(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2022-01-13
(54)【発明の名称】応答性のある車両制御
(51)【国際特許分類】
B60W 30/10 20060101AFI20220105BHJP
G08G 1/16 20060101ALI20220105BHJP
B60W 60/00 20200101ALI20220105BHJP
【ＦＩ】
B60W30/10
G08G1/16 C
B60W60/00
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2021520908
(86)(22)【出願日】2019-10-15
(85)【翻訳文提出日】2021-06-10
(86)【国際出願番号】 US2019056331
(87)【国際公開番号】W WO2020081565
(87)【国際公開日】2020-04-23
(31)【優先権主張番号】16/160,594
(32)【優先日】2018-10-15
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【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】特許業務法人 谷・阿部特許事務所
(72)【発明者】
【氏名】アビシェク クリシュナ アケラ
(72)【発明者】
【氏名】ジャネク フデチェク
【テーマコード（参考）】
3D241
5H181
【Ｆターム（参考）】
3D241BA11
3D241BC01
3D241CC01
3D241CC08
3D241CD12
3D241CE04
3D241CE05
3D241DB01Z
3D241DB05Z
3D241DB20Z
3D241DC25Z
3D241DC30Z
3D241DC31Z
3D241DC33Z
3D241DC39Z
3D241DC50Z
3D241DC53Z
3D241DC54Z
5H181AA01
5H181AA05
5H181AA07
5H181AA21
5H181CC03
5H181CC04
5H181CC11
5H181CC12
5H181CC14
5H181FF04
5H181FF05
5H181LL04
5H181LL09
(57)【要約】
自律走行車などの車両を制御するために加速度判断が説明される。ある例示において、車両の環境におけるオブジェクトが識別されて、それぞれのオブジェクトが車両の移動に影響を与えることとなる確率が判断される。それぞれのオブジェクトに応答するために個々の加速度は、また判断されることができる。加速度ごとの重み付け係数は、また、確率に基づいて判断されることができる。制御加速度は、重み付け係数および加速度に基づいて判断されることができる。
【特許請求の範囲】
【請求項1】
車両であって、センサーと、
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された場合に、
環境を通じて前記車両の計画された経路を判断することと、
前記計画された経路に沿った前記車両の第１の加速度を判断することと、
前記センサーからセンサーデータを受信することであって、前記センサーデータは、前記環境におけるオブジェクトについての情報を含むことと、
少なくとも部分的に前記センサーデータに基づいて、前記オブジェクトが前記計画された経路に沿った前記車両の移動に影響を与えることとなる確率が閾値確率を満たすか、またはそれを超えると判断することと、
前記計画された経路に沿った前記車両の第２の加速度を判断することであって、前記第２の加速度は、前記計画された経路に沿った前記車両の移動に影響を与える前記オブジェクトに応答性のある前記車両の加速度であることと、
少なくとも前記第１の加速度および前記第２の加速度に基づいて、前記計画された経路に沿った前記車両の第３の加速度を判断することであって、前記第３の加速度は、前記第１の加速度および前記第２の加速度とは異なることと、
前記第３の加速に従って、前記計画された経路に沿って加速するよう前記車両を制御することと
を前記車両が行うように構成するプロセッサ実行可能命令を格納するメモリと
を備える車両。
【請求項2】
前記命令は、前記第１の加速度に関連付けられる第１の重み付け係数を判断することと、
前記第２の加速度に関連付けられる第２の重み付け係数を判断することとを、前記１つまたは複数のプロセッサが行うように構成し、
前記第３の加速度を判断することは、少なくとも部分的に、前記第１の重み付け係数および前記第２の重み付け係数にさらに基づいており、
前記第２の重み付け係数は、少なくとも部分的に、前記オブジェクトの前記確率または分類に基づいている、
請求項１に記載の車両。
【請求項3】
前記第１の重み付け係数は、固定の重み付け係数であり、前記第２の重み付け係数は、前記確率の関数である、請求項２に記載の車両。
【請求項4】
前記閾値確率は、第１の閾値であり、前記命令は、前記１つまたは複数のプロセッサによって実行された場合に、前記確率が前記第１の閾値を満たすか、またはそれを超えると判断することと、
前記確率が第２の閾値に等しいか、またはそれより低く、前記第１の閾値より高いと判断することとを前記車両が行うようにさらに構成する、
請求項１ないし３のいずれか一項に記載の車両。
【請求項5】
前記命令は、前記１つまたは複数のプロセッサによって実行された場合に、前記確率が前記第１の閾値より低いと判断することに応答して、第１の加速度で前記計画された経路に沿って加速するよう前記車両を制御すること、または
前記確率が前記第２の閾値を上まわると判断することに応答して、前記第２の加速で前記計画された経路に沿って加速するよう前記車両を制御することのうちの少なくとも１つを前記車両が行うようにさらに構成する、
請求項４に記載の車両。
【請求項6】
前記第１の重み付けは、前記計画された経路が配置される道路に関連付けられる制限速度、前記計画された経路における第２のオブジェクトの速度、前記第２のオブジェクトの加速度、または前記第２のオブジェクトと前記車両との間の距離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いる、請求項２ないし５のいずれか一項に記載の車両。
【請求項7】
前記オブジェクトは、第１のオブジェクトであり、前記確率は、第１の確率であり、前記命令は、１つまたは複数のプロセッサによって実行された場合に、前記環境における第２のオブジェクトを識別することと、
前記第２のオブジェクトが前記車両の前記計画された経路に入ることとなる第２の確率を判断することと、
前記計画された経路に沿った前記車両の第４の加速度を判断することであって、前記第４の加速度は、前記車両の前記計画された経路に入る前記第２のオブジェクトに応答性のある前記車両の加速度であることと、
少なくとも部分的に前記第２の確率に基づいて、前記第４の加速度に関連付けられる第３の重み付け係数を判断することとを前記車両が行うようにさらに構成し、
前記第３の加速度は、少なくとも部分的に、前記第４の加速度および前記第３の重み付け係数に基づいてさらに判断される、
請求項１ないし６のいずれか一項に記載の車両。
【請求項8】
方法であって、環境を通じて車両の計画された経路を判断するステップと、
前記計画された経路に沿った前記車両の第１の加速度を判断するステップと、
前記車両に関連付けられるセンサーから取得されるセンサーデータに少なくとも部分的に基づいて、前記環境におけるオブジェクトを識別するステップと、
少なくとも部分的に前記オブジェクトに基づいて、前記計画された経路に沿った前記車両の第２の加速度を判断するステップと、
前記オブジェクトが前記車両の前記計画された経路に影響を与えることとなる確率を判断するステップと、
少なくとも前記第１の加速度、前記第２の加速度、および前記確率に基づいて、前記計画された経路に沿った前記車両の第３の加速度を判断するステップであって、前記第３の加速度は、前記第１の加速度および前記第２の加速度とは異なるステップと、
前記第３の加速度で前記計画された経路に沿って加速するように前記車両を制御するステップと
を備える方法。
【請求項9】
前記第１の加速度に関連付けられる第１の重み付け係数を判断するステップと、前記第２の加速度に関連付けられる第２の重み付け係数を判断するステップをさらに備え、
前記第３の加速度は、前記第１の加速度、前記第２の加速度、前記第１の重み付け係数、および前記第２の重み付け係数を用いて実行される最適化に少なくとも部分的に基づく、
請求項８に記載の方法。
【請求項10】
前記最適化は、前記第１の重み付け係数によって重み付けされた前記第１の加速度および前記第２の重み付け係数によって重み付けされた前記第２の加速度を用いて実行される、請求項９に記載の方法。
【請求項11】
前記第２の重み付け係数は、前記確率の値、前記オブジェクトの分類、または前記車両の速度に少なくとも部分的に基づく、請求項９または請求項１０に記載の方法。
【請求項12】
前記第３の加速度を判断するステップは、未来の時間期間にわたる車両およびオブジェクトのうちの１つまたは複数の位置を予測するステップと、前記未来の時間期間における複数の時間ステップでの加速度を判断するステップと、前記加速度に基づいて第３の加速度を判断するステップとをさらに含む、請求項８ないし１１のいずれか一項に記載の方法。
【請求項13】
前記確率が第１の閾値に等しいか、またはそれを上まわると判断するステップと、前記確率が第２の閾値に等しいか、またはそれより低く、前記第１の閾値より高いと判断するステップとをさらに備える、
請求項８ないし１２のいずれか一項に記載の方法。
【請求項14】
前記オブジェクトは、第１のオブジェクトであり、前記確率は、第１の確率であり、環境における第２のオブジェクトを識別するステップと、
前記第２のオブジェクトが前記車両の前記計画された経路に影響を与えることとなる第２の確率を判断するステップと、
前記計画された経路に沿った前記車両の第４の加速度を判断するステップであって、前記第４の加速度は、前記車両の前記計画された経路に影響を与える前記第２のオブジェクトに応答性のある前記車両の加速度であるステップと、
少なくとも部分的に前記第２の確率に基づいて、前記第４の加速度に関連付けられる第３の重み付け係数を判断するステップとをさらに備え、
前記最適化は、前記第４の加速度および前記第３の重み付け係数を用いてさらに実行される、
請求項８ないし１３に記載の方法。
【請求項15】
前記第１の加速度に関連付けられる第１の重み付け係数を判断するステップと、前記第１のオブジェクトの第１の分類を判断するステップであって、前記第２の重み付け係数は、少なくとも部分的に前記第１の分類に基づくステップと、
前記第２のオブジェクトの第２の分類を判断するステップであって、前記第３の重み付け係数は、少なくとも部分的に前記第２の分類に基づくステップとをさらに備える、
請求項１４に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明のさまざまな例示的な実施形態は、応答性のある車両制御に関する。
【背景技術】
【0002】
本ＰＣＴ国際特許出願は、２０１８年１０月１５日に出願された米国特許出願第１６／１６０，５９４号の利益を主張し、その開示は参照により本明細書に組み込まれる。
【0003】
プラニングシステムは、環境におけるオブジェクト（例えば、動的エージェント）に関連付けられる情報を利用して、それらのオブジェクトに関連するアクションを判断する。例えば、ある既存のシステムは、オブジェクトが車両の駆動経路に入る可能性が高いと判断すると、車両を減速および／または停止するよう制御する。しかしながら、従来のモデルは、オブジェクトの挙動を過大評価または過小評価することがあり、その結果、急激な加速または減速が発生して、乗員にとって移動を不快にさせることになる。例えば、従来のシステムは、環境における移動の間のアクションまたは反応を判断した場合に多様なオブジェクトに関連付けられる確率を検討しないことがあり、それによって、最適な効率に満たない、および／または乗員の快適性および満足度につながる。
【図面の簡単な説明】
【0004】
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面を特定している。異なる図面における同一の参照番号の使用は、類似、または同一のコンポーネント、または特徴を示す。
【0005】
【図1】本明細書で説明されるような環境における応答性のある車両制御の例示的な実装を図示する概略図である。
【図2】本明細書で説明されるような応答性のある車両制御のための例示的なコンピューティングシステムを図示するブロック図である。
【図3】本明細書で説明されるように、応答性のある車両制御を用いて環境を通じて車両をナビゲートするための例示的な方法を図示するフローチャートである。
【発明を実施するための形態】
【0006】
本明細書で説明される技術は、環境における自律走行車のような車両の応答性のある制御に向けられる。例えば、本明細書で説明される実装において、計画された経路に沿った車両の（加速度、ステアリング角、トルクなどのような）制御は、複数の異なるオブジェクト（例えば、動的障害物であり、歩行者、動物、サイクリスト、トラック、バイク、その他の車両などを含むがこれらに限定されない）を検討することによって車両の環境およびそれらのオブジェクトの予測されるアクションにおいて、判断されることができる。例えば、車両は、複数のオブジェクトのそれぞれに対する複数の離散的な反応の重み付け平均である加速度で制御されることができる。
【0007】
非限定的な例示として、自律走行車のコンピューティングデバイスは、センサーデータを受信することができ、環境における１つまたは複数のオブジェクトおよび／または環境における１つまたは複数のオブジェクトの属性を判断することができる。例えば、コンピューティングデバイスは、検出されたオブジェクトごとに、オブジェクトが移動に影響を与えることとなる確率、例えば、オブジェクトが車両の移動経路に入ることとなる確率を判断することができる。例えば、確率は、オブジェクトの分類、予測モデルなどを用いる予測システムによって判断されることができる。
【0008】
コンピューティングデバイスは、また、異なるイベントに応答性のある自律走行車の加速度を判断することができる。例えば、コンピューティングデバイスは、他のオブジェクトがない場合において、自律走行車が移動経路に沿って横断する加速度として第１の加速度を算定することができる。ある例示において、第１の加速度は、所望の速度、例えば、制限速度を取得もしくは維持する加速度であってよく、または第１の加速度は、先行車両からの距離を維持する加速度であってよい。コンピューティングデバイスは、また、検出されたオブジェクトに応答性のある加速度を算定することができる。例えば、コンピューティングデバイスは、検出された追加車両が自律走行車の前の交通路に合流した場合に、自律走行車が進むことになる第２の加速度を判断してよく、または検出された歩行者が道路を横断した場合に、自律走行車が進むことになる第２の加速度を判断してよい。それ故に、ある例示において、コンピューティングデバイスは、検出されたオブジェクトと同数の加速度を算定することができる。
