JP2015506310A - 認知の不確実性に基づく車両コントロール - Google Patents

Abstract

開示した形態は一般に自律走行車両の操縦に関する。具体的には、車両（１０１）は車両認知システムの不確実性を判定し、この不確実性を示す値を車両をどのように運転するかについて判断するために用いることができる。 例えば、認知システムには、それぞれ不確実性と関連付けられたセンサー（３１０，３１１，３２１〜３２３，３３０，３３１）、物体の形式モデル、及び、物体動作モデル（１４６）を含めることができる。センサーは、センサー場（４２１Ａ〜４２３Ａ，４２１Ｂ〜４２３Ｂ）の到達距離、速度、及び／又は形状に基づく前記センサーの不確実性と関連付けることができる。物体の形式モデルは、不確実性、例えば、認知された物体が（小さい自動車のような）１つの形式か又は（自転車のような）他の形式なのかについての不確実性と関連付けられる。物体動作モデルも、例えば、すべての物体が予想した動き通りに動くとは限らないことのような、不確実性と関連付けられる。これらの不確実性は車両の操縦に用いることができる。【選択図】図１０

Description

（関連出願の相互参照）
この出願は、２０１２年１月３０日に出願された米国特許出願番号１３／３６１，０８３に基づく継続出願であり、この出願のすべてを参照することにより本出願に組み込むものとする。

自律走行車両は、乗客を１つの場所から他の場所へ移送することを目的として、種々の演算システムを用いる。自律走行車両によっては、パイロット、ドライバー、又は乗客のようなオペレーターからの初期入力又は連続入力を必要とすることもある。他の自律走行システムでは、例えば自動操縦システムを、手動モード（このモードでは、オペレーターはその車両の動作の高度なコントロールを行う）から自律走行モード（このモードでは、車両は基本的に自分で動く）、或いは、その間のモードにオペレーターが切り替えるシステムが導入されているときのみに用いることができる。

そのような車両は、周囲の物体を検出するために種々の形式のセンサーを含む車両認知システムを装備する。例えば、自律走行車両には、レーザー、ソナー、レーダー、カメラ、及び車両の周囲をスキャンし、データを記録する他の装置を含めることができる。これらの装置は、組み合わせて（場合によっては単独で）道路上の物体の形状及び輪郭を特定し、この特定した物体を避けるよう車両を安全に操縦するために用いることができる。

しかしながら、車両認知システムには種々の制限が含まれることがある。これらの制限はしばしばセンサー特性が異なることに起因する。例えば、カメラセンサーは距離を直接計測することはしないし、レーザーセンサーは速度を直接計測することはしないし、レーダーセンサーは物体の形状を直接計測することはしない、等々である。加えて、センサーは、到達距離、フレームレート、ノイズパターンに制限を有することがある。これらの制限のすべてにより、外界の認識に「不確実性」が生じる結果となることがある。

本開示の一形態では、車両の操縦のための方法を提供する。この方法には、センサーを用いて車両の周囲の物体を検出するステップが含まれる。前記センサーは、センサーの不確実性と関連付けられる。物体の形式は物体の形式モデルに基づき特定される。前記物体の形式モデルは物体の形式モデルの不確実性と関連付けられる。前記物体の動作モデルは、特定された前記物体の形式に基づき特定される。前記動作モデルは、動作モデルの不確実性と関連付けられる。プロセッサーは、前記センサーの不確実性、物体の形式モデルの不確実性、及び動作モデルの不確実性に基づき不確実運転モデルを作成する。前記不確実運転モデルには、前記車両の操縦方針が含まれる。そして、前記車両は前記不確実運転モデルの方針に基づき操縦される。

１つの実施例において、前記方法にはまた、センサーの不確実性、物体の形式モデルの不確実性、及び動作モデルの不確実性のうちの少なくとも１つを低減させるために前記方針に従い前記車両を操縦するステップが含まれる。別の実施例では、センサーは、センサーの速度と到達距離及び形状を有するセンサー場とに関連付けられ、前記方法にはまた、前記センサーの速度と前記センサー場の前記到達距離及び形状とに基づき前記センサーの不確実性を計算するステップが含まれる。

本開示の他の形態では、車両を操縦する方法を提供する。前記方法には、前記車両のセンサーについてのセンサー計測の不確実性のモデルを保存するステップと、前記センサーにより検出された物体についての物体形式の不確実性のモデルを保存するステップと、前記センサーにより検出された物体の今後の動きを特定するために用いられる動作モデルについての動作モデルの不確実性のモデルを保存するステップと、複数の不確実運転モデルを保存するステップとが含まれる。前記不確実運転モデルの各不確実運転モデルには、前記車両の操縦についての方針が含まれる。前記方法にはまた、前記センサー計測の不確実性のモデルと、前記物体形式の不確実性のモデルと、前記動作モデルの不確実性のモデルとに基づく物体及び物体の属性のリストを特定するステップが含まれる。各物体の属性は、前記物体の属性のリストが複数の不確実性を示す値と関連付けられるように、不確実性を示す値と関連付けられる。プロセッサーは、前記複数の不確実性を示す値の少なくとも１つに基づき複数の不確実運転モデルのうちの１つを選択する。そして、前記車両は前記選択された不確実運転モデルの方針に基づき操縦される。

