コンピューティングデバイス１１２は、センサデータ１１０を使用して、環境１００内の物体に関する情報を決定し得、これは、車両１０４ａ、車両１０４ｂ、歩行者１０６ａ、歩行者１０６ｂ、および／または追加の物体を含み得る。例えば、車両コンピューティングデバイス１１２は、運転可能エリアコンポーネント１１４を使用して、各物体に関する情報を融合または組み合わせて、運転可能エリア１２０を構成し得る。次に、そのような運転可能エリア１２０を使用して、車両１０２が沿って移動し得る基準軌道１２２および／または目標軌道１２４を決定し得る（例えば、制約および／または境界を提供することによって）。いくつかの例では、基準軌道１２２は、運転可能エリア１２０より先に、または実質的に同時に（技術的許容範囲内で）生成することができる。
More specifically, FIG. 1 shows a scenario in which the
図１をさらに参照すると、運転可能エリア１２０は、様々な幅、例えば、第１の幅１３０ａおよび第２の幅１３０ｂを有し得、これらの幅は、環境１００内の物体に関する情報に少なくとも部分的に基づいて、決定される。例えば、矢印１３２によって示される方向において、車両１０２の直前の位置にて、幅１３０ａは概して道路１３４の幅全体に及ぶ。第１の車線１３６および第２の車線１３８の縁部では、路肩に対してわずかなオフセットが提供され得るが、そのようなオフセットは、他の実施形態では除外されてもよい。矢印１３２の方向に道路１３４に沿ってさらに進むと、境界１２８が左路肩から徐々に離れるにつれて、運転可能エリア１２０は右車線１３８に完全に制限されまで、運転可能エリア１２０は狭くなり始める。運転可能エリア１２０のこの狭小化は、車両１０４ａの存在および／または相対的な減速の結果である。さらに、車両１０４ａに直接隣接して、運転可能エリア１２０をさらに狭くし、例えば、車両１０４ａに対して最小の横方向オフセットを設け得る。同様に、運転可能エリア１２０の右側上に、オフセットを、第１の歩行者１０６ａおよび道路１３４の右の路肩に駐車されている車両１０４ｂに近接して設け得る。いくつかの例では、そのような運転可能エリア１２０はまた、歩行者１０６ａのものなどの物体の予測軌道に基づいて決定され得る。図１に示される非限定的な例として、運転可能エリア１２０は、歩行者１０６ａが進行方向１３２を歩き続けることを見越して、歩行者１０６ａの近くで、わずかに避ける。そのような、避ける長さは、例えば、車両１０２および歩行者１０６ａの速度に基づき得る。
Further referring to FIG. 1, the operable area 120 may have various widths, eg, a first width 130a and a second width 130b, which are at least part of the information about the object in the environment 100. It is decided based on the target. For example, in the direction indicated by the
本明細書でさらに説明するように、運転可能エリア１２０の幅１３０は、環境１００内の物体に関する情報の結果として変化する。従って、例えば、オフセットは、車両１０４ａ、車両１０４ｂ、および歩行者１０６ａの近くに設けられる。これらのオフセットは、車両１０２が運転可能エリア１２０内を移動する際に、物体からの車両１０２の安全マージンまたは最小距離を設けるのに役立ち得る。いくつかの実装形態では、オフセットおよび／または最小距離は、環境１００内の物体間で、異なり得る。例えば、物体に関する意味情報を使用して、適切なオフセットを決定し得る。従って、図１では、歩行者は第１の分類に関連付けられ得、車両は第２の分類に関連付けられ得る。第１の分類は、第２の分類が対応する最小オフセットよりも大きい最小オフセットに対応し得る。さらに、第２の分類内の車両はさらに、車両１０４ｂの場合のように静的として、または車両１０４ａの場合のように動的として分類され得る。移動している車両１０４ａに対するオフセットは、例えば、駐車している車両１０４ｂに関連付けられたオフセットよりも大きくなり得る。さらなる例では、物体に関する確率的情報はまた、または代替的に、オフセットを決定するために使用され得る。例えば、歩行者１０６ａまたは車両１０４ａのドライバーが進路を変更する可能性があるため、例えば、移動する歩行者１０６ａおよび／または移動する車両１０４ａのアクションに関連付けられたいくつかの不確実性があり得る。確率的情報はまた、例えば、センサシステム１０８に関連付けられたセンサの不正確さを説明するために使用され得る。
As further described herein, the width 130 of the operable area 120 varies as a result of information about objects in the environment 100. Thus, for example, the offset is provided near the
運転可能エリア１２０は、従来のナビゲーション技術と比較した場合、車両１０４ａの周りのより効率的なナビゲーションを可能にし得る。従来の解決策では、例えば、車両１０２は、例えば、車両１０２と車両１０４ａとの間の最小距離を維持するために、車両１０４ａに近づくにつれて減速し得、停止または速さ閾値まで減速するときにのみ、車両１０２は車両１０４ａの周りの代替ルートを探し始め得る。あるいは、車両１０２は、車両１０４ａが方向転換、駐車、移動、加速などするまで、車線１３６内でアイドル状態になり得る。しかしながら、本開示の実装において、運転可能エリア１２０は、複数の物体ならびに物体に関する情報を考慮し、環境１００のよりロバストな理解を提供する。この理解は、意思決定を強化し、および／または環境１００を通過する際の車両１０２のより効果的かつ効率的な制御を可能にし得る。特に図１に関して、そのような強化された意思決定は、車両１０４ａの後ろで減速する、および／または追加の意思決定を待つ必要なしに、車両が目標軌道１２４に沿って走行することを可能にし得る。さらに、運転可能エリア１２０は、経路の一部を安全に走行するために使用され得る広範囲の可能な軌道のための境界を提供する。そのような広範囲の安全な軌道を提供することにより、車両１０２は、シーン内のすべての物体に関する情報を組み込みながら、あらゆる危険を迅速に克服することが可能である。
The navigable area 120 may allow for more efficient navigation around the
図１は、運転可能エリアを使用して環境内を走行する一例を示している。他の無数の例も考慮される。例えば、運転可能エリアコンポーネント１１４は、任意の環境で使用されて、物体に関してよりよく走行し得る。
FIG. 1 shows an example of traveling in an environment using an operable area. A myriad of other examples are also considered. For example, the
図２は、本開示の実施形態による、異なるポイント密度の領域を含む基準軌道の図である。より具体的には、図２は車両１０２が配置されている例示の環境２００を示している。図２はさらに環境２００内の障害物２０２を示し、それにより、基準軌道２０４は車両１０２が環境２００内の障害物２０２の周りを走行するための初期経路を表す。いくつかの例では、障害物２０２は、図１の車両１０４ａに対応するが、障害物２０２は、環境２００内の任意の静的物体または動的物体を表し得る。さらに、基準軌道２０４は、図１の基準軌道１２２に対応し得るが、基準軌道２０４は、環境２００内の任意の経路または軌道を表し得る。
FIG. 2 is a diagram of reference trajectories including regions of different point densities according to the embodiments of the present disclosure. More specifically, FIG. 2 shows an
いくつかの例では、軌道生成コンポーネント１１６（または車両コンピューティングデバイス１１２の別のコンポーネント）は、基準軌道２０４の様々な領域に関連付けられたポイントの密度を決定することができる。例として、限定されないが、車両コンピューティングデバイス１１２は、関心領域に対応する、または高活動の領域に対応する基準軌道２０４の領域を識別することができる。いくつかの例では、領域を、基準軌道２０４に関連付けられた曲率値に関連付けられたコストに少なくとも部分的に基づいて、ならびに／または基準軌道２０４上のポイントおよび環境２００内の障害物に関連付けられたポイントまでの距離の間の距離に関連付けられたコストに少なくとも部分的に基づいて、識別することができる。
In some examples, the track generation component 116 (or another component of the vehicle computing device 112) can determine the density of points associated with different regions of the
図示のように、基準軌道２０４は、部分２０６、２０８、２１０、および２２６を含むが、基準軌道２０４は、任意の数の部分を含むことができる。
As shown,
部分２０６はポイント密度２１２に関連付けることができ、部分２０８はポイント密度２１４に関連付けることができ、部分２１０はポイント密度２１６に関連付けることができ、部分２２６はポイント密度２２８に関連付けることができる。
The
いくつかの例では、部分２０８に関連付けられた曲率値に関連付けられたコストは、部分２０６および／または２１０に関連付けられた曲率値よりも高いため、ポイント密度２１４は、ポイント密度２１２および／または２１６よりも高くなることができる。いくつかの例では、部分２２６と障害物２０２との間の距離に関連付けられたコストは、部分２０６、２１０と障害物２０２との間の距離よりも小さいので、ポイント密度２２８はポイント密度２１２および／または２１７よりも高くなることができる。すなわち、部分２０８に関連付けられたポイント密度２１４は、部分２０８に関連付けられた曲率値に関連付けられたコストに少なくとも部分的に基づくことができ、部分２２６に関連付けられたポイント密度２２８は、部分２２６と障害物２０２との間の距離に関連するコストに少なくとも部分的に基づくことができる。
In some examples, the
いくつかの例では、ポイント密度２１４は空間または時間におけるポイントの密度に対応することができる。例えば、上述の通り、計画システムの第１の層は、ポイント間の距離（ユークリッド距離、慣性基準に沿った長さなどであり得る）に基づいて軌道を最適化し得る、計画システムの第２の層はポイント間の時間期間に基づいて軌道を最適化し得る、またはその逆である。いくつかの例では、隣接する基準ポイント２２０と２２２との間の差２１８は、空間内の距離（例えば、５ｃｍ、１０ｃｍ、５０ｃｍ、１ｍなど）または時間内の距離（例えば、０．０５秒、０．１秒、０．２秒、０．５秒、１秒など）を表すことができる。ポイント密度２１４がポイント密度２１２よりも高い例では、隣接するポイント２２０と２２２との間の差２１８は、部分２０６に関連付けられた隣接する基準ポイントとの間の差２２４よりも小さくすることができる。
In some examples, the
本開示のコンテキストで理解できるように、１つまたは複数のコストを基準軌道２０４上の離散ポイントで評価し、車両１０２が環境２００を通過するために辿ることができる目標軌道を生成することができる。
As can be understood in the context of the present disclosure, one or more costs can be evaluated at discrete points on the
図３は、本開示の実施形態による、障害物の周りを走行する場合の基準軌道に基づいて目標軌道を生成することに関連付けられたコストに関連付けられた重みを決定する図である。より具体的には、図３は車両１０２が配置されている例示の環境３００を示している。図３はさらに環境３００内の障害物３０２を示し、それにより、基準軌道３０４は車両１０２が環境２００内の障害物３０２の周りを走行するための初期経路を表す。いくつかの例では、基準軌道３０４は、環境３００内の二重駐車車両の周りを走行する車両１０２の操縦に対応することができる。いくつかの例では、障害物３０２は、環境３００内の任意の静的物体または動的物体を表し得る。さらに、基準軌道３０４は、環境３００内の任意の経路を表し得る。
FIG. 3 is a diagram for determining the cost associated with generating a target trajectory based on a reference trajectory when traveling around an obstacle according to an embodiment of the present disclosure. More specifically, FIG. 3 shows an
一般に、車両コンピューティングデバイス１１２は、基準ポイント３０６および３０８にて１つまたは複数のコストを評価し、基準ポイント３０６および３０８にそれぞれ対応するポイント３１２および３１４を有する目標軌道３１０を生成することができる。基準軌道３０４および目標軌道３１０上のポイントの間のドット線は、対応するポイントを示す。場合によっては、基準軌道３０４上の各ポイントは、目標軌道３１０上の対応するポイントに関連付けることができるが、場合によっては、目標軌道３１０は、必ずしも基準軌道上のポイントに対応するわけではないポイントに関連付けることができる。場合によっては、目標軌道３１０上のポイント（例えば、ポイント３１２、３１４、および３２６）は、基準軌道３０４での曲率値に少なくとも部分的に基づいて、基準軌道３０４上の対応する基準ポイント（例えば、それぞれ、基準ポイント３０６、３０８、および３２４）に直交することができる。
In general, the vehicle computing device 112 can evaluate one or more costs at
一般に、１つまたは複数のコストは、限定されないが、基準コスト、障害物コスト、横方向コスト、縦方向コストなどを含み得る。コストは、軌道に関連付けられたコストまたは軌道のポイントに関連付けられたコストを増加または減少させることができる重み（例えば、重み３１６および３１８）に関連付けることができる。いくつかの例では、車両コンピューティングデバイス１１２は、車両によって実行されるアクションまたは操縦に基づくコストに関連付けられた重みを減らすための操作を実行することができる。 In general, one or more costs may include, but are not limited to, reference costs, obstacle costs, lateral costs, longitudinal costs, and the like. Costs can be associated with weights (eg, weights 316 and 318) that can increase or decrease the cost associated with the orbit or the cost associated with the point of the orbit. In some examples, the vehicle computing device 112 can perform actions to reduce weights associated with costs based on actions or maneuvers performed by the vehicle.
