JP7048818B2 - 車両交通ネットワークを通り抜けるときに使用される方法と自律走行車両 - Google Patents

車両交通ネットワークを通り抜けるときに使用される方法と自律走行車両 Download PDF

Info

Publication number
JP7048818B2
JP7048818B2 JP2021507859A JP2021507859A JP7048818B2 JP 7048818 B2 JP7048818 B2 JP 7048818B2 JP 2021507859 A JP2021507859 A JP 2021507859A JP 2021507859 A JP2021507859 A JP 2021507859A JP 7048818 B2 JP7048818 B2 JP 7048818B2
Authority
JP
Japan
Prior art keywords
vehicle
autonomous
saliency
scenario
information
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.)
Active
Application number
JP2021507859A
Other languages
English (en)
Other versions
JP2021525681A (ja
Inventor
邦昭 野田
カイル ホリンズ レイ、
ステファン ウィトウィッキ、
Original Assignee
ニッサン ノース アメリカ，インク
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ニッサン ノース アメリカ，インク filed Critical ニッサン ノース アメリカ，インク
Publication of JP2021525681A publication Critical patent/JP2021525681A/ja
Application granted granted Critical
Publication of JP7048818B2 publication Critical patent/JP7048818B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Description

関連出願の相互参照
本願は、２０１８年８月３１日に出願された米国特許出願第１６／１１９，２６０号の優先権及び利益を主張し、その全体が参照によりここに組み入れられる。
本開示は、自律走行車両動作管理、自律運転及び車両認識に関する。
自律走行車両のような車両が、車両交通ネットワークの一部分を通り抜けることがある。車両交通ネットワークの一部分を通り抜けることは、車両の動作環境又はその一部分を表すデータのようなデータを、例えば車両のセンサによって生成又はキャプチャすることを含み得る。したがって、顕著性認識制御による自律走行車両動作管理のためのシステム、方法及び装置が有利となり得る。
ここに開示されるのは、可視顕著性認識制御による自律走行車両動作管理の側面、特徴、要素、実装例及び実施形態である。
開示の実施形態の一側面は、自律走行車両が車両交通ネットワークを通り抜けるときに使用される方法である。この自律走行車両は、認識ユニット、及び自律走行車両動作管理コントローラを含む。車両交通ネットワークを通り抜けることは、認識ユニットを動作させることと、自律走行車両動作管理コントローラを動作させることとを含む。認識ユニットを動作させることは、認識ユニットが、自律走行車両動作管理コントローラから顕著性情報を受信することと、当該顕著性情報に基づいて、当該自律走行車両の所定距離内の一以上の外部オブジェクトに対応する外部オブジェクト情報を生成することと、当該外部オブジェクトを当該自律走行車両動作管理コントローラに出力することとを含む。自律走行車両動作管理コントローラを動作させることは、当該自律走行車両動作管理コントローラが、シナリオ固有動作制御評価モジュールインスタンスを動作させるための自律走行車両動作制御環境を生成することを含み、このシナリオ固有動作制御評価モジュールインスタンスは、特異車両動作シナリオのシナリオ固有動作制御評価モデルのインスタンスを含み、シナリオ固有動作制御評価モジュールインスタンスを動作させることは、シナリオ固有動作制御評価モデルのためのポリシーを特定することを含む。自律走行車両動作管理コントローラを動作させることは、自律走行車両動作管理コントローラが、外部オブジェクト情報に基づいて特異車両動作シナリオを特定することと、当該シナリオ固有動作制御評価モジュールインスタンスを生成することと、当該シナリオ固有動作制御評価モジュールインスタンスのためのポリシーから候補車両制御アクションを受信することと、当該候補車両制御アクションに応じて自律走行車両を、車両交通ネットワークの一部分を通り抜けるように制御することとを含み、当該車両交通ネットワークの一部分は特異車両動作シナリオを含む。
開示の実施形態の他側面は、自律走行車両動作管理コントローラ及び認識ユニットを含む自律走行車両である。認識ユニットは、自律走行車両動作管理コントローラから顕著性情報を受信するべく非一時的コンピュータ可読媒体に記憶された命令を実行することと、当該顕著性情報に基づいて、自律走行車両の所定距離内の一以上の外部オブジェクトに対応する外部オブジェクト情報を生成することと、当該外部オブジェクト情報を当該自律走行車両動作管理コントローラに出力することとを行うように構成される。自律走行車両動作管理コントローラは、シナリオ固有動作制御評価モジュールインスタンスを動作させるための自律走行車両動作制御環境を生成するべく非一時的コンピュータ可読媒体に記憶された命令を実行するように構成され、当該シナリオ固有動作制御評価モジュールインスタンスは、特異車両動作シナリオのシナリオ固有動作制御評価モデルのインスタンスを含み、当該シナリオ固有動作制御評価モジュールインスタンスを動作させることは、当該シナリオ固有動作制御評価モデルのためのポリシーを特定することと、外部オブジェクト情報に基づいて特異車両動作シナリオを特定することと、当該シナリオ固有動作制御評価モジュールインスタンスをインスタンス生成することと、当該シナリオ固有動作制御評価モジュールインスタンスのためのポリシーから候補車両制御アクションを受信することと、当該候補車両制御アクションに応じて自律走行車両を、車両交通ネットワークの一部分を通り抜けるように制御することとを含み、当該車両交通ネットワークの一部分は当該特異車両動作シナリオを含む。
開示の実施形態の他側面は、自律走行車両が車両交通ネットワークを通り抜けるときに使用される方法である。この自律走行車両は、認識ユニット、及び自律走行車両動作管理コントローラを含む。車両交通ネットワークを通り抜けることは、認識ユニットを動作させることと、自律走行車両動作管理コントローラを動作させることとを含む。認識ユニットを動作させることは、顕著性情報を自律走行車両動作管理コントローラから受信することを含み、当該顕著性情報は、自律走行車両に対する複数の非重畳顕著性セクタからの各顕著性セクタに対し、当該自律走行車両に対する対応優先順位及び対応顕著性距離を示す。認識ユニットを動作させることは、センサ情報を自律走行車両のセンサから受信することと、顕著性情報及び当該センサ情報に基づいて、当該自律走行車両の所定距離内の一以上の外部オブジェクトに対応する外部オブジェクト情報を生成することとを含む。外部オブジェクト情報を生成することは、顕著性情報に基づいてセンサ情報の顕著性部分を特定して当該センサ情報が当該顕著性部分と当該センサ情報の非顕著性部分との和となるようにすることを含み、当該顕著性部分を特定することは、当該顕著性部分が、当該顕著性情報において高い優先順位を有するように示される顕著性セクタに空間的に対応するように当該顕著性部分を特定することを含み、当該顕著性部分を特定することは、当該顕著性距離に基づいて当該顕著性部分のサイズを決定することと、当該顕著性部分に基づいて外部オブジェクト情報を生成し、当該外部オブジェクト情報を生成することが非顕著性部分を使用することを省略するようにすることとを含む。認識ユニットを動作させることは、外部オブジェクト情報を自律走行車両動作管理コントローラに出力することを含む。自律走行車両動作管理コントローラを動作させることは、当該自律走行車両動作管理コントローラが、シナリオ固有動作制御評価モジュールインスタンスを動作させるための自律走行車両動作制御環境を生成することを含み、このシナリオ固有動作制御評価モジュールインスタンスは、特異車両動作シナリオのシナリオ固有動作制御評価モデルのインスタンスを含み、シナリオ固有動作制御評価モジュールインスタンスを動作させることは、シナリオ固有動作制御評価モデルのためのポリシーを特定することを含む。自律走行車両動作管理コントローラを動作させることは、自律走行車両動作管理コントローラが、外部オブジェクト情報に基づいて特異車両動作シナリオを特定することと、当該シナリオ固有動作制御評価モジュールインスタンスを生成することと、当該シナリオ固有動作制御評価モジュールインスタンスのためのポリシーから候補車両制御アクションを受信することと、当該候補車両制御アクションに応じて自律走行車両を、車両交通ネットワークの一部分を通り抜けるように制御することとを含み、当該車両交通ネットワークの一部分は特異車両動作シナリオを含む。
ここに開示される方法、装置、手順及びアルゴリズムの、これらの及び他の側面、特徴、要素、実装例及び実施形態のバリエーションが、この後にさらに詳述される。
ここに開示される方法及び装置の様々な側面が、以下の説明及び図面に与えられる例を参照することによって明らかとなる。
ここに開示される側面、特徴及び要素が実装され得る車両の一例の図である。 ここに開示される側面、特徴及び要素が実装され得る車両交通及び通信システムの一部分の一例の図である。 本開示に係る車両交通ネットワークの一部分の図である。 本開示の実施形態に係る自律走行車両動作管理システムの一例の図である。 本開示の実施形態に係る自律走行車両動作管理の一例の流れ図である。 本開示の実施形態に係る車両の一例の図である。 本開示の実施形態に係る車両のセンサの視野の一例の図である。 本開示の実施形態に係る顕著性領域の一例の図である。 本開示の実施形態に係る非重畳顕著性セクタと視野との一対応例の図である。 本開示の実施形態に係る可視顕著性認識制御による自律走行車両動作管理の一例の流れ図である。 本開示の実施形態に係る交差点シナリオ及び歩行者シナリオを含む車両交通ネットワークの一部分に対する可視顕著性認識制御による自律走行車両動作管理の一例の図である。 本開示の実施形態に係る交差点シナリオを含む車両交通ネットワークの他部分の一例の図である。 本開示の実施形態に係る交差点シナリオ及び歩行者シナリオを含む車両交通ネットワークの他部分の一例の図である。
自律走行車両又は半自律走行車両のような車両が、車両交通ネットワークの一部分を通り抜けることがある。車両は一以上のセンサを含み、車両交通ネットワークを通り抜けることは、当該センサが、例えば、車両の動作環境又は車両の一部分に対応するデータのような、センサデータを生成又はキャプチャすることを含み得る。例えば、センサデータは、歩行者、遠隔車両、車両動作環境内のその他のオブジェクト、車両交通ネットワーク幾何学形状、又はこれらの組み合わせのような、一以上の外部オブジェクトに対応する情報を含み得る。
自律走行車両は、自律走行車両動作管理システムを含み、これは、自律走行車両のための動作環境データ、例えばセンサデータを処理することができる一以上の動作環境モニタを含み得る。自律走行車両動作管理システムは、一以上の動作シナリオを検出することができ、シナリオ固有動作制御評価モジュールの各インスタンスを、対応する動作シナリオの検出に応答して作成することができる。自律走行車両動作管理コントローラは、車両制御アクションを各インスタンス生成されたシナリオ固有動作制御自律走行車動作管理コントローラ評価モジュールインスタンスから受信することができ、特定された車両制御アクションに応じて自律走行車両を、車両交通ネットワークの一部分を通り抜けるように制御することができる。
可視顕著性認識制御による実装自律走行車両動作管理を実装する車両は、認識ユニットを含み得る。この認識ユニットは、車両を取り囲む視野の一以上の所定領域を示す顕著性情報を受信し、深層学習アルゴリズムを使用するオブジェクト検出を行うべく当該顕著性情報を使用することができる。自律走行車両動作管理システムは、外部オブジェクト情報を認識システムから受信することができ、当該外部オブジェクト情報に基づいて車両交通ネットワークの一部分を通り抜けることができ、車両交通ネットワーク情報、予測された外部オブジェクト情報、又はこれらの組み合わせに基づいて顕著性情報を生成することができる。自律走行車両動作管理システムは、後続のオブジェクト検出に使用するべく顕著性情報を認識システムに与えることができる。
ここでは自律走行車両を参照して説明されるにもかかわらず、ここに説明される方法及び装置は、自律又は半自律の動作が可能ないずれの車両にも実装されてよい。車両交通ネットワークを参照して説明されるにもかかわらず、ここに説明される方法及び装置は、自律走行車両が、当該車両が走行可能な任意のエリアにおいて動作することを含んでよい。
図１は、ここに開示される側面、特徴及び要素が実装され得る車両の一例の図である。図示のように、車両１０００は、車台１１００、パワートレイン１２００、コントローラ１３００及び車輪１４００を含む。車両１０００が簡潔性を目的として４つの車輪１４００を含むように示されるにもかかわらず、任意の他の単数又は複数の、プロペラ又はトレッドのような推進デバイスも使用され得る。図１において、パワートレイン１２００、コントローラ１３００及び車輪１４００のような要素を相互接続する線は、データ若しくは制御信号のような情報、電力若しくはトルクのようなパワー、又は情報及びパワーの双方が対応要素間で通信し得ることを示す。例えば、コントローラ１３００は、パワートレイン１２００からパワーを受け、パワートレイン１２００、車輪１４００又はその双方と通信して車両１０００を制御することができる。これは、例えば加速若しくは減速による車両の運動状態の制御、例えばステアリングによる車両の方向状態の制御、又は車両１０００のその他の制御を含む。
図示のように、パワートレイン１２００は、パワーソース１２１０、トランスミッション１２２０、ステアリングユニット１２３０及びアクチュエータ１２４０を含む。他の要素、又はパワートレインの要素、例えばサスペンション、ドライブシャフト、車軸若しくは排気システム、の組み合わせも含まれ得る。別個に示されるにもかかわらず、車輪１４００はパワートレイン１２００に含まれてよい。
パワーソース１２１０は、エンジン、バッテリ又はこれらの組み合わせを含んでよい。パワーソース１２１０は、電気エネルギー、熱エネルギー又は運動エネルギーのようなエネルギーを与えるべく動作可能な任意のデバイス、又はデバイスの組み合わせとしてよい。例えば、パワーソース１２１０は、内燃機関、電気モータ又は内燃機関と電気モータとの組み合わせのようなエンジンを含んでよく、車輪１４００の一以上に運動エネルギーを動力として供給するべく動作可能としてよい。パワーソース１２１０は、ポテンシャルエネルギーユニットを含み得る。例えば、ニッケルカドミウム（ＮｉＣｄ）、ニッケル亜鉛（ＮｉＺｎ）、ニッケル金属水素化物（ＮｉＭＨ）、リチウムイオン（Ｌｉ－ｉｏｎ）のような一以上の乾電池バッテリ、太陽電池、燃料電池、又は任意の他のエネルギー供給可能デバイスを含み得る。
トランスミッション１２２０は、パワーソース１２１０から運動エネルギーのようなエネルギーを受け取ることができ、当該エネルギーを車輪１４００に伝達して動力を与えることができる。トランスミッション１２２０は、コントローラ１３００、アクチュエータ１２４０、又はその双方によって制御され得る。ステアリングユニット１２３０は、コントローラ１３００、アクチュエータ１２４０、又はその双方によって制御してよく、車両を操舵するべく車輪１４００を制御してよい。アクチュエータ１２４０は、信号をコントローラ１３００から受信してよく、車両１０００を動作させるべくパワーソース１２１０、トランスミッション１２２０、ステアリングユニット１２３０、又はこれらの任意の組み合わせを作動させ又は制御してよい。
図示のように、コントローラ１３００は、ロケーションユニット１３１０、電子通信ユニット１３２０、プロセッサ１３３０、メモリ１３４０、ユーザインタフェイス１３５０、センサ１３６０、電子通信インタフェイス１３７０、又はこれらの任意の組み合わせを含んでよい。単一のユニットが図示されるにもかかわらず、コントローラ１３００の任意の一以上の要素が、任意数の別個の物理ユニットに統合されてよい。例えば、ユーザインタフェイス１３５０及びプロセッサ１３３０が第１物理ユニットに統合されてよく、メモリ１３４０が第２物理ユニットに統合されてよい。図１の示されないにもかかわらず、コントローラ１３００は、バッテリのようなパワーソースを含み得る。別個の要素として図示されるにもかかわらず、ロケーションユニット１３１０、電子通信ユニット１３２０、プロセッサ１３３０、メモリ１３４０、ユーザインタフェイス１３５０、センサ１３６０、電子通信インタフェイス１３７０、又はこれらの任意の組み合わせを一以上の電子ユニット、回路又はチップに統合してよい。
プロセッサ１３３０は、信号又は他の情報を操作又は処理することができる現在存在し又は今後開発される任意のデバイス、又は複数のデバイスの組み合わせを含んでよく、これらは、光プロセッサ、量子プロセッサ、分子プロセッサ、又はこれらの組み合わせを含む。例えば、プロセッサ１３３０は、一以上の特殊目的プロセッサ、一以上のデジタル信号プロセッサ、一以上のマイクロプロセッサ、一以上のコントローラ、一以上のマイクロコントローラ、一以上の集積回路、一以上の特定用途集積回路、一以上のフィールドプログラマブルゲートアレイ、一以上のプログラマブルロジックアレイ、一以上のプログラマブルロジックコントローラ、一以上の状態機械、又はこれらの任意の組み合わせを含み得る。プロセッサ１３３０は、ロケーションユニット１３１０、メモリ１３４０、電子通信インタフェイス１３７０、電子通信ユニット１３２０、ユーザインタフェイス１３５０、センサ１３６０、パワートレイン１２００、又はこれらの任意の組み合わせに動作可能に結合され得る。例えば、プロセッサは、通信バス１３８０を介してメモリ１３４０に動作可能に結合され得る。
メモリ１３４０は、例えば、プロセッサ１３３０による使用を目的とし又はプロセッサ１３３０と接続されて機械可読命令又は任意の関連情報を包含、記憶、通信又は移送することができる任意の有体非一時的コンピュータ使用可能又はコンピュータ可読媒体を含み得る。メモリ１３４０は、例えば、一以上のソリッドステートドライブ、一以上のメモリカード、一以上のリムーバブルメディア、一以上のリードオンリーメモリ、一以上のランダムアクセスメモリ、ハードディスク、フロッピーディスク（登録商標）、光ディスク、磁気カード若しくは光学カードを含む一以上のディスク、電子情報を記憶するのに適切な任意のタイプの非一時的媒体、又はこれらの任意の組み合わせとしてよい。
通信インタフェイス１３７０は、図示のように、無線アンテナ、有線通信ポート、光通信ポート、又は有線若しくは無線電子通信媒体１５００とインタフェイスをなし得る任意の他の有線若しくは無線ユニットとしてよい。図１に単一の通信リンクを介して通信する通信インタフェイス１３７０が示されるにもかかわらず、通信インタフェイスは、多数の通信リンクを介して通信するように構成してよい。図１に単一の通信インタフェイス１３７０が示されるにもかかわらず、車両は任意数の通信インタフェイスを含んでよい。
通信ユニット１３２０は、通信インタフェイス１３７０を介してのように、有線又は無線の通信媒体１５００を介して信号を送信又は受信するように構成されてよい。図１に明示的に示されないにもかかわらず、通信ユニット１３２０は、無線周波数（ＲＦ）、紫外線（ＵＶ）、可視光、光ファイバ、ワイヤライン、又はこれらの組み合わせのような任意の有線又は無線の通信媒体を介して送信、受信、又はその双方を行うように構成されてよい。図１に単一の通信ユニット１３２０及び単一の通信インタフェイス１３７０が示されるにもかかわらず、任意数の通信ユニット及び任意数の通信インタフェイスを使用してよい。いくつかの実施形態において、通信ユニット１３２０は、専用短距離通信（ＤＳＲＣ）ユニット、車載ユニット（ＯＢＵ）、又はこれらの組み合わせを含んでよい。
ロケーションユニット１３１０は、車両１０００の経度、緯度、高度、進行方向又は速度のようなジオロケーション情報を決定することができる。例えば、ロケーションユニットは、広域強化システム（Ｗｉｄｅ Ａｒｅａ Ａｕｇｍｅｎｔａｔｉｏｎ Ｓｙｓｔｅｍ（ＷＡＡＳ））対応全米海洋電子工業会（Ｎａｔｉｏｎａｌ Ｍａｒｉｎｅ－Ｅｌｅｃｔｒｏｎｉｃｓ Ａｓｓｏｃｉａｔｉｏｎ（ＮＭＥＡ））ユニット、無線三角測量ユニット、又はこれらの組み合わせのような、グローバルポジショニングシステム（ＧＰＳ）を含み得る。ロケーションユニット１３１０は、例えば、車両１０００の現在の進行方向、２次元又は３次元における車両１０００の現在の位置、車両１０００の現在の角度配向、又はこれらの組み合わせ、を表す情報を取得するべく使用してよい。
ユーザインタフェイス１３５０は、仮想若しくは物理キーパッド、タッチパッド、ディスプレイ、タッチディスプレイ、ヘッドアップディスプレイ、仮想ディスプレイ、拡張現実ディスプレイ、触覚ディスプレイ、視線追跡デバイスのような特徴追跡デバイス、スピーカ、マイクロフォン、ビデオカメラ、センサ、プリンタ、又はこれらの任意の組み合わせのような、人とのインタフェイスをなし得る任意のユニットを含み得る。ユーザインタフェイス１３５０は、図示のプロセッサ１３３０と、又はコントローラ１３００の任意の他の要素と、動作可能に結合されてよい。単一ユニットとして示されるにもかかわらず、ユーザインタフェイス１３５０は一以上の物理ユニットを含み得る。例えば、ユーザインタフェイス１３５０は、人との音声通信を行うためのオーディオインタフェイス、及び人との視覚かつタッチベースの通信を行うためのタッチディスプレイを含み得る。ユーザインタフェイス１３５０は、複数の物理的に別個のユニット、単一の物理ユニット内の複数の画定された部分、又はこれらの組合せのような多数のディスプレイを含み得る。
センサ１３６０は、車両を制御するべく使用され得る情報を与えるように動作可能となり得る複数のセンサの一アレイのような一以上のセンサを含み得る。センサ１３６０は、車両１０００の現在の動作特性に関する情報を与えることができる。センサ１３６０は、例えば、速度センサ、加速度センサ、操舵角センサ、トラクション関連センサ、制動関連センサ、ハンドル位置センサ、アイトラッキングセンサ、着座位置センサ、又は車両１０００の現在の動的状況のいくつかの側面に関する情報を報告するように動作可能な任意のセンサ若しくは複数のセンサの組み合わせを含み得る。
センサ１３６０は、車両１０００を取り囲む物理環境に関する情報を取得するように動作可能な一以上のセンサを含み得る。例えば、一以上のセンサは、車線ラインのような道路形状及び特徴、並びに固定障害物、車両及び歩行者のような障害物を検出し得る。センサ１３６０は、一以上のビデオカメラ、レーザセンシングシステム、赤外線センシングシステム、音響センシングシステム、若しくは任意の他の適切なタイプの車載環境センシングデバイス、又は現在知られている若しくは後に開発されるデバイスの組み合わせであってよく、又はこれらを含んでよい。いくつかの実施形態において、センサ１３６０及びロケーションユニット１３１０は、組み合わせユニットとしてよい。
別個に図示されないにもかかわらず、車両１０００は軌道コントローラを含み得る。例えば、コントローラ１３００が軌道コントローラを含み得る。軌道コントローラは、車両１０００の現在の状態、及び車両１０００のために計画された経路を記述する情報を取得し、この情報に基づいて車両１０００のための軌道を決定及び最適化するように動作可能となり得る。いくつかの実施形態において、軌道コントローラは、車両１０００が、軌道コントローラが決定する軌道に追従するように、車両１０００を制御するべく動作可能な信号を出力することができる。例えば、軌道コントローラの出力は、パワートレイン１２００、車輪１４００、又はその双方に供給され得る最適化軌道となり得る。いくつかの実施形態において、最適化軌道は、一組の操舵角のような制御入力としてよく、各操舵角は、一時点又は一位置に対応する。いくつかの実施形態において、最適化軌道は、一以上の経路、直線、曲線、又はこれらの組み合わせとしてよい。
車輪１４００の一以上を、ステアリングユニット１２３０の制御下で操舵角に枢動可能な***舵車輪、ランスミッション１２２０の制御下で車両１０００を推進するべくトルクがかけられる被推進車輪、又は車両１０００を操舵及び推進し得る***舵及び被推進の車輪としてよい。
図１に示されないにもかかわらず、車両は、エンクロージャ、ブルートゥース（登録商標）モジュール、周波数変調（ＦＭ）無線ユニット、近距離無線通信（ＮＦＣ）モジュール、液晶ディスプレイ（ＬＣＤ）ディスプレイユニット、有機発光ダイオード（ＯＬＥＤ）ディスプレイユニット、スピーカ、又はこれらの任意の組み合わせのような、図１に示されないユニット又は要素を含み得る。
車両１０００は、直接の人間介入なしに、車両交通ネットワークの一部分を通り抜けるべく自律的に制御される自律走行車両としてよい。図１に別個に示されないにもかかわらず、自律走行車両は、自律走行車両のルーティング、ナビゲーション及び制御を行い得る自律走行車両制御ユニットを含み得る。自律走行車両制御ユニットは、車両の他ユニットに統合されてよい。例えば、コントローラ１３００が自律走行車両制御ユニットを含み得る。
自律走行車両制御ユニットは、車両１０００を、現在の車両動作パラメータに応じて車両交通ネットワークの一部分を通り抜けるように、制御し又は動作させることができる。自律走行車両制御ユニットは、車両１０００を、車両を駐車することのような所定の動作又は操作を行うように、制御し又は動作させることができる。自律走行車両制御ユニットは、車両１０００の現在位置のような起点から目的地までの走行ルートを、車両情報、環境情報、車両交通ネットワークを表す車両交通ネットワークデータ、又はこれらの組み合わせに基づいて生成することができ、そのルートに応じて車両１０００を、車両交通ネットワークを通り抜けるように制御し又は動作させることができる。例えば、自律走行車両制御ユニットは、走行ルートを軌道コントローラに出力することができ、軌道コントローラは、生成されたルートを使用して車両１０００を起点から目的地まで走行させることができる。
図２は、ここに開示される側面、特徴及び要素が実装され得る車両交通及び通信システムの一部分の一例の図である。車両交通及び通信システム２０００は、図１に示される車両１０００のような一以上の車両２１００／２１１０を含み得る。この車両は、一以上の車両交通ネットワーク２２００の一以上の部分を介して走行することができ、一以上の電子通信ネットワーク２３００を介して通信することができる。図２に明示的に示されないにもかかわらず、車両は、オフロードエリアのような、車両交通ネットワークに明示的に又は完全に含まれるわけではないエリアを通り抜けてよい。
電子通信ネットワーク２３００は、例えば多重アクセスシステムとすることができ、車両２１００／２１１０と一以上の通信デバイス２４００との間の音声通信、データ通信、ビデオ通信、メッセージング通信、又はこれらの組合せのような通信を与えることができる。例えば、車両２１００／２１１０は、車両交通ネットワーク２２００を表す情報のような情報を、通信デバイス２４００からネットワーク２３００を介して受信することができる。
いくつかの実施形態において、車両２１００／２１１０は、有線通信リンク（図示せず）、無線通信リンク２３１０／２３２０／２３７０、又は任意数の有線若しくは無線通信リンクの組み合わせを介して通信することができる。例えば、図示のように、車両２１００／２１１０は、地上無線通信リンク２３１０を介して、非地上無線通信リンク２３２０を介して、又はこれらの組み合わせを介して、通信することができる。地上無線通信リンク２３１０は、イーサネット（登録商標）リンク、シリアルリンク、ブルートゥースリンク、赤外線（ＩＲ）リンク、紫外線（ＵＶ）リンク、又は電子通信を与え得る任意のリンクを含み得る。
車両２１００／２１１０は、他の車両２１００／２１１０と通信してよい。例えば、ホストすなわちサブジェクトの車両（ＨＶ）２１００が、ベーシックセーフティメッセージ（ＢＳＭ）のような一以上の自動化車両間メッセージを、遠隔車両すなわち標的の車両（ＲＶ）２１１０から、直接通信リンク２３７０を介して、又はネットワーク２３００を介して、受信することができる。例えば、遠隔車両２１１０は、３００メートルのような所定ブロードキャスト範囲内のホスト車両にメッセージをブロードキャストすることができる。いくつかの実施形態において、ホスト車両２１００は、信号中継器（図示せず）又は他の遠隔車両（図示せず）のような第三者を介してメッセージを受信してよい。車両２１００／２１１０は、例えば１００ミリ秒のような所定間隔に基づいて周期的に、一以上の自動化車両間メッセージを送信してよい。
自動化車両間メッセージは、車両識別情報、経度、緯度若しくは高度情報のような地理空間状態情報、地理空間ロケーション精度情報、車両加速度情報、ヨーレート情報、速度情報、車両方位情報、制動システム状態情報、スロットル情報、ハンドル角情報若しくは車両ルーティング情報のような運動状態情報、又は車両サイズ情報、ヘッドライト状態情報、ターンシグナル情報、ワイパー状態情報、トランスミッション情報、若しくは伝動車両状態に関連する任意の他の情報若しくは情報の組み合わせを含み得る。例えば、トランスミッション状態情報は、伝動車両のトランスミッションがニュートラル状態、パーキング状態、前進状態、逆進状態のいずれであるかを示してよい。
車両２１００は、アクセスポイント２３３０を介して通信ネットワーク２３００と通信することができる。コンピューティングデバイスを含み得るアクセスポイント２３３０は、車両２１００と、通信ネットワーク２３００と、一以上の通信デバイス２４００と、又はこれらの組み合わせと、有線又は無線通信リンク２３１０／２３４０を介して通信するように構成され得る。例えば、アクセスポイント２３３０は、基地局、基地トランシーバ局（ＢＴＳ）、ノードＢ、拡張ノードＢ（ｅＮｏｄｅ－Ｂ）、ホームノードＢ（ＨＮｏｄｅ－Ｂ）、無線ルータ、有線ルータ、ハブ、リレー、スイッチ、又は任意の同様の有線若しくは無線デバイスとしてよい。図２において単一ユニットとして示されるにもかかわらず、アクセスポイントは、任意数の相互接続された要素を含み得る。
車両２１００は、通信ネットワーク２３００と、衛星２３５０又は他の非地上通信デバイスを介して通信することができる。コンピューティングデバイスを含み得る衛星２３５０を、車両２１００と、通信ネットワーク２３００と、一以上の通信デバイス２４００と、又はこれらの組み合わせと、一以上の通信リンク２３２０／２３６０を介して通信するように構成することができる。図２において単一ユニットとして示されるにもかかわらず、衛星は、任意数の相互接続された要素を含み得る。
電子通信ネットワーク２３００は、音声、データ、又は任意の他のタイプの電子通信を与えるように構成された任意のタイプのネットワークとしてよい。例えば、電子通信ネットワーク２３００は、ローカルエリアネットワーク （ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、仮想プライベートネットワーク（ＶＰＮ）、移動体又はセルラー電話ネットワーク、インターネット、又は任意の他の電子通信システムを含み得る。電子通信ネットワーク２３００は、トランスミッション制御プロトコル（ＴＣＰ）、ユーザデータグラムプロトコル（ＵＤＰ）、インターネットプロトコル（ＩＰ）、リアルタイムトランスポートプロトコル（ＲＴＰ）、ハイパーテキストトランスポートプロトコル（ＨＴＴＰ）、又はこれらの組み合わせのような通信プロトコルを使用してよい。図２において単一ユニットとして示されるにもかかわらず、電子通信ネットワークは、任意数の相互接続された要素を含み得る。
車両２１００は、車両交通ネットワーク２２００の一部分又は条件を特定することができる。例えば、車両２１００は、図１に示されるセンサ１３６０のような一以上の車載センサ２１０５を含み得る。これは、速度センサ、車輪速度センサ、カメラ、ジャイロスコープ、光センサ、レーザセンサ、レーダーセンサ、ソニックセンサ、又は車両交通ネットワーク２２００の一部分若しくは条件を決定若しくは特定することができる任意の他のセンサ若しくはデバイス若しくはこれらの組み合わせを含み得る。センサデータは、車線ラインデータ、遠隔車両ロケーションデータ、又はその双方を含み得る。
車両２１００は、車両交通ネットワーク２２００を表す情報のようなネットワーク２３００を介して通信される情報、一以上の車載センサ２１０５によって特定される情報、又はこれらの組み合わせを使用して、一以上の車両交通ネットワーク２２００の一部分又は複数部分を通り抜けることができる。
簡単のため図２が２つの車両２１００、２１１０、一つの車両交通ネットワーク２２００、一つの電子通信ネットワーク２３００、及び一つの通信デバイス２４００を示すにもかかわらず、任意数の車両、ネットワーク又はコンピューティングデバイスを使用してよい。車両交通及び通信システム２０００は、図２に示されないデバイス、ユニット又は要素を含み得る。車両２１００が単一ユニットとして示されるにもかかわらず、車両は、任意数の相互接続された要素を含み得る。
車両２１００がネットワーク２３００を介して通信デバイス２４００と通信するように示されるにもかかわらず、車両２１００は、任意数の直接又は間接通信リンクを介して通信デバイス２４００と通信してよい。例えば、車両２１００は、ブルートゥース通信リンクのような直接通信リンクを介して通信デバイス２４００と通信してよい。
いくつかの実施形態において、車両２１００／２２１０を、車両の運転者、操作者又は所有者のようなエンティティ２５００／２５１０に関連付けることができる。いくつかの実施形態において、車両２１００／２１１０に関連付けられたエンティティ２５００／２５１０を、スマートフォン２５０２／２５１２又はコンピュータ２５０４／２５１４のような一以上の個人用電子デバイス２５０２／２５０４／２５１２／２５１４に関連付けることができる。いくつかの実施形態において、個人用電子デバイス２５０２／２５０４／２５１２／２５１４は、対応する車両２１００／２１１０と、直接又は間接通信リンクを介して通信することができる。一つのエンティティ２５００／２５１０が一つの車両２１００／２１１０に関連付けられ図２に示されるにもかかわらず、任意数の車両が一のエンティティに関連付けられてよく、任意数のエンティティが一の車両に関連付けられてよい。
図３は、本開示に係る車両交通ネットワークの一部分の図である。車両交通ネットワーク３０００は、建物のような一以上のナビゲーション不能エリア３１００、駐車エリア３２００のような一以上の部分的ナビゲーション可能エリア、道路３３００／３４００のような一以上のナビゲーション可能エリア、又はこれらの組み合わせを含み得る。いくつかの実施形態において、図１に示される車両１０００のような自律走行車両、図２に示される車両２１００／２１１０の一つ、半自律走行車両、又は自律走行を実装する任意の他の車両が、車両交通ネットワーク３０００の一部分を通り抜けることができる。
車両交通ネットワーク３０００は、一以上のナビゲーション可能又は部分的ナビゲーション可能エリア３２００／３３００／３４００の間に一以上のインターチェンジ３２１０を含み得る。例えば、図３に示される車両交通ネットワーク３０００の一部分は、駐車エリア３２００と道路３４００との間にインターチェンジ３２１０を含む。駐車エリア３２００は、パーキングスロット３２２０を含み得る。
道路３３００／３４００のような車両交通ネットワーク３０００の一部分は、一以上の車線３３２０／３３４０／３３６０／３４２０／３４４０を含み、図３に矢印で示される一以上の進行方向に関連付けられる。
車両交通ネットワーク、又は図３に示される車両交通ネットワーク３０００の一部分のようなその一部分を、車両交通ネットワークデータとして表すことができる。例えば、車両交通ネットワークデータは、データベース又はファイルに記憶され得るマークアップ言語要素のような要素の階層として表現され得る。簡単のため、ここでの図面は、車両交通ネットワークの複数の部分を表す車両交通ネットワークデータを図又はマップとして示すが、車両交通ネットワークデータは、車両交通ネットワーク又はその一部分を表すことができる任意のコンピュータ利用可能な形式で表現してよい。車両交通ネットワークデータは、走行方向情報、制限速度情報、料金情報、傾斜又は角度情報のようなグレード情報、表面材料情報、美的情報、所定の危険の情報、又はこれらの組み合わせのような、車両交通ネットワーク制御情報を含み得る。
車両交通ネットワークは、歩行者交通ネットワークに関連付けられてよいし、歩行者交通ネットワークを含んでもよい。例えば、図３は、歩行者通路であってもよい歩行者交通ネットワークの一部分３６００を含む。図３に別個に示されないにもかかわらず、横断歩道のような歩行者ナビゲート可能エリアが、車両交通ネットワークのナビゲート可能エリア又は部分的ナビゲート可能エリアに対応し得る。
車両交通ネットワークの一部分又は複数部分の組み合わせを、関心ポイント又は目的地として特定することができる。例えば、車両交通ネットワークデータは、建物をナビゲート不能エリア３１００として、及び隣接する部分的ナビゲート可能駐車エリア３２００を関心地点として特定することができ、車両は関心ポイントを目的地として特定することができ、その車両は、車両交通ネットワークを通り抜けることによって起点から目的地まで走行することができる。ナビゲーション不能エリア３２００に関連付けられた駐車エリア３１００が、図３においてナビゲーション不能エリア３１００に隣接して示されるにもかかわらず、目的地は、例えば、建物と、その建物に物理的又は地理的に非隣接の駐車エリアとを含んでもよい。
目的地を特定することは、目的地のためのロケーションを特定することを含み、これは、個別の一意的に特定可能なジオロケーションであってよい。例えば、車両交通ネットワークは、目的地のための、番地、郵便宛先、車両交通ネットワークアドレス、ＧＰＳアドレス、又はこれらの組み合わせのような、所定ロケーションを含み得る。
目的地を、図３に示されるエントランス３５００のような一以上のエントランスに関連付けてよい。車両交通ネットワークデータは、目的地に関連付けられたエントランスのジオロケーションを特定する情報のような、所定のエントランスロケーション情報を含み得る。
目的地を、図３に示されるドッキングロケーション３７００のような、一以上のドッキングロケーションに関連付けてよい。ドッキングロケーション３７００は、乗客の乗り降りのようなドッキング動作を行うことができるように、自律走行車両が停車、停止又は駐車することができる目的地に近接する指定の又は未指定のロケーション又はエリアとしてよい。
車両交通ネットワークデータは、目的地に関連付けられたドッキングロケーション３７００のジオロケーションを特定する情報のような、ドッキングロケーション情報を含み得る。図３に別個に示されないにもかかわらず、ドッキングロケーション情報は、ドッキングロケーション３７００に関連付けられた動作のタイプを特定することができる。例えば、目的地を、乗客が乗り込むための第１ドッキングロケーション、及び乗客が降りるための第２ドッキングロケーションに関連付けることができる。自律走行車両がドッキングロケーションに駐車し得るにもかかわらず、目的地に関連付けられたドッキングロケーションを、目的地に関連付けられた駐車エリアから独立かつ別個としてよい。
図４は、本開示の実施形態に係る自律走行車両動作管理システムの一例の図である。自律走行車両動作管理システム４０００は、図１に示される車両１０００、図２に示される車両２１００／２１１０の一つ、半自律走行車両、又は任意の他の自律走行実装車両のような自律走行車両に実装することができる。
自律走行車両は、車両交通ネットワーク、又はその一部分を通り抜けることができる。これは、特異車両動作シナリオを通り抜けることを含み得る。特異車両動作シナリオは、自律走行車両の所定時空エリア内の又は動作環境内の自律走行車両の動作に影響を及ぼし得る動作条件の特異的に特定可能なセットを含み得る。例えば、特異車両動作シナリオは、自律走行車両が所定時空距離内で通り抜けることができる道路、道路セグメント又は車線の数又は濃度に基づいてよい。他例において、特異車両動作シナリオは、自律走行車両の所定時空エリア内の又は動作環境内の自律走行車両の動作に影響を及ぼし得る一以上の交通制御デバイスに基づいてよい。他例において、特異車両動作シナリオは、自律走行車両の所定時空エリア内の又は動作環境内の自律走行車両の動作に影響を及ぼし得る一以上の特定可能なルール、規則又は法律に基づいてよい。他例において、特異車両動作シナリオは、自律走行車両の所定時空エリア内の又は動作環境内の自律車両の動作に影響を及ぼし得る一以上の特定可能な外部オブジェクトに基づいてよい。
簡単及び明確性のため、同様の車両動作シナリオが、車両動作シナリオのタイプ又はクラスを参照してここに記載され得る。車両動作シナリオのタイプ又はクラスは、当該シナリオの所定パターン又は複数パターンの所定セットを言及し得る。例えば、交差点シナリオは、自律走行車両が交差点を通り抜けることを含み、歩行者シナリオは、自律走行車両が、一人以上の歩行者から所定近さを含む又は所定近さ内にある車両交通ネットワークの一部分を通り抜けることを含み、これは例えば、歩行者が自律走行車両の予測経路を横断している又は当該経路に近付いている場合である。車線変更シナリオは、自律走行車両が車線変更によって車両交通ネットワークの一部分を通り抜けることを含む。合流シナリオは、自律走行車両が第１車線から合流車線へ合流することによって車両交通ネットワークの一部分を通り抜けることを含む。通過障害シナリオは、自律走行車両が障害物又は障害を通過することによって車両交通ネットワークの一部分を通り抜けることを含む。歩行者車両動作シナリオ、交差点車両動作シナリオ、車線変更車両動作シナリオ、合流車両動作シナリオ及び通過障害車両動作シナリオがここに説明されるにもかかわらず、任意の他の車両動作シナリオ又は車両動作シナリオタイプを使用してよい。
図４に示されるように、自律走行車両動作管理システム４０００は、自律走行車両動作管理コントローラ（ＡＶＯＭＣ）４１００、動作環境モニタ４２００、及びシナリオ固有動作制御評価モジュール４３００を含む。
自律走行車両のＡＶＯＭＣ４１００又は他のユニットは、自律走行車両を、車両交通ネットワーク又はその一部分を通り抜けるように制御することができる。自律走行車両を、車両交通ネットワークを通り抜けるように制御することは、自律走行車両の動作環境をモニタすることと、特異車両動作シナリオを特定又は検出することと、当該特異車両動作シナリオに基づいて候補車両制御アクションを特定することと、当該候補車両制御アクションの一以上又はその組み合わせに応じて当該自律走行車両を、当該車両交通ネットワークの一部分を通り抜けるように制御することとを含み得る。
ＡＶＯＭＣ４１００は、自律走行車両の動作環境又はその一以上の側面を表す動作環境データを受信、識別、又はアクセスすることができる。自律走行車両の動作環境は、自律走行車両の所定時空間エリア内、自律走行車両の所定ルートの所定時空間エリア内、又はこれらの組み合わせ内の自律走行車両の動作に影響を及ぼし得る特異的に特定可能な動作条件のセットを含み得る。例えば、自律走行車両の動作に影響を及ぼし得る動作条件は、センサデータ、車両交通ネットワークデータ、ルートデータ、又は車両の定義又は決定された動作環境を表す任意の他のデータ又はデータの組み合わせに基づいて特定することができる。
動作環境データは、自律走行車両の地理空間ロケーションを示す情報、自律走行車両の地理空間ロケーションを車両交通ネットワークを表す情報に相関させる情報、自律走行車両のルート、自律走行車両の速度、自律走行車両の加速状態、自律走行車両の乗客情報、又は自律走行車両若しくは自律車両の動作に関する任意の他の情報のような、自律走行車両の車両情報を含み得る。動作環境データは、自律走行車両のために特定されたルートに近接する車両交通ネットワークを表す情報、例えば、特定されたルートに沿った車両交通ネットワークの複数部分の、３００メートルのような所定空間距離内の車両交通ネットワークを表す情報、を含み得る。これは、車両交通ネットワークの一以上の側面の幾何学形状を示す情報、車両交通ネットワークの、表面条件のような条件を示す情報、又はこれらの任意の組み合わせを含み得る。動作環境データは、３００メートルのような自律走行車両の所定空間距離内のような、自律走行車両に近接する車両交通ネットワークを表す情報を含み得る。これは、車両交通ネットワークの一以上の側面の幾何学的形状を示す情報、車両交通ネットワークの、表面条件のような条件を示す情報、又はこれらの任意の組み合わせを含み得る。動作環境データは、歩行者、非人間動物、自転車若しくはスケートボードのような非原動機交通デバイス、遠隔車両のような電動機交通デバイス、又は自律走行車両の動作に影響を及ぼし得る任意の他の外部オブジェクト若しくはエンティティを表す情報のような、自律走行車両の動作環境内の外部オブジェクトを表す情報を含み得る。
自律走行車両の動作環境の側面を、それぞれの特異車両動作シナリオの中で表すことができる。例えば、外部オブジェクトの相対的な配向、軌道、予測経路を、それぞれの特異車両動作シナリオの中で表すことができる。他例において、車両交通ネットワークの相対的な幾何学的形状を、それぞれの特異車両動作シナリオの中で表すことができる。
一例として、第１の特異車両動作シナリオは、横断歩道で道路を横断する歩行者に対応し、右から左に横断するための左から右への横断のような歩行者の相対的配向及び予測経路を、第１の特異車両動作シナリオの中で表すことができる。第２の特異車両動作シナリオは、交通規則を無視した道路横断歩行により道路を横断する歩行者に対応し、右から左に横断するための左から右への横断のような歩行者の相対的配向及び予測経路を、第２の特異車両動作シナリオの中で表すことができる。
自律走行車両は、動作環境の中で多数の特異車両動作シナリオを通り抜けることができる。そのシナリオは、複合的な車両動作シナリオの側面となり得る。自律走行車両動作管理システム４０００は、安全制約、法的制約、物理的制約、ユーザ受容性制約、又は自律走行車両の動作のために定義又は導出され得る任意の他の制約又は複数の制約の組み合せのような、所定の制約に従う特異車両動作シナリオを通り抜けるように自律走行車両を動作させ又は制御し得る。
ＡＶＯＭＣ４１００は、自律走行車両の動作環境又は所定側面をモニタすることができる。自律走行車両の動作環境をモニタすることは、外部オブジェクトを特定及び追跡すること、特異車両動作シナリオを特定すること、又はこれらの組み合わせを含み得る。例えば、ＡＶＯＭＣ４１００は、自律走行車両の動作環境によって外部オブジェクトを特定及び追跡することができる。外部オブジェクトを特定及び追跡することは、自律走行車両に対して相対的となり得るそれぞれの外部オブジェクトの時空間ロケーションを特定することと、一の外部オブジェクトの速度、軌道、又はその双方を特定することを含み得るそれぞれの外部オブジェクトの一以上の予測経路を特定することとを含み得る。簡単及び明確性のため、ここでのロケーション、予測ロケーション、経路、予測経路等の記述は、対応するロケーション及び経路が地理空間的及び時間的コンポーネントを言及するという明示的な指示を省略することができる。しかしながら、ここに明示的に示されない限り、又は文脈から一義的に明らかでない限り、ここに記載されるロケーション、予測ロケーション、経路、予測経路等は、地理空間的コンポーネント、時間的コンポーネント、又はその双方を含み得る。自律走行車両の動作環境をモニタすることは、動作環境モニタ４２００から受信した動作環境データを使用することを含み得る。
動作環境モニタ４２００は、シナリオ不可知モニタ、シナリオ固有モニタ、又はこれらの組み合わせを含み得る。遮断モニタ４２１０のようなシナリオ不可知モニタは、自律走行車両の動作環境をモニタし、自律走行車両の動作環境の側面を表す動作環境データを生成し、その動作環境データを一以上のシナリオ固有モニタ、ＡＶＯＭＣ４１００、又はこれらの組み合わせに出力することができる。歩行者モニタ４２２０、交差点モニタ４２３０、車線変更モニタ４２４０、合流モニタ４２５０又は前方障害モニタ４２６０のようなシナリオ固有モニタは、自律走行車両の動作環境をモニタし、自律走行車両の動作環境のシナリオ固有側面を表す動作環境データを生成し、その動作環境データを一以上のシナリオ固有動作制御評価モジュール４３００、ＡＶＯＭＣ４１００、又はこれらの組み合わせに出力することができる。例えば、歩行者モニタ４２２０は、歩行者をモニタする動作環境モニタとしてよく、交差点モニタ４２３０は、交差点をモニタする動作環境モニタとしてよく、車線変更モニタ４２４０は、車線変更をモニタする動作環境モニタとしてよく、合流モニタ４２５０は、合流の動作環境モニタとしてよく、前方障害モニタ４２６０は、前方障害をモニタする動作環境モニタとしてよい。動作環境モニタ４２７０が、自律走行車両動作管理システム４０００が任意数の動作環境モニタ４２００を含み得ることを示すべく破線を使用して示される。
動作環境モニタ４２００が、自律走行車両の一以上のセンサが生成又はキャプチャした動作環境データ、車両交通ネットワークデータ、車両交通ネットワーク幾何学形状データ、ルートデータ、又はこれらの組み合わせのような、動作環境データを受信し又はこれにアクセスする。例えば、歩行者モニタ４２２０は、自律走行車両の動作環境における一以上の歩行者を示し、これに対応し、又はこれに関連付けられるセンサデータのような情報を受信し又はアクセスすることができる。動作環境モニタ４２００は、動作環境データ又はその一部分を、動作環境又はその一側面に関連付けることができる。例えば、歩行者のような外部オブジェクト、遠隔車両、又は車両交通ネットワーク幾何学形状の一側面に関連付けることができる。
動作環境モニタ４２００は、動作環境の一以上の側面を表す情報を生成又は特定することができる。例えば、歩行者のような外部オブジェクト、遠隔車両、又は車両交通ネットワーク幾何学形状の一側面に関連付けることができる。これは、動作環境データをフィルタリング、抽象化又は処理することを含み得る。動作環境モニタ４２００は、例えば、図１に示されるメモリ１３４０のような、ＡＶＯＭＣ４１００によりアクセス可能な自律走行車両のメモリに、動作環境の一以上の側面を表す情報を記憶すること、動作環境の一以上の側面を表す情報をＡＶＯＭＣ４１００に送信すること、又はこれらの組み合わせによって、動作環境の一以上の側面を表す情報をＡＶＯＭＣ４１００に、又はＡＶＯＭＣ４１００によるアクセスのために、出力することができる。動作環境モニタ４２００は、動作環境データを、ＡＶＯＭＣ４１００のような自律走行車両動作管理システム４０００の一つ以上の要素に出力することができる。図４に示されないにもかかわらず、シナリオ固有動作環境モニタ４２２０、４２３０、４２４０、４２５０、４２６０が、動作環境データを、遮断モニタ４２１０のような、シナリオ不可知動作環境モニタに出力することができる。
歩行者モニタ４２２０は、一以上の歩行者のアクションを特定、追跡又は予想するべく動作環境データを相関させ、関連付け、又は処理することができる。例えば、歩行者モニタ４２２０は、一以上の歩行者に対応し得る一以上のセンサからセンサデータのような情報を受信することができる。歩行者モニタ４２２０は、センサデータを、一以上の特定歩行者に関連付けることができる。これは、それぞれの特定歩行者の一人以上の進行方向、予測経路のような経路、現在若しくは予測速度、現在若しくは予測加速率、又はこれらの組み合わせを特定することを含み得る。歩行者モニタ４２２０は、特定された、関連付けられた、又は生成された歩行者情報を、ＡＶＯＭＣ４１００に、又はＡＶＯＭＣ４１００によるアクセスのために出力することができる。
交差点モニタ４２３０は、自律走行車両の動作環境における一以上の遠隔車両のアクションを特定、追跡又は予想するべく、自律走行車両の動作環境における交差点又はその一側面を特定するべく、車両交通ネットワーク幾何学形状を特定するべく、又はこれらの組み合わせのために、動作環境データを相関させ、関連付け、又は処理することができる。例えば、交差点モニタ４２３０は、センサデータのような情報を、自律走行車両の動作環境における一以上の遠隔車両、自律走行車両の動作環境における交差点若しくはその一以上の側面、車両交通ネットワーク幾何学形状、又はこれらの組み合わせに対応し得る一以上のセンサから受信することができる。交差点モニタ４２３０はセンサデータを、自律走行車両の動作環境における一以上の特定遠隔車両、自律走行車両の動作環境における交差点若しくはその一以上の側面、車両交通ネットワーク幾何学形状、又はこれらの組み合わせに関連付けることができる。これは、それぞれの特定遠隔車両の一以上の現在若しくは予測進行方向、予測経路のような経路、現在若しくは予測速度、現在若しくは予測加速率、又はこれらの組み合わせを特定することを含み得る。交差点モニタ４２３０は、特定され、関連付けられ、又は生成された交差点情報をＡＶＯＭＣ４１００に、又はＡＶＯＭＣ４１００によるアクセスのために出力することができる。
車線変更モニタ４２４０は、自律走行車両の予測経路沿いのゆっくりとした又は静止した遠隔車両を示す情報のような自律走行車両の動作環境における一以上の遠隔車両のアクションを特定、追跡若しくは予想するべく、自律走行車両の動作環境における車両交通ネットワーク幾何学形状のような自律走行車両の動作環境の一以上の側面を特定するべく、又は車線変更動作に地理空間的に対応するこれらの組み合わせのために動作環境データを相関させ、関連付け、又は処理することができる。例えば、車線変更モニタ４２４０は、センサデータのような情報を、自律走行車両の動作環境における一以上の遠隔車両、自律走行車両の動作環境における自律走行車両の動作環境の一以上の側面、又は車線変更動作に地理空間的に対応するこれらの組み合わせに対応し得る一以上のセンサから受信することができる。車線変更モニタ４２４０はセンサデータを、自律走行車両の動作環境における一以上の特定遠隔車両、自律走行車両の動作環境の一以上の側面、又は車線変更動作に地理空間的に対応するこれらの組み合わせに関連付けることができる。これは、それぞれの特定遠隔車両のうち一以上の、現在若しくは予測進行方向、予測経路のような経路、現在若しくは予測速度、現在若しくは予測加速率、又はこれらの組み合わせを特定することを含み得る。車線変更モニタ４２４０は、特定され、関連付けられ、又は生成された車線変更情報をＡＶＯＭＣ４１００に、又はＡＶＯＭＣ４１００によるアクセスのために出力することができる。
合流モニタ４２５０は、自律走行車両の動作環境における一以上の遠隔車両のアクションを特定、追跡若しくは予想するべく、自律走行車両の動作環境における車両交通ネットワーク幾何学形状のような自律走行車両の動作環境の一以上の側面を特定するべく、又は合流動作に地理空間的に対応するこれらの組み合わせのために動作環境データを相関させ、関連付け、又は処理することができる。例えば、合流モニタ４２５０は、センサデータのような情報を、自律走行車両の動作環境における一以上の遠隔車両、自律走行車両の動作環境における自律走行車両の動作環境の一以上の側面、又は合流動作に地理空間的に対応するこれらの組み合わせに対応し得る一以上のセンサから受信することができる。合流モニタ４２５０はセンサデータを、自律走行車両の動作環境における一以上の特定遠隔車両、自律走行車両の動作環境の一以上の側面、又は合流動作に地理空間的に対応するこれらの組み合わせに関連付けることができる。これは、それぞれの特定遠隔車両のうち一以上の、現在若しくは予測進行方向、予測経路のような経路、現在若しくは予測速度、現在若しくは予測加速率、又はこれらの組み合わせを特定することを含み得る。合流モニタ４２５０は、特定され、関連付けられ、又は生成された合流情報をＡＶＯＭＣ４１００に、又はＡＶＯＭＣ４１００によるアクセスのために出力することができる。
前方障害モニタ４２６０は、前方障害動作に地理空間的に対応する自律走行車両の動作環境の一以上の側面を特定するべく、動作環境データを相関させ、関連付け、又は処理することができる。例えば、前方障害モニタ４２６０は、自律走行車両の動作環境における車両交通ネットワーク幾何学形状を特定することができる。前方障害モニタ４２６０は、自律走行車両の予測経路沿いの又は自律走行車両の特定ルート沿いのゆっくりとした若しくは静止した遠隔車両のような自律走行車両の動作環境における一以上の障害又は障害物を特定することができる。前方障害モニタ４２６０は、自律走行車両の動作環境における一以上の遠隔車両のアクションを特定、追跡又は予想することができる。前方障害モニタ４２５０は、センサデータのような情報を、自律走行車両の動作環境における一以上の遠隔車両、自律走行車両の動作環境における自律走行車両の動作環境の一以上の側面、又は前方障害動作に地理空間的に対応するこれらの組み合わせに対応し得る一以上のセンサから受信することができる。前方障害モニタ４２５０はセンサデータを、自律走行車両の動作環境における一以上の特定遠隔車両、自律走行車両の動作環境の一以上の側面、又は前方障害動作に地理空間的に対応するこれらの組み合わせに関連付けることができる。これは、それぞれの特定遠隔車両のうち一以上の、現在若しくは予測進行方向、予測経路のような経路、現在若しくは予測速度、現在若しくは予測加速率、又はこれらの組み合わせを特定することを含み得る。前方障害モニタ４２５０は、特定され、関連付けられ、又は生成された前方障害情報をＡＶＯＭＣ４１００に、又はＡＶＯＭＣ４１００によるアクセスのために出力することができる。
遮断モニタ４２１０は、自律走行車両の、動作環境又はその一側面を表す動作環境データを受信し得る。遮断モニタ４２１０は、自律走行車両に近接する車両交通ネットワークの複数部分のような、車両交通ネットワークの一以上の部分に対する、それぞれの利用可能性確率又は対応する遮断確率を決定することができる。これは、自律走行車両の現在ルートに基づいて特定された予測経路のような、自律走行車両の予測経路に対応する車両交通ネットワークの複数部分を含み得る。利用可能性確率又は対応する遮断確率が、自律走行車両が車両交通ネットワークの一部分又はその中の空間ロケーションを、遠隔車両又は歩行者のような外部オブジェクトにより妨害されることなく、安全に通り抜ける確率又は尤度を示し得る。遮断モニタ４２１０は、利用可能性を連続的又は周期的に決定又は更新することができる。遮断モニタ４２１０は、利用可能性確率又は対応する遮断確率をＡＶＯＭＣ４１００に通信することができる。
