控制音频内容到车厢中的递送的系统、方法和设备技术方案

本发明专利技术提供控制音频内容到车辆的乘员位于/坐在其中的车厢中的递送的系统、方法和设备。举例来说，一种车辆包含：至少一个麦克风，其被配置成产生表示在所述车辆的轿厢中呈现的音频内容的信号；信息娱乐系统，其接入多个音频内容来源；和人工神经网络，其被配置成接收与所述车辆中的音频控制相关的输入参数并且基于随时间变化的所述输入参数，产生音频模式的预测。所述输入参数可包含表示来自所述至少一个麦克风的所述信号的数据、来自所述信息娱乐系统的数据和/或所述车辆的至少一个操作参数。所述车辆被配置成至少部分地基于所述人工神经网络产生的所述预测来调整所述信息娱乐系统的设置。

【技术实现步骤摘要】
控制音频内容到车厢中的递送的系统、方法和设备
本文中所公开的至少一些实施例一般来说涉及车辆，并且更具体地说，但不限于，涉及车辆中的智能音频控制。
技术介绍
自主驾驶
的最新发展允许计算系统至少在一些条件下操作机动车辆的控制元件而无需车辆的人类操作者的辅助。举例来说，传感器(例如，相机和雷达)可安装在机动车辆上以检测在车行道上行驶的车辆的周围环境。在具有或不具有来自车辆的人类操作者的任何输入的情况下，安装在车辆上的计算系统分析传感器输入以识别条件并且产生用于车辆的方向和/或速度的自主调整的控制信号或命令。在一些布置中，当计算系统辨识到其中计算系统可能无法继续以安全方式操作车辆的情境时，计算系统警报车辆的人类操作者并且请求人类操作者接管对车辆的控制并进行手动驾驶来代替允许计算系统自主驾驶车辆。自主驾驶和/或高级驾驶辅助系统(ADAS)通常涉及用于识别在传感器输入中所捕获的事件和/或对象的人工神经网络(ANN)。一般来说，人工神经网络(ANN)使用神经元网络处理发到所述网络的输入并且产生来自所述网络的输出。举例来说，网络中的每一神经元接收输入集。发到神经元的输入中的一些可为网络中的某些神经元的输出；且发到神经元的输入中的一些可为提供给神经网络的输入。网络中的神经元当中的输入/输出关系表示网络中的神经元连接性。举例来说，每一神经元可具有偏向、激活函数，以及分别用于其输入的突触权重集。激活函数可呈阶跃函数、线性函数、对数S型(log-sigmoid)函数等形式。网络中的不同神经元可具有不同激活函数。举例来说，每一神经元可产生其输入和其偏向的加权总和并且接着产生为加权总和的函数的输出，所述输出是使用神经元的激活函数经计算。ANN的输入和输出之间的关系一般由ANN模型定义，所述ANN模型包含表示网络中的神经元的连接性的数据，以及每一神经元的偏向、激活函数和突触权重。使用既定ANN模型，计算装置从发到网络既定输入集计算网络的输出。举例来说，可基于相机输入产生发到ANN网络的输入；且来自ANN网络的输出可为例如事件或对象等项目的识别。脉冲神经网络(SNN)是紧密模拟自然神经网络的ANN的类型。当神经元的激活水平足够高时，SNN神经元产生脉冲作为输出。SNN神经元的激活水平模拟自然神经元的膜电势。SNN神经元的输出/脉冲可改变接收输出的其它神经元的激活水平。SNN神经元随时间变化的当前激活水平通常使用微分方程建模并且被视为SNN神经元的状态。来自其它神经元的传入脉冲可将神经元的激活水平推到较高以达到脉冲的阈值。一旦神经元产生脉冲，便重置其激活水平。在产生脉冲之前，如受微分方程控制，SNN神经元的激活水平可随着时间推移衰减。SNN神经元的行为中的时间要素使得SNN适用于处理时空数据。SNN的连接性通常是稀疏的，这有利于减少计算工作负荷。一般来说，可使用监督方法训练ANN，在所述监督方法中，调整ANN中的参数以使由相应输入产生的已知输出和从将输入应用于ANN产生的经计算输出之间的错误。监督学习/训练方法的实例包含强化学习，以及进行错误校正的学习。替代地或组合地，可使用非监督方法训练ANN，在所述非监督方法中，由既定输入集产生的精确输出在完成训练之前未知。ANN可经训练以将项目分类成多个类别，或将数据点分类成群集。可采用多个训练算法用于复杂机器学习/训练范例。2017年1月3日公开的标题为“用于电动车辆的电子控制设备(ElectronicControlApparatusforElectrically-DrivenVehicle)”的第9,533,579号美国专利公开具有自诊断功能的车辆的电子控制设备。常规地，基于预定的运行里程碑来安排汽车维护。举例来说，可每三个或六个月安排一次例行维护服务，或在行驶预定距离(例如，3000英里、6000英里或15000英里)之后安排一次例行维护服务。当机动车辆的组件在车辆运行期间出现故障或失灵时，这类事故可有安全隐患。在这类事故发生之后，即使在不方便时间也要尽快安排行程以获得车辆服务。
技术实现思路
在一个方面中，本公开涉及一种车辆，其包括：至少一个麦克风，其被配置成产生表示在所述车辆的轿厢中呈现的音频内容的信号；信息娱乐系统，其接入多个音频内容来源；和人工神经网络，其被配置成接收与所述车辆中的音频控制相关的输入参数并且基于随时间变化的所述输入参数，产生音频模式的预测，其中所述输入参数包含表示来自所述至少一个麦克风的所述信号的数据，以及所述车辆的至少一个操作参数；其中所述车辆被配置成至少部分地基于所述人工神经网络产生的所述预测来调整所述信息娱乐系统的设置。在另一方面中，本公开涉及一种方法，其包括：通过配置于车辆中的至少一个麦克风，产生表示在所述车辆的轿厢中呈现的音频内容的信号，其中信息娱乐系统接入多个音频内容来源；在人工神经网络中，接收与所述车辆中的音频控制相关的输入参数；通过所述人工神经网络基于随时间变化的所述输入参数，产生音频模式的预测；和通过所述车辆，至少部分地基于所述人工神经网络产生的所述预测来调整所述信息娱乐系统的设置。在又一方面中，本公开涉及一种信息娱乐系统，其包括：至少一个麦克风，其被配置成产生表示在具有多个音频内容来源的车辆的轿厢中呈现的音频内容的信号；和人工神经网络，其被配置成接收与所述车辆中的音频控制相关的输入参数并且基于随时间变化的所述输入参数，产生音频模式的预测，其中所述输入参数包含表示来自所述至少一个麦克风的所述信号的数据，以及所述车辆的至少一个操作参数；其中所述信息娱乐系统被配置成至少部分地基于所述人工神经网络产生的所述预测来调整设置以改变在所述车辆的所述轿厢中呈现的音频内容。附图说明实施例是借助于实例而非限制在附图的图式中示出，在附图中相似参考指示类似元件。图1示出根据一些实施例的其中车辆配置有数据存储装置以收集和处理传感器数据的系统。图2示出根据一个实施例的具有数据存储装置的自主车辆。图3-5说明根据一些实施例的用于维护服务预测的人工神经网络的训练。图6示出根据一个实施例的预测性维护的方法。图7示出根据一个实施例的加速神经网络计算的数据存储装置。图8示出根据一个实施例的加速神经网络计算的存储媒体组件。图9示出根据一个实施例的加速机动车辆中的神经网络计算的方法。图10示出根据一个实施例的被配置成支持神经网络计算的数据存储装置。图11说明根据一个实施例的用于人工神经网络(ANN)模型的名称空间的配置。图12说明根据一个实施例的用于发到人工神经元的输入的名称空间的配置。图13说明根据一个实施例的用于来自人工神经元的输出的名称空间的配置。图14-16示出根据一个实施例的模型分区、输入分区和输出分区支持的预测性维护的方法。图17示出根据一个实施例与数据存储装置通信以实施神经网络计算。图18示出根据一个实施例与数据存储装本文档来自技高网...

【技术保护点】
1.一种车辆，其包括：/n至少一个麦克风，其被配置成产生表示在所述车辆的轿厢中呈现的音频内容的信号；/n信息娱乐系统，其接入多个音频内容来源；和/n人工神经网络，其被配置成接收与所述车辆中的音频控制相关的输入参数并且基于随时间变化的所述输入参数，产生音频模式的预测，其中所述输入参数包含表示来自所述至少一个麦克风的所述信号的数据，以及所述车辆的至少一个操作参数；其中所述车辆被配置成至少部分地基于所述人工神经网络产生的所述预测来调整所述信息娱乐系统的设置。/n

【技术特征摘要】
20190821 US 16/547,1771.一种车辆，其包括：
至少一个麦克风，其被配置成产生表示在所述车辆的轿厢中呈现的音频内容的信号；
信息娱乐系统，其接入多个音频内容来源；和
人工神经网络，其被配置成接收与所述车辆中的音频控制相关的输入参数并且基于随时间变化的所述输入参数，产生音频模式的预测，其中所述输入参数包含表示来自所述至少一个麦克风的所述信号的数据，以及所述车辆的至少一个操作参数；其中所述车辆被配置成至少部分地基于所述人工神经网络产生的所述预测来调整所述信息娱乐系统的设置。


2.根据权利要求1所述的车辆，其中所述输入参数另外包含来自所述信息娱乐系统的数据。


3.根据权利要求2所述的车辆，其中所述车辆的所述至少一个操作参数包含在车行道上行驶的所述车辆的速度，或所述车辆的方位，或其任何组合。


4.根据权利要求3所述的车辆，其中所述设置包含在所述车辆的所述轿厢中呈现的音频内容的来源的选择。


5.根据权利要求4所述的车辆，其中所述来源是所述信息娱乐系统的收音机中的电台、连接到所述信息娱乐系统的移动装置，或安装于所述信息娱乐系统中的计算机存储媒体中的文件。


6.根据权利要求3所述的车辆，其中所述车辆的所述至少一个操作参数另外包含温度、车窗敞开度设置、所述车辆的顶窗或天窗的设置，或所述车辆的折合式敞蓬车顶的设置，或其任何组合。


7.根据权利要求2所述的车辆，其中来自所述信息娱乐系统的所述数据识别目前正由所述信息娱乐系统递送到所述车辆的所述轿厢的音频内容的类型、音乐风格、音乐流派，或目前正由所述信息娱乐系统递送到所述车辆的所述轿厢的音频内容的来源，或其任何组合。


8.根据权利要求7所述的车辆，其中所述音频模式的预测包含预测的音频内容类型、预测的音乐风格、预测的音乐流派、或预测的来源，或其任何组合；且所述车辆被进一步配置成基于所述预测的音频内容类型、所述预测的音乐风格、所述预测的音乐流派或所述预测的来源或其任何组合来选择音频内容的来源。


9.根据权利要求8所述的车辆，其中所述车辆被配置成在无需向所述车辆中的乘员请求确认的情况下，至少部分地基于所述人工神经网络产生的所述预测来实现对所述信息娱乐系统的所述设置的第一调整。


10.根据权利要求9所述的车辆，其中所述车辆被配置成在至少部分地基于所述人工神经网络产生的所述预测实现对所述信息娱乐系统的所述设置的第二调整之前，向所述乘员请求确认。


11.根据权利要求1所述的车辆，其中所述人工神经网络被进一步配置成预测所述车辆中的一或多个乘员接受对所述信息娱乐系统的所述设置的调整的可能性，所述调整是至少部分地基于所述人工神经网络产生的所述预测而预测的；且所述车辆被配置成响应于所述可能性高于阈值的确定而实现所述调整。


12.根据权利要求1所述的车辆，其中所述人工神经网络被进一步配置成预测所述车辆中的一或多个乘员接受对所述信息娱乐系统的所述设置的调整的可...

【专利技术属性】
技术研发人员：R·R·N·比尔比，P·卡利，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：美国;US