開始トリガー３２０は、本明細書で論じられるように、コストに関連付けられた重みが変化する原因となる状態を表すことができる。いくつかの例では、トリガーは、閾値を満たすまたは超える障害物コスト（例えば、図３のコンテキストで論じられる）、および／または基準軌道におけるジャンプまたは不連続性（例えば、図４のコンテキストで論じられる）に対応できる。例えば、基準軌道３０４上の基準ポイントに関連付けられた初期費用を評価するための操作中に、基準ポイント３２４に関連付けられた障害物コストは、基準ポイント３２４が障害物３０２内に配置されることにより、コスト閾値を満たすまたは超え得る。従って、開始トリガーは、基準ポイント３２４に対する距離または時間に少なくとも部分的に基づいて、基準軌道３０４に沿って開始することができる。終了トリガー３２２は、閾値を下回る基準軌道３０４に関連付けられたコスト（例えば、障害物コスト）に関連付けられた期間または距離を表すことができる。開始トリガー３２０および終了トリガー３２２に少なくとも部分的に基づいて、基準軌道３０４および／または目標軌道３１０のポイントに関連付けられた重みを調整して、重みを増加または減少させることができる。例えば、基準ポイント３０６に関連付けられた重みは重み３１６に対応することができ、基準ポイント３０８に関連付けられた重みは重み３１８に対応することができる。従って、ポイント３０６および３０８に関連付けられたコストの評価は、それぞれ、重み３１６および３１８に少なくとも部分的に基づくことができる。障害物３０２を通過するときの基準コストに関連付けられた重みを減らすことにより、車両は、基準軌道３０４からさらに離れて障害物３０２を切り抜け得る軌道をよりよく探索することが可能である。例として、基準ポイント３２４に対応するポイント３２６は、障害物３０２を安全に切り抜けるために、基準ポイント３２４からさらに離れて配置することが可能である。
The
いくつかの例では、基準ポイント３０６、３０８、および３２４に関連付けられた重みを使用して、それぞれポイント３１２、３１４、および３２６を決定することができ、従って、目標軌道３１０の輪郭を決定することができる。一例として、限定されないが、車両が障害物３０２の周りを走行しているときに、基準コストに関連付けられた重みを減らすことができる。いくつかの例では、基準コストは、基準軌道３０４上のポイント（例えば、基準ポイント３０８）と、目標軌道３１０上の対応するポイント（例えば、ポイント３１４）との間の差に関連付けられたコストを含むことができる。いくつかの例では、差は、ヨー、横方向オフセット、速度、加速度、曲率、曲率レートなどの１つまたは複数の差を表すことができる。いくつかの例では、基準コストに関連付けられた重みを減らすことは基準軌道３０４から離れた距離に配置された目標軌道３１０に関連付けられたペナルティを減らすことができ、これは、より安全でおよび／またはより快適な車両操作につながるよりスムーズな移行を提供することができる。例えば、開始トリガー３２０および終了トリガー３２２に関連付けられた基準軌道３０４の一部に関連付けられた基準コストを減少させることは、環境３００内の車両１０２と障害物３０２との間のバッファを増加させる、および／またはそうでなければ車両１０２が以前は利用不可能だった軌道を探索することを可能にすることができる。
In some examples, the weights associated with
図４は、本開示の実施形態による、車線を変更する場合の基準軌道に基づいて目標軌道を生成することに関連付けられたコストに関連付けられた重みを決定する図である。より具体的には、図４は車両１０２が配置されている例示の環境４００を示している。図４はさらに環境４００内の障害物４０２を示し、それにより、基準軌道４０４（部分４０４Ａおよび４０４Ｂを含む）は車両１０２が車線を変更して環境４００内の障害物４０２の周りを走行するための初期経路または軌道を表す。いくつかの例では、障害物４０２は、図１の車両１０４ａに対応するが、障害物４０２は、環境２００内の任意の静的物体または動的物体を表し得る。さらに、基準軌道４０４は、図１の基準軌道１２２と比較して代替の実装を表し得る（例えば、車線１３６から車線１３８への車線変更アクションを表す）。しかしながら、基準軌道４０４は、環境４００内の任意の経路または軌道を表し得る。
FIG. 4 is a diagram for determining the cost associated with generating a target trajectory based on a reference trajectory when changing lanes, according to an embodiment of the present disclosure. More specifically, FIG. 4 shows an
一般に、車両コンピューティングデバイス１１２は基準ポイント４０６にて１つまたは複数のコストを評価し、基準ポイント３０６に対応するポイント４１０を有する目標軌道４０８を生成することができる。基準ポイント４０６とポイント４１０との間のドット線は、対応するポイントを示している。基準軌道４０４上の１つのポイントのみが図４に示されているが、基準軌道４０４上の複数のポイントが、目標軌道４０８上の複数の対応するポイントに対応できることが理解することができる。
In general, the vehicle computing device 112 can evaluate one or more costs at
一般に、１つまたは複数のコストは、限定されないが、基準コスト、障害物コスト、横方向コスト、縦方向コストなどを含み得る。コストは軌道に関連付けられたコストまたは軌道のポイントに関連付けられたコストを増加または減少させることができる重み（例えば、重み４１２および４１４）に関連付けることができる。いくつかの例では、車両コンピューティングデバイス１１２は車両によって実行されるアクションまたは操縦に基づくコストに関連付けられた重みを減らすための操作を実行することができる。 In general, one or more costs may include, but are not limited to, reference costs, obstacle costs, horizontal costs, vertical costs, and the like. Costs can be associated with weights (eg, weights 412 and 414) that can increase or decrease the cost associated with the orbit or the cost associated with the point of the orbit. In some examples, the vehicle computing device 112 may perform actions performed by the vehicle or operations to reduce weights associated with maneuver-based costs.
開始トリガー４１６は基準軌道４０４のジャンプまたは不連続性を表すことができ、これは、環境４００内の車線１３６から車線１３８に変更するための車線変更アクションを表すことができる。曲線４１８は、基準軌道４０４Ｂ上のコストの変化する重みを表すことができ、それにより曲線４１８の形状は、車両１０２が距離および／または時間に関して走行するための横方向距離に基づいて調整することができる。開始トリガー４１６および曲線４１８に少なくとも部分的に基づいて、基準軌道４０４および／または目標軌道４０８のポイントに関連付けられた重みを調整して、重みを増加または減少させることができる。いくつかの例では、曲線４１８は、重みに関連付けられた線形関数、二次関数、段階的関数などを表すことができる。例えば、基準ポイント４０６に関連付けられた重みは重み４１４に対応することができる。従って、ポイント４０６に関連付けられたコストの評価は重み４１４に少なくとも部分的に基づくことができる。もちろん、コストの評価は、本明細書で説明するように、複数の重みに関連付けられた複数のポイントに対して実行することができる。
The
いくつかの例では、車線変更アクションを他の制約と関連付けて、車両１０２のスムーズかつ快適な動作を提供することができる。例えば、目標軌道４０８の詳細は目標軌道４２２の一部の詳細４２０として示されている。例４２４では、車両コンピューティングデバイス１１２は、車両１０２の横方向変位４２６が、縦方向変位４２８から与えられる閾値よりも小さいかどうかを決定することができる。一例として、限定されないが、横方向変位４２６は１メートル（またはＮメートル）であり得、縦方向変位４２８は５メートル（またはＭメートル）であり得る。例４３０では、車両コンピューティングデバイス１１２は、車両１０２の横方向変位４３２が、時間期間４３４から与えられる閾値よりも小さいかどうかを決定することができる。例として、限定されないが、横方向変位４３２は１メートル（またはＮ’メートル）であり得、縦方向変位４２８は２秒（またはＳ秒）であり得る。いくつかの例では、曲線４１８の形状を調整して（例えば、重みを多かれ少なかれ急速に変化させるために）、車両１０２の横方向変位４２６および４３２が閾値を下回ることを確実にすることができる。従って、いくつかの例では、車両コンピューティングデバイス１１２はコストに関連付けられた重みを変化させることができ、車両１０２の横方向変位が、移動する距離および時間期間から与えられる閾値未満であることを確実にし、車両１０２の目標軌道４０８に、車両１０２が環境４００を走行するように辿ると決定できる。
In some examples, the lane change action can be associated with other constraints to provide smooth and comfortable movement of the
図５Ａは、本開示の実施形態による、運転可能エリアに関連付けられた拡張領域、衝突領域、および安全領域の図である。特に、図５は、車両１０２が道路５０４の車線５０２に配置されている例示の環境５００を示している。図５はさらに、環境５００を移動している歩行者１０６ａおよび道路５０４の側に駐車された車両１０４ａを示している。
FIG. 5A is a diagram of an extended area, a collision area, and a safety area associated with an operable area according to an embodiment of the present disclosure. In particular, FIG. 5 shows an
いくつかの例では、車両コンピューティングデバイス１１２は、詳細５０８に示されるように、複数の領域を含む運転可能エリア５０６を決定することができる。特に、運転可能エリア５０６は、拡張領域５１０、衝突領域５１２、および安全領域５１４を含む。例えば、拡張領域５１０は運転可能エリア５０６の最大範囲を表すことができ、環境５００内の物体（例えば、１０６ａおよび１０４ａ）および境界（例えば、領域５１０、５１２、および５１４によって定義される）と物体の間の確率的距離に関する情報を含むことができる。非限定的な例として、物体の測定および／または移動からの不確実性は、そのような境界に効果的に「符号化」され得る。さらに、いくつかの例では、衝突領域５１２は、車両１０２が回避するための領域を表す拡張領域５１０よりも小さい運転可能領域を表して、車両１０２が環境５００内の歩行者１０６ａおよび車両１０４ａと衝突する可能性をさらに低減することができる。いくつかの例では、安全領域５１４は衝突領域５１２および拡張領域５１０よりも小さい運転可能領域を表し、環境５００内の車両１０２と歩行者１０６ａと車両１０４ａとの間にバッファを設けることができる。いくつかの例では、衝突領域５１２および／または安全領域５１４はまた、環境内の物体に関する情報および境界と物体との間の確率的距離と関連付けることができる。いくつかの例では、車両１０２は、本明細書で説明するように、基準軌道５１６（および／または目標軌道上の）ポイントと、領域５１０、５１２、および／または５１６に関連付けられた１つまたは複数のポイントとの間の距離に少なくとも部分的に基づいてコストを評価することができる。いくつかの例では、領域５１０、５１２、および５１４に関連付けられたコストは異なる場合がある。例えば、安全領域５１４に関連付けられたコストは衝突領域５１２に関連付けられたコストよりも比較的小さい場合があり、逆もまた同様である。
In some examples, the vehicle computing device 112 can determine a
図５Ｂは、本開示の実施形態による、環境内の物体の分類におよび／または環境内の車両の速度に少なくとも部分的に基づく運転可能エリアに関連付けられた領域の図である。例５１８は、拡張領域５１０、衝突領域５１２、および安全領域５１４を備えている図５Ａの詳細５０８を示している。
FIG. 5B is a diagram of an area associated with a drivable area according to an embodiment of the present disclosure, which is at least partially based on the classification of objects in the environment and / or the speed of the vehicle in the environment. Example 518 shows
例えば、安全領域５１４は、車両１０２が速度Ｖ１に関連付けられている間の安全領域を表す。
For example,
別の例として、安全領域５１４＊は、車両１０２が速度Ｖ２に関連付けられている間の安全領域を表す。安全領域５１４および５１４＊を環境５００内の物体（例えば、分類情報）および境界と物体との間の確率的距離に関する情報と関連付けることができ、安全領域５１４および５１４＊の異なる部分のサイズは異なる部分の分類情報および車両１０２の速度に基づいて変化することができる。例えば、部分５２０は歩行者１０６ａに関連付けられた安全領域５１４および５１４＊の一部を表すことができ、一方、部分５２２は車両１０４ａに関連付けられた安全領域５１４および５１４＊の一部を表すことができる。部分５２４、５２６、および５２８は、物体１０６ａまたは１０４ａに関連付けられなくてもよく、または道路５０４の範囲に関連付けられてもよい。
As another example, the
いくつかの例では、安全領域５１４および５１４＊のサイズは関連付けられた物体の分類情報および／または環境内の車両１０２の速度に少なくとも部分的に基づくことができる。例えば、安全領域５１４＊の部分５２０に関連付けられた距離５３０は、車両１０２が速度Ｖ２である間、歩行者１０６ａに関連付けられた部分の安全領域５１４のサイズの増加を表すことができる。安全領域５１４＊の部分５２２に関連付けられた距離５３２は、車両１０２が速度Ｖ２である間、車両１０４ａに関連付けられた部分の安全領域５１４のサイズの増加を表すことができる。いくつかの例では、距離５３０は距離５３２よりも大きくなることができる。いくつかの例では、速度Ｖ２は速度Ｖ１よりも高くなることができる。いくつかの例では、安全領域５１４および５１４＊のサイズを変更することは運転可能エリアの範囲を変更し、変更された運転可能エリアを生成することをさらに含むことができる。
In some examples, the size of the
いくつかの例では、歩行者１０６ａまたは車両１０４ａに関連付けられていない安全領域５１４の部分５２４、５２６、および／または５２８は、車両１０２の速度に基づいて変化する場合もあれば、変化しない場合もある。
In some examples,
図６は、本開示の実施形態による、車両に近接する自転車などの物体の識別に基づいて領域を更新する図である。特に、図６は車両１０２が道路６０４の車線６０２に配置されている例示の環境６００を示している。図６はさらに、環境５００を移動している歩行者１０６ａ、道路６０４の側（脇）に駐車された車両１０４ａ、および車両１０２に近接する自転車６０６（例えば、自転車専用車線内の）を示している。
FIG. 6 is a diagram for updating the area based on the identification of an object such as a bicycle in the vicinity of the vehicle according to the embodiment of the present disclosure. In particular, FIG. 6 shows an
詳細６０８は、車両１０２、車両１０２に近接する自転車６０６、および複数の領域を含む運転可能エリア６１０を示している。説明を簡単にするために、車線境界６１２および車線バイアス領域６１４が図６に示されるが、追加の領域は、拡張領域、衝突領域、安全領域などを含み得ることが理解され得る。いくつかの例では、車両コンピューティングデバイス１１２は、環境６００内で車両１０２に近接している自転車６０６（および／または自転車専用車線、駐車専用車線、駐車中の自動車など）に少なくとも部分的に基づいて、車線バイアス領域６１４を決定することができる。
例えば、車両コンピューティングデバイス１１２は自転車６０６の予測軌道を決定して、自転車６０６が車両１０２を通過し得ると決定することができ、従って、車線境界６１２のサイズを拡大して、車線バイアス領域６１４を生成することができる。従って、所与の基準軌道６１６について、車両コンピューティングデバイス１１２は、車両１０２の位置にバイアスをかけ自転車６０６（および／または自転車車線）から離れて、自転車がより快適な空間で車両１０２を通過することを可能にする目標軌道６１８を生成することができる。いくつかの例では、車線バイアス領域６１４を生成するかどうかの決定は、自転車６０６の速度、車両１０２の速度に対する自転車６０６の速度、閾値を下回る車両１０２の速度、道路６０４の車線６０２における自転車６０６の位置、車両１０２の位置、および／またはマップからの情報などの１つまたは複数に少なくとも部分的に基づくことができる。このようにして、車両コンピューティングデバイス１１２は、車線バイアス領域６１４に基づいてコストを評価し、自転車６０６が車両１０２を通過するための追加のスペースを設ける目標軌道６２０を生成することができる。
For example, the vehicle computing device 112 can determine the predicted trajectory of the bicycle 606 and determine that the bicycle 606 can pass through the
図７は、本明細書で説明される技法を実装するための例示のシステム７００のブロック図を示す。少なくとも１つの例では、システム７００は車両７０２を含むことができる。
FIG. 7 shows a block diagram of an
車両７０２は、車両コンピューティングデバイス７０４、１つまたは複数のセンサシステム７０６、１つまたは複数のエミッタ７０８、１つまたは複数の通信接続部７１０、少なくとも１つの直接接続部７１２、および１つまたは複数の駆動システム７１４を含むことができる。
The vehicle 702 is a