ＡＶＯＭＣ４１００は、動作環境データが表す動作環境の一以上の側面に基づいて一以上の特異車両動作シナリオを特定することができる。例えば、ＡＶＯＭＣ４１００は、動作環境モニタ４２００の一以上が示す動作環境データを特定したことに応答して、又はその特定に基づいて、特異車両動作シナリオを特定することができる。特異車両動作シナリオは、ルートデータ、センサデータ、又はこれらの組み合わせに基づいて特定することができる。例えば、ＡＶＯＭＣ４１００は、ルートの特定に応答して、当該車両の一の特定ルートに対応する一つ又は多数の特異車両動作シナリオを、例えば、当該特定ルートに対応するマップデータに基づいて特定することができる。多数の特異車両動作シナリオは、動作環境データが表す動作環境の一以上の側面に基づいて特定することができる。例えば、動作環境データは、自律走行車両の予測経路沿いの交差点に接近する歩行者を表す情報を含んでよく、ＡＶＯＭＣ４１００は、歩行者車両動作シナリオ、交差点車両動作シナリオ、又はその双方を特定してよい。
ＡＶＯＭＣ４１００は、動作環境データが表す動作環境の一以上の側面に基づいて、シナリオ固有動作制御評価モジュール４３００の一以上の、それぞれのインスタンスをインスタンス生成してよい。シナリオ固有動作制御評価モジュール４３００は、シナリオ固有動作制御評価モジュール（ＳＳＯＣＥＭ）を含み得る。これは例えば、歩行者ＳＳＯＣＥＭ４３１０、交差点ＳＳＯＣＥＭ４３２０、車線変更ＳＳＯＣＥＭ４３３０、合流ＳＳＯＣＥＭ４３４０、通過障害ＳＳＯＣＥＭ４３５０、又はこれらの組み合わせである。ＳＳＯＣＥＭ４３６０が、自律走行車両動作管理システム４０００が任意数のＳＳＯＣＥＭ４３００を含み得ることを示すべく破線を使用して示される。例えば、ＡＶＯＭＣ４１００は、特異車両動作シナリオの特定に応答してＳＳＯＣＥＭ４３００のインスタンスをインスタンス生成することができる。ＡＶＯＭＣ４１００は、動作環境データが表す動作環境の一以上の側面に基づいて一以上のＳＳＯＣＥＭ４３００の多数のインスタンスをインスタンス生成することができる。例えば、動作環境データは、自律走行車両の動作環境における２人の歩行者を示し、ＡＶＯＭＣ４１００は、各歩行者に対する歩行者ＳＳＯＣＥＭ４３１０のそれぞれのインスタンスを、動作環境データが表す動作環境の一以上の側面に基づいてインスタンス生成してよい。
ＡＶＯＭＣ４１００は、例えば共有メモリに記憶することによって動作環境データ又はその一以上の側面を、遮断モニタ４２１０のような自律走行車両の他ユニット、又はＳＳＯＣＥＭ４３００の一以上のインスタンスに伝送し、送信し、又は利用可能にすることができる。例えば、ＡＶＯＭＣ４１００は、遮断モニタ４２１０から受信した利用可能性確率又は対応する遮断確率を、ＳＳＯＣＥＭ４３００のインスタンス生成されたインスタンスそれぞれに通信することができる。ＡＶＯＭＣ４１００は、動作環境データ又はその一以上の側面を、例えば、自律走行車両の、図１に示されるメモリ１３４０のようなメモリに記憶することができる。
自律走行車両を制御して車両交通ネットワークを横切るようにすることは、特異車両動作シナリオに基づいて候補車両制御アクションを特定すること、候補車両制御アクションの一以上に応じて自律走行車両を、車両交通ネットワークを通り抜けるように制御すること、又はこれらの組み合わせを含み得る。例えば、ＡＶＯＭＣ４１００は、一以上の候補車両制御アクションを、ＳＳＯＣＥＭ４３００のそれぞれのインスタンスから受信することができる。ＡＶＯＭＣ４１００は、候補車両制御アクションから車両制御アクションを特定することができ、車両制御アクションに従って車両交通ネットワークを通り抜けるように、車両を制御することができ、又は特定された車両制御アクションを他の車両制御ユニットに与えることができる。
車両制御アクションは、例えば車両を加速、減速若しくは停止させることによる車両の運動状態の制御、例えば車両を操舵若しくは方向変換停止させることによる車両の方向状態の制御、又は車両交通ネットワークの一部分を通り抜けることに関連して自律走行車両が行い得る任意の他の車両動作若しくは複数の車両動作の組み合わせによる、車両制御の動作又は操作を示し得る。
例えば、車両制御アクションの「停止」は、車両を停止させ又は車両が静止するようになるか若しくは静止したままとなるようにするべく、運動制御ユニット、軌道制御ユニット、又は複数の制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部分を通り抜けるように車両を制御することを含み得る。車両制御アクションを「譲る」ことは、車両を減速させるべく、又は車両を所定の法定速度限界よりも下となり若しくは所定の法定速度限界内となり得る所定のしきい値若しくは範囲内の速度で移動するように制御するべく、運動制御ユニット、軌道制御ユニット、又は複数の制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部分を通り抜けるように車両を制御することを含み得る。車両制御アクションの「配向調整」は、所定の通行権パラメータの中で、閉塞、外部オブジェクト、又はその双方に対する車両の配向を改変するべく、運動制御ユニット、軌道制御ユニット、又は複数の制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部分を通り抜けるように車両を制御することを含み得る。車両制御アクションの「加速」は、所定の加速率で、又は所定範囲内の加速率で加速するべく、運動制御ユニット、軌道制御ユニット、又は複数の制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部分を通り抜けるように車両を制御することを含み得る。車両制御アクションの「減速」は、所定の減速率で、又は所定範囲内の減速率で減速するべく、運動制御ユニット、軌道制御ユニット、又は複数の制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部分を通り抜けるように車両を制御することを含み得る。車両制御アクションの「維持」は、現在速度、現在経路若しくは経路、又は現在車線の配向を維持すること等によって現在動作パラメータを維持するべく、運動制御ユニット、軌道制御ユニット、又は複数の制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部分を通り抜けるように車両を制御することを含み得る。車両制御アクションの「進行」は、以前に特定されたセットの動作パラメータを開始又は再開するべく、運動制御ユニット、軌道制御ユニット、又は複数の制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部分を通り抜けるように車両を制御することを含み得る。いくつかの車両制御アクションがここに記載されるにもかかわらず、他の車両制御アクションを使用してもよい。
車両制御アクションは、一以上の性能メトリックを含み得る。例えば、車両制御アクションの「停止」は、性能メトリックとして減速率を含み得る。他例において、車両制御アクションの「進行」は、ルート若しくは経路情報、速度情報、加速率、又はこれらの組み合わせを性能メトリックとして明示的に示し、又は現在若しくは以前に特定された経路、速度、加速率、若しくはこれらの組み合わせが維持され得ることを明示的又は暗示的に示し得る。車両制御アクションは、車両制御アクションのシーケンス、組み合わせ、又はその双方を含み得る複合車両制御アクションとしてよい。例えば、車両制御アクションの「配向調整」は、車両制御アクションの「停止」、所定加速率に関連付けられたその後の車両制御アクションの「加速」、及び所定減速率に関連付けられたその後の車両制御アクションの「停止」を示し得る。車両制御アクションの「配向調整」に従って自律走行車両を制御することは、自律走行車両を数インチ又は１フィートのような短い距離だけゆっくりと前進するように制御することを含む。
ＡＶＯＭＣ４１００は、ＳＳＯＣＥＭ４３００のインスタンスをインスタンス解除することができる。例えば、ＡＶＯＭＣ４１００は、動作条件の特異セットを、自律走行車両のための特異車両動作シナリオを示すとして特定し、特異車両動作シナリオのためにＳＳＯＣＥＭ４３００のインスタンスをインスタンス生成し、動作条件をモニタし、その後、動作条件の一以上が満了し又は所定しきい値未満で自律走行車両の動作に影響を及ぼす確率があることを決定し得る。ＡＶＯＭＣ４１００は、ＳＳＯＣＥＭ４３００のインスタンスをインスタンス解除し得る。
ＡＶＯＭＣ４１００は、内在性メトリック、緊急性メトリック、ユーティリティメトリック、許容性メトリック、又はこれらの組み合わせのような、一以上の車両動作管理制御メトリックに基づいて、ＳＳＯＣＥＭ４３００のインスタンスをインスタンス生成及びインスタンス解除することができる。内在性メトリックは、車両が車両交通ネットワークを、車両の現在ロケーションから、それぞれの特定された車両動作シナリオに対応する車両交通ネットワークの一部分まで通り抜けるための、空間的、時間的、又は空間時間的な距離又は近接を示し、表し、又はこれらに基づき得る。緊急性メトリックは、それぞれの特定された車両運転シナリオに対応する車両交通ネットワークの一部分を通り抜けるように車両を制御するべく利用可能な空間的、時間的、又は空間時間的距離の尺度を示し、表し、又はこれらに基づき得る。ユーティリティメトリックは、それぞれの特定された車両動作シナリオに対応するＳＳＯＣＥＭ４３００のインスタンスをインスタンス生成する期待値を示し、表し、又はこれらに基づき得る。許容性メトリックは、衝突回避を示すメトリックのような安全性メトリック、車両交通ネットワークのルール及び規則の順守を示すメトリックのような車両交通ネットワーク制御順守メトリック、車両の最大制動能力を示すメトリックのような物理能力メトリック、ユーザの好みのようなユーザ定義メトリックとしてよい。他のメトリック又は複数のメトリックの組み合わせを使用してよい。車両動作管理制御メトリックは、所定のレート、範囲又は制限を示し得る。例えば、許容性メトリックは、所定の目標減速率、所定の減速率範囲、又は所定の最大減速率を示し得る。
ＳＳＯＣＥＭ４３００は、特異車両動作シナリオそれぞれの、一以上のモデルを含み得る。自律走行車両動作管理システム４０００は、任意数のＳＳＯＣＥＭ４３００を含み得る。各ＳＳＯＣＥＭ４３００が、対応特異車両動作シナリオのモデルを含む。ＳＳＯＣＥＭ４３００は、一以上のタイプのモデルからの一以上のモデルを含み得る。例えば、ＳＳＯＣＥＭ４３００は、部分観測マルコフ決定プロセス（ＰＯＭＤＰ）モデル、マルコフ決定プロセス（ＭＤＰ）モデル、古典的計画モデル、部分観測確率ゲーム（ＰＯＳＧ）モデル、分散部分観測マルコフ決定プロセス（Ｄｅｃ－ＰＯＭＤＰ）モデル、強化学習（ＲＬ）モデル、人工ニューラルネットワークモデル、又はそれぞれの特異車両動作シナリオの任意の他のモデルを含み得る。異なるタイプのモデルはそれぞれが、精度及びリソース使用率に関してそれぞれの特性を有し得る。例えば、所定シナリオのＰＯＭＤＰモデルは、所定シナリオのＭＤＰモデルよりも精度及びリソース使用率が高くなる。ＳＳＯＣＥＭ４３００に含まれるモデルは、例えば精度に基づいて、例えば階層的に順序付けられてよい。例えば、ＳＳＯＣＥＭ４３００に含まれる最高精度のモデルのような指定モデルを、ＳＳＯＣＥＭ４３００の一次モデルとして特定し、ＳＳＯＣＥＭ４３００に含まれる他のモデルを二次モデルとして特定することができる。
一例において、ＳＳＯＣＥＭ４３００の一以上が、単一エージェントモデルとなり得るＰＯＭＤＰモデルを含み得る。ＰＯＭＤＰモデルは、一セットの状態（Ｓ）、一セットのアクション（Ａ）、一セットの観測（Ω）、一セットの状態遷移確率（Ｔ）、一セットの条件付き観測確率（Ｏ）、報酬関数（Ｒ）、又はこれらの組み合わせを使用して、モデル化の不確実性を含む特異車両運転シナリオをモデル化することができる。ＰＯＭＤＰモデルを、タプル＜Ｓ，Ａ，Ω，Ｔ，Ｏ，Ｒ＞として定義又は記述してよい。
当該セットの状態（Ｓ）からの一状態が、自律走行車両の動作環境の外部オブジェクト及び交通制御デバイスのようなそれぞれの所定側面の特異条件を表し得る。これは、個別の時間的ロケーションにおいて自律走行車両の動作に確率的に影響を及ぼし得る。各セットの状態（Ｓ）を、特異車両動作シナリオそれぞれに対して定義することができる。一セットの状態（Ｓ）からの各状態（状態空間）は、一以上の所定状態係数を含み得る。いくつかのモデルに対する状態係数のいくつかの例がここに記載されるにもかかわらず、ここに記載されるいずれのモデルも含むモデルは、任意の数又は濃度の状態係数を含み得る。各状態係数は、各シナリオの所定側面を表し、各所定セットの値を有し得る。いくつかの状態係数のための状態係数値のいくつかの例がここに記載されるにもかかわらず、ここに記載される任意の状態係数を含む一の状態係数が、任意の数又は濃度の値を含んでよい。
当該セットのアクション（Ａ）からの一のアクションが、当該セットの状態（Ｓ）における各状態での利用可能な車両制御アクションを示し得る。各セットのアクションを各特異車両動作シナリオに対して定義することができる。一セットのアクション（Ａ）からの各アクション（アクション空間）が一以上の所定アクション係数を含み得る。いくつかのモデルのためのアクション係数のいくつかの例がここに記載されるにもかかわらず、ここに記載される任意のモデルを含む一のモデルが、任意の数又は濃度のアクション係数を含んでよい。各アクション係数は、利用可能な車両制御アクションを表し、複数の値の対応所定セットを含み得る。いくつかのアクション係数のためのアクション係数値のいくつかの例がここに記載されるにもかかわらず、ここに記載される任意のアクション係数を含む一のアクション係数が、任意の数又は濃度の値を含んでよい。
当該セットの観測（Ω）からの一の観測が、当該セットの状態（Ｓ）からの各状態に対する利用可能、観測可能、測定可能又は決定可能なデータを示し得る。各セットの観測を各特異車両動作シナリオに対して定義することができる。一セットの観測（Ω）からの各観測（観測空間）が一以上の所定観測係数を含み得る。いくつかのモデルのための観測係数のいくつかの例がここに記載されるにもかかわらず、ここに記載される任意のモデルを含む一のモデルが、任意の数又は濃度の観測係数を含んでよい。各観測係数は、利用可能な観測を表し、複数の値の対応所定セットを含み得る。いくつかの観測係数のための観測係数値のいくつかの例がここに記載されるにもかかわらず、ここに記載される任意の観測係数を含む一の観測係数が、任意の数又は濃度の値を含んでよい。
当該セットの状態遷移確率（Ｔ）からの一の状態遷移確率が、当該セットの状態（Ｓ）によって表される自律走行車両の動作環境への変化を、当該セットのアクション（Ａ）によって表される自律走行車両のアクションに応答して、確率的に表すことができる。これは、Ｔ：Ｓ×Ａ×Ｓ→［０，１］として表現することができる。各セットの状態遷移確率（Ｔ）を各特異車両動作シナリオに対して定義することができる。いくつかのモデルのための状態遷移確率のいくつかの例がここに記載されるにもかかわらず、ここに記載される任意のモデルを含む一のモデルが、任意の数又は濃度の状態遷移確率を含んでよい。例えば、状態、アクション、及びその後の状態の各組み合わせを、それぞれの状態遷移確率に関連付けることができる。
当該セットの条件付き観測確率（Ｏ）からの一の条件付き観測確率が、当該セットの状態（Ｓ）によって表される自律走行車両の動作環境に基づいてそれぞれの観測（Ω）を行う確率を、当該セットのアクション（Ａ）によって表される自律走行車両のアクションに応答して、表すことができる。これは、Ｏ：Ａ×Ｓ×Ω→［０，１］として表現することができる。各セットの条件付き観測確率（Ｏ）を各特異車両動作シナリオに対して定義することができる。いくつかのモデルのための条件付き観測確率のいくつかの例がここに記載されるにもかかわらず、ここに記載される任意のモデルを含む一のモデルが、任意の数又は濃度の条件付き観測確率を含んでよい。例えば、アクション、その後の状態、及び観測の各組み合せを、それぞれの条件付き観測確率に関連付けることができる。
報酬関数（Ｒ）は、状態とアクションとの各組み合わせに発生し得る正又は負の（コスト）値それぞれを決定することができる。これは、自律走行車両が車両交通ネットワークを、対応する車両制御アクションに応じた対応状態からその後の状態まで通り抜ける期待値を表すことができる。これは、Ｒ：Ｓ×Ａ→Ｒとして表現することができる。
簡単及び明確性のため、ここに記載される状態係数値又は観測係数値のような一モデルの複数の値の例は、｛スタート，ゴール｝又は｛短い，長い｝のようなカテゴリー表現を含む。カテゴリー値は、相対値となり得る所定の離散値を表し得る。例えば、時間的側面を表す状態係数がセット｛短い，長い｝からの値を有し、値「短い」が、３秒のような所定しきい値内の又はこれ未満の時間的距離のような離散値を表し、値「長い」が、少なくとも当該しきい値に等しい又はこれよりも大きい時間的距離のような離散値を表す。カテゴリー値それぞれに対する所定しきい値は、関連係数に対して定義され得る。例えば、時間的係数に対するセット｛短い，長い｝のための所定しきいを、相対空間ロケーション係数値に関連付けることができ、当該時間的係数に対するセット｛短い，長い｝のための他の所定しきいを、相対空間ロケーション係数値に関連付けることができる。係数値のカテゴリー表現がここに記載されるにもかかわらず、他の表現、又は複数の表現の組み合わせを使用してもよい。例えば、一セットの時間的状態係数値は、｛短い（３秒未満の値を表す），４，５，６，長い（少なくとも７秒の値を表す）｝としてよい。
部分観測マルコフ決定プロセス（ＰＯＭＤＰ）モデルを実装する実施形態のようないくつかの実施形態において、自律走行車両動作制御シナリオをモデル化することは、閉塞をモデル化することを含み得る。例えば、動作環境データは、自律走行車両の動作環境におけるセンサ閉塞のような一以上の閉塞に対応する情報を含み得る。これにより、動作環境データは、自律走行車両の動作環境における一以上の閉塞された外部オブジェクトを表す情報を省略し得る。例えば、閉塞は、交通標識、建物、木、特定された外部オブジェクト、又は任意の他の動作条件若しくは、所定空間時間的ロケーションにおいて自律走行車両から一以上の他の動作条件を閉塞することのできる動作条件、例えば外部オブジェクト、の組み合わせとしてよい。いくつかの実施形態において、動作環境モニタ４２００が、閉塞を特定することができ、外部オブジェクトが所定閉塞により閉塞又は隠される確率を特定又は決定することができ、ＡＶＯＭＣ４１００に出力されてＡＶＯＭＣ４１００がＳＳＯＣＥＭ４３００それぞれに通信する動作環境データにおける閉塞された車両確率情報を含み得る。
自律走行車両運転管理システム４０００は、任意の数又は組み合わせのタイプのモデルを含み得る。例えば、歩行者ＳＳＯＣＥＭ４３１０、交差点ＳＳＯＣＥＭ４３２０、車線変更ＳＳＯＣＥＭ４３３０、合流ＳＳＯＣＥＭ４３４０、及び通過障害ＳＳＯＣＥＭ４３５０を、ＰＯＭＤＰモデルとしてよい。他例において、歩行者ＳＳＯＣＥＭ４３１０をＭＤＰモデルとしてよく、交差点ＳＳＯＣＥＭ４３２０をＰＯＭＤＰモデルとしてよい。ＡＶＯＭＣ４１００は、動作環境データに基づいてＳＳＯＣＥＭ４３００の任意数のインスタンスをインスタンス生成することができる。
ＳＳＯＣＥＭ４３００インスタンスをインスタンス生成することは、ＳＳＯＣＥＭ４３００から一のモデルを特定することと、特定されたモデルの一のインスタンスをインスタンス生成することを含み得る。例えば、ＳＳＯＣＥＭ４３００が、対応特異車両動作シナリオのための一次モデル及び二次モデルを含み、ＳＳＯＣＥＭ４３００をインスタンス生成することが、一次モデルを現在モデルとして特定すること、及び一次モデルの一のインスタンスをインスタンス生成することを含み得る。モデルのインスタンス生成は、解又はポリシーがモデルにとって利用可能か否かを決定することを含み得る。モデルのインスタンス生成は、モデルにとって利用可能な解又はポリシーが部分的に解決されるか、又は収束かつ解決されるかを決定することを含み得る。ＳＳＯＣＥＭ４３００をインスタンス生成することは、ＳＳＯＣＥＭ４３００に対して特定されたモデルのための解又はポリシーのインスタンスをインスタンス生成することを含み得る。
ＰＯＭＤＰモデルのようなモデルを解くことは、モデルを定義する＜Ｓ，Ａ，Ω，Ｔ，Ｏ，Ｒ＞のようなタプルの要素の可能な組み合わせを評価することによって決定され得る未払い報酬を最大化する一の関数となり得るポリシー又は解を決定することを含み得る。ポリシー又は解は、特定された信念状態データに基づいて、報酬が最大化された又は最適な候補車両制御アクションを特定又は出力し得る。確率的でよい特定された信念状態データが、各モデルに対する状態値の現在セットのような現在状態データ、又は状態値の現在セットに対する確率を示してよく、各相対時間的ロケーションに対応し得る。例えば、ＭＤＰモデルを解くことが、当該セットの状態（Ｓ）から一の状態を特定すること、当該セットのアクション（Ａ）から一のアクションを特定すること、状態遷移確率に従うアクションをシミュレートした後の当該セットの状態（Ｓ）からその後の状態又は後継を決定することを含み得る。各状態が、対応するユーティリティ値に関連付けられてよく、ＭＤＰモデルを解くことが、状態、アクション、及びその後の状態の各可能な組み合わせに対応するユーティリティ値それぞれを決定することを含み得る。その後の状態のユーティリティ値を、割引された報酬又はペナルティとしてよい報酬又はペナルティに従う最大の特定されたユーティリティ値として特定してよい。ポリシーは、対応状態に対する最大ユーティリティ値に対応するアクションを示し得る。ＰＯＭＤＰモデルを解くことを、信念状態に基づくことを除いてＭＤＰモデルを解くことと同様としてよく、各状態に対する確率を表してよく、各状態に対して発生する観測に対応する観測確率に従ってよい。よって、ＳＳＯＣＥＭモデルを解くことが、可能な状態／アクション／状態の遷移を評価することと、それぞれのアクション及び観察に基づき、例えばベイズ規則を使用して、それぞれの信念状態を更新することとを含む。
図５は、本開示の実施形態に係る自律走行車両動作管理５０００の一例の流れ図である。自律走行車両動作管理システム５０００は、図１に示される車両１０００、図２に示される車両２１００／２１１０の一つ、半自律走行車両、又は任意の他の自律走行実装車両のような自律走行車両に実装することができる。例えば、自律走行車両は、図４に示される自律走行車両動作管理システム４０００のような自律走行車両動作管理システムを実装してよい。
図５に示されるように、自律走行車両動作管理５０００は、一以上のモジュール又はそのコンポーネントを含む自律走行車両動作管理システムを実装又は動作させることであって、図４に示されるＡＶＯＭＣ４１００のような自律走行車両動作管理コントローラ（ＡＶＯＭＣ）５１００を動作させることを含み得ることと、図４に示される動作環境モニタ４２２０、４２３０、４２４０、４２５０、４２６０、４２７０の一以上のような動作環境モニタ５２００を動作させることと、図４に示されるＳＳＯＣＥＭ４３００のインスタンスのようなシナリオ固有動作制御評価モジュールインスタンス（ＳＳＯＣＥＭインスタンス）５３００を動作させることとを含む。
ＡＶＯＭＣ４１００は、自律走行車両の動作環境又はその一側面を特定するべく５１１０において、自律走行車両の動作環境又は所定側面をモニタすることができる。例えば、動作環境モニタ５２００は、動作環境のシナリオ固有側面をモニタすることができ、共有メモリに記憶させることにより動作環境を表す動作環境データをＡＶＯＭＣ５１００に伝送し、送信し、又は利用可能にすることができる。自律走行車両の動作環境をモニタすることは、５１１０において外部オブジェクトを特定及び追跡すること、５１２０において特異車両動作シナリオを特定すること、又はこれらの組み合わせを含み得る。例えば、ＡＶＯＭＣ５１００、動作環境モニタ５２００、又はその双方が、センサデータ、車両データ、ルートデータ、車両交通ネットワークデータ、以前に特定された動作環境データ、又は任意の他の利用可能データ、若しくは動作環境の一側面若しくは複数側面を記述するデータの組み合わせに基づいて、動作環境データを特定し得る。
動作環境を特定することは、動作環境又はその一以上の側面を表す動作環境データを特定することを含み得る。動作環境データは、自律走行車両の車両情報、自律走行車両近くの車両交通ネットワーク若しくはその一以上の側面を表す情報、自律走行車両の動作環境の中の、自律走行車両に対して特定されたルート沿いの若しくはそのルート近くの外部オブジェクト若しくはその一以上の側面を表す情報、又はこれらの組み合わせを含み得る。センサ情報は、自律走行車両のセンサ情報処理ユニットからの処理済みセンサ情報のような、処理されたセンサ情報としてよい。このセンサ情報処理ユニットは、自律走行車両のセンサからセンサ情報を受信して当該センサ情報に基づいて処理済みセンサ情報を生成することができる。
動作環境データを特定することは、図１に示されるセンサ１３６０及び図２に示される車載センサ２１０５のような自律走行車両のセンサから、動作環境の一以上の側面を示す情報を受信することを含み得る。自律走行車両のセンサ又は他のユニットはセンサ情報を、自律走行車両の、図１に示されるメモリ１３４０のようなメモリに記憶させることができ、ＡＶＯＭＣ５１００は当該メモリからセンサ情報を読み取る。
動作環境データを特定することは、車両交通ネットワークデータから、動作環境の一以上の側面を示す情報を特定することを含み得る。例えば、ＡＶＯＭＣ５１００は、自律走行車両が交差点に近付いていることを示す車両交通ネットワークデータ、又は自律走行車両から３００メートル以内のような自律走行車両に近い車両交通ネットワークの幾何学的形状又は構成を記述する車両交通ネットワークデータを読み取り又は受信することができる。
５１１０において動作環境データを特定することは、自律走行車両外部の遠隔車両又は他の遠隔デバイスからの動作環境の一以上の側面を示す特定情報を含み得る。例えば、自律走行車両は、遠隔車両から無線電子通信リンクを介して、遠隔車両の遠隔車両地理空間状態情報を示す遠隔車両情報、遠隔車両の遠隔車両運動状態情報、又はその双方を含む遠隔車両メッセージを受信することができる。
動作環境データを特定することは、自律走行車両に対して特定されたルートを表すルートデータから、動作環境の一以上の側面を示す情報を特定することを含み得る。例えば、ＡＶＯＭＣ５１００は、自律走行車両のために、ユーザ入力に応答して特定されたルートのような、特定されたルートを表す車両交通ネットワークデータを読み取り又は受信してよい。
ＡＶＯＭＣ５１００及び動作環境モニタ５２００は、５１１０、５１１２及び５２１０に示されるように、動作環境データを特定するべく通信することができる。代替的又は付加的に、動作環境モニタ５２００は、自律走行車両のセンサからのような自律走行車両の他のコンポーネントから若しくは他の動作環境モニタ５２００から動作環境データを受信してよく、又は動作環境モニタ５２００は、自律走行車両のメモリから動作環境データを読み出してよい。
ＡＶＯＭＣ５１００は、例えば、５１２０において特定された動作環境データが表す動作環境の一以上の側面に基づいて、一以上の特異車両動作シナリオを、５１１０において検出又は特定することができる。
ＡＶＯＭＣ５１００は、例えば５１２０において特異車両動作シナリオを特定することに応答して、５１３０において動作環境データが表す動作環境の一以上の側面に基づいてＳＳＯＣＥＭインスタンス５３００をインスタンス生成することができる。一つのＳＳＯＣＥＭインスタンス５３００が図５に示されるにもかかわらず、ＡＶＯＭＣ５１００は、５１１０において特定された動作環境データが表す動作環境の一以上の側面に基づいて多数のＳＳＯＣＥＭインスタンス５３００をインスタンス生成してよい。各ＳＳＯＣＥＭインスタンス５３００は、５１２０において検出された対応特異車両動作シナリオ、又は５１１０において特定された特異外部オブジェクトと５１２０において検出された対応特異車両動作シナリオとの組み合わせに対応する。５１３０においてＳＳＯＣＥＭインスタンス５３００をインスタンス生成することは、５１３２に示されるように、自律走行車両の動作環境を表す動作環境データをＳＳＯＣＥＭインスタンス５３００に送信することを含み得る。ＳＳＯＣＥＭインスタンス５３００は、５３１０において、自律走行車両の動作環境又はその一以上の側面を表す動作環境データを受信することができる。５１３０においてＳＳＯＣＥＭインスタンス５３００をインスタンス生成することは、特異車両動作シナリオの一次モデル若しくは二次モデルのようなモデルを特定すること、当該モデルのインスタンスをインスタンス生成すること、を含み得る。当該モデルに対応する解若しくはポリシーを特定すること、当該解若しくはポリシーのインスタンスをインスタンス生成すること、又はこれらの組み合わせを含み得る。
動作環境モニタ５２００は、図４に示される遮断モニタ４２１０のような遮断モニタを含み得る。これは、自律走行車両近くの車両交通ネットワークの複数部分のような車両交通ネットワークの一以上の部分に対し、５２２０において、各利用可能性確率（ＰＯＡ）又は対応する遮断確率を決定することができる。これは、自律走行車両の現在ルートに基づいて特定される予測経路のような自律走行車両の一の予測経路に対応する車両交通ネットワークの複数部分を含み得る。遮断モニタは、例えば共有メモリに記憶することによって、５２２０において特定された利用可能性確率を、５２２２においてＳＳＯＣＥＭインスタンス５３００に伝送し、送信し、又は利用可能にすることができる。代替的又は付加的に、遮断モニタは、５２２０において特定された利用可能性確率を、自律走行車両のメモリにおいて記憶することができる。図５に明示的に示されないにもかかわらず、遮断モニタは、利用可能性確率をＳＳＯＣＥＭインスタンス５３００に送信することに加え又はその代わりに、例えば共有メモリに記憶することによって、５２２０において特定された利用可能性確率を、５２２２においてＡＶＯＭＣ５１００に伝送し、送信し、又は利用可能にすることができる。ＳＳＯＣＥＭインスタンス５３００は、５３２０において利用可能性確率を受信し得る。
