図面 (/)

技術 自己運転または部分的に自己運転する陸上車両を制御するための装置

出願人 マッシブ・アナリティック・リミテッド
発明者 フランゴウ,ジョージ・ジョン
出願日 2014年3月11日 (5年6ヶ月経過) 出願番号 2016-503711
公開日 2016年7月14日 (3年2ヶ月経過) 公開番号 2016-520464
状態 特許登録済
技術分野 駆動装置の関連制御、車両の運動制御 乗員・歩行者の保護 フィードバック制御一般
主要キーワード 被制御変数 ジェオメトリ 線形論理 入力障害 プロセス工業 ファジー論理コントローラ 短距離レーダ 力学的関係
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年7月14日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (4)

課題・解決手段

自己運転または部分的に自己運転する陸上車両制御装置であって、この装置は、粗調節アセンブリ(1,2,3)と微調節アセンブリ(4)とを含む。粗調節アセンブリ(1,2,3)は、a.速度および制動を含む力学的パラメータを測定するセンサインターフェース(1)と、b.車両の案内、ナビゲーション、および制御をモデル化するファジー記述であって、(i)運転手挙動および運転動特性と、(ii)天候道路条件、および交通量を含む環境による不確実性と、(iii)機械的および電気的部品を含む入力障害とを含む、ファジー記述と、c.ファジー化推論、およびタイプ・リダクションと非ファジー化とを含む出力処理を含み、結果的に得られる閉ループ・システムに安定性を与えるサブシステムを有する非線形MIMOシステム(2)のための適応ファジー論理コントローラ(3)であって、(i)ルールベースと、タイプ・リデューサに対する「ファジー集合」としての出力を使用して関係を同定する推論エンジンと、(ii)トルクアクチェータから、信号を「ファジー化する」ファジファイアまでを含む出力制御要求とを含む、適応ファジー論理コントローラ(3)とを含むようになっている。微調節アセンブリ(4)は、a.粗調節アセンブリ(1,2,3)からの入力と、b.計算される制御シーケンスの最小化および長さのために、目的関数がどれ位の今後のサンプルを考慮するか決定する予知ホライゾンと、c.「微」調節パラメータを供給する時間ステップ毎に、適応ファジー論理コントローラ(3)から抽出される線形化MIMO回帰モデルと、d.非線形動的線形化回帰コントローラ(4a)であって、(i)最適な今後の車両案内、ナビゲーション、および制御シーケンスを計算するAPACC統合(4b)に入力するクリスプ出力信号と、(ii)APACC線形論理システムに入力する縮小集合出力およびAPACC統合(4b)とを供給する、非線形動的線形化回帰コントローラとを含むようになっている。

概要

背景

自己運転車両または部分的自己運転車両の実現は、運転手関与度に依存して、複雑である。必要条件には、車線維持および警報システムサポート適応巡行制御、バックアップ警告、および駐車補助が含まれる。高度運転手補助システム(ADAS)、光検出および測距(LIDAR)、およびリアルタイム車両間通信における専用短距離通信DSRC)は、開発中にある既知の技術の一部に過ぎない。これらの技術は、車が画像からリアル・タイムで任意の状況の三次元ジオメトリーを計算し、これらの周囲の状況に応答することを可能にするように設計される。例えば、ADASは、アクチュエータ制御ユニット、および統合ソフトウェアと組み合わされた、ステレオカメラならびに長距離および短距離レーダのような、高度センサの組み合わせを使用する。

これまで、入手可能なセンサおよび人工知能の融合は、人間ができる程精度高く車両の周囲の状況を「見て」理解することができなかった。人工知能は、そのレベル推論思考を提供することができず、リアル・タイムで環境と通信することもできなかった。これらのセンサおよび接続技術を集中させれば、意思決定利用可能な入力が増え、それ以上精巧な人工知能の必要性が低下することが理解された。

モデル予測制御MPC)は、最適化ベース制御戦略であり、車両自律運転シナリオでは、非常に魅力的であると考えられる。例えば、MPC解決手段に関して、APACCは、センサ、運転手の挙動および交通データを含むデータ、ならびにモデル予測コントローラを使用して、燃費を向上させる。

安全な自己運転車両は既に作られている。従前からの自動車製造会社や供給業者だけでなく、Google社も、センサ・ベースの解決手段を使用して自己運転機能を開発し、進行中の多くの新たな用途を有する。同時に、自動車およびハイテク会社ならびにUSDOTを含む複数の組織が、衝突回避および交通管理のために接続車両通信技術を使用する潜在的可能性に照準を絞っている。

