[go: up one dir, main page]

JP7707487B2 - 自律走行車両システム - Google Patents

自律走行車両システム

Info

Publication number
JP7707487B2
JP7707487B2 JP2021548178A JP2021548178A JP7707487B2 JP 7707487 B2 JP7707487 B2 JP 7707487B2 JP 2021548178 A JP2021548178 A JP 2021548178A JP 2021548178 A JP2021548178 A JP 2021548178A JP 7707487 B2 JP7707487 B2 JP 7707487B2
Authority
JP
Japan
Prior art keywords
vehicle
behavior
model
behavior model
autonomous
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021548178A
Other languages
English (en)
Other versions
JP2022525391A (ja
Inventor
ムスタファ、ハスナー
ピー． カヴルヤ、ソイラ
タトーリアン、イゴール
エイチ． ウォウヘイビ、リタ
ジェイ． アルヴァレズ、イグナシオ
エス． アデンワラ、ファテマ
シー． タンリオヴァー、カグリ
エス． エリ、マリア
ジェイ． ザゲ、デイヴィッド
クティー、ジシン サンカー サンカラン
イー． ロペス－アライザ、クリストファー
エフ． ギャラン－オリベラス、マグディエル
チェン、リ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of JP2022525391A publication Critical patent/JP2022525391A/ja
Application granted granted Critical
Publication of JP7707487B2 publication Critical patent/JP7707487B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
    • 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
    • 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
    • B60W40/04—Traffic 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
    • 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
    • B60W40/08—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 drivers or passengers
    • 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
    • B60W40/08—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 drivers or passengers
    • B60W40/09—Driving style or behaviour
    • 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
    • B60W40/10—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 vehicle motion
    • 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
    • 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
    • B60W50/0097—Predicting future 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W50/16—Tactile feedback to the driver, e.g. vibration or force feedback to the driver on the steering wheel or the accelerator pedal
    • 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
    • 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
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • 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
    • B60W60/005—Handover processes
    • B60W60/0053—Handover processes from vehicle to occupant
    • 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
    • B60W60/005—Handover processes
    • B60W60/0057—Estimation of the time available or required for the handover
    • 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
    • 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
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G05D1/0038—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement by providing the operator with simple or augmented images from one or more cameras located onboard the vehicle, e.g. tele-operation
    • 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
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0061—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • G05D1/0282—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal generated in a local control room
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map
    • 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
    • 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
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • 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
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/09675—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where a selection from the received information takes place in the vehicle
    • 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
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
    • 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
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/321—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving a third party or a trusted authority
    • H04L9/3213—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving a third party or a trusted authority using tickets or tokens, e.g. Kerberos
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/0052—Filtering, filters
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0063—Manual parameter input, manual setting means, manual initialising or calibrating means
    • B60W2050/0064—Manual parameter input, manual setting means, manual initialising or calibrating means using a remote, e.g. cordless, transmitter or receiver unit, e.g. remote keypad or mobile phone
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/043—Identity of occupants
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/047—Prioritizing desires of multiple occupants, e.g. when setting climate control or driving behaviour
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/215—Selection or confirmation of options
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/22—Psychological state; Stress level or workload
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/221—Physiology, e.g. weight, heartbeat, health or special needs
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/223—Posture, e.g. hand, foot, or seat position, turned or inclined
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4046—Behavior, e.g. aggressive or erratic
    • 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
    • B60W2556/35—Data fusion
    • 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
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)