ＳＳＯＣＥＭインスタンス５３００は、５３３０において候補車両制御アクションを生成又は特定し得る。例えば、ＳＳＯＣＥＭインスタンス５３００は、動作環境データ５３１０を受信したこと、５３２０において利用可能性確率データを受信したこと、又はその双方に応答して、５３３０において候補車両制御アクションを生成又は特定し得る。例えば、特異車両動作シナリオのモデルに対し、５３１０においてインスタンス生成された解又はポリシーのインスタンスが、動作環境データ、利用可能性確率データ、又はその双方に基づいて候補車両制御アクションを出力し得る。ＳＳＯＣＥＭインスタンス５３００は、例えば共有メモリに記憶することによって、５３３０において特定された候補車両制御アクションを、５３３２においてＡＶＯＭＣ５１００に伝送し、送信し、又は利用可能にすることができる。代替的又は付加的に、ＳＳＯＣＥＭインスタンス５３００は、５３３０において特定された候補車両制御アクションを、自律走行車両のメモリにおいて記憶することができる。
ＡＶＯＭＣ５１００は、５１４０において候補車両制御アクションを受信することができる。例えば、ＡＶＯＭＣ５１００は、５１４０において候補車両制御アクションをＳＳＯＣＥＭインスタンス５３００から受信することができる。代替的又は付加的に、ＡＶＯＭＣ５１００は、候補車両制御アクションを自律走行車両のメモリから読み取ることができる。
ＡＶＯＭＣ５１００は、５１５０において、自律走行車両を、車両交通ネットワークを通り抜けるように制御するべく、候補車両制御アクションを承認し、又は候補車両制御アクションを車両制御アクションとして特定することができる。５１５０において候補車両制御アクションを承認することは、候補車両制御アクションに応じて車両交通ネットワークの一部分を通り抜けるべきか否かを決定することを含み得る。
ＡＶＯＭＣ５１００は、５１５０において特定された車両制御アクションに応じて、５１６０において自律走行車両が車両交通ネットワーク又はその一部分を通り抜けるように、特定された車両制御アクションを制御し、又は他の車両制御ユニットに与えることができる。
ＡＶＯＭＣ５１００は、５１７０において、自律走行車両の動作環境又はその一側面を特定することができる。５１７０において自律走行車両の動作環境又はその一側面を特定することは、５１１０において自律走行車両の動作環境を特定することと同様であり、以前に特定された動作環境データを更新することを含み得る。
ＡＶＯＭＣ５１００は、５１８０において、特異車両動作シナリオが解決か又は未解決かを決定又は検出することができる。例えば、ＡＶＯＭＣ５１００は、上述のように、連続的に又は周期的に動作環境情報を受信することができる。ＡＶＯＭＣ５１００は、特異車両動作シナリオが解決されたか否かを決定するべく動作環境データを評価することができる。
ＡＶＯＭＣ５１００は、５１８０において、ＳＳＯＣＥＭインスタンス５３００に対応する特異車両動作シナリオが未解決であることを決定することができ、ＡＶＯＭＣ５１００は、５１８５に示されるように、例えば共有メモリに記憶することによって、５１７０において特定された動作環境データをＳＳＯＣＥＭインスタンス５３００に伝送し、送信し、又は利用可能にすることができ、５１８０においてＳＳＯＣＥＭインスタンス５３００をインスタンス解除することは省略され又は異なってよい。
ＡＶＯＭＣ５１００は、５１８０において、特異車両動作シナリオが解決されたことを決定してよく、５１９０において、５１８０において解決されると決定された特異車両動作シナリオに対応するＳＳＯＣＥＭインスタンス５３００をインスタンス解除してよい。例えば、ＡＶＯＭＣ５１００は、５１２０において、自律走行車両のための特異車両動作シナリオを形成する動作条件の特異セットを特定することができ、５１８０において、動作条件の一以上が満了していること、又は自律走行車両の動作に影響を及ぼす確率が所定しきい値を下回ることを決定することができ、対応するＳＳＯＣＥＭインスタンス５３００をインスタンス解除することができる。
図５において明確に示されないにもかかわらず、ＡＶＯＭＣ５１００は、５１７０において動作環境データを特定又は更新することと、５１８０において特異車両動作シナリオが解決されたか否かを決定することと、５１８０において特異車両動作シナリオが未解決であることを決定したことに応答して、５１８５に示されるように、５１７０において特定された動作環境データをＳＳＯＣＥＭインスタンス５３００に送信することとを、５１８０において特異車両動作シナリオが解決されたか否かを決定することが、特異車両動作シナリオが解決されたことを決定することを含むまでずっと、連続的又は周期的に繰り返すことができる。
図６は、本開示の実施形態に係る車両６０００の一例の図である。車両６０００は、図１に示される車両１０００、図２に示される車両２１００／２１１０の一つ、半自律走行車両、又は任意の他の自律走行実装車両のような自律走行車両としてよい。図６に示されるように、車両６０００は、図１に示されるセンサ１３６０のようなセンサとしてよい画像キャプチャユニット６１００～６７００を含む。図６が７つの画像キャプチャユニット６１００～６７００を示すにもかかわらず、任意数の画像キャプチャユニット又は他のセンサを使用してよい。車両６０００は認識ユニット６８００を含む。簡単及び明確性のため、図６は、上が北に、右が東に配向される。簡単及び明確性のため、図６において、東すなわち右側は、ゼロ度の角度に対応するように記載されるので、車両６０００は、９０度の角度に対応する北に整列するように配向される。
画像キャプチャユニット６１００～６７００はそれぞれが、相対配向及び視野を有し得る。相対配向は、車両６０００に関連する各画像キャプチャユニット６１００～６７００の配向である。図６に示されないにもかかわらず、画像キャプチャユニットの相対配向は、例えば機械的又は電子的に調整可能となり得る。視野は、画像キャプチャユニットがキャプチャするシーンのエリアを記述する。円錐視野が、ここに一般的に記載されるにもかかわらず、他の視野構成も使用してよい。視野の複数の例が図７に示される。
図６に示されるように、車両６０００は、中心前方画像キャプチャユニット６１００（第１画像キャプチャユニット）、左前方画像キャプチャユニット６２００（第２画像キャプチャユニット）、右前方画像キャプチャユニット６３００（第３画像キャプチャユニット）、左後方画像キャプチャユニット６４００（第４画像キャプチャユニット）、右後方キャプチャユニット６５００（第５画像キャプチャユニット）、左側方画像キャプチャユニット６６００（第６画像キャプチャユニット）、及び右側方画像キャプチャユニット６７００（第７画像キャプチャユニット）を含む。他の画像キャプチャユニット及びその配向を使用してよい。
中心前方画像キャプチャユニット６１００は、中心前方画像キャプチャユニット６１００の視野（明示せず）の光軸に対応する相対配向を有し得る。中心前方画像キャプチャユニット６１００の相対配向は、図示のように９０度で車両６０００に対して水平方向に整列されてよい。中心前方画像キャプチャユニット６１００の相対配向は、水平線（図示せず）に対して垂直に整列されてよい。他の相対配向も使用してよい。
左前方画像キャプチャユニット６２００は、左前方画像キャプチャユニット６２００の視野（明示せず）の光軸に対応する相対配向を有し得る。左前方画像キャプチャユニット６２００の相対配向は、図示のように１６７．５度で車両６０００の左前に対して水平方向に整列し得る。左前方画像キャプチャユニット６２００の相対配向は、水平線（図示せず）に対して垂直に整列されてよい。他の相対配向も使用してよい。
右前方画像キャプチャユニット６３００は、右前方画像キャプチャユニット６３００の視野（明示せず）の光軸に対応する相対配向を有し得る。右前方画像キャプチャユニット６３００の相対配向は、図示のように１２．５度で車両６０００の右前に対して水平方向に整列し得る。右前方画像キャプチャユニット６３００の相対配向は、水平線（図示せず）に対して垂直に整列されてよい。他の相対配向も使用してよい。
左後方画像キャプチャユニット６４００は、左後方画像キャプチャユニット６４００の視野（明示せず）の光軸に対応する相対配向を有し得る。左後方画像キャプチャユニット６４００の相対配向は、図示のように２４０度で車両６０００の左後ろに対して水平方向に整列し得る。左後方画像キャプチャユニット６４００の相対配向は、水平線（図示せず）に対して垂直に整列されてよい。他の相対配向も使用してよい。
右後方画像キャプチャユニット６５００は、右後方画像キャプチャユニット６５００の視野（明示せず）の光軸に対応する相対配向を有し得る。右後方画像キャプチャユニット６５００の相対配向は、図示のように３００度で車両６０００の右後ろに対して水平方向に整列し得る。右後方画像キャプチャユニット６５００の相対配向は、水平線（図示せず）に対して垂直に整列されてよい。他の相対配向も使用してよい。
左側方画像キャプチャユニット６６００は、左側方画像キャプチャユニット６６００の視野（明示せず）の光軸に対応する相対配向を有し得る。左側方画像キャプチャユニット６６００の相対配向は、図示のように１８０度で車両６０００の左に対して水平方向に整列し得る。左側方画像キャプチャユニット６６００の相対配向は、水平線（図示せず）に対して垂直に整列されてよい。他の相対配向も使用してよい。
右側方画像キャプチャユニット６７００は、右側方画像キャプチャユニット６７００の視野（明示せず）の光軸に対応する相対配向を有し得る。右側方画像キャプチャユニット６７００の相対配向は、図示のようにゼロ度で車両６０００の右に対して水平方向に整列し得る。右側方画像キャプチャユニット６７００の相対配向は、水平線（図示せず）に対して垂直に整列されてよい。他の相対配向も使用してよい。
認識ユニット６８００は、前部画像処理ユニット６８１０、後部画像処理ユニット６８２０及び認識制御ユニット６８３０を含む。画像処理ユニット６８１０、６８２０及び認識制御ユニット６８３０が、明確性のため別個に示されるにもかかわらず、画像処理ユニット６８１０、６８２０及び認識制御ユニット６８３０の２以上を組み合わせユニットとして実装してよい。図６に示されるように、中心前方画像キャプチャユニット６１００、左前方画像キャプチャユニット６２００及び右前方画像キャプチャユニット６３００は、前部画像処理ユニット６８１０と通信するように示される。左後方画像キャプチャユニット６４００、右後方画像キャプチャユニット６５００、左側方画像キャプチャユニット６６００及び右側方画像キャプチャユニット６７００は、後部画像処理ユニット６８２０と通信するように示される。画像処理ユニット６８１０、６８２０は認識制御ユニット６８３０と通信するように示される。画像処理ユニット、制御ユニット及び通信経路の他の構成を使用してよい。
認識ユニット６８００は、認識制御のための顕著性情報を取得することができる。例えば、認識ユニット６８００は、顕著性情報を、図４に示される自律走行車両動作管理コントローラ４１００のような車両６０００の他のユニット（図示せず）から受信することができる。顕著性情報は、自律走行車両を取り囲む視野の一部分を示し得る。認識ユニット６８００は、顕著性情報を自律走行車両の一以上のセンサに相関させることができる。例えば、認識制御ユニット６８３０は、顕著性情報を車両６０００の自律走行車両動作管理コントローラ（図示せず）から受信することができ、認識制御ユニット６８３０は、例えば共有メモリに記憶することによって、顕著性情報又はその一部分を前部画像処理ユニット６８１０、後部画像処理ユニット６８２０、又はその双方に伝送し、送信し、又は利用可能にすることができる。
前部画像処理ユニット６８１０（第１画像処理ユニット）は、画像データのようなセンサ情報を中心前方画像キャプチャユニット６１００、左前方画像キャプチャユニット６２００及び右前方画像キャプチャユニット６３００から受信することができる。前部画像処理ユニット６８１０は、中心前方画像キャプチャユニット６１００、左前方画像キャプチャユニット６２００及び右前方画像キャプチャユニット６３００に対応する顕著性情報を認識制御ユニット６８３０から受信することができる。前部画像処理ユニット６８１０は、前の外部オブジェクト情報を含み得る画像処理データ（第１画像処理データ）を、中心前方画像キャプチャユニット６１００、左前方画像キャプチャユニット６２００及び右前方画像キャプチャユニット６３００から受信したセンサ情報に基づいて生成することができる。画像処理データを生成することは、認識制御ユニット６８３０から受信した顕著性情報に基づいて画像処理データを生成することを含み得る。
後部画像処理ユニット６８２０（第２画像処理ユニット）は、画像データのようなセンサ情報を、左後方画像キャプチャユニット６４００、右後方画像キャプチャユニット６５００、左側画像キャプチャユニット６６００及び右側方画像キャプチャユニット６７００から受信することができる。後部画像処理ユニット６８２０は、左後方画像キャプチャユニット６４００、右後方画像キャプチャユニット６５００、左側方画像キャプチャユニット６６００及び右側方画像キャプチャユニット６７００に対応する顕著性情報を認識制御ユニット６８３０から受信することができる。後部画像処理ユニット６８２０は、後ろの外部オブジェクト情報を含み得る画像処理データ（第２画像処理データ）を、左後方画像キャプチャユニット６４００、右後方画像キャプチャユニット６５００、左側画像キャプチャユニット６６００及び右側方画像キャプチャユニット６７００から受信したセンサ情報に基づいて生成することができる。画像処理データを生成することは、認識制御ユニット６８３０から受信した顕著性情報に基づいて画像処理データを生成することを含み得る。
認識制御ユニット６８３０は、前部画像処理ユニット６８１０若しくはその一部分から受信した画像処理データに基づいて、後部画像処理ユニット６８２０若しくはその一部分から受信した画像処理データに基づいて、又は前部画像処理ユニット６８１０から受信した画像処理データと後部画像処理ユニット６８２０若しくはその一部分から受信した画像処理データとの組み合わせに基づいて、外部オブジェクト情報を生成することができる。認識制御ユニット６８３０は、例えば共有メモリに記憶することによって、外部オブジェクト情報を車両６０００の自律走行車両動作管理コントローラ（図示せず）に伝送し、送信し、又は利用可能にすることができる。
図７は、本開示の実施形態に係る車両のセンサの視野の一例の図である。図７は、図６に示される車両６０００のような車両７０００を示す。明確性のため図７に明示されないにもかかわらず、車両７０００は、図６に示される画像キャプチャユニット６１００～６７００のようなセンサを含み得る。簡単及び明確性のため、図７は、上が北に、右が東に配向される。簡単及び明確性のため、図７において、東すなわち右側は、ゼロ度の角度に対応するように記載されるので、車両７０００は、９０度の角度に対応する北に整列するように配向される。
各画像キャプチャユニットが、図６に関連して記載されるような対応相対配向、及び図７に示される視野７１００～７７００を有し得る。各視野７１００～７７００が、所定の画角及び所定の有効範囲を有し得る。
有効範囲は、所定の最小外部オブジェクトサイズを有する外部オブジェクトが所定の最小オブジェクト検出精度しきい値を超える精度で検出され得る画像キャプチャユニットからの最大距離（作動距離）を表す。所定の最小外部オブジェクトサイズは、視野（視点）に対する外部オブジェクトの所定水平（又は垂直）寸法、例えば１００ｍｍとしてよい。他の所定の最小外部オブジェクトサイズを使用してよい。所定の最小外部オブジェクト水平（又は垂直）分解能は、オブジェクト検出のための所定の最小外部水平（又は垂直）オブジェクトサイズを有する外部オブジェクトをキャプチャするべく使用され得る所定の最小水平（又は垂直）画素濃度（連続）、例えば４画素としてよい。他の所定の最小外部オブジェクト分解能を使用してよい。空間分解能は、所定の最小外部オブジェクト分解能に対する所定の外部オブジェクトサイズの比としてよい。例えば、所定の最小外部オブジェクトサイズを１００ｍｍとしてよく、所定の最小外部オブジェクト分解能を４画素としてよく、空間分解能を１００ｍｍ／４画素すなわち画素当たり２５ｍｍとしてよい。
画像キャプチャユニットの水平（又は垂直）角度分解能を、画像キャプチャユニットの画像センサの水平（又は垂直）画像センサ分解能と、画像キャプチャユニットの水平（又は垂直）画角との比としてよい。例えば、画像キャプチャユニットは、１０度の水平画角、１２８０×８００の画像センサ分解能、及び水平画角の角度当たり１２８画素の水平角度分解能を有してよい。他例において、画像キャプチャユニットは、１２０度の水平画角、１２８０×８００の画像センサ分解能、及び水平画角の角度当たり１１画素の水平角度分解能を有してよい。
有効範囲は、水平（又は垂直）角度分解能に相関されてよい。例えば、画像キャプチャユニットは、１８０度の水平画角、１２８０×８００の画像センサ分解能、水平画角の角度当たり７画素の水平角度分解能を有してよく、遠隔車両を検出するための有効範囲は４０メートルとしてよい。他例において、画像キャプチャユニットは、１２０度の水平画角、１２８０×８００の画像センサ分解能、水平画角の角度当たり１１画素の水平角度分解能を有してよく、遠隔車両を検出するための有効範囲は６０メートルとしてよい。他例において、画像キャプチャユニットは、６０度の水平画角、１２８０×８００の画像センサ分解能、水平画角の角度当たり２１画素の水平角度分解能を有してよく、遠隔車両を検出するための有効範囲は１２０メートルとしてよい。
車両７０００は、図６に示される中心前方画像キャプチャユニット６１００のような第１画像キャプチャユニットを含み得る。第１画像キャプチャユニットは、図示の車両７０００の前に向かう配向となる第１視野７１００（前方視野）を有し得る。第１視野７１００は、第１画像キャプチャユニット（明示せず）の光軸に沿って配向され、図示のように１２０度のような第１所定画角を有し得る。第１視野７１００は、遠隔車両に対する６０メートルのような第１有効範囲を有し得る。
車両７０００は、図６に示される左前方画像キャプチャユニット６２００のような第２画像キャプチャユニットを含み得る。第２画像キャプチャユニットは、図示の車両７０００の左に配向される第２視野７２００（第１側方視野）を有し得る。第２視野７２００は、第２画像キャプチャユニット（明示せず）の光軸に沿うように配向され、図示のように６０度のような第２所定画角を有し得る。第２視野７２００は、遠隔車両に対する１２０メートルのような第２有効範囲を有し得る。
車両７０００は、図６に示される右前方画像キャプチャユニット６３００のような第３画像キャプチャユニットを含み得る。第３画像キャプチャユニットは、図示の車両７０００の右に配向される第３視野７３００（第２側方視野）を有し得る。第３視野７３００は、第３画像キャプチャユニット（明示せず）の光軸に沿うように配向され、図示のように６０度のような第２所定画角を有し得る。第３視野７３００は、遠隔車両に対する１２０メートルのような第２有効範囲を有し得る。
車両７０００は、図６に示される左後方画像キャプチャユニット６４００のような第４画像キャプチャユニットを含み得る。第４画像キャプチャユニットは、図示の車両７０００の左後ろに配向される第４視野７２００（第１後方視野）を有し得る。第４視野７４００は、第４画像キャプチャユニット（明示せず）の光軸に沿うように配向され、図示のように６０度のような第３所定画角を有し得る。第４視野７４００は、遠隔車両に対する１２０メートルのような第３有効範囲を有し得る。
車両７０００は、図６に示される右後方画像キャプチャユニット６５００のような第５画像キャプチャユニットを含み得る。第５画像キャプチャユニットは、図示の車両７０００の右後ろに配向される第５視野７２００（第２後方視野）を有し得る。第５視野７５００は、第５画像キャプチャユニット（明示せず）の光軸に沿うように配向され、図示のように６０度のような第３所定画角を有し得る。第５視野７５００は、遠隔車両に対する１２０メートルのような第３有効範囲を有し得る。
車両７０００は、図６に示される左側方画像キャプチャユニット６６００のような第６画像キャプチャユニットを含み得る。第６画像キャプチャユニットは、図示の車両７０００の左側に配向される第６視野７６００（第３側方視野）を有し得る。第６視野７６００は、第６画像キャプチャユニット（明示せず）の光軸に沿って配向され、図示のように１８０度のような第４所定画角を有し得る。第６視野７６００は、遠隔車両に対する４０メートルのような第４有効範囲を有し得る。
車両７０００は、図６に示される右側方画像キャプチャユニット６７００のような第７画像キャプチャユニットを含み得る。第７画像キャプチャユニットは、図示の車両７０００の右側に配向される第７視野７７００（第４側方視野）を有し得る。第７視野７７００は、第７画像キャプチャユニット（明示せず）の光軸に沿って配向され、図示のように１８０度のような第４所定画角を有し得る。第７視野７７００は、遠隔車両に対する４０メートルのような第４有効範囲を有し得る。
視野７１００～７７００の複数部分が、暗く点描された部分により示されるように重畳し合ってよい。例えば、前方視野７１００は、左前方視野７２００、右前方視野７３００、左側方視野７６００及び右側方視野７７００と重畳し合ってよい。
図８は、本開示の実施形態に係る顕著性領域の一例の図である。図８は、図６に示される車両６０００のような車両８０００を示す。図８は、車両８０００に対する非重畳顕著性セクタ８０１０～８１２０を示す。顕著性セクタ８０１０～８１２０はそれぞれが、車両８０００の動作環境を表す車両８０００に対する連続顕著性範囲の一の角度部分を含む。例えば、顕著性セクタ８０１０～８１２０はそれぞれが、図示のように３０度を含み得る。異なる数（濃度）及びサイズのセクタを使用してよい。異なる配向の顕著性セクタ及び連続顕著性領域を使用してよい。簡単及び明確性のため、図８は、上が北に、右が東に配向される。
図示のように、顕著性セクタは、自律走行車両８０００の南南東の第１顕著性セクタ８０１０、自律走行車両８０００の南東の第２顕著性セクタ８０２０、自律走行車両８０００の東南東の第３顕著性セクタ８０３０、自律走行車両８０００の東北東の第４顕著性セクタ８０４０、自律走行車両８０００の北東の第５顕著性セクタ８０５０、自律走行車両８０００の北北東の第６顕著性セクタ８０６０、自律走行車両８０００の北北西の第７顕著性セクタ８０７０、自律走行車両８０００の北西の第８顕著性セクタ８０８０、自律走行車両８０００の西北西の第９顕著性セクタ８０９０、自律走行車両８０００の西南西の第１０顕著性セクタ８１００、自律走行車両８０００の南西の第１１顕著性セクタ８１１０、及び自律走行車両８０００の南南西の第１２顕著性セクタ８１２０を含む。
顕著性セクタ８０１０～８１２０はそれぞれが、暗く点描された背景により示される近顕著性距離部分、及び明るく点描された背景により示される遠顕著性距離部分を含む。例えば、近顕著性距離は、車両８０００の６０メートル以内のような車両８０００に相対的に近いエリアに対応し、遠顕著性距離は、車両８０００から１２０メートルの距離のような、車両から少なくとも６０メートルのような、車両８０００から相対的に遠いエリアに対応する。角度サイズ、顕著性距離及び配向を含む利用可能顕著性セクタ８０１０～８１２０を、車両８０００に対して定義することができる。顕著性領域は、顕著性セクタ８０１０～８１２０及び近い又は遠い等の顕著性距離として示され得る。
顕著性情報は、車両８０００に対する一以上の顕著性領域、顕著性セクタ、顕著性距離、又はこれらの組み合せを示し又は特定し得る。顕著性情報は、それぞれの顕著性領域又はセクタに対応する高優先順位又は低優先順位のような相対優先順位を示し得る。例えば、各顕著性領域を表す０～２３の範囲にある整数値のような整数値を使用してよい。他例において、０～１１の範囲にある整数値のような各顕著性セクタを表す整数値、及び近顕著性距離又は遠顕著性距離を表すバイナリ値［０，１］を使用してよい。他例において、高優先順位又は低優先順位を表すバイナリ値を使用してよい。顕著性情報の他の表現も使用してよい。
図９は、本開示の実施形態に係る車両９０００に対する、図８に示される非重畳顕著性セクタ８０１０～８１２０のような非重畳顕著性セクタ９０１０～９１２０と、図７に示される視野７１００～７７００である視野９２００～９８００との対応関係の例の図である。簡単及び明確性のため、図９は、上が北に、右が東に配向される。
図示のように、車両９０００の、図６に示される中心前方画像キャプチャユニット６１００のような第１画像キャプチャユニットが、自律走行車両９０００の北東の顕著性セクタ９０５０のための遠顕著性距離に対応する顕著性領域の少なくとも一部分、自律走行車両９０００の北東の顕著性セクタ９０５０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の北北東の顕著性セクタ９０６０のための遠顕著性距離に対応する顕著性領域、自律走行車両９０００の北北東の顕著性セクタ９０６０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の北北西の顕著性セクタ９０７０のための遠顕著性距離に対応する顕著性領域、自律走行車両９０００の北北西の顕著性セクタ９０７０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の北西の顕著性セクタ９０８０のための遠顕著性距離に対応する顕著性領域、及び自律走行車両９０００の北西の顕著性セクタ９０８０のための近顕著性距離に対応する顕著性領域と重畳し又は部分的に重畳する図７に示される視野７１００のような第１視野９２００を有する。
図示のように、車両９０００の、図６に示される左前方画像キャプチャユニット６２００のような第２画像キャプチャユニットが、自律走行車両９０００の北西の顕著性セクタ９０８０のための遠顕著性距離に対応する顕著性領域の少なくとも一部分、自律走行車両９０００の北西の顕著性セクタ９０８０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の西北西の顕著性セクタ９０９０のための遠顕著性距離に対応する顕著性領域、自律走行車両９０００の西北西の顕著性セクタ９０９０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の西南西の顕著性セクタ９１００のための遠顕著性距離に対応する顕著性領域、及び自律走行車両９０００の西南西の顕著性セクタ９１００のための近顕著性距離に対応する顕著性領域と重畳し又は部分的に重畳する図７に示される視野７２００のような第２視野９３００を有する。
図示のように、車両９０００の、図６に示される右前方画像キャプチャユニット６３００のような第３画像キャプチャユニットが、自律走行車両９０００の東南東の顕著性セクタ９０３０のための遠顕著性距離に対応する顕著性領域の少なくとも一部分、自律走行車両９０００の東南東の顕著性セクタ９０３０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の東北東の顕著性セクタ９０４０のための遠顕著性距離に対応する顕著性領域、自律走行車両９０００の東北東の顕著性セクタ９０４０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の北東の顕著性セクタ９０５０のための遠顕著性距離に対応する顕著性領域、及び自律走行車両９０００の北東の顕著性セクタ９０５０のための近顕著性距離に対応する顕著性領域と重畳し又は部分的に重畳する図７に示される視野７３００のような第３視野９４００を有する。
図示のように、車両９０００の、図６に示される左後方画像キャプチャユニット６４００のような第４画像キャプチャユニットが、自律走行車両９０００の南西の顕著性セクタ９１１０のための遠顕著性距離に対応する顕著性領域の少なくとも一部分、自律走行車両９０００の南西の顕著性セクタ９１１０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の南南西の顕著性セクタ９１２０のための遠顕著性距離に対応する顕著性領域、及び自律走行車両９０００の南南西の顕著性セクタ９１２０のための近顕著性距離に対応する顕著性領域と重畳し又は部分的に重畳する図７に示される視野７４００のような第４視野９５００を有する。
図示のように、車両９０００の、図６に示される右後方画像キャプチャユニット６５００のような第５画像キャプチャユニットが、自律走行車両９０００の南南東の顕著性セクタ９０１０のための遠顕著性距離に対応する顕著性領域の少なくとも一部分、自律走行車両９０００の南南東の顕著性セクタ９０１０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の南東の顕著性セクタ９０２０のための遠顕著性距離に対応する顕著性領域、及び自律走行車両９０００の南東の顕著性セクタ９０２０のための近顕著性距離に対応する顕著性領域と重畳し又は部分的に重畳する図７に示される視野７５００のような第５視野９６００を有する。
図示のように、車両９０００の、図６に示される左側方画像キャプチャユニット６６００のような第６画像キャプチャユニットが、自律走行車両９０００の北北西の顕著性セクタ９０７０のための近顕著性距離に対応する顕著性領域の少なくとも一部分、自律走行車両９０００の北西の顕著性セクタ９０８０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の西北西の顕著性セクタ９０９０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の西南西の顕著性セクタ９１００のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の南西の顕著性セクタ９１１０のための近顕著性距離に対応する顕著性領域、及び自律走行車両９０００の南南西の顕著性セクタ９１２０のための近顕著性距離に対応する顕著性領域と重畳し又は部分的に重畳する図７に示される視野７７００のような第６視野９７００を有する。