高度制御方式によってサポートされるセンサ・ベース技術および接続車両通信を統合することは、真の自律車両を可能にするために必要とされる。しかしながら、過去数年の高度制御方式では、車両自律運転では線形モデル予測制御(MPC)が使用されたに過ぎない。全てのMPC技法の背後にある基礎的な考えは、目標機能の最小化によって最適な今後の制御シーケンスを計算するために、プラントモデル(plant model)の予測拠り所にするということである。MPCモデルは、被制御変数被操作変数、および外乱摂動変数を含む。各サンプル時点において、新たな測定データおよびシーケンスの最初の制御入力に基づいて行われる最適化が適用される。シーケンスの残り部分は破棄され、「後退ホライズン」の態様で次のサンプリング時点においてこのプロセスが繰り返される。

MPCはその起源化学プロセス工業に有するが、車両自律運転に対するその応用に増々関心が寄せられており、車線維持および警告システムのサポート、適応巡行制御、バックアップ警告、および駐車補助が含まれる。本質的に、MFCの応用は、最適化を採用し、増大する自律性および再構成に対する自然な枠組みを設けることによって、燃料および時間最適速度計画という理念の上に組み立てられつつ、有限制御権限(finite control authority)、受動安全性(passive safety)、および衝突回避というような物理的および動作的制約を考慮に入れる。更に、他では知ることができない行程計画というような、他の改良も可能である。

一般化予測制御(GPC)およびその派生物が、特別な注目を集めている。特に、不安定なまたは時間遅延が生ずるMIMOシステムにGPCを単純なやり方で応用でき、静止モデルに対する計算的要求が低いため、多くの異なる種類のタスクのために有用となる。予想外の振る舞いをするシステム、人間の要因障害、および環境は全て、非線形プラント動特性に寄与する要因である。MPCの欠点は、この方法が線形モデルに限定されることである。プラントにおいて非線形動特性が存在する場合、線形モデルは、MPC技法がしかるべく機能するための十分な予測を出せないおそれがある。

閉ループ同定に対する2つの最も一般的な手法は、直接手法および間接手法である。直接手法は、フィードバックの存在を無視し、直接プラント入力および出力データによってプラントを同定する。これは、制御フィードバックのタイプや、コントローラ線形性についての知識も必要でないという利点がある。間接手法は、閉ループを同定し、可能であればディコボリュションによって、開ループ・モデルを得る。開ループ・モデルを得ることができるのは、コントローラが既知であり、閉ループ・プラント・モデルおよびコントローラの双方が線形である場合だけである。

多変数多入力多出力MIMO)システムの制御は、実際の車両間通信、および車両からインフラストラクチャへの通信における共通問題である。接続車両システムは、リアル・タイムで通信するためにワイヤレス技術を使用する。殆どの既存の手法は、アクチュエータの正確なモデルが入手可能であると想定して、運転手の挙動および環境における不確実性だけを扱う。この想定が満たされることは実際には希である。何故なら、アクチュエータのパラメータも、機械的および電気的部品等のような入力障害等による不確実性を有するからである。アクチュエータの不確実性を伴う適応制御は考慮されないが、この不確実性の結果、コントローラの性能に重大な劣化を生ずる。

概要

自己運転または部分的に自己運転する陸上車両制御装置であって、この装置は、粗調節アセンブリ(1,2,3)と微調節アセンブリ(4)とを含む。粗調節アセンブリ(1,2,3)は、a.速度および制動を含む力学的パラメータを測定するセンサ・インターフェース(1)と、b.車両の案内、ナビゲーション、および制御をモデル化するファジー記述であって、(i)運転手の挙動および運転動特性と、(ii)天候道路条件、および交通量を含む環境による不確実性と、(iii)機械的および電気的部品を含む入力障害とを含む、ファジー記述と、c.ファジー化、推論、およびタイプ・リダクションと非ファジー化とを含む出力処理を含み、結果的に得られる閉ループ・システムに安定性を与えるサブシステムを有する非線形MIMOシステム(2)のための適応ファジー論理コントローラ(3)であって、(i)ルール・ベースと、タイプ・リデューサに対する「ファジー集合」としての出力を使用して関係を同定する推論エンジンと、(ii)トルクアクチェータから、信号を「ファジー化する」ファジファイアまでを含む出力制御要求とを含む、適応ファジー論理コントローラ(3)とを含むようになっている。微調節アセンブリ(4)は、a.粗調節アセンブリ(1,2,3)からの入力と、b.計算される制御シーケンスの最小化および長さのために、目的関数がどれ位の今後のサンプルを考慮するか決定する予知ホライゾンと、c.「微」調節パラメータを供給する時間ステップ毎に、適応ファジー論理コントローラ(3)から抽出される線形化MIMO回帰モデルと、d.非線形動的線形化回帰コントローラ(4a)であって、(i)最適な今後の車両案内、ナビゲーション、および制御シーケンスを計算するAPACC統合(4b)に入力するクリスプ出力信号と、(ii)APACC線形論理システムに入力する縮小集合出力およびAPACC統合(4b)とを供給する、非線形動的線形化回帰コントローラとを含むようになっている。