車両コンピューティングデバイス７０４は、１つまたは複数のプロセッサ７１６および１つまたは複数のプロセッサ７１６と通信可能に結合されたメモリ７１８を含むことができる。説明された例示において、車両７０２は自律車両であるが、車両７０２は、任意の他のタイプの車両とすることができる。図示の例では、車両コンピューティングデバイス７０４のメモリ７１８は、位置測定コンポーネント７２０、知覚コンポーネント７２２、１つまたは複数のマップ７２４、１つまたは複数のシステムコントローラ７２６、および運転可能エリアコンポーネント１１４を含む計画コンポーネント７２８、軌道生成コンポーネント１１６、コストコンポーネント１１８、安全領域コンポーネント７３０、軌道サンプリングコンポーネント７３２、および重みコンポーネント７３４、を格納する。例示の目的でメモリ７１８に常駐するものとして図７に描かれているが、位置測定コンポーネント７２０、知覚コンポーネント７２２、１つまたは複数のマップ７２４、１つまたは複数のシステムコントローラ７２６、計画コンポーネント７２８、運転可能エリアコンポーネント１１４、軌道生成コンポーネント１１６、コストコンポーネント１１８、安全領域コンポーネント７３０、軌道サンプリングコンポーネント７３２、および重みコンポーネント７３４は、追加的に、または代替的に、車両７０２にアクセス可能であり得る（例えば、リモートで格納されている）ことが企図される。
The
少なくとも１つの例では、位置測定コンポーネント７２０は、センサシステム７０６からデータを受信して、車両７０２の位置および／または向き（例えば、１つまたは複数のｘ、ｙ、ｚ位置、ロール、ピッチ、またはヨー）を決定する機能を含むことができる。例えば、位置測定コンポーネント７２０は、環境のマップを含み、および／または要求／受信することができ、マップ内の自律車両の位置および／または向きを継続的に決定できる。いくつかの例では、位置測定コンポーネント７２０は、ＳＬＡＭ（同時位置測定およびマッピング）、ＣＬＡＭＳ（較正、位置測定およびマッピングを同時に）、相対ＳＬＡＭ、バンドル調整、非線形最小二乗最適化などを利用して、画像データ、ＬＩＤＡＲデータ、ＲＡＤＡＲデータ、ＩＭＵデータ、ＧＰＳデータ、ホイールエンコーダデータなどを受信し、自律車両の位置を正確に決定することができる。いくつかの例では、本明細書で論じるように、位置測定コンポーネント７２０は車両７０２の様々なコンポーネントにデータを提供して、軌道を生成するためのおよび／またはマップデータを生成するための自律車両の初期位置を決定できる。
In at least one example, the
いくつかの例では、知覚コンポーネント７２２は、物体の検出、区分、および／または分類を実行する機能を含むことができる。いくつかの例では、知覚コンポーネント７２２は、車両７０２に近接するエンティティの存在および／またはエンティティタイプ（例えば、車、歩行者、自転車、動物、建物、木、路面、縁石、歩道、不明など）としてのエンティティの分類を示す処理済みセンサデータを提供することができる。追加または代替の例では、知覚コンポーネント７２２は、検出されたエンティティ（例えば、追跡された物体）および／またはエンティティが位置する環境に関連付けられた１つまたは複数の特性を示す処理済センサデータを提供することができる。いくつかの例では、エンティティに関連付けられた特性は、限定しないが、ｘ位置（グローバルおよび／またはローカルポジション）、ｙ位置（グローバルおよび／またはローカルポジション）、ｚ位置（グローバルおよび／またはローカルポジション）、方向（例えば、ロール、ピッチ、ヨー）、エンティティタイプ（例えば、分類）、エンティティの速度、エンティティの加速度、エンティティの範囲（サイズ）など、を含むことができる。環境に関連付けられた特性は、限定しないが、環境内の別のエンティティの存在、環境内の別のエンティティの状態、時刻、曜日、季節、気象条件、暗闇／光の表示などを含むことができる。
In some examples, the
メモリ７１８はさらに、環境内を走行する車両７０２によって使用できる１つまたは複数のマップ７２４を含むことができる。この説明の目的上、マップは、これらに限定されないが、トポロジー（交差点など）、車道、山脈、道路、地形、および一般的な環境などの環境についての情報を提供することが可能である、２次元、３次元、またはＮ次元でモデル化された任意の数のデータ構造とすることができる。いくつかの例では、マップはテクスチャ情報（例えば、色情報（例えば、ＲＧＢ色情報、ラボ色情報、ＨＳＶ／ＨＳＬ色情報）など）、強度情報（例えば、ＬＩＤＡＲ情報、ＲＡＤＡＲ情報など）、空間情報（例えば、メッシュに投影された画像データ、個々の「サーフェル」（例えば、個々の色および／または強度に関連付けられたポリゴン））、反射率情報（例えば、鏡面反射率情報、再帰反射率情報、ＢＲＤＦ情報、ＢＳＳＲＤＦ情報など）、を含むことができる。一例では、マップは環境の３次元メッシュを含むことができる。いくつかの例では、マップの個々のタイルが環境の個別の部分を表すように、マップをタイルフォーマットで格納でき、本明細書にて説明するように、必要に応じて作業メモリに読み込むことができる。いくつかの例では、１つまたは複数のマップ７２４は、少なくとも１つのマップ（例えば、画像および／またはメッシュ）を含むことができる。いくつかの例では、車両７０２を、マップ７２４に少なくとも部分的に基づいて制御することができる。すなわち、マップ７２４を、位置測定コンポーネント７２０、知覚コンポーネント７２２、および／または計画コンポーネント７２８に関連して使用して、車両７０２の位置を決定し、環境内の物体を識別し、ならびに／または、環境内を走行するためのルートおよび／もしくは軌道を生成することができる。
The memory 718 can further include one or
いくつかの例では、１つまたは複数のマップ７２４は、ネットワーク７３６を介してアクセス可能なリモートコンピューティングデバイス（コンピューティングデバイス７３８など）に格納することができる。いくつかの例では、複数のマップ７２４は、例えば、特性（例えば、エンティティのタイプ、時刻、曜日、季節など）に基づいて格納することができる。複数のマップ７２４を格納することは、同様のメモリ要件を有するが、マップ内のデータにアクセスすることができる速さを増加させることができる。
In some examples, one or
少なくとも１つの例示において、車両コンピューティングデバイス７０４は、１つまたは複数のシステムコントローラ７２６を含むことができ、これは、車両７０２のステアリング、推進、制動、安全性、エミッタ、通信、および他のシステムを制御するよう構成することができる。これらのシステムコントローラ７２６は、駆動システム７１４および／または車両７０２の他のコンポーネントの対応するシステムと通信および／または制御することができる。
In at least one example, the
一般に、計画コンポーネント７２８は環境を走行するために車両７０２が辿る経路を決定できる。例えば、計画コンポーネント７２８は、様々なルートおよび軌道、ならびに様々なレベルの詳細を決定することができる。例えば、計画コンポーネント７２８は第１の位置（例えば現在の位置）から第２の位置（例えば目標の位置）へ走行するルートを決定することができる。本説明の目的のために、ルートは２つの位置の間を走行するための一連の経由地点とすることができる。非限定的な例として、経由地点は、道路、交差点、全地球測位システム（ＧＰＳ）座標、マップおよび／またはマップ情報によって制約された第１の位置と第２の位置を結ぶ線に沿った分散ポイントなどが含まれる。さらに、計画コンポーネント７２８は、第１の位置から第２の位置へのルートの少なくとも一部に沿って自律車両を誘導するための命令を生成できる。少なくとも１つの例では、計画コンポーネント７２８は一連の経由地点内の第１の経由地点から一連の経由地点の第２の経由地点まで自律車両をどのように誘導するかを決定できる。いくつかの例では、命令は軌道または軌道の一部とすることができる。いくつかの例では、ｒｅｃｅｄｉｎｇ ｈｏｒｉｚｏｎ技術に従って、複数の軌道を実質的に同時に（例えば、技術的許容範囲内で）生成することができ、複数の軌道のうちの１つが車両７０２の走行のために選択される。 In general, the planning component 728 can determine the route taken by the vehicle 702 to travel in the environment. For example, planning component 728 can determine different routes and trajectories, as well as different levels of detail. For example, the planning component 728 can determine a route to travel from a first position (eg, current position) to a second position (eg, target position). For the purposes of this description, the route can be a series of waypoints for traveling between two positions. As a non-limiting example, waypoints are distributed along the line connecting the first and second positions constrained by roads, intersections, Global Positioning System (GPS) coordinates, maps and / or map information. Points etc. are included. In addition, the planning component 728 can generate instructions to guide the autonomous vehicle along at least a portion of the route from the first position to the second position. In at least one example, the planning component 728 can determine how to guide the autonomous vehicle from the first waypoint in the set of waypoints to the second waypoint in the set of waypoints. In some examples, the instruction can be an orbit or part of an orbit. In some examples, according to the receding horizon technology, multiple tracks can be generated at substantially the same time (eg, within technical tolerance), one of which is for the vehicle 702 to run. Be selected.
いくつかの例では、計画コンポーネント７２８は環境内の物体の予測軌道を生成する予測コンポーネントを含むことができる。例えば、予測コンポーネントは、車両７０２からの距離閾値内にある車両、歩行者、動物などの１つまたは複数の予測軌道を生成することができる。いくつかの例では、予測コンポーネントは、物体のトレースを測定し、観察および予測された動作に基づいて物体の軌道を生成できる。予測軌道を生成する例は、２０１８年１０月４日に出願された米国特許出願番号１６／１５１，６０７および２０１８年５月１７日に出願された１５／９８２，６５８に記載されている。出願番号１６／１５１，６０７および１５／９８２，６５８は、その全体が参照により本明細書に組み込まれる。 In some examples, the planning component 728 can include a predictive component that produces a predictive trajectory of an object in the environment. For example, the prediction component can generate one or more prediction tracks for vehicles, pedestrians, animals, etc. within a distance threshold from vehicle 702. In some examples, the predictive component can measure an object's trace and generate an object's trajectory based on observed and predicted behavior. Examples of generating predicted orbitals are described in US Patent Application Nos. 16 / 151,607 filed October 4, 2018 and 15 / 982,658 filed May 17, 2018. Application numbers 16 / 151,607 and 15 / 982,658 are incorporated herein by reference in their entirety.
いくつかの例では、運転可能エリアコンポーネント１１４は、環境内の運転可能エリアを生成および／または決定するための機能を含むことができる。例えば、運転可能エリアコンポーネント１１４は、センサシステム７０６からセンサデータを受信することができ、および／または知覚コンポーネント７２２から環境内の障害物および／または物体に関する情報を受信することができる。センサデータおよび／または物体に関連付けられた情報（例えば、位置、ポーズ、範囲、分類、速度、予測軌道など）に少なくとも部分的に基づいて、運転可能エリアコンポーネント１１４は、本明細書で論じられるように、限定されないが、拡張領域、衝突領域、および安全領域を含む１つまたは複数の領域を含む運転可能エリアを決定することができる。いくつかの例では、運転可能エリアコンポーネント１１４は、領域に近接する物体に関連付けられた分類タイプに基づいて、および／または車両７０２の速度に基づいて、領域の範囲を決定することができる。運転可能エリアコンポーネント１１４の追加の詳細は、本開示を通して議論される。
In some examples, the
いくつかの例では、軌道生成コンポーネント１１６は、運転可能エリア内に基準軌道および／または目標軌道を生成する機能を含むことができる。例えば、軌道生成コンポーネント１１６は、基準軌道を受信または決定することができ、これは、環境を通る道路セグメントまたは他の経路の中心線に対応することができる。いくつかの例では、軌道生成コンポーネント１１６は、２０１７年１２月１５日に出願された米国特許出願番号１５／８４３，５９６で論じられている技術に従って生成されたモーションプリミティブに対応することができるセグメントを生成することができる。さらに、所望の曲率によって定義されるセグメントは、２０１７年１２月１５日に出願された米国特許出願番号１５／８４３，５１２で論じられている技術に従って生成することができる。出願番号１５／８４３，５９６および１５／８４３，５１２は、その全体が参照により本明細書に組み込まれる。軌道生成コンポーネント１１６の追加の詳細は、本開示を通して議論される。
In some examples, the
いくつかの例では、コストコンポーネント１１８は基準軌道に関して目標軌道を生成するための１つまたは複数のコストを評価する機能を含むことができる。上述の通り、１つまたは複数のコストは、限定されないが、基準コスト、障害物コスト、横方向コスト、および縦方向コストなどを含み得る。いくつかの例では、１つまたは複数のコストは２０１８年９月２８日に出願された米国特許出願番号１６／１４７，４９２で論じられている技術に従って評価することができ、これは参照によりその全体が本明細書に組み込まれる。コストコンポーネント１１８の追加の詳細は本開示を通して議論される。
In some examples, the
いくつかの例では、安全領域コンポーネント７３０は、環境内の物体の分類および／または環境を走行する車両７０２の速度に少なくとも部分的に基づいて、更新された安全領域を生成する機能を含むことができる。図５Ａ、５Ｂ、および６に示されるように、安全領域コンポーネント７３０は安全領域（または他の領域）のサイズを決定することができ、これは、目標軌道の生成中にコストコンポーネント１１８によって使用することができる。安全領域コンポーネント７３０の追加の詳細は、本開示を通して議論される。
In some examples, the safety zone component 730 may include the ability to generate an updated safety zone based at least in part on the classification of objects in the environment and / or the speed of the vehicle 702 traveling in the environment. can. As shown in FIGS. 5A, 5B, and 6, the safety zone component 730 can determine the size of the safety zone (or other zone), which is used by the
いくつかの例では、軌道サンプリングコンポーネント７３２は、基準軌道の一部に関連付けられた曲率値に関連付けられたコストに少なくとも部分的に基づいて、および／または、基準軌道上のポイントと環境内の障害物に関連付けられたポイントとの間の距離に関連付けられたコストに少なくとも部分的に基づいて、基準軌道の部分のポイント密度を決定する機能を含むことができる。図２に示されるように、軌道サンプリングコンポーネント７３２は、曲率値に関連付けられたコストが比較的高い場合、および／または基準軌道上のポイントと環境内の障害物に関連付けられたポイントとの間の距離に関連付けられたコストが比較的高い場合（例えば、環境内の物体が基準軌道に比較的近い位置にあることを示す）、基準軌道のポイントの密度を決定できる。活動の多い領域または関心のある領域の周りのポイントの数を増やすことは、より多くのポイントにてコストを評価することを可能にし、それにより、車両７０２の安全で快適な乗り心地を確実にする。軌道サンプリングコンポーネント７３２の追加の詳細は本開示を通して説明される。
In some examples, the
いくつかの例では、重みコンポーネント７３４は目標軌道を生成するときに１つまたは複数のコスト関数を評価することに関連付けられた重みを選択または決定する機能を含むことができる。例えば、図３および４に示されるように、アクション開始（二重駐車車両アクションまたは車線変更アクションの開始など）は、計画コンポーネント７２８に車両７０２が環境を走行するためのより柔軟な目標軌道の生成を可能にさせるために、コストの重みを変えることができる。さらに、重みは他の操作と組み合わせて調整することができる（例えば、自転車、バイク車線、駐車車線、駐車中の車などの近接度に基づいて車線境界を拡張する場合）。重みコンポーネント７３４の追加の詳細は本開示を通して説明される。
In some examples, the
いくつかの例では、本明細書で論じられるコンポーネントのいくつかまたはすべての態様は、任意のモデル、アルゴリズム、および／または機械学習アルゴリズムを含むことができる。例えば、いくつかの例では、メモリ７１８（および以下で説明するメモリ７４２）内のコンポーネントは、ニューラルネットワークとして実装することができる。 In some examples, some or all aspects of the components discussed herein can include any model, algorithm, and / or machine learning algorithm. For example, in some examples, the components in memory 718 (and memory 742 described below) can be implemented as a neural network.
