特開 2024-61564 情報処理装置及びプログラム

(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】P2024061564

(43)【公開日】2024-05-07

(54)【発明の名称】情報処理装置及びプログラム

(51)【国際特許分類】

   B60W 40/02 20060101AFI20240425BHJP

   G08G 1/16 20060101ALI20240425BHJP

   G08G 1/09 20060101ALI20240425BHJP

   B60W 60/00 20200101ALI20240425BHJP

【ＦＩ】

B60W40/02

G08G1/16 E

G08G1/09 V

B60W60/00

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2022193627

(22)【出願日】2022-12-02

(31)【優先権主張番号】P 2022168190

(32)【優先日】2022-10-20

(33)【優先権主張国・地域又は機関】JP

(71)【出願人】

【識別番号】591280485

【氏名又は名称】ソフトバンクグループ株式会社

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】孫 正義

【テーマコード（参考）】

3D241

5H181

【Ｆターム（参考）】

3D241BA49

3D241BC01

3D241BC02

3D241CA09

3D241CA16

3D241CC01

3D241CC08

3D241CC17

3D241CC18

3D241CE02

3D241CE03

3D241CE04

3D241CE05

3D241CE08

3D241DB42Z

3D241DC01Z

3D241DC18Z

3D241DC21Z

3D241DC31Z

3D241DC33Z

3D241DC42Z

3D241DC45Z

3D241DC46Z

3D241DC47Z

3D241DC51Z

3D241DC53Z

5H181AA01

5H181BB13

5H181BB20

5H181CC02

5H181CC03

5H181CC04

5H181CC11

5H181CC12

5H181CC14

5H181EE12

5H181FF05

5H181FF13

5H181LL01

5H181LL02

5H181LL04

5H181LL09

(57)【要約】      （修正有）

【課題】コンピュータを、情報処理装置として機能させるためのプログラムが提供される。
【解決手段】情報処理装置は、自車両が走行する道路の道路状況を示す道路情報を含むセンサ情報及び走行中の他車両に関する他車両情報に基づいて、自車両の４つの車輪それぞれの車輪速、傾き、及び車輪を支持するサスペンションを制御するための制御変数を算出する算出部と、算出部が算出した制御変数に基づいて、自車両の自動運転を制御する制御部と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

自車両が走行する道路の道路状況を示す道路情報を含むセンサ情報及び走行中の他車両に関する他車両情報に基づいて、前記自車両の４つの車輪それぞれの車輪速、傾き、及び前記車輪を支持するサスペンションを制御するための制御変数を算出する算出部と、
前記算出部が算出した前記制御変数に基づいて、前記自車両の自動運転を制御する制御部と、
を備える、
情報処理装置。

【請求項2】

前記他車両は、前記道路において前記自車両の前方を先行して走行する先行車両である、
請求項１に記載の情報処理装置。

【請求項3】

前記他車両情報に基づいて、前記自車両の前記制御変数を算出するための学習モデルを更新する更新部を備える、
請求項２に記載の情報処理装置。

【請求項4】

前記制御部は、前記算出部が算出した前記制御変数に基づいて、１０億分の１秒単位で前記自動運転を制御する、
請求項１に記載の情報処理装置。

【請求項5】

コンピュータを、請求項１から請求項４の何れか１項に記載の情報処理装置として機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置及びプログラムに関する。

【背景技術】

【0002】

特許文献１には、自動運転機能を有する車両について記載されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－０３５１９８号公報

【発明の概要】

【課題を解決するための手段】

【0004】

本発明の一実施態様によれば、情報処理装置が提供される。前記情報処理装置は、自車両が走行する道路の道路状況を示す道路情報を含むセンサ情報及び走行中の他車両に関する他車両情報に基づいて、前記自車両の４つの車輪それぞれの車輪速、傾き、及び前記車輪を支持するサスペンションを制御するための制御変数を算出する算出部と、前記算出部が算出した前記制御変数に基づいて、前記自車両の自動運転を制御する制御部と、を備える。

【0005】

前記情報処理装置では、前記他車両は、前記道路において前記自車両の前方を先行して走行する先行車両である。

【0006】

前記情報処理装置では、前記他車両情報に基づいて、前記自車両の前記制御変数を算出するための学習モデルを更新する更新部を備える。

【0007】

前記情報処理装置では、前記制御部は、前記算出部が算出した前記制御変数に基づいて、１０億分の１秒単位で前記自動運転を制御する。

【0008】

本発明の一実施態様によれば、コンピュータを、前記情報処理装置として機能させるためのプログラムが提供される。

【0009】

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

【図面の簡単な説明】

【0010】

【図1】本実施形態に係る超高性能自動運転のＡＩの危険予測能力について概略的に示す図である。

【図2】本実施形態に係る車両内のネットワーク構成の一例を概略的に示す図である。

【図3】本実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎにより実行される第１のフローチャートである。

【図4】本実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎによる自動運転の制御例を説明する第１の説明図である。

【図5】本実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎによる自動運転の制御例を説明する第２の説明図である。

【図6】本実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎによる自動運転の制御例を説明する第３の説明図である。

【図7】本実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎによる自動運転の制御例を説明する第４の説明図である。

【図8】本実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎによる自動運転の制御例を説明する第５の説明図である。

【図9】Ｃｅｎｔｒａｌ Ｂｒａｉｎとして機能するコンピュータのハードウェア構成の一例を概略的に示す図である。

【図10】本実施形態に係る制御システムの概略構成を示す図である。

【図11】本実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎにより実行される第２のフローチャートである。

【発明を実施するための形態】

【0011】

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

【0012】

（第１の実施形態）
まず、本実施形態に係る第１の実施形態について説明する。
図１は、本実施形態に係る超高性能自動運転のＡＩの危険予測の能力について概略的に示す。本実施形態においては、複数種類のセンサ情報をＡＩデータ化してクラウドに蓄積する。ＡＩがナノセカンド（１０億分の１秒）ごとに状況のベストミックスを予測、判断し、車両１２の運行を最適化する。

【0013】

図２は、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０の車両１２内の構成を説明するための図である。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、情報処理装置の一例である。

【0014】

図２に示されているように、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０には、複数のＧａｔｅ Ｗａｙが通信可能に接続されている。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、Ｇａｔｅ Ｗａｙを介して外部のクラウドに接続されている。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、Ｇａｔｅ Ｗａｙを介して外部のクラウドへアクセスすることができるように構成されている。その一方で、Ｇａｔｅ Ｗａｙの存在により、外部からＣｅｎｔｒａｌ Ｂｒａｉｎ１２０へ直接アクセスすることはできないように構成されている。

【0015】

Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、所定時間が経過する毎に、要求信号をサーバへ出力する。具体的には、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、１０億分の１秒毎に、問い合わせを表す要求信号をサーバへ出力する。

【0016】

本実施形態において使用するセンサの例として、レーダー、ＬｉＤＡＲ、高画素・望遠・超広角・３６０度・高性能カメラ、ビジョン認識、微細音、超音波、振動、赤外線、紫外線、電磁波、温度、湿度、スポットＡＩ天気予報、高精度マルチチャネルＧＰＳ、低高度衛星情報、ロングテールインシデントＡＩ ｄａｔａ等が挙げられる。ロングテールインシデントＡＩ ｄａｔａとはレベル５の実装した自動車のＴｒｉｐデータである。

【0017】

複数種類のセンサから取り入れるセンサ情報として、体重の重心移動、道路の材質の検知、外気温度の検知、外気湿度の検知、坂道の上下横斜め傾き角度の検知、道路の凍り方、水分量の検知、それぞれのタイヤの材質、摩耗状況、空気圧の検知、道路幅、追い越し禁止有無、対向車、前後車両の車種情報、それらの車のクルージング状態、周囲の状況（鳥、動物、サッカーボール、事故車、地震、火事、風、台風、大雨、小雨、吹雪、霧、など）等が挙げられ、本実施形態では、これらの検知を１０億分の１秒毎に実施する。

【0018】

本実施形態においては、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、上記のセンサにより検知された、車両１２が走行する道路の道路状況を示す道路情報（例：道路の材質、坂道の上下横斜め傾き角度、道路の凍り方、及び道路の水分量等）を含むセンサ情報に基づいて、車両１２の４つの車輪それぞれの車輪速、傾き、及び車輪を支持するサスペンションを制御するための制御変数を算出する算出部として機能する。なお、車輪の傾きは、道路に対して水平な軸に対する車輪の傾き、及び道路に対して垂直な軸に対する車輪の傾きの双方を含む。具体的には、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、４つの車輪それぞれの車輪速、道路に対して水平な軸に対する４つの車輪それぞれの傾き、道路に対して垂直な軸に対する４つの車輪それぞれの傾き、及び４つの車輪それぞれを支持するサスペンションを制御するための計１６の制御変数を算出する。本実施形態では、上記１６の制御変数の算出を１０億分の１秒毎に実施する。なお、上記の４つの車輪それぞれの車輪速は「４つの車輪にそれぞれ搭載されたインホイールモータのスピン数（回転数）」と言うこともでき、上記の道路に対して水平な軸に対する４つの車輪それぞれの傾きは「４つの車輪それぞれの水平アングル」と言うこともできる。そして、上記の制御変数は、例えば、車両が山道を走行する場合には当該山道に合わせた最適なステアリングを行うための数値となり、車両を駐車場に駐車する場合には当該駐車場に合わせた最適なアングルで走行するための数値となる。

【0019】

また、本実施形態においては、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、上記で算出した制御変数に基づいて、１０億分の１秒単位で自動運転を制御する制御部として機能する。具体的には、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、上記１６の制御変数に基づいて、４つの車輪にそれぞれ搭載されたインホイールモータを制御することで、車両１２の４つの車輪それぞれの車輪速、傾き、及び４つの車輪それぞれを支持するサスペンションを制御して自動運転を行う。

【0020】

Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、図３に示されているフローチャートを繰り返し実行する。

【0021】

ステップＳ１０において、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、センサにより検知された道路情報を含むセンサ情報を取得する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ１１に進む。

【0022】

ステップＳ１１において、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ１０で取得したセンサ情報に基づいて、上記１６の制御変数を算出する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ１２に進む。

【0023】

ステップＳ１２において、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ１１で算出した制御変数に基づいて、自動運転を制御する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、当該フローチャートの処理を終了する。

【0024】

図４から図８は、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０による自動運転の制御例を説明する説明図である。なお、図４から図６は、車両１２を前方から見た視点の説明図であり、図７及び図８は、車両１２を下方から見た視点の説明図である。

【0025】

図４は、車両１２が平坦な道路Ｒ１を走行中の場合を示している。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、道路Ｒ１に合わせて算出した上記１６の制御変数に基づいて、４つの車輪３０にそれぞれ搭載されたインホイールモータ３１を制御することで、４つの車輪３０それぞれの車輪速、傾き、及び４つの車輪３０それぞれを支持するサスペンション３２を制御して自動運転を行う。

【0026】

図５は、車両１２が山道Ｒ２を走行中の場合を示している。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、山道Ｒ２に合わせて算出した上記１６の制御変数に基づいて、４つの車輪３０にそれぞれ搭載されたインホイールモータ３１を制御することで、４つの車輪３０それぞれの車輪速、傾き、及び４つの車輪３０それぞれを支持するサスペンション３２を制御して自動運転を行う。

【0027】

図６は、車両１２が水たまりＲ３を走行中の場合を示している。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、水たまりＲ３に合わせて算出した上記１６の制御変数に基づいて、４つの車輪３０にそれぞれ搭載されたインホイールモータ３１を制御することで、４つの車輪３０それぞれの車輪速、傾き、及び４つの車輪３０それぞれを支持するサスペンション３２を制御して自動運転を行う。

【0028】

図７は、車両１２が矢印Ａ１で示す方向にカーブする場合を示している。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、進入するカーブ路に合わせて算出した上記１６の制御変数に基づいて、４つの車輪３０にそれぞれ搭載されたインホイールモータ３１を制御することで、４つの車輪３０それぞれの車輪速、傾き、及び４つの車輪３０それぞれを支持するサスペンション３２（図示せず）を制御して自動運転を行う。

【0029】

図８は、車両１２が矢印Ａ２で示す方向に平行移動する場合を示している。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、矢印Ａ２で示す方向への平行移動に合わせて算出した上記１６の制御変数に基づいて、４つの車輪３０にそれぞれ搭載されたインホイールモータ３１を制御することで、４つの車輪３０それぞれの車輪速、傾き、及び４つの車輪３０それぞれを支持するサスペンション３２（図示せず）を制御して自動運転を行う。

【0030】

なお、図４から図８で示す車輪３０及びサスペンション３２の状態（傾き）は、あくまで一例であり、各図で示す状態とは異なる車輪３０及びサスペンション３２の状態が生じうることは言うまでもない。

【0031】

ここで、従来の車両に搭載されたインホイールモータは、それぞれの駆動輪を独立して制御することができるが、当該車両では、道路状況等を分析してインホイールモータを制御することまではできなかった。そのため、当該車両では、例えば、山道又は水たまり等を走行する場合に道路状況等に基づく適切な自動運転が行えなかった。
しかし、本実施形態に係る車両１２によれば、上記で説明した構成に基づいて、道路状況等の環境に適してスピード及びステアリング等が制御された自動運転を行うことができる。

【0032】

図９は、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。

【0033】

本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブは、ＤＶＤ－ＲＯＭドライブ及びＤＶＤ－ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。

【0034】

ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。

【0035】

通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブは、プログラム又はデータをＤＶＤ－ＲＯＭ等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。

【0036】

ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。

【0037】

プログラムは、ＤＶＤ－ＲＯＭ又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。

【0038】

例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ－ＲＯＭ、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。

【0039】

また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ（ＤＶＤ－ＲＯＭ）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。

【0040】

様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

【0041】

上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。

【0042】

本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。

【0043】

コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

【0044】

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。

【0045】

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

【0046】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

【0047】

特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

【0048】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

【0049】

特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

【0050】

（第２の実施形態）
次に、本実施形態に係る第２の実施形態について、上記実施形態との重複部分を省略又は簡略しつつ説明する。

【0051】

図１０は、第２の実施形態に係る制御システム１０の概略構成を示す図である。
図１０に示すように、制御システム１０は、複数の車両１２Ａ、１２Ｂ、１２Ｃを含む。なお、制御システム１０における車両１２の台数は３台に限らず、これより多くても少なくてもよい。

【0052】

各車両１２Ａ、１２Ｂ、１２Ｃは、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０Ａ、１２０Ｂ、１２０Ｃをそれぞれ搭載している。各Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０Ａ、１２０Ｂ、１２０Ｃは、ネットワークＮを介して相互に通信可能に接続されている。そして、各Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０Ａ、１２０Ｂ、１２０Ｃは、各車両１２Ａ、１２Ｂ、１２Ｃで使用する各センサが検知したセンサ情報を、１０億分の１秒毎に送信し合っている。

【0053】

第２の実施形態においては、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、自車両１２（例：車両１２Ａ）が走行する道路の道路状況を示す道路情報を含むセンサ情報及び走行中の他車両１２（例：車両１２Ｂ及び車両１２Ｃ）に関する他車両情報に基づいて、自車両１２の上記１６の制御変数（４つの車輪それぞれの車輪速、道路に対して水平な軸に対する４つの車輪それぞれの傾き、道路に対して垂直な軸に対する４つの車輪それぞれの傾き、及び４つの車輪それぞれを支持するサスペンションを制御するための制御変数）を算出する算出部として機能する。上記の他車両１２は、道路において自車両１２の前方を先行して走行する先行車両である。また、上記の他車両情報は、例えば、他車両１２で使用する各センサが検知したセンサ情報である。

【0054】

また、第２の実施形態では、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０として機能するコンピュータ１２００の記憶装置１２２４に、上記１６の制御変数をそれぞれ算出するための学習モデルが記憶されている。当該学習モデルは、自車両１２のセンサ情報及び他車両情報を入力することで、制御変数を出力する機械学習モデルである。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、１０億分の１秒毎に取得した自車両１２のセンサ情報及び他車両情報を学習モデルに入力することで、上記１６の制御変数を算出する。つまり、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、機械学習、より詳しくは深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を用いて、自車両１２のセンサ情報及び他車両情報から制御変数を算出可能なＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）で構成されているといえる。

【0055】

また、第２の実施形態においては、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、取得した他車両情報に基づいて、自車両１２の制御変数を算出するための学習モデルを更新する更新部として機能する。なお、学習モデルを更新するために用いるデータは他車両情報に限られず、自車両１２のセンサ情報等の他の情報を用いてもよい。

【0056】

そして、第２の実施形態においては、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、算出した上記１６の制御変数に基づいて、自車両１２の自動運転を制御する制御部として機能する。

【0057】

次に、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０により実行される処理の流れについて説明する。Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０として機能するコンピュータ１２００では、ＣＰＵ１２１２がコンピュータ１２００にインストールされたプログラムを読み出して、ＲＡＭ１２１４に展開して実行することにより、図１１に示すフローチャートの処理が実行される。

【0058】

ステップＳ２０において、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、自車両１２のセンサにより検知された道路情報を含むセンサ情報を取得する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ２１に進む。
ステップＳ２１において、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、他車両情報を取得する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ２２に進む。

【0059】

ステップＳ２２において、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ２０で取得したセンサ情報及びステップＳ２１で取得した他車両情報に基づいて、上記１６の制御変数を算出する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ２３に進む。

【0060】

ステップＳ２３において、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、ステップＳ２２で算出した制御変数に基づいて、自動運転を制御する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、当該フローチャートの処理を終了する。なお、図１１では省略しているが、当該フローチャートの処理において、ステップＳ２１で取得した他車両情報に基づいて、自車両１２の制御変数を算出するための学習モデルを更新する処理が行われてもよい。

【0061】

上記のように、第２の実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎ１２０は、自車両１２のセンサ情報及び他車両情報に基づいて、自車両１２の上記１６の制御変数を算出する。そして、Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０は、算出した上記１６の制御変数に基づいて、自車両１２の自動運転を制御する。これにより、当該Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０によれば、自車両１２の情報及び他車両１２の情報に基づいて自車両１２の自動運転を制御できるため、自車両１２の情報のみに基づいて自車両１２の自動運転を制御する場合に比べて、自動運転の精度の向上が期待できる。

【0062】

また、第２の実施形態では、他車両１２は、道路において自車両１２の前方を先行して走行する先行車両である。そして、第２の実施形態に係るＣｅｎｔｒａｌ Ｂｒａｉｎ１２０は、他車両情報に基づいて、自車両１２の制御変数を算出するための学習モデルを更新する。これにより、当該Ｃｅｎｔｒａｌ Ｂｒａｉｎ１２０によれば、先行車両が道路を走行した際の実測データに基づいて自車両１２の制御変数を算出するための学習モデルを更新できるため、先行車両が走行した道路を自車両１２が走行する際における自動運転の精度の向上が期待できる。

【符号の説明】

【0063】

１２０ Ｃｅｎｔｒａｌ Ｂｒａｉｎ、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２３０ ＲＯＭ、１２４０ 入出力チップ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】