図示のように、車両９０００の、図６に示される右側方画像キャプチャユニット６７００のような第７画像キャプチャユニットが、自律走行車両９０００の南南東の顕著性セクタ９０１０のための近顕著性距離に対応する顕著性領域の少なくとも一部分、自律走行車両９０００の南東の顕著性セクタ９０２０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の東南東の顕著性セクタ９０３０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の東北東の顕著性セクタ９０４０のための近顕著性距離に対応する顕著性領域、自律走行車両９０００の北東の顕著性セクタ９０５０のための近顕著性距離に対応する顕著性領域、及び自律走行車両９０００の北北東の顕著性セクタ９０６０のための近顕著性距離に対応する顕著性領域と重畳し又は部分的に重畳する図７に示される視野７８００のような第７視野９８００を有する。
図１０は、本開示の実施形態に係る可視顕著性認識制御１００００による自律走行車両動作管理の一例の流れ図である。可視顕著性認識制御１００００による自律走行車両動作管理は、図１に示される自律走行車両１０００、図２に示される自律走行車両２１００／２１１０、図６～９に示される自律走行車両６０００～９０００、半自律走行車両、又は自律運転を実装する任意の他の車両のような自律走行車両に実装してよい。自律走行車両は、図２及び３に示される自律走行車両交通ネットワーク又はその一部分のような車両交通ネットワークを通り抜けることができる。
自律走行車両は、図４に示される自律走行車両動作管理システム４０００のような自律走行車両動作管理システムを実装することができ、図４に示される自律走行車両動作管理コントローラ４１００のような自律走行車両動作管理コントローラを含み得る。自律走行車両は、図６に示される認識ユニット６８００のような認識ユニットを含み得る。これは、図６に示される前部画像処理ユニット６８１０のような前部画像処理ユニット、図６に示される後部画像処理ユニット６８２０のような後部画像処理ユニット、及び図６に示される認識制御ユニット６８３０のような認識制御ユニットを含み得る。自律走行車両は、図６に示される画像キャプチャユニット６１００～６７００のようなセンサを含み得る。
可視顕著性認識制御１００００による自律走行車両動作管理は、認識ユニット、自律走行車両動作管理コントローラ、又はその双方を動作させることを含み、１０１００において自律走行車動作制御環境を動作させることと、１０２００において顕著性情報を特定することと、１０３００において外部オブジェクト情報を生成することと、１０４００において外部オブジェクト情報を出力することと、１０５００において特異車両動作シナリオを特定することと、１０６００においてシナリオ固有動作制御評価モジュールインスタンスをインスタンス生成することと、１０７００において候補車両制御アクションを受信することと、１０８００において自律走行車両交通ネットワークを通り抜けることとを含み得る。
自律走行車両が、１０１００において自律走行車動作制御環境を動作させることができる。これは、自律走行車動作制御環境を生成することを含み得る。例えば、自律走行車両動作管理コントローラは、シナリオ固有動作制御評価モジュールインスタンスを動作させるべく自律走行車動作制御環境を生成することができる。自律走行車動作制御環境は、図４に示される動作環境モニタ４２００のような一以上の動作環境モニタを含み得る。
顕著性情報を１０２００において特定することができる。例えば、自律走行車両動作管理コントローラは、１０２００において顕著性情報を生成することができる。顕著性情報は、自律走行車両を取り囲む視野の一部分の顕著性、重要性、又は相対動作ユーティリティを示し得る。例えば、顕著性情報は、図８に示される顕著性領域のような、車両に対する一以上の顕著性領域、顕著性セクタ、顕著性距離、又はこれらの組み合わせを示し又は特定し得る。顕著性情報は、それぞれの顕著性領域又はセクタに対応する高優先順位又は低優先順位のような相対優先順位を示し得る。
いくつかの実装例において、顕著性情報は、各顕著性セクタのための顕著性距離情報及び優先順位情報を含み得る。例えば、図８に示される顕著性セクタ８０１０～８１２０のような各顕著性セクタに対し、顕著性情報は、バイナリ値０１として表現される近顕著性距離、バイナリ値１０として表現される遠顕著性距離、又はバイナリ値００若しくは１１として表現される近顕著性距離と遠顕著性距離との組み合わせを含み、バイナリ値０として表現される低相対優先順位、又はバイナリ値１として表現される遠相対順位のような相対優先順位を示し得る。いくつかの実装例において、相対優先順位情報は、ランキング又は確率であってよい。いくつかの実装例において、顕著性情報は、低優先順位に関連付けられた顕著性領域に対し、顕著性情報を省略してよい。
顕著性情報を生成することは、例えば、自律走行車両の動作環境、以前に特定された外部オブジェクトデータ、又はこれらの組み合わせを表すマップデータのような車両交通ネットワーク情報を使用することを含み得る。以前に特定された外部オブジェクトデータは、自律走行車両動作管理システムが以前に生成したデータであってよく、これは、予測外部オブジェクトデータ又は外部オブジェクト確率データを含み得る。いくつかの実装例において、１０１００において自律走行車動作制御環境を動作させることが省略されてよく、外部オブジェクト追跡ユニットのような車両の他ユニットが顕著性情報を生成してよい。
認識ユニットは、１０２００において顕著性情報を取得することができる。例えば、認識ユニットは、顕著性情報を自律走行車両動作管理コントローラから受信することができる。
認識ユニットを動作させることは、１０３００において外部オブジェクト情報を生成することを含み得る。例えば、認識ユニットは、自律走行車両の所定距離内の一以上の外部オブジェクトに対応する外部オブジェクト情報を、１０１００において特定された顕著性情報に基づいて生成することができる。外部オブジェクト情報を生成することは、認識制御のために顕著性情報を処理することを含み得る。例えば、認識制御ユニットは、顕著性情報を自律走行車両の利用可能センサに相関させることができる。例えば、認識ユニットは、実質的に同時発生の画像のような一以上の画像を、図７に示される視野７１００～７７００のような一以上の視野に対応する図６に示される画像キャプチャユニット６１００～６７００のような自律走行車両の一以上の画像キャプチャユニットから受信することができる。認識制御ユニットは、画像キャプチャユニットがキャプチャした画像の顕著性部分を特定するべく顕著性情報を相関させることができる。各画像は、自律走行車両の動作環境の視野の実質的に時間的に同時発生の部分をキャプチャし得る。認識制御ユニットは、顕著性情報が示す顕著性領域に対応する一以上の画像キャプチャユニット、対応画像処理ユニット、又はその双方を特定することができる。認識制御ユニットは、例えば共有メモリに記憶することによって、顕著性情報又はその一部分を前部画像処理ユニット、後部画像処理ユニット、又はその双方に伝送し、送信し、又は利用可能にすることができる。
各画像処理ユニットが、センサ情報の顕著性部分を顕著性情報に基づいて決定することができる。自律走行車両の画像キャプチャユニットのようなセンサの、画像のようなセンサ情報を、顕著性部分から省略してよい。例えば、自律走行車両の画像キャプチャユニットがキャプチャした画像が、顕著性情報において特定される顕著性領域と非重畳であってよく、当該画像を顕著性部分から省略してよい。他例において、自律走行車両の画像キャプチャユニットがキャプチャした画像が、顕著性情報において特定される顕著性領域と重畳してよく、当該画像又はその一部分を顕著性部分に含めてよい。例えば、センサ情報を自律走行車両の画像キャプチャユニットがキャプチャした画像としてよく、顕著性部分を画像の空間的に連続な領域又はパッチとしてよい。画像処理ユニットは、画像の一以上の部分を顕著性部分として特定することができ、当該画像の残り部分を非顕著性部分として特定してよい。例えば、自律走行車両の画像キャプチャユニットがキャプチャした画像が、顕著性領域を含む視野を有してよく、画像処理ユニットが、顕著性情報において示される高優先順位顕著性領域に対応する画像の一部分を顕著性部分として特定してよい。顕著性情報において低優先順位として特定され、又は顕著性情報から省略される顕著性領域に対応する画像の複数部分を、非顕著性部分として特定してよい。画像のサイズに対する顕著性部分のサイズを、顕著性距離情報に基づいて決定してよい。
一例において、前部画像処理ユニットは、中心画像キャプチャユニットのような自律走行車両の第１画像キャプチャユニット、右前方画像キャプチャユニットのような自律走行車両の第２画像キャプチャユニット、及び左前方画像キャプチャユニットのような自律走行車両の第３画像キャプチャユニットがキャプチャした画像に基づいて、一以上の顕著性部分（第１画像処理データ）を特定することができる。後部画像処理ユニットは、左後方画像キャプチャユニットのような自律走行車両の第４画像キャプチャユニット、右後方画像キャプチャユニットのような自律走行車両の第５画像キャプチャユニット、左画像キャプチャユニットのような自律走行車両の第６画像キャプチャユニット、及び右画像キャプチャユニットのような自律走行車両の第７画像キャプチャユニットがキャプチャした画像に基づいて、一以上の顕著性部分（第２画像処理データ）を特定することができる。
いくつかの実装例において、画像処理ユニットが、３のような所定濃度を超える濃度を有する一セットの顕著性部分（候補顕著性部分）を特定することができ、画像処理ユニットが、顕著性情報に基づいて各顕著性情報の対応優先順位を決定することができ、画像処理ユニットは、顕著性部分において最高優先順位を有する候補顕著性部分の特定された濃度を含むとともに、非顕著性部分において顕著性部分以外の候補顕著性部分を含み得る。顕著性部分の最小優先順位が、非顕著性部分における候補顕著性部分の最大優先順位を超えてよい。
認識ユニットは、センサ情報の単数又は複数の顕著性部分に基づいて外部オブジェクト情報を生成することができる。例えば、前部画像処理ユニットは、中心画像キャプチャユニット、前左画像キャプチャユニット及び前右画像キャプチャユニットに対応する単数又は複数の顕著性部分に基づいて外部オブジェクト候補情報を生成することができ、後部画像処理ユニットは、左後方画像キャプチャユニット、右後方画像キャプチャユニット、左画像キャプチャユニット及び右画像キャプチャユニットに対応する単数又は複数の顕著性部分に基づいて外部オブジェクト候補情報を生成することができる。外部オブジェクト情報を生成することは、深層学習オブジェクト分類アルゴリズムを使用して単数又は複数の顕著性部分を評価することを含み得る。
認識ユニットを動作させることは、１０４００において外部オブジェクト情報を出力することを含み得る。例えば、認識ユニットは、例えば共有メモリに記憶することによって、外部オブジェクト情報またはその一部分を自律走行車両動作管理コントローラに、又は車両の他の単数若しくは複数のユニットに、伝送し、送信し、又は利用可能にすることができる。
自律走行車両動作管理コントローラを動作させることは、１０５００において特異車両動作シナリオを特定することを含み得る。自律走行車両動作管理コントローラは、１０４００において認識ユニットが出力した外部オブジェクト情報を使用して特異車両動作シナリオを特定することを含み得る。例えば、自律走行車両動作管理コントローラは、１０４００において認識ユニットが受信送信した外部オブジェクト情報を受信することができ、外部オブジェクト情報を受信したことに応答して特異車両動作シナリオを特定することができる。
自律走行車両動作管理コントローラを動作させることは、１０６００においてシナリオ固有動作制御評価モジュールインスタンスをインスタンス生成することを含み得る。例えば、自律走行車両動作管理コントローラは、１０５００において特異車両動作シナリオを特定したことに応答してシナリオ固有動作制御評価モジュールインスタンスをインスタンス生成することができる。シナリオ固有動作制御評価モジュールインスタンスは、特異車両動作シナリオのシナリオ固有動作制御評価モデルのインスタンスを含み得る。シナリオ固有動作制御評価モジュールインスタンスを動作させることは、シナリオ固有動作制御評価モデルのためのポリシーを特定することを含み得る。
自律走行車両動作管理コントローラを動作させることは、１０７００において候補車両制御アクションを受信することを含み得る。例えば、自律走行車両動作管理コントローラは、１０６００においてインスタンス生成されたシナリオ固有動作制御評価モジュールインスタンスのためのポリシーから候補車両制御アクションを受信することができる。
自律走行車両動作管理コントローラを動作させることは、１０８００において自律走行車両を、自律走行車両交通ネットワークの一部分を通り抜けるように制御することを含み得る。例えば、自律走行車両動作管理コントローラは、１０７００において特定された候補車両制御アクションに応じて自律走行車両を、自律走行車両交通ネットワークの一部分を通り抜けるように制御することができる。自律走行車両交通ネットワークの一部分は、１０５００において特定された特異車両動作シナリオを含み得る。
１０２００において顕著性情報を特定すること、１０３００において外部オブジェクト情報を生成すること、１０４００において外部オブジェクト情報を出力すること、１０５００において特異車両動作シナリオを特定すること、１０６００においてシナリオ固有動作制御評価モジュールインスタンスをインスタンス生成すること、１０７００において候補車両制御アクションを受信すること、及び１０８００において自律走行車両交通ネットワークの一部分を通り抜けることは、１０９００における方向線により示されるように順次に繰り返される。
図１１は、本開示の実施形態に係る交差点シナリオ及び歩行者シナリオを含む車両交通ネットワークの一部分１１０００に対する可視顕著性認識制御による自律走行車両動作管理の一例の図である。可視顕著性認識制御による自律走行車両動作管理は、図１に示される自律走行車両１０００、図２に示される自律走行車両２１００／２１１０の一つ、図６～９に示される自律走行車両６０００、７０００、８０００、９０００の一つ、半自律走行車両、又は自律運転を実装する任意の他の車両のような自律走行車両１１１００が、図４に示される自律走行車両動作管理システム４０００のような自律走行車両動作管理システムを動作させることを含み得る。これは、自律走行車両１１１００が第１道路１１２００に沿って第２道路１１２１０との交差点に近付くように車両交通ネットワークの一部分を通り抜けることを含む自律走行車両動作制御シナリオの一モデルを含み得る。簡単及び明確性のため、図１１に示される車両交通ネットワークの一部分１１０００は、上が北に、右が東に配向される。
第１遠隔車両１１３００が、第２道路１１２１０に沿って西方向に通り抜けるように示される。第１遠隔車両１１３００の現在軌道は、実線の方向線を使用して示される。第２遠隔車両１１４００が、第２道路１１２１０に沿って東方向に通り抜けるように示される。第２遠隔車両１１４００の現在軌道は、実線の方向線を使用して示される。歩行者１１５００が交差点の近くに示される。歩行者１１５００の現在軌道が、実線の方向線を使用して示される。これは、歩行者１１５００が、例えば、自律走行車両１１１００の予測経路１１１１０と交差する経路に沿って第２道路１１２１０の一部分を通り抜けることによって、自律走行車両１１１００の動作に影響を及ぼし得ることを示す。
自律走行車両動作管理システムは、交差点の配向を示す車両交通ネットワーク情報と、遠隔車両１１３００、１１４００及び歩行者１１５００を含み得る検出された外部オブジェクトを表す以前に取得された外部オブジェクト情報とを含み得る環境情報を動作させることに基づいて、顕著性情報を生成することができる。
自律走行車両１１１００は、図１１に示される現在ロケーションに到着するべく第１道路１１２００を通り抜けることによって交差点に近付くことができる。自律走行車両１１１００の自律走行車両動作管理システムは、図１１に示される車両交通ネットワークの一部分１１０００を通り抜けるための、図８に示される非重畳顕著性セクタ８０１０～８１２０のような一セットの非重畳顕著性セクタに基づいて顕著性情報を特定することができる。簡単及び明確性のため、特定された顕著性領域１１６００～１１６５０は、図１１において破線のアウトラインを使用して示される。図１１が特定された顕著性領域１１６００～１１６５０を示し他の顕著性領域を簡単及び明確性のため省略するにもかかわらず、図８に示されるような他の顕著性領域も、一セットの非重畳顕著性セクタに含まれてよい。自律走行車両１１１００の自律走行車両動作管理システムは、各顕著性セクタに対応する顕著性距離情報、顕著性優先順位情報、又はこれらの組み合わせを特定することができる。
自律走行車両１１１００の自律走行車両動作管理システムは、図４に示される交差点モニタ４２３０のような交差点モニタを動作させることができる。これは、交差点モニタをインスタンス生成することを含み得る。交差点モニタは、自律走行車両１１１００の特定されたルートに対応する一部分、自律走行車両１１１００に空間的に近接する一部分、若しくは自律走行車両１１１００の予測経路１１１１０、又はこれらの組み合わせのような、車両交通ネットワークの一部分を表すマップデータ、センサデータ、又はこれらの組み合わせのような車両交通ネットワークデータを処理又は評価することができる。交差点モニタは、自律走行車両１１１００の動作環境又はその一側面を表す動作環境情報を特定又は生成することができる。
交差点モニタは、例えば車両交通ネットワーク情報に基づいて、自律走行車両の動作環境が交差点を含むことを決定することができ、例えば以前に特定された外部オブジェクト情報に基づいて、自律走行車両の前方及び右の第１遠隔車両１１３００、及び自律走行車両の前方及び左の第２遠隔車両１１４００を特定することができる。
交差点モニタは、遠隔車両１１３００、１１４００それぞれに対応する予測された相対ロケーション情報を特定することができる。交差点モニタは、遠隔車両１１３００、１１４００の予測相対ロケーションに対応する各顕著性領域を特定することができる。交差点モニタは、遠隔車両１１３００、１１４００に対応する各顕著性領域に対して高優先順位のような優先順位を特定することができる。
図示のように、自律走行車両１１１００の自律走行車両動作管理システムは、第１遠隔車両１１３００を含む自律走行車両１１１００の東北東の顕著性セクタに対する遠顕著性距離に対応する顕著性領域に対して高優先順位を特定することができ、第２遠隔車両１１４００を含む自律走行車両１１１００の西北西の顕著性セクタ１１６５０に対する遠顕著性距離に対応する顕著性領域に対して高優先順位を特定することができる。
交差点モニタは、車両交通ネットワークにおける停止線に対応するロケーションのような、車両交通ネットワークにおける通行権境界ロケーション又は他のロケーションを特定してよい。通行権境界ロケーションは、自律走行車両１１１１０の現在ロケーションと、自律走行車両１１１００の予測経路１１１１０に沿った車両交通ネットワークにおける、自律走行車両１１１００が通行権重畳エリアに入ることなく安全に通り抜けられる通行権重畳エリアに最も近いロケーションとなり得る通行権重畳エリアに近接の、例えば直接隣接し若しくはそこから１メートルの、交通権重畳エリアとの間にある自律走行車両１１１００の予測経路１１１１０に沿った車両交通ネットワークにおけるロケーションとしてよい。交差点モニタは、自律走行車両１１１００の現在ロケーションに対する停止線又は通行権境界ロケーションの予測相対配向に対応する顕著性領域を特定することができる。交差点モニタは、自律走行車両１１１００の現在ロケーションに対する停止線又は通行権境界ロケーションの予測相対配向に対応する顕著性領域に対し、高優先順位のような優先順位を特定してよい。交差点モニタは、自律走行車両１１１００の現在軌道又は予測経路１１１１０に沿った顕著性領域を特定することができ、自律走行車両１１１００の現在軌道又は予測経路１１１１０に沿った顕著性領域に対し、低優先順位のような優先順位を特定してよい。
図示のように、自律走行車両１１１００の自律走行車両運転管理システムは、自律走行車両１１１００の北東の顕著性セクタ１１６１０の近顕著性距離、自律走行車両１１１００の北北東の顕著性セクタ１１６２０の近顕著性距離、自律走行車両１１１００の北北西の顕著性セクタ１１６３０の近顕著性距離、及び自律走行車両１１１００の北西の顕著性セクタ１１６４０の近顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。
自律走行車両１１１００の自律走行車両動作管理システムは、図４に示される歩行者モニタ４２２０のような歩行者モニタを動作させることができる。これは、歩行者モニタをインスタンス生成することを含み得る。歩行者モニタは、自律走行車両１１１００の特定されたルートに対応する一部分、自律走行車両１１１００に空間的に近接する一部分、若しくは自律走行車両１１１００の予測経路１１１１０、又はこれらの組み合わせのような、車両交通ネットワークの一部分を表すマップデータ、センサデータ、又はこれらの組み合わせのような車両交通ネットワークデータを処理又は評価することができる。歩行者モニタは、自律走行車両１１１００の動作環境又はその一側面を表す動作環境情報を特定又は生成することができる。
歩行者モニタは、自律走行車両１１１００の左に歩行者１１５００を特定することができる。車両交通ネットワークは、横断歩道（明示せず）のような歩行者交通ネットワークの重畳部分を含み、歩行者モニタは、自律走行車両１１１００の現在ロケーションに関連する横断歩道の相対ロケーションに対応する一以上の顕著性領域を特定することができる。歩行者モニタは、歩行者１１５００、横断歩道、又はその双方に対応する顕著性領域に対し、高優先順位のような優先順位を特定することができる。
自律走行車両１１１００の自律走行車両動作管理システムは、例えば共有メモリに記憶することによって、特定された顕著性情報を自律走行車両１１１００の認識ユニットに伝送し、送信し、又は利用可能にすることができる。例えば、自律走行車両１１１００の自律走行車両動作管理システムは、例えば共有メモリに記憶することによって、自律走行車両１１１００の東北東の顕著性セクタ１１６００の遠顕著性距離に対する高優先順位、自律走行車両１１１００の北東の顕著性セクタ１１６１０の近顕著性距離に対する高優先順位、自律走行車両１１１００の北北東の顕著性セクタ１１６２０の近顕著性距離に対する高優先順位、自律走行車両１１１００の北北西の顕著性セクタ１１６３０の近顕著性距離に対する高優先順位、自律走行車両１１１００の北西の顕著性セクタ１１６４０の近顕著性距離に対する高優先順位、及び自律走行車両１１１００の西北西の顕著性セクタ１１６５０の遠顕著性距離に対する高優先順位を示す顕著性情報を、自律走行車両１１１００の認識ユニットに伝送し、送信し、又は利用可能にすることができる。顕著性情報は、他の顕著性領域に対し、低優先順位を特定してよく又は顕著性情報を省略してよい。
自律走行車両１１１００の認識ユニットは、顕著性情報を取得し、受信し、読み取り、又はそれにアクセスし、当該顕著性情報を、自律走行車両１１１００の画像キャプチャユニットの各視野に相関させることができる。
自律走行車両１１１００の認識ユニットは、特定された顕著性領域１１６００～１１６５０が、図６に示される中心前方画像キャプチャユニット６１００のような自律走行車両１１１００の中心前方画像キャプチャユニットの視野１１７００、図６に示される左前方画像キャプチャユニット６２００のような自律走行車両１１１００の左前方画像キャプチャユニットの視野１１７１０、及び図６に示される右前方画像キャプチャユニット６３００のような右前方画像キャプチャユニットの視野１１７２０に空間的に対応することを決定することができる。
例えば、認識制御ユニットは、自律走行車両の東北東の顕著性セクタの遠顕著性距離に対応する顕著性領域１１６００が、自律走行車両の右前画像キャプチャユニットの視野１１７２０に対応すること、例えば空間的に重畳すること、を決定してよい。認識制御ユニットは、自律走行車両の北東の顕著性セクタの近顕著性距離に対応する顕著性領域１１６１０が、自律走行車両の右前画像キャプチャユニットの視野１１７２０、自律走行車両の中心画像キャプチャユニットの視野１１７００、及び自律走行車の右画像キャプチャユニットの視野（図示せず）に対応すること、例えば空間的に重畳すること、を決定してよい。認識制御ユニットは、自律走行車両の北北東の顕著性セクタの近顕著性距離に対応する顕著性領域１１６２０が、自律走行車両の中心画像キャプチャユニットの視野１１７００、及び自律走行車の右画像キャプチャユニットの視野（図示せず）に対応すること、例えば空間的に重畳すること、を決定してよい。認識制御ユニットは、自律走行車両の北北西の顕著性セクタの近顕著性距離に対応する顕著性領域１１６３０が、自律走行車両の中心画像キャプチャユニットの視野１１７００、及び自律走行車の左画像キャプチャユニットの視野（図示せず）に対応すること、例えば空間的に重畳すること、を決定してよい。認識制御ユニットは、自律走行車両の北西の顕著性セクタの近顕著性距離に対応する顕著性領域１１６４０が、自律走行車両の左前画像キャプチャユニットの視野１１７１０、自律走行車両の中心画像キャプチャユニットの視野１１７００、及び自律走行車の左画像キャプチャユニットの視野（図示せず）に対応すること、例えば空間的に重畳すること、を決定してよい。例えば、認識制御ユニットは、自律走行車両の西北西の顕著性セクタの遠顕著性距離に対応する顕著性領域１１６５０が、自律走行車両の左前画像キャプチャユニットの視野１１７１０に対応すること、例えば空間的に重畳すること、を決定してよい。
自律走行車両１１１００の認識ユニットは、特定された顕著性領域１１６００～１１６５０に対応するセンサ、例えば自律走行車両１１１００の中心前方画像キャプチャユニット、自律走行車両１１１００の左前方画像キャプチャユニット、及び自律走行車両１１１００の右前方画像キャプチャユニットがキャプチャ又は生成したセンサデータを使用して、外部オブジェクト情報を生成することができる。
例えば、認識制御ユニットは、前方画像処理ユニットを、自律走行車両の右前画像キャプチャユニット、自律走行車両の中心画像キャプチャユニット、及び自律走行車両の左前画像キャプチャユニットに関連付けられるとして特定し、顕著性情報又はその対応部分を当該前部画像処理ユニットに送信し、伝送し、又は与えることができる。いくつかの実装例において、認識制御ユニットは、顕著性情報を後部画像処理ユニットに送信することを省略してよく、後部画像処理ユニットに対応する顕著性領域の不在を示す顕著性情報を後部画像処理ユニットに送信してもよい。いくつかの実装例において、認識制御ユニットは、顕著性情報を前部画像処理ユニット及び後部画像処理ユニットの双方に送信してよい。
自律走行車両１１１００の認識ユニットは、例えば共有メモリに記憶することによって、外部オブジェクト情報を自律走行車両１１１００の自律走行車両動作管理システムに伝送し、送信し、又は利用可能にすることができる。
自律走行車両動作管理コントローラは、外部オブジェクト情報を含む動作環境情報に基づいて一以上のシナリオを検出又は特定してよい。例えば、自律走行車両動作管理コントローラは、交差点及び第１遠隔車両１１３００に対応する第１交差点シナリオ、交差点及び第２遠隔車両１１４００に対応する第２交差点シナリオ、並びに歩行者１１５００に対応する歩行者シナリオを検出又は特定してよい。
自律走行車両動作管理コントローラは、シナリオの検出又は特定に応答して、一以上のＳＳＯＣＥＭインスタンスをインスタンス生成してよく、動作環境情報をＳＳＯＣＥＭインスタンスに送信又は利用可能にしてよい。例えば、自律走行車両動作管理コントローラは、交差点及び第１遠隔車両１１３００に対応する第１交差点シナリオのための第１交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよく、自律走行車両動作管理コントローラは、交差点及び第２遠隔車両１１４００に対応する第２交差点シナリオのための第２交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよく、自律走行車両動作管理コントローラは、歩行者１１５００に対応する歩行者シナリオのための歩行者ＳＳＯＣＥＭインスタンスをインスタンス生成してよい。
ＳＳＯＣＥＭインスタンスをインスタンス生成することは、対応車両動作シナリオの一モデルのための解又はポリシーを特定することを含み得る。車両動作シナリオの一モデルのための解又はポリシーを特定することは、対応するＳＳＯＣＥＭモデルを解くことを含み得る。対応ＳＳＯＣＥＭインスタンスをインスタンス生成することは、対応する解又はポリシーの一インスタンスをインスタンス生成することを含み得る。
第１交差点ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第１候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