１つの実施例において、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減するために、前記方針に従い前記車両を操縦する。別の実施例では、前記方法にはまた、前記複数の不確実性を示す値の１つの不確実性を示す値を低減するために、前記方針に従い前記車両を操縦するステップが含まれる。別の実施例では、前記センサーは、センサーの速度と到達距離及び形状を有するセンサー場と関連付けられ、前記方法にはまた、の前記センサーの速度と前記センサー場の到達距離及び形状とに基づいて、センサー計測の不確実性のモデルを計算するステップが含まれる。

さらに本開示の他の形態では、車両の操縦のためのシステムを提供する。前記システムには、車両の周囲についてのセンサーデータを生成するためのセンサーが含まれる。前記センサーは、センサーの不確実性と関連付けられる。前記システムにはまた、物体の形式の不確実性と関連付けられた物体の形式モデルを保存するメモリーが含まれる。前記メモリーはまた、動作モデルの不確実性と関連付けられた動作モデルを保存する。プロセッサーは、前記メモリーにアクセスし、前記センサーからのセンサーデータを受け取るよう設定される。前記プロセッサーは、前記センサーを用いて車両の周囲の物体を検出し、前記物体の形式モデル及びセンサーデータに基づき前記物体の形式を特定し、前記特定した前記物体の形式に基づき前記物体の動作モデルを特定し、そして、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性に基づいて不確実運転モデルを作るような動作が可能である。前記不確実運転モデルには前記車両の操縦についての方針が含まれる。前記方法にはまた、前記不確実運転モデルの前記方針に基づく車両の操縦を行うステップが含まれる。

１つの実施例において、前記プロセッサーはまた、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減するために、前記方針に従い前記車両を操縦するような動作が可能である。別の実施例では、さらに、前記センサー速度と到達距離及び形状を有するセンサー場とに関連付けられ、前記プロセッサーは、前記センサー速度と前記センサー場の前記到達距離及び形状とに基づくセンサーの不確実性を計算するような動作も可能である。

本開示のさらなる形態では、車両の操縦のためのシステムを提供する。前記システムには、前記車両のセンサーについてのセンサー計測の不確実性のモデルと、前記センサーにより検出された物体についての物体形式の不確実性のモデルと、前記センサーにより検出された前記物体の今後の動きを特定するために用いられる動作モデルについての動作モデルの不確実性のモデルと、複数の不確実運転モデルとを保存するメモリーが含まれる。前記複数の不確実運転モデルの各不確実運転モデルには、前記車両を操縦する方針が含まれる。前記システムにはまた、前記メモリーと接続されたプロセッサーが含まれる。前記プロセッサーは、センサー計測の不確実性のモデルと、物体形式の不確実性のモデルと、動作モデルの不確実性のモデルとに基づき、物体及び物体の属性のリストを特定するような動作が可能である。各物体の属性は、物体の属性の前記リストが複数の不確実性を示す値と関連付けられるようにして、不確実性を示す値と関連付けられる。前記プロセッサーはまた、前記複数の不確実性を示す値の少なくとも１つに基づき複数の不確実運転モデルのうちの１つを選択するような動作が可能であり、前記プロセッサーは、前記選択された不確実運転モデルの方針に基づき前記車両を操縦するような動作が可能である。

１つの実施例において、前記プロセッサーはまた、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減するために前記方針に従い前記車両を操縦するような動作が可能である。別の実施例では、前記プロセッサーはまた、前記複数の不確実性を示す値のうちの１つの不確実性を示す値を低減するために前記方針に従い前記車両を操縦するような動作が可能である。別の実施例では、前記センサーはセンサー速度と、到達距離及び形状を有するセンサー場とに関連付けられ、前記プロセッサーはまた、前記センサー速度と前記センサー場の到達距離及び形状とに基づきセンサー計測の不確実性のモデルを計算するような動作が可能である。