本明細書で説明するように、例示のニューラルネットワークは入力データを一連の接続された層に通して出力を作り出す生物学的に着想を得たアルゴリズムである。ニューラルネットワークの各層は別のニューラルネットワークを含むことができ、または任意の数の層（畳み込みかどうかに関係なく）を含むことができる。本開示のコンテキストで理解できるように、ニューラルネットワークは機械学習を利用でき、これは学習されたパラメータに基づいて出力が生成されるようなアルゴリズムの広範なクラスを指すことができる。 As described herein, an exemplary neural network is a biologically inspired algorithm that passes input data through a series of connected layers to produce output. Each layer of the neural network can contain a separate neural network, or it can contain any number of layers (whether convolutional or not). As can be understood in the context of the present disclosure, neural networks can utilize machine learning, which can refer to an extensive class of algorithms such that output is generated based on the learned parameters.
ニューラルネットワークのコンテキストで論じたが、任意のタイプの機械学習をこの開示と一致して使用できる。例えば限定しないが、機械学習アルゴリズムは、回帰アルゴリズム（例えば、通常の最小二乗回帰（ＯＬＳＲ）、線形回帰、ロジスティック回帰、ステップワイズ回帰、多変量適応回帰スプライン（ＭＡＲＳ）、局所的に推定されたスカープロット平滑化（ＬＯＥＳＳ））、インスタンスベースのアルゴリズム（例えば、リッジ回帰、最小絶対収縮および選択演算子（ＬＡＳＳＯ）、弾性ネット、最小角度回帰（ＬＡＲＳ））、決定木アルゴリズム（例えば、分類および回帰木（ＣＡＲＴ）、反復二分法３（ＩＤ３）、カイ二乗自動相互作用検出（ＣＨＡＩＤ）、決定切り株、条件付き決定木））、ベイジアンアルゴリズム（例えば、単純ベイズ、ガウス単純ベイズ、多項単純ベイズ、平均１依存推定量（ＡＯＤＥ）、ベイジアン信念ネットワーク（ＢＮＮ）、ベイジアンネットワーク）、クラスタリングアルゴリズム（例えば、ｋ平均、ｋ中央値、期待値最大化（ＥＭ）、階層的クラスタリング）、相関ルール学習アルゴリズム（例えば、パーセプトロン、バックプロパゲーション、ホップフィールドネットワーク、動径基底関数ネットワーク（ＲＢＦＮ））、ディープラーニングアルゴリズム（例えばディープボルツマンマシーン（ＤＢＭ）、ディープブリーフネットワーク（ＤＢＮ）、重畳型ニューラルネットワーク（ＣＮＮ）、スタック・オートエンコーダ）、次元数削減アルゴリズム（例えば主成分分析（ＰＣＡ）、主成分回帰（ＰＣＲ）、部分最小二乗回帰（ＰＬＳＲ）、サモンマッピング、多次元スケーリング（ＭＤＳ）、射影追跡、線形判別分析（ＬＤＡ）、混合判別分析（ＭＤＡ）、二次判別分析（ＱＤＡ）、柔軟判別分析（ＦＤＡ））、アンサンブルアルゴリズム（例えば、ブースティング、ブートストラップ集計（バギング）、アダブースト、スタック一般化（ブレンディング）、勾配ブースティングマシン（ＧＢＭ）、勾配ブースティング回帰ツリー（ＧＢＲＴ）、ランダムフォレスト）、ＳＶＭ（サポートベクターマシン）、教師あり学習、教師なし学習、半教師あり学習などの方法を含むことができる。 As discussed in the context of neural networks, any type of machine learning can be used in line with this disclosure. For example, but not limited to, machine learning algorithms include regression algorithms (eg, normal least squared regression (OLSR), linear regression, logistic regression, stepwise regression, multivariate adaptive regression spline (MARS), locally estimated scar. Plot smoothing (LOESS)), instance-based algorithms (eg, ridge regression, minimum absolute contraction and selection operator (LASSO), elastic nets, minimum angle regression (LARS)), decision tree algorithms (eg, classification and regression tree). (CART), iterative dichotomy 3 (ID3), chi-squared automatic interaction detection (CHAID), decision stump, conditional decision tree)), Bayesian algorithm (eg, simple bays, Gaussian simple bays, polynomial simple bays, average 1). Dependency estimation (AODE), Basian belief network (BNN), Basian network), clustering algorithm (eg, k mean, k median, expected maximization (EM), hierarchical clustering), correlation rule learning algorithm (eg, k mean, k median, expected value maximization (EM), hierarchical clustering). Perceptron, Regression, Hopfield Network, Radial Base Function Network (RBFN)), Deep Learning Algorithms (eg Deep Boltsman Machine (DBM), Deep Brief Network (DBN), Superimposed Neural Network (CNN), Stack Auto Encoder), dimension reduction algorithm (eg principal component analysis (PCA), principal component regression (PCR), partial least squared regression (PLSR), summon mapping, multidimensional scaling (MDS), projection tracking, linear discriminant analysis (LDA)) , Mixed Discrimination Analysis (MDA), Secondary Discrimination Analysis (QDA), Flexible Discrimination Analysis (FDA)), Ensemble Algorithms (eg Boosting, Bootstrap Aggregation (Bagging), Adder Boost, Stack Generalization (Blending), Gradient Booth Methods such as Ting Machine (GBM), Gradient Boosting Regression Tree (GBRT), Random Forest), SVM (Support Vector Machine), Supervised Learning, Unsupervised Learning, Semi-Teached Learning, etc. can be included.
アーキテクチャの追加の例には、ＲｅｓＮｅｔ７０、ＲｅｓＮｅｔ１０１、ＶＧＧ、ＤｅｎｓｅＮｅｔ、ＰｏｉｎｔＮｅｔなどのニューラルネットワークが含まれる。 Additional examples of architectures include neural networks such as ResNet70, ResNet101, VGG, DenseNet, PointNet.
少なくとも１つの例では、センサシステム７０６は、ＬＩＤＡＲセンサ、ＲＡＤＡＲセンサ、超音波トランスデューサー、ｓｏｎａｒセンサ、位置センサ（例えば、ＧＰＳ、コンパスなど）、慣性センサ（例えば、慣性測定ユニット（ＩＭＵ）、加速度計、磁力計、ジャイロスコープなど）、カメラ（例えば、ＲＧＢ、ＩＲ、強度、深度など）、飛行時間センサ（ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｓｅｎｓｏｒｓ）、マイク、ホイールエンコーダ、環境センサ（例えば、温度センサ、湿度センサ、光センサ、圧力センサなど）などを含むことができる。センサシステム７０６は、センサのこれらまたは他のタイプのそれぞれの複数の実例を含むことができる。例えば、ＬＩＤＡＲセンサは、車両７０２のコーナー、フロント、バック、サイド、および／またはトップに設置された個々のＬＩＤＡＲセンサを含むことができる。別の例として、カメラセンサは、車両７０２の外部および／または内部の様々な位置に配置された複数のカメラを含むことができる。センサシステム７０６は車両コンピューティングデバイス７０４に入力を提供することができる。追加的または代替的に、センサシステム７０６は、所定の期間が経過した後、ほぼ実時間で、特定の周波数にて１つまたは複数のコンピューティングデバイス７３８に、１つまたは複数のネットワーク７３６を介して、センサデータを送信できる。
In at least one example, the sensor system 706 is a LIDAR sensor, RADAR sensor, ultrasonic transducer, sonar sensor, position sensor (eg GPS, compass, etc.), inertial sensor (eg inertial measurement unit (IMU), accelerometer. , Magnetic field meter, gyroscope, etc.), camera (eg, RGB, IR, intensity, depth, etc.), flight time sensor (time of flight sensors), microphone, wheel encoder, environment sensor (eg, temperature sensor, humidity sensor, light). Sensors, pressure sensors, etc.) can be included. The sensor system 706 can include a plurality of examples of each of these or other types of sensors. For example, the lidar sensor can include individual lidar sensors installed in the corners, front, back, sides, and / or top of the vehicle 702. As another example, the camera sensor can include multiple cameras located at various locations outside and / or inside the vehicle 702. The sensor system 706 can provide input to the
車両７０２はまた、上記のように、光および／または音を発する１つまたは複数のエミッタ７０８を含むことができる。この例示のエミッタ７０８は車両７０２の乗客と通信するための内部オーディオおよびビジュアルエミッタを含む。限定ではなく例として、内部エミッタは、スピーカー、ライト、標識、ディスプレイ画面、タッチ画面、触覚エミッタ（例えば、振動および／またはフォースフィードバック）、機械式アクチュエータ（例えば、シートベルトテンショナー、シートポジショナー、ヘッドレストポジショナーなど）などを含むことができる。この例のエミッタ７０８はまた、外部エミッタを含む。限定ではなく例として、この例示の外部エミッタは、走行の方向または車両のアクションの他のインジケータ（例えば、インジケータライト、標識、ライトアレイなど）を信号で送るためのライト、および音響ビームステアリング技術を備える１つまたは複数の歩行者または他の近くの車両と音声で通信するための１つまたは複数のオーディオエミッタ（例えば、スピーカー、スピーカーアレイ、ホーンなど）を含む。 The vehicle 702 can also include one or more emitters 708 that emit light and / or sound, as described above. This exemplary emitter 708 includes an internal audio and visual emitter for communicating with the passengers of the vehicle 702. As an example, but not limited to, internal emitters include speakers, lights, signs, display screens, touch screens, tactile emitters (eg vibration and / or force feedback), mechanical actuators (eg seatbelt tensioners, seat positioners, headrest positioners). Etc.) can be included. The emitter 708 of this example also includes an external emitter. As an example, but not limited to, the external emitter of this example provides lights for signaling other indicators of direction of travel or vehicle action (eg, indicator lights, signs, light arrays, etc.), and acoustic beam steering technology. Includes one or more audio emitters (eg, speakers, speaker arrays, horns, etc.) for voice communication with one or more pedestrians or other nearby vehicles.
車両７０２はまた、車両７０２と１つまたは複数の他のローカルまたはリモートコンピューティングデバイスとの間の通信を可能にする１つまたは複数の通信接続部７１０を含むことができる。例えば、通信接続部７１０は車両７０２および／または駆動システム７１４上の他のローカルコンピューティングデバイスとの通信を容易にできる。また、通信接続部７１０は車両が他の近くのコンピューティングデバイス（例えば、他の近くの車両、交通信号など）と通信することを可能にできる。通信接続部７１０はまた、車両７０２が遠隔操作コンピューティングデバイスまたは他の遠隔サービスと通信することを可能にする。
The vehicle 702 may also include one or
通信接続部７１０は車両コンピューティングデバイス７０４を別のコンピューティングデバイスまたはネットワーク７３６などのネットワークに接続するための物理的および／または論理的インターフェースを含むことができる。例えば、通信接続部７１０は、ＩＥＥＥ８０２．１１規格によって定義された周波数を介するようなＷｉ－Ｆｉベースの通信、Ｂｌｕｅｔｏｏｔｈなどの短距離無線周波数、セルラー通信（例えば、２Ｇ、３Ｇ、４Ｇ、４Ｇ ＬＴＥ、５Ｇなど）、またはそれぞれのコンピューティングデバイスが他のコンピューティングデバイスとインターフェースで接続することを可能にする任意の適切な有線または無線通信プロトコルを可能にできる。
The
少なくとも１つの例では、車両７０２は１つまたは複数の駆動システム７１４を含むことができる。いくつかの例では、車両７０２は、単一の駆動システム７１４を有することができる。少なくとも１つの例では、車両７０２が複数の駆動システム７１４を有する場合、個々の駆動システム７１４は車両７０２の両端部（例えば前部および後部など）に位置付けできる。少なくとも１つの例では、駆動システム７１４は駆動システム７１４および／または車両７０２の周囲の状態を検出するための１つまたは複数のセンサシステムを含むことができる。限定ではなく例として、センサシステムは、駆動システムのホイールの回転を感知するための１つまたは複数のホイールエンコーダ（例えばロータリーエンコーダ）、駆動システムの向きと加速度を測定するための慣性センサ（例えば、慣性測定ユニット、加速度計、ジャイロスコープ、磁力計など）、カメラまたはその他の画像センサ、駆動システムの周囲の物体を音響的に検出するための超音波センサ、ＬＩＤＡＲセンサ、ＲＡＤＡＲセンサなど、を含むことができる。ホイールエンコーダなどの一部のセンサは駆動システム７１４に固有のものとすることができる。場合によっては、駆動システム７１４上のセンサシステムは車両７０２の対応するシステム（例えばセンサシステム７０６）と重複または補足できる。
In at least one example, the vehicle 702 may include one or
駆動システム７１４は、高電圧バッテリー、車両を推進するモーター、バッテリーからの直流を他の車両システムで使用する交流に変換するインバーター、ステアリングモーターおよびステアリングラック（電動とすることができる）を含むステアリングシステム、油圧または電気アクチュエータを含むブレーキシステム、油圧および／または空気圧コンポーネントを含むサスペンションシステム、トラクションの損失を軽減し制御を維持するブレーキ力分散用の安定性制御システム、ＨＶＡＣシステム、照明（例えば車両の外部環境を照らすヘッド／テールライトなどの照明）、および１つまたは複数の他のシステム（例えば冷却システム、安全システム、車載充電システム、ＤＣ／ＤＣコンバーター、高電圧ジャンクション、高電圧ケーブル、充電システム、充電ポートなどのその他の電装コンポーネント）を含む多くの車両システムを含むことができる。さらに、駆動システム７１４は、センサシステムからデータを受信し事前処理し、様々な車両システムの操作を制御できる駆動システムコントローラを含むことができる。いくつかの例では、駆動システムコントローラは、１つまたは複数のプロセッサ、および１つまたは複数のプロセッサと通信可能に結合されたメモリを含むことができる。メモリは１つまたは複数のコンポーネントを格納して、駆動システム７１４の様々な機能を実行できる。さらに、駆動システム７１４はまた、それぞれの駆動システムによる１つまたは複数の他のローカルまたはリモートコンピューティングデバイスとの通信を可能にする１つまたは複数の通信接続部を含む。
The
少なくとも１つの例では、直接接続部７１２は１つまたは複数の駆動システム７１４を車両７０２の本体と結合するための物理的インターフェースを提供できる。例えば、直接接続部７１２は、駆動システム７１４と車両との間のエネルギー、流体、空気、データなどの転送を可能にすることができる。いくつかの例では、直接接続部７１２はさらに駆動システム７１４を車両７０２の本体に着脱可能に固定できる。
In at least one example, the direct connection 712 can provide a physical interface for coupling one or
いくつかの例では、車両７０２はネットワーク７３６を介して１つまたは複数のコンピューティングデバイス７３８にセンサデータを送信することができる。いくつかの例では、車両７０２は未処理のセンサデータをコンピューティングデバイス７３８に送信することができる。他の例では、車両７０２は処理済のセンサデータおよび／またはセンサデータの表現をコンピューティングデバイス７３８に送信することができる。いくつかの例では、車両７０２は、所定の期間の経過後、ほぼ実時間で、特定の周波数などで、センサデータをコンピューティングデバイス７３８に送信することができる。場合によっては、車両７０２はセンサデータ（未処理または処理済み）を１つまたは複数のログファイルとしてコンピューティングデバイス７３８に送信できる。
In some examples, the vehicle 702 may transmit sensor data to one or more computing devices 738 over the
コンピューティングデバイス７３８は計画コンポーネント７４４を格納するプロセッサ７４０およびメモリ７４２を含むことができる。 The computing device 738 can include a processor 740 and memory 742 that house the planning component 744.