目的

本発明の非限定的な一実施形態では、自己運転または部分的に自己運転する陸上車両を制御するための装置を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

自己運転または部分的に自己運転する陸上車両制御装置であって、該装置が、粗調節アセンブリ微調節アセンブリとを含み、前記粗調節アセンブリが、a.速度および制動を含む力学的パラメータを測定するセンサインターフェースと、b.前記車両の案内、ナビゲーション、および制御をモデル化するファジー記述であって、(i)運転手挙動および運転動特性と、(ii)天候道路条件、および交通量を含む環境による不確実性と、(iii)機械的および電気的部品を含む入力障害と、を含む、ファジー記述と、c.ファジー化推論、およびタイプ・リダクションと非ファジー化とを含む出力処理を含み、結果的に得られる閉ループ・システムに安定性を与えるサブシステムを有する非線形MIMOシステムのための適応ファジー論理コントローラであって、(i)ルールベースと、タイプ・リデューサに対する「ファジー集合」としての出力を使用して関係を同定する推論エンジンと、(ii)トルクアクチュエータから、前記信号を「ファジー化する」ファジファイアまでを含む出力制御要求と、を含む、適応ファジー論理コントローラと、を含むようになっており、前記微調節アセンブリが、a.前記粗調節アセンブリからの入力と、b.計算される制御シーケンスの最小化および長さのために、目的関数がどれ位の今後のサンプルを考慮するか決定する予知ホライゾンと、c.前記「微」調節パラメータを供給する時間ステップ毎に、前記適応ファジー論理コントローラから抽出される線形化MIMO回帰モデルと、d.非線形動的線形化回帰コントローラであって、(i)前記最適な今後の車両案内、ナビゲーション、および制御シーケンスを計算するAPACC統合に入力するクリスプ出力信号と、(ii)前記APACC線形論理システムに入力する縮小集合出力およびAPACC統合とを供給する、非線形動的線形化回帰コントローラと、を含むようになっている、装置。

請求項2

請求項1記載の装置であって、前記入力信号を前記出力信号に対して最適化し、前記車両の今後の安定化出力パラメータ予測する、カスケードディオファントス周波数合成DFS)手段を含む、同期アセンブリを含む、装置。

技術分野

0001

本発明は、制御装置に関し、更に特定すれば、本発明は、自己運転(self-driving)または部分的に自己運転する陸上車両を制御するための装置に関する。

背景技術

0002

自己運転車両または部分的自己運転車両の実現は、運転手関与度に依存して、複雑である。必要条件には、車線維持および警報システムサポート適応巡行制御、バックアップ警告、および駐車補助が含まれる。高度運転手補助システム(ADAS)、光検出および測距(LIDAR)、およびリアルタイム車両間通信における専用短距離通信DSRC)は、開発中にある既知の技術の一部に過ぎない。これらの技術は、車が画像からリアル・タイムで任意の状況の三次元ジオメトリーを計算し、これらの周囲の状況に応答することを可能にするように設計される。例えば、ADASは、アクチュエータ制御ユニット、および統合ソフトウェアと組み合わされた、ステレオカメラならびに長距離および短距離レーダのような、高度センサの組み合わせを使用する。

0003

これまで、入手可能なセンサおよび人工知能の融合は、人間ができる程精度高く車両の周囲の状況を「見て」理解することができなかった。人工知能は、そのレベル推論思考を提供することができず、リアル・タイムで環境と通信することもできなかった。これらのセンサおよび接続技術を集中させれば、意思決定利用可能な入力が増え、それ以上精巧な人工知能の必要性が低下することが理解された。