本開示の他の形態では、コンピュータが読み取り可能なプログラム命令が保存されている、実体のあるコンピュータ読み取り可能保存媒体を提供し、前記命令は、プロセッサーにより実行された時、前記プロセッサーに車両の操縦を行う方法を実行させる。前記方法には、センサーを用いて車両の周囲の物体を検出するステップが含まれる。前記センサーは、センサーの不確実性と関連付けられる。前記方法にはまた、物体の形式モデルに基づき物体の形式を特定するステップが含まれる。前記物体の形式モデルは物体の形式モデルの不確実性と関連付けられる。前記方法にはまた、前記特定された物体形式に基づき前記物体の動作モデルを特定するステップが含まれる。前記動作モデルは動作モデルの不確実性と関連付けられる。前記方法には、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性に基づき不確実運転モデルを作成するステップが含まれる。前記不確実運転モデルには、前記車両を操縦するための方針が含まれる。前記方法にはまた、前記不確実運転モデルの前記方針に基づき前記車両を操縦するステップが含まれる。

１つの実施例において、前記にはまた、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減するために前記方針に従い前記車両を操縦するステップが含まれる。

本開示のさらなる形態では、コンピュータが読み取り可能なプログラム命令が保存されている、実体のあるコンピュータ読み取り可能保存媒体を提供し、前記命令は、プロセッサーにより実行された時、前記プロセッサーに車両の操縦を行う方法を実行させる。前記方法には、前記車両のセンサーについてセンサー計測の不確実性のモデルを保存するステップと、前記センサーにより検出された物体についての物体形式の不確実性のモデルを保存するステップと、前記センサーにより検出された物体の今後の動きを特定するために用いる動作モデルについての動作モデルの不確実性のモデルを保存するステップとが含まれる。前記複数の不確実運転モデルの各不確実運転モデルには、前記車両を操縦するための方針が含まれる。前記方法にはまた、物体と、前記センサー計測の不確実性のモデル、前記物体形式の不確実性のモデル、及び前記動作モデルの不確実性のモデルに基づく物体の属性のリストとを特定するステップが含まれる。各物体の属性は、前記物体の属性のリストが複数の不確実性を示す値と関連付けられるように、不確実性を示す値と関連付けられる。前記方法にはまた、前記複数の不確実性を示す値の少なくとも１つに基づいて前記複数の不確実運転モデルのうちの１つを選択するステップが含まれる。前記方法には、前記選択された不確実運転モデルの方針に基づき前記車両を操縦するステップが含まれる。

１つの実施例において、前記方法にはまた、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減するために前記方針に従い操縦するステップが含まれる。別の実施例では、前記方法にはまた、前記複数の不確実性を示す値の不確実性を示す値の１つを低減するために前記方針に従い操縦するステップが含まれる。

１つの実施の形態によるシステムの機能図である。 １つの実施の形態による自律走行車両の内装である。 １つの実施の形態による自律走行車両の外装である。 １つの実施の形態によるセンサー場の図解である。 １つの実施の形態によるセンサー場の図解である。 １つの実施の形態によるセンサー場の図解である。 １つの実施の形態によるセンサー場の図解である。 １つの実施の形態による交差点の図解である。 １つの実施の形態による交差点の詳細な地図情報の図解である。 １つの実施の形態による交差点の別の図解である。 １つの実施の形態によるセンサーデータ及び詳細な地図情報を含む交差点の図解である。 １つの実施の形態による例示データの図解である。 １つの実施の形態によるフロー線図である。

本開示の一形態では、道路に沿って走っている車両は車両の周囲の物体を検出することができる。この物体を、ある不確実性のレベルを有するセンサーを用いて検出することができる。この物体の形式は、物体の形式モデルに基づき特定することができる。この物体の形式モデルは、物体の形式モデルの不確実性と関連付けることができる。特定された物体の形式に基づき、この物体の今後の位置を予測する動作モデルを特定することができる。この動作モデルはまた、動作モデルの不確実性とも関連付けることができる。動作モデルの不確実性、物体の形式モデルの不確実性、及び／又はセンサーの不確実性に基づき運転方針の不確実性を特定することができる。この運転方針の不確実性を前記車両の操縦に用いることができる。

図１に示すように、ここに開示した１つの形態による自律走行運転システム１００には、種々の構成部品を有する車両１０１が含まれる。開示した特定の形態では、特定のタイプの車両について特に実益があり、これらの車両として、乗用車、トラック、オートバイ、バス、ボート、飛行機、ヘリコプター、芝刈り機、ＲＶ車、遊園地の乗り物、市街電車、ゴルフカート、列車、及び路面電車を含むあらゆるタイプの車両があげられるがこれらに限定されるものではない。車両は、プロセッサー１２０、メモリー１３０、及び汎用コンピュータに一般的に用いられる他の構成部品を有するコンピュータ１１０のような、１以上のコンピュータを有することができる。