いくつかの例では、計画コンポーネント７４４は計画コンポーネント７２８に実質的に対応することができ、環境内の車両７０２の軌道を生成する機能を含むことができる。 In some examples, the planning component 744 can substantially correspond to the planning component 728 and may include the ability to generate a track for the vehicle 702 in the environment.
車両７０２のプロセッサ７１６およびコンピューティングデバイス７３８のプロセッサ７４０は、本明細書で説明されるように、データを処理し操作を実行するための命令を実行可能な任意の適切なプロセッサとすることができる。限定ではなく例として、プロセッサ７１６および７４０は、１つまたは複数の中央処理装置（ＣＰＵ）、グラフィック処理装置（ＧＰＵ）、または電子データを処理して電子データをレジスタまたはメモリに格納できる他の電子データに変換する他の任意のデバイスまたはデバイスの一部、を備えることができる。いくつかの例では、集積回路（例えば、ＡＳＩＣなど）、ゲートアレイ（例えば、ＦＰＧＡなど）、および他のハードウェアデバイスはまた、それらが符号化された命令を実装するよう構成される限り、プロセッサと見なすことができる。
The
メモリ７１８および７４２は非一時的コンピュータ可読媒体の例である。メモリ７１８および７４２は、オペレーティングシステムおよび１つまたは複数のソフトウェアアプリケーション、命令、プログラム、および／またはデータを格納して、本明細書に記載の方法および様々なシステムに起因する機能を実装できる。様々な実装では、メモリを、スタティックランダムアクセスメモリ（ＳＲＡＭ）、シンクロナスダイナミックＲＡＭ（ＳＤＲＡＭ）、不揮発性／フラッシュタイプメモリ、または情報を格納可能な他の任意のタイプのメモリなど、適切なメモリ技術を使用して実装できる。本明細書で説明されるアーキテクチャ、システム、および個々の要素は、他の多くの論理的、プログラム的、および物理的なコンポーネントを含むことができ、それらの添付図面に示されるものは、本明細書の説明に関連する単なる例にすぎない。 Memories 718 and 742 are examples of non-temporary computer readable media. The memories 718 and 742 can store the operating system and one or more software applications, instructions, programs, and / or data to implement the methods described herein and the functionality attributable to the various systems. In various implementations, the memory may be a suitable memory technology, such as static random access memory (SRAM), synchronous dynamic RAM (SDRAM), non-volatile / flash type memory, or any other type of memory that can store information. Can be implemented using. The architectures, systems, and individual elements described herein can include many other logical, programmatic, and physical components, and those shown in the accompanying drawings are herein. It is just an example related to the explanation of the book.
いくつかの例では、メモリ７１８および７４２は少なくとも作業メモリおよびストレージメモリを含むことができる。例えば、作業メモリは、プロセッサ７１６および７４０によって操作されるデータを格納するために使用される、限られた容量の高速メモリ（例えば、キャッシュメモリ）であり得る。いくつかの例では、メモリ７１８および７４２はデータの長期記憶に使用される比較的大容量の低速メモリであり得るストレージメモリを含むことができる。場合によっては、プロセッサ７１６および７４０はストレージメモリに記憶されているデータを直接操作することができず、本明細書で説明するように、データに基づいて操作を実行するために、データを作業メモリにロードする必要があり得る。
In some examples, the memories 718 and 742 can include at least working memory and storage memory. For example, the working memory can be a limited amount of high speed memory (eg, cache memory) used to store data manipulated by the
図７は分散システムとして示されているが、代替の例では、車両７０２のコンポーネントをコンピューティングデバイス７３８に関連付けることができ、および／またはコンピューティングデバイス７３８のコンポーネントは車両７０２に関連付けることができる、という事に留意すべきである。すなわち、車両７０２はコンピューティングデバイス７３８に関連付けられた機能のうちの１つまたは複数を実行でき、逆もまた同様である。 FIG. 7 is shown as a distributed system, but in an alternative example, the components of the vehicle 702 can be associated with the computing device 738 and / or the components of the computing device 738 can be associated with the vehicle 702. It should be noted that. That is, the vehicle 702 can perform one or more of the functions associated with the computing device 738 and vice versa.
図８および図９は本開示の実施形態による例示のプロセスを示している。これらのプロセスは論理フローグラフとして図示され、このそれぞれの操作は、ハードウェア、ソフトウェア、またはそれらの組み合わせにおいて実装できる一連の操作を表す。ソフトウェアのコンテキストにおいては、操作は、１つまたは複数のプロセッサで実行したときに、列挙した操作を実行する１つまたは複数のコンピュータ可読記録媒体に格納されたコンピュータ実行可能命令を表す。一般に、コンピュータ実行可能命令は特定の機能を実行する、または特定の抽象的データタイプを実装するルーチン、プログラム、物体、コンポーネント、データ構造などを含む。操作が記載される順序は限定して解釈されることを意図するものではなく、任意の数の記載される操作を任意の順序でおよび／または並行し結合して、プロセスを実装することができる。 8 and 9 show an exemplary process according to an embodiment of the present disclosure. These processes are illustrated as a logical flow graph, each of which represents a set of operations that can be implemented in hardware, software, or a combination thereof. In the context of software, an operation represents a computer executable instruction stored on one or more computer-readable recording media that performs the listed operations when performed on one or more processors. In general, computer executable instructions include routines, programs, objects, components, data structures, etc. that perform a particular function or implement a particular abstract data type. The order in which the operations are described is not intended to be construed in a limited way, and any number of described operations can be combined in any order and / or in parallel to implement the process. ..
図８は、本開示の実施形態による、基準軌道に関連付けられたポイントのポイント密度を決定し、目標軌道を生成するためのポイントにおけるコストを評価するための例示のプロセス８００を示す。例えば、プロセス８００の一部またはすべては、本明細書に記載されるように、図１または図７の１つまたは複数のコンポーネントによって実行することができる。例えば、プロセス８００の一部またはすべては車両コンピューティングデバイス１１２および／またはコンピューティングデバイス７０４によって実行することができる。
FIG. 8 shows an
操作８０２にて、プロセスは自律車両が環境を走行するための初期軌道を表す基準軌道を受信することを含むことができる。いくつかの例では、基準軌道は環境内で実行されるアクションおよび辿られる経路に応じて、連続軌道または区分的軌道のセグメントを含むことができる。いくつかの例では、基準軌道は、環境内の静的および／または動的障害物、最小または最大の縦方向の加速度または速度、最大のステアリング角、車両運動性（例えば、車輪がスリップしないという概念）に少なくとも部分的に基づくことができる。
At
操作８０４にて、プロセスは基準軌道の第１の部分に関連付けられた第１のポイントの第１のポイント密度を決定することを含むことができる。例えば、操作８０４は、基準軌道の一部に関連付けられた曲率値に関連付けられたコスト、および／または閾値を下回る障害物に関連付けられたポイントまでの距離に関連付けられたコストを決定することを含むことができる。いくつかの例では、操作８０４は、コストに基づいてポイント密度を決定するための、および／またはポイント密度を決定する関数へアクセスするための、ルックアップテーブルへアクセスすることを含むことができる。例えば、第１のコストが第１の閾値（例えば、０．１またはｘ）下回っている場合、第１のポイント密度は、領域のポイント密度として選択することができる。さらに、第２のコストが第１の閾値（例えば、０．１またはｙ）を上回っているが第２の閾値（例えば、０．５またはｙ）を下回っている場合、第２のポイント密度は、密度値間の線形補間に基づくことができる。さらに、第３のコストが第２の閾値（例えば、０．５またはｙ）を上回る場合、第３のポイント密度を領域のポイント密度として選択することができる。もちろん、コストは様々なやり方で選択できる。
At
さらに、いくつかの例では、曲率および／または距離に関連付けられたコストは、上述の通り、プランナーシステムの第２の層によって実行することができる。例えば、第２の層はプランナーシステムの第１の層から第１の目標軌道を受信することができ、それにより、第１の目標軌道は曲率値を含むことができる。さらに、操作８０４は、環境内の物体に関して経時的に第１の目標軌道を評価して、第１の目標軌道上のポイント（例えば、基準軌道）と環境内の障害物に関連付けられたポイントとの間の距離に関連付けられた初期コストを決定することを含むことができ、その後、コストに少なくとも部分的に基づいてポイント密度を決定できる。
Moreover, in some examples, the costs associated with curvature and / or distance can be implemented by a second layer of the planner system, as described above. For example, the second layer can receive the first target trajectory from the first layer of the planner system, whereby the first target trajectory can include a curvature value. Further, the
操作８０６にて、プロセスは基準軌道の第２の部分に関連付けられた第２のポイントの第２のポイント密度を決定することを含むことができる。例えば、操作８０６は、低い曲率値（例えば、閾値を下回る曲率値）に関連付けられた、および／または閾値を満たすかまたは超える障害物に関連付けられたポイントまでの距離に関連付けられた、領域を決定することを含むことができる。
At
操作８０８にて、プロセスは第１のポイントの第１のポイントにておよび第２のポイントの第２のポイントにてコスト関数を評価し、目標軌道を生成することを含むことができる。例えば、操作８０８は、基準コスト、障害物コスト、横方向コスト、縦方向コストなどのうちの１つまたは複数を評価することを含むことができる。
At
操作８１０にて、プロセスは、コストが閾値を下回っているかどうかを決定することを含むことができる。例えば、操作８１０は最急降下法を含む技術を使用し、コスト関数を最適化することを含むことができる。いくつかの例では、操作８１０は、コストが閾値を下回っているかどうかを決定すること、最適化操作間のコストの変化が閾値を下回っているかどうかを決定すること、および／または複数の最適化反復が実行されたかどうかを決定することを含むことができる。コストが閾値に達するか超える場合（例えば、操作８１０で「いいえ」）、プロセスは、別の軌道を生成することができる（例えば、ポイントおよび／または制御（例えば、ステアリング角、加速など）の位置を変えることによって）、および更新されたコストを決定できる操作８０８に戻る。コストが閾値を下回っている場合（例えば、操作８１０で「はい」）、プロセスは操作８１２に続くことができる。
At
操作８１２にて、プロセスは、目標軌道に少なくとも部分的に基づいて、環境を走行するように自律車両を制御することを含むことができる。いくつかの例では、目標軌道を軌道スムーザーコンポーネントおよび／または軌道トラッカーコンポーネントに提供して、目標軌道を改良し、および／または自律車両の様々なモーターおよびステアリングアクチュエーターの制御信号を生成することができる。
At
図９は、本開示の実施形態による、基準軌道に沿ったポイント（例えば、図８に従って決定されたポイント）に関連付けられた重みを決定し、重みに基づいて、目標軌道を決定するポイントにおけるコストを評価するための例示のプロセス９００を示す。例えば、プロセス９００の一部またはすべては、本明細書に記載されるように、図１または図７の１つまたは複数のコンポーネントによって実行することができる。例えば、プロセス９００の一部またはすべては、車両コンピューティングデバイス１１２および／またはコンピューティングデバイス７０４によって実行することができる。
FIG. 9 determines the weight associated with a point along a reference trajectory (eg, a point determined according to FIG. 8) according to an embodiment of the present disclosure, and the cost at the point at which the target trajectory is determined based on the weight. An
操作９０２において、プロセスは、自律車両が環境を走行するための初期経路を表す基準軌道を受信することを含むことができる。いくつかの例では、この操作９０２は操作８０２に実質的に対応することができる。
At
操作９０４にて、プロセスは基準軌道の部分を決定することを含むことができる。例えば、操作９０４は、第１の部分９０６、第２の部分９０８、および第Ｎの部分９１０を決定することを含むことができる。いくつかの例では、部分９０６、９０８、および９１０は、基準軌道（および／またはそれに沿ったポイント）の離散部分とすることができる。いくつかの例では、操作９０４は、自律車両によって実行されるアクションまたは操縦に少なくとも部分的に基づいて、部分を決定することを含むことができる。例えば、アクションまたは操縦は、限定されないが、二重駐車車両アクションまたは車線変更アクションが含まれ得る。いくつかの例では、操作９０４は、自律車両が環境内の自転車または別の物体に近接していることを決定すること、および自転車の予測軌道に少なくとも部分的に基づいて基準軌道の一部を決定することを含むことができる。いくつかの例では、操作９０４は、本明細書で論じられるように、重みまたは重みを変化させるトリガーを示し得るマップデータに基づいて、車両に関連付けられた位置を決定することを含むことができる。
At
操作９１２にて、プロセスは基準軌道の部分に関連付けられたポイントにて評価される基準コストに関連付けられた重みを決定することを含むことができる。場合によっては、基準コストは基準軌道上のポイントと対応するポイントとの間の差に関連付けられている。例えば、操作９１２は、第１の重み９１４、第２の重み９１６、および第Ｍの重み９１８を決定することを含むことができる。いくつかの例では、操作９１２は操作９０４にて決定された個々の部分に対応する重みを決定することを含むことができる。いくつかの例では、操作９１２は個々の部分に関連付けられた個々のポイント（例えば、基準ポイント）に対応する重みを決定することを含むことができる。すなわち、部分９０６が１０個のポイントを含む場合、操作９１２は、１０個のポイントのそれぞれに関連付けられたコストの一意の重みを決定することを含むことができる。もちろん、他の構成が本明細書で企図される。
At
操作９２０にて、プロセスは、ポイントにて基準コスト関数を評価し、対応するポイントを含む目標軌道を生成することを含むことができる。いくつかの例では、操作９２０は、操作９１２において決定された重みによるコストのスケーリングを含むことができる。例えば、操作９２０は、コストに関連付けられた重みに基づいてコスト拡大または縮小をスケーリングすることを含むことができ、これは、次に、本明細書で説明されるように、様々なコストに関連付けられた重みに基づいて、目標軌道の輪郭の変化をもたらすことができる。いくつかの例では、操作９２０は他のコスト関数の評価を含むことができ、基準コスト関数の評価に限定されない。従って、操作は柔軟なフレームワークを提供し、軌道を生成する。
At
操作９２２において、プロセスは、目標軌道に少なくとも部分的に基づいて、環境を走行するように自律車両を制御することを含むことができる。いくつかの例では、この操作９２２は、操作８１２に実質的に対応することができる。
At
［例示的な発明内容］
Ａ：１つまたは複数のプロセッサと、前記１つまたは複数のプロセッサによって実行可能な命令を格納する１つまたは複数のコンピュータ可読媒体と、を備えたシステムであって、前記命令は、実行されると、前記システムに、自律車両が環境を走行するための初期軌道を表す基準軌道を受信するステップと、前記基準軌道の第１の部分に関連付けられた第１のポイントの第１のポイント密度を決定するステップと、前記基準軌道の第２の部分に関連付けられた第２のポイントの第２のポイント密度を決定するステップであって、前記第２のポイント密度が前記第１のポイント密度よりも少ない、ステップと、前記第１のポイントの第１のポイントおよび前記第２のポイントの第２のポイントにてコスト関数を評価し、第１の対応するポイントおよび第２の対応するポイントを含む目標軌道を生成するステップであって、前記第１の対応するポイントの第１の対応するポイントが前記第１のポイントの前記第１のポイントに対応し、前記第２の対応するポイントの第２の対応するポイントが前記第２のポイントの第２のポイントに対応する、ステップと、前記目標軌道に少なくとも部分的に基づいて前記自律車両が前記環境を走行するように制御するステップと、を含む操作を実行させる、システム。
[Exemplary content of invention]
A: A system comprising one or more processors and one or more computer-readable media containing instructions that can be executed by the one or more processors, wherein the instructions are executed. And the system is provided with a step of receiving a reference track representing an initial track for the autonomous vehicle to travel in the environment and a first point density of a first point associated with the first portion of the reference track. The step of determining and the step of determining the second point density of the second point associated with the second part of the reference trajectory, wherein the second point density is higher than the first point density. The cost function is evaluated at a few steps and the first point of the first point and the second point of the second point, and the goal includes the first corresponding point and the second corresponding point. In the step of generating an orbit, the first corresponding point of the first corresponding point corresponds to the first point of the first point, and the second of the second corresponding points. An operation comprising a step in which the corresponding point corresponds to the second point of the second point and a step of controlling the autonomous vehicle to travel in the environment based at least in part on the target track. The system to run.
