用于自动驾驶车辆中的自身性能觉知路径规划的方法和系统技术方案

本示教涉及用于自动驾驶车辆的路径规划的方法、系统、介质和实施方式。首先，获得原点位置和目的地位置，其中，目的地位置是自动驾驶车辆将要开去的地方。识别在原点位置和目的地位置之间的一个或多于一个的可用路径。基于所述一个或多于一个的可用路径，对自身觉知性能模型进行实例化，自身觉知性能模型预测自动驾驶车辆基于所述一个或多于一个的可用路径中每一个的运行性能。于是，基于自身觉知性能模型，为自动驾驶车辆自动选择到目的地位置的规划路径。

【技术实现步骤摘要】
【国外来华专利技术】用于自动驾驶车辆中的自身性能觉知路径规划的方法和系统相关申请的交叉引用本申请与2017年12月18日提交的美国专利申请15/845,173相关，在此引入其整个内容作为参考。
本示教一般涉及自动驾驶。具体而言，本示教涉及自动驾驶中的规划和控制。
技术介绍
随着人工智能(AI)近来的技术进步，出现了在不同应用领域中应用AI的浪潮。这包括自动驾驶领域，在该领域中，规划和控制是必不可少的。如图1(现有技术)所示，自动驾驶模块110包括规划模块120和车辆控制模块130。如图2所示，规划可包括路径规划、运动规划或行为规划。路径规划指的是基于特定的考虑来规划从原点到目的地的路径的工作。运动规划一般可指规划车辆的运动以实现特定效果的工作。例如，车辆的运动可以以符合交通规则或安全的方式来规划。于是，运动规划是确定车辆需要做出何种运动来实现该目的。行为规划一般指规划在不同情况下车辆应当如何表现的工作，例如，在经过十字路口时的车辆行为、待在车道内或沿车道行驶的车辆行为、或是在转弯时的车辆行为。例如，在超过前方缓慢移动的车辆时，可以规划特定的车辆行为。行为规划和运动规划可能是相关的，例如，规划的车辆行为可能需要翻译为运动，以便实现该行为。图1所示的车辆控制130可涉及多种方面的控制。如图3所示，车辆控制可涉及：例如，针对道路特有的控制，针对运动特有的控制，针对质量(mass)特有的控制，针对几何结构特有的控制，针对空气动力特有的控制，以及针对轮胎特有的控制。图1中的周围环境信息可用于车辆规划。传统而言，周围环境信息100包括例如车辆的当前位置、预定目的地、和/或交通信息。例如，使用这样的周围环境信息，传统的规划模块120可设计从当前位置到目的地的路径的规划。路径规划中使用的已知标准可包括例如最短距离、最短时间、使用高速公路(highways)、使用地方道路、交通量等等。这样的标准可以基于已知的信息来应用，这些已知信息例如为各个路段的距离、与道路相关联的已知的交通量模式等等。规划模块120也可执行运动规划，传统而言，运动规划基于例如用于状态空间的快速遍历随机树(RRT)或用于环境建模的马尔可夫决策过程(MDP)。规划模块120可基于所规划的路径/运动来生成将要馈送给车辆控制模块130的规划数据，使得车辆控制模块130可运行为以所规划的方式来控制车辆。为了使车辆运动以执行该规划，于是，车辆控制模块130可以生成控制信号140，该信号可以被发送到车辆的不同部分，以实现所规划的车辆运动。按照传统，车辆控制基于通用车辆运动学模型和/或不同类型的反馈控制器来执行。每个人类驾驶者一般以不同的偏好对车辆进行不同的操作或控制。人类驾驶者还基于实时情况对车辆进行适应性操作，这些实时情况可能由于车辆自身的当前状况、外在环境状况(其限制车辆运行的能力)和/或车内乘员对当前车辆运动的反应或响应而发生。例如，在车内有孩子的情况下，人类驾驶者可能出于安全原因在下雪天选择避开(路径规划)弯曲的路径。当不同的乘员乘坐车辆时，人类驾驶者可能以不同的方式驾驶，从而保证乘员的舒适。尽管人类驾驶者一般通过大致保持在车道中间位置来沿车道行驶的方式控制车辆，该行为可能在面临右转弯时改变。在这种情况下，同一人类驾驶者可在车辆接近右转点时弯向车道的右侧。另外，不同的人类驾驶者可能以不同的方式弯向右侧。另外，车道变换行为也可能在不同的周围环境情况下基于不同的车辆而不同。现有技术不涉及这些问题，更未提供解决方案。因此，存在提供在自动驾驶中用于规划和控制的改进方案的需求。
