用于自主车辆的控制系统技术方案

一种用于自主车辆的控制系统，控制系统包括至少一个人工智能模块、即KI模块，至少一个人工智能模块通过经参数化的内部的处理链将输入参量转换成输出参量，其中，处理链的参数在训练阶段中能够如此配置，使得输入参量的学习值转换到与此相配的、输出参量的学习值上，其中，设有提供用于执行第一驾驶操纵的输出参量的至少一个第一KI模块和提供用于执行第二驾驶操纵的输出参量的第二KI模块和/或构造用于识别第一对象或对象的第一群组的至少一个第一KI模块和构造用于识别第二对象或对象的第二群组的第二KI模块。涉及用于制造控制系统的方法，其特征在于，将学习数据传输到外部计算机上和/或其他车辆上，在那处理参数。还涉及所属的计算机程序。

Control System for Autonomous Vehicle

A control system for autonomous vehicles consists of at least one AI module, namely KI module. At least one AI module converts input parameters into output parameters through a parameterized internal processing chain, in which the parameters of the processing chain can be so configured in the training stage that the learning values of input parameters can be converted to the corresponding output parameters. On the learning value of quantities, there are at least one first KI module providing an output parameter for performing the first driving control and a second KI module providing an output parameter for performing the second driving control, and/or at least one first KI module constructing a first group for identifying the first object or object, and a second KI module constructing a second group for identifying the second object or object. Block. A method for manufacturing control systems is described in which learning data is transmitted to an external computer and/or other vehicle, where parameters are processed. It also deals with the computer program to which it belongs.

【技术实现步骤摘要】
用于自主车辆的控制系统
本专利技术涉及一种用于自主车辆的控制系统，所述控制系统配备有学习能力的人工智能。
技术介绍
车辆在交通中的驾驶是复杂的过程，其必须由人通过在驾驶课中的实践经验来学会。与此相应地，困难的是，以用于自主的控制系统的程序代码表达控制任务。为此目的，因此应用人工智能KI，其与人的学习过程类似地从学习数据中导出用于控制任务的无意的规定并且接着将由车辆的传感机构求取的输入参量转换成用于执行机构的正确的输出参量。US5,548,512A公开一种简单的自主行驶的机器人车辆，该机器人车辆配备有用于求取其在受限的工作环境中的位置的KI。为了求取在该平面中的x坐标和y坐标以及旋转角，分别设有自身的KI模块。对于公共道路交通的参与，相比在受限的工作环境中的驾驶，明显更多的输入参量和输出参量是重要相关的，其中，也具有更多的强制性的条件，在所有状况下必须遵守所述条件并且所述条件分别将多个输入参量和输入参量相互关联。因此，趋势如下，将完整的控制任务作为唯一的单片式KI模块实现并且借助多种真实的驾驶状况训练该KI模块。相应的控制系统的示例和相应的学习过程在US2017135621A1和WO2017/062106A1中公开。
技术实现思路
在本专利技术的范围内，发展一种用于自主车辆的控制系统。该控制系统包括至少一个人工智能模块、即KI模块，所述至少一个人工智能模块通过经参数化的内部的处理链将输入参量转换成输出参量。在此，所述处理链的参数在训练阶段中能够如此配置，使得所述输入参量的学习值转换到与此相配的、所述输出参量的学习值上。设有提供用于执行第一驾驶操纵的输出参量的至少一个第一KI模块和提供用于执行第二驾驶操纵的输出参量的第二KI模块。对此替代地或与此组合地，设有构造用于识别第一对象或对象的第一群组的至少一个第一KI模块和构造用于识别第二对象或对象的第二群组的第二KI模块。在后一种情况下，输出参量例如说明识别出确定的对象的概率。识别到，用于自主驾驶的K1的单片式构造使得事后的改变、例如在交通标志或其他交通规则的改变的情况下明显变得困难并且此外使其不透明。由学习数据生成的无意的规定在KI中以对于人而言不可读取的形式存储并且不能够选择性地被匹配。取而代之地，必须完全地或部分地重复正常的学习过程，其中，也存在以下风险：控制系统的行为在完全没有预计到的方面发生改变。所设置的功能分离首先一次地提供附加的耗费，因为每个单个的KI模块应单独地被训练。相对于此存在以下大的优点，即事后的改变总是仅仅影响功能性的一部分并且因此被简化。各个KI模块也可以在较小尺寸的硬件上运行。在多个小的KI模块中功能性的整个范围的实现相比在用于单片式KI的更大尺寸的硬件上的实现造成整体上更低的硬件成本，主要因为用于KI模块的训练的资源耗费随着其复杂性显著非线性地增长。在有缺陷的情况下，修理成本下降，因为一方面由于功能分离，有缺陷的模块可以被快速地找到，并且另一方面，所需的更换件明显更便宜。最后，功能分离也使得可能的是，再使用KI模块和在其中存储的训练结果并且因此节省训练耗费。例如可以设置用于左拐的第一KI模块和用于右拐的第二KI模块。如果现在例如改变当前在德国有效的规定，即两个迎面行驶的左拐车辆在彼此之前拐弯，则仅仅必须重新训练用于左拐的KI模块。用于右拐的KI模块保持不变。在单片式KI的情况下，也不能够排除这样的所不期望的改变。类似的例如适用于从车辆的摄像机数据进行的对象识别。如果例如第一KI模块负责交通标志的识别，而第二KI模块负责其他交通参与者的识别，则例如对于环境区域重新引入交通标志仅仅需要第一KI模块的重新训练，其中，同时存在以下保证，即其他交通参与者的安全关键的识别保持不变。该保证可能在单片式KI中不存在。因此，改变的受限的作用也减少用于提供对于公共道路交通的允许的耗费。尤其也加装了功能性，而没有使对于现有的功能性的允许无效。在本专利技术的一个特别有利的构型中，附加地设有第三KI模块，所述第三KI模块提供用于从所述第一驾驶操纵到所述第二驾驶操纵的过渡的输出参量。这意味着，从第一驾驶操纵到第二驾驶操纵的流畅的过渡单独地可在车辆中学会并且该学习又对操纵自身不具有影响。通过这种方式，尤其在三个或更多个驾驶操纵的更复杂的级联的情况下也确保驾驶操纵之间的流畅的过渡。在按照目前为止的现有技术的单片式KI中，一方面不设置在实际的驾驶操纵之间的功能分离，另一方面不设置这些驾驶操纵之间的过渡。取而代之地，为了建立流畅的过渡，使驾驶操纵自身相互匹配，但这在进一步过渡到第三驾驶操纵的情况下可能引起不连续性。在本专利技术的另一个特别有利的构型中，至少一个KI模块或KI模块的至少一个群组构造用于将经归一化的输入参量转换成经归一化的输出参量。附加地设有接口层，所述接口层构造用于将经归一化的输出参量转换成所述车辆的执行机构的输入参量以及将所述车辆的传感机构的输出参量转换成经归一化的输入参量。通过这种方式可以抽象出具体的车辆平台的功能性。所述KI模块因此同样地可用于多个车辆平台，并且分别通过接口层来使其适配于具体的车辆平台。例如，KI模块可以构造用于在经矢量化的摄像机图像中识别交通标志和其他对象，所述摄像机图像与所使用的摄像机的类型和分辨率无关。该接口层负责对由摄像机获得的像素图像进行矢量化。例如测量参量也可以作为输入参量被归一化到确定的数字区间上(例如在0％和100％之间)。该接口层负责例如将用于测量参量的探测器的信号转换成经归一化的输入参量。同样的适用于输出参量。因此，例如气门位置(Gasstellung)或制动力也可以归一化到0％和100％之间的区间上，并且的转向偏角(Lenkeinschlag)可以例如归一化到在用于左边最大的-100％和用于右边最大的+100％之间的区间上。气门位置、制动力和转向偏角以绝对单位多大，对于相应的车辆平台是特定的。接口层接管所述转换。在此，在本专利技术的另一个特别有利的构型中，所述接口层尤其可以构造为另外的KI模块。通过这种方式，也可以自学式地构型与新的车辆平台的匹配，而不需要关于传感机构或执行机构的详细知识。同样，通过仅仅接口层的重新的训练可以简单地完成事后匹配。例如出现以下情况，即相对于更高质的探测器——其信号为此非线性地取决于测量参量的值——更换用于测量参量的探测器，其信号随着测量参量的值线性地改变。借助接口层的重新训练可以提供该改变，而不在所获得的测量值的另外的处理链上改变什么。接口层可以例如通过以下方式来训练，即实施确定的驾驶操纵。但接口层不是必须为单独的KI模块，而是例如也可以构造为其他的KI模块的输入层或输出层。在接口层的训练中，例如可以将改变限于该层上，而保持处理链的其余部分。在硬件方面更小地确定KI模块尺寸的可能性又能够实现：提高控制系统的修理方便性。为此，在本专利技术的另一个特别有利的构型中，所述至少一个KI模块集成在提供所述KI模块的输入参量的传感器组件中和/或集成在获得所述KI模块的输出参量的执行器组件中。例如，负责交通标志的识别的KI模块可以与所属的摄像机一起安装在传感器组件中。如果证实，识别不再可靠地正常运转，则故障可能仅仅或者存在于摄像机中或者存在于所属的KI模块中。因此，故障对于最终客户而言在车间中或者在事故援助本文档来自技高网...

【技术保护点】
1.一种用于自主车辆(50)的控制系统(100)，所述控制系统包括至少一个人工智能模块、即KI模块(1，2)，所述至少一个人工智能模块通过经参数化的内部的处理链(12，22)将输入参量(11a‑11d，21a‑21d)转换成输出参量(13a‑13d，23a‑23d)，其中，所述处理链(12，22)的参数(14，24)在训练阶段中能够如此配置，使得所述输入参量(11a‑11d，21a‑21d)的学习值转换到与此相配的、所述输出参量(13a‑13d，23a‑23d)的学习值上，其特征在于，设有提供用于执行第一驾驶操纵的输出参量(13a‑13d)的至少一个第一KI模块(1)和提供用于执行第二驾驶操纵的输出参量(23a‑23d)的第二KI模块(2)和/或构造用于识别第一对象(101a，101b)或对象(101a，101b)的第一群组(101)的至少一个第一KI模块(1)和构造用于识别第二对象(102a，102b)或对象(102a，102b)的第二群组(102)的第二KI模块(2)。

【技术特征摘要】
2017.07.26 DE 102017212835.61.一种用于自主车辆(50)的控制系统(100)，所述控制系统包括至少一个人工智能模块、即KI模块(1，2)，所述至少一个人工智能模块通过经参数化的内部的处理链(12，22)将输入参量(11a-11d，21a-21d)转换成输出参量(13a-13d，23a-23d)，其中，所述处理链(12，22)的参数(14，24)在训练阶段中能够如此配置，使得所述输入参量(11a-11d，21a-21d)的学习值转换到与此相配的、所述输出参量(13a-13d，23a-23d)的学习值上，其特征在于，设有提供用于执行第一驾驶操纵的输出参量(13a-13d)的至少一个第一KI模块(1)和提供用于执行第二驾驶操纵的输出参量(23a-23d)的第二KI模块(2)和/或构造用于识别第一对象(101a，101b)或对象(101a，101b)的第一群组(101)的至少一个第一KI模块(1)和构造用于识别第二对象(102a，102b)或对象(102a，102b)的第二群组(102)的第二KI模块(2)。2.根据权利要求1所述的控制系统(100)，其特征在于，附加地设有第三KI模块(3)，所述第三KI模块提供用于从所述第一驾驶操纵到所述第二驾驶操纵的过渡的输出参量(33a-33d)。3.根据权利要求1至2中任一项所述的控制系统(100)，其特征在于，至少一个KI模块(1-3)或KI模块(1-3)的至少一个群组构造用于将经归一化的输入参量(11a*-11d*)转换成经归一化的输出参量(13a*-13d*)其中，附加地设有接口层(15)，所述接口层构造用于将经归一化的输出参量(13a*-13d*)转换成所述车辆(50)的执行机构(51)的输入参量(51a-51d)以及将所述车辆(50)的传感机构(52)的输出参量(52a-52d)转换成经归一化的输入参量(11a*-11d*)。4.根据权利要求3所述的控制系统(100)，其特征在于，所述接口层(15)构造为另外的KI模块(4)。5.根据权利要求1至4中任一项所述的控制系统(100)，其特征在于，所述至少一个KI模块(1-4)集成在提供所述KI模块(1-4)的输入参量(11a-11d)的传感器组件(52)中和/或集成在获得所述KI模块(1-4)的输出参量(1...

【专利技术属性】
技术研发人员：M·R·埃韦特，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国,DE