Ｂ：前記第１のポイント密度は、前記第１のポイントの隣接するポイントの間の時間期間、または、前記第１のポイントの前記隣接するポイントの間の距離、の１つまたは複数に少なくとも部分的に基づく、段落Ａに記載のシステム B: The first point density is at least a portion of one or more of the time period between adjacent points of the first point, or the distance between the adjacent points of the first point. The system described in paragraph A, based on
Ｃ：前記コスト関数は前記目標軌道の前記第１の対応するポイントと前記環境内の障害物に関連付けられたポイントの間の距離に少なくとも部分的に基づくコストを含む、段落Ａまたは段落Ｂに記載のシステム。 C: The cost function is described in paragraph A or paragraph B, wherein the cost function includes at least a cost based on the distance between the first corresponding point of the target trajectory and the point associated with the obstacle in the environment. System.
Ｄ：前記第１のポイント密度は、前記基準軌道の前記第１のポイントに関連付けられた曲率値に関連付けられた第１のコスト、前記第１のポイントと前記環境内の障害物に関連付けられたポイントとの間の距離に関連付けられた第２のコスト、の少なくとも１つを決定するステップに少なくとも部分的に基づく、段落Ａから段落Ｃのいずれかに記載のシステム。 D: The first point density is associated with a first cost associated with the curvature value associated with the first point in the reference trajectory, the first point and obstacles in the environment. The system according to any of paragraphs A to C, which is at least partially based on the step of determining at least one of the second costs associated with the distance to the point.
Ｅ：前記第１のポイント密度を決定するステップは、前記第１のコストまたは前記第２のコストに少なくとも部分的に基づいて、前記第１のポイント密度を決定するためのルックアップテーブルまたは関数にアクセスするステップを含む、段落Ｄに記載のシステム。 E: The step of determining the first point density is in a look-up table or function for determining the first point density, at least partially based on the first cost or the second cost. The system described in paragraph D, including the steps to access.
Ｆ：前記第１のポイントおよび前記第１のポイントの隣接する第１のポイントに関連付けられた第１の時間期間は、前記第２のポイントおよび前記第２のポイントの隣接する第２のポイントに関連付けられた第２の時間期間よりも少ない、段落Ａから段落Ｅのいずれかに記載のシステム。 F: The first time period associated with the first point and the adjacent first point of the first point is to the second point and the adjacent second point of the second point. The system according to any of paragraphs A to E, which is less than the associated second time period.
Ｇ：車両が環境を走行するための初期軌道を表す第１の軌道を受信するステップと、前記部分の曲率値に関連付けられた第１のコスト、または、前記部分の第１のポイントと前記環境内の障害物に関連付けられた第２のポイントとの間の距離に関連付けられた第２のコスト、に少なくとも部分的に基づいて、前記第１の軌道の部分に関連付けられたポイントのポイント密度を決定するステップと、前記第１のポイントに関連付けられたコストに少なくとも基づいて、第２の軌道を決定するステップと、前記車両が前記第２の軌道に少なくとも部分的に基づいて前記環境を走行するように制御するステップと、を含む方法。 G: A step of receiving a first track representing an initial track for the vehicle to travel in the environment, a first cost associated with the curvature value of the portion, or a first point of the portion and the environment. The point density of the points associated with the part of the first orbit, at least in part, based on the second cost associated with the distance to the second point associated with the obstacle within. A step of determining a second track, a step of determining a second track, at least based on the cost associated with the first point, and the vehicle traveling in the environment based at least in part on the second track. And how to include the steps to control.
Ｈ：前記曲率値に関連付けられた前記第１のコストが増加するにつれて、前記ポイント密度は増加する、または、第１のポイントと前記第２のポイントとの間の前記距離に関連付けられた前記第２のコストが増加するにつれて、前記ポイント密度は増加する、うちの少なくとも１つの、段落Ｇに記載の方法。 H: The point density increases as the first cost associated with the curvature value increases, or the first associated with the distance between the first point and the second point. 2. As the cost of 2, the point density increases, at least one of which, the method of paragraph G.
Ｉ：前記ポイント密度は第１のポイント密度であり、前記部分は第１の部分であり、前記ポイントは第１のポイントであり、前記曲率値は第１の曲率値であり、前記距離は第１の距離であり、前記障害物は第１の障害物であり、前記方法が、前記第２の部分の第２の曲率値に関連付けられた第３のコスト、または、前記第２の部分の第３のポイントと前記環境内の第２の障害物に関連付けられた第４のポイントとの間の第２の距離に関連付けられた第４のコスト、に少なくとも部分的に基づいて、第２の部分、前記第１の軌道に関連付けられた第２のポイントの第２のポイント密度を決定するステップであって、前記第１のポイント密度が前記第２のポイント密度と異なる、ステップ、をさらに含む、段落Ｇまたは段落Ｈに記載の方法。 I: The point density is the first point density, the portion is the first portion, the point is the first point, the curvature value is the first curvature value, and the distance is the first. The distance is 1, the obstacle is a first obstacle, and the method is a third cost associated with a second curvature value of the second portion, or of the second portion. A second, at least in part, based on a fourth cost associated with a second distance between a third point and a fourth point associated with a second obstacle in the environment. A portion further comprises a step of determining a second point density of a second point associated with the first orbit, wherein the first point density is different from the second point density. , Paragraph G or Paragraph H.
Ｊ：前記距離は第１の距離であり、前記ポイント密度は、前記部分上の前記第１のポイントと前記部分上の隣接する第１のポイントとの間の第２の距離、または、前記第１のポイントに関連付けられた第１の時間および前記隣接する第１のポイントに関連付けられた第２の時間の差に関連付けられた時間期間の１つに少なくとも部分的に基づく、段落Ｇから段落Ｉのいずれかに記載の方法。 J: The distance is a first distance, and the point density is a second distance between the first point on the portion and an adjacent first point on the portion, or the first. Paragraph G to paragraph I, at least partially based on one of the time periods associated with the difference between the first time associated with one point and the second time associated with said adjacent first point. The method described in any of.
Ｋ：前記コストは、前記部分の前記第１のポイントと前記環境内の前記障害物に関連付けられた前記第２のポイントとの間の前記距離に、少なくとも部分的に基づく、段落Ｇから段落Ｊのいずれかに記載の方法。 K: The cost is at least partially based on the distance between the first point of the portion and the second point associated with the obstacle in the environment, paragraphs G to J. The method described in any of.
Ｌ：前記第２の軌道を決定するステップは、前記第１の軌道に関連付けられた複数のポイントのための前記コストを評価し、前記第２の軌道を生成するステップをさらに含む、段落Ｇから段落Ｋのいずれかに記載の方法。 L: From paragraph G, the step of determining the second orbit further comprises the step of evaluating the cost for a plurality of points associated with the first orbit and generating the second orbit. The method described in any of paragraph K.
Ｍ：前記車両の計画システムの第１の層から前記第１の軌道を受信するステップであって、前記第１の軌道は、前記第１の軌道上のポイントの間の距離に関して、生成され、前記第２の軌道は、前記計画システムの第２の層によって、前記第２の軌道上のポイントの間の時間期間に関して、生成される、ステップ、をさらに含む、段落Ｇから段落Ｌのいずれかに記載の方法。 M: A step of receiving the first track from the first layer of the vehicle planning system, the first track being generated with respect to the distance between points on the first track. The second orbit is any of paragraphs G to L, further comprising a step, which is generated by a second layer of the planning system for a time period between points on the second orbit. The method described in.
Ｎ：前記ポイント密度は前記第１の軌道の前記部分に関して、不均一である、段落Ｍに記載の方法。 N: The method of paragraph M, wherein the point density is non-uniform with respect to said portion of the first orbit.
Ｏ：実行されると、１つまたは複数のプロセッサに、車両が環境を走行するための初期軌道を表す第１の軌道を受信するステップと、前記部分の曲率値に関連付けられた第１のコスト、または、前記部分の第１のポイントと前記環境内の障害物に関連付けられた第２のポイントとの間の距離に関連付けられた第２のコスト、に少なくとも部分的に基づいて、前記第１の軌道の部分に関連付けられたポイントのポイント密度を決定するステップと、前記第１のポイントに関連付けられたコスト少なくとも部分的に基づいて、第２の軌道を生成するステップであって、前記第２の軌道は、ターゲットポイントを含む、ステップと、前記第２の軌道に少なくとも部分的に基づいて前記車両が前記環境を走行するように制御するステップと、含む操作を実行させる、命令を格納する非一時的コンピュータ可読媒体。 O: When executed, one or more processors receive a first track that represents the initial track for the vehicle to travel in the environment, and a first cost associated with the curvature value of the portion. Or, at least in part, based on the first point of the portion and the second cost associated with the distance between the first point of the portion and the second point associated with the obstacle in the environment. A step of determining the point density of a point associated with a portion of the orbit and a step of generating a second orbit, at least partially based on the cost associated with the first point, said second. Tracks contain instructions that include a step that includes a target point, a step that controls the vehicle to travel in the environment, at least in part based on the second track, and operations that include. Temporary computer readable medium.
Ｐ：前記曲率値に関連付けられた前記第１のコストが増加するにつれて、前記ポイント密度は増加する、または、第１のポイントと前記第２のポイントとの間の前記距離に関連付けられた前記第２のコストが増加するにつれて、前記ポイント密度は増加することの少なくとも１つの段落Ｏに記載の非一時的コンピュータ可読媒体。 P: The point density increases as the first cost associated with the curvature value increases, or the first associated with the distance between the first point and the second point. The non-temporary computer-readable medium according to at least one paragraph O of the point density increasing as the cost of 2 increases.
Ｑ：前記ポイント密度は第１のポイント密度であり、前記部分は第１の部分であり、前記ポイントは第１のポイントであり、前記曲率値は第１の曲率値であり、前記距離は第１の距離であり、前記障害物は第１の障害物であり、前記操作は、前記第２の部分の第２の曲率値に関連付けられた第３のコスト、または、前記第２の部分の第３のポイントと前記環境内の第２の障害物に関連付けられた第４のポイントとの間の第２の距離に関連付けられた第４のコスト、に少なくとも部分的に基づいて、第２の部分、前記第１の軌道に関連付けられた第２のポイントの第２のポイント密度を決定するステップであって、第１のポイント密度は前記第２のポイント密度と異なる、ステップと、をさらに含む、段落Ｏまたは段落Ｐに記載の非一時的コンピュータ可読媒体。 Q: The point density is the first point density, the part is the first part, the point is the first point, the curvature value is the first curvature value, and the distance is the first. The distance is 1, the obstacle is a first obstacle, and the operation is a third cost associated with a second curvature value of the second part, or of the second part. A second, at least in part, based on a fourth cost associated with a second distance between a third point and a fourth point associated with a second obstacle in the environment. A portion further comprises a step of determining a second point density of a second point associated with the first orbit, wherein the first point density is different from the second point density. , Paragraph O or Paragraph P, a non-temporary computer-readable medium.
Ｒ：前記距離は第１の距離であり、前記コストは前記第２の軌道の前記ターゲットポイントと前記環境内の前記障害物に関連付けられた前記第２のポイントとの間の第２の距離に少なくとも部分的に基づく、段落Ｏから段落Ｑのいずれかに記載の非一時的コンピュータ可読媒体。 R: The distance is the first distance and the cost is to the second distance between the target point in the second orbit and the second point associated with the obstacle in the environment. A non-temporary computer-readable medium according to any of paragraphs O to Q, which is at least partially based.
Ｓ：前記第１のポイントおよび前記第１のポイントの隣接する第１のポイントに関連付けられた第１の時間期間は前記第２のポイントおよび前記第２のポイントの隣接する第２のポイントに関連付けられた第２の時間期間よりも少ない、段落Ｏから段落Ｒのいずれかに記載の非一時的コンピュータ可読媒体。 S: The first time period associated with the first point and the adjacent first point of the first point is associated with the second point and the adjacent second point of the second point. The non-temporary computer-readable medium according to any of paragraphs O to R, which is less than the second time period given.
Ｔ：前記操作は前記車両の計画システムの第１の層から前記第１の軌道を受信するステップをさらに含み、前記第１の軌道は前記第１の軌道上のポイントの間のユークリッド距離に関して生成され、前記第２の軌道は、前記計画システムの第２の層によって、前記第２の軌道上のポイントの間の時間期間に関して、生成される、段落Ｓに記載の非一時的コンピュータ可読媒体。 T: The operation further comprises the step of receiving the first track from the first layer of the vehicle planning system, the first track being generated with respect to the Euclidean distance between points on the first track. The non-temporary computer-readable medium of paragraph S, wherein the second orbit is generated by a second layer of the planning system for a time period between points on the second orbit.