メモリー１３０は、プロセッサー１２０により実行或いは用いることができる命令１３２及びデータ１３４を含む、プロセッサー１２０がアクセス可能な情報を保存する。メモリー１３０は、コンピュータ読み取り可能媒体、又は、ハードディスクドライブ、メモリーカード、ＲＯＭ、ＲＡＭ、ＤＶＤ又は他の光ディスクのみならず、他の書き込み可能なメモリー及び読み込み専用メモリーのような、電子装置により読み込むことのできるデータを保存するコンピュータ読み取り可能媒体、又は他の媒体を含むプロセッサーがアクセス可能な情報を保存することのできるあらゆるタイプとすることができる。システム及び方法には、前述の種々の組み合わせを含むことができ、命令及びデータの異なる部分は異なるタイプの媒体に保存される。

命令１３２は、プロセッサーにより（機械語のように）直接的に又は（スクリプトのように）間接的に実行できる命令のどのようなセットでもよい。例えば、コンピュータ読み取り可能媒体上のコンピュータコードとして命令を保存することができる。これに関連して、「命令」及び「プログラム」の語は、ここでは互いに置き換え可能に用いることができる。命令は、プロセッサーで直接処理ができるオブジェクトコードフォーマット、又は、要求によりインタープリトされ又はあらかじめコンパイルされる独立のソースコードのスクリプト又はコレクションを含む他のあらゆるコンピュータ言語で保存することができる。命令の機能、方法、及び業務については以下に詳述する。

命令１３２に従い、プロセッサー１２０によりデータ１３４を検索し、保存し、変更することができる。例えば、このシステム及び方法が、特定のデータ構造により制限されていなくても、複数の異なるフィールド及びレコードを有するテーブル、ＸＭＬドキュメント、又はフラットファイルとして、リレーショナルデータベースとしてデータをコンピュータレジスターに保存することができる。データは、いろいろなコンピュータ読み取り可能フォーマットにフォーマットすることもできる。さらにほんの例示として、グラフィックを描画するためのコンピュータ命令のみならず、圧縮又は非圧縮、損失のない（例えば、ＢＭＰ）又は損失のある（例えば、ＪＰＥＧ）、及びビットマップ又はベクトルベース（例えば、ＳＶＧ）のフォーマットで保存されたピクセルのグリッドからなるビットマップとして、イメージデータを保存することができる。データは、数値、説明文、所有者コード、同じメモリー又は異なるメモリー（他のネットワーク中のものも含む）の他の領域に保存されたデータへの参照、又は、対応するデータを計算する機能により用いられる情報のような、対応する情報を特定するのに十分なあらゆる情報を具備することができる。

プロセッサー１２０は、インテル・コーポレーションやアドバンスト・マイクロ・デバイセズのプロセッサーのような、従来のどのようなプロセッサーでもよい。代替的に、プロセッサーをＡＳＩＣのような専用装置とすることもできる。図１には、同じブロック内にあるものとして、プロセッサー、メモリー、及び他のコンピュータ１１０要素を機能的に図示しているが、当業者であれば、プロセッサー及びメモリーは、実際には、同じ物理的な筺体内に収納することも同じ筺体内に収納しないこともできる、複数のプロセッサー及びメモリーであってもよいことは理解できるであろう。例えば、メモリーは、コンピュータ１１０の筺体とは別の筺体内に収納したハードディスクドライブ又は他の記憶媒体とすることができる。従って、当然のことながら、プロセッサー又はコンピュータと言うときには、並列運転していることも並列に運転していないこともあるプロセッサー又はコンピュータ又はメモリーを言うことが含まれる。ここで記載するステップを実行させるために単一のプロセッサーを使わないで、ステアリング用部品及び減速用部品のような構成部品の各々に、その構成部品特有の機能に関する計算のみを実行するような特有のプロセッサーを持たせることもできる。

ここに記載した種々の形態において、プロセッサーを、車両から隔てて配置し、車両と無線で交信させることもできる。他の形態において、ここに記載した処理は車両中に配置したプロセッサーにより実行され、１つの操作を実行するために必要なステップを行う場合も含めて、他の処理は遠隔のプロセッサーにより実行される。

コンピュータ１１０は、中央演算処理装置（ＣＰＵ）（例えば、プロセッサー１２０）、ウェブブラウザのようなデータ１３４や命令を保存するメモリー１３０（例えば、ＲＡＭ及び内部ハードディスクドライブ）、電子表示１４２（例えば、スクリーン、小型ＬＣＤタッチスクリーン、又は、情報を表示することのできる他の電子装置）、ユーザー入力１４０（例えば、マウス、キーボード、タッチスクリーン、及び／又は、マイクロフォン）、及び、人の状態又は人が求める明確な（例えば、ジェスチャー）又は間接的な（例えば、「居眠りしている」）情報を収集するための種々のセンサー（例えば、ビデオカメラ）を具備する。