第２交差点ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第２候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
歩行者ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第３候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
自律走行車両動作管理コントローラは、候補車両制御アクションを対応インスタンス生成ＳＳＯＣＥＭインスタンスから受信してよく、受信した候補車両制御アクションに基づいて、対応する時間的ロケーションにおいて自律走行車両１１１００を制御するべく、車両制御アクションを特定してよく、特定された車両制御アクションに応じて自律走行車両を、車両交通ネットワーク又はその一部分を通り抜けるように制御してよい。
図１２は、本開示の実施形態に係る交差点シナリオを含む車両交通ネットワークの他部分１２０００の一例の図である。自律走行車両動作管理は、図１に示される自律走行車両１０００、図２に示される自律走行車両２１００／２１１０の一つ、図６～９に示される自律走行車両６０００、７０００、８０００、９０００の一つ、半自律走行車両、又は自律運転を実装する任意の他の車両のような自律走行車両１２１００が、図４に示される自律走行車両動作管理システム４０００のような自律走行車両動作管理システムを動作させることを含み得る。これは、自律走行車両１２１００が第１道路１２２００に沿って第２道路１２２１０との交差点に近付くように車両交通ネットワークの一部分を通り抜けることを含む自律走行車両動作制御シナリオの一モデルを含み得る。簡単及び明確性のため、図１２に示される車両交通ネットワークの一部分１２０００は、上が北に、右が東に配向される。
第１遠隔車両１２３００が、第２道路１２２１０に沿って交差点を通過して西方向に通り抜けるように示される。第１遠隔車両１２３００の現在軌道は、実線の方向線を使用して示される。第２遠隔車両１２４００が、第２道路１２２１０に沿って東方向に通り抜けるように示される。第２遠隔車両１２４００は、交差点に隣接する停止線において静止しているように示される。第３遠隔車両１２５００が、第１道路１２２００に沿って交差点に向かって南方向に通り抜けるように示される。第３遠隔車両１２５００の現在軌道は、実線の方向線を使用して示される。
自律走行車両１２１００は、図１２に示される現在ロケーションに到着するべく第１道路１２２００を通り抜けることによって交差点に近付くことができる。自律走行車両１２１００の自律走行車両動作管理システムは、図１２に示される車両交通ネットワークの一部分１２０００を通り抜けるための、図８に示される非重畳顕著性セクタ８０１０～８１２０のような一セットの非重畳顕著性セクタに基づいて顕著性情報を特定することができる。簡単及び明確性のため、特定された顕著性領域１２６００～１２６３０は、図１２において破線のアウトラインを使用して示される。図１２が特定された顕著性領域１２６００～１２６３０を示し他の顕著性領域を簡単及び明確性のため省略するにもかかわらず、図８に示されるような他の顕著性領域も、一セットの非重畳顕著性セクタに含まれてよい。自律走行車両１２１００の自律走行車両動作管理システムは、各顕著性セクタに対応する顕著性距離情報、顕著性優先順位情報、又はこれらの組み合わせを特定することができる。
自律走行車両１２１００の自律走行車両動作管理システムは、図４に示される交差点モニタ４２３０のような交差点モニタを動作させることができる。これは、交差点モニタをインスタンス生成することを含み得る。交差点モニタは、自律走行車両１２１００の特定されたルートに対応する一部分、自律走行車両１２１００に空間的に近接する一部分、若しくは自律走行車両１２１００の予測経路１２１１０、又はこれらの組み合わせのような、車両交通ネットワークの一部分を表すマップデータ、センサデータ、又はこれらの組み合わせのような車両交通ネットワークデータを処理又は評価することができる。交差点モニタは、自律走行車両１２１００の動作環境又はその一側面を表す動作環境情報を特定又は生成することができる。
交差点モニタは、例えば車両交通ネットワーク情報に基づいて、自律走行車両の動作環境が交差点を含むことを決定することができ、例えば以前に特定された外部オブジェクト情報に基づいて、自律走行車両の前方及び右の第１遠隔車両１２３００、及び自律走行車両の前方及び左の第２遠隔車両１２４００を特定することができる。
交差点モニタは、遠隔車両１２３００、１２４００、１２５００それぞれに対応する予測された相対ロケーション情報を特定することができる。交差点モニタは、遠隔車両１２３００、１２４００、１２５００の予測相対ロケーションに対応する各顕著性領域を特定することができる。交差点モニタは、遠隔車両１２３００、１２４００、１２５００に対応する各顕著性領域に対して高優先順位のような優先順位を特定することができる。
図示のように、自律走行車両１２１００の自律走行車両動作管理システムは、自律走行車両１２１００の北東の顕著性セクタ１２６００の近顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。自律走行車両１２１００の自律走行車両動作管理システムは、第１遠隔車両１２３００の一部分を含む自律走行車両１２１００の北北東の顕著性セクタ１２６１０の遠顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。自律走行車両１２１００の自律走行車両動作管理システムは、第１遠隔車両１２３００の一部分を含みかつ第３遠隔車両１２５００を含む自律走行車両１２１００の北北西の顕著性セクタ１２６２０の遠顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。自律走行車両１２１００の自律走行車両動作管理システムは、第２遠隔車両１２４００を含む自律走行車両１２１００の北西の顕著性セクタ１２６３０の近顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。
交差点モニタは、１２２０２に示される車両交通ネットワークにおける停止線に対応するロケーションのような、車両交通ネットワークにおける通行権境界ロケーション又は他のロケーションを特定してよい。通行権境界ロケーションは、自律走行車両１２１１０の現在ロケーションと、自律走行車両１２１００の予測経路１２１１０に沿った車両交通ネットワークにおける、自律走行車両１２１００が通行権重畳エリアに入ることなく安全に通り抜けられる通行権重畳エリアに最も近いロケーションとなり得る通行権重畳エリアに近接の、例えば直接隣接し若しくはそこから１メートルの、交通権重畳エリアとの間にある自律走行車両１２１００の予測経路１２１１０に沿った車両交通ネットワークにおけるロケーションとしてよい。交差点モニタは、自律走行車両１２１００の現在ロケーションに対する停止線又は通行権境界ロケーションの予測相対配向に対応する顕著性領域を特定することができる。交差点モニタは、自律走行車両１２１００の現在ロケーションに対する停止線又は通行権境界ロケーションの予測相対配向に対応する顕著性領域に対し、高優先順位のような優先順位を特定してよい。交差点モニタは、自律走行車両１２１００の現在軌道又は予測経路１２１１０に沿った顕著性領域を特定することができ、自律走行車両１２１００の現在軌道又は予測経路１２１１０に沿った顕著性領域に対し、低優先順位のような優先順位を特定してよい。
自律走行車両１２１００の自律走行車両動作管理システムは、例えば共有メモリに記憶することによって、特定された顕著性情報を自律走行車両１２１００の認識ユニットに伝送し、送信し、又は利用可能にすることができる。例えば、自律走行車両１２１００の自律走行車両動作管理システムは、自律走行車両１２１００の北東の顕著性セクタ１２６００の近顕著性距離に対し高優先順位を示し、自律走行車両１２１００の北北東の顕著性セクタ１２６１０の遠顕著性距離に対し高優先順位を示し、自律走行車両１２１００の北北西の顕著性セクタ１２６２０の遠顕著性距離に対し高優先順位を示し、及び自律走行車両１２１００の北西の顕著性セクタ１２６３０の近顕著性距離に対し高優先順位を示す顕著性情報を、自律走行車両１２１００の認識ユニットに伝送し、送信し、又は利用可能にすることができる。顕著性情報は、他の顕著性領域に対し、低優先順位を特定してよく又は顕著性情報を省略してよい。
自律走行車両１２１００の認識ユニットは、顕著性情報を取得し、当該顕著性情報を、自律走行車両１２１００の画像キャプチャユニットの各視野に相関させることができる。
自律走行車両１２１００の認識ユニットは、特定された顕著性領域１２６００～１２６３０が、図６に示される自律走行車両１２１００の中心前方画像キャプチャユニット６１００のような中心前方画像キャプチャユニットの視野１２７００に空間的に対応することを決定することができる。
自律走行車両１２１００の認識ユニットは、特定された顕著性領域１２６００～１２６３０に対応するセンサ、例えば自律走行車両１２１００の中心前方画像キャプチャユニットがキャプチャ又は生成したセンサデータを使用して、外部オブジェクト情報を生成することができる。
例えば、認識制御ユニットは、前方画像処理ユニットを、自律走行車両の右前画像キャプチャユニット、自律走行車両の中心画像キャプチャユニット、及び自律走行車両の左前画像キャプチャユニットに関連付けられるとして特定し、顕著性情報又はその対応部分を当該前部画像処理ユニットに送信し、伝送し、又は与えることができる。いくつかの実装例において、認識制御ユニットは、顕著性情報を後部画像処理ユニットに送信することを省略してよく、後部画像処理ユニットに対応する顕著性領域の不在を示す顕著性情報を後部画像処理ユニットに送信してもよい。いくつかの実装例において、認識制御ユニットは、顕著性情報を前部画像処理ユニット及び後部画像処理ユニットの双方に送信してよい。
自律走行車両１２１００の認識ユニットは、例えば共有メモリに記憶することによって、外部オブジェクト情報を自律走行車両１２１００の自律走行車両動作管理システムに伝送し、送信し、又は利用可能にすることができる。
自律走行車両動作管理コントローラは、外部オブジェクト情報を含む動作環境情報に基づいて一以上のシナリオを検出又は特定してよい。例えば、自律走行車両動作管理コントローラは、交差点及び第１遠隔車両１２３００に対応する第１交差点シナリオ、交差点及び第２遠隔車両１２４００に対応する第２交差点シナリオ、並びに交差点及び第３遠隔車両１２５００に対応する第３交差点シナリオを検出又は特定してよい。
自律走行車両動作管理コントローラは、シナリオの検出又は特定に応答して、一以上のＳＳＯＣＥＭインスタンスをインスタンス生成してよく、動作環境情報をＳＳＯＣＥＭインスタンスに送信又は利用可能にしてよい。例えば、自律走行車両動作管理コントローラは、交差点及び第１遠隔車両１２３００に対応する第１交差点シナリオのための第１交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよく、自律走行車両動作管理コントローラは、交差点及び第２遠隔車両１２４００に対応する第２交差点シナリオのための第２交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよく、自律走行車両動作管理コントローラは、交差点及び第３遠隔車両１２５００に対応する第３交差点シナリオのための第３交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよい。
ＳＳＯＣＥＭインスタンスをインスタンス生成することは、対応車両動作シナリオの一モデルのための解又はポリシーを特定することを含み得る。車両動作シナリオの一モデルのための解又はポリシーを特定することは、対応するＳＳＯＣＥＭモデルを解くことを含み得る。対応ＳＳＯＣＥＭインスタンスをインスタンス生成することは、対応する解又はポリシーの一インスタンスをインスタンス生成することを含み得る。
第１交差点ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第１候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
第２交差点ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第２候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
第３交差点ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第３候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
自律走行車両動作管理コントローラは、候補車両制御アクションを対応インスタンス生成ＳＳＯＣＥＭインスタンスから受信してよく、受信した候補車両制御アクションに基づいて、対応する時間的ロケーションにおいて自律走行車両１２１００を制御するべく、車両制御アクションを特定してよく、特定された車両制御アクションに応じて自律走行車両を、車両交通ネットワーク又はその一部分を通り抜けるように制御してよい。
図１３は、本開示の実施形態に係る交差点シナリオ及び歩行者シナリオを含む車両交通ネットワークの他部分１３０００の一例の図である。自律走行車両動作管理は、図１に示される自律走行車両１０００、図２に示される自律走行車両２１００／２１１０の一つ、図６～９に示される自律走行車両６０００、７０００、８０００、９０００の一つ、半自律走行車両、又は自律運転を実装する任意の他の車両のような自律走行車両１３１００が、図４に示される自律走行車両動作管理システム４０００のような自律走行車両動作管理システムを動作させることを含み得る。これは、自律走行車両１３１００が第１道路１３２００に沿って第２道路１３２１０との交差点に近付くように車両交通ネットワークの一部分を通り抜けることを含む自律走行車両動作制御シナリオの一モデルを含み得る。簡単及び明確性のため、図１３に示される車両交通ネットワークの一部分１３０００は、上が北に、右が東に配向される。
第１遠隔車両１３３００が、第２道路１３２１０に沿って東方向に通り抜けるように示される。第１遠隔車両１３３００は、交差点に隣接する停止線において静止しているように示される。第２遠隔車両１３４００が、第１道路１３２００に沿って交差点に向かって南方向に通り抜けるように示される。第２遠隔車両１３４００の現在軌道は、実線の方向線を使用して示される。
自律走行車両１３１００は、図１３に示される現在ロケーションに到着するべく第１道路１３２００を通り抜けることによって交差点に近付くことができる。自律走行車両１３１００の自律走行車両動作管理システムは、図１３に示される車両交通ネットワークの一部分１３０００を通り抜けるための、図８に示される非重畳顕著性セクタ８０１０～８１２０のような一セットの非重畳顕著性セクタに基づいて顕著性情報を特定することができる。簡単及び明確性のため、特定された顕著性領域１３５００～１３５２０は、図１３において破線のアウトラインを使用して示される。図１３が特定された顕著性領域１３５００～１３５２０を示し他の顕著性領域を簡単及び明確性のため省略するにもかかわらず、図８に示されるような他の顕著性領域も、一セットの非重畳顕著性セクタに含まれてよい。自律走行車両１３１００の自律走行車両動作管理システムは、各顕著性セクタに対応する顕著性距離情報、顕著性優先順位情報、又はこれらの組み合わせを特定することができる。
自律走行車両１３１００の自律走行車両動作管理システムは、図４に示される交差点モニタ４２３０のような交差点モニタを動作させることができる。これは、交差点モニタをインスタンス生成することを含み得る。交差点モニタは、自律走行車両１３１００の特定されたルートに対応する一部分、自律走行車両１３１００に空間的に近接する一部分、若しくは自律走行車両１３１００の予測経路１３１１０、又はこれらの組み合わせのような、車両交通ネットワークの一部分を表すマップデータ、センサデータ、又はこれらの組み合わせのような車両交通ネットワークデータを処理又は評価することができる。交差点モニタは、自律走行車両１３１００の動作環境又はその一側面を表す動作環境情報を特定又は生成することができる。
交差点モニタは、例えば車両交通ネットワーク情報に基づいて、自律走行車両の動作環境が交差点を含むことを決定することができ、例えば以前に特定された外部オブジェクト情報に基づいて、自律走行車両の前方及び左の第１遠隔車両１３３００、及び自律走行車両の前方の第２遠隔車両１３４００を特定することができる。
交差点モニタは、遠隔車両１３３００、１３４００それぞれに対応する予測された相対ロケーション情報を特定することができる。交差点モニタは、遠隔車両１３３００、１３４００の予測された相対ロケーションに対応する各顕著性領域を特定することができる。交差点モニタは、遠隔車両１３３００、１３４００に対応する各顕著性領域に対して高優先順位のような優先順位を特定することができる。
図示のように、自律走行車両１３１００の自律走行車両動作管理システムは、自律走行車両１３１００の北北東の顕著性セクタ１３５００の遠顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。自律走行車両１３１００の自律走行車両動作管理システムは、第２遠隔車両１３４００を含む自律走行車両１３１００の北北西の顕著性セクタ１３５１０の遠顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。自律走行車両１３１００の自律走行車両動作管理システムは、第１遠隔車両１３３００を含む自律走行車両１３１００の北西の顕著性セクタ１３５２０の近顕著性距離に対応する顕著性領域に対し、高優先順位を特定することができる。
交差点モニタは、図示のように車両交通ネットワークにおける停止線に対応するロケーションのような、車両交通ネットワークにおける通行権境界ロケーション又は他のロケーションを特定してよい。通行権境界ロケーションは、自律走行車両１３１００の現在ロケーションと、自律走行車両１３１００の予測経路１３１１０に沿った車両交通ネットワークにおける、自律走行車両１３１００が通行権重畳エリアに入ることなく安全に通り抜けられる通行権重畳エリアに最も近いロケーションとなり得る通行権重畳エリアに近接の、例えば直接隣接し若しくはそこから１メートルの、交通権重畳エリアとの間にある自律走行車両１３１００の予測経路１３１１０に沿った車両交通ネットワークにおけるロケーションとしてよい。交差点モニタは、自律走行車両１３１００の現在ロケーションに対する停止線又は通行権境界ロケーションの予測相対配向に対応する顕著性領域を特定することができる。交差点モニタは、自律走行車両１３１００の現在ロケーションに対する停止線又は通行権境界ロケーションの予測相対配向に対応する顕著性領域に対し、高優先順位のような優先順位を特定してよい。交差点モニタは、自律走行車両１３１００の現在軌道又は予測経路１３１１０に沿った顕著性領域を特定することができ、自律走行車両１３１００の現在軌道又は予測経路１３１１０に沿った顕著性領域に対し、低優先順位のような優先順位を特定してよい。
自律走行車両１３１００の自律走行車両動作管理システムは、例えば共有メモリに記憶することによって、特定された顕著性情報を自律走行車両１３１００の認識ユニットに伝送し、送信し、又は利用可能にすることができる。例えば、自律走行車両１３１００の自律走行車両動作管理システムは、自律走行車両１２１００の北北東の顕著性セクタ１３５００の遠顕著性距離に対し高優先順位を示し、自律走行車両１３１００の北北西の顕著性セクタ１３５１０の遠顕著性距離に対し高優先順位を示し、及び自律走行車両１３１００の北西の顕著性セクタ１３５２０の近顕著性距離に対し高優先順位を示す顕著性情報を、自律走行車両１３１００の認識ユニットに伝送し、送信し、又は利用可能にすることができる。顕著性情報は、他の顕著性領域に対し、低優先順位を特定してよく又は顕著性情報を省略してよい。
自律走行車両１３１００の認識ユニットは、顕著性情報を取得し、当該顕著性情報を、自律走行車両１３１００の画像キャプチャユニットの各視野に相関させることができる。
自律走行車両１３１００の認識ユニットは、特定された顕著性領域１３５００～１３５２０が、図６に示される自律走行車両１３１００の中心前方画像キャプチャユニット６１００のような中心前方画像キャプチャユニットの視野１３６００に空間的に対応することを決定することができる。
自律走行車両１３１００の認識ユニットは、特定された顕著性領域１３５００～１３５２０に対応するセンサ、例えば自律走行車両１３１００の中心前方画像キャプチャユニットがキャプチャ又は生成したセンサデータを使用して、外部オブジェクト情報を生成することができる。
例えば、認識制御ユニットは、前方画像処理ユニットを、自律走行車両の右前画像キャプチャユニット、自律走行車両の中心画像キャプチャユニット、及び自律走行車両の左前画像キャプチャユニットに関連付けられるとして特定し、顕著性情報又はその対応部分を当該前部画像処理ユニットに送信し、伝送し、又は与えることができる。いくつかの実装例において、認識制御ユニットは、顕著性情報を後部画像処理ユニットに送信することを省略してよく、後部画像処理ユニットに対応する顕著性領域の不在を示す顕著性情報を後部画像処理ユニットに送信してもよい。いくつかの実装例において、認識制御ユニットは、顕著性情報を前部画像処理ユニット及び後部画像処理ユニットの双方に送信してよい。
自律走行車両１３１００の認識ユニットは、例えば共有メモリに記憶することによって、外部オブジェクト情報を自律走行車両１３１００の自律走行車両動作管理システムに伝送し、送信し、又は利用可能にすることができる。
自律走行車両動作管理コントローラは、外部オブジェクト情報を含む動作環境情報に基づいて一以上のシナリオを検出又は特定してよい。例えば、自律走行車両動作管理コントローラは、交差点及び第１遠隔車両１３３００に対応する第１交差点シナリオ、並びに交差点及び第２遠隔車両１３４００に対応する第２交差点シナリオを検出又は特定してよい。
自律走行車両動作管理コントローラは、シナリオの検出又は特定に応答して、一以上のＳＳＯＣＥＭインスタンスをインスタンス生成してよく、動作環境情報をＳＳＯＣＥＭインスタンスに送信又は利用可能にしてよい。例えば、自律走行車両動作管理コントローラは、交差点及び第１遠隔車両１３３００に対応する第１交差点シナリオのための第１交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよく、自律走行車両動作管理コントローラは、交差点及び第２遠隔車両１３４００に対応する第２交差点シナリオのための第２交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよく、自律走行車両動作管理コントローラは、交差点及び第３遠隔車両１３５００に対応する第３交差点シナリオのための第３交差点ＳＳＯＣＥＭインスタンスをインスタンス生成してよい。
ＳＳＯＣＥＭインスタンスをインスタンス生成することは、対応車両動作シナリオの一モデルのための解又はポリシーを特定することを含み得る。車両動作シナリオの一モデルのための解又はポリシーを特定することは、対応するＳＳＯＣＥＭモデルを解くことを含み得る。対応ＳＳＯＣＥＭインスタンスをインスタンス生成することは、対応する解又はポリシーの一インスタンスをインスタンス生成することを含み得る。
第１交差点ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第１候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
第２交差点ＳＳＯＣＥＭ解インスタンスは、対応モデル化シナリオ及び対応する動作環境情報に基づいて「停止」、「配向調整」又は「進行」のような第２候補車両制御アクションを生成することができ、対応候補車両制御アクションを、例えば対応候補車両制御アクションを自律走行車両動作管理コントローラに送信すること、又は対応候補車両制御アクションを、自律走行車両動作管理コントローラによるアクセスのために記憶することによって、自律走行車両動作管理コントローラに出力することができる。
自律走行車両動作管理コントローラは、候補車両制御アクションを対応インスタンス生成ＳＳＯＣＥＭインスタンスから受信してよく、受信した候補車両制御アクションに基づいて、対応する時間的ロケーションにおいて自律走行車両１３１００を制御するべく、車両制御アクションを特定してよく、特定された車両制御アクションに応じて自律走行車両を、車両交通ネットワーク又はその一部分を通り抜けるように制御してよい。
ここで使用されるように、用語「コンピュータ」又は「コンピューティングデバイス」は、ここに開示される任意の方法、又はその任意の単数若しくは複数の部分を実行することができる任意のユニット、又は複数のユニットの組み合わせを含む。
ここで使用されるように、用語「プロセッサ」は、一以上の特殊目的プロセッサ、一以上のデジタル信号プロセッサ、一以上のマイクロプロセッサ、一以上のコントローラ、一以上のマイクロコントローラ、一以上のアプリケーションプロセッサ、一以上の特定用途向け集積回路、一以上の特定用途向け標準製品のような一以上のプロセッサと、一以上のフィールドプログラマブルゲートアレイ、任意の他のタイプの集積回路若しくは集積回路の組み合せ、一以上の状態機械、又はこれらの任意の組み合せとを示す。
ここに使用されるように、用語「メモリ」は、任意のプロセッサによって又は任意のプロセッサに関連して使用され得る任意の信号又は情報を有体的に含み、記憶し、通信し、又は輸送し得る任意のコンピュータ使用可能又はコンピュータ読み取り可能な媒体又はデバイスを示す。例えば、メモリは、一以上のリードオンリーメモリ（ＲＯＭ）、一以上のランダムアクセスメモリ（ＲＡＭ）、一以上のレジスタ、低電力ダブルデータレート（ＬＰＤＤＲ）メモリ、一以上のキャッシュメモリ、一以上の半導体メモリデバイス、一以上の磁気媒体、一以上の光媒体、一以上の光磁気媒体、又はこれらの任意の組み合せとしてよい。
ここに使用されるように、用語「命令」は、ここに開示される任意の方法、又はその任意の単数若しくは複数の部分を実行するための指示又は表現を含み、ハードウェア、ソフトウェア、又はこれらの任意の組み合わせで実現することができる。例えば、命令は、ここに記載されるそれぞれの方法、アルゴリズム、側面、又はこれらの組み合わせのいずれかを実行するべくプロセッサによって実行され得るコンピュータプログラムのような、メモリに記憶される情報として実装することができる。いくつかの実施形態において、命令又はその一部分は、ここに記載される方法、アルゴリズム、側面、又はこれらの組み合わせを実行するための専用ハードウェアを含み得る特殊目的プロセッサ又は回路として実装されてよい。いくつかの実施形態において、命令の複数部分は、直接に又はローカルエリアネットワーク、ワイドエリアネットワーク、インターネット、若しくはこれらの組み合わせのようなネットワークを介して通信され得る単数デバイス上の、多数のデバイス上の、多数のプロセッサにわたって分散されてよい。
ここに使用されるように、用語「例」、「実施形態」、「実装例」、「側面」、「特徴」又は「要素」は、一の例、実例又は例示として機能することを示す。明示的に示されない限り、任意の例、実施形態、実装例、側面、特徴又は要素は、他の例、実施形態、実装例、側面、特徴又は要素とは互いに独立しており、任意の他の例、実施形態、実装例、側面、特徴又は要素と組み合わせて使用されてよい。
ここに使用されるように、用語「決定」及び「特定」、又はその任意のバリエーションは、ここに図示され記載されるデバイスの一以上を使用して、任意の方法で、選択、確認、コンピューティング、検索、受信、決定、確立、取得、又は特定若しくは決定することを含む。
ここに使用されるように、用語「又は」及び「若しくは」は、排他的な「又は」及び「若しくは」ではなく、包括的な「又は」及び「若しくは」を意味することを意図する。すなわち、別段の指定がない限り、又は文脈から明らかな場合を除き、「ＸはＡ又はＢを含む」は、自然の包含的な順列のいずれかを示すことを意図している。すなわち、ＸがＡを含み、ＸがＢを含み、又はＸがＡ及びＢの双方を含む場合、上記実例のいずれかにおいて「ＸはＡ又はＢを含む」が満たされる。加えて、本願及び添付の特許請求の範囲において使用される冠詞「一」及び「一の」は、単数形に向けられることが別段の指定されない限り又は文脈上明確でない限り、一般に「一以上」を意味すると解釈されるべきである。
さらに、説明の簡単のため、ここでの図面及び記載が複数のステップ又は段のシーケンス又は連続を含み得るにもかかわらず、ここに開示される方法の複数の要素は、様々な順序で又は同時に行うことができる。付加的に、ここに開示される方法の要素は、ここに明示的に提示及び記載されていない他の要素とともに行うことができる。さらに、ここに記載される方法のすべての要素が、本開示に係る方法を実施するべく必要とされるわけではない。複数の側面、特徴及び要素が特定の組み合わせで記載されるにもかかわらず、各側面、特徴又は要素は、独立して、又は他の側面、特徴及び要素あり又はなしの様々な組み合わせで使用することができる。
上述の側面、実施例及び実装例が、本開示の理解を容易にするべく記載されてきたが、これらに限定されるものではない。それどころか、本開示は、添付の特許請求の範囲の中に含まれる様々な修正例及び均等な配列例も包含し、その範囲は、法律の下で許容されるすべての修正例及び均等の構造を包含するように最も広い解釈が与えられるべきである。

