特許 7600225 粒子状物質に対する調節のプランニング

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-12-06

(45)【発行日】2024-12-16

(54)【発明の名称】粒子状物質に対する調節のプランニング

(51)【国際特許分類】

   B60W 30/09 20120101AFI20241209BHJP

   B60W 40/02 20060101ALI20241209BHJP

   G08G 1/16 20060101ALI20241209BHJP

【ＦＩ】

B60W30/09

B60W40/02

G08G1/16 C

G08G1/16 D

【請求項の数】 13

(21)【出願番号】P 2022518738

(86)(22)【出願日】2020-09-25

(65)【公表番号】

(43)【公表日】2022-11-29

(86)【国際出願番号】 US2020052869

(87)【国際公開番号】W WO2021062262

(87)【国際公開日】2021-04-01

【審査請求日】2023-09-15

(31)【優先権主張番号】16/586,650

(32)【優先日】2019-09-27

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】518156417

【氏名又は名称】ズークス インコーポレイテッド

(74)【代理人】

【識別番号】110001243

【氏名又は名称】弁理士法人谷・阿部特許事務所

(72)【発明者】

【氏名】アンドリュー イー．ベラー

【審査官】鶴江 陽介

(56)【参考文献】

【文献】特開２０１９－１０５６４８（ＪＰ，Ａ）

【文献】国際公開第２０１９／１８０７００（ＷＯ，Ａ１）

【文献】特開平０５－１１３８２２（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１８／０２８４８０３（ＵＳ，Ａ１）

【文献】米国特許第０８８１８６０９（ＵＳ，Ｂ１）

【文献】特開２０１３－２０３３３９（ＪＰ，Ａ）

【文献】特表２０１６－５２２８８６（ＪＰ，Ａ）

【文献】特表２０１５－５３５２０４（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ６０Ｗ ３０／００－６０／００

Ｇ０８Ｇ １／００－ １／１６

Ｂ６２Ｄ ６／００－ ６／１０

Ｂ６０Ｔ ７／１２－ ８／１７６９

Ｂ６０Ｔ ８／３２－ ８／９６

(57)【特許請求の範囲】

【請求項1】

システムであって、
１つまたは複数のプロセッサと、
前記１つまたは複数のプロセッサによって実行可能な命令を格納する１つまたは複数のコンピュータ可読媒体と
を備え、前記命令は、実行されると、前記システムに、
自律車両におけるセンサを使用して環境のセンサデータを取り込むことと、
前記センサデータが前記環境における物体を表していることを決定することと、
前記物体が粒子状物質の領域を含む確率を決定することと、
前記確率がしきい値確率以上であるという第１の決定に基づいて、第１の軌道に従って前記自律車両を制御すること、および
前記確率が前記しきい値確率よりも低いという第２の決定に基づいて、第２の軌道に従って前記自律車両を制御することと
を含む動作を実行させ、
前記第１の軌道は、前記自律車両の速度を維持することを含み、
前記第２の軌道は、
前記自律車両の速度を遅くすること、
前記物体に関連付けられたロケーションより前に前記自律車両を停止すること、または
前記自律車両の横の位置を調整して前記物体を回避すること
のうちの少なくとも１つを含む
ことを特徴とするシステム。

【請求項2】

前記自律車両は、前記第２の軌道に従って制御され、前記第２の軌道は、前記第１の軌道に関連付けられた第１の速さよりも遅い第２の速さを含み、前記動作は、
前記環境における前記物体を表す追加のセンサデータを取り込むことと、
前記追加のセンサデータに少なくとも部分的に基づいて、前記物体が粒子状物質の前記領域を含む更新された確率を決定することと、
前記更新された確率に少なくとも部分的に基づいて、第３の軌道に従って前記自律車両を制御することであって、前記第３の軌道は、前記第２の速さよりも速い第３の速さを含む、制御することと
をさらに含むことを特徴とする請求項１に記載のシステム。

【請求項3】

前記動作は、
前記自律車両と前記物体に関連付けられたロケーションとの間の距離を決定することと、
前記物体に関連付けられた前記ロケーションの前に前記自律車両を停止するための減速率を決定することと
をさらに含み、
前記第２の軌道に従って前記自律車両を制御することは、前記減速率に基づき前記自律車両を制御することを含むことを特徴とする請求項１または２に記載システム。

【請求項4】

前記自律車両は、前記第２の軌道に従って制御され、前記動作は、
前記自律車両に隣接するエリアが他の物体によって占有されていないことを決定することと、
前記エリア内への前記自律車両の動きに関連付けられた横加速度を決定することと
をさらに含み、
前記第２の軌道は、前記横加速度を含むことを特徴とする請求項１または２に記載システム。

【請求項5】

環境におけるセンサにより取り込まれたセンサデータを受信することと、
前記センサデータが前記環境における物体を表していることを決定することと、
機械学習技術を利用して、前記物体が粒子状物質の領域を含む確率を決定することと、 前記確率に少なくとも部分的に基づいて車両を制御することと
を含み、
前記車両を制御することは、
前記確率が、前記物体が粒子状物質の前記領域に関連付けられる第１の確率に関連付けられることを決定し、前記物体に関連付けられたロケーションより前に前記車両を停止すること、
前記確率が、前記物体が粒子状物質の前記領域に関連付けられる第２の確率に関連付けられることを決定し、前記車両の速度を遅くすることであって、前記第２の確率は前記第１の確率よりも高い、こと、および
前記確率が、前記物体が粒子状物質の前記領域に関連付けられる第３の確率に関連付けられることを決定し、前記車両の速度を維持することであって、前記第３の確率は前記第２の確率よりも高い、ことを含むことを特徴とする方法。

【請求項6】

前記車両と、前記物体に関連付けられたロケーションとの間の距離を決定することと、
前記距離がしきい値距離よりも長いことを決定することと
をさらに含み、
前記車両を制御することは、前記距離がしきい値距離よりも長いことの決定に基づいて、前記車両を遅くして、前記物体に関連付けられた追加のセンサデータを取り込むことを含むことを特徴とする請求項５に記載の方法。

【請求項7】

前記追加のセンサデータに少なくとも部分的に基づいて、更新された確率を決定することと、
前記更新された確率に少なくとも部分的に基づいて、前記車両の速さを増大させることと
をさらに含むことを特徴とする請求項６に記載の方法。

【請求項8】

前記確率がしきい値確率よりも低いことを決定することと、
前記車両と、前記物体に関連付けられたロケーションとの間の距離を決定することと、
前記距離に少なくとも部分的に基づいて、減速率を決定することと
をさらに含み、
前記車両を制御することは、前記減速率で前記車両を遅くすることを含むことを特徴とする請求項５に記載の方法。

【請求項9】

前記確率がしきい値確率よりも低いことを決定することと、
前記車両が搭乗者によって占有されていることを決定することと、
前記搭乗者に少なくとも部分的に基づいて、減速率を決定することと
をさらに含み、
前記車両を制御することは、前記減速率で前記車両を遅くすることを含むことを特徴とする請求項５に記載の方法。

【請求項10】

前記車両を制御することは、
前記確率に少なくとも部分的に基づいて前記車両が行う第１の作動を決定することと、
前記確率に少なくとも部分的に基づいて前記車両が行う第２の作動を決定することと、
前記第１の作動に関連付けられた第１のコスト、および前記第２の作動に関連付けられた第２のコストを決定することと、
前記第１の作動に関連付けられた前記第１のコストが前記第２の作動に関連付けられた前記第２のコストよりも低いことを決定することと、
前記第１のコストが前記第２のコストよりも低いことに少なくとも部分的に基づいて、前記車両に前記第１の作動を行わせることと
を含むことを特徴とする請求項５に記載の方法。

【請求項11】

前記第１の作動または前記第２の作動のうちの少なくとも１つは、
前記車両の軌道を維持すること、
前記車両の速さを、予め決定された速さに減らすこと、
前記車両の前記速さを、動的に決定された速さに減らすこと、
前記物体に関連付けられたロケーションより前に前記車両を停止すること、または
前記車両の横の位置を調整して前記物体を回避すること
のうちの少なくとも１つを含むことを特徴とする請求項１０に記載の方法。

【請求項12】

前記確率がしきい値確率よりも低いことを決定することと、
前記車両と、前記物体に関連付けられたロケーションとの間の第１の距離を決定することと、
減速率で前記車両が停止する第２の距離を決定することと、
前記第２の距離が前記第１の距離を超えることを決定することと
をさらに含み、
前記車両を制御することは、前記車両の横の位置を調整して前記物体を回避することを含むことを特徴とする請求項５に記載の方法。

【請求項13】

１つまたは複数のプロセッサによって実行されると、前記１つまたは複数のプロセッサに、請求項５ないし１２のいずれか一項に記載の方法を行わせる命令を格納することを特徴とする非一時的コンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、粒子状物質に対する調節のプランニングに関し、より詳細には、車両の制御における粒子状物質に対する調節のプランニングに関する。

【背景技術】

【0002】

関連出願の相互参照
本ＰＣＴ国際特許出願は、参照により内容全体が本明細書に組み込まれている、２０１９年９月２７日に出願された「ＰＬＡＮＮＩＮＧ ＡＣＣＯＭＭＯＤＡＴＩＯＮＳ ＦＯＲ ＰＡＲＴＩＣＵＬＡＴＥ ＭＡＴＴＥＲ」と題された米国特許出願第１６／５８６，６５０号の継続出願であり、その優先権の利益を主張するものである。

【0003】

様々な方法、装置、およびシステムが、様々な静的および動的物体を含む環境にわたって自律車両を誘導するために利用される。たとえば、自律車両は、環境における移動物体および静止物体を検出するために、ＬＩＤＡＲ、ＲＡＤＡＲ、カメラなどのようなセンサを含みことがある。センサはさらに、マンホールカバーから発散された蒸気や車両からの排気などのような粒子状物質に関連付けられたデータを収集することがある。いくつかの例では、自律車両は、センサデータを利用して制御決定を行うことができ、たとえば、検出された物体に部分的に基づいてどこへ運転するのかを決定する。しかしながら、自律車両が、粒子状物質を回避されるべき物体として認識することがあり、それにより、粒子状物質を回避するために車両が停止または経路調整をすることになり、前進を妨げることがある。

【先行技術文献】

【特許文献】

【0004】

【文献】米国特許出願第１６／０２３，８７８号明細書

【文献】米国特許出願第１６／５３９，９２８号明細書

【図面の簡単な説明】

【0005】

詳細な説明は、添付の図面を参照して説明される。図面において、参照番号の左端の数字は、参照番号が最初に現れる図を表している。異なる図における同じ参照番号の使用は、本開示の例にしたがって類似または同一の構成要素または特徴を示す。

【図1】本開示の例にしたがって物体が粒子状物質（たとえば水蒸気など）の領域に関連付けられる確率に基づいて物体を検出し車両を制御することがある自律車両の車両コンピューティングシステムにおける例である。

【図2】本開示の例にしたがって車両の経路内の物体が粒子状物質の領域に関連付けられる確率に基づいて車両を制御するための例示的な処理である。

【図3】本明細書に説明されている技法を実装するための例示的なシステムのブロック図を描写する。

【図4】検出された物体が粒子状物質の領域に関連付けられる確率に基づいて車両を制御するための例示的な処理を描写する。

【図5】物体が粒子状物質の領域に関連付けられるかどうかを決定するのに物体に関する追加のデータを収集するために車両を遅くするための例示的な処理を描写する。

【図6】粒子状物質の領域に関連付けられていない可能性が高い（たとえば、低い確率）物体を回避するように車両を制御するための例示的な処理を描写する。

【発明を実施するための形態】

【0006】

本開示は、環境における物体を検出し、物体が粒子状物質の領域（たとえば、雲状のもの（cloud））である確率を決定し、確率に基づいて車両を制御するための技術に関する。粒子状物質の領域は、（たとえば、マンホールカバー、乾燥機排気口などから放出される）蒸気、車両（たとえば、乗用車、トラック、オートバイなど）からの排気、（たとえば、昇華、霧、蒸発などからもたらされる）環境ガス、塵雲、または、車両の環境に位置されることがあり運転挙動に影響を与えることがない他のタイプの粒子状物質（たとえば、自律車両は、プラットフォームに影響を与えることなく安全に粒子状物質を通り抜けることがある）を含み得る。物体が粒子状物質の領域である第１の確率に基づいて、車両コンピューティングシステムは、車両軌道を実質的に維持し、それにより、車両の効率的動作を改善することがある。物体が粒子状物質の領域である第２の確率に基づいて、車両コンピューティングシステムは、車両の軌道を修正して、車両が物体に衝突しないことを保証し、それにより、環境における車両および他の物体の安全性を高めることがある。

【0007】

車両は、環境における物体を検出して物体に基づいて環境内をナビゲートするために、１つまたは複数のセンサによって収集されたセンサデータを利用する、自律または半自律車両を含み得る。車両により取り込まれたセンサデータは、ＬＩＤＡＲセンサにより取り込まれたデータ、ならびに、カメラセンサ、ＲＡＤＡＲセンサ、タイムオブフライト（time-of-flight）センサ、およびソナーセンサなどの他のセンサにより取り込まれたデータを含み得る。いくつかの例では、センサデータは、環境における物体のタイプ（たとえば、車両、歩行者、自転車、オートバイ、動物、駐車された車、樹木、建物、粒子状物質の雲状のものなど）を決定または分類するように構成されたパーセプションシステム（perception system）に提供されることが可能である。様々な例において、パーセプションシステムは、物体に関連付けられた１つまたは複数の特徴を識別し、１つまたは複数の特徴に基づいて分類を決定することがある。様々な例において、パーセプションシステムは、参照により内容全体が本明細書に組み込まれている、２０１８年６月２９日に出願された特許文献１、名称「Ｐｏｉｎｔ Ｃｌｏｕｄ Ｆｉｌｔｅｒｉｎｇ ｗｉｔｈ Ｓｅｍａｎｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ」に記載された技術を利用し得る。いくつかの例では、パーセプションシステムは、特徴を識別し物体を分類するように構成された、機械学習されたモデルを含むことがある。様々な例において、パーセプションシステムは、分類に関連付けられた信頼度を提供することがある。そのような例では、信頼度は、物体が分類に関連付けられる確率を含み得る。たとえば、検出された物体に関連付けられた特徴に基づいて、パーセプションシステムは、物体が粒子状物質の領域に関連付けられる（たとえば、分類される）確率７０％（または任意の確率）を決定することがある。様々な例において、物体は、特定のタイプの物体に関連付けられるものとして識別されない（たとえば、歩行者、乗用車、トラックなどではない）場合がある。そのような例では、パーセプションシステムは、物体が粒子状物質の領域に関連付けられる確率を決定するように構成され得る。

【0008】

いくつかの例では、確率は、物体に関連付けられた１つまたは複数の特徴に基づくことがある。特徴は、環境における物体のロケーション（たとえば、表面への近接、表面からの高さなど）、物体のサイズ（たとえば、幅、高さ、深さなど）、形状（たとえば、対称、非対称、円形、長方形など）、別の車両への近接、別の車両上のロケーション（たとえば、排気に関連付けられたロケーションなど）への近接、または物体の軌跡（track）（たとえば、時間経過に伴って取り込まれる動き）などを含み得る。たとえば、車両コンピューティングシステムは、環境における物体を検出することができ、物体の下端が道路の表面から約６インチであり、車両の前方で車両と同じ道路セグメント上で動作している別の車両に対してしきい値距離内にあると決定することがあり得る。高さ特性および／または別の車両に対するしきい値距離に基づいて、車両コンピューティングシステムは、物体が粒子状物質の領域である確率が高いことを決定し得る。

【0009】

様々な例において、物体が粒子状物質の領域に関連付けられる確率は、車両コンピューティングシステムによりアクセスされたマップデータに基づくことがある。マップデータは、１つまたは複数の車両からの予め記録されたセンサデータに部分的に基づいて、車両が動作する環境に関する情報を表すことがある。いくつかの例では、車両コンピューティングシステムは、マップデータを利用して、環境内で車両をナビゲートすることがある。マップデータは、運転可能な表面（たとえば、街路、道路、道路のセクション、交差点など）および／または環境における既知の障害物（たとえば、環境における固定された物体など）に関連付けられたデータを含み得る。いくつかの例では、マップデータは、マンホールカバーや乾燥機通気口（たとえば、工業用乾燥機、家庭用乾燥機など）のような粒子状物質放出の既知のエリアをさらに含み得る。そのような例では、物体が粒子状物質の領域に関連付けられる確率は、粒子状物質放出の既知のエリアに部分的に基づくことがある。たとえば、車両コンピューティングシステムは、環境におけるロケーションで物体を識別することがある。車両コンピューティングシステムは、マップデータにアクセスして、そのロケーションが、粒子状物質放出（たとえば、地下からの蒸気）に往々にして関連しているマンホールカバーに関連付けられていることを決定することがある。

【0010】

様々な例において、確率は、機械学習技術を利用して決定され得る。そのような例では、機械学習されたモデルは、物体が粒子状物質の領域に関連付けられる確率を決定するために訓練データを用いて訓練され得る。訓練データは、環境内に存在する粒子状物質の１つまたは複数の領域のグラウンドトゥルース状態を示すために注釈が付けられた、１つまたは複数の車両から以前に取り込まれたセンサデータを含み得る。

【0011】

様々な例において、車両コンピューティングシステムは、物体が粒子状物質の領域に関連付けられる確率に基づいて選ぶ作動を決定することがある。作動は、車両の経路に関連付けられたコースおよび速さ（たとえば、軌道）を維持すること、車両を予め決定された速さまで遅くすること、車両を遅くして停止すること、車線を変更すること、ならびに／または車線内の位置を調整することを含むことがある。様々な例において、作動は、確率が１つまたは複数のしきい値よりも高いおよび／または低いことに基づいて決定され得る。いくつかの例では、しきい値は、高い確率、中程度の確率、または低い確率などの様々なレベルの確率に関連付けられ得る。そのような例では、確率のレベルは、１つまたは複数の作動がそれに関連付けられ得る。たとえば、確率が、物体が粒子状物質の領域に関連付けられる第１のしきい値確率（たとえば、高い確率）以上であるという決定に基づいて、車両コンピューティングシステムは、車両の経路に関連付けられた軌道を車両に維持させることがある。別の例では、確率が第１のしきい値確率以下かつ第２のしきい値以上（たとえば、中程度の確率）であるという決定に基づいて、車両コンピューティングシステムは、車両を予め決定された速さ（たとえば、時速５マイル、時速１０マイル、時速１５キロメートルなど）まで遅くさせることがある。さらに別の例では、確率が第２のしきい値確率以下であるという決定に基づいて、車両コンピューティングシステムは、物体との衝突の回避などのために、車両を停止させることがある。これらは例示的な例にすぎず、他の作動および／または確率のレベル、ならびにそれらに関連付けられた作動も企図される。

【0012】

様々な例において、作動は、作動に関連付けられたコストに基づいて決定され得る。いくつかの例では、車両コンピューティングシステムは、取るべき１つまたは複数の作動を識別することがあり、作動のそれぞれに関連付けられたコスト（たとえば、作動コスト）を決定することがある。様々な例において、コストは、安全コスト（たとえば、車両と物体との間の衝突を回避する、車両および／または物体の安全）、快適コスト（たとえば、車両と物体との間の最小距離よりも短い大きな加速度にペナルティーを科すことによって、たとえば、急激な動きを無くす）、進行コスト（たとえば、目的地に向かう動き）、運用ルールコスト（たとえば、道路のルール、法律、規則、規制などのルール）、または参照により内容全体が本明細書に組み込まれている２０１９年８月１３日に出願された特許文献２、名称「Ｃｏｓｔ－Ｂａｓｅｄ Ｐａｔｈ Ｄｅｔｅｒｍｉｎａｔｉｏｎ」に記載されたコストなどのうちの１つまたは複数に基づくことがある。いくつかの例では、選択される作動は、それを最も低いコストに関連付けた作動を含むことがある。そのような例では、作動はコスト最適化に基づくことがある。

【0013】

様々な例において、作動は、物体が粒子状物質の領域に関連付けられる確率、領域のサイズ、領域までの距離、車速、および／または環境における車両走行に関連付けられた任意の他の因子と関連付けられた関数に基づいて決定され得る。いくつかの例では、１つまたは複数の因子（たとえば、確率、サイズ、距離、車速など）が、たとえば、作動選択により大きな影響を有するように、他の因子よりも大きく重み付けされ得る。たとえば、粒子状物質の領域のサイズは、領域までの距離よりも大きく重み付けされ得る。したがって、サイズは、領域までの距離よりも作動選択に大きな影響を与え得る。

【0014】

様々な例において、車両コンピューティングシステムは、粒子状物質の領域に関連付けられ得る物体を検出することができ、物体までの距離がしきい値距離（たとえば、２００フィート、１００ヤード、１００メートルなど）を上回ると決定することがある。車両コンピューティングシステムは、物体が粒子状物質の領域に関連付けられる初期確率を決定することがある。初期確率がしきい値確率（たとえば、９５％、９９％など）を上回るという決定に基づいて、車両は、実質的に同じ軌道（たとえば、速さおよび／または方向）に沿って進行することがある。初期確率がしきい値確率を下回るという決定に基づいて、車両コンピューティングシステムは、車両の軌道を修正することがある。いくつかの例では、車両コンピューティングシステムは、車両に、車線を変更させる、車線内の位置を調整させる、または物体を回避するための別の作動を行わせることがある。いくつかの例では、車両コンピューティングシステムは、物体に関連付けられた追加のデータを取り込むために、車両を予め決定された速さにまで遅くさせることがある。そのような例では、車両コンピューティングシステムは、追加のデータに基づいて、物体が粒子状物質の領域に関連付けられる更新された確率を決定することがある。たとえば、車両コンピューティングシステムは、車両の１００メートル前方に位置した物体が、物体が水の領域に関連付けられる確率２０％と関連していることを検出し得る。車両コンピューティングシステムは、１００メートルの距離がしきい値距離を上回り、かつ確率２０％がしきい値確率を下回ることを決定することができ、物体に関連付けられた追加のデータを取り込むために、車両を時速１０マイルまで遅くさせることがある。車両コンピューティングシステムは、追加のデータを取り込むことができ、物体が粒子状物質の領域に関連付けられる更新された確率９０％を決定し得る。更新された確率の決定に基づいて、車両コンピューティングシステムは、元の軌道（たとえば、遅くする前の軌道）に従って車両を進行させることがある。

【0015】

様々な例において、車両コンピューティングシステムは、粒子状物質の領域に関連付けられ得る物体を検出することがある。車両コンピューティングシステムは、物体が粒子状物質の領域に関連付けられる確率がしきい値を下回る（たとえば、粒子状物質である可能性が低い）ことを決定することがある。車両コンピューティングシステムは、物体までの距離を決定することができ、距離に基づいて、減速率（たとえば、－３マイル毎時毎秒、－５マイル毎時毎秒など）を決定することがある。減速率は、車両のブレーキに加えられる圧力、回生制動、ダウンシフト、エンジン制動、または物体に関連付けられたロケーションに到達する前に車両を停止する任意の他の方法に関連付けられ得る。距離に基づいて減速率を決定することによって、車両コンピューティングシステムは、車両が物体に接触しないことを保証し、それにより、車両の安全な動作を大きく改善することが可能である。たとえば、車両コンピューティングシステムは、車両の２５フィート前方に位置した物体が粒子状物質に関連付けられる低い確率を有すると決定することがあり得る。車両コンピューティングシステムは、車両を１５フィート毎秒毎秒のレートで遅くして物体より前で停止させることがある。いくつかの例では、車両コンピューティングシステムは、車両および／または物体の損傷を最小限にするために、最大減速率（たとえば、２０フィート毎秒毎秒、２５フィート毎秒毎秒など）で車両を遅くするように構成され得る。

【0016】

いくつかの例では、物体が粒子状物質の領域に関連付けられる確率がしきい値を下回るという決定に基づいて、車両コンピューティングシステムは、物体を回避するのに必要な横加速度（たとえば、２メートル毎秒毎秒、８フィート毎秒毎秒など）を決定することがある。そのような例では、車両コンピューティングシステムは、物体と交差し得る経路から横に（たとえば、よけて）車両の位置を調整することを車両に行わせるように構成され得る。様々な例において、車両は、横加速度の決定の前または決定と実質的に同時に、横の経路は他の物体が無くてクリアであることを決定し得る。いくつかの例では、位置を横に調整する（たとえば、車線を変更する、物体をよけるなど）決定は、物体までの距離がしきい値距離（たとえば、３０メートル、４０フィートなど）よりも短いことに基づくことがある。いくつかの例では、しきい値距離は、しきい値停止距離を含み得る。そのような例では、車両コンピューティングシステムは、物体より前に車両を停止することが実行可能なオプションではないと決定することがあるが、物体を回避するために位置の調整が使用され得る。たとえば、車両コンピューティングシステムは、物体が時速２５マイルで走行する車両の１５フィート前方であること、および最大減速率で車両が物体より前で停止できないことを決定することがある。したがって、車両コンピューティングシステムは、隣接車線内へよけて物体を回避するために必要な横加速度を決定することがある。

【0017】

本明細書で論じられている技術は、いくつかの方法で自律車両制御を改善することが可能である。たとえば、従来の自律車両コントローラは、環境における物体を検出し回避するためにＬＩＤＡＲに大きく依存することがある。排気、蒸気、または蒸発や昇華などの環境因子によって生成されるような、環境における粒子状物質は、ＬＩＤＡＲに関連付けられる光ビームのリターンを生成する可能性がある。リターンは、自律車両コントローラに他の方法で識別不能であり得る物体をＬＩＤＡＲに検出させることがある。正体不明の物体を回避するために、自律車両のコントローラは、車両にブレーキをかけ、および／または停止させて、物体を回避することがあり、その結果、不安定および／または不整合な走行をもたらす可能性がある。それに対して、本明細書に記載されている技術は、正体不明の物体を検出し、物体が粒子状物質に関連付けられる確率を決定し、確率に基づいて車両を制御する。したがって、本明細書に記載されている技術は、自律車両の制御をより効果的かつ効率的にすることによって改善する結果をもたらす。さらに、環境における多くの検出された特徴を利用して生成された確率に依拠することによって、車両コンピューティングシステムは、自律車両動作に関連付けられた安全性を向上することがある。

【0018】

本明細書に記載されている技術は、いくつかの方法で実装されることが可能である。以下の図を参照して、例示的実装形態が下記に提示される。自律車両の文脈で論じられているが、本明細書に記載されている方法、装置、およびシステムは、様々なシステム（たとえば、センサシステムまたはロボットプラットフォーム）に適用されることが可能であり、自律車両に限定されない。一例では、本明細書に記載されている技術は、運転手に制御される車両に利用されてよく、そのようなシステムは、様々な操縦を行うことが安全であるかどうかの表示を、車両の運転手に提供することがある。別の例では、これらの技術は、航空または航海の文脈において、またはシステムに未知の挙動に関連付けられ得る物体もしくはエンティティを含む任意のシステムにおいて利用されることが可能である。加えて、本明細書に記載されている技術は、（たとえば、センサを使用して取り込まれる）実際のデータ、（たとえば、シミュレータによって生成される）シミュレートされたデータ、またはこれら２つの任意の組み合わせと共に使用されることが可能である。

【0019】

図１は、本開示の例による、自律車両１０４（たとえば、車両１０４）の１つまたは複数のコンピューティングシステム１０２が、物体１０６を検出し、物体１０６が粒子状物質の領域１０８に関連付けられる確率に基づいて、車両１０４を制御することがある、環境１００の図である。自律車両１０４は、車両１０４の１つまたは複数のセンサ１１０により取り込まれたセンサデータに基づいて、物体１０６を検出することがある。センサ１１０により取り込まれたセンサデータは、ＬＩＤＡＲセンサにより取り込まれたデータ、ならびに、カメラセンサ、ＲＡＤＡＲセンサ、タイムオブフライトセンサ、およびソナーセンサなどの他のセンサにより取り込まれたデータを含み得る。少なくとも１つの例では、センサデータは、物体１０６に反射された光信号を含むＬＩＤＡＲデータを含むことがある。そのような例では、光信号は、１つまたは複数の粒子状物質の領域１０８に存在する水分子に反射し得る。

【0020】

いくつかの例では、センサデータは、物体１０６に関連付けられた分類（たとえば、車両、歩行者、自転車、オートバイ、動物、駐車された車、樹木、建物、粒子状物質の領域など）を決定するように構成されたパーセプションコンポーネント（perception component）１１２に提供されることが可能である。様々な例において、パーセプションコンポーネント１１２は、物体１０６に関連付けられた１つまたは複数の特徴に基づいて、物体分類を決定することがある。特徴は、物体１０６のサイズ（たとえば、幅、高さ、深さなど）、形状（たとえば、幾何形状、対称など）、物体１０６のロケーション（たとえば、表面への近接、表面からの高さなど）、物体１０６の軌跡（たとえば、時間経過に伴う動き、速さ、方向など）、別の物体１０６への近接、または別の車両上のロケーション（たとえば、排気に関連付けられたロケーションなど）への近接を含み得る。たとえば、パーセプションコンポーネント１１２は、物体１０６（４）および１０６（５）に関連付けられた形状およびサイズおよび軌跡を認識することができ、物体１０６（４）および１０６（５）が乗用車であると決定することがある。別の例では、パーセプションコンポーネント１１２は、物体１０６（１）、１０６（２）、および１０６（３）に関連付けられた形状、ロケーション、サイズ、および軌跡が、粒子状物質の領域に関連付けられると決定することがある。

【0021】

様々な例において、パーセプションコンポーネント１１２は、物体１０６に関連付けられた特徴に基づいて分類を出力するように構成された、１つまたは複数の機械学習されたモデルを利用することがある。いくつかの例では、機械学習されたモデルは、物体が分類に関連付けられる確率（たとえば、物体が適切に分類された信頼度）を出力するように構成され得る。そのような例では、機械学習されたモデルは、予め記録されたセンサデータにおける１つまたは複数の車両１０４により取り込まれたものなどの、粒子状物質の領域１０８に関連付けられる注釈付けされた特徴を含む訓練データを利用して訓練され得る。この議論のために、物体１０６（１）、１０６（２）、および１０６（３）などの物体１０６が粒子状物質の領域に関連付けられる確率を決定することに焦点を当てる。しかしながら、パーセプションコンポーネント１１２は、他の分類の物体１０６に関して同じまたは類似の信頼度（たとえば、確率）の決定を行うように構成されてもよい。

【0022】

様々な例において、物体１０６が粒子状物質の領域１０８（たとえば、粒子状物質の雲状のもの、粒子状物質のエリアなど）に関連付けられる確率は、物体１０６に関連付けられた特徴に基づくことがある。たとえば、パーセプションコンポーネント１１２は、環境における物体１０６（１）を検出することができ、物体１０６（１）の下端が運転可能な道路の表面１１４から約６インチ（１５．２４ｃｍ）の高さ（Ｈ）であり、車両１０４の前方で車両１０４と同じ道路セグメント上で動作している別の車両（たとえば、物体１０６（４））に対してしきい値距離内にあると決定することがあり得る。高さ特性および／または別の車両に対するしきい値距離に基づいて、車両コンピューティングシステムは、物体が粒子状物質の領域である確率が高い（たとえば、９３％）と決定し得る。いくつかの例では、確率は、粒子状物質の領域１０８に関連付けられたものに一致する特徴の数に基づいて増大され得る。

【0023】

様々な例において、物体１０６が粒子状物質の領域１０８に関連付けられる確率は、パーセプションコンポーネント１１２によりアクセスされたマップデータに基づくことがある。マップデータは、１つまたは複数の車両からの予め記録されたセンサデータに部分的に基づいて、環境１００に関する情報を表すことがある。マップデータは、運転可能な表面１１４（たとえば、街路、道路、道路のセクション、交差点など）、既知の障害物（たとえば、環境における固定された物体など）、および／または環境における他の表面（たとえば、歩道など）に関連付けられたデータを含み得る。様々な例において、マップデータは、エリア１１６のような粒子状物質放出の既知のエリアをさらに含み得る。粒子状物質放出の既知のエリア１１６は、マンホールカバー、乾燥機通気口（たとえば、工業用乾燥機、家庭用乾燥機など）などを含み得る。そのような例では、物体が粒子状物質の領域に関連付けられる確率は、粒子状物質放出の既知のエリアに部分的に基づくことがある。たとえば、車両コンピューティングシステムは、環境におけるロケーションで物体を識別することがある。下水溝など。たとえば、多数の車両が、環境１００内を走行し、運転可能な表面１１４から放出された粒子状物質の領域１０８（３）を含むセンサデータをロケーションで取り込むことがある。マップデータを生成するように構成されたコンピューティングシステム（たとえば、車両コンピューティングシステム、リモートコンピューティングシステムなど）は、多数の車両から取り込まれたセンサデータに基づいて、粒子状物質の領域１０８（３）が粒子状物質放出の既知のエリア１１６に関連付けられることを決定し得る。

【0024】

いくつかの例では、パーセプションコンポーネント１１２は、物体１０６に関連付けられたロケーションを比較し、粒子状物質放出の既知のエリア１１６への近接に基づいて、物体１０６が粒子状物質の領域１０８に関連付けられる確率が増大されると決定し得る。たとえば、パーセプションコンポーネント１１２は、環境１００内の物体１０６（３）を検出することがある。パーセプションコンポーネント１１２は、マップデータにアクセスして、粒子状物質放出の既知のエリア１１６に関連付けられたロケーションが物体１０６（３）に近接する（たとえば、しきい値距離内、放出元など）ことを決定し得る。パーセプションコンポーネント１１２は、粒子状物質放出の既知のエリア１１６に部分的に基づいて、物体１０６（３）が粒子状物質の領域１０８（３）に関連付けられる高い確率（たとえば、９０％、９５％など）を有することを決定し得る。

【0025】

様々な例において、物体１０６が粒子状物質の領域１０８に関連付けられる確率は、それに関連付けられた軌跡１１８に基づくことがある。様々な例において、パーセプションコンポーネント１１２は、一定期間にわたってパーセプションデータ（perception data）を収集し、物体１０６に関連付けられた軌跡１１８を決定することがある。軌跡１１８は、一定期間にわたる物体１０６の検出された動き、たとえば、走行された距離、速さなどを含むことがある。パーセプションコンポーネント１１２は、軌跡１１８に部分的に基づいて確率を決定することがある。例示的な例では、パーセプションコンポーネント１１２は、物体１０６（２）が軌跡１１８に沿って時間経過に伴って移動するときに、物体１０６（２）を検出することがある。物体１０６（２）の動きに部分的に基づいて、パーセプションコンポーネント１１２は、物体１０６（２）が粒子状物質の領域１０８（２）に関連付けられることを決定し得る。

【0026】

様々な例において、確率は、追加的または代替的に、軌跡１１８に沿った物体１０６（２）の形状および／または物体１０６（２）のサイズに部分的に基づくことがある。そのような例では、パーセプションコンポーネント１１２は、時間経過に伴う粒子状物質の散逸および物体１０６（２）のサイズの減少を識別することがある。様々な例において、パーセプションコンポーネント１１２は、軌跡１１８に沿った物体１０６（２）の形状および／または物体１０６（２）のサイズに基づいて、物体１０６（２）が粒子状物質の領域１０８（２）に関連付けられる確率を決定することがある。

【0027】

様々な例において、車両１０４のプランニングコンポーネント１２０が、パーセプションコンポーネント１１２からデータを受信し、データに基づいて車両１０４を制御するように構成され得る。様々な例において、データは、粒子状物質の領域１０８としての物体１０６の分類、および／または物体１０６が粒子状物質の領域１０８に関連付けられる確率を含むことがある。様々な例において、プランニングコンポーネント１２０は、物体１０６が粒子状物質の領域１０８に関連付けられる確率に基づいて選ぶ作動を決定することがある。作動は、車両１０４の経路に関連付けられたコースおよび速さ（たとえば、軌道）を維持すること、車両１０４を予め決定された速さ（たとえば、時速１０マイル、時速２０キロメートルなど）まで遅くすること、車両１０４を停止すること、車線を変更すること、ならびに／または車線内の位置を調整することを含むことがある。様々な例において、プランニングコンポーネント１２０は、作動に基づいて、車両１０４が走行するための１つまたは複数の軌道を決定することがある。

【0028】

様々な例において、作動は、確率が１つまたは複数のしきい値確率よりも高いおよび／または低いことに基づいて決定され得る。いくつかの例では、しきい値は、高い確率、中程度の確率、および低い確率などの様々なレベルの確率に関連付けられ得る。いくつかの例では、確率の各レベル（たとえば、異なるしきい値よりも高い／低い確率）は、１つまたは複数の作動がそれに関連付けられ得る。たとえば、物体１０６（３）が粒子状物質の領域１０８（３）に関連付けられる高い確率（たとえば、第１のしきい値以上の確率）があるという決定に基づいて、プランニングコンポーネント１２０は、作動が車両１０４のコースおよび速さを維持する（たとえば、軌道を維持する）ことを含むと決定することがある。別の例では、物体１０６（３）が粒子状物質の領域１０８（３）に関連付けられる低い確率（たとえば、第２のしきい値以下の確率）があるという決定に基づいて、プランニングコンポーネント１２０は、作動が車両を停止することを含むと決定することがある。さらに別の例では、物体１０６（３）が粒子状物質の領域１０８（３）に関連付けられる中程度の確率（たとえば、第１のしきい値以下かつ第２のしきい値以上の確率）があるという決定に基づいて、プランニングコンポーネント１２０は、車両を予め決定された速さ（たとえば、時速１５キロメートル、時速９マイルなど）まで遅くすることを決定することがある。

【0029】

様々な例において、プランニングコンポーネント１２０は、物体１０６が粒子状物質の領域に関連付けられる確率、領域のサイズ、領域までの距離、車速、車両軌道に関連付けられた車線の幅、および／または追加のバッファ（たとえば、安全バッファ、物体１０６から維持する距離など）、ならびに／あるいは環境における車両走行に関連付けられた任意の他の因子に対応する関数に基づいて選ぶ車両１０４のための作動を決定するように構成され得る。いくつかの例では、１つまたは複数の因子（たとえば、確率、サイズ、距離、車速度など）が、たとえば、作動選択により大きな影響を有するように、他の因子よりも大きく重み付けされ得る。たとえば、粒子状物質の領域のサイズは、領域までの距離よりも大きく重み付けされ得る。したがって、サイズは、領域までの距離よりも作動選択に大きな影響を与え得る。

【0030】

様々な例において、プランニングコンポーネント１２０は、確率に基づいて車両１０４が取り得る２つ以上の作動を決定するように構成されることができ、上記で本明細書に組み込まれた２０１９年８月１３日に出願された特許文献２に記載された技術などを利用して、各作動に関連付けられたコスト分析に基づいて作動を選択することがある。少なくともいくつかのそのような例では、たとえば、そのようなコストは、（たとえば、車両の幅および／または追加のバッファに対してコストが指数関数的に増大するように、）車線内の利用可能な幅に基づくコストを含むことがある。非限定的な例として、コストは、多項式的に、指数関数的に、または他の形式で、しきい値幅に対する車線の幅の関数であり得る。いくつかの例では、そのようなコストは、運転可能な表面の境界を含み得る最も近い物体までの距離に基づくことがある。

【0031】

いくつかの例では、安全（たとえば、安全コスト）に関連付けられたコストは、車両１０４と物体１０６との間の衝突の確率に基づくことがある。いくつかの例では、安全コストは、衝突が起こり得ることを示す予め定義されたしきい値（たとえば、４０％、５１％など）よりも衝突の確率が高い場合に、固定されたコスト（たとえば、６０、８０、１００など）を含み得る。いくつかの例では、固定されたコストは、しきい値を上回るコスト値を含み、したがって、車両コンピューティングシステムがそれに関連付けられた作動を選択できないようにされ得る。そのような例では、衝突の確率は、車両１０４が取り得る作動に対する制約を含み得る。様々な例において、安全コストは、物体１０６が粒子状物質の領域１０８に関連付けられる確率の関数を含み得る。たとえば、安全コストは、物体１０６が粒子状物質の領域１０８に関連付けられる確率が減少するにつれて増大し得る。いくつかの例では、安全コストは、車両１０４と物体１０６との相対的位置および／または軌道／軌跡に基づくことがある。そのような例では、安全コストは、（車両軌道上を走行する）車両１０４が物体１０６に近づくにつれて増大し得る。

【0032】

様々な例において、快適コストは、物体１０６の検出に応答して決定された車両軌道に関連付けられた、推定された加速度（たとえば、正、負、横など）および／または推定された加速度の変化（たとえば、ジャーク）に関連付けられ得る。いくつかの例では、快適コストは、関連付けられた作動を行う車両１０４と物体１０６との間の距離に関連付けられ得る。そのような例では、快適コストは、車両１０４と物体１０６との間の最接近点に関連付けられ得る。いくつかの例では、快適コストは、作動に関連付けられた通過する速さに関連付けられ得る。いくつかの例では、快適コストは、車両１０４と物体１０６との間の相対的な速さに関連付けられ得る。他の例では、車両１０４および／または考慮される物体１０６の任意の他の状態／制御が、快適コストを決定するのに使用され得る（たとえば、最も近い隣接要素または次に最も近い隣接要素として計算される得る他の車両の近さ、ステアリングレート、回転レート、速度など）。

【0033】

様々な例において、進行コストは、目的地に向かって移動している車両１０４の進行を含み得る。いくつかの例では、進行コストは、車両の停止、減速などによって引き起こされる、車両１０４の速度の変化および／または車両１０４の遅延に基づいて計算され得る。いくつかの例では、進行コストは、作動に起因する遅延の秒数と実質的に同様な値を含み得る。そのような例では、物体１０６に関連付けられたロケーションの前に車両を遅くするおよび／または停止することを含む作動は、物体１０６を回避するナビゲーションを含む作動に関連付けられるものよりも高い進行コストに関連付けられ得る。

【0034】

様々な例において、運用ルールコストは、道路のルール（たとえば、運輸省法、規則、規制など）、良い運転のルール、地域の運転習慣（たとえば、一般的運転慣行）、運転作法（たとえば、自転車車線を占有せずに、別の車が通って右折するためのスペースを提供するために車線内の位置を調整することなど）に基づくことがある。様々な例において、作動に関連付けられた運用ルールコストは、破られたおよび／または満たされた１つまたは複数のルールに基づいて計算され得る。そのような例では、運用ルールコストは、破られたもしくは履行されていないルール（たとえば、規制、習慣、作法など）に基づいて増大され、および／または、満たされたもしくは履行されたルールに基づいて減少され得る。たとえば、車線を対向交通に変更することに関連付けられた作動は、プランニングされた車両軌道に関連付けられた方向に操作する交通のために指定された車線（たとえば、元の車両経路、軌道など）に車両１０４が留まるべきであるというルールを破ることを含み得る。この作動は、車線内の車両１０４の位置の調整を伴う作動よりも高い運用ルールコストを含み得る。

【0035】

様々な例において、運用ルールコストは、（たとえば、物体１０６の検出中に）車両が走行している車線に対応する車線マーカーに関連付けられたルールや規制などに基づいて決定され得る。そのような例では、車線マーカーの色ならびに／または車線マーカーが実線および／もしくは破線であるかが、作動に関連付けられた運用ルールコストに寄与し得る。たとえば、二重黄色線を交差することに関連付けられた作動は、それに関連付けられた高い運用ルールコスト（たとえば、４０、５０など）を有し得る。別の例では、白い破線が、それに関連付けられた低い運用ルールコスト（たとえば、５、１０など）を有し得る。

【0036】

様々な例において、コストは、重要な順にランク付けまたは重み付けされ得る。いくつかの例では、コスト（たとえば、安全性、快適性、進歩、運用ルール）の少なくとも１つは、他のコストよりも大きく重み付けされたコストを含み得る。たとえば、安全は、他の因子よりも大きく重み付けされ得る。そのような例では、プランニングコンポーネント１２０は、選ぶ車両１０４のための作動の決定において他の因子よりも安全性を強調することがある。

【0037】

いくつかの例では、プランニングコンポーネント１２０は、それに関連付けられた最も低いコストに基づいて選ぶ作動を決定することがある。そのような例では、作動はコスト最適化に基づくことがある。たとえば、プランニングコンポーネント１２０は、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率が７０％であるという表示を受信することがある。プランニングコンポーネント１２０は、確率７０％が第１のしきい値確率よりも低く、第２のしきい値確率よりも高いと決定することがある。この決定に基づいて、プランニングコンポーネント１２０は、車両１０４が、予め決定された速さまで遅くすることを含む第１の作動、または物体１０６（１）を回避するための車線変更を含む第２の作動を行うことがあると決定することがある。プランニングコンポーネント１２０は、車両１０４を遅くすることに関連付けられたコストが車線変更に関連付けられたコストよりも低いと決定することができ、コスト分析に基づいて車両１０４を予め決定された速さまで遅くさせることがある。

【0038】

様々な例において、パーセプションコンポーネント１１２は、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率に加えて、車両１０４と物体１０６（１）との間の距離（Ｄ）を、プランニングコンポーネント１２０に提供することがある。様々な例において、プランニングコンポーネント１２０は、距離（Ｄ）がしきい値距離（たとえば、１５０フィート、８０メートルなど）を上回ると決定し得る。いくつかの例では、しきい値距離は、コンピューティングシステム１０２にプログラムされた予め決定されたしきい値距離を含み得る。いくつかの例では、しきい値距離は、１つまたは複数の因子、たとえば、車速、運転可能な表面１１４に関連付けられた制限速度、検出された物体１０６の数、環境１００内で検出された物体１０６のタイプ、天気（たとえば、雨、雪、霧など）、または環境に関連付けられたエリアもしくはゾーン（たとえば、スクールゾーン、住宅エリア、建設ゾーンなど）などに基づいて動的に決定され得る。

【0039】

いくつかの例では、距離（Ｄ）がしきい値距離を上回るという決定に基づいて、プランニングコンポーネント１２０は、確率が初期確率に対応すると決定することがある。様々な例において、初期確率がしきい値確率（たとえば、９１％、９９％など）以上であるという決定に基づいて、プランニングコンポーネント１２０は、車両１０４に軌道を維持させることがある。そのような例では、車両１０４は、環境１００内を通るプランニングされた車両経路に関連付けられたコースおよび速さを維持することがある。たとえば、プランニングコンポーネント１２０は、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられることを高い確率として決定することがある。したがって、プランニングコンポーネント１２０は、粒子状物質の領域１０８（１）を通って動作するために車両軌道を維持することがある。

【0040】

いくつかの例では、初期確率がしきい値確率以下であるという決定に基づいて、プランニングコンポーネント１２０は、車両１０４に、速さを減らさせる（たとえば、減速させる）ことがある。そのような例では、減らされた速さは、更新された確率を決定するために、パーセプションコンポーネント１１２が物体１０６に関する追加のデータを収集するための時間を提供することがある。いくつかの例では、上述された１つまたは複数の因子（たとえば、車速、制限速度、天気など）などに基づいて、速さが動的に決定され得る。様々な例において、速さは、予め決定された速さ（たとえば、時速１０マイル、時速８マイル、時速１８キロメートルなど）を含むことができ、たとえば、コンピューティングシステム１０２にプログラムされている。いくつかの例では、予め決定された速さは、車両１０４の安全な動作を最大限にするために、車両１０４または物体１０６などの搭乗者に対する最小限にされた影響などの１つまたは複数の安全因子に基づくことがある。

【0041】

様々な例において、プランニングコンポーネント１２０は、一定期間（たとえば、０．１秒、０．５秒、１秒など）後に、更新された確率を受信することがある。いくつかの例では、更新された確率は、初期確率に関連付けられた第１の時間と、更新された確率に関連付けられた第２の時間との間に取り込まれたデータに基づくことがある。いくつかの例では、更新された確率は、距離（Ｄ）の一部分において第２の時間に取り込まれたデータに関連付けられ得る。様々な例において、プランニングコンポーネント１２０は、更新された確率を１つまたは複数のしきい値と比較して、選ぶ車両１０４のための作動を決定することがある。たとえば、更新された確率が上限しきい値以上であるという決定に基づいて、プランニングコンポーネント１２０は、車両を加速させて初速度（たとえば、減速する前の速さ、環境１００を通るプランニングされた車両経路に関連付けられた速さ）に戻すことがある。別の例では、更新された確率が上限しきい値以下であり、隣接車線がクリアであるという決定に基づいて、プランニングコンポーネント１２０は、例えば物体１０６（１）を回避するためになど、車両１０４に車線を隣接車線へ変更させることを決定することがある。さらに別の例では、更新された確率が下限しきい値以下であるという決定に基づいて、プランニングコンポーネント１２０は、物体１０６（１）より前に車両を停止させる（たとえば、物体１０６（１）との衝突を回避する）ことがある。

【0042】

様々な例において、プランニングコンポーネント１２０は、車両１０４と物体１０６（１）との間の距離（Ｄ）を受信することができ、距離（Ｄ）がしきい値距離よりも小さく、したがって、追加のデータを取得し更新された確率を決定するには不十分であると決定することがある。いくつかの例では、プランニングコンポーネント１２０は、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率を受信することがある。確率がしきい値確率より低い（たとえば、低い確率）という決定に基づいて、プランニングコンポーネント１２０は、例えば物体１０６（１）との衝突を回避するためになど、物体１０６（１）より前に車両を停止させることを決定することがある。

【0043】

様々な例において、プランニングコンポーネントは、車両１０４と物体１０６（１）との間の距離（Ｄ）に基づいて、減速率（たとえば、負の加速度）（たとえば、－３マイル毎時毎秒、－５マイル毎時毎秒など）を決定することがある。減速率は、車両１０４の１つまたは複数のブレーキに加えられる圧力、回生制動、ダウンシフト、エンジン制動、または物体１０６（１）に関連付けられたロケーションに到達する前に車両１０４を停止する任意の他の方法に関連付けられ得る。距離（Ｄ）に基づいて減速率を決定することによって、プランニングコンポーネント１２０は、車両１０４が物体１０６（１）に接触しないことを保証し、それにより、車両１０４の安全な動作を大きく改善することが可能である。たとえば、プランニングコンポーネント１２０は、車両と物体１０６（１）との間の距離（Ｄ）が３５フィートであること、および物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる低い確率があることを決定することがある。プランニングコンポーネント１２０は、車両１０４を１５フィート毎秒毎秒のレートで遅くして物体１０６（１）より前で停止させることがある。

【0044】

いくつかの例では、プランニングコンポーネント１２０は、最大減速率（たとえば、２０フィート毎秒毎秒、２５フィート毎秒毎秒など）で車両を遅くするように構成され得る。そのような例では、車両１０４および／または物体１０６（１）の損傷を最小限にするために、たとえば、車両１０４をできる限りロケーションより前で遅くするように、最大減速率は、ブレーキに加えられることが可能な最大量の圧力、最大回生制動、最小ダウンシフト、または最大エンジン制動などに基づくことがある。

【0045】

様々な例において、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率がしきい値を下回るという決定に基づいて、プランニングコンポーネント１２０は、位置を横に調整して、物体１０６（１）を回避することなどを決定するがある。いくつかの例では、横に移動するという決定は、横の経路は他の車両、オートバイ、または自転車に乗る人などの物体１０６が無くてクリアであるという決定に基づくことがある。そのような例では、横の経路がクリアであるという決定は、隣接車線の少なくともしきいエリアは物体１０６が無くてクリアであるという、パーセプションシステムからのセンサデータおよび／または表示に基づくことがある。しきいエリアは、物体１０６の前方または後方のしきい値距離内に侵入することなく隣接車線内へ移行するために必要なエリアと関連付けられ得る。たとえば、しきいエリアは、車両１０４が、隣接車線内で動作している別の車両を遮らないことを確実にすることがある。別の例では、しきいエリアは、車両１０４が、快適でない距離（たとえば、５フィート未満など）で別の車両の後方に続くように車線を変更しないことを確実にし得る。

【0046】

いくつかの例では、物体１０６（１）と交差し得る経路をよけるような、横に移動する決定は、車両１０４の距離（Ｄ）および／または速さに基づくことがある。そのような例では、車両１０４と物体１０６との間の距離（Ｄ）が、しきい値よりも小さい、および／または物体１０６（１）に関連付けられたロケーションに到達する前に（特定の速さで走行する）車両１０４を停止させるのに必要な距離よりも短い場合、プランニングコンポーネント１２０は、車両１０４を横に移動させることがある。たとえば、プランニングコンポーネント１２０は、物体１０６（１）までの距離（Ｄ）が、時速２０マイルで走行している車両１０４の前方１５フィートであること、および最大減速率で車両１０４が物体１０６（１）の前で停止することができないことを決定することがある。したがって、プランニングコンポーネント１２０は、隣接車線内へよけて物体１０６（１）を回避するために必要な横加速度を決定することがある。いくつかの例では、横加速度、最大減速率、および／または横に移動する決定は、上述されたようなコストベースの分析に基づくことがある。そのような例では、物体１０６（１）の経路をよける決定、および／または動きに関連付けられた横加速度は、作動に関連付けられた安全コスト、快適コスト、進行コスト、および／または運用ルールコストのうちの１つまたは複数に基づくことがある。

【0047】

様々な例において、プランニングコンポーネント１２０は、物体１０６（１）を回避するのに必要なような、横の動きに関連付けられた横加速度（たとえば、２メートル毎秒毎秒、８フィート毎秒毎秒など）を決定することがある。横加速度は、距離（Ｄ）および／または車両１０４の速さに基づくことがある。そのような例では、物体１０６（１）が車両１０４に近いほど、および／または車両１０４が環境１００内でより速く走行するほど、物体１０６（１）を回避するために必要とされる横加速度は大きくなる。

【0048】

図２は、本開示の例による、車両の経路内の物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率に基づいて、車両１０４を制御するための例示的プロセス２００である。

【0049】

動作２０２は、環境１００内の物体１０６（１）および１０６（４）を検出することを含む。様々な例において、物体１０６（１）および１０６（４）は、１つまたは複数のセンサから取り込まれたデータに基づいて検出され得る。センサにより取り込まれたセンサデータは、ＬＩＤＡＲセンサにより取り込まれたデータ、ならびに、カメラセンサ、ＲＡＤＡＲセンサ、タイムオブフライトセンサ、およびソナーセンサなどの他のセンサにより取り込まれたデータを含み得る。少なくとも１つの例では、センサデータは、物体１０６（１）および１０６（４）に反射された光信号を含むＬＩＤＡＲデータを含むことがある。いくつかの例では、光信号は、粒子状物質の領域１０８に存在する水分子に反射し得る。

【0050】

様々な例において、コンピューティングシステム１０２などの車両コンピューティングシステムは、物体１０６（１）および１０６（４）に関連付けられた分類を決定するように構成され得る。分類は、物体１０６（１）および１０６（４）に関連付けられたクラスまたはタイプ、たとえば、歩行者、乗用車、トラック、自転車に乗る人、原動機付自転車、列車、粒子状物質の領域（たとえば、雲状のもの）などを含み得る。例示的な例として、車両コンピューティングシステムは、乗用車として物体１０６（４）、および粒子状物質の領域として物体１０６（１）を識別することがある。いくつかの例では、車両コンピューティングシステムは、ＬＩＤＡＲリターン（たとえば、物体１０６（１）に反射する光）を処理し得るが、物体１０６（１）などの物体に関連付けられた分類を決定できないことがある。そのような例では、分類の欠如に基づいて、車両コンピューティングシステムは、物体１０６（１）が粒子状物質の領域１０８（１）を含むことがあると決定することがある。

【0051】

動作２０４は、物体が粒子状物質の領域１０８（１）に関連付けられる確率を決定することを含むことがある。様々な例において、確率は、物体１０６（１）が粒子状物質の領域１０８（１）として適切に分類される信頼度を含むことがある。そのような例では、車両コンピューティングシステムは、実質的に分類と同時に信頼度（たとえば、確率）を決定することがある。いくつかの例では、確率は、分類がない場合、物体１０６（１）が粒子状物質の領域１０８（１）を含む確率を表すことがある。そのような例では、確率は、物体１０６（１）が粒子状物質１０８（１）である尤度を含み得る。

【0052】

様々な例において、車両コンピューティングシステムは、物体１０６（１）に関連付けられた１つまたは複数の特徴に基づいて、確率を決定することがある。特徴は、環境における物体１０６（１）のロケーション（たとえば、表面への近接、表面からの高さなど）、物体１０６（１）のサイズ（たとえば、幅、高さ、深さなど）、形状（たとえば、対称、非対称、円形、長方形など）、物体１０６（４）などの車両への物体１０６（１）の近接（たとえば、排気発生車両（ガソリンまたはディーゼル車、トラックなど）への近接）、他の車両上のロケーション（たとえば、排気に関連付けられたロケーションなど）への近接、または物体１０６（１）の軌跡（たとえば、時間経過に伴って取り込まれる動き）などを含み得る。たとえば、車両コンピューティングシステムは、物体１０６（１）を検出することができ、雲状形状と物体１０６（４）への近接とに基づいて、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる８０％の確率があると決定することがある。

【0053】

いくつかの例では、車両コンピューティングシステムは、環境１００に関連付けられたマップデータに基づいて確率を決定することがある。マップデータは、車両が動作する環境１００に関する情報を表すことがある。いくつかの例では、マップデータは、１つまたは複数の車両１０４からの予め記録されたセンサデータに基づいて生成され得る。マップデータは、運転可能な表面（たとえば、街路、道路、道路のセクション、交差点など）および／または環境における既知の障害物（たとえば、環境における固定された物体など）に関連付けられたデータを含み得る。いくつかの例では、マップデータは、マンホールカバーや乾燥機通気口（たとえば、工業用乾燥機、家庭用乾燥機など）のような粒子状物質放出の既知のエリアをさらに含み得る。そのような例では、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率は、粒子状物質放出の既知のエリアに部分的に基づくことがある。

【0054】

様々な例において、車両コンピューティングシステムは、機械学習技術を利用して確率を決定することがある。そのような例では、機械学習されたモデルは、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率を決定するために訓練データを用いて訓練され得る。いくつかの例では、訓練データは、粒子状物質の領域１０８（１）のような粒子状物質の識別された領域の注釈が付けられた予め記録されたデータを含み得る。いくつかの例では、注釈は、特徴を含むことがある。様々な例において、機械学習されたモデルは、上述されたようなマップデータに基づいて粒子状物質の領域１０８（１）を識別するように訓練され得る。

【0055】

動作２０６は、確率に少なくとも部分的に基づいて車両が行う作動２１０を決定することを含む。様々な例において、車両コンピューティングシステムは、車両の軌道（たとえば、初期軌道、第１の軌道など）を決定することができ、それは、たとえば、初期位置２０８に関連付けられた時間に決定される。初期軌道は、目的地への経路に沿うなどして環境内を走行する車両に関連付けられた走行および速さ（または複数の速さ）の方向を含むことがある。様々な例において、第１の作動２１０（１）などの作動２１０は、初期軌道を維持することを含むことがある。いくつかの例では、車両コンピューティングシステムは、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる確率が第１のしきい値確率（たとえば、９５％、９８％など）を上回るという決定に基づいて、車両に第１の作動２１０（１）を行わせることがある。そのような例では、車両コンピューティングシステムは、検出された物体１０６（１）が粒子状物質を含む高い確率に基づいて、車両１０４が目的地への初期軌道に沿って安全に進行できる可能性があると決定することがある。

【0056】

様々な例において、作動２１０（２）、２１０（３）、および２１０（４）などの作動２１０は、軌道を第２の（修正された）軌道へ修正することを含むことがある。例示的な例では、第２の作動２１０（２）は、軌道を、（たとえば、初期軌道と比較して）それに関連付けられた速さを減らすことによって修正することを含む。様々な例において、修正された軌道に関連付けられた修正された（または第２の）速さは、予め決定された速さ（たとえば、時速９マイル、時速１５キロメートルなど）を含むことがある。そのような例では、予め決定された速さは、車両動作のための安全プロトコルに関連付けられてよく、それにより、環境１００内で活動する車両、車両占有者、およびその他の安全を最大限にするようにする。いくつかの例では、修正された軌道に関連付けられた速さは、１つまたは複数の因子に基づいて動的に決定され得る。因子は、車両１０４の速さ、環境１００に関連付けられた制限速度、検出された物体１０６の数、環境１００内で検出された物体１０６のタイプ、天気（たとえば、雨、雪、霧など）、または環境１００に関連付けられたエリアもしくはゾーン（たとえば、スクールゾーン、住宅エリア、建設ゾーンなど）などを含み得る。そのような例では、車両コンピューティングシステムは、環境１００内の物体１０６（１）に接近する安全な速さを決定することができ、それにより、任意の条件（たとえば、異なる環境、天気など）における安全な動作を保証する。たとえば、車両コンピューティングシステムは、物体１０６（１）を検出し、車両１０４がスクールゾーン内にあると決定することがある。スクールゾーンに基づいて、車両コンピューティングデバイスは、車両を時速７マイルまで遅くさせて、車両が前進を続けられるようにするが、安全上の理由で必要な場合は、非常に短い距離で停止できることがある。

【0057】

いくつかの例では、車両コンピューティングシステムは、コスト分析に基づいて、第２の作動２１０（２）、第３の作動２１０（３）、および／または第４の作動２１０（４）のうちの１つまたは複数を行うことを決定することがある。そのような例では、車両コンピューティングシステムは、各作動に関連付けられたコスト（たとえば、安全コスト、快適コスト、進行コスト、および／または運用ルールコストなど）を計算することができ、最低コストの作動を行うように選択することがある。いくつかの例では、車両コンピューティングシステムは、コスト最適化に少なくとも部分的に基づいて選ぶ車両１０４のための作動を選択することがある。

【0058】

様々な例において、車両コンピューティングシステムは、確率が第１のしきい値確率よりも小さいという決定に基づいて、第２の作動２１０（２）を行うことを決定することがある。いくつかの例では、第２の作動２１０（２）は、確率が第１のしきい値距離よりも小さく、かつ第２のしきい値（たとえば、５０％、６０％など）以上であるという決定に応答して行われ得る。そのような例では、車両コンピューティングは、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる中程度の確率が存在するという決定に基づいて、車両１０４を遅くさせることがある。

【0059】

様々な例において、車両コンピューティングシステムは、車両１０４と物体１０６（１）との間の距離（Ｄ）に部分的に基づいて、第２の作動２１０（２）を行うことを決定することがある。いくつかの例では、距離（Ｄ）がしきい値距離（たとえば、１００フィート、１００メートルなど）を上回るという決定に基づいて、車両コンピューティングシステムは、車両１０４に第２の作動２１０（２）を行わせることがある。そのような例では、車両コンピューティングシステムは、物体１０６（１）に関する追加のデータを収集して、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる更新された確率を決定するように構成され得る。いくつかの例では、車両コンピューティングシステムは、更新された確率に基づいて、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる高い信頼度を決定することがある。更新された確率に基づいて、車両コンピューティングシステムは、車両１０４に初期軌道を再開させ、および／または、車両１０４が環境１００内で目的地に走行するための更新された軌道を決定することがある。たとえば、車両コンピューティングシステムは、更新された軌道が第１のしきい値確率を上回ると決定することができ、車両１０４の目的地への進行に関連付けられた初期軌道および／または別の軌道に関連付けられた速さにまで、車両を加速させることがある。

【0060】

様々な例において、車両コンピューティングシステムは、初期軌道から第２の作動２１０（２）に関連付けられた修正された軌道まで、予め決定された減速率（たとえば、３フィート毎秒毎秒、２メートル毎秒毎秒など）で、車両を遅くさせることがある。減速率は、車両のブレーキに加えられる圧力の量、回生制動、ダウンシフト、エンジン制動、または修正された軌道に関連付けられた速さにまで車両を遅くする任意の他の方法に関連付けられ得る。いくつかの例では、車両コンピューティングシステムは、確率に基づいて減速率を決定することがある。たとえば、車両コンピューティングシステムは、確率が５０％であるという決定に基づいて５フィート毎秒毎秒で、および確率が８０％であるという決定に基づいて３フィート毎秒毎秒で、車両を遅くすることがある。少なくともいくつかの例では、そのような減速は、予め決定されずに、確率や蒸気の相対的ロケーションなどに少なくとも部分的に基づくことがある。

【0061】

車両１０４の進む速さを遅くするのに加えてまたは代えて、第３の作動２１０（３）として示されるように、車両コンピューティングシステムは、初期軌道に関連付けられた走行方向を変更することがある。第３の作動２１０（３）は、車線変更として示されているが、物体１０６（１）を回避するナビゲーションを可能にする任意の他の安全な横の操縦、たとえば、車線内の位置を修正すること、または部分的もしくは完全に路肩で動作することを含むことがある。いくつかの例では、車両コンピューティングシステムは、確率が第１のしきい値確率を下回ることに基づいて、車両１０４に第３の作動２１０（３）を行わせることがある。いくつかの例では、第３の作動２１０（３）は、確率が第１のしきい値を下回りかつ第２のしきい値を上回ることに基づいて選択され得る。そのような例では、車両コンピューティングシステムは、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる中程度の確率に基づいて、車両に第３の作動２１０（３）を行わせることがある。本明細書ではしきい値の観点から説明されているが、当然ながら、これは、そのように限定することを意味しない。たとえば、いくつかの例では意思決定のために固定されたしきい値を設定することがあるが、本明細書でのしきい値の説明は、そのようなしきい値の付近でコストに対する最適化に基づいて２つの結果の間で遷移が生じるように設定されたコスト式を参照してもよいことを理解されたい。様々な例において、ハード制約（たとえば、決定に対する固定されたしきい値）の組み合わせ、およびコスト最適化での遷移を表すしきい値が企図される。

【0062】

様々な例において、車両コンピューティングシステムは、横の経路（たとえば、隣接車線）が、他の車両、オートバイ、または自転車に乗る人などが無くてクリアであると決定することがある。いくつかの例では、横の経路がクリアであるという決定は、隣接車線の少なくともしきいエリア２１２（または、路肩など他の動作エリア）がクリアである（たとえば、占有されていない）という、パーセプションシステムからのセンサデータおよび／または表示に基づくことがある。いくつかの例では、しきいエリア２１２は、物体１０６の前方または後方のしきい値距離内に侵入することなく隣接車線内へ移行するために必要なエリアと関連付けられ得る。たとえば、しきいエリア２１２は、車両１０４が隣接車線で動作している別の車両の移動を妨害（たとえば、遮断など）しないことを保証することがある。いくつかの例では、しきいエリア２１２がクリアであると確認することは、車両１０４が車線内の位置を隣接車線により近くなるように調整する場合などに、車両１０４が他の運転者（たとえば、他の車両、オートバイ、自転車に乗る人など）を侵害しないことを保証することがある。そのような例では、本明細書に記載されている技術は、安全性と快適性の両方で他の運転者に対する車両１０４走行の影響が最小限であることを保証し得る。

【0063】

様々な例において、車両コンピューティングシステムは、第３の作動２１０（３）に関連付けられた横加速度（たとえば、１メートル毎秒毎秒、５フィート毎秒毎秒など）を決定することがある。いくつかの例では、横加速度は、車線変更の操縦のために指定されるような、予め決定された横加速度（たとえば、３フィート毎秒毎秒、１メートル毎秒毎秒など）を含み得る。いくつかの例では、横加速度は、車両１０４の速さ、制限速度、天気、またはエリアもしくはゾーンなどの、環境１００に関連付けられた１つまたは複数の因子に基づいて動的に決定され得る。様々な例において、横加速度は、車両１０４と物体１０６（１）との間の距離（Ｄ）および／または車両１０４の速さに基づくことがある。そのような例では、物体１０６（１）が車両１０４に近いほど、および／または車両１０４が環境１００内でより速く走行するほど、横加速度が大きくなる。

【0064】

様々な例において、車両コンピューティングシステムは、たとえば図２で第４の作動２１０（４）として示したように、物体１０６（１）に関連付けられたロケーションより前に車両１０４を停止させるように、車両１０４に初期軌道を修正させることがある。いくつかの例では、第４の作動２１０（４）を行うという決定は、確率が第２の（または低い）しきい値（たとえば、２５％、１０％など）を下回ることに基づくことがある。そのような例では、物体１０６（１）が粒子状物質の領域１０８（１）に関連付けられる低い確率があるという決定に基づいて、車両コンピューティングシステムは、物体１０６（１）に関連付けられたロケーションより前に車両１０４を停止させることがある。

【0065】

様々な例において、車両コンピューティングシステムは、車両１０４の減速率（たとえば、負の加速度）（たとえば、－６マイル毎時毎秒、－１０マイル毎時毎秒など）を決定することがある。いくつかの例では、減速率は、予め決定されたレートを含むことがある。予め決定されたレートは、物体１０６（１）に関連付けられたロケーションより前に車両１０４が停止されるべきであるときに使用するために車両コンピューティングシステムに格納された減速率を含み得る。いくつかの例では、予め決定されたレートは、固定された減速率を含むことがある。いくつかの例では、車両コンピューティングシステムは、第４の作動２１０（４）を行うという決定に基づいて、固定された量の圧力がブレーキに加わるようにすることがある。いくつかの例では、車両コンピューティングシステムは、予め決定された量のエンジン制動（たとえば、予め決定された毎分回転数など）、または予め決定されたダウンシフト（たとえば、１ギア下げること、２ギア下げることなど）などをもたらすことがある。いくつかの例では、予め決定されたレートは、距離（Ｄ）および／または車両１０４の速さに基づくことがある。たとえば、距離２０フィートおよび時速２５マイルの速さの場合、車両コンピューティングデバイスは、減速率が２０フィート毎秒毎秒であるべきと決定することがある。

【0066】

様々な例において、減速率は、距離（Ｄ）と、本明細書に説明されているような、環境１００に関連付けられた１つまたは複数の因子とに基づいて動的に決定され得る。そのような例では、車両コンピューティングデバイスは、因子に関連付けられたデータを処理し、環境１００に適した減速率を決定することがある。たとえば、車両コンピューティングデバイスは、道路の運転可能な表面が濡れていること（たとえば、雨、スプリンクラー溢れなど）と、条件により、車両１０４を停止するために１５フィート毎秒毎秒の減速率が必要であり得る（乾燥した道路条件では、より低いレートが必要であり得る）こととを決定し得る。

【0067】

いくつかの例では、減速率は、車両が占有されているかどうかに基づくことがある。そのような例では、車両コンピューティングシステムは、搭乗者室内の１つまたは複数のセンサを介するなどして、１人または複数の搭乗者が車両１０４内に存在することを決定し、搭乗者に基づいて減速率を調整することがある。たとえば、車両コンピューティングシステムは、占有された車両よりも空の車両に対して増大された減速率を使用し、または逆も同様であり得る。いくつかの例では、減速率は、搭乗者のタイプまたはクラス（たとえば、人間（たとえば、大人、子供、幼児など）、動物（たとえば、犬、猫など）など）に基づくことがある。そのような例では、車両コンピューティングシステムは、搭乗者室内のセンサから受信されたセンサデータに基づいて搭乗者のクラスまたはタイプを決定し、クラスまたはタイプに基づいて減速率を決定するように構成され得る。たとえば、車両コンピューティングシステムは、搭乗者室が大人および犬を収容していると決定することがある。車両コンピューティングシステムは、犬が発射体になるのを防止するために、減速率が、犬の搭乗者なしの同様のシナリオにおける車両１０４に関連付けられた減速率よりも低くてよいと決定することがある。

【0068】

いくつかの例では、車両コンピューティングシステムは最大減速率（たとえば、２０フィート毎秒毎秒、２５フィート毎秒毎秒など）で車両１０４を遅くするように構成され得る。いくつかの例では 車両１０４および／または物体１０６（１）の損傷を最小限にするために、たとえば、車両１０４をできる限りロケーションより前で遅くするように、最大減速率は、ブレーキに加えられることが可能な最大量の圧力、最大ダウンシフト、またはエンジン制動限界などに基づくことがある。いくつかの例では、最大減速率は、予め決定された最大レートを含み得る。いくつかの例では、最大減速率は、ブレーキに加えられることが可能な圧力の予め決定された最大量、最大ダウンシフト、またはエンジン制動の最大量などに関連付けられ得る。そのような例では、最大減速率は、因子に基づくことがある。たとえば、最大減速率は、乾燥状態よりも湿潤状態および／または雪の状態で低くなり得る。いくつかの例では、最大減速率は、車両１０４が占有されているかどうかに基づいて決定され得る。そのような例では、車両コンピューティングシステムは、１人または複数の搭乗者が車両１０４内に存在することを決定することがあり、搭乗者に基づいて最大減速率を調整することがある。たとえば、最大減速率は、占有された車両１０４よりも空の車両１０４の場合に高くなり得る。いくつかの例では、最大減速率は、車両を占有している搭乗者のタイプまたはクラスに基づいて決定され得る。そのような例では、車両コンピューティングシステムは、弱い搭乗者（たとえば、幼い、虚弱など）について最大減速率を減らすことなどによって、車両１０４の占有者の安全を最大限にするように構成され得る。

【0069】

様々な例において、物体に関連付けられたロケーションより前に車両１０４が停止できないという決定に基づいて、車両コンピューティングシステムは、上述されたような第３の作動２１０（３）を車両に行わせることがある。たとえば、車両コンピューティングシステムは、最大減速率で、車両が距離（Ｄ）において停止できないと決定することがある。上述されたように、車両コンピューティングシステムは、しきいエリア２１２が占有されていないと決定することがあり、物体１０６（１）を回避する（たとえば、よける）ために必要な横加速度を決定することがある。そのような例では、横加速度は、距離（Ｄ）と、車両１０４の速さ、道路条件、天気など、環境１００に関連付けられた因子とに基づくことがある。

【0070】

車両コンピューティングシステムは、車両の占有者および／または環境内に存在する他の者（たとえば、他の車両の搭乗者など）についての安全考慮に基づいて、作動２１０を選択することがある。したがって、本明細書に記載されている技術は、自律車両動作の安全性を大きく改善することがある。

【0071】

図３は、本明細書に記載されている技術を実装するための例示的システム３００のブロック図を示す。少なくとも１つの例では、システム３００は、車両１０４のような車両３０２を含むことがある。車両３０２は、自律車両、半自律車両、または手動制御される車両を含むことが可能である。

【0072】

車両３０２は、車両コンピューティングデバイス３０４、図１のセンサ１１０などの１つまたは複数のセンサシステム３０６、１つまたは複数のエミッタ３０８、１つまたは複数の通信接続３１０、少なくとも１つの直接接続３１２、および１つまたは複数のドライブシステム３１４を含むことがある。車両コンピューティングデバイス３０４は、１つまたは複数のプロセッサ３１６、および１つまたは複数のプロセッサ３１６と通信可能に結合されたメモリ３１８を含むことがある。例示的な例では、車両３０２は自律車両であるが、車両３０２は、少なくとも画像取込みデバイス（たとえば、カメラ対応のスマートフォン）を有する任意の他のタイプの車両またはロボットプラットフォームであってもよい。図示された例では、車両コンピューティングデバイス３０４のメモリ３１８は、ローカリゼーションコンポーネント３２０、パーセプションコンポーネント３２２、プランニングコンポーネント３２４、１つまたは複数のシステムコントローラ３２６、および１つまたは複数のマップ３２８を格納する。例示のためにメモリ３１８に存在するものとして図３に示されているが、ローカリゼーションコンポーネント３２０、パーセプションコンポーネント３２２、プランニングコンポーネント３２４、１つまたは複数のシステムコントローラ３２６、および１つまたは複数のマップ３２８は、追加的または代替的に、車両３０２にアクセス可能であってよい（たとえば、車両３０２から遠いメモリに格納され、または他の形式で車両３０２によってアクセス可能であってよい）。

【0073】

少なくとも１つの例では、ローカリゼーションコンポーネント３２０は、車両３０２の位置および／または向き（たとえば、ｘ位置、ｙ位置、ｚ位置、ロール、ピッチ、またはヨーのうちの１つまたは複数）を決定するためにデータをセンサシステム３０６から受信する機能を含むことがある。たとえば、ローカリゼーションコンポーネント３２０は、環境のマップを含み、および／または要求／受信することがあり、マップ内の自律車両のロケーションおよび／または向きを継続的に決定することが可能である。いくつかの例では、ローカリゼーションコンポーネント３２０は、自律車両のロケーションを正確に決定するために、ＳＬＡＭ（同時ローカリゼーションおよびマッピング）、ＣＬＡＭＳ（較正、ローカリゼーションおよびマッピング、同時に）、相対ＳＬＡＭ、バンドル調整、非線形最小２乗最適化などを利用して、画像データ、ＬＩＤＡＲデータ、ＲＡＤＡＲデータ、タイムオブフライトデータ、ＩＭＵデータ、ＧＰＳデータ、ホイールエンコーダデータなどを受信することが可能である。いくつかの例では、ローカリゼーションコンポーネント３２０は、本明細書に論じられているように、軌道を生成するため、およびマップデータを取り出すことを決定するためなどに、自律車両の初期位置を決定するために車両３０２の様々なコンポーネントにデータを提供することが可能である。

【0074】

いくつかの例では、パーセプションコンポーネント３２２は、物体の検出、セグメンテーション、および／または分類を行うための機能性を含むことが可能である。いくつかの例では、パーセプションコンポーネント３２２は、車両３０２に近接するエンティティもしくは物体の存在、および／またはエンティティタイプとしてのエンティティの分類（たとえば、乗用車、歩行者、自転車に乗る人、動物、建物、木、路面、縁石、歩道、停止信号、停止標識、車線マーカー、車両ライト、不明など）を示す、処理されたセンサデータを提供することが可能である。追加または代替例では、パーセプションコンポーネント３２２は、検出されたエンティティ（たとえば、追跡された物体）に関連付けられた１つもしくは複数の特性、および／またはエンティティが配置された環境を示す、処理されたセンサデータを提供することが可能である。いくつかの例では、エンティティに関連付けられた特性は、ｘ位置（大域的なおよび／または局所的な位置）、ｙ位置（大域的なおよび／または局所的な位置）、ｚ位置（大域的なおよび／または局所的な位置）、向き（たとえば、ロール、ピッチ、ヨー）、エンティティタイプ（たとえば、分類）、エンティティの速度、エンティティの加速度、エンティティの範囲（サイズ）などを含むことが可能であるが、これらに限定されない。環境に関連付けられた特性は、環境における別のエンティティの存在、環境における別のエンティティの状態、時刻、曜日、季節、気象条件、暗闇／光の表示などを含むことが可能であるが、これらに限定されない。

【0075】

パーセプションコンポーネント３２２が検出を行う例では、パーセプションコンポーネント３２２は、画像内で検出された物体および／または物体の特徴の検出を出力することがある。そのような検出は、検出された物体の２次元バウンディングボックス（後で画像をクロップするために使用され得る）および／またはマスクを含み得る。いくつかの例では、そのような検出は、機械学習手法（たとえば、スケール不変特徴変換（ＳＩＦＴ）、配向勾配のヒストグラム（ＨＯＧ）など）に続いてサポートベクターマシン（ＳＶＭ）を利用して、カメラから受信された画像および／またはセンサシステム３０６のＬＩＤＡＲセンサから受信されたＬＩＤＡＲデータに示された物体を分類することがある。代替的または追加的に、検出は、畳み込みニューラルネットワーク（ＣＮＮ）に基づく深層学習手法を利用して、センサシステム３０６により取り込まれたセンサデータに示された物体を分類することがある。様々な例において、パーセプションコンポーネント３２２は、機械学習手法を利用して、検出されたエンティティが粒子状物質の領域に関連付けられる確率を決定することがある。そのような例では、パーセプションコンポーネントは、プランニングコンポーネント３２４の作動決定コンポーネント３３０に確率を提供して、本明細書に記載されている技術を利用して、行うべき作動を決定することがある。

【0076】

一般に、プランニングコンポーネント３２４は、環境を横断するために車両３０２がたどる経路を決定することがある。たとえば、プランニングコンポーネント３２４は、様々なルートおよび車両軌道ならびに詳細の様々なレベルを決定することがある。たとえば、プランニングコンポーネント３２４は、第１のロケーション（たとえば、現在ロケーション）から第２のロケーション（たとえば、目標ロケーション）に走行するためのルートを決定することがある。この議論のために、ルートは、２つのロケーション間の走行のためのウェイポイントのシーケンスを含むことがある。非限定的な例として、ウェイポイントには、道路、交差点、全地球測位システム（ＧＰＳ）座標などを含み得る。さらに、プランニングコンポーネント３２４は、第１のロケーションから第２のロケーションへのルートの少なくとも部分に沿って自律車両をガイドするための命令を生成することがある。少なくとも１つの例では、プランニングコンポーネント３２４は、ウェイポイントのシーケンスにおける第１のウェイポイントからウェイポイントのシーケンスにおける第２のウェイポイントへ、自律車両をどのようにガイドするかを決定することがある。いくつかの例では、命令は、車両軌道、または軌道の一部分であり得る。いくつかの例では、多数の軌道が、後退ホライズン技術に従って実質的に同時に（たとえば、技術的許容範囲内で）生成されることができ、車両３０２がナビゲートするために、多数の軌道のうちの１つが選択される。

【0077】

様々な例において、プランニングコンポーネント３２４の作動決定コンポーネント３３０は、エンティティが粒子状物質の領域を含む確率など、検出されたエンティティに関連付けられたデータを受信することがある。そのような例では、作動決定コンポーネント３３０は、本明細書に説明されているように、確率に基づいて取って進む車両３０２に対して作動を決定するように構成され得る。作動は、軌道を維持すること、または軌道に関連付けられた走行の速さおよび／または方向を修正することを含むことがある。いくつかの例では、修正は、検出されたエンティティに関連付けられたロケーションより前で車両３０２を遅くして停止させることを含むことがある。たとえば、エンティティが粒子状物質を含む低い確率に基づいて、作動決定コンポーネント３３０は、エンティティと接触する前に車両３０２を停止させることを決定することがある。別の例では、エンティティが粒子状物質を含む高い確率に基づいて、作動決定コンポーネント３３０は、車両作動がそれに関連付けられた軌道を維持することを含むべきと決定することがある。

【0078】

加えて、および上記に論じられたように、作動は、車両３０２を遅くして、エンティティに関連付けられた追加のデータを取り込み、更新された確率を決定することを含むことがある。そのような例では、作動決定コンポーネント３３０は、エンティティが車両３０２からしきい値距離以上離れていると決定することがある。作動決定コンポーネント３３０は、車両３０２に、進む速さを（所定の速さまたは動的に決定された速さまで）遅くさせることがある。パーセプションコンポーネント３２２は、エンティティに関連付けられた追加のデータを収集することがあり、更新された確率を決定することがある。作動決定コンポーネント３３０は、パーセプションコンポーネント３２２から更新された確率を受信することに応答して、車両を停止させる、車線を変更する、または車両３０２が環境内を走行するのに関連付けられた速さに加速するなど、取るべき第２の作動を決定することがある。

【0079】

様々な例において、作動決定コンポーネント３３０は、加速度を決定するように構成され得る。加速度は、車両３０２が環境内を走行することに関連付けられた速さに加速する決定に関連付けられるような正の加速度、または車両を遅くするおよび／もしくは停止する決定に関連付けられるような負の加速度を含み得る。いくつかの例では、加速度は、車両３０２、または環境に関連付けられた１つもしくは複数の因子に基づくような環境などに関連付けられた、予め決定された加速度を含み得る。たとえば、予め決定された加速度は、スクールゾーンでは、３フィート毎秒毎秒に設定されてよく、スクールに関連付けられていないエリアでは、５フィート毎秒毎秒に設定されてよい。

【0080】

様々な例において、作動決定コンポーネント３３０は、環境に関連付けられた１つまたは複数の因子に基づいて、加速度を動的に決定するように構成され得る。上記に論じられたように、因子は、車両３０２の速さ、環境に関連付けられた制限速度、検出された物体の数、環境内で検出された物体のタイプ、天気（たとえば、雨、雪、霧など）、または環境に関連付けられたエリアもしくはゾーン（たとえば、スクールゾーン、住宅エリア、建設ゾーンなど）などを含み得る。様々な例において、決定され加速度は、最大加速度（正または負）を含み得る。少なくとも１つの例では、最大加速度は、最大減速率を含み得る。そのような例では、作動決定コンポーネント３３０は、車両を短距離で停止させるため、および／またはエンティティに関連付けられたロケーションに到達する前にできる限り車両を遅くするために、最大減速率を利用することを決定することがある。

【0081】

様々な例において、作動決定コンポーネント３３０は、車両３０２とエンティティとの間の距離で車両３０２が停止できないと決定することがある。そのような例では、作動決定コンポーネント３３０は、車両３０２に隣接する隣接車線または道路の路肩などのエリアがクリアであるかどうかを決定することがある。隣接エリアがクリアであるという決定に基づいて、作動決定コンポーネント３３０は、車両に軌道を修正させて、隣接エリアの中および／または方向に移動させることがある。様々な例において、作動決定コンポーネント３３０は、横の動き（軌道修正）に関連付けられた横加速度を決定することがある。いくつかの例では、横加速度は、例えば車線を変更することまたは物体を回避することに関連付けられるような、予め決定された横加速度を含み得る。いくつかの例では、作動決定コンポーネント３３０は、横加速度を動的に決定することがある。いくつかの例では、動的に決定された横加速度は、環境に関連付けられた１つまたは複数の特徴に基づくことがある。いくつかの例では、動的に決定された横加速度は、車両３０２とエンティティとの間の距離に基づくことがある。少なくとも１つの例では、横加速度は、距離および車両３０２の速さに基づくことがある。たとえば、エンティティに近接して時速３０マイルで走行している車両は、エンティティが粒子状物質の領域に関連付けられる低い確率に基づいて、エンティティを回避するために隣接車線内へ積極的によけることが必要とされ得る。作動決定コンポーネント３３０の具体的特徴は図３に関連して論じられているが、作動決定コンポーネント３３０は、本明細書に説明されているように、物体またはエンティティが粒子状物質の領域に関連付けられる確率に基づいて作動を決定することに関連付けられた機能のいずれかを実行するように構成され得ることは理解されよう。

【0082】

メモリ３１８は、車両３０２によって、環境内をナビゲートするために、および／または環境における特徴のロケーションを決定するために使用され得る、１つまたは複数のマップ３２８をさらに含むことがある。この議論のために、マップは、限定されないが、トポロジ（交差点など）、街路、山脈、道路、地形、環境全般のような、環境に関する情報を提供できる、２次元、３次元、またはＮ次元でモデル化された任意の数のデータ構造であることが可能である。いくつかの例では、マップは、以下に限定されないが、テクスチャ情報（たとえば、色情報（たとえば、ＲＧＢ色情報、Ｌａｂ色情報、ＨＳＶ／ＨＳＬ色情報）など）、強度情報（たとえば、ＬＩＤＡＲ情報、ＲＡＤＡＲ情報など）、空間情報（たとえば、メッシュ上に投影された画像データ、個々の「サーフェル」（たとえば、個々の色および／または強度に関連付けられたポリゴン））、反射率情報（たとえば、鏡面性情報、再帰反射率情報、ＢＲＤＦ情報、ＢＳＳＲＤＦ情報など）を含むことが可能である。一例では、マップは、環境の３次元メッシュを含むことが可能である。いくつかの例では、マップは、マップの個々のタイルが環境の個別部分を表すように、タイルフォーマットで格納されることが可能であり、必要に応じて作業メモリに読み込まれることが可能である。少なくとも１つの例では、１つまたは複数のマップ３２８は、少なくとも１つのマップ（たとえば、画像および／またはメッシュ）を含むことが可能である。いくつかの例では、車両３０２は、マップ３２８に少なくとも部分的に基づいて制御されることが可能である。すなわち、マップ３２８を、ローカリゼーションコンポーネント３２０、パーセプションコンポーネント３２２、プランニングコンポーネント３２４、および／または作動決定コンポーネント３３０と関連して使用して、車両３０２のロケーションを決定し、環境における物体および／もしくは環境特徴を識別し、ならびに／または環境内をナビゲートするためのルートおよび／もしくは軌道を生成することが可能である。

【0083】

いくつかの例では、１つまたは複数のマップ３２８は、ネットワーク３３４を介してアクセス可能なリモートコンピューティングデバイス（コンピューティングデバイス３３２など）に格納されることが可能である。いくつかの例では、多数のマップ３２８は、たとえば、特性（たとえば、エンティティのタイプ、時刻、曜日、季節など）に基づいて格納されることが可能である。多数のマップ３２８を格納することは、同様のメモリ要件を有するが、マップ内のデータがアクセスされることが可能である速さを増大させることが可能である。いくつかの例では、１つまたは複数のマップ３２８は、環境における個々のロケーションに関連付けられた物体のサイズまたは寸法を格納することが可能である。たとえば、車両３０２が環境を横切るにつれて、車両３０２に近接するエリアを表すマップがメモリに読み込まれるのに伴って、ロケーションに関連付けられた物体の１つまたは複数のサイズまたは寸法もメモリに読み込まれる。

【0084】

少なくとも１つの例では、車両コンピューティングデバイス３０４は、１つまたは複数のシステムコントローラ３２６を含むことができ、これは、車両３０２のステアリング、推進、制動、安全性、エミッタ、通信、および他のシステムを制御するよう構成されることが可能である。システムコントローラ３２６は、ドライブシステム３１４および／または車両３０２の他のコンポーネントの対応するシステムと通信し、および／または対応するシステムを制御することが可能である。

【0085】

理解されることが可能であるように、本明細書で論じられているコンポーネント（たとえば、ローカリゼーションコンポーネント３２０、パーセプションコンポーネント３２２、作動決定コンポーネント３３０を含むプランニングコンポーネント３２４、１つまたは複数のシステムコントローラ３２６、および１つまたは複数のマップ３２８）は、例示のために分割されたものとして説明されている。しかしながら、様々なコンポーネントによって行われる動作は組み合わされてよく、または任意の他のコンポーネントにおいて行われてもよい。

【0086】

少なくとも１つの例では、センサシステム３０６は、ＬＩＤＡＲセンサ、ＲＡＤＡＲセンサ、超音波変換器、ソナーセンサ、ロケーションセンサ（たとえば、ＧＰＳ、コンパスなど）、慣性センサ（たとえば、慣性測定ユニット（ＩＭＵ）、加速度計、磁気計、ジャイロスコープなど）、カメラ（ＲＧＢ、ＩＲ、強度、深度、タイムオブフライトなど）、マイク、ホイールエンコーダ、環境センサ（温度センサ、湿度センサ、光センサ、圧力センサなど）などを含むことが可能である。センサシステム３０６は、これらまたは他のタイプのセンサのそれぞれの多数の実例を含むことが可能である。たとえば、ＬＩＤＡＲセンサは、車両３０２の隅部、前部、後部、側部、および／または上部に位置した個々のＬＩＤＡＲセンサを含むことが可能である。別の例として、カメラセンサは、車両３０２の外部および／または内部の様々なロケーションに配置された多数のカメラを含むことが可能である。いくつかの例では、車両の内部に位置したカメラセンサは、搭乗者が搭乗者室を占有しているかどうか、および／または搭乗者に関連付けられたタイプもしくはクラスの決定のために、パーセプションコンポーネント３２２にセンサデータを提供することがある。そのような例では、作動決定コンポーネント３３０は、選ぶ作動を決定する際、および／または作動に関連付けられた加速度（たとえば、正、負、横）を決定する際に、搭乗者情報を利用することがある。センサシステム３０６は、入力を車両コンピューティングデバイス３０４に提供することが可能である。追加的または代替的に、センサシステム３０６は、特定の頻度、予め決定された一定期間の経過の後、ほぼリアルタイムなどで、センサデータを１つまたは複数のネットワーク３３４を介して１つまたは複数のコンピューティングデバイス３３２に送信することが可能である。

【0087】

車両３０２はまた、上述されたように、光および／または音を放出するための１つまたは複数のエミッタ３０８を含むことが可能である。この例におけるエミッタ３０８は、車両３０２の搭乗者と通信するための内部オーディオおよびビジュアルエミッタを含む。限定ではなく例として、内部エミッタは、スピーカ、ライト、標識、ディスプレイ画面、タッチ画面、触覚エミッタ（たとえば、振動および／または力フィードバック）、機械的アクチュエータ（たとえば、シートベルトテンショナ、シートポジショナ、ヘッドレストポジショナなど）などを含むことが可能である。この例におけるエミッタ３０８は、外部エミッタも含む。限定ではなく例として、この例における外部エミッタは、車両作動の進行の方向または他のインジケータをシグナリングするためのライト（たとえば、インジケータライト、標識、ライトアレイなど）と、歩行者または他の近くの車両と音声で通信するための１つまたは複数のオーディオエミッタ（たとえば、スピーカ、スピーカアレイ、ホーンなど）とを含み、それらのうちの１つまたは複数は音響ビームステアリング技術を含む。

【0088】

車両３０２はまた、車両３０２と１つまたは複数の他のローカルまたはリモートコンピューティングデバイスとの間の通信を可能にする１つまたは複数の通信接続３１０を含むことが可能である。たとえば、通信接続３１０は、車両３０２上の他のローカルコンピューティングデバイスおよび／またはドライブシステム３１４との通信を容易にすることが可能である。また、通信接続３１０は、車両に、他の近くのコンピューティングデバイス（たとえば、他の近くの車両、交通信号など）と通信することを可能にすることが可能である。通信接続３１０はまた、車両３０２に、リモートテレオペレーションコンピューティングデバイスまたは他のリモートサービスと通信できるようにすることが可能である。

【0089】

通信接続３１０は、車両コンピューティングデバイス３０４を別のコンピューティングデバイスまたはネットワーク３３４などのネットワークに接続するための物理および／または論理インターフェースを含むことが可能である。たとえば、通信接続３１０は、ＩＥＥＥ８０２．１１規格によって定義された周波数を介するようなＷｉ－Ｆｉを基にした通信、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの短距離無線周波数、セルラー通信（たとえば、２Ｇ、３Ｇ、４Ｇ、４Ｇ ＬＴＥ、５Ｇ、など）、またはそれぞれのコンピューティングデバイスが他のコンピューティングデバイスとインターフェースすることを可能にする任意の適切な有線または無線通信プロトコルを可能にすることが可能である。

【0090】

少なくとも１つの例では、車両３０２は、１つまたは複数のドライブシステム３１４を含むことが可能である。いくつかの例では、車両３０２は、単一のドライブシステム３１４を有することが可能である。少なくとも１つの例では、車両３０２が多数のドライブシステム３１４を有する場合、個々のドライブシステム３１４は車両３０２の両端部（たとえば、前部および後部など）に配置されることが可能である。少なくとも１つの例では、ドライブシステム３１４は、ドライブシステム３１４および／または車両３０２の周囲の状態を検出するための１つまたは複数のセンサシステムを含むことが可能である。限定ではなく例として、センサシステムは、駆動モジュールのホイールの回転を感知する１つまたは複数のホイールエンコーダ（たとえば、ロータリーエンコーダ）、駆動モジュールの向きおよび加速度を測定する慣性センサ（たとえば、慣性測定ユニット、加速度計、ジャイロスコープ、磁気計など）、カメラまたは他の画像センサ、駆動モジュールの周囲の物体を音響的に検出する超音波センサ、ＬＩＤＡＲセンサ、ＲＡＤＡＲセンサなどを含むことが可能である。ホイールエンコーダなどの一部のセンサはドライブシステム３１４に一意的であることが可能である。場合によっては、ドライブシステム３１４上のセンサシステムは、車両３０２の対応するシステム（たとえば、センサシステム３０６）と重複する、またはそれを補足することが可能である。

【0091】

ドライブシステム３１４は、高電圧バッテリ、車両を推進するモータ、バッテリからの直流を他の車両システムで使用するために交流に変換するインバータ、（電気的であることが可能である）ステアリングモータおよびステアリングラックを含むステアリングシステム、油圧または電気アクチュエータを含む制動システム、油圧および／または空気圧コンポーネントを含むサスペンションシステム、トラクションの損失を軽減し制御を維持するブレーキ力分散のための安定性制御システム、ＨＶＡＣシステム、照明（たとえば、車両の外部環境を照明するヘッド／テールライトなどの照明）、ならびに、１つまたは複数の他のシステム（たとえば、冷却システム、安全システム、オンボード充電システム、他の電気的コンポーネント、たとえば、ＤＣ／ＤＣコンバータ、高電圧接合、高圧電ケーブル、充電システム、充電ポートなど）を含む、車両システムの多くを含むことが可能である。さらに、ドライブシステム３１４は、センサシステムからデータを受信し前処理して様々な車両システムの動作を制御することが可能であるドライブシステムコントローラを含むことが可能である。いくつかの例では、ドライブシステムコントローラは、１つまたは複数のプロセッサ、および１つまたは複数のプロセッサと通信可能に結合されたメモリを含むことが可能である。メモリは、ドライブシステム３１４の様々な機能性を実行するための１つまたは複数のコンポーネントを格納することが可能である。さらに、ドライブシステム３１４は、それぞれのドライブシステムによる１つまたは複数の他のローカルまたはリモートコンピューティングデバイスとの通信を可能にする１つまたは複数の通信接続を含むこともある。

【0092】

少なくとも１つの例では、直接接続３１２は、１つまたは複数のドライブシステム３１４を車両３０２の本体と結合する物理インターフェースを提供することが可能である。たとえば、直接接続３１２は、ドライブシステム３１４と車両との間のエネルギー、流体、空気、データなどの転送を可能にすることが可能である。いくつかの例では、直接接続３１２はさらに、ドライブシステム３１４を車両３０２の本体に解放可能に固定することが可能である。

【0093】

少なくとも１つの例では、ローカリゼーションコンポーネント３２０、パーセプションコンポーネント３２２、プランニングコンポーネント３２４、１つまたは複数のシステムコントローラ３２６、および１つまたは複数のマップ３２８は、上述されたようにセンサデータを処理することがあり、それぞれの出力を、１つまたは複数のネットワーク３３４を介して１つまたは複数のコンピューティングデバイス３３２に送信することがある。少なくとも１つの例では、ローカリゼーションコンポーネント３２０、パーセプションコンポーネント３２２、プランニングコンポーネント３２４、１つまたは複数のシステムコントローラ３２６、および１つまたは複数のマップ３２８は、特定の頻度、予め決定された一定期間の経過の後、ほぼリアルタイムなどで、それぞれの出力をコンピューティングデバイス３３２に送信することがある。

【0094】

いくつかの例では、車両３０２は、ネットワーク３３４を介して１つまたは複数のコンピューティングデバイス３３２にセンサデータを送信することがある。いくつかの例では、車両３０２は、未処理のセンサデータをコンピューティングデバイス３３２に送信することがある。他の例では、車両３０２は、処理されたセンサデータおよび／またはセンサデータの表現をコンピューティングデバイス３３２に送信することがある。いくつかの例では、車両３０２は、特定の頻度、予め決定された一定期間の経過の後、ほぼリアルタイムなどで、センサデータをコンピューティングデバイス３３２に送信することがある。場合によっては、車両３０２は、（未処理または処理された）センサデータを１つまたは複数のログファイルとしてコンピューティングデバイス３３２に送信することがある。

【0095】

コンピューティングデバイス３３２は、プロセッサ３３６と、作動コンポーネント３４０および訓練コンポーネント３４２を格納するメモリ３３８とを含むことがある。作動コンポーネント３４０は、上述されたように、作動決定コンポーネント３３０と同様の機能性を実行するように構成され得る。いくつかの例では、作動コンポーネント３４０は、作動決定コンポーネント３３０により使用するための１つまたは複数の予め決定された加速度（たとえば、正、負、横）を格納することがある。そのような例では、コンピューティングデバイス３３２は、予め決定された加速度を作動コンポーネント３４０から作動決定コンポーネント３３０に送信することがある。

【0096】

いくつかの例では、訓練コンポーネント３４２は、１つまたは複数のモデルを訓練して、物体および／または物体の特徴を検出し、物体および／または物体の特徴を決定（分類または回帰）し、環境における物体の位置を決定するなどの機能性を含むことがある。本明細書に説明されているように、センサデータは、粒子状物質の領域を表すものとして注釈付けまたは表示されることが可能であり、そのように注釈付けまたは表示されたデータは、訓練データとして識別されることが可能である。訓練データは、機械学習モデルに入力でき、機械学習モデルでは、既知の結果（たとえば、既知の「将来」の属性などのグラウンドトゥルース）を使用して、機械学習モデルの重みおよび／またはパラメータを調整してエラーを最小限に抑えることが可能である。

【0097】

いくつかの例では、訓練コンポーネント３４２は、１つまたは複数のモデルによって生成された情報を車両コンピューティングデバイス３０４に伝達して、異なる状況に応じて車両３０２を制御する仕方を改訂することが可能である。

【0098】

たとえば、本明細書で論じられているコンポーネントの一部または全部の態様は、任意のモデル、アルゴリズム、および／または機械学習アルゴリズムを含むことが可能である。たとえば、いくつかの例では、メモリ３３８（および上述されたメモリ３１８）内のコンポーネントは、ニューラルネットワークとして実装されることが可能である。いくつかの例では、訓練コンポーネント３４２は、ニューラルネットワークを利用して、１つまたは複数のモデルを生成および／または実行して、車両３０２の軌道プランニングに使用するための物体軌道推定の様々な面を改善することが可能である。

【0099】

本明細書に説明されているように、例示的なニューラルネットワークは、生物学的に示唆されたアルゴリズムであり、これは、入力データを一連の接続された層に渡して出力を生成する。ニューラルネットワークの各層は、別のニューラルネットワークを含むことも可能であり、または（畳み込みかどうかに関わらず）任意の数の層を含むことが可能である。本開示の文脈で理解されることが可能であるように、ニューラルネットワークは機械学習を利用することが可能であり、これは、学習されたパラメータに基づいて出力が生成されるそのようなアルゴリズムの広範なクラスを指すことが可能である。

【0100】

ニューラルネットワークの文脈で論じられているが、任意のタイプの機械学習が本開示と一致して使用されることが可能である。たとえば、機械学習アルゴリズムは、以下に限定されないが、回帰アルゴリズム（たとえば、通常の最小二乗回帰（ＯＬＳＲ）、線形回帰、ロジスティック回帰、段階的回帰、多変量適応回帰スプライン（ＭＡＲＳ）、局所的推定散布図平滑化（ＬＯＥＳＳ））、インスタンスベースのアルゴリズム（たとえば、リッジ回帰、最小絶対収縮および選択演算子（ＬＡＳＳＯ）、弾性ネット、最小角度回帰（ＬＡＲＳ））、決定木アルゴリズム（たとえば、分類および回帰木（ＣＡＲＴ）、反復二分法３（ＩＤ３）、カイ二乗自動相互作用検出（ＣＨＡＩＤ）、決定切り株、条件付き決定木）、ベイジアンアルゴリズム（たとえば、単純ベイズ、ガウス単純ベイズ、多項単純ベイズ、平均１依存推定器（ＡＯＤＥ）、ベイジアン信念ネットワーク（ＢＮＮ）、ベイジアンネットワーク）、クラスタリングアルゴリズム（たとえば、ｋ平均、ｋ中央値、期待値最大化（ＥＭ）、階層的クラスタリング）、相関ルール学習アルゴリズム（たとえば、パーセプトロン、バックプロパゲーション、ホップフィールドネットワーク、動径基底関数ネットワーク（ＲＢＦＮ））、深層学習アルゴリズム（たとえば、深層ボルツマンマシン（ＤＢＭ）、深層信念ネットワーク（ＤＢＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、スタックオートエンコーダ）、次元削減アルゴリズム（たとえば、主成分分析（ＰＣＡ）、主成分回帰（ＰＣＲ）、部分最小二乗回帰（ＰＬＳＲ）、サモンマッピング、多次元尺度構成法（ＭＤＳ）、射影追跡、線形判別分析（ＬＤＡ）、混合判別分析（ＭＤＡ）、二次判別分析（ＱＤＡ）、柔軟判別分析（ＦＤＡ））、アンサンブルアルゴリズム（たとえば、ブースティング、ブートストラップアグリゲーション（バギング）、アダブースト、スタック一般化（ブレンディング）、勾配ブースティングマシン（ＧＢＭ）、勾配ブースティング回帰木（ＧＢＲＴ）、ランダムフォレスト）、ＳＶＭ（サポートベクターマシン）、教師あり学習、教師なし学習、半教師あり学習などを含むことが可能である。

【0101】

アーキテクチャの追加の例は、ＲｅｓＮｅｔ５０、ＲｅｓＮｅｔ１０１、ＶＧＧ、ＤｅｎｓｅＮｅｔ、ＰｏｉｎｔＮｅｔなどのニューラルネットワークを含む。

【0102】

車両３０２のプロセッサ３１６およびコンピューティングデバイス３３２のプロセッサ３３６は、本明細書に説明されているように、データを処理し動作を行うための命令を実行することが可能な任意の適切なプロセッサであることが可能である。限定ではなく例として、プロセッサ３１６および３３６は、１つまたは複数の中央処理装置（ＣＰＵ）、グラフィック処理装置（ＧＰＵ）、または、電子データを処理してその電子データをレジスタおよび／もしくはメモリに格納されることが可能である他の電子データに変換する任意の他のデバイスもしくはデバイスの一部を含むことがある。いくつかの例では、集積回路（たとえば、ＡＳＩＣなど）、ゲートアレイ（たとえば、ＦＰＧＡなど）、および他のハードウェアデバイスも、それらが符号化された命令を実装するように構成される限り、プロセッサと見なされることが可能である。

【0103】

メモリ３１８および３３８は、非一時的コンピュータ可読媒体の例である。メモリ３１８および３３８は、オペレーティングシステム、ならびに１つまたは複数のソフトウェアプリケーション、命令、プログラム、および／またはデータを格納して、本明細書に記載されている方法および様々なシステムに起因する機能を実装することがある。様々な実装形態において、メモリは、スタティックランダムアクセスメモリ（ＳＲＡＭ）、同期ダイナミックＲＡＭ（ＳＤＲＡＭ）、不揮発性／フラッシュタイプメモリ、または情報を格納できる任意の他のタイプのメモリなど、任意の適切なメモリ技術を用いて実装されることが可能である。本明細書に説明されているアーキテクチャ、システム、および個々の要素は、多くの他の論理的、プログラム的、および物理的なコンポーネントを含むことができ、それらのうち添付図面に示されるものは、本明細書の議論に関係付けられた例にすぎない。

【0104】

図３は分散システムとして示されているが、代替例では、車両３０２のコンポーネントがコンピューティングデバイス３３２に関連付けられてよく、および／またはコンピューティングデバイス３３２のコンポーネントが車両３０２に関連付けられてよいことに留意されたい。すなわち、車両３０２はコンピューティングデバイス３３２に関連付けられた機能の１つまたは複数を実行することができ、逆もまた同様である。

【0105】

図４～図６は、本開示の実施形態による例示的プロセスを示す。これらのプロセスは論理フローグラフとして図示され、これらのそれぞれの動作は、ハードウェア、ソフトウェア、またはそれらの組み合わせで実装され得る一連の動作を表す。ソフトウェアの文脈では、動作は、１つまたは複数のプロセッサによって実行されたとき、列挙された動作を実行する１つまたは複数のコンピュータ可読記録媒体に格納されたコンピュータ実行可能命令を表す。一般に、コンピュータ実行可能命令は、特定の機能を実行し、または特定の抽象的データ型を実装する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。動作が説明される順序は限定として解釈されることは意図されておらず、任意の数の説明された動作が任意の順序でおよび／または並列に組み合わされてプロセスを実装し得る。

【0106】

図４は、検出された物体が粒子状物質の領域に関連付けられる確率に基づいて、車両を制御するための例示的プロセス４００を示す。たとえば、プロセス４００の一部または全部は、本明細書に説明されているように、図３における１つまたは複数のコンポーネントによって実行されることが可能である。たとえば、プロセス４００の一部または全部は、車両コンピューティングデバイス３０４、コンピューティングデバイス３３２、または任意の他のコンピューティングデバイスまたはコンピューティングデバイスの組み合わせによって実行されることが可能である。さらに、例示的プロセス４００に説明されている動作のいずれも、並列で実行されること、プロセス４００に示されたのと異なる順序にされること、省略されること、他のプロセスと組み合わされることなどがあり得る。

【0107】

動作４０２で、プロセスは、環境における物体を検出することを含むことがある。いくつかの例では、車両コンピューティングシステムは、車両の１つまたは複数のセンサからセンサデータを受信することがある。上述されたように、センサデータは、１つもしくは複数のＬＩＤＡＲセンサ、ＲＡＤＡＲセンサ、カメラ、またはタイムオブフライトセンサなどによって取り込まれたデータを含み得る。少なくとも１つの例では、センサデータはＬＩＤＡＲデータを含むことがある。車両コンピューティングシステムは、センサデータを受信し、センサデータに基づいて物体を検出するように構成され得る。車両コンピューティングシステムは、センサデータに基づいて物体を分類する（たとえば、物体のタイプまたは分類を決定する）ようにさらに構成され得る。

【0108】

動作４０４で、プロセスは、物体が粒子状物質の領域に関連付けられる確率を決定することを含むことがある。様々な例において、車両コンピューティングシステムは、粒子状物質の領域としての物体の分類、および分類に関連付けられた信頼度を決定することがある。そのような例では、信頼度は、物体が粒子状物質の領域に関連付けられる確率に対応することがある。いくつかの例では、車両コンピューティングシステムは、検出された物体に関連付けられた分類を決定できないことがある。そのような例では、車両コンピューティングシステムは、物体が粒子状物質の領域に関連付けられる確率を決定することがある。たとえば、車両コンピューティングシステムは、物体が検出された（たとえば、光が表面または分子から反射した）ＬＩＤＡＲデータを受信することがある。車両コンピューティングシステムは、データを処理し得るが、物体の特定の分類として物体を分類できないことがある。そのため、車両コンピューティングシステムは、物体が粒子状物質の領域に関連付けられる確率を決定するように、センサデータを処理することがある。

【0109】

様々な例において、確率は、上述されたような物体に関連付けられた１つまたは複数の特徴に基づいて決定され得る。いくつかの例では、確率は、環境に関連付けられたマップデータに基づいて決定され得る。いくつかの例では、確率は、物体の分類および分類に関連付けられた信頼度を決定するように訓練されるような、機械学習モデルを利用して決定され得る。

【0110】

動作４０６で、プロセスは、確率が第１のしきい値（たとえば、８５％、９０％、９５％など）以上であるかどうかを決定することを含むことがある。いくつかの例では、第１のしきい値は、上限しきい値を含むことができ、それより上では、物体が粒子状物質の領域に関連付けられる確率が高い。上記に論じられたように、本明細書ではしきい値の観点から説明されているが、これは、そのように限定することを意味しない。いくつかの例では意思決定のために固定されたしきい値を設定することがあるが、本明細書でのしきい値の説明は、そのようなしきい値の付近でコストに対する最適化に基づいて２つの結果の間で遷移が生じるように設定されたコスト式を参照してもよいことを理解されたい。様々な例において、ハード制約（たとえば、決定に対する固定されたしきい値）の組み合わせ、およびコスト最適化での遷移を表すしきい値が企図される。

【0111】

確率が第１のしきい値以上であるという決定（動作４０６で「はい」）に基づいて、プロセスは、動作４０８で、第１の作動に従って車両を制御することを含むことがある。いくつかの例では、第１の作動は、環境内を通る走行に関連付けられた軌道を車両に維持させることを含むことがある。そのような例では、物体が粒子状物質の領域に関連付けられる確率が高いという決定に基づいて、車両は、環境内を走行しながら物体を通過して（または通り抜けて）進行することがある。いくつかの例では、第１の作動は、車両に関連付けられた速さを遅くすることを含むことがある。そのような例では、車両コンピューティングシステムは、粒子状物質の領域を通って通過および／または走行するように、車両を予め決定されたまたは動的に決定された速さにまで遅くさせることがある。そのような例では、車両コンピューティングシステムは、粒子状物質に関連付けられた物体の背後に位置した別の物体に対して安全に反応するように、および／またはその物体を回避してナビゲートするように構成され得る。いくつかの例では、第１の作動は、追加的または代替的に、物体を回避するために、車線内の位置を修正すること、または車線変更を行うことを含むことがある。そのような例では、物体が粒子状物質の領域に関連付けられる高い確率に関わらず、車両コンピューティングシステムは、運用安全性を最大限にすることなどのために、車両に物体を回避させるようナビゲートさせることがある。

【0112】

確率が第１のしきい値以上でないという決定（動作４０６で「いいえ」）に基づいて、プロセスは、動作４１０で、確率が第２のしきい値（たとえば、５５％、６０％、７０％など）以上であるかどうかを決定することを含むことがある。いくつかの例では、第２のしきい値は、物体が粒子状物質の領域に関連付けられる中程度の確率に関連付けられ得る。

【0113】

確率が第２のしきい値以上であるという決定（動作４１０で「はい」）に基づいて、プロセスは、動作４１２で、第２の作動に従って車両を制御することを含むことがある。第２の作動は、車両に関連付けられた軌道を修正することを含むことがある。上記に論じられたように、第２の作動は、車両の速さを遅くするように軌道を修正することを含むことがある。修正された速さは、予め決定された速さ、または、環境に関連付けられた１つまたは複数の因子に基づくなどして、車両コンピューティングシステムによって動的に決定された速さを含み得る。様々な例において、車両と物体との間の距離に基づいて、修正された速さは、車両コンピューティングシステムのために、追加のデータを取り込み、物体に関連付けられた更新された確率を決定する機会を提供することがある。車両は、更新されたデータに基づいて、行うべき作動（たとえば、第１の作動、第２の作動、または第３の作動）を決定することがある。

【0114】

様々な例において、第２の作動は、車両を横に移動させるように軌道を修正することを含むことがある。そのような例では、車両コンピューティングシステムは、上述されたような第２の作動に関連付けられた横加速度を決定することがある。

【0115】

確率が第２のしきい値以上でないという決定（動作４１０で「いいえ」）に基づいて、プロセッサは、動作４１４で、第３の作動に従って車両を制御することを含むことがある。いくつかの例では、第３の作動は、車両を停止させるように車両の軌道を修正することを含むことがある。いくつかの例では、車両コンピューティングシステムは、第３の作動に関連付けられた減速率を決定することがある。そのような例では、減速率は、上述されたような予め決定されたレートまたは動的に決定されレートを含むことがある。いくつかの例では、減速率は、車両が占有されているという決定、および／または車両を占有している搭乗者のタイプもしくは分類に基づくことがある。

【0116】

いくつかの例では、物体に関連付けられたロケーションより前に車両が停止することができないという決定に基づくなどして、第３の作動は、隣接車線または路肩などへ横に移動するように車両の軌道を修正することを含むことがある。上記に論じられたように、車両コンピューティングシステムは、車両が横に移動して入るエリアは物体が無くてクリアであると決定することがある。様々な例において、車両コンピューティングシステムは、第３の作動に関連付けられた横加速度を決定することがある。横加速度は、環境、または車両と物体との間の距離などに関連付けられた因子に基づくことがある。

【0117】

図５は、物体に関する追加のデータを収集して、物体が粒子状物質の領域に関連付けられるかどうかを決定するために、車両を遅くするための例示的プロセス５００を示す。たとえば、プロセス５００の一部または全部は、本明細書に説明されているように、図３における１つまたは複数のコンポーネントによって実行されることが可能である。たとえば、プロセス５００の一部または全部は、車両コンピューティングデバイス３０４、コンピューティングデバイス３３２、または任意の他のコンピューティングデバイスまたはコンピューティングデバイスの組み合わせによって実行されることが可能である。さらに、例示的プロセス５００に説明されている動作のいずれも、並列で実行されること、プロセス５００に示されたのと異なる順序にされること、省略されること、他のプロセスと組み合わされることなどがあり得る。

【0118】

動作５０２で、プロセスは、車両のセンサからのセンサデータに少なくとも部分的に基づいて、環境における物体を検出することを含むことがある。上述されたように、センサデータは、１つもしくは複数のＬＩＤＡＲセンサ、ＲＡＤＡＲセンサ、カメラ、またはタイムオブフライトセンサなどによって取り込まれたデータを含み得る。少なくとも１つの例では、センサデータはＬＩＤＡＲデータを含むことがある。車両コンピューティングシステムは、センサデータを受信し、センサデータに基づいて物体を検出するように構成され得る。車両コンピューティングシステムは、センサデータに基づいて物体を分類する（たとえば、物体のタイプまたは分類を決定する）ようにさらに構成され得る。

【0119】

動作５０４で、プロセスは、車両と物体との間の距離を決定することを含むことがある。いくつかの例では、距離は、車両に関連付けられたロケーションと物体に関連付けられたロケーションとの間の距離を含むことがある。

【0120】

動作５０６で、プロセスは、距離がしきい値距離（たとえば、１００フィート、１００メートルなど）以上であるかどうかを決定することを含むことがある、しきい値距離は、物体が粒子状物質の領域に関連付けられる正確な確率を保証するために、物体に関する追加のデータを車両が収集することを可能にするのに十分な距離を表すことがある。

【0121】

距離が第３のしきい値距離以上ではないという決定（動作５０６で「いいえ」）に基づいて、プロセスは、動作５０８で、物体が粒子状物質の領域に関連付けられる確率を決定することを含むことがある。様々な例において、車両コンピューティングシステムは、粒子状物質の領域としての物体の分類、および分類に関連付けられた信頼度を決定することがある。そのような例では、信頼度は、物体が粒子状物質の領域に関連付けられる確率に対応することがある。いくつかの例では、車両コンピューティングシステムは、検出された物体に関連付けられた分類を決定できないことがある。そのような例では、車両コンピューティングシステムは、物体が粒子状物質の領域に関連付けられる確率を決定することがある。たとえば、車両コンピューティングシステムは、物体が検出された（たとえば、光が表面または分子から反射した）ＬＩＤＡＲデータを受信することがある。車両コンピューティングシステムは、データを処理し得るが、物体の特定の分類として物体を分類できないことがある。そのため、車両コンピューティングシステムは、物体が粒子状物質の領域に関連付けられる確率を決定するように、センサデータを処理することがある。

【0122】

様々な例において、確率は、上述されたような物体に関連付けられた１つまたは複数の特徴に基づいて決定され得る。いくつかの例では、確率は、環境に関連付けられたマップデータに基づいて決定され得る。いくつかの例では、確率は、物体の分類および分類に関連付けられた信頼度を決定するように訓練されるような、機械学習モデルを利用して決定され得る。

【0123】

動作５１０で、プロセスは、確率に少なくとも部分的に基づいて車両を制御することを含むことがある。様々な例において、車両コンピューティングシステムは、上述された任意の作動に従って車両を制御することがある。

【0124】

距離がしきい値距離以上であるという決定（動作５０６で「はい」）に基づいて、プロセスは、動作５１２で、物体が粒子状物質の領域に関連付けられる初期確率を決定することを含むことがある。初期確率は、動作５０８に関連して上述されたように決定され得る。たとえば、初期確率は、物体に関連付けられた１つもしくは複数の特徴、マップデータ、および／または機械学習の利用に基づいて決定され得る。

【0125】

動作５１４で、プロセスは、初期確率が第１のしきい値（たとえば、９５％、９８％など）以下であるかどうかを決定することを含むことがある。様々な例において、第１のしきい値は、それを上回ると、物体が粒子状物質の領域に関連付けられる高い確率を有している確率を含むことがある。

【0126】

初期確率が第１のしきい値を上回るという決定（動作５１４で「いいえ」）に基づいて、プロセスは、動作５１６で、車両に関連付けられた軌道を維持することを含むことがある。軌道は、車両が第１のロケーションから第２のロケーションまたは目的地などへの経路に沿うなどして、環境内を走行するための、車両コンピューティングシステムのプランニングコンポーネントにより決定される初期軌道を含むことがある。

【0127】

初期確率が第１のしきい値以下であるという決定（動作５１４で「はい」）に基づいて、プロセスは、動作５１８で、追加のセンサデータを取り込むために車両を遅くさせることを含むことがある。いくつかの例では、車両コンピューティングシステムは、車両の軌道を予め決定された速さ（たとえば、時速１０マイル、時速１５キロメートルなど）に修正することがある。いくつかの例では、車両コンピューティングシステムは、修正された軌道に関連付けられた速さを動的に決定することがある。そのような例では、速さは、上述されたような環境における１つまたは複数の因子に基づいて決定され得る。

【0128】

動作５２０で、プロセスは、追加のセンサデータに少なくとも部分的に基づいて、更新された確率を決定することを含むことがある。様々な例において、車両コンピューティングシステムは、追加のセンサデータを処理して、動作５０８および／または動作５１２に関して上述された技術を利用して、更新された確率を決定することがある。

【0129】

動作５２２で、プロセスは、更新された確率に少なくとも部分的に基づいて車両を制御することを含むことがある。様々な例において、更新された確率が第１のしきい値確率以上であるという決定に基づいて、車両コンピューティングシステムは、目的地に向かって進行するために更新された軌道へ車両を加速させることがある。更新された軌道は、初期軌道または異なる速さに関連付けられているような、初期の速さを含むことがある。様々な例において、更新された確率が第１のしきい値確率以下、かつ／または第２のしきい値確率以上であるという決定に基づいて、車両コンピューティングシステムは、動作５１６に関連して上述されたような、修正された軌道に関連付けられた低速度を維持することを決定することがある。

【0130】

様々な例において、更新された確率が第１のしきい値確率以下かつ／または第２のしきい値確率以上であるという決定に基づいて、車両コンピューティングシステムは、隣接車線や路肩などのような隣接エリア内へ車両を移動させるように車両軌道を修正することを決定することがある。そのような例では、上記に論じられたように、車両コンピューティングシステムは、車両を横に移動させる前に隣接エリアは他の物体が無くてクリアであることを決定することがある。いくつかの例では、車両コンピューティングシステムは、横の動きに関連付けられた横加速度を決定することがある。

【0131】

様々な例において、確率が第２のしきい値確率以下であるという決定に基づいて、車両コンピューティングシステムは、車両を停止させることがある。いくつかの例では、車両コンピューティングシステムは、物体に関連付けられたロケーションより前に車両を停止させることに関連付けられた減速率、ブレーキ圧、エンジン制動、またはダウンシフトなどを決定することがある。上記に論じられたように、減速率は、環境に関連付けられた１つもしくは複数の因子および／または物体と車両との間の距離に基づいて、車両コンピューティングシステムによって、予め決定されまたは動的に決定され得る。

【0132】

様々な例において、物体に関連付けられたロケーションより前に車両が停止することができないという決定に基づいて、車両コンピューティングシステムは、車両に追加的または代替的に位置を横に調整させて物体を回避させることがある。そのような例では、車両コンピューティングシステムは、物体を回避するために必要な横加速度を決定することがある。横加速度は、車両と物体との間の距離、および／または例えば車速など環境に関連付けられた因子に基づくことがある。車両コンピューティングシステムは、車両に関連付けられた軌道（または複数の軌道）を修正して、環境内で動作する車両および物体の安全を最大限にするように構成され得る。

【0133】

図６は、粒子状物質の領域に関連付けられていない可能性が高い（たとえば、低い確率）物体を回避するように車両を制御するための例示的プロセス６００を示す。たとえば、プロセス６００の一部または全部は、本明細書に説明されているように、図３における１つまたは複数のコンポーネントによって実行されることが可能である。たとえば、プロセス６００の一部または全部は、車両コンピューティングデバイス３０４、コンピューティングデバイス３３２、または任意の他のコンピューティングデバイスまたはコンピューティングデバイスの組み合わせによって実行されることが可能である。さらに、例示的プロセス６００に説明されている動作のいずれも、並列で実行されること、プロセス６００に示されたのと異なる順序にされること、省略されること、他のプロセスと組み合わされることなどがあり得る。

【0134】

動作６０２で、プロセスは、車両のセンサからのセンサデータに少なくとも部分的に基づいて、環境における物体を検出することを含むことがある。上述されたように、センサデータは、１つもしくは複数のＬＩＤＡＲセンサ、ＲＡＤＡＲセンサ、カメラ、またはタイムオブフライトセンサなどによって取り込まれたデータを含み得る。少なくとも１つの例では、センサデータはＬＩＤＡＲデータを含むことがある。車両コンピューティングシステムは、センサデータを受信し、センサデータに基づいて物体を検出するように構成され得る。車両コンピューティングシステムは、センサデータに基づいて物体を分類する（たとえば、物体のタイプまたは分類を決定する）ようにさらに構成され得る。

【0135】

動作６０４で、プロセスは、物体が粒子状物質の領域に関連付けられる確率がしきい値確率を下回ることを決定することを含むことがある。上述されたように、確率は、上述されたような物体に関連付けられた１つまたは複数の特徴に基づいて決定され得る。いくつかの例では、確率は、環境に関連付けられたマップデータに基づいて決定され得る。いくつかの例では、確率は、物体の分類および分類に関連付けられた信頼度を決定するように訓練されるような、機械学習モデルを利用して決定され得る。様々な例において、しきい値確率（たとえば、５０％、４０％など）は、物体が粒子状物質の領域に関連付けられる低い確率に関連付けられ得る。

【0136】

動作６０６で、プロセスは、車両の第１の作動に関連付けられた第１のコストを決定することを含むことがある。上記に論じられたように、第１のコストは、第１の作動に関連付けられた安全コスト、進行コスト、快適コスト、および運用ルールコストのうちの１つまたは複数を含むことがある。様々な例において、第１の作動は、物体に関連付けられたロケーションより前に、車両を遅くさせ、および／または停止させることを含むことがある。いくつかの例では、第１のコストは、車両が停止するおよび／または遅くなることに関連付けられた減速率（負の加速度）に少なくとも部分的に基づくことがある。様々な例において、減速率は、予め決定されたレートを含むことがある。いくつかの例では、予め決定されたレートは、車両に関連付けられた速さに基づくことがある。そのような例では、車両コンピューティングシステムは、初期軌道に関連付けられた速さを決定することができ、速さに基づいて減速率を決定することがある。たとえば、車両コンピューティングシステムは、異なる車速に関連付けられた予め決定された減速率のテーブルを格納していることがある。いくつかの例では、減速率は、最大減速率を含み得る。いくつかの例では、最大減速率は、ブレーキに加えられることが可能な最大量の圧力、最大ダウンシフト、またはエンジン制動限界などを含み得る。

【0137】

動作６０８で、プロセスは、車両の第２の作動に関連付けられた第２のコストを決定することを含むことがある。上記に論じられたように、第２のコストは、第２の作動に関連付けられた安全コスト、進行コスト、快適コスト、および運用ルールコストのうちの１つまたは複数を含むことがある。様々な例において、第２の作動は、車両に位置を横に調整させて、物体を回避させるようにナビゲートさせることを含むことができ、たとえば、物体を回避するようにナビゲートするために、車線における位置の調整、車線の部分的な変更、および／または車線の完全な変更をする。様々な例において、第２のコストは、第２の作動に関連付けられた横加速度および／または水平加速度に関連付けられ得る。

【0138】

様々な例において、第２のコストは、横のエリアが物体無しでクリアであるかどうかの決定に基づくことがある。そのような例では、車両コンピューティングシステムは、車両の１つまたは複数のセンサから受信されたセンサデータを処理して、横のエリアがクリアであるかどうかを決定することがある。いくつかの例では、横のエリアは、車両が合法的に進入し得る、車両に隣接したエリアを含むことがある。たとえば、横のエリアは、隣接車線または路肩などを含むことがある。

【0139】

動作６１０で、プロセスは、第１のコストは第２のコストよりも低いかどうかを決定することを含むことがある。

【0140】

第１のコストは第２のコストよりも低いという決定（動作６１０で「はい」）に基づいて、プロセスは、動作６１２で、第１の作動に従って車両を制御することを含むことがある。

【0141】

第１のコストは第２のコストよりも高いという決定（動作６１０で「いいえ」）に基づいて、プロセスは、動作６１４で、第２の作動に従って車両を制御することを含むことがある。
例示的な箇条
Ａ：１つまたは複数のプロセッサと、１つまたは複数のプロセッサによって実行可能な命令を格納する１つまたは複数のコンピュータ可読媒体とを備えるシステムであって、命令は、実行されると、システムに、自律車両におけるセンサを使用して環境のセンサデータを取り込むことと、センサデータが環境における物体を表していることを決定することと、物体が粒子状物質の領域を含む確率を決定することと、確率がしきい値確率以上であるという第１の決定に基づいて、第１の軌道に従って自律車両を制御すること、または確率がしきい値確率よりも低いという第２の決定に基づいて、第２の軌道に従って自律車両を制御することのうちの少なくとも１つを実行することとを含む動作を実行させる、システム。

【0142】

Ｂ：第１の軌道は、自律車両の速度を維持することを含み、第２の軌道は、自律車両の速度を遅くすること、物体に関連付けられたロケーションより前に自律車両を停止すること、または自律車両の横の位置を調整して物体を回避すること、のうちの少なくとも１つを含む、段落Ａに記載のシステム。

【0143】

Ｃ：自律車両は、第２の軌道に従って制御され、第２の軌道は、第１の軌道に関連付けられた第１の速さよりも遅い第２の速さを含み、動作は、環境における物体を表す追加のセンサデータを取り込むことと、追加のセンサデータに少なくとも部分的に基づいて、物体が粒子状物質の領域を含む更新された確率を決定することと、更新された確率に少なくとも部分的に基づいて、第３の軌道に従って自律車両を制御することであって、第３の軌道は、第２の速さよりも速い第３の速さを含む、制御することとをさらに含む、段落ＡまたはＢに記載のシステム。

【0144】

Ｄ：動作は、自律車両と物体に関連付けられたロケーションとの間の距離を決定することと、物体に関連付けられたロケーションの前に自律車両を停止するための減速率を決定することとをさらに含み、第２の軌道に従って自律車両を制御することは、減速率に基づき自律車両を制御することを含む、段落Ａ乃至Ｃのいずれか一項に記載システム。

【0145】

Ｅ：自律車両は、第２の軌道に従って制御され、動作は、自律車両に隣接するエリアが他の物体によって占有されていないことを決定することと、エリア内への自律車両の動きに関連付けられた横加速度を決定することとをさらに含み、第２の軌道は、横加速度を含む、段落Ａ乃至Ｄのいずれか一項に記載システム。

【0146】

Ｆ：環境におけるセンサにより取り込まれたセンサデータを受信することと、センサデータが環境における物体を表していることを決定することと、機械学習技術を利用して、物体が粒子状物質の領域を含む確率を決定することと、確率に少なくとも部分的に基づいて車両を制御することとを含むコンピュータ実装方法。

【0147】

Ｇ：車両を制御することは、確率が、物体が粒子状物質の領域に関連付けられる第１の確率に関連付けられることを決定し、物体に関連付けられたロケーションより前に車両を停止すること、確率が、物体が粒子状物質の領域に関連付けられる第２の確率に関連付けられることを決定し、車両の速度を遅くすることであって、第２の確率は第１の確率よりも高い、こと、または確率が、物体が粒子状物質の領域に関連付けられる第３の確率に関連付けられることを決定し、車両の速度を維持することであって、第３の確率は第２の確率よりも高い、こと、のうちの少なくとも１つを含む、段落Ｆに記載のコンピュータ実装方法。

【0148】

Ｈ：車両と物体に関連付けられたロケーションとの間の距離を決定することと、距離がしきい値距離よりも長いことを決定することとをさらに含み、車両を制御することは、車両を遅くして、物体に関連付けられた追加のセンサデータを取り込むことを含む、段落ＦまたはＧに記載のコンピュータ実装方法。

【0149】

Ｉ：追加のセンサデータに少なくとも部分的に基づいて、更新された確率を決定することと、更新された確率に少なくとも部分的に基づいて、車両の速さを増大させることとをさらに含む、段落Ｆ乃至Ｈのいずれか一項に記載のコンピュータ実装方法。

【0150】

Ｊ：確率がしきい値確率よりも低いことを決定することと、車両と物体に関連付けられたロケーションとの間の距離を決定することと、距離に少なくとも部分的に基づいて、減速率を決定することとをさらに含み、車両を制御することは、減速率で車両を遅くすることを含む、段落Ｆ乃至Ｉのいずれか一項に記載のコンピュータ実装方法。

【0151】

Ｋ：確率がしきい値確率よりも低いことを決定することと、車両が搭乗者によって占有されていることを決定することと、搭乗者に少なくとも部分的に基づいて、減速率を決定することとをさらに含み、車両を制御することは、減速率で車両を遅くすることを含む、段落Ｆ乃至Ｊのいずれか一項に記載のコンピュータ実装方法。

【0152】

Ｌ：車両を制御することは、確率に少なくとも部分的に基づいて車両が行う第１の作動を決定することと、確率に少なくとも部分的に基づいて車両が行う第２の作動を決定することと、第１の作動に関連付けられた第１のコスト、および第２の作動に関連付けられた第２のコストを決定することと、第１の作動に関連付けられた第１のコストが第２の作動に関連付けられた第２のコストよりも低いことを決定することと、第１のコストが第２のコストよりも低いことに少なくとも部分的に基づいて、車両に第１の作動を行わせることとを含む、段落Ｆ乃至Ｋのいずれか一項に記載のコンピュータ実装方法。

【0153】

Ｍ：第１の作動または第２の作動のうちの少なくとも１つは、車両の軌道を維持すること、車両の速さを、予め決定された速さに減らすこと、車両の速さを、動的に決定された速さに減らすこと、物体に関連付けられたロケーションより前に車両を停止すること、または車両の横の位置を調整して物体を回避すること、のうちの少なくとも１つを含む、段落Ｆ乃至Ｌのいずれか一項に記載のコンピュータ実装方法。

【0154】

Ｎ：確率がしきい値確率よりも低いことを決定することと、車両と物体に関連付けられたロケーションとの間の第１の距離を決定することと、減速率で車両が停止する第２の距離を決定することと、第２の距離が第１の距離を超えることを決定することとをさらに含み、車両を制御することは、車両の横の位置を調整して物体を回避することを含む、段落Ｆ乃至Ｍのいずれか一項に記載のコンピュータ実装方法。

【0155】

Ｏ：プロセッサと、命令を格納する非一時的コンピュータ可読媒体とを備えるシステムまたはデバイスであって、命令は、実行されると、段落Ｆ乃至Ｎのいずれか一項に記載のコンピュータ実装方法をプロセッサに実行させる、システムまたはデバイス。

【0156】

Ｐ：処理するための手段と、処理するための手段に結合された格納するための手段とを備えるシステムまたはデバイスであって、格納するための手段は、段落Ｆ乃至Ｎのいずれか一項に記載のコンピュータ実装方法を実行するように１つまたは複数のデバイスを構成するための命令を含む、システムまたはデバイス。

【0157】

Ｑ：命令を格納する１つまたは複数のコンピュータ可読媒体であって、命令は、１つまたは複数のプロセッサによって実行されると、環境におけるセンサにより取り込まれたセンサデータを受信することと、センサデータが環境における物体を表していることを決定することと、物体が粒子状物質の領域を含む確率を決定することであって、確率は、物体に関連付けられたサイズ、形状、軌跡、またはロケーションのうちの少なくとも１つに少なくとも部分的に基づいて決定される、決定することと、確率に少なくとも部分的に基づいて車両を制御することと、を含む動作を実行する、１つまたは複数のコンピュータ可読媒体。

【0158】

Ｒ：車両を制御することは、車両に関連付けられた軌道を維持することを含む、段落Ｑに記載の１つまたは複数のコンピュータ可読媒体。

【0159】

Ｓ：車両を制御することは、車両に関連付けられた軌道を修正することを含み、車両に関連付けられた軌道を修正することは、車両の速さを、予め決定された速さに減らすこと、車両を停止すること、または車両の横の位置を調整して物体を回避すること、のうちの少なくとも１つを含む、段落ＱまたはＲに記載の１つまたは複数のコンピュータ可読媒体。

【0160】

Ｔ：動作は、車両と物体に関連付けられたロケーションとの間の距離がしきい値距離を上回ることを決定することであって、車両を制御することは、車両を第１の速さで走行させることを含む、決定することと、環境における物体を表す追加のセンサデータを取り込むことと、追加のセンサデータに少なくとも部分的に基づいて、物体が粒子状物質の領域を含む更新された確率を決定することと、更新された確率に少なくとも部分的に基づいて、車両を第２の速さまで加速させることであって、第２の速さは第１の速さよりも速い、加速させることとをさらに含む、段落Ｑ乃至Ｓのいずれか一項に記載の１つまたは複数のコンピュータ可読媒体。

【0161】

Ｕ：動作は、確率に少なくとも部分的に基づいて車両が行う第１の作動を決定することと、確率に少なくとも部分的に基づいて車両が行う第２の作動を決定することと、第１の作動に関連付けられた第１のコスト、および第２の作動に関連付けられた第２のコストを決定することと、第１の作動に関連付けられた第１のコストが第２の作動に関連付けられた第２のコストよりも低いことを決定することと、第１のコストが第２のコストよりも低いことに少なくとも部分的に基づいて、車両に第１の作動を行わせることとをさらに含む、段落Ｑ乃至Ｔのいずれか一項に記載の１つまたは複数のコンピュータ可読媒体。

【0162】

Ｖ：第１の作動または第２の作動の少なくとも一方は、車両の軌道を維持すること、車両の速さを、予め決定された速さに減らすこと、車両の速さを、動的に決定された速さに減らすこと、物体に関連付けられたロケーションより前に車両を停止すること、または車両の横の位置を調整して物体を回避すること、のうちの少なくとも１つを含む、段落Ｑ乃至Ｕのいずれか一項に記載の１つまたは複数のコンピュータ可読媒体。

【0163】

上記に記載された例示的な条項は１つの特定の実装に関して説明されているが、本明細書の文脈において、例示的な条項の内容は、方法、デバイス、システム、コンピュータ可読媒体、および／または別の実装を介して実装されることが可能であることを理解されたい。さらに、例示的なＡ～Ｖのいずれも、単独で、または例Ａ～Ｖの他の１つもしくは複数と組み合わせて実装され得る。
結語
本明細書に記載された技術の１つまたは複数の例について説明されたが、それらの様々な改変、追加、置換、および均等物は、本明細書で説明される技法の範囲内に含まれる。

【0164】

例の説明において、本出願の一部を形成する添付の図面への参照が行われ、これは、例示として、請求される主題の特定の例を示す。他の例が使用されることが可能であり、構造的変更などの変更または改変が行われることが可能であることを理解されたい。そのような例、変更、または改変は、意図されて請求される主題に関する範囲から必ずしも逸脱しない。本明細書では、個々の例が特定の特徴またはコンポーネントを有するように説明されているが、個々の例の特徴およびコンポーネントは組み合わされて一緒に使用されることが可能である。本明細書での動作は特定の順序で提示されることが可能であるが、場合によっては、説明されているシステムおよび方法の機能を変更することなく、特定の入力が異なる時間または異なる順序で提供されるように順序が変更されることが可能である。開示された手順も、異なる順序で実行されることが可能であるだろう。さらに、本明細書における様々な計算は、開示された順序で行われる必要はなく、計算の代替順序を使用する他の例が容易に実装されることが可能であるだろう。並べ替えに加えて、計算は、同じ結果を有するサブ計算に分解されることも可能であるだろう。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】