１つの実施例では、コンピュータ１１０は、車両１０１に組み込まれた自律走行運転演算システムとすることができる。図２は、自律走行車両の内装の典型的なデザインを示す。自律走行車両は、例えば、ステアリングホイール２１０のようなステアリング装置やナビゲーション表示２１５のようなナビゲーション表示装置や変速装置２２０のようなギア比選択装置のような、自律走行車両でない車両のすべての機構が含まれる。自律走行車両はまた、１つ以上の自律走行運転モードを始動又は停止させるため、及び、ナビゲーション目的地のような情報をドライバー又は乗客２９０が自律走行運転コンピュータ１１０に提供することができるようにするために、変速装置２２０、タッチスクリーン２１７、又はボタン入力２１９のような種々のユーザー入力装置を有することができる。

車両１０１にはまた、１以上の表示装置を含めることもできる。例えば、車両には、自律走行車両又はその車両のコンピュータの状態に関する情報を表示するための表示装置２２５を含めることができる。他の実施例では、車両１０１の現在の状態を表示するための、ステータスバー２３０のような、状態表示装置１３８（図１参照）を含めることができる。図２の実施例では、ステータスバー２３０は、車両が現在ドライブモードで、毎時２マイル（３．２ｋｍ／ｈ）で走っていることを示す「Ｄ」及び「２ｍｐｈ」を表示している。これに関して、車両は、ステアリングホイール２１０のような車両１０１の一部を照らすことで文字を電子表示することや、他の表示を行うことができる。

自律走行運転演算システムは、車両の種々の構成部品と通信することができる。例えば、図１に戻って、コンピュータ１１０は車両の従来の中央プロセッサー１６０と通信することができ、車両１０１の動き、速度等をコントロールするために、車両１０１の種々のシステム、例えばブレーキングシステム１８０、加速システム１８２、信号システム１８４、及びナビゲーションシステム１８６と情報を送受信することができる。加えて、スイッチをいれたとき、コンピュータ１１０は、車両１０１のこれらのすべての機能または一部の機能をコントロールし、完全な自律走行又は部分的な自律走行にすることができる。種々のシステム及びコンピュータ１１０は車両１０１内にあるように示されているが、これらの構成要素は、車両１０１の外部又は物理的に遠く離しておくことができる。

車両にはまた、装置の地理的位置を決定するためにコンピュータ１１０と通信を行う地理的位置検出要素１４４を含めることもできる。例えば、この位置検出要素には、装置の緯度、経度、及び／又は高度を判断するためにＧＰＳ受信機を含めることができる。レーザーベースの位置特定システム、慣性援用ＧＰＳ、又はカメラベースの位置検出のような他の位置検出システムも、車両の位置を特定するために用いることができる。車両の位置には、絶対的地理的位置より少ないノイズで判断することのできる、すぐ近くの他の乗用車等との相対位置のような、相対位置情報のみならず、緯度、経度、及び高度のような、絶対的地理的位置を含めることができる。

車両には、車両の方向と速度又はその変化を決定するための、加速度計、ジャイロスコープ、又は他の方向／速度検出装置１４６のような、コンピュータ１１０との通信を行う他の機能を含めることもできる。単なる例として、装置１４６は、重力の方向又は重力に垂直な平面の方向に対するピッチ、振れ、揺れ（又はそれらの変化）を決定することができる。この装置は、このような変化の速さ及び方向の増加又は減少を追跡することもできる。ここに述べたようなこの装置の位置及び方向データについての項目は、ユーザー、コンピュータ１１０、他のコンピュータ、及びこれらを組み合わせたものに自動的に提供される。

コンピュータは、種々の構成部品を制御することにより車両の方向及び速度をコントロールすることができる。例示として、車両を完全に自律走行モードで運転している場合、コンピュータ１１０は、（例えば、エンジンに供給される燃料又は他のエネルギーを増加させることにより）車両を加速させること、（例えば、エンジンに供給される燃料を減少させること、又はブレーキをかけることにより）車両を減速させること、及び（例えば、前方の２つの車輪の向きを変えることにより）車両の方向を変えることができる。

車両には、他の車両、道路上の障害物、交通信号、標識、樹木、等のような、車両の外にある物体の位置、向き、進行方向、等を検出するための構成部品を含めることができる。検出システムには、コンピュータ１１０で処理することのできるデータを記録するレーザー、ソナー、レーダー、カメラ又はその他の検出装置を含めることができる。例えば、車両が小型乗用車である場合、この乗用車には、屋根又は他の具合のいい場所に取り付けたレーザーを含めることができる。図３に示すように、小型乗用車３００には、それぞれ乗用車の前方及び屋根に取り付けたレーザー３１０及び３１１を含めることができる。レーザー３１０は、約１５０メートルの到達距離、１３度の垂直視野、約３０度の水平視野を有することができる。レーザー３１１は、約５０〜８０メートルの到達距離、１３度の垂直視野、３６０度の水平視野を有することができる。レーザーにより、車両は、種々の物体の位置と距離を特定するためにコンピュータが用いることのできる距離と強さの情報を得ることができる。１つの特徴によれば、レーザーは、レーザー軸を回転し傾きを変更することにより車両と物体の車両のほうを向く面との距離を計測することができる。