Claims (18)

  1. 車両交通ネットワークを通り抜けるときに使用される方法であって、
    自律走行車両が車両交通ネットワークを通り抜けることを含み、
    前記自律走行車両は認識ユニット及び自律走行車両動作管理コントローラを含み、
    前記車両交通ネットワークを通り抜けることは、
    前記認識ユニットを動作させることと、
    前記自律走行車両動作管理コントローラを動作させることと
    を含み、
    前記認識ユニットを動作させることは、前記認識ユニットが、
    顕著性情報を前記自律走行車両動作管理コントローラから受信することと、
    前記顕著性情報に基づいて、前記自律走行車両の所定距離内の一以上の外部オブジェクトに対応する外部オブジェクト情報を生成することと、
    前記外部オブジェクト情報を前記自律走行車両動作管理コントローラに出力することと
    を含み、
    前記外部オブジェクト情報を生成することは、
    前記自律走行車両の一のセンサからセンサ情報を受信することと、
    前記顕著性情報に基づいて前記センサ情報の顕著性部分を特定することであって、前記センサ情報が前記センサ情報の前記顕著性部分と非顕著性部分との和となることと、
    前記顕著性部分に基づいて前記外部オブジェクト情報を生成することであって、前記外部オブジェクト情報を生成することが前記非顕著性部分の使用を省略することと
    を含み、
    前記自律走行車両動作管理コントローラを動作させることは、前記自律走行車両動作管理コントローラが、
    シナリオ固有動作制御評価モジュールインスタンスを動作させるための自律走行車両動作制御環境を生成することであって、前記シナリオ固有動作制御評価モジュールインスタンスは、特異車両動作シナリオのシナリオ固有動作制御評価モデルのインスタンスを含み、前記シナリオ固有動作制御評価モジュールインスタンスを動作させることは、前記シナリオ固有動作制御評価モデルのためのポリシーを特定することを含むことと、
    前記外部オブジェクト情報に基づいて前記特異車両動作シナリオを特定することと、
    前記シナリオ固有動作制御評価モジュールインスタンスをインスタンス生成することと、
    前記シナリオ固有動作制御評価モジュールインスタンスのために前記ポリシーから候補車両制御アクションを受信することと、
    前記候補車両制御アクションに応じて前記自律走行車両を、前記車両交通ネットワークの一部分を通り抜けるように制御することであって、前記車両交通ネットワークの前記一部分は前記特異車両動作シナリオを含むことと
    を含む、方法。
  2. 前記センサ情報を受信することは、前記自律走行車両の複数のセンサから前記センサ情報を受信することを含む、請求項１の方法。
  3. 前記顕著性情報は、前記自律走行車両に対する顕著性セクタを示し、
    前記顕著性部分を特定することは、前記顕著性部分が前記顕著性セクタに空間的に対応するように前記顕著性部分を特定することを含む、請求項２の方法。
  4. 前記顕著性セクタは、前記自律走行車両に対する複数の非重畳顕著性セクタの一つであり、前記複数の非重畳顕著性セクタの和が前記自律走行車両に対する一の連続顕著性範囲を形成する、請求項３の方法。
  5. 前記顕著性情報は、前記自律走行車両に対する顕著性距離を示し、
    前記顕著性部分を特定することは、前記顕著性距離に基づいて前記顕著性部分のサイズを決定することを含む、請求項２の方法。
  6. 前記自律走行車両に対する複数の非重畳顕著性セクタからの各顕著性セクタに対し、前記顕著性情報は、前記自律走行車両に対する対応優先順位及び対応顕著性距離を示す、請求項２の方法。
  7. 前記顕著性部分を特定することは、
    候補顕著性部分を特定することであって、前記センサ情報が前記候補顕著性部分と前記非顕著性部分との和となることと、
    前記候補顕著性部分からの各候補顕著性部分に対して前記顕著性情報に基づいて対応優先順位を決定することと、
    前記候補顕著性部分の所定濃度を顕著性部分として特定することと、
    前記顕著性部分以外の前記候補顕著性部分を前記非顕著性部分に含めることであって、前記顕著性部分の最小優先順位が前記非顕著性部分における前記候補顕著性部分の最大優先順位を超えることと
    を含む、請求項２の方法。
  8. 前記センサ情報は、実質的に時間的に同時発生の画像を含み、前記実質的に時間的に同時発生の画像からの各画像が、前記複数のセンサからの各センサに対応し、
    前記顕著性部分は、前記実質的に時間的に同時発生の画像からの一の画像の空間的に連続なパッチである、請求項２の方法。
  9. 前記顕著性部分を特定することは、
    前記複数のセンサからの第１センサに対応するセンサ情報を前記顕著性部分から省略することと、
    前記複数のセンサからの第２センサに対応するセンサ情報を前記顕著性部分に含めることと
    を含む、請求項２の方法。
  10. 前記複数のセンサは、第１視野を有する第１画像キャプチャユニット、及び第２視野を有する第２画像キャプチャユニットを含み、前記第１視野は前記第２視野と部分的に重畳する、請求項２の方法。
  11. 前記複数のセンサは、前記第１視野及び前記第２視野と部分的に重畳する第３視野を有する第３画像キャプチャユニットを含む、請求項１０の方法。
  12. 前記複数のセンサは、前記第１視野及び前記第２視野と非重畳の第３視野を有する第３画像キャプチャユニットを含む、請求項１０の方法。
  13. 前記センサは、
    前方視野を有する第１画像キャプチャユニットと、
    第１側方視野を有する第２画像キャプチャユニットと、
    第２側方視野を有する第３画像キャプチャユニットと、
    第３側方視野を有する第４画像キャプチャユニットと、
    第４側方視野を有する第５画像キャプチャユニットと、
    第１後方視野を有する第６画像キャプチャユニットと、
    第２後方視野を有する第７画像キャプチャユニットと
    を含む、請求項２の方法。
  14. 前記前方視野は第１画角及び第１有効範囲を有し、
    前記第１側方視野は第２画角及び第２有効範囲を有し、前記第１画角は前記第２画角を超え、前記第２有効範囲は前記第１有効範囲を超え、
    前記第２側方視野は前記第２画角及び前記第２有効範囲を有し、
    前記第３側方視野は第３画角及び第３有効範囲を有し、前記第３画角は前記第１画角を超え、前記第１有効範囲は前記第３有効範囲を超え、
    前記第４側方視野は前記第３画角及び前記第３有効範囲を有し、
    前記第１後方視野は第４画角及び第４有効範囲を有し、前記第１画角は前記第４画角を超え、前記第４有効範囲は前記第１有効範囲を超え、
    前記第２後方視野は前記第４画角及び前記第４有効範囲を有する、請求項１３の方法。
  15. 前記認識ユニットは、
    第１画像処理ユニットと、
    第２画像処理ユニットと、
    認識制御ユニットと
    を含み、
    前記外部オブジェクト情報を生成することは、
    前記第１画像処理ユニットが、前記第１画像キャプチャユニット、前記第２画像キャプチャユニット又は前記第３画像キャプチャユニットの少なくとも一つからのセンサ情報に基づいて第１画像処理データを生成することと、
    前記第２画像処理ユニットが、前記第４画像キャプチャユニット、前記第５画像キャプチャユニット、前記第６画像キャプチャユニット又は前記第７画像キャプチャユニットの少なくとも一つからのセンサ情報に基づいて第２画像処理データを生成することと、
    前記認識制御ユニットが、前記第１画像処理データ又は前記第２画像処理データの少なくとも一方に基づいて前記外部オブジェクト情報を生成することと
    を含む、請求項１３の方法。
  16. 前記外部オブジェクト情報を生成することは、深層学習オブジェクト分類アルゴリズムを使用して前記顕著性部分を評価することを含む、請求項２の方法。
  17. 自律走行車両であって、
    自律走行車両動作管理コントローラと、
    認識ユニットと
    を含み、
    前記認識ユニットは、
    顕著性情報を前記自律走行車両動作管理コントローラから受信することと、
    前記顕著性情報に基づいて、前記自律走行車両の所定距離内の一以上の外部オブジェクトに対応する外部オブジェクト情報を生成することと、
    前記外部オブジェクト情報を前記自律走行車両動作管理コントローラに出力することと
    を行うべく非一時的コンピュータ可読媒体に記憶された命令を実行するように構成され、
    前記外部オブジェクト情報を生成するべく、前記認識ユニットは、
    前記自律走行車両の複数のセンサからセンサ情報を受信することと、
    前記顕著性情報に基づいて前記センサ情報の顕著性部分を特定することであって、前記センサ情報が前記センサ情報の前記顕著性部分と非顕著性部分との和となることと、
    前記顕著性部分に基づいて前記外部オブジェクト情報を生成することであって、前記外部オブジェクト情報を生成することが前記非顕著性部分の使用を省略することと
    を行うべく非一時的コンピュータ可読媒体に記憶された命令を実行するように構成され、
    前記自律走行車両動作管理コントローラは、
    シナリオ固有動作制御評価モジュールインスタンスを動作させるための自律走行車両動作制御環境を生成することであって、前記シナリオ固有動作制御評価モジュールインスタンスは、特異車両動作シナリオのシナリオ固有動作制御評価モデルのインスタンスを含み、前記シナリオ固有動作制御評価モジュールインスタンスを動作させることは、前記シナリオ固有動作制御評価モデルのためのポリシーを特定することを含むことと、
    前記外部オブジェクト情報に基づいて前記特異車両動作シナリオを特定することと、
    前記シナリオ固有動作制御評価モジュールインスタンスをインスタンス生成することと、
    前記シナリオ固有動作制御評価モジュールインスタンスのために前記ポリシーから候補車両制御アクションを受信することと、
    前記候補車両制御アクションに応じて前記自律走行車両を、車両交通ネットワークの一部分を通り抜けるように制御することであって、前記車両交通ネットワークの前記一部分は前記特異車両動作シナリオを含むことと
    を行うべく非一時的コンピュータ可読媒体に記憶された命令を実行するように構成される、自律走行車両。
  18. 車両交通ネットワークを通り抜けるときに使用される方法であって、
    自律走行車両が車両交通ネットワークを通り抜けることを含み、
    前記自律走行車両は認識ユニット及び自律走行車両動作管理コントローラを含み、
    前記車両交通ネットワークを通り抜けることは、
    前記認識ユニットを動作させることと、
    前記自律走行車両動作管理コントローラを動作させることと
    を含み、
    前記認識ユニットを動作させることは、前記認識ユニットが、
    顕著性情報を前記自律走行車両動作管理コントローラから受信することであって、前記顕著性情報は、前記自律走行車両に対する複数の非重畳顕著性セクタからの各顕著性セクタに対し、前記自律走行車両に対する対応優先順位及び対応顕著性距離を示すことと、
    前記自律走行車両の複数のセンサからセンサ情報を受信することと、
    前記顕著性情報及び前記センサ情報に基づいて、前記自律走行車両の所定距離内の一以上の外部オブジェクトに対応する外部オブジェクト情報を生成することと、
    前記外部オブジェクト情報を前記自律走行車両動作管理コントローラに出力することと
    を含み、
    前記外部オブジェクト情報を生成することは、
    前記顕著性情報に基づいて前記センサ情報の顕著性部分を特定して前記センサ情報が前記顕著性部分と前記センサ情報の非顕著性部分との和となるようにすることであって、前記顕著性部分を特定することは、前記顕著性部分が、前記顕著性情報において高優先順位を有するように示される顕著性セクタに空間的に対応するように前記顕著性部分を特定することを含み、前記顕著性部分を特定することは、前記対応顕著性距離に基づいて前記顕著性部分のサイズを決定することを含むことと、
    前記顕著性部分に基づいて外部オブジェクト情報を生成することであって、前記外部オブジェクト情報を生成することが非顕著性部分を使用することを省略するようにすることと
    を含み、
    前記自律走行車両動作管理コントローラを動作させることは、前記自律走行車両動作管理コントローラが、
    シナリオ固有動作制御評価モジュールインスタンスを動作させるための自律走行車両動作制御環境を生成することであって、前記シナリオ固有動作制御評価モジュールインスタンスは、特異車両動作シナリオのシナリオ固有動作制御評価モデルのインスタンスを含み、前記シナリオ固有動作制御評価モジュールインスタンスを動作させることは、前記シナリオ固有動作制御評価モデルのためのポリシーを特定することを含むことと、
    前記外部オブジェクト情報に基づいて前記特異車両動作シナリオを特定することと、
    前記シナリオ固有動作制御評価モジュールインスタンスをインスタンス生成することと、
    前記シナリオ固有動作制御評価モジュールインスタンスのために前記ポリシーから候補車両制御アクションを受信することと、
    前記候補車両制御アクションに応じて前記自律走行車両を、前記車両交通ネットワークの一部分を通り抜けるように制御することであって、前記車両交通ネットワークの前記一部分は前記特異車両動作シナリオを含むことと
    を含む、方法。
JP2021507859A 2018-08-31 2019-03-19 車両交通ネットワークを通り抜けるときに使用される方法と自律走行車両 Active JP7048818B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/119,260 US10901417B2 (en) 2018-08-31 2018-08-31 Autonomous vehicle operational management with visual saliency perception control
US16/119,260 2018-08-31
PCT/US2019/022936 WO2020046423A1 (en) 2018-08-31 2019-03-19 Autonomous vehicle operational management with visual saliency perception control

Publications (2)

Publication Number Publication Date
JP2021525681A JP2021525681A (ja) 2021-09-27
JP7048818B2 true JP7048818B2 (ja) 2022-04-05

Family

ID=69639797

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021507859A Active JP7048818B2 (ja) 2018-08-31 2019-03-19 車両交通ネットワークを通り抜けるときに使用される方法と自律走行車両

Country Status (6)

Country Link
US (1) US10901417B2 (ja)
EP (1) EP3841525B1 (ja)
JP (1) JP7048818B2 (ja)
CN (1) CN112868031B (ja)
RU (1) RU2759975C1 (ja)
WO (1) WO2020046423A1 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10932105B2 (en) * 2018-09-26 2021-02-23 Micron Technology, Inc. Memory pooling between selected memory resources on vehicles or base stations
CN112930557A (zh) * 2018-09-26 2021-06-08 相干逻辑公司 任何世界视图生成
US11561547B2 (en) * 2019-02-20 2023-01-24 Gm Cruise Holdings Llc Autonomous vehicle routing based upon spatiotemporal factors
CN109949596A (zh) * 2019-02-28 2019-06-28 北京百度网讯科技有限公司 用于自动驾驶车辆的车辆交互方法和装置
US11086322B2 (en) 2019-03-19 2021-08-10 Gm Cruise Holdings Llc Identifying a route for an autonomous vehicle between an origin and destination location
JP2021024423A (ja) * 2019-08-05 2021-02-22 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
US11360480B2 (en) * 2019-08-21 2022-06-14 Zoox, Inc. Collision zone detection for vehicles
US11948453B2 (en) * 2021-09-17 2024-04-02 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle communication sender identification via hyper-graph matching

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007316827A (ja) 2006-05-24 2007-12-06 Toyota Motor Corp 交差点交通管制システム
WO2017013749A1 (ja) 2015-07-21 2017-01-26 日産自動車株式会社 運転計画装置、走行支援装置、運転計画方法
JP2018049445A (ja) 2016-09-21 2018-03-29 日産自動車株式会社 運転支援方法及び運転支援装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2479015C1 (ru) * 2012-01-11 2013-04-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" Способ определения траектории движения автономного транспортного средства в динамической среде
US9495874B1 (en) * 2012-04-13 2016-11-15 Google Inc. Automated system and method for modeling the behavior of vehicles and other agents
US8527139B1 (en) * 2012-08-28 2013-09-03 GM Global Technology Operations LLC Security systems and methods with random and multiple change-response testing
US8473144B1 (en) * 2012-10-30 2013-06-25 Google Inc. Controlling vehicle lateral lane positioning
US9870617B2 (en) 2014-09-19 2018-01-16 Brain Corporation Apparatus and methods for saliency detection based on color occurrence analysis
US9494935B2 (en) * 2014-11-13 2016-11-15 Toyota Motor Engineering & Manufacturing North America, Inc. Remote operation of autonomous vehicle in unexpected environment
JP6176264B2 (ja) * 2015-01-19 2017-08-09 トヨタ自動車株式会社 自動運転車両システム
KR101646134B1 (ko) * 2015-05-06 2016-08-05 현대자동차 주식회사 자율주행차량 및 그 제어 방법
US9754490B2 (en) * 2015-11-04 2017-09-05 Zoox, Inc. Software application to request and control an autonomous vehicle service
US10334050B2 (en) * 2015-11-04 2019-06-25 Zoox, Inc. Software application and logic to modify configuration of an autonomous vehicle
US9632502B1 (en) * 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
US10401852B2 (en) * 2015-11-04 2019-09-03 Zoox, Inc. Teleoperation system and method for trajectory modification of autonomous vehicles
US20170206426A1 (en) 2016-01-15 2017-07-20 Ford Global Technologies, Llc Pedestrian Detection With Saliency Maps
JP6354804B2 (ja) 2016-07-26 2018-07-11 マツダ株式会社 視界制御装置
WO2018132378A2 (en) * 2017-01-10 2018-07-19 Cavh Llc Connected automated vehicle highway systems and methods
US10380886B2 (en) * 2017-05-17 2019-08-13 Cavh Llc Connected automated vehicle highway systems and methods
US10649458B2 (en) * 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007316827A (ja) 2006-05-24 2007-12-06 Toyota Motor Corp 交差点交通管制システム
WO2017013749A1 (ja) 2015-07-21 2017-01-26 日産自動車株式会社 運転計画装置、走行支援装置、運転計画方法
JP2018049445A (ja) 2016-09-21 2018-03-29 日産自動車株式会社 運転支援方法及び運転支援装置

Also Published As

Publication number Publication date
CN112868031A (zh) 2021-05-28
WO2020046423A1 (en) 2020-03-05
US20200073382A1 (en) 2020-03-05
EP3841525A1 (en) 2021-06-30
EP3841525B1 (en) 2023-11-22
JP2021525681A (ja) 2021-09-27
CN112868031B (zh) 2021-10-15
EP3841525A4 (en) 2021-10-20
US10901417B2 (en) 2021-01-26
RU2759975C1 (ru) 2021-11-19

Similar Documents

Publication Publication Date Title
JP7406215B2 (ja) 自律走行車動作管理のための方向調整アクション
JP6969756B2 (ja) 自律走行車の動作管理制御
JP7048818B2 (ja) 車両交通ネットワークを通り抜けるときに使用される方法と自律走行車両
JP6890757B2 (ja) 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理
JP6897938B2 (ja) 車両交通ネットワークの横断に使用される方法と自律走行車
KR102305291B1 (ko) 자율주행 차량 운용 관리
JP6963158B2 (ja) 集中型共有自律走行車動作管理
JP6992182B2 (ja) 自律走行車両運行管理計画
US11874120B2 (en) Shared autonomous vehicle operational management

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210215

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210215

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210215

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210928

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: 20220315

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220324

R150 Certificate of patent or registration of utility model

Ref document number: 7048818

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350