估计速率分布制造技术

本发明专利技术涉及估计速率分布。除其它事项之外，描述了用于估计针对运载工具的建议轨迹的速率分布、并且根据该速率分布来使运载工具沿着建议轨迹操作的技术，这些技术包括一种方法，用于：利用运载工具上的规划电路，响应于驾驶场景来获得针对所述运载工具的建议轨迹；利用所述规划电路来获得估计速率分布和置信度得分，其中所述置信度得分表示所述估计速率分布与由控制电路针对所述建议轨迹将生成的实际速率分布的相似度；确定所述置信度得分是否满足置信度阈值；以及根据确定为所述置信度得分超过所述置信度阈值，利用所述运载工具上的控制电路来使所述运载工具沿着所述建议轨迹操作。

【技术实现步骤摘要】
估计速率分布
本说明书涉及速率分布估计。
技术介绍
自主运载工具例如通过减少道路交通事故死伤人数、交通拥堵、停车拥堵和提高燃料效率，与人类驾驶运载工具相比存在益处。自主运载工具的一个组件通过考虑障碍物、接近运载工具的环境或其它相关驾驶条件，可以做出决定并生成运载工具应采取的建议轨迹。运载工具的另一组件可以接收该建议轨迹，并使运载工具根据该建议轨迹操作。在使运载工具通过具有不同的驾驶条件的不同驾驶场景操作时，可以重复多次该处理。附图说明图1示出具有自主能力的自主运载工具的示例。图2例示示例“云”计算环境。图3例示计算机系统。图4示出自主运载工具的示例架构。图5示出感知模块可以使用的输入和输出的示例。图6示出LiDAR系统的示例。图7示出操作中的LiDAR系统。图8示出LiDAR系统的操作的附加细节。图9示出规划模块的输入和输出之间的关系的框图。图10示出路径规划中所使用的有向图。图11示出控制模块的输入和输出的框图。图12示出控制器的输入、输出和组件的框图。图13示出具有速率分布估计电路的控制器的输入、输出和组件的框图。图14示出规划电路和控制电路各自的规划器感知管道和控制器感知管道的框图。图15是表示用于使用估计速率分布使运载工具沿着轨迹操作的处理的流程图。具体实施方式在以下描述中，为了解释的目的，阐述了许多具体细节，以便提供对本专利技术的透彻理解。然而，显而易见的是，本专利技术可以在没有这些具体细节的情况下实施。在其它实例中，众所周知的构造和装置是以框图形式示出的，以避免不必要地使本专利技术模糊。在附图中，为了便于描述，显示了示意要素的具体安排或次序，例如表示设备、模块、指令块和数据要素的那些要素。然而，本领域技术人员应当理解，附图中示意要素的具体排序或安排并不意味着要求特定的处理顺序或序列、或处理过程的分离。此外，在附图中包含示意性要素并不意味着在所有实施例中都需要这种要素，也不意味着由这种要素表示的特征不能包括在实施例中或不能在实施例中与其它要素结合。此外，在附图中，连接要素、例如实线或虚线或箭头用于说明两个或两个以上其它示意要素之间的连接、关系或关联，没有任何此类连接要素并不意味着不能存在连接、关系或关联。换句话说，一些要素之间的连接、关系或关联未在附图中显示，以便不掩盖本专利技术。此外，为了便于说明，使用单个连接要素来表示要素之间的多个连接、关系或关联。例如，如果连接元件代表信号、数据或指令的通信，本领域技术人员应理解，该元件代表影响通信可能需要的一个或多个信号路径(例如，总线)。现在将详细参考实施例，其示例在附图中示出。在下面的详细描述中，阐述了许多具体细节，以便提供对所描述的各种实施例的透彻理解。然而，对于本领域的普通技术人员来说明显的是，可以在没有这些具体细节的情况下实施所描述的各种实施例。在其它情况下，没有详细描述众所周知的方法、程序、组件、电路和网络，以便不会不必要地掩盖实施例的方面。下面描述的若干特征可以彼此独立地使用，也可以与其它特征的任何组合一起使用。但是，任何个别特征可能不能解决上述任何问题，或者只能解决上述问题之一。上文讨论的一些问题可能不能通过本文所述的任何一个特征得到充分解决。虽然提供了标题，但在本说明的其它地方也可以找到与某一标题有关但在该标题部分未找到的信息。本文根据以下概要描述实施例：1.总体概述2.系统概述3.自主运载工具架构4.自主运载工具输入5.自主运载工具规划6.自主运载工具控制7.速率分布估计总体概述如以下针对图13至图15更详细地所述，运载工具(诸如自主运载工具等)可以包括规划电路，该规划电路可以获得针对运载工具的建议轨迹的至少一部分的估计速率分布。运载工具的控制电路可以使用先前在针对不同驾驶场景的轨迹上已训练的机器学习模型来生成速率分布估计。机器学习模型可以输出针对输入建议轨迹的至少一个路段的估计速率分布，以及输出表示该估计速率分布和运载工具的控制电路将生成的实际速率分布之间的预期相似度水平的置信度得分。根据该置信度得分，规划电路可以将建议轨迹发送至控制电路，而这反过来使得控制电路使运载工具沿着该建议轨迹操作。控制电路可以执行用于路径规划的增量算法，并且还针对输入建议轨迹的某路段生成速率分布估计。这些技术存在数个优势。例如，向规划电路提供估计速率分布和针对该速率分布的相应置信度得分，这允许基于取决于控制电路在接收到建议轨迹之后将生成的实际速率分布的不同标准(例如，可行性、安全性、规则遵从性和操纵舒适性)来将更好的建议轨迹传递至控制电路。估计速率分布与针对规划电路所生成的各建议轨迹生成速率分布相比从计算上更可行且更快。通过简单的启发式方法来使用机器学习模型估计速率分布，这也使得能够估计置信度得分，从而允许规划电路在决定将哪个建议轨迹发送至控制电路时考虑所测量到的置信度水平。可以对机器学习模型进行训练，以考虑环境因素(例如，遮挡)、以及系统属性(例如，不同传感器的性能)。速率分布的置信度得分也反映了从传感器接收到且通过感知管道处理后的数据的可靠度。系统概述图1示出具有自主能力的自主运载工具100的示例。如本文所使用的，术语“自主能力”是指一种功能、特征或设施，该功能、特征或设施使运载工具能够部分地或完全地运行，而无需实时的人类干预，包括但不限于完全自主运载工具、高度自主运载工具、部分自主运载工具和有条件自主运载工具。如本文所使用的，自主运载工具(AV)是一种具有自主能力的运载工具。如本文所使用的，“运载工具”包括货物或人员的运输方式。例如，小汽车、公共汽车、火车、飞机、无人机、卡车、船只、舰艇、潜水器、飞船等。无人驾驶的小汽车是运载工具的示例。如本文所使用的，“轨迹”是指从第一时空场所导航到第二时空场所的路径或路线。在实施例中，第一时空场所被称为初始场所或起始场所，第二时空场所被称为目的地、最终场所、目标、目标位置或目标场所。在一些示例中，轨迹由一个或多个路段(例如，道路的数段)组成，并且各路段由一个或多个块(例如，车道或交叉路口的一部分)组成。在实施例中，时空场所对应于真实世界场所。例如，时空场所是上车或下车场所，以使人员或货物上车或下车。如本文所使用的，“驾驶场景”是指描述在特定时间接近运载工具的环境的一组条件。驾驶场景可以包括描述运载工具所处的道路的条件、以及在特定时间的天气或能见度条件。驾驶场景可以是指在运载工具在操作中时由传感器在运载工具的路径中检测到的对象(例如，行人或其它运载工具)。对于所检测到的各对象，驾驶场景也是指对象的一组分别从外部可观察到的参数值(例如，对象的速度和加速度)。在运载工具沿着轨迹行驶时，驾驶场景可以改变，从而可以提示运载工具的轨迹的变化。例如，运载工具可能沿着一个轨迹行驶，并且突然遇到阻挡运载工具沿着该轨迹继续的障碍物。该新障碍物可被表示为新驾驶场景，并本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，包括：/n利用运载工具上的规划电路，响应于驾驶场景来获得针对所述运载工具的建议轨迹；/n利用所述规划电路来获得估计速率分布和置信度得分，其中所述置信度得分表示所述估计速率分布与由控制电路针对所述建议轨迹将生成的实际速率分布的相似度；/n确定所述置信度得分是否满足置信度阈值；以及/n根据确定为所述置信度得分超过所述置信度阈值，利用所述运载工具上的控制电路来使所述运载工具沿着所述建议轨迹操作。/n

【技术特征摘要】
20190529 US 62/854,284;20190926 US 62/906,691;20201.一种计算机实现的方法，包括：
利用运载工具上的规划电路，响应于驾驶场景来获得针对所述运载工具的建议轨迹；
利用所述规划电路来获得估计速率分布和置信度得分，其中所述置信度得分表示所述估计速率分布与由控制电路针对所述建议轨迹将生成的实际速率分布的相似度；
确定所述置信度得分是否满足置信度阈值；以及
根据确定为所述置信度得分超过所述置信度阈值，利用所述运载工具上的控制电路来使所述运载工具沿着所述建议轨迹操作。


2.根据权利要求1所述的计算机实现的方法，还包括：
根据确定为所述置信度得分不满足所述置信度阈值：
利用所述规划电路来基于预定速率分布启发式获得第二轨迹，以及
利用所述控制电路来使所述运载工具沿着所述第二轨迹操作。


3.根据权利要求2所述的计算机实现的方法，其中，所述预定速率分布启发式是乐观启发式。


4.根据权利要求2所述的计算机实现的方法，其中，所述预定速率分布启发式是悲观速率分布启发式。


5.根据权利要求1至4中任一项所述的计算机实现的方法，其中，利用所述规划电路获得估计速率分布和置信度得分包括：
利用所述控制电路来接收对所述估计速率分布的查询，包括定义所述驾驶场景的数据和所述建议轨迹；
利用所述控制电路，使用所述建议轨迹和定义所述驾驶场景的数据来生成所述估计速率分布；以及
利用所述控制电路来生成所述置信度得分。


6.根据权利要求5所述的计算机实现的方法，其中，利用所述控制电路使用所述建议轨迹和定义所述驾驶场景的数据来生成所述估计速率分布包括：
使用经训练的模型来生成所述估计速率分布，其中所述经训练的模型表示多个轨迹和多个速率分布之间的多个关联，以及其中所述多个速率分布中的各速率分布是...

【专利技术属性】
技术研发人员：F·塞卡蒙特，K·斯卢茨基，
申请(专利权)人：安波福技术有限公司，
类型：发明
国别省市：巴巴多斯;BB