車両には、適応巡航コントロールシステムに用いるような、種々のレーダー検出装置を含めることもできる。レーダー検出装置は、乗用車のフロントバンパーのどちらか一方の側のみならず、前方及び後方に配置することもできる。図３の例に示すように、車両３０１には、車両の側面（一方だけが示されている）、前方及び後方に、レーダー検出装置３２０〜３２３が含まれている。これらのレーダー検出装置は、約５６度の視野で６０メートルの到達距離を持つのみならず、約１８度の視野で約２００メートルの到達距離を持つことができる。

他の実施例では、種々のカメラを車両に取り付けることができる。カメラは、２つ以上のカメラからの視差を種々の物体までの距離を計算するために用いることができるよう、所定の距離を置いて取り付けることができる。図３に示すように、車両３００には、バックミラー（不図示）の近くのフロントガラス３４０の裏に取り付けたカメラ３３０〜３３１を含めることができる。カメラ３３０は、約２００メートルの到達距離及び約３０度の水平視野を持つことができる一方、カメラ３３１は、約１００の到達距離及び約６０度の水平視野を持つことができる。

各センサーは、センサーが物体を検出するために用いることのできる特定のセンサー場と関連付けることができる。図４Ａは、種々のセンサーの概略センサー場を上から見た図である。図４Ｂは、レーザー３１０及び３１１の概略センサー場４１０及び４１１を示し、それぞれ、これらのセンサーの視野に基づく。例えば、センサー場４１０は、約１５０メートルで、約３０度の水平視野を有し、センサー場４１１は、約８０メートルで、３６０度の水平視野を有する。

図４Ｃは、レーダー検出装置３２０〜３２３についての概略センサー場４２０A〜４２３Ｂを示し、それぞれ、これらのセンサーの視野に基づく。例えば、レーダー検出装置３２０は、センサー場４２０Ａ及び４２０Ｂを有する。センサー場４２０Ａは、約２００メートルで、約１８度の水平視野を有し、センサー場４２０Ｂは、約８０メートルで、約５６度の水平視野を有する。同様に、レーダー検出装置３２１〜３２３はセンサー場４２１Ａ〜４２３Ａ及び４２１Ｂ〜４２３Ｂを有する。センサー場４２１Ａ〜４２３Ａは、約２００メートルで、約１８度の水平視野を有し、センサー場４２１Ｂ〜４２３Ｂは、約８０メートルで、約５６度の水平視野を有する。センサー場４２１Ａ及び４２２Ａは、図４Ａ及び４Ｃの縁まで伸びる。

図４Ｄは、カメラ３３０〜３３１の、これらのセンサーの視野に基づく、概略センサー場４３０〜４３１を示す。例えば、カメラ３３０のセンサー場４３０は、約２００メートルで約３０度の視野を有し、カメラ４３０のセンサー場４３１は、約１００で約６０度の視野を有する。

他の実施例では、自律走行車両には、ソナー装置、ステレオカメラ、定位カメラ、レーザー、及び／又は、レーダー検出装置が含まれ、それぞれ異なる視野を有する。ソナーは、約６メートルの最大距離で、約６０度の水平視野を有することができる。これらのステレオカメラは、重複する領域で、約５０度の水平視野、約１０度の垂直視野、約３０メートルで約３０度の視野を有することができる。定位カメラは、約７５度の水平視野、約９０度の垂直視野、そして、約１０メートルの最大距離を有することができる。レーザーは、約３６０度の水平視野、約３０度の垂直視野、そして、約１００メートルの最大距離を有することができる。レーダーは、近接ビームで６０度の水平視野、遠隔ビームで３０度の水平視野、そして、２００メートルの最大距離を有することができる。

センサー計測は、センサーの到達距離、センサー検出速度、センサー場の形状、（カメラのピクセル数、又はある距離に対してレーザー、レーダー、ソナー、等の精度のような）センサー分解能に基づく不確実性を示す値と 関連付けることができる。これらのセンサーは、物体を検出することができるが、他の車両、歩行者、自転車に乗っている人、静止物体、等のような、物体の形式について何らかの不確実性がある可能性がある。例えば、２台のカメラがあり、１つは高い分解能（高ピクセル）を有し、他の一つは低い分解能（低ピクセル）を有する場合、（方向、距離、照明、等は両方のカメラについて同じと仮定すると）高い分解能を有するカメラに捉えられた物体についてより多くの情報が得られる。この大量の情報は、物体の特性（位置、速度、進行方向、形式、等）についてのより正確な推定に役立つ。