技术实现思路
这里公开的示教涉及用于在线服务的方法、系统和程序设计。具体而言，本示教涉及用于开发能与用户对话的虚拟代理的方法、系统和程序设计。在一实例中，公开了用于自动驾驶车辆的路径规划的方法。首先获得原点位置和目的地位置，其中，目的地位置是自动驾驶车辆将要去的地方。识别原点位置和目的地位置之间的一个或多于一个可用路径。自身性能觉知模型基于所述一个或多于一个可用路径得到实例化(instantiate)，且其预测自动驾驶车辆基于所述一个或多于一个可用路径中的各个的运行性能。于是，基于自身性能觉知模型，到目的地位置的规划路径被自动选择，用于自动驾驶车辆。在另一实例中，公开了用于自动驾驶车辆的路径规划的系统。该系统包括接口单元、全局路径规划器和路径选择引擎。接口单元被配置为获得与原点位置以及目的地位置有关的信息，其中，目的地位置是自动驾驶车辆将要去的地方。全局路径规划器被配置为识别原点位置和目的地位置之间的一个或多于一个的可用路径。路径选择引擎被配置为获得基于所述一个或多于一个可用路径实例化的自身性能觉知模型，其中，自身性能觉知模型预测自动驾驶车辆基于所述一个或多于一个可用路径的运行性能，并从所述一个或多于一个可用路径中为自动驾驶车辆选择在原点位置和目的地位置之间的规划路径。其他概念涉及用于实现关于开发虚拟代理的当前示教的软件。根据此概念的软件产品包括至少一个机器可读的非暂时性介质以及由该介质承载的信息。该介质承载的信息可以是可执行程序代码数据、与可执行程序代码相关联的参数和/或与用户、请求、内容相关的信息或与社会群体有关的信息，等等。在一实例中，公开了机器可读的非暂时性介质，其中，该介质上存有与用于自动驾驶车辆的路径规划有关的信息，使得该信息在被机器读取时使该机器执行下面的操作步骤。首先，获得原点位置和目的地位置，其中，目的地位置是自动驾驶车辆将要去的地方。识别原点位置和目的地位置之间的一个或多于一个的可用路径。自身性能觉知模型基于所述一个或多一个的可用路径得到实例化，且其预测自动驾驶车辆基于所述一个或多于一个可用路径中的各个的运行性能。于是，基于自身性能觉知模型，为自动驾驶车辆自动选择到目的地位置的规划路径。另外的新特征有部分在下面的说明书中给出，有部分将由本领域技术人员在检视下面的说明书和附图后明了或通过制造或运行实例来习得。本示教的新特征可以通过使用或实践下面讨论的具体实例中给出的方法、设备和组合的多种方面来获得。附图说明这里描述的方法、系统和/或程序设计进一步在示例性实施例中介绍。这些示例性实施例参照附图详细介绍。这些实施例是非限制性的示例性实施例，其中，贯穿附图中的几幅附图，类似的参考标号代表类似的结构，且其中：图1(现有技术)示出了自动驾驶的某些重要模块；图2示出了自动驾驶中的规划的示例性类型；图3示出了公知类型的车辆控制；图4A示出了根据本示教一实施例具有规划模块和车辆控制模块的自动驾驶车辆；图4B示出了根据本示教一实施例的实时数据的示例性类型；图5示出了根据本示教一实施例的规划模块的示例性高层次系统图；图6A示出了根据本示教一实施例用于实现自身觉知性能模型的示例性方法；图6B示出了根据本示教一实施例，具有参数的自身性能觉知模型的示例性构造；图6C示出了根据本示教一实施例的内在车辆性能参数的示例性类型；图6D示出了根据本示本文档来自技高网...

