自主交通工具系统技术方案

从多个传感器接收传感器数据，其中该多个传感器包括第一组传感器和第二组传感器，并且该多个传感器的至少一部分被耦合到交通工具。基于由第一组传感器生成的传感器数据的至少一部分来自动控制交通工具。根据由第二组传感器生成的传感器数据确定自主交通工具内的一个或多个乘客的乘客属性。基于乘客属性和由第一组传感器生成的传感器数据来修改交通工具的交通工具属性。的交通工具属性。的交通工具属性。

【技术实现步骤摘要】
【国外来华专利技术】自主交通工具系统
相关申请的交叉引用
[0001]本申请要求于2019年3月29日提交的题为自主交通工具系统(“Autonomous Vehicle System)的美国临时专利申请第_62/826,955号的权益和优先权，该临时专利申请的全部内容通过引用结合于此。


[0002]本公开总体上涉及计算机系统领域，并且更具体地涉及实现自主交通工具的计算系统。

技术介绍

[0003]一些交通工具被配置成用于在自主模式下操作，在自主模式下，交通工具在几乎没有或没有来自驾驶员的输入的情况下导航通过环境。此类交通工具通常包括被配置成用于感测与环境有关的信息的一个或多个传感器。交通工具可以使用感测到的信息导航通过环境。例如，如果传感器感测到交通工具正在接近障碍物，则交通工具可以导航绕开障碍物。
附图说明
[0004]图1是示出示例自主驾驶环境的简化示图。
[0005]图2是图示出配备有自主驾驶功能的交通工具(和对应的车载计算系统)的示例实现方式的简化框图。
[0006]图3图示出根据某些实施例的神经网络的示例部分。
[0007]图4是图示出在各种交通工具中可支持的(例如，由它们的对应机载计算系统支持的)示例自主驾驶级别的简化框图。
[0008]图5是图示出可在一些自主驾驶系统中实现的示例自主驾驶流程的简化框图。
[0009]图6是图示在自主交通工具的硬件和/或软件中提供的、用于实现自主驾驶流水线的示例模块的简化框图。
[0010]图7是图示出示例推荐系统的逻辑表示的简化框图。
[0011]图8是描绘具有各种增强模式的示例较低级别自主交通工具的简化框图。
[0012]图9是图示出示例驾驶环境的简化框图。
[0013]图10是图示出示例增强的自主驾驶系统的简化框图。
[0014]图11是图示出示例帧转码器的简化框图。
[0015]图12图示出示例事件检测机器学习模型的表示。
[0016]图13图示出示例场景分类机器学习模型的表示。
[0017]图14图示出具有推荐器系统的示例自主驾驶系统的各方面。
[0018]图15是图示出根据某些实施例的自主交通工具和各种传感器的简化框图。
[0019]图16是图示出根据某些实施例的示例远程代客泊车服务的交付期间各系统之间
的通信的简化框图。
[0020]图17是图示出根据某些实施例的协作式报告与靠边停车事件风险和道路状况警告有关的信息的简化框图，该信息可被利用来启动远程代客泊车服务。
[0021]图18是图示出根据某些实施例的包括交通工具传感器、基于人工智能/机器学习的自主驾驶堆叠、以及支持触发和生成到能够提供远程代客泊车服务的系统的交接请求的逻辑的示例自主交通工具特征的简化框图。
[0022]图19是根据至少一个实施例的用于控制自主交通工具的示例感测、规划、动作模型的简化框图。
[0023]图20图示出根据至少一个实施例的简化的社会规范理解模型。
[0024]图21示出环境中交通工具之间协调的各方面的示图。
[0025]图22是图示出两个自主交通工具之间的示例信息交换的框图。
[0026]图23是图示出示例道路交叉口的简化框图。
[0027]图24图示出本地化行为模型共识的示例。
[0028]图25是示出根据至少一个实施例的评级和验证众包自主交通工具传感器数据的示例过程的简化图。
[0029]图26是根据至少一个实施例的对自主交通工具的传感器数据进行评级的示例过程的流程图。
[0030]图27是根据至少一个实施例的对自主交通工具的传感器数据进行评级的示例过程的流程图。
[0031]图28是根据至少一个实施例的用于自主交通工具数据收集的示例环境的简化图。
[0032]图29是根据至少一个实施例的用于自主交通工具的示例众包数据收集环境的简化框图
[0033]图30是根据至少一个实施例的用于计算传感器数据良好性得分的示例热图的简化图。
[0034]图31是根据至少一个实施例的计算自主交通工具传感器数据的良好性得分的示例过程的流程图。
[0035]图32图示出示例“匹兹堡左转”场景。
[0036]图33图示出示例“路怒”场景。
[0037]图34是示出根据至少一个实施例的自主交通工具的不规则/异常行为跟踪模型的简化框图。
[0038]图35图示出跟踪在给定情境中驾驶模式多频繁地发生的示例情境图。
[0039]图36是根据至少一个实施例的跟踪由交通工具观察到的不规则行为的示例过程的流程图。
[0040]图37是根据至少一个实施例的标识情境行为模式的示例过程的流程图。
[0041]图38是图示出用于自主驾驶环境的入侵检测系统的示例实现方式的简化框图。
[0042]图39图示出计算机视觉分析的示例操纵。
[0043]图40是根据至少一个实施例的用于交通工具的简化集中式交通工具控制架构的框图。
[0044]图41是自主感测和控制流水线的简化框图。
[0045]图42是图示出高度自动化或自主的交通工具的示例线控技术(x
‑
by
‑
wire)架构的简化框图。
[0046]图43是图示出根据至少一个实施例的高度自动化或自主的交通工具的示例安全性重置架构的简化框图。
[0047]图44是图示出根据至少一个实施例的高度自动化或自主的交通工具的通用安全性架构的示例的简化框图。
[0048]图45是图示出根据至少一个实施例的用于高度自动化和自主的交通工具的故障和入侵检测系统的示例操作流程的简化框图。
[0049]图46是图示出与故障和入侵检测系统相关联的高级别示例操作流程的简化流程图。
[0050]图47是图示出与故障和入侵检测系统相关联的高级别示例操作流程的另一简化流程图。
[0051]图48A
‑
图48B是显示与自动驾驶环境中的故障和入侵检测系统相关联的示例操作的简化流程图。
[0052]图49描述了根据某些实施例的数据分类、评分和处置的流程。
[0053]图50描绘了根据某些实施例的用于处置基于分类的数据的示例流程。
[0054]图51描绘了根据某些实施例的智能地生成综合数据的系统。
[0055]图52描绘了根据某些实施例的用于生成合成数据的流程。
[0056]图53描绘了用于生成对抗性样本和基于对抗性样本来训练机器学习模型的流程。
[0057]图54描绘了根据某些实施例的用于生成模拟攻击数据集和使用模拟攻击数据集训练分类模型的流程。
[0058]图55图示出根据某些实施例的非线性分类器的操作。
[0059]图56图示出根据某些实施例的非线性分类器的操作。
[0060]图57描绘了用于基于线性分类器的准确性而触发动本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.至少一种非暂态机器可读存储介质，具有存储于其上的指令，所述指令在由机器执行时使所述机器用于：从多个传感器接收传感器数据，其中所述多个传感器包括第一组传感器和第二组传感器，并且所述多个传感器的至少一部分被耦合到交通工具；基于由所述第一组传感器生成的传感器数据的至少一部分，使用所述交通工具上的处理器来自动控制所述交通工具；根据由所述第二组传感器生成的传感器数据，使用所述交通工具中的处理器来确定所述自主交通工具内的一个或多个乘客的乘客属性；以及基于所述乘客属性和由所述第一组传感器生成的传感器数据来修改所述交通工具的交通工具属性。2.如权利要求1所述的存储介质，其特征在于，所述交通工具的自动控制包括：确定所述交通工具的第一路径，以及基于所述乘客属性修改所述交通工具属性以将所述第一路径改变为第二路径，并且随后所述交通工具的自动控制基于所述第二路径。3.如权利要求1
‑
2中任一项所述的存储介质，其特征在于，所述交通工具属性包括所述交通工具的舱的物理属性，并且所述乘客在所述舱内。4.如权利要求3所述的存储介质，其特征在于，所述舱包括被配置成用于促进所述乘客的舒适度的一个或多个设备，并且修改所述交通工具属性包括自主地调整所述一个或多个设备。5.如权利要求1
‑
4中任一项所述的存储介质，其特征在于，修改所述交通工具属性包括基于与所述交通工具的自动控制和所述乘客属性相关联的导航规划，使用用户界面设备向所述乘客呈现推荐。6.如权利要求5所述的存储介质，其特征在于，所述推荐包括基于所述乘客属性来改变所述交通工具的目的地或路径的推荐。7.如权利要求1
‑
6中任一项所述的存储介质，其特征在于，所述乘客属性包括影响所述交通工具内的所述一个或多个乘客的舒适度、偏好、或需求的属性。8.如权利要求1
‑
7中任一项所述的存储介质，其特征在于，所述交通工具的自动控制使用第一机器学习模型来确定，并且所述乘客属性使用第二机器学习模型来确定。9.如权利要求1
‑
8中任一项所述的存储介质，其特征在于，所述交通工具属性包括要通过所述交通工具的自动控制实现的驾驶风格，并且修改所述交通工具属性基于乘客属性而改变驾驶风格。10.如权利要求1
‑
9中任一项所述的存储介质，其特征在于，所述第一组传感器和所述第二组传感器包括至少一个共同的传感器。11.如权利要求1
‑
10中任一项所述的存储介质，其特征在于，所述第一组传感器和所述第二组传感器中的至少一个传感器是所述交通工具以外的。12.如权利要求1
‑
11中任一项所述的存储介质，其特征在于，所述指令进一步可执行以使机器用于：基于来自所述第二组传感器的传感器数据来确定所述乘客中的一个或多个乘客的身份；以及访问与所述一个或多个乘客的身份相对应的偏好信息，其中所述乘客属性包括所述偏
好信息。13.如权利要求1
‑
12中任一项所述的存储介质，其特征在于，所述乘客属性描述所述乘客的人类属性。14.如权利要求13所述的存储介质，其特征在于，所述乘客包括多个乘客，并且所述人类属性包括一组乘客的组合属性，并且所述交通工具属性基于所述组合属性而被修改，所述一组乘客包括所述多个乘客。15.如权利要求1
‑
14中任一项所述的存储介质，其特征在于，所述指令进一步可执行以使机器用于：通过无线通信信道向远程计算系统发送包括来自所述第一组传感器或所述第二组传感器的数据的特定传感器数据；以及基于所述特定传感器数据从所述远程计算系统接收推荐数据，其中所述交通工具属性基于所述推荐数据而被修改。16.一种方法，所述方法包括：从多个传感器接收传感器数据，其中所述多个传感器包括第一组传感器和第二组传感器，并且所述多个传感器的至少一部分被耦合到交通工具；基于由所述第一组传感器生成的传感器数据的至少一部分，使用所述交通工具上的数据处理器来自动控制所述交通工具；根据由所述第二组传感器生成的传感器数据，使用所述交通工具上的数据处理器来确定所述自主交通工具内的一个或多个乘客的乘客属性；以及基于所述乘客属性和由所述第一组传感器生成的传感器数据来修改所述交通工具的交通工具属性。17.如权利要求16所述的方法，其特征在于，所述交通工具的自动控制包括：确定所述交通工具的第一路径，以及基于所述乘客属性修改所述交通工具属性导致所述第一路径改变为第二路径，并且随后所述交通工具的自动控制基于所述第二路径。18.如权利要求16
‑
17中任一项所述的方法，其特征在于，所述交通工具属性包括所述交通工具的舱的物理属性，并且所述乘客在所述舱内。19.如权利要求16
‑
18中任一项所述的方法，其特征在于，修改所述交通工具属性包括基于与所述交通工具的自动控制和所述乘客属性相关联地确定的路径，使用呈现设备向所述乘客呈现推荐。20.如权利要求16
‑
19中任一项所述的方法，其特征在于，所述交通工具属性包括要通过所述交通工具的自动控制实现的驾驶风格，并且修改所述交通工具属性导致所述驾驶风格基于所述乘客属性而被改变。21.一种系统，包括用于执行如权利要求16
‑
20中任一项所述的方法的装置。22.至少一种非暂态机器可读存储介质，具有存储于其上的指令，所述指令在由机器执行时使所述机器用于：接收由第一组传感器生成的第一传感器数据，其中所述第一传感器数据标识驾驶环境的属性；接收由第二组传感器生成的第二传感器数据，其中所述第二传感器数据标识所述驾驶环境中的特定交通工具内的一组乘客的属性；
基于所述第一传感器数据和所述第二传感器数据来确定推荐；经由无线通信信道向所述特定交通工具的板载计算系统发送推荐数据，其中所述推荐数据标识所述推荐并且可由所述板载计算系统消耗以影响所述特定交通工具的操作。23.如权利要求22所述的存储介质，其特征在于，所述第一组传感器包括被集成在所述特定交通工具上的一个或多个传感器。24.如权利要求22
‑
23中任一项所述的存储介质，其特征在于，所述第一组传感器包括所述特定交通工具以外的一个或多个传感器。25.如权利要求24所述的存储介质，其特征在于，所述指令进一步可执行以使所述机器用于：确定所述特定交通工具的位置；标识所述位置中的一个或多个特定传感器；以及访问来自所述特定传感器的特定传感器数据，其中所述第一传感器数据包括所述特定传感器数据。26.如权利要求25所述的存储介质，其特征在于，所述第一组传感器包括被安装在所述位置的另一交通工具上的一个或多个传感器。27.如权利要求25
‑
26中任一项所述的存储介质，其特征在于，所述第一...

【专利技术属性】
技术研发人员：H，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：