前述のセンサーにより、車両は判断を行うことができ、周囲の物体や人々だけでなく乗客の安全を最大限にするために、周囲状況に応答する能力を有することができる。車両の形式、センサーの数量や形式、センサーの位置、センサーの視野、及びセンサーのセンサー場は、単なる例示であることは理解されよう。種々の他の構成を用いることもできる。

上述のセンサーに加え、コンピュータは、自律走行でない一般的な車両のセンサーからの入力も使うことができる。例えば、これらのセンサーには、タイヤ空気圧センサー、エンジン温度センサー、ブレーキ熱センサー、ブレーキパッド状態センサー、タイヤトレッドセンサー、燃料センサー、オイルのレベル及び質センサー、（温度、湿度、又は空気中の微粒子を検出するための）空気特性センサー、等を含めることができる。

これらのセンサーの多くは、リアルタイムでコンピュータにより処理されるデータを提供する。すなわち、センサーは、ある時間範囲で測定中の周囲状況を反映する出力を連続的に更新し、コンピュータが、車両のその時の最新の方向又は速度を検出した周囲状況に応じて修正すべきかどうか判断することができるように、連続的に又は要求に応じて更新された出力をコンピュータに提供することができる。

種々のセンサーから提供されたデータの処理に加えて、コンピュータは、時間的に先に得られた、周囲に車両の存在の有無にかかわらず存続する周囲データに頼ることができる。例えば、図１に戻って、データ１３４には、地図情報１３５、例えば、道路の形や高さ、車線境界線、交差点、横断歩道、又はそのような物や情報を特定する非常に詳細な地図を含めることができる。例えば、地図情報には、道路の種々の区画での系統立てた速度制限情報を含めることができる。速度制限データは、人手により、又は、例えば、光学式文字認識を用いて速度制限標識のイメージをあらかじめ読み込むことにより入力することができる。地図情報には、上述の１つ以上の対象物を組み込んだ３次元地形図を含めることができる。例えば、車両は、リアルタイムデータ（例えば、他の乗用車の現在のＧＰＳを特定するためのセンサーを用いて）及び他のデータ（例えば、この他の乗用車が右（左）折車線内にあるかどうかを判断するための、あらかじめ保存されている車線専用の地図データとＧＰＳとを比較することで）に基づき他の乗用車が向きを変えようとしているかどうかを判断することができる。

例えば、地図情報には、道路、車線、交差点、及びこれらのつながりのような情報の１つ以上の道路グラフ又はグラフネットワークを含めることができる。各地形は、グラフデータとして保存することができ、地理的位置及び関連地形と関連しているかどうかのような情報と関係づけることができ、例えば、ストップ表示は、道路及び交差点等と関連付けることができる。いくつかの実施例では、関連付けたデータには、効率的に道路グラフの地形を参照することができるよう、道路グラフのグリッドベースの標識を含めることができる。

図５は、詳細な地図１４６の対象となる可能性のある例示的な交差点５００の上から見た図を示す。交差点は、横断歩道５１０〜５１３、自転車用車線５２０〜５２１、車線５３０〜５３７、及び車線境界線５５０〜５５３及び５５０〜５５５９のような、数々の異なる形態を含むことができる。交差点はまた、自転車用車線５２０〜５２１のような具体的な領域を特定する標識５５０〜５５１及び５６０〜５６１のような表示も含むことができる。交通標識又は停止標識のような他の形態も存在することがあるが、示されていない。

交差点５００には相互に垂直に出合う４つの道路が含まれるが、種々の異なる交差点の構成を採用することもできる。さらに当然のことながら、ここに記載の形態は交差点に限定されるものではなく、交差点５００に関して説明した追加的形態又はすべての形態を含むことの含まないこともある、種々の他の交通又は道路設計と関連して用いることができる。

交差点（または道路の他の部分）についてのデータは、例えば、（上述したような）種々のセンサーを装備した車両を運転することにより集めることができる。道路について詳述する詳細な地図情報を生成するためにこのデータを処理することができる。例えば、図６に示すように、レーザーと、地理的位置と、交差点５００を通って車両を運転しながら集めた他の情報とに基づいて、交差点の道路グラフ６００を生成することができる。交差点５００と同様に、道路グラフ６００には、車線６３０〜６３７、車線境界線６４０〜６４３及び６５０〜６５９のような種々の形態を含むことができる、これらの形態の各には、これらの物体が実際の世界に（例えば交差点５００に）位置することができる場所を特定する地理的位置情報に関連付けることができる。