【0009】
ある例示において、自律走行車のコンピューティングデバイスは、また、判断された加速度ごとに重み付け係数を判断することができる。例えば、第１の加速度は、固定の重み付け係数を有して良く、例えば、その加速度がデフォルトまたは好ましい加速度であってよいからである。第２の加速度ごとの重み付け係数は、それぞれのイベントが発生することになる確率に基づいていてよい。道路を横断することができる歩行者を検出した例示を続けると、その歩行者に応答性のある第２の加速度に関連付けられる重み付け係数は、歩行者が道路を横断する確率の関数であり得る。
【0010】
ある実装において、自律走行車の制御加速度は、重み付け係数を用いて、判断されたそれぞれの加速度の重み付け平均として判断されることができる。それ故に、例えば、制御加速度を判断する場合において、それぞれのオブジェクトは、検討されてよい。さらに、重み付け係数は、イベントの確率の関数であってよいため、オブジェクトは、相対的に重み付けされてよい。
【0011】
本明細書で説明されるシステムおよび技術は、以前のシステムが単に、イベントの発生の尤度に基づいて制御加速を選択したということで、以前のシステムとは異なる。例えば、以前のシステムにおいて、例示の歩行者が自律走行車の前を横断することになる尤度が閾値を超えた場合、車両はそのイベントに応答性のある第２の加速度を制御加速度として用いる。あるいは、その歩行者の横断する尤度が閾値より低い場合、歩行者（および応答性のある加速度）は、無視される。それ故に、従来のシステムとは異なり、本開示の態様は、制御加速度を判断する場合に、より多くのイベントを含んでよい。この包含は、結果として、乗員にとってより乗り心地を快適にすることができ、自律走行車および／または環境におけるオブジェクトにとっての安全性を高めることができる。
【0012】
ここで説明される技術は、センサーおよび知覚データを活用して、自律走行車などの車両に快適な乗り心地をもたらすことに加えて、環境におけるオブジェクトを迂回している間に、環境を通じてナビゲートすることに関連付けられる安全性のレベルを高めることを可能とすることに向けられている。本明細書で説明される技術は、セマンティック情報および／または確率論的な情報を利用して、駆動経路に沿った車両加速度（および／または他の制御）を判断することが可能であることによって、車両がそれらのオブジェクトに対して既存のナビゲーション技術を用いることより、より効率的な方法および／または乗員への快適性を高めて移動することが可能である。例えば、本明細書で説明される技術は、既存の予測およびナビゲーション技術について技術的改善をもたらすことができる。車両の加速度を判断することに用いられることが可能であるセンサーデータを用いて精度を向上させることに加えて、本明細書で説明される技術は、例えば、車両が意図した目的地に到達するよう動作することができる安全な速度をより正確に判断することによって、より快適な乗り心地をもたらして、安全な結果の改善をもたらすことが可能である。本明細書で説明される技術は、また、車両に関連付けられるコンポーネントの摩耗およびエネルギー要件を低減することができる。例えば、既存の技術は、より激しく、ブレーキをかけおよび／または加速して、車両のコンポーネントに対してさらなる不要なストレスをかけることがある。
【0013】
【0014】
図１は、本明細書で説明されるような環境を通じて応答性のある車両制御の例示的な実装を図示する概略図である。より具体的には、図１は、車両１０２が動作している例示的な環境１００を図示している。図示された例示において、車両１０２は、環境１００において運転しているが、他の例示において、車両１０２は、環境１００において静止および／または駐車してよい。１つまたは複数のオブジェクト、またはエージェントは、また、環境１００の中にある。例えば、図１は、２つの追加車両１０４ａ、１０４ｂ（総称して「追加車両１０４」）および歩行者１０６を図示している。図示されていないが、任意の数および／またはタイプのオブジェクトは、静的オブジェクト、例えば、道路標識、駐車車両、消火栓、建物、縁石など、および／または動的オブジェクト、例えば、歩行者、動物、サイクリスト、トラック、バイク、他の車両などを含み、追加的または代替的に、環境１００の中に存在することが可能である。
【0015】
車両１０２は、米国国家幹線道路交通安全局によって発行されたレベル５分類に従って動作するよう構成される自律走行車であり、運転者（または乗員）の常時車両制御を期待することなく全行程に対するすべてのセーフティクリティカルな機能を実行することが可能な車両を表すことができる。このような例示において、車両１０２は、すべての駐車機能を含む、始動から停止までのすべての機能を制御するよう構成されることが可能であるため、乗員のいないことが可能である。これは単に例示であり、本明細書で説明されるシステムおよび方法は、運転者によって常に手動で制御される必要がある車両から、部分的または完全に自律的に制御されているものまでを含む任意の地上、空中、または水上車両へと組み込まれることが可能である。車両１０２に関連付けられるさらなる詳細は、以下で説明される。
【0016】
図１の例示において、車両１０２は、１つまたは複数のセンサーシステム１０８に関連付けられることが可能である。センサーシステム１０８は、センサーデータ１１０を生成することが可能であり、これは、車両１０２に関連付けられる１つまたは複数の車両コンピューティングデバイス１１２によって利用されて、１つまたは複数のオブジェクト、例えば、追加車両１０４および／または歩行者１０６を認識することが可能である。センサーシステム１０８は、光検出および測距（ＬＩＤＡＲ）センサー、無線検出および測距（ＲＡＤＡＲ）センサー、超音波トランスデューサー、音波航法および測距（ＳＯＮＡＲ）センサー、位置センサー（例えば、全地球測位システム（ＧＰＳ）、コンパスなど）、慣性センサー（例えば、慣性測定ユニット、加速度計、磁気計、ジャイロスコープなど）、飛行時間センサー、カメラ（例えば、ＲＧＢ、ＩＲ、強度、深度など）、ホイールエンコーダー、マイク、環境センサー（例えば、温度センサー、湿度センサー、光センサー、圧力センサーなど）などを含むことが可能であるが、これ／これらに限定されない。
【0017】
少なくとも１つの例示において、車両コンピューティングデバイス１１２は、知覚システムを含むことが可能であり、これは、センサーシステム１０８から受信したセンサーデータ１１０に少なくとも部分的に基づいてオブジェクトの検出、セグメンテーション、および／または分類を実行することが可能である。例えば、知覚システムは、センサーシステム１０８によって生成されるセンサーデータ１１０に基づいて、環境１００における追加車両１０４および／または歩行者１０６を検出することが可能である。さらに、知覚システムは、追加車両１０４および／または歩行者１０６の範囲（例えば、高さ、重量、長さなど）、追加車両１０４および／または歩行者１０６の姿勢（例えば、ｘ座標、ｙ座標、ｚ座標、ピッチ、ロール、ヨー）、および／または追加車両１０４および／または歩行者１０６のさらなる属性を判断することが可能である。センサーシステム１０８は、センサーデータ１１０を（例えば、ほぼリアルタイムで）継続的に生成することが可能であり、これは、知覚システム（および／または車両コンピューティングデバイス１１２の他のシステム）によって利用されることが可能である。
【0018】
車両コンピューティングデバイス１１２は、また、加速度判断システム１１４を含むことが可能であり、これは、本明細書でさらに説明されるように、車両１０２が進行する制御加速度を判断することが可能である。制御加速度は、例えば、追加車両１０４、歩行者１０６、および／または他のオブジェクトに対して、車両１０２が環境１００を通じて安全に移動することが可能である車両１０２に対する加速度であってよい。ある実装において、制御加速度は、移動経路１１８に沿った加速度であってよく、この移動経路１１８は、車両１０２が環境１００を通じて移動してよい経路として、車両コンピューティングデバイス１１２によって判断されてよい。ある例示において、且つ本明細書でさらに説明されるように、プランナシステムは、センサーシステム１０８から受信したセンサーデータ１１０および／または知覚システムによって行われた任意の判断に少なくとも部分的に基づいて移動経路を判断することが可能である。例えば、プラニングシステムは、知覚システムによって識別されるように、追加車両１０４および歩行者１０６に対する環境を通じて安全にナビゲートするようルートとして移動経路１１８を判断することが可能である。
【0019】
より具体的には、図１は、車両１０２が環境１００を通じて、一般に矢印１２０の方向に移動している状況を図示している。車両１０２は、第１の車線１２４および第２の車線１２６を有する道路１２２を移動している。車両１０２は、第１の追加車両１０４ａの後ろの第１の車線１２４にあり、この例示において、第１の追加車両１０４ａと相対的に同じ速度で移動することができる。例えば、車両１０２は、第１の追加車両１０４ａの後部から相対的に一定の距離を維持するよう制御されることができる。例えば、車両コンピューティングデバイス１１２は、第１の追加車両１０４ａの位置および／または動きを示すセンサーデータ１１０を受信し、所定の距離を維持するための制御を生成することができる。本開示の例示において、制御の少なくとも一部は、車両１０２の加速度、例えば、加速度判断システム１１４によって判断される制御加速度を含むことができる。それ故に、センサーデータ１１０が、車両１０２と第１の追加車両１０４ａとの間の距離が減少していることを示す場合、車両コンピューティングデバイス１１２は、減速するよう制御を生成することができる。
【0020】
図１に図示される例示において、第１の追加車両１０４ａについての情報を用いることに加えて、加速度判断システム１１４は、また、第２の追加車両１０４ｂおよび／または歩行者１０６を含むがこれらに限定されない、環境における追加オブジェクトについての情報を含み、車両１０２に対する加速制御を判断する。ある実装において、加速度判断システム１１４は、また、オブジェクト情報１２８を検討することができ、これは、セマンティックな分類および／または確率論的なモデルについての情報を含むことができる。本明細書に記載の実装において、車両コンピューティングデバイス１１２は、センサーデータ１１０および／またはエージェント情報１２８を用いて、環境１００におけるオブジェクトについての情報を判断することができ、これは、第１の追加車両１０４ａ、第２の追加車両１０４ｂ、歩行者１０６、および／または追加オブジェクトを含むことができる。例えば、本明細書でさらに説明されるように、車両コンピューティングデバイス１１２は、加速度判断システム１１４を用いて、オブジェクト情報１２８を含むそれぞれのオブジェクトについての情報を検討することができ、それぞれのオブジェクトが駆動経路１１８に入ることとなる確率を判断して、少なくとも部分的にそれらの確率に基づいて車両１０２に対する制御加速度を判断することができる。
【0021】
図１をさらに参照すると、第２の追加車両１０４ｂは、第２の車線１２６の中を移動することができ、複数のアクションをとることができる。例えば、第２の追加車両１０４ｂは、第１の車両軌道１３０ａに沿って進み得て、これは、第２の追加車両１０４ｂが第２の車線１２６の中に維持することになる。第２の追加車両１０４ｂは、例えば、第１の車両軌道１３０ａに従って、第１の追加車両を通過するか、または車両１０２を通過することができる。他の例示において、第２の追加車両１０４ｂは、第２の車両軌道１３０ｂに沿って進むことができ、これに沿って、第２の追加車両は、第２の車線１２６から第１の車線１２４に変更することができる。この第２の車両軌道１３０ｂに沿って、第２の追加車両１０４ｂは、例えば、第１の追加車両１０４ａの後ろおよび車両１０２の前に合流することによって、第１の車線１２４への合流を試み得る。同様に、歩行者１０６は、任意の複数のアクションをとることができる。例えば、歩行者１０６は、第１の歩行者軌道１３２ａに沿って、例えば、一般に道路の側に沿って進むことができ、または第２の歩行者軌道１３２ｂに沿って、例えば、これに沿って歩行者１０６が第１の車線１２４へと向きを変えて進むことができる。理解されることができるように、車両コンピューティングデバイス１１２は、第２の追加車両１０４ｂが第１の車両軌道１３０ａに沿って進み、歩行者１０６が第１の歩行者軌道１３２ａに沿って進むと判断した場合、車両１０２は、上記のように、例えば、車両１０２を第１の追加車両１０４ａから所定の距離を維持するよう、第１の追加車両１０４ａおよび歩行者１０６を無視することによって制御されることができる。あるいは、車両コンピューティングデバイス１１２は、第２の追加車両１０４ｂが第２の車両軌道１３０ｂに沿って進む可能性が高い、および／または歩行者１０６が第２の歩行者軌道１３２ｂに沿って、例えば、移動経路１１８へと進むと判断した場合、車両１０２は、減速するように、例えば、第２の追加車両１０４ｂを第１の車線１２４へと入ることを可能として制御され、および／または歩行者１０６に対して継続して注意して進むよう制御されることができる。
【0022】
本明細書でさらに説明されるように、車両コンピューティングデバイス１１２は、第１の車両軌道１３０ａまたは第２の車両軌道１３０ｂに沿って移動する第２の追加車両１０４ｂに関連付けられる確率、および第１の歩行者軌道１３２ａまたは第２の歩行者軌道１３２ｂに沿って移動する歩行者１０６に関連付けられる確率を判断するよう構成されることができる。これらの確率に基づいて、加速度判断システム１１４は、第１の追加車両１０４ａ、第２の追加車両１０４ｂ、および歩行者１０６を考慮に入れた車両１０２に対する加速度を判断することができる。環境１００において追加オブジェクトが検出および識別される例示において、それらのオブジェクトは、また、制御加速度を判断する場合に検討されることができる。それ故に、車両１０２は、環境における複数のオブジェクトについての情報に従って、移動経路に沿って加速するよう制御される。ある実装において、オブジェクトについてのセマンティック情報は、軌道（例えば、軌道１３０ａ、１３０ｂ、１３２ａ、１３２ｂ）、それぞれのオブジェクトがこれらの軌道に従うこととなる尤度、車両がこれらの軌道を従う可能性がある速度および／または加速度などを判断するために用いられることができる。それ故に、図１において、歩行者１０６は、第１の分類に関連付けられることができ、追加車両１０４は、１つまたは複数の第２の分類に関連付けられることができる。さらに、第２の分類内の車両は、駐車車両の場合に静的として、または追加車両１０４ａ、１０４ｂの場合に動的として、さらに分類されることができる。さらなる例示において、オブジェクトについての確率論的な情報は、同様にまたは代替的に、追加車両１０４および／または歩行者が軌道に従う尤度を判断することに用いられることができる。例えば、移動している歩行者１０６および／または移動している追加車両１０４ａ、１０４ｂのアクションに関連付けられるある不確実性があってよく、例えば、歩行者１０６または追加車両１０４ａ、１０４ｂの運転者が進路を変更することがあるためである。確率論的な情報は、また、例えば、センサーシステム１０８に関連付けられるセンサーの不正確さを説明することに用いられることができる。
【0023】
図１の例示において、第１の車両軌道１３０ａおよび第２の車両軌道１３０ｂ、ならびに第１の歩行者軌道１３２ａおよび第２の歩行者軌道１３２ｂは、説明のためだけに示されている。第２の追加車両１０４ｂおよび／または歩行者１０６は、任意の数の軌道に沿って進むことができる。実際には、車両コンピューティングデバイス１１２が、例えば、知覚システム、プラニングシステム、および／または加速度判断システム１１４を用いて、環境１００におけるオブジェクトに対する任意の数の軌道を検討することができる。ある実装において、車両コンピューティングデバイス１１２は、それぞれのオブジェクトに対する単一の確率、例えば、オブジェクトが車両１０２の移動を妨害することとなる確率を判断することができ、確率を用いるそれぞれのオブジェクトに対してナビゲートすることに関連付けられる加速度に重み付けをすることができる。例えば、確率は、車両１０２の移動に影響を与える確率が最も高い（多様な軌道またはアクションのうちの）１つの軌道またはアクションに関連付けられる確率であってよい。ある従来の例示において、第２の追加車両１０４ｂが車線を変更しようとする確率が、例えば、第２の車両軌道１３０ｂに従うことによって、閾値確率を超えると判断された場合、車両は、所定の割合で減速することとなり、例えば、合流する第２の追加車両１０４ｂからの安全な距離を維持し、それを自然且つ安全に合流させることを可能とする。あるいは、これらの従来のシステムにおいて、第２の追加車両１０４ｂが車線を変更しようとする確率が閾値確率より低いと判断された場合、車両コンピューティングデバイス１１２は、第２の追加車両１０４ｂを無視することとし、第１の追加車両１０４ａからの距離を維持するよう制御を生成する。それ故に、バイナリアプローチ（例えば、第２の追加車両１０４ｂを合流させることを可能とするブレーキをかけるか、または第２の追加車両１０４ｂを完全に無視し、第１の追加車両１０４ａに従うよう加速させる）を設けた従来のシステムは、多くの場合、特に、第２の追加車両１０４ｂが第２の車線１２６の中をドリフトしているか、または同様の非正統な操作を行っている場合、結果として急加速および急減速となる。対照的に、本明細書でさらに詳細に説明される実装において、それぞれのオブジェクトが移動経路１１８に衝突または入る可能性が高い確率は、応答性のある加速度を重み付けすることに用いられることができ、重み付けされた加速度を平均して、車両１０２を制御することに対する加速度を判断することができる。
【0024】
図１は、加速度判断技術を用いて環境をナビゲートする単一の例示を図示している。他の例示は、また、考慮される。例えば、図１は、２つの可能なイベント図示し、例えば、潜在的に合流する車両および近くの歩行者、さらなるイベントもまた、考慮されている。例えば、道路１２２に入る車両、例えば、私道または交差する通りから、高速道路でのジッパー合流など、本明細書で説明される技術によって検討されることができる。移動経路１１８に沿った車両１０２の移動に影響を与え得る任意のオブジェクトまたはイベントは、制御加速度を検討することに用いられることができる。他のいくつかの例示は、本明細書でさらに説明される。
【0025】
図２は、本明細書で説明されるように、環境を通じて車両の応答性のある制御を実装することに対して例示的なシステム２００を図示するブロック図である。少なくとも１つの例示において、システム２００は、車両２０２を含むことが可能であり、これは、図１を参照して上記で説明される車両１０２と同一であることが可能である。車両２０２は、１つまたは複数の車両コンピューティングデバイス２０４、１つまたは複数のセンサーシステム２０６（これは、センサーシステム１０８であってよい）、１つまたは複数のエミッター２０８、１つまたは複数の通信接続２１０、少なくとも１つの直接接続２１２、および１つまたは複数の駆動モジュール２１４を含むことが可能である。少なくとも１つの例示において、車両コンピューティングデバイス２０４は、図１を参照して上記で説明される車両コンピューティングデバイス１１２に対応することが可能である。
【0026】
車両コンピューティングデバイス２０４は、プロセッサ２１６、およびプロセッサ２１６と通信可能に結合されたメモリ２１８を含むことが可能である。説明された例示において、車両２０２は、自律走行車であるが、車両２０２は、任意の他のタイプの車両であり得る。説明された例示において、車両コンピューティングデバイス２０４のメモリ２１８は、ローカリゼーションシステム２２０、知覚システム２２２、予測システム２２４、プラニングシステム２２６、加速度判断システム２２８、および１つまたは複数のシステム制御２３０を格納する。これらのシステムおよびコンポーネントは、図示され、以下で説明されるが、理解を容易にする別個のコンポーネントとして、さまざまなシステムおよび制御の機能は、説明されたものとは異なって起因されることがある。非限定的な例示によって、知覚システム２２２に起因する機能は、ローカリゼーションシステム２２０および／または予測システム２２４によって実行されることができる。より少ないまたはより多くのシステムおよびコンポーネントは、本明細書で説明されるさまざまな機能を実行することに利用されることができる。さらに、図２に示されているが、例示の目的でメモリ２１８の中に存在するものとして説明の目的のために、ローカリゼーションシステム２２０、知覚コンポーネント２２２、予測システム２２４、プラニングシステム２２６、加速度判断コンポーネント２２８、および／または１つまたは複数のシステム制御２３０が考慮され、追加的に、または代替的に、車両２０２にアクセス可能である（例えば、車両２０２から離れたメモリに格納されるか、そうでなければ、車両２０２から離れたメモリによってアクセス可能である）。
【0027】
図２において、また、図示されているように、メモリ２１８は、マップストレージ２３２および／またはオブジェクト情報のストレージ２３４を含むことが可能である。マップストレージ２３２は、１つまたは複数のマップを格納することができ、オブジェクト情報のストレージ２３４は、オブジェクト情報１２８を格納することができる。マップは、トポロジー（交差点など）、車道、山脈、通り、地形、および一般的な環境などに限定されない環境についての情報を提供することを可能とする、２次元、または３次元でモデル化される任意の数のデータ構造であることが可能である。本明細書でさらに説明されるように、オブジェクト情報１２８は、環境におけるオブジェクトを分類またはそうでなければ理解するために、センサーデータを解釈するために有用な情報を含むが限定することなく、オブジェクトについての任意の情報であることができる。非限定的な例示によって、オブジェクト情報１２８は、環境１００におけるオブジェクトを識別、分類、および／またはそうでなければ理解するために用いられる情報を含むことができる。
【0028】
少なくとも１つの例示において、ローカリゼーションシステム２２０は、センサーシステム２０６からデータを受信して、車両２０２の位置および／または向き（例えば、１つまたは複数のｘ、ｙ、ｚ位置、ロール、ピッチ、またはヨー）を判断する機能を含むことが可能である。例えば、ローカリゼーションシステム２２０は、（例えば、マップストレージ２３２から）環境のマップを含み、および／または環境のマップを要求／受信することが可能であり、マップ内の車両２０２の位置および／または向きを継続的に判断することが可能である。ある例示において、ローカリゼーションシステム２２０は、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を同時に）、相対ＳＬＡＭ、バンドル調整、非線形最小二乗最適化、微分動的計画法などを利用して、画像データ、ライダーデータ、レーダーデータ、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して、自律走行車の位置を正確に判断することが可能である。ある例示において、ローカリゼーションシステム２２０は、車両２０２のさまざまなコンポーネントにデータを提供して、環境の中を移動するための候補軌道を生成するための自律走行車の初期位置を判断することが可能である。
【0029】
ある例示において、知覚コンポーネント２２２は、オブジェクトの検出、セグメンテーション、および／または分類を実行するための機能を含むことが可能である。ある例示において、知覚システム２２２は、追加車両１０４ａ、１０４ｂおよび／または歩行者１０６などの車両２０２に近接するオブジェクトの存在を示す処理されたセンサーデータを提供することが可能である。知覚システム１２２は、また、エンティティタイプとしてエンティティの分類（例えば、車、歩行者、サイクリスト、動物、建物、樹木、路面、縁石、歩道、不明など）を判断することができる。例えば、知覚システム２２２は、センサーデータをオブジェクト情報のデータベース２３４におけるオブジェクト情報１２８と比較して、分類を判断することができる。追加および／または代替の例示において、知覚コンポーネント２２２は、検出されたオブジェクトおよび／またはオブジェクトが位置する環境に関連付けられる１つまたは複数の特性を示す処理されたセンサーデータを提供することが可能である。ある例示において、オブジェクトに関連付けられる特性は、ｘの位置（グローバルおよび／またはローカルの位置）、ｙの位置（グローバルおよび／またはローカルの位置）、ｚの位置（グローバルおよび／またはローカルの位置）、向き（例えば、ロール、ピッチ、ヨー）、オブジェクトのタイプ（例えば、分類）、オブジェクトの速度、オブジェクトの加速度、オブジェクトの範囲（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る特性は、環境における別のオブジェクトの存在、環境における別のオブジェクトの状態、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。
【0030】
予測システム２２４は、センサーシステム２０６からのセンサーデータ、マップストレージ２３２からのマップデータ、およびある例示において、知覚システム２２２から出力された知覚データ（例えば、処理されたセンサーデータ）にアクセスすることが可能である。少なくとも１つの例示において、予測システム２２４は、センサーデータ、マップデータ、および／または知覚データに少なくとも部分的に基づいて、オブジェクトに関連付けられる特徴を判断することが可能である。上記のように、特徴は、オブジェクトの範囲（例えば、高さ、重量、長さなど）、オブジェクトの姿勢（例えば、ｘ座標、ｙ座標、ｚ座標、ピッチ、ロール、ヨー）、オブジェクトの速度、オブジェクトの加速度、およびオブジェクトの移動方向（例えば、方位）を含むことが可能である。さらに、予測システム２２４は、オブジェクトと近接する走行車線との間の距離、現在の走行車線の幅、横断歩道への近接、セマンティックな特徴、インタラクティブな特徴などを判断するよう構成されることができる。
【0031】
予測システム２２４は、また、オブジェクトの特徴を分析して、オブジェクトの未来のアクションを予測することが可能である。例えば、予測システム２２４は、車線変更、減速、加速、方向転換、進路の変更などを予測することが可能である。予測システム２２４は、予測データを加速度判断システム２２８に送信することが可能であることによって、加速度判断システム２２８は、予測データを用いて、移動経路１１８などの移動経路に沿って車両２０２を制御することに対して適切な加速度を判断することが可能である。例えば、予測システム２２４は、オブジェクトが移動経路１１８に入ることとなる尤度、および／またはそうでなければ車両２０２の現在の経路および／または軌道に干渉することとなる尤度を示す予測データを生成することが可能である。ある例示において、予測データは、例えば、オブジェクトが移動経路１１８に入ることとなる０から１．０までの数値確率であってよく、オブジェクトの加速度および／または速度についての情報であってよい。ある例示において、予測システム２２４は、（例えば、音声および／または視覚アラートで、例えば、１つまたは複数のエミッターを介した）表示を、オブジェクトが移動に影響を与えることがあると判断された場合に、オブジェクトおよび／または乗員（または車両２０２が完全に自律走行ではない場合の運転者）に提供することができる。
【0032】
一般に、プラニングシステム２２６は、経路、例えば、移動経路１１８を判断することが可能であり、これに沿って車両２０２が環境を通じて横断することが可能である。例えば、プラニングシステム２２６は、さまざまなルートおよび軌道、ならびにさまざまな詳細なレベルを判断することが可能である。プラニングシステム２２６は、第１の位置（例えば、現在の位置）から第２の位置（例えば、目標の位置）へ移動するルートを判断することが可能である。本説明の目的のために、ルートは、２つの位置との間を移動することに対する通過点のシーケンスであることが可能である。非限定的な例示として、通過点は、通り、交差点、全地球測位システム（ＧＰＳ）の座標などを含む。さらに、プラニングシステム２２６は、第１の位置から第２の位置へのルートの少なくとも一部に沿って自律走行車を誘導することに対する命令を生成することが可能である。少なくとも１つの例示において、プラニングシステム２２６は、通過点のシーケンスにおける第１の通過点から通過点のシーケンスにおける第２の通過点まで自律走行車をどのように誘導するかを判断することが可能である。ある例示において、命令は、軌道または軌道の一部であることが可能である。ある例示において、後退水平技術に従って、多様な軌道を実質的に同時に（例えば、技術的許容範囲内で）生成することが可能であり、多様な軌道のうちの１つは、車両２０２がナビゲートすることに対して選択される。それ故に、本明細書で説明される例示的な実装において、プラニングシステム２２６は、軌道を生成することができ、これに沿って、車両は、軌道が移動経路１１８に沿っていることで、ナビゲートすることが可能である。
【0033】
加速度判断システム２２８は、車両２０２が移動経路１１８などの移動経路に沿って制御される加速度を判断するよう構成される。メモリ２１８における別個のブロックとして示されているが、ある例示及び実装において、加速度判断システム２２８は、プラニングシステム２２６の一部であってよい。加速度判断システム２２８は、センサーシステム２０６からのセンサーデータ、マップストレージ２３２からのマップデータ、オブジェクト情報のストレージ２３４からのオブジェクト情報、および／またはローカリゼーションシステム２２０のうちの１つまたは複数からの出力、知覚システム２２２、および／または予測システム２２４（例えば、処理されたデータ）にアクセスすることが可能である。非限定的な例示によって、加速度判断システム２２８は、環境におけるそれぞれのオブジェクトが車両２０２の移動に影響を与えることとなる確率にアクセス（例えば、検索または受信）することができる。例えば、上記のように、予測システム２２４は、それぞれのオブジェクトに対する確率、例えば、オブジェクトが移動経路１１８に入ることとなる、０．０から１．０までの数値を判断して、それらの確率を加速度判断システム２２８に提供することができる。加速度判断システム２２８は、これらの確率を用いて、車両２０２を制御する加速度を判断することができる。例えば、図１を参照すると、加速度判断システム２２８は、第２の追加車両１０４ｂが車線を変更することとなる第１の確率を受信（または検索して）、例えば、車両１０２の前にある第１の車線１２４に入り、および歩行者１０６が道路１２２に入ることとなる第２の確率を受信（または検索する）することができる。少なくともある例示において、このような予測システム２２４は、また、オブジェクトがとることができる潜在的なアクションごとに一意の確率を割り当てることができる。非限定的な例示として、このような確率は、オブジェクトが車線を変更することとなる第１の確率、およびオブジェクトが現在のコースに沿って継続することとなる第２の確率を含むことができる。
【0034】
加速度判断システム２２８は、その加速度判断からどのオブジェクトを含み、および／またはどのオブジェクトを除外するかを判断することができる。例えば、加速度判断システム２２８は、閾値を下回る車両の移動を妨害する確率のあるオブジェクトについての情報を除外または無視することができる。図１を検討すると、センサーデータ１１０は、第２の追加車両１０４ｂが右折を示す方向指示器を有し、且つ右折が可能な交差点に近づきつつある場合、第２の追加車両が干渉軌道に沿って継続する確率は、第２の車両軌道１３０ｂと同様に、相対的に低いことがある。次に、この例示的な場合において、予測システム２２４は、第２の追加車両が移動経路１１８へと移動する確率が０．１を有すると判断することができる。確率が相対的に低いため、加速度判断システム２２８は、この例示において、第２の追加車両１０４ｂを完全に無視する（とはいえ、他の例示において、第２の追加車両１０４ｂは、本明細書でさらに説明されるように、低い重み付け係数を有することができる）ことができる。限定はしないが、加速度判断システム２２８は、約０．４より低い確率を有するオブジェクト（および／またはこのようなオブジェクトの潜在的なアクションに関連付けられる閾値）についての情報を除外することができるが、より高いまたはより低い閾値が用いられることができる。さらに、この例示は、どのオブジェクトを加速度判断に含むかを識別するものとして加速度判断システム２２８を説明しているが、他の実装において、加速度判断システム２２８は、閾値確率を満たすか、またはそれを超えるオブジェクトについての情報だけを受信（または検索）することができる。
【0035】
加速度判断システム２２８は、また、それぞれのオブジェクトに関連付けられる加速度を判断することができる。図１を用いて、一例として、加速度判断システム２２８は、第２の追加車両１０４ｂが第１の車線１２４に入った場合には、車両１０２が制御されることとなる第１の加速度（例えば、減速であってよい）を判断することができる。加速度判断システム２２８は、また、歩行者１０６が道路１２２上を歩いている場合には、車両１０２が制御されることとなる第２の加速度を判断することができる。第１および第２の加速度は、オブジェクトについてのセマンティック情報、オブジェクトについての確率論的な情報、オブジェクトに対する車両１０２の相対距離、車両１０２に対するオブジェクトの速度、オブジェクトの分類、オブジェクトに関連付けられるモデル、所定のモデルおよびほぼリアルタイムで実行されるモデリングを含むが、これらに限定されない、複数の要因に基づいて判断されることができる。このような例示において、加速度判断システム２２８は、それぞれの検出されたオブジェクト（および／または閾値を超えた関連する確率を有するもの）に関連付けられる一意の加速度を出力して、安全に検出されたオブジェクトと関係することができる。非限定的な例示として、加速度判断システム２２８は、車両１０４ａに関連付けられる第１の加速度、第２の車両１０４ｂに関連付けられる第２の加速度、および歩行者１０６に関連付けられる第３の加速度を出力することができる。
【0036】
加速度を判断することに加えて、加速度判断システム２２８は、また、それぞれの加速度に対する重み付け係数を判断することができる。重み付け係数は、オブジェクトが上記の車両経路１１８に入ることとなる確率に基づいてよい。例えば、第２の追加車両１０４ｂが第１の車線１２４に入る確率は、歩行者１０６が道路１２２へと入る確率より高くてよく、それに応じて、第１の加速度に関連付けられる重み付け係数は、第２の加速度に関連付けられる重み付け係数より大きくてよい。例えば、重み付け係数は、確率の関数、例えば、線形関数、指数関数、または他の高階関数などであってよい。他の例示において、重み付け係数は、オブジェクトのタイプまたは分類に少なくとも部分的に基づいていてよい。例えば、道路における他の車両は、歩行者、動物、および／または他のオブジェクトのタイプより低いまたは高い重み付け係数を有することがある。さらに、重み付け係数は、オブジェクトに関連付けられる信頼度に少なくとも部分的に基づいて判断されることができる。ある実装において、加速度判断システム２２８は、また、オブジェクトがない場合に、車両１０２が進むこととなる加速度に関連付けられる重み付け係数を判断することができる。図１の例示において、このような加速度は、第１の追加車両１０４ａに付いていくための加速度であってよい。他の例示において、加速度は、所望の速度、例えば、制限速度を達成および／または維持するために必要な加速度であってよい。
【0037】
オブジェクト、それらおよび／または他のオブジェクトに対してナビゲートするための加速度、および／またはイベントの確率に関連付けられる重み付け係数についての情報を用いて、加速度判断システム２２８は、車両１０２、２０２、例えば、制御加速を制御する加速度を判断することが可能である。例えば、加速度判断システム２２８は、検討されるすべてのオブジェクトの加速度の重み付け平均として加速度を判断することができる。それ故に、図１の例示において、上記の説明を継続すると、加速度判断システム１１４は、第１の加速度（例えば、第１の車線１２４に入る第２の追加車両１０４ｂに応答性のある加速度）、第２の加速度（例えば、道路１２２の近くを歩いている歩行者１０６に応答性のある加速度）、および第１の追加車両１０４ａに付いていくための加速度の重み付け平均を算定することができる。この重み付け平均のアプローチは、従来のシステムとは異なり、ここで、加速度のうちの１つが選択されることができ、例えば、それが最も高い確率に関連付けられているため、車両１０２を制御することに適用され、これは、その結果、急激な加速およびブレーキをかけることが可能である。
【0038】
ある例示において、加速度判断システム２２８は、式（１）を最適化させることによって加速度を判断することができる。
【0039】
【数1】
【0040】
式（１）は、一般に、制御加速度ａx＊（ｔ）を判断するための最適化を（例えば、車両が長手方向における環境において制御されることとなる加速度ｘ、時間方向ｔ）表す。式（１）を最適化させることによって判断される制御加速度は、それぞれの候補加速度からの最小偏差を提供することができる（例えば、それぞれｎ個のアクティブなサブゴールに対して、これは、歩行者１０４、または歩行者１０４に関連付けられる割り込みイベント、または車両１０４ｂ、または車両１０４ｂに関連付けられる割り込みイベントなどのオブジェクトまたはイベントであってよい）。式（１）において、総和項は、一般に、項Ｒsを含み、これは、それぞれのイベントに対する重み付け係数（例えば、第１の追加車両１０４ａ、第２の追加車両１０４ｂの車線変更、歩行者１０６が道路１２２に入るなど）を表して、ａsは、イベントに対する加速度を表す。式（１）は、加速度間、例えば、ａx（ｔ）とａsとの差のＬ２ノルムを用いる。Ｌ２ノルムが用いられて、いかなる制約がない場合に、式（１）の最適化は、例えば、重み付け係数によって重み付けされた、それぞれの加速度値の重み付け平均であってよい。式（１）は、Ｌ２ノルムを用いるものとして説明されているが、他の関数も用られてよい。例えば、Ｌ１ノルムまたはＬ－無限大ノルム、指数関数、多項式などが用いられ得る。さらに他の例示において、最適化は、厳しい制約、例えば、加速度がある所定の加速度より大きいか、または小さくてはならないという規則を含み得る。
【0041】
式（１）は、また、項Rt（ax（t）－ax ＊（t－1））2を含んでよく、これは、以前の時間ステップにおける加速度を考慮した係数Rtによって重み付けされた平滑化項（以前の制御加速度から逸脱したサブゴールにペナルティが課せられ、平滑制御を促進する）であってよい。本明細書で説明される実装において、総和項は、閾値確率を上まわるすべてのイベントを考慮することができる。明記されたように、式（１）は、また、制御加速度が特定の最小加速度と最大加速度との間にあることを要求してよい。例えば、式は、加速度が最小加速度と最大加速度との間の範囲内にある必要があってよい。簡単な例示として、車両１０２が一時停止の標識のために停止していることがある状況において、ａmaxは、車両１０２が時間内で停止することを保証する最大加速度であってよい。しかしながら、他のイベントが存在する場合、技術は、より小さいａx（例えば、最小加速度、ａmin）を選択することがある。それぞれのイベントが式（１）で検討されることで、ここで説明される技術は、イベント間（例えば、ａmin値とａmax値と）の重複を検討して、最も保守的な場合にデフォルトにしてよい。それ故に、それぞれのイベントに対して、ａx_min＝ｍｉｎ（ａx_min，ａx_event_min）およびａx_max＝ｍｉｎ（ａx_max，ａx_event_max）である。式（１）は、ｆｉｎａｌ ax＊（t）がこの範囲内にある必要があってよい。例えば、この範囲の使用は、最適化問題に対して明示的な制約を課す場合と比較して、計算負荷を低減することができ、これは、反復ソルバーが必要となることがある。
【0042】
環境の変化する性質のため、例えば、車両および動的オブジェクトが動いているため、新しいオブジェクトは、環境に入ることなどがあり、車両を制御する加速度は、実質的に継続的に、例えば、一定の反復で実行されてよい。例えば、式（１）は、ほぼリアルタイムで、例えば、約０．５秒から訳３秒の間隔で解かれることができる。それぞれの反復で、追加、より少ないおよび／または異なるオブジェクトおよび／またはイベントは、例えば、それらのオブジェクト／イベントが車両１０２の移動に影響を与えることとなる確率が変化するにつれて、検討されることができる。さらに、それぞれの反復加速度判断は、現在の情報、例えば、環境の現在の状態、および／または環境１００の未来の予測に基づいてよい。例えば、車両１０２に対する制御は、未来を見据えた判断期間に基づいてよい。ある実装において、車両コンピューティングデバイス２０２は、例えば、予測システム２２４、プラニングシステム２２６、および／または加速度判断システム２２８を実装することで、判断範囲における離散時間を検討することができ、これは、１秒より短い時間から数秒またはそれより長くてよい。それぞれの離散時間ステップで、車両コンピューティングデバイス２０４は、環境における静的オブジェクトについての情報に基づいて、例えば、このようなオブジェクトが静的なままであることとなるという仮定、および例えば、予測システム２２４によって判断される動的エンティティの予測に基づいて、車両の反応を判断することができる。それ故に、それぞれの時間ステップで、車両コンピューティングデバイス２０４、例えば、プラニングシステム２２６は、車両の位置、他の動的オブジェクトの位置、および静的オブジェクトの位置を評価することができる。これらの時間ステップのそれぞれにおける反応（例えば、駆動経路１１８に沿って横断することに対する加速度）は、次に、加速度判断システム２２８によって検討されることができ、車両２０２に対する制御加速度を判断する。加速度判断システム２２８の機能のさらなる例示は、本明細書でさらに説明され、図３に関連して以下を含む。
【0043】
加速度判断システム２２８は、プラニングシステム２２６とは別個のものとして説明されているが、加速度判断システム２２８のうちの１つまたは複数の機能は、プラニングシステム２２６によって実行されることができる。ある実施形態において、加速度判断システム２２８は、プラニングシステム２２６の一部であってよい。
【0044】
少なくとも１つの例示において、ローカリゼーションシステム２２０、知覚システム２２２、予測システム２２４、プラニングシステム２２６、および／または加速度判断システム２２８は、上記のように、センサーデータを処理することが可能であり、それらのそれぞれの出力を、ネットワーク２３６を通じて、コンピューティングデバイス２３８に送信することが可能である。少なくとも１つの例示において、ローカリゼーションシステム２２０、知覚システム２２２、および／またはプラニングシステム２２６は、ほぼリアルタイムなどの所定の期間が経過した後で、特定の周波数でそれらのそれぞれの出力をコンピューティングデバイス２３８に送信することが可能である。
【0045】
少なくとも１つの例示において、車両コンピューティングデバイス２０４は、１つまたは複数のシステム制御２３０を含むことが可能であり、これは、ステアリング、推進、ブレーキ、安全性、エミッター、通信、および車両２０２の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。これらのシステム制御２３０は、駆動モジュール２１４の対応するシステムおよび／または車両２０２の他のコンポーネントと通信および／または制御することが可能である。例えば、システム制御２３０は、プラニングシステム２２６によって判断される駆動経路に沿って車両を、例えば、加速度判断システム２２８によって判断される加速度で、横断させることができる。
【0046】
少なくとも１つの例示において、センサーシステム２０６は、ライダーセンサー、レーダーセンサー、超音波トランスデューサー、ソナーセンサー、位置センサー（例えば、ＧＰＳ、コンパスなど）、慣性センサー（例えば、慣性測定ユニット、加速度計、磁力計、ジャイロスコープなど）、カメラ（例えば、ＲＧＢ、ＵＶ、ＩＲ、強度、深度など）、マイク、ホイールエンコーダー、環境センサー（例えば、温度センサー、湿度センサー、光センサー、圧力センサーなど）などを含むことが可能である。センサーシステム３０６は、これらのそれぞれの多様な例示または他のタイプのセンサーを含むことが可能である。例えば、ライダーセンサーは、車両２０２の角部、前部、後部、側部、および／または上部に位置する個々のライダーセンサーを含むことが可能である。別の例示として、カメラセンサーは、車両２０２の外部および／または内部のさまざまな位置に配置される多様なカメラを含むことが可能である。センサーシステム２０６は、車両コンピューティングデバイス２０４に入力を提供することが可能である。追加的および／または代替的に、センサーシステム３０６は、ほぼリアルタイムなどの所定の期間が経過した後で、特定の周波数で、センサーデータを、ネットワーク２３６を介して、コンピューティングデバイス２３８に送信することが可能である。
【0047】
車両２０２は、また、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ー２０８を含むことが可能である。この例示におけるエミッター２０８は、内部音声および視覚エミッターを含み、車両２０２の乗員と通信することが可能である。例示の目的であり、限定ではなく、内部エミッターは、スピーカー、光、標識、ディスプレイ画面、タッチ画面、触覚エミッター（例えば、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（例えば、シートベルトテンショナー、シートポジショナー、ヘッドレストポジショナーなど）などを含むことが可能である。この例示におけるエミッター２０８は、また、外部エミッターを含む。例示の目的であり、限定ではなく、外部エミッターは、歩行者、他の運転者、他の近くの車両などと視覚的に通信するために、光エミッター（例えば、インジケータライト、標識、ライトアレイなど）、および歩行者、他の運転者、他の近くの車両などと音声で通信するために、１つまたは複数の音声エミッター（例えば、スピーカー、スピーカーアレイ、ホーンなど）を含むことが可能である。少なくとも１つの例示において、エミッター２０８は、車両２０２の外部および／または内部についてのさまざまな位置に配置されることが可能である。
【0048】
また、車両２０２は、車両２０２と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とする通信接続２１０を含むことが可能である。例えば、通信接続２１０は、車両２０２および／または駆動モジュール２１４上の他のローカルコンピューティングデバイス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、車両が他の近くのコンピューティングデバイス（例えば、他の近くの車両、交通信号など）と通信することを可能とすることが可能である。また、通信接続２１０は、車両２０２が遠隔操作のコンピューティングデバイスまたは他の遠隔サービスと通信することを可能とする。
【0049】
通信接続２１０は、車両コンピューティングデバイス２０４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２３２などのネットワークに接続する物理的および／または論理インターフェースを含むことが可能である。例えば、通信接続２１０は、ＩＥＥＥ８０２．１１規格によって定義される周波数、ブルートゥース（登録商標）などの短距離無線周波数、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で接続することを可能とする任意の適切な有線または無線通信プロトコルなどを介するＷｉ－Ｆｉベースの通信を可能とすることができる。
【0050】
少なくとも１つの例示において、車両２０２は、駆動モジュール２１４を含むことが可能である。ある例示において、車両２０２は、単一の駆動モジュール２１４を有することが可能である。少なくとも１つの例示において、車両２０２が多様な駆動モジュール２１４を有する場合、個々の駆動モジュール２１４は、車両２０２の反対端（例えば、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つの例示において、駆動モジュール２１４は、センサーシステムを含み、駆動モジュール２１４および／または車両２０２の周囲の状態を検出することが可能である。例示の目的であり、限定ではなく、センサーシステム２０６は、駆動モジュールのホイールの回転を感知するホイールエンコーダー（例えば、ロータリーエンコーダー）、駆動モジュールの位置および加速度を測定する慣性センサー（例えば、慣性測定ユニット、加速度計、ジャイロスコープ、磁力計など）、カメラまたはその他の画像センサー、駆動モジュールの周囲におけるオブジェクトを音声的に検出する超音波センサー、ライダーセンサー、レーダーセンサーなどを含むことが可能である。ホイールエンコーダーなどのあるセンサーは、駆動システム２１４に一意であることが可能である。ある場合において、駆動モジュール２１４上のセンサーシステムは、車両２０２の対応するシステム（例えば、センサーシステム２０６）と重複または補完することが可能である。
【0051】
駆動モジュール２１４は、高電圧バッテリー、車両２０２を推進するモーター、バッテリーからの直流電流を他の車両システムによって利用される交流電流へと変換するインバーター、ステアリングモーターおよびステアリングラック（これは、電動であってよい）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ブレーキシステム、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、且つ制御を維持するよう制動力の分散をするスタビリティー制御システム、ＨＶＡＣシステム、照明（例えば、車両の外部周囲を照らすヘッド／テールライトなどの照明）、および１つまたは複数の他のシステム（例えば、冷却システム、安全システム、車載充電システム、ＤＣ／ＤＣコンバーター、高電圧ジャンクション、高電圧ケーブル、充電システム、充電ポートなどのその他の電装コンポーネント）を含む多くの車両システムを含むことが可能である。さらに、駆動モジュール２１４は、センサーシステムからデータを受信且つ前処理をすることが可能である駆動モジュールコントローラを含み、さまざまな車両システムの動作を制御することが可能である。ある例示において、駆動モジュールコントローラは、プロセッサおよび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、１つまたは複数のモジュールを格納し、駆動モジュール２１４のさまざまな機能を実行することが可能である。さらに、駆動モジュール３１４は、また、それぞれの駆動モジュールと他のローカルまたは遠隔のコンピューティングデバイスとによって、通信を可能とする通信接続を含む。
【0052】
上記のように、車両２０２は、ネットワーク２３６を介して、センサーデータをコンピューティングデバイス２３８に送信することが可能である。ある例示において、車両２０２は、生センサーデータをコンピューティングデバイス２３８に送信することが可能である。他の例示において、車両２０２は、処理されたセンサーデータおよび／またはセンサーデータの表現（例えば、ローカリゼーションシステム２２０、知覚システム２２２、予測システム２２４、および／またはプラニングシステム２２６から出力されるデータ）をコンピューティングデバイス２３８に送信することが可能である。ある例示において、車両２０２は、ほぼリアルタイムなどの所定の期間が経過した後で、センサーデータを特定の周波数でコンピューティングデバイス２３８に送信することが可能である。
【0053】
コンピューティングデバイス２３８は、車両２０２および／または１つまたは複数の他の車両および／またはデータ収集デバイスから（生または処理された）センサーデータを受信することが可能であり、センサーデータおよび他の情報に基づいて駆動可能な領域を判断することが可能である。少なくとも１つの例示において、コンピューティングデバイス２３８は、プロセッサ２４０およびプロセッサ２４０と通信可能に結合されたメモリ２４２を含むことが可能である。説明される例示において、コンピューティングデバイス２３８のメモリ２４２は、例えば、加速度判断コンポーネント２４４およびエージェント情報ストレージ２４６を格納する。少なくとも１つの例示において、オブジェクト情報ストレージ２４６は、オブジェクト情報ストレージ２３４および／またはオブジェクト情報ストレージに１２８に対応することが可能である。
【0054】
加速度判断コンポーネント２４４は、上記の加速度判断システム２２８に対応することができる。例えば、加速度判断コンポーネント２４４は、データを処理し、車両２０２が駆動経路に沿って横断することに対する加速度を判断することができる。例えば、加速度は、コンピューティングデバイス２３８で判断され、例えば、ネットワーク２３６を介して車両２０２に戻される。さらに、加速度判断コンポーネント２４４は、上記のように、ローカリゼーションシステム２２０、知覚システム２２２、予測システム２２４、および／またはプラニングシステム２２６に起因する１つまたは複数の動作を実行することが可能である。
【0055】
車両２０２のプロセッサ２１６およびコンピューティングデバイス２３８のプロセッサ２４０は、本明細書で説明されるように、データを処理して、動作を実行する命令を実行することが可能である任意の適切なプロセッサであってよい。例示の目的であり、限定ではなく、プロセッサ２１６および２４０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、その電子データがレジスタおよび／またはメモリに格納され得る他の電子データへと変換する任意の他のデバイスまたはデバイスの一部を含むことが可能である。ある例示において、集積回路（例えば、ＡＳＩＣなど）、ゲートアレイ（例えば、ＦＰＧＡなど）、および他のハードウェアデバイスは、また、それらが符号化された命令を実装するよう構成される限り、プロセッサとみなすことが可能である。
【0056】
メモリ２１８および２４２は、非一時的なコンピュータ可読媒体の例示である。メモリ２１８および２４２は、オペレーティングシステムおよび１つまたは複数のソフトウェアアプリケーション、命令、プログラム、および／またはデータを格納し、本明細書で説明される方法およびさまざまなシステムに起因する機能を実装することが可能である。さまざまな実装において、メモリは、スタティックランダムアクセスメモリ（ＳＲＡＭ）、シンクロナスダイナミックＲＡＭ（ＳＤＲＡＭ）、不揮発性／フラッシュタイプメモリ、または情報を格納可能な任意の他のタイプのメモリなど、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。本明細書で説明される、アーキテクチャ、システム、および個々のエレメントは、他の多くの論理的、プログラム的、および物理的なコンポーネントを含んでよく、それらのうちの添付図面に示されるものは、単に本明細書での説明に関連する例示に過ぎない。
【0057】
図２は、分散システムとして図示されている一方で、代替の例示において、車両２０２のコンポーネントは、コンピューティングデバイス２３８に関連付けられることが可能であり、および／またはコンピューティングデバイス２３８のコンポーネントは、車両２０２に関連付けられることが可能である。つまり、車両２０２は、コンピューティングデバイス２３８に関連付けられる機能のうちの１つまたは複数を実行することが可能であり、逆の場合も同じである。さらに、さまざまなシステムおよびコンポーネントは、個別のシステムとして説明されているが、説明は、例示だけであり、多かれ少なかれ、個別のシステムは、本明細書で説明されるさまざまな機能を実行することができる。
【0058】
図３は、本明細書で説明される加速度判断を含む例示的な方法を図示するフローチャートである。具体的には、図３は、環境におけるオブジェクトが駆動経路に沿った車両の加速度を判断する方法３００を図示している。図３に図示される方法は、利便性および理解のし易さのために、図１および図２に図示される車両１０２および／または２０２を参照して説明される。しかしながら、図３に図示される方法は、車両１０２、２０２を用いて実行されることに限定されず、本明細書で説明されるそれらとは他の車両と同様に、本出願で説明される任意の他の車両のうちのいずれかを用いて実装されることが可能である。さらに、本明細書で説明される車両１０２、２０２は、図３に図示される方法を実行することに限定されない。
【0059】
方法３００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ることが可能である一連の動作を表現する論理フローグラフにおけるブロックの集合として説明されている。ソフトウェアのコンテキストにおいて、ブロックは、プロセッサによって実行された場合に、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媒体に格納されたコンピュータ実行可能命令を表現する。一般に、コンピュータ実行可能命令は、特定の機能を実行するか、または特定の抽象的なデータタイプを実装するルーティン、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。動作が説明された順序は、制限として解釈されることを意図するものではなく、任意の数の説明されたブロックは、任意の順序および／または並行して組み合わされてプロセスを実装してよい。ある例示において、プロセスのうちの１つまたは複数のブロックは、完全に除外されてよい。さらに、方法３００は、全体的または部分的に他の方法と組み合わされてよい。
【0060】
図３は、本明細書で説明されるように、計画された経路に沿って環境の中を横断するために加速度を判断する例示的な方法３００を図示するフローチャートである。
【0061】
３０２で、方法３００は、環境を通じて計画された経路を判断するステップを備えることが可能である。例えば、上記のように、車両２０２は、プラニングシステム２２６を含む１つまたは複数のコンピューティングデバイス２０４を含むか、またはそれらに関連付けられてよい。プラニングシステム２２６は、１つまたは複数のセンサーシステム２０６、ローカリゼーションシステム２２０、知覚システム２２２、予測システム２２４、マップ２３２、および／または他のソースから情報を受信して、車両が環境１００を通じて、横断する駆動経路１１８に沿って判断することができる。
【0062】
３０４で、方法３００は、計画された経路に沿った第１の加速度を判断することを含むことが可能である。図１に図示される例示および上記において、車両コンピューティングデバイス１１２は、車両１０２が第１の追加車両１０４ａの後ろで所定の距離を維持すべきであると判断することができる。センサーシステム１０８からのセンサーデータ１１０は、姿勢、位置、速度、加速度、および／または第１の追加車両１０４ａについての他の情報を判断することに用いられることができ、加速度判断システム１１４は、所定の距離を維持することが必要となる加速度を判断することができる。例えば、第１の追加車両１０４ａが車両１０２から離れて加速した場合に、加速度判断システム１１４は、第１の追加車両１０４ａと共に加速するコマンドを生成することができる。同様に、第１の追加車両１０４ａがブレーキをかけた場合に、加速度判断システム１１４は、車両１０２を減速するコマンドを生成することができる。この例示は、車両１０２と第１の追加車両１０４ａとの間の所定の距離を維持することを企図しているにもかかわらず、修正が企図されている。非限定的な例示によって、車両１０２と第１の追加車両１０４ａとの間の単一の所定の距離の代わりに、維持される距離は、第１の追加車両１０４ａの速度に基づいて変化することができる。例えば、車両１０２は、相対的に高速では、第１の追加車両１０４ａの後ろにより長い距離を維持し、相対的に低速では、より短い距離を維持するよう制御されることができる。他の実装において、車両の加速度は、第１の追加車両１０４ａとは独立して判断されることができる。例えば、第１の追加車両１０４ａが存在していないか、または閾値速度を超えた場合に、車両１０２は、移動経路１１８に沿って制限速度または他の速度で移動するよう制御されることができる。
【0063】
３０６で、方法３００は、環境におけるオブジェクトを示すセンサーデータを受信するステップを備えることが可能である。上記のように、車両２０２は、追加車両１０４および歩行者１０６を含む、オブジェクトについてのセンサーデータを生成することが可能であるセンサーシステム２０６を含むこと可能である。少なくとも１つの例示において、センサーシステム２０６は、ライダーセンサー、レーダーセンサー、超音波トランスデューサー、ソナーセンサー、位置センサー（例えば、ＧＰＳ、コンパスなど）、慣性センサー（例えば、慣性測定ユニット、加速度計、磁力計、ジャイロスコープなど）、カメラ（例えば、ＲＧＢ、ＩＲ、強度、深度など）、マイク、ホイールエンコーダー、環境センサー（例えば、温度センサー、湿度センサー、光センサー、圧力センサーなど）などを含むことが可能である。センサーシステム２０６は、車両コンピューティングデバイス２０４に入力を提供することが可能であり、車両コンピューティングデバイス２０４のうちの１つまたは複数のシステムは、入力を利用することが可能である。例えば、車両コンピューティングデバイス２０４は、ローカリゼーションシステム２２０、知覚システム２２２、予測システム２２４、プラニングシステム２２６、および／または加速度判断システム２２８による処理のために入力を受信することが可能である。上記のように、車両２０２は、ネットワーク２３６を介して、センサーデータをコンピューティングデバイス２３８に送信することが可能である。ある例示において、車両２０２は、生センサーデータをコンピューティングデバイス２３８に送信することが可能である。他の例示において、車両２０２は、処理されたセンサーデータおよび／またはセンサーデータの表現（例えば、ローカリゼーションシステム２２０、知覚システム２２２、予測システム２２４、および／またはプラニングシステム２２６から出力されるデータ）をコンピューティングデバイス２３８に送信することが可能である。ある例示において、車両２０２は、ほぼリアルタイムなどの所定の期間が経過した後で、センサーデータを特定の周波数でコンピューティングデバイス２３８に送信することが可能である。センサーデータに基づいて、車両コンピューティングデバイス２０４は、例えば、画像処理、視覚検出、分類および／またはセグメンテーション、ライダー検出、セグメンテーション、および／または分類、および／または他のプロセスを介して、オブジェクトを認識することができる。本明細書で説明される例示的なオブジェクトに加えて、技術は、また、環境および／または環境における特徴についてさらなる詳細を判断することができる。
【0064】
３０８で、方法３００は、それぞれのオブジェクトごとに、オブジェクトが計画された経路に影響を与えることとなる確率を判断するステップを備えることが可能である。上記のように、予測システム２２４は、センサーシステム２０６によって生成されるセンサーデータ、オブジェクト情報２３４、および／またはさらなる情報を用いて、それぞれのオブジェクトが車両１０２の移動に影響を与えることとなる尤度を判断することができる。確率は、例えば、０と１．０との間の数値確率であってよく、これは、オブジェクトが計画された経路に影響を与えることとなる多様な確率の中から最も高い確率であってよい。例えば、それぞれのオブジェクトまたはオブジェクトは、任意の数のアクションを実行することができる。しかしながら、これらすべてのアクションのサブセットだけが、実際に車両１０２の移動に影響を与えることとなる。本明細書で説明される技術は、移動に影響を与える確率が最も高いアクションのサブセット内からアクションを識別して、その確率を３０８で用いることができる。ある例示において、確率は、それぞれのオブジェクトについての情報に少なくとも部分的に基づいて判断されることができ、ここで情報は、ここで説明されるように、オブジェクトに関連付けられる物理的な特徴を含むことができ、オブジェクトの範囲（例えば、高さ、重量、長さなど）、オブジェクトの姿勢（例えば、ｘ座標、ｙ座標、ｚ座標、ピッチ、ロール、ヨー）、オブジェクトの速度、オブジェクトの加速度、オブジェクトの移動の方向（例えば、方位）、セマンティックな分類などを含むが、これらに限定されない。追加的または代替的に、このような特徴は、センサーに対する向き（例えば、どの方向に歩行者が向いているか）、地図特徴までの距離（例えば、横断歩道の開始、横断歩道の終了、横断歩道の側面、ジャンクションの開始、ジャンクションの終了、ジャンクションの側面など）、セマンティックな特徴（例えば、横断歩道の標識、交通信号など）、意図を実行する実行可能性（例えば、横断歩道などの横断可能性）などを含むことが可能である。ある例示において、ローカリゼーションシステム、プランナシステム、予測システム、および／または知覚システムのうちの１つまたは複数からのデータは、ブロック３０６で用いられ、特徴を判断することができる。特徴は、また、オブジェクトの予測された軌道および／またはアクションの方向を含むことができる。少なくとも１つの例示において、車両は、センサーデータおよび／または地図データを分析し、オブジェクトに関連付けられるイベント（例えば、割り込みイベント、横断歩道のイベントなど）を判断することができる。次に、予測システム２２４は、イベントが発生する確率を判断することができる。図１の状況において、３０８は、第１の追加車両１０４ａが車線を変更することとなる確率を判断すること、および歩行者が道路１２２に入ることとなる確率を判断することを含むことができる。
【0065】
３１０で、方法３００は、それぞれのオブジェクトに対して、確率が閾値確率に等しいか、またはそれより上まわるかを判断することを含むことが可能である。ある例示において、車両コンピューティングデバイス２０４は、車両２０２の加速度および／またはオブジェクトによって取られる潜在的なアクションを判断する場合に、特定の識別されたオブジェクトを考慮すべきであると判断できるのに対して、他のオブジェクトは、無視されるべきであると判断し得る。例えば、あるオブジェクトは、移動に影響を与える尤度が非常に低いことがあり、加速度判断システム２２８によって考慮されずに制御加速度を判断することがある。図１の例示を用いることで、第２の追加車両１０４ｂが車両１０２の前ではなく、車両１０２の実質的に隣に配置された場合、車両コンピューティングデバイス１１２、２０４は、第２の追加車両１０４ｂが車線を変更することとなる確率が相対的に低い（すなわち、閾値より低い）と判断することができる。この例示において、車両コンピューティングデバイス１１２、２０４は、第２の追加車両１０４ｂを識別しているにもかかわらず、加速度を判断する場合に、第２の追加車両１０４ｂを考慮しないことがある。同様に、車両１０２から遠く離れている他のオブジェクトは、車両１０２の後ろにあり、動くことが予想されない、例えば、駐車中の車、建物などは、動く確率が十分に低く、加速度を判断する場合に考慮されないことがある。ある例示において、このようなオブジェクトが含まれてよい。非限定的な例示として、システムは、駐車中の車が走行車線へと動くことに関連する確率を説明することができる。例示において、オブジェクトが考慮される閾値確率は、任意の閾値、例えば、ゼロ以外の閾値であってよい。ある例示において、閾値は、確率が０から１．０の範囲にある場合に、約０．１と約０．５との間であってよい。
【0066】
３１０で、オブジェクトが計画された経路に入ることとなる確率が閾値より低いと判断された場合に、３１２で、方法３００は、制御加速度を判断する場合に、オブジェクトを無視するステップを備えることが可能である。例えば、オブジェクト（および／またはオブジェクトの予測されるアクション）が閾値確率より低いため、進行する加速度を判断する目的のために、オブジェクトは、効果的に無視される。このようにして、オブジェクトは、環境１００の中にあると識別されるにもかかわらず、車両１０２を制御する、例えば、そのオブジェクトに応答して、加速または減速する必要がないことがある。上記のように、センサーシステム２０６は、環境における多数のオブジェクトについての情報を感知することができるが、それらのオブジェクトのうちの特定のものだけが、車両２０２が環境を横断するにつれて、車両２０２の加速度に影響を与える可能性が高いとみなされることができる。例えば、オブジェクトは、車両１０２の移動に影響を与える確率が相対的に低いことがあり、それ故に、車両２０２などの速度に対するそれらの速度に基づいて、車両２０２に対するそれらの位置に基づいて、除外されることがある。それぞれのオブジェクトが理解されることとなる。
【0067】
あるいは、ブロック３１０で、オブジェクトが計画された経路に沿った移動に影響を与えることとなる確率が閾値を満たすか、またはそれを超えると判断された場合に、方法３００は、ブロック３１４に進むことができる。３１４で、方法３００は、オブジェクトに反応するための第２の加速度を判断するステップを含むことができる。ある例示において、第２の加速度は、極端な尤度、例えば、オブジェクトが車両１０２の移動経路１１８に入ることとなる仮想的な確実性のあるイベントにおいて、車両１０２が制御されることとなる加速度であってよい。それ故に、再び図１の例示を参照することで、第２の加速度は、第２の追加車両１０４ｂが車線を第２の車線１２６から第１の車線に変更した場合、および／または歩行者１０６が道路１２２に入った場合、車両１０２が制御されることとなる加速度（これは、減速またはゼロ加速であってよい）であってよい。上記のように、ある従来のシステムにおいて、車両は、オブジェクト、例えば、第２の追加車両１０４ｂおよび／または歩行者１０６が移動経路１１８に入る確率が閾値を上まわると判断されると、第２の加速度に従って制御されることができる。
【0068】
３１６で、方法３００は、第１の加速度に対する第１の重み付け係数および第２の加速度に対する第２の重み付け係数を判断するステップを備えることが可能である。例えば、車両コンピューティングデバイス２０４は、例えば、加速度判断システム２２８を実行し、第１の重み付け係数を所定の静的重み付け係数として判断して、第２の重み付け係数を３０８で判断された確率の関数として判断することができる。非限定的な例示によって、第１の重み付け係数は、１０の重み係数であってよいのに対して、第２の重み付け係数は、移動に影響を与えるオブジェクトの確率、例えば、駆動経路１１８に入ることに応じて、１から１０まで変化してよい。例えば、重み付け係数は、確率に線形的に比例してよい。本明細書で説明されるように、確率と重み付け係数との間の他の関係、および重み付け係数に対する他の値およびスケールも用いられることができ、これらは、本開示によって企図される。重み付け係数は、アプリケーション、ならびにオブジェクトおよび加速度の所望の関係に基づいて変化してよい。さらに、重み付け係数は、オブジェクトのタイプに基づいて変化してよい。例えば、歩行者は、重み付けが車両とは異なっていてよく、これは、他のオブジェクトおよび／またはイベントとは異なっていてよい。
【0069】
３１８で、方法３００は、第１の重み付け係数、第１の加速度、第２の重み付け係数、および第２の加速度に基づいて、第３の加速度を判断するステップを備えることが可能である。例えば、本明細書で説明されるように、加速度判断システム２２８は、第１の重み付け係数、第１の加速度、第２の重み付け係数、および第２の加速度を用いて、最適化を実行することが可能である。最適化は、候補となる加速度のそれぞれからの最小偏差として第３の加速度、例えば、第１の加速度および第２の加速度を判断することができる一方で、重み付け係数が説明される。上記の式（１）は、Ｌ２ノルムを用いると説明されており、これに従って、第３の加速度は、第１の加速度および第２の加速度の重み付け平均であってよい。単一の加速度だけが方法３００の例示において用いられる一方で、さらなるオブジェクトも制御加速度を判断するステップにおいて考慮されることができることを理解されることとなる。
【0070】
３２０で、方法３００は、第３の加速度によって車両を制御するステップを備えることが可能である。上記のように、車両コンピューティングデバイス２０４は、１つまたは複数のシステム制御２３０を含むことが可能であり、これは、ステアリング、推進、ブレーキ、安全性、エミッター、通信、および車両２０２の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。これらのシステム制御２３０は、駆動モジュール２１４の対応するシステムおよび／または車両２０２の他のコンポーネントと通信および／または制御することが可能である。少なくとも１つの例示において、システムコントローラ２２８は、軌道のコンポーネントとして加速度を受信することが可能であり、駆動モジュール２１４および／または車両２０２の他のコンポーネントの対応するシステムと通信および／または制御することが可能であることによって、車両２０２に軌道に沿ってナビゲートさせる。
【0071】
方法３００の例示は、ここで、図１を参照して説明されることとなる。具体的には、３０２で、車両コンピューティングデバイス１１２は、例えば、プラニングシステムを用いて、環境１００を通じて車両経路１１８を判断することができる。３０４で、車両コンピューティングデバイス１１２は、例えば、プラニングシステムおよび／または加速度判断システム１１４を用いて、第１の加速度を判断することができ、これは、第１の車線１２４における第１の追加車両１０４ａから所定の距離を維持するための加速度であってよい。この例示において、加速度は、０．５ｍ／ｓ2であってよい。３０６で、車両コンピューティングデバイスは、センサーデータ１１０を受信することができ、これは、少なくとも第２の追加車両１０４ｂおよび歩行者１０６の存在を示す。センサーデータ１１０は、また、速度、加速度、姿勢、オブジェクトのタイプ、オブジェクトの分類、および／または他の情報を含む、車両１０４ｂおよび／または歩行者についての情報を含むことができる。３０８で、車両コンピューティングデバイス１１２は、例えば、予測システムを用いて、また、第２の追加車両１０４ｂが車両経路１１８に入ることとなる第１の確率、および歩行者が車両経路１１８に入ることとなる第２の確率を判断することができる。例えば、第１の確率は、０．６であってよく、第２の確率は、０．１５であってよい。
【0072】
３１０で、車両コンピューティングデバイス１１２は、第２の確率が閾値、例えば、０．４より低いと判断することができ、それ故に、３１２で、加速度を判断するステップにおいて歩行者を無視することができる。また、３１０で、車両コンピューティングデバイス１１２は、第１の確率（第２の追加車両１０４ｂに関連付けられる）が０．４の閾値を超えると判断することができる。それ故に、３１４で、車両コンピューティングデバイス１１２は、第２の追加車両１０４ｂに反応するために第２の加速度を判断することができる。第２の加速度は、第２の追加車両１０４ｂが実際に、第１の車線１２４へと車線変更を実行している場合、車両１０２が進むこととなる加速度であってよい。この例示において、加速度は、０．０ｍ／ｓ2であってよい。次に、３１６で、車両コンピューティングデバイス１１２は、第１の加速度に対する第１の重み付け係数および第２の加速度に対する第２の重み付け係数を判断することができる。第１の重み付け係数は、例えば、この例示において、整数１０に固定されてよく、第２の重み付け係数は、３０８で算定された第１の確率に基づいてよい。この例示において、第２の重み付け係数は、５であってよい。３１８で、車両コンピューティングデバイス１１２は、例えば、加速度判断システム１１４を用いて、第１の加速度、第１の重み付け係数、第２の加速度、および第２の重み付け係数に基づいて、車両１０２を制御するために加速度を判断することができる。例えば、加速度は、例えば、上記の式（１）の最適化のような最適化することとして判断されることができる。ある例示において、最適化は、Ｌ２損失関数を用いることができるため、制御加速度は、０．３３ｍ／ｓ2であってよく、これは、２つの加速度の重み付け平均（例えば、（０．５ｍ／ｓ2＊１０＋０．０ｍ／ｓ2＊５）／１５＝０．３３ｍ／ｓ2）である。３２０で、車両１０２は、０．３３ｍ／ｓ2で加速するよう制御される。
【0073】
従来のシステムにおいて、第２の追加車両１０４ｂが車線を変更することに関連付けられる０．６の確率は、結果として、車両１０２は、加速している第１の追加車両１０４ａの後ろで加速することの代わりに、第２の加速度（０．０ｍ／ｓ2）で直ちに進むよう制御されていることがある。しかしながら、次の時間間隔で、第２の確率がある閾値（例えば、０．５）より低く低下した場合、車両１０２は、速く（０．５ｍ／ｓ2である第１の加速度よりさらに一層速く）加速し、第１の追加車両１０４ａの後ろの所定の距離に戻ることができる。対照的に、本明細書に説明される技術によって、第２の追加車両１０４ｂに関連付けられる確率における同様の変化は、従来のシステムを悩ませている加速度における劇的な変化をもたらすこととはならない。
【0074】
理解されるように、車両１０２が環境を通じて移動するにつれて、環境におけるオブジェクトは、常に変化している。したがって、方法３００は、反復的に実行されることができる。例えば、環境におけるオブジェクトの状態は、それらのオブジェクトが車両１０２の移動経路に入ることとなる確率を含み、ほぼリアルタイムで、例えば、約０．５秒から約３秒の間隔で判断されることができる。さらに、オブジェクトが車両に対して位置、速度、姿勢などを変えるにつれて、以前に加速度判断から除外されたオブジェクトは、含まれてよく、以前に含まれていたオブジェクトは、例えば、それらのオブジェクトに関連付けられる確率が変化するにつれて、除外されてよい。
【0075】
図３に図示されていないが、ある実装において、本明細書で説明される技術は、車両がそのイベントに反応することとなるイベントが発生する可能性が高いと判断することができる。例えば、図３における３１０で、オブジェクトが計画された経路に影響を与えることとなる確率は、閾値を満たすか、またはそれ超えると判断される。ある実装において、その閾値は、第１の閾値であってよく、別のブロックは、確率が第２のより高い確率を満たすか、またはそれを超えるかを判断することを含んでよい。このような例示において、確率が第２の確率を満たすか、またはそれを超えた場合、本明細書で説明される技術は、オブジェクトが計画された経路に影響を与えることとなる可能性が非常に高いと判断して、それ故に、第２の加速度によって、オブジェクトに反応するために車両を制御するよう判断することができる。したがって、オブジェクトが計画された経路に沿った移動に影響を与えることとなる可能性が非常に高い場合に、車両は、例えば、最適化ステップなしで、そのオブジェクトだけに反応してよい。ある例示において、第２の閾値は、０．８、０．９、または他のある確率値であってよい。
【0076】
本明細書で説明されるさまざまな技術は、コンピュータ可読ストレージに格納され、図面に示されているような１つまたは複数のコンピュータまたは他のデバイスのプロセッサによって実行される、コンピュータ実行可能命令またはプログラムモジュールなどのソフトウェアのコンテキストにおいて実装されることが可能である。一般に、プログラムモジュールは、ルーティン、プログラム、オブジェクト、コンポーネント、およびデータ構造など含み、特定のタスクを実行するために動作ロジックを定義するか、または特定の抽象的なデータタイプを実装する。
【0077】
他のアーキテクチャは、説明される機能を実装することに用いられることが可能であり、本開示の範囲内にあることが意図されている。さらに、責任の具体的な分配は、説明の目的のために上記に定義されているが、さまざまな機能および責任は、状況に応じて異なる方法で、分配および分割されてよい。
【0078】
同様に、ソフトウェアは、さまざまな方法および異なる手段を用いて、格納および分配されることが可能であり、上記で説明される特定のソフトウェアストレージおよび実行形態は、多くの異なる方法で変更されることが可能である。それ故に、上記の技術を実装するソフトウェアは、さまざまなタイプのコンピュータ可読媒体に分配されることが可能であり、具体的に説明されるメモリの形態に限定されない。
【0079】
（例示的な条項）
Ａ：例示的な車両は、車両に配置される１つまたは複数のセンサーと、１つまたは複数のプロセッサと、プロセッサ実行可能命令を格納するメモリとを備え、１つまたは複数のプロセッサによって実行された場合に、車両の計画された経路を環境を通じて判断することと、計画された経路に沿った車両の第１の加速度を判断することと、１つまたは複数のセンサーからセンサーデータを受信することであって、センサーデータは、環境におけるオブジェクトについての情報を含むことと、少なくとも部分的にセンサーデータに基づいて、オブジェクトが計画された経路に沿った車両の移動に影響を与えることとなる確率が閾値確率を満たすか、またはそれを超えるかを判断することと、計画された経路に沿った車両の第２の加速度を判断ことであって、第２の加速度は、計画された経路に沿った車両の移動に影響を与えるオブジェクトに応答性のある車両の加速度であることと、第１の加速度に関連付けられる第１の重み付け係数を判断することと、第２の加速度に関連付けられる第２の重み付け係数を判断ことであって、少なくとも第１の加速度、第２の加速度、第１の重み付け係数、および第２の重み付け係数に基づいて、計画された経路に沿った車両の第３の加速度を判断ことであって、第３の加速度は、第１の加速度および第２の加速度とは異なることと、第３の加速度に従って計画された経路に沿って加速するよう車両を制御することとをするよう車両を構成する。
Ａ：例示的な車両は、車両に配置される１つまたは複数のセンサーと、１つまたは複数のプロセッサと、プロセッサ実行可能命令を格納するメモリとを備え、１つまたは複数のプロセッサによって実行された場合に、車両の計画された経路を環境を通じて判断することと、計画された経路に沿った車両の第１の加速度を判断することと、１つまたは複数のセンサーからセンサーデータを受信することであって、センサーデータは、環境におけるオブジェクトについての情報を含むことと、少なくとも部分的にセンサーデータに基づいて、オブジェクトが計画された経路に沿った車両の移動に影響を与えることとなる確率が閾値確率を満たすか、またはそれを超えるかを判断することと、計画された経路に沿った車両の第２の加速度を判断ことであって、第２の加速度は、計画された経路に沿った車両の移動に影響を与えるオブジェクトに応答性のある車両の加速度であることと、第１の加速度に関連付けられる第１の重み付け係数を判断することと、第２の加速度に関連付けられる第２の重み付け係数を判断ことであって、少なくとも第１の加速度、第２の加速度、第１の重み付け係数、および第２の重み付け係数に基づいて、計画された経路に沿った車両の第３の加速度を判断ことであって、第３の加速度は、第１の加速度および第２の加速度とは異なることと、第３の加速度に従って計画された経路に沿って加速するよう車両を制御することとをするよう車両を構成する。
【0080】
Ｂ：例示Ａに記載の車両が、ここで、命令は、１つまたは複数のプロセッサによって実行された場合に、ここで、第２の重み付け係数は、オブジェクトの確率または分類に少なくとも部分的に基づいていることをさらに車両に構成する。
【0081】
Ｃ：例示Ａまたは例示Ｂに記載の車両が、ここで、第１の重み付け係数は、固定重み付け係数であり、第２の重み付け係数は、確率の関数である。
【0082】
Ｄ：例示Ａから例示Ｃのうちのいずれか１つに記載の車両が、ここで、閾値確率は、第１の閾値および命令であり、１つまたは複数のプロセッサによって実行された場合に、確率が第１の閾値を満たすか、またはそれを超えるかを判断することと、確率が第２の閾値に等しいか、またはそれより低く、第１の閾値より高いかを判断することとをさらに車両に構成する。
【0083】
Ｅ：例示Ａから例示Ｄのうちのいずれか１つに記載の車両が、ここで、命令は、１つまたは複数のプロセッサによって実行された場合に、確率が第１の閾値より低いと判断した場合に応答して、第１の加速度で計画された経路に沿って加速するよう車両を制御すること、または、確率が第２の閾値を上まわると判断した場合に応答して、第２の加速度で計画された経路に沿って加速するよう車両を制御することのうちの少なくとも１つをさらに車両に構成する。
【0084】
Ｆ：例示Ａから例示Ｅのうちのいずれか１つに記載の車両が、ここで、第１の重み付けは、計画された経路が配置される道路に関連付けられる制限速度、計画された経路における第２のオブジェクトの速度、第２のオブジェクトの加速度、または第２のオブジェクトと車両との間の距離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いる。
【0085】
Ｇ：例示Ａから例示Ｆのうちのいずれか１つに記載の車両が、ここで、オブジェクトは、第１のオブジェクトであり、確率が第１の確率であり、命令が１つまたは複数のプロセッサによって実行された場合に、環境における第２のオブジェクトを識別することと、第２のオブジェクトが車両の計画された経路に入ることとなる第２の確率を判断することと、計画された経路に沿った車両の第４の加速度を判断することであって、第４の加速度は、車両の計画された経路に入る第２のオブジェクトに応答性のある車両の加速度であることと、少なくとも部分的に第２の確率に基づいて、第４の加速度に関連付けられる第３の重み付け係数を判断することであって、ここで、第３の加速度は、少なくとも部分的に第４の加速度および第３の重み付け係数に基づいて、さらに判断されることとをさらに車両に構成する。
【0086】
Ｈ：例示の方法は、環境を通じて車両の計画された経路を判断するステップと、計画された経路に沿った車両の第１の加速度を判断するステップと、車両のセンサーから取得したセンサーデータに少なくとも部分的に基づいて、環境におけるオブジェクトを識別するステップと、少なくとも部分的にオブジェクトに基づいて、計画された経路に沿った車両の第２の加速度を判断するステップと、オブジェクトが車両の計画された経路に影響を与えることとなる確率を判断するステップと、少なくとも第１の加速度、第２の加速度、および確率に基づいて、計画された経路に沿った車両の第３の加速度を判断するステップであって、第３の加速度は、第１の加速度および第２の加速度とは異なるステップと、第３の加速度で計画された経路に沿って加速するよう車両を制御するステップとを備える。
【0087】
Ｉ：例示Ｈに記載の方法は、第１の加速度に関連付けられる第１の重み付け係数を判断するステップと、第２の加速度に関連付けられる第２の重み付け係数を判断するステップであって、ここで、第３の加速度は、第１の加速度、第２の加速度、第１の重み付け係数、および第２の重み付け係数を用いて実行される最適化に少なくとも部分的に基づいているステップとをさらに備える。
【0088】
Ｊ：例示Ｈまたは例示Ｉに記載の方法は、ここで、第２の重み付け係数は、確率の線形関数または高階関数のうちの少なくとも１つである。
【0089】
Ｋ：例示Ｈから例示Ｊのいずれか１つに記載の方法は、確率が第１の閾値に等しいか、またはそれを上まわるかを判断するステップと、確率が第２の閾値に等しいか、またはそれより低く、第１の閾値より高いかを判断するステップとをさらに備える。
【0090】
Ｌ：例示Ｈから例示Ｋのいずれか１つに記載の方法は、ここで、オブジェクトは、第１のオブジェクトであり、確率が第１の確率であり、環境における第２のオブジェクトを識別するステップと、第２のオブジェクトが車両の計画された経路に入ることとなる第２の確率を判断するステップと、計画された経路に沿った車両の第４の加速度を判断するステップであって、第４の加速度は、車両の計画された経路に入る第２のオブジェクトに応答性のある車両の加速度であるステップと、少なくとも部分的に第２の確率に基づいて、第４の加速度に関連付けられる第３の重み付け係数を判断するステップであって、ここで、最適化は、第４の加速度および第３の重み付け係数を用いて、さらに実行されるステップとをさらに備える。
【0091】
Ｍ：例示Ｈから例示Ｌのいずれか１つに記載の方法は、第１のオブジェクトの第１の分類を判断するステップであって、ここで、第２の重み付け係数は、少なくとも部分的に第１の分類に基づいているステップと、第２のオブジェクトの第２の分類を判断するステップであって、ここで、第３の重み付け係数は、少なくとも部分的に第２の分類に基づいているステップとをさらに備える。
【0092】
Ｎ：例示の命令のセットを有する非一時的なコンピュータ可読媒体は、実行された場合に、環境を通じて車両の計画された経路を判断することと、計画された経路に沿った車両の第１の加速度を判断することと、車両のセンサーから取得したセンサーデータに少なくとも部分的に基づいて、環境におけるオブジェクトを識別することと、少なくとも部分的にオブジェクトに基づいて、計画された経路に沿った車両の第２の加速度を判断することと、オブジェクトが車両の計画された経路に影響を与えることとなる確率を判断することと、少なくとも第１の加速度、第２の加速度、および確率に基づいて、計画された経路に沿った車両の第３の加速度を判断することであって、第３の加速度は、第１の加速度および第２の加速度とは異なることと、第３の加速度で計画された経路に沿って加速するよう車両を制御することとを備える動作を１つまたは複数のプロセッサに実行させる。
【0093】
Ｏ：例示Ｎに記載の非一時的なコンピュータ可読媒体は、動作は、第１の加速度に関連付けられる第１の重み付け係数を判断することと、第２の加速度に関連付けられる第２の重み付け係数を決定することであって、ここで、第３の加速度は、第１の重み付け係数によって重み付けされた第１の加速度および第２の重み付け係数によって重み付けされた第２の加速度を用いて実行される最適化に少なくとも部分的に基づいていることとをさらに含む。
【0094】
Ｐ：例示Ｎまたは例示Ｏに記載の非一時的なコンピュータ可読媒体は、ここで、第２の重み付け係数は、確率の値、オブジェクトの分類、または車両の速度に少なくとも部分的に基づいている。
【0095】
Ｑ：例示Ｎから例示Ｐのいずれか１つに記載の非一時的なコンピュータ可読媒体は、動作は、確率が第１の閾値に等しいか、またはそれを上まわると判断することと、確率が第２の閾値に等しいか、またはそれより低く、第１の閾値より高いと判断することとをさらに含む。
【0096】
Ｒ：例示Ｎから例示Ｑのいずれか１つに記載の非一時的なコンピュータ可読媒体は、ここで、オブジェクトは、第１のオブジェクトであり、確率が第１の確率であり、動作は、環境における第２のオブジェクトを識別することと、第２のオブジェクトが車両の計画された経路に影響を与えることとなる第２の確率を判断することと、少なくとも部分的に、第１の閾値より低い第２の確率に基づいて、第３の加速度を判断することから第２のオブジェクトを除外することと、少なくとも部分的に、第１の閾値に等しいか、またはそれを上まわる第２の確率に基づいて、少なくとも部分的に第２のオブジェクトに基づく、車両の第４の加速度を判断することと、第２の確率に基づいて第３の重み付け係数を判断することであって、ここで、第３の加速度を判断することは、少なくとも部分的に、第４の加速度および第３の重み付け係数にさらに基づくこととをさらに含む。
【0097】
Ｓ：例示Ｎから例示Ｒのいずれか１つに記載の非一時的なコンピュータ可読媒体は、ここで、第１の重み付けは、計画された経路が配置される道路に関連付けられる速度制限、計画された経路における第２のオブジェクトの速度、第２のオブジェクトの加速度、または車両からの第２のオブジェクトの距離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いる。
【0098】
Ｔ：例示Ｎから例示Ｓのいずれか１つに記載の非一時的なコンピュータ可読媒体は、ここで、第３の加速度を判断することは、未来の期間にわたる車両およびオブジェクトのうちの１つまたは複数の位置を予測することと、未来の期間における複数の時間ステップでの加速度判断と、加速度に基づいて第３の加速度を判断することとをさらに含む。
【0099】
（結論）
本明細書で説明される技術の１つまたは複数の例示が記載されている一方で、さまざまな変更、追加、置換、およびそれらの均等物が本明細書で説明される技術の範囲内に含まれる。
本明細書で説明される技術の１つまたは複数の例示が記載されている一方で、さまざまな変更、追加、置換、およびそれらの均等物が本明細書で説明される技術の範囲内に含まれる。
【0100】
例示の説明において、本明細書の一部を形成する添付の図面を参照し、これは説明の方法として請求される発明の主題の具体的な例示を示す。他の例示は、用いられることが可能であり、構造的変更のような変更または代替がされることが可能であることを理解されたい。このような例示、変更または代替は、意図された発明の請求される主題に対する範囲から必ずしも逸脱するものではない。本明細書におけるステップは、特定の順序で提供されることが可能である一方で、ある場合においては、順序は、変更されることが可能であることによって、説明され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。開示された手順は、また、異なる順序で実行され得る。さらに、本明細書で説明されるさまざまな計算は、開示された順序で実行される必要はなく、計算の代替順序を用いる他の例示は、容易に実装されることが可能である。並べ替えに加えて、ある例示において、計算は、また、同じ結果となるサブ計算へと分解され得る。
【図1】
【図2】
【図3】
【手続補正書】
【提出日】2021-11-05
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
車両であって、センサーと、
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された場合に、
環境を通じて前記車両の計画された経路を判断することと、
前記計画された経路に沿った前記車両の第１の加速度を判断することと、
前記センサーからセンサーデータを受信することであって、前記センサーデータは、前記環境におけるオブジェクトについての情報を含むことと、
少なくとも部分的に前記センサーデータに基づいて、前記オブジェクトが前記計画された経路に沿った前記車両の移動に影響を与えることとなる確率が閾値確率を満たすか、またはそれを超えると判断することと、
前記計画された経路に沿った前記車両の第２の加速度を判断することであって、前記第２の加速度は、前記計画された経路に沿った前記車両の移動に影響を与える前記オブジェクトに応答性のある前記車両の加速度であることと、
少なくとも前記第１の加速度および前記第２の加速度に基づいて、前記計画された経路に沿った前記車両の第３の加速度を判断することであって、前記第３の加速度は、前記第１の加速度および前記第２の加速度とは異なることと、
前記第３の加速に従って、前記計画された経路に沿って加速するよう前記車両を制御
することと
を前記車両が行うように構成するプロセッサ実行可能命令を格納するメモリと
を備える車両。
【請求項2】
前記命令は、前記第１の加速度に関連付けられる第１の重み付け係数を判断することと、
前記第２の加速度に関連付けられる第２の重み付け係数を判断することとを、前記１つまたは複数のプロセッサが行うように構成し、
前記第３の加速度を判断することは、少なくとも部分的に、前記第１の重み付け係数および前記第２の重み付け係数にさらに基づいており、
前記第２の重み付け係数は、少なくとも部分的に、前記オブジェクトの前記確率または分類に基づいている、
請求項１に記載の車両。
【請求項3】
前記第１の重み付け係数は、固定の重み付け係数であり、前記第２の重み付け係数は、前記確率の関数である、請求項２に記載の車両。
【請求項4】
前記閾値確率は、第１の閾値であり、前記命令は、前記１つまたは複数のプロセッサによって実行された場合に、前記確率が前記第１の閾値を満たすか、またはそれを超えると判断することと、
前記確率が第２の閾値に等しいか、またはそれより低く、前記第１の閾値より高いと判断することとを前記車両が行うようにさらに構成する、
請求項１ないし３のいずれか一項に記載の車両。
【請求項5】
前記命令は、前記１つまたは複数のプロセッサによって実行された場合に、前記確率が前記第１の閾値より低いと判断することに応答して、第１の加速度で前記計画された経路に沿って加速するよう前記車両を制御すること、または
前記確率が前記第２の閾値を上まわると判断することに応答して、前記第２の加速で前記計画された経路に沿って加速するよう前記車両を制御することのうちの少なくとも１つを前記車両が行うようにさらに構成する、
請求項４に記載の車両。
【請求項6】
前記第１の重み付けは、前記計画された経路が配置される道路に関連付けられる制限速度、前記計画された経路における第２のオブジェクトの速度、前記第２のオブジェクトの加速度、または前記第２のオブジェクトと前記車両との間の距離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いる、請求項２ないし５のいずれか一項に記載の車両。
【請求項7】
前記オブジェクトは、第１のオブジェクトであり、前記確率は、第１の確率であり、前記命令は、１つまたは複数のプロセッサによって実行された場合に、前記環境における第２のオブジェクトを識別することと、
前記第２のオブジェクトが前記車両の前記計画された経路に入ることとなる第２の確率を判断することと、
前記計画された経路に沿った前記車両の第４の加速度を判断することであって、前記第４の加速度は、前記車両の前記計画された経路に入る前記第２のオブジェクトに応答性のある前記車両の加速度であることと、
少なくとも部分的に前記第２の確率に基づいて、前記第４の加速度に関連付けられる第３の重み付け係数を判断することとを前記車両が行うようにさらに構成し、
前記第３の加速度は、少なくとも部分的に、前記第４の加速度および前記第３の重み付け係数に基づいてさらに判断される、
請求項１ないし６のいずれか一項に記載の車両。
【請求項8】
方法であって、環境を通じて車両の計画された経路を判断するステップと、
前記計画された経路に沿った前記車両の第１の加速度を判断するステップと、
前記車両に関連付けられるセンサーから取得されるセンサーデータに少なくとも部分的に基づいて、前記環境におけるオブジェクトを識別するステップと、
少なくとも部分的に前記オブジェクトに基づいて、前記計画された経路に沿った前記車両の第２の加速度を判断するステップと、
前記オブジェクトが前記車両の前記計画された経路に影響を与えることとなる確率を判断するステップと、
少なくとも前記第１の加速度、前記第２の加速度、および前記確率に基づいて、前記計画された経路に沿った前記車両の第３の加速度を判断するステップであって、前記第３の加速度は、前記第１の加速度および前記第２の加速度とは異なるステップと、
前記第３の加速度で前記計画された経路に沿って加速するように前記車両を制御するステップと
を備える方法。
【請求項9】
前記第１の加速度に関連付けられる第１の重み付け係数を判断するステップと、前記第２の加速度に関連付けられる第２の重み付け係数を判断するステップをさらに備え、
前記第３の加速度は、前記第１の加速度、前記第２の加速度、前記第１の重み付け係数、および前記第２の重み付け係数を用いて実行される最適化に少なくとも部分的に基づく、
請求項８に記載の方法。
【請求項10】
前記最適化は、前記第１の重み付け係数によって重み付けされた前記第１の加速度および前記第２の重み付け係数によって重み付けされた前記第２の加速度を用いて実行される、請求項９に記載の方法。
【請求項11】
前記第２の重み付け係数は、前記確率の値、前記オブジェクトの分類、または前記車両の速度に少なくとも部分的に基づく、請求項９または請求項１０に記載の方法。
【請求項12】
前記第３の加速度を判断するステップは、未来の時間期間にわたる車両およびオブジェクトのうちの１つまたは複数の位置を予測するステップと、前記未来の時間期間における複数の時間ステップでの加速度を判断するステップと、前記加速度に基づいて第３の加速度を判断するステップとをさらに含む、請求項８ないし１１のいずれか一項に記載の方法。
【請求項13】
前記確率が第１の閾値に等しいか、またはそれを上まわると判断するステップと、前記確率が第２の閾値に等しいか、またはそれより低く、前記第１の閾値より高いと判断するステップとをさらに備える、
請求項８ないし１２のいずれか一項に記載の方法。
【請求項14】
前記オブジェクトは、第１のオブジェクトであり、前記確率は、第１の確率であり、環境における第２のオブジェクトを識別するステップと、
前記第２のオブジェクトが前記車両の前記計画された経路に影響を与えることとなる第２の確率を判断するステップと、
前記計画された経路に沿った前記車両の第４の加速度を判断するステップであって、前記第４の加速度は、前記車両の前記計画された経路に影響を与える前記第２のオブジェクトに応答性のある前記車両の加速度であるステップと、
少なくとも部分的に前記第２の確率に基づいて、前記第４の加速度に関連付けられる第３の重み付け係数を判断するステップとをさらに備え、
前記最適化は、前記第４の加速度および前記第３の重み付け係数を用いてさらに実行される、
請求項９ないし１１に記載の方法。
【請求項15】
前記第１の加速度に関連付けられる第１の重み付け係数を判断するステップと、前記第１のオブジェクトの第１の分類を判断するステップであって、前記第２の重み付け係数は、少なくとも部分的に前記第１の分類に基づくステップと、
前記第２のオブジェクトの第２の分類を判断するステップであって、前記第３の重み付け係数は、少なくとも部分的に前記第２の分類に基づくステップとをさらに備える、
請求項１４に記載の方法。
【国際調査報告】