0004

モデル予測制御MPC)は、最適化ベース制御戦略であり、車両自律運転シナリオでは、非常に魅力的であると考えられる。例えば、MPC解決手段に関して、APACCは、センサ、運転手の挙動および交通データを含むデータ、ならびにモデル予測コントローラを使用して、燃費を向上させる。

0005

安全な自己運転車両は既に作られている。従前からの自動車製造会社や供給業者だけでなく、Google社も、センサ・ベースの解決手段を使用して自己運転機能を開発し、進行中の多くの新たな用途を有する。同時に、自動車およびハイテク会社ならびにUSDOTを含む複数の組織が、衝突回避および交通管理のために接続車両通信技術を使用する潜在的可能性に照準を絞っている。

0006

高度制御方式によってサポートされるセンサ・ベース技術および接続車両通信を統合することは、真の自律車両を可能にするために必要とされる。しかしながら、過去数年の高度制御方式では、車両自律運転では線形モデル予測制御(MPC)が使用されたに過ぎない。全てのMPC技法の背後にある基礎的な考えは、目標機能の最小化によって最適な今後の制御シーケンスを計算するために、プラントモデル(plant model)の予測拠り所にするということである。MPCモデルは、被制御変数被操作変数、および外乱摂動変数を含む。各サンプル時点において、新たな測定データおよびシーケンスの最初の制御入力に基づいて行われる最適化が適用される。シーケンスの残り部分は破棄され、「後退ホライズン」の態様で次のサンプリング時点においてこのプロセスが繰り返される。

0007

MPCはその起源化学プロセス工業に有するが、車両自律運転に対するその応用に増々関心が寄せられており、車線維持および警告システムのサポート、適応巡行制御、バックアップ警告、および駐車補助が含まれる。本質的に、MFCの応用は、最適化を採用し、増大する自律性および再構成に対する自然な枠組みを設けることによって、燃料および時間最適速度計画という理念の上に組み立てられつつ、有限制御権限(finite control authority)、受動安全性(passive safety)、および衝突回避というような物理的および動作的制約を考慮に入れる。更に、他では知ることができない行程計画というような、他の改良も可能である。

0008

一般化予測制御(GPC)およびその派生物が、特別な注目を集めている。特に、不安定なまたは時間遅延が生ずるMIMOシステムにGPCを単純なやり方で応用でき、静止モデルに対する計算的要求が低いため、多くの異なる種類のタスクのために有用となる。予想外の振る舞いをするシステム、人間の要因障害、および環境は全て、非線形プラント動特性に寄与する要因である。MPCの欠点は、この方法が線形モデルに限定されることである。プラントにおいて非線形動特性が存在する場合、線形モデルは、MPC技法がしかるべく機能するための十分な予測を出せないおそれがある。

0009

閉ループ同定に対する2つの最も一般的な手法は、直接手法および間接手法である。直接手法は、フィードバックの存在を無視し、直接プラント入力および出力データによってプラントを同定する。これは、制御フィードバックのタイプや、コントローラ線形性についての知識も必要でないという利点がある。間接手法は、閉ループを同定し、可能であればディコボリュションによって、開ループ・モデルを得る。開ループ・モデルを得ることができるのは、コントローラが既知であり、閉ループ・プラント・モデルおよびコントローラの双方が線形である場合だけである。

0010

多変数多入力多出力MIMO)システムの制御は、実際の車両間通信、および車両からインフラストラクチャへの通信における共通問題である。接続車両システムは、リアル・タイムで通信するためにワイヤレス技術を使用する。殆どの既存の手法は、アクチュエータの正確なモデルが入手可能であると想定して、運転手の挙動および環境における不確実性だけを扱う。この想定が満たされることは実際には希である。何故なら、アクチュエータのパラメータも、機械的および電気的部品等のような入力障害等による不確実性を有するからである。アクチュエータの不確実性を伴う適応制御は考慮されないが、この不確実性の結果、コントローラの性能に重大な劣化を生ずる。

発明が解決しようとする課題

0011

本発明の目的は、以上で述べた問題を低減することである。

課題を解決するための手段

0012

本発明の非限定的な一実施形態では、自己運転または部分的に自己運転する陸上車両を制御するための装置を提供する。この装置は、粗調節アセンブリ微調節アセンブリとを含む。