Description

［関連出願の相互参照］
本願は、２０１９年３月２９日に出願された「Ａｕｔｏｎｏｍｏｕｓ Ｖｅｈｉｃｌｅ Ｓｙｓｔｅｍ」と題された米国仮特許出願第６２／８２６，９５５号の利益および優先権を主張し、その開示全体が参照により本明細書に組み込まれている。
本開示は、概して、コンピュータシステムの分野に関し、より具体的には、自律走行車両を可能にするコンピューティングシステムに関する。
一部の車両は、ドライバからの入力をほとんどまたは一切伴わずに車両が環境をナビゲートする自律モードで動作するように構成されている。そのような車両は、典型的には、環境についての情報を感知するように構成された１つまたは複数のセンサを含む。車両は、感知された情報を使用して、環境をナビゲートし得る。例えば、センサが、車両が障害物に近づいていることを感知した場合、車両は、障害物の周りをナビゲートし得る。
少なくとも１つの実施形態による例示的な自律運転環境を示す簡略化された図である。
少なくとも１つの実施形態による、自律運転機能を装備した車両（および対応する車載コンピューティングシステム）の例示的な実装形態を示す簡略ブロック図である。
少なくとも１つの実施形態による特定の実施形態によるニューラルネットワークの例示的な部分を示す。
少なくとも１つの実施形態による、様々な車両において（例えば、それらの対応する車載コンピューティングシステムによって）サポートされ得る例示的な自律運転のレベルを示す簡略ブロック図である。
少なくとも１つの実施形態による、一部の自律運転システムにおいて実装され得る例示的な自律運転フローを示す簡略ブロック図である。
少なくとも１つの実施形態による、自律走行車両を制御するための例示的な「感知、計画、動作」モデルを示す。
少なくとも１つの実施形態による、簡略化された社会規範理解モデル７００を示す。
少なくとも１つの実施形態による、車両のうちの少なくとも一部が半自律性であるかまたは完全自律性である環境における車両間の調整の態様を示すダイアグラムを示す。
少なくとも１つの実施形態による、２つの車両間の例示的な情報交換を示すブロック図である。
少なくとも１つの実施形態による、例示的な道路交差点を示す簡略ブロック図である。
少なくとも１つの実施形態による、ローカライズされた挙動モデルコンセンサスの決定を示すダイアグラムを示す。
少なくとも１つの実施形態による、例示的な「ピッツバーグ左」のシナリオを示す。
少なくとも１つの実施形態による、人間が運転する車両による例示的な「あおり運転」のシナリオを示す。
少なくとも１つの実施形態による、自律走行車両の不規則／異常挙動追跡モデルを示す簡略ブロック図である。
少なくとも１つの実施形態による、所与のコンテキストにおいてある運転パターンが発生する頻度を追跡するコンテキストグラフを示す。
少なくとも１つの実施形態による、車両により観察された不規則挙動を追跡する例示的なプロセスのフロー図である。
少なくとも１つの実施形態による、コンテキスト挙動パターンを特定する例示的なプロセスのフロー図である。
少なくとも１つの実施形態による、高度に自動化された自律走行車両のための故障および侵入検出システムを示す。
少なくとも１つの実施形態による、細工されたグラフィックスの一例を示す。
少なくとも１つの実施形態による、車両のための簡略化された集中車両制御アーキテクチャのブロック図である。
少なくとも１つの実施形態による、自律的感知および制御パイプラインの簡略ブロック図である。
少なくとも１つの実施形態による、高度に自動化されたまたは自律走行車両の例示的なｘバイワイヤ式アーキテクチャを示す簡略ブロック図である。
少なくとも１つの実施形態による、高度に自動化されたまたは自律走行車両の例示的な安全性リセットアーキテクチャを示す簡略ブロック図である。
少なくとも１つの実施形態による、高度に自動化されたまたは自律走行車両の一般的な安全性アーキテクチャの一例を示す簡略ブロック図である。
少なくとも１つの実施形態による、高度に自動化された自律走行車両のための故障および侵入検出システムの例示的な動作フローを示す簡略ブロック図である。
少なくとも１つの実施形態による、故障および侵入検出システムに関連付けられる動作の高レベルの考えられるフローを示す簡略フローチャートである。
少なくとも１つの実施形態による、故障および侵入検出システムに関連付けられる動作の高レベルの考えられるフローを示す簡略フローチャートである。
少なくとも１つの実施形態による、故障および侵入検出システムに関連付けられる動作の高レベルの考えられるフロー２８００を示す簡略フローチャートである。
少なくとも１つの実施形態による、コンパレータ動作に関連付けられる追加の動作の高レベルの考えられるフロー２８５０を示す簡略フローチャートである。
少なくとも１つの実施形態による、自律走行車両に一般的に見られるセンサアレイの一例を示す。
少なくとも１つの実施形態による、車両が利用可能な、感知および処理能力に基づく自律走行車両機能に適合する動的自律レベル検出（「ＤＡＬＤ」）システムの一例を示す。
少なくとも１つの実施形態による、２つの車両の例示的な位置を示す。
少なくとも１つの実施形態による、車両のＡｃｋｅｒｍａｎモデルを示す。
少なくとも１つの実施形態による、付属物を有する車両の一例を示す。
少なくとも１つの実施形態による、車両に結合された拡張物により付加される寸法を組み込んだ車両の新たな寸法をトレースする単純な方法の使用の一例を示す。
少なくとも１つの実施形態による、車両モデル閉塞補償フローの一例を示す。
少なくとも１つの実施形態によって使用され得る例示的なコンピュータアーキテクチャのブロック図である。 少なくとも１つの実施形態によって使用され得る例示的なコンピュータアーキテクチャのブロック図である。
図１は、例示的な自律運転環境を示す簡略化された図１００である。車両（例えば、１０５、１１０、１１５など）は、それぞれの自律運転スタックを有効化するためのハードウェア、ファームウェア、および／またはソフトウェアにおいて実装されたロジックを有する車載コンピューティングシステムを通じて容易にされる異なるレベルの自律運転能力を備えてよい。そのような自律運転スタックは、道路を検出する、ある地点から別の地点へとナビゲートする、他の車両および道路上の主体（例えば、歩行者（例えば１３５）、自転車乗用者など）を検出する、障害物および危険要因（例えば１２０）、ならびに道路状態（例えば、交通、道路状態、天候状態など）を検出する、かつ適宜に車両の制御および誘導を調整するために、車両が自己制御を行うかまたはドライバ補助を提供することを可能にし得る。本開示において、「車両」は、１人または複数人の人間の乗客を運ぶように設計された有人車両（例えば、車、トラック、バン、バス、バイク、電車、航空輸送車両、救急車など）、人間の乗客を伴ってまたは伴わずに運転する無人車両（例えば、貨物車両（例えば、トラック、鉄道ベースの車両など）、人間ではない乗客を輸送するための車両（例えば、家畜輸送など）、および／またはドローン（例えば、運転環境内で移動する（例えば、運転環境に関する情報を収集する、他の車両の自動化の補助を提供する、道路整備タスクを実行する、産業タスクを提供する、公共安全性および緊急応答タスクを提供するなどのために）地上ベースもしくは航空ドローン、またはロボット）であり得る。いくつかの実装形態では、車両は、他の例の中でも、代替的に複数の異なるモード（例えば、乗用車、無人車両、またはドローン車両）で動作するように構成されるシステムであり得る。車両は、車両を地面（例えば、舗装されたまたは未舗装の道路、経路、または風景）に沿って、水中を通って、または空中を通って移動させるために環境内で「運転」し得る。この意味で、「道」または「道路」は、実装形態に応じて、屋外または屋外の地上の経路、水路、または規定された空中の境界を具現化し得る。したがって、以下の開示および関連する実施形態が、様々なコンテキストおよび車両の実装例に等しく適用され得ることが理解されるべきである。
いくつかの実装形態では、車載コンピューティングシステムが、１つまたは複数の技術（例えば、ＩＥＥＥ ８０２．１１通信（例えば、ＷｉＦｉ、携帯電話データネットワーク（例えば、第３世代パートナーシッププロジェクト（３ＧＰＰ）ネットワーク、グローバルシステムフォーモバイルコミュニケーション（ＧＳＭ（登録商標））、汎用パケット無線サービス、符号分割多重アクセス（ＣＤＭＡ）など）、４Ｇ、５Ｇ、６Ｇ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ミリ波（ｍｍＷａｖｅ）、ＺｉｇＢｅｅ（登録商標）、Ｚ－Ｗａｖｅなど）を使用して無線通信をサポートするための通信モジュールを含み、車載コンピューティングシステムが、他の車両の車載コンピューティングシステム、路側ユニット、クラウドベースのコンピューティングシステム、または他のサポートインフラストラクチャなどの他のコンピューティングシステムに接続し、それらと通信することを可能にする点で、環境内の車両（例えば、１０５、１１０、１１５）は「接続」され得る。例えば、いくつかの実装形態では、車両（例えば、１０５、１１０、１１５）は、車両自体の自律運転能力のサポートにおいてセンサ、データ、およびサービスを提供するコンピューティングシステムと通信し得る。例えば、図１の説明のための例に示されるように、他の例の中でも、サポートドローン１８０（例えば、地上および／または航空）、路側コンピューティングデバイス（例えば、１４０）、様々な外部（ｅｘｔｅｒｎａｌ）の（車両の外部、または「外部（ｅｘｔｒａｎｅｏｕｓ）の」）センサデバイス（例えば、１６０、１６５、１７０、１７５など）、および他のデバイスが、車両を通じて提供される自律運転の結果をサポートおよび改善するために車両（例えば、１０５、１１０、１１５）に実装されるコンピューティングシステム、センサ、およびロジックとは別個の自律運転インフラストラクチャとして設けられてよい。車両はまた、他の例示的な通信の中でも、自律運転環境内でデータを共有し、移動を調整するために、無線通信チャネルを介して他の接続された車両と通信し得る。
図１の例に示されるように、自律運転インフラストラクチャは、多様な異なるシステムに組み込まれ得る。そのようなシステムは位置に応じて異なり得、より発達した道路（例えば、特定の地方自治体または料金所当局により管理されている道路、市街地の道路、自律走行車両にとって問題となることが知られている道路の区画など）は、道路の他の区画などよりも多い数の、かつより先進的なサポートインフラストラクチャデバイスを有する。例えば、補助センサデバイス（例えば、１６０、１６５、１７０、１７５）が設けられてよく、これらは、道路の部分および環境内で移動する車両を観察し、センサの観察結果を説明または具現化する対応するデータを生成するためのセンサを含む。例として、センサデバイスは、他の例の中でも、道路自体（例えば、センサ１６０）、路側または頭上の標識（例えば、標識１２５上のセンサ１６５）に埋め込まれてもよく、路側電子機器または備品（例えば、信号機（例えば、１３０）、電子道路標識、電子ビルボードなど）、専用路側ユニット（例えば、１４０）に取り付けられたセンサ（例えば、１７０、１７５）であってもよい。センサデバイスはまた、それらが収集したセンサデータを直接、近くの接続された車両に、またはフォグベースもしくはクラウドベースのコンピューティングシステム（例えば、１４０、１５０）に通信する通信能力を含み得る。車両は、外部センサデバイス（例えば、１６０、１６５、１７０、１７５、１８０）により収集されたセンサデータ、またはこれらのセンサデバイス（例えば、１６０、１６５、１７０、１７５、１８０）からのセンサデータに基づいて他のシステム（例えば、１４０、１５０）により生成された観察結果または推奨を具現化するデータを取得し、車載自律運転システムにより実行されるセンサ融合、推論、経路計画、および他のタスクにおいてこのデータを使用し得る。いくつかの場合では、そのような外部のセンサおよびセンサデータは、実際には、例えば、車両に取り付けられた市販のセンサ、車両の乗客により運ばれるまたは着用される個人用コンピューティングデバイス（例えば、スマートフォン、ウェアラブルなど）の形態などで、車両内にあってもよい。歩行者、自転車、ドローン、無人航空車両、ロボット、電子スクーターなどを含む他の道路上の主体にも、他の例の中でも、自律走行車両、クラウドまたはフォグベースのサポートシステム（例えば、１４０、１５０）、他のセンサデバイス（例えば、１６０、１６５、１７０、１７５、１８０）により使用および消費され得る、自律運転環境を説明するセンサデータを生成するセンサが備えられてよく、またはそれらを運んでよい。
自律走行車両システムは、様々なレベルの機能性および洗練性を保有し得るため、一部の車両の感知能力のみでなく、一部の車両の自律運転機能を可能にするコンピュータおよび機械学習機能も補充するためにサポートインフラストラクチャが求められ得る。例えば、機械学習モデル訓練およびそのような機械学習モデルの使用を促進するために使用されるコンピュータリソースおよび自律運転ロジックは、完全に車載コンピューティングシステム上に、または車載システムおよび一部の外部システム（例えば、１４０、１５０）の両方の上に部分的に提供され得る。例えば、接続された車両は、道路の特定のセグメント内にある路側ユニット、エッジシステム、またはクラウドベースのデバイス（例えば、１４０）と通信し得、そのようなデバイス（例えば、１４０）は、データ（例えば、ローカルセンサ（例えば、１６０、１６５、１７０、１７５、１８０）から集計したセンサデータ、または他の車両のセンサから報告されたデータ）を提供する、車両により提供されたデータに対して計算（サービスとして）を実行して、車両に特有の能力を補充する、および／または通過するまたは近づいてくる車両に情報をプッシュする（例えば、デバイス１４０で、または近くのセンサデバイスから収集されたセンサデータに基づいて、など）ことができる。接続された車両（例えば、１０５、１１０、１１５）は、さらにまたは代わりに、車両で利用可能なものを高めるために同様のメモリ、感知、および計算リソースを提供し得るクラウドベースのコンピューティングシステム（例えば、１５０）と通信し得る。例えば、他の例示的な実装形態の中でも、クラウドベースのシステム（例えば、１５０）は、１つまたは複数の位置にある多様なデバイスからセンサデータを収集し、このデータを利用して、（クラウドベースのシステム１５０と通信する様々な車両（例えば、１０５、１１０、１１５）に結果を提供するため、またはそれらの車載システムによる使用のために車両にプッシュするために）クラウドベースのシステムで使用され得る機械学習モデルを構築および／または訓練し得る。携帯電話塔、路側ユニット、様々な道路インフラストラクチャに搭載されるネットワークアクセスポイント、近隣の車両または建物により提供されるアクセスポイント、および他のアクセスポイントなどのアクセスポイント（例えば、１４５）は、環境内に設けられてよく、１つまたは複数のローカルまたは広域のネットワーク（例えば、１５５）を介した、クラウドベースのシステム（例えば、１５０）と様々な車両（例えば、１０５、１１０、１１５）との間の通信を促進するために使用されてよい。そのようなインフラストラクチャおよびコンピューティングシステムを通じて、本明細書で説明される例、特徴、および解決策は、システム間の通信および連携を通じて、そのような車載コンピューティングシステム、フォグベースのもしくはエッジコンピューティングデバイス、またはクラウドベースのコンピューティングシステム、あるいは前述のものの組み合わせのうちの１つまたは複数により完全に実行され得ることが理解されるべきである。
一般に、本明細書で説明される「サーバ」、「クライアント」、「コンピューティングデバイス」、「ネットワーク要素」、「ホスト」、「プラットフォーム」、「センサデバイス」、「エッジデバイス」、「自律運転システム」、「自律走行車両」、「フォグベースのシステム」、「クラウドベースのシステム」、および「システム」などは一般に、自律運転環境に関連付けられるデータおよび情報を受信、送信、処理、格納、または管理するように動作可能な電子コンピューティングデバイスを含み得る。本文書で使用される場合、用語「コンピュータ」、「プロセッサ」、「プロセッサデバイス」、または「処理デバイス」は、他の例の中でも、中央処理装置（ＣＰＵ）、グラフィック処理ユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号プロセッサ（ＤＳＰ）、テンソルプロセッサ、および他の行列演算プロセッサを含む、任意の好適な処理装置を包含することが意図される。例えば、環境内で単一のデバイスとして示される要素は、複数のサーバコンピュータを含むサーバプールのように、複数のコンピューティングデバイスおよびプロセッサを使用して実装されてもよい。さらに、コンピューティングデバイスのいずれか、すべて、または一部は、Ｌｉｎｕｘ（登録商標）、ＵＮＩＸ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標） Ｗｉｎｄｏｗｓ（登録商標）、Ａｐｐｌｅ ＯＳ、Ａｐｐｌｅ ｉＯＳ（登録商標）、Ｇｏｏｇｌｅ Ａｎｄｒｏｉｄ（登録商標）、Ｗｉｎｄｏｗｓ（登録商標） Ｓｅｒｖｅｒなどを含む任意のオペレーティングシステムを実行するように適合されてもよく、ならびに、カスタマイズされたプロプライエタリオペレーティングシステムを含む特定のオペレーティングシステムの実行を仮想化するように適合された仮想マシンであってもよい。
以下に記載される、または図に示される様々なコンポーネントのいずれかのフロー、方法、プロセス（もしくはその一部）、または機能のいずれかは、１つまたは複数のモジュール、エンジン、ブロック、ユニット、モデル、システム、または他の好適なコンピューティングロジックなどの任意の好適なコンピューティングロジックにより実行され得る。本明細書における「モジュール」、「エンジン」、「ブロック」、「ユニット」、「モデル」、「システム」、または「ロジック」への言及は、１つまたは複数の機能を実行するためのハードウェア、ファームウェア、ソフトウェア、および／または各々の組み合わせを指し得る。一例として、モジュール、エンジン、ブロック、ユニット、モデル、システム、またはロジックは、マイクロコントローラまたはプロセッサにより実行されるように適合されたコードを格納する非一時的媒体に関連付けられる１つまたは複数のハードウェアコンポーネント、例えば、マイクロコントローラまたはプロセッサを含み得る。したがって、モジュール、エンジン、ブロック、ユニット、モデル、システム、またはロジックへの言及は、一実施形態では、非一時的媒体上で保持されるコードを認識および／または実行するように具体的に構成されたハードウェアを指し得る。さらに、別の実施形態では、モジュール、エンジン、ブロック、ユニット、モデル、システム、またはロジックの使用は、所定の動作を実行するためにマイクロコントローラまたはプロセッサにより実行されるように具体的に適合されたコードを含む非一時的媒体を指し得る。そして、推論され得るように、さらに別の実施形態では、モジュール、エンジン、ブロック、ユニット、モデル、システム、またはロジックは、ハードウェアおよび非一時的媒体の組み合わせを指し得る。様々な実施形態では、モジュール、エンジン、ブロック、ユニット、モデル、システム、またはロジックは、ソフトウェア命令を実行するように動作可能なマイクロプロセッサもしくは他の処理要素、特定用途向け集積回路（ＡＳＩＣ）などの別個のロジック、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）などのプログラムロジックデバイス、命令を含むメモリデバイス、ロジックデバイスの組み合わせ（例えば、プリント回路基板に見られるような）、または他の好適なハードウェアおよび／もしくはソフトウェアを含み得る。モジュール、エンジン、ブロック、ユニット、モデル、システム、またはロジックは、例えばトランジスタにより実装され得る、１つまたは複数のゲートまたは他の回路コンポーネントを含み得る。いくつかの実施形態では、モジュール、エンジン、ブロック、ユニット、モデル、システム、またはロジックは、ソフトウェアとして完全に具現化され得る。ソフトウェアは、非一時的なコンピュータ可読記憶媒体に記録されるソフトウェアパッケージ、コード、命令、命令セットおよび／またはデータとして具現化されてよい。ファームウェアは、メモリデバイスにハードコーディングされた（例えば、不揮発性の）コード、命令または命令セットおよび／またはデータとして具現化されてよい。さらに、別個のものとして示されるロジック境界は、一般に変化し、潜在的には重複する。例えば、第１および第２のモジュール（または複数のエンジン，ブロック、ユニット、モデル、システム、またはロジック）は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの組み合わせを共有し得る一方、一部の独立したハードウェア、ソフトウェア、またはファームウェアを潜在的に保持する。
以下および添付の図に記載されるフロー、方法、およびプロセスは、単に、特定の実施形態で実行され得る機能を表している。他の実施形態では、フロー、方法、およびプロセスにおいて追加の機能が実行され得る。本開示の様々な実施形態は、本明細書において説明される機能を実行するための任意の好適なシグナリングメカニズムを想定している。本明細書に示される機能のいくつかは、該当する場合には、フロー、方法、およびプロセス内で繰り返される、組み合わされる、修正される、または削除され得る。さらに、機能は、特定の実施形態の範囲から逸脱することなく、フロー、方法、およびプロセス内で任意の好適な順序で実行され得る。
次に図２を参照すると、自律運転機能を装備した車両（および対応する車載コンピューティングシステム）１０５の例示的な実装形態を示す簡略ブロック図２００が示される。一例では、車両１０５は、他の例の中でも、中央処理装置（ＣＰＵ）、グラフィック処理ユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号プロセッサ（ＤＳＰ）、テンソルプロセッサ、および他の行列演算プロセッサなどの１つまたは複数のプロセッサ２０２を装備し得る。そのようなプロセッサ２０２は、ハードウェアアクセラレータデバイス（例えば、２０４）に結合されてもよく、またはそれが一体化されていてもよく、このハードウェアアクセラレータデバイスには、他の例の中でも、機械学習推論または訓練（以下に記載される機械学習推論または訓練のいずれかを含む）に関連する機能、特定のセンサデータ（例えば、カメラ画像データ、ＬＩＤＡＲポイントクラウドなど）の処理、自律運転に関する特定の演算機能（例えば、行列演算、畳み込み演算など）の実行などの、特定の処理およびメモリアクセス機能を高速化するためにハードウェアが設けられ得る。車両に実装された自律運転スタックのモジュールまたはサブモジュールのすべて、またはいずれか１つの一部を実装する機械実行可能命令を格納するために、ならびに、機械学習モデル（例えば、２５６）、センサデータ（例えば、２５８）、および、車両により実行される自律運転機能に関連して受信、生成、または使用される（もしくは本明細書で説明される実施例および解決策に関連して使用される）他のデータを格納するために、１つまたは複数のメモリ素子（例えば、２０６）が設けられてもよい。また、１つまたは複数のネットワーク通信技術を用いた１つまたは複数のネットワークチャネルを介して他の外部のコンピューティングシステムと通信するために車両のシステムにより使用される通信能力を実装するために、様々な通信モジュール（例えば、２１２）がハードウェア回路および／またはソフトウェアに実装されて設けられてもよい。これらの様々なプロセッサ２０２、アクセラレータ２０４、メモリデバイス２０６、およびネットワーク通信モジュール２１２は、他のものの中でも、Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ Ｅｘｐｒｅｓｓ（ＰＣＩｅ）、イーサネット（登録商標）、ＯｐｅｎＣＡＰＩ（商標）、Ｇｅｎ－Ｚ（商標）、ＵＰＩ、ユニバーサルシリアルバス（ＵＳＢ）、アクセラレータ用のキャッシュコヒーレント相互接続（ＣＣＩＸ（商標））、Ａｄｖａｎｃｅｄ Ｍｉｃｒｏ Ｄｅｖｉｃｅ（商標）（ＡＭＤ（商標））のＩｎｆｉｎｉｔｙ（商標）、共通通信インターフェース（ＣＣＩ）、またはＱｕａｌｃｏｍｍ（商標）のＣｅｎｔｒｉｑ（商標）相互接続などの技術を利用するファブリックなどの１つまたは複数の相互接続ファブリックまたはリンク（例えば、２０８）を通じて車両システム上で相互接続され得る。
図２の例で続けると、例示的な車両（および対応する車載コンピューティングシステム）１０５は、ハードウェアおよび／またはソフトウェアにおける自律走行車両の他の例示的なモジュール実装機能の中でも、車載処理システム２１０、運転制御部（例えば、２２０）、センサ（例えば、２２５）、およびユーザ／乗客インターフェース（例えば、２３０）を含み得る。例えば、車載処理システム２１０は、いくつかの実装形態では、自律運転スタックおよび処理フロー（例えば、図５の例で示され、説明されるように）のすべてまたはその一部を実装し得る。自律運転スタックは、ハードウェア、ファームウェア、またはソフトウェアに実装され得る。本明細書の例において説明されるような、車両に、または車両のために提供および実装される１つまたは複数の自律的機能および特徴に関連して車両１０５に提供される様々な機械学習モデル（例えば、２５６）を利用するために、機械学習エンジン２３２が設けられてもよい。そのような機械学習モデル２５６は、人工のニューラルネットワークモデル、畳み込みニューラルネットワーク、決定木ベースのモデル、サポートベクトルマシン（ＳＶＭ）、ベイズモデル、ディープラーニングモデル、および他の例示的なモデルを含み得る。いくつかの実装形態では、例示的な機械学習エンジン２３２は、機械学習モデル２５６のうちの１つまたは複数の訓練（例えば、初期訓練、継続訓練など）に参加するための１つまたは複数のモデル訓練エンジン２５２を含み得る。また、訓練された機械学習モデル２５６を利用して様々な推論、予測、分類、および他の結果を導出するために、１つまたは複数の推論エンジン２５４が設けられてもよい。いくつかの実施形態では、本明細書に記載される機械学習モデルの訓練または推論は、車両の外で、例えばコンピューティングシステム１４０または１５０によって実行されてもよい。
車両に設けられた機械学習エンジン２３２は、自律運転スタックおよび他の自律運転に関連する特徴を実装する車載処理システム２１０の他の論理コンポーネントおよびモジュールによる使用のために結果をサポートおよび提供するために利用され得る。例えば、データ収集モジュール２３４には、（例えば、車両により使用される様々な機械学習モデル２５６の訓練または使用における入力のための）データが収集されるソースを決定するロジックが設けられ得る。例えば、特定のソース（例えば、内部センサ（例えば、２２５）または外部のソース（例えば、１１５、１４０、１５０、１８０、２１５など）が選択され得、ならびに、データがサンプリングされ得る頻度および忠実度が選択される。いくつかの場合では、そのような選択および構成は、（例えば、特定の検出されたシナリオを仮定して、該当する場合、データを収集するために）１つまたは複数の対応する機械学習モデルを使用して、少なくとも部分的に、データ収集モジュール２３４により自律的に行われ得る。
センサ融合モジュール２３６はまた、車載処理システムの機械学習エンジン２３２および他のモジュール（例えば、２３８、２４０、２４２、２４４、２４６など）により利用される様々なセンサ入力の使用および処理を管理するために使用され得る。複数のセンサデータソース（例えば、車両上の、または車両の外部にある）から出力を導出し得る１つまたは複数のセンサ融合モジュール（例えば、２３６）が設けられてもよい。ソースは、同種または異種のタイプのソースであり得る（例えば、共通のタイプのセンサの複数のインスタンスから、または複数の異なるタイプのセンサのインスタンスからの複数の入力）。例示的なセンサ融合モジュール２３６は、他の例示的なセンサ融合技術の中でも、直接融合、間接融合を適用し得る。センサ融合の出力は、いくつかの場合では、本明細書に説明される例示的な解決策に記載されるように、自律運転機能または他の機能を提供することに関連して、車載処理システムの別のモジュール、および／または１つまたは複数の機械学習モデルへの入力（潜在的な追加の入力と共に）として供給され得る。
いくつかの例では知覚エンジン２３８が設けられてもよく、知覚エンジン２３８は、いくつかの例では、車両１０５が遭遇した（または遭遇する）環境の自律的知覚に対応する他の例示的な機能の中でも、物体認識および／または検出した物体の追跡を実行するために、外部のソースおよび／またはセンサ融合モジュール２３６からのデータを含む様々なセンサデータ（例えば、２５８）を入力として取り得る。知覚エンジン２３８は、ディープラーニングを使用して、例えば、１つまたは複数の畳み込みニューラルネットワークおよび他の機械学習モデル２５６を通じて、センサデータ入力から物体認識を実行し得る。物体追跡はまた、物体が移動しているかどうか、および、もしそうである場合、どの軌道に沿って移動しているかをセンサデータ入力から自律的に推定するために実行され得る。例えば、所与の物体が認識された後、知覚エンジン２３８は、その所与の物体が車両に関してどのように移動するかを検出し得る。そのような機能は、例えば、他の例示的な使用の中でも、道路上の車両の経路に影響し得る物体、例えば、環境内で移動する他の車両、歩行者、野生動物、自転車乗用者などを検出するために使用され得る。
いくつかの実装形態では、ローカライゼーションエンジン２４０も車載処理システム２１０内に含まれ得る。いくつかの場合では、ローカライゼーションエンジン２４０は、知覚エンジン２３８のサブコンポーネントとして実装され得る。ローカライゼーションエンジン２４０はまた、車両の高信頼性の位置、および所与の物理的空間（または「環境」）内でそれが占有する空間を決定するために、１つまたは複数の機械学習モデル２５６およびセンサ融合（例えば、ＬＩＤＡＲおよびＧＰＳデータのものなど）を利用し得る。
車両１０５は、環境内での車両１０５の運転を制御するために運転制御部（例えば、２２０）により使用され得る車両の経路計画および／または動作計画を決定するために、他のものの中でも（例えば、推奨エンジン２４４）、データ収集２３４、センサ融合２３６、知覚エンジン２３８、およびローカライゼーションエンジン（例えば、２４０）などの様々な他のモジュールの結果を利用し得る経路プランナ２４２をさらに含み得る。例えば、経路プランナ２４２は、これらの入力および１つまたは複数の機械学習モデルを利用して、環境内で動作するための有効なリアルタイムの計画を決定するために運転環境内の様々な事象の確率を決定し得る。
いくつかの実装形態では、車両１０５は、車両１０５自体のセンサ（例えば、２２５）により生成されたセンサデータ、ならびに外部のセンサ（例えば、センサデバイス１１５、１８０、２１５上などの）からのセンサデータから様々な推奨を生成するために、１つまたは複数の推奨エンジン２４４を含み得る。いくつかの推奨は推奨エンジン２４４により決定され得、これらの推奨は、車両の自律運転スタックの他のコンポーネントに入力として提供されて、これらのコンポーネントによりなされる決定に影響を及ぼし得る。例えば、経路プランナ２４２により検討されると、推奨のために、経路プランナ２４２を、通常は別様に決定するであろう判断または計画から外れさせる推奨が決定され得る。推奨はまた、乗客の快適性および体験の検討に基づいて推奨エンジン（例えば、２４４）により生成され得る。いくつかの場合では、これらの推奨（車両のセンサおよび／または外部のセンサなどにより捕捉されたセンサデータ（例えば、２５８）から決定される）に基づいて、車両内の内装特徴が予測的かつ自律的に操作され得る。
上記で紹介したように、いくつかの車両の実装形態は、ユーザ／乗客体験エンジン（例えば、２４６）を含み得、これらは、センサデータ（例えば、２５８）により捕捉された観察結果に基づいて、運転操縦を変化させ、車室環境に変化をもたらして車両内の乗客の体験を高めるべく、センサデータおよび車両の自律運転スタック内の他のモジュールの出力を利用して、車両の制御ユニットを制御し得る。いくつかの例では、ユーザが車両およびその自律運転システムと相互作用することを可能にするために車両に設けられるユーザインターフェース（例えば、２３０）の態様が改良され得る。いくつかの場合では、他の例示的な使用の中でも、車両（例えば、１０５）内での乗客の体験に影響を及ぼして改善することを助けるために、情報提示（例えば、音声、視覚、および／または触覚提示）が生成され、ユーザディスプレイを通じて提供され得る。
いくつかの場合では、車両上の様々なセンサにより収集された情報をモニタリングして、車両の自律運転システムの性能に関連する問題を検出するシステムマネージャ２５０も設けられてもよい。例えば、計算エラー、センサの停電および問題、（例えば通信モジュール２１２を通じて提供される）通信チャネルの利用可能性および品質、車両システムチェック（例えば、モータ、トランスミッション、電池、冷却システム、電気システム、タイヤなどに関連する問題）、または他の動作事象が、システムマネージャ２５０により検出され得る。そのような問題は、システムマネージャ２５０により生成されるシステムレポートデータにおいて特定され得、これは、いくつかの場合では、車両１０５の自律運転機能においてセンサデータ２５８で収集された他の情報と共に、車両システムの正常性および問題も検討されることを可能にするために、機械学習モデル２５６および関連する自律運転モジュール（例えば、２３２、２３４、２３６、２３８、２４０、２４２、２４４、２４６など）への入力として利用され得る。
いくつかの実装形態では、他の例の中でも、ステアリング制御（例えば、２６０）、アクセラレータ／スロットル制御（例えば、２６２）、ブレーキ制御（例えば、２６４）、シグナリング制御（例えば、２６６）を含め、車両がどのように運転されるかに影響を及ぼすために、車両１０５の自律運転スタックは運転制御２２０に結合されてもよい。いくつかの場合では、車両はまた、ユーザ入力に基づいて完全にまたは部分的に制御され得る。例えば、人間のドライバが自律運転システムから制御を引き継ぐ（例えば、ハンドオーバで、またはドライバ補助動作の後に）ことを可能にするために、ユーザインターフェース（例えば、２３０）は運転制御（例えば、物理的または仮想ステアリングホイール、アクセラレータ、ブレーキ、クラッチなど）を含み得る。音声検出２９２、ジェスチャ検出カメラ２９４、および他の例など、ユーザ／乗客入力を受け取るために他のセンサが利用され得る。ユーザインターフェース（例えば、２３０）は、乗客／ユーザの望みおよび意図を捕捉し得、車両１０５の自律運転スタックは、これらを、車両の運転の制御（例えば、運転制御２２０）における追加の入力として検討し得る。いくつかの実装形態では、運転制御は、他の例示的な実装形態の中でも、運転の道順または制御を提供するために乗客が外部デバイス（例えば、スマートフォンまたはタブレット）を利用する場合、または、外部のドライバもしくはシステムが車両の制御を行う遠隔バレーサービス（例えば緊急事象に基づいて）の場合などに、外部コンピューティングシステムにより管理され得る。
上記のように、車両の自律運転スタックは、車両に、または車両の外部に設けられた様々なセンサにより生成された多様なセンサデータ（例えば、２５８）を利用し得る。一例として、車両１０５は、車両の外部および周囲環境に関連する様々な情報、車両システムの状態、車両内の状況、ならびに車両の処理システム２１０のモジュールにより使用可能な他の情報を収集するためにセンサ２２５のアレイを保有し得る。例えば、そのようなセンサ２２５は、他の例示的なセンサの中でも、全地球測位（ＧＰＳ）センサ２６８、光検知測距（ＬＩＤＡＲ）センサ２７０、２次元（２Ｄ）カメラ２７２、３次元（３Ｄ）もしくはステレオカメラ２７４、音響センサ２７６、慣性測定ユニット（ＩＭＵ）センサ２７８、温度センサ２８０、超音波センサ２８２、生体センサ２８４（例えば、顔認識、音声認識、心拍センサ、体温センサ、情動検出センサなど）、レーダセンサ２８６、天候センサ（図示せず）を含み得る。そのようなセンサは、他の例の中でも、車両が動作する環境の属性および条件（例えば、天候、障害物、交通、道路状態など）、車両内の乗客（例えば、乗客またはドライバの意識または注意力、乗客の快適性または機嫌、乗客の健康状態または生理学的状態など）、車両の他の内容物（例えば、パッケージ、家畜、貨物、手荷物など）、車両のサブシステムを決定するために、組み合わせて利用され得る。センサデータ２５８はまた（または代わりに）、他の車両（例えば、１１５）（車両－車両間通信または他の技術を通じて車両１０５と通信し得る）上のセンサ、地上ベースまたは航空ドローン１８０上のセンサ、車両１０５の内側または外側で人間のユーザにより運ばれるユーザデバイス２１５（例えば、スマートフォンまたはウェアラブル）のセンサ、ならびに、他の路側要素、例えば路側ユニット（例えば、１４０）、道路標識、信号機、街頭などに搭載されるか設けられるセンサを含む、車両に一体的に結合されていないセンサによって生成され得る。そのような外部のセンサデバイスからのセンサデータは、他の例示的な実装形態の中でも、センサデバイスから車両に直接提供されてもよく、または、データ集計デバイスを通じて、もしくは他のコンピューティングシステム（例えば、１４０、１５０）によってこれらのセンサに基づいて生成された結果として提供されてもよい。
いくつかの実装形態では、自律走行車両システム１０５は、デバイス１０５の自律運転機能を高め、有効化し、または別様にサポートするために、他のコンピューティングシステムにより提供される情報およびサービスにインターフェース接続してそれらを活用し得る。いくつかの例では、一部の自律運転特徴（本明細書で説明される例示的な解決策のうちのいくつかを含む）は、車両の外部にあるコンピューティングシステムのサービス、コンピューティングロジック、機械学習モデル、データ、または他のリソースを通じて有効化され得る。そのような外部システムを車両が利用できない場合、これらの特徴が少なくとも一時的に無効されているということであり得る。例えば、外部コンピューティングシステムが提供および活用されてもよく、これらは、路側ユニットまたはフォグベースのエッジデバイス（例えば、１４０）、他の（例えば、より高レベルの）車両（例えば、１１５）、およびクラウドベースのシステム１５０（例えば、ネットワークアクセスポイント（例えば、１４５）を通じてアクセス可能な）にホストされる。路側ユニット１４０またはクラウドベースのシステム１５０（または、車両（例えば、１０５）がそれを用いて相互作用する他の連携システム）は、潜在的に追加の機能およびロジックと共に、例示的な車載処理システム（例えば、２１０）に属するものとして示されるロジックのすべてまたは一部を含み得る。例えば、クラウドベースのコンピューティングシステム、路側ユニット１４０、または他のコンピューティングシステムは、モデル訓練および推論エンジンロジックのいずれかまたは両方をサポートする機械学習エンジンを含み得る。例えば、そのような外部システムは、よりハイエンドなコンピューティングリソース、およびより発達した、もしくはより最新式の機械学習モデルを保有し得、それにより、これらのサービスが、車両の処理システム２１０において元々生成され得るものに対して優れた結果を提供することが可能となる。例えば、車載処理システム２１０は、特定のタスクおよび特定のシナリオの処理のために、クラウドベースのサービスを通じて提供された機械学習訓練、機械学習推論、および／または機械学習モデルに依拠し得る。事実、車両１０５に属するものとして説明され示されるモジュールのうちの１つまたは複数は、いくつかの実装形態では、代替的にまたは冗長的に、クラウドベース、フォグベース、または自律運転環境をサポートする他のコンピューティングシステム内に提供され得ることが理解されるべきである。
本明細書の様々な実施形態は、自律走行車両スタックの機能（または本明細書に記載される他の機能）を実行するために、１つまたは複数の機械学習モデルを利用し得る。機械学習モデルは、特定のタスクの性能を徐々に改善するためにコンピューティングシステムにより実行され得る。いくつかの実施形態では、機械学習モデルのパラメータは、訓練データに基づいて、訓練フェーズ中に調整され得る。訓練された機械学習モデルは、次いで、入力データに基づいて、予測または判断を行うために推論フェーズ中に使用され得る。
本明細書に記載される機械学習モデルは、任意の好適な形態を取ってもよく、または任意の好適な技術を利用してもよい。例えば、機械学習モデルのいずれも、教師あり学習、半教師あり学習、教師なし学習、または強化学習技術を利用し得る。
教師あり学習では、モデルは、入力および対応する所望の出力の両方を含むデータの訓練セットを使用して構築され得る。各訓練インスタンスは、１つまたは複数の入力および所望の出力を含み得る。訓練は、訓練インスタンスを通して反復すること、および目的関数を使用して新たな入力に対する出力を予測することをモデルに教えることを含み得る。半教師あり学習では、訓練セット中の入力の一部が所望の出力を欠損し得る。
教師なし学習では、モデルは、入力のみを含み、所望の出力を含まないデータのセットから構築され得る。教師なしモデルは、データにおけるパターンを発見することにより、データにおける構造（例えば、データポイントのグループ化またはクラスタリング）を見出すために使用され得る。教師なし学習モデルで実装され得る技術には、例えば、自己組織化マップ、最近傍マッピング、ｋ平均クラスタリング、および特異値分解が含まれる。
強化学習モデルには、精度を改善するためにポジティブまたはネガティブなフィードバックが与えられ得る。強化学習モデルは、１つまたは複数の目的／報奨を最大化するように試み得る。強化学習モデルで実装され得る技術には、例えば、Ｑ学習、時間差（ＴＤ）、およびディープな敵対的ネットワークが含まれ得る。
本明細書に記載される様々な実施形態は、１つまたは複数の分類モデルを利用し得る。分類モデルでは、出力は、値の限定されたセットに制限され得る。分類モデルは、１つまたは複数の入力値の入力されたセットのクラスを出力し得る。本明細書における分類モデルへの言及は、例えば、以下の技術、線形分類器（例えば、ロジスティック回帰または単純ベイズ分類器）、サポートベクトルマシン、決定木、ブースティング木、ランダムフォレスト、ニューラルネットワーク、または最近傍法のうちのいずれか１つまたは複数を実装するモデルを想定し得る。
本明細書に記載される様々な実施形態は、１つまたは複数の回帰モデルを利用し得る。回帰モデルは、入力された１つまたは複数の値のセットに基づいて連続する範囲から数値を出力し得る。本明細書における回帰モデルへの言及は、例えば、以下の技術（または他の好適な技術）、線形回帰、決定木、ランダムフォレスト、またはニューラルネットワークのうちのいずれか１つまたは複数を実装するモデルを想定し得る。
様々な実施形態では、本明細書で説明される機械学習モデルのいずれも、１つまたは複数のニューラルネットワークを利用し得る。ニューラルネットワークは、シナプスにより接続されたニューロンの大クラスタを含む生物学的脳の構造を大まかにモデル化したニューラルユニットのグループを含み得る。ニューラルネットワークでは、接続されたニューラルユニットの活性状態に対するそれらの効果が興奮性または抑制性であり得るリンクを介してニューラルユニットは、他のニューラルユニットに接続される。ニューラルユニットは、その入力の値を利用して、ニューラルユニットの膜電位を更新する機能を実行し得る。ニューラルユニットは、ニューラルユニットに関連付けられる閾値を超えた場合に、スパイク信号を接続されたニューラルユニットに伝搬し得る。ニューラルネットワークは、様々なデータ処理タスク（自律走行車両スタックにより実行されるタスクを含む）、例えば、コンピュータビジョンタスク、音声認識タスク、または他の好適なコンピューティングタスクを実行するように訓練または別様に適合され得る。
図３は、特定の実施形態によるニューラルネットワーク３００の例示的な部分を示す。ニューラルネットワーク３００は、ニューラルユニットＸ１～Ｘ９を含む。ニューラルユニットＸ１～Ｘ４は、一次入力Ｉ１～Ｉ４（ニューラルネットワーク３００が出力を処理する間一定に保たれ得る）をそれぞれ受信する入力ニューラルユニットである。任意の好適な一次入力が使用され得る。一例として、ニューラルネットワーク３００が画像処理を実行する場合、一次入力値は画像からの画素の値であり得る（そして、一次入力の値は、画像が処理されている間は一定に保たれ得る）。別の例として、ニューラルネットワーク３００が音声処理を実行する場合、特定の入力ニューラルユニットに適用される一次入力値は、入力音声の変化に基づいて経時的に変化し得る。
特定のトポロジーおよび接続スキームが図３に示されている一方、本開示の教示は、任意の好適なトポロジーおよび／または接続を有するニューラルネットワークに使用され得る。例えば、ニューラルネットワークは、フィードフォワードニューラルネットワーク、回帰ネットワーク、またはニューラルユニット間の任意の好適な接続を有する他のニューラルネットワークであり得る。別の例として、ニューラルネットワークが入力層、隠れ層、および出力層を有するものとして図示されているものの、ニューラルネットワークは、任意の好適な様式で配置された任意の好適な層を有し得る。図示される実施形態では、２つのニューラルユニット間の各リンクは、２つのニューラルユニット間の関係の強さを示すシナプス荷重を有する。シナプス荷重は、ＷＸＹとして図示され、Ｘはシナプス前のニューラルユニットを示し、Ｙはシナプス後のニューラルユニットを示す。ニューラルユニット間のリンクは、接続されたニューラルユニットの活性状態に対するそれらの効果が興奮性または抑制性であり得る。例えば、Ｘ１からＸ５に伝搬するスパイクは、Ｗ１５の値に応じて、Ｘ５の膜電位を増加または減少させ得る。様々な実施形態では、接続は有向であっても有向でなくてもよい。
様々な実施形態では、ニューラルネットワークの各時間ステップの間に、ニューラルユニットは、それぞれのシナプスを介してニューラルユニットに接続されたニューラルユニットのうちの１つまたは複数から、バイアス値または１つまたは複数の入力スパイクなどの任意の好適な入力を受信し得る（ニューラルユニットのこのセットは、ニューラルユニットのファンインニューラルユニットと称される）。ニューラルユニットに適用されるバイアス値は、入力ニューラルユニットに適用される一次入力および／またはニューラルユニットに適用される何らかの他の値（例えば、ニューラルネットワークの訓練または他の動作中に調整され得る一定値）の関数であり得る。様々な実施形態では、各ニューラルユニットは、それ自体のバイアス値に関連付けられてもよく、または、バイアス値は、複数のニューラルユニットに適用され得る。
ニューラルユニットは、その入力およびその現在の膜電位の値を利用して関数を実行し得る。例えば、更新された膜電位を生成するために、ニューラルユニットの現在の膜電位に入力が追加され得る。別の例として、シグモイド伝達関数などの非線形関数が入力および現在の膜電位に適用され得る。任意の他の好適な関数が使用され得る。ニューラルユニットは、次に、関数の出力に基づいてその膜電位を更新する。
次に図４を参照すると、（例えば、それらの対応する車載コンピューティングシステムによって）様々な車両においてサポートされ得る例示的な自律運転レベルを示す簡略ブロック図４００が示されている。例えば、レベルの範囲は規定されてもよく（例えば、Ｌ０～Ｌ５（４０５～４３５））、レベル５（Ｌ５）は、最も高いレベルの自律運転機能（例えば、完全自動化）を有する車両に対応し、レベル０（Ｌ０）は、最も低いレベルの自律運転機能に対応する（例えば、自動化されていない）。例えば、Ｌ５車両（例えば、４３５）は、極限の道路状態および天候を含め、すべての運転シナリオにおいて、人間のドライバにより提供されるであろうものと等しいまたはそれより優れた自律運転性能を提供することができる完全自律コンピューティングシステムを保有し得る。Ｌ４車両（例えば、４３０）もまた、完全に自律的であり、安全重視の運転機能を自律的に実行し、開始位置から目的地までの行程全体を通して道路状態を効率的にモニタリングすることができると見なされ得る。Ｌ４車両は、Ｌ４の自律的能力が、すべての運転シナリオを含まない場合がある車両の「動作設計ドメイン」の限界内で規定されている点でＬ５車両と異なり得る。Ｌ３車両（例えば、４２０）は、特定の交通および環境条件のセットにおいて安全重視の機能を完全に車両にシフトするが、すべての他のシナリオでは人間のドライバが運転を処理するために関与し、手が空いていることを依然として想定する自律運転機能を提供する。したがって、Ｌ３車両は、人間のドライバから自律運転スタックへ、およびその逆の制御の移管を組織化するためのハンドオーバプロトコルを提供し得る。Ｌ２車両（例えば、４１５）は、ドライバが時々、車両を物理的に操作することから離れ、その結果、ドライバの手および足の両方が車両の物理的制御から定期的に離れ得ることを可能にするドライバ補助機能を提供する。Ｌ１車両（例えば、４１０）は、１つまたは複数の特定の機能（例えば、ステアリング、ブレーキなど）のドライバ補助を提供するが、車両のほとんどの機能についてドライバの一定の制御を依然として必要とする。Ｌ０車両は、自律的ではないと見なされ得、人間のドライバが車両の運転機能のすべてを制御する（しかし、そのような車両は、それでもなお、例えば、センサデータをより高レベルの車両に提供すること、センサデータを使用してＧＰＳおよび車両内のインフォテインメントサービスを高めることなどにより、受動的に自律運転環境内に参加し得る）。いくつかの実装形態では、単一の車両は、複数の自律運転レベルの動作をサポートし得る。例えば、ドライバは、所与の行程の間にどのサポートレベルの自律性を使用するかを制御および選択し得る（例えば、Ｌ４以下のレベル）。他の場合では、車両は、例えば、道路または車両の自律運転システムに影響を及ぼす条件に基づいて、レベルを自律的にトグルで切り替え得る。例えば、他の例の中でも、１つまたは複数のセンサが損なわれたことの検出に応答して、Ｌ５またはＬ４車両は、センサの問題を鑑みて人間の乗客が関与するように、より低いモード（例えば、Ｌ２以下）にシフトし得る。
図５は、一部の自律運転システムにおいて実装され得る例示的な自律運転フローを示す簡略ブロック図５００である。例えば、自律的（または半自律的）車両に実装される自律運転フローは、感知および知覚段階５０５、計画および判断段階５１０、ならびに制御および動作段階５１５を含み得る。感知および知覚段階５０５の間、様々なセンサによりデータが生成され、自律運転システムによる使用のために収集される。データ収集は、いくつかの例では、データフィルタリング、および外部ソースからセンサデータを受信することを含み得る。この段階はまた、センサ融合動作および物体認識、ならびに１つまたは複数の機械学習モデルを使用して実行される他の知覚タスク、例えばローカライゼーションを含み得る。計画および判断段階５１０は、センサデータおよび様々な知覚動作の結果を利用して、先にある道路の確率的予測を行い、これらの予測に基づいてリアルタイムな経路計画を決定し得る。さらに、計画および判断段階５１０は、障害物および他の事象の検出に反応して経路計画に関連する判断を行って、これらの事象を鑑みて、決定した経路を安全にナビゲートするために動作を取るべきかどうか、およびどのような動作を取るべきかを判断することを含み得る。計画および判断段階５１０の経路計画および判断に基づいて、制御および動作段階５１５は、ステアリング、加速、およびブレーキ、ならびに二次制御、例えば、方向指示灯、センサクリーナ、ワイパー、ヘッドライトなどを含む運転制御を操作するアクチュエータを通じて、これらの決定を動作に変換し得る。
いくつかの実装形態では、自律運転スタックは、「感知、計画、動作」モデルを利用し得る。例えば、図６は、少なくとも１つの実施形態による、自律走行車両を制御するための例示的な「感知、計画、動作」モデル６００を示す。モデル６００はまた、いくつかの例では、自律走行車両制御パイプラインと称され得る。示される例では、感知／知覚システム６０２は、移動するおよび移動しない主体、および感知要素に対するそれらの現在位置を含む、環境のデジタル構築（センサ融合を介した）を可能にする、シングルタイプのセンサまたはセンサのマルチモーダルな組み合わせ（例えば、示されるようなＬＩＤＡＲ、レーダ、カメラ、ＨＤマップ、または他のタイプのセンサ）のいずれかを含む。これにより、自律走行車両が、その周囲の内部表現を構築して、その表現（環境モデルと称される得る）内に自身を置くことが可能となる。環境モデルは、いくつかの場合には、３つのタイプのコンポーネント、すなわち、環境についての静的情報（これはＨＤマップと相関し得る）、環境についての動的情報（例えば、現在位置情報および速度ベクトルにより表され得る道路上で移動する物体）、およびモデル内で自律走行車両が適合する場所を表す自車位置推定情報を含み得る。
環境モデルは、次に、車載自律運転システムの計画システム６０４に供給され得、この計画システム６０４は、能動的に更新された環境情報を受け取り、これらの環境条件の予測される挙動に応答して動作の計画（例えば、経路情報、挙動情報、予測情報、および軌道情報を含み得る）を構築する。計画は次に、作動システム６０６に提供され、この作動システム６０６は、車を上記計画の通りに動作させることができる（例えば、自律走行車両のガス、ブレーキ、およびステアリングシステムを作動させることにより）。
１つまたは複数の態様では、社会規範モデリングシステム６０８は、感知および計画システムの間に存在し、計画システムへの並列入力として機能する。提案される社会規範モデリングシステムは、車両の挙動を特定の位置で観察された社会規範に適合させることを目的として、車両の環境についての適応意味論的挙動の理解を提供するように機能し得る。例えば、示される例では、社会規範モデリングシステム６０８は、知覚システム６０２により生成された環境モデルを、計画システム６０４により使用される挙動モデルと共に受信し、そのような情報を入力として使用して、検討のために計画システム６０４に戻されて提供され得る社会規範モデルを決定する。
社会規範モデリングシステム６０８は、車両の感知コンポーネントから感覚情報を取得し、社会的運転規範の位置ベースの挙動モデルを作成することが可能であり得る。この情報は、弱気な自律走行車両の挙動に対処するのに有用であり得、これは、この情報が、人間のドライバが正常な道路でのネゴシエーションと見なすであろうものに対して自律走行車両をよりリスク回避型にしないような方法で人間のドライバの挙動を定量化して解釈するために利用され得るためである。例えば、現在のモデルは、計算されたアプローチを取り得、そのため、特定の動作を行った場合に衝突のリスクを測定する。しかしながら、このアプローチだけでも、攻撃的な運転が社会規範である環境において高速道路に入るときに自律走行車両を無力にし得る。
図７は、少なくとも１つの実施形態による、簡略化された社会規範理解モデル７００を示す。社会規範理解モデルは、自律走行車両制御パイプラインの社会規範モデリングシステム、例えば、自律走行車両制御パイプライン６００の社会規範モデリングシステム６０８によって実装され得る。
示される例では、７０２において、社会規範モデリングシステムは最初に環境モデル、および自律走行車両の挙動モデルをロードする。環境モデルは、自律走行車両制御パイプラインの知覚システムから社会規範モデリングシステムに送信された環境モデルであり得る（例えば、図６に示されるように）。挙動ポリシーは、自律走行車両制御パイプラインの計画フェーズから受信され得る（例えば、図６に示されるように）。いくつかの場合では、計画フェーズにより使用されるデフォルトの挙動ポリシーが送信され得る。他の場合では、挙動ポリシーは、知覚システムにより計画システムに送信される環境モデルに基づき得る。
７０４において、社会規範モデリングシステムは、環境モデルにより図示されるシナリオが、既存の社会規範プロファイルにマッピングされているかどうかを決定する。マッピングされている場合、既存の社会規範プロファイルが参照のためにロードされる。マッピングされていない場合、新たな社会規範プロファイルが作成される。新たに作成された社会規範プロファイルは、デフォルトの制約、また社会規範を説明する他の情報を含み得る。各社会規範プロファイルは、特定のシナリオ／環境（例えば、自律走行車両の周りの車の数、時間、周囲の車両のスピード、天候状態など）に関連付けられ得、制約（以下にさらに記載される）、および挙動ポリシーに対して社会規範を説明する他の情報を含み得る。各社会規範プロファイルはまた、特定の地理的位置に関連付けられ得る。例えば、異なる地理的位置において同じシナリオが提示され得るが、各シナリオは、異なる対応する社会規範プロファイルを有し得、これは、観察された挙動が異なる位置において大きく異なり得るためである。
次に、７１０において、社会規範モデリングシステムは、環境モデルにおける動的情報を観察する。動的情報は、動的障害物（例えば、道路上の他の車両または人間）についての挙動情報を含み得る。社会規範モデリングシステムは次に、並行して、（１）７１２において動的障害物により示された観察された挙動における変化を決定または推定し、（２）７１４において自律走行車両自体の挙動から、動的障害物により示された観察された挙動の逸脱を決定または推定する。例えば、モデルは、７１２において、他の車両の観察された挙動が、７０２においてロードされた挙動モデルの現在のパラメータ内にあるかどうかを決定し得、７１４において、車両の挙動の逸脱が挙動モデルの現在のパラメータ内にあるかどうかを決定し得る。
決定した変化および逸脱に基づいて、社会規範理解モデルは、７１６において、観察された社会規範が社会規範プロファイルから変更されたかどうかを決定し得る。変更されている場合、新たな情報（例えば、以下に記載される制約）が社会規範プロファイルに保存され得る。変更されていない場合、モデルは、７２０において、シナリオが変更されたかどうかを決定し得る。変更されていない場合、モデルは、動的情報を観察し続け、上記のように観察された挙動の変化および逸脱について決定を行う。シナリオが変更されていない場合、モデルは、７０２から開始して、プロセスを最初から実行する。
いくつかの実施形態では、社会規範理解モデル７００は、自車挙動ポリシーのための観察結果に基づく制約として社会規範を生成することを担い得る。これらの制約の生成は、周囲の車両のシナリオにおける時間的な追跡挙動から導出され得る。特に、２つのプロセスが並行して実行され得る：
・挙動の変化の推定で、すべての周囲の車両の観察結果から現在の挙動ポリシー／モデルへのユークリッド（または他の距離の測定法、例えば、マハラノビス）距離を分析すること、および
・逸脱の推定で、観察された運転ポリシーに対する周囲の車両の反応を分析して、挙動の限界として機能するネガティブなフィードバック（違反）を決定すること。
これらの２つの並行するプロセスの結果は、社会規範を形成する挙動の境界限界を決定するために使用され得る。この社会規範（例えば、境界限界）は次に、特定の運転シナリオに適合する制約として機能するために計画モジュールに戻され得る。並行するプロセスにおいて観察された挙動の変化および逸脱に応じて、結果として得られる社会規範は、より厳しいまたはより緩やかな制約を挙動プランナに適用して、より自然な運転挙動を可能にし得る。いくつかの場合では、社会規範の構築は、道路形状およびシグナリングなどのシナリオの特性、ならびに観察される周囲の車両に依存し得る。道路環境、および自車と相互作用する車両の乗客の数の組み合わせから、異なる社会規範が出現し得る。いくつかの例では、モデルは、経時的に生じる社会規範の変化を許容し得る。
１つの例示的な実装形態では、シナリオは、ＨＤマップの一部として、車線、および
により特徴づけられる状態を有するこれらの車線内に置かれた車両を指定するロードマップ形状で構成され得、ここで、（ｘｉ，ｙｉ）は位置を示し、θｉは方向を示し、
は各車両ｉの速度を示す。そのため、車両状態の数ｍは、セット（Ｘ１，...Ｘｍ）としてもたらされ得る。それぞれの車両の軌道は、以下のコスト関数を使用して時間間隔で計算され得る。
Δｕｉは、挙動モデルに対する車両制御の観察された差である。規定の観察結果ウィンドウＮに対してコスト関数を適用することにより、軌道ｔｒｙｉが生成される。この軌道計画への制約は、ｙｉ，ｋｍｉｎ＜ｙｉ，ｋ＜ｙｉ，ｋｍａｘとして静的障害物、動的障害物（安全性制約）（ｘｉ，ｋ）∈Ｓｉ（ｘ，ｙ）、または特定の出力ｕｉ，ｋの実現可能性から取得され得る。それぞれの車両間の相互作用は、
として観察され得、観察された相互作用から制約の変化が導出され得る（例えば、コスト関数Ｊｉを最小化することによって）。導出された制約は、そのシナリオの「社会規範」と見なされ得、いくつかの実施形態では、軌道計画のための自コスト関数に直接適用するために計画システムに送信され得る。他の実装形態では、制約を導出するために他のコスト関数を使用してもよい。いくつかの場合では、例えば、実装形態は、社会規範を学習するためのニューラルネットワーク、または部分的に観察可能なマルコフ決定プロセスを使用することを含み得る。
運転文化／社会規範の理解が既知である場合（例えば、攻撃的な運転の場合）、計画システムは、より攻撃的に／より攻撃的でないようにすべくそれらのネゴシエーション手段を変更し、かつ、道路上の他の主体によって予期されるリスクの知識からリスクの低下が得られるため、リスクを受容するように変更するように適合され得る。さらに、社会規範をモニタリングすることにより、自律運転システムが特定の地理的コンテキストのために設計されていることに関する問題が解決され得、これは、挙動モデルが、複数の地理的位置のために設計され得、時間が経つにつれて改善され得るためである。このアプローチはまた、社会的な運転規範の作成および分配の基礎を設定する。自律走行車両が道路上の人口の大部分を占めるようになるにつれて、この適応意味論的挙動理解システムは、すべての道路上の主体の道路でのネゴシエーションを指令することができる共通の挙動モデルを許容し得る。
図６、７に示される例示的なプロセスにおける動作は、例示的な自律走行車両の車載コンピューティングシステムの様々な態様またはコンポーネントによって実行され得る。例示的なプロセスは、追加のまたは異なる動作を含んでもよく、動作は、示されている順序で、または別の順序で実行されてもよい。いくつかの場合では、図６、７に示される動作のうちの１つまたは複数は、複数の動作、サブプロセス、または他のタイプのルーチンを含むプロセスとして実装される。いくつかの場合では、動作は、組み合わされてもよく、別の順序で実行されてもよく、並行して実行されてもよく、繰り返されてもよく、または別様に繰り返されるもしくは別の様式で実行されてもよい。
リスク低下を実現するために、車両－車両間通信（Ｖ２Ｖ）が自律走行車両により利用され得る。例えば、そのような通信は、例えば衝突、道路における障害物の位置などの事象を報知するために使用され得る。他の使用の場合では、マッピングまたは操縦協力などの協力タスクのために遠隔感知を利用し得る。第２のタイプの協力タスクでは、ほとんどの概念は、非常に具体的な交通状況、または隊列走行を調整するために使用される協調型アダプティブクルーズコントロール（Ｃ－ＡＣＣ）などの用途に制限される。Ｃ－ＡＣＣは、例えば、長手方向の調整を用いて、前の車両との最小の時間間隔を維持し、交通の流れおよび燃料効率の改善を得る。いくつかのシステムでは、車両の通路および隣接する車線において安全な間隔を確立すべく、長手方向および横方向の調整の組み合わせを通じて、車線変更および合流などの他の調整された操縦がサポートされ得る。しかしながら、長手方向および横方向に調整された制御は、連携を実現するために、複数の車両の調整および優先通行権の規則の適用が必要である交差点にでは十分でない場合がある。既存の解決策は特定の運転シナリオでは有用であるが、相互運用性のメカニズムを欠いている。さらに、そのような解決策のほとんどは、各車両が接続され自動化されていること、およびそれらが同じストラテ時により制御されていることを仮定している。この意味で、いくつかの自律運転システムに使用される機械学習モデルは、一般的な車両挙動を仮定し、これらの過程に基づいて自律運転の判断を合わせる。自律運転システムに対する標準的なアプローチはまた、理想（例えば、他の車が自律的であること、人間のドライバが法律を順守することなど）を仮定するモデルを適用し得る。しかしながら、人間のドライバおよびその挙動を制御することができず、規則または交通連携の目的を受け入れ得るまたは受け入れ得ない混合した交通シナリオには、そのような解決策を適用することができない。
いくつかの実装形態では、特定の車両の車載自律運転システムは、完全に自動化された、または混合した交通シナリオで操縦調整を実行し、特定の車両の自律運転判断および経路計画をサポートするために機能Ｖ２Ｘ通信技術（車両－車両間（Ｖ２Ｖ）またはインフラストラクチャ－車両間（Ｉ２Ｖ）などを含む）を介して通信される共通の挙動モデルを利用するように構成され得る。例えば、図８に示されるように、車両の少なくとも一部が半自律的または完全に自律的である環境における車両間の調整の態様を示すダイアグラム８００ａ～ｃが示される。例えば、挙動モデルは、自動化された車両の場合には運転規則を使用して、または、事前な運転挙動を導出するデータ学習プロセスを介して構築され得る。例えば、上記のように、モデルにおいて規定された学習された制約を修正するための基礎として機能する、環境からの観察結果に基づく適合を通じた連続的な開発および改善が可能な挙動モデルが提供され得る。人間が運転する車両の場合、モデルが存在しない場合があり、人工ニューラルネットワークを使用して経時的に近似挙動モデルが構築され得る。そのようなニューラルネットワークモデルは、継続的に学習し、モデルに提供される入力に基づいて改良され得る。例えば、そのようなモデルへの例示的な入力パラメータには、他の例の中でも、道路環境情報（例えば、マッピングデータ）、周囲の車両の位置および速度ベクトル、自車初期位置および速度ベクトル、ドライバ識別情報（例えば、人間のドライバの人口統計）が含まれ得る。したがって、車両がその挙動モデルを他の車両と共有する場合、挙動モデルのバージョンは、改良され、観察結果、および道路上での動作中の車両によるさらなる学習に基づいてさらに微調整されたものであり得る。
図８に示されるように、ダイアグラム８００ａは、運転環境における２つの車両ＡおよびＢを示す。車両のうちの一方または両方が他方と観察結果およびセンサデータを共有することを可能にするＶ２Ｖ通信が有効化され得る。例えば、車両Ａは、道路のある区画に影響を及ぼしている障害物（例えば、８０５）を検出し得、道路の同じ区画内の、または同じ区画に進入する別の車両（例えば、車両Ｂ）の存在をさらに検出し得る。それに応じて、車両Ａは、他の情報の中でも、障害物８０５に関する情報（例えば、その座標、障害物または危険要因のタイプ（例えば、物体、事故、天候事象、標識または信号機の停電など））、障害物について決定されたコンピュータビジョンに基づく分類（例えば、障害物が自転車であること）を通信し得る。さらに、上で紹介したように、車両ＡおよびＢはまた、Ｖ２ＶまたはＶ２Ｘ通信を利用して、他の車両と挙動モデルを共有し得る。これらのモデルは、近隣の車両が特定の状況で特定の動作を取る確率を決定するために、受信側の車両によって利用され得る。これらの決定された確率は、次に、これらの近隣の車両の存在がある場合の判断および経路計画に影響を及ぼすために、車両の自身の機械学習または他の（例えば、規則ベースなどのロジックベース）モデル、および自律運転ロジックへの入力として使用され得る。
図８は、自律運転環境内で挙動モデルを交換および使用するためのフローを示す。例えば、ダイアグラム８００ａに示されるように、２つの車両は、道路の区画内で互いの存在を識別し、送信側の車両の現在位置、ポーズ、およびスピードなどを識別する情報を他方の車両に送信し得る。挙動モデルがまだ他の車両から共有または取得されていない範囲内で、車両間で、またはインフラストラクチャ媒介物との間で１つまたは複数の挙動モデルが交換され得る。ダイアグラム８００ｃに示されるように、挙動モデルは、マッピングおよび他の地理的データ（例えば、どの潜在的な経路が運転できるかどうかを特定すること）、これらの経路内で検出された障害物、ならびに車両の状態（例えば、その位置、向き、スピード、加速、ブレーキなど）を入力として用いる。挙動モデルにより生成された出力は、対応する車両が特定の動作（例えば、ステアリング、ブレーキ、加速など）を取る確率を示し得る。挙動モデルは、一般的、またはシナリオ特有（例えば、車線維持、車線変更、斜道合流、または交差点モデルなど）であり得る。例えば、挙動モデルは、任意の特定の運転シナリオについて、そのシナリオにおける対応する車両の動作の確率を分類するものであるという意味で、「ユニバーサル」モデルであり得る。他の場合では、単一の車両（または車種／モデル）に対して複数のシナリオ特有または位置特有の挙動モデルが開発され得、モデルのコレクションが交換され得る（例えば、パッケージとして一度にすべて、車両が他の車両に遭遇する位置またはシナリオに基づいて場面ごとに、など）。そのような例では、他の例示的な実装形態の中でも、車両は最初に、計画しているシナリオを検出し（例えば、車両自身の経路計画フェーズにおいてなされた決定に基づいて）、その結果を使用して、他の車両の共有モデルのうちの特定の１つを識別して、現在のシナリオに最もよく「適合する」挙動モデルを識別し、この挙動モデルを使用し得る。
図８の例で続けると、車両Ａの挙動モデルを受信すると、車両Ｂは、車両Ａがその知覚にあることを検出し得、環境、障害物、車両Ａのスピードなどを説明する、例えば、車両Ｂ自身のセンサアレイ、外部データソース（例えば、路側ユニット）、または、車両ＡによりＶ２Ｖで（例えば、ビーコン信号を通じて）共有されたデータからの挙動モデルの現在の入力をさらに検出し得る。これらの入力（例えば、８１０）は、確率値Ｐ（例えば、８２０）を導出するために、共通の挙動モデル（例えば、８１５）への入力として提供され得る。この確率値８２０は、車両Ａが（車両Ａの現在の環境および車両の観察された状態を仮定した場合に）特定の動作、例えば、特定の方向へのステアリング、加速、ブレーキ、スピードの維持、などを実行する確率を示し得る。この確率値８２０は、次に、自身の経路を計画し、車両Ａの存在に関連して判断を行う際に、車両Ｂの自律運転スタック（例えば、８２５）により利用され得る。したがって、他の例示的な実装形態の中でも、共通の挙動モデルの使用を通じて、車両Ｂは、運転環境内で取る動作を決定する様式を、挙動モデルが利用できない車両の存在下で運転するときに自律運転スタック８２５が使用するデフォルトのアプローチまたはプログラミングから変更し得る。
したがって、いくつかの実装形態では、ある車両が他の車両、特に、異なる運転自律レベルを有する車両の動作および操縦を予期および計画する（自身の機械学習能力を使用して）ことを可能にするために、車両は、これらの他の車両の挙動モデルを取得するか、または別様にそれらにアクセスし得る。これらの近隣の車両のモデルに基づいて、これらの車両と道路を共有する車両は、車両の各々に影響を及ぼす環境内で観察された条件に基づいて、これらの車両がどのように反応するかを予測し得る。車両に周囲の車両の挙動モデルを提供することによって、車両は、環境条件の投影を通じて将来のシナリオを推定することが可能となり得る。このように、これらの追加の挙動モデルを装備した車両は、現在の観察結果、およびより低い不確実性を提示するモデルベースの予測に基づいて、リスク最適化した判断を計画し得る。そのような解決策は、自律運転環境内での安全性を高めるだけでなく、計算上より効率的である場合があり、これは、これらの他のモデルを使用する車両が、周囲の車両の確率的投影に基づく個々の挙動モデルを計算する必要がなく、単に、投影が確かであるかどうかをチェックしてそれに応じてその挙動を修正するためである。
次に図９を参照すると、２つの車両１０５、１１０の間の例示的な情報交換を示すブロック図９００が示される。一例では、接続された車両は、情報報交換の複数の異なるモードを有し得、これにはビーコン交換およびモデル交換が含まれる。一例では、ビーコン交換は、ビーコン９０８を報知して対応する車両のアイデンティティ（例えば、接続された自律走行車両識別子（ＣＡＶｉｄ））を、同じ車両の位置、向き、および進行方向を表す状態ベクトルと共にシグナリングすることを含む。モデル交換は、報知している車両の挙動モデルを他の車両（および路側システム）に報知することを含み得る。
将来の車両挙動を予測して対応する動作を取るために挙動モデルが別の車両により作動され得ると仮定すると、いくつかの場合では、挙動モデルは、信頼できる車両から受信された場合にのみ許容されて使用され得る。したがって、車両間のモデルの交換は、デバイスを有効化して、その車両から受信した挙動モデルの初期信頼性を確立するための信頼プロトコルを含み得る。いくつかの実装形態では、この信頼性値は、出力された挙動が観察された車両挙動と著しく異なる場合には、経時的に変化し得る。信頼性値が特定の閾値を下回ると、モデルは好適でないと見なされ得る。図９に示されるように、いくつかの実装形態では、２つの車両１０５、１１０がある環境内で互いに遭遇すると、２つの車両（例えば、１０５、１１０）は、ビーコン交換を使用してそれぞれのＣＡＶｉｄ報知を通じて他方を識別する。車両（例えば、１０５）は、ＣＡＶｉｄから（例えば、９１０において）、他方の車両（例えば、１１０）が既知の車両であるかどうか（またはその挙動モデルが既知のモデルであるかどうか）を決定し得、その結果、車両１０５は対応する挙動モデル（例えば、ローカルキャッシュにおいて、または信頼できる（例えば、クラウドまたはフォグベースの）データベース（例えば、９１５）内に格納された）を識別し、それにアクセスすることができる。したがって、いくつかの実装形態では、別の車両に遭遇すると、ビーコン信号に含まれる示されたＣＡＶｉｄに対応する必要な挙動モデルがデータベース９１５内にあるかどうかを決定するために、ルックアップが実行され得る。識別された車両１１０の挙動モデルを車両１０５が保有していないと決定されると、車両は、トークンの交換を通じてセッションの確立することによりモデル交換を開始し得る（９２０において）。一例では、各トークン（例えば、９２５）は、ＣＡＶｉｄ、公開鍵、および秘密値、ならびにセッションＩＤを含み得る。各車両（例えば、１０５、１１０）は、他方のトークンを受信し、トークンの検証９３０を実行してトークンが有効であることを確認し得る。トークンシグネチャが検証されると、承認が他方の車両と共有され得、これにより、車両が他方を信頼し、モデル交換を進めたいことが示される。いくつかの実装形態では、モデル交換は、最後のパッケージのモデル交換９４０が完了するまで（例えば、これは承認によって示され得る）、複数のパケットに分割されて通信される挙動モデルの通信（例えば、９３５）を含み得る。セッションのセッションＩＤは、必要な場合には、２つの車両間の接続が喪失された場合にデータを復元することを可能にするために使用され得る。２つの車両間の通信においてＶ２ＶまたはＶ２Ｘ通信が利用され得る。いくつかの例では、通信チャネルは、遅延の少ない高いスループットの、５Ｇ無線チャネルなどであり得る。
別の車両の挙動モデルを受信すると、車両は、モデルのモデル検証９４５を実行し得る。モデル検証９４５は、規格準拠、および受信側の車両の自律運転スタックまたは機械学習エンジンとの適合性についてモデルをチェックすることを含み得る。いくつかの例では、過去の入力、および受信側の車両の挙動モデルの記録された出力が受信側の車両においてキャッシュされ、受信側の車両は、これらのキャッシュされた入力を受信した挙動モデルに適用して、出力をキャッシュされた出力と比較することによって、受信した挙動モデルの有効性を検証し得る（例えば、出力が同等である場合に、受信した挙動モデルを有効化する）。他の実装形態では、挙動モデル９４５の検証は、対応する車両（例えば、１１０）の性能を観察し、観察された性能が、挙動モデルを通じて決定された予期される性能に対応するかどうかを決定することによって（例えば、現在の環境に対応する入力をモデルに提供し、出力が車両の観察された挙動に適合するかどうかを識別することによって）実行され得る。図９の例では、受信した挙動モデルが検証されると、承認（例えば、９５０）がソース車両に送信され得、セッションがクローズされ得る。そこから、車両は、それらの連続して近接性を識別するため、ならびに他の情報（例えば、センサデータ、それらのモデルの出力など）を共有するために、ビーコンを交換し続けることができる（９５５において）。
図９の例は、知らない車両に遭遇し、新たな挙動モデルが共有される例を示しているが、２つの車両（例えば、１０５、１１０）が過去に互いに挙動モデルを既に共有している場合、キャッシュまたは挙動モデルデータベース９１５内のルックアップは、ポジティブな結果をもたらし、２つの車両間でモデル検証の承認メッセージが共有され得る。いくつかの場合では、他の例の中でも、挙動モデルは、更新され得るかまたは失効し得、その場合、車両は、別の既知の車両（または車両モデル）への更新を識別し得、モデル更新交換（例えば、新たなセッションにおける完全なモデル交換と同様の様式で）が実行され得る。いくつかの場合では、車両（例えば、１０５）は、特定の車両の観察された挙動が、挙動モデルの以前に格納されたバージョンを適用したときに決定された予測された挙動に準拠しないことを検出したこと（特定の車両とその後に遭遇したときに）に基づいて、特定の他の車両（例えば、１１０）の既に格納された挙動モデルが古い、不正確である、または不完全であると一方的に決定し得る。そのような決定は、車両（例えば、１０５）に、挙動モデルの更新されたバージョンを要求させ得る（例えば、そして図９に示されるものと同様のモデル交換をトリガする）。
検証された正確な信頼できる挙動モデルの交換および収集を通じて、車両は将来、ビーコン交換を利用して、環境のナビゲートにおいて信頼できる正確な挙動モデルを使用する車両を識別し得、それにより、効率的な方法で周囲の車両の挙動の将来の予測を生成し得る。いくつかの例では、挙動モデルおよびＣＡＶｉｄは、車両ごとに設けられ得る。他の例では、特定の自律走行車両モデル（例えば、車種、モデル、および年式）の各例は同じ挙動モデルを使用し、そのため、車両は、この車のモデルの任意の例に遭遇すると、他の例の中でも、この車のモデルに関連付けられる単一の挙動モデルの検証を使用し得るものと仮定され得る。
挙動モデルは、対応する車両において自律運転を有効化するために使用される機械学習モデルに基づき得る。いくつかの場合では、挙動モデルは、代わりに、規則エンジンまたはヒューリスティックに基づき得る（そのため、規則ベースであり得る）。いくつかの場合では、他の車両と共有および交換される挙動モデルは、車両により実際に使用されている機械学習モデルとは異なり得る。例えば、上記のように、挙動モデルは、全体的なモデルのより小さく、より単純な「かたまり」であり得、特定の環境、シナリオ、道路セグメントなどに対応し得る。例として、シナリオ特有の挙動モデルは、特定のシナリオのコンテキストにおける対応する車両の様々な動作（例えば、交差点での操作、環状交差点での操作、車線変更もしくは幅寄せの事象の処理、高速道路での運転、荒天での運転、様々な度合いの高度変化の中の運転、車線変更など）の確率を示すニューラルネットワークモデルであり得る。したがって、単一の車両に対して複数の挙動モデルが提供され、これらのモデルを使用する特定の車両のメモリに格納され得る。さらに、他の例示的な実装形態の中でも、これらの複数のモデルを個々に使用することにより、特定の車両のすべての潜在的な挙動をモデル化するユニバーサルな挙動モデルの使用と比較して、特定の車両による、より高速かつより効率的（及び正確）な予測が可能となり得る。
いくつかの例では、挙動モデルの交換および収集は、より低レベルの自律走行車両を含め、人間が運転する車両を網羅するように拡張され得る。いくつかの例では、個々のドライバ、ドライバのグループ（特定の地域または位置のドライバ、特定の人口統計のドライバなど）、混合モデル（車両が自律モードまたは人間のドライバモードで動作しているかに応じる）、および他の例のための挙動モデルが生成され得る。例えば、車両は、人間のドライバの動作を観察し、このドライバまたはドライバのグループのための挙動モデルを構築する（例えば、クラウドベースのアグリゲータアプリケーションとモニタリングデータを共有することによって）ためのモニタ（ＯＥＭコンポーネントまたは市販のコンポーネントとして）を含み得る。他の例では、個々の人間のドライバまたはドライバのグループの観察された運転を説明する路側センサおよび／またはクラウドソースされたセンサのデータが利用され得、この情報に基づいて挙動モデルが構築され得る。人間のドライバのための挙動モデルは、関連付けられた車両に格納され、上の例で記載されるような挙動モデルの他の交換に従って、他の車両と共有され得る。人間が運転する車が接続されていないかモデル交換をサポートしない場合などの他の例では、人間のドライバのための挙動モデルを共有して広めるために、他の例の中でも、路側ユニット、他の車両によるピアツーピア（例えば、Ｖ２Ｖ）分配などの他のシステムが利用され得る。
より多くの道路上の主体が自動運転になり、都市インフラストラクチャが現代化されると、これらの主体が依存する、様々な自律運転スタックと機械学習ベースの挙動モデルとの間で衝突が生じ得る。事実、異なる車および自律的システムプロバイダが個々の解決策と競合するため、これらの多くの車両および他の主体によって利用される様々なモデル間での調整およびコンセンサス構築を促進することが望ましい場合がある。様々な技術間の安全性および適合性の促進を補助すべく、政府による立法及び規制、ならびに業界標準化が発展し得る。しかしながら、複数のキープレーヤーがそれら自身の解決策を取っていると、道路上での全体的な安全性の改善の問題は答えがないままとなる。政治家および公衆がこれら車両によりなされた判断を確認する明確な方法が存在しないため、安全性の標準は依然としてその発展期にある。さらに、自律走行車両はそれらのモデルおよび対応する判断を改善するために、古くなったモデルおよび解決策（例えば、自律運転の初期の間に車両に含まれる）は、道路上での危険を増長し得る。これにより、古いまたは誤動作する自律走行車両の道路上の主体は、矛盾するモデルを利用し得、より新しい進化したモデルを通じて提供される改善された機能の利益を享受しない場合があるため、挙動コンセンサスの問題が生み出される。
自律走行車両産業が若くて発展中であり、５Ｇネットワークおよびインフラストラクチャが初期段階であることから、Ｖ２Ｘ通信および解決策は同様に限定されている。例えば、今日与えられる現在のＶ２Ｘの解決策は、主に、ローカライゼーションおよびマッピングドメインにある。自律走行車両およびサポートしているインフラストラクチャがより主流になるにつれて、接続された車両およびそれらの環境との間の連携および相互通信を利用する新たな解決策を拡張して発展させる機会が出現する。例えば、いくつかの実装形態では、車両の機械学習モデルが絶えず進化して、最も安全かつ最も効率的で、乗客にやさしい革新および「知識」を採用するように、例えば、「最良」のモデルを車両に広めるために共有および利用され得るコンセンサス挙動モデルの構築を可能にするコンセンサスおよびサポートするプロトコルが実装され得る。例えば、そのようなコンセンサスシステムを補助するために、高速無線ネットワーク技術（例えば、５Ｇネットワーク）および改善された道路インフラストラクチャが利用され得る。
一例では、フォールトトレラントなコンセンサスを実装するために、自律運転システムにおける主体間でビザンチンコンセンサスアルゴリズムが規定および実装され得る。そのようなコンセンサスは、大部分の提供者（例えば、共通の挙動モデルの提供者）が正確な情報をコンセンサスシステムに提供することに依存し得る。所与の時間における所与の交差点での道路上の主体の合計量は潜在的に低い場合があり、そのため、悪いコンセンサスの確率が増加する（例えば、少ない主体間でのモデル共有を通じて）ので、自律走行車両のコンテキストでは提供の精度が問題となり得る。いくつかの実装形態では、道路のセグメントおよび道路のインターチェンジ（例えば、交差点、環状交差点など）と一致するように、他の例示的な位置の中でも、例えば、路側ユニット（例えば、１４０）内に、街灯、近くの建物、信号機などに搭載されて、コンピュートノードが提供され得る。いくつかの場合では、コンピュートノードは、道路セグメントに対応する交通状況を観察することが可能であり得る補助センサデバイスと一体化されるかまたはそれと接続され得る。そのような路側コンピューティングデバイス（本明細書では便宜上、「路側ユニット」または「ＲＳＵ」と総称する）は、対応する道路セグメント位置における、モデル提供の収集、車両間のモデルの分配、入ってくる接続された自律走行車両にわたるモデルの確認、およびこれらのモデルからコンセンサスを決定する（有効化された場合、ＲＳＵのセンサの観察結果に基づいて）ことのための中心点として動作するように指定および構成され得る。
いくつかの実装形態では、道路の特定の区画のためのコンセンサスノードを実装する路側ユニットは、モデルベースの挙動情報を各車両の感覚および知覚スタックから受け取り、その道路セグメントにとって理想的な挙動モデルがどのようなものであるかを経時的に改良し得る。それを行う際に、この中心点は、そのときに道路上にあるピア、ならびに過去に道路のその同じ区画で以前にネゴシエーションしたピアと比較して、モデルの精度を確認し得る。このように、コンセンサスノードは、履歴に基づく様式でモデルを検討し得る。この中心ノードは、次に、正確なコンセンサスの提供者の異なる量および分配にかかわらず、異なる主体間での道路上の安全性を標準化するためのビザンチンコンセンサス通信におけるリーダーとして機能し得る。
次に図１０を参照すると、例示的な道路交差点１００５を示す簡略ブロック図１０００が示される。道路セグメント１００５のコンセンサスノードとして機能する１つまたは複数の路側ユニット（例えば、１４０）が提供され得る。この例では、コンセンサスノードデバイス（例えば、１４０）は、１つまたは複数のセンサ、例えばカメラ１０１０を含み得る。いくつかの実装形態では、他の例示的な実装形態の中でも、コンセンサスノードは、対応する道路セグメント１００５のためのコンセンサスサービスを実行するときに単一のデバイスとして通信および相互動作する２つ以上の別個の併置されたコンピューティングデバイスとして実装され得る。コンセンサスノードを実装する路側ユニット（例えば、１４０）の信頼性は基礎的であり得、ＲＳＵ１４０は、政府機関などの信頼できる主体と提携していてもよい。いくつかの実装形態では、他の例示的な特徴の中でも、ＲＳＵ１４０は、立証の処理を実行して、他の近くの道路上の主体（例えば、車両１０５、１１０、１１５など）に関連付けられる他のコンピューティングシステムにそのアイデンティティおよび信頼性を立証するハードウェア、ファームウェア、および／またはソフトウェアで構成され得る。例示的なＲＳＵは、他の道路上の主体のシステムと無線通信する、車両間の挙動モデル交換を観察および捕捉する（図８および９の例において上記のように）、他の道路上の主体から挙動モデルを直接受信する、（例えば、ビザンチンコンセンサススキームまたはアルゴリズムに基づいて）コンセンサスモデルを決定する（それが受信したモデル入力から）、および、対応する道路セグメント（例えば、１００５）の道路上の主体のナビゲーションを最適化するためのそれらの内部モデルの更新（または交換）における使用のためにコンセンサスモデルを道路上の主体（例えば、１０５、１１０、１１５）に分配するためのハードウェアおよび／またはソフトウェアベースのロジックを有する演算およびメモリリソースを含み得る。
コンセンサスノードを実装するＲＳＵは、補助センサデバイスを伴わずにそれを行い得ることが理解されるべきである。しかしながら、いくつかの実装形態では、ＲＳＥセンサシステム（例えば、１０１０）は、コンセンサス挙動モデルの構築においてＲＳＥにより利用され得る有用な入力を提供し得る。例えば、ＲＳＵは、ローカライズされたモデル（例えば、道路セグメント（例えば、１００５）のための）を作成すべく、１つまたは複数のセンサ（例えば、１０１０）を利用して、非自律的車両の道路上の主体（例えば、非自律的車両、電気スクーター、および他の小型電動輸送手段、自転車乗用者、歩行者、動物など）を観察し、これらの観察結果をコンセンサスモデルに含め得る。例えば、非自律的車両は挙動モデルと通信することができない場合があると仮定され得、ＲＳＵのセンサシステムは、そのセンサ（例えば、１０１０）の観察結果に基づいて、非自律的車両、人間のドライバ、および他の道路上の主体のための挙動モデルを構築し得る。例えば、例示的なＲＳＵ（例えば、１４０）のセンサシステムおよびロジックは、特定の非自律的車両の認識、またはさらには特定の人間のドライバの認識を可能にし得、道路環境内の存在（およびこれらの主体の存在の頻度）に基づいて対応する挙動モデルが開発され得る。コンセンサスモデルを適用する自律走行車両（例えば、１０５）によりそのような非自律的な主体が検出されたときに、どのように最良に経路計画および判断を行うかの知識を組み込むために、この道路セグメント１００５に対してコンセンサスモデルが構築され得る。さらに他の例では、非自律的車両は、それでもなお、車両またはそのドライバの動作を記録し、これらの記録された動作に対応する環境条件を記録し（例えば、これらの条件に対する運転の反応の検出を可能にするために）、それらのそれぞれの場所または道路セグメントに対してこれらのＲＳＵの各々によって生成されたコンセンサスモデル内で使用され一体化され得るデータの提供を補助するためにこの情報を路側ユニットに通信し得るセンサ（例えば、ＯＥＭまたは市販）を装備し得る。ＯＥＭおよび市販のシステムはまた、非自律的車両においていくつかの自律運転特徴を有効化するため、および／またはドライバ補助を提供するために提供され得、そのようなシステムは、他の例示的な実装形態の中でも、ＲＳＵと通信し、そのようなドライバ補助システムを通じて提供されるサービスおよび情報を増加させる使用のためのコンセンサスモデルを取得する機能を装備し得る。
コンセンサス提供者は、自律走行車両または非自律的車両の道路上の主体のいずれかであり得る。例えば、車両（例えば、１０５、１１０、１１５）が互いの、および道路セグメント（例えば、１００５）を管理する路側ユニット１４０の範囲内にある場合、車両は相互通信して、それらのそれぞれの挙動モデルを各々共有し、コンセンサスネゴシエーションに参加し得る。ＲＳＵ１４０は、ネゴシエーション内に干渉して、経時的にＲＳＵ１４０により開発されたコンセンサスモデルに基づいて、古い、悪意をもって不正確な、または不完全なモデルを識別し得る。コンセンサスモデルは、ネゴシエーションにおける少数の主体が、コンセンサスモデルにおいて具現化された蓄積された知識の質を劇的に低下させ、それらを無効化することを防ぐ、作業記述書と類似している。次に図１１を参照すると、道路セグメントのための各コンセンサスネゴシエーションにおける対応するＲＳＵ（例えば、１４０）の関与を鑑みて、所与の道路セグメントに対してローカライズされた挙動モデルコンセンサスが時間（ｔ）にわたって収集および決定され得ることを示すダイアグラム１１０５、１１１０が示される。様々な自律運転システムを有する異なる車種および製造者の自律走行車両が、現在および過去の両方において互いから利益を受けることができるため、この履歴的コンセンサスアプローチは、改善された道路上の安全性を許容する。そのようなコンセンサスベースのシステムは、挙動モデルの共有を通じて、全体論的および経時的に試験されたアプローチを道路上の安全性に適用する。各道路上の主体（例えば、１０５、１１０、１１５）は、自律走行車両であろうと非自律的車両であろうと、環境を観察して、それらが独立してどのように動作すべきかの判断を行うことが予期される。すべてのコンセンサス提供者（例えば、１０５、１１０、１１５、１４０など）も、それらのそれぞれの感覚システムを通じて、他の道路上の主体の動作を予測しようと試みる。ダイアグラム１１０５、１１１０の例示から分かるように、自律走行車両（例えば、１０５、１１０、１１５）は、次に、それらの挙動モデルをＲＳＵ（例えば、１４０）と、および互いに共有する。
コンセンサス構築スキーム（例えば、ビザンチンコンセンサスモデルに基づく）におけるモデルの連携した共有を通じて、自律走行車両は次に、コンセンサス挙動モデルを通じて環境のそれらの自身の知覚を利用し、他の道路上の主体の正確な動作を決定し得、これにより、それらならびにそれらのピアが、互いに対するそれらの初期の予測が正確であったかどうかを確認することを可能となる。この情報および確認は、このコンセンサスネゴシエーションにまた関与しているＲＳＵにも視認可能であり得る。衝突をもたらすであろうよりリスクの高い挙動モデルの知識を用いて、投票が開始され得、ここで、衝突、または他の道路上の主体を含む環境の誤解をもたらさない挙動モデルの分配が提供される。比較を単純化し、プロセスの間のローカル挙動モデル予測の再実行を回避するために、選択されたモデルに基づくハッシュまたはシードが使用され得る。いくつかの実装形態では、コンセンサスノードとして、コンセンサスへのＲＳＵ提供は、それが関与した以前の成功したコンセンサスネゴシエーションに基づいて重みづけされ得、これは、他の道路上の主体によって考慮されるべきである。コンセンサスの確認は、次に、道路上の主体の動作に基づいてチェックされ得る。
自律走行車両は、記録された運転習慣に適合しない不規則挙動を呈し得る、人間が運転する車両（ＨＶ）と道路を共有し続けることが予想される。人間のドライバは、攻撃的な挙動（例えば、あおり運転または渋滞の中を縫うように進む）または弱気な挙動（例えば、示された速度制限よりも著しく遅いスピードで運転することも事故を引き起こし得る）を呈し得る。不規則な人間の運転パターンはまた、いくつかの例では、特定の地域における運転の習慣から生じ得る。例えば、ペンシルベニア州東部で観察される「ピッツバーグ左」と称される場合がある操縦方法は、最初の左折車両が、交差点を直進する車両よりも優先させる（例えば、両方向の停止信号が青に変わった後に）ことにより、交差点での車両の優先権の標準規則に違反する。別の例として、ある国の特定の地域におけるドライバはまた、その国の他の地域のドライバよりも攻撃的に、またはより攻撃的でないように運転する場合がある。
例示的な自律走行車両の車載コンピューティングシステムを通じて実装される自律運転スタックは、ＨＶにより呈される不規則挙動を学習および検出し、それらに対して安全に応答するように改良され得る。いくつかの態様では、例えば、自律走行車両システムは、不規則挙動（例えば、以下の表に示されるもの）の頻度を観察および追跡して、個別のＨＶが近い将来に不規則挙動を呈する可能性が高いこと、または、国の所与の地域において特定のタイプの不規則挙動が生じる可能性がより高いことを予測することを学習し得る。
いくつかの実施形態では、不規則な運転パターンは、自律走行車両によって予期される正常挙動から外れた一連の運転動作としてモデル化され得る。図１２および１３は、不規則な運転パターンの２つの例、および自律走行車両がそのような挙動を観察したことに応答してその挙動に適合することをどのように学習し得るかを示す。
図１２は、上記の例示的な「ピッツバーグ左」シナリオを示す。示される例では、信号機１２０８が青に変わったときに、ＨＶ１２０２および自律走行車両１２０４はいずれも交差点１２０６で停止している。典型的なシナリオでは、自律走行車両がＨＶの前に交差点を通過する優先権を有する。しかしながら、示されるピッツバーグ左シナリオでは、ＨＶは、交差点を直進する自律走行車両に道を譲る代わりに、最初に左折する。地理的領域においてこの挙動を複数回観察することを通じて、自律走行車両は、このような挙動（最初の左折車両に優先権があると仮定する）を予期することを学習し得、そのため、その地理的領域内にある時には交差点により慎重に進入する。
図１３は、ＨＶによる例示的な「あおり運転」のシナリオを示す。示される例では、ＨＶ１３０２のドライバは、自律走行車両に対して怒っている場合があり、したがって、自律走行車両１３０４の前に割り込み得、突然減速し得る。これに応じて、自律走行車両は、減速して、ＨＶを避けるために車線を変更し得る。ＨＶは、次に、さらに加速して、再び自律走行車両の前に割り込み得、次に、再び突然減速し得る。自律走行車両はＨＶからのこの操縦を複数回見ているため、自律走行車両は、ＨＶが、自律走行車両の前に繰り返し割り込む怒ったドライバであることを検出し得る。自律走行車両は、それに応じて、例えば、次に特定のＨＶに遭遇したときにその人間のドライバに制御を手渡すなどの修正措置を取り得る。
図１４は、少なくとも１つの実施形態による、自律走行車両の不規則／異常挙動追跡モデル１４００を示す簡略ブロック図である。示される例では、自律走行車両ソフトウェアスタックの感知フェーズ１４１０は、自律走行車両のセンサ１４０２からセンサデータを受信し、センサデータを使用して、観察された特定のＨＶによる異常挙動を検出／識別する（例えば、示されるように異常挙動検出ソフトウェアモジュール１４０４において）。異常挙動の検出に応答して、またはその検出と並行して、ＨＶの匿名アイデンティティが作成される（例えば、示されるように匿名アイデンティティ作成ソフトウェアモジュール１４０６において）。ＨＶの観察された挙動および関連付けられるアイデンティティは、次に、そのＨＶ、および自律走行車両の周りの他のＨＶによる観察された挙動の頻度を追跡するために使用される（例えば、示されるように危険挙動追跡ソフトウェアモジュール１４０８において）。いくつかの場合では、追跡された挙動は、ＨＶにおける異常挙動のパターンを見たことに応答して自律走行車両のための動的挙動ポリシーをトリガするために、自律走行車両ソフトウェアスタックの計画フェーズ１４２０によって使用され得る。モデル１４００の態様は、以下にさらに記載される。
いくつかの実施形態では、自律走行車両は、例えば、自律走行車両の安全性モデルを妨害する（例えば、責任感知型安全論の規則セットに従った安全な横方向の距離を維持しないドライバ）、その運転挙動が近くの他のドライバの運転挙動と著しく異なっているドライバ（例えば、他のドライバよりも著しく遅いまたは速く運転するドライバ、または渋滞の中を縫うように進むドライバであり、そのスピードが周囲の交通と著しく異なるドライバは、事故の可能性を高め得ることが研究により示されている）、その動作により、他のドライバが不利に反応させられるようなドライバ（例えば、複数のドライバにより避けられているドライバ、または複数のドライバによりクラクションを鳴らされているドライバ）などの一連の運転動作を追跡することによって、所与のＨＶによる異常または不規則挙動を検出し得る。
一連の運転動作を追跡することに加えて、いくつかの実施形態では、自律走行車両はまた、音声および視覚的コンテキスト情報を使用し得、近い将来に危険な挙動をもたらす可能性が高くなり得る、ドライバのタイプ（例えば、注意散漫なドライバ、対、他の車から安全な距離をとる安全なドライバ）、ドライバ属性（例えば、道路に注意を払っている、対、電話を見下ろしている）、または車両属性（例えば、ミラーが欠損している、フロントガラスが割れている、または車両を道路での使用に不向きにする他の特性）を分類し得る。例えば、自律走行車両上の外向きのカメラからの映像は、携帯電話を使用している人間のドライバ、または雪で覆われた窓による限られた視界などの、事故のリスクを高める車両属性またはドライバ属性を検出するようにコンピュータビジョンモデルを訓練するために使用され得る。特定の例では、コンピュータビジョンモデルは、攻撃的なクラクション、叫び声などの攻撃的な挙動、または鋭いブレーキオンなどの危険な状況を認識し得る音響モデルで拡張され得る。以下の表は、将来の危険な挙動の可能性が高いことを示し得る音声および視覚的コンテキスト情報の特定の例を列挙している。
いくつかの実施形態では、自律走行車両は、特定の車両（例えば、ＨＶ）による観察された不規則挙動の頻度を追跡して、それが所与の時間枠において同じ挙動を呈している単一のドライバであるかどうか（これは１人の危険なドライバであることを示し得る）、または所与の場所で同じ挙動を呈する複数のドライバがいるのかどうか（これはその場所の社会規範を示し得る）を決定し得る。
人間のドライバのプライバシーを保護するため、自律走行車両は、危険なＨＶに対して匿名アイデンティティを作成し得、ＨＶまたは他のＨＶによる追跡の再発を追跡するためにこのアイデンティティに危険な挙動をタグ付けし得る。匿名アイデンティティは、常に利用可能または信頼できるものではないナンバープレート認識に依存することなく作成され得る。いくつかの実施形態では、車を認識するために使用されるディープラーニングモデルから代表的な特徴を取り出することによって匿名シグネチャが作成され得る。例えば、自律走行車両のディープラーニングネットワークの特定の層は、その形状および色などの車に関する特徴を捕捉し得る。これらの特徴はまた、その車種、モデル、または凹み、ひっかき傷、割れたフロントガラス、サイドミラーの欠損のような異常な特徴など、その車について認識する追加の属性で拡張され得る。次に、組み合わされた特徴に暗号化ハッシュが適用され得、このハッシュは、自律走行車両の現在の行程の間のＨＶのための識別子として使用され得る。いくつかの場合では、このシグネチャは、車両に完全に固有でなくてもよい（例えば、自律走行車両の周りに同様の見た目の車両がある場合）。しかしながら、自律走行車両が行程の間に危険な車両を識別するのに十分であり得る。自律走行車両が危険な車両について当局に警告する必要がある場合などの特定の場合ではナンバープレート認識が使用され得る。
自律走行車両は、例えば、危険な事象間の期間が減少しているかどうか、または危険な動作のひどさが増大しているかどうかをモニタリングすることによって、危険な挙動がエスカレートしていることを決定し得る。この情報は、次に、自律走行車両がそれと再び遭遇した場合には危険な車両を避ける、または危険な挙動が道路上の他の自動車運転者に危険を及ぼしている場合には当局に警告するなどの動的ポリシーをトリガするために、ＡＤパイプラインの計画フェーズに供給され得る。自律走行車両はまた、所与の車両の危険な挙動を追跡するための抑制ポリシーを規定し得る。例えば、抑制ポリシーは、自律走行車両が、行程の期間中、設定された数の行程、設定された時間の間のみなどに、危険なドライバについての情報を保持することを必要とし得る。
いくつかの実施形態では、自律走行車両は、検出した異常挙動についてのデータを車両ごとにクラウドに送信し得る。このデータは、人間の運転による不規則挙動のパターンを学習し、所与のコンテキストにおいてそのような挙動が生じる可能性が高いかどうかを決定するために使用され得る。例えば、所与の都市のドライバは、車両間の横方向の間隔が特定の距離よりも大きい場合に交通に割り込む可能性が高いこと、特定の交差点のドライバは停止せずに徐行することが多いこと、または携帯電話を使用しているドライバは車線から外れる可能性が高いことが学習され得る。自律走行車両からクラウドに伝達されるデータには、例えば、
・危険な車両、それに隣接する車両、および自律走行車両の軌道、
・危険な車両のドライバおよび車両属性、例えば、携帯電話を使用しているドライバ、雪で覆われた窓による視界不良、
・地理的位置、天候状態、交通標識、および信号機のデータ、
・自律走行車両の安全性モデルを妨害した急停止などの既知の動作、またはシステムによりフラグされた未知の異常挙動のいずれかとしてタグ付けされ得る、危険な動作のタイプ、が含まれ得る。
いくつかの実施形態では、人間の運転による不規則挙動のコンテキストベースのパターンを学習することは、最長共通部分列（ＬＣＳ）などの技術を使用して危険な挙動に関連付けられる運転動作の時系列をクラスタリングすることを含み得る。クラスタリングにより、車両軌道データの次元性が低減され得、各危険な挙動について運転動作の代表的な順序が特定され得る。以下の表は、クラスタリングされ得る特定の時系列の例を提供する。
さら、いくつかの実施形態では、所与のコンテキストで生じる可能性が高い運転パターンが学習され得る。例えば、追跡された順序に基づいて、雪が降ったときに所与の都市において特定の不規則な運転パターンがより一般的であるかどうか、または怒ったドライバにより特定の運転動作が生じる可能性が高いかどうかが学習され得る。この情報は、所与のコンテキストでの運転パターンの条件付き確率分布をモデル化するために使用され得る。これらのコンテキストベースのモデルにより、自律走行車両が、所与のシナリオにおいて危険な車両が取り得る動作の可能性が高い順序を予期することが可能となる。例えば、所与のコンテキストにおいてある運転パターンが発生する頻度を追跡するコンテキストグラフが図１５に示される。示されるように、コンテキストグラフは、特定された順序（図１５の「運転パターン」ノード）を、コンテキスト情報（図１５の「コンテキスト」ノード）および順序およびコンテキストの観察結果の関連付けられた頻度（図１５のエッジの重み）と共に追跡して、特定のコンテキストにおいて他のコンテキストよりも頻繁に生じる特定の挙動パターン（例えば、特定の地理的コンテキスト、時間コンテキストなどで圧倒的に生じるパターン）があるかどうかを特定し得る。特定されたパターンはまた、危険な挙動を避けるために自律走行車両が取るべき動作を特定する強化学習モデルを訓練するために使用され得る。例えば、学習されたコンテキスト挙動パターンは、例えば、自律走行車両がコンテキスト挙動パターンに関連付けられた特定のコンテキストに進入するまたはそれを観察したときなどに、自律走行車両の挙動モデルを動的に修正するために使用され得る。
図１６は、少なくとも１つの実施形態による、車両により観察された不規則挙動を追跡する例示的なプロセス１６００のフロー図である。例示的なプロセス１６００における動作は、自律走行車両またはクラウドベースの学習モジュールの１つまたは複数のコンポーネントによって実行され得る。例示的なプロセス１６００は、追加のまたは異なる動作を含んでもよく、動作は、示されている順序で、または別の順序で実行されてもよい。いくつかの場合では、図１６に示される動作のうちの１つまたは複数は、複数の動作、サブプロセス、または他のタイプのルーチンを含むプロセスとして実装される。いくつかの場合では、動作は、組み合わされてもよく、別の順序で実行されてもよく、並行して実行されてもよく、繰り返されてもよく、または別様に繰り返されるもしくは別の様式で実行されてもよい。
１６０２において、カメラ、ＬＩＤＡＲ、または車両および周囲を識別するために自律走行車両により使用される他のセンサを含む、自律走行車両に結合した複数のセンサからセンサデータが受信される。
１６０４において、１つまたは複数の車両によって実行されるものとして不規則または異常挙動が検出される。いくつかの場合では、検出は、特定の車両により実行される観察された挙動を自律走行車両の安全性モデルと比較し、比較に基づいて、観察された挙動が自律走行車両の安全性モデルを妨害することを決定することによってなされ得る。いくつかの場合では、検出は、特定の車両により実行される観察された挙動を、他の車両により実行される観察された挙動と比較し、比較に基づいて、特定の車両により実行される観察された挙動が、他の車両により実行される観察された挙動から外れることを決定することによってなされ得る。いくつかの場合では、検出は、特定の車両により実行される観察された挙動を、他の車両により実行される観察された挙動と比較し、比較に基づいて、特定の車両により実行される観察された挙動が、他の車両により実行される観察された挙動から外れることを決定することによってなされ得る。検出は、別の様式でなされてもよい。検出は、センサデータ内の音声および視覚的コンテキスト情報に基づき得る。
１６０６において、不規則挙動が観察された各車両に対して識別子が生成される。識別子は、特定の車両のそれぞれの特徴の値を取得し、値の組み合わせに暗号を適用して識別子を取得することによって生成され得る。値は、他の車両を認識するために自律走行車両によって使用されるディープラーニングモデルから代表的な特徴を取り出すことによって取得され得る。識別子は、別の様式で生成されてもよい。
１６０８において、１６０４で検出された不規則挙動は、それぞれの不規則挙動を実行した車両に対して１６０６で生成された識別子に関連付けられる。
１６１０において、識別された車両について、不規則挙動の発生頻度が追跡される。
１６１２において、観察された不規則挙動が、特定の車両によって閾値数より多い回数だけ実行されていると観察されるかどうかが決定される。そうである場合、１６１４において、動的挙動ポリシーが開始される（例えば、車両をさらに避けるために）。そうでない場合、自律走行車両は、デフォルトの挙動ポリシーの下で動作し続ける。
図１７は、少なくとも１つの実施形態による、コンテキスト挙動パターンを特定する例示的なプロセス１７００のフロー図である。例示的なプロセス１７００における動作は、自律走行車両またはクラウドベースの学習モジュールの学習モジュールによって実行され得る。例示的なプロセス１７００は、追加のまたは異なる動作を含んでもよく、動作は、示されている順序で、または別の順序で実行されてもよい。いくつかの場合では、図１７に示される動作のうちの１つまたは複数は、複数の動作、サブプロセス、または他のタイプのルーチンを含むプロセスとして実装される。いくつかの場合では、動作は、組み合わされてもよく、別の順序で実行されてもよく、並行して実行されてもよく、繰り返されてもよく、または別様に繰り返されるもしくは別の様式で実行されてもよい。
１７０２において、複数の自律走行車両から不規則挙動の追跡データが受信される。不規則挙動の追跡データは、車両識別子、車両識別子に関連付けられた車両により実行されたものと観察される関連付けられた不規則挙動、および自律走行車両により不規則挙動が検出されたコンテキストを示すコンテキストデータを含むエントリを含み得る。いくつかの場合では、コンテキストデータは、不規則挙動を実行する車両の軌道情報、不規則挙動を実行する車両の車両属性、不規則挙動を実行する車両のドライバ属性、不規則挙動を実行する車両の地理的位置、不規則挙動を実行する車両の周りの天候状態、および不規則挙動を実行する車両の周りの交通状況を示す交通情報のうちの１つまたは複数を含み得る。
１７０４において、不規則挙動の１つまたは複数の順序が特定される。これは、例えば、最長共通部分列（ＬＣＳ）技術を使用することによって挙動をクラスタリングすることによってなされ得る。
１７０６において、１７０４で特定した順序および１７０２で受信したデータに基づいてコンテキストグラフが生成される。コンテキストグラフは、特定された順序を示すノードの第１のセットと、コンテキストデータを示すノードの第２のセットとを含み得、コンテキストグラフの端部は、ノード間の関連付けの頻度を示す。
１７０８において、コンテキストグラフを使用してコンテキスト挙動パターンが特定され、１７１０において、特定されたコンテキスト挙動パターンに基づいて１つまたは複数の自律走行車両のための挙動ポリシーが修正される。例えば、挙動ポリシーは、１つまたは複数の自律走行車両が、特定されたコンテキスト挙動パターンに関連付けられた特定のコンテキスト内にあることの検出に基づいて、１つまたは複数の自律走行車両について修正され得る。
本明細書で説明されるように、高度に自動化された自律走行車両に使用される例示的な自律運転スタックを実装するために、車載コンピューティングシステムにおいて現代のコンピュータビジョン（ＣＶ）および人工知能（ＡＩ）の原理および特徴が利用され得る。しかしながら、ＣＶおよびＡＩモデルおよびロジックは、誤分類および操作が生じやすい場合があり得る。典型的な侵入検出システム（ＩＤＳ）は低速かつ複雑であり、著しい量のノイズおよび誤検知を生成し得る。ディープニューラルネットワーク（ＤＮＮ）アルゴリズムにおける単一ビットのフリップにより、完全な画像の誤分類が引き起こされ得る。したがって、高度に自動化された自律走行車両に対する故障および攻撃をより正確に特定するために、改善された自律運転システムが実装され得る。
以下の開示は、図１８に示される高度に自動化された自律走行車両の故障および侵入検出システム１８００を実装するための、様々な考えられる実施形態または実施例を提供する。１つまたは複数の実施形態では、いずれもより高レベルの抽象化である、車両運動予測事象および制御コマンドがモニタリングされる。車両運動パラメータおよび道路パラメータの現在の状態に基づいて、車両はある特定の運動エンベロープ内に残ったままとなる。運動エンベロープの固守を維持するために時間的な正常挙動モデル１８４１が構築される。少なくとも１つの実施形態では、時間的な正常挙動モデルを構築するために、少なくとも２つのアルゴリズムが使用される。アルゴリズムは、正常な車両挙動および回帰モデル１８４４を学習して、車両挙動モデルからの逸脱を見つけるための車両挙動モデル１８４２（例えば、隠れマルコフモデル（ＨＭＭ）に基づく）を含む。特に、回帰モデルは、車両挙動モデルが故障を正確に検出するかどうかを決定するために使用され、こで、故障は、車両システムエラーまたは車両システムに対する悪意ある攻撃であり得る。
高度に自動化された自律走行車両のための故障および侵入検出システムのいくつかの実施形態を示す目的で、まず、高度に自動化された自律走行車両に関連する考えられる活動を理解することが重要である。したがって、以下の基礎的な情報は、本開示がそこから適切に説明され得る基礎として参照され得る。
自律走行車両に使用される現代のコンピュータビジョン（ＣＶ）および人工知能（ＡＩ）は、誤分類および操作が生じやすい。例えば、攻撃者は、車両に標識が実際に他のものを意味すると信じ込ませることができるステッカーを生成し得る。図１９は、停止標識の「ＳＴＯＰ」の上に「ＬＯＶＥ」が印字され、停止標識の「ＳＴＯＰ」の下に「ＨＡＴＥ」が印字されている「ＬＯＶＥ／ＨＡＴＥ」グラフィックス１９００に見られるような、そのような操作を示す。グラフィティでマークされた標識は英語を話すドライバには停止標識であることが明らかであるが、このグラフィティにより、少なくとも一部のコンピュータビジョンアルゴリズムは、停止標識が実際に速度制限または譲歩通知であると信じ込まされ得る。加えて、画像を分類するディープニューラルネットワーク（ＤＮＮ）アルゴリズムにおける単一ビットのフリップエラーは、画像の誤分類を引き起こし得る。例えば、巨大なトラックの代わりに、単なる単一ビットのフリップにより、分類器には小動物または鳥に見えることが引き起こされ得る。
現在の（規則ベースの）侵入検出システム（ＩＤＳ）は、自動車ネットワークの非決定的性質に起因して、過度のノイズおよびに過度の誤検知を生成するため、全範囲の異常挙動を網羅するには不適切なものとなる。エラー修正コード（ＥＣＣ）アルゴリズムには限界があり、一般に、人工知能には有用ではない。敵対的生成ネットワーク（ＧＡＮ）は価値があるが、訓練セットにおける敵対的データの選択に大きく依存する。現在の機械学習ベースの侵入検出システムは、高度な複雑さ、ならびにモニタリングされる内部ネットワークおよび外部接続の多さに起因して、自動車システムにおける使用には適切ではない。
図１８に示されるような故障および侵入検出システム１８００は、前述の問題の多く（およびさらに多く）を解決する。システム１８００は、２つのアルゴリズム、ｋすなわち、車両の正常挙動を学習するための車両挙動モデル１８４２と、時間間隔ｔにおける車両のある挙動の可能性を予測するための回帰モデル１８４４とを有する、時間的な正常挙動モデル１８４１を含む。車両挙動モデルは、正常な車両挙動のための確率的モデルであり得る。車両挙動モデルは、ベースラインの低ランク静的モデルを学習し、次に、静的モデルからの時間的モデルの逸脱をモデル化する。この事象セットは一般に、経時的に静的であるため、故障および侵入検出システムを通過して保持された、以前のおよび新たな、精査されたトレーニングサンプルを与えられて、車両挙動モデルは定期的なパラメータの再重みづけを通じて更新され得る。回帰アルゴリズムは、車両挙動モデルから計算された、新たに受信した制御事象に基づく動きの変化の可能性を、回帰アルゴリズムによって予測されたモデル（例えば、運動エンベロープ）と比較する。
故障および侵入検出システム１８００は、いくつかの潜在的な利点を提供する。例えば、システム１８００は、典型的な侵入検出システムによりモニタリングされるものより高レベルの抽象化である、車両運動予測事象および制御コマンドをモニタリングする。本明細書の実施形態は、典型的な侵入検出システムによって捕まえられない場合がある低レベルの変化ではなく、悪意ある攻撃および意図が検出され得るより高レベルでの検出を可能にする。したがって、システム１８００は、洗練された複雑な攻撃およびシステム不良の検出を可能にする。
次に図１８を参照すると、故障および侵入検出システム１８００は、クラウド処理システム１８１０、車両１８５０、他のエッジデバイス１８３０、ならびに、車両１８５０とクラウド処理システム１８１０との間、および車両１８５０と他のエッジデバイス１８３０との間の通信を促進する１つまたは複数のネットワーク（例えば、ネットワーク１８０５）を含む。クラウド処理システム１８１０は、クラウド車両データシステム１８２０を含む。車両１８５０は、ＣＣＵ１８４０、および多数のセンサ、例えば、センサ１８５５Ａ～１８５５Ｅを含む。図１８の要素はまた、プロセッサ（例えば、１８１７、１８５７）およびメモリ（例えば、１８１９、１８５９）を含むがこれらに必ずしも限定されない、適切なハードウェアコンポーネントを含み、これらは、多数の異なる実施形態において実現され得る。
車両１８５０において、ＣＣＵ１８４０は、ほぼ連続的なデータ供給をセンサ１８５５Ａ～１８５５Ｅから受信し得る。センサは、ステアリング、スロットル、およびブレーキセンサを含む、本明細書に記載される任意のタイプのセンサを含み得る。多数の他のタイプのセンサ（例えば、画像捕捉デバイス、タイヤの空気圧センサ、道路状態センサなど）も、ＣＣＵ１８４０にデータを提供し得る。ＣＣＵ１８４０は、車両挙動モデル１８４２と、回帰モデル１８４４と、コンパレータ１８４６とを含む時間的な正常挙動モデル１８４１を含む。
車両挙動モデル１８４２は、ステアリングセンサデータ、スロットルセンサデータ、およびブレーキセンサデータなどのセンサの生データで訓練して、低レベルでの車両挙動を学習し得る。車両で生じる事象は、一般に経時的に静的であるため、車両挙動モデルは、故障および侵入検出システムを通過して保持された、以前のおよび新たな、精査されたトレーニングサンプルを与えられて、車両挙動モデルは定期的なパラメータの再重みづけを通じて更新され得る。
少なくとも１つの例では、車両挙動モデル１８４２は確率的モデルである。確率的モデルは、変数間の関係を規定するために使用される統計学的モデルである。少なくともいくつかの実施形態では、これらの変数は、ステアリングセンサデータ、スロットルセンサデータ、およびブレーキセンサデータを含む。確率的モデルでは、ある変数を他の変数から予測する際にエラーがあり得る。他の要因がデータにおける変動を説明することができ、確率的モデルは、これらの他の要因を説明するための１つまたは複数の確率分布を含む。少なくとも１つの実施形態では、確率的モデルは、隠れマルコフモデル（ＨＭＭ）であり得る。ＨＭＭでは、モデル化されるシステムは、未観察の（例えば、隠れた）状態のマルコフ処理であると仮定される。
少なくとも１つの実施形態では、車両挙動モデルは、物理的な車両作動へのパイプライン内にある。作動事象（本明細書では「制御事象」とも称される）は、前のソフトウェア層による作動事象としてマーキングされ得る。車両挙動モデル１８４２によって、異なるタイプの入力データに対してベクトル構造が使用され得る（例えば、天候のベクトル、スピードのベクトル、方向のベクトルなど）。ベクトル構造における各パラメータに対して、車両挙動モデル１８４２は確率を割り当てる。車両挙動モデル１８４２は、車両のアクチュエータに向かうデータ上で連続的に実行され得る。したがって、各コマンド（例えば、車両の動きを変化させるための）は、車両挙動モデルを通過することができ、車両が何をしているかの挙動状態を維持することができる。
典型的には、制御事象は、ドライバコマンドによって（例えば、ステアリングホイールを回す、ブレーキを掛ける、スロットルを掛ける）、または、車両の次の動作を示す自律走行車両のセンサから開始される。制御事象はまた、センサおよびアクチュエータ自体からのフィードバックループから生じ得る。一般に、制御事象は、車両による動きの変化を示す。車両挙動モデル１８４２は、動きの変化が潜在的に異常であるか、または予期された挙動であるかを決定し得る。特に、車両挙動モデルの出力は、動きの変化の分類であり得る。一例では、分類は、動きの変化が故障（例えば、悪意ある攻撃または車両のコンピュータシステムにおける不良）である可能性を示し得る。
回帰モデル１８４４は、制御事象によって示される、所与の時間間隔ｔで生じる車両の動きの変化の可能性を予測する。回帰アルゴリズムは、２つ以上の変数間の関係を検討するための統計学的方法である。一般に、回帰アルゴリズムは、従属変数に対する１つまたは複数の独立変数の影響を検討する。
回帰モデル１８４４への入力は、より高レベルの事象、例えば、制御事象に関連付けられたモーションセンサ以外のモーションセンサからの入力を含み得る。例えば、制御事象がブレーキセンサに関連付けられている場合、回帰モデルへの入力はまた、スロットルセンサおよびステアリングセンサからの入力も含み得る。入力は、例えば、車両の慣性を示すジャイロスコープなどの他の関連する車両センサから受信され得る。回帰モデル１８４４はまた、車両に関連付けられた撮像デバイス（例えば、カメラ）により撮像された画像を分類し得る画像分類器などの車両内の他のモデルからの入力を受信し得る。加えて、回帰モデル１９４４は、他のエッジデバイス、例えば、セルサイト、料金所、インフラストラクチャデバイス、衛星、他の車両、ラジオ局（例えば、天気予報、交通状況などのための）などを含むが必ずしもこれらに限定されないリモートソースからの入力を含み得る。他のエッジデバイスからの入力は、追加の情報（例えば、環境条件、天気予報、道路状態、時間、車両の位置、交通状況など）を提供する環境データを含み得、これらは、追加の情報がどのように制御事象に影響を与えるかを決定するために回帰モデルによって検討され得る。
少なくとも１つの実施形態では、回帰モデル１８４４はバックグラウンドで実行され、センサ、他のモデル、リモートソース、例えば他のエッジデバイスなどからの入力の検討に基づいて、車両が行ってきたことのメモリを作成し、正常な（故障のない）状態で車両が何をすべきかを予測する。車両挙動モデルに限定を適用するために、運動エンベロープが作成され得る。運動エンベロープは、何の問題も生じないことを仮定して、所与の時間間隔ｔの間の車両の経路および車両の目的地の入力に基づく計算された予測である。回帰モデル１８４４は、制御事象が、運動エンベロープの外側にある車両の動きの変化を示すかどうかを決定し得る。例えば、制御事象が急ブレーキ事象である場合、車両挙動モデルは、ブレーキ事象が、ブレーキの正常な閾値の範囲外にあり、車両システムにおける故障の確率が高いことを示していることを決定し得る。しかしながら、回帰モデルは、交通渋滞（例えば、事故による）を示す路側インフラストラクチャデバイスからの入力を検討し得る。したがって、回帰モデルは、急ブレーキ事象が、時間間隔ｔの間の特定の交通状況に少なくとも部分的に基づいて計算された、予測された運動エンベロープ内で生じる可能性が高いことを決定し得る。
故障および侵入検出システム１８００は、使用される回帰アルゴリズムのタイプに対して反発的である。例えば、隠れ変数に依存するＨＭＭなどの統計学的モデルにおけるパラメータの最大公算を見つけるための反復方法である期待値最大化（ＥＭ）アルゴリズムが使用され得る。少なくとも１つの実施形態では、回帰アルゴリズム（例えば、線形またはラッソ）は、所望の運動エンベロープサイズに応じて逸脱を許容する度合いを大きくするまたは小さくするように選択され得る。例えば、１つの運動エンベロープは、一般人により使用される車両について制約され（または小さい）得る一方、別の運動エンベロープは、軍の使用のための車両についてはより緩和され得る。
車両挙動モデル１８４２に限定を適用するために、コンパレータ１８４６が使用され得る。コンパレータは、車両挙動モデル１８４２の出力された分類と、回帰モデル１８４４の出力された予測とを比較し得、制御事象により示される動きの変化が、故障であるか、または予測された運動エンベロープ内で生じ得る動きの許容可能な変化であるかを決定し得る。出力された車両挙動モデルの分類は、制御事象により示される動きの変化が故障（例えば、悪意ある攻撃または車両のコンピュータシステムにおける不良）である可能性を示し得る。回帰モデル１８４４の出力された予測は、センサ、エッジデバイス、車両内の他のモデルなどからの入力データに基づく、動きの変化が所与の時間間隔ｔで生じ得る可能性であり得る。コンパレータは、回帰モデルを使用して、車両挙動モデルによる制御事象の出力された分類に限定を適用し得る。
コンパレータ機能の一例では、車両挙動モデルはブレーキ事象が潜在的に異常であることを示すが、回帰モデルは、入力として受信した特定環境条件（例えば、センサからの高速のスピード、道路地図から先にある停止信号、天気予報からの雨）について、予期されるブレーキ事象が、許容可能な閾値内（例えば、運動エンベロープ内）にあることを示す。ブレーキ事象が運動エンベロープに基づく許容可能な閾値内にあるため、コンパレータは、ブレーキ事象が潜在的に異常であるとの車両挙動モデルの評価は無効にされ得ることを決定し得、ブレーキ動作を継続することを可能にするために制御信号が送信され得る。別の説明のための例では、回帰モデル１８４４は、車両が街の道路で３５ｍｐｈで走行していることを認識し、地図にアクセスできるため、交差道路での停止標識を予期する。回帰モデルはまた、天気予報が非常に寒いことを認識している。対照的に、車両挙動モデル１８４２は、その画像分類器が、先にある停止標識がより速いスピードを意味すると誤って決定したため、または、ハッカーが制御データを操作し、アクセラレータに間違ったコマンドを送信したために、加速する制御事象（例えば、アクチュエータへのコマンドを受信する。このシナリオでは、車両挙動モデルから出力された分類は、制御事象が潜在的に異常であることを示さないが、コンパレータは、運動エンベロープを仮定すると、所与の時間間隔ｔの間に制御事象が起こる可能性が低いという、回帰モデルにより出力された予測に基づいてエラーまたは制御信号を生成し得、これは停止標識に近づくにつれて車両がブレーキを掛けるべきあることを示す。
時間的な正常挙動モデル１８４１の可能性比較特徴を実装するために、複数の好適なコンパレータのいずれか１つが使用され得る。少なくとも１つの実施形態では、コンパレータは、使用される特定の車両挙動モデルおよび回帰モデルに基づいて選択され得る。
コンパレータ１８４６は、車両挙動モデル１８４２にフィードバックを送信して、そのモデルを修正するようにトリガされ得る。車両挙動モデルへのフィードバックは再訓練を可能にする。一例では、システムは、フィードバックに基づいて犯された過ちのメモリを生成し、例えば、位置および時間に基づいて、同様のシナリオを識別するように再訓練される。他の変数もまた、再訓練に使用され得る。
クラウド車両データシステム１８２０は、複数の車両に対して回帰モデル（例えば、１８４４）を訓練および更新し得る。一例では、クラウド車両データシステム１８２０は、走者車両（例えば、１８５０）における回帰モデル（例えば、１８４４）からフィードバック１８２５を受信し得る。フィードバック１８２５は、複数の車両の回帰モデルを更新して挙動を最適化するために、集計および再計算のためにクラウド車両データシステム１８２０に送信され得る。少なくともいくつかの例では、１つまたは複数のエッジデバイス１８３０は、集計、およびことによると、何らかの訓練／更新動作を実行し得る。これらの例では、これらの集計、訓練、および／または更新動作を可能にするために、フィードバック１８３５が回帰モデル（例えば、１８４４）から受信され得る。
次に図２０を参照すると、少なくとも１つの実施形態による、車両のための簡略化された集中車両制御アーキテクチャ２０００のブロック図が示される。車両制御アーキテクチャにおいて、バス２０２０（例えば、コントローラエリアネットワーク（得）、ＦｌｅｘＲａｙバスなど）は、タイヤ２０１０Ａ、２０１０Ｂ、２０１０Ｃおよび２０１０Ｄ、ならびにそれらのそれぞれのアクチュエータ２０１２Ａ、２０１２Ｂ、２０１２Ｃおよび２０１２Ｄを、ステアリングＥＣＵ２０５６Ａ、スロットルＥＣＵ２０５６Ｂ、およびブレーキＥＣＵ２０５６Ｃを含む様々なエンジン制御ユニット（ＥＣＵ）に接続する。バスはまた、接続制御ユニット（ＣＣＵ）２０４０をＥＣＵに接続する。ＣＣＵ２０４０は、ステアリングセンサ２０５５Ａ、スロットルセンサ２０５５Ｂ、およびブレーキセンサ２０５５Ｃなどのセンサに通信可能に接続される。ＣＣＵ２０４０は、ステアリング、スロットル、およびブレーキセンサ、ならびに／またはアクチュエータのうちの１つまたは複数からのフィードバックに加えて、自律的ＥＣＵまたはドライバから命令を受信し得、適切なＥＣＵにコマンドを送信する。車両挙動モデルを生成するための車両挙動学習は、上記のように生成され得る生データを使用することが多い。例えば、ホイールには特定のタイプの角度が現在なされ、ブレーキ圧力は特定委のパーセンテージであり、加速度など。
図２１は、自律的感知および制御パイプライン２１００の簡略ブロック図である。車両の制御は、作動を担うエンジン制御ユニット（ＥＣＵ）に渡される。図２１は、センサから、センサ融合および計画ＥＣＵと通じた、および車両制御ＥＣＵを通じた自律的処理パイプラインを示す。図２１は、見通し外、見通し内、車両状態、および位置を含む、多様なセンサ入力を示す。特に、そのような入力は、Ｖ２Ｘ ２１５４Ａ、レーダ２１５４Ｂ、カメラ２１５４Ｃ、ＬＩＤＡＲ ２１５４Ｄ、超音波デバイス２１５４Ｅ、車両２１５４Ｆの動き、車両２１５４Ｇのスピード、ＧＰＳ、慣性、テレメトリ２１５４Ｈ、および／または高精細（ＨＤ）マップ２１５４Ｉによって提供され得る。これらの入力は、センサモデル２１５５を介して中央ユニット（例えば、中央処理装置）に供給される。センサモデル２１５５は、確率的センサ融合および運動計画２１１０を実行するための入力を提供する。一般に、センサ融合は、すべての入力データを評価して、車両状態、動き、および環境を理解することを含む。車両の次の動作を予測する、車両のインストルメントクラスタ２１２０内の関連する情報を表示する、および車両制御アクチュエータ２１３０に適切な信号を送信するために、連続的なループが使用され得る。
図２２は、高度に自動化されたまたは自律走行車両の例示的なｘバイワイヤ式アーキテクチャ２２００を示す簡略ブロック図である。ＣＣＵ２２４０は、車両のステアリングホイール２２０２およびペダル２２０４から入力（例えば、制御信号）を受信し得る。しかしながら、自律走行車両において、ステアリングホイールおよび／またはペダルは存在しない場合がある。代わりに、自律運転（ＡＤ）ＥＣＵがこれらのメカニズムに取って代わり、すべての運転判断をなし得る。
有線ネットワーク（例えば、ＣＡＮ、ＦｌｅｘＲａｙ）は、ＣＣＵ２２４０を、ステアリングＥＣＵ２２５６Ａおよびそのステアリングアクチュエータ２２５８Ａに、ブレーキＥＣＵ２２５６Ｂおよびそのブレーキアクチュエータ２２５８Ｂに、ならびにスロットルＥＣＵ２２５６Ｃおよびそのスロットルアクチュエータ２２５８Ｃに接続する。有線ネットワークは、ステアバイワイヤ２２１０、ブレーキバイワイヤ２２２０、およびスロットルバイワイヤ２２３０によって指定される。自律的または高度に自律的な車両では、ＣＣＵ２２４０などのＣＣＵは、デジタル署名のために必要とされるセキュアブート、立証、およびソフトウェアのコンポーネントを有する閉システムである。しかしながら、攻撃者がセンサへの入力（例えば、画像、レーダ、なりすましなど）を制御する、ＣＣＵへのネットワークトラフィックを操作する、および／または車両内の他のＥＣＵ（ＣＣＵ以外の）を損なわせ得ることが可能であり得る。ＣＣＵ２２４０とアクチュエータ２２５８Ａ～２２５８Ｃとの間のネットワークは、許容されるトラフィックおよび接続に対する追加のハードウェアチェックにより損なわれ得ない。特に、ＣＣＵ２２４０以外のＥＣＵは有線ネットワーク上で許容されない。施行は、これらのデバイスを結束させることによる、および／または、トラフィックトランシーバおよびレシーバ（Ｔｘ／Ｒｘ）を使用する他の物理的な施行方法を使用することによる暗号であり得る。
図２３は少なくとも１つの実施形態による、高度に自動化されたまたは自律走行車両の例示的な安全性リセットアーキテクチャ２３００を示す簡略ブロック図である。アーキテクチャ２３００は、バス２３２０（例えば、ＣＡＮ、ＦｌｅｘＲａｙ）に接続されたＣＣＵ２３４０およびハードウェア／ソフトウェアモニタ２３６０を含む。ＨＷ／ＳＷモニタ２３６０は、エラーについてＣＣＵ２３４０をモニタリングし、制御事象により示される動きの変化が、回帰モデルにより計算された運動エンベロープの範囲外にあると決定された場合にＣＣＵをリセットする。少なくとも１つの実施形態では、ＨＷ／ＳＷモニタ２３６０は、エラー信号を送信するかどうかの決定を行うコンパレータから入力を受信し得る。少なくともいくつかの実施形態では、エラー信号が送信され、ＣＣＵに対する自己リセットが、予測された運動エンベロープ内に含まれるように車両挙動を効率的に修正しない場合、ＣＣＵ２３４０は、車両を安全に停止させ得る。
図２４は、少なくとも１つの実施形態による、高度に自動化されたまたは自律走行車両の一般的な安全性アーキテクチャ２４００の一例を示す簡略ブロック図である。安全性アーキテクチャ２４００は、バス２４２０（例えば、ＣＡＮ、ＦｌｅｘＲａｙ）を介して、ステアリングＥＣＵ２４５６Ａおよびそのステアリングアクチュエータ２４５８Ａ、スロットルＥＣＵ２４５６Ｂおよびそのスロットルアクチュエータ２４５８Ｂ、ならびにブレーキＥＣＵ２４５６Ｃおよびそのブレーキアクチュエータ２４５８Ｃに接続されたＣＣＵ２４４０を含む。ＣＣＵ２４４０はまた、ステアリングセンサ２４５５Ａ、スロットルセンサ２４５５Ｂ、およびブレーキセンサ２４５５Ｃに通信可能に接続される。ＣＣＵ２４４０はまた、環境メタデータ２４１５を受信するための他のエンティティに通信可能に接続され得る。そのような他のエンティティには、他のセンサ、エッジデバイス、他の車両などが含まれ得るが、必ずしもこれらに限定されない。
安全性に関与するいくつかの通信が生じ得る。最初に、ＣＣＵにおいて、スロットル、ステアリング、およびブレーキコマンド、ならびに感覚フィードバックがアクチュエータおよび／またはセンサから受信される。加えて、環境メタデータ２４１５が自律的ドライバ補助システム（ＡＤＡＳ）または自律的ドライバＥＣＵ（ＡＤ ＥＣＵ）から送信され得る。このメタデータには、例えば、道および道路のタイプ、天候状態、および交通情報が含まれ得る。これは、制限付きの運動エンベロープを作成し、次の数分間の動きを予測するために使用され得る。例えば、車が郊外の道を移動している場合、速度制限は、時速２５または３５マイルに制約され得る。速度制限とは矛盾するコマンドをＡＤ ＥＣＵから受信した場合、ＣＣＵは、それが故障（例えば、悪意ある攻撃または悪意のないエラー）として識別し得る。
システムがリカバリ可能であるかどうかを見るために、他の冗長スキームも使用され得る。コマンドを複数回読み取り、中央値投票を使用するために時間的冗長２４０２が使用され得る。値を複数回処理し、メモリ内にいくつかのコピーを格納するために情報冗長２４０４が使用され得る。加えて、ＥＣＵの制御コマンドをスケジューリングするために多数決投票２４０６が使用され得る。冗長スキームがシステムをエラーからリカバリさせない場合、ＣＣＵは、車両を安全に停止させ得る。例えば、２４０８において、他の安全性制御は、車両運動ベクトルの仮説を構築し、仮説エンベロープ内で動きを制限し、制御値がエンベロープの範囲外になった場合に車両を停止させることを含み得る。
図２５は、少なくとも１つの実施形態による、高度に自動化された自律走行車両のための故障および侵入検出システムの例示的な動作フロー２５００を示す簡略ブロック図である。図２５では、いくつかの動作がＣＣＵ２５４０内に示されている。ＣＣＵ２５４０は、ＣＣＵ１８４０の一例を表し、ＣＣＵ１８４０において生じ得る考えられる動作および活動を示している。動作は、時間的な正常挙動モデル（例えば、１８４１）のアルゴリズムに対応する。ＨＭＭ評価２５４２は車両挙動モデル（例えば、１８４２）に対応し、回帰評価２５４４は回帰モデル（例えば、１８４４）に対応し、可能性比較２５４６はコンパレータ（例えば、１８４６）に対応する。
制御事象２５０２はＣＣＵ２５４０により受信され、ＨＭＭ評価２５４２および回帰評価２５４４の両方に使用され得る。制御事象は、ドライバコマンドから、車両の次の動作を示す自律走行車両のセンサから、またはセンサもしくはアクチュエータからのフィードバックループからもたらされ得る。ＨＭＭ評価は、制御事象により示される動きの変化が故障である可能性を決定し得る。ＨＭＭ評価２５４２はまた、センサデータ２５５５（例えば、スロットルセンサデータ、ステアリングセンサデータ、タイヤの空気圧センサデータなど）を受信して、動きの変化が正常挙動であるか、故障を示すものであるか決定することを助け得る。車両挙動モデルは、コンパレータ（例えば、１８４６）からフィードバック２５０４を受信し得、例えば、フィードバックは、以前に犯された間違いを認識し、同様の場合（例えば、位置および／または時間に基づいて）を識別するように車両挙動モデルを修正する。したがって、ＨＭＭ評価２５４２は、コンパレータからのフィードバックに基づいて異なって実行され得る。
回帰評価２５４４は、制御事象により示される、正常な条件下で所与の時間間隔ｔで生じる動きの変化の可能性を予測する。回帰評価への入力は、センサデータ２５５５、および遠隔データソース２５３０（例えば、他のエッジデバイス１８３０）からの入力データを含み得る。加えて、クラウドから（例えば、クラウド車両データシステム１８２０から）のフィードバック２５０４により、回帰評価２５４４を実行する回帰モデルが更新され得、回帰モデルは、車両挙動を最適化し、他の車両における学習の利益を享受するように更新される。
一例では、回帰評価２５４４は、センサ、他のモデル、他のエッジデバイスなどからの入力の検討に基づいて、正常な車両挙動の１つまたは複数の限界または閾値によって規定される運動エンベロープを作成する。回帰評価２５４４は、次に、制御事象により示される動きの変化が、運動エンベロープの限界または閾値のうちの１つまたは複数の範囲外にあるかどうかを決定し得る。
可能性比較２５４６は、ＨＭＭ評価２５４２から出力された動きの変化の分類および回帰評価２５４４から出力された予測に基づいて実行され得る。ＨＭＭ評価から出力された分類は、動きの変化が故障（例えば、悪意ある攻撃または車両コンピュータシステムの不良）である可能性を示し得る。回帰評価２５４４から出力された予測は、センサ、エッジデバイス、車両内の他のモデルなどからの入力データに基づいて、動きの変化が所与の時間間隔ｔ内に生じ得る可能性であり得る。回帰評価から出力された予測が、所与の時間間隔ｔの間に動きの変化が生じる可能性が低いことを示す場合、かつ、ＨＭＭ評価から出力された分類が、動きの変化が故障である可能性が高いことを示す場合、予測は運動エンベロープの限界または閾値の範囲外にあり得、出力された分類は２５４７において示されるように正常な閾値の範囲外にあり得、補正手段を取るように適切なＥＣＵに、および／または適切な機器ディスプレイにエラー信号２５０６が送信され得る。回帰評価から出力された予測が、所与の時間間隔ｔの間に動きの変化が生じる可能性が高いことを示す場合、かつ、ＨＭＭ評価により出力された分類が、動きの変化が故障である可能性が高くない（例えば、それが正常である可能性が高い）ことを示す場合、予測は運動エンベロープの限界または閾値の範囲内にあり得、出力された分類は２５４８において示されるように正常な閾値の範囲内にあり得、制御事象により示される動きの変化を引き起こす動作２５０８が生じることが許容される。少なくともいくつかの実装形態では、信号は、動作が生じることを許容するために送信され得る。他の実装形態では、エラー信号が存在しなくても動作が生じ得る。
他のシナリオでは、回帰評価２５４４により出力された予測およびＨＭＭ評価２５４２により出力された分類は矛盾し得る。例えば、回帰評価により出力された予測が、所与の時間間隔ｔの間に動きの変化が生じる可能性が低いことを示す場合、かつ、ＨＭＭ評価の出力された分類が、動きの変化が故障である可能性が低い（例えば、それが正常挙動である可能性が高い）ことを示す場合、エラー信号２５０６が、車両挙動を制御するために適切なＥＣＵに送信され得る、および／または適切な機器ディスプレイに送信され得る。これは、動きの変化が運動エンベロープの限界または閾値のうちの１つまたは複数の範囲外にあるように、かつ、それが特定条件および要因の下で生じる可能性が低くなるように運動エンベロープを制約する追加の条件および要因（例えば、他のセンサデータ、環境データなど）を回帰評価が考慮することに起因し得る。結果として、ＨＭＭ評価により出力された分類が、動きの変化が正常であることを示す場合であっても、回帰評価がエラー信号を送信させ得る。
別の例では、回帰評価により出力された予測が、所与の時間間隔ｔの間に制御事象により示される動きの変化が生じる可能性が高いことを示す場合、かつ、ＨＭＭ評価により出力された分類が、動きの変化が故障である可能性が高いことを示す場合、ＨＭＭ評価から出力された分類が、所望の閾値を超える故障の可能性を示すかどうかを決定するために閾値が評価され得る。例えば、ＨＭＭ出力分類が、動きの変化が異常挙動である確率が９５％であることを示すが、回帰評価出力予測は、それがその予測される運動エンベロープの限界または閾値内にあるので動きの変化が生じる可能性が高いことを示す場合、異常挙動の確率が所望の閾値を超えるかどうかを決定するためにＨＭＭ出力分類が評価され得る。そうである場合、車両挙動を制御もしくは別様に影響するために適切なＥＣＵに、および／または適切な機器ディスプレイにエラー信号２５０６が送信され得る。しかしながら、所望の閾値を超えてない場合、動きの変化を引き起こす動作は、動きの変化が運動エンベロープの限界または閾値の範囲内にあるように、かつ、それが特定条件および要因の下で予期される挙動を表すように運動エンベロープを緩和させる追加の条件および要因（例えば、他のセンサデータ、環境データなど）を回帰評価が考慮することに起因して許容され得る。
さらに、特定の制御事象（またはすべての制御事象）の可能性比較２５４６の結果のサンプル保持２５４９が保存されて、車両挙動モデルおよび／または回帰モデルを再訓練するために使用され得、および／または、保存されて評価の多延に使用され得る。
図２６は、システム１８００などの故障および侵入検出システムに関連付けられる動作の高レベルの考えられるフロー２６００を示す簡略フローチャートである。少なくとも１つの実施形態では、動作のセットは図２６の活動に対応する。車両内のＣＣＵ、例えば、車両１８５０内のＣＣＵ１８４０は、この動作のセットの少なくとも一部を利用し得る。車両１８５０は、動作を実行するための１つまたは複数のデータプロセッサ（例えば、１８５７）を含み得る。少なくとも１つの実施形態では、車両挙動モデル１８４２は、動作のうちの１つまたは複数を実行する。
２６０２において、制御事象が車両挙動モデル１８４２によって受信される。２６０４において、車両のセンサデータが車両挙動モデルによって取得される。２６０６において、制御事象により故障または故障でないと示される動きの変化（例えば、ブレーキ、加速、ステアリング）を分類するために車両挙動モデルが使用される。少なくとも１つの実施形態では、分類は、動きの変化が故障である可能性（例えば、確率）を示し得る。２６０８において、動きの変化の出力された分類は、コンパレータに提供される。
図２７は、システム１８００などの故障および侵入検出システムに関連付けられる動作の高レベルの考えられるフロー２７００を示す簡略フローチャートである。少なくとも１つの実施形態では、動作のセットは図２７の活動に対応する。車両内のＣＣＵ、例えば、車両１８５０内のＣＣＵ１８４０は、この動作のセットの少なくとも一部を利用し得る。車両１８５０は、動作を実行するための１つまたは複数のデータプロセッサ（例えば、１８５７）を含み得る。少なくとも１つの実施形態では、回帰モデル１８４４は、動作のうちの１つまたは複数を実行する。
２７０２において、制御事象が回帰モデル１８４４によって受信される。制御事象は、ブレーキ、ステアリング、または加速などの動きの変化を示す。２７０４において、車両のセンサデータが回帰モデルによって取得される。２７０６において、他のソース（例えば、エッジデバイス１８３０などのリモートソース、車両内でダウンロードおよび更新されたローカルソースなど）からの関連するデータが回帰モデルによって取得される。
２７０８において、所与の時間間隔ｔの間に制御事象により示される動きの変化が生じる可能性を予測するために、回帰モデルが使用される。予測は、センサデータおよび他のソースからのデータに少なくとも部分的に基づく。２７１０において、時間間隔ｔの間に動きの変化が生じる可能性の出力された予測がコンパレータに提供される。
図２８Ａは、システム１８００などの故障および侵入検出システムに関連付けられる動作の高レベルの考えられるフロー２８００を示す簡略フローチャートである。少なくとも１つの実施形態では、動作のセットは図２７の活動に対応する。車両内のＣＣＵ、例えば、車両１８５０内のＣＣＵ１８４０は、この動作のセットの少なくとも一部を利用し得る。車両１８５０は、動作を実行するための１つまたは複数のデータプロセッサ（例えば、１８５７）を含み得る。少なくとも１つの実施形態では、コンパレータ１８４６は、動作のうちの１つまたは複数を実行する。
２８０２において、車両の動きの変化の分類が車両挙動モデルから受信される。図２６の２６０８においてコンパレータに提供される出力された分類は、図２８Ａの２８０２において車両挙動モデルから分類を受信することに対応する。
２８０４において、時間間隔ｔの間に動きの変化が生じる可能性の予測が回帰モデルから受信される。図２７の２７１０においてコンパレータに提供される出力された予測は、図２８Ａの２８０４において予測を受信することに対応する。
２８０６において、コンパレータは、動きの変化の分類を、時間間隔ｔの間に動きの変化が生じる可能性の予測と比較する。２８０８において、車両挙動モデルにより分類された動きの変化が、回帰モデルにより予測された予期される車両挙動の閾値（または限界）の範囲内にあるかどうかの決定を行う。一般に、車両挙動モデルにより分類された動きの変化が、回帰モデルにより予測された予期される車両挙動の閾値の範囲内にある場合、２８１０において、動きの変化を進めることを許容する信号が送信され得る（あるいは、エラー信号が存在しないことで動きの変化が進み得る）。一般に、車両挙動モデルにより分類された動きの変化が、回帰モデルにより予測された車両挙動の閾値（または限界）の範囲内にない場合、２８１２において、修正措置を取るようにドライバに警告する、または修正措置を取るように自律運転システムに警告するエラー信号が送信され得る。考えられるコンパレータ動作のより詳細な説明が図２８Ｂに提供される。
図２８Ｂは、図２８Ａ、より具体的には２８０８において示されるように、コンパレータ動作に関連付けられる追加の動作の高レベルの考えられるフロー２８５０を示す簡略フローチャートである。
２８５２において、以下の条件、すなわち、車両挙動モデル（例えば、ＨＭＭ）から出力された分類が故障であることを示すこと、および、回帰モデルにより出力された予測が、同じ制御事象に基づく故障であることを示すことが真であるかどうかの決定が行われる。両方の条件が真である場合、２８５４において、修正措置を取るようにドライバに警告する、または修正措置を取るように自律運転システムに警告するエラー信号（または制御信号）が送信され得る。
２８５２における少なくとも１つの条件が真でない場合、２８５６において、以下の２つの条件、すなわち、車両挙動モデルから出力された分類が故障であることを示すこと、および、回帰モデルにより出力された予測が、同じ制御事象に基づく故障であることを示さないことが真であるかどうかの決定が行われる。両方の条件が真である場合、２８５８において、車両挙動モデルから出力された分類が、回帰モデルの出力を無効にし得る所望の閾値を超えるかどうかの別の決定が行われる。そうである場合、２８５４において、修正措置を取るようにドライバに警告する、または修正措置を取るように自律運転システムに警告するエラー信号（または制御信号）が送信され得る。そうでない場合、２８６０において、制御事象により示される車両挙動を進めることを許容する信号が送信され得る（あるいは、エラー信号が存在しないことで動きの変化が進み得る）。
２８５６における少なくとも１つの条件が真でない場合、２８６２において、以下の条件、すなわち、車両挙動モデルから出力された分類が故障であることを示さないこと、および、回帰モデルにより出力された予測が、同じ制御事象に基づく故障であることを示すことが真であるかどうかの決定が行われる。両方の条件が真である場合、２８６４において、修正措置を取るようにドライバに警告する、または修正措置を取るように自律運転システムに警告するエラー信号（または制御信号）が送信され得る。
２８６２における少なくとも１つの条件が真でない場合、２８６６において、以下の条件、すなわち、車両挙動モデルから出力された分類が故障であることを示さないこと、および、回帰モデルにより出力された予測が、同じ制御事象に基づく故障であることを示さないことが真であるべきである。両方の条件が真である場合、２８６８において、制御事象により示される車両挙動を進めることを許容する信号が送信され得る（あるいは、エラー信号が存在しないことで動きの変化が進み得る）。
自律走行車両の自律性のレベルは、自律走行車両が装備するセンサの数およびタイプに大きく依存する。加えて、例えば、高速道路での自律的運転などの、自律走行車両の異なる機能の多くは、車両の制御システムのアルゴリズムによって処理される適切な情報を自律走行車両に提供するよく機能するセンサの特定のセットによって実現される。
自律走行車両の動作においてセンサはそのような重要な役割を果たすため、様々なセンサの正常性を知ることが重要である。センサの正常性の安全性の懸念（センサ不良がある場合には、車両が自律的に走行し続けることが不可能である可能性がある）に加えて、車両のセンサの正常性を知ることによる他の利益がある。これには、例えば、ドライバ／乗客の信頼を高めること、および自律走行車両の効率を改善することが含まれ得る。
自律走行車両の技術が改善されるにつれて、自律走行車両のセンサの数が増加している。例えば、自動化レベル３に達するために、いくつかの車の製造者は、車に１４個以上のセンサを装備した。図２９は、自律走行車両に一般的に見られるセンサアレイの一例を示す。センサは、例えば、レーダ、ＬＩＤＡＲ、カメラ、および超音波センサを含み得る。より多くのセンサを有することで、冗長性および機能の増加が説明され得るが、センサ不良が生じた場合、自律走行車両は、自己認識し、不良の後の車両の能力を決定することが可能であるように構成され得る。
図３０は、車両が利用可能な、感知および処理能力に基づく自律走行車両機能に適合する動的自律レベル検出（「ＤＡＬＤ」）システム３０００の一例を示す。いくつかの実施形態では、システム３０００は、ドライバの望む体験（例えば、ドライバが望む自律性のレベル）をおよび車両の動作の現在の経過を検討し得る。このＤＡＬＤシステムは、例えば、天候状態、センサ性能、車両のカスタマイズ、およびドライバの計画のうちの１つまたは複数などの異なる入力を利用して、規定された経路について車両が機能すべき自律性の必要な最大レベルを動的に決定する。そのようにして、車両は、既存のセンサの正常性、車両のカスタマイズ（例えば、後部センサを遮るトレイラを有する車両）、天候状態などに基づいてその機能を適合し得る。
図３０を引き続き参照すると、システム３０００は、スコアモジュール３００５および安全性モジュール３０１０を含む。スコアモジュール３００５は、「Ｌ」スコア計算モジュールとも見なされ得る。スコアモジュールは、システム３０００により受信された異なる入力に基づいて、車両が実装し得る自律性のレベル（「Ｌ」）を推定する。ＤＡＬＤシステム３０００により受信される入力の例としては、センサ状態（または正常性）情報３０３０、望ましいユーザ体験３０４０、天候状態３０５０、計算リソース３０２０、および車両のカスタマイズ状態３０６０が含まれ得る。なお、本明細書における入力のリストは、単に例示的であり、列挙されるものよりも多いまたは少ない入力がシステム３０００の入力と見なされ得ることに留意されたい。
一例として、「Ｌ」スコアは以下のように規定され得る。
ここで、入力ｉは、図３０に図示されるＤＡＬＤシステム３０００へのＮ個の異なる入力のうちの１つであり、Ｗｉは、各入力ｉに関連付けられる異なる重みである。重みは、自律走行車両の能力が経時的に変化するにつれて動的に変化し得、例えば、車両のセンサおよびアルゴリズムなどの自律走行車両のアーキテクチャに依存する。Ｗｉ＝０であることは、入力ｉが無効化されたことを意味する。自律走行車両は、次に、そのＬスコアを、車が利用可能な最大自動化レベルがレベル５である場合に０～５の整数であり得る、車が利用可能な自動化の異なるレベルに対応する数に適合する。
なお、少なくともいくつかの実施形態では、重みはまた、寄与する入力の数が変化したときにＬスコアを一貫して生成するために、以下の条件を満たす必要がある。
したがって、一実施形態では、１つまたは複数の入力がゼロの重みを有する場合、いかなるときにも合計して１となるように残りの非ゼロの重みが調整される。
上記のＬスコアの例は線形関係を示しているが、Ｌスコアが、より複雑な計算およびキャリブレーションを利用するより高次の多項式で規定され得ることが可能である。したがって、上記の線形関係は、Ｌスコアを計算する比較的単純な方法を表す一例として提供されている。
図３０を引き続き参照すると、「Ｌ」スコア計算モジュール３００５は、車両依存型であり、その現在の状態に基づいて車両の能力を示すことが意図される。「Ｌ」スコアに影響し得る入力の例は、車両の計算パワー３０２０、車両のセンサ３０３０、ユーザ体験３０４０、天候３０５０、および車両のカスタマイズ３０６０を含み得る。このリストは、「Ｌ」スコアを計算するために使用され得るすべての要因を網羅しておらず、列挙されている要因のすべてが「Ｌ」スコア計算に使用される必要はない。
上述のように、センサ３０３０は、自律走行車両の自律レベルにおける助けとなる。そのようにして、センサ３０３０は、「Ｌ」スコアに大きく影響し得る。センサまたは複数のセンサが損傷している場合、ＤＡＬＤシステム３０００は、センサを無効化するか、または、影響を受けた／被害を受けたセンサに対してより小さい入力の重みを設定し得る。したがって、示される信頼レベルは低下し、「Ｌ」スコアが低下する可能性が高い。損傷したセンサのほかに、以下は、センサ入力の重みづけしたスコアが「Ｌ」スコア計算において低下され得る理由の例である：性能の乏しいセンサ、異常に機能するセンサ（例えば、段階的な劣化により異常に動作し始めるセンサ）、センサドリフト、および、現在の運転性能に必要とされない場合に計算パワーおよび電池のパワーを節約し得るセンサの意図的な無効化。
他の環境条件を含み得る天候３０５０はまた、車両の自律レベルに対して影響を有し得る。一例として、自律走行車両は、例えば、適切に対処するように準備されていない経路に沿った雪などの、危険な天候状態を検出した場合にその自律レベルを低下させ得る。そのような環境条件は、自律走行車両の感知能力に悪影響を及ぼし得るか、または、タイヤのトラクションを著しく減少させ得、これは、自律レベルの回帰をプロンプトし得る。
車両のカスタマイズ３０６０はまた、車両の自律レベルに影響し得る。センサをキャリブレーションした後に人間が車両に要素を加えると、いくつかのセンサが塞がれ得る。いくつかの例では、車両に改造をなす場合には、センサを無効化する必要があり得る。そのような状況では、センサは、一時的または永続的な改造のために、重みづけをより軽くする必要があり得る。車両の改造の例には、例えば、車両の後部に取り付けられたトレイラ／他のもの、取り付けられたルーフラック、またはさらには追加のペイロード（例えば、スーツケース、家具など）が含まれ得る。センサまたは車両の取り扱いに影響し得る車両に対する任意の変更が車両のカスタマイズ３０６０に含まれ得ることに留意されるべきである。
車両のドライバ／乗客は、運転／経路の特定の態様を優先したい場合がある。このユーザ体験３０４０また、車両の自律レベルに影響を及ぼし得る。一例として、ドライバは、自律走行車両が何度も車線変更を要求し得る（市街地を運転しているとき）場合でも走行時間を優先したい場合があり、または、ドライバは、より時間がかかることになる景色の良い場所を優先したい場合がある。ドライバは、さらには、高速道路の運転（これは最小限のセットのセンサで実現され得る）などの、より高レベルの自律性が必要とされない経路を優先し得る。いくつかの状況では、例えば、ドライバが単純に車を運転することを楽しんでいる、または景色を楽しんでいるなど、自律性のレベルは完全に無関係であり得る。
「Ｌ」スコアにおける別の要因は、利用可能な計算能力３０２０である。例えば、車の電池が完全に充電されていない場合、またはそれが故障している場合、自律走行車両においてより高レベルの自動化に到達するのに必要な余分な計算のために十分な電力が無い場合がある。別の例として、ハードドライブなどの、自律走行車両の自動運転能力に関連するコンポーネントが誤動作しているかまたはデータを保持するのに限られた容量しかない場合、自律走行車両は、それが保有する計算能力に基づいてその自律性のレベルを適合するべきである。
上述の入力を受信した後、ＤＡＬＤシステム３０００は、経路に沿ってどの機能を有効化するかを決定し得る。そのようにして、システム３０００は、行路の前に、自律走行車両に高度な文脈的注意力を提供する。例えば、異常に機能しているセンサがある場合、車両は、そのセンサを無効化し得、そのセンサがどのように現在の自律レベルに寄与していたか、および度のアルゴリズムがそのセンサ情報に依存していたかを決定し得る。センサの冗長性のおかげで、そのセンサを無効化することによって車が機能し得る場合、「Ｌ」スコアは同じままとなり得る。しかしながら、例えば、レベル４におけるローカライゼーションのために使用される３６０度ＬＩＤＡＲセンサなどのように、そのセンサが自律走行車両の性能において決定的であった場合、自律走行車両は、その自律性のレベルを、そのセンサを有さずに自動化機能を最大化し得るレベルまで低下させるべきである。これは、自律レベルを、車両の設計に応じて、例えばＬ３またはＬ２に落とすことを意味し得る。別の例では、また、車両にトレイラが取り付けられているため、任意の後部センサを遮っている場合に、自律レベルを落とす必要があり得る。なお別の例として、スノーボードを載せたルーフラックが車のＧＰＳ信号に干渉している場合に自律レベルが落とされ得る。
図３０を引き続き参照すると、自律レベルインジケータ３０７０は、より良好な視覚化のために現在の「Ｌ」スコアを表示し得、これにより、ユーザの注意力および自律走行車両の信頼性が高められ得る。インジケータ３０７０は、車両の能力に影響し得る事象の後に自律レベルがどのように変化するかをユーザが見ることを可能にする。結果として、ユーザが経路に沿った安全性および自動化能力により関心がある場合には、ユーザは、車両に対する変化（例えば、センサの損傷、カスタマイズなど）が、車両の自律レベルに対してどのように影響するかを認識し得、例えばトレイラを繋がないことなどの他の代替案を検討し得る。別の例として、経路に沿った状況に対処するユーザの能力における自信のレベルにさえ影響し得る、または、車両が常にもしくは時々、能力／期待を下回る動作をする場合に、ドライバ／オーナーに車両を点検に持っていくように促し得る。
ＤＡＬＤシステム３０００はまた、経路計画アルゴリズムにおいて自律走行車両のどのパラメータが重要であるかの決定を担う安全性チェックモジュール３０８０を含む。そのようなパラメータの例には、異なる天候状態に起因して変化し得る、経路の特定のエリアにおける摩擦の係数や、車両のカスタマイズに起因して変化し得、自律走行車両の最大加速、ならびに最大および最小ブレーキに影響する、自律走行車両の重量が含まれ得る。各経路および経路計画アルゴリズムに特有のパラメータを修正することが可能であることは、自律走行車両の安全性において重要な役割を果たす。安全性モジュールは、ユーザのための最良の制御パラメータを推定すべく、これらのパラメータの精度に依拠する。
明らかな安全性の利益に加えて、システム３０００の追加の利益は、自律走行車両に自己認識させ、その機能を動的に適合させることにより、車の電力消費および自律走行車両の整備コストが長期的に低減され得ることである。したがって、ユーザの入力は、システム３０００にとって重要であり得る。最も早い経路で進むか、または景色の良い経路で進むかについてのユーザの望みに応じて、例えば、Ｌ５の自律走行車両は、センサ状態および予測される天候状態をチェックした後に、経路（または経路の一部）に沿ってＬ３モードを保つことを選択し得、これにより、高価なセンサおよび計算リソースを消耗することが回避され得る。
自律走行車両がユビキタスになるにつれて、それらは、通常の自家用車に代わって、家庭の一般的な一部になり得る。それらがよりユニバーサルになるにつれて、日常的なに美の通勤または通学だけでなく、従来の人間が運転する車両の機能を実行することが予期されることになる。これは、人々が、例えば、キャンプ旅行、ビーチもしくは湖への週末旅行、またはスポーツイベントでのテールゲートパーティーを容易にすることなどの、多能性を自律走行車両に提供することを期待することになることを意味する。したがって、自律走行車両は、機器を一時的な引っ張ることが可能であることが期待される。例として、そのような機器には、キャンピングギア、自転車、ボート、ジェットスキー、クーラーボックス、グリルなどが含まれ得る。したがって、自律走行車両は、トレイラ、フック、プラットフォーム、拡張物などを繋ぐ能力を含み得る。
しかしながら、自律走行車両へのそのような付属物によりセンサが塞がれ得、車両の寸法に対する車両挙動モデルの変更をもたらし得る。これは、安全な距離を保つための不可欠な部分である、前から存在するパラメータにおいて特に真であり、これは、道路に沿って操作するときに今後は車両が補償する必要がある。例として、図３１を参照すると、自律走行車両が、別の車両の前に割り込むのに十分な空間があると考えるが、代わりに、その制御システムが認識しているよりも自律走行車両自体がはるかに長かった場合、後から来る車が停止するのに十分なスペースを有することを妨げ、さらに悪いことには、自律走行車両が追い越そうとしている車両にぶつかり得る。
他の例として、車両のオーナーが、車両の車高を低くする、またはオーバーサイズタイヤ（ホイールウェルの外側に突出し得る）、スポイラー、もしくは他のアドオンを組み込むなど、車両のカスタマイズを行い始める場合には、同様の検討が必要とされ得る。これらのカスタマイズは、車両パラメータのモデリングおよびキャリブレーションを変更し得る。
そのようにして、改造により車両の寸法が拡張された程度に、新たな車両寸法を取得することが重要であり得る。これにより、自律走行車両が、安全な距離のクリアランスモデルを変更して、拡張を補償するためにどれほどのガードバンドが必要かを決定することが可能となる。この距離はナビゲーションにおいて重要であり、これにより、自律走行車両は事故を回避することが可能となり、駐車スポットからバックで出るとき、および同様の自律動作を実行するときにアダプティブクルーズコントロールなどのシステムに適用可能となる。
例えば、安全運転距離などの運転の安全性のためのモデルが存在する一方、自律走行車両の安全性は、自律走行車両が車両の寸法が変更されたことを認識することにより高められ得る。さらに、自律走行車両のロボットドライバは、適切な実行のためにセンサおよび精密なキャリブレーションに依拠する。車両のセンサキャリブレーションの一部として、ことによると高度を除いて、車両の基準点が移動／変更される可能性が非常に低い、座標系が用いられる。図３２に示される一例、すなわち、アッカーマンモデルは、２つのホイールの間に車両の後部軸の中心点を含む。このモデルに対する任意の変更は、そのような座標に対して検討および参照され得る。一例として、車両寸法の拡張が、車両に取り付けられたヒッチの結果である場合、ヒッチ点を説明するために座標がずれる。
車両モデリングシステムに対する混乱に加えて、トレイラーヒッチを取り付けることなどのカスタマイズは、車両のセンサおよび車両の操作性の両方を混乱させ得る。これらの混乱は、車両の自律性のレベルに影響を及ぼす可能性が高くなる。図３３は、付属物３３１０（例えば、この例では、車両により牽引されるボート）を有する車両３３００の一例を示す。この例で示されるように、カスタマイズにより、塞がれたエリア３３２０が生み出される。
車両の新たな寸法に対処するための１つの考えられる解決策は、対応するセンサをトレイラまたはヒッチに備えることである。しかしながら、これは、システムの複雑性を増すことになり、かつ、時間がかかり、高価であり得る。例えば、ユーザは、新たなセンサシステムの既存の車両システムとの互換性を心配する必要があり、キャリブレーションの精密なステップを完了するのに高価かつ時間がかかり、要素に対する曝露があり得（例えば、拡張がボート、ジェットスキー、カヌーなどである場合、センサが水に浸かる場合がある）、トレイラを超えて拡張するポールまたは他のハードウェアがあり得る（例えば、ボートはそのトレイラよりもはるかに大きい場合がある）。加えて、そのようなトレイラ（例えば、ボート）の使用は一時的なもの（週末の外出）であり得るため、この解決策は非実用的であり、実行／観察される可能性が低くなる。
別の考えられる代替案は、車両モデルと同じ座標系に沿って、センサを塞いでいるカスタマイズの幅および深さを、いくらかの近似により捕捉することができる３Ｄモデリングが可能な超音波センサのアレイを実装することである。
なお別の例として、単純で低コストな解決策としては、カスタマイズ（例えば、取り付けられたトレイラ／ヒッチ）の結果としての新たな外装車両寸法を捕捉してトレースする方法である。自律走行車両は、次に、一時的に、必要に応じて（トレイラ／ヒッチが取り付けられている間に）補償し得る。
図３４は、車両に結合された拡張物により付加される寸法を組み込んだ車両の新たな寸法をトレースする単純な方法の使用の一例を示す。比較として、３４１０は、車両および拡張物の３Ｄ超音波マップを示し、これは、車両に取り付けられても取り付けられなくてもよい超音波センサにより感知され得る。いくつかの例では、３４１０の例は、自動化され得る。そのような例では、車両が、閉塞、またはトレイラが取り付けられていることを検出すると、３Ｄモデルのレンダリングを作成する自動超音波スキャンが開始され得る。別の例は３４３０に示される。３４３０の例では、車両の新たな寸法は、例えば、ＬＩＤＡＲベースの基地局の使用によってなど、ＬＩＤＡＲを使用して捕捉される。３４２０は、ユーザが、車両の新たな寸法をトレースするのを容易にするために手動ウォークスルーを実行する例を示す。ウォークスルーの後、車両の寸法の新たなモデル３４４０が作成される。ウォークスルーを行うために、車両のオーナーは、センサを運びながら、所与の長さ（例えば、腕長）で車両および拡張物の経路に沿って歩行し得る。いくつかの例では、このセンサは、スマートフォンとペアリング（例えば、通信可能に結合）され得る。他の例では、センサは、車両とペアリングされ得る。様々な実施形態では、３４２０によって示されるように、車両の周りを物理的に歩行する代わりに、車両の寸法は、ドローンおよびカメラを使用してトレースされ得る。トレース結果は、次に、自律走行車両に送達され得、ポリゴンモデル表現３４４０が近似され得る。このモデルは、自律走行車両の運転アルゴリズムに組み込まれ得る。
上記のオプションを組み込むためのシステムは、以下の要素のうちの１つまたは複数を含み得る：ヒッチが拡張物に取り付けられているまたはそこから取り外されるときに位置合わせするセンサを有する、車両と一体化したヒッチを有する車両；ヒッチ付属物の感知に応答して「安全性ウォークスルー」が必要であることをドライバに警告するアラーム；トレースを作成する感知要素／デバイス；トレースを行っている間に確認を行い／相互参照として機能する塞がれていないセンサ；ならびに、トレースおよび残りの機能的センサの結果としてその自律性レベルの変更をドライバに警告する車両警告システム。一実施形態では、感知要素／トレースデバイスは、スマートフォンカメラにより撮像された１つまたは複数の画像に基づいて新たな自律走行車両の寸法を計算するスマートフォンアプリを含み得る。新たな寸法をスキャンするために、ユーザは、単純に、車の周辺を歩行し得る，またはドローンが使用され得る。別の例では、スキャンデバイスは、上記のものと同様の機能を実行する一体化された取り外し可能な車両カメラを含み得る。スキャンの後、トレースにおいて間隙が存在する場合、または結果が正確には直線トレースでない場合（もしくは正確には起点において止まっていない場合）でも、トレースは依然として、トレースの捕捉点に基づいて車両の周りの閉じたポリゴン／ループに変換され得る。車両は、湾曲に対する「ピボット」点の効果を補償するために、元の寸法を検討し得、寸法の新たなモデルは、モデルが車両の限界の範囲外にあることを保証するオフセットを含み得、これは、追加の安全性バッファとなり得る。他の実施形態では、例えば、車両に取り付けられていても取り付けられていなくてもよい超音波およびＬＩＤＡＲセンサなどの、新たな寸法を決定する他の方法が使用され得る。
図３５は、本開示の一実施形態による、車両モデル閉塞補償フローの一例を示す。図３５の例はまた、自律走行車両の車両寸法を更新する方法と見なされ得る。
図３５の例は、ヒッチスイッチが係合したかどうかを決定する動作を含む。いくつかの実施形態では、ヒッチは、ヒッチが係合したかどうかを示す自動センサ（例えば、スイッチ）を含み得る。様々な実施形態では、自律走行車両は、さらにまたは代替的に、ヒッチが係合したことを示す手動スイッチを含み得る。
ヒッチスイッチが係合している場合、車両が加えられた寸法で移動する前に、車両は、すべての必要な安全性動作が実行されたかどうかを決定するチェックを実行し得る。それらが実行されている場合、フローが終了する。それらが実行されていない場合、車両は、新たな車両寸法を捕捉する安全性ウォークスルーが完了したかどうかを決定し得る。それが完了していない場合、ドライバは、ウォークスルーが必要であることを警告され得、ウォークスルーが開始し得る。
ウォークスルーを実行するために、車両は最初に、感知デバイスをさせる、および／または、それとペアリングする。これは、スマートフォン内に一体化したもしくはそれとペアリングされた感知デバイスもしくは同様のデバイス、または車両に直接接続する別個のデバイスであり得る。デバイスがペアリング／起動された後、オーナーは、車両の周りでウォークスルーを行う。
次に、感知デバイスは、ウォークスルー中に取得したデータを自律走行車両に転送する。自律走行車両は、次に、感知デバイスによって取得されたデータをポリゴンモデルに変換し得る。自律走行車両は、次に、例えば、安全な距離アルゴリズムを含むその自律走行車両アルゴリズムにおいて新たな寸法を使用し得る。最後に、自律走行車両は、車両が動作している自律レベルに対して新たな寸法が影響を及ぼすかどうかを決定する自己テストを実行し得る。レベルが変更された場合、ドライバに対してこの新たなレベルが表示（または別様に通信）され得る（あるいは、ドライバに対して、レベルが変更されなかったというインジケーションが表示または別様に通信され得る）。
図３６および図３７は、本明細書に開示される実施形態によって使用され得る例示的なコンピュータアーキテクチャのブロック図である。プロセッサおよびコンピューティングシステムのための当技術分野において既知の他のコンピュータアーキテクチャ設計も使用され得る。一般に、本明細書に開示される実施形態のための好適なコンピュータアーキテクチャは、図３６および図３７に示される構成を含み得るが、これらに限定されない。
図３６は、一実施形態によるプロセッサの例示的な図である。プロセッサ３６００は、上記の実装形態に関連して使用され得るハードウェアデバイスのタイプの例である。プロセッサ３６００は、マイクロプロセッサ、組み込みプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、マルチコアプロセッサ、シングルコアプロセッサ、又はコードを実行する他のデバイスなど、任意のタイプのプロセッサであり得る。１つのプロセッサ３６００のみが図３６に示されているが、処理要素は、代替的に、図３６に示されるプロセッサ３６００を２つ以上含んでもよい。プロセッサ３６００はシングルスレッドコアであり得、または、少なくとも一実施形態では、プロセッサ３６００は１つのコアにつき２つ以上のハードウェアスレッドコンテキスト（または「論理プロセッサ」）を含み得るという点で、マルチスレッドであってよい。
図３６はまた、一実施形態による、プロセッサ３６００に結合されたメモリ３６０２を示す。メモリ３６０２は、当業者に既知であるまたは利用可能である多様なメモリ（メモリ階層の様々な層を含む）のいずれかであり得る。そのようなメモリ素子は、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）の論理ブロック、消去可能なプログラマブルリードオンリメモリ（ＥＰＲＯＭ）、および電気的に消去可能なプログラマブルＲＯＭ（ＥＥＰＲＯＭ）を含み得るが、これらに限定されない。
プロセッサ３６００は、本明細書に詳述されるアルゴリズム、処理、または動作に関連付けられる任意のタイプの命令を実行し得る。一般に、プロセッサ３６００は、ある要素またはある物体（例えば、データ）を、１つの状態またはものから別の状態またはものへと変換し得る。
プロセッサ３６００によって実行される１つまたは複数の命令であり得るコード３６０４が、メモリ３６０２に格納され得、あるいは、ソフトウェア、ハードウェア、ファームウェア、もしくはこれらの任意の好適な組み合わせに、または必要に応じて特定のニーズに基づき、任意の他の内部または外部のコンポーネント、デバイス、要素、もしくはオブジェクトに格納されてよい。一例では、プロセッサ３６００は、コード３６０４により示される命令のプログラムシーケンスに従い得る。各命令は、フロントエンドロジック３６０６に入り、１つまたは複数のデコーダ３６０８によって処理される。デコーダは、その出力として、予め定義されたフォーマットの固定幅のマイクロオペレーションなどのマイクロオペレーションを生成し得るか、または、元のコード命令を反映する他の命令、マイクロ命令、もしくは制御信号を生成し得る。フロントエンドロジック３６０６はまた、レジスタリネーミングロジック３６１０およびスケジューリングロジック３６１２も含み、これらのロジックは概して、リソースを割り当て、実行のために、命令に対応する動作をキューに入れる。
プロセッサ３６００はまた、実行ユニット３６１６ａ、３６１６ｂ、３６１６ｎなどのセットを有する実行ロジック３６１４を含み得る。いくつかの実施形態は、特定の機能または特定の機能セットに専用のいくつかの実行ユニットを含み得る。他の実施形態は、ある特定の機能を実行し得る１つのみの実行ユニットまたは１つの実行ユニットを含み得る。実行ロジック３６１４は、コード命令によって指定された動作を実行する。
コード命令によって指定される動作の実行完了後、バックエンドロジック３６１８は、コード３６０４の命令をリタイアし得る。一実施形態では、プロセッサ３６００はアウトオブオーダー実行を許可するが、命令のインオーダリタイアメントを要求する。リタイアメントロジック３６２０は、様々な既知の形態（例えば、リオーダバッファなど）を取り得る。このようにプロセッサ３６００は、少なくとも、レジスタリネーミングロジック３６１０により利用されるデコーダ、ハードウェアレジスタ、およびテーブル、ならびに実行ロジック３６１４により変更される任意のレジスタ（図示せず）が生成する出力に関して、コード３６０４の実行中に変換される。
図３６には示されていないが、処理要素は、プロセッサ３６００を有するチップ上の他の要素を含み得る。例えば、処理要素は、プロセッサ３６００と共にメモリ制御ロジックを含み得る。処理要素は、Ｉ／Ｏ制御ロジックを含み得、および／または、メモリ制御ロジックと一体化されたＩ／Ｏ制御ロジックを含み得る。処理要素はまた、１つまたは複数のキャッシュを含み得る。いくつかの実施形態では、プロセッサ３６００を有するチップ上には、不揮発性メモリ（例えば、フラッシュメモリまたはフューズ）も含まれ得る。
図３７は、一実施形態による、ポイントツーポイント（ＰｔＰ）構成で配置されたコンピューティングシステム３７００を示す。特に、図３７は、プロセッサ、メモリ、および入／出力デバイスがいくつかのポイントツーポイントインターフェースによって相互接続されているシステムを示す。一般に、本明細書に記載されるコンピューティングシステムのうちの１つまたは複数は、コンピューティングシステム３６００と同一または同様の様式で構成され得る。
プロセッサ３７７０および３７８０はまた、メモリ素子３７３２および３７３４と通信するために、一体化されたメモリコントローラロジック（ＭＣ）３７７２および３７８２を各々含み得る。代替的な実施形態では、メモリコントローラロジック３７７２および３７８２は、プロセッサ３７７０および３７８０とは分離した別個のロジックであり得る。メモリ素子３７３２および／または３７３４は、本明細書に概説される動作および機能を実現する際にプロセッサ３７７０および３７８０により使用される様々なデータを格納し得る。
プロセッサ３７７０および３７８０は、本明細書において他の図に関連して説明したものなど、任意のタイプのプロセッサであり得る。プロセッサ３７７０および３７８０は、それぞれ、ポイントツーポイントインターフェース回路３７７８および３７８８を使用して、ポイントツーポイント（ＰｔＰ）インターフェース３７５０を介してデータを交換し得る。プロセッサ３７７０および３７８０は、各々、ポイントツーポイントインターフェース回路３７７６、３７８６、３７９４および３７９８を使用して、個々のポイントツーポイントインターフェース３７５２および３７５４を介してチップセット３７９０とデータを交換し得る。チップセット３７９０はまた、ＰｔＰインターフェース回路であり得るインターフェース３７３９を介して、高性能グラフィックス回路、機械学習アクセラレータ、または他のコプロセッサ３７３８などのコプロセッサ３７３８とデータを交換し得る。代替的な実施形態では、図３７に示されるＰｔＰリンクのいずれかまたはすべては、ＰｔＰリンクではなく、マルチドロップバスとして実装され得る。
チップセット３７９０は、インターフェース回路３７９６を介してバス３７２０と通信し得る。バス３７２０は、それを介して通信する１つまたは複数のデバイス、例えば、バスブリッジ３７１８およびＩ／Ｏデバイス３７１６を有し得る。バス３７１０を介して、バスブリッジ３７１８は、ユーザインターフェース３７１２（例えば、キーボード、マウス、タッチスクリーン、または他の入力デバイス）、通信デバイス３７２６（例えば、モデム、ネットワークインターフェースデバイス、またはコンピュータネットワーク３７６０を通じて通信し得る他のタイプの通信デバイス）、音声Ｉ／Ｏデバイス３７１４、ならびに／またはデータストレージデバイス３７２８などの他のデバイスと通信し得る。データストレージデバイス３７２８は、プロセッサ３７７０および／または３７８０により実行され得るコード３７３０を格納し得る。代替的な実施形態では、バスアーキテクチャの任意の部分は、１つまたは複数のＰｔＰリンクを実装し得る。
図３７に図示されるコンピュータシステムは、本明細書で説明される様々な実施形態を実装するために利用され得るコンピューティングシステムの一実施形態の概略図である。図３７に示されるシステムの様々なコンポーネントが、システムオンチップ（ＳｏＣ）アーキテクチャ、または本明細書で提供される例および実装形態の機能および特徴を実現することができる任意の他の好適な構成に、組み合わされ得ることが理解されよう。
本明細書に記載され示されるシステムおよび解決策のいくつかは、複数の要素を含むまたはそれと関連付けられるように記載されているが、本開示の代替的な各実装形態において、明示的に示されるまたは記載されているすべての要素が利用されなくてもよい。さらに、本明細書に記載される要素の１つまたは複数は、システムの外部に位置してもよく、他の例では、他の記載される要素、ならびに示される実装形態に記載されていない他の要素のうちの１つまたは複数の中に、またはその一部として特定の要素が含まれ得る。さらに、特定の要素は、他のコンポーネントと組み合わされ得、ならびに、本明細書に記載される目的に加えて、代替的なまたは追加の目的のために使用され得る。
さらに、上に提示される例は、単に特定の原理および特徴を示す目的のために提供される非限定的な例であり、本明細書に記載される概念の潜在的な実施形態を必ずしも限定または制限するものではないことが理解されるべきである。例えば、多様な異なる実施形態は、本明細書に記載される特徴およびコンポーネントの様々な組み合わせを利用して実現され得、これには、本明細書に記載されるコンポーネントの様々な実装形態を通じて実現される組み合わせが含まれる。他の実装形態、特徴、および詳細は、本明細書の内容から理解されるべきである。
本開示は、特定の実装形態および概ね関連した方法の観点で説明されたが、これらの実装形態および方法の変更例および置換例が、当業者には明らかであろう。例えば、本明細書に記載される動作は、記載されたものとは異なる順序で実行されて、依然として望ましい結果を実現し得る。一例として、添付の図に図示されるプロセスは、所望の結果を実現するために、示される特定の順序または連続した順序を必ずしも必要としない。特定の実装形態では、マルチタスクおよび並列処理が有利であり得る。さらに、他のユーザインターフェースレイアウトおよび機能がサポートされ得る。他の変形例は、以下の特許請求の範囲の範囲内である。
本明細書は多数の特定の実装形態の詳細を含むが、これらは、あらゆる発明の範囲および特許請求され得ることの範囲を限定するものと解釈されるべきではなく、むしろ、特定の発明の特定の実施形態に特有の特徴を説明するものと解釈されるべきである。別個の複数の実施形態の文脈において本明細書で説明される特定の特徴は、単一の実施形態に組み合わせて実装されることもできる。逆に、単一の実施形態の文脈において説明される様々な特徴は、複数の実施形態で別個に、又は任意の好適なサブコンビネーションで実装されることもできる。さらに、特徴は、特定の組み合わせで動作するものとして上述され、さらに最初にそのようなものとして特許請求され得るが、特許請求される組み合わせの１つまたは複数の特徴は、いくつかの場合では、組み合わせから削除されることができ、特許請求される組み合わせは、サブコンビネーションまたはサブコンビネーションの変形形態を対象としてよい。
同様に、複数の動作が特定の順序で図面に示されているが、これによって、望ましい結果を実現するために、そのような動作が示された特定の順序で実行される、もしくは順番に実行されること、または示されたすべての動作が実行されることが必要とされていると理解されるべきではない。特定の状況において、マルチタスク及び並列処理が有利であり得る。さらに、上記の実施形態における様々なシステムコンポーネントの分離は、すべての実施形態においてそのような分離を必要とするものとして理解されるべきではなく、記載したプログラムコンポーネントおよびシステムは、一般的に単一のソフトウェア製品に共に一体化することができ、または複数のソフトウェア製品にパッケージ化することができることを理解されたい。
車載コンピューティングシステム（例えば、自動運転スタックの少なくとも一部を実装し、車両の自動運転機能を有効化するために使用される）、路側コンピューティングシステム（例えば、車両とは分離したもの、専用路側キャビネット内、交通標識上、信号機または街灯上などに実装されたもの）、自律運転環境をサポートするクラウドベースまたはフォグベースのシステムを実装する１つまたは複数コンピューティングシステム、または自律運転環境から遠隔にあるコンピューティングシステムを含む、１つまたは複数のコンピューティングシステムが提供され得る。これらのコンピューティングシステムは、以下の例（またはその一部）のうちの１つまたは組み合わせを実行または実装するために、１つまたは複数のデータ処理装置（例えば、中央処理装置、グラフィックス処理ユニット、テンサ処理ユニット、ＡＳＩＣ、ＦＰＧＡなど）、アクセラレータ、ハードウェア、他のハードウェア回路、ファームウェア、および／またはソフトウェアのうちの１つまたは組み合わせを使用して実装されるロジックを含み得る。例えば、様々な実施形態では、以下の例示的な方法の動作は、車両（例えば、１０５）のコンピューティングシステムまたはそのコンポーネント（例えば、プロセッサ２０２、アクセラレータ２０４、通信モジュール２１２、ユーザディスプレイ２８８、メモリ２０６、ＩＸファブリック２０８、運転制御２２０、センサ２２５、ユーザインターフェース２３０、車載処理システム２１０、機械学習モデル２５６、他のコンポーネント、またはこれらのいずれかのサブコンポーネント）、路側コンピューティングデバイス１４０、フォグベースまたはクラウドベースのコンピューティングシステム１５０、ドローン１８０、およびアクセスポイント１４５、センサ（例えば、１６５）、メモリ３６０２、プロセッサコア３６００、システム３７００、他の好適なコンピューティングシステムまたはデバイス、これらのいずれかのサブコンポーネント、または他の好適なロジックなどの任意の好適なロジックを使用して実行され得る。様々な実施形態では、以下の例示的な方法の１つまたは複数の特定の動作は、特定のコンポーネントまたはシステムにより実行され得る一方、例示的な方法の１つまたは複数の他の動作は、別のコンポーネントまたはシステムにより実行され得る。他の実施形態では、例示的な方法の動作は、各々、同じコンポーネントまたはシステムにより実行され得る。
実施例１は、第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、処理回路とを備える装置であって、処理回路が、第２の車両に関連付けられる挙動モデルを取得することであって、挙動モデルが第２の車両の運転挙動を規定する、取得することと、挙動モデルを使用して第２の車両の動作を予測することと、第２の車両の予測された動作に基づいて第１の車両の経路計画を決定することと、を行う、装置を含む。
実施例２は、上記処理回路が、上記挙動モデルを使用して上記第２の車両の動作を予測する前に、上記第２の車両に関連付けられる上記挙動モデルの信頼性を決定する、実施例１に記載の装置を含む。
実施例３は、上記挙動モデルの信頼性を決定することが、上記挙動モデルのフォーマットを検証することを含む、実施例２に記載の装置を含む。
実施例４は、上記挙動モデルの信頼性を決定することが、上記挙動モデルの精度を検証することを含む、実施例１～３のいずれか一項に記載の装置。
実施例５は、上記挙動モデルの精度を検証することが、少なくとも１つの機械学習モデルに提供される入力、および上記少なくとも１つの機械学習モデルの対応する出力を格納することと、上記挙動モデルに上記入力を提供し、上記挙動モデルの出力を上記少なくとも１つの機械学習モデルの上記出力と比較することと、を含む、実施例４に記載の装置を含む。
実施例６は、上記挙動モデルの精度を検証することが、観察された状態に対応する入力に基づいて上記挙動モデルに従った上記第２の車両の予期される挙動を決定することと、上記観察された状態に対応する上記第２の車両の挙動を観察することと、上記観察された挙動を上記予期される挙動と比較することと、を含む、実施例４に記載の装置を含む。
実施例７は、上記挙動モデルが、上記第２の車両の自律運転挙動を決定するために上記第２の車両により使用される少なくとも１つの機械学習モデルに対応する、実施例１～６のいずれか一項に記載の装置を含む。
実施例８は、上記処理回路が、上記第２の車両と通信して上記挙動モデルを取得し、上記第２の車両との通信が、上記第１の車両と上記第２の車両との間のセキュアな通信セッションを確立することと、上記セキュアな通信セッション内での通信を介して上記挙動モデルを受信することとを含む、実施例１～７のいずれか一項に記載の装置を含む。
実施例９は、上記セキュアな通信セッションを確立することが、上記第１および第２の車両との間でトークンを交換することを含み、各トークンは、対応する車両のそれぞれの識別子と、それぞれの公開鍵と、共有秘密値とを含む、実施例８に記載の装置を含む。
実施例１０は、上記信号が、上記第２の車両のアイデンティティおよび位置を示すためのビーコンを含む、実施例１～９のいずれか一項に記載の装置を含む。
実施例１１は、上記第１の車両に近接する他の車両に信号を報知して、上記第１の車両を上記他の車両に対して識別するための送信機をさらに備える、実施例１～１０のいずれか一項に記載の装置を含む。
実施例１２は、上記処理回路が、上記挙動モデルを含む挙動モデルの交換において上記第２の車両への第２の挙動モデルの通信を開始し、上記第２の挙動モデルは、上記第１の車両の運転挙動を規定する、実施例１～１１のいずれか一項に記載の装置を含む。
実施例１３は、実施例１～１２のいずれか一項に記載の装置であって、上記１つまたは複数のプロセッサは、上記第２の車両に関連付けられる上記挙動モデルが、上記第１の車両のモデルデータベース内にあるかどうかを決定し、上記第２の車両に関連付けられる上記挙動モデルは、上記第２の車両に関連付けられる上記挙動モデルがまだ上記モデルデータベース内にないという決定に基づいて取得される、装置を含む。
実施例１４は、実施例１～１３のいずれか一項に記載の装置で合って、上記第２の車両は、人間の運転モードで動作可能であり、上記第２の車両に関連付けられる上記挙動モデルが、上記人間の運転モードにおける上記第２の車両の動作中の上記第２の車両の少なくとも１人の人間のドライバの特性をモデル化する、装置を含む。
実施例１５は、上記第２の車両に関連付けられる上記挙動モデルが、上記第２の車両の挙動モデルのセットのうちの１つを含み、上記挙動モデルのセットは、複数のシナリオ特有挙動モデルを含む、実施例１～１４のいずれか一項に記載の装置を含む。
実施例１６は、上記１つまたは複数のプロセッサが、上記第１の車両により生成されたセンサデータに少なくとも部分的に基づいて特定のシナリオを決定し、上記挙動モデルのセット内の特定の挙動モデルが上記特定のシナリオに対応することを決定し、上記特定の挙動モデルが上記特定のシナリオに対応するとの決定に基づいて、上記特定の挙動モデルを使用して上記第２の車両の動作を予測する、実施例１５に記載の装置を含む。
実施例１７は、車両であって、センサデータを生成する複数のセンサと、上記車両の移動を物理的に制御する制御システムと、上記車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、上記第２の車両に関連付けられる挙動モデルを取得することであって、上記挙動モデルが、上記第２の車両の運転挙動を規定する、取得することと、上記挙動モデルを使用して上記第２の車両の動作を予測することと、上記第２の車両の上記予測された動作および上記センサデータに基づいて上記車両の経路計画を決定することと、上記経路計画に従って上記車両を移動させるように制御システムと通信することとを行う処理回路と、を備える、車両を含む。
実施例１８は、上記処理回路が、上記挙動モデルを使用して上記第２の車両の動作を予測する前に、上記第２の車両に関連付けられる挙動モデルの信頼性を決定する、実施例１７に記載の車両を含む。
実施例１９は、上記挙動モデルの信頼性を決定することが、上記挙動モデルのフォーマットを検証することを含む、実施例１８に記載の車両を含む。
実施例２０は、上記挙動モデルの信頼性を決定することが、上記モデルの精度を検証することを含む、実施例１７～１９のいずれか一項に記載の車両を含む。
実施例２１は、上記挙動モデルの精度を検証することが、少なくとも１つの機械学習モデルに提供される入力、および上記少なくとも１つの機械学習モデルの対応する出力を格納することと、上記挙動モデルに上記入力を提供し、上記挙動モデルの出力を上記少なくとも１つの機械学習モデルの出力と比較することと、を含む、実施例２０に記載の車両を含む。
実施例２２は、上記挙動モデルの精度を検証することが、観察された状態に対応する入力を上記挙動モデルに提供することと、上記入力に基づいて上記挙動モデルから上記第２の車両の予期される挙動を決定することと、上記観察された状態に対応する上記第２の車両の挙動を観察することと、上記観察された挙動を上記予期される挙動と比較することと、を含む、実施例２０に記載の車両を含む。
実施例２３は、上記挙動モデルが、上記第２の車両の自律運転挙動を決定するために上記第２の車両により使用される少なくとも１つの機械学習モデルに対応する、実施例１７～２２のいずれか一項に記載の車両を含む。
実施例２４、上記処理回路が、上記第２の車両と通信して上記挙動モデルを取得し、上記第２の車両との通信が、上記車両と上記第２の車両との間のセキュアな通信セッションを確立することと、上記セキュアな通信セッション内での通信を介して上記挙動モデルを受信することとを含む、実施例１７～２３のいずれか一項に記載の車両を含む。
実施例２５は、上記セキュアな通信セッションを確立することが、上記第１および第２の車両との間でトークンを交換することを含み、各トークンは、上記対応する車両のそれぞれの識別子と、それぞれの公開鍵と、共有の秘密値とを含む、実施例２４に記載の車両を含む。
実施例２６は、上記信号が、上記第２の車両のアイデンティティおよび位置を示すためのビーコンを含む、実施例１７～２５のいずれか一項に記載の車両を含む。
実施例２７は、上記第１の車両に近接する他の車両に信号を報知して、上記第１の車両を上記他の車両に対して識別するための送信機をさらに備える、実施例１７～２６のいずれか一項に記載の車両を含む。
実施例２８は、上記処理回路が、上記挙動モデルを含む挙動モデルの交換において上記第２の車両と第２の挙動モデルを通信させ、上記第２の挙動モデルは、上記車両の運転挙動を規定する、実施例１７～２７のいずれか一項に記載の車両を含む。
実施例２９は、実施例１７～２８のいずれか一項に記載の車両であって、上記処理回路は、上記第２の車両に関連付けられる上記挙動モデルが、上記車両のモデルデータベース内にあるかどうかを決定し、上記第２の車両に関連付けられる上記挙動モデルは、上記第２の車両に関連付けられる上記挙動モデルがまだ上記モデルデータベース内にないという決定に基づいて取得される、車両を含む。
実施例３０は、実施例１７～２９のいずれか一項に記載の車両であって、上記第２の車両は、人間の運転モードで動作可能であり、上記第２の車両に関連付けられる上記挙動モデルが、上記人間の運転モードにおける上記第２の車両の動作中の上記第２の車両における少なくとも１人の人間のドライバの特性をモデル化する、車両を含む。
実施例３１は、上記第２の車両に関連付けられる上記挙動モデルが、上記第２の車両の挙動モデルのセットのうちの１つを含み、上記挙動モデルのセットは、複数のシナリオ特有挙動モデルを含む、実施例１７～３０のいずれか一項に記載の車両を含む。
実施例３２は、上記処理回路が、上記車両により生成されたセンサデータに少なくとも部分的に基づいて特定のシナリオを決定し、上記挙動モデルのセット内の特定の挙動モデルが上記特定のシナリオに対応することを決定し、上記特定の挙動モデルが上記特定のシナリオに対応するとの決定に基づいて、上記特定の挙動モデルを使用して上記第２の車両の動作を予測する、実施例３１に記載の車両を含む。
実施例３３は、第１の車両に近接する第２の車両を識別する信号を受信する手段と、上記第２の車両に関連付けられる挙動モデルを取得する手段であって、上記挙動モデルが、上記第２の車両の運転挙動を規定する、取得する手段と、上記挙動モデルを使用して上記第２の車両の動作を予測する手段と、上記第２の車両の上記予測された動作に基づいて、上記第１の車両の経路計画を決定する手段とを備える、システムを含む。
実施例３４は、上記挙動モデルを使用して上記第２の車両の動作を予測する前に、上記第２の車両に関連付けられる上記挙動モデルの信頼性を決定する手段をさらに備える、実施例３３に記載のシステムを含む。
実施例３５は、上記挙動モデルの信頼性を決定することが、上記モデルの精度を検証することを含む、実施例３３に記載のシステムを含む。
実施例３６は、命令を格納するコンピュータ可読媒体であって、上記命令は、機械により実行されると、上記機械に、第１の車両に近接する第２の車両を識別する信号を受信することと、上記第２の車両に関連付けられる挙動モデルを取得することであって、上記挙動モデルが、上記第２の車両の運転挙動を規定する、取得することと、上記挙動モデルを使用して上記第２の車両の動作を予測することと、上記第２の車両の上記予測された動作に基づいて、上記第１の車両の経路計画を決定することと、を行わせる、コンピュータ可読媒体を含む。
実施例３７は、メモリと、上記メモリに結合された処理回路とを備え、実施例１７～３２のうちの１つまたは複数を実行する装置を含む。
実施例３８は、実施例１７～３２のうちの１つまたは複数を実行するための手段を備えるシステムを含む。
実施例３９は、少なくとも１つのコンピュータプロセッサによって実行されると、上記少なくとも１つのコンピュータプロセッサが実施例１７～３２に記載の動作を実装することを可能にするように動作可能なコンピュータ実行可能命令を含む１つまたは複数の有形のコンピュータ可読非一時的記憶媒体を備える製品を含む。
実施例４０は、自律走行車両に結合された複数のセンサからのセンサデータに基づいて生成された環境モデルを受信することと、上記環境モデル内の情報に基づいて、上記自律走行車両以外の車両の１つまたは複数の挙動の変化を決定することと、上記環境モデル内の情報に基づいて、上記自律走行車両以外の車両の１つまたは複数の挙動と、自律走行車両により実行される同じ１つまたは複数の挙動との間の逸脱を決定することと、決定された変化および逸脱に基づいて、自律走行車両の挙動モデルに対する１つまたは複数の制約を決定することと、上記１つまたは複数の制約を上記挙動モデルに適用して、上記自律走行車両の動作を制御することと、を備える、方法を含む。
実施例４１は、上記自律走行車両の上記環境モデルおよび地理的位置情報に基づいてシナリオを構築することと、上記自律走行車両の上記挙動モデルの社会規範プロファイルにおいて上記制約を上記シナリオと関連付けることと、をさらに備える、実施例４０に記載の方法を含む。
実施例４２は、上記シナリオが、上記自律走行車両に近くの車両の数、上記自律走行車両の近くの１つまたは複数の車両の各々のスピード、時間、および天候状態の情報のうちの１つまたは複数に基づいている、実施例４１に記載の方法を含む。
実施例４３は、上記変化を決定することが、観察された挙動が上記自律走行車両の上記挙動モデルの現在のパラメータ内にあるかどうかを決定することを含む、実施例４０～４２のいずれか一項に記載の方法を含む。
実施例４４は、上記変化が、周囲の車両の観察結果から現在の挙動モデルへのユークリッド距離に基づいている、実施例４３に記載の方法を含む。
実施例４５は、上記逸脱を決定することが、挙動の上記逸脱が上記自律走行車両の上記挙動モデルの現在のパラメータ内にあるかどうかを決定することを含む、実施例４０～４２のいずれか一項に記載の方法を含む。
実施例４６は、上記逸脱が、上記挙動の限界として機能するネガティブフィードバック違反に基づいている、実施例４５に記載の方法を含む。
実施例４７は、上記変化および逸脱が、動的障害物に関連付けられる上記環境モデル内の情報に基づいている、実施例４０～４６のいずれか一項に記載の方法を含む。
実施例４８は、メモリと、上記メモリに結合された処理回路とを備え、実施例４０～４７のうちの１つまたは複数を実行する装置を含む。
実施例４９は、実施例４０～４７のうちの１つまたは複数を実行するための手段を備えるシステムを含む。
実施例５０は、少なくとも１つのコンピュータプロセッサによって実行されると、上記少なくとも１つのコンピュータプロセッサが実施例４０～４７に記載の動作を実装することを可能にするように動作可能なコンピュータ実行可能命令を含む１つまたは複数の有形のコンピュータ可読非一時的記憶媒体を備える製品を含む。
実施例５１は、第１の複数の車両との第１のコンセンサスネゴシエーションに参加することであって、上記第１の複数の車両の少なくとも一部の挙動モデルまたはそのパラメータは、上記第１のコンセンサスネゴシエーションにおいて交換され、上記第１のコンセンサスネゴシエーションに参加することが、交換される挙動モデルの各々を受信し、上記第１のコンセンサスネゴシエーション内の上記挙動モデルの各々の有効性を決定することを含む、参加することと、第２の複数の車両との第２のコンセンサスネゴシエーションに参加することであって、上記第２の複数の車両の少なくとも一部の挙動モデルが、上記第２のコンセンサスネゴシエーションにおいて交換され、上記第２のコンセンサスネゴシエーションに参加することが、交換される挙動モデルの各々を受信し、上記第２のコンセンサスネゴシエーション内の上記挙動モデルの各々の有効性を決定することを含む、参加することと、上記第１および第２のコンセンサスネゴシエーションからコンセンサス挙動モデルを生成することと、を備える、方法を含む。
実施例５２は、コンセンサス挙動モデルを第３の複数の車両に分配することをさらに備える、実施例５１に記載の方法を含む。
実施例５３は、上記コンセンサス挙動モデルが、第３のコンセンサスネゴシエーションにおいて分配される、実施例５２に記載の方法を含む。
実施例５４は、上記第１および第２のコンセンサスネゴシエーションが、ビザンチン障害許容コンセンサスアルゴリズムに基づいている、実施例５１～５３のいずれか一項に記載の方法を含む。
実施例５５は、上記挙動モデルが、ニューラルネットワークベースのモデルを含む、実施例５１～５４のいずれか一項に記載の方法を含む。
実施例５６は、上記第１または第２の複数の車両のうちの少なくとも１つが、人間のドライバを有する非自律的車両を含む、実施例５１～５５のいずれか一項に記載の方法を含む。
実施例５７は、上記非自律的車両に対応する挙動モデルを決定することをさらに備える、実施例５６に記載の方法を含む。
実施例５８は、１つまたは複数の非自律的車両の複数の挙動を観察するために、１つまたは複数のローカルセンサにおいてセンサデータを生成することをさらに備え、上記非自律的車両に対応する上記挙動モデルが、上記センサデータに基づいている、実施例５７に記載の方法を含む。
実施例５９は、上記非自律的車両に対応する上記挙動モデルが上記コンセンサス挙動モデルにさらに基づいている、実施例５８に記載の方法を含む。
実施例６０は、上記方法が、特定の道路セグメントに対応する静的コンピューティングノードを使用して実行され、上記静的コンピューティングノードが、上記特定の道路セグメントに近接して位置付けられる、実施例５１～５９のいずれか一項に記載の方法を含む。
実施例６１は、上記コンセンサス挙動モデルが、上記特定の道路セグメントにおける理想的な運転挙動を説明することを試みる、実施例６０に記載の方法を含む。
実施例６２は、実施例５１～６１のいずれか一項に記載の方法を実行するための手段を備えるシステムを含む。
実施例６３は、上記手段が、命令を格納するためのコンピュータ可読媒体を含み、上記命令が、機械によって実行されると、上記機械に、実施例５１～６１のいずれか一項に記載の方法の少なくとも一部を実行させる、実施例６２に記載のシステムを含む。
実施例６４は、自律走行車両に結合された複数のセンサからセンサデータを受信する段階と、上記センサデータに基づいて、上記自律走行車両以外の特定の車両により実行される不規則挙動を検出する段階と、上記特定の車両のための識別子を生成する段階と、上記不規則挙動が上記特定の車両により閾値数よりも多い回数実行されたことの検出に応答して、上記自律走行車両の動的挙動ポリシーを開始する段階と、を含む、方法を含む。
実施例６５は、上記特定の車両により実行される上記不規則挙動を検出する段階が、上記特定の車両により実行される観察された挙動を、上記自律走行車両の安全性モデルと比較することと、上記比較に基づいて、上記観察された挙動が上記自律走行車両の上記安全性モデルに違反していることを決定することとを含む、実施例６４に記載の方法を含む。
実施例６６は、上記特定の車両により実行される上記不規則挙動を検出する段階が、上記特定の車両により実行される観察された挙動を、他の車両により実行される観察された挙動と比較することと、上記比較に基づいて、上記特定の車両により実行される観察された挙動が上記他の車両により実行される観察された挙動から外れていることを決定することとを含む、実施例６４に記載の方法を含む。
実施例６７は、上記特定の車両により実行される上記不規則挙動を検出する段階が、上記特定の車両により実行される観察された挙動を、他の車両により実行される観察された挙動と比較することと、上記比較に基づいて、上記他の車両により実行される観察された挙動が、上記特定の車両により実行される観察された挙動に応答して実行されていることを決定することとを含む、実施例６４に記載の方法を含む。
実施例６８は、上記不規則挙動の検出が、センサデータ内の音声および視覚的コンテキスト情報に基づいている、実施例６４～６７のいずれか一項に記載の方法を含む。
実施例６９は、上記特定の車両のための識別子を生成する段階が、上記特定の車両のそれぞれの特徴の値を取得することと、上記値の組み合わせに暗号化ハッシュを適用して上記識別子を取得することとを含む、実施例６４～６８のいずれか一項に記載の方法を含む。
実施例６９は、上記値が、他の車両を認識するために自律走行車両によって使用されるディープラーニングモデルから代表的な特徴を取り出すことによって取得される。実施例６８に記載の方法を含む。
実施例７０は、他の車両による上記不規則挙動の検出の頻度を追跡する段階をさらに含む、実施例６４～６９のいずれか一項に記載の方法を含む。
実施例７１は、メモリと、上記メモリに結合された処理回路とを備え、実施例６４～７０に記載の方法のうちの１つまたは複数を実行する装置を含む。
実施例７２は、実施例６４～７０に記載の方法のうちの１つまたは複数を実行するための手段を備えるシステムを含む。
実施例７３は、少なくとも１つのコンピュータプロセッサによって実行されると、上記少なくとも１つのコンピュータプロセッサが実施例６４～７０のいずれか１つまたは複数に記載の方法の動作を実装することを可能にするように動作可能なコンピュータ実行可能命令を含む１つまたは複数の有形のコンピュータ可読非一時的記憶媒体を備える製品を含む。
実施例７４は、複数の自律走行車両から不規則挙動の追跡データを受信する段階であって、上記不規則挙動の追跡データが、車両識別子、上記車両識別子に関連付けられる車両により実行されたものとして観察された関連付けられた不規則挙動、および上記自律走行車両により上記不規則挙動が検出されたコンテキストを示すコンテキストデータを含むエントリを含む、受信する段階と、１つまたは複数の車両により実行される不規則挙動の１つまたは複数の順序を特定する段階と、上記特定された順序および上記不規則挙動の追跡データに基づいてコンテキスト挙動パターンを特定する段階と、上記特定されたコンテキスト挙動パターンに基づいて１つまたは複数の自律走行車両について挙動ポリシーを修正する段階とを備える方法を含む。
実施例７５は、コンテキスト挙動パターンを特定する段階が、特定された順序を示すノードの第１のセットと、コンテキストデータを示すノードの第２のセットとを含むコンテキストグラフを生成することであって、コンテキストグラフの端部は、ノード間の関連付けの頻度を示す、生成することと、上記コンテキストグラフを使用して、上記コンテキスト挙動パターンを特定することとを含む、実施例７４に記載の方法を含む。
実施例７６は、１つまたは複数の自律走行車両について挙動ポリシーを修正する段階が、１つまたは複数の自律走行車両が、特定されたコンテキスト挙動パターンに関連付けられた特定のコンテキスト内にあることの検出に基づいている、実施例７４に記載の方法を含む。
実施例７７は、コンテキストデータが、不規則挙動を実行する車両の軌道情報、不規則挙動を実行する車両の車両属性、不規則挙動を実行する車両のドライバ属性、不規則挙動を実行する車両の地理的位置、不規則挙動を実行する車両の周りの天候状態、および不規則挙動を実行する車両の周りの交通状況を示す交通情報のうちの１つまたは複数を含む、実施例７４～７６のいずれか１つに記載の方法を含む。
実施例７８は、不規則挙動の１つまたは複数の順序が、最長共通部分列（ＬＣＳ）に基づいて識別される、実施例７４～７７のいずれか一項に記載の方法を含む。
実施例７９は、メモリと、上記メモリに結合された処理回路とを備え、実施例７４～７８に記載の方法のうちの１つまたは複数を実行する装置を含む。
実施例８０は、実施例７４～７８に記載の方法のうちの１つまたは複数を実行するための手段を備えるシステムを含む。
実施例８１は、少なくとも１つのコンピュータプロセッサによって実行されると、上記少なくとも１つのコンピュータプロセッサが実施例７４～７８に記載の方法のうちの１つまたは複数の動作を実装することを可能にするように動作可能なコンピュータ実行可能命令を含む１つまたは複数の有形のコンピュータ可読非一時的記憶媒体を備える製品を含む。
実施例８２は、車両の動の第１の変更の分類を車両挙動モデルから受信する段階と、上記車両の動の上記第１の変更が所与の時間間隔の間に生じる可能性の予測を回帰モデルから受信する段階と、上記車両挙動モデルからの上記分類を上記回帰モデルからの上記予測と比較する段階と、上記比較に少なくとも部分的に基づいて、上記車両の動の上記第１の変更が故障であると決定する段階と、上記車両の動の上記第１の変更が故障であるとの決定に基づいて、上記車両の動の上記第１の変更に影響する第１の制御信号を送信する段階とを備える方法を含む。
実施例８３は、上記車両の動の上記第１の変更を示す第１の制御事象を上記車両挙動モデルにおいて受信する段階と、上記第１の制御事象および上記車両内の１つまたは複数のセンサからのデータに少なくとも部分的に基づいて、動の上記第１の変更の上記分類を生成する段階とをさらに備える、実施例８２に記載の方法を含む。
実施例８４は、第１の制御事象を上記回帰モデルにおいて受信する段階と、現在の状態を示す１つまたは複数の変数を取得する段階と、上記第１の制御事象および上記現在の状態を示す上記１つまたは複数の変数に少なくとも部分的に基づいて、上記予測を生成する段階とをさらに備える、実施例８２に記載の方法を含む。
実施例８５は、上記現在の状態が少なくとも１つの環境条件を含む、実施例８４に記載の方法を含む。
実施例８６は、上記現在の状態が少なくとも１つの車両状態を含む、実施例８４～８５のいずれか一項に記載の方法を含む。
実施例８７は、上記１つまたは複数の変数のうちの少なくとも１つが、１つまたは複数のリモートソースから取得される、実施例８４～８６のいずれか一項に記載の方法を含む。
実施例８８は、上記第１の制御事象が、ブレーキアクチュエータ、ステアリングアクチュエータ、またはスロットルアクチュエータに関連付けられる、実施例８３～８７のいずれか一項に記載の方法を含む。
実施例８９は、上記車両挙動モデルが隠れマルコフモデル（ＨＭＭ）アルゴリズムである、実施例８２～８８のいずれか一項に記載の方法を含む。
実施例９０は、上記回帰モデルが期待値最大化（ＥＭ）アルゴリズムである、実施例８２～８９のいずれか一項に記載の方法を含む。
実施例９１は、上記故障が、上記車両のコンピューティングシステムに対する悪意ある攻撃または上記車両の上記コンピューティングシステムにおける不良のうちの１つである、実施例８２～９０のいずれか一項に記載の方法を含む。
実施例９２は、メモリと、上記メモリに結合された処理回路とを備え、実施例８２～９１に記載のいずれか一項に記載の方法のうちの１つまたは複数を実行する装置を含む。
実施例９３は、実施例８２～９１に記載の方法のうちの１つまたは複数を実行するための手段を備えるシステムを含む。
実施例９４は、命令を含む少なくとも１つの機械可読媒体であって、上記命令は、実行されると、装置を実現させる、または実施例８２～９３のいずれか一項に記載の方法を実装する、機械可読媒体を含む。
実施例９５は、メモリと、メモリに結合されたプロセッサと、安全性モジュールと、車両のセンサの正常性に少なくとも部分的に基づいて上記車両の自律レベルスコアを決定するスコアモジュールとを備えるシステムを含む。
実施例９６は、自律レベルスコアを表示するための自律レベルインジケータをさらに備える、実施例９５に記載のシステムを含む。
実施例９７は、上記少なくとも１つの入力が、１つまたは複数のセンサに関連するデータを含む、実施例９５～９６のいずれか１つまたは複数に記載のシステムを含む。
実施例９８は、上記少なくとも１つの入力が、天候状態に関連するデータを含む、実施例９５～９７のいずれか１つまたは複数に記載のシステムを含む。
実施例９９は、上記少なくとも１つの入力が、上記車両が利用可能な計算能力に関連するデータを含む、実施例９５～９８のいずれか１つまたは複数に記載のシステムを含む。
実施例１００は、上記少なくとも１つの入力が、車両のカスタマイズに関連するデータを含む、実施例９５～９９のいずれか１つまたは複数に記載のシステムを含む。
実施例１０１は、上記少なくとも１つの入力が、ユーザ体験に関連するデータを含む、実施例９５～１００のいずれか１つまたは複数に記載のシステムを含む。
実施例１０２は、車両に関連する複数の入力を受信する段階と、上記複数の入力に重みづけする段階と、上記複数の重みづけされた入力を組み合わせる段階と、上記組み合わされて重みづけされた入力を使用して上記車両の自律運転レベルスコアを決定する段階とを備える方法を含む。
実施例１０３は、上記自律運転レベルスコアを自律レベルインジケータに表示する段階をさらに備える、実施例１０２に記載の方法を含む。
実施例１０４は、上記ドライバの特性に関する情報を更新する段階をさらに備える、実施例９５～１０２のいずれか１つまたは複数に記載の方法を含む。
実施例１０５は、実施例１０２～１０４に記載の方法のうちのいずれか１つまたは複数を実行する手段を備えるシステムを含む。
実施例１０６は、上記手段が、命令を含む少なくとも１つの機械可読媒体を含み、上記命令が、実行されると、実施例１０２～１０４のいずれか１つまたは複数に記載のいずれかの方法を実装する、実施例１０５に記載のシステムを含む。
実施例１０７は、車両の寸法が修正されたかどうかを決定する段階と、新たな車両寸法を取得する段階と、上記新たな車両寸法に基づいて新たな車両モデルを生成する段階と、上記新たな車両モデルに基づいて自律走行車両スタックの１つまたは複数のアルゴリズムを調整する段階とを備える方法を含む。
実施例１０８は、車両の寸法が修正されたかどうかを決定する段階が、センサを使用して、ヒッチが係合していることを決定することを含む、実施例１０７に記載の方法を含む。
実施例１０９は、新たな車両寸法を取得する段階が、超音波スキャンを行うことを含む、実施例１０７～１０８のいずれか１つまたは複数に記載の方法を含む。
実施例１１０は、新たな車両寸法を取得する段階が、ウォークスルーの間に上記車両をスキャンすることを含む、実施例１０７～１０８のいずれか１つまたは複数に記載の方法を含む。
実施例１１１は、上記ウォークスルーの間の上記スキャンが、スマートフォンを使用することを含む、実施例１１０に記載の方法を含む。
実施例１１２は、上記車両寸法が変更されたときに、上記新たな車両寸法についてドライバに促す段階をさらに備える、実施例１０７～１１１のいずれか１つまたは複数に記載の方法を含む。
実施例１１３は、上記車両の寸法が修正された後に、上記車両の自律レベルを決定する段階をさらに備える、実施例１０７～１１２のいずれか１つまたは複数に記載の方法を含む。
実施例１１４は、センサを使用して、上記新たな車両寸法を確認する段階をさらに備える、実施例１０７～１１３のいずれか１つまたは複数に記載の方法を含む。
実施例１１５は、実施例１０７～１１４のいずれか１つまたは複数を実行する手段を備えるシステムを含む。
実施例１１６は、上記手段が、命令を含む少なくとも１つの機械可読媒体を含み、上記命令が、実行されると、実施例１０７～１１４のいずれか１つまたは複数に記載のいずれかの方法を実装する、実施例１１５に記載のシステムを含む。
こうして、主題に関する特定の実施形態が説明された。他の実施形態は、以下の特許請求の範囲の範囲内である。いくつかの場合において、特許請求の範囲において列挙される複数のアクションは、異なる順序で実行され、なおも望ましい結果を実現し得る。さらに、添付の図に示した処理は、望ましい結果を実現するために、示されている特定の順序または順番を必ずしも必要とするものではない。

Claims (39)

  1. 第１の車両に近接する第２の車両から報知される前記第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第１の車両と前記第２の車両との間の無線通信セッションを確立し、前記無線通信セッションを通して前記第２の車両から前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路と
    を備える、装置。
  2. 前記処理回路が、前記挙動モデルを使用して前記第２の車両の動作を予測する前に、前記第２の車両に関連付けられる前記挙動モデルの信頼性を決定する、請求項１に記載の装置。
  3. 前記処理回路は、前記第２の車両に関連付けられる前記挙動モデルの信頼性を、前記第２の車両から受信される更なる信号に基づき決定する、請求項２に記載の装置。
  4. 第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路と
    を備え、
    前記処理回路が、前記挙動モデルを使用して前記第２の車両の動作を予測する前に、前記第２の車両に関連付けられる前記挙動モデルの信頼性を、前記信号に基づき決定する、装置。
  5. 前記挙動モデルの信頼性を決定することが、前記挙動モデルのフォーマットを検証することを含む、請求項２から４のいずれか一項に記載の装置。
  6. 第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路と
    を備え、
    前記処理回路が、前記挙動モデルを使用して前記第２の車両の動作を予測する前に、前記第２の車両に関連付けられる前記挙動モデルの信頼性を決定し、
    前記挙動モデルの信頼性を決定することが、前記挙動モデルのフォーマットを検証することを含む、装置。
  7. 前記挙動モデルの信頼性を決定することが、前記挙動モデルの精度を検証することを含む、請求項２から６のいずれか一項に記載の装置。
  8. 前記挙動モデルの精度を検証することが、
    少なくとも１つの機械学習モデルに提供される入力、および前記少なくとも１つの機械学習モデルの対応する出力を格納することと、
    前記挙動モデルに前記入力を提供し、前記挙動モデルの出力を前記少なくとも１つの機械学習モデルの前記対応する出力と比較することと
    を含む、請求項７に記載の装置。
  9. 第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路とを備え、
    前記挙動モデルの精度を検証することが、
    少なくとも１つの機械学習モデルに提供される入力、および前記少なくとも１つの機械学習モデルの対応する出力を格納することと、
    前記挙動モデルに前記入力を提供し、前記挙動モデルの出力を前記少なくとも１つの機械学習モデルの前記対応する出力と比較することと
    を含む、装置。
  10. 前記挙動モデルの精度を検証することが、
    観察された状態に対応する入力に基づいて前記挙動モデルに従った前記第２の車両の予期される挙動を決定することと、
    前記観察された状態に対応する前記第２の車両の挙動を観察することと、
    前記観察された挙動を前記予期される挙動と比較することと
    を含む、請求項７に記載の装置。
  11. 前記第２の車両に関連付けられる前記挙動モデルが、前記第２の車両の自律運転挙動を決定するために前記第２の車両により使用される少なくとも１つの機械学習モデルに対応する、請求項１から１０のいずれか一項に記載の装置。
  12. 前記処理回路が、前記第２の車両と通信して前記挙動モデルを取得し、前記第２の車両との通信が、前記第１の車両と前記第２の車両との間のセキュアな通信セッションを確立することと、前記セキュアな通信セッション内での通信を介して前記挙動モデルを受信することとを含む、請求項１から１１のいずれか一項に記載の装置。
  13. 前記セキュアな通信セッションを確立することが、前記第１の車両と前記第２の車両との間でトークンを交換することを含み、各トークンは、対応する車両のそれぞれの識別子と、それぞれの公開鍵と、共有の秘密値とを含む、請求項１２に記載の装置。
  14. 前記信号が、前記第２の車両のアイデンティティおよび位置を示すためのビーコンを含む、請求項１から１３のいずれか一項に記載の装置。
  15. 第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路と
    を備え、
    前記信号が、前記第２の車両のアイデンティティおよび位置を示すためのビーコンを含む、装置。
  16. 前記第１の車両に近接する他の車両に信号を報知して、前記第１の車両を前記他の車両に対して識別するための送信機をさらに備える、請求項１から１５のいずれか一項に記載の装置。
  17. 前記処理回路が、前記挙動モデルを含む挙動モデルの交換において前記第２の車両への第２の挙動モデルの通信を開始し、前記第２の挙動モデルは、前記第１の車両の運転挙動を規定する、請求項１から１６のいずれか一項に記載の装置。
  18. 第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路と
    を備え、
    前記処理回路は、前記挙動モデルを含む挙動モデルの交換において、前記第１の車両が前記第２の車両に対し送信した前記第２の車両を識別する第２の信号に基づき、前記第２の車両により前記第１の車両に関連付けられる第２の挙動モデルが信頼された場合に、前記第２の車両への前記第２の挙動モデルの通信を開始し、前記第２の挙動モデルは、前記第１の車両の運転挙動を規定する、装置。
  19. 前記処理回路は、前記第２の車両に関連付けられる前記挙動モデルが、前記第１の車両の挙動モデルデータベース内にあるかどうかを決定し、前記第２の車両に関連付けられる前記挙動モデルは、前記第２の車両に関連付けられる前記挙動モデルがまだ前記挙動モデルデータベース内にないという決定に基づいて取得される、請求項１から１８のいずれか一項に記載の装置。
  20. 第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路と
    を備え、
    前記処理回路は、前記第２の車両に関連付けられる前記挙動モデルが、前記第１の車両の挙動モデルデータベース内にあるかどうかを決定し、前記第２の車両に関連付けられる前記挙動モデルは、前記第２の車両に関連付けられる前記挙動モデルがまだ前記挙動モデルデータベース内にないという決定に基づいて取得される、装置。
  21. 前記第２の車両は、人間の運転モードで動作可能であり、前記第２の車両に関連付けられる前記挙動モデルが、前記人間の運転モードにおける前記第２の車両の動作中の前記第２の車両の少なくとも１人の人間のドライバの特性をモデル化する、請求項１から２０のいずれか一項に記載の装置。
  22. 前記第２の車両に関連付けられる前記挙動モデルが、前記第２の車両の挙動モデルのセットのうちの１つを含み、前記挙動モデルのセットは、複数のシナリオ特有挙動モデルを含む、請求項１から２１のいずれか一項に記載の装置。
  23. 第１の車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記第１の車両と前記第２の車両との間の無線通信セッションを確立し、前記無線通信セッションを通して前記第２の車両から前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作に基づいて前記第１の車両の経路計画を決定することと
    を行う、処理回路と
    を備え、
    前記第２の車両に関連付けられる前記挙動モデルが、前記第２の車両の挙動モデルのセットのうちの１つを含み、前記挙動モデルのセットは、複数のシナリオ特有挙動モデルを含む、装置。
  24. 前記処理回路が、
    前記第１の車両により生成されたセンサデータに少なくとも部分的に基づいて特定のシナリオを決定し、
    前記挙動モデルのセット内の特定の挙動モデルが前記特定のシナリオに対応することを決定し、
    前記特定の挙動モデルが前記特定のシナリオに対応するとの決定に基づいて、前記特定の挙動モデルを使用して前記第２の車両の動作を予測する、
    請求項２２または２３に記載の装置。
  25. 第１車両であって、
    センサデータを生成する複数のセンサと、
    前記第１車両の移動を物理的に制御する制御システムと、
    請求項１から２４の何れか１つに記載の装置と
    を備える、第１車両。
  26. 車両であって、
    センサデータを生成する複数のセンサと、
    前記車両の移動を物理的に制御する制御システムと、
    前記車両に近接する第２の車両から報知される前記第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記車両と前記第２の車両との間の無線通信セッションを確立し、前記無線通信セッションを通して前記第２の車両から前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが、前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作および前記センサデータに基づいて前記車両の経路計画を決定することと、
    前記経路計画に従って前記車両を移動させるように制御システムと通信することと
    を行う、処理回路と
    を備える、車両。
  27. 車両であって、
    センサデータを生成する複数のセンサと、
    前記車両の移動を物理的に制御する制御システムと、
    前記車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースであって、前記信号は前記第２の車両のアイデンティティおよび位置を示すためのビーコンを含む、少なくとも１つのインターフェースと、
    処理回路であって、
    前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが、前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作および前記センサデータに基づいて前記車両の経路計画を決定することと、
    前記経路計画に従って前記車両を移動させるように制御システムと通信することと
    を行う、処理回路と
    を備える、車両。
  28. 前記処理回路が、前記挙動モデルを使用して前記第２の車両の動作を予測する前に、前記第２の車両に関連付けられる前記挙動モデルの信頼性を決定する、請求項２６または２７に記載の車両。
  29. 前記挙動モデルの信頼性を決定することが、前記挙動モデルの精度を検証することを含む、請求項２８に記載の車両。
  30. 前記挙動モデルが、前記第２の車両の自律運転挙動を決定するために前記第２の車両により使用される少なくとも１つの機械学習モデルに対応する、請求項２６から２９のいずれか一項に記載の車両。
  31. 前記第２の車両に関連付けられる前記挙動モデルが、前記第２の車両の挙動モデルのセットのうちの１つを含み、前記挙動モデルのセットが、複数のシナリオ特有挙動モデルを含む、請求項２６から３０のいずれか一項に記載の車両。
  32. 車両であって、
    センサデータを生成する複数のセンサと、
    前記車両の移動を物理的に制御する制御システムと、
    前記車両に近接する第２の車両を識別する信号を受信する少なくとも１つのインターフェースと、
    処理回路であって、
    前記車両と前記第２の車両との間の無線通信セッションを確立し、前記無線通信セッションを通して前記第２の車両から前記第２の車両に関連付けられる挙動モデルを取得することであって、前記挙動モデルが、前記第２の車両の運転挙動を規定する、取得することと、
    前記挙動モデルを使用して前記第２の車両の動作を予測することと、
    前記第２の車両の前記予測された動作および前記センサデータに基づいて前記車両の経路計画を決定することと、
    前記経路計画に従って前記車両を移動させるように制御システムと通信することと
    を行う、処理回路と
    を備え、
    前記第２の車両に関連付けられる前記挙動モデルが、前記第２の車両の挙動モデルのセットのうちの１つを含み、前記挙動モデルのセットが、複数のシナリオ特有挙動モデルを含む、車両。
  33. 第１の車両に近接する第２の車両から報知される前記第２の車両を識別する信号を受信する手段と、
    前記第１の車両と前記第２の車両との間の無線通信セッションを確立し、前記無線通信セッションを通して前記第２の車両から前記第２の車両に関連付けられる挙動モデルを取得する手段であって、前記挙動モデルが、前記第２の車両の運転挙動を規定する、取得する手段と、
    前記挙動モデルを使用して前記第２の車両の動作を予測する手段と、
    前記第２の車両の前記予測された動作に基づいて、前記第１の車両の経路計画を決定する手段と
    を備える、システム。
  34. 第１の車両に近接する第２の車両を識別する信号を受信する手段であって、前記信号は前記第２の車両のアイデンティティおよび位置を示すためのビーコンを含む、受信する手段と、
    前記第２の車両に関連付けられる挙動モデルを取得する手段であって、前記挙動モデルが、前記第２の車両の運転挙動を規定する、取得する手段と、
    前記挙動モデルを使用して前記第２の車両の動作を予測する手段と、
    前記第２の車両の前記予測された動作に基づいて、前記第１の車両の経路計画を決定する手段と
    を備える、システム。
  35. 前記挙動モデルを使用して前記第２の車両の動作を予測する前に、前記第２の車両に関連付けられる前記挙動モデルの信頼性を決定する手段をさらに備える、請求項３３または３４に記載のシステム。
  36. 前記挙動モデルの信頼性を決定することが、前記挙動モデルの精度を検証することを含む、請求項３５に記載のシステム。
  37. 機械に、
    第１の車両に近接する第２の車両から報知される前記第２の車両を識別する信号を受信する手順と、
    前記第１の車両と前記第２の車両との間の無線通信セッションを確立し、前記無線通信セッションを通して前記第２の車両から前記第２の車両に関連付けられる挙動モデルを取得する手順であって、前記挙動モデルが、前記第２の車両の運転挙動を規定する、取得する手順と、
    前記挙動モデルを使用して前記第２の車両の動作を予測する手順と、
    前記第２の車両の前記予測された動作に基づいて、前記第１の車両の経路計画を決定する手順と
    を実行させる、プログラム。
  38. 機械に、
    第１の車両に近接する第２の車両を識別する信号を受信する手順であって、前記信号は前記第２の車両のアイデンティティおよび位置を示すためのビーコンを含む、受信する手順と、
    前記第２の車両に関連付けられる挙動モデルを取得する手順であって、前記挙動モデルが、前記第２の車両の運転挙動を規定する、取得する手順と、
    前記挙動モデルを使用して前記第２の車両の動作を予測する手順と、
    前記第２の車両の前記予測された動作に基づいて、前記第１の車両の経路計画を決定する手順と
    を実行させる、プログラム。
  39. 請求項３７または３８に記載のプログラムを格納する、コンピュータ可読媒体。
JP2021548178A 2019-03-29 2020-03-27 自律走行車両システム Active JP7707487B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962826955P 2019-03-29 2019-03-29
US62/826,955 2019-03-29
PCT/US2020/025501 WO2020205648A1 (en) 2019-03-29 2020-03-27 Autonomous vehicle system

Publications (2)

Publication Number Publication Date
JP2022525391A JP2022525391A (ja) 2022-05-13
JP7707487B2 true JP7707487B2 (ja) 2025-07-15

Family

ID=72666352

Family Applications (5)

Application Number Title Priority Date Filing Date
JP2021546208A Active JP7593645B2 (ja) 2019-03-29 2020-03-27 自律車両システム
JP2021548178A Active JP7707487B2 (ja) 2019-03-29 2020-03-27 自律走行車両システム
JP2021545802A Pending JP2022524932A (ja) 2019-03-29 2020-03-27 自律車両システム
JP2021544522A Active JP7460044B2 (ja) 2019-03-29 2020-03-27 自律車両、ならびに自律車両システムに係る装置、プログラム、およびコンピュータ可読媒体
JP2024199150A Pending JP2025024097A (ja) 2019-03-29 2024-11-14 方法、装置、システム、プログラムおよびコンピュータ可読記憶媒体

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2021546208A Active JP7593645B2 (ja) 2019-03-29 2020-03-27 自律車両システム

Family Applications After (3)

Application Number Title Priority Date Filing Date
JP2021545802A Pending JP2022524932A (ja) 2019-03-29 2020-03-27 自律車両システム
JP2021544522A Active JP7460044B2 (ja) 2019-03-29 2020-03-27 自律車両、ならびに自律車両システムに係る装置、プログラム、およびコンピュータ可読媒体
JP2024199150A Pending JP2025024097A (ja) 2019-03-29 2024-11-14 方法、装置、システム、プログラムおよびコンピュータ可読記憶媒体

Country Status (7)

Country Link
US (4) US20220126864A1 (ja)
EP (4) EP3947094A4 (ja)
JP (5) JP7593645B2 (ja)
KR (4) KR20210134317A (ja)
CN (4) CN113825689A (ja)
DE (4) DE112020001649T5 (ja)
WO (4) WO2020205655A1 (ja)

Families Citing this family (679)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220018906A1 (en) * 2014-02-27 2022-01-20 Invently Automotive Inc. Predicting An Outcome Associated With A Driver Of A vehicle
US10102587B1 (en) 2014-07-21 2018-10-16 State Farm Mutual Automobile Insurance Company Methods of pre-generating insurance claims
US10788235B2 (en) * 2014-11-07 2020-09-29 Sony Corporation Control system, control method, and storage medium
WO2016126317A1 (en) * 2015-02-06 2016-08-11 Delphi Technologies, Inc. Method of automatically controlling an autonomous vehicle based on electronic messages from roadside infrastructure of other vehicles
US11231287B2 (en) * 2016-12-22 2022-01-25 Nissan North America, Inc. Autonomous vehicle service system
IL288191B2 (en) * 2016-12-23 2023-10-01 Mobileye Vision Technologies Ltd Navigational system with imposed liability constraints
US10678244B2 (en) 2017-03-23 2020-06-09 Tesla, Inc. Data synthesis for autonomous control systems
US11157441B2 (en) 2017-07-24 2021-10-26 Tesla, Inc. Computational array microprocessor system using non-consecutive data formatting
US10671349B2 (en) 2017-07-24 2020-06-02 Tesla, Inc. Accelerated mathematical engine
US11409692B2 (en) 2017-07-24 2022-08-09 Tesla, Inc. Vector computational unit
US11893393B2 (en) 2017-07-24 2024-02-06 Tesla, Inc. Computational array microprocessor system with hardware arbiter managing memory requests
US10569784B2 (en) * 2017-09-28 2020-02-25 Waymo Llc Detecting and responding to propulsion and steering system errors for autonomous vehicles
US12307350B2 (en) 2018-01-04 2025-05-20 Tesla, Inc. Systems and methods for hardware-based pooling
US11215984B2 (en) * 2018-01-09 2022-01-04 Uatc, Llc Systems and methods for controlling an autonomous vehicle
US11561791B2 (en) 2018-02-01 2023-01-24 Tesla, Inc. Vector computational unit receiving data elements in parallel from a last row of a computational array
KR20210008836A (ko) * 2018-05-09 2021-01-25 씨에이브이에이치 엘엘씨 차량 및 고속도로 사이의 주행 지능 할당을 위한 시스템 및 방법
WO2019220235A1 (en) * 2018-05-14 2019-11-21 3M Innovative Properties Company Autonomous navigation systems for temporary zones
US11215999B2 (en) 2018-06-20 2022-01-04 Tesla, Inc. Data pipeline and deep learning system for autonomous driving
US12275525B2 (en) 2018-06-21 2025-04-15 Sierra Nevada Corporation Net edge composite core splices for aircraft wing
US11167836B2 (en) 2018-06-21 2021-11-09 Sierra Nevada Corporation Devices and methods to attach composite core to a surrounding structure
US10564641B2 (en) 2018-07-20 2020-02-18 May Mobility, Inc. Multi-perspective system and method for behavioral policy selection by an autonomous agent
US10909866B2 (en) * 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
US11361457B2 (en) 2018-07-20 2022-06-14 Tesla, Inc. Annotation cross-labeling for autonomous control systems
US10614709B2 (en) 2018-07-24 2020-04-07 May Mobility, Inc. Systems and methods for implementing multimodal safety operations with an autonomous agent
US10768629B2 (en) * 2018-07-24 2020-09-08 Pony Ai Inc. Generative adversarial network enriched driving simulation
US11636333B2 (en) 2018-07-26 2023-04-25 Tesla, Inc. Optimizing neural network structures for embedded systems
US11748418B2 (en) 2018-07-31 2023-09-05 Marvell Asia Pte, Ltd. Storage aggregator controller with metadata computation control
DE102018118761A1 (de) * 2018-08-02 2020-02-06 Robert Bosch Gmbh Verfahren zum zumindest teilautomatisierten Führen eines Kraftfahrzeugs
US11562231B2 (en) 2018-09-03 2023-01-24 Tesla, Inc. Neural networks for embedded devices
EP3850546A4 (en) 2018-09-10 2022-06-15 Drisk, Inc. GRAPH-BASED AI TRAINING SYSTEMS AND METHODS
CN112752683B (zh) * 2018-09-24 2023-08-01 罗伯特·博世有限公司 用于监控机动脚踏车的方法和设备
KR102637599B1 (ko) * 2018-10-08 2024-02-19 주식회사 에이치엘클레무브 차량간 통신 정보를 이용한 차선변경 제어장치 및 방법과, 그를 위한 성향 정보 산출 장치
KR20250078625A (ko) 2018-10-11 2025-06-02 테슬라, 인크. 증강 데이터로 기계 모델을 훈련하기 위한 시스템 및 방법
US12330646B2 (en) 2018-10-18 2025-06-17 Autobrains Technologies Ltd Off road assistance
US11196678B2 (en) 2018-10-25 2021-12-07 Tesla, Inc. QOS manager for system on a chip communications
US10748038B1 (en) 2019-03-31 2020-08-18 Cortica Ltd. Efficient calculation of a robust signature of a media unit
US11816585B2 (en) 2018-12-03 2023-11-14 Tesla, Inc. Machine learning models operating at different frequencies for autonomous vehicles
US11537811B2 (en) 2018-12-04 2022-12-27 Tesla, Inc. Enhanced object detection for autonomous vehicles based on field view
US11610117B2 (en) 2018-12-27 2023-03-21 Tesla, Inc. System and method for adapting a neural network model on a hardware platform
US10997461B2 (en) 2019-02-01 2021-05-04 Tesla, Inc. Generating ground truth for machine learning from time series elements
US11150664B2 (en) 2019-02-01 2021-10-19 Tesla, Inc. Predicting three-dimensional features for autonomous driving
US11567514B2 (en) 2019-02-11 2023-01-31 Tesla, Inc. Autonomous and user controlled vehicle summon to a target
US10969470B2 (en) 2019-02-15 2021-04-06 May Mobility, Inc. Systems and methods for intelligently calibrating infrastructure devices using onboard sensors of an autonomous agent
US10956755B2 (en) 2019-02-19 2021-03-23 Tesla, Inc. Estimating object properties using visual image data
US11953333B2 (en) * 2019-03-06 2024-04-09 Lyft, Inc. Systems and methods for autonomous vehicle performance evaluation
US11694088B2 (en) * 2019-03-13 2023-07-04 Cortica Ltd. Method for object detection using knowledge distillation
CN110069064B (zh) * 2019-03-19 2021-01-29 驭势科技（北京）有限公司 一种自动驾驶系统升级的方法、自动驾驶系统及车载设备
US11440471B2 (en) * 2019-03-21 2022-09-13 Baidu Usa Llc Automated warning system to detect a front vehicle slips backwards
DE102019204318A1 (de) * 2019-03-28 2020-10-01 Conti Temic Microelectronic Gmbh Automatische Erkennung und Klassifizierung von Adversarial Attacks
DE102019205520A1 (de) * 2019-04-16 2020-10-22 Robert Bosch Gmbh Verfahren zum Ermitteln von Fahrverläufen
US11757906B2 (en) 2019-04-18 2023-09-12 Oracle International Corporation Detecting behavior anomalies of cloud users for outlier actions
US11417212B1 (en) * 2019-04-29 2022-08-16 Allstate Insurance Company Risk management system with internet of things
EP3739521A1 (en) * 2019-05-14 2020-11-18 Robert Bosch GmbH Training system for training a generator neural network
US11775770B2 (en) * 2019-05-23 2023-10-03 Capital One Services, Llc Adversarial bootstrapping for multi-turn dialogue model training
CN112055364B (zh) * 2019-06-06 2023-04-07 华为技术有限公司 一种网络系统分级方法及装置
US11526174B2 (en) * 2019-06-07 2022-12-13 Tata Consultancy Services Limited Method and a system for hierarchical network based diverse trajectory proposal
DE102019208735B4 (de) * 2019-06-14 2021-12-23 Volkswagen Aktiengesellschaft Verfahren zum Betreiben eines Fahrassistenzsystems eines Fahrzeugs und Fahrerassistenzsystem für ein Fahrzeug
US11287829B2 (en) * 2019-06-20 2022-03-29 Cisco Technology, Inc. Environment mapping for autonomous vehicles using video stream sharing
US12296860B2 (en) * 2019-06-24 2025-05-13 Lg Electronics Inc. Travel method of autonomous vehicle
US20200410368A1 (en) * 2019-06-25 2020-12-31 International Business Machines Corporation Extended rule generation
US10832294B1 (en) 2019-06-26 2020-11-10 Lyft, Inc. Dynamically adjusting transportation provider pool size
US11727265B2 (en) * 2019-06-27 2023-08-15 Intel Corporation Methods and apparatus to provide machine programmed creative support to a user
US12248852B2 (en) * 2019-06-28 2025-03-11 Intel Corporation Decision architecture for autonomous systems
CN110300175B (zh) * 2019-07-02 2022-05-17 腾讯科技（深圳）有限公司 消息推送方法、装置、存储介质及服务器
US12002361B2 (en) * 2019-07-03 2024-06-04 Cavh Llc Localized artificial intelligence for intelligent road infrastructure
US11386229B2 (en) * 2019-07-04 2022-07-12 Blackberry Limited Filtering personally identifiable information from vehicle data
CN110281950B (zh) * 2019-07-08 2020-09-04 睿镞科技(北京)有限责任公司 基于三维声像传感器的载运工具控制与可视化环境体验
CN114144699A (zh) * 2019-07-16 2022-03-04 佳能株式会社 光学装置以及设置有光学装置的车载系统和移动设备
JP2021015565A (ja) * 2019-07-16 2021-02-12 トヨタ自動車株式会社 車両制御装置
JP7310403B2 (ja) * 2019-07-23 2023-07-19 トヨタ自動車株式会社 車両制御装置及び自動運転禁止システム
US11787407B2 (en) * 2019-07-24 2023-10-17 Pony Ai Inc. System and method for sensing vehicles and street
EP3770881B1 (en) * 2019-07-26 2023-11-15 Volkswagen AG Methods, computer programs, apparatuses, a vehicle, and a traffic entity for updating an environmental model of a vehicle
US12142143B1 (en) * 2019-07-30 2024-11-12 Terry Tedford Vehicle alert system and method of use
CN110415543A (zh) * 2019-08-05 2019-11-05 北京百度网讯科技有限公司 车辆信息的交互方法、装置、设备以及存储介质
US11482015B2 (en) * 2019-08-09 2022-10-25 Otobrite Electronics Inc. Method for recognizing parking space for vehicle and parking assistance system using the method
US11775816B2 (en) 2019-08-12 2023-10-03 Micron Technology, Inc. Storage and access of neural network outputs in automotive predictive maintenance
US12249189B2 (en) 2019-08-12 2025-03-11 Micron Technology, Inc. Predictive maintenance of automotive lighting
US11853863B2 (en) 2019-08-12 2023-12-26 Micron Technology, Inc. Predictive maintenance of automotive tires
US12061971B2 (en) 2019-08-12 2024-08-13 Micron Technology, Inc. Predictive maintenance of automotive engines
US11635893B2 (en) 2019-08-12 2023-04-25 Micron Technology, Inc. Communications between processors and storage devices in automotive predictive maintenance implemented via artificial neural networks
US11586943B2 (en) 2019-08-12 2023-02-21 Micron Technology, Inc. Storage and access of neural network inputs in automotive predictive maintenance
US11748626B2 (en) 2019-08-12 2023-09-05 Micron Technology, Inc. Storage devices with neural network accelerators for automotive predictive maintenance
US11586194B2 (en) 2019-08-12 2023-02-21 Micron Technology, Inc. Storage and access of neural network models of automotive predictive maintenance
US11498388B2 (en) 2019-08-21 2022-11-15 Micron Technology, Inc. Intelligent climate control in vehicles
US11702086B2 (en) 2019-08-21 2023-07-18 Micron Technology, Inc. Intelligent recording of errant vehicle behaviors
US11361552B2 (en) 2019-08-21 2022-06-14 Micron Technology, Inc. Security operations of parked vehicles
EP3990862A4 (en) * 2019-08-31 2023-07-05 Cavh Llc DISTRIBUTED DRIVING SYSTEMS AND METHODS FOR AUTOMATED VEHICLES
DE112019007681T5 (de) * 2019-09-02 2022-06-09 Mitsubishi Electric Corporation Automatische Fahrsteuerungsvorrichtung und automatisches Fahrsteuerungsverfahren
US11822091B2 (en) 2019-09-03 2023-11-21 Apple Inc. Head-mounted device with tension adjustment
US11409654B2 (en) 2019-09-05 2022-08-09 Micron Technology, Inc. Intelligent optimization of caching operations in a data storage device
US11435946B2 (en) 2019-09-05 2022-09-06 Micron Technology, Inc. Intelligent wear leveling with reduced write-amplification for data storage devices configured on autonomous vehicles
US11436076B2 (en) 2019-09-05 2022-09-06 Micron Technology, Inc. Predictive management of failing portions in a data storage device
US12210401B2 (en) 2019-09-05 2025-01-28 Micron Technology, Inc. Temperature based optimization of data storage operations
US11693562B2 (en) 2019-09-05 2023-07-04 Micron Technology, Inc. Bandwidth optimization for different types of operations scheduled in a data storage device
US11650746B2 (en) 2019-09-05 2023-05-16 Micron Technology, Inc. Intelligent write-amplification reduction for data storage devices configured on autonomous vehicles
US11077850B2 (en) * 2019-09-06 2021-08-03 Lyft, Inc. Systems and methods for determining individualized driving behaviors of vehicles
US11460856B2 (en) * 2019-09-13 2022-10-04 Honda Motor Co., Ltd. System and method for tactical behavior recognition
US11577756B2 (en) * 2019-09-13 2023-02-14 Ghost Autonomy Inc. Detecting out-of-model scenarios for an autonomous vehicle
US10768620B1 (en) * 2019-09-17 2020-09-08 Ha Q Tran Smart vehicle
DE102019214482A1 (de) * 2019-09-23 2021-03-25 Robert Bosch Gmbh Verfahren zum sicheren zumindest teilautomatisierten Führen eines Kraftfahrzeugs
DE102019214445A1 (de) * 2019-09-23 2021-03-25 Robert Bosch Gmbh Verfahren zum Assistieren eines Kraftfahrzeugs
US11455515B2 (en) * 2019-09-24 2022-09-27 Robert Bosch Gmbh Efficient black box adversarial attacks exploiting input data structure
US11780460B2 (en) * 2019-09-30 2023-10-10 Ghost Autonomy Inc. Determining control operations for an autonomous vehicle
US11645518B2 (en) * 2019-10-07 2023-05-09 Waymo Llc Multi-agent simulations
US11210952B2 (en) * 2019-10-17 2021-12-28 Verizon Patent And Licensing Inc. Systems and methods for controlling vehicle traffic
CN118977732A (zh) * 2019-10-29 2024-11-19 索尼集团公司 地理控制区中的车辆控制
US20210133493A1 (en) * 2019-10-30 2021-05-06 safeXai, Inc. Disrupting object recognition functionality
US11577757B2 (en) * 2019-11-01 2023-02-14 Honda Motor Co., Ltd. System and method for future forecasting using action priors
TWI762828B (zh) * 2019-11-01 2022-05-01 緯穎科技服務股份有限公司 高速序列電腦匯流排的訊號調整方法及其相關電腦系統
CN110764509A (zh) * 2019-11-11 2020-02-07 北京百度网讯科技有限公司 任务调度方法、装置、设备及计算机可读存储介质
KR102732509B1 (ko) * 2019-11-15 2024-11-21 한국전자통신연구원 릴레이 노드, 릴레이 네트워크 시스템 및 이의 동작 방법
US11838400B2 (en) * 2019-11-19 2023-12-05 International Business Machines Corporation Image encoding for blockchain
US11454967B2 (en) * 2019-11-20 2022-09-27 Verizon Patent And Licensing Inc. Systems and methods for collecting vehicle data to train a machine learning model to identify a driving behavior or a vehicle issue
US11433892B2 (en) * 2019-12-02 2022-09-06 Gm Cruise Holdings Llc Assertive vehicle detection model generation
KR20210070029A (ko) * 2019-12-04 2021-06-14 삼성전자주식회사 반복적 생성을 통해 출력 콘텐트를 향상시키기 위한 디바이스, 방법, 및 프로그램
EP3832420B1 (en) * 2019-12-06 2024-02-07 Elektrobit Automotive GmbH Deep learning based motion control of a group of autonomous vehicles
JP6663072B1 (ja) 2019-12-06 2020-03-11 株式会社ショーワ 保舵判定装置、ステアリング制御装置、及びステアリング装置
JP6679801B1 (ja) 2019-12-06 2020-04-15 株式会社ショーワ 保舵判定装置、ステアリング制御装置、及びステアリング装置
KR102854951B1 (ko) * 2019-12-11 2025-09-04 현대자동차주식회사 양방향 차량상태정보 제공이 가능한 정보공유 플랫폼, 이를 갖는 시스템, 그리고 이의 방법
JP7658958B2 (ja) * 2019-12-13 2025-04-08 マーベル アジア ピーティーイー、リミテッド 効率的なメタデータの生成およびエクスポートを伴う自動車データ処理システム
US11250648B2 (en) 2019-12-18 2022-02-15 Micron Technology, Inc. Predictive maintenance of automotive transmission
US11748488B2 (en) * 2019-12-24 2023-09-05 Sixgill Ltd. Information security risk management
US11885633B1 (en) * 2019-12-26 2024-01-30 Lyft, Inc. Intelligently restricting transportation changes based on transportation signals in a transportation matching system
KR20220113947A (ko) * 2019-12-26 2022-08-17 소니 세미컨덕터 솔루션즈 가부시키가이샤 정보 처리 장치, 이동 장치, 정보 처리 시스템 및 방법, 그리고 프로그램
US11765067B1 (en) * 2019-12-28 2023-09-19 Waymo Llc Methods and apparatus for monitoring a sensor validator
US20210221390A1 (en) * 2020-01-21 2021-07-22 Qualcomm Incorporated Vehicle sensor calibration from inter-vehicle communication
US11734836B2 (en) * 2020-01-27 2023-08-22 Pacefactory Inc. Video-based systems and methods for generating compliance-annotated motion trails in a video sequence for assessing rule compliance for moving objects
US11531339B2 (en) * 2020-02-14 2022-12-20 Micron Technology, Inc. Monitoring of drive by wire sensors in vehicles
US11709625B2 (en) 2020-02-14 2023-07-25 Micron Technology, Inc. Optimization of power usage of data storage devices
US11511771B2 (en) * 2020-02-17 2022-11-29 At&T Intellectual Property I, L.P. Enhanced navigation and ride hailing
US12162516B2 (en) 2020-02-18 2024-12-10 Toyota Motor North America, Inc. Determining transport operation level for gesture control
US12430889B2 (en) 2020-02-18 2025-09-30 Toyota Motor North America, Inc. Distinguishing gesture actions among transport occupants
US11873000B2 (en) * 2020-02-18 2024-01-16 Toyota Motor North America, Inc. Gesture detection for transport control
EP4111730B1 (en) * 2020-02-24 2025-04-09 Telefonaktiebolaget LM ERICSSON (PUBL) Improving uplink performance avoiding parameter conflicts in a wireless network
US11445369B2 (en) * 2020-02-25 2022-09-13 International Business Machines Corporation System and method for credential generation for wireless infrastructure and security
US11531865B2 (en) * 2020-02-28 2022-12-20 Toyota Research Institute, Inc. Systems and methods for parallel autonomy of a vehicle
US12223734B2 (en) * 2020-03-05 2025-02-11 Aurora Operations, Inc. Systems and methods for training machine-learned models with deviating intermediate representations
US11768958B2 (en) * 2020-03-09 2023-09-26 Truata Limited System and method for objective quantification and mitigation of privacy risk
US12367086B2 (en) * 2020-03-11 2025-07-22 Aurora Operations, Inc. Generating autonomous vehicle simulation data from logged data
US12204823B1 (en) 2020-03-11 2025-01-21 Aurora Operations, Inc. Generating perception scenarios for an autonomous vehicle from simulation data
EP3885237B1 (en) * 2020-03-24 2025-06-11 Aptiv Technologies AG Vehicle, system, and method for determining a position of a camera mounted on a steering wheel in a vehicle
JP2021157343A (ja) * 2020-03-25 2021-10-07 京セラドキュメントソリューションズ株式会社 データ連携システムおよび匿名化制御システム
JPWO2021192194A1 (ja) * 2020-03-27 2021-09-30
WO2021196144A1 (zh) * 2020-04-02 2021-10-07 华为技术有限公司 一种异常驾驶行为识别方法
US11493354B2 (en) * 2020-04-13 2022-11-08 At&T Intellectual Property I, L.P. Policy based navigation control
WO2021216486A1 (en) * 2020-04-20 2021-10-28 Schlumberger Technology Corporation Characterizing non-linear dynamic processes
DE102020110733A1 (de) * 2020-04-21 2021-10-21 Bayerische Motoren Werke Aktiengesellschaft System und Verfahren zum Steuern einer Haltefunktion oder einer Türöffnungsfunktion eines Fahrzeugs
US20210331686A1 (en) * 2020-04-22 2021-10-28 Uatc, Llc Systems and Methods for Handling Autonomous Vehicle Faults
US11790458B1 (en) 2020-04-23 2023-10-17 State Farm Mutual Automobile Insurance Company Systems and methods for modeling telematics, positioning, and environmental data
US11945404B2 (en) * 2020-04-23 2024-04-02 Toyota Motor Engineering & Manufacturing North America, Inc. Tracking and video information for detecting vehicle break-in
CN111413892B (zh) * 2020-04-29 2024-12-03 卡斯柯信号有限公司 面向轨交全自动无人驾驶场景验证的云仿真装置与方法
EP4144065A4 (en) * 2020-04-30 2024-08-28 INTEL Corporation INTEGRATION OF ARTIFICIAL INTELLIGENCE INTO VEHICLES
CN115485739A (zh) * 2020-04-30 2022-12-16 谷歌有限责任公司 包括机器学习对象检测模型的隐私保护传感器
EP4145386A4 (en) * 2020-04-30 2023-10-18 Sony Group Corporation INFORMATION PROCESSING APPARATUS AND PROGRAM
KR20210135389A (ko) * 2020-05-04 2021-11-15 현대자동차주식회사 장애물 인식 장치, 그를 포함하는 차량 시스템 및 그 방법
US11443045B2 (en) * 2020-05-05 2022-09-13 Booz Allen Hamilton Inc. Methods and systems for explaining a decision process of a machine learning model
US20210347376A1 (en) * 2020-05-07 2021-11-11 Steering Solutions Ip Holding Corporation Autonomous driver-feedback system and method
US11318960B1 (en) * 2020-05-15 2022-05-03 Gm Cruise Holdings Llc Reducing pathogen transmission in autonomous vehicle fleet
US20240001912A1 (en) 2020-05-20 2024-01-04 State Farm Mutual Automobile Insurance Company Analyzing insurance claims in light of detected conditions pertaining to a road segment
KR20210144076A (ko) * 2020-05-21 2021-11-30 현대자동차주식회사 차량 및 그의 안전 운전 지원 방법
CN113763693B (zh) * 2020-06-05 2023-07-14 北京图森未来科技有限公司 一种车辆数据处理方法、装置、介质和设备
US11760361B2 (en) 2020-06-11 2023-09-19 Waymo Llc Extracting agent intent from log data for running log-based simulations for evaluating autonomous vehicle software
US11769332B2 (en) * 2020-06-15 2023-09-26 Lytx, Inc. Sensor fusion for collision detection
CN113905413A (zh) * 2020-06-19 2022-01-07 中兴通讯股份有限公司 定位方法、边缘计算平台、定位平台和计算机可读介质
CN113835420A (zh) * 2020-06-23 2021-12-24 上海丰豹商务咨询有限公司 一种用于自动驾驶系统的功能分配系统
JP2022007246A (ja) * 2020-06-26 2022-01-13 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング 鞍乗型車両の制御装置、ライダー支援システム、及び、鞍乗型車両の制御方法
WO2021261167A1 (ja) * 2020-06-26 2021-12-30 ソニーグループ株式会社 情報処理システム、情報処理装置および情報処理方法
US11807240B2 (en) * 2020-06-26 2023-11-07 Toyota Research Institute, Inc. Methods and systems for evaluating vehicle behavior
WO2021261680A1 (ko) 2020-06-26 2021-12-30 주식회사 에스오에스랩 센서 데이터 공유 및 활용 방법
US11588830B1 (en) * 2020-06-30 2023-02-21 Sequoia Benefits and Insurance Services, LLC Using machine learning to detect malicious upload activity
US11605306B2 (en) * 2020-06-30 2023-03-14 Toyota Research Institute, Inc. Systems and methods for driver training during operation of automated vehicle systems
JP7587604B2 (ja) 2020-07-01 2024-11-20 メイ モビリティー，インコーポレイテッド 自律走行車ポリシーを動的にキュレーションする方法及びシステム
US20230290137A1 (en) * 2020-07-01 2023-09-14 Sony Semiconductor Solutions Corporation Information processing apparatus, information processing method, and program
DE102020208642A1 (de) * 2020-07-09 2022-01-13 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur Anomaliedetektion in technischen Systemen
US20230259895A1 (en) * 2020-07-13 2023-08-17 Grabtaxi Holdings Pte. Ltd. System and method for handling events of a fleet of personal mobility devices
US20220017095A1 (en) * 2020-07-14 2022-01-20 Ford Global Technologies, Llc Vehicle-based data acquisition
CA3182998A1 (en) * 2020-07-15 2022-01-20 Paul R. Hallen Digital image optimization for ophthalmic surgery
WO2022016406A1 (zh) * 2020-07-22 2022-01-27 北京小米移动软件有限公司 信息传输方法、装置及通信设备
DE102020209538A1 (de) * 2020-07-29 2022-02-03 Robert Bosch Gesellschaft mit beschränkter Haftung Vorrichtung und Verfahren zum Ermitteln einer physikalischen Eigenschaft eines physikalischen Objekts
CA3126236A1 (en) 2020-07-29 2022-01-29 Uatc, Llc Systems and methods for sensor data packet processing and spatial memoryupdating for robotic platforms
US11915122B2 (en) * 2020-07-29 2024-02-27 Micron Technology, Inc. Gateway for distributing an artificial neural network among multiple processing nodes
US20220031208A1 (en) * 2020-07-29 2022-02-03 Covidien Lp Machine learning training for medical monitoring systems
JP7593755B2 (ja) * 2020-07-30 2024-12-03 株式会社Subaru 運転交代制御装置
US20220036094A1 (en) * 2020-08-03 2022-02-03 Healthcare Integrated Technologies Inc. Method and system for monitoring subjects for conditions or occurrences of interest
US12054164B2 (en) * 2020-08-14 2024-08-06 Nvidia Corporation Hardware fault detection for feedback control systems in autonomous machine applications
EP4196892A4 (en) * 2020-08-17 2024-09-04 Harman International Industries, Incorporated SYSTEMS AND METHODS FOR OBJECT DETECTION IN AUTONOMOUS VEHICLES
JP7351814B2 (ja) * 2020-08-17 2023-09-27 トヨタ自動車株式会社 車両応答予測装置、学習装置、方法、及びプログラム
JP6935837B1 (ja) 2020-08-20 2021-09-15 トヨタ自動車株式会社 機械学習装置及び機械学習システム
JP7010343B1 (ja) * 2020-08-20 2022-01-26 トヨタ自動車株式会社 機械学習装置
US12387537B2 (en) * 2020-08-25 2025-08-12 ANI Technologies Private Limited Determination of health status of vehicular systems in vehicles
CL2021002230A1 (es) * 2020-08-27 2022-04-18 Tech Resources Pty Ltd Método y aparatos para coordinar múltiples trayectorias cooperativas de vehículos en redes de carreteras compartidas
CN112124319B (zh) * 2020-08-28 2021-04-23 青岛慧拓智能机器有限公司 一种智能驾驶系统
US11715007B2 (en) * 2020-08-28 2023-08-01 UMNAI Limited Behaviour modeling, verification, and autonomous actions and triggers of ML and AI systems
US20220063660A1 (en) * 2020-08-31 2022-03-03 Nissan North America, Inc. Drive Mode Selection
US11670120B2 (en) * 2020-08-31 2023-06-06 Toyota Research Institute, Inc. System and method for monitoring test data for autonomous operation of self-driving vehicles
US11769410B2 (en) * 2020-09-01 2023-09-26 Qualcomm Incorporated Techniques for sharing sensor messages in sidelink communications
US12403936B2 (en) * 2020-09-02 2025-09-02 Volkswagen Aktiengesellschaft Method for controlling a driver assistance system during operation of a vehicle
US12221118B2 (en) * 2020-09-04 2025-02-11 Waymo Llc Knowledge distillation for autonomous vehicles
US20220076074A1 (en) * 2020-09-09 2022-03-10 Beijing Didi Infinity Technology And Development Co., Ltd. Multi-source domain adaptation with mutual learning
US11615702B2 (en) * 2020-09-11 2023-03-28 Ford Global Technologies, Llc Determining vehicle path
US20240031468A1 (en) * 2020-09-11 2024-01-25 Nippon Telegraph And Telephone Corporation Recommended action selection apparatus, recommended action selection method, and recommended action selection program
US12091303B2 (en) * 2020-09-14 2024-09-17 Lance A. Stacy Motorized vehicles having sensors and methods of operating the same
EP3967565B1 (en) * 2020-09-14 2022-09-28 Bayerische Motoren Werke Aktiengesellschaft Methods and apparatuses for estimating an environmental condition
KR20220037025A (ko) * 2020-09-16 2022-03-24 현대자동차주식회사 차량의 위치 판단 장치 및 방법
US20220086175A1 (en) * 2020-09-16 2022-03-17 Ribbon Communications Operating Company, Inc. Methods, apparatus and systems for building and/or implementing detection systems using artificial intelligence
US11610412B2 (en) * 2020-09-18 2023-03-21 Ford Global Technologies, Llc Vehicle neural network training
KR20220039903A (ko) * 2020-09-21 2022-03-30 현대자동차주식회사 자율주행 제어 장치 및 방법
EP4218272A1 (en) * 2020-09-23 2023-08-02 Telefonaktiebolaget LM Ericsson (publ) Retrieving automotive informaton in the cellular networks
CN114283606A (zh) * 2020-09-27 2022-04-05 阿波罗智联(北京)科技有限公司 用于车辆导航的方法、装置、设备、系统和云控平台
US11866070B2 (en) * 2020-09-28 2024-01-09 Guangzhou Automobile Group Co., Ltd. Vehicle control method and apparatus, storage medium, and electronic device
US12100180B2 (en) * 2020-09-28 2024-09-24 Griffyn Robotech Pvt. Ltd. Automated tuning and calibration of a computer vision system
US20220101184A1 (en) * 2020-09-29 2022-03-31 International Business Machines Corporation Mobile ai
US20220101336A1 (en) * 2020-09-30 2022-03-31 EMC IP Holding Company LLC Compliant and auditable data handling in a data confidence fabric
US12049116B2 (en) 2020-09-30 2024-07-30 Autobrains Technologies Ltd Configuring an active suspension
KR20220045846A (ko) * 2020-10-06 2022-04-13 현대자동차주식회사 트랙렛의 사전분포모델을 활용한 표적차량의 운동 및 형상 동시 추정방법
DE102020212565A1 (de) * 2020-10-06 2022-04-07 Volkswagen Aktiengesellschaft Fahrzeug, Vorrichtung, Computerprogramm und Verfahren zur Durchführung in einem Fahrzeug
US12190653B2 (en) * 2020-10-06 2025-01-07 Ford Global Technologies, Llc Automated detection of vehicle data manipulation and mechanical failure
JP2022061874A (ja) * 2020-10-07 2022-04-19 トヨタ自動車株式会社 車両自動走行システム
US12169775B2 (en) * 2020-10-08 2024-12-17 Toyota Motor Engineering & Manufacturing North America, Inc. Methods and systems for enhanced scene perception using vehicle platoon
CN114415163A (zh) 2020-10-13 2022-04-29 奥特贝睿技术有限公司 基于摄像头的距离测量
US20220114888A1 (en) * 2020-10-14 2022-04-14 Deka Products Limited Partnership System and Method for Intersection Navigation
US11927962B2 (en) * 2020-10-15 2024-03-12 Ford Global Technologies, Llc System and method for detecting and addressing errors in a vehicle localization
US12157503B2 (en) * 2020-10-15 2024-12-03 Atieva, Inc. Defining driving envelope for assisted-driving system
KR20220052430A (ko) * 2020-10-20 2022-04-28 현대자동차주식회사 자율주행차량의 거동 제어 장치 및 그 방법
US20220122456A1 (en) * 2020-10-20 2022-04-21 Here Global B.V. Explanation of erratic driving behavior
EP4224404A4 (en) * 2020-10-21 2023-11-29 Huawei Technologies Co., Ltd. METHOD AND APPARATUS FOR GENERATING SIMULATED TRAFFIC SCENE FILE
US12367684B2 (en) * 2020-10-21 2025-07-22 Motional Ad Llc Identifying objects using LiDAR
US11516613B1 (en) * 2020-10-22 2022-11-29 Zoox, Inc. Emergency sound localization
CN112257850B (zh) * 2020-10-26 2022-10-28 河南大学 一种基于生成对抗网络的车辆轨迹预测方法
CN112258842A (zh) * 2020-10-26 2021-01-22 北京百度网讯科技有限公司 交通监测方法、装置、设备及存储介质
JP7294301B2 (ja) * 2020-10-28 2023-06-20 トヨタ自動車株式会社 移動体、サーバおよび判定プログラム
US12306951B2 (en) * 2020-10-29 2025-05-20 EMC IP Holding Company LLC Secure enclave pathing configuration for data confidence fabrics
CN112406892B (zh) * 2020-11-03 2022-11-18 上海大学 一种智能网联汽车感知决策模块功能安全和网络安全内生保障方法
US11500374B2 (en) * 2020-11-03 2022-11-15 Kutta Technologies, Inc. Intelligent multi-level safe autonomous flight ecosystem
KR20220063856A (ko) * 2020-11-10 2022-05-18 현대자동차주식회사 자율 주행 제어 방법 및 장치
US20230410486A1 (en) * 2020-11-17 2023-12-21 Sony Group Corporation Information processing apparatus, information processing method, and program
WO2022111809A1 (en) * 2020-11-26 2022-06-02 Zenuity Ab Augmented path planning for automotive applications
US20220173889A1 (en) * 2020-11-30 2022-06-02 Motional Ad Llc Secure Safety-Critical System Log
US12026621B2 (en) * 2020-11-30 2024-07-02 Robert Bosch Gmbh Method and system for low-query black-box universal attacks
US20220169286A1 (en) * 2020-12-01 2022-06-02 Scott L. Radabaugh Techniques for detecting and preventing vehicle wrong way driving
US11671857B2 (en) * 2020-12-03 2023-06-06 Mitsubishi Electric Corporation Roadside communication system for monitoring and maintaining sensor data transmission
EP4009001A1 (en) * 2020-12-04 2022-06-08 Zenuity AB Road segment selection along a route to be travelled by a vehicle
FR3117223B1 (fr) * 2020-12-04 2022-11-04 Renault Sas Système et procédé de contrôle de véhicule à base d’apprentissage machine
US12033445B1 (en) * 2020-12-07 2024-07-09 Amazon Technologies, Inc. Systems and methods for causal detection and diagnosis of vehicle faults
US11734017B1 (en) * 2020-12-07 2023-08-22 Waymo Llc Methods and systems for processing vehicle sensor data across multiple digital signal processing cores virtually arranged in segments based on a type of sensor
CN112455465B (zh) * 2020-12-08 2022-02-01 广州小鹏自动驾驶科技有限公司 一种行驶环境感知方法、装置、电子设备和存储介质
US20220180193A1 (en) * 2020-12-09 2022-06-09 Google Llc Three-dimensional object detection using pseudo-labels
DE102020215852B4 (de) * 2020-12-14 2022-07-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Robuste Ankunftszeitschätzung unter Verwendung von faltenden neuronalen Netzerken (oder anderen Funktionsapproximationen) auf randomisierten Kanalmodellen
WO2022132774A1 (en) 2020-12-14 2022-06-23 May Mobility, Inc. Autonomous vehicle safety platform system and method
US12187315B2 (en) * 2020-12-16 2025-01-07 Mobileye Vision Technologies Ltd. Safe and scalable model for culturally sensitive driving by automated vehicles
US12353509B1 (en) * 2020-12-16 2025-07-08 Amdocs Development Limited System, method, and computer program for identifying a hidden class
JP7363756B2 (ja) * 2020-12-16 2023-10-18 トヨタ自動車株式会社 自動運転システム、自動運転車の制御方法
US11472444B2 (en) 2020-12-17 2022-10-18 May Mobility, Inc. Method and system for dynamically updating an environmental representation of an autonomous agent
DE102020133937A1 (de) * 2020-12-17 2022-06-23 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Ermittlung einer Fahrroute für ein automatisiert fahrendes Fahrzeug
US20220198351A1 (en) * 2020-12-17 2022-06-23 Here Global B.V. Contextually defining an interest index for shared and autonomous vehicles
US20220197236A1 (en) * 2020-12-18 2022-06-23 Rockwell Collins, Inc. Hierarchical high integrity automation system
US12082082B2 (en) 2020-12-22 2024-09-03 Intel Corporation Validation and training service for dynamic environment perception based on local high confidence information
US11995991B2 (en) 2020-12-22 2024-05-28 Stack Av Co. Shared control for vehicles travelling in formation
US20220281456A1 (en) * 2020-12-23 2022-09-08 ClearMotion, Inc. Systems and methods for vehicle control using terrain-based localization
WO2022140660A1 (en) * 2020-12-23 2022-06-30 ClearMotion, Inc. Systems and methods for terrain-based insights for advanced driver assistance systems
US20220198921A1 (en) * 2020-12-23 2022-06-23 Sensible 4 Oy Data collection and modeling systems and methods for autonomous vehicles
KR102622243B1 (ko) * 2020-12-23 2024-01-08 네이버 주식회사 리스크 척도를 나타내는 파라미터에 기반하여 훈련된 모델을 사용하여, 주어진 상황에 대한 디바이스의 행동을 결정하는 방법 및 시스템
CN112712719B (zh) * 2020-12-25 2022-05-03 阿波罗智联(北京)科技有限公司 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆
JP7196149B2 (ja) * 2020-12-28 2022-12-26 本田技研工業株式会社 車両制御装置、車両制御方法、及びプログラム
WO2022144313A1 (en) * 2020-12-29 2022-07-07 Telecom Italia S.P.A. Tracking a moving entity
EP4272137A1 (en) * 2020-12-30 2023-11-08 Koireader Technologies, Inc. System for monitoring transportation, logistics, and distribution facilities
CN112686161A (zh) * 2020-12-31 2021-04-20 遵义师范学院 基于神经网络的疲劳驾驶检测方法
US11978289B2 (en) * 2021-01-04 2024-05-07 Guangzhou Automobile Group Co., Ltd. Method, apparatus and non-transitory computer readable storage medium for driving evaluation
FR3118671A1 (fr) * 2021-01-06 2022-07-08 Psa Automobiles Sa Méthodes et systèmes pour masquer des données visuelles à caractère personnel enregistrées pour tester une fonction d'aide à la conduite
US11858507B2 (en) * 2021-01-13 2024-01-02 GM Global Technology Operations LLC Methods for cognitive situation awareness using an attention-based event structure
US12195043B2 (en) * 2021-01-14 2025-01-14 Cavh Llc Intelligent information conversion for automatic driving
US12003966B2 (en) * 2021-01-19 2024-06-04 Qualcomm Incorporated Local misbehavior prevention system for cooperative intelligent transportation systems
US12257949B2 (en) 2021-01-25 2025-03-25 Autobrains Technologies Ltd Alerting on driving affecting signal
US20220237309A1 (en) * 2021-01-26 2022-07-28 EMC IP Holding Company LLC Signal of risk access control
EP4285289A4 (en) * 2021-01-28 2025-01-01 Drisk, Inc. Systems and methods for autonomous vehicle control
EP4036891B1 (en) * 2021-01-29 2024-10-09 Zenseact AB Unforeseen vehicle driving scenarios
US11975725B2 (en) * 2021-02-02 2024-05-07 Toyota Research Institute, Inc. Systems and methods for updating the parameters of a model predictive controller with learned external parameters generated using simulations and machine learning
DE102021102460A1 (de) * 2021-02-03 2022-08-04 Ford Global Technologies, Llc Verfahren zur Durchführung einer Simulation
JP2022119498A (ja) * 2021-02-04 2022-08-17 本田技研工業株式会社 車両用シートベルト装置
CN114910089A (zh) * 2021-02-10 2022-08-16 华为技术有限公司 一种事件位置的传输方法、装置和系统
CN114913501A (zh) * 2021-02-10 2022-08-16 通用汽车环球科技运作有限责任公司 注意力驱动的串流系统
DE102021201512A1 (de) * 2021-02-17 2022-08-18 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Modellierung der Umgebung eines automatisierten Fahrzeugs
DE102021201522A1 (de) * 2021-02-17 2022-08-18 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Ermittlung einer räumlichen Ausrichtung eines Anhängers
DE102021104220A1 (de) * 2021-02-23 2022-08-25 Bayerische Motoren Werke Aktiengesellschaft Erhöhen eines Automatisierungsgrads eines Fahrerassistenzsystems eines Kraftfahrzeugs
CN114969223A (zh) * 2021-02-26 2022-08-30 华为技术有限公司 一种地图更新方法、装置及系统
EP4052983B1 (en) * 2021-03-04 2023-08-16 Volvo Car Corporation Method for transitioning a drive mode of a vehicle, drive control system for vehice and vehicle
US11727694B2 (en) * 2021-03-04 2023-08-15 Tangerine Innovation Holding Inc. System and method for automatic assessment of comparative negligence for one or more vehicles involved in an accident
US11827245B2 (en) 2021-03-09 2023-11-28 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for estimating motion of an automated vehicle for cooperative driving
US20240096214A1 (en) * 2021-03-10 2024-03-21 NEC Laboratories Europe GmbH Method and system for classifying vehicles by means of a data processing system
EP4297305A4 (en) * 2021-03-15 2024-01-24 Huawei Technologies Co., Ltd. METHOD, APPARATUS AND SYSTEM FOR DATA TRANSMISSION
US20230418659A1 (en) * 2021-03-17 2023-12-28 Hitachi Astemo, Ltd. Object recognition device
US12332614B2 (en) * 2021-03-19 2025-06-17 Nvidia Corporation Combining rule-based and learned sensor fusion for autonomous systems and applications
EP4063222A1 (en) * 2021-03-24 2022-09-28 Zenseact AB Precautionary vehicle path planning
US11810225B2 (en) * 2021-03-30 2023-11-07 Zoox, Inc. Top-down scene generation
US11858514B2 (en) 2021-03-30 2024-01-02 Zoox, Inc. Top-down scene discrimination
US20220318602A1 (en) * 2021-03-31 2022-10-06 Fujitsu Limited Provision of semantic feedback on deep neural network (dnn) prediction for decision making
JP7668373B2 (ja) 2021-04-02 2025-04-24 メイ モビリティー，インコーポレイテッド 不完全な環境情報で自律エージェントを動作させる方法及びシステム
US20220317635A1 (en) * 2021-04-06 2022-10-06 International Business Machines Corporation Smart ecosystem curiosity-based self-learning
US12046046B2 (en) * 2021-04-09 2024-07-23 Magna Electronics, Llc Tagging objects with fault override patterns during calibration of vehicle sensing systems
US12277859B2 (en) * 2021-04-12 2025-04-15 International Business Machines Corporation Cooperative operation of vehicles
CN113033471A (zh) * 2021-04-15 2021-06-25 北京百度网讯科技有限公司 交通异常检测方法、装置、设备、存储介质以及程序产品
CN113954879B (zh) * 2021-04-15 2023-09-19 上海丰豹商务咨询有限公司 具有融合感知和协同决策功能的车载智能单元和控制方法
US11983933B1 (en) * 2021-04-16 2024-05-14 Zoox, Inc. Boundary aware top-down trajectory prediction
US20220340153A1 (en) * 2021-04-22 2022-10-27 Gm Cruise Holdings Llc Simulated test creation
US11661077B2 (en) 2021-04-27 2023-05-30 Toyota Motor Engineering & Manufacturing North America. Inc. Method and system for on-demand roadside AI service
US11854280B2 (en) * 2021-04-27 2023-12-26 Toyota Research Institute, Inc. Learning monocular 3D object detection from 2D semantic keypoint detection
US12139165B2 (en) * 2021-04-29 2024-11-12 Tusimple, Inc. Autonomous vehicle to oversight system communications
US11767032B2 (en) 2021-04-29 2023-09-26 Tusimple, Inc. Direct autonomous vehicle to autonomous vehicle communications
US11767031B2 (en) 2021-04-29 2023-09-26 Tusimple, Inc. Oversight system to autonomous vehicle communications
US11511772B2 (en) 2021-04-30 2022-11-29 Deepx Co., Ltd. NPU implemented for artificial neural networks to process fusion of heterogeneous data received from heterogeneous sensors
EP4334832A1 (en) * 2021-05-07 2024-03-13 Oracle International Corporation Variant inconsistency attack (via) as a simple and effective adversarial attack method
US11892314B2 (en) * 2021-05-17 2024-02-06 International Business Machines Corporation Thermally efficient route selection
US20220374745A1 (en) * 2021-05-18 2022-11-24 Guangzhou Automobile Group Co., Ltd. Electronic device and method for scoring driving behavior using vehicle inputs and outputs
US12077177B2 (en) * 2021-05-26 2024-09-03 Nissan North America, Inc. Autonomous vehicle control and map accuracy determination based on predicted and actual trajectories of surrounding objects and vehicles
JP7621885B2 (ja) * 2021-05-26 2025-01-27 株式会社日立製作所 計算システム、計算方法
WO2022256249A1 (en) * 2021-06-02 2022-12-08 May Mobility, Inc. Method and system for remote assistance of an autonomous agent
JP7521490B2 (ja) * 2021-06-04 2024-07-24 トヨタ自動車株式会社 情報処理サーバ、情報処理サーバの処理方法、プログラム
JP7491267B2 (ja) 2021-06-04 2024-05-28 トヨタ自動車株式会社 情報処理サーバ、情報処理サーバの処理方法、プログラム
US12151702B2 (en) * 2021-06-07 2024-11-26 Toyota Motor North America, Inc. Transport limitations from malfunctioning sensors
US20220392197A1 (en) * 2021-06-07 2022-12-08 Cortica, Ltd. Isolating unique and representative patterns of a concept structure
US12139166B2 (en) * 2021-06-07 2024-11-12 Autobrains Technologies Ltd Cabin preferences setting that is based on identification of one or more persons in the cabin
US11624831B2 (en) * 2021-06-09 2023-04-11 Suteng Innovation Technology Co., Ltd. Obstacle detection method and apparatus and storage medium
US11955020B2 (en) 2021-06-09 2024-04-09 Ford Global Technologies, Llc Systems and methods for operating drone flights over public roadways
WO2022271742A1 (en) * 2021-06-21 2022-12-29 Cyngn, Inc. Granularity-flexible existence-based object detection
EP4359733A4 (en) * 2021-06-22 2024-10-02 Grabtaxi Holdings Pte. Ltd. METHOD AND SYSTEM FOR COLLECTING IMAGE LEARNING DATA FOR A MACHINE LEARNING MODEL
KR20220170151A (ko) * 2021-06-22 2022-12-29 현대자동차주식회사 차량 내부 네트워크에 대한 침입 대응 방법 및 장치
US20220413502A1 (en) * 2021-06-25 2022-12-29 Here Global B.V. Method, apparatus, and system for biasing a machine learning model toward potential risks for controlling a vehicle or robot
US12168461B2 (en) * 2021-06-29 2024-12-17 Toyota Research Institute, Inc. Systems and methods for predicting the trajectory of a moving object
US12326931B2 (en) 2021-06-29 2025-06-10 EMC IP Holding Company LLC Malicious data access as highlighted graph visualization
US20230004170A1 (en) * 2021-06-30 2023-01-05 Delta Electronics Int'l (Singapore) Pte Ltd Modular control system and method for controlling automated guided vehicle
KR20230005779A (ko) 2021-07-01 2023-01-10 오토브레인즈 테크놀로지스 리미티드 차선 경계 감지
JPWO2023276434A1 (ja) * 2021-07-01 2023-01-05
US12057016B2 (en) * 2021-07-20 2024-08-06 Autobrains Technologies Ltd Environmental model based on audio
US20230029093A1 (en) * 2021-07-20 2023-01-26 Nissan North America, Inc. Computing Framework for Vehicle Decision Making and Traffic Management
JP7548149B2 (ja) * 2021-07-21 2024-09-10 トヨタ自動車株式会社 遠隔運転タクシーシステム、モビリティサービス管理方法、及び遠隔運転タクシー管理装置
US12174638B2 (en) * 2021-07-22 2024-12-24 Cnh Industrial America Llc Systems and methods for obstacle detection
JP7729751B2 (ja) * 2021-07-28 2025-08-26 株式会社Subaru 車両の制御装置
US12340328B1 (en) * 2021-07-29 2025-06-24 United Services Automobile Association (Usaa) Crowd sourcing roadside assistance
DE102021208192A1 (de) * 2021-07-29 2023-02-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und System zum Steuern eines Fahrzeugs durch einen Operator
CN115884911A (zh) * 2021-07-30 2023-03-31 华为技术有限公司 故障检测方法、故障检测装置、服务器和车辆
US12012125B2 (en) * 2021-07-30 2024-06-18 Nvidia Corporation Communicating faults to an isolated safety region of a system on a chip
DE102021208349B3 (de) * 2021-08-02 2022-12-15 Continental Autonomous Mobility Germany GmbH Verfahren und Sensorsystem zum Zusammenführen von Sensordaten sowie Fahrzeug mit einem Sensorsystem zum Zusammenführen von Sensordaten
JP7571685B2 (ja) * 2021-08-03 2024-10-23 トヨタ自動車株式会社 情報処理装置、情報処理方法、およびシステム
US11657701B2 (en) 2021-08-03 2023-05-23 Toyota Motor North America, Inc. Systems and methods for emergency alert and call regarding driver condition
US11919534B2 (en) * 2021-08-03 2024-03-05 Denso Corporation Driver state guide device and driver state guide method
US12110075B2 (en) 2021-08-05 2024-10-08 AutoBrains Technologies Ltd. Providing a prediction of a radius of a motorcycle turn
US20230053243A1 (en) * 2021-08-11 2023-02-16 Baidu Usa Llc Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles
US11861762B2 (en) * 2021-08-12 2024-01-02 Adobe Inc. Generating synthesized digital images utilizing class-specific machine-learning models
US11769227B2 (en) 2021-08-12 2023-09-26 Adobe Inc. Generating synthesized digital images utilizing a multi-resolution generator neural network
US12258020B2 (en) * 2021-08-12 2025-03-25 International Business Machines Corporation Intelligent advanced engine braking system
US12319160B1 (en) 2021-08-13 2025-06-03 Oshkosh Defense, Llc Convoy operations for electrified military vehicles
US12030479B1 (en) 2021-08-13 2024-07-09 Oshkosh Defense, Llc Prioritized charging of an energy storage system of a military vehicle
US11498409B1 (en) 2021-08-13 2022-11-15 Oshkosh Defense, Llc Electrified military vehicle
US12351028B1 (en) 2021-08-13 2025-07-08 Oshkosh Defense, Llc Military vehicle with modular battery units
US12083995B1 (en) 2021-08-13 2024-09-10 Oshkosh Defense, Llc Power export system for a military vehicle
US12311754B1 (en) 2021-08-13 2025-05-27 Oshkosh Defense, Llc Power export system for a military vehicle
US12060053B1 (en) 2021-08-13 2024-08-13 Oshkosh Defense, Llc Military vehicle with control modes
US12130122B1 (en) 2021-08-13 2024-10-29 Oshkosh Defense, Llc Military vehicle with battery armor
US12358361B1 (en) 2021-08-13 2025-07-15 Oshkosh Defense, Llc Electrified military vehicle with electric weaponry support system
US11376943B1 (en) 2021-08-13 2022-07-05 Oshkosh Defense, Llc Electrified military vehicle
US20230058508A1 (en) * 2021-08-19 2023-02-23 GM Global Technology Operations LLC System amd method for providing situational awareness interfaces for a vehicle occupant
US11988749B2 (en) 2021-08-19 2024-05-21 Argo AI, LLC System and method for hybrid LiDAR segmentation with outlier detection
US20230056233A1 (en) * 2021-08-20 2023-02-23 Motional Ad Llc Sensor attack simulation system
JP7407152B2 (ja) * 2021-08-20 2023-12-28 Ｌｉｎｅヤフー株式会社 情報処理装置、情報処理方法及び情報処理プログラム
US12319303B1 (en) * 2021-08-24 2025-06-03 Lytx, Inc. Context driven state machine system for alert generation
JP7661828B2 (ja) * 2021-08-25 2025-04-15 トヨタ自動車株式会社 運転引継ぎシステム、運転引継ぎ方法
AU2021107499A4 (en) * 2021-08-25 2021-12-23 Microcom Pty Ltd Sensor arrays, methods, systems and devices
CN113434355B (zh) * 2021-08-26 2021-12-17 苏州浪潮智能科技有限公司 模块验证方法、uvm验证平台、电子设备及存储介质
US20230060261A1 (en) * 2021-09-01 2023-03-02 State Farm Mutual Automobile Insurance Company High Efficiency Isolation of Intersection and Road Crossings for Driving Analytics
US20230061830A1 (en) * 2021-09-02 2023-03-02 Canoo Technologies Inc. Metamorphic labeling using aligned sensor data
US20230073933A1 (en) * 2021-09-07 2023-03-09 Argo AI, LLC Systems and methods for onboard enforcement of allowable behavior based on probabilistic model of automated functional components
US11989853B2 (en) * 2021-09-08 2024-05-21 Qualcomm Incorporated Higher-resolution terrain elevation data from low-resolution terrain elevation data
US20210403004A1 (en) * 2021-09-10 2021-12-30 Intel Corporation Driver monitoring system (dms) data management
WO2023043684A1 (en) * 2021-09-14 2023-03-23 University Of Washington Safe occlusion-aware cooperative adaptive cruise control under environmental interference
CN113747500B (zh) * 2021-09-15 2023-07-14 北京航空航天大学 复杂异构移动边缘计算中基于生成对抗式网络的高能效低延迟工作流应用迁移方法
US12358518B2 (en) * 2021-09-24 2025-07-15 Embark Trucks, Inc. Autonomous vehicle automated scenario characterization
CN117581172A (zh) * 2021-09-24 2024-02-20 英特尔公司 用于自主交通工具的多级人工干预服务
KR20230045490A (ko) * 2021-09-28 2023-04-04 에스케이플래닛 주식회사 주행 소음 기반의 교통 정보를 제공하기 위한 장치 및 이를 위한 방법
US12333656B1 (en) * 2021-09-30 2025-06-17 United Services Automobile Association (Usaa) Systems and methods for providing real-time feedback based on operational data
US20230110993A1 (en) * 2021-10-11 2023-04-13 EMC IP Holding Company LLC Open set classification based on heterogenous model ensemble in multisensor environments
US20230113168A1 (en) * 2021-10-12 2023-04-13 International Business Machines Corporation Decentralized policy gradient descent and ascent for safe multi-agent reinforcement learning
US12136342B2 (en) * 2021-10-14 2024-11-05 Lear Corporation Passing assist system
DE102021126820A1 (de) * 2021-10-15 2023-04-20 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Verarbeitungseinrichtung zum Steuern einer Fahrassistenzfunktion und Fahrassistenzsystem
CN113963200A (zh) * 2021-10-18 2022-01-21 郑州大学 模态数据融合处理方法、装置、设备及存储介质
WO2023069556A1 (en) * 2021-10-19 2023-04-27 Cyngn, Inc. System and method of same-loop adaptive simulation for autonomous driving
TWI786893B (zh) * 2021-10-19 2022-12-11 財團法人車輛研究測試中心 艙內監控與情境理解感知方法及其系統
US20230126842A1 (en) * 2021-10-22 2023-04-27 Dell Products, L.P. Model prediction confidence utilizing drift
CN114115230B (zh) * 2021-10-25 2023-10-03 武汉理工大学 人机协同的船舶远程驾驶控制方法、系统、装置及介质
US12088717B2 (en) * 2021-10-25 2024-09-10 Verizon Patent And Licensing Inc. Systems and methods for AI/machine learning-based blockchain validation and remediation
US12293560B2 (en) 2021-10-26 2025-05-06 Autobrains Technologies Ltd Context based separation of on-/off-vehicle points of interest in videos
JP2023064497A (ja) * 2021-10-26 2023-05-11 株式会社デンソー データ保存システム、移動体、及びデータ保存プログラム
US20230130814A1 (en) * 2021-10-27 2023-04-27 Nvidia Corporation Yield scenario encoding for autonomous systems
US12240496B2 (en) * 2021-10-29 2025-03-04 Tusimple, Inc. Autonomous vehicle navigation in response to a closed railroad crossing
US20230137541A1 (en) * 2021-11-01 2023-05-04 Robert Bosch Gmbh Switching recurrent kalman network
US11753017B2 (en) * 2021-11-01 2023-09-12 Ford Global Technologies, Llc Systems and methods for providing off-track drivability guidance
US20230138610A1 (en) * 2021-11-02 2023-05-04 Robert Bosch Gmbh Customizing Operational Design Domain of an Autonomous Driving System for a Vehicle Based on Driver's Behavior
US11781878B2 (en) * 2021-11-04 2023-10-10 International Business Machines Corporation Recommend routes in enhanced navigation system
EP4177125A1 (en) * 2021-11-08 2023-05-10 Volvo Car Corporation Driver controlling system for a vehicle
US20230141657A1 (en) * 2021-11-08 2023-05-11 Groq, Inc. Tensor processor visualization and analysis tool
DE102021129085B3 (de) * 2021-11-09 2023-02-02 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Erzeugung eines Modells zur automatisierten Vorhersage von Interaktionen eines Benutzers mit einer Benutzerschnittstelle eines Kraftfahrzeugs, außerdem Datenverarbeitungseinheit für ein Kraftfahrzeug und Kraftfahrzeug
JP2023071336A (ja) * 2021-11-11 2023-05-23 パナソニックＩｐマネジメント株式会社 車載装置、情報処理装置、センサデータ送信方法、および情報処理方法
WO2023084847A1 (ja) * 2021-11-12 2023-05-19 パナソニックＩｐマネジメント株式会社 情報出力方法、プログラム、及び情報出力システム
US12136185B2 (en) * 2021-11-16 2024-11-05 Adobe Inc. Multi-scale distillation for low-resolution detection
US12057013B2 (en) 2021-11-17 2024-08-06 Here Global B.V. Method, apparatus and computer program product for suppressing false positives of road work detection within a road network
WO2023096632A1 (en) * 2021-11-23 2023-06-01 Hitachi, Ltd. Method for false alarm prediction and severity classification in event sequences
WO2023096642A1 (en) 2021-11-24 2023-06-01 Bluware, Inc. Interactive qualitative-quantitative live labeling for deep learning artificial intelligence
US12417327B2 (en) * 2021-11-24 2025-09-16 Gm Cruise Holdings Llc Techniques for heuristics-based simulation of atmospheric effects in an AV simulation system
KR102788703B1 (ko) * 2021-11-24 2025-03-31 재단법인대구경북과학기술원 노이즈 모델링 장치와 그 방법 및 이를 이용한 주행환경 시뮬레이터
US11804080B2 (en) * 2021-11-29 2023-10-31 Institute For Information Industry Method and system for inspecting and scoring vehicle transportation
DE102021213418A1 (de) * 2021-11-29 2023-06-01 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Schnittstellenkomponente für verteilte Komponenten eines Systems des maschinellen Lernens
US12131599B1 (en) * 2021-11-30 2024-10-29 Zoox, Inc. Vehicle operation and/or simulation based on decision registry
KR102730205B1 (ko) * 2021-11-30 2024-11-14 (주)케이앤엘정보시스템 운송수단용 인포테인먼트 시스템
US12208820B2 (en) * 2021-12-01 2025-01-28 International Business Machines Corporation Hybrid challenger model through peer-peer reinforcement for autonomous vehicles
US20230171275A1 (en) * 2021-12-01 2023-06-01 Gm Cruise Holdings Llc Anomaly detection and onboard security actions for an autonomous vehicle
US12012123B2 (en) 2021-12-01 2024-06-18 May Mobility, Inc. Method and system for impact-based operation of an autonomous agent
EP4191451A1 (en) * 2021-12-01 2023-06-07 Nxp B.V. Architecture for monitoring, analyzing, and reacting to safety and cybersecurity events
WO2023102116A1 (en) 2021-12-02 2023-06-08 May Mobility, Inc. Method and system for feasibility-based operation of an autonomous agent
US20230180018A1 (en) * 2021-12-03 2023-06-08 Hewlett Packard Enterprise Development Lp Radio frequency plan generation for network deployments
US20230177892A1 (en) * 2021-12-03 2023-06-08 State Farm Mutual Automobile Insurance Company Systems And Methods Of Determining Effectiveness Of Vehicle Safety Features
US12314364B2 (en) * 2021-12-07 2025-05-27 Samsung Electronics Co., Ltd. Electronic device and vehicle driver authentication method by the electronic device
DE102021132466B3 (de) 2021-12-09 2023-06-15 Joynext Gmbh Erkennen eines Objekts in der Nähe eines Verkehrsteilnehmers
US11887200B2 (en) * 2021-12-10 2024-01-30 GM Global Technology Operations LLC Systems and methods for enabling yielding decisions, conflict resolution, and user profile generation
US20230185621A1 (en) * 2021-12-15 2023-06-15 Coupang Corp. Computer resource allocation systems and methods for optimizing computer implemented tasks
WO2023116987A1 (de) * 2021-12-20 2023-06-29 Continental Autonomous Mobility Germany GmbH Verfahren zum erstellen einer datenbank zur fahrkontexterkennung
CN116300842A (zh) * 2021-12-20 2023-06-23 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备
CN114385113B (zh) * 2021-12-20 2024-07-23 同济大学 基于自适应驾驶风格动态切换模型的测试场景生成方法
US20230195724A1 (en) * 2021-12-21 2023-06-22 Elektrobit Automotive Gmbh Smart data ingestion
US20230192130A1 (en) * 2021-12-22 2023-06-22 Gm Cruise Holdings Llc System and method of using a machine learning model to aid a planning stack to choose a route
KR102418566B1 (ko) * 2021-12-22 2022-07-08 재단법인 지능형자동차부품진흥원 엣지 인프라 기반의 자율 주행 안전 제어 시스템 및 방법
US12365362B2 (en) * 2021-12-22 2025-07-22 Intel Corporation Systems and methods for brokering peer-assisted safety models for autonomous and assisted-driving vehicles
CN114283619A (zh) * 2021-12-25 2022-04-05 重庆长安汽车股份有限公司 一种基于v2x的车辆避障系统、平台构架、方法及车辆
JPWO2023127654A1 (ja) * 2021-12-28 2023-07-06
US12371010B2 (en) * 2021-12-28 2025-07-29 Ford Global Technologies, Llc Integrated trajectory forecasting, error estimation, and vehicle handling when detecting an observed scenario
WO2023126861A1 (en) * 2021-12-29 2023-07-06 Harman Becker Automotive Systems Gmbh Methods and systems for navigation guidance based on driver state events
US20230214728A1 (en) * 2021-12-30 2023-07-06 Yandex Self Driving Group Llc Method and a system of determining lidar data degradation degree
US11973847B2 (en) 2022-01-10 2024-04-30 Ford Global Technologies, Llc Intelligent ticketing and data offload planning for connected vehicles
US12345795B2 (en) * 2022-01-14 2025-07-01 Honeywell International Inc. Ground map monitor for map-based, vision navigation systems
CN114755998B (zh) * 2022-01-17 2025-08-05 深圳市星卡科技股份有限公司 自适应巡航系统远程动态校准方法、装置和计算机设备
JP7501548B2 (ja) * 2022-01-18 2024-06-18 トヨタ自動車株式会社 ドライバモニタ装置、ドライバモニタ方法及びドライバモニタ用コンピュータプログラム
US12417629B2 (en) * 2022-01-24 2025-09-16 Tomahawk Robotics, Inc. Architecture for distributed artificial intelligence augmentation with objects detected using artificial intelligence models from data received from multiple sources
US12125269B2 (en) * 2022-01-26 2024-10-22 Ford Global Technologies, Llc Sensor fusion
US11999386B2 (en) * 2022-01-31 2024-06-04 Stack Av Co. User interfaces for autonomy state control and alerts
US11954916B2 (en) * 2022-02-07 2024-04-09 GM Global Technology Operations LLC Systems and methods for classifying detected objects in an image at an automated driving system
EP4224288A1 (en) * 2022-02-07 2023-08-09 Robert Ohrenstein Gaze direction determination apparatus
DE112023000858T5 (de) * 2022-02-08 2024-11-21 Mobileye Vision Technologies Ltd. Wissensdestillationstechniken
US20230251384A1 (en) * 2022-02-09 2023-08-10 Gm Cruise Holdings Llc Augmentation of sensor data under various weather conditions to train machine-learning systems
JP2025507391A (ja) 2022-02-14 2025-03-18 メイ モビリティー，インコーポレイテッド 自律エージェントの条件付き動作のための方法及びシステム
US12170016B2 (en) * 2022-02-15 2024-12-17 Tyco Fire & Security Gmbh Systems and methods for detecting security events in an environment
EP4230494A1 (en) * 2022-02-18 2023-08-23 TuSimple, Inc. System copmprising three groups of sensors
US12005914B2 (en) * 2022-02-22 2024-06-11 Mitsubishi Electric Research Laboratories, Inc. Method and system for driving condition-agnostic adaptation of advanced driving assistance systems
US12038870B2 (en) * 2022-02-24 2024-07-16 GM Global Technology Operations LLC System and apparatus for on-demand, feature focused data collection in autonomous vehicles and autonomous driving systems
CN114343661B (zh) * 2022-03-07 2022-05-27 西南交通大学 高铁司机反应时间估计方法、装置、设备及可读存储介质
US20230289672A1 (en) * 2022-03-14 2023-09-14 Gm Cruise Holdings Llc Adaptive social activities for autonomous vehicle (av) passengers
US12408039B2 (en) * 2022-03-17 2025-09-02 Qualcomm Incorporated Reputation score assignment for vehicle-based communications
CN116811908A (zh) * 2022-03-21 2023-09-29 通用汽车环球科技运作有限责任公司 与恶意v2v消息检测相关联的信誉分数管理系统和方法
JP2023139901A (ja) * 2022-03-22 2023-10-04 三菱電機株式会社 画像生成装置、画像生成方法、および画像生成プログラム
CN114596574A (zh) * 2022-03-22 2022-06-07 北京百度网讯科技有限公司 文本识别方法、装置、电子设备和介质
GB2617062A (en) * 2022-03-23 2023-10-04 Aptiv Tech Ltd Sensor processing method, apparatus, computer program product, and automotive sensor system
TWI812102B (zh) * 2022-03-23 2023-08-11 國立高雄大學 二無人載具協同導航方法與系統
US11488377B1 (en) 2022-03-23 2022-11-01 Motional Ad Llc Adding tags to sensor data via a plurality of models and querying the sensor data
JP2023142475A (ja) * 2022-03-25 2023-10-05 ロジスティード株式会社 運行支援方法、運行支援システム及びサーバ
JP7348343B1 (ja) * 2022-03-28 2023-09-20 ソフトバンク株式会社 車両およびサーバ
CN114780655B (zh) * 2022-03-28 2025-01-03 阿波罗智联(北京)科技有限公司 模型训练和地图数据处理方法、装置、设备及存储介质
US11842632B2 (en) * 2022-03-29 2023-12-12 Populus Technologies, Inc. Fleet tracking and behavior modification in geographic areas of interest
US12300035B1 (en) * 2022-03-30 2025-05-13 Amazon Technologies, Inc. Liveness detection based on motion, face, and context cues
US20230311898A1 (en) * 2022-03-30 2023-10-05 Rivian Ip Holdings, Llc Recommending activities for occupants during vehicle servicing
US12153710B2 (en) * 2022-03-30 2024-11-26 Amazon Technologies, Inc. Synthetic data generation
US12026996B2 (en) * 2022-04-04 2024-07-02 Ford Global Technologies, Llc Vehicle data storage activation
EP4258140B1 (en) * 2022-04-06 2024-11-20 Elektrobit Automotive GmbH Face anonymization using a generative adversarial network
WO2023200638A2 (en) * 2022-04-13 2023-10-19 James Tagg Blockchain-based dynamic cellular network with proof-of-service
CN114454889B (zh) * 2022-04-14 2022-06-28 新石器慧通（北京）科技有限公司 用于远程驾驶的行驶路面状况反馈方法、装置和无人车
US20230329612A1 (en) * 2022-04-14 2023-10-19 Micron Technology, Inc. Determining driver capability
EP4434841A3 (en) * 2022-04-14 2025-03-12 Tusimple, Inc. Method comprising the detection of an abnormal operational state of an autonomous vehicle
US12174927B2 (en) 2022-04-20 2024-12-24 Ford Global Technologies, Llc Blockchain method and system to prevent camera spoofing before operating vehicle
US12091001B2 (en) * 2022-04-20 2024-09-17 Gm Cruise Holdings Llc Safety measurement of autonomous vehicle driving in simulation
CN114779752B (zh) * 2022-04-21 2024-06-07 厦门大学 网络攻击下智能电动车辆轨迹跟踪控制方法
CN114973707B (zh) * 2022-04-25 2023-12-01 天地（常州）自动化股份有限公司 煤矿井下巷道岔路口的联合管控方法
US12062281B1 (en) * 2022-05-02 2024-08-13 John Gregory Baker Roadway sight restriction early warning alarm system
US11507041B1 (en) * 2022-05-03 2022-11-22 The Florida International University Board Of Trustees Systems and methods for boosting resiliency of a power distribution network
DE102022204557A1 (de) 2022-05-10 2023-11-16 Robert Bosch Gesellschaft mit beschränkter Haftung Computerimplementiertes verfahren zur verhinderung von funktionsverlust bei verbindungsstörung zu einem backend in einem kommunikationssystem
DE102022204556A1 (de) * 2022-05-10 2023-11-16 Robert Bosch Gesellschaft mit beschränkter Haftung Computerimplementiertes verfahren zur aufrechterhaltung einer funktion in lokalen instanzen bei verbindungsstörung zu einem backend in einem kommunikationssystem
US20230365143A1 (en) * 2022-05-11 2023-11-16 Tusimple, Inc. System and method for remote control guided autonomy for autonomous vehicles
DE102022204862A1 (de) * 2022-05-17 2023-11-23 Robert Bosch Gesellschaft mit beschränkter Haftung Update einer Software eines Fahrzeugs auf Basis von Fahrzeugfelddaten
US20230375707A1 (en) * 2022-05-17 2023-11-23 Ford Global Technologies, Llc Anonymizing personally identifiable information in sensor data
FR3135810B1 (fr) * 2022-05-19 2024-10-11 Thales Sa Procédé de génération d’une image périphérique d’un aéronef, dispositif électronique de génération et produit programme d’ordinateur associés
US11623658B1 (en) * 2022-05-19 2023-04-11 Aurora Operations, Inc. System and method for generating information on remainder of measurement using sensor data
DE102022205084B3 (de) * 2022-05-20 2023-10-12 Volkswagen Aktiengesellschaft Verfahren, Computerprogramm und Vorrichtung zur Umfeldwahrnehmung im Fahrzeug sowie entsprechendes Fahrzeug
US12115974B2 (en) * 2022-05-25 2024-10-15 GM Global Technology Operations LLC Data fusion-centric method and system for vehicle motion control
US20240017696A1 (en) * 2022-05-25 2024-01-18 Tusimple, Inc. Chain of custody provenance for an autonomous vehicle
DE102022113271B4 (de) * 2022-05-25 2023-12-28 Cariad Se Verfahren zum Betreiben eines Fahrzeuginnenraumüberwachungssystems, Steuereinrichtung, Fahrzeuginnenraumüberwachungssystem und Fahrzeug
CN114839998B (zh) * 2022-05-26 2024-09-10 四川轻化工大学 面向供能有限的移动机器人节能路径规划方法
CN114973676B (zh) * 2022-05-27 2023-08-29 重庆大学 一种快速路车道缩减区的混合交通众从牵制控制方法
US20230382350A1 (en) 2022-05-30 2023-11-30 Toyota Connected North America, Inc. Vehicle security mode
US12269371B2 (en) 2022-05-30 2025-04-08 Toyota Connected North America, Inc. In-cabin detection framework
DE102022113992A1 (de) 2022-06-02 2023-12-07 Porsche Ebike Performance Gmbh Verfahren, System und Computerprogrammprodukt zur interaktiven Kommunikation zwischen einem sich bewegenden Objekt und einem Benutzer
US20230399016A1 (en) * 2022-06-14 2023-12-14 Gm Cruise Holdings Llc Multi-mode vehicle controller
FR3136882A1 (fr) * 2022-06-21 2023-12-22 Psa Automobiles Sa Procédé et dispositif de prédiction d’une capacité à rouler d’un véhicule à la suite d’un accident
DE102022206280B4 (de) * 2022-06-23 2024-01-18 Zf Friedrichshafen Ag Computer-implementiertes Verfahren und Vorrichtung zum Bestimmen eines Steuerbefehls zum Steuern eines Fahrzeugs
US20230419271A1 (en) * 2022-06-24 2023-12-28 Gm Cruise Holdings Llc Routing field support to vehicles for maintenance
EP4300458A1 (en) * 2022-06-27 2024-01-03 Aptiv Technologies Limited Method and device for determining at least one characteristic of a flow of traffic
US12333863B1 (en) 2022-06-27 2025-06-17 Amazon Technologies, Inc. Liveness detection based on gesture validation, facial expression analysis, and concurrency validation
CN115042783A (zh) * 2022-06-28 2022-09-13 重庆长安汽车股份有限公司 一种车辆速度规划方法、装置、电子设备及介质
CN115123299B (zh) * 2022-06-29 2025-09-16 阿波罗智联(北京)科技有限公司 自动驾驶方法、装置、电子设备和自动驾驶车辆
US20220335714A1 (en) * 2022-06-30 2022-10-20 Intel Corporation Autonomous agent task priority scheduling
US12116003B2 (en) * 2022-06-30 2024-10-15 Nissan North America, Inc. Vehicle notification system
CN115297230B (zh) * 2022-07-01 2024-05-14 智己汽车科技有限公司 一种电子外后视镜和智驾侧后视摄像头复用的系统和方法
CN117392490A (zh) * 2022-07-05 2024-01-12 华为技术有限公司 数据处理方法及相关装置
US12071161B1 (en) * 2022-07-06 2024-08-27 Waymo Llc Intervention behavior prediction
EP4307079B1 (en) * 2022-07-12 2025-02-12 Koa Health Digital Solutions S.L.U. Method and system for optimizing model accuracy, battery consumption and data storage amounts
DE102022117683A1 (de) 2022-07-14 2024-01-25 Bayerische Motoren Werke Aktiengesellschaft Verfahren, System, sowie Computerprogramm zum Trainieren eines zum Betreiben eines Fahrzeugs ausgebildeten neuronalen Netzes und zum Betreiben eines Fahrzeugs mit einem neuronalen Netz
DE102022117676A1 (de) 2022-07-14 2024-01-25 Bayerische Motoren Werke Aktiengesellschaft Verfahren, System, sowie Computerprogramm zum Trainieren eines zum Betreiben eines Fahrzeugs ausgebildeten neuronalen Netzes und zum Betreiben eines Fahrzeugs mit einem neuronalen Netz
US12346110B2 (en) * 2022-07-14 2025-07-01 Microsoft Technology Licensing, Llc Controllable latent space discovery using multi-step inverse model
US11698910B1 (en) 2022-07-21 2023-07-11 Plusai, Inc. Methods and apparatus for natural language-based safety case discovery to train a machine learning model for a driving system
DE102022207506A1 (de) * 2022-07-22 2024-01-25 Continental Automotive Technologies GmbH Vorrichtung und Verfahren zum Bereitstellen von Informationen und Unterhaltung in einem Kraftfahrzeug
CN115378653B (zh) * 2022-07-25 2024-04-23 中国电子科技集团公司第三十研究所 一种基于lstm和随机森林的网络安全态势感知与预测方法及系统
CN115114338B (zh) * 2022-07-26 2022-12-20 成都秦川物联网科技股份有限公司 智慧城市公共场所人流量统计与调控方法及物联网系统
DE102022207741A1 (de) * 2022-07-27 2024-02-01 Continental Autonomous Mobility Germany GmbH Verfahren und System zum Erzeugen eines Umfeldmodells
EP4316937B1 (en) * 2022-08-04 2024-11-27 e.solutions GmbH Electronic apparatus for trainable vehicle component setting and vehicle
US12246739B2 (en) 2022-08-08 2025-03-11 Honda Motor Co., Ltd. Adaptive driving style
US12122417B2 (en) * 2022-08-09 2024-10-22 Motional Ad Llc Discriminator network for detecting out of operational design domain scenarios
KR20240021580A (ko) * 2022-08-10 2024-02-19 현대자동차주식회사 자율주행 데이터 관리 장치 및 그 방법
US20240051553A1 (en) * 2022-08-14 2024-02-15 Nvidia Corporation Sensor performance monitoring for autonomous systems and applications
US20240051581A1 (en) * 2022-08-15 2024-02-15 Motional Ad Llc Determination of an action for an autonomous vehicle in the presence of intelligent agents
JP7586151B2 (ja) * 2022-08-23 2024-11-19 トヨタ自動車株式会社 移動体の制御方法、制御システム及び制御プログラム
US12377862B2 (en) 2022-08-26 2025-08-05 Atieva, Inc. Data driven customization of driver assistance system
US12391246B2 (en) * 2022-08-31 2025-08-19 Zoox, Inc. Trajectory optimization in multi-agent environments
JP7453298B1 (ja) * 2022-08-31 2024-03-19 本田技研工業株式会社 車両制御装置
DE102022122110A1 (de) * 2022-09-01 2024-03-07 Valeo Schalter Und Sensoren Gmbh Verfahren zum fahren in einem parkbereich
WO2025085068A2 (en) * 2022-09-02 2025-04-24 Tusimple, Inc. Sensor configuration for autonomous vehicles
CN117697733A (zh) * 2022-09-09 2024-03-15 北京极智嘉科技股份有限公司 一种机器人调度方法和装置
WO2024053116A1 (ja) * 2022-09-11 2024-03-14 株式会社Subaru 車両サービス提供システム
TWI807997B (zh) * 2022-09-19 2023-07-01 財團法人車輛研究測試中心 感測器融合之時序同步方法
CN119948364A (zh) * 2022-09-20 2025-05-06 华为技术加拿大有限公司 用于协同感知的系统和方法
EP4343731B1 (en) * 2022-09-23 2024-11-13 Tata Consultancy Services Ltd. Method and system for delay prediction for scheduled public transport using multi architectural deep learning
CN115489597B (zh) * 2022-09-27 2024-08-23 吉林大学 一种适用于线控四轮转向智能汽车的转角控制系统
CN115830440B (zh) * 2022-09-27 2025-04-25 成都信息工程大学 一种基于遥感影像高分辨率重建的遥感监测识别系统
DE102022125227A1 (de) 2022-09-29 2024-04-04 Cariad Se Verfahren und System zum Abgleichen von Fahrzeugmodellen zwischen Recheneinrichtungen bei einer Zugangskontrolle in eine Zone, in welche ein Fahrzeug einzufahren versucht, sowie entsprechenden Recheneinrichtungen
US20240116507A1 (en) * 2022-10-06 2024-04-11 Ford Global Technologies, Llc Adaptive control systems and methods using wheel sensor data
US12233874B2 (en) * 2022-10-06 2025-02-25 Ford Global Technologies, Llc Drive mode adaptation systems and methods using wheel sensor data
DE102022125794A1 (de) * 2022-10-06 2024-04-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum ferngesteuerten Durchführen eines Fahrmanövers mit fahrzeugexternen Sensorinformationen für einen Fernsteuerer, sowie elektronisches Fernsteuerungssystem
US20240124020A1 (en) * 2022-10-13 2024-04-18 Zoox, Inc. Stopping action of an autonomous vehicle
US20240227854A9 (en) * 2022-10-20 2024-07-11 Industry-Academic Cooperation Foundation, Dankook University System for providing autonomous driving safety map service
EP4357212A1 (en) * 2022-10-21 2024-04-24 Zenseact AB Ads development
US12243302B2 (en) * 2022-10-25 2025-03-04 Accenture Global Solutions Limited Utilizing machine learning models to classify vehicle trajectories and collect road use data in real-time
US12358496B2 (en) 2022-10-26 2025-07-15 Ford Global Technologies, Llc Coordinated vehicle movement for presence simulation
CN115439719B (zh) * 2022-10-27 2023-03-28 泉州装备制造研究所 一种针对对抗攻击的深度学习模型防御方法及模型
US12269475B2 (en) * 2022-11-04 2025-04-08 Gm Cruise Holdings Llc Using mapping data for generating perception-impacting environmental features for autonomous vehicles
KR102713984B1 (ko) * 2022-11-10 2024-10-07 주식회사 윌로그 화물 유출입량 계수 장치 및 이의 동작 방법
KR102752299B1 (ko) * 2022-11-16 2025-01-09 숭실대학교산학협력단 자율 주행 차량의 ai 모델 보호 방법 및 이를 구현하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체
US20240157977A1 (en) * 2022-11-16 2024-05-16 Toyota Research Institute, Inc. Systems and methods for modeling and predicting scene occupancy in the environment of a robot
US20240166236A1 (en) * 2022-11-17 2024-05-23 Gm Cruise Holdings Llc Filtering autonomous driving simulation scenarios
US20240199068A1 (en) * 2022-11-18 2024-06-20 Nvidia Corporation Object pose estimation
US12415539B2 (en) * 2022-11-22 2025-09-16 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for active road surface maintenance with cloud-based mobility digital twin
US12105205B2 (en) * 2022-11-23 2024-10-01 Gm Cruise Holdings Llc Attributing sensor realism gaps to sensor modeling parameters
KR102533710B1 (ko) * 2022-11-24 2023-05-18 한국전자기술연구원 회전교차로에서의 차량 주행 제어 장치
KR102533711B1 (ko) * 2022-11-24 2023-05-18 한국전자기술연구원 회전교차로에서의 차량 주행 제어 장치
KR20240083634A (ko) * 2022-12-05 2024-06-12 현대자동차주식회사 차량 제어 장치 및 그 방법
US20240182083A1 (en) * 2022-12-06 2024-06-06 Zoox, Inc. Systems and methods for disengaging or engaging autonomy remotely
US11691632B1 (en) * 2022-12-06 2023-07-04 Mercedes-Benz Group AG Vehicle simulating method and system
KR102708275B1 (ko) * 2022-12-07 2024-09-24 주식회사 에스더블유엠 딥러닝을 위한 폴리곤 매시 기반 3차원 객체 모델 및 주석데이터 생성장치 및 그 방법
US12286138B2 (en) * 2022-12-08 2025-04-29 Honda Motor Co., Ltd. Adaptive trust calibration
CN116152887B (zh) * 2022-12-08 2023-09-26 山东省人工智能研究院 一种基于ds证据理论的动态人脸表情识别方法
US11697435B1 (en) * 2022-12-09 2023-07-11 Plusai, Inc. Hierarchical vehicle action prediction
US12422259B2 (en) 2022-12-13 2025-09-23 Stmicroelectronics International N.V. System and method for time synchronized fusion of multiple inertial sensors
WO2024129832A1 (en) 2022-12-13 2024-06-20 May Mobility, Inc. Method and system for assessing and mitigating risks encounterable by an autonomous vehicle
DE102022133370A1 (de) 2022-12-15 2024-06-20 Valeo Schalter Und Sensoren Gmbh Verfahren zum Neukalibrieren eines Sensors einer Vorrichtung
CN115907591B (zh) * 2022-12-15 2024-07-02 浙江蓝景科技有限公司杭州分公司 一种海洋云仓污染物运输车辆异常行为预警方法和系统
US20240202854A1 (en) * 2022-12-16 2024-06-20 Here Global B.V. Method to compute pedestrian real-time vulnerability index
US20240214812A1 (en) * 2022-12-21 2024-06-27 Qualcomm Incorporated Mitigating the effects of disinforming rogue actors in perceptive wireless communications
US20240212488A1 (en) * 2022-12-21 2024-06-27 Cariad Se Intelligent speed check
US20240210939A1 (en) * 2022-12-21 2024-06-27 Apollo Autonomous Driving USA LLC Camera image compression for autonomous driving vehicles
EP4389551B1 (en) * 2022-12-22 2025-05-14 Zenseact AB A computer-implemented method for managing an operational design domain s expansion for an automated driving system
US12322289B2 (en) * 2022-12-22 2025-06-03 Here Global B.V. Method and system of special vehicle notification in HD map to improve AV driving safety
US20240208537A1 (en) * 2022-12-23 2024-06-27 Toyota Motor North America, Inc. Driver modifications of improper actions
US20240211748A1 (en) * 2022-12-27 2024-06-27 Nvidia Corporation Determining object associations using machine learning in autonomous systems and applications
DE102023100418A1 (de) * 2023-01-10 2024-07-11 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Nachverfolgung des lateralen Abstands eines Objektes
US20240239379A1 (en) * 2023-01-12 2024-07-18 Woven By Toyota, Inc. Systems and methods for mode confusion avoidance
CN115933412B (zh) * 2023-01-12 2023-07-14 中国航发湖南动力机械研究所 基于事件触发预测控制的航空发动机控制方法及装置
KR20240114527A (ko) * 2023-01-17 2024-07-24 숭실대학교산학협력단 병목 정체 제어를 위한 차량 행동 결정 방법 및 장치
US20240248983A1 (en) * 2023-01-25 2024-07-25 Crowdstrike, Inc. Data-only decision validation models to update false predictions
US20240256707A1 (en) * 2023-01-30 2024-08-01 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for anonymizing images
WO2024166174A1 (ja) 2023-02-06 2024-08-15 日本電気株式会社 情報処理システム、情報処理装置、情報処理方法、及び記録媒体
EP4414963A1 (en) * 2023-02-06 2024-08-14 ZF CV Systems Global GmbH Method, driver assistance system for wireless communication between a vehicle and a traffic infrastructure and system for controlling the traffic flow
JP2024113750A (ja) * 2023-02-10 2024-08-23 パナソニックオートモーティブシステムズ株式会社 運転支援装置、運転支援システム及び運転支援方法
CN116030418B (zh) * 2023-02-14 2023-09-12 北京建工集团有限责任公司 一种汽车吊运行状态监测系统及方法
US12291220B2 (en) * 2023-02-22 2025-05-06 GM Global Technology Operations LLC Systems and methods for collection and analysis of vehicular data
WO2024176438A1 (ja) * 2023-02-24 2024-08-29 三菱電機株式会社 遠隔監視装置、遠隔監視システム、及び、遠隔監視方法
WO2024179669A1 (en) * 2023-02-28 2024-09-06 Siemens Aktiengesellschaft Method and apparatus for determine a risk profile of a traffic participant of a traffic scenario
US20240294189A1 (en) * 2023-03-01 2024-09-05 Continental Automotive Systems, Inc. Crash avoidance via intelligent infrastructure
US20240294177A1 (en) * 2023-03-01 2024-09-05 Continental Automotive Systems, Inc. Crash avoidance via intelligent infrastructure
CN115991186B (zh) * 2023-03-06 2023-08-11 郑州轻工业大学 一种防晕车自动驾驶车辆纵横向控制方法
CN116067434B (zh) * 2023-03-07 2023-07-04 中铁大桥局集团有限公司 一种大节段桥梁的可视化安装系统和安装方法
US20240303349A1 (en) * 2023-03-08 2024-09-12 Arizona Board Of Regents On Behalf Of Arizona State University Targeted attacks on deep reinforcement learning-based autonomous driving with learned visual patterns
WO2024187273A1 (en) * 2023-03-10 2024-09-19 LoopX Innovation Inc. Systems and methods for estimating a state for positioning autonomous vehicles transitioning between different environments
CN115951325B (zh) * 2023-03-15 2023-06-02 中国电子科技集团公司第十五研究所 基于BiGRU的多舰船目标跟踪方法、存储介质及产品
US12430414B2 (en) 2023-03-20 2025-09-30 Microsoft Technology Licensing, Llc. System and method for generating synthetic profiles for training biometric verification systems
US20240329632A1 (en) * 2023-03-28 2024-10-03 Nissan North America, Inc. Transmitting Sideband Data to Enable Tele-Operation of a Vehicle
CN118509351A (zh) * 2023-04-26 2024-08-16 苏州维格纳信息科技有限公司 基于区块链的信息传输管理系统
FR3148313A1 (fr) * 2023-04-26 2024-11-01 Psa Automobiles Sa Gestion collaborative de la mise à jour à distance d’une fonctionnalité de conduite autonome fournie par un appareillage d’aide à la conduite d’un véhicule automobile
US20240371260A1 (en) * 2023-05-04 2024-11-07 Forge Core Inc. Road Sentinel AI Pylon
CN116226788B (zh) * 2023-05-06 2023-07-25 鹏城实验室 一种融合多种数据类型的建模方法及相关设备
CN118918719A (zh) * 2023-05-06 2024-11-08 通用汽车环球科技运作有限责任公司 自主运载工具的死锁预防和防止
CN116546458B (zh) * 2023-05-09 2024-08-13 西安电子科技大学 混合交通场景下的车联网双向多跳通信的方法
US20240375670A1 (en) * 2023-05-10 2024-11-14 Mercedes-Benz Group AG Autonomous vehicle system on chip
US20240391477A1 (en) * 2023-05-22 2024-11-28 Mercedes-Benz Group AG Workload execution in deterministic pipelines
US20240394033A1 (en) * 2023-05-24 2024-11-28 Fca Us Llc Systems and methods for automated driving high performance computing
US12397821B2 (en) * 2023-05-25 2025-08-26 Gm Cruise Holdings Llc Metrics for modeling construction zones
US20240403465A1 (en) * 2023-05-31 2024-12-05 Palantir Technologies Inc. Systems and methods for providing security level based geospatial notification
US20240428286A1 (en) * 2023-06-23 2024-12-26 Woven by Toyota, Inc Methods and systems for sharing detected changes in roads using blockchains
US20250002039A1 (en) * 2023-06-27 2025-01-02 Autonomous Solutions, Inc. Operator Instigated False Positive Muting for Autonomous Vehicles
DE102023206245A1 (de) * 2023-06-30 2025-01-02 BSH Hausgeräte GmbH Verfahren zum Betrieb eines mobilen, selbstfahrenden Geräts
TWI866318B (zh) * 2023-07-04 2024-12-11 國立中興大學 雙載具異質協同之定位系統及其定位方法
JP2025010824A (ja) * 2023-07-10 2025-01-23 トヨタ自動車株式会社 ログ管理システム、ログ管理方法
CN116588015B (zh) * 2023-07-14 2023-11-03 北京芯驰半导体科技有限公司 车辆控制方法、车辆控制系统及存储介质
FI131120B1 (en) * 2023-07-20 2024-10-14 Nokia Solutions & Networks Oy Methods and apparatuses for providing a geographic location of a sensor for acquiring data
CN116665064B (zh) * 2023-07-27 2023-10-13 城云科技（中国）有限公司 基于生成蒸馏与特征扰动的城市变化图生成方法及其应用
US12046137B1 (en) * 2023-08-02 2024-07-23 Plusai, Inc. Automatic navigation based on traffic management vehicles and road signs
US20250050903A1 (en) * 2023-08-08 2025-02-13 Dish Wireless L.L.C. Cloud-based automated navigation
US20250050912A1 (en) * 2023-08-11 2025-02-13 Zoox, Inc. Crosswalk handling for vehicles
US20250065905A1 (en) * 2023-08-22 2025-02-27 Qualcomm Incorporated Vehicle environment sensor reliability determination
DE102023208040A1 (de) 2023-08-22 2025-02-27 Volkswagen Aktiengesellschaft Verfahren und Sensordatenauswertungsvorrichtung für ein Fahrzeug zum Durchführen wenigstens einer wenigstens teilautomatischen Fahrzeugfunktion
KR20250030258A (ko) * 2023-08-24 2025-03-05 현대자동차주식회사 주행 제어 장치 및 그 방법
US20250069491A1 (en) * 2023-08-25 2025-02-27 GM Global Technology Operations LLC Context-based reminder system for a vehicle
DE102023123325A1 (de) * 2023-08-30 2025-03-06 Bayerische Motoren Werke Aktiengesellschaft Verfahren im Zusammenhang mit der Bewegung von Fahrzeugen, sowie ein Anwendergerät, System und Computerprogrammprodukt
US20250078294A1 (en) * 2023-08-30 2025-03-06 Qualcomm Incorporated Free space detection for parking and driving in puddle areas with permuted fusion network
CN117152093B (zh) * 2023-09-04 2024-05-03 山东奇妙智能科技有限公司 基于数据融合和深度学习的轮胎缺陷检测系统及方法
US20250091609A1 (en) * 2023-09-14 2025-03-20 Qualcomm Incorporated Advanced driving assistance system constraint based routing
US20250111550A1 (en) * 2023-10-03 2025-04-03 Yokogawa Electric Corporation Using text-to-image model(s) to generate synthetic images for training anomaly detection model(s)
US20250115280A1 (en) * 2023-10-04 2025-04-10 Plusai, Inc. Offboard infrastructure to augment vehicle systems
CN117061581B (zh) * 2023-10-08 2024-04-19 腾讯科技（深圳）有限公司 远程控制方法、装置、电子设备、存储介质及程序产品
US20250126232A1 (en) * 2023-10-11 2025-04-17 Ford Global Technologies, Llc Rf and optical message association
WO2025081179A2 (en) * 2023-10-12 2025-04-17 Cerence Operating Company Proactive multi-modal automotive concierge
EP4538090A1 (en) * 2023-10-13 2025-04-16 Volvo Car Corporation Method for providing data configured for demonstrating a driver assistance function of a vehicle
US20250124788A1 (en) * 2023-10-13 2025-04-17 Plusai, Inc. Techniques for autonomous vehicle event mitigation
US12394317B2 (en) * 2023-10-16 2025-08-19 Plusai, Inc. Automatic event capturing for autonomous vehicle driving
DE102023129345A1 (de) 2023-10-25 2025-04-30 Connaught Electronics Ltd. Zuteilen von Rechenressourcen einer elektronischen Steuereinheit
US20250139119A1 (en) * 2023-10-26 2025-05-01 Woven By Toyota, Inc. Systems and methods for determining differences between vector datasets
US20250147202A1 (en) * 2023-11-03 2025-05-08 Ford Global Technologies, Llc Weather detection for a vehicle environment
DE102023132230A1 (de) * 2023-11-20 2025-05-22 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und System zur Routenplanung unter Berücksichtigung einer Eventkategorie
CN117278328B (zh) * 2023-11-21 2024-02-06 广东车卫士信息科技有限公司 基于车联网的数据处理方法及系统
US20250173514A1 (en) * 2023-11-27 2025-05-29 Internet Truckstop Group LLC Systems and methods for a conversational assistant using artificial intelligence in a freight management platform
US20250171042A1 (en) * 2023-11-27 2025-05-29 GM Global Technology Operations LLC Individualized vehicle power consumption profile generation
US20250171047A1 (en) * 2023-11-29 2025-05-29 Fca Us Llc Real-time road condition monitoring and communication amongst autonomous vehicles for improved safety
DE102023212144A1 (de) * 2023-12-04 2025-06-05 Volkswagen Aktiengesellschaft Verfahren zum Betreiben mindestens einer Mensch-Maschine-Schnittstelle in einem zumindest teilweise autonom fahrbaren Fahrzeug, Vorrichtung und Fahrzeug
US12437653B2 (en) 2023-12-04 2025-10-07 OnStation LLC System and method for speech-enabled adaptive training for human pilot verbal data capture and reporting for flight operations quality assurance
DE102023134311A1 (de) * 2023-12-07 2025-06-12 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Einstellung des Datenschutzes für durch ein Fahrzeug gesammelte Daten
US12152889B1 (en) * 2023-12-07 2024-11-26 Novateur Research Solution Generating trajectories from implicit neural models
US20250191468A1 (en) * 2023-12-12 2025-06-12 Volvo Car Corporation External controlled driving within a geographical area technical field
CN117395726B (zh) * 2023-12-12 2024-03-01 江西师范大学 一种基于路径规划的移动边缘计算服务迁移方法
US20250196884A1 (en) * 2023-12-14 2025-06-19 May Mobility, Inc. Method and system for predicting external agent behavior
WO2025124781A1 (de) * 2023-12-15 2025-06-19 Schreiber Carl Albert Autonomes ansteuern einer vorrichtung unter verwendung eines technischen motivationswerts
US20250208620A1 (en) * 2023-12-21 2025-06-26 Zoox, Inc. Systems and methods for determining driving scenario probability metrics and vehicle performance metrics
US20250206351A1 (en) * 2023-12-22 2025-06-26 Zoox, Inc. Probabilistic collision detection system
US20250206326A1 (en) * 2023-12-22 2025-06-26 Toyota Jidosha Kabushiki Kaisha Dynamically setting a limit that effects an actuator of a vehicle
US20250214535A1 (en) * 2023-12-28 2025-07-03 Aspinity, Inc. Vehicle in-cabin audio detection of vandalism
US20250216851A1 (en) * 2023-12-29 2025-07-03 Robert Bosch Gmbh System and method for learning sensor measurement uncertainty
KR102734080B1 (ko) * 2024-01-01 2024-11-25 주식회사 플랜터 다이나믹 메모리 조정 및 고속 스트림 처리를 위한 ai 최적화 클라우드 컴퓨팅 시스템
DE102024200002B3 (de) 2024-01-02 2024-12-05 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Bereitstellen eines trainierten Maschinenlernmodells zum Erkennen eines Hands-On/Hands-Off-Zustands an einem Lenkrad eines Fahrzeugs
DE102024200003B3 (de) 2024-01-02 2024-12-05 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Bereitstellen eines trainierten Maschinenlernmodells zum Erkennen eines Hands-On/Hands-Off-Zustands an einem Lenkrad eines Fahrzeugs
US12352588B1 (en) 2024-01-04 2025-07-08 Charter Communications Operating, Llc Methods and apparatus for optimizing data offloading in electric vehicles
DE102024101098A1 (de) 2024-01-16 2025-07-17 Valeo Schalter Und Sensoren Gmbh Verfahren und System zum Fernsteuern eines von einer Infrastruktureinrichtung erfassten Fahrzeugs durch einen Teleoperator und Computerprogrammprodukt für eine Fernsteuerstation
WO2025165795A1 (en) * 2024-01-29 2025-08-07 Onstation Corporation System and method for training ai selectively-autonomous, selectively-collaborative low-cost attritable aircraft (sa-sc-lcaa)
WO2025170894A1 (en) * 2024-02-05 2025-08-14 Rekor Systems, Inc. Systems and methods for hybrid cloud-edge processing
US20250263093A1 (en) * 2024-02-15 2025-08-21 Valeo Schalter Und Sensoren Gmbh Method for improving safety of autonomous driving by recognizing damaged motor vehicles and risky drivers
DE102024122761A1 (de) * 2024-02-17 2025-08-21 Cariad Se Verfahren und System zur Koordination eines ersten Verkehrsteilnehmers mit einem zweiten Verkehrsteilnehmer sowie entsprechende Prozessorschaltungen für das System
WO2025184029A1 (en) * 2024-02-28 2025-09-04 Banner Engineering Corp. Light curtain safety cascading control protocol
JP2025132509A (ja) * 2024-02-29 2025-09-10 トヨタ自動車株式会社 データ生成装置、データ生成方法、データ生成プログラム及び交通サービス提供システム
EP4625284A1 (de) * 2024-03-26 2025-10-01 Sick Ag Sicherheitssystemverbund zur überwachung eines bereichs und ein verfahren zur überwachung eines solchen bereichs
EP4625197A1 (en) * 2024-03-27 2025-10-01 INTEL Corporation Adaptive data curation
US12112555B1 (en) 2024-04-12 2024-10-08 Samsara Inc. Drowsy driving detection
US12263861B1 (en) 2024-05-15 2025-04-01 Samsara Inc. Automatic training assignment based on operator behavior
DE102024114267B3 (de) 2024-05-22 2025-06-05 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Computerimplementiertes Verfahren zur Kalibrierung einer Motorsteuerung eines Kraftfahrzeugs
US12266123B1 (en) 2024-05-23 2025-04-01 Samsara Inc. Monitoring the safe distance between vehicles while driving
US12272138B1 (en) 2024-06-21 2025-04-08 Samsara Inc. Forward collision warning
CN118450404B (zh) * 2024-07-02 2024-11-19 北京邮电大学 一种合同激励的异构数据传输方法与装置
CN118736834A (zh) * 2024-07-24 2024-10-01 招商局重庆交通科研设计院有限公司 基于路侧计算单元的多车交互联合决策方法
US12314346B2 (en) 2024-12-19 2025-05-27 Digital Global Systems, Inc. Systems and methods of sensor data fusion
CN119370112A (zh) * 2024-12-25 2025-01-28 太原大船科技股份有限公司 一种基于云计算的大数据分析系统及其方法
CN119541247B (zh) * 2025-01-20 2025-04-04 交通运输部规划研究院 一种基于分布式动态路网的路径规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140195214A1 (en) 2013-01-10 2014-07-10 International Business Machines Corporation Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network
US20170253241A1 (en) 2016-03-01 2017-09-07 Ford Global Technologies, Llc Autonomous vehicle operation based on interactive model predictive control
US10059334B1 (en) 2012-04-13 2018-08-28 Waymo Llc Automated system and method for modeling the behavior of vehicles and other agents
JP2019048511A (ja) 2017-09-08 2019-03-28 トヨタ自動車株式会社 車両制御装置

Family Cites Families (85)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3374042B2 (ja) * 1997-05-16 2003-02-04 本田技研工業株式会社 車車間通信方法
US9075136B1 (en) * 1998-03-04 2015-07-07 Gtj Ventures, Llc Vehicle operator and/or occupant information apparatus and method
JP2006085285A (ja) * 2004-09-14 2006-03-30 Matsushita Electric Ind Co Ltd 危険車両予測装置
JP2008116357A (ja) * 2006-11-06 2008-05-22 Toyota Motor Corp 物体検出装置
JP2008149909A (ja) * 2006-12-18 2008-07-03 Toyota Motor Corp 車両用乱反射発生防止装置
KR101188584B1 (ko) * 2007-08-28 2012-10-05 주식회사 만도 카메라와 레이저 스캐너를 이용한 차량 전방 물체 판별장치
TWI314115B (en) * 2007-09-27 2009-09-01 Ind Tech Res Inst Method and apparatus for predicting/alarming the moving of hidden objects
EP2289235A4 (en) * 2008-05-20 2011-12-28 Pelican Imaging Corp RECORDING AND PROCESSING IMAGES BY MONOLITHIC CAMERA ARRANGEMENT WITH HETEROGENIC IMAGE TRANSFORMER
JP5278667B2 (ja) * 2008-08-06 2013-09-04 株式会社デンソー 車両用シート空調システム
EP2209091B1 (en) * 2009-01-16 2012-08-08 Honda Research Institute Europe GmbH System and method for object motion detection based on multiple 3D warping and vehicle equipped with such system
US11067405B2 (en) * 2010-06-07 2021-07-20 Affectiva, Inc. Cognitive state vehicle navigation based on image processing
WO2012145822A1 (en) * 2011-04-25 2012-11-01 Magna International Inc. Method and system for dynamically calibrating vehicular cameras
DE112012004785T5 (de) * 2011-11-16 2014-08-07 Flextronics Ap, Llc Merkmalerkennung zum Konfigurieren einer Fahrzeugkonsole und zugeordnete Vorrichtungen
US8788121B2 (en) * 2012-03-09 2014-07-22 Proxy Technologies, Inc. Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles
US8457827B1 (en) 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
JP2014167438A (ja) * 2013-02-28 2014-09-11 Denso Corp 情報通知装置
US9342074B2 (en) * 2013-04-05 2016-05-17 Google Inc. Systems and methods for transitioning control of an autonomous vehicle to a driver
US10915965B1 (en) * 2014-11-13 2021-02-09 State Farm Mutual Automobile Insurance Company Autonomous vehicle insurance based upon usage
CN107249954B (zh) * 2014-12-29 2020-07-10 罗伯特·博世有限公司 用于使用个性化驾驶简档操作自主车辆的系统和方法
JP6237725B2 (ja) * 2015-07-27 2017-11-29 トヨタ自動車株式会社 乗員情報取得装置及び車両制御システム
DE102015215929A1 (de) * 2015-08-20 2017-02-23 Volkswagen Aktiengesellschaft Vorrichtungen, Verfahren und Computerprogramm zum Bereitstellen von Information über eine voraussichtliche Fahrintention
EP3347253A1 (en) * 2015-09-08 2018-07-18 Apple Inc. Comfort profiles for autonomous vehicle
US9738287B2 (en) * 2015-09-15 2017-08-22 Ford Global Technologies, Llc Preconditioning for vehicle subsystems
US10139828B2 (en) * 2015-09-24 2018-11-27 Uber Technologies, Inc. Autonomous vehicle operated with safety augmentation
JP2017062700A (ja) * 2015-09-25 2017-03-30 株式会社デンソー 制御装置、及び車両制御システム
US10229363B2 (en) * 2015-10-19 2019-03-12 Ford Global Technologies, Llc Probabilistic inference using weighted-integrals-and-sums-by-hashing for object tracking
JP2017081195A (ja) * 2015-10-22 2017-05-18 株式会社デンソー 車両用空調装置
EP3369050A4 (en) * 2015-10-30 2019-06-26 Zemcar, Inc. CONDUCTOR SELECTION BASED ON RULES
US10620635B2 (en) 2015-11-05 2020-04-14 Hitachi, Ltd. Moving object movement system and movement path selection method
CN108432209A (zh) * 2015-11-30 2018-08-21 法拉第未来公司 基于车辆导航数据的信息娱乐
US10295363B1 (en) * 2016-01-22 2019-05-21 State Farm Mutual Automobile Insurance Company Autonomous operation suitability assessment and mapping
US10035519B2 (en) * 2016-03-15 2018-07-31 GM Global Technology Operations LLC System and method for autonomous vehicle driving behavior modification
DE102016205153A1 (de) * 2016-03-29 2017-10-05 Avl List Gmbh Verfahren zum Erzeugen von Steuerdaten für ein regelbasiertes Unterstützen eines Fahrers
US10872379B1 (en) * 2016-04-11 2020-12-22 State Farm Mutual Automobile Insurance Company Collision risk-based engagement and disengagement of autonomous control of a vehicle
JP6368957B2 (ja) * 2016-05-10 2018-08-08 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US9877470B2 (en) * 2016-05-10 2018-01-30 Crinklaw Farm Services, Inc. Robotic agricultural system and method
US10059346B2 (en) * 2016-06-07 2018-08-28 Ford Global Technologies, Llc Driver competency during autonomous handoff
KR102521934B1 (ko) * 2016-06-13 2023-04-18 삼성디스플레이 주식회사 터치 센서 및 이를 이용한 터치 감지 방법
US10019009B2 (en) * 2016-06-15 2018-07-10 Allstate Insurance Company Vehicle control systems
US10678262B2 (en) * 2016-07-01 2020-06-09 Uatc, Llc Autonomous vehicle localization using image analysis and manipulation
US20180012196A1 (en) * 2016-07-07 2018-01-11 NextEv USA, Inc. Vehicle maintenance manager
US11443395B2 (en) * 2016-07-19 2022-09-13 Redmon Jeang LLC Mobile legal counsel system and method
US20180053102A1 (en) * 2016-08-16 2018-02-22 Toyota Jidosha Kabushiki Kaisha Individualized Adaptation of Driver Action Prediction Models
CN109564102A (zh) * 2016-08-22 2019-04-02 三菱电机株式会社 信息提示装置、信息提示系统及信息提示方法
JP2018055442A (ja) * 2016-09-29 2018-04-05 パナソニックＩｐマネジメント株式会社 地域情報視聴支援装置、及びその方法
KR101891599B1 (ko) 2016-09-30 2018-08-24 엘지전자 주식회사 자율 주행 차량의 제어방법과 서버
JP6731619B2 (ja) * 2016-10-26 2020-07-29 パナソニックＩｐマネジメント株式会社 情報処理システム、情報処理方法、およびプログラム
US9823657B1 (en) * 2016-11-02 2017-11-21 Smartdrive Systems, Inc. Measuring operator readiness and readiness testing triggering in an autonomous vehicle
JP6647423B2 (ja) 2016-11-18 2020-02-14 三菱電機株式会社 運転支援装置および運転支援方法
US10192171B2 (en) * 2016-12-16 2019-01-29 Autonomous Fusion, Inc. Method and system using machine learning to determine an automotive driver's emotional state
DE102016225606B4 (de) * 2016-12-20 2022-12-29 Audi Ag Verfahren zum Betreiben einer Fahrerassistenzeinrichtung eines Kraftfahrzeugs
US20180170392A1 (en) * 2016-12-20 2018-06-21 Baidu Usa Llc Method and System to Recognize Individual Driving Preference for Autonomous Vehicles
JP6513069B2 (ja) * 2016-12-27 2019-05-15 本田技研工業株式会社 運転支援装置および運転支援方法
US10268195B2 (en) * 2017-01-06 2019-04-23 Qualcomm Incorporated Managing vehicle driving control entity transitions of an autonomous vehicle based on an evaluation of performance criteria
EP3577528B1 (en) * 2017-02-06 2021-10-27 Telefonaktiebolaget LM Ericsson (PUBL) Enabling remote control of a vehicle
JP6421365B2 (ja) * 2017-02-10 2018-11-14 本田技研工業株式会社 車両シート制御システム、車両シートの制御方法、およびプログラム
JP6652091B2 (ja) * 2017-03-10 2020-02-19 オムロン株式会社 運転制御動作支援装置、運転制御動作支援方法及び運転制御動作支援プログラム
JP6938177B2 (ja) * 2017-03-14 2021-09-22 パイオニア株式会社 制御装置、制御方法、及び、プログラム
JP7012933B2 (ja) * 2017-03-23 2022-01-31 東芝情報システム株式会社 運転支援装置および運転支援システム
JP2018177188A (ja) * 2017-04-11 2018-11-15 株式会社デンソー 制御装置
JP6809364B2 (ja) * 2017-05-09 2021-01-06 株式会社デンソー 自動バレー駐車システム、自動バレー車両、及び自動バレー駐車方法
JP6524144B2 (ja) 2017-06-02 2019-06-05 本田技研工業株式会社 車両制御システム及び方法、並びに走行支援サーバ
WO2018230640A1 (ja) * 2017-06-16 2018-12-20 本田技研工業株式会社 車両制御システム、車両制御方法、およびプログラム
EP3664064A4 (en) * 2017-08-03 2021-01-27 Koito Manufacturing Co., Ltd. VEHICLE LIGHTING SYSTEM, VEHICLE SYSTEM AND VEHICLE
US10831190B2 (en) * 2017-08-22 2020-11-10 Huawei Technologies Co., Ltd. System, method, and processor-readable medium for autonomous vehicle reliability assessment
EP3672842A1 (en) * 2017-08-25 2020-07-01 Cubic Corporation Remote operation of non-driving functionality autonomous vehicles
US10649458B2 (en) 2017-09-07 2020-05-12 Tusimple, Inc. Data-driven prediction-based system and method for trajectory planning of autonomous vehicles
US10957201B2 (en) * 2017-09-15 2021-03-23 Qualcomm Incorporated System and method for relative positioning based safe autonomous driving
US20180022348A1 (en) * 2017-09-15 2018-01-25 GM Global Technology Operations LLC Methods and systems for determining lane health from an autonomous vehicle
US20200228988A1 (en) * 2017-09-29 2020-07-16 Lg Electronics Inc. V2x communication device and method for inspecting forgery/falsification of key thereof
US10890920B2 (en) * 2018-02-15 2021-01-12 Aptiv Technologies Limited Vehicle map-data gathering system and method
US11086317B2 (en) 2018-03-30 2021-08-10 Intel Corporation Emotional adaptive driving policies for automated driving vehicles
JP7087623B2 (ja) * 2018-04-19 2022-06-21 トヨタ自動車株式会社 車両の制御装置
US11104334B2 (en) * 2018-05-31 2021-08-31 Tusimple, Inc. System and method for proximate vehicle intention prediction for autonomous vehicles
US11749124B2 (en) * 2018-06-12 2023-09-05 Skydio, Inc. User interaction with an autonomous unmanned aerial vehicle
JP6934840B2 (ja) * 2018-06-15 2021-09-15 本田技研工業株式会社 遠隔運転管理装置及びプログラム
US11299149B2 (en) * 2018-07-23 2022-04-12 Denso International America, Inc. Considerate driving system
US10442444B1 (en) * 2018-08-06 2019-10-15 Denso International America, Inc. Vehicle behavior and driver assistance modules for a mobile network device implementing pseudo-vehicle behavior signal generation based on mobile sensor signals
US11214265B2 (en) * 2018-08-22 2022-01-04 Phantom Auto Inc. Vehicle teleoperator ranking and selection
US10902726B2 (en) * 2018-08-23 2021-01-26 Intel Corporation Rogue vehicle detection and avoidance
US11178712B2 (en) * 2018-10-02 2021-11-16 Deere & Company Systems and methods to establish secure vehicle networks
US11059478B2 (en) * 2018-10-10 2021-07-13 GM Global Technology Operations LLC System and method for autonomous control of a vehicle
US11192543B2 (en) * 2018-12-21 2021-12-07 Ford Global Technologies, Llc Systems and methods for automated stopping and/or parking of autonomous vehicles
US11186241B2 (en) * 2019-01-30 2021-11-30 Cobalt Industries Inc. Automated emotion detection and environmental response
US11077850B2 (en) * 2019-09-06 2021-08-03 Lyft, Inc. Systems and methods for determining individualized driving behaviors of vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10059334B1 (en) 2012-04-13 2018-08-28 Waymo Llc Automated system and method for modeling the behavior of vehicles and other agents
US20140195214A1 (en) 2013-01-10 2014-07-10 International Business Machines Corporation Automatic driver modeling for integration of human-controlled vehicles into an autonomous vehicle network
US20170253241A1 (en) 2016-03-01 2017-09-07 Ford Global Technologies, Llc Autonomous vehicle operation based on interactive model predictive control
JP2019048511A (ja) 2017-09-08 2019-03-28 トヨタ自動車株式会社 車両制御装置

Also Published As

Publication number Publication date
DE112020001663T5 (de) 2022-03-24
EP3947081A1 (en) 2022-02-09
WO2020205655A1 (en) 2020-10-08
JP2022525586A (ja) 2022-05-18
WO2020205648A1 (en) 2020-10-08
US20220126863A1 (en) 2022-04-28
JP2022524932A (ja) 2022-05-11
EP3947094A4 (en) 2022-12-14
EP3947080A1 (en) 2022-02-09
JP7460044B2 (ja) 2024-04-02
DE112020001643T5 (de) 2022-06-15
DE112020001649T5 (de) 2022-04-21
EP3947095A4 (en) 2023-10-18
JP2022525391A (ja) 2022-05-13
JP7593645B2 (ja) 2024-12-03
US20220126878A1 (en) 2022-04-28
KR20210134317A (ko) 2021-11-09
CN113811473A (zh) 2021-12-17
US20220161815A1 (en) 2022-05-26
JP2022524920A (ja) 2022-05-11
KR20210134634A (ko) 2021-11-10
EP3947094A1 (en) 2022-02-09
WO2020205597A1 (en) 2020-10-08
WO2020205629A1 (en) 2020-10-08
DE112020001642T5 (de) 2022-03-10
CN113811474A (zh) 2021-12-17
US20220126864A1 (en) 2022-04-28
EP3947081A4 (en) 2023-06-21
KR20210134638A (ko) 2021-11-10
EP3947080A4 (en) 2023-06-21
JP2025024097A (ja) 2025-02-19
EP3947095A1 (en) 2022-02-09
KR20210134635A (ko) 2021-11-10
CN113508066A (zh) 2021-10-15
CN113825689A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
JP7707487B2 (ja) 自律走行車両システム
US11863991B2 (en) Misbehavior detection in autonomous driving communications
CN115206132B (zh) 基于道路使用者意图预测的潜在碰撞警告系统
US11351987B2 (en) Proactive vehicle safety system
US20200026289A1 (en) Distributed traffic safety consensus
WO2021090897A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US11904870B2 (en) Configuration management system for autonomous vehicle software stack
CN120239876A (zh) 细化机器学习模型以减轻自主系统和应用中的对抗性攻击
US20250115270A1 (en) Fusion of classical computing, artificial intelligence or quantum computing for vehicle operation
EP4361991A1 (en) Peer-to-peer vehicular provision of artificially intelligent traffic analysis
US20240144695A1 (en) Peer-to-peer vehicular provision of artificially intelligent traffic analysis
US20250020761A1 (en) Radar interference mitigation and orchestration between vehicular radar sensors
US20240144820A1 (en) Peer-to-peer vehicular provision of artificially intelligent traffic analysis
US20240286617A1 (en) School bus detection and response

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230320

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240604

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240821

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20241112

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20250203

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20250603

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250609

R150 Certificate of patent or registration of utility model

Ref document number: 7707487

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150