Ｕ：１つまたは複数のプロセッサと、前記１つまたは複数のプロセッサによって実行可能な命令を格納する１つまたは複数のコンピュータ可読媒体と、を備えたシステムであって、前記命令は、実行されると、前記システムに、自律車両が環境を走行するための初期経路を表す基準軌道を受信するステップと、前記基準軌道の第１の部分を決定するステップと、前記第１の部分から独立する前記基準軌道の第２の部分を決定するステップと、前記基準軌道の前記第１の部分に関連付けられた第１のポイントにおいて評価される第１の基準コストに関連付けられた第１の重みを決定するステップであって、前記第１の基準コストは前記基準軌道上の前記第１のポイントと対応する第１のポイントとの間の第１の差に関連付けられている、ステップと、前記基準軌道の前記第２の部分に関連付けられた第２のポイントにおいて、評価される第２の基準コストに関連付けられた第２の重みを決定するステップであって、前記第２の基準コストは前記基準軌道上の前記第２のポイントと対応する第２のポイントとの間の第２の差に関連付けられており、前記第２の重みは前記第１の重みよりも大きいステップと、前記第１のポイントおよび前記第２のポイントにおいて基準コスト関数を評価し、前記対応する第１のポイントおよび前記対応する第２のポイントを含む目標軌道を生成するステップと、前記目標軌道に少なくとも部分的に基づいて前記自律車両が前記環境を走行するように制御するステップと、を含む操作を実行させる、システム。 U: A system comprising one or more processors and one or more computer-readable media containing instructions that can be executed by the one or more processors, wherein the instructions are executed. The system receives a reference track representing an initial route for the autonomous vehicle to travel in the environment, determines a first portion of the reference track, and is independent of the first portion. The step of determining the second part of the reference orbit and the first weight associated with the first reference cost evaluated at the first point associated with the first part of the reference orbit. A step and the reference trajectory, wherein the first reference cost is associated with a first difference between the first point on the reference trajectory and the corresponding first point. At a second point associated with the second portion, a step of determining a second weight associated with a second reference cost to be evaluated, wherein the second reference cost is on the reference trajectory. Associated with the second difference between the second point and the corresponding second point, the second weight is a step greater than the first weight, and the first point and The step of evaluating the reference cost function at the second point and generating a target trajectory containing the corresponding first point and the corresponding second point, and the autonomy based at least in part on the target trajectory. A system that performs an operation including, and a step of controlling the vehicle to travel in the environment.
Ｖ：前記基準軌道の前記第１の部分は、前記基準軌道内の不連続性または障害物コスト閾値を満たすまたは超える障害物コストの少なくとも１つに関連付けられている、段落Ｕに記載のシステム。 V: The system of paragraph U, wherein the first portion of the reference orbit is associated with at least one of the obstacle costs that meets or exceeds the discontinuity or obstacle cost threshold within the reference orbit.
Ｗ：前記第１の差は、ヨー、横方向オフセット、速度、加速度、曲率、曲率レートの１つまたは複数の差を含む、段落Ｕまたは段落Ｖに記載のシステム。 W: The system according to paragraph U or V, wherein the first difference comprises one or more differences in yaw, lateral offset, velocity, acceleration, curvature, curvature rate.
Ｘ：前記第１の重みは、前記基準軌道の前記第１の部分に対応する前記目標軌道の部分に関連付けられた横方向変位が所与の時間期間において第１の距離閾値を下回ることを決定するステップ、または前記基準軌道の前記第１の部分に対応する前記目標軌道の前記部分に関連付けられた前記横方向変位が所与の距離において第２の距離閾値を下回ることを決定するステップ、の１つまたは複数少なくとも部分的に基づいている、段落Ｕから段落Ｗのいずれかに記載のシステム。 X: The first weight determines that the lateral displacement associated with the portion of the target trajectory corresponding to the first portion of the reference trajectory falls below the first distance threshold over a given time period. Or a step of determining that the lateral displacement associated with the portion of the target trajectory corresponding to the first portion of the reference trajectory falls below a second distance threshold at a given distance. The system according to any of paragraphs U to W, which is at least partially based on one or more.
Ｙ：前記第１の基準コストは、前記基準軌道から、前記第１のポイントにおいて逸脱し、前記第１の差としてあらわされる前記目標軌道を生成するステップに関連付けられたペナルティを含む、段落Ｕから段落Ｘのいずれかに記載のシステム。 Y: From paragraph U, the first reference cost deviates from the reference trajectory at the first point and includes a penalty associated with the step of generating the target trajectory, which is represented as the first difference. The system described in any of paragraph X.
Ｚ：自律車両が環境を走行するための第１の軌道を受信するステップと、前記第１の軌道の第１の部分を決定するステップと、前記第１の部分から独立している前記第１の軌道の第２の部分を決定するステップと、前記第１の軌道の前記第１の部分に関連付けられた第１の重みを決定するステップと、前記第１の軌道の第２の部分に関連付けられた第２の重みを決定するステップであって、前記第１の重みは前記第２の重みと異なる、ステップと、前記第１の軌道に関して、および前記第１の重みと前記第２の重みとに少なくとも部分的に基づいて、基準コストを評価し、第２の軌道を生成するステップと、前記第２の軌道に少なくとも部分的に基づいて前記自律車両が前記環境を走行するように制御するステップと、を含む方法。 Z: The step of receiving the first track for the autonomous vehicle to travel in the environment, the step of determining the first part of the first track, and the first step independent of the first part. A step of determining a second part of the orbit, a step of determining a first weight associated with the first part of the first orbit, and a second part of the first orbit. A step of determining a second weight, wherein the first weight is different from the second weight, with respect to the step and the first trajectory, and the first weight and the second weight. The step of evaluating the reference cost and generating the second track based at least partially on the basis of the second track and controlling the autonomous vehicle to travel in the environment based on the second track at least partially. And how to include.
ＡＡ：前記基準コストを評価するステップは、前記第１の部分に関連付けられた第１の基準コストを評価するステップであって、前記第１の基準コストは前記第１の重みに比例する、ステップと、前記第２の部分に関連付けられた第２の基準コストを評価するステップであって、前記第２の基準コストは前記第２の重みに比例する、ステップと、を含む、段落Ｚに記載の方法。 AA: The step of evaluating the reference cost is a step of evaluating the first reference cost associated with the first portion, wherein the first reference cost is proportional to the first weight. And a step of evaluating a second reference cost associated with the second portion, wherein the second reference cost is proportional to the second weight, according to paragraph Z. the method of.
ＡＢ：前記第１の軌道の前記第１の部分はポイントに関連付けられており、前記ポイントは第１のポイントであり、前記方法は、前記第１の部分の曲率値に関連付けられた第１のコスト、または、前記第１の部分の前記第１のポイントと前記環境内の障害物に関連付けられた第２のポイントとの間の距離に関連付けられた第２のコスト、に少なくとも部分的に基づいて、前記第１の軌道の前記第１の部分に関連付けられた前記ポイントのポイント密度を決定するステップをさらに含む、段落Ｚまたは段落ＡＡに記載の方法。 AB: The first portion of the first orbit is associated with a point, the point is a first point, and the method is a first associated with a curvature value of the first portion. At least partially based on the cost, or the second cost associated with the distance between the first point of the first part and the second point associated with the obstacle in the environment. The method of paragraph Z or paragraph AA, further comprising determining the point density of the points associated with the first portion of the first trajectory.
ＡＣ：前記基準コストは前記第１の軌道上の第１のポイントと前記第２の軌道上の対応する第１のポイントとの間の差に関連付けられている、段落Ｚから段落ＡＢのいずれかに記載の方法。 AC: The reference cost is any of paragraph Z through paragraph AB, which is associated with the difference between the first point on the first orbit and the corresponding first point on the second orbit. The method described in.
ＡＤ：前記差は、ヨー、横方向オフセット、速度、加速度、曲率、曲率レートの１つまたは複数の差を含む、段落ＡＣに記載の方法。 AD: The method of paragraph AC, wherein the difference comprises one or more differences in yaw, lateral offset, velocity, acceleration, curvature, curvature rate.
ＡＥ：前記第１の軌道の前記第１の部分は、前記第１の軌道の不連続性、または、障害物コスト閾値を満たすまたは超える障害物コスト、の少なくとも１つに関連付けられている、段落Ｚから段落ＡＤのいずれかに記載の方法。 AE: The first portion of the first orbit is associated with at least one of the discontinuity of the first orbit or the obstacle cost that meets or exceeds the obstacle cost threshold. The method described in any of paragraph AD from Z.
ＡＦ：前記第１の軌道の前記不連続性は車線変更アクションを表す、または、前記障害物コスト閾値を満たすまたは超える前記障害物コストは、前記環境内の障害物を表すエリア内を通過する前記第１の軌道の少なくとも一部を表す、段落ＡＥに記載の方法。 AF: The discontinuity of the first track represents a lane change action, or the obstacle cost that meets or exceeds the obstacle cost threshold passes through an area that represents an obstacle in the environment. The method of paragraph AE, which represents at least a portion of the first orbit.
ＡＧ：前記自律車両のための前記環境を通る運転可能エリアを決定するステップであって、前記運転可能エリアは、前記自律車両が走行するように構成されている前記環境内の領域および前記環境内の物体を表す、ステップと、前記運転可能エリアに少なくとも部分的に基づいて、障害物コストを評価するステップと、をさらに含み、前記第２の軌道は、前記障害物コストに少なくとも部分的に基づいている、段落Ｚから段落ＡＦのいずれかに記載の方法。 AG: A step of determining a drivable area through the environment for the autonomous vehicle, wherein the drivable area is a region within the environment configured for the autonomous vehicle to travel and within the environment. The second trajectory is at least partially based on the obstacle cost, further comprising a step representing the object of the vehicle and at least partially based on the operable area to evaluate the obstacle cost. The method according to any one of paragraph Z to paragraph AF.
ＡＨ：前記運転可能エリアを決定するステップは、前記自律車両に関連付けられた速度または前記物体の分類に少なくとも部分的に基づいている、段落ＡＧに記載の方法。 AH: The method of paragraph AG, wherein the step of determining the navigable area is at least partially based on the speed associated with the autonomous vehicle or the classification of the object.
ＡＩ：実行されると、１つまたは複数のプロセッサに、自律車両が環境を走行するための第１の軌道を受信するステップと、前記第１の軌道の第１の部分を決定するステップと、前記第１の部分から独立している前記第１の軌道の第２の部分を決定するステップと、前記第１の軌道の前記第１の部分に関連付けられた第１の重みを決定するステップと、前記第１の軌道の第２の部分に関連付けられた第２の重みを決定するステップであって、前記第１の重みは前記第２の重みと異なる、ステップと、前記第１の軌道に関しておよび前記第１の重みと前記第２の重みとに少なくとも部分的に基づいて、基準コストを評価し、第２の軌道を生成するステップと、前記第２の軌道に少なくとも部分的に基づいて前記自律車両が前記環境を走行するように制御するステップと、を含む操作を実行させる命令を格納した、非一時的コンピュータ可読媒体。 AI: When executed, one or more processors receive a first track for the autonomous vehicle to travel in the environment, and a step of determining a first portion of the first track. A step of determining a second portion of the first orbit that is independent of the first portion and a step of determining a first weight associated with the first portion of the first orbit. , A step of determining a second weight associated with a second portion of the first orbit, wherein the first weight is different from the second weight, with respect to the step and the first orbit. And the step of evaluating the reference cost and generating a second orbit based at least in part on the first weight and the second weight, and at least partly based on the second orbit. A non-temporary computer-readable medium containing instructions for performing an operation including a step controlling the autonomous vehicle to travel in the environment.
ＡＪ：前記基準コストを評価するステップは、前記第１の部分に関連付けられた第１の基準コストを評価するステップであって、前記第１の基準コストは前記第１の重みに比例する、ステップと、前記第２の部分に関連付けられた第２の基準コストを評価するステップであって、前記第２の基準コストは前記第２の重みに比例する、ステップと、を含む段落ＡＩに記載の非一時的コンピュータ可読媒体。 AJ: The step of evaluating the reference cost is a step of evaluating the first reference cost associated with the first portion, wherein the first reference cost is proportional to the first weight. And a step of evaluating a second reference cost associated with the second portion, wherein the second reference cost is proportional to the second weight, according to paragraph AI. Non-temporary computer readable medium.
ＡＫ：前記基準コストは、前記第１の軌道上の第１のポイントと前記第２の軌道上の対応する第１のポイントとの間の差に関連付けられている、段落ＡＩまたは段落ＡＪに記載の非一時的コンピュータ可読媒体。 AK: The reference cost is described in paragraph AI or paragraph AJ, which is associated with the difference between the first point on the first orbit and the corresponding first point on the second orbit. Non-temporary computer readable medium.
ＡＬ：前記第１の軌道の前記第１の部分は、前記第１の軌道の不連続性または障害物コスト閾値を満たすまたは超える障害物コストの少なくとも１つに関連付けられている、段落ＡＩから段落ＡＫのいずれかに記載の非一時的コンピュータ可読媒体。 AL: Paragraph AI to paragraph, wherein the first portion of the first orbit is associated with at least one of the obstacle costs that meets or exceeds the discontinuity or obstacle cost threshold of the first orbit. A non-temporary computer-readable medium described in any of AK.
ＡＭ：前記操作は、前記自律車両のための前記環境を通る運転可能エリアを決定するステップであって、前記運転可能エリアは前記自律車両が走行するように構成されている前記環境内の領域および前記環境内の物体を表す、ステップと、前記運転可能エリアに少なくとも部分的に基づいて障害物コストを評価するステップと、をさらに含み、前記第２の軌道は、前記障害物コストに少なくとも部分的に基づいている、段落ＡＩから段落ＡＬのいずれかに記載の非一時的コンピュータ可読媒体。 AM: The operation is a step of determining a drivable area through the environment for the autonomous vehicle, wherein the drivable area is an area within the environment configured for the autonomous vehicle to travel and. The second trajectory is at least partial to the obstacle cost, further comprising a step representing an object in the environment and a step of assessing the obstacle cost based at least in part on the operable area. A non-temporary computer-readable medium according to any of paragraphs AI to AL, which is based on.
ＡＮ：前記運転可能エリアを決定するステップは、前記自律車両に関連付けられた速度または前記物体の分類に少なくとも部分的に基づいている、段落ＡＭに記載の非一時的コンピュータ可読媒体。 AN: The non-temporary computer-readable medium of paragraph AM, wherein the step of determining the drivable area is at least partially based on the speed associated with the autonomous vehicle or the classification of the object.
上述の例示の発明内容は１つの特定の実装に関して説明しているが、この文書のコンテキストでは、例示の発明内容はまた、方法、デバイス、システムおよび／またはコンピュータ可読媒体、および／またはその他の実装を介して実装できることを理解されたい。 Although the illustrated inventions described above describe one particular implementation, in the context of this document, the illustrated inventions are also methods, devices, systems and / or computer-readable media, and / or other implementations. Please understand that it can be implemented via.
［結論］
本明細書で説明する技術の１つまたは複数の例について説明したが、様々な変更、追加、置換、およびそれらの同等物が、本明細書で説明する技術の範囲内に含まれる。
[Conclusion]
Although one or more examples of the techniques described herein have been described, various modifications, additions, substitutions, and their equivalents are included within the scope of the techniques described herein.
例示の説明では、本明細書の一部を形成する添付の図面を参照するが、これは例示として請求される主題の具体的な例を示す。他の例を使用でき、構造的変更などの変更または代替を行うことできることを理解されたい。そのような例示、変更または代替は、意図して請求される主題に関する範囲から必ずしも逸脱するものではない。本明細書のステップは特定の順序で提示できるが、場合によっては、説明したシステムおよび方法の機能を変更することなく、特定の入力を異なる時間または異なる順序で提供するように、順序を変更できる。開示された手順はまた異なる順序で実行できる。さらに、本明細書にある様々な計算は開示された順序で実行される必要はなく、計算の代替順序を使用する他の例を容易に実装できる。並べ替えに加えて、計算はまた、同じ結果となるサブ計算に分解できる。 Illustrative discussions refer to the accompanying drawings that form part of this specification, which provide specific examples of the subject matter claimed as exemplary. It should be understood that other examples can be used and changes or alternatives such as structural changes can be made. Such examples, changes or alternatives do not necessarily deviate from the scope of the subject matter intently claimed. The steps herein can be presented in a particular order, but in some cases can be reordered to provide specific inputs at different times or in different orders without changing the functionality of the systems and methods described. .. The disclosed procedures can also be performed in a different order. Moreover, the various calculations herein do not have to be performed in the disclosed order, and other examples using alternative sequences of calculations can be readily implemented. In addition to sorting, calculations can also be decomposed into subcomputations that give the same result.
Claims (15)
前記１つまたは複数のプロセッサによって実行可能な命令を格納する１つまたは複数のコンピュータ可読媒体と、
を備えたシステムであって、
前記命令は、実行されると、前記システムに、
自律車両が環境を走行するための初期経路を表す基準軌道を受信するステップと、
前記基準軌道の第１の部分に関連付けられた第１のポイントにて評価される第１の基準コストに関連付けられた第１の重みを決定するステップであって、前記第１の基準コストは前記基準軌道上の前記第１のポイントと対応する第１のポイントとの間の第１の差に関連付けられている、ステップと、
前記基準軌道の第２の部分に関連付けられた第２のポイントにて評価される第２の基準コストに関連付けられた第２の重みを決定するステップであって、前記第２の基準コストは前記基準軌道上の前記第２のポイントと対応する第２のポイントとの間の第２の差に関連付けられており、前記第２の重みは前記第１の重みよりも大きい、ステップと、
前記第１のポイントおよび前記第２のポイントにおいて基準コスト関数を評価し、前記対応する第１のポイントおよび前記対応する第２のポイントを含む目標軌道を生成するステップと、
前記目標軌道に少なくとも部分的に基づいて、前記自律車両が前記環境を走行するように制御するステップと、
を含む操作を実行させる、システム。 With one or more processors
A computer-readable medium that stores instructions that can be executed by the one or more processors.
It is a system equipped with
When the instruction is executed, the system is informed.
The step of receiving the reference track, which represents the initial route for the autonomous vehicle to travel in the environment,
A step of determining a first weight associated with a first reference cost evaluated at a first point associated with a first portion of the reference trajectory, wherein the first reference cost is said. The step associated with the first difference between the first point and the corresponding first point on the reference orbit, and:
A step of determining a second weight associated with a second reference cost evaluated at a second point associated with the second portion of the reference trajectory, wherein the second reference cost is said. The step, which is associated with a second difference between the second point and the corresponding second point on the reference orbit, the second weight being greater than the first weight, and the step.
A step of evaluating a reference cost function at the first point and the second point to generate a target trajectory including the corresponding first point and the corresponding second point.
A step of controlling the autonomous vehicle to travel in the environment, at least partially based on the target track.
A system that allows you to perform operations that include.
前記基準軌道の前記第１の部分に対応する前記目標軌道の部分に関連付けられた横方向変位が、所与の時間期間において、第１の距離閾値を下回ることを決定するステップ、
または、
前記基準軌道の前記第１の部分に対応する前記目標軌道の前記部分に関連付けられた前記横方向変位は、所与の距離において、第２の距離閾値を下回ることを決定するステップ、
の１つまたは複数に少なくとも部分的に基づいている、請求項１から請求項３のいずれか１つに記載のシステム。 The first weight is
A step of determining that the lateral displacement associated with a portion of the target trajectory corresponding to the first portion of the reference orbit is below the first distance threshold over a given time period.
or,
A step of determining that the lateral displacement associated with the portion of the target trajectory corresponding to the first portion of the reference trajectory falls below a second distance threshold at a given distance.
The system according to any one of claims 1 to 3, which is at least partially based on one or more of the above.
前記第１の軌道の第１の部分に関連付けられた第１の重みを決定するステップと、
前記第１の軌道の第２の部分に関連付けられた第２の重みを決定するステップであって、前記第１の重みは前記第２の重みと異なる、ステップと、
前記第１の軌道に関して、ならびに前記第１の重みおよび前記第２の重みに少なくとも部分的に基づいて、基準コストを評価し、第２の軌道を生成するステップと、
前記自律車両が前記第２の軌道に少なくとも部分的に基づいて前記環境を走行するように制御するステップと、
を含む、方法。 The step of receiving the first track for the autonomous vehicle to travel in the environment,
The step of determining the first weight associated with the first part of the first orbit, and
A step of determining a second weight associated with a second portion of the first orbit, wherein the first weight is different from the second weight.
With respect to the first trajectory, and at least partially based on the first weight and the second weight, the step of evaluating the reference cost and generating the second trajectory.
A step of controlling the autonomous vehicle to travel in the environment based at least partially on the second track.
Including, how.
前記第１の部分に関連付けられた第１の基準コストを評価するステップであって、前記第１の基準コストは前記第１の重みに少なくとも部分的に基づいている、ステップと、
前記第２の部分に関連付けられた第２の基準コストを評価するステップであって、前記第２の基準コストは前記第２の重みに少なくとも部分的に基づいている、ステップと、
を含む、請求項６に記載の方法。 The step of evaluating the reference cost is
A step of evaluating a first reference cost associated with the first portion, wherein the first reference cost is at least partially based on the first weight.
A step of evaluating a second reference cost associated with the second portion, wherein the second reference cost is at least partially based on the second weight.
6. The method of claim 6.
前記第１の部分の曲率値に関連付けられた第１のコスト、または、前記第１の部分の第１のポイントと前記環境内の障害物に関連付けられた第２のポイントとの間の距離に関連付けられた第２のコストに少なくとも部分的に基づいて、前記第１の軌道の前記第１の部分に関連付けられた前記ポイントのポイント密度を決定するステップをさらに含む、請求項６または請求項７に記載の方法。 The first portion of the first orbit is associated with a point and the method is:
To the first cost associated with the curvature value of the first portion, or the distance between the first point of the first portion and the second point associated with the obstacle in the environment. 6 or 7 further comprises the step of determining the point density of the points associated with the first portion of the first trajectory, at least in part based on the associated second cost. The method described in.
前記障害物コスト閾値を満たすまたは超える前記障害物コストは前記環境内の障害物を表すエリア内を通過する前記第１の軌道の少なくとも一部を表す、請求項１１に記載の方法。 The discontinuity of the first track represents a lane change action, or
11. The method of claim 11, wherein the obstacle cost that meets or exceeds the obstacle cost threshold represents at least a portion of the first orbit that passes through an area that represents an obstacle in the environment.
前記運転可能エリアに少なくとも部分的に基づいて障害物コストを評価するステップと、をさらに含み、
前記第２の軌道は前記障害物コストに少なくとも部分的に基づいている、請求項６から請求項１２のいずれか１つに記載の方法。 A step of determining a drivable area through the environment for the autonomous vehicle, wherein the drivable area represents an area within the environment configured for the autonomous vehicle to travel.
Further including, with the step of assessing the obstacle cost based at least in part on the operable area.
The method of any one of claims 6 to 12, wherein the second trajectory is at least partially based on the obstacle cost.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/179,679 | 2018-11-02 | ||
| US16/179,711 US11208096B2 (en) | 2018-11-02 | 2018-11-02 | Cost scaling in trajectory generation |
| US16/179,679 US11048260B2 (en) | 2018-11-02 | 2018-11-02 | Adaptive scaling in trajectory generation |
| US16/179,711 | 2018-11-02 | ||
| PCT/US2019/058760 WO2020092500A1 (en) | 2018-11-02 | 2019-10-30 | Trajectory generation |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2022506475A true JP2022506475A (en) | 2022-01-17 |
| JPWO2020092500A5 JPWO2020092500A5 (en) | 2022-11-09 |
| JP7411653B2 JP7411653B2 (en) | 2024-01-11 |
Family
ID=68610352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021523870A Active JP7411653B2 (en) | 2018-11-02 | 2019-10-30 | Systems, methods and computer programs for trajectory generation |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP3873783A1 (en) |
| JP (1) | JP7411653B2 (en) |
| CN (1) | CN112955358A (en) |
| WO (1) | WO2020092500A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024058156A1 (en) * | 2022-09-15 | 2024-03-21 | 三菱重工業株式会社 | Route-setting method, program, and moving body |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11520343B2 (en) * | 2020-06-15 | 2022-12-06 | Argo AI, LLC | Methods and systems for performing inter-trajectory re-linearization about an evolving reference path for an autonomous vehicle |
| CN112193239B (en) * | 2020-08-27 | 2022-01-18 | 武汉乐庭软件技术有限公司 | Trajectory calculation method, device and storage device in automatic parking control system |
| EP3960562A1 (en) * | 2020-08-31 | 2022-03-02 | Aptiv Technologies Limited | Methods and systems for path planning |
| CN112146667B (en) * | 2020-09-29 | 2022-10-14 | 广州小鹏自动驾驶科技有限公司 | Method and device for generating vehicle transition track |
| CN112405537B (en) * | 2020-11-11 | 2022-07-12 | 配天机器人技术有限公司 | Robot space track interpolation method and robot |
| CN114708723B (en) * | 2020-12-16 | 2023-07-21 | 华为技术有限公司 | Track prediction method and device |
| CN112810630B (en) * | 2021-02-05 | 2022-03-04 | 山东大学 | Method and system for planning track of automatic driving vehicle |
| CN113074734B (en) * | 2021-03-23 | 2023-05-30 | 北京三快在线科技有限公司 | Track planning method and device, storage medium and electronic equipment |
| CN113401141B (en) * | 2021-07-12 | 2022-07-29 | 北京百度网讯科技有限公司 | Route processing method and device |
| CN113479199B (en) * | 2021-07-30 | 2022-08-30 | 三一专用汽车有限责任公司 | Open area obstacle avoidance method, vehicle and computer-readable storage medium |
| CN113340311B (en) * | 2021-08-04 | 2021-11-05 | 北京三快在线科技有限公司 | Path planning method and device for unmanned equipment |
| CN114153204B (en) * | 2021-11-09 | 2024-03-08 | 北京三快在线科技有限公司 | Repairing method and repairing device for driving track |
| CN114228710B (en) * | 2021-12-27 | 2024-02-20 | 浙江大学 | Vehicle track prediction method of two-dimensional intelligent driving model based on virtual boundary |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009184675A (en) * | 2009-05-28 | 2009-08-20 | Toyota Motor Corp | Cruise controller |
| US20150345959A1 (en) * | 2014-05-30 | 2015-12-03 | Nissan North America, Inc. | Vehicle trajectory optimization for autonomous vehicles |
| JP2017016645A (en) * | 2015-06-29 | 2017-01-19 | 三菱電機株式会社 | Semiautonomous vehicle and method for controlling semiautonomous vehicle |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9120485B1 (en) * | 2012-09-14 | 2015-09-01 | Google Inc. | Methods and systems for smooth trajectory generation for a self-driving vehicle |
| DE102013214225A1 (en) * | 2013-07-19 | 2015-01-22 | Bayerische Motoren Werke Aktiengesellschaft | Dynamic new planning of a driving trajectory by means of LQ control for an evasion assistant |
| DE102016222782A1 (en) * | 2016-11-18 | 2018-05-24 | Audi Ag | Autonomous control of a motor vehicle based on lane data; motor vehicle |
-
2019
- 2019-10-30 EP EP19805850.5A patent/EP3873783A1/en active Pending
- 2019-10-30 CN CN201980071690.0A patent/CN112955358A/en active Pending
- 2019-10-30 JP JP2021523870A patent/JP7411653B2/en active Active
- 2019-10-30 WO PCT/US2019/058760 patent/WO2020092500A1/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009184675A (en) * | 2009-05-28 | 2009-08-20 | Toyota Motor Corp | Cruise controller |
| US20150345959A1 (en) * | 2014-05-30 | 2015-12-03 | Nissan North America, Inc. | Vehicle trajectory optimization for autonomous vehicles |
| JP2017016645A (en) * | 2015-06-29 | 2017-01-19 | 三菱電機株式会社 | Semiautonomous vehicle and method for controlling semiautonomous vehicle |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024058156A1 (en) * | 2022-09-15 | 2024-03-21 | 三菱重工業株式会社 | Route-setting method, program, and moving body |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020092500A1 (en) | 2020-05-07 |
| JP7411653B2 (en) | 2024-01-11 |
| CN112955358A (en) | 2021-06-11 |
| EP3873783A1 (en) | 2021-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11208096B2 (en) | Cost scaling in trajectory generation | |
| US11048260B2 (en) | Adaptive scaling in trajectory generation | |
| US11077878B2 (en) | Dynamic lane biasing | |
| JP7411653B2 (en) | Systems, methods and computer programs for trajectory generation | |
| US11794736B2 (en) | Dynamic collision checking | |
| JP7391879B2 (en) | Determining the drive envelope | |
| US11573571B2 (en) | Trajectory generation and optimization using closed-form numerical integration in route-relative coordinates | |
| US11643073B2 (en) | Trajectory modifications based on a collision zone | |
| JP7425052B2 (en) | Responsive vehicle control | |
| US11708093B2 (en) | Trajectories with intent | |
| US11554790B2 (en) | Trajectory classification | |
| WO2021081064A1 (en) | Trajectory modifications based on a collision zone | |
| JP2022544715A (en) | Modeling and predicting yielding behavior | |
| US11433885B1 (en) | Collision detection for vehicles | |
| JP2021527591A (en) | Occlusion recognition planning | |
| US20220371613A1 (en) | Vehicle trajectory determination | |
| US11780464B2 (en) | Autonomous vehicle trajectory generation using velocity-based steering limits | |
| EP4237300A1 (en) | Collision avoidance planning system | |
| US20220379889A1 (en) | Vehicle deceleration planning | |
| WO2021050745A1 (en) | Dynamic collision checking | |
| WO2022125308A1 (en) | Determining inputs for perception system | |
| US20240208486A1 (en) | Trajectory determination based on pose data | |
| US20240034356A1 (en) | Reference trajectory validating and collision checking management | |
| US20240174239A1 (en) | Route-relative trajectory generation and optimization computations incorporating vehicle sideslip |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221031 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221031 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230711 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230926 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231128 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231225 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7411653 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |