特開 2024-37710 特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024037710

(43)【公開日】2024-03-19

(54)【発明の名称】特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する方法

(51)【国際特許分類】

   B60W 50/00 20060101AFI20240312BHJP

   G01M 17/007 20060101ALI20240312BHJP

   B60W 50/08 20200101ALI20240312BHJP

   B60W 30/08 20120101ALI20240312BHJP

   B60W 30/02 20120101ALI20240312BHJP

【ＦＩ】

B60W50/00

G01M17/007 Z

B60W50/08

B60W30/08

B60W30/02

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

【外国語出願】

(21)【出願番号】P 2023144638

(22)【出願日】2023-09-06

(31)【優先権主張番号】10 2022 209 278.3

(32)【優先日】2022-09-07

(33)【優先権主張国・地域又は機関】DE

(71)【出願人】

【識別番号】390023711

【氏名又は名称】ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング

【氏名又は名称原語表記】ＲＯＢＥＲＴ ＢＯＳＣＨ ＧＭＢＨ

【住所又は居所原語表記】Ｓｔｕｔｔｇａｒｔ， Ｇｅｒｍａｎｙ

(74)【代理人】

【識別番号】100114890

【弁理士】

【氏名又は名称】アインゼル・フェリックス＝ラインハルト

(74)【代理人】

【識別番号】100098501

【弁理士】

【氏名又は名称】森田 拓

(74)【代理人】

【識別番号】100116403

【弁理士】

【氏名又は名称】前川 純一

(74)【代理人】

【識別番号】100134315

【弁理士】

【氏名又は名称】永島 秀郎

(74)【代理人】

【識別番号】100162880

【弁理士】

【氏名又は名称】上島 類

(72)【発明者】

【氏名】シュテファン リンデナウ

【テーマコード（参考）】

3D241

【Ｆターム（参考）】

3D241BA00

3D241BB08

3D241CC08

3D241CE08

3D241DA52Z

3D241DB05Z

3D241DB12Z

(57)【要約】      （修正有）

【課題】本発明は、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する方法に関する。
【解決手段】方法は、自動車の動作中に、少なくとも１つの特定の運転操作の１つが実行されているか否かを特定するステップと、特定の運転操作が実行されている場合に、運転操作の実行中の自動車の制御部への自動車の運転者の介入を検出するステップと、特定の運転操作と、自動車の制御部への自動車の運転者の検出された介入とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練するステップとを有している。
【選択図】図１

【特許請求の範囲】

【請求項1】

特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する方法であって、前記方法は、
前記自動車の動作中に、少なくとも１つの特定の運転操作の１つが実行されているか否かを特定するステップ（２）と、
特定の運転操作が実行されている場合に、前記運転操作の実行中の前記自動車の前記制御部への前記自動車の運転者の介入を検出するステップ（３）と、
前記特定の運転操作と、前記自動車の前記制御部への前記自動車の前記運転者の検出された前記介入とに基づいて、前記機械学習の前記少なくとも１つのアルゴリズムを訓練するステップ（４）と
を有している、
方法。

【請求項2】

前記機械学習の前記少なくとも１つのアルゴリズムを訓練する前記ステップ（４）は、前記特定の運転操作と、前記自動車の前記制御部への前記自動車の前記運転者の検出された前記介入と、前記自動車の前記運転者に関する情報とに基づいて、前記機械学習の前記少なくとも１つのアルゴリズムを訓練することを有している、請求項１記載の方法。

【請求項3】

前記自動車の前記制御部への前記自動車の前記運転者の前記介入は、操舵角の変更および／または車両加速度の変更および／またはヨーレートの変更を有している、請求項１または２記載の方法。

【請求項4】

前記少なくとも１つの運転操作のそれぞれを、それぞれ１つのテスト仕様によって設定する、請求項１から３までのいずれか１項記載の方法。

【請求項5】

少なくとも１つの特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する方法であって、
前記方法（１）は、
特定の運転操作時の自動車の前記制御部への介入のための設定を出力する機械学習のアルゴリズムを提供するステップを有しており、請求項１から４までのいずれか１項記載の、特定の運転操作時の自動車の前記制御部への介入のための設定を出力する前記機械学習のアルゴリズムを訓練する方法によって、前記機械学習の前記アルゴリズムが訓練されており、
テスト結果を提供するために、特定の運転操作時の自動車の前記制御部への介入のための設定を出力する前記機械学習の提供された前記アルゴリズムを使用して、前記車両の前記制御部の少なくとも１つのコンポーネントをテストするステップ（５）を有しており、かつ
前記テスト結果に基づいて、前記少なくとも１つの特定の運転操作の実行中の前記自動車の前記制御部の前記少なくとも１つのコンポーネントの前記挙動を判定するステップ（６）を有している、
方法。

【請求項6】

特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練するシステムであって、
前記システム（１０）は、
前記自動車の動作中に、少なくとも１つの特定の運転操作の１つが実行されているか否かを特定するように構成されている特定ユニット（１１）と、特定の運転操作が実行されている場合に、前記運転操作の実行中の前記自動車の前記制御部への前記自動車の運転者の介入を検出するように構成されている少なくとも１つの検出ユニット（１２）と、前記特定の運転操作と、前記自動車の前記制御部への前記自動車の前記運転者の検出された前記介入とに基づいて、前記機械学習の前記少なくとも１つのアルゴリズムを訓練するように構成されている訓練ユニット（１３）とを有している、
システム。

【請求項7】

前記訓練ユニット（１３）は、前記特定の運転操作と、前記自動車の前記制御部への前記自動車の前記運転者の検出された前記介入と、前記自動車の前記運転者に関する情報とに基づいて、前記機械学習の前記少なくとも１つのアルゴリズムを訓練するように構成されている、請求項６記載のシステム。

【請求項8】

前記自動車の前記制御部への前記自動車の前記運転者の前記介入は、操舵角の変更および／または車両加速度の変更および／またはヨーレートの変更を有している、請求項６または７記載のシステム。

【請求項9】

前記少なくとも１つの運転操作のそれぞれが、それぞれテスト仕様によって設定される、請求項６から８までのいずれか１項記載のシステム。

【請求項10】

特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定するシステムであって、
前記システムは、
特定の運転操作時の自動車の前記制御部への介入のための設定を出力する機械学習のアルゴリズムを提供するように構成されている提供ユニットを有しており、請求項６から９までのいずれか１項記載の、特定の運転操作時の自動車の前記制御部への介入のための設定を出力する前記機械学習のアルゴリズムを訓練するシステムによって、前記機械学習の前記アルゴリズムが訓練されており、
テスト結果を提供するために、特定の運転操作時の自動車の前記制御部への介入のための設定を出力する前記機械学習の提供された前記アルゴリズムを使用して、前記車両の前記制御部の前記少なくとも１つのコンポーネントをテストするように構成されているテストユニットを有しており、かつ
前記テスト結果に基づいて、少なくとも１つの前記特定の運転操作の実行中の前記自動車の前記制御部の前記少なくとも１つのコンポーネントの前記挙動を判定するように構成されている判定ユニットを有している、
システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する方法に関し、これは、簡単な様式でかつ少ないリソース消費で、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントおよび／または少なくとも１つの類似の自動車の制御部のコンポーネントの挙動を判定するために利用可能である。

【0002】

通常の自動車における運転者支援システムの装備は増している。運転者支援システムとは、ここでは特に、自動車の運転者を特定の走行状況において支援するように構成されている電子的な補助装置であると理解される。ここで、このような運転者支援システムの例は走行ダイナミクスコントロールであり、これはたとえば自動車の個々のホイールの目標通りの制動によって、自動車の横滑りに対抗するように構成されている横滑り防止装置（elektronische Stabilitaetskontrolle）であり、これは特に、重量のある商用車に標準的に組み込まれる必要がある。

【0003】

このような走行ダイナミクスコントロールは、自動車の制御部に介入するので、走行ダイナミクスコントロールは大いに安全性に関連し、その使用前に十分にテストされなければならず、相応するテスト方法および／またはテストシステムもしくは相応するテスト仕様に対して、極めて高い要求が課される。

【0004】

ここで、このような走行ダイナミクスコントロールのテストは、通常、手動のテスト方法に基づいており、ここでは通常、開ループ制御と閉ループ制御とが区別される。開ループ制御は、予め定められた運転者入力もしくは自動車の制御部への介入が、車両反応に関連することなく実行され、測定された車両反応もしくは実際の車両反応が評価されることに基づいている。さらに、閉ループ制御は、車両反応に関連する運転者入力が行われ、このために必要なコスト、たとえば、所定の目標進路を維持するためのコストと、相応する運転操作時に車両コンフィギュレーションによって達成される測定量の極値とが判定されることに基づいている。しかし、ここでは、たとえば、このようなテスト方法が完全には自動化可能ではないことが欠点として判明している。なぜなら、特定の運転操作時の運転者の挙動および／または反応は、通常、手動でのみ検出可能だからである。

【0005】

刊行物である独国特許出願公開第１０２００６０３１２４２号明細書から、車両内に存在する制御機器のテストを実行する方法が知られており、この方法では、車両の動作中に生じ得る少なくとも１つの動作状況が自動的にシミュレートされる。

【0006】

本発明の課題は、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する改善されたテスト方法を実現することである。

【0007】

上述の課題は、請求項１の特徴部分に記載された、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムを訓練する方法によって解決される。

【0008】

上述の課題はさらに、請求項６の特徴部分に記載された、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムを訓練するシステムによっても解決される。

【0009】

発明の開示
本発明の一実施形態によれば、上述の課題は、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する方法によって解決され、ここでこの方法は、自動車の動作中に、少なくとも１つの特定の運転操作の１つが実行されているか否かを特定すること、特定の運転操作が実行されている場合に、運転操作の実行中の自動車の制御部への自動車の運転者の介入を検出することおよび特定の運転操作と、自動車の制御部への自動車の運転者の検出された介入とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練することを有している。

【0010】

ここで、運転操作とは、車両反応を実現するための操作もしくは自動車の制御部への介入であると理解される。

【0011】

自動車の制御部もしくは自動車の制御部のコンポーネントとは、さらに、自動車の制御もしくは動作または運転のために必要とされるコンポーネント、特に自動車のパワートレインと協働する自動車のコンポーネントであると理解される。

【0012】

機械学習のアルゴリズムはさらに、統計的方法が使用されることに基づいており、これによって、データ処理設備が訓練されて、このデータ処理設備がもともと特定のタスクのために明示的にプログラミングされていなくても、このデータ処理設備がこの特定のタスクを実行することができるようになる。ここで機械学習の目的は、データから学習し、予測することのできるアルゴリズムを構築することにある。これらのアルゴリズムは、たとえばデータを分類することができる数学モデルを作成する。

【0013】

したがって、特定の運転操作が存在する場合に自動車の制御部への運転者の介入を自動的に設定するように構成されている、機械学習のアルゴリズムが訓練される。したがって、この機械学習のアルゴリズムに基づいて、特定の運転操作時の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定を自動化することができる。このことは、手動のテスト方法と比較して、判定もしくは相応するテスト方法がエラーを起こしにくくなり、よりロバストになるという利点を有している。さらに、この機械学習のアルゴリズムを類似の自動車にも適用することが可能になり、煩雑なテスト方法および／またはテストシステムをその都度はじめに開発する必要がなくなるので、簡単な様式で、かつ少ないリソース消費で、特に、必要とされるメモリ容量および／またはプロセッサ容量が比較的少なく、自動車の制御部の少なくとも１つのコンポーネントおよび少なくとも１つの類似の自動車の制御部のコンポーネントの挙動を判定することが可能になる。ここで、少なくとも１つの類似の自動車は、特に、類似の走行挙動を有しているとされる同じ製造業者の自動車であってよい。

【0014】

したがって、全体として、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する改善されたテスト方法が可能となる。

【0015】

ここで、機械学習の少なくとも１つのアルゴリズムの訓練は、特定の運転操作と、自動車の制御部への自動車の運転者の検出された介入と、自動車の運転者に関する情報とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練することを有していてよい。

【0016】

ここで、自動車の運転者に関する情報とは、運転者の運転挙動を特徴付ける情報であると理解され、たとえば、運転者が通常、比較的スポーティに運転するのか、または比較的慎重に運転するのか、運転者が通常運転するのはどの車両のブランドであるのか、または運転者が通常運転するのはどの車両のタイプであるのかという情報である。

【0017】

これによって、機械学習の相応に訓練されたアルゴリズムのロバスト性、さらには特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定もより一層改善することができる。

【0018】

自動車の制御部への自動車の運転者の介入は、さらに、操舵角の変更および／または車両加速度の変更および／またはヨーレートの変更を有していてよい。

【0019】

ここで操舵角とは、特に、自動車の運転者によって、操舵システムを介して設定される、自動車のホイールの平均ホイール角度であると理解される。

【0020】

さらに、車両加速度とは、自動車の加速度、もしくは時間単位ごとの自動車の速度の増加であると理解される。

【0021】

さらに、ヨーレートとは、自動車の垂直軸線を中心とした自動車の回転の角速度であると理解される。

【0022】

特に、通常の自動車において既に標準的に監視されている、自動車の制御部へのすべての介入を、煩雑でコストのかかる適合を必要とすることなく、監視もしくは検出することができる。

【0023】

しかしここで、自動車の制御部への自動車の運転者の介入が操舵角の変更および／または車両加速度の変更および／またはヨーレートの変更を有することは、１つの可能な実施形態にすぎない。したがって、自動車の制御部への介入は、たとえば、自動車の１つまたは複数のホイールのホイール回転数の変更も有していてよい。

【0024】

さらに、少なくとも１つの運転操作のそれぞれを、それぞれ１つのテスト仕様によって設定することができる。

【0025】

ここで、テスト仕様とは、特定のテストケースを実行できるようにするために必要とされる確定および準備であると理解される。

【0026】

したがって、機械学習のアルゴリズムを、相応する、必要なケースに最適に適合させることができ、したがって特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定もより一層改善可能である。

【0027】

本発明の別の実施形態によれば、少なくとも１つの特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する方法も提示され、この方法は、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムを提供することを有しており、ここで、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムを訓練する上述した方法によって、機械学習のアルゴリズムが訓練されており、この方法は、テスト結果を提供するために、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の提供されたアルゴリズムを使用して、車両の制御部の少なくとも１つのコンポーネントをテストすることを有しており、この方法は、テスト結果に基づいて、少なくとも１つの特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定することを有している。

【0028】

したがって、少なくとも１つの特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する方法が提示され、この方法は、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムに基づいており、このアルゴリズムは、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する改善されたテスト方法を可能にする。特に、この方法は、特定の運転操作が存在する場合に、運転者の介入を自動的に設定するように構成されている、機械学習のアルゴリズムに基づいている。したがって、この機械学習のアルゴリズムに基づいて、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定を自動化することができる。このことは、手動のテスト方法と比較して、判定もしくは相応するテスト方法がエラーを起こしにくくなり、よりロバストになるという利点を有している。さらに、この機械学習のアルゴリズムを類似の自動車にも適用することが可能になり、煩雑なテスト方法および／またはテストシステムをその都度はじめに開発する必要がなくなるので、簡単な様式で、かつ少ないリソース消費で、特に、必要とされるメモリ容量および／またはプロセッサ容量が比較的少なく、自動車の制御部の少なくとも１つのコンポーネントおよび少なくとも１つの類似の自動車の制御部のコンポーネントの挙動を判定することが可能になる。

【0029】

本発明の別の実施形態によれば、さらに、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練するシステムも提示され、このシステムは、自動車の動作中に、少なくとも１つの特定の運転操作の１つが実行されているか否かを特定するように構成されている特定ユニットと、特定の運転操作が実行されている場合に、運転操作の実行中の自動車の制御部への自動車の運転者の介入を検出するように構成されている少なくとも１つの検出ユニットと、特定の運転操作と、自動車の制御部への自動車の運転者の検出された介入とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練するように構成されている訓練ユニットとを有している。

【0030】

したがって、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する改善されたテスト方法を可能にするシステムが提示される。特に、特定の運転操作が存在する場合に、運転者の介入を自動的に設定するように構成されている、機械学習のアルゴリズムを訓練するように構成されているシステムが提示される。したがって、この機械学習のアルゴリズムに基づいて、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定を自動化することができる。このことは、手動のテスト方法と比較して、判定もしくは相応するテスト方法がエラーを起こしにくくなり、よりロバストになるという利点を有している。さらに、この機械学習のアルゴリズムを類似の自動車にも適用することが可能になり、煩雑なテスト方法および／またはテストシステムをその都度はじめに開発する必要がなくなるので、簡単な様式で、かつ少ないリソース消費で、特に、必要とされるメモリ容量および／またはプロセッサ容量が比較的少なく、自動車の制御部の少なくとも１つのコンポーネントおよび少なくとも１つの類似の自動車の制御部のコンポーネントの挙動を判定することが可能になる。

【0031】

ここで訓練ユニットは、実行された運転操作と、自動車の制御部への自動車の運転者の検出された介入と、自動車の運転者に関する情報とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練するように構成されていてよい。これによって、機械学習の相応に訓練されたアルゴリズムのロバスト性、さらには特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定もより一層改善することができる。

【0032】

さらに、自動車の制御部への自動車の運転者の介入は、同様に、操舵角の変更および／または車両加速度の変更および／またはヨーレートの変更を有していてよい。特に、通常の自動車において既に標準的に監視されている、自動車の制御部へのすべての介入を、煩雑でコストのかかる適合を必要とすることなく、監視もしくは検出することができる。

【0033】

しかしここで、自動車の制御部への自動車の運転者の介入が操舵角の変更および／または車両加速度の変更および／またはヨーレートの変更を有することは、同様に１つの可能な実施形態にすぎない。したがって、自動車の制御部への介入は、たとえば、自動車の１つまたは複数のホイールのホイール回転数の変更も有していてよい。

【0034】

さらに、少なくとも１つの運転操作のそれぞれが、同様に、それぞれ１つのテスト仕様によって設定されてよい。したがって、機械学習のアルゴリズムを、相応する、必要なケースに最適に適合させることができ、したがって特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定もより一層改善可能である。

【0035】

本発明の別の実施形態によれば、さらに、少なくとも１つの特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定するシステムも提示され、このシステムは、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムを提供するように構成されている提供ユニットを有しており、ここで、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムを訓練する上述したシステムによって、機械学習のアルゴリズムが訓練されており、このシステムは、テスト結果を提供するために、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の提供されたアルゴリズムを使用して、車両の制御部の少なくとも１つのコンポーネントをテストするように構成されているテストユニットを有しており、このシステムは、テスト結果に基づいて、少なくとも１つの特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定するように構成されている判定ユニットを有している。

【0036】

したがって、少なくとも１つの特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定するシステムが提示され、このシステムは、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習のアルゴリズムに基づいており、このアルゴリズムは、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する改善されたテスト方法を可能にする。特に、このシステムは、特定の運転操作が存在する場合に、運転者の介入を自動的に設定するように構成されている、機械学習のアルゴリズムに基づいている。したがって、この機械学習のアルゴリズムに基づいて、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定を自動化することができる。このことは、手動のテスト方法と比較して、判定もしくは相応するテスト方法がエラーを起こしにくくなり、よりロバストになるという利点を有している。さらに、この機械学習のアルゴリズムを類似の自動車にも適用することが可能になり、煩雑なテスト方法および／またはテストシステムをその都度はじめに開発する必要がなくなるので、簡単な様式で、かつ少ないリソース消費で、特に、必要とされるメモリ容量および／またはプロセッサ容量が比較的少なく、自動車の制御部の少なくとも１つのコンポーネントおよび少なくとも１つの類似の自動車の制御部のコンポーネントの挙動を判定することが可能になる。

【0037】

要約すると、本発明によって、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する方法が提示され、これは、簡単な様式でかつ少ないリソース消費で、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントおよび／または少なくとも１つの類似の自動車の制御部のコンポーネントの挙動を判定するために利用可能である。

【0038】

本発明の別の可能な構成、発展形態および実装には、上述したまたは以降で実施例に関して説明する本発明の特徴の、明確には挙げられていない組み合わせも含まれる。

【0039】

添付の図面は、本発明の実施形態をさらに理解するためのものである。これらの図面は、実施形態を示し、本発明の原理および概念の説明に関連して機能する。

【0040】

図面に関して、他の実施形態および上述の利点の多くが、明らかになる。図示された、図面の要素同士は、必ずしも縮尺どおりに示されているわけではない。

【図面の簡単な説明】

【0041】

【図1】本発明の実施形態による、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する方法のフローチャートを示す図である。

【図2】本発明の実施形態による、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練するシステムの概略的なブロック図を示す図である。

【0042】

図面の各図において、同じまたは機能が同じ要素、構成部材もしくはコンポーネントには、別段の記載がない限り、同じ参照符号が付けられている。

【0043】

図１には、本発明の実施形態による、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する方法１のフローチャートが示されている。

【0044】

通常の自動車における運転者支援システムの装備は増している。運転者支援システムとは、ここでは特に、自動車の運転者を特定の走行状況において支援するように構成されている電子的な補助装置であると理解される。ここで、このような運転者支援システムの例は走行ダイナミクスコントロールであり、これはたとえば自動車の個々のホイールの目標通りの制動によって、自動車の横滑りに対抗するように構成されている横滑り防止装置であり、これは特に、重量のある商用車に標準的に組み込まれる必要がある。

【0045】

このような走行ダイナミクスコントロールは、自動車の制御部に介入するので、走行ダイナミクスコントロールは大いに安全性に関連し、その使用前に十分にテストされなければならず、相応するテスト方法および／またはテストシステムに対して、極めて高い要求が課される。

【0046】

ここで、このような走行ダイナミクスコントロールのテストは、通常、手動のテスト方法に基づいており、ここでは通常、開ループ制御と閉ループ制御とが区別される。開ループ制御は、予め定められた運転者入力もしくは自動車の制御部への介入が、車両反応に関連することなく実行され、測定された車両反応もしくは実際の車両反応が評価されることに基づいている。さらに、閉ループ制御は、車両反応に関連する運転者入力が行われ、このために必要なコスト、たとえば、所定の目標曲線を維持するためのコストと、相応する運転操作時に車両コンフィギュレーションによって達成される測定量の極値とが判定されることに基づいている。しかし、ここでは、たとえば、このようなテスト方法が完全には自動化可能ではないことが欠点として判明している。なぜなら、特定の運転操作時の運転者の挙動および／または反応は、通常、手動でのみ検出可能だからである。

【0047】

図１には、自動車の動作中に、少なくとも１つの特定の運転操作の１つが実行されているか否かを特定するステップ２と、特定の運転操作が実行されている場合に、運転操作の実行中の自動車の制御部への自動車の運転者の介入を検出するステップ３と、特定の運転操作と、自動車の制御部への自動車の運転者の検出された介入とに基づいて、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練するステップ４とを有する方法１が示されている。

【0048】

したがって、特定の運転操作が存在する場合に運転者の介入を自動的に設定するように構成されている、機械学習のアルゴリズムが訓練される。したがって、機械学習のアルゴリズムに基づいて、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動の判定を自動化することができる。このことは、手動のテスト方法と比較して判定もしくは相応するテスト方法がエラーを起こしにくくなり、よりロバストになるという利点を有している。さらに、この機械学習のアルゴリズムを類似の自動車にも適用することが可能になり、煩雑なテスト方法および／またはテストシステムをその都度はじめに開発する必要がなくなるので、簡単な様式で、かつ少ないリソース消費で、特に、必要とされるメモリ容量および／またはプロセッサ容量が比較的少なく、自動車の制御部の少なくとも１つのコンポーネントおよび少なくとも１つの類似の自動車、たとえば同じ製造業者の自動車の制御部のコンポーネントの挙動を判定することが可能になる。

【0049】

したがって、全体として、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定する改善されたテスト方法が可能となる。

【0050】

ここで特に図１は方法１を示しており、ここでは、特別な運転者モデルが、機械学習のアルゴリズムの形態で、過去の運転中もしくは以前の運転中または相応するテスト方法の過去の実行中に得られたデータから生成されてよく、ここでは、データが測定され、記憶され、これに続いて、相応に、機械学習の少なくとも１つのアルゴリズムの訓練のために使用される。

【0051】

機械学習のアルゴリズムは、たとえば、人工ニューラルネットワークであってよい。ここでこの人工ニューラルネットワークは、比較的簡単なアーキテクチャもしくは比較的少ない中間層を有していてよい。なぜなら、その都度、約２０～３０秒の持続時間を有する運転シーケンスもしくはテストシーケンスだけが設定されればよいからである。

【0052】

さらに、少なくとも運転操作は、たとえば車線変更またはエルクテストであってよい。

【0053】

図１の実施形態によれば、機械学習の少なくとも１つのアルゴリズムを訓練するステップ４は、さらに、実行された運転操作と、自動車の制御部への自動車の運転者の検出された介入と、自動車の運転者に関する情報とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練することを有している。

【0054】

ここでは特に、たとえば、各車両製造業者および／または各車両タイプに対して、機械学習の別個のアルゴリズムが訓練されてよい。

【0055】

図１の実施形態によれば、自動車の制御部への自動車の運転者の介入は、さらに、同様に、操舵角の変更および／または車両加速度の変更および／またはヨーレートの変更を有している。

【0056】

したがって、機械学習の少なくとも１つのアルゴリズムを、標準的にＥＳＰ車両に組み込まれているセンサによって検出されたデータに基づいて訓練することができる。

【0057】

さらに、少なくとも１つの運転操作のそれぞれを、それぞれ１つのテスト仕様によって設定することができる。

【0058】

次いで、機械学習の少なくとも１つの訓練されたアルゴリズムを、たとえば、相応するシステムテストの自動化された実行のために、もしくは特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定するために使用することができる。

【0059】

図１に示されているように、ここでこの方法１はさらに、テスト結果を提供するために、特定の運転操作の実行中の自動車の制御部への介入のための設定を出力する機械学習の相応に訓練されたアルゴリズムを使用して、車両の制御部の少なくとも１つのコンポーネントをテストするステップ５と、テスト結果に基づいて、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定するステップ６とを有している。

【0060】

特定の運転操作の実行中の自動車の仮想運転者の挙動に関する情報を出力する機械学習の少なくとも１つの訓練されたアルゴリズムを使用して、車両の制御部の少なくとも１つのコンポーネントをテストするステップ５は、ここで特に、テスト方法の仮想実施を有していてよく、ここで車両は、人工知能と、特に機械学習の相応するアルゴリズムとに基づいて操舵もしくは制御される。

【0061】

テスト結果に基づいて、特定の運転操作の実行中の自動車の制御部の少なくとも１つのコンポーネントの挙動を判定するステップ６はさらに、テスト結果と、相応する閾値との比較を有していてよい。

【0062】

次いで、自動車の制御部の少なくとも１つのコンポーネントの挙動の判定の結果を、たとえば車両コンポーネント、たとえばブレーキシステムの開発のために利用することができる。

【0063】

択一的に、機械学習の少なくとも１つの訓練されたアルゴリズムに基づいて、相応する手動のテスト方法の結果の判定もしくは妥当性確認を行うこともできる。

【0064】

図２には、本発明の実施形態による、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練するシステム１０の概略的なブロック図が示されている。

【0065】

図２に示されているように、システム１０はここで、自動車の動作中に、少なくとも１つの特定の運転操作の１つが実行されているか否かを特定するように構成されている特定ユニット１１と、特定の運転操作が実行されている場合に、運転操作の実行中の自動車の制御部への自動車の運転者の介入を検出するように構成されている少なくとも１つの検出ユニット１２と、特定の運転操作と、自動車の制御部への自動車の運転者の検出された介入とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練するように構成されている訓練ユニット１３とを有している。

【0066】

ここで、特定ユニットおよび訓練ユニットはそれぞれ、たとえば、メモリに格納されていて、プロセッサによって実行可能なコードに基づいて実現されていてよい。さらに、少なくとも１つの検出ユニットは、たとえば、相応するセンサデータを受け取るように構成されている車両センサまたは受信機であってよい。

【0067】

さらに特定ユニットは、制御部のデータに基づいて、かつ／または自動車の少なくとも１つの制御機器のデータに基づいて、少なくとも１つの特定の運転操作のうちの１つが実行されているか否かを特定するように構成されていてよい。

【0068】

図２の実施形態によれば、ここで訓練ユニット１３はさらに、実行された運転操作と、自動車の制御部への自動車の運転者の検出された介入と、自動車の運転者に関する情報とに基づいて、機械学習の少なくとも１つのアルゴリズムを訓練するように構成されている。

【0069】

自動車の制御部への自動車の運転者の介入はさらに、同様に、操舵角の変更、車両加速度の変更およびヨーレートの変更を有している。

【0070】

さらに、少なくとも１つの運転操作のそれぞれが、同様に、それぞれ１つのテスト仕様によって設定されている。

【0071】

ここでシステム１０は、特に、特定の運転操作時の自動車の制御部への介入のための設定を出力する機械学習の少なくとも１つのアルゴリズムを訓練する上述の方法を実施するように構成されていてよい。

【図1】

【図2】

【外国語明細書】