【技术保护点】
1.一种在计算机上实现的方法，该计算机具有至少一个处理器、存储器以及通信平台，该方法用于自动驾驶车辆的路径规划，其包含：/n获得与原点位置以及目的地位置有关的信息，其中，目的地位置是自动驾驶车辆将要开去的地方；/n识别在原点位置和目的地位置之间的一个或多于一个的可用路径；/n获得基于所述一个或多于一个的可用路径实例化的自身觉知性能模型，其中，自身觉知性能模型预测自动驾驶车辆基于所述一个或多于一个的可用路径的运行性能；以及/n基于自身觉知性能模型，从所述一个或多于一个的可用路径中，选择在原点位置和目的地位置之间用于自动驾驶车辆的规划路径。/n

【技术特征摘要】
【国外来华专利技术】1.一种在计算机上实现的方法，该计算机具有至少一个处理器、存储器以及通信平台，该方法用于自动驾驶车辆的路径规划，其包含：
获得与原点位置以及目的地位置有关的信息，其中，目的地位置是自动驾驶车辆将要开去的地方；
识别在原点位置和目的地位置之间的一个或多于一个的可用路径；
获得基于所述一个或多于一个的可用路径实例化的自身觉知性能模型，其中，自身觉知性能模型预测自动驾驶车辆基于所述一个或多于一个的可用路径的运行性能；以及
基于自身觉知性能模型，从所述一个或多于一个的可用路径中，选择在原点位置和目的地位置之间用于自动驾驶车辆的规划路径。


2.根据权利要求1的方法，其中，自身觉知性能模型包括内在性能模型和外在性能模型，内在性能模型具体指定至少一个内在性能参数，该参数由于自动驾驶车辆内部的状况而限制自动驾驶车辆的运行能力，外在性能模型具体指定至少一个外在性能参数，该参数由于自动驾驶车辆外部的状况而限制自动驾驶车辆的运行能力。


3.根据权利要求2的方法，其中，自身觉知性能模型包括参数模型、描述性模型、概率模型及其组合中的任何一种。


4.根据权利要求1的方法，其中，对自身觉知性能模型进行动态更新，以生成更新的自身觉知性能模型，其中，更新的自身觉知性能模型反映自动驾驶车辆当前所关联的场景。


5.根据权利要求4的方法，其中，自身觉知性能模型的更新由一事件触发，该事件包括计划时间、原点位置被更新、目的地位置被更新、所述一个或多于一个可用路径被更新以及更新自身觉知性能模型的请求被接收到。


6.根据权利要求2的方法，其中，选择步骤包括：
基于内在性能模型，从所述一个或多于一个的可用路径中，识别一组候选路径；
在自动车辆开到目的地位置所采用的路径方面，确定自动驾驶车辆内的乘员的偏好；以及
基于外在性能模型和该乘员的偏好，从所述一组候选路径中，识别规划路径。


7.根据权利要求6的方法，其中，确定偏好包括：
获得记录的人类驾驶数据，该数据包括与该乘员相关联的驾驶数据；以及
生成基于与该乘员相关联的驾驶数据进行个性化的、该乘员的偏好。


8.一种机器可读的非暂时性介质，其上记录有用于自动驾驶车辆的路径规划的数据，其中，该数据一旦被机器读取，使得机器执行：
获得与原点位置以及目的地位置有关的信息，其中，目的地位置是自动驾驶车辆将要开去的地方；
识别在原点位置和目的地位置之间的一个或多于一个的可用路径；
获得基于所述一个或多于一个的可用路径实例化的自身觉知性能模型，其中，自身觉知性能模型预测自动驾驶车辆基于所述一个或多于一个的可用路径的运行性能；以及
基于自身觉知性能模型，从所述一个或多于一个的可用路径中，选择在原点位置和目的地位置之间的用于自动驾驶车辆的规划路径。


9.根据权利要求8的介质，其中，自身觉知性能模型包括内在性能模型和外在性能模型，内在性能模型具体指定至少一个内在性能参数，该参数由于自动驾驶车辆内部的状况而限制自动驾驶车辆的运行能力，外在性能模型具体指定至少一个外在性能参数，该参数由于自动驾驶车辆外部的状况而限制自动驾驶车辆的运行能力。


10.根据权利要求9的介质，其中，自身觉知性能模型包括参数模型、描述性模型、概率模型及其组合中的任何一种。


11.根据权利要求8的介质，其中，对自身觉知性能模型进行动态...

【专利技术属性】
技术研发人员：A·甘古力，T·P·小戴利，H·郑，D·W·刘，
申请(专利权)人：智加科技公司，
类型：发明
国别省市：美国;US