0013

粗調節アセンブリは、
a.速度および制動を含む力学的パラメータを測定するセンサ・インターフェースと、
b.車両の案内、ナビゲーション、および制御をモデル化するファジー記述であって、
(i)運転手の挙動および運転動特性と、
(ii)天候道路条件、および交通量を含む環境による不確実性と、
(iii)機械的および電気的部品を含む入力障害と、
を含む、ファジー記述と、
c.ファジー化、推論、およびタイプ・リダクションと非ファジー化とを含む出力処理を含み、結果的に得られる閉ループ・システムに安定性を与えるサブシステムを有する非線形MIMOシステムのための適応ファジー論理コントローラであって、
(i)ルール・ベースと、タイプ・リデューサに対する「ファジー集合」としての出力を使用して関係を同定する推論エンジンと、
(ii)トルクアクチェータから、信号を「ファジー化する」ファジファイアまでを含む出力制御要求(output control demand)とを含む、適応ファジー論理コントローラと、
を含むようになっており、
微調節アセンブリは、
a.粗調節アセンブリからの入力と、
b.計算される制御シーケンスの最小化および長さのために、目的関数がどれ位の今後のサンプルを考慮するか決定する予知ホライゾンと、
c.「微」調節パラメータを供給する時間ステップ毎に、適応ファジー論理コントローラから抽出される線形化MIMO回帰モデルと、
d.非線形動的線形化回帰コントローラであって、
(i)最適な今後の車両案内、ナビゲーション、および制御シーケンスを計算するAPACC統合に入力するクリスプ出力信号と、
(ii)APACC線形論理システムに入力する縮小集合出力およびAPACC統合とを供給する、非線形動的線形化回帰コントローラと、を含む。

0014

この装置は、入力信号を出力信号に対して最適化し、車両の今後の安定化出力パラメータを予測する、カスケードディオファントス周波数合成DFS)手段を含む、同期アセンブリを含むものでもよい。

0015

システム同定のためのニューラルネットワークの使用は、ファジー論理と同様比較的新しい手法である。
本発明の装置は、適応(モデル)認知制御(APACC)を使用して人工予知(AP)を提供すると見なすことができる。APACCは、モデル予測制御(MPC)を改良する。非常に複雑なアルゴリズムを使用して、APACCは、非常に高いレベルの推論思考およびリアル・タイム通信を可能にする。利用可能なセンサの融合により、APACCは、車両の周囲を「認知」し、外部環境真正な「知覚」を与える能力を提供する。これは、人間が蓄えた記憶および感覚入力の組み合わせを使用して、イベントが発生するに連れてこれらを解釈し、ありそうなシナリオを予測する(認知する)方法を模擬するのにいくらか助けになることによって、これまでに可能であったことを遙かに凌駕する。

図面の簡単な説明

0016

これより、一例のみとして、そして添付図面を参照しながら、本発明の実施形態について説明する。
図1は、車両自律運転におけるAPACCを示す。
図2は、車両自律運転において、APACCを使用する人工予知のためのコンピュータハードウェアコア・システムを示す。
図3は、車両自律運転におけるAPACCのために高性能計算を行うIntel社(登録商標)Xeon(登録商標)プロセッサを示す。

実施例

0017

図面を参照すると、非線形車両自律運転動特性は、高度の非線形性を有する「ファジー」と特徴付けることができる。APACCは、非線形モデルの瞬時的線形性に、各サンプリング時にファジー論理回路図2におけるファジファイア(fuzzyifier))の「認知」出力を供給する。これは、ファジー論理回路出力の瞬時的線形性が、適応線形回帰モデルを生成することを除いて、殆どの形態(aspects)においてGPCと同様である。

0018

ファジー論理の主要な利点は、設計者に単純な「if−then」関係で所望のシステム挙動を記述させることである。多くの用途において、これはより少ない設計時間でより単純な解を得る。加えて、設計者は、システム性能を直接的に最適化するために、入手可能な全ての設計ノウハウを使用することができる。これは確かにファジー論理の長所(beauty)であるが、重大な欠点もある。多くの用途において、所望のシステム挙動を記述する知識は、データ集合に含まれる。ここで、設計者はデータ集合から手作業で「if−then」ルールを導く必要があったが、大きなデータ集合では多大な労力を必要とする。データ集合が、設計されるシステムについての知識を含むとき、ニューラル・ネットは、このデータ集合からそれ自体を訓練することができるので、解を約束する。

0019

ニューラル・ネットは、データ集合から学習することによる利点があるが、これらには固有の欠点がある。例えば、特定の挙動に対する原因を解釈することができず、ある所望の挙動に変化させるために手作業でニューラル・ネットを変更することもできない。また、しかるべきネット・モデルの選択、および学習アルゴリズムのパラメータの設定は、難しく、多くの経験を必要とする。他方で、ファジー論理の解は、検証および最適化が容易である。本発明は、ルール派生を自動化するファジー論理コントローラを利用し、プラント動特性を瞬時に予測するためにこの機能を手作業で実行する必要性を解消する。

0020

ファジー制御方法は、非線形制御問題に取り組むための将来性のある方法として近年において出現した。特に、ファジー制御は、非線形制御問題に対して発見的な制御知識を使用するために提供する単純な手法のために、制御の世界において影響を及ぼした。非常に複雑な状況では、プラント・パラメータが摂動を受ける場合、またはシステムの動特性が非常に複雑な場合、データを収集制御パラメータを自動的に調節するためには、適応方式をオンラインで使用しなければならない。しかしながら、これらの適応手法には、これまで安定性条件が与えられなかった。APACCは、2つのコンポーネントをその適応ファジー制御方式に導入する。1つは、粗調節用ファジー論理システムである。他の1つは、適応線形モデルを生成するファジー論理回路出力の瞬時的線形化である。これは、微調節のための監視制御スライディングモード制御のような、一種ロバスト補償器として機能する。

0021

近年、多入力多出力(MIMO)非線形システムのために、様々な安定した適応ファジー制御方式が開発された。しかしながら、これらの適応制御技法は、状態が測定に利用可能であることが想定されるMIMO非線形システムだけに制限される。多くの実際の状況では、状態変数は非線形システムでは入手できないことが多い。つまり、このような複雑な用途では、出力フィードバックまたはAPAGC適応ファジー制御が必要とされる。ファジー制御システムは、MIMOシステムを制御し、システムの安定性を維持する。粗調節および微調節は、外部摂動の影響を低減し、閉ループ安定性を保証することによって、システム性能を改良する。

0022

APAGC粗調節および微調節は、陸上車両、例えば、車の完全または部分的自律運転制御に適用される。これらは、可能な3D場面構造/力学的/アクチュエータ・パラメータを瞬時に認知するために、3D場面構造、速度、制動、ならびにタイヤ・センサおよびアクチュエータ入力不確実性によって供給されるものというような力学変数に適用される。

0023

車両自律運転に適用される非適応受動方法は、「線形」(例えば、力学的関係)および「非線形」(例えば、運転手の挙動、環境的、機械および電気部品における入力障害)における不確実性を想定し、更にアクチュエータの正確なモデルが入手可能であると想定する。

0024

図1に示すように、3つのレベルの模式図がある。図1に示す車両間および車両/インフラストラクチャ技術における車装カメラ、センサ、ADAS、LIDAR、およびDSRCは、特定のリアル・タイム車両データを生成する。この車両データは、アクチュエータ、制御ユニット、および統合ソフトウェアと組み合わせられ、車がその周囲を監視し応答することを可能にする。3Dまたはステレオ・カメラを使用するこれらのセンサ・ベース、運転手補助解決手段は、車両が見る画像からリアル・タイムで車両前方のあらゆる状況の三次元ジェオメトリーを計算することができる。車両データは、リアル・タイムで、運転手の挙動、環境(例えば、天候、道路条件、交通量)マップ、および高性能計算(HPC)データ・センタに格納されている画像と組み合わせられる。これによって、外部環境の「知覚」が得られ、利用可能なセンサおよびAPACCの融合は、車両の周囲を「認知する」能力を提供する。これは、人間が蓄えた記憶およびセンサ入力の組み合わせを使用して、イベントが発生するに連れてこれらを解釈し、ありそうなシナリオを予測する方法を模擬する。非常に複雑なアルゴリズムを使用して、APACCは、あるレベルの推論思考およびリアル・タイム通信を提供する。

0025

図2は、車両自律運転にAPACCがどのように使用されるかを示す。車両動特性を制御するときの設計は、センサ、アクチュエータ、ならびに(1)車両の現在の動特性のセンサ測定値、および(2)所望の動特性の仕様に基づいてアクチュエータに命令するためのアルゴリズムを必要とする。

0026

完全および部分的自律車両は、APACCの適用の結果として、自動動的運動に対応する出力を有する。人工予知に必須なコンポーネントは、サブシステムとして、図2に示す高性能コンピュータ・ハードウェア・コア・システムのデータ・センタ実現例1内部に埋め込まれる。コア・システムの詳細な実現例を図2に示す。入力は、車両に対する摂動を含む。入力は、速度、制動、ならびにタイヤ・センサおよびアクチュエータ入力不確実性によって供給されるものというような力学変数を含む、大多数の変数を含む。入力/出力は、図2に示すような、多変量多入力多出力(MIMO)サブシステム2によって管理される。センサ・デルタは、センサによって、シーケンシャル制御プロセスを介して測定される。シーケンシャル制御プロセスは、フィードバック測定(フィードバック・エレメント)、ならびに入力および出力信号間の差を比較する比較器を含む。MIMOサブシステム2は、比較器における入力信号に追加される設定点を使用して、異なる動作状態に駆動される。実際の励起信号振幅は、各設定点を中心とした最大励起を確保するために、できるだけ大きくなければならない。APACCは、瞬時に、実際の出力と認知された(可能なおよび可能性が高い)出力(例えば、スロットル制御および操縦)との間の誤差補償して、車の動特性に安定性を与える。この誤差は、MIMOサブシステム2において、制御出力をアクチュエータに供給するコントローラに供給されることが示されている。センサ・アクチュエータは、車両の方向または速度を変化させるために必要となる機械的作用を加える。

0027

粗調節は、図2に示す適応ファジー論理コントローラ3によって行われる。これは、外部摂動を伴う非線形MIMOシステムのために、ファジー記述を使用して、車案内、ナビゲーション、および制御をモデル化するために開発された。適応ファジー論理コントローラは、ファジー化、推論、および出力処理の動作を伴うタイプ−2ファジー論理システムである。センサ・アクチュエータは、信号を「ファジー化」するファジファイアに、制御要求を出力する。入力の中には密接に相関付けられた変数(上述した)があり、これらは高い相互情報を有する。しかしながら、他の関係する変数対には、低い相関を有するが、高い相互情報を有するものもある。粗調節は、認知プロセスを徹底的に高速化して、事実上瞬時な動的補正を可能にする。推論エンジンは、ルール・ベースを使用してこれらの関係を同定し、これらを「ファジー集合」としてタイプ・リデューサ(type reducer)に出力する。適応ファジー論理コントローラは、「出力処理」を行い、タイプ・リダクション(type reduction)および非ファジー化の双方を含む。

0028

タイプ・リダクション(縮小集合)は、ルール不確実性について、非ファジー化値(クリスプ数)よりも多くの情報を取り込むが、計算集約的である。利点は、予測されない摂動、データ不確実性を認知できることである。適応ファジー・コントローラは、申し分ない制御を行い、結果的に得られる閉ループ・システムおよび追跡性能の全体的安定性を達成できることを保証することができる。

0029

適応ファジー論理コントローラの出力処理は、図2に示す非線形動的線形化回帰コントローラ4に引き継がれる(fed to)。コントローラ4は、微調節を行い、クリスプ出力信号は、APACC統合(APACC synthesis)に入力する。縮小集合出力およびAPACC統合は、APACC線形論理システムに入力する。線形化MIMO回帰モデルは、各時間ステップにおいてファジー論理コントローラから抽出され、「微」調節パラメータを供給するために使用される。非線形動的線形化回帰コントローラは、最適な今後の案内、ナビゲーション、および制御シーケンスを、目的関数にしたがって計算する。計算される制御シーケンスの最小化およびその長さのために、目的関数がどの位今後のサンプルを考慮するか、2つの「予知ホライゾン」が決定する。殆どのMPC方法において共通するように、後退ホライゾン戦略が使用され、つまり、計算される最初の制御信号だけが、ループ閉鎖を達成するために、実際に車両システム印加される。

0030

入力信号の出力信号に対する同期最適化が、2つ以上のフェーズロック・ループ(PLL)を使用して実現される、カスケード・ディオファントス周波数合成(DFS: cascaded diophantine frequency synthesis)を使用して達成される。DFSは、図2におけるDFS5である。DFS5は、連続時間、無限次元、時間可変、および非線形システムの今後の出力を予測するために使用される。その主要な機能は、車両安定化要因をパラメータ化し、これらを連続フィードバック・ループに固定することである。

0031

陸上車両の案内、ナビゲーション、および制御(GNC)のためのAPACCは、膨大なデータ量の事実上瞬時の分析を必要とする。これを達成するために、APACC車両自律運転のために、Intel(登録商標)社からのconvey high performance computing (HPC:高性能計算)アーキテクチャが選択された。コンベイ・コンピュータの手法は、ランダムアクセスメモリに対して非常に高速なアクセスを可能にし、APACCにおいて使用される複雑な機能には非常に有用である。

0032

このアーキテクチャは、図3に示すIntel(登録商標)社のXeon(登録商標)プロセッサに基づく。このアーキテクチャは、性能を更に向上させるための高度並列メモリ・サブシステムを特徴とする。プログラマブルオンザフライFPGAは、ハードウェア・ベースの用途特定性能を達成する1つの方法である。特定のAPACC−GNCアルゴリズムは、例えば、最適化されてコードに変換され、このコードが実行時にFPGAにロードされる。

0033

車両間および車両−インフラストラクチャ技術における車装カメラ、センサ、ADAS、LIDAR、およびDSRCは、完全または部分的車両自律運転のために入力をAPACCに供給する(present)。

0034

APACCアセンブリは、
a.車両動特性を測定するセンサと、
(i)車両摂動に局所的に露出される入力面
(ii)入力パラメータは、力学的パラメータ、ならびにタイヤ・センサおよびアクチュエータ入力不確実性によって供給されるものを含み、
b.車両の進路を変更するための操縦、スロットル、および制動を含む動作を加えるアクチュエータと、
c.(1)現在の進路のセンサ測定値、および(2)所望の進路の仕様に基づいて、アクチュエータに命令するアルゴリズムと、
を含む。

0035

APACCは、人間が、イベントが起こるに連れてそれらを解釈し、起こりそうなシナリオを予測する(認知する)ために、蓄えた記憶および感覚入力の組み合わせを使用する方法を真似する。

0036

多変数多入力多出力(MIMO)サブシステム2は、センサ・アセンブリを含む。このセンサ・アセンブリは、本質的に、フィードバックを測定するシーケンシャル制御プロセスと、入力および出力信号間の差を比較する比較器とを含む。MIMOサブシステム2は、次のように動作する。

0037

a.比較器において入力信号に追加される設定点を使用して、MIMOサブシステム2を異なる動作状態に駆動する。
b.APACCは、瞬時的に、実際の出力と、認知された(可能なおよび可能性が高い)出力との間の誤差を補償する。出力は、車の動特性に安定性を与えるスロットル制御および操縦を含む。

0038

c.各設定点を中心に最大の励起を確保するために、励起信号振幅を最大にする。
d.センサ・アクチュエータに制御出力を供給するコントローラに誤差を供給し、車両の方向または速度を変えるために必要な機械的作用を与える。

0039

高性能計算(HPC)アーキテクチャは、車案内、ナビゲーション、および制御のための膨大なデータ量の事実上瞬時の分析のために、ランダム・アクセス・メモリに対する非常に高速なアクセスを可能にする。

0040

尚、添付図面を参照して以上で説明した本発明の実施形態は、一例としてそして添付図面を参照して与えられたことは、認められよう。図面に示された個々のコンポーネントは、その図面における使用に限定されることはなく、これらは他の図面および本発明の全ての形態において使用することができる。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 三菱電機株式会社の「 運転制御システムおよび運転支援方法」が 公開されました。( 2019/07/25)

    【課題・解決手段】運転支援部(700)は、運転支援システムの機能である運転支援機能を実行する。第1電子制御装置(401)は、第1センサ(501)を有する。第2電子制御装置(402)は、第2センサ(50... 詳細

  • 有限会社波多野巌松堂書店の「 運転支援装置、運転支援方法およびプログラム」が 公開されました。( 2019/07/25)

    【課題・解決手段】移動手段の移動中において、操作の主導権をドライバーに与えてよい基準を提供する。少なくとも一部に運転者の意思に基づかずに運転可能な機能を備える乗用車(100)は、乗用車(100)の操作... 詳細

  • マツダ株式会社の「 車両制御装置」が 公開されました。( 2019/07/22)

    【課題】計算負荷を軽減しながら、運転者に違和感を与えにくい車両制御装置を提供する。【解決手段】本発明は車両制御装置(100)であって、周辺物標検出部(10a)と、目標走行経路算出部(10c)と、目標走... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