KR20230091844A - 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 - Google Patents
센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20230091844A KR20230091844A KR1020230074074A KR20230074074A KR20230091844A KR 20230091844 A KR20230091844 A KR 20230091844A KR 1020230074074 A KR1020230074074 A KR 1020230074074A KR 20230074074 A KR20230074074 A KR 20230074074A KR 20230091844 A KR20230091844 A KR 20230091844A
- Authority
- KR
- South Korea
- Prior art keywords
- sensor
- sensors
- vehicle
- subset
- threshold
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004044 response Effects 0.000 title claims description 25
- 230000003213 activating effect Effects 0.000 claims description 23
- 230000009471 action Effects 0.000 claims description 18
- 230000001419 dependent effect Effects 0.000 claims 3
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000005259 measurement Methods 0.000 description 78
- 238000004891 communication Methods 0.000 description 48
- 230000008569 process Effects 0.000 description 23
- 230000006870 function Effects 0.000 description 20
- 230000033001 locomotion Effects 0.000 description 19
- 238000013500 data storage Methods 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 12
- 230000004807 localization Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000016571 aggressive behavior Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
- B60W60/00186—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to the vehicle
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
- B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
- B60Q1/46—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for giving flashing caution signals during drive, other than signalling change of direction, e.g. flashing the headlights or hazard lights
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q5/00—Arrangement or adaptation of acoustic signal devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q5/00—Arrangement or adaptation of acoustic signal devices
- B60Q5/005—Arrangement or adaptation of acoustic signal devices automatically actuated
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
- B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0225—Failure correction strategy
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/023—Avoiding failures by using redundant parts
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/007—Emergency override
-
- 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
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
- B60W2050/0215—Sensor drifts or sensor failures
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
- B60W2050/0292—Fail-safe or redundant systems, e.g. limp-home or backup systems
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/20—Data confidence level
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- 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
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2400/00—Special features of vehicle units
- B60Y2400/30—Sensors
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Electromagnetism (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
그 중에서도, 센서 고장에 대한 차량 대응방안을 구현하기 위한 기술을 설명한다. 일반적으로, 본 명세서에 기술된 주제의 하나의 혁신적인 양태는 차량에 결합된 복수의 센서로부터 정보를 수신하는 단계, 복수의 센서의 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계, 제1 센서 서브세트 내의 센서의 개수를 제2 임계치와 비교하는 단계, 및 복수의 센서의 제2 센서 서브세트로부터 수신되는 정보에 의존하도록 차량의 운전 능력을 조정하는 단계 - 제2 센서 서브세트는 제1 센서 서브세트의 적어도 하나의 센서를 제외함 - 를 포함하는 방법으로 구체화될 수 있다.
Description
관련 출원의 교차 참조
본 출원은 2019년 4월 29일자로 출원된, 미국 출원 제62/839,886호에 대한 우선권을 주장한다. 선행 출원의 개시내용은 본 출원의 개시내용의 일부로 간주되며, 그 전체가 본 출원에 포함된다.
발명의 분야
본 설명은 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법에 관한 것이다.
자율 주행 차량은, 예를 들어, 도로 사망자수, 교통 정체, 주차 혼잡을 감소시키는 것 및 연비를 개선시키는 것에 의해, 사람 운전 차량에 비해 이점이 있다. 운전 결정을 할 때, 전형적인 자율 주행 차량 시스템은 센서를 활용하여 차량의 환경에 있다고 자율 주행 차량 시스템이 알고 있는 주변 환경의 대상체 - 예컨대, 다른 차량 및 장애물 - 를 고려한다. 이러한 센서는 매우 다양한 인자, 예를 들어, 제조 결함, 동작 수명의 종료, 탬퍼링, 캐스케이딩 시스템 고장, 물리적 손상 등으로 인해 때때로 고장날 수 있다. 하나 이상의 센서의 손실은 차량이 제대로 동작할 수 있는 능력을 방해할 수 있다.
하나 이상의 프로세서 및 메모리를 갖는 제1 디바이스에서 센서 고장에 대한 차량 대응방안을 구현하기 위한 기술이 제공된다. 일반적으로, 본 명세서에 기술된 주제의 하나의 혁신적인 양태는 차량에 결합된 복수의 센서로부터 정보를 수신하는 단계, 차량의 운전 능력은 복수의 센서로부터의 정보에 의존함 -, 복수의 센서의 각각의 센서의 수신된 정보에 기초하여, 복수의 센서의 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계, 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 것에 응답하여, 제1 센서 서브세트 내의 센서의 개수를 제2 임계치와 비교하는 단계, 및 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작다고 결정할 시에, 복수의 센서의 제2 센서 서브세트로부터 수신되는 정보에 의존하도록 차량의 운전 능력을 조정하는 단계 - 제2 센서 서브세트는 제1 센서 서브세트의 적어도 하나의 센서를 제외함 - 를 포함하는 방법으로 구체화될 수 있다.
이들 및 다른 실시예 각각은 선택적으로 이하의 특징 중 하나 이상을 포함할 수 있다.
일부 양태에서, 제1 센서 서브세트의 각각의 센서에 대한 수신된 정보의 신뢰 수준은 제1 임계치를 초과한다.
일부 양태에서, 복수의 센서의 각각의 센서는 각각의 각자의 센서의 대응하는 중요도를 나타내는 가중치를 할당받고, 여기서 제1 서브세트 내의 센서의 개수를 제2 임계치와 비교하는 단계는 각자의 가중치에 따라 제1 센서 서브세트 내의 각각의 센서를 가중하는 단계, 및 제1 센서 서브세트 내의 센서의 가중된 개수를 제2 임계치와 비교하는 단계를 포함한다.
일부 양태에서, 이 방법은 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 크거나 같다고 결정할 시에 차량을 안전한 위치로 운행시키기 위해 긴급 조작을 실행하도록 차량의 운전 기능을 조정하는 단계를 추가로 포함할 수 있다. 일부 양태에서, 제2 임계치는 복수의 센서의 모든 센서에 대응하고, 여기서 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 단계는 하나 이상의 라이트를 활성화시키는 단계 또는 추측 항법에 의해 진행 루트로부터 멀어지게 이동하는 단계 중 하나 이상을 포함한다. 일부 양태에서, 제2 임계치는 복수의 센서의 모든 센서에 대응하고, 여기서 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 단계는, 제1 디바이스에 의해, 차량의 운전 능력을 제어하기 위해 마지막으로 알려진 데이터에 액세스하는 단계 - 마지막으로 알려진 데이터는 특정한 센서로부터 수신되는 정보가 신뢰 수준이 제1 임계치보다 작다는 것을 나타내기 이전의 특정한 센서의 수신된 정보를 포함함 -, 및 마지막으로 알려진 데이터를 사용하여, 차량을 안전한 위치로 운행시키는 단계를 포함한다. 일부 양태에서, 안전한 위치는 길 어깨, 긴급 차선, 서비스 스테이션, 차량에 대한 홈 베이스 중 하이다.
일부 양태에서, 제2 임계치는 복수의 센서 내의 모든 센서에 대응하고, 여기서 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 단계는 운전 정보에 대해 하나 이상의 다른 차량에 질의하는 단계, 질의에 응답하여, 하나 이상의 다른 차량 중 적어도 하나로부터, 도로 조건 또는 운행 명령 중 하나 이상에 대한 정보를 수신하는 단계, 및 도로 조건 또는 운행 명령 중 하나 이상에 대한 수신된 정보를 사용하여, 차량을 안전한 위치로 운행시키는 단계를 포함한다. 일부 양태에서, 안전한 위치는 길 어깨, 긴급 차선, 서비스 스테이션, 차량에 대한 홈 베이스 중 하이다.
일부 양태에서, 이 방법은 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작다고 결정할 시에, 하나 이상의 백업 센서를 활성화시키는 단계, 및 복수의 센서의 제1 센서 서브세트에 의해 이전에 수행된 동작을 수행하도록 하나 이상의 백업 센서를 구성하는 단계를 추가로 포함한다. 일부 양태에서, 백업 센서는 복수의 센서에 포함된 센서와 상이하다. 일부 양태에서, 백업 센서는 복수의 센서 중 적어도 하나의 센서를 포함한다.
일부 양태에서, 이 방법은, 제1 서브세트 내의 센서의 개수가 제2 임계치보다 작다고 결정할 시에, 차량에 대응하는 긴급을 나타내는 경고를 다른 차량에 제공하는 단계를 추가로 포함한다. 일부 양태에서, 경고는 차량의 광 방출 디바이스를 활성화시키는 것, 또는 차량의 사운드 방출 디바이스를 활성화시키는 것 중 하나 이상을 포함한다. 일부 양태에서, 경고는 무선 신호를 원격 조작을 위해 커맨드 센터 및 긴급 서비스 중 적어도 하나에 전송하는 것을 포함한다.
일부 양태에서, 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계는 제1 센서 서브세트 내의 센서로부터 수신되는 측정치를 측정 임계치와 비교하는 단계, 및 제1 센서 서브세트 내의 센서로부터 수신되는 측정치가 측정 임계치보다 작거나 같은지 여부를 결정하는 단계를 포함한다.
일부 양태에서, 제1 센서 서브세트 내의 센서로부터 수신되는 측정치를 측정 임계치와 비교하는 단계는, 수신된 정보의 신뢰 수준이 제1 임계치보다 작은 제1 센서 서브세트 내의 각각의 각자의 센서에 대해, 각자의 센서의 센서 타입 및 커버리지 영역을 결정하는 단계, 각자의 센서의 동일한 센서 타입 또는 동일한 커버리지 영역 중 적어도 하나를 갖는 제3 다른 센서 서브세트를 식별하는 단계 - 제3 다른 센서 서브세트 내의 각각의 식별된 센서는 제1 임계치보다 작은 수신된 정보의 신뢰 수준을 가짐 -, 제3 다른 센서 서브세트로부터 수신되는 측정치를 취득하는 단계, 및 제1 센서 서브세트 내의 각자의 센서로부터 수신되는 측정치와 비교하여 제3 다른 센서 서브세트 내의 각각의 센서로부터 수신되는 측정치가 센서 일치 임계치보다 크거나 같은지 여부를 결정하는 단계를 포함하다. 일부 양태에서, 제1 센서 서브세트 내의 각각의 각자의 센서로부터 수신되는 측정치와 비교하여 제3 다른 센서 서브세트 내의 각각의 센서로부터 수신되는 측정치가 센서 일치 임계치보다 크거나 같다고 결정할 시에, 이 방법은 제1 센서 서브세트 내의 각자의 센서로부터 수신되는 측정치가 측정 임계치보다 작거나 같다고 결정하는 단계를 추가로 포함한다.
일부 양태에서, 복수의 센서의 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계는 제1 센서 서브세트 내의 센서로부터 수신되는 측정치를 통계적 신뢰 구간에 대응하는 값 범위와 비교하는 단계, 및 제1 센서 서브세트 내의 센서로부터 수신되는 측정치가 통계적 신뢰 구간에 대응하는 값 범위를 벗어난다고 결정하는 단계를 포함한다.
일반적으로, 본 명세서에 기술된 주제의 하나의 혁신적인 양태는 자율 주행 차량(AV)의 컴퓨터 시스템에 의해, AV의 2개 이상의 센서의 세트로부터 정보를 수신하는 단계, 컴퓨터 시스템에 의해 수신된 정보에 기초하여, 2개 이상의 센서의 세트의 제1 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계, 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 것에 응답하여, 컴퓨터 시스템에 의해, 제1 센서 서브세트 내의 센서의 개수 또는 제1 센서 서브세트를 제외한 제2 센서 서브세트 내의 센서의 개수에 기초하여 AV의 운전 기능을 조정할지 여부를 결정하는 단계, 및 운전 기능을 조정하기로 하는 결정에 따라, 컴퓨터 시스템에 의해, 운전 기능이 조정되게 하는 단계를 포함하는 방법으로 구체화될 수 있다.
일부 양태에서, 제1 센서 서브세트의 각각의 센서에 대한 수신된 정보의 신뢰 수준은 제1 임계치를 초과한다.
일부 양태에서, 각각의 센서는 각각의 각자의 센서의 대응하는 중요도를 나타내는 가중치를 할당받고, 여기서 제1 센서 서브세트 내의 센서의 개수 또는 제1 센서 서브세트를 제외한 제2 센서 서브세트 내의 센서의 개수에 기초하여 AV의 운전 기능을 조정할지 여부를 결정하는 단계는 각자의 가중치에 따라 제1 센서 서브세트 내의 각각의 센서를 가중하는 단계, 및 2개 이상의 센서의 세트의 제1 서브세트 내의 센서의 가중된 개수를 제2 임계치와 비교하는 단계를 포함한다.
일부 양태에서, 운전 기능이 조정되게 하는 단계는 컴퓨터 시스템에 의해, 차량을 안전한 위치로 운행시키기 위해 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 단계를 포함한다. 일부 양태에서, 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 단계는 하나 이상의 라이트를 활성화시키는 단계 또는 추측 항법에 의해 진행 루트로부터 멀어지게 이동하는 단계 중 하나 이상을 포함한다. 일부 양태에서, 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 단계는 차량의 운전 능력을 제어하기 위해 마지막으로 알려진 데이터에 액세스하는 단계 - 마지막으로 알려진 데이터는 특정한 센서로부터 수신되는 정보가 신뢰 수준이 제1 임계치보다 작다는 것을 나타내기 이전의 특정한 센서의 수신된 정보를 포함함 -, 및 마지막으로 알려진 데이터를 사용하여, 차량을 안전한 위치로 운행시키는 단계를 포함한다. 일부 양태에서, 안전한 위치는 길 어깨, 긴급 차선, 서비스 스테이션, 차량에 대한 홈 베이스 중 하나이다.
일부 양태에서, 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 단계는 운전 정보에 대해 하나 이상의 다른 차량에 질의하는 단계, 질의에 응답하여, 하나 이상의 다른 차량 중 적어도 하나로부터, 도로 조건 또는 운행 명령 중 하나 이상에 대한 정보를 수신하는 단계, 및 도로 조건 또는 운행 명령 중 하나 이상에 대한 수신된 정보를 사용하여, 차량을 안전한 위치로 운행시키는 단계를 포함한다. 일부 양태에서, 안전한 위치는 길 어깨, 긴급 차선, 서비스 스테이션, 차량에 대한 홈 베이스 중 하나이다.
일부 양태에서, 이 방법은, 2개 이상의 센서의 세트의 제1 서브세트 내의 센서의 개수가 제2 임계치보다 크거나 같다고 결정할 시에, 하나 이상의 백업 센서를 활성화시키는 단계, 및 제1 센서 서브세트에 의해 이전에 수행된 동작을 수행하도록 하나 이상의 백업 센서를 구성하는 단계를 추가로 포함한다. 일부 양태에서, 백업 센서는 복수의 센서에 포함된 센서와 상이하다. 일부 양태에서, 백업 센서는 복수의 센서 중 적어도 하나의 센서를 포함한다.
일부 양태에서, 이 방법은, 2개 이상의 센서의 세트의 제1 서브세트 내의 센서의 개수가 제2 임계치보다 크거나 같다고 결정할 시에, AV에 대응하는 긴급을 나타내는 경고를 다른 차량에 제공하는 단계를 추가로 포함한다. 일부 양태에서, 경고는 차량의 광 방출 디바이스를 활성화시키는 것, 또는 차량의 사운드 방출 디바이스를 활성화시키는 것 중 하나 이상을 포함한다. 일부 양태에서, 경고는 무선 신호를 원격 조작을 위해 커맨드 센터 및 긴급 서비스 중 적어도 하나에 전송하는 것을 포함한다.
일부 양태에서, 2개 이상의 센서의 세트의 제1 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계는 2개 이상의 센서의 세트의 제1 서브세트 내의 센서로부터 수신되는 측정치를 측정 임계치와 비교하는 단계, 및 2개 이상의 센서의 세트의 제1 서브세트 내의 센서로부터 수신되는 측정치가 측정 임계치보다 작거나 같은지 여부를 결정하는 단계를 포함한다.
일부 양태에서, 2개 이상의 센서의 세트의 제1 서브세트 내의 센서로부터 수신되는 측정치를 측정 임계치와 비교하는 단계는 수신된 정보의 신뢰 수준이 제1 임계치보다 작은 2개 이상의 센서의 세트의 제1 서브세트 내의 각각의 각자의 센서에 대해, 각자의 센서의 센서 타입 및 커버리지 영역을 결정하는 단계, 각자의 센서의 동일한 센서 타입 또는 동일한 커버리지 영역 중 적어도 하나를 갖는 제3 다른 센서 서브세트를 식별하는 단계 - 제3 다른 센서 서브세트 내의 각각의 식별된 센서는 제1 임계치보다 작은 수신된 정보의 신뢰 수준을 가짐 -, 제3 다른 센서 서브세트로부터 수신되는 측정치를 취득하는 단계, 및 제1 센서 서브세트 내의 각자의 센서로부터 수신되는 측정치와 비교하여 제3 다른 센서 서브세트 내의 각각의 센서로부터 수신되는 측정치가 센서 일치 임계치보다 크거나 같은지 여부를 결정하는 단계를 포함하다. 일부 양태에서, 2개 이상의 센서의 세트의 제1 서브세트 내의 각각의 각자의 센서로부터 수신되는 측정치와 비교하여 제3 다른 센서 서브세트 내의 각각의 센서로부터 수신되는 측정치가 센서 일치 임계치보다 크거나 같다고 결정할 시에, 이 방법은 제1 센서 서브세트 내의 각자의 센서로부터 수신되는 측정치가 측정 임계치보다 작거나 같다고 결정하는 단계를 추가로 포함한다.
일부 양태에서, 2개 이상의 센서의 세트의 제1 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계는 2개 이상의 센서의 세트의 제1 서브세트 내의 센서로부터 수신되는 측정치를 통계적 신뢰 구간에 대응하는 값 범위와 비교하는 단계, 및 2개 이상의 센서의 세트의 제1 서브세트 내의 센서로부터 수신되는 측정치가 통계적 신뢰 구간에 대응하는 값 범위를 벗어난다고 결정하는 단계를 포함한다.
일 양태에서, 시스템은 복수의 센서를 갖는 차량 및 하나 이상의 프로세서 및 메모리를 갖는 제1 디바이스를 포함하고, 제1 디바이스는 본원에 개시된 방법 중 임의의 것을 사용하여 차량의 운전 능력을 조정하는 동작을 수행한다.
일 양태에서, 데이터 프로세싱 장치로 하여금 본원에서 개시된 방법 중 임의의 것을 사용하여 차량의 운전 능력을 조정하게 하도록 동작 가능한 명령을 인코딩하는 비-일시적 컴퓨터 판독가능한 매체.
일 실시예에서, 방법은, 하나 이상의 컴퓨팅 디바이스에 의해 실행될 때, 본원에서 개시된 방법 중 임의의 것을 수행하게 하는 명령을 포함하는 머신 실행 동작을 수행하는 단계를 포함하고, 여기서 머신 실행 동작은 상기 명령을 전송하는 것, 상기 명령을 수신하는 것, 상기 명령을 저장하는 것, 또는 상기 명령을 실행하는 것이다.
이러한 양태, 특징, 및 실시예 그리고 다른 양태, 특징 및 실시예는 방법, 장치, 시스템, 컴포넌트, 프로그램 제품, 기능을 수행하기 위한 수단 또는 단계로서, 그리고 다른 방식으로 표현될 수 있다.
이러한 양태, 특징, 및 실시예 그리고 다른 양태, 특징 및 실시예는 청구항을 포함하여, 이하의 설명으로부터 명백해질 것이다.
도 1은 자율 주행 능력을 갖는 자율 주행 차량(autonomous vehicle)의 일 예를 도시한다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다.
도 3은 컴퓨터 시스템을 예시한다.
도 4는 자율 주행 차량에 대한 예시적인 아키텍처를 도시한다.
도 5는 인지 모듈에 의해 사용될 수 있는 입력 및 출력의 일 예를 도시한다.
도 6은 LiDAR 시스템의 일 예를 도시한다.
도 7은 동작 중의 LiDAR 시스템을 도시한다.
도 8은 LiDAR 시스템의 동작을 추가적으로 상세하게 도시한다.
도 9는 계획 모듈의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 10은 경로 계획에서 사용되는 방향 그래프를 도시한다.
도 11은 제어 모듈의 입력 및 출력의 블록 다이어그램을 도시한다.
도 12는 제어기의 입력, 출력, 및 컴포넌트의 블록 다이어그램을 도시한다.
도 13은 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 블록 다이어그램을 도시한다.
도 14는 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스를 예시한다.
도 15는 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스를 예시한다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다.
도 3은 컴퓨터 시스템을 예시한다.
도 4는 자율 주행 차량에 대한 예시적인 아키텍처를 도시한다.
도 5는 인지 모듈에 의해 사용될 수 있는 입력 및 출력의 일 예를 도시한다.
도 6은 LiDAR 시스템의 일 예를 도시한다.
도 7은 동작 중의 LiDAR 시스템을 도시한다.
도 8은 LiDAR 시스템의 동작을 추가적으로 상세하게 도시한다.
도 9는 계획 모듈의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 10은 경로 계획에서 사용되는 방향 그래프를 도시한다.
도 11은 제어 모듈의 입력 및 출력의 블록 다이어그램을 도시한다.
도 12는 제어기의 입력, 출력, 및 컴포넌트의 블록 다이어그램을 도시한다.
도 13은 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 블록 다이어그램을 도시한다.
도 14는 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스를 예시한다.
도 15는 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스를 예시한다.
설명을 위한 이하의 기술에서는, 본 발명에 대한 완전한 이해를 제공하기 위해 다수의 특정 세부사항이 제시된다. 그렇지만, 본 발명이 이러한 특정 세부사항 없이 실시될 수 있다는 것이 명백할 것이다. 다른 예에서, 공지된 구조 및 디바이스는 본 발명을 불필요하게 모호하게 하는 것을 피하기 위하여 블록 다이어그램 형태로 도시된다.
도면에서, 기술을 용이하게 하기 위해, 디바이스, 모듈, 명령 블록 및 데이터 요소를 나타내는 것과 같은 개략적 요소의 특정 배열 또는 순서가 도시된다. 그렇지만, 본 기술 분야의 일반적 기술자라면, 도면에서의 개략적 요소의 특정 순서 또는 배열이 프로세싱의 특정한 순서 또는 시퀀스, 또는 프로세스의 분리가 요구된다는 것을 암시하는 것을 의미하지는 않는다는 점을 이해할 것이다. 또한, 도면에 개략적 요소를 포함시키는 것이, 그러한 요소가 모든 실시예에서 요구된다는 것을 암시하는 것을 의미하지 않거나, 또는 그러한 요소에 의해 표현된 특징이 일부 실시예에서 포함되지 않거나 또는 다른 요소와 조합되지 않을 수 있다는 점을 암시하는 것을 의미하지 않는다.
또한, 도면에서, 2개 이상의 다른 개략적 요소 사이의 연결, 관계 또는 연관을 예시하기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소가 사용되는 경우에, 임의의 그러한 연결 요소의 부재는 연결, 관계 또는 연관이 존재할 수 없다는 점을 암시하는 것을 의미하지 않는다. 환언하면, 요소 사이의 일부 연결, 관계, 또는 연관은 본 개시내용을 모호하게 하지 않기 위해 도면에 도시되지 않는다. 또한, 예시를 용이하게 하기 위해, 요소 사이의 다수의 연결, 관계 또는 연관을 표현하기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호, 데이터 또는 명령의 통신을 표현하는 경우, 본 기술 분야의 일반적 기술자라면, 그러한 요소가, 통신에 영향을 주기 위해 필요할 수 있는 하나 또는 다수의 신호 경로(예를 들어, 버스)를 표현한다는 것을 이해할 것이다.
그 예가 첨부 도면에 예시된 실시예가 이제 상세하게 참조될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예에 대한 완전한 이해를 제공하기 위해 많은 특정 세부사항이 제시된다. 그렇지만, 다양한 기술된 실시예가 이러한 특정 세부사항 없이 실시될 수 있다는 것이 본 기술 분야의 일반적 기술자에게 명백할 것이다. 다른 예에서, 실시예의 양태를 불필요하게 모호하게 하지 않기 위해 공지된 방법, 절차, 컴포넌트, 회로, 및 네트워크는 상세하게 기술되지 않았다.
서로 독립적으로 또는 다른 특징의 임의의 조합과 함께 각각 사용될 수 있는 여러 특징이 이하에 기술된다. 그렇지만, 임의의 개별 특징은 위에서 논의된 문제 중 임의의 것을 해결할 수 없거나 또는 위에서 논의된 문제 중 단지 하나만을 해결할 수 있다. 위에서 논의된 문제 중 일부는 본원에 기술된 특징 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 표제가 제공되지만, 특정 표제와 관련되지만 해당 표제를 갖는 섹션에서 발견되지 않은 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예는 이하의 개요에 따라 본원에 기술된다.
1. 일반적 개관
2. 하드웨어 개관
3. 자율 주행 차량 아키텍처
4. 자율 주행 차량 입력
5. 자율 주행 차량 계획
6. 자율 주행 차량 제어
7. 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 아키텍처
8. 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스
일반적 개관
자율 주행 차량(AV)은 센서(RADAR, LiDAR, GNSS[Global Navigation Satellite System], 주행 거리 측정, 컴퓨터 비전 등)를 사용하여 환경을 자동으로 감지 및 운행하지만, 때때로 센서가 고장날 수 있다. 따라서, 본원에 기술된 기술에 따르면, AV는 센서가 고장날 때 제어될 수 있고, 안전 정지 조작을 실행하는 것, 또는 다른 센서를 이용하는 것과 같이, 센서가 고장날 때 최선의 다음 조치를 결정할 수 있다. 이러한 센서는, 예를 들어, 제조 결함, 동작 수명의 종료, 탬퍼링, 캐스케이딩 시스템 고장, 물리적 손상 등을 포함한 임의의 개수의 인자로 인해 고장날 수 있다. 하나 이상의 센서의 손실은 AV가 동작할 수 있는 능력을 방해할 수 있다.
일 실시예에서, 미리 결정된 시간 내에 일부 센서로부터 측정치가 수신되지 않을 때 센서의 서브세트가 고장난 것으로 결정된다. 부가적으로 또는 대안적으로, 일부 센서로부터 수신되는 측정치가 임계치보다 작거나, 신뢰 구간을 벗어나거나, 예상되는 것, 또는 유사한 다른 센서에 의해 측정된 것과 일관되게 상이할 때 센서 서브세트는 고장난 것으로 결정된다. 하나 이상의 온보드 센서의 고장을 검출할 시에, AV는 센서 고장의 타입 및 정도에 따라 다음 조치를 결정한다. 예를 들어, 모든 우측 센서가 고장나는 경우, AV는 우회전을 수행하지 못할 수 있지만, AV는 좌회전만을 수행하는 것에 의해 여전히 운행할 수 있다. 부가적으로 또는 대안적으로, 모든 센서가 고장나는 경우, AV는 가능한 빨리 정지할 수 있다. 부가적으로 또는 대안적으로, 센서 서브세트가 고장나는 경우, AV는 나머지 작동 센서에 의존하여 그의 운전을 재조정할 수 있다.
일 실시예에서, 하나 이상의 온보드 센서의 고장을 검출할 때, AV는 인근의 다른 차량은 물론 AV 자체와 함께, 있는 경우, AV 내의 여행하는 승객을 보호하기 위해 안전 정지 조작(이하, "안전 정지(Safe Stop)")을 실행한다. 부가적으로 또는 대안적으로, AV에는 승객이 안전 정지 모드를 개시하기 위한 특정 버튼 또는 다른 시그널링 디바이스가 장착되어 있다.
다른 실시예에서, AV는 '림프 홈 모드(limp home mode)'에 진입할 수 있다. 림프 홈 모드에서, AV는 가장 가까운 서비스 위치, 예를 들어, 충전 스테이션 또는 플릿 수리 스테이션(fleet repair station) 등으로 진행한다. 예를 들어, AV는 AV의 위치 및 교통, 보행자 등에 관한 과거 데이터에 따라 저장된 명령의 라이브러리에 의존하여 센서 고장 이후에 림프 홈(limp home)할 수 있다.
하드웨어 개관
도 1은 자율 주행 능력을 갖는 자율 주행 차량(100)의 일 예를 도시한다.
본원에서 사용되는 바와 같이, 용어 "자율 주행 능력"은, 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량을 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 동작될 수 있게 하는 기능, 특징, 또는 설비를 지칭한다.
본원에서 사용되는 바와 같이, 자율 주행 차량(AV)은 자율 주행 능력을 갖는 차량이다.
본원에서 사용되는 바와 같이, "차량"은 상품 또는 사람의 운송 수단을 포함한다. 예를 들어, 자동차, 버스, 기차, 비행기, 드론, 트럭, 보트, 선박, 잠수함, 비행선 등. 무인 자동차는 차량의 일 예이다.
본원에서 사용되는 바와 같이, "궤적"은 AV를 제1 시공간적 위치로부터 제2 시공간적 위치로 운행시키는 경로 또는 루트를 지칭한다. 일 실시예에서, 제1 시공간적 위치는 최초 또는 시작 위치라고 지칭되고 제2 시공간적 위치는 목적지, 최종 위치, 목표, 목표 위치 또는 목표 장소라고 지칭된다. 일부 예에서, 궤적은 하나 이상의 세그먼트(예를 들어, 도로의 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들어, 차선 또는 교차로의 부분)으로 구성된다. 일 실시예에서, 시공간적 위치는 현실 세계 위치에 대응한다. 예를 들어, 시공간적 위치는 사람을 태우거나 내려주고 또는 상품을 싣거나 내리는 픽업(pick up) 또는 드롭-오프(drop-off) 위치이다.
본원에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싸는 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트 중 일부는 감지 컴포넌트(예를 들어, 이미지 센서, 생체측정 센서), 송신 및/또는 수신 컴포넌트(예를 들어, 레이저 또는 라디오 주파수 파 송신기 및 수신기), 아날로그 대 디지털 변환기와 같은 전자 컴포넌트, 데이터 저장 디바이스(예를 들어, RAM 및/또는 비휘발성 스토리지), 소프트웨어 또는 펌웨어 컴포넌트, 및 ASIC(application-specific integrated circuit), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트를 포함할 수 있다.
본원에서 사용되는 바와 같이, "장면 묘사(scene description)"는 AV 차량 상의 하나 이상의 센서에 의해 검출되거나 AV 외부의 소스에 의해 제공되는 하나 이상의 분류된 또는 라벨링된 대상체를 포함하는 데이터 구조(예를 들어, 리스트) 또는 데이터 스트림이다.
본원에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들어, 도시 거리, 주간 고속도로 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들어, 주택 또는 사무실 건물 내의 사유 도로, 주차장 섹션, 공터 섹션, 시골 지역의 비포장 경로 등)에 대응할 수 있다. 일부 차량(예를 들어, 4륜 구동 픽업 트럭, 스포츠 유틸리티 차량 등)은 차량 진행에 대해 특히 적합하지 않은 다양한 물리적 영역을 횡단할 수 있기 때문에, "도로"는 임의의 지자체 또는 다른 정부 또는 행정처에 의해 주요 도로로 공식적으로 규정되지 않은 물리적 영역일 수 있다.
본원에서 사용되는 바와 같이, "차선"은 차량에 의해 횡단될 수 있는 도로의 한 부분이고, 차선 마킹 사이의 공간의 대부분 또는 전부에 대응할 수 있거나, 또는 차선 마킹 사이의 공간의 단지 일부(예를 들어, 50% 미만)에 대응할 수 있다. 예를 들어, 멀리 이격된 차선 마킹을 갖는 도로는 차선 마킹 사이에 둘 이상의 차량을 수용할 수 있어서, 하나의 차량이 차선 마킹을 횡단하지 않고 다른 차량을 추월할 수 있고, 따라서 차선 마킹 사이의 공간보다 협소한 차선을 갖거나 차선 마킹 사이에 2개의 차선을 갖는 것으로 해석될 수 있다. 차선은 차선 마킹의 부재 시에도 해석될 수 있다. 예를 들어, 차선은 환경의 물리적 특징, 예를 들어, 시골 지역에서의 주요 도로를 따라 있는 바위 및 나무에 기초하여 규정될 수 있다.
"하나 이상"은 하나의 요소에 의해 수행되는 기능, 하나보다 많은 요소에 의해, 예를 들어, 분산 방식으로, 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능, 여러 요소에 의해 수행되는 여러 기능, 또는 이들의 임의의 조합을 포함한다.
또한, 용어, 제1, 제2 등이 일부 예에서 다양한 요소를 기술하기 위해 본원에 사용되었지만, 이 요소는 이러한 용어에 의해 제한되지 않아야 한다는 것이 이해될 것이다. 이러한 용어들은 단지 하나의 요소를 다른 요소와 구별하는 데 사용된다. 예를 들어, 기술된 다양한 실시예의 범위를 벗어나지 않고, 제1 접촉은 제2 접촉이라 명명될 수 있고, 유사하게 제2 접촉은 제1 접촉이라 명명될 수 있다. 제1 접촉 및 제2 접촉 양자 모두가 접촉이지만, 동일한 접촉은 아니다.
본원에 기술된 다양한 실시예의 설명에 사용된 용어는 단지 특정한 실시예를 기술하기 위한 것이며, 제한하려는 것은 아니다. 기술된 다양한 실시예 및 첨부된 청구항의 설명에서 사용되는 바와 같이, 단수형은 문맥이 달리 명시적으로 표시하지 않은 이상, 복수형을 포함하도록 의도되었다. 또한, 본원에서 사용되는 바와 같은 용어 "및/또는"은 열거된 연관 항목 중 하나 이상의 항목의 임의의 그리고 모든 가능한 조합을 지칭하고 포함한다는 것이 이해될 것이다. 또한, 용어 "포함한다" 및/또는 "포함하는"은 본 설명에서 사용될 때, 언급된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트의 존재를 명기하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 그의 그룹의 존재 또는 추가를 배제하지 않는다는 것도 이해될 것이다.
본원에서 사용되는 바와 같이, 용어 "~ 경우"는 선택적으로 문맥에 따라 "~할 때", 또는 "~시에" 또는 "결정에 응답하여" 또는 "검출에 응답하여"를 의미하는 것으로 해석된다. 마찬가지로, 구문 "~라고 결정된다면" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는 선택적으로 문맥에 따라, "결정할 시에" 또는 "결정에 응답하여" 또는 "[언급된 조건 또는 이벤트]의 검출 시에" 또는 "[언급된 조건 또는 이벤트]의 검출에 응답하여"를 의미하는 것으로 해석된다.
본원에서 사용되는 바와 같이, AV 시스템은 AV의 동작을 지원하는, 하드웨어, 소프트웨어, 저장 데이터, 및 실시간으로 생성된 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 포함된다. 일 실시예에서, AV 시스템은 여러 위치에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 도 3과 관련하여 아래에서 기술되는 클라우드 컴퓨팅 환경(300)과 유사한 클라우드 컴퓨팅 환경 상에 구현된다.
일반적으로, 본원은 완전한 자율 주행 차량, 고도의 자율 주행 차량, 및 조건부 자율 주행 차량, 예를 들어 각각 소위 레벨 5 차량, 레벨 4 차량 및 레벨 3 차량을 포함하는 하나 이상의 자율 주행 능력을 갖는 임의의 차량에 적용 가능한 기술을 개시한다(차량의 자율성의 레벨 분류에 대한 세부사항은 본원에 그 전체가 참조로 포함된, SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의(Taxonomy and Definitions for Terms Related to On-128-172020-02-28 Road Motor Vehicle Automated Driving Systems) 참조). 또한, 본원에서 개시된 기술은 부분적 자율 주행 차량 및 운전자 보조 차량, 예를 들어, 소위 레벨 2 및 레벨 1 차량에도 적용 가능하다(SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의 참조). 일 실시예에서, 레벨 1, 레벨 2, 레벨 3, 레벨 4 및 레벨 5 차량 시스템 중 하나 이상은 센서 입력의 프로세싱에 기초하여 특정의 동작 조건 하에서 특정의 차량 동작(예를 들어, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본원에서 개시된 기술은, 완전한 자율 주행 차량으로부터 사람-운전 차량에 이르는, 임의의 레벨에 있는 차량에 혜택을 줄 수 있다.
도 1을 참조하면, AV 시스템(120)은, 대상체(예를 들어, 자연 장애물(191), 차량(193), 보행자(192), 자전거 운전자, 및 다른 장애물)을 회피하고 도로 법규(예를 들어, 동작 규칙 또는 운전 선호도)를 준수하면서, 환경(190)을 통해 궤적(198)을 따라 AV(100)를 목적지(199)(때때로 최종 위치라고 지칭됨)로 동작시킨다.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)로부터의 동작 커맨드를 수신하고 이에 따라 작동하도록 설비된 디바이스(101)를 포함한다. 일 실시예에서, 컴퓨팅 프로세서(146)는 도 3을 참조하여 아래에 기술되는 프로세서(304)와 유사하다. 디바이스(101)의 예는 조향 제어(102), 브레이크(103), 기어, 가속기 페달 또는 다른 가속 제어 메커니즘, 앞유리 와이퍼, 사이드-도어 락, 윈도 제어, 및 방향 지시등을 포함한다.
일 실시예에서, AV 시스템(120)은 AV의 위치, 선형 속도 및 선형 가속도, 각속도 및 각가속도, 및 방향(예를 들어, AV(100)의 선단의 배향)와 같은 AV(100)의 상태 또는 조건의 특성을 측정 또는 추론하기 위한 센서(121)를 포함한다. 센서(121)의 예는 GPS, 차량 선형 가속도 및 각속도(angular rate) 양자 모두를 측정하는 IMU(inertial measurement unit), 휠 슬립 비(wheel slip ratio)를 측정 또는 추산하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 휠 토크 센서, 및 조향각(steering angle) 및 각속도 센서이다.
또한, 일 실시예에서, 센서(121)는 AV의 환경의 특성을 감지 또는 측정하기 위한 센서를 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 양자 모두) 스펙트럼식 단안 또는 스테레오 비디오 카메라(122), LiDAR(123), RADAR, 초음파 센서, TOF(time-of-flight) 심도 센서, 속력 센서, 온도 센서, 습도 센서, 및 강우 센서.
일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)와 연관된 머신 명령 또는 센서(121)에 의해 수집된 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142)은 도 3과 관련하여 아래에 기술되는 ROM(308) 또는 저장 디바이스(310)와 유사하다. 일 실시예에서, 메모리(144)는 아래에 기술되는 메인 메모리(306)와 유사하다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 이력, 실시간, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵, 운전 성능, 교통 정체 업데이트 또는 날씨 상태를 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, AV 시스템(120)은 다른 차량의 상태 및 조건, 예를 들어, 위치, 선형 속도 및 각속도, 선형 가속도 및 각가속도, 및 AV(100)를 향한 선형 및 각도 방향의 측정된 또는 추론된 특성을 통신하기 위한 통신 디바이스(140)를 포함한다. 이 디바이스는 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스 및 지점간(point-to-point) 또는 애드혹(ad hoc) 네트워크 또는 양자 모두를 통한 무선 통신을 위한 디바이스를 포함한다. 일 실시예에서, 통신 디바이스(140)는 (라디오 및 광학적 통신을 포함하는) 전자기 스펙트럼 또는 다른 매체(예를 들어, 공기 및 음향 매체)를 통해 통신한다. V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure) 통신(및 일부 실시예에서 하나 이상의 다른 타입의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, 자율 주행 차량 간의 사이 및 자율 주행 차량들 간의 통신을 위한 하나 이상의 통신 표준에 따른다.
일 실시예에서, 통신 디바이스(140)는 통신 인터페이스를 포함한다. 예를 들어, 유선, 무선, WiMAX, Wi-Fi, 블루투스, 위성, 셀룰러, 광학, 근거리, 적외선, 또는 라디오 인터페이스. 통신 인터페이스는 원격에 위치된 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치된 데이터베이스(134)는 도 2에 기술된 바와 같이 클라우드 컴퓨팅 환경(200)에 내장된다. 통신 인터페이스(140)는 센서(121)로부터 수집된 데이터 또는 AV(100)의 동작에 관련된 다른 데이터를 원격에 위치된 데이터베이스(134)에 송신한다. 일 실시예에서, 통신 인터페이스(140)는 원격 조작에 관련되는 정보를 AV(100)에 송신한다. 일 실시예에서, AV(100)는 다른 원격(예를 들어, "클라우드") 서버(136)와 통신한다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 또한 (예를 들어, 도로 및 거리 위치와 같은 데이터를 저장하는) 디지털 데이터를 저장 및 송신한다. 이러한 데이터는 AV(100) 상의 메모리(144)에 저장되거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.
일 실시예에서, 원격에 위치된 데이터베이스(134)는 하루 중 유사한 시간에서 궤적(198)을 따라 이전에 진행된 차량의 운전 특성(예를 들어, 속력 및 가속도 프로파일)에 관한 이력 정보를 저장 및 송신한다. 일 실시예에서, 그러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신될 수 있다.
AV(100) 상에 위치된 컴퓨팅 디바이스(146)는 실시간 센서 데이터 및 이전 정보 양자 모두에 기초한 제어 액션을 알고리즘적으로 생성하여, AV 시스템(120)이 자율 주행 능력을 실행할 수 있게 한다.
일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들어, 탑승자 또는 원격 사용자)에게 정보 및 경보를 제공하고 그로부터 입력을 수신하기 위해 컴퓨팅 디바이스(146)에 결합된 컴퓨터 주변기기(132)를 포함한다. 일 실시예에서, 주변기기(132)는 도 3을 참조하여 아래에 논의되는 디스플레이(312), 입력 디바이스(314), 및 커서 제어기(316)와 유사하다. 결합은 무선 또는 유선이다. 인터페이스 디바이스 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.
도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다. 클라우드 컴퓨팅은 구성 가능한 컴퓨팅 리소스(예를 들어, 네트워크, 네트워크 대역폭, 서버, 프로세싱, 메모리, 스토리지, 애플리케이션, 가상 머신, 및 서비스)의 공유 풀에 대한 간편한 주문형 네트워크 액세스를 가능하게 하기 위한 서비스 전달(service delivery)의 일 모델이다. 전형적인 클라우드 컴퓨팅 시스템에서는, 하나 이상의 대형 클라우드 데이터 센터가 클라우드에 의해 제공되는 서비스를 전달하는 데 사용되는 머신을 수용한다. 이제 도 2를 참조하면, 클라우드 컴퓨팅 환경(200)은 클라우드(202)를 통해 상호연결되는 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 데이터 센터(204a, 204b, 및 204c)는 클라우드 컴퓨팅 서비스를 클라우드(202)에 연결된 컴퓨터 시스템(206a, 206b, 206c, 206d, 206e, 및 206f)에 제공한다.
클라우드 컴퓨팅 환경(200)은 하나 이상의 클라우드 데이터 센터를 포함한다. 일반적으로, 클라우드 데이터 센터, 예를 들어, 도 2에 도시된 클라우드 데이터 센터(204a)는 클라우드, 예를 들어, 도 2에 도시된 클라우드(202) 또는 클라우드의 특정한 부분을 구성하는 서버의 물리적 배열체를 지칭한다. 예를 들어, 서버는 클라우드 데이터 센터 내에 룸, 그룹, 로우(row), 및 랙(rack)으로 물리적으로 배열된다. 클라우드 데이터 센터는 하나 이상의 서버 룸을 포함하는 하나 이상의 구역을 갖는다. 각각의 룸은 하나 이상의 서버 로우를 가지며, 각각의 로우는 하나 이상의 랙을 포함한다. 각각의 랙은 하나 이상의 개별 서버 노드를 포함한다. 일부 실시예에서, 구역, 룸, 랙, 및/또는 로우 내의 서버는, 전력 요건, 에너지 요건, 열적 요건, 가열 요건, 및/또는 다른 요건을 포함하는, 데이터 센터 설비의 물리적 인프라스트럭처 요건에 기초하여 그룹으로 배열된다. 일 실시예에서, 서버 노드는 도 3에서 기술된 컴퓨터 시스템과 유사하다. 데이터 센터(204a)는 다수의 랙을 통해 분산된 다수의 컴퓨팅 시스템을 갖는다.
클라우드(202)는 클라우드 데이터 센터(204a, 204b, 및 204c)를 상호연결시키고 클라우드 컴퓨팅 서비스에 대한 컴퓨팅 시스템(206a 내지 206f)의 액세스를 용이하게 하는 것을 보조하는 네트워크 및 네트워킹 리소스(예를 들어, 네트워킹 장비, 노드, 라우터, 스위치 및 네트워킹 케이블)와 함께 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 일 실시예에서, 네트워크는 지상 또는 위성 연결을 사용하여 배치된 유선 또는 무선 링크를 사용하여 결합된 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 거쳐 교환되는 데이터는 IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode), 및 프레임 릴레이 등과 같은 임의의 개수의 네트워크 계층 프로토콜을 사용하여 송신된다. 또한, 네트워크가 다수의 서브 네트워크의 조합을 나타내는 실시예에서, 상이한 네트워크 계층 프로토콜은 기저 서브 네트워크(underlying sub-networks) 각각에서 사용된다. 일 실시예에서, 네트워크는 공중 인터넷과 같은 하나 이상의 상호연결된 인터네트워크를 나타낸다.
컴퓨팅 시스템(206a 내지 206f) 또는 클라우드 컴퓨팅 서비스 소비자는 네트워크 링크 및 네트워크 어댑터를 통해 클라우드(202)에 연결된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다양한 컴퓨팅 디바이스, 예를 들어, 서버, 데스크톱, 랩톱, 태블릿, 스마트폰, IoT(Internet of Things) 디바이스, 자율 주행 차량(자동차, 드론, 셔틀, 기차, 버스 등을 포함) 및 소비자 전자기기로서 구현된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다른 시스템 내에 또는 그 일부로서 구현된다.
도 3은 컴퓨터 시스템(300)을 예시한다. 일 실시예에서, 컴퓨터 시스템(300)은 특수 목적 컴퓨팅 디바이스이다. 특수 목적 컴퓨팅 디바이스는 기술을 수행하도록 고정-배선(hard-wired)되거나, 기술을 수행하도록 지속적으로 프로그래밍되는 하나 이상의 ASIC(application-specific integrated circuit) 또는 FPGA(field programmable gate array)와 같은 디지털 전자 디바이스를 포함하거나, 펌웨어, 메모리, 다른 스토리지, 또는 조합에서 프로그램 명령에 따라 기술을 수행하도록 프로그래밍되는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 또한, 그러한 특수-목적 컴퓨팅 디바이스는 커스텀 고정-배선 로직, ASIC, 또는 FPGA를 커스텀 프로그래밍과 조합하여 기술을 실현할 수 있다. 다양한 실시예에서, 특수-목적 컴퓨팅 디바이스는 기술을 구현하기 위한 고정-배선 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템, 포터블 컴퓨터 시스템, 휴대용 디바이스, 네트워크 디바이스, 또는 임의의 다른 디바이스이다.
일 실시예에서, 컴퓨터 시스템(300)은 정보를 통신하기 위한 버스(302) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 위해 버스(302)에 결합된 하드웨어 프로세서(304)를 포함한다. 하드웨어 프로세서(304)는, 예를 들어, 범용 마이크로프로세서이다. 컴퓨터 시스템(300)은 버스(302)에 결합된, 프로세서(304)에 의해 실행될 명령 및 정보를 저장하기 위한, RAM(random access memory) 또는 다른 동적 저장 디바이스와 같은, 메인 메모리(306)를 또한 포함한다. 일 실시예에서, 메인 메모리(306)는 프로세서(304)에 의해 실행될 명령의 실행 동안 일시적 변수 또는 다른 중간 정보를 저장하는 데 사용된다. 그러한 명령은, 프로세서(304)에 액세스 가능한 비-일시적 저장 매체에 저장될 때, 컴퓨터 시스템(300)을 명령에서 특정된 동작을 수행하도록 커스터마이징된 특수-목적 머신으로 렌더링한다.
일 실시예에서, 컴퓨터 시스템(300)은, 프로세서(304)를 위한 정적 정보 및 명령을 저장하기 위해 버스(302)에 결합된 ROM(read only memory)(308) 또는 다른 정적 저장 디바이스를 추가로 포함한다. 자기 디스크, 광학 디스크, 솔리드-스테이트 드라이브, 또는 3차원 크로스 포인트 메모리와 같은, 저장 디바이스(310)가 제공되고 정보 및 명령을 저장하기 위해 버스(302)에 결합된다.
일 실시예에서, 컴퓨터 시스템(300)은 버스(302)를 통해, 정보를 컴퓨터 사용자에게 디스플레이하기 위한, CRT(cathode ray tube), LCD(liquid crystal display), 플라스마 디스플레이, LED(light emitting diode) 디스플레이, 또는 OLED(organic light emitting diode) 디스플레이와 같은, 디스플레이(312)에 결합된다. 문자 숫자식 및 다른 키를 포함하는 입력 디바이스(314)는 정보 및 커맨드 선택을 프로세서(304)에 통신하기 위해 버스(302)에 결합된다. 다른 타입의 사용자 입력 디바이스는, 디스플레이(312) 상에서 커서 움직임을 제어하고 프로세서(304)에 방향 정보 및 커맨드 선택을 통신하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키와 같은, 커서 제어기(316)이다. 이 입력 디바이스는 전형적으로, 디바이스가 평면에서 위치를 특정할 수 있게 하는 2개의 축, 즉 제1 축(예를 들어, x-축) 및 제2 축(예를 들어, y-축)에서의 2 자유도를 갖는다.
일부 실시예에 따르면, 본원에서의 기술은 프로세서(304)가 메인 메모리(306)에 포함된 하나 이상의 명령의 하나 이상의 시퀀스를 실행하는 것에 응답하여 컴퓨터 시스템(300)에 의해 수행된다. 그러한 명령은, 저장 디바이스(310)와 같은, 다른 저장 매체로부터 메인 메모리(306) 내로 판독된다. 메인 메모리(306)에 포함된 명령의 시퀀스의 실행은 프로세서(304)로 하여금 본원에서 기술된 프로세스 단계를 수행하게 한다. 대안적 실시예에서는, 소프트웨어 명령 대신에 또는 소프트웨어 명령과 조합하여 고정-배선 회로가 사용된다.
용어 "저장 매체"는 본원에서 사용되는 바와 같이 머신으로 하여금 특정 방식으로 동작하게 하는 데이터 및/또는 명령을 저장하는 임의의 비-일시적 매체를 지칭한다. 그러한 저장 매체는 비휘발성 매체 및/또는 휘발성 매체를 포함한다. 비휘발성 매체는, 예를 들어, 광학 디스크, 자기 디스크, 솔리드-스테이트 드라이브, 또는 3차원 크로스 포인트 메모리, 예를 들어, 저장 디바이스(310)를 포함한다. 휘발성 매체는 동적 메모리, 예를 들어, 메인 메모리(306)를 포함한다. 저장 매체의 일반적인 형태는, 예를 들어, 플로피 디스크, 플렉서블 디스크, 하드 디스크, 솔리드-스테이트 드라이브, 자기 테이프, 또는 임의의 다른 자기 데이터 저장 매체, CD-ROM, 임의의 다른 광학 데이터 저장 매체, 홀의 패턴을 갖춘 임의의 물리적 매체, RAM, PROM, 및 EPROM, FLASH-EPROM, NV-RAM, 또는 임의의 다른 메모리 칩, 또는 카트리지를 포함한다.
저장 매체는 송신 매체와 별개이지만 송신 매체와 함께 사용될 수 있다. 송신 매체는 저장 매체 간에 정보를 전달하는 데 참여한다. 예를 들어, 송신 매체는 버스(302)를 포함하는 와이어를 포함하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 또한, 송신 매체는 라디오-파 및 적외선 데이터 통신 동안 생성되는 것과 같은, 광파 또는 음향파의 형태를 취할 수 있다.
일 실시예에서, 실행을 위해 하나 이상의 명령의 하나 이상의 시퀀스를 프로세서(304)에 반송하는 데 다양한 형태의 매체가 수반된다. 예를 들어, 명령은 초기에 원격 컴퓨터의 자기 디스크 또는 솔리드-스테이트 드라이브에 보유된다. 원격 컴퓨터는 동적 메모리에 명령을 로딩하고 모뎀을 사용하여 전화선을 통해 명령을 전송한다. 컴퓨터 시스템(300)에 로컬 접속된 모뎀은 전화선 상에서 데이터를 수신하고 적외선 송신기를 사용하여 데이터를 적외선 신호로 변환한다. 적외선 검출기는 적외선 신호 내에 반송된 데이터를 수신하고 적절한 회로는 데이터를 버스(302)에 배치한다. 버스(302)는 메인 메모리(306)로 데이터를 반송하고, 프로세서(304)는 메인 메모리로부터 명령을 검색 및 실행한다. 메인 메모리(306)에 의해 수신된 명령은 프로세서(304)에 의해 실행되기 전이나 실행된 후에 선택적으로 저장 디바이스(310)에 저장될 수 있다.
컴퓨터 시스템(300)은 버스(302)에 결합된 통신 인터페이스(318)를 또한 포함한다. 통신 인터페이스(318)는 로컬 네트워크(322)에 연결된 네트워크 링크(320)에 대한 2-웨이 데이터 통신(two-way data communication) 결합을 제공한다. 예를 들어, 통신 인터페이스(318)는 ISDN(integrated service digital network) 카드, 케이블 모뎀, 위성 모뎀, 또는 대응하는 타입의 전화선에 데이터 통신 연결을 제공하기 위한 모뎀이다. 다른 예로서, 통신 인터페이스(318)는 호환 가능한 LAN(local area network)에 데이터 통신 연결을 제공하기 위한 LAN 카드이다. 일 실시예에서, 무선 링크도 구현된다. 임의의 그러한 실시예에서, 통신 인터페이스(318)는 다양한 타입의 정보를 나타내는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 전송 및 수신한다.
네트워크 링크(320)는 전형적으로 하나 이상의 네트워크를 통한 다른 데이터 디바이스로의 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(320)는 로컬 네트워크(322)를 통해 호스트 컴퓨터(324)로의 연결 또는 ISP(Internet Service Provider)(326)에 의해 동작되는 클라우드 데이터 센터 또는 장비로의 연결을 제공할 수 있다. ISP(326)는 차례로 지금은 "인터넷(328)"으로 통칭되는 월드-와이드 패킷 데이터 통신 네트워크(world-wide packet data communication network)를 통해 데이터 통신 서비스를 제공한다. 로컬 네트워크(322) 및 인터넷(328) 양자 모두는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 사용한다. 다양한 네트워크를 통한 신호 및 컴퓨터 시스템(300)으로 그리고 컴퓨터 시스템(300)으로부터 디지털 데이터를 반송하는 통신 인터페이스(318)를 통한 네트워크 링크(320) 상의 신호는 송신 매체의 예시적인 형태이다. 일 실시예에서, 네트워크(320)는 위에서 기술된 클라우드(202) 또는 클라우드(202)의 일부를 포함한다.
컴퓨터 시스템(300)은 네트워크(들), 네트워크 링크(320), 및 통신 인터페이스(318)를 통해, 메시지를 전송하고, 프로그램 코드를 포함하는, 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(300)은 프로세싱을 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(304)에 의해 실행되고 및/또는, 추후의 실행을 위해 저장 디바이스(310) 또는 다른 비휘발성 스토리지에 저장된다.
자율 주행 차량 아키텍처
도 4는 자율 주행 차량(예를 들어, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(400)를 도시한다. 아키텍처(400)는 인지 모듈(402)(때때로 인지 회로라고 지칭됨), 계획 모듈(planning module)(404)(때때로 계획 회로라고 지칭됨), 제어 모듈(406)(때때로 제어 회로라고 지칭됨), 로컬화 모듈(localization module)(408)(때때로 로컬화 회로라고 지칭됨), 및 데이터베이스 모듈(410)(때때로 데이터베이스 회로라고 지칭됨)을 포함한다. 각각의 모듈은 AV(100)의 동작에서 소정의 역할을 한다. 다함께, 모듈(402, 404, 406, 408 및 410)은 도 1에 도시된 AV 시스템(120)의 일부일 수 있다. 일 실시예에서, 모듈(402, 404, 406, 408, 및 410) 중 임의의 모듈은 컴퓨터 소프트웨어(예를 들어, 컴퓨터 판독 가능 매체 상에 저장된 실행 가능한 코드) 및 컴퓨터 하드웨어(예를 들어, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, ASIC(application-specific integrated circuit), 하드웨어 메모리 디바이스, 다른 타입의 집적 회로, 다른 타입의 컴퓨터 하드웨어, 또는 이러한 것 중 임의의 것 또는 모든 것의 조합)의 조합이다.
사용 중에, 계획 모듈(404)은 목적지(412)를 나타내는 데이터를 수신하고 목적지(412)에 도달하기 위해(예를 들어, 도착하기 위해) AV(100)에 의해 진행될 수 있는 궤적(414)(때때로 루트라고 지칭됨)을 나타내는 데이터를 결정한다. 계획 모듈(404)이 궤적(414)을 나타내는 데이터를 결정하기 위해, 계획 모듈(404)은 인지 모듈(402), 로컬화 모듈(408), 및 데이터베이스 모듈(410)로부터 데이터를 수신한다.
인지 모듈(402)은, 예를 들어, 도 1에도 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체는 분류되고(예를 들어, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 타입으로 그룹화되고), 분류된 대상체(416)를 포함하는 장면 묘사는 계획 모듈(404)에 제공된다.
또한, 계획 모듈(404)은 로컬화 모듈(408)로부터 AV 위치(418)를 나타내는 데이터를 수신한다. 로컬화 모듈(408)은 위치를 계산하기 위해 센서(121)로부터의 데이터 및 데이터베이스 모듈(410)로부터의 데이터(예를 들어, 지리적 데이터)를 사용하여 AV 위치를 결정한다. 예를 들어, 로컬화 모듈(408)은 GNSS(Global Operation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 모듈(408)에 의해 사용되는 데이터는 도로 기하학적 특성의 고-정밀 맵, 도로망 연결 특성을 기술하는 맵, 도로 물리적 특성(예를 들어, 교통 속력, 교통량, 차량 및 자전거 운전자 교통 차선의 개수, 차선 폭, 차선 교통 방향, 또는 차선 마커 타입 및 위치, 또는 그 조합)을 기술하는 맵, 및 도로 특징부, 예를 들어, 횡단보도, 교통 표지판 또는 다양한 타입의 다른 진행 신호(travel signal)의 공간적 위치를 기술하는 맵을 포함한다.
제어 모듈(406)은 궤적(414)을 나타내는 데이터 및 AV 위치(418)를 나타내는 데이터를 수신하고, AV(100)로 하여금 목적지(412)로 궤적(414)을 진행하게 할 방식으로 AV의 제어 기능(420a 내지 420c)(예를 들어, 조향, 스로틀링, 제동, 점화)을 동작시킨다. 예를 들어, 궤적(414)이 좌회전을 포함하는 경우, 제어 모듈(406)은, 조향 기능의 조향각이 AV(100)로 하여금 좌측으로 회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 통과하는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로 제어 기능(420a 내지 420c)을 동작시킬 것이다.
자율 주행 차량 입력
도 5는 인지 모듈(402)(도 4)에 의해 사용되는 입력(502a 내지 502d)(예를 들어, 도 1에 도시된 센서(121)) 및 출력(504a 내지 504d)(예를 들어, 센서 데이터)의 일 예를 도시한다. 하나의 입력(502a)은 LiDAR(Light Detection and Ranging) 시스템(예를 들어, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 시선에 있는 물리적 대상체에 관한 데이터를 획득하기 위해 광(예를 들어, 적외선 광과 같은 광의 버스트)을 사용하는 기술이다. LiDAR 시스템은 출력(504a)으로서 LiDAR 데이터를 생성한다. 예를 들어, LiDAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 3D 또는 2D 포인트(포인트 클라우드라고도 알려져 있음)의 집합체이다.
다른 입력(502b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체에 관한 데이터를 획득하기 위해 라디오 파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 시선 내에 있지 않은 대상체에 관한 데이터를 획득할 수 있다. RADAR 시스템(502b)은 출력(504b)으로서 RADAR 데이터를 생성한다. 예를 들어, RADAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 하나 이상의 라디오 주파수 전자기 신호이다.
다른 입력(502c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들어, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라)를 사용한다. 카메라 시스템은 출력(504c)으로서 카메라 데이터를 생성한다. 카메라 데이터는 종종 이미지 데이터(예를 들어, RAW, JPEG, PNG 등과 같은 이미지 데이터 형식의 데이터)의 형태를 취한다. 일부 예에서, 카메라 시스템은, 카메라 시스템이 심도를 인지할 수 있게 하는, 예를 들어, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라를 갖는다. 카메라 시스템에 의해 인지되는 대상체가 본원에서 "인근"으로 기술되지만, 이것은 AV에 상대적인 것이다. 사용 중에, 카메라 시스템은 멀리 있는, 예를 들어, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체를 "보도록" 구성될 수 있다. 따라서, 카메라 시스템은 멀리 떨어져 있는 대상체를 인지하기 위해 최적화되는 센서 및 렌즈와 같은 특징부를 가질 수 있다.
다른 입력(502d)은 TLD(traffic light detection) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 신호등, 거리 표지판, 및 다른 물리적 대상체에 관한 정보를 획득한다. TLD 시스템은 출력(504d)으로서 TLD 데이터를 생성한다. TLD 데이터는 종종 이미지 데이터(예를 들어, RAW, JPEG, PNG 등과 같은 이미지 데이터 형식의 데이터)의 형태를 취한다. TLD 시스템은, 시각적 운행 정보를 제공하는 가능한 한 많은 물리적 대상체에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시계를 갖는 카메라(예를 들어, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용하여, AV(100)가 이러한 대상체에 의해 제공되는 모든 관련 운행 정보에 액세스한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상일 수 있다.
일 실시예에서, 출력(504a 내지 504d)은 센서 융합 기술을 사용하여 조합된다. 따라서, 개별 출력(504a 내지 504d) 중 어느 하나가 AV(100)의 다른 시스템에 제공되거나(예를 들어, 도 4에 도시된 바와 같은 계획 모듈(404)에 제공되거나), 또는 조합된 출력이 동일한 타입(동일한 조합 기술을 사용하는 것 또는 동일한 출력을 조합하는 것 또는 양자 모두)의 단일 조합 출력 또는 다중 조합 출력의 형태 또는 상이한 타입(예를 들어, 상이한 각자의 조합 기술을 사용하는 것 또는 상이한 각자의 출력을 조합하는 것 또는 양자 모두)의 단일 조합 출력 또는 다중 조합 출력의 형태 중 어느 하나로 다른 시스템에 제공될 수 있다. 일 실시예에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 조합 출력에 적용되기 전에 출력을 조합하는 것을 특징으로 한다. 일부 실시예에서, 늦은 융합(late fusion) 기술이 사용된다. 늦은 융합 기술은 하나 이상의 데이터 프로세싱 단계가 개별 출력에 적용된 후에 출력을 조합하는 것을 특징으로 한다.
도 6은 LiDAR 시스템(602)(예를 들어, 도 5에 도시된 입력(502a))의 일 예를 도시한다. LiDAR 시스템(602)은 광 이미터(606)(예를 들어, 레이저 송신기)로부터 광(604a 내지 604c)을 방출한다. LiDAR 시스템에 의해 방출되는 광은 전형적으로 가시 스펙트럼에 있지 않으며, 예를 들어, 적외선 광이 종종 사용된다. 방출되는 광(604b)의 일부는 물리적 대상체(608)(예를 들어, 차량)와 조우하고, LiDAR 시스템(602)으로 다시 반사된다. (LiDAR 시스템으로부터 방출되는 광은 전형적으로 물리적 대상체, 예를 들어, 고체 형태의 물리적 대상체를 관통하지 않는다). 또한, LiDAR 시스템(602)은 반사된 광을 검출하는 하나 이상의 광 검출기(610)를 갖는다. 일 실시예에서, LiDAR 시스템과 연관된 하나 이상의 데이터 프로세싱 시스템은 LiDAR 시스템의 시계(614)를 나타내는 이미지(612)를 생성한다. 이미지(612)는 물리적 대상체(608)의 경계(616)를 나타내는 정보를 포함한다. 이러한 방식으로, 이미지(612)는 AV 인근의 하나 이상의 물리적 대상체의 경계(616)를 결정하는 데 사용된다.
도 7은 동작 중인 LiDAR 시스템(602)을 도시한다. 이 도면에 도시된 시나리오에서, AV(100)는 이미지(702) 형태의 카메라 시스템 출력(504c) 및 LiDAR 데이터 포인트(704) 형태의 LiDAR 시스템 출력(504a) 양자 모두를 수신한다. 사용 중에, AV(100)의 데이터 프로세싱 시스템은 이미지(702)를 데이터 포인트(704)와 비교한다. 특히, 이미지(702)에서 식별된 물리적 대상체(706)가 데이터 포인트(704) 중에서도 식별된다. 이러한 방식으로, AV(100)는 데이터 포인트(704)의 윤곽 및 밀도에 기초하여 물리적 대상체의 경계를 인지한다.
도 8은 LiDAR 시스템(602)의 동작을 추가적으로 상세하게 도시한다. 위에서 기술된 바와 같이, AV(100)는 LiDAR 시스템(602)에 의해 검출되는 데이터 포인트의 특성에 기초하여 물리적 대상체의 경계를 검출한다. 도 8에 도시된 바와 같이, 지면(802)과 같은 평평한 대상체는 LiDAR 시스템(602)으로부터 방출되는 광(804a 내지 804d)을 일관된 방식으로 반사할 것이다. 달리 말하면, LiDAR 시스템(602)이 일관된 간격을 사용하여 광을 방출하기 때문에, 지면(802)은 광을 동일한 일관된 간격으로 다시 LiDAR 시스템(602)으로 반사할 것이다. AV(100)가 지면(802) 위에서 진행함에 따라, LiDAR 시스템(602)은 도로를 방해하는 것이 없는 경우 다음 유효 지면 포인트(806)에 의해 반사되는 광을 계속 검출할 것이다. 그렇지만, 대상체(808)가 도로를 방해하는 경우, LiDAR 시스템(602)에 의해 방출되는 광(804e 내지 804f)은 예상되는 일관된 방식과 불일치하는 방식으로 포인트(810a 내지 810b)로부터 반사될 것이다. 이 정보로부터, AV(100)는 대상체(808)가 존재한다고 결정할 수 있다.
경로 계획
도 9는 (예를 들어, 도 4에 도시된 바와 같은) 계획 모듈(404)의 입력과 출력 사이의 관계의 블록 다이어그램(900)을 도시한다. 일반적으로, 계획 모듈(404)의 출력은 시작 포인트(904)(예를 들어, 소스 위치 또는 최초의 위치)로부터 종료 포인트(906)(예를 들어, 목적지 또는 최종 위치)까지의 루트(902)이다. 루트(902)는 전형적으로 하나 이상의 세그먼트에 의해 규정된다. 예를 들어, 세그먼트는 거리, 도로, 공도, 사유 도로, 또는 자동차 진행에 적절한 다른 물리적 영역의 적어도 일 부분에 걸쳐 진행되는 거리이다. 일부 예에서, 예를 들어, AV(100)가 4륜 구동(4WD) 또는 상시 4륜구동(AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프-로드 주행 가능 차량인 경우, 루트(902)는 비포장 경로 또는 탁트인 들판과 같은 "오프-로드" 세그먼트를 포함한다.
루트(902)에 부가하여, 계획 모듈은 차선-레벨 루트 계획 데이터(908)도 출력한다. 차선-레벨 루트 계획 데이터(908)는 특정한 시간에서의 세그먼트의 조건에 기초하여 루트(902)의 세그먼트를 횡단하는 데 사용된다. 예를 들어, 루트(902)가 다중 차선 공도를 포함하는 경우, 차선-레벨 루트 계획 데이터(908)는, 예를 들어, 출구가 다가오고 있는지, 차선 중 하나 이상이 다른 차량을 갖는지, 또는 수 분 또는 그 미만 동안에 걸쳐 변화되는 다른 인자에 기초하여, AV(100)가 다중 차선 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(910)를 포함한다. 유사하게, 일 실시예에서, 차선-레벨 루트 계획 데이터(908)는 루트(902)의 세그먼트에 특정적인 속력 제약(912)을 포함한다. 예를 들어, 세그먼트가 보행자 또는 예상치 않은 교통상황(traffic)을 포함하는 경우, 속력 제약(912)은 AV(100)를 예상된 속력보다 더 느린 진행 속력, 예를 들어, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다.
일 실시예에서, 계획 모듈(404)로의 입력은 (예를 들어, 도 4에 도시된 데이터베이스 모듈(410)로부터의) 데이터베이스 데이터(914), 현재 위치 데이터(916)(예를 들어, 도 4에 도시된 AV 위치(418)), (예를 들어, 도 4에 도시된 목적지(412)에 대한) 목적지 데이터(918), 및 대상체 데이터(920)(예를 들어, 도 4에 도시된 인지 모듈(402)에 의해 인지되는 분류된 대상체(416))를 포함한다. 일 실시예에서, 데이터베이스 데이터(914)는 계획에 사용되는 규칙을 포함한다. 규칙은 형식 언어를 사용하여, 예를 들어, 불리언 로직을 사용하여 특정된다. AV(100)와 조우하는 임의의 주어진 상황에서, 규칙 중 적어도 일부는 해당 상황에 적용될 것이다. 규칙이 AV(100)에 이용 가능한 정보, 예를 들어, 주위 환경에 관한 정보에 기초하여 충족되는 조건을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙은 우선순위를 가질 수 있다. 예를 들어, "도로가 공도인 경우, 최좌측 차선으로 이동하라"로 되어 있는 규칙은, 출구가 1마일 내에서 다가오고 있는 경우, 최우측 차선으로 이동하라"는 것보다 더 낮은 우선순위를 가질 수 있다.
도 10은, 예를 들어, 계획 모듈(404)(도 4)에 의해 경로 계획에 사용되는 방향 그래프(1000)를 도시한다. 일반적으로, 도 10에 도시된 것과 같은 방향 그래프(1000)는 임의의 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로를 결정하는 데 사용된다. 현실 세계에서는, 시작 포인트(1002)와 종료 포인트(1004)를 분리하는 거리는 상대적으로 클 수 있거나(예를 들어, 2개의 상이한 대도시 지역 내) 또는 상대적으로 작을 수 있다(예를 들어, 도시 블록과 맞닿아 있는 2개의 교차로 또는 다중 차선 도로의 2개의 차선).
일 실시예에서, 방향 그래프(1000)는 AV(100)에 의해 점유될 수 있는 시작 포인트(1002)와 종료 포인트(1004) 사이의 상이한 위치를 나타내는 노드(1006a 내지 1006d)를 갖는다. 일부 예에서, 예를 들어, 시작 포인트(1002) 및 종료 포인트(1004)가 상이한 대도시 지역을 나타낼 때, 노드(1006a 내지 1006d)는 도로의 세그먼트를 나타낸다. 일부 예에서, 예를 들어, 시작 포인트(1002) 및 종료 포인트(1004)가 동일한 도로 상의 상이한 위치를 나타낼 때, 노드(1006a 내지 1006d)는 해당 도로 상의 상이한 위치를 나타낸다. 이러한 방식으로, 방향 그래프(1000)는 다양한 레벨의 입도(granularity)로 정보를 포함한다. 또한, 일 실시예에서, 높은 입도를 갖는 방향 그래프는 또한 더 큰 스케일을 갖는 다른 방향 그래프의 하위그래프이다. 예를 들어, 시작 포인트(1002) 및 종료 포인트(1004)가 멀리 떨어져 있는(예를 들어, 수 마일(many miles) 떨어져 있는) 방향 그래프는 그의 정보 대부분이 낮은 입도이고 저장된 데이터에 기초하지만, AV(100)의 시계 내의 물리적 위치를 나타내는 그래프의 부분에 대한 일부 높은 입도 정보도 포함한다.
노드(1006a 내지 1006d)는 노드와 중첩할 수 없는 대상체(1008a 내지 1008b)와 별개이다. 일 실시예에서, 입도가 낮을 때, 대상체(1008a 내지 1008b)는 자동차에 의해 횡단될 수 없는 구역, 예를 들어, 거리 또는 도로가 없는 영역을 나타낸다. 입도가 높을 때, 대상체(1008a 내지 1008b)는 AV(100)의 시계 내의 물리적 대상체, 예를 들어, 다른 자동차, 보행자, 또는 AV(100)가 물리적 공간을 공유할 수 없는 다른 엔티티를 나타낸다. 일 실시예에서, 대상체(1008a 내지 1008b)의 일부 또는 전부는 정적 대상체(예를 들어, 가로등 또는 전신주와 같은 위치를 변경하지 않는 대상체) 또는 동적 대상체(예를 들어, 보행자 또는 다른 자동차와 같은 위치를 변경할 수 있는 대상체)이다.
노드(1006a 내지 1006d)는 에지(1010a 내지 1010c)에 의해 연결된다. 2개의 노드(1006a 내지 1006b)가 에지(1010a)에 의해 연결되는 경우, AV(100)가, 예를 들어, 다른 노드(1006b)에 도착하기 전에 중간 노드로 진행할 필요 없이, 하나의 노드(1006a)와 다른 노드(1006b) 사이에서 진행하는 것이 가능하다. (노드 사이에서 진행하는 AV(100)를 언급할 때, AV(100)가 각자의 노드에 의해 표현되는 2개의 물리적 위치 사이에서 진행한다는 것을 의미한다.) 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로, 또는 제2 노드로부터 제1 노드로 진행한다는 의미에서 종종 양방향성이다. 일 실시예에서, 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로 진행할 수 있지만, AV(100)가 제2 노드로부터 제1 노드로 진행할 수 없다는 의미에서 단방향성이다. 에지(1010a 내지 1010c)는, 예를 들어, 일방통행로, 거리, 도로, 또는 공도의 개별 차선, 또는 법적 또는 물리적 제약으로 인해 일 방향으로만 횡단될 수 있는 다른 특징부를 나타낼 때 단방향성이다.
일 실시예에서, 계획 모듈(404)은 방향 그래프(1000)를 사용하여 시작 포인트(1002)와 종료 포인트(1004) 사이의 노드 및 에지로 이루어진 경로(1012)를 식별한다.
에지(1010a 내지 1010c)는 연관된 비용(1014a 내지 1014b)을 갖는다. 비용(1014a 내지 1014b)은 AV(100)가 해당 에지를 선택하는 경우 소비될 리소스를 나타내는 값이다. 전형적인 리소스는 시간이다. 예를 들어, 하나의 에지(1010a)가 다른 에지(1010b)의 물리적 거리의 2배인 물리적 거리를 나타내면, 제1 에지(1010a)의 연관된 비용(1014a)은 제2 에지(1010b)의 연관된 비용(1014b)의 2배일 수 있다. 시간에 영향을 미치는 다른 인자는 예상된 교통상황, 교차로의 개수, 속력 제한 등을 포함한다. 다른 전형적인 리소스는 연비(fuel economy)이다. 2개의 에지(1010a 및 1010b)는 동일한 물리적 거리를 나타낼 수 있지만, 예를 들어, 도로 조건, 예상된 날씨 등으로 인해, 하나의 에지(1010a)는 다른 에지(1010b)보다 더 많은 연료를 요구할 수 있다.
계획 모듈(404)이 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로(1012)를 식별할 때, 계획 모듈(404)은 전형적으로, 비용에 최적화된 경로, 예를 들어, 에지의 개별 비용이 함께 가산될 때 최소 전체 비용을 갖는 경로를 선택한다.
자율 주행 차량 제어
도 11은 (예를 들어, 도 4에 도시된 바와 같은) 제어 모듈(406)의 입력 및 출력의 블록 다이어그램(1100)을 도시한다. 제어 모듈은, 예를 들어, 프로세서(304)와 유사한 하나 이상의 프로세서(예를 들어, 마이크로프로세서 또는 마이크로컨트롤러 또는 양자 모두와 같은 하나 이상의 컴퓨터 프로세서), 메인 메모리(306)와 유사한 단기 및/또는 장기 데이터 스토리지(예를 들어, 메모리 랜덤-액세스 메모리 또는 플래시 메모리 또는 양자 모두), ROM(1308), 및 저장 디바이스(210)를 포함하는 제어기(1102), 및 메모리 내에 저장된 명령에 따라 동작하는데, 상기 명령은 명령이 (예를 들어, 하나 이상의 프로세서에 의해) 실행될 때 제어기(1102)의 동작을 수행한다.
일 실시예에서, 제어기(1102)는 원하는 출력(1104)을 나타내는 데이터를 수신한다. 원하는 출력(1104)은 전형적으로 속도, 예를 들어, 속력 및 방향을 포함한다. 원하는 출력(1104)은, 예를 들어, (예를 들어, 도 4에 도시된 바와 같은) 계획 모듈(404)로부터 수신되는 데이터에 기초할 수 있다. 원하는 출력(1104)에 따라, 제어기(1102)는 스로틀 입력(1106) 및 조향 입력(1108)으로서 사용 가능한 데이터를 생성한다. 스로틀 입력(1106)은 원하는 출력(1104)을 달성하기 위해 조향 페달에 관여하거나 또는 다른 스로틀 제어에 관여함으로써, AV(100)의 스로틀(예를 들어, 가속도 제어)에 관여하는 정도를 나타낸다. 일부 예에서, 스로틀 입력(1106)은 AV(100)의 브레이크(예를 들어, 감속 제어)에 관여하는데 사용 가능한 데이터를 또한 포함한다. 조향 입력(1108)은 조향각, 예를 들어, AV의 조향 제어(예를 들어, 조향 휠, 조향각 액추에이터, 또는 조향각을 제어하기 위한 다른 기능성)가 원하는 출력(1104)을 달성하도록 위치설정되어야 하는 각도를 나타낸다.
일 실시예에서, 제어기(1102)는 스로틀 및 조향에 제공되는 입력을 조정하는 데 사용되는 피드백을 수신한다. 예를 들어, AV(100)가 언덕과 같은 방해물(1110)과 조우하면, AV(100)의 측정된 속력(1112)은 원하는 출력 속력 아래로 낮아진다. 일 실시예에서, 임의의 측정된 출력(1114)은, 예를 들어, 측정된 속력과 원하는 출력 사이의 차분(1113)에 기초하여, 필요한 조정이 수행되도록 제어기(1102)에 제공된다. 측정된 출력(1114)은 측정된 위치(1116), 측정된 속도(1118)(속력 및 방향을 포함), 측정된 가속도(1120), 및 AV(100)의 센서에 의해 측정 가능한 다른 출력을 포함한다.
일 실시예에서, 방해물(1110)에 관한 정보는, 예를 들어, 카메라 또는 LiDAR 센서와 같은 센서에 의해 미리 검출되고, 예측 피드백 모듈(1122)에 제공된다. 이후, 예측 피드백 모듈(1122)은 정보를 제어기(1102)에 제공하며, 제어기(1102)는 이 정보를 사용하여 그에 따라 조정할 수 있다. 예를 들어, AV(100)의 센서가 언덕을 검출한("본") 경우, 이 정보는 상당한 감속을 피하기 위해 적절한 시간에 스로틀에 관여할 준비를 하도록 제어기(1102)에 의해 사용될 수 있다.
도 12는 제어기(1102)의 입력, 출력, 및 컴포넌트의 블록 다이어그램(1200)을 도시한다. 제어기(1102)는 스로틀/브레이크 제어기(1204)의 동작에 영향을 미치는 속력 프로파일러(1202)를 갖는다. 예를 들어, 속력 프로파일러(1202)는, 예를 들어, 제어기(1102)에 의해 수신되고 속력 프로파일러(1202)에 의해 프로세싱되는 피드백에 따라 스로틀/브레이크(1206)를 사용하여 가속에 관여하거나 감속에 관여하도록 스로틀/브레이크 제어기(1204)에 명령한다.
또한, 제어기(1102)는 조향 제어기(1210)의 동작에 영향을 미치는 측방향 추적 제어기(1208)를 갖는다. 예를 들어, 측방향 추적 제어기(1208)는, 예를 들어, 제어기(1102)에 의해 수신되고 측방향 추적 제어기(1208)에 의해 프로세싱되는 피드백에 따라 조향각 액추에이터(1212)의 위치를 조정하도록 조향 제어기(1210)에 명령한다.
제어기(1102)는 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)를 제어하는 방법을 결정하는 데 사용되는 여러 입력을 수신한다. 계획 모듈(404)은, 예를 들어, AV(100)가 동작을 시작할 때 방향을 선택하고 AV(100)가 교차로에 도달할 때 어느 도로 세그먼트를 횡단할지를 결정하기 위해, 제어기(1102)에 의해 사용되는 정보를 제공한다. 로컬화 모듈(408)은, 예를 들어, 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)가 제어되고 있는 방식에 기초하여 예상되는 위치에 AV(100)가 있는지를 제어기(1102)가 결정할 수 있도록, AV(100)의 현재 위치를 기술하는 정보를 제어기(1102)에 제공한다. 일 실시예에서, 제어기(1102)는 다른 입력(1214)으로부터의 정보, 예를 들어, 데이터베이스, 컴퓨터 네트워크 등으로부터 수신된 정보를 수신한다.
센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 아키텍처
도 13은 하나 이상의 실시예에 따른, AV(1304)의 동작 동안 센서 고장에 대한 AV 대응방안을 구현하기 위한 아키텍처(1300)의 블록 다이어그램을 예시한다. 아키텍처(1300)는 원격 서버(1312) 및 AV(1304)를 둘러싸는 환경(1316)을 포함한다. 서버(1312)는 도 1에 도시된 서버(136)의 일 실시예일 수 있고 AV(1304)는 도 1에 도시된 AV(100)의 일 실시예일 수 있다.
도 13을 참조하면, AV(1304)는 환경(1316)을 통한 궤적을 따라 자율적으로 또는 반자율적으로 운행한다. 환경(1316)은 도 1을 참조하여 상세하게 위에서 예시되고 기술된 환경(190)의 일 실시예일 수 있다. 환경(1316)은, 시(town), 지역(neighborhood), 또는 도로 세그먼트와 같은, 지리적 영역을 나타낸다. 일 실시예에서, 환경(1316) 내의 시공간적 위치는 환경(1316)의 주석이 달린 맵 상에 표현된다. 이러한 시공간적 위치는 AV(1304)에 대한 궤적을 생성하는 데 사용된다. 환경(1316)은 AV(1304), 대상체(1320), 및 보행자(1324)를 포함한다. 다른 실시예에서, 아키텍처(1300)는 본원에서 기술되는 것에 추가적인 컴포넌트 또는 본원에서 기술되는 것보다 적은 컴포넌트를 포함한다. 유사하게, 기능은 여기에 기술된 것과 상이한 방식으로 컴포넌트 및/또는 상이한 엔티티 간에 분산될 수 있다.
서버(1312)는 AV(1304)에 통신 가능하게 결합되고 데이터를 AV(1304)에 송신한다. 일 실시예에서, 서버(1312)는 도 1 및 도 2에서의 서버(136)를 참조하여 위에서 더 상세히 기술된 바와 같은 "클라우드" 서버일 수 있다. 서버(1312)의 부분은 소프트웨어 또는 하드웨어로 구현될 수 있다. 예를 들어, 서버(1312) 또는 서버(1312)의 일 부분은 PC, 태블릿 PC, STB, 스마트 폰, 사물 인터넷(IoT) 어플라이언스, 또는 그 머신에 의해 취해질 액션을 특정하는 명령을 실행할 수 있는 임의의 머신의 일부일 수 있다.
서버(1312)는 AV(1304)에 대한 차량 동작 프로파일을 나타내는 데이터(1360)를 저장한다. 차량 동작 프로파일을 나타내는 데이터(1360)는 이동식 또는 비이동식 메모리 디바이스, 테이프 카세트, 및 컴퓨터 하드 드라이브 중 하나 이상에 저장된 차량 동작 프로파일의 데이터베이스 또는 테이블로서 구성될 수 있다. 일 실시예에서, 차량 동작 프로파일은, 각각이 차량 동작 프로파일의 하나 이상의 파라미터를 기술하는, 다수의 데이터 필드를 포함한다. 일 예에서, 차량 동작 프로파일은 각각의 센서, 및 특정한 센서 서브세트에 대한 센서 프로파일을 포함하며, 따라서 AV 시스템은, 센서 제어기(1328)를 사용하여, 각각의 센서로부터의 수신된 정보로부터 결정되는 신뢰 수준에 기초하여 센서 또는 센서 서브세트가 고장났는지 또는 고장날 것인지를 결정할 수 있다. 일 실시예에서, 각각의 센서 프로파일은 특정한 센서가 고장난 센서로 간주되기 전에 동작할 수 있는 동작 레벨에 따른 차량에 대한 동작 파라미터 범위 세트를 포함한다. 일 예에서, 센서 프로파일은 속력, 종방향 가속도, 가속도 변동 진폭, 측방향 가속도, 조향각의 변화, AV(1304)의 회전율(rate of turn) 등에 대한 예상 또는 허용 값 범위를 포함하며, 따라서 예상 또는 허용 값 범위를 벗어나는 센서 데이터가 센서 제어기(1328)에 의해 수신되는 경우, 그 특정한 센서는 AV(1304)에 의해 고장난 센서, 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되는 센서로서 플래깅되거나 간주될 수 있다. AV(1304)는 센서 데이터가 동작 파라미터를 벗어난 경우 특정한 센서를 이용하지 않도록 제어 모듈(1336)에 의해 지시받는다.
일 실시예에서, 센서 프로파일은 센서가 측정 데이터를 반환하지 않은, 특정한 센서로부터 수신되는 측정치가 임계치보다 작은, 신뢰 구간을 벗어나는, 예상되는 것 또는 다른 유사한 센서에 의해 측정되는 것과 일관되게 상이한 미리 결정된 시간 기간을 포함할 수 있다. 부가적으로 또는 대안적으로, 센서 프로파일은 각각의 센서의 대응하는 중요도를 나타내는 가중치를 포함한다(예를 들어, 중요도는, 안전, 인지, 또는 운전성(drivability)과 같은, 하나 이상의 속성에 대한 센서의 데이터의 영향에 의존한다).
일 실시예에서, 센서 프로파일은 센서 서브세트에 대한 제2 임계치를 포함하며, 제2 임계치는 그 특정한 서브세트가 AV를 안전한 방식으로 계속 동작시키기 위해 AV(1304)가 필요로 하는 특정한 센서 서브세트 내의 센서의 개수이다. 특히, 서브세트 내의 센서의 개수가 제2 임계치와 적어도 동일하다고 결정할 시에, 센서 제어기(1328)는 복수의 센서의 나머지 중 하나 이상을 재구성하여 그 각자의 커버리지 영역을 조정할 수 있다. 예를 들어, AV(1304)의 우측에 대한 데이터를 측정하는 센서 서브세트가 총 7개의 센서이고, 센서 프로파일에 저장된 바와 같이, 안전한 동작을 위해 적어도 5개의 센서가 요구되는 경우, 예를 들어, 2개의 센서가 고장난 것으로 결정되거나 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되는 경우, 센서 제어기(1328)는 2개의 고장난 센서가 커버하고 있던 영역을 커버하도록 커버리지 영역을 조정하기 위해 특정한 서브세트 내의 나머지 5개의 센서를 재구성할 수 있다.
일 실시예에서, 인지의 시야의 제한, 로컬화의 위치결정의 정확도, 휠 속력 센서가 정지한 것으로 인한 슬립 추정의 감소 등을 규정함으로써 각각의 센서에 대한 신뢰 수준이 연속적인 방식으로 표현될 수 있다. 일 실시예에서, 공칭 거동과 고장 사이에 연속적인 스펙트럼이 있을 수 있다. 예를 들어, LiDAR 시스템은 그의 시야의 1/3이 폐색될 수 있다. 따라서, LiDAR 시스템으로부터의 센서 측정치 중 일부는 여전히 유효하다.
일 실시예에서, 센서는 단일 데이터 반환으로서 규정될 수 있고, 컴포넌트의 프로파일은 고장을 결과하는 상황(예를 들어, 특정 백분율의 데이터 반환 실패, 특정 영역에서의 폐색 등)으로 규정될 수 있다. 예를 들어, LiDAR 시스템으로부터의 단일 포인트 반환.
일 실시예에서, 하나 이상의 센서 프로파일은 AV(1304) 상의 데이터 저장 유닛(1364)에 저장된다. 데이터 스토리지(1364)는 도 1에 도시된 데이터 스토리지(142) 또는 메모리(144)의 실시예이고, 이동식 또는 비이동식 메모리 디바이스, 테이프 카세트, 및 컴퓨터 하드 드라이브 중 하나 이상을 포함한다. 데이터 스토리지(1364)는, 각각이 센서 프로파일의 하나 이상의 속성을 기술하는, 다수의 데이터 필드를 포함한다.
대상체(1320)는 AV(1304) 외부의 물리적 대상체이다. 예를 들어, 대상체(1320)는 공사 구역, 건물, 교통 표지판, 도로의 물리적 연석, 또는 차선 경계 상의 마킹과 같은 환경적 특징부일 수 있다. 대상체(1320)는 다른 차량, 자전거 운전자, 또는 보행자일 수 있다. 일 실시예에서, 대상체(1320) 및 보행자(1324)가 AV(1304)에 의해 분류되고(예를 들어, 보행자, 자동차 등의 타입으로 그룹화됨), 분류된 대상체(1320) 및 보행자(1324)를 나타내는 데이터가 AV(1304)에 대한 궤적을 생성하기 위해 AV(1304)의 계획 모듈(1338)에 제공된다. AV(1304) 외부에 있는 대상체는 도 4에서의 대상체(416)를 참조하여 위에서 더 상세히 기술되어 있다.
AV(1304)는 통신 디바이스(1332), 계획 모듈(1338), 센서 제어기(1328), 제어 모듈(1336), AV 제어(1340)(예를 들어, 조향, 브레이크, 스로틀), 입력 디바이스(1344), 하나 이상의 센서(1310a 내지 1310n), 디스플레이 디바이스(1356), 및 데이터 스토리지(1364)를 포함한다. 통신 디바이스(1332)는 도 1에 도시된 통신 디바이스(140)의 일 실시예일 수 있고, 계획 모듈(1338)은 도 4에 도시된 계획 모듈(404)의 일 실시예일 수 있으며, 센서 제어기(1328)는 도 1에서의 컴퓨터 프로세서(146)의 일 실시예일 수 있고, 제어 모듈(1336)은 도 1에 도시된 제어 모듈(106)의 일 실시예일 수 있으며, AV 제어(1340)는 도 4에 도시된 제어(420a 내지 420c)의 일 실시예일 수 있고, 입력 디바이스(1344)는 도 3에 도시된 입력 디바이스(314)의 일 실시예일 수 있으며, 하나 이상의 센서(1310a 내지 1310n)는 도 1에서의 센서(121 내지 123)의 일 실시예일 수 있고, 디스플레이 디바이스(1356)는 도 3에 도시된 디스플레이(312)의 일 실시예일 수 있다. 다른 실시예에서, AV(1304)는 본원에서 기술되는 것에 추가적인 컴포넌트 또는 본원에서 기술되는 것보다 적은 컴포넌트를 포함한다. 유사하게, 기능은 여기에 기술된 것과 상이한 방식으로 컴포넌트 및/또는 상이한 엔티티 간에 분산될 수 있다.
통신 디바이스(1332)는 서버(1312), 계획 모듈(1338), AV(1304) 내의 승객, 또는 다른 차량과 데이터(1360)(예를 들어, 차량 동작 프로파일, 승객 프로파일, 센서 데이터 프로파일 등)를 통신한다. 통신 디바이스(1332)는 네트워크를 통해 서버(1312)에 통신 가능하게 결합된다. 일 실시예에서, 통신 디바이스(1332)는 인터넷, 전자기 스펙트럼(라디오 및 광학적 통신을 포함함), 또는 다른 매체(예를 들어, 공기 및 음향 매체)를 통해 통신한다. 통신 디바이스(1332)의 부분은 소프트웨어 또는 하드웨어로 구현될 수 있다. 일 예에서, 통신 디바이스(1332) 또는 통신 디바이스(1332)의 일 부분은 PC, 태블릿 PC, STB, 스마트 폰, 사물 인터넷(IoT) 어플라이언스, 또는 그 머신에 의해 취해질 액션을 특정하는 명령을 실행할 수 있는 임의의 머신의 일부일 수 있다. 통신 디바이스(1332)는 도 1에서의 통신 디바이스(140)를 참조하여 위에서 더 상세히 기술되어 있다.
센서(1310a 내지 1310n)는, 제각기, 측정된 데이터(1311a 내지 1311n)를 센서 제어기(1328)에 통신한다. 센서(1310a 내지 1310n)(때때로 본원에서 센서(1310)라고 지칭됨)는 도 1에 대해 본원에서 논의된 바와 같은 센서(121 내지 123) 중 임의의 것을 포함할 수 있다. 센서 제어기(1328)는 센서 데이터(1380)를 계획 모듈(1338)에 통신한다.
일 실시예에서, 센서(1310a 내지 1310n) 각각은 동일한 또는 유사한 조건을 측정하도록 구성된 센서 세트를 포함한다. 일 실시예에서, 센서(1310a 내지 1310n) 각각은, AV(1304)의 우측, 좌측, 후단, 및/또는 전단과 같은, AV(1304)의 특정한 측면을 측정하도록 구성된 센서 세트를 포함한다. 예를 들어, 센서(1310a)가 AV(1304)의 우측을 측정하도록 구성된 모든 센서이고 센서(1310b)가 AV(1304)의 좌측부를 측정하도록 구성된 모든 센서인 것으로 가정한다. 모든 우측 센서가 고장나거나, 또는 모든 우측 센서가 신뢰 수준 임계치보다 낮은 신뢰 수준을 갖는 것으로 결정되는 경우, 또는 특정한 개수의 센서가 고장나거나 임계치 아래로 떨어지는 경우, AV(1304)는 우회전을 수행하지 못할 수 있다. 그렇지만, 계획 모듈(1338)은 좌회전만을 수행하는 것에 의해 AV(1304)를 여전히 안전하게 운행할 수 있다. 좌회전만을 수행할 수 있기로 하는 결정은, 센서 제어기(1328)로부터 센서 데이터(1380)로부터의 센서 고장 정보를 수신한 후에, 계획 모듈(1338)에 의해 결정될 수 있다.
입력 디바이스(1344)는 AV(1304) 내의 승객으로부터 데이터(1372)를 수신한다. 일 실시예에서, 데이터(1372)는 운전에 대한 명령, 차량 동작 프로파일에 대한 선호도, 또는 원하는 운전 공격성 메트릭을 나타낸다. 입력 디바이스(1344)는 데이터(1372)를 계획 모듈(1338)에 송신한다. 일 실시예에서, 입력 디바이스(1344)는 데이터(1372)를 인간 판독 가능 포맷 또는 자연어로부터 계획 모듈(1338)이 사용하기 위한 컴퓨터 프로그램, 의사 코드, 기계어 포맷, 또는 어셈블리 레벨 포맷으로 변환한다. 입력 디바이스(1344)는 터치 스크린 디스플레이 또는 키보드를 포함할 수 있다. 입력 디바이스(1344)는 도 3에서의 입력 디바이스(314) 및 커서 제어기(316)를 참조하여 위에서 더 상세히 기술되어 있다.
디스플레이 디바이스(1356)는 AV(1304)에 승차하고 있는 운전자 및/또는 승객(들)에게 데이터(1376)를 제공한다. 일 실시예에서, 데이터(1376)는, 모든 시스템이 제대로 기능하고 있음과 같은, AV(1304) 내의 현재 상태의 디스플레이 데이터를 나타낸다. 다른 실시예에서, 데이터(1376)는 AV(1304)의 현재 차량 동작 프로파일을 나타낸다. 다른 실시예에서, 데이터(1376)는 승객이 안전 정지 모드를 개시하기 위한 특정 버튼 또는 다른 시그널링 디바이스를 나타낸다. 예를 들어, 디스플레이 데이터(1376)는 AV(1304)에서의 고장난 센서를 승객(들)에게 표시할 수 있고, 어느 특정한 센서가 고장났는지 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되는지, 및 차량이 즉각적인 안전 정지를 개시할 필요가 있는지, 신속하게 정비될 필요가 있는지, 또는 환경(1316)을 여전히 안전하게 모니터링할 수 있는 나머지 센서로 안전하게 계속될 수 있는지를 디스플레이할 수 있다.
계획 모듈(1338)은 AV(1304)에 대한 차량 동작 프로파일을 결정하고, 도 1에서의 센서(121 내지 123)에 대해 본원에서 논의된 데이터와 같은, 센서 데이터를 포함할 수 있는 측정된 데이터(1311)에 기초하여 차량 동작 프로파일을 업데이트한다. 계획 모듈(1338)은 서버(1312)로부터 차량 동작 프로파일, 저장된 승객 프로파일, 각각의 센서에 대한 센서 프로파일 등을 나타내는 데이터 또는 명령을 수신하기 위해 통신 디바이스(1332)에 통신 가능하게 결합된다. 계획 모듈(1338)은 센서 데이터를 포함하는 데이터(1380)를 수신하기 위해 센서 제어기(1328)에 통신 가능하게 결합된다. 센서 제어기(1328)는 측정 데이터(1311a 내지 1311n)를 수신하기 위해 센서(1310a 내지 1310n)에 통신 가능하게 결합된다. 계획 모듈(1334)은 승객 선호도를 나타내는 데이터(1372)를 수신하기 위해 입력 디바이스(1344)에 통신 가능하게 결합된다. 계획 모듈(1338)은 디스플레이 데이터를 나타내는 데이터(1376)를 송신하기 위해 디스플레이 디바이스(1356)에 통신 가능하게 결합된다.
일 실시예에서, 계획 모듈(1338)의 부분은 소프트웨어 또는 하드웨어로 구현된다. 예를 들어, 계획 모듈(1338) 또는 계획 모듈(1338)의 일 부분은 PC, 태블릿 PC, STB, 스마트 폰, 사물 인터넷(IoT) 어플라이언스, 또는 그 머신에 의해 취해질 액션을 특정하는 명령을 실행할 수 있는 임의의 머신의 일부일 수 있다. 계획 모듈(1338)은 도 4에서의 계획 모듈(404)을 참조하여 위에서 더 상세히 기술되어 있다.
계획 모듈(1338)은, 센서(1310a 내지 1310n) 각각으로부터의 측정된 데이터(1311a 내지 1311n)를 센서 제어기(1328)가 편집한 것인, 수신된 데이터(1380)에 기초하여 차량 동작 프로파일을 업데이트한다. 일 실시예에서, AV(1304)의 차량 동작 프로파일은 피제어 시스템(controlled system)으로서 취급된다. 시스템에 대한 입력은 차량 동작 프로파일을 포함하는 반면, 시스템의 상태는 센서(1310a 내지 1310n)에 의해 측정된다.
일 실시예에서, 계획 모듈(1334)은 센서(1310) 또는 센서(1310) 서브세트가 고장났는지 또는 AV(1304)에서의 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되는지를 결정하는 것에 의해 차량 동작 프로파일을 업데이트한다. 예를 들어, 모든 우측 센서가 고장나는 경우, AV는 우회전을 수행하지 못할 수 있지만, AV는 좌회전만을 수행하는 것에 의해 여전히 운행할 수 있다. 계획 모듈(1338)은 고장난 센서 서브세트에 기초하여 차량 동작 프로파일(1384)을 조정하여, 센서를 수리하기 위해 새로운 목적지를 정비소(service stop)로 계획한다. 다른 실시예에서, AV는 '림프 홈 모드'에 진입할 수 있다. 림프 홈 모드에서, AV는 가장 가까운 서비스 위치, 예를 들어, 충전 스테이션 또는 플릿 수리 스테이션(fleet repair station) 등으로 진행한다. 예를 들어, AV는 AV의 위치 및 교통, 보행자 등에 관한 과거 데이터에 따라 저장된 명령의 라이브러리에 의존하여 센서 고장 이후에 림프 홈할 수 있다.
부가적으로 또는 대안적으로, 모든 센서가 고장나는 경우, 계획 모듈(1338)은 가능한 빨리 정지하도록 차량 동작 프로파일(1384)을 조정할 수 있다. 부가적으로 또는 대안적으로, 센서 서브세트가 고장나는 경우, AV는 나머지 작동 센서에 의존하여 그의 운전을 재조정할 수 있다. 일 실시예에서, 하나 이상의 온보드 센서의 고장을 검출할 때, AV는 인근의 다른 차량은 물론 AV 자체와 함께, 있는 경우, AV 내의 여행하는 승객을 보호하기 위해 안전 정지 조작(이하, "안전 정지")을 실행한다. 부가적으로 또는 대안적으로, AV에는 승객이 안전 정지 모드를 개시하기 위한 특정 버튼 또는 다른 시그널링 디바이스가 장착되어 있다.
일 실시예에서, 계획 모듈(1338)은 센서(1310)로부터의 데이터(1311)에 기초하여 AV(1304)의 궤적(예를 들어, 도 4에서의 414)을 결정 또는 조정한다. 계획 모듈(1338)은 도로망의 방향 그래프 표현을 사용하여 복수의 진행 세그먼트를 포함하는 궤적을 생성한다. 각각의 진행 세그먼트(예를 들어, 도 10에서의 에지(1010a))는 궤적(414)의 일 부분을 나타낸다. 궤적에서의 각각의 진행 세그먼트는 (예를 들어, 이전 승차로부터 저장된) 센서 데이터의 레벨과 연관된다. 계획 모듈(1338)은 특정한 궤적을 따라 AV(1304)를 운행시키는 비용을 평가한다. 계획 모듈(1338)은 센서 데이터(1311)에 기초하여 AV(1304)에 대한 궤적을 결정 또는 조정한다.
대안적인 실시예에서, 계획 모듈(1338)은, 입력 디바이스(1344)를 사용하여, 선호 목적지 또는 센서 고장 통지의 관점에서의 모드의 선택을 나타내는 승객으로부터의 데이터(1372)를 수신한다. 계획 모듈(1338)은 선택된 모드에 기초하여 차량 동작 프로파일을 조정한다. 예를 들어, AV(1304)가 림프 홈 모드를 안전하게 수행할 수 있는 경우, 승객은 안전 정지 모드 대신에 림프 홈 모드를 선호할 수 있다.
제어 모듈(1336)은 계획 모듈(1338)에 통신 가능하게 결합된다. 제어 모듈(1336)은 업데이트된 차량 동작 프로파일 및 현재 AV 위치(예를 들어, 도 4에서의 418)를 나타내는 데이터(1384)를 수신하고, AV(1304)가 업데이트된 차량 동작 프로파일(1384)에 따라 동작하게 하는 방식으로 AV 제어(1340)를 동작시킨다. 제어 모듈(1336)은 업데이트된 차량 성능 프로파일(1384)에 따라 스로틀 커맨드, 제동 커맨드, 및 조향 커맨드(1388) 중 하나 이상을 발행함으로써 AV(1304)를 운행한다. 일 실시예에서, 제어 모듈(1336)의 부분은 소프트웨어 또는 하드웨어로 구현된다. 예를 들어, 제어 모듈(1336) 또는 제어 모듈(1336)의 일 부분은 PC, 태블릿 PC, STB, 스마트 폰, 사물 인터넷(IoT) 어플라이언스, 또는 그 머신에 의해 취해질 액션을 특정하는 명령을 실행할 수 있는 임의의 머신의 일부일 수 있다. 제어 모듈(1336)은 도 4에서의 제어 모듈(406) 및 도 11에서의 제어 모듈(406)의 대응하는 블록 다이어그램(1100)을 참조하여 위에서 더 상세히 기술되어 있다.
AV 제어(1340)는 제어 모듈(1336)로부터 커맨드(1388)를 수신하고 AV(1304)의 조향, 브레이크, 및 스로틀을 조정한다. 일 실시예에서, AV 제어(1340)의 부분은 소프트웨어 또는 하드웨어로 구현된다. 예를 들어, AV 제어(1340) 또는 AV 제어(1340)의 일 부분은 PC, 태블릿 PC, STB, 스마트 폰, 사물 인터넷(IoT) 어플라이언스, 또는 그 머신에 의해 취해질 액션을 특정하는 명령을 실행할 수 있는 임의의 머신의 일부일 수 있다. AV 제어(1340)는 도 4에서의 모듈(406 및 420a 내지 420c)을 참조하여 위에서 더 상세히 기술되어 있다.
본원에서 개시된 실시예의 이점 및 장점 중에는 센서가 고장났거나 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되더라도 센서 데이터에 기초한 업데이트된 차량 동작 프로파일이 AV(1304)가 여전히 기능하고 안전하게 주행할 수 있는 능력을 제공한다는 것이 있다. 본원에서 개시된 센서 데이터를 사용함으로써, AV(1304)는, 센서 서브세트가 고장났거나 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되거나, 또는 임계치 초과의 특정 개수의 센서가 고장났거나 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되어, AV(1304)가 의도한 목적지에 안전하게 도달하지는 못할지라도, AV(1304)가 정지되도록 보장한다.
센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스
도 14는 하나 이상의 실시예에 따른, 도 13의 AV(1304)와 같은, 자율 주행 차량의 동작 동안 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스(1400)를 예시한다. 일 실시예에서, 도 14의 프로세스(1400)는 AV(1304)의 하나 이상의 컴포넌트(예를 들어, 도 13에서의 센서 제어기(1328) 및/또는 계획 모듈(1338))에 의해 수행된다. 다른 엔티티(예를 들어, 도 13에서의 원격 서버(1312))는 다른 실시예에서 프로세스(1400)의 단계 중 일부 또는 전부를 수행한다. 마찬가지로, 실시예는 상이한 및/또는 부가의 단계를 포함할 수 있거나, 또는 단계를 상이한 순서로 수행할 수 있다.
1405에서, 자율 주행 차량은 차량에 결합된 복수의 센서로부터 정보를 수신한다. 센서의 다양한 예는 본 명세서에서 논의된, 도 1에서의 센서(121 내지 123)와 같은, LiDAR, RADAR, 카메라, RF, 초음파, 적외선, 및 자외선을 포함한다. 다른 타입의 센서가 가능하다. 센서로부터의 정보는 자율 주행 차량의 환경으로부터의 다양한 측정된 파라미터를 포함한다. 예를 들어, 센서(1310a 내지 1310n)로부터의 정보는 센서 제어기(1328)에 의해 수신되고, 이어서 AV(1304)의 계획 모듈(1338)에 전송된다.
1410에서, 자율 주행 차량은 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치보다 작은지 여부를 결정한다. 자율 주행 차량이 복수의 센서의 제1 센서 서브세트가 고장나지 않았거나 또는 신뢰 수준이 각각의 특정 센서의 신뢰 수준 임계치 미만인 것으로 결정하는 경우, 자율 주행 차량은 복수의 센서로부터 정보를 계속 수신하고 임의의 센서 고장에 대해 모니터링한다. 예를 들어, 센서 제어기(1328)에 의해 센서(1310)로부터 센서 정보를 수신한 후에, 센서 제어기(1328)는 복수의 센서의 센서 서브세트가 각각의 특정 센서의 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는지 여부를 결정한다. 일 실시예에서, 인지의 시야의 제한, 로컬화의 위치결정의 정확도, 휠 속력 센서가 정지한 것으로 인한 슬립 추정의 감소 등을 규정함으로써 각각의 센서에 대한 신뢰 수준이 연속적인 방식으로 표현될 수 있다. 일 실시예에서, 공칭 거동, 센서의 신뢰 수준, 및 고장 사이에 연속적인 스펙트럼이 있을 수 있다. 예를 들어, LiDAR 시스템은 그의 시야의 1/3이 폐색될 수 있다. 따라서, LiDAR 시스템으로부터의 센서 측정치 중 일부는 여전히 유효하다.
일 실시예에서, 센서는 단일 데이터 반환으로서 규정될 수 있고, 컴포넌트의 프로파일은 고장을 결과하는 상황(예를 들어, 특정 백분율의 데이터 반환 실패, 특정 영역에서의 폐색 등)으로 규정될 수 있다. 예를 들어, LiDAR 시스템으로부터의 단일 포인트 반환.
일 실시예에서, 임계 시야 커버리지가 초과될 때 센서 제어기(1328)에 의해 센서 서브세트가 고장난 것으로 결정되거나 또는 각각의 센서에 대한 신뢰 수준이 신뢰 수준 임계치보다 작은 것으로 결정된다. 예를 들어, LiDAR 센서는 시야 커버리지 임계치를 30%로 설정할 수 있으며, 이는 신뢰 수준 임계치가 70%임을 의미한다. 센서 데이터가 그의 시야의 40%가 폐색되었음을 보여주는 경우, 그 특정한 LiDAR 센서는 60%의 결정된 신뢰 수준을 가질 것이다. 따라서, 특정한 LiDAR 센서는 센서 제어기(1328)에 의해 신뢰 수준 임계치(예를 들어, 70%)보다 작은 신뢰 수준(예를 들어, 60%)을 갖는 것으로 결정될 것이다.
일 실시예에서, 측정치가, 예를 들어, 5초와 같은, 미리 결정된 시간 기간 내에 센서(1310)로부터 수신되지 않을 때 센서 제어기(1328)에 의해 센서 서브세트가 고장난 것으로 결정되거나 또는 각각의 센서에 대한 신뢰 수준이 신뢰 수준 임계치보다 작은 것으로 결정된다. 신호를 수신하지 않아 이에 따라 고장난 것으로 결정되거나 또는 각각의 센서에 대한 신뢰 수준이 신뢰 수준 임계치보다 작은 것으로 결정되기 위한 미리 결정된 시간 기간은 각각의 센서에 대해 1초 내지 30초, 또는 심지어 더 긴 범위일 수 있다. 부가적으로 또는 대안적으로, 각각의 센서에 대한 범위는 센서의 타입, 제조업체 설정, 및 각각의 센서에 대한 다른 유사한 속성에 의존할 수 있다. 예를 들어, 온도 센서는 30초마다 측정을 하도록 설정될 수 있고, 따라서 신호를 수신하지 않아 이에 따라 고장난 것으로 결정되기 위한 미리 결정된 시간 기간은 1분으로 설정될 수 있다. 휠 슬립 비를 측정 또는 추정하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서는 지속적으로, 예를 들어, 밀리초 간격으로 측정을 할 수 있는 동안, 신호를 수신하지 않아 이에 따라 고장난 것으로 결정되기 위한 미리 결정된 시간 기간은 5초로 설정될 수 있다.
일 실시예에서, 미리 결정된 시간 기간은, 예컨대, 각각의 센서에 대한 초기 센서 프로파일을 사용하여, 센서 제어기(1328)에 의해 설정될 수 있다. 센서 프로파일은 데이터 스토리지(1364), 또는 센서 제어기(1328)가 액세스할 수 있는 AV(1304) 내의 다른 메모리 스토리지에 저장될 수 있다. 일 실시예에서, 미리 결정된 시간 기간은, 본원에서 논의된 바와 같이, 서버(1312)로부터 데이터(1360)를 통해 수신되는 바와 같은 센서 프로파일에 의해 결정되는 바와 같은 시간 제한일 수 있다.
일 실시예에서, 복수의 센서의 제1 센서 서브세트가 고장났다고 결정하거나 또는 각각의 센서에 대한 신뢰 수준이 각각의 특정 센서의 신뢰 수준 임계치보다 작다고 결정하는 것은 제1 센서 서브세트 내의 센서로부터 수신되는 측정치를 통계적 신뢰 구간에 대응하는 값 범위(예를 들어, 센서 측정치가 정확한 것으로 용인되는 값 범위)와 비교하는 것, 및 제1 센서 서브세트 내의 센서로부터 수신되는 측정치가 통계적 신뢰 구간에 대응하는 값 범위를 벗어난다고 결정하는 것을 포함한다.
일 실시예에서, 복수의 센서의 제1 센서 서브세트가 고장났다고 결정하거나 또는 각각의 센서에 대한 신뢰 수준이 각각의 특정 센서의 신뢰 수준 임계치보다 작다고 결정하는 것은 센서 서브세트 내의 센서로부터 수신되는 측정치를 측정 임계치와 비교하는 것, 및 제1 센서 서브세트 내의 센서로부터 수신되는 측정치가 측정 임계치보다 작거나 같다고 결정하는 것을 포함한다. 예를 들어, AV(1304)는 인지 손실의 정도를 알려진 임계치 값과 비교함으로써 센서 고장을 결정하기 위해 임계치 값을 사용할 수 있다.
일 실시예에서, 제1 센서 서브세트 내의 센서로부터 수신되는 측정치를 측정 임계치와 비교하는 것은, 각각의 센서에 대한 신뢰 수준이 각각의 특정 센서의 신뢰 수준 임계치보다 작다고 결정되거나 고장난 것으로 결정된 제1 센서 서브세트 내의 각각의 각자의 센서에 대해, 각자의 센서의 센서 타입 및 커버리지 영역을 결정하는 것을 포함한다. 각자의 센서에 대한 특정한 센서 타입 및 커버리지 영역이 결정된 후에(예를 들어, 우측 LiDAR 센서), 동일한 센서 타입 또는 동일한 커버리지 영역 중 적어도 하나를 갖는 제3 다른 센서 서브세트가 식별되고, 여기서 제3 다른 센서 서브세트 내의 각각의 식별된 센서는 수신된 정보의 신뢰 수준이 신뢰 수준 임계치보다 작지 않다(예를 들어, 다른 우측 센서, 또는 우측에 있는 유사한 커버리지 영역을 갖는 다른 LiDAR 센서). 이어서, 제3 다른 센서 서브세트로부터 수신되는 측정치를 취득한 후에, 프로세스는 제1 센서 서브세트 내의 각자의 센서로부터 수신되는 측정치와 비교하여 제3 다른 센서 서브세트 내의 각각의 센서로부터 수신되는 측정치가 센서 합의 임계치보다 크거나 같은지 여부를 결정하는 것을 포함한다.
일 실시예에서, 제1 센서 서브세트 내의 각각의 각자의 센서로부터 수신되는 측정치와 비교하여 제3 다른 센서 서브세트 내의 각각의 센서로부터 수신되는 측정치가 센서 일치 임계치보다 크거나 같다고 결정되는 경우, 제1 센서 서브세트 내의 각자의 센서로부터 수신되는 측정치가 측정 임계치보다 작거나 같다고 결정된다. 예를 들어, AV(1304)는, 센서 제어기(1328)를 사용하여, 그 특정 센서의 신뢰 수준 임계치 미만의 낮은 신뢰 수준을 갖는 센서를 동일한 커버리지 영역 내의 또는 동일한 타입을 갖는 다른 센서와 비교하여 상이한 센서가 통계적으로 일치하는지(예를 들어, 특정 백분율 내에 있는지)를 결정한다. 따라서 측정 임계치가 반드시 정적 값인 것은 아닌데, 그 이유는 시스템이 제1 센서 서브세트 내의 센서 측정치를 동일한 영역 내의 또는 동일한 센서 타입의 다른 유사한 센서와 비교하고, 그 센서가 신뢰 수준을 신뢰 수준 임계치 미만으로 되게 하는 유사한 측정치를 나타내는지를 결정할 수 있기 때문이다. 환언하면, 고장난 센서가 고장난 것이 아니라 다른 유사한 센서와 유사한 결과를 검출했을 수 있다. 어느 시나리오에서나, 다수의 센서가 그 각자의 신뢰 수준 임계치 미만에서 측정 데이터를 검출하고 있는 경우, AV(1304)는 차량을 안전한 위치로 운행시켜 센서 문제를 해결하기 위해 긴급 조작을 실행하도록 차량의 운전 능력을 조정할 수 있다.
일 실시예에서, 특정한 센서로부터 수신되는 측정치가 예상된 것과 일관되게 상이할 때, 센서 서브세트는 고장난 것으로 결정되거나 또는 각각의 특정 센서의 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다. 예를 들어, 특정한 센서에 대해, 속력, 온도 등과 같은, AV(1304)의 정상 진행 동안 예상되는 값 범위가 있다. 예를 들어, 특정한 센서가 그 예상된 값 범위 내에 있지 않은 레벨을 측정하고 있는 경우, 센서 제어기(1328)는 특정한 센서가 고장났다고 결정할 수 있거나, 또는 적어도 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정할 수 있다. 부가적으로 또는 대안적으로, 특정한 센서로부터 수신되는 측정치가 다른 유사한 센서에 의해 측정되는 것과 일관되게 상이할 때, 센서 서브세트가 고장난 것으로 결정되거나 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다. 예를 들어, 속력과 같은, 유사한 속성을 측정하고 있는 특정한 센서 서브세트의 경우, 하나의 센서가 AV(1304)의 속력을 80 km/h로 측정하지만, 다른 센서가, 60 km/h와 같은, 그 특정한 센서로부터 벗어난 속력을 일관되게 측정하고 있는 경우, 센서 제어기(1328)는 특정한 센서가 고장났거나 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정할 수 있다.
1415에서, 복수의 센서의 센서 서브세트가 고장났거나 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 각각의 특정한 센서의 신뢰 수준 임계치보다 작다고 결정하는 것에 응답하여, 센서 제어기(1328)는 고장난 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되는 제1 센서 서브세트 내의 센서의 개수를 제2 임계치와 비교한다. 예를 들어, 도 13에 도시된 바와 같은 센서(1310a)를 할당받은 특정한 센서 서브세트, 예를 들어, 우측 센서의 경우, AV(1304)의 우측을 모니터링하는 10개의 상이한 센서가 있을 수 있다. 그 우측 센서는 센서 제어기(1328)에 의해 우측 서브세트로 간주된다. 각각의 특정한 센서 서브세트는, 예컨대, 센서 제어기(1328)에 의해, 제2 임계치에 대해 시스템에 의해 특정 수치를 할당받는다. 예를 들어, 우측 센서 서브세트는 10개의 센서를 포함할 수 있고, 제2 임계치는 5개의 센서로 설정될 수 있다. 따라서, 예를 들어, 4개 이하의 센서가 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 경우(즉, 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작은 경우), 프로세스(1400)는 단계(1425)로 진행할 것이다. 그렇지만, 5개 이상의 센서가 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 경우(즉, 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작지 않은 경우), 프로세스(1400)는 단계(1430)로 진행할 것이다.
일 실시예에서, 각각의 센서는 센서의 대응하는 중요도를 나타내는 가중치를 할당받고(예를 들어, 중요도는, 안전, 인지, 또는 운전성과 같은, 하나 이상의 속성에 대한 센서의 데이터의 영향에 의존함), 제1 서브세트 내의 센서의 개수를 제2 임계치와 비교하는 것은 각자의 가중치에 따라 센서 서브세트 내의 각각의 센서를 가중하는 것, 및 제1 서브세트 내의 센서의 가중된 개수를 제2 임계치와 비교하는 것을 포함한다. 예를 들어, 특정한 센서 서브세트, 예를 들어, 우측 센서에 대해, 각각의 센서는 각각의 특정한 센서의 중요도에 대응하여 개별적으로 가중된다. 예를 들어, 우측에 대한 위한 온도 센서는, AV(1304)의 우측에 있는 모든 대상체를 모니터링하는 LiDAR 센서와 같은, 근접 센서만큼 중요하지 않을 것이다. 따라서, 온도 센서는 더 낮게, 즉, 0.5와 같은, 1 미만으로 가중될 것이고, 근접 센서는 더 높게, 즉, 1.5와 같은, 1 초과로 가중될 것이다.
1420에서, 자율 주행 차량은 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작은지 여부를 결정한다. 따라서, 10개의 센서를 갖고 제2 임계치가 3개의 센서로 결정 또는 설정되는 우측 센서에 대한 예를 계속하면, AV(1304)는 고장난 센서, 또는 신뢰 수준 임계치 미만의 신뢰 수준을 갖는 것으로 결정된 센서의 개수가 3보다 작은지를 결정한다. 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작다고 결정되는 경우, 프로세스(1400)는 단계(1425)로 진행하지만, 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작지 않다고 결정되는 경우, 프로세스(1400)는 단계(1430)로 진행한다.
1425에서, 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작다고 결정하는 것에 응답하여, 자율 주행 차량은 제1 센서 서브세트를 제외한 복수의 센서의 나머지로부터 수신되는 정보에 의존하도록 차량의 운전 능력을 조정한다. 예를 들어, 우측 센서 서브세트에 대해, 3의 제2 임계치 미만인, 2개의 센서만이 고장난 경우, AV(1304)는 고장난 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된 제1 센서 서브세트를 제외한 복수의 센서의 나머지로부터 수신되는 정보에 의존하도록 차량의 운전 능력을 조정한다. 일 실시예에서, 센서 제어기(1328)는 새로운 측정치를 취득하는 샘플링 레이트를 증가시킴으로써 나머지 8개의 센서 중 일부의 커버리지를 증가시킬 수 있고, (해당되는 경우) 측정 영역의 거리를 확장하는 등을 할 수 있다.
1430에서, 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 작지 않다고 결정하는 것에 응답하여, 자율 주행 차량은 차량을 안전한 위치로 운행시키기 위해 긴급 조작을 실행하도록 차량의 운전 능력을 조정한다.
일 실시예에서, 제1 서브세트 내의 센서의 개수가 제2 임계치보다 크거나 같다고 결정할 시에(예를 들어, 너무 많은 센서가 그의 대응하는 신뢰 수준을 충족시키지 않음), AV(1304)는 차량을 안전한 위치로 운행시키기 위해 긴급 조작(예를 들어, 안전 정지 조작)을 실행하도록 차량의 운전 능력을 조정할 수 있다. 예를 들어, 대부분의 또는 모든 센서가 고장나는 경우, AV(1304)는 그 자신을 안전한 곳으로 안내하기 위해 긴급 조작을 실행한다. 예를 들어, 계획 모듈(1338)은 센서 데이터(1380)에 기초하여 차량 동작 프로파일(1384)을 업데이트할 수 있고, AV(1304)는, 제어 모듈(예를 들어, 도 13에서의 1336)을 사용하여, 업데이트된 차량 동작 프로파일(1384)을 사용하여 AV(1304)를 운행할 수 있다.
일 실시예에서, 안전한 위치는 AV(1304)가 안전 정지 조작을 수행할 수 있는 위치이다. 예를 들어, 안전한 위치는 길 어깨(road shoulder), 긴급 차선, 서비스 스테이션, 차량에 대한 홈 베이스(home base) 등일 수 있다. 일 실시예에서, 선호된 안전한 위치는 차량에 대한 홈 베이스이지만, 추측 항법 로컬화(dead reckoning localization) 및 마지막으로 알려진 데이터(last known data)를 사용하여, AV(1304)가 다시 홈 베이스로 안전하게 진행할 수 있을 가능성이 없다고 AV(1304)에 의해 결정될 수 있으며, 따라서 길 어깨, 긴급 차선, 또는 서비스 스테이션과 같은 다른 안전한 위치가 안전한 정지 조작을 위한 적합한 위치로서 사용될 수 있다.
일 실시예에서, 차량을 안전한 위치로 운행시키기 위해 차량의 운전 능력을 조정하는 것은 사각 지대(예를 들어, 센서의 일부 또는 전부가 폐색되어 검출하지 못하는 더 작은 커버리지 영역)를 회피하는 것을 포함한다. AV(1304)가 운전할 때 모든 사각 지대를 회피하도록 프로그래밍된 경우, 이 예에서의 안전한 위치는 사각 지대가 없는 안전한 위치에서 AV(1304)를 이동시키도록 AV(1304)의 운전 능력을 조정하는 것이다.
일 실시예에서, 제2 임계치는 센서 서브세트만이 아니라 복수의 센서의 모든 센서에 대응하고, 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 것은 하나 이상의 라이트를 활성화시키는 것 또는 추측 항법에 의해 진행 루트로부터 멀어지게 이동하는 것 중 하나 이상을 포함한다. 예를 들어, 대부분의 또는 모든 센서가 고장난 경우, AV(1304)는, 비상 라이트(hazard light)를 활성화시키는 것 및 추측 항법에 의해 도로의 측면으로 이동하는 것을 포함한, 안전 정지 조작을 실행한다. 추측 항법은 제한된 보조 운행 시스템을 사용하여 마지막으로 알려진 정확한 파라미터 세트에 기초하여 AV(1304)를 운행시키는 것을 지칭한다. 예를 들어, 추측 항법 프로세스는 이전에 결정된 위치 또는 고정된 위치를 사용하여 AV(1304)의 현재 위치를 계산하는 것, 및 경과된 시간 및 코스에 걸친 알려진 또는 추정된 속력에 기초하여 그 위치로 전진하는 것을 포함할 수 있다.
대안적으로 또는 부가적으로, 자율 주행 차량은 차량의 운전 능력을 제어하기 위해 마지막으로 알려진 데이터에 액세스하는 것, 및 마지막으로 알려진 데이터를 사용하여 차량을 안전한 위치로 운행시키는 것을 포함하는 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 것에 의해 "림프 홈" 모드에 진입할 수 있다. 일 실시예에서, 마지막으로 알려진 데이터는 각각의 센서의 수신된 정보가 신뢰 수준이 제1 임계치보다 작다고 나타내기 전에 각각의 센서로부터 수신되는 데이터를 포함하며, 따라서 마지막으로 알려진 데이터는 신뢰 수준에 대한 제1 임계치를 초과하는 각각의 센서의 데이터만을 포함한다. 예를 들어, 센서에 대한 수신된 정보가 특정한 시간(즉, 3:00:00pm)에서 신뢰 수준이 신뢰 수준 임계치 미만이라고 나타내는 경우, AV(1304)는 그 특정한 시간 이전(즉, 2:58:00pm)의 그 특정한 센서에 대한 마지막으로 수신된 데이터를 이용하여 AV(1304)를 안전한 위치로 운행할 수 있다.
일 실시예에서, 안전한 위치는 서비스 스테이션이다. 대안적으로, 안전한 위치는 자율 주행 차량에 대한 홈 베이스이다. 예를 들어, 대부분의 또는 모든 센서가 고장나는 경우, AV(1304)는, AV(1304)가 그 자신을 가장 가까운 서비스 스테이션 또는 가정 중 더 가까운 곳으로 안내하기 위해 데이터 스토리지(1364)로부터의 마지막으로 알려진 양호한 데이터에 액세스하는, 림프 홈 모드에 진입한다.
일 실시예에서, 제2 임계치는 센서 서브세트만이 아니라 복수의 센서의 모든 센서에 대응하고, 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 것은 운전 정보에 대해 하나 이상의 다른 차량에 질의하는 것, 질의에 응답하여, 하나 이상의 다른 차량 중 적어도 하나로부터, 도로 조건 또는 운행 명령 중 하나 이상에 대한 정보를 수신하는 것, 및 도로 조건 또는 운행 명령 중 하나 이상에 대한 수신된 정보를 사용하여, 차량을 안전한 위치로 운행시키는 것을 포함한다. 일 실시예에서, 안전한 위치는 서비스 스테이션이다. 대안적으로, 안전한 위치는 자율 주행 차량에 대한 홈 베이스이다.
일 실시예에서, 제1 센서 서브세트의 적어도 하나의 센서로부터의 수신된 정보의 신뢰 수준이 제1 임계치(즉, 신뢰 수준 임계치)보다 작다고 결정할 시에, 하나 이상의 백업 센서를 활성화시키고, 고장난 센서 서브세트에 의해 이전에 수행된 동작을 수행하도록 하나 이상의 백업 센서를 구성한다. 예를 들어, 일부 센서가 고장나는 경우, AV(1304)는, 센서 제어기(1328)를 통해, 고장난 센서의 태스크를 인계하기 위해 백업 센서를 활성화시킨다. 일 실시예에서, 백업 센서는 복수의 센서에 포함된 센서와 상이하다. 대안적으로, 백업 센서는 복수의 센서 중 적어도 하나의 센서를 포함한다. 예를 들어, 백업 센서는 AV(1304)의 우측을 모니터링하도록 원래 할당되었지만, 센서 제어기(1328)에 의해, 우측과 함께 부가의 영역을 모니터링하도록 재할당되는 또는 상이한 영역을 모니터링하고 더 이상 우측을 모니터링하지 않도록 완전히 재할당되는 센서를 포함할 수 있다. 대안적으로, 백업 센서는 새로 활성화된 센서와 이미 활성화된 재할당된 센서의 조합을 포함한다.
일 실시예에서, 서브세트 내의 센서의 개수가 제2 임계치보다 작다고 결정할 시에, 자율 주행 차량은 복수의 센서의 나머지 중 하나 이상을, 그 각자의 커버리지 영역을 조정하도록, 재구성하며, 여기서 조정된 커버리지 영역은 고장난 센서 서브세트의 커버리지 영역과 적어도 부분적으로 중첩한다. 예를 들어, 일부 센서(1310)가 고장나는 경우, AV(1304)는, 센서 제어기(1328)를 통해, 나머지 센서 중 하나 이상의 센서의 시야각을 변경하여 그 각자의 센서의 커버리지 영역을 증가시킨다. 예를 들어, LiDAR 센서는 180도의 시야를 갖지만, 그 시야의 1/3이 폐색되어 있으며, 센서 제어기(1328)는 데이터 수집 프로세스에서 폐색되지 않은 나머지 120도만을 취득하도록 센서를 조정할 수 있다.
일 실시예에서, 제1 서브세트 내의 센서의 개수가 제2 임계치보다 크거나 같다고 결정할 시에, 자율 주행 차량은 차량에 대응하는 긴급을 나타내는 경고를 다른 차량에 제공한다. 경고는 차량의 광 방출 디바이스를 활성화시키는 것, 차량의 사운드 방출 디바이스를 활성화시키는 것 등 중 하나 이상을 포함할 수 있다. 예를 들어, AV(1304)는 주변 자동차에 긴급 상황을 알리기 위해 비상 라이트를 활성화시키고 그리고/또는 경적을 울릴 수 있다. 일 실시예에서, 경고는 무선 신호를 원격 조작을 위해 커맨드 센터 및 긴급 서비스 중 적어도 하나에 전송하는 것을 포함한다.
도 15는 하나 이상의 실시예에 따른, 도 13의 AV(1304)와 같은, 자율 주행 차량의 동작 동안 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 프로세스(1500)를 예시한다. 일 실시예에서, 도 15의 프로세스(1500)는 AV(1304)의 하나 이상의 컴포넌트(예를 들어, 도 13에서의 센서 제어기(1328) 및/또는 계획 모듈(1338))에 의해 수행된다. 다른 엔티티(예를 들어, 도 13에서의 원격 서버(1312))는 다른 실시예에서 프로세스(1500)의 단계 중 일부 또는 전부를 수행한다. 마찬가지로, 실시예는 상이한 및/또는 부가의 단계를 포함할 수 있거나, 또는 단계를 상이한 순서로 수행할 수 있다.
1505에서, 자율 주행 차량은 차량에 결합된 복수의 센서로부터 정보를 수신한다. 센서의 다양한 예는 본 명세서에서 논의된, 도 1에서의 센서(121 내지 123)와 같은, LiDAR, RADAR, 카메라, RF, 초음파, 적외선, 및 자외선을 포함한다. 다른 타입의 센서가 가능하다. 센서로부터의 정보는 자율 주행 차량의 환경으로부터의 다양한 측정된 파라미터를 포함한다. 예를 들어, 센서(1310a 내지 1310n)로부터의 정보는 센서 제어기(1328)에 의해 수신되고, 이어서 AV(1304)의 계획 모듈(1338)에 전송된다.
1510에서, 자율 주행 차량은, 수신된 정보에 기초하여, 2개 이상의 센서의 세트의 서브세트가 고장났거나 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정한다. 자율 주행 차량이 센서 세트의 센서 서브세트가 고장나지 않았다고 결정하는 경우, 단계(1505)에서 자율 주행 차량은 계속하여 복수의 센서로부터 정보를 수신하고 임의의 센서 고장에 대해 모니터링한다. 예를 들어, 센서 제어기(1328)에 의해 센서(1310a 내지 1310n)로부터 센서 정보를 수신한 후에, 센서 제어기(1328)는 센서 서브세트가 고장났는지 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되는지 여부를 결정한다.
일 실시예에서, 측정치가 미리 결정된 시간 기간, 예를 들어, 5초 내에 센서(1310)로부터 수신되지 않을 때 센서 제어기(1328)에 의해 센서 서브세트가 고장난 것으로 결정되거나 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다. 신호를 수신하지 않아 이에 따라 고장난 것으로 결정되거나 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되기 위한 미리 결정된 시간 기간은 각각의 센서에 대해 1초 내지 30초, 또는 심지어 더 긴 범위일 수 있다. 부가적으로 또는 대안적으로, 각각의 센서에 대한 범위는 센서의 타입, 제조업체 설정, 및 각각의 센서에 대한 다른 유사한 속성에 의존할 수 있다. 예를 들어, 온도 센서는 30초마다 측정을 하도록 설정될 수 있고, 따라서 신호를 수신하지 않아 이에 따라 고장난 것으로 결정되기 위한 미리 결정된 시간 기간은 1분으로 설정될 수 있다. 대조적으로, 휠 슬립 비를 측정 또는 추정하기 위한 휠 속력 센서, 휠 브레이크 압력 센서, 또는 제동 토크 센서와 같은 센서는 지속적으로, 예를 들어, 밀리초 간격으로 측정을 할 수 있다. 그 타입의 센서의 경우, 신호를 수신하지 않아 이에 따라 고장난 것으로 결정되기 위한 미리 결정된 시간 기간은 상대적으로 작을 것이며, 예를 들어, 5초일 것이다.
일 실시예에서, 미리 결정된 시간 기간은, 예컨대, 각각의 센서에 대한 초기 센서 프로파일을 사용하여, 센서 제어기(1328)에 의해 설정될 수 있다. 센서 프로파일은 데이터 스토리지(1364), 또는 센서 제어기(1328)가 액세스할 수 있는 AV(1304) 내의 다른 메모리 스토리지에 저장될 수 있다. 일 실시예에서, 미리 결정된 시간 기간은, 본원에서 논의된 바와 같이, 서버(1312)로부터 데이터(1360)를 통해 수신되는 바와 같은 센서 프로파일에 의해 결정되는 바와 같은 시간 제한일 수 있다.
일 실시예에서, 제1 센서 서브세트가 고장났거나, 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정하는 것은 센서 서브세트 내의 센서로부터 수신되는 측정치를 통계적 신뢰 구간에 대응하는 값 범위(예를 들어, 센서 측정치가 정확한 것으로 용인되는 값 범위)와 비교하는 것, 및 센서 서브세트 내의 센서로부터 수신되는 측정치가 통계적 신뢰 구간에 대응하는 값 범위를 벗어난다고 결정하는 것을 포함한다. 제1 센서 서브세트 내의 센서로부터 수신되는 측정치가 통계적 신뢰 구간에 대응하는 값 범위를 벗어난다고 결정하는 것의 예는 위에서 프로세스(1400)에서 제공되어 있다.
일 실시예에서, 제1 센서 서브세트가 고장났거나, 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정하는 것은 2개 이상의 센서의 세트의 제1 서브세트 내의 센서로부터 수신되는 측정치를 측정 임계치와 비교하는 것, 및 제1 센서 서브세트 내의 센서로부터 수신되는 측정치가 측정 임계치보다 작거나 같은지 여부를 결정하는 것을 포함한다. AV(1304)는 인지 손실의 정도를 알려진 임계치 값과 비교함으로써 센서 고장을 결정하기 위해 값을 사용할 수 있다. 인지 손실의 정도를 알려진 임계치 값과 비교함으로써 센서 고장을 결정하기 위해 임계치를 사용하는 예는 위에서 프로세스(1400)에서 제공되어 있다.
일 실시예에서, 특정한 센서로부터 수신되는 측정치가 예상된 것과 일관되게 상이할 때, 제1 센서 서브세트는 고장난 것으로 결정되거나, 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다. 예를 들어, 특정한 센서에 대해, 속력, 온도 등과 같은, AV(1304)의 정상 진행 동안 예상되는 값 범위가 있다. 예를 들어, 특정한 센서가 그 예상된 값 범위 내에 있지 않은 레벨을 측정하고 있는 경우, 센서 제어기(1328)는 특정한 센서가 고장났다고 결정할 수 있거나, 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정할 수 있다. 부가적으로 또는 대안적으로, 특정한 센서로부터 수신되는 측정치가 다른 유사한 센서에 의해 측정되는 것과 일관되게 상이할 때, 센서 서브세트가 고장난 것으로 결정되거나 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다. 예를 들어, 속력과 같은, 유사한 속성을 측정하고 있는 특정한 센서 서브세트의 경우, 하나의 센서가 AV(1304)의 속력을 80 km/h로 측정하지만, 다른 센서가, 60 km/h와 같은, 그 특정한 센서로부터 벗어난 속력을 일관되게 측정하고 있는 경우, 센서 제어기(1328)는 특정한 센서가 고장났거나 적어도 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정할 수 있다.
1515에서, 자율 주행 차량은 센서 서브세트 내의 센서의 개수 또는 제1 센서 서브세트를 제외한 제2 센서 서브세트 내의 센서의 개수에 기초하여 AV의 운전 기능을 조정하기로 결정한다. 예를 들어, AV(1304)의 센서 제어기(1328)가 특정한 센서 서브세트가 고장났거나, 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정하는 경우, 예를 들어, 센서 데이터(1311a 내지 1311n)로부터 결정되는 신뢰 수준에 기초하여 AV(1304)의 좌측을 모니터링하는 센서 서브세트가 고장났거나 고장날 것이라고 결정하는 경우, 센서 제어기(1328)는 편집된 센서 데이터(1380)를 계획 모듈(1338)에 전송하고 계획 모듈(1338)은 이어서 수신된 센서 데이터(1380)에 기초하여 AV(1304)의 운전 기능을 조정할지 여부를 결정한다.
1520에서, 자율 주행 차량은 주행 기능을 조정하기로 한 결정에 따라 주행 기능이 조정되게 한다. 예를 들어, 계획 모듈(1338)은 센서 데이터(1380)에 기초하여 차량 동작 프로파일(1384)을 업데이트할 수 있고, AV(1304)는, 제어 모듈(예를 들어, 도 13에 도시된 제어 모듈(1336))을 사용하여, 업데이트된 차량 동작 프로파일(1384)을 사용하여 AV(1304)를 운행할 수 있다.
일 실시예에서, 프로세스(1500)는 서브세트 내의 센서의 개수가 제2 임계치보다 크거나 같다고 결정할 시에 차량을 안전한 위치로 운행시키기 위해 긴급 조작(예를 들어, 안전 정지 조작)을 실행하도록 차량의 운전 기능을 조정하는 것을 포함한다. 예를 들어, 대부분의 또는 모든 센서가 고장나거나 또는 각각의 센서의 신뢰 수준이 신뢰 수준 임계치보다 작은 경우, AV(1304)는 그 자신을 안전한 곳으로 안내하기 위해 긴급 조작을 실행한다. 예를 들어, 계획 모듈(1338)은 센서 데이터(1380)에 기초하여 차량 동작 프로파일(1384)을 업데이트할 수 있고, AV(1304)는, 제어 모듈(예를 들어, 도 13에서의 1336)을 사용하여, 업데이트된 차량 동작 프로파일(1384)을 사용하여 AV(1304)를 운행할 수 있다.
일 실시예에서, 프로세스(1500)는, 하나 이상의 라이트를 활성화시키는 것 또는 추측 항법에 의해 진행 루트로부터 멀어지게 이동하는 것 중 하나 이상을 포함하는, 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 것을 포함한다. 예를 들어, 대부분의 또는 모든 센서가 고장나거나 또는 신뢰 수준이 각각의 특정한 센서의 신뢰 수준 임계치보다 작은 경우, AV(1304)는, 비상 라이트를 활성화시키는 것 및 추측 항법에 의해 도로의 측면으로 이동하는 것을 포함한, 안전 정지 조작을 실행한다. 대안적으로 또는 부가적으로, 자율 주행 차량은 차량의 운전 능력을 제어하기 위해 마지막으로 알려진 데이터에 액세스하는 것, 및 마지막으로 알려진 데이터를 사용하여 차량을 안전한 위치로 운행시키는 것을 포함하는 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 것에 의해 "림프 홈" 모드에 진입할 수 있다. 일 실시예에서, 안전한 위치는 서비스 스테이션이다. 대안적으로, 안전한 위치는 자율 주행 차량에 대한 홈 베이스이다. 예를 들어, 대부분의 또는 모든 센서가 고장나거나 또는 신뢰 수준이 각각의 특정한 센서의 신뢰 수준 임계치보다 작은 경우, AV(1304)는, AV(1304)가 그 자신을 가장 가까운 서비스 스테이션 또는 가정 중 더 가까운 곳으로 안내하기 위해 데이터 스토리지(1364)로부터의 마지막으로 알려진 양호한 데이터에 액세스하는, 림프 홈 모드에 진입한다.
일 실시예에서, 프로세스(1500)는 운전 정보에 대해 하나 이상의 다른 차량에 질의하는 것, 및 질의에 응답하여, 하나 이상의 다른 차량 중 적어도 하나로부터, 도로 조건 또는 운행 명령 중 하나 이상에 대한 정보를 수신하는 것, 및 도로 조건 또는 운행 명령 중 하나 이상에 대한 수신된 정보를 사용하여, 차량을 안전한 위치로 운행시키는 것을 포함하는, 긴급 조작을 실행하도록 차량의 운전 능력을 조정하는 것을 포함한다. 일 실시예에서, 안전한 위치는 서비스 스테이션이다. 대안적으로, 안전한 위치는 자율 주행 차량에 대한 홈 베이스이다.
일 실시예에서, 2개 이상의 센서의 서브세트가 고장났거나, 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 결정할 시에, 자율 주행 차량은 하나 이상의 백업 센서를 활성화시킬 수 있고, 고장났거나 또는 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되는 센서 서브세트에 의해 이전에 수행된 동작을 수행하도록 하나 이상의 백업 센서를 구성할 수 있다. 예를 들어, 일부 센서가 고장나는 경우, AV(1304)는, 센서 제어기(1328)를 통해, 고장난 센서의 태스크를 인계하기 위해 백업 센서를 활성화시킬 수 있다. 일 실시예에서, 백업 센서는 복수의 센서에 포함된 센서와 상이하다. 대안적으로, 백업 센서는 복수의 센서 중 적어도 하나의 센서를 포함한다. 예를 들어, 백업 센서는 AV(1304)의 우측을 모니터링하도록 원래 할당되었지만, 센서 제어기(1328)에 의해, 우측과 함께 부가의 영역을 모니터링하도록 재할당되는 또는 상이한 영역을 모니터링하고 더 이상 우측을 모니터링하지 않도록 완전히 재할당되는 센서를 포함할 수 있다. 대안적으로, 백업 센서는 새로 활성화된 센서와 이미 활성화된 재할당된 센서의 조합을 포함한다.
일 실시예에서, 2개 이상의 센서의 제1 서브세트가 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정되거나 또는 고장났다고 결정할 시에, 자율 주행 차량은 복수의 센서의 나머지 중 하나 이상을, 그 각자의 커버리지 영역을 조정하도록, 재구성할 수 있고, 여기서 조정된 커버리지 영역은 고장난 또는 신뢰 수준이 각각의 특정한 센서의 신뢰 수준 임계치보다 작은 센서 서브세트의 커버리지 영역과 적어도 부분적으로 중첩한다. 예를 들어, 일부 센서(1310)가 고장나거나 또는 신뢰 수준이 각각의 특정한 센서의 신뢰 수준 임계치보다 작은 경우, AV(1304)는, 센서 제어기(1328)를 통해, 나머지 센서 중 하나 이상의 센서의 시야각을 변경하여 그 각자의 센서의 커버리지 영역을 증가시킬 수 있다.
일 실시예에서, 2개 이상의 센서의 제1 서브세트 내의 센서의 개수가 신뢰 수준 임계치보다 작은 신뢰 수준을 갖는 것으로 결정된다고 또는 고장났다고 또는 제2 임계치보다 크거나 같다고(예를 들어, 너무 많은 센서가 고장날 것이거나 고장나서 AV(1304)를 안전하게 계속 운전하지 못한다고) 결정할 시에, 자율 주행 차량은 차량에 대응하는 긴급을 나타내는 경고를 다른 차량에 제공할 수 있다. 경고는 차량의 광 방출 디바이스를 활성화시키는 것, 차량의 사운드 방출 디바이스를 활성화시키는 것 등 중 하나 이상을 포함할 수 있다. 예를 들어, AV(1304)는 주변 자동차에 긴급 상황을 알리기 위해 비상 라이트를 활성화시키고 그리고/또는 경적을 울릴 수 있다.
상기 설명에서, 본 발명의 실시예는 실시예마다 변화될 수 있는 다수의 특정 세부사항을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면은 제한적인 관점보다는 예시적인 관점에서 보아야 한다. 본 발명의 범위의 유일한 독점적인 지표, 및 출원인이 본 발명의 범위가 되도록 의도한 것은, 본 출원에서 특정 형태로 나오는 청구항 세트의 문언적 등가 범위이며, 그러한 청구항이 나오는 특정 형태는 임의의 후속 보정을 포함한다. 그러한 청구항에 포함된 용어에 대해 본원에서 명시적으로 개시된 모든 정의는 청구항에서 사용되는 바와 같은 그러한 용어의 의미를 지배한다. 그에 부가하여, 상기 설명 및 이하의 청구항에서 용어 "추가로 포함하는"이 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브-단계/서브-엔티티일 수 있다.
Claims (20)
- 방법으로서,
차량에 결합된 복수의 센서로부터 정보를 수신하는 단계 - 상기 차량의 운전 능력은 상기 복수의 센서로부터의 상기 정보에 의존함 -;
상기 복수의 센서의 각각의 센서의 상기 수신된 정보에 기초하여, 상기 복수의 센서의 제1 센서 서브세트의 적어도 하나의 센서로부터의 상기 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하는 단계;
상기 제1 임계치보다 큰 신뢰 수준을 갖는 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 크다고 결정하는 단계; 및
상기 결정에 기초하여 상기 차량을 제어하고 상기 제1 임계치보다 큰 신뢰 수준을 갖는 상기 제1 센서 서브세트 내의 센서로부터 수신된 정보에 의존하도록 상기 차량의 상기 운전 능력을 조정하는 단계
를 포함하는 방법. - 제1항에 있어서, 각각의 센서는 각각의 각자의 센서의 대응하는 중요도를 나타내는 가중치를 할당받고, 상기 결정에 기초하여 자율 주행 차량(AV)의 상기 운전 기능을 조정할지 여부를 결정하는 것은,
각자의 가중치에 따라 상기 제1 센서 서브세트 내의 각각의 센서를 가중하는 것; 및
2개 이상의 센서의 세트의 제1 서브세트 내의 상기 센서의 가중된 개수를 상기 제2 임계치와 비교하는 것을 포함하는 것인, 방법. - 제1항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 단계는 하나 이상의 라이트를 활성화시키는 단계 또는 추측 항법에 의해 진행 루트로부터 멀어지게 이동시키는 단계 중 하나 이상을 포함하는 것인, 방법.
- 제1항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 단계는,
상기 차량의 상기 운전 능력을 제어하기 위해 마지막으로 알려진 데이터에 액세스하는 단계 - 상기 마지막으로 알려진 데이터는 특정한 센서로부터 수신되는 정보가 상기 신뢰 수준이 상기 제1 임계치보다 작다는 것을 나타내기 이전의 상기 특정한 센서의 상기 수신된 정보를 포함함 -; 및
상기 마지막으로 알려진 데이터를 사용하여, 상기 차량을 안전한 위치로 운행시키는 단계를 포함하는 것인, 방법. - 제1항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 단계는,
운전 정보에 대해 하나 이상의 다른 차량에 질의하는 단계;
상기 질의하는 단계에 응답하여, 상기 하나 이상의 다른 차량 중 적어도 하나로부터, 도로 조건 또는 운행 명령 중 하나 이상에 대한 정보를 수신하는 단계; 및
도로 조건 또는 운행 명령 중 하나 이상에 대한 상기 수신된 정보를 사용하여, 상기 차량을 안전한 위치로 운행시키는 단계를 포함하는 것인, 방법. - 제1항에 있어서,
하나 이상의 백업 센서를 활성화시키는 단계; 및
상기 제1 센서 서브세트에 의해 이전에 수행된 동작을 수행하도록 상기 하나 이상의 백업 센서를 구성하는 단계
를 더 포함하는, 방법. - 제6항에 있어서, 상기 백업 센서는 상기 복수의 센서에 포함된 센서와 상이한 것인, 방법.
- 시스템에 있어서,
적어도 하나의 프로세서; 및
명령을 저장하는 적어도 하나의 비일시적 저장 매체
를 포함하고,
상기 명령은 상기 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금:
차량에 결합된 복수의 센서로부터 정보를 수신하고 - 상기 차량의 운전 능력은 상기 복수의 센서로부터의 상기 정보에 의존함 -,
상기 복수의 센서의 각각의 센서의 상기 수신된 정보에 기초하여, 상기 복수의 센서의 제1 센서 서브세트의 적어도 하나의 센서로부터의 상기 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하고,
상기 제1 임계치보다 큰 신뢰 수준을 갖는 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 크다고 결정하고,
상기 결정에 기초하여 상기 차량을 제어하고 상기 제1 임계치보다 큰 신뢰 수준을 갖는 상기 제1 센서 서브세트 내의 센서로부터 수신된 정보에 의존하도록 상기 차량의 상기 운전 능력을 조정하게 하는
것인 시스템. - 제8항에 있어서, 각각의 센서는 각각의 각자의 센서의 대응하는 중요도를 나타내는 가중치를 할당받고, 상기 결정에 기초하여 자율 주행 차량(AV)의 상기 운전 기능을 조정할지 여부를 결정하는 것은,
각자의 가중치에 따라 상기 제1 센서 서브세트 내의 각각의 센서를 가중하는 것; 및
2개 이상의 센서의 세트의 제1 서브세트 내의 상기 센서의 가중된 개수를 상기 제2 임계치와 비교하는 것을 포함하는 것인, 시스템. - 제8항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 것은 하나 이상의 라이트를 활성화시키는 것 또는 추측 항법에 의해 진행 루트로부터 멀어지게 이동시키는 것 중 하나 이상을 포함하는 것인, 시스템.
- 제8항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 것은,
상기 차량의 상기 운전 능력을 제어하기 위해 마지막으로 알려진 데이터에 액세스하는 것 - 상기 마지막으로 알려진 데이터는 특정한 센서로부터 수신되는 정보가 상기 신뢰 수준이 상기 제1 임계치보다 작다는 것을 나타내기 이전의 상기 특정한 센서의 상기 수신된 정보를 포함함 -; 및
상기 마지막으로 알려진 데이터를 사용하여, 상기 차량을 안전한 위치로 운행시키는 것을 포함하는 것인, 시스템. - 제8항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 것은,
운전 정보에 대해 하나 이상의 다른 차량에 질의하는 것;
상기 질의하는 것에 응답하여, 상기 하나 이상의 다른 차량 중 적어도 하나로부터, 도로 조건 또는 운행 명령 중 하나 이상에 대한 정보를 수신하는 것; 및
도로 조건 또는 운행 명령 중 하나 이상에 대한 상기 수신된 정보를 사용하여, 상기 차량을 안전한 위치로 운행시키는 것을 포함하는 것인, 시스템. - 제8항에 있어서,
하나 이상의 백업 센서를 활성화시키는 것; 및
상기 제1 센서 서브세트에 의해 이전에 수행된 동작을 수행하도록 상기 하나 이상의 백업 센서를 구성하는 것
을 더 포함하는, 시스템. - 제13항에 있어서, 상기 백업 센서는 상기 복수의 센서에 포함된 센서와 상이한 것인, 시스템.
- 명령을 저장하는 적어도 하나의 비일시적 저장 매체에 있어서,
상기 명령은 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금:
차량에 결합된 복수의 센서로부터 정보를 수신하고 - 상기 차량의 운전 능력은 상기 복수의 센서로부터의 상기 정보에 의존함 -,
상기 복수의 센서의 각각의 센서의 상기 수신된 정보에 기초하여, 상기 복수의 센서의 제1 센서 서브세트의 적어도 하나의 센서로부터의 상기 수신된 정보의 신뢰 수준이 제1 임계치보다 작다고 결정하고,
상기 제1 임계치보다 큰 신뢰 수준을 갖는 제1 센서 서브세트 내의 센서의 개수가 제2 임계치보다 크다고 결정하고,
상기 결정에 기초하여 상기 차량을 제어하고 상기 제1 임계치보다 큰 신뢰 수준을 갖는 상기 제1 센서 서브세트 내의 센서로부터 수신된 정보에 의존하도록 상기 차량의 상기 운전 능력을 조정하게
하는 적어도 하나의 비일시적 저장 매체. - 제15항에 있어서, 각각의 센서는 각각의 각자의 센서의 대응하는 중요도를 나타내는 가중치를 할당받고, 상기 결정에 기초하여 자율 주행 차량(AV)의 상기 운전 기능을 조정할지 여부를 결정하는 것은,
각자의 가중치에 따라 상기 제1 센서 서브세트 내의 각각의 센서를 가중하는 것; 및
2개 이상의 센서의 세트의 제1 서브세트 내의 상기 센서의 가중된 개수를 상기 제2 임계치와 비교하는 것을 포함하는 것인, 적어도 하나의 비일시적 저장 매체. - 제15항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 것은, 하나 이상의 라이트를 활성화시키는 것 또는 추측 항법에 의해 진행 루트로부터 멀어지게 이동시키는 것 중 하나 이상을 포함하는 것인, 적어도 하나의 비일시적 저장 매체.
- 제15항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 것은,
상기 차량의 상기 운전 능력을 제어하기 위해 마지막으로 알려진 데이터에 액세스하는 것 - 상기 마지막으로 알려진 데이터는 특정한 센서로부터 수신되는 정보가 상기 신뢰 수준이 상기 제1 임계치보다 작다는 것을 나타내기 이전의 상기 특정한 센서의 상기 수신된 정보를 포함함 -; 및
상기 마지막으로 알려진 데이터를 사용하여, 상기 차량을 안전한 위치로 운행시키는 것을 포함하는, 적어도 하나의 비일시적 저장 매체. - 제15항에 있어서, 상기 차량의 상기 운전 능력을 조정하는 것은,
운전 정보에 대해 하나 이상의 다른 차량에 질의하는 것;
상기 질의하는 것에 응답하여, 상기 하나 이상의 다른 차량 중 적어도 하나로부터, 도로 조건 또는 운행 명령 중 하나 이상에 대한 정보를 수신하는 것; 및
도로 조건 또는 운행 명령 중 하나 이상에 대한 상기 수신된 정보를 사용하여, 상기 차량을 안전한 위치로 운행시키는 것을 포함하는 것인, 적어도 하나의 비일시적 저장 매체. - 제15항에 있어서,
하나 이상의 백업 센서를 활성화시키는 것; 및
상기 제1 센서 서브세트에 의해 이전에 수행된 동작을 수행하도록 상기 하나 이상의 백업 센서를 구성하는 것
을 더 포함하는, 적어도 하나의 비일시적 저장 매체.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962839886P | 2019-04-29 | 2019-04-29 | |
US62/839,886 | 2019-04-29 | ||
KR1020210125108A KR102543501B1 (ko) | 2019-04-29 | 2021-09-17 | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210125108A Division KR102543501B1 (ko) | 2019-04-29 | 2021-09-17 | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20230091844A true KR20230091844A (ko) | 2023-06-23 |
KR102652687B1 KR102652687B1 (ko) | 2024-03-28 |
Family
ID=71080123
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200052543A KR102306142B1 (ko) | 2019-04-29 | 2020-04-29 | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 |
KR1020210125108A KR102543501B1 (ko) | 2019-04-29 | 2021-09-17 | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 |
KR1020230074074A KR102652687B1 (ko) | 2019-04-29 | 2023-06-09 | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200052543A KR102306142B1 (ko) | 2019-04-29 | 2020-04-29 | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 |
KR1020210125108A KR102543501B1 (ko) | 2019-04-29 | 2021-09-17 | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 |
Country Status (5)
Country | Link |
---|---|
US (2) | US11548526B2 (ko) |
KR (3) | KR102306142B1 (ko) |
CN (1) | CN111845785A (ko) |
DE (1) | DE102020111682A1 (ko) |
GB (4) | GB2586302B (ko) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3824404A4 (en) | 2018-07-20 | 2022-04-27 | May Mobility, Inc. | MULTI-PERSPECTIVE SYSTEM AND BEHAVIORAL POLICY SELECTION PROCESS BY AN AUTONOMOUS AGENT |
JP7202112B2 (ja) * | 2018-09-11 | 2023-01-11 | 本田技研工業株式会社 | 車両用制御システムおよび車両の制御方法 |
US11548526B2 (en) * | 2019-04-29 | 2023-01-10 | Motional Ad Llc | Systems and methods for implementing an autonomous vehicle response to sensor failure |
US20200361452A1 (en) * | 2019-05-13 | 2020-11-19 | Toyota Research Institute, Inc. | Vehicles and methods for performing tasks based on confidence in accuracy of module output |
JP7279851B2 (ja) * | 2020-03-30 | 2023-05-23 | 日本電気株式会社 | 管制装置、管制システム、管制方法及び管制プログラム |
US20210316755A1 (en) * | 2020-04-09 | 2021-10-14 | Baidu Usa Llc | Method for real-time monitoring of safety redundancy autonomous driving system (ads) operating within predefined risk tolerable boundary |
EP4165476A4 (en) | 2020-07-01 | 2024-07-03 | May Mobility Inc | METHOD AND SYSTEM FOR DYNAMIC MANAGEMENT OF AUTONOMOUS VEHICLE INTERVENTIONS |
DE102020209353A1 (de) * | 2020-07-24 | 2022-01-27 | Ford Global Technologies, Llc | Steuern eines Fahrzeugs unter Berücksichtigung der Sensorreichweite |
US11659372B2 (en) * | 2020-07-30 | 2023-05-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Adaptive sensor data sharing for a connected vehicle |
US20220126865A1 (en) * | 2020-10-28 | 2022-04-28 | Toyota Research Institute, Inc. | Layered architecture for availability of advanced driver assistance features |
KR102554329B1 (ko) * | 2020-10-30 | 2023-07-13 | (주)오토노머스에이투지 | 자율주행 자동차의 페일 세이프 기능을 수행하는 방법 및 장치 |
CN112477882A (zh) * | 2020-11-11 | 2021-03-12 | 北汽福田汽车股份有限公司 | 一种车辆的故障处理方法、装置、车辆和介质 |
GB2600973B (en) * | 2020-11-13 | 2023-05-17 | Jaguar Land Rover Ltd | Driver assistance with inoperative sensors |
US11886195B2 (en) * | 2020-11-30 | 2024-01-30 | Woven By Toyota, U.S., Inc. | Active learning and validation system for vehicles |
US11396302B2 (en) | 2020-12-14 | 2022-07-26 | May Mobility, Inc. | Autonomous vehicle safety platform system and method |
KR20220088611A (ko) * | 2020-12-18 | 2022-06-28 | 현대자동차주식회사 | 차량 및 자율 주행 시스템 |
US20220221585A1 (en) * | 2021-01-14 | 2022-07-14 | Argo AI, LLC | Systems and methods for monitoring lidar sensor health |
KR20220108250A (ko) * | 2021-01-25 | 2022-08-03 | 현대자동차주식회사 | 환경차의 고장 제어 시스템 |
EP4314708A1 (en) | 2021-04-02 | 2024-02-07 | May Mobility, Inc. | Method and system for operating an autonomous agent with incomplete environmental information |
US20220379910A1 (en) * | 2021-05-26 | 2022-12-01 | Nissan North America, Inc. | Real-time Map and Prediction Diagnostics |
US20220388530A1 (en) * | 2021-06-07 | 2022-12-08 | Toyota Motor North America, Inc. | Transport limitations from malfunctioning sensors |
CN113353092A (zh) * | 2021-06-22 | 2021-09-07 | 的卢技术有限公司 | 一种车辆传感器失效处置方法及*** |
CN113660139B (zh) * | 2021-08-17 | 2023-02-07 | 云控智行(上海)汽车科技有限公司 | 一种基于多种消息层通信v2x协议一致性检测方法 |
CN113741388B (zh) * | 2021-08-20 | 2023-09-19 | 东风悦享科技有限公司 | 一种基于自动驾驶感知失效的安全诊断***及方法 |
US11904899B2 (en) * | 2021-09-08 | 2024-02-20 | GM Global Technology Operations LLC | Limp home mode for an autonomous vehicle using a secondary autonomous sensor system |
US20230097251A1 (en) * | 2021-09-30 | 2023-03-30 | Zoox, Inc. | Pose component |
WO2023102098A1 (en) | 2021-12-01 | 2023-06-08 | May Mobility, Inc. | Method and system for impact-based operation of an autonomous agent |
WO2023117040A1 (en) * | 2021-12-20 | 2023-06-29 | Volvo Autonomous Solutions AB | Control system and method for manoeuvring an automated vehicle |
WO2023154568A1 (en) | 2022-02-14 | 2023-08-17 | May Mobility, Inc. | Method and system for conditional operation of an autonomous agent |
US20230303094A1 (en) * | 2022-03-24 | 2023-09-28 | International Business Machines Corporation | Air measurement for ground vehicle navigation |
EP4292898A1 (en) * | 2022-06-14 | 2023-12-20 | Volvo Autonomous Solutions AB | A method for handling failures in an autonomous vehicle |
CN115056788B (zh) * | 2022-06-20 | 2024-06-18 | 潍柴动力股份有限公司 | 一种电动汽车的控制方法及控制*** |
DE102022212275A1 (de) | 2022-11-18 | 2024-05-23 | Volkswagen Aktiengesellschaft | Umfelderfassungssystem für ein Fahrzeug und Verfahren zum Erfassen eines Umfelds eines Fahrzeugs |
WO2024129832A1 (en) | 2022-12-13 | 2024-06-20 | May Mobility, Inc. | Method and system for assessing and mitigating risks encounterable by an autonomous vehicle |
CN116147713B (zh) * | 2023-04-23 | 2023-07-07 | 中国市政工程西南设计研究总院有限公司 | 一种城市地下综合管廊在线监测方法、***、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140039243A (ko) * | 2011-06-01 | 2014-04-01 | 구글 인코포레이티드 | 센서 필드 선택 |
JP2015170256A (ja) * | 2014-03-10 | 2015-09-28 | トヨタ自動車株式会社 | 移動体 |
JP2017178267A (ja) * | 2016-03-31 | 2017-10-05 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム |
KR20180007412A (ko) * | 2016-07-13 | 2018-01-23 | 한국전자통신연구원 | 멀티센서 기반의 융합형 물체 감지 장치 및 방법 |
JP2018116612A (ja) * | 2017-01-20 | 2018-07-26 | 株式会社クボタ | センサ管理装置 |
US20180297609A1 (en) * | 2015-10-20 | 2018-10-18 | Robert Bosch Gmbh | Substitution of sensor measurement data |
KR20190012954A (ko) * | 2017-07-31 | 2019-02-11 | 현대엠엔소프트 주식회사 | 자율주행차량의 센서 고장 처리 장치, 시스템 및 방법 |
KR101967339B1 (ko) * | 2018-03-06 | 2019-04-09 | 단국대학교 산학협력단 | 심층학습 기반의 adas 센서 고장 진단 및 백업을 위한 장치 및 방법 |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100418763B1 (ko) * | 2000-12-28 | 2004-02-18 | 현대자동차주식회사 | 노면경사 측정방법 및 이를 이용한 차량 속도 제어 시스템 |
DE10149115A1 (de) * | 2001-10-05 | 2003-04-17 | Bosch Gmbh Robert | Objekterfassungsvorrichtung |
KR100520465B1 (ko) | 2002-11-20 | 2005-10-11 | (주)마이크로인피니티 | 차량용 통합 센서 시스템 |
KR100829031B1 (ko) * | 2006-07-25 | 2008-05-16 | 주식회사 만도 | 전자 제어 현가 장치 및 그 차고 제어 방법 |
US8364340B2 (en) * | 2009-03-31 | 2013-01-29 | General Electric Company | Method and systems for virtual sensor selection and blending |
US20140379254A1 (en) * | 2009-08-25 | 2014-12-25 | Tomtom Global Content B.V. | Positioning system and method for use in a vehicle navigation system |
JP5634229B2 (ja) | 2010-11-18 | 2014-12-03 | 三菱電機株式会社 | 車両検知システム |
KR20120105862A (ko) * | 2011-03-16 | 2012-09-26 | 현대모비스 주식회사 | 차량용 주변 인식 장치 |
DE102011115854A1 (de) * | 2011-10-13 | 2013-04-18 | Audi Ag | Fahrzeug und Verfahren zum Steuern eines Fahrzeugs |
JP2014106854A (ja) | 2012-11-29 | 2014-06-09 | Toyota Infotechnology Center Co Ltd | 自動運転車両制御装置および方法 |
KR101842028B1 (ko) | 2013-04-24 | 2018-03-26 | 한화지상방산 주식회사 | 고장 처리 이동체 및 이동체의 고장 처리 방법 |
KR101406208B1 (ko) | 2013-07-23 | 2014-06-12 | 현대오트론 주식회사 | 차량용 센서의 페일 세이프 시스템 및 방법 |
US9201421B1 (en) * | 2013-11-27 | 2015-12-01 | Google Inc. | Assisted perception for autonomous vehicles |
US9465388B1 (en) | 2014-03-03 | 2016-10-11 | Google Inc. | Remote assistance for an autonomous vehicle in low confidence situations |
EP2921362B1 (en) * | 2014-03-18 | 2020-08-12 | Volvo Car Corporation | Vehicle, vehicle system and method for increasing safety and/or comfort during autonomous driving |
KR101567206B1 (ko) * | 2014-04-14 | 2015-11-06 | 현대자동차주식회사 | 과속방지턱 검출장치와 이를 이용한 내비게이션 업데이트 장치 및 방법 |
DE102014210147A1 (de) | 2014-05-27 | 2015-12-03 | Continental Teves Ag & Co. Ohg | Fahrzeugsteuersystem für eine autonome Führung eines Fahrzeugs |
US10115024B2 (en) * | 2015-02-26 | 2018-10-30 | Mobileye Vision Technologies Ltd. | Road vertical contour detection using a stabilized coordinate frame |
US10156635B2 (en) * | 2015-06-05 | 2018-12-18 | Starfish Network, Inc. | Overhead object detection using optical measurements |
JP6532031B2 (ja) * | 2015-07-09 | 2019-06-19 | 国立研究開発法人産業技術総合研究所 | 高度計測システムと高度計測方法 |
CN105223952B (zh) * | 2015-09-28 | 2019-03-29 | 小米科技有限责任公司 | 平衡车的控制方法及装置 |
US9720415B2 (en) * | 2015-11-04 | 2017-08-01 | Zoox, Inc. | Sensor-based object-detection optimization for autonomous vehicles |
US10352689B2 (en) * | 2016-01-28 | 2019-07-16 | Symbol Technologies, Llc | Methods and systems for high precision locationing with depth values |
US9989963B2 (en) * | 2016-02-25 | 2018-06-05 | Ford Global Technologies, Llc | Autonomous confidence control |
US10828954B2 (en) * | 2016-07-13 | 2020-11-10 | Ford Global Technologies, Llc | Ride performance optimization systems and devices, and related methods |
JP6690450B2 (ja) | 2016-07-19 | 2020-04-28 | 株式会社デンソー | 運転支援装置 |
US10204461B2 (en) * | 2016-07-19 | 2019-02-12 | GM Global Technology Operations LLC | Detection and reconstruction of sensor faults |
US9940761B2 (en) * | 2016-08-02 | 2018-04-10 | International Business Machines Corporation | Self-driving vehicle sensor fault remediation |
US10712746B2 (en) * | 2016-08-29 | 2020-07-14 | Baidu Usa Llc | Method and system to construct surrounding environment for autonomous vehicles to make driving decisions |
US10102693B1 (en) * | 2017-05-30 | 2018-10-16 | Deere & Company | Predictive analysis system and method for analyzing and detecting machine sensor failures |
US10083588B1 (en) * | 2017-07-05 | 2018-09-25 | Continental Automotive Systems, Inc. | Vehicle safety notification system |
US10503170B2 (en) * | 2017-08-28 | 2019-12-10 | GM Global Technology Operations LLC | Method and apparatus for monitoring an autonomous vehicle |
CN111095149A (zh) | 2017-09-28 | 2020-05-01 | 英特尔公司 | 具有自修复能力的自主驾驶车辆的多模态感测 |
US11673586B2 (en) * | 2017-11-28 | 2023-06-13 | Elta Systems Ltd. | Failure detection in an autonomous vehicle |
US10967875B2 (en) * | 2018-01-05 | 2021-04-06 | Honda Motor Co., Ltd. | Control system for autonomous all-terrain vehicle (ATV) |
US10705194B2 (en) * | 2018-03-21 | 2020-07-07 | Zoox, Inc. | Automated detection of sensor miscalibration |
US11548526B2 (en) * | 2019-04-29 | 2023-01-10 | Motional Ad Llc | Systems and methods for implementing an autonomous vehicle response to sensor failure |
-
2020
- 2020-04-29 US US16/862,431 patent/US11548526B2/en active Active
- 2020-04-29 GB GB2006299.8A patent/GB2586302B/en active Active
- 2020-04-29 KR KR1020200052543A patent/KR102306142B1/ko active IP Right Grant
- 2020-04-29 CN CN202010358642.4A patent/CN111845785A/zh active Pending
- 2020-04-29 GB GB2201530.9A patent/GB2602207B/en active Active
- 2020-04-29 GB GB2219203.3A patent/GB2615194B/en active Active
- 2020-04-29 DE DE102020111682.9A patent/DE102020111682A1/de active Pending
- 2020-04-29 GB GB2106617.0A patent/GB2592537B/en active Active
-
2021
- 2021-09-17 KR KR1020210125108A patent/KR102543501B1/ko active IP Right Grant
-
2023
- 2023-01-04 US US18/092,960 patent/US20230146312A1/en active Pending
- 2023-06-09 KR KR1020230074074A patent/KR102652687B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140039243A (ko) * | 2011-06-01 | 2014-04-01 | 구글 인코포레이티드 | 센서 필드 선택 |
JP2015170256A (ja) * | 2014-03-10 | 2015-09-28 | トヨタ自動車株式会社 | 移動体 |
US20180297609A1 (en) * | 2015-10-20 | 2018-10-18 | Robert Bosch Gmbh | Substitution of sensor measurement data |
JP2017178267A (ja) * | 2016-03-31 | 2017-10-05 | パナソニックIpマネジメント株式会社 | 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム |
KR20180007412A (ko) * | 2016-07-13 | 2018-01-23 | 한국전자통신연구원 | 멀티센서 기반의 융합형 물체 감지 장치 및 방법 |
JP2018116612A (ja) * | 2017-01-20 | 2018-07-26 | 株式会社クボタ | センサ管理装置 |
KR20190012954A (ko) * | 2017-07-31 | 2019-02-11 | 현대엠엔소프트 주식회사 | 자율주행차량의 센서 고장 처리 장치, 시스템 및 방법 |
KR101967339B1 (ko) * | 2018-03-06 | 2019-04-09 | 단국대학교 산학협력단 | 심층학습 기반의 adas 센서 고장 진단 및 백업을 위한 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20230146312A1 (en) | 2023-05-11 |
KR20200126935A (ko) | 2020-11-09 |
GB2615194B (en) | 2024-01-17 |
KR102543501B1 (ko) | 2023-06-13 |
KR20210120945A (ko) | 2021-10-07 |
GB2586302B (en) | 2021-09-22 |
GB2602207A (en) | 2022-06-22 |
DE102020111682A1 (de) | 2020-10-29 |
GB2602207B (en) | 2023-02-08 |
KR102306142B1 (ko) | 2021-09-30 |
KR102652687B1 (ko) | 2024-03-28 |
GB2615194A (en) | 2023-08-02 |
US20200339151A1 (en) | 2020-10-29 |
CN111845785A (zh) | 2020-10-30 |
GB202219203D0 (en) | 2023-02-01 |
GB2592537A (en) | 2021-09-01 |
GB202006299D0 (en) | 2020-06-10 |
GB2592537B (en) | 2022-03-23 |
GB2586302A (en) | 2021-02-17 |
US11548526B2 (en) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102543501B1 (ko) | 센서 고장에 대한 자율 주행 차량 대응방안을 구현하기 위한 시스템 및 방법 | |
KR102663570B1 (ko) | 차량의 궤적을 계획 및 업데이트하기 위한 시스템 및 방법 | |
KR102551208B1 (ko) | 차량의 교통 신호등 검출 시스템 | |
WO2020146445A1 (en) | Classifying perceived objects based on activity | |
KR102616561B1 (ko) | 복수의 모션 제약을 사용하는 차량의 동작 | |
KR102584831B1 (ko) | 자율주행 차량으로의 다방향 정지 교차로 내비게이팅 | |
KR102634694B1 (ko) | 차량용 안전 시스템 | |
US11577754B2 (en) | Autonomous vehicle operation using linear temporal logic | |
KR102555318B1 (ko) | 조건부 움직임 예측 | |
KR102507216B1 (ko) | 도로 특징부에 대한 폐색 표현을 구현하기 위한 시스템 및 방법 | |
KR102548079B1 (ko) | 내비게이션 정보의 이용 가능성에 기반한 자율 주행 차량의 동작 | |
KR102580097B1 (ko) | 교정 정보를 사용한 av 경로 계획 | |
KR20220088622A (ko) | 차량 상태에 대한 예측 분석 | |
KR20230156768A (ko) | 브레이크 중재 | |
KR20230035440A (ko) | 교통 신호등 추정 | |
KR20220144296A (ko) | 인지된 위험에 기초하여 자율 주행 차량을 운행하기 위한 기술 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A107 | Divisional application of patent | ||
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |