自主车辆的行为规划制造技术

本公开的实施例涉及自主车辆的行为规划。本文所述技术基于规划系统内不同组件对多个假设轨迹的评估来选择自主车辆的优选轨迹。各个组件根据组件的优先级为每个轨迹提供优化分数，并且来自多个组件的分数可以形成最终的优化分数。该评分系统允许同时考虑不同组件的竞争优先级(例如，舒适性、最短行驶时间、燃油经济性)。在示例中，可以选择具有最佳组合分数的轨迹用以实施。因此，可以使用评估各种因素的迭代方法在导航环境时识别自主车辆的最佳或优选轨迹。或优选轨迹。或优选轨迹。

【技术实现步骤摘要】
【国外来华专利技术】自主车辆的行为规划

技术介绍

[0001]设计一个在无人监督的情况下自主安全驾驶车辆的系统非常困难。自主车辆至少应该能够在功能上等同于专心的驾驶员(该驾驶员利用感知和行动系统，该系统具有在复杂环境中识别和应对移动和静态障碍物的惊人能力)，以避免与车辆路径上的其他物体或结构发生碰撞。因此，检测障碍物、路径、等待条件、道路或车道几何形状和/或其他环境信息的能力通常对于自动驾驶感知系统至关重要。
[0002]驾驶感知系统的确定可用于行为规划(例如，确定沿车辆路线的轨迹)。因此，自主车辆的行为规划是一项具有挑战性但至关重要的任务，尤其是对于复杂的城市场景。例如，为了让自主车辆了解其周围环境，以便做出安全有效的行为决策，自主车辆必须处理这些不同的环境输入以及当前车辆轨迹和路线信息，以计算车辆的持续或未来轨迹。然而，传统的行为规划系统通常依赖于不考虑环境中不断变化的变量的不灵活决策。例如，传统方法可以选择行驶时间最短的路线，然后选择遵循该路线的车道规划。然而，这种僵化的规划不允许规划系统根据不断变化的环境条件优化调整轨迹。例如，通过将车辆的行为与其他决定(如避免碰撞)分开来确定，对当前规划的调整可能是被动的，而不是主动的。因此，在避免碰撞的示例中，可以使用来自行为规划器的输出来确定控制决策，并且在确定可能发生碰撞时，避免碰撞功能可以生成更新的控制决策。结果，车辆的轨迹不是使用避免碰撞作为一个因素来确定的，而是被车辆的防撞功能覆盖。因此，这些传统系统确定了车辆的次优行为，并且没有考虑来自车辆各种不同功能的动态输入，例如避免碰撞或车道规划。

技术实现思路

[0003]本公开的实施例涉及自主车辆的行为规划。公开了与自主车辆的轨迹规划相关的系统和方法，其与先前的轨迹规划技术相比具有若干优点。例如，与传统技术相比，本文描述的技术允许规划系统内的不同组件同时评估多个假设轨迹。这些不同的组件中的每一个——例如，对应于避免碰撞、车辆机动类型、路线规划、车道规划、让行信息等——都可以根据组件的优先级为每条轨迹提供优化分数。这样，来自多个组件的分数可以形成最终的优化分数，并且可以选择具有最佳组合分数的轨迹来实施。该评分系统允许同时考虑不同组件的竞争优先级(例如，舒适性、最短行驶时间、燃油经济性、安全性等)。
[0004]与诸如上述那些传统系统的进一步对比，本文所述技术通过提供可由多个系统组件使用的信息来量化不遵循当前优选或选定的车道规划或路线的后果，从而实现更安全、更高效的规划。例如，虽然传统方法可能认识到，如果在接下来的五秒钟内不改变车道，可能会导致错过路线，但这些传统方法在为车辆生成潜在的未来轨迹输出时无法量化或编码这种失败。根据本公开，通过量化该失败，规划系统可在确定要遵循的轨迹时生成并使用优选或最优路线。因此，本公开的行为规划系统可以使用来自各种系统组件的信息来确定车辆的潜在轨迹，并且可以在每次迭代或时间步更新潜在轨迹，例如，考虑到这些不同系统中的每一个步骤，以反映环境变量、路线规划信息和/或车道规划信息的动态性质。
附图说明
[0005]下面结合附图详细描述针对自主车辆的行为规划的本系统和方法，其中：
[0006]图1是根据本公开的一些实施例的用于自主车辆的示例性行为规划架构的图示；
[0007]图2是根据本公开的一些实施例的示例轨道规划和相应速度计算的图示；
[0008]图3是根据本公开的一些实施例的自主车辆周围的示例环境条件的图示；
[0009]图4是根据本公开的一些实施例的当根据环境条件进行调整时的示例轨道规划和相应速度计算的图示；
[0010]图5是示出根据本公开的一些实施例的为自主车辆选择轨迹的方法的流程图；
[0011]图6是示出根据本公开的一些实施例的为自主车辆选择轨迹的方法的流程图；
[0012]图7是示出根据本公开的一些实施例的为自主车辆选择轨迹的方法的流程图；
[0013]图8A是根据本公开的一些实施例的示例自主车辆的图示；
[0014]图8B是根据本公开的一些实施例的图8A的示例自主车辆的相机位置和视场的示例；
[0015]图8C是根据本公开的一些实施例的图8A的示例自主车辆的示例系统架构的框图；
[0016]图8D是根据本公开的一些实施例的用于在基于云的服务器与图8A的示例自主车辆之间通信的系统图；
[0017]图9是适合用于实现本公开的一些实施例的示例计算设备的框图；以及
[0018]图10是适合用于实现本公开的一些实施例的示例数据中心的框图。
具体实施方式
[0019]公开了与规划自主车辆或其他类型自主机器的轨迹相关的系统和方法，诸如但不限于本文所述的那些。尽管本公开可以针对示例自主车辆800(可替代地在此被称为“车辆800”或“自我车辆800”，其示例本文针对图8A
‑
8D进行描述)进行描述，但这不旨在是限制性的。例如，本文描述的系统和方法可由非自主车辆、半自主车辆(例如，在一个或更多个高级驾驶员辅助系统(ADAS)中)、机器人和机器人平台、仓库车辆、越野车辆、飞行船、船和/或其他车辆类型使用。此外，尽管本专利技术可以关于自主驾驶进行描述，但这并不是为了限制。例如，本文描述的系统和方法可用于机器人技术(例如，机器人的行为规划)、航空系统(例如，无人机或其他飞行器的行为规划)、划船系统(例如，船只的行为规划)、模拟环境(例如，用于在虚拟模拟环境中测试或验证虚拟车辆的行为规划系统)和/或其他
，例如用于路线规划、车道规划、行为规划和/或控制决策。
[0020]本文描述的技术可以采用允许每个规划组件使用最小计算资源的架构。在一些实施例中，本文描述的轨迹规划系统可以利用三个不同的规划组件，每个具有不同的规划范围。因此，可以通过向每个规划组件提供具有刚好足够详细的规划信息来跨相应规划范围完成所需任务来提高计算效率。在至少一个实施例中，三个不同的规划组件包括路线规划器、车道规划器和行为规划器。每个组件都可以产生一个结果和/或结果集，并将其传达给规划管道中的下一个组件。路线规划器可以将路线集传送给车道规划器，并且车道规划器可以将车道规划传送给行为规划器。行为规划器可以开发和评估多个轨迹。车道规划可以采用车道图的形式，其时间奖励与图节点相关。这种类型的车道规划可能不同于包括一个或更多个车道序列的传统车道规划。选择的或优化的轨迹可以从行为规划器发送到负责实
施规划轨迹的运动控制器。
[0021]路线规划器可能具有覆盖大地理区域(例如，都会区、州、国家、地区)的地理信息，但细节量相对较低(例如，比用于车道规划和轨迹规划的地理信息中发现的细节更少)。路线规划器的规划范围可以是起点(例如，当前位置)和目的地点之间的整个区域。路线规划器可以使用相对较大区域的低细节地图来计算到目的地的多条路线。例如，大地理区域可能大于50平方英里、大于500平方英里、大于1000平方英里或更大。在一个方面，单个路线最初不被选为最优，而是可以根据到路线目的地的估计行驶时间或通过量化最优或优选路线的一些其本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种为自主机器选择轨迹的方法，所述方法包括：生成车道图，所述车道图包括用于所述自主机器的潜在未来位置的第一系列时间奖励；生成多个可能轨迹，所述多个可能轨迹使所述自主机器能够完成自主机器动作；使用所述第一系列时间奖励作为输入，为所述可能轨迹生成优化度量；使用所述优化度量选择用于实施的轨迹；以及使用所述自主机器实施所述轨迹。2.根据权利要求1所述的方法，还包括：使用第一地理区域的地理数据集作为输入来选择起点和路线目的地之间的路线。3.根据权利要求2所述的方法，其中所述第一系列时间奖励包括使用第二地理区域的车道信息计算的一系列连续时间奖励，所述第二地理区域小于所述第一地理区域。4.根据权利要求3所述的方法，其中所述多个可能轨迹是使用第三地理区域的详细车道信息生成的，所述第三地理区域小于所述第二地理区域。5.根据权利要求3所述的方法，其中所述第一系列时间奖励是在没有来自本地世界模型的场景信息的情况下计算的，所述本地世界模型代表由所述自主机器上的传感器检测到的对象。6.根据权利要求1所述的方法，其中所述方法还包括生成场景预测，所述场景预测包括由所述自主机器上的传感器检测到的对象的预测未来对象位置。7.根据权利要求1所述的方法，其中使用所述第一系列时间奖励作为输入来选择所述自主机器动作。8.根据权利要求1所述的方法，其中所述车道图包括第二系列时间奖励，所述第二系列时间奖励针对所述自主机器在路线的第二车道上的潜在未来位置。9.一种为自主机器选择轨迹的方法，所述方法包括：生成场景预测，所述场景预测包括由对应于所述自主机器的一个或更多个传感器检测到的对象的预测未来对象位置；生成用于自主机器动作的多个可能轨迹，所述多个可能轨迹在对应于所述自主机器动作的标称横向轨道内具有多个纵向条件和横向条件；使用所述场景预测和与所述自主机器的多个潜在未来位置相对应的第一系列时间奖励来评估所述多个可能轨迹，以生成用于所述多个可能轨迹的优化度量；使用所述优化度量来选择起始参数集的轨迹，所述起始参数集用于生成用于评估的附加轨迹；使用所述优化度量从所述附加轨迹中选择单个轨迹；以及实施所述自主机器的所述单个轨迹。10.根据权利要求9所述的方法，使用所述场景预测为所述自主机器动作生成纵向限制。11.根据权利要求9...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：辉达公司，
类型：发明
国别省市：