詳細な地図情報をここは画像に基づく地図としてで示したが、地図情報は全部画像に基づいたもの（例えば、ラスター）である必要はない。例えば、詳細な地図情報には、道路、車線、交差点、及びこれらの形態の接続点のような、１以上の道路グラフ又は情報のグラフネットワークを含むことができる。各形態は、グラフデータとして保存することができ、地理的位置、及び、他の関連形態と関連付けられているかどうか、例えば停止信号が道路や交差点等と関連付けられているかどうかのような情報と関連付けることができる。いくつかの実施例では、関連するデータには、特定の道路グラフ形態を効率的にルックアップすることができるように、道路グラフのグリッドに基づくインデックスを含むことができる。

上述のように、車両は、周囲の物体を検出し特定するために車両の感知システムを用いることができる。そのために、車両の自律運転コンピュータは、種々の物体検出モデル１４４にアクセスすることができる。このモデルには、考えられる物体の形式及び関連する可能性を出力する、物体の形式モデル又は機械学習分類器を含むことができる。１つの例示的モデルでは、物体の形式は、道路での物体の位置、速度、大きさ、（イメージマッチングのような）あらかじめ定めた他の物体により集めたセンサーデータとの比較に基づき、特定することができる。例えば、約１４インチ（３６センチメートル）幅、５フィート（１５２センチメートル）、及び８インチ（２０センチメートル）幅で感知された物体が与えられた場合、この物体は、９９％の可能性で歩行者であり、０．５％の可能性で自転車に乗っている人であり、０．５％の可能性で車両であることを示す情報を、物体の形式モデルは出力することができる。いったん物体が感知されると、物体の形式モデルを、感知された物体の形式を特定するために用いることができる。

モデルにはまた、特定した物体の今後の動作又は振る舞いを予測するために用いられる複数の動作モデル１４６を含むことができる。これらのモデルは、種々の仮定に基づき、又は複数の車両のセンサーから時間をかけて得られたデータから、及び／又は、管理者により定めた仮定に基づき生成することができる。例えば、時間をかけて同じ又は同様の位置で乗用車の振る舞いを観察することにより、同様の乗用車の予想動作のモデルを生成することができる。このような動作モデルの単純な例として、北に向かって２フィート／秒（０．６１０ｍ／秒）で走っている車両は、１秒後には、もとの位置より２フィート（０．６１０ｍ）ほど北にいるとの動作予測を含むことができる。別の実施例では、動作モデルは、道路標識のような物体が動いている車両に対して相対的に静止していることを必要とすることがある。同様に、動作モデルは、異なる物体の形式に対し異なることを明確にすることができ、例えば、小さな車両は、歩行者又は自転車とは異なる操縦を行うことができる。

動作モデルは、不確実性と関連付けることもできる。例えば、車両の動きは、歩行者又は自転車に乗っている人の動きより、簡単に予測することができる。従って、１秒後に車両がどこにいるかを予測することは、歩行者又は自転車に乗っている人がどこにいるかを予測することよりも正確であり、又は少ない不確実性と関連付けることができる。加えて、動作モデルは、物体の形式モデルの出力に基づき特定されるので、このモデルの不確実性も、動作モデルに組み込むことができる。

データ１３４には、運転方針の不確実性１４７も含むことができる。不確実運転モデルは、物体に関連付けられた不確実性のタイプに基づきどのように車両を操縦するかを定めることができる。これらのモデルの例として、以下に詳述する。

上述し図示した動作に加え、種々の動作について説明する。以下の動作は、正確に以下に記載の順序で行わなければならないわけではないことは理解されよう。むしろ、種々のステップは異なる順序又は同時に行うことができ、ステップを付け加えることも省略することもできる。

上述のように、自律走行車両は、センサーによる車両の周囲のデータを集め処理しながら道路を走ることができる。車両は、完全な自律走行モードで（車両が人の連続的な入力を必要としないで）又は、セミ自律走行モードで（ハンドル操作、ブレーキ操作、加速操作、等のような車両のある部分を人がコントロールして）自ら道路を走ることができる。図７に示すように、別の全景である交差点５００において、車両１０１は交差点に近づき、歩行者７１０、自転車に乗っている人７２０、及び自動車７３０のような種々の物体が車両のセンサーの視野に入ってくる。従って、車両は、これらの物体の各についてのデータを集めることができる。

センサーによるデータは、物体が占める道路の領域を特定するために処理することができる。例えば、図８は、詳細な地図情報６００とともに交差点５００を描いている。車両１０１は、センサーから受け取った情報を処理し、物体７１０、７２０、及び７３０の概略位置、向き、及び速度を特定する。

検出した物体と関連付けられたデータもまた、物体の形式モデルを用いて処理することができる。一旦物体の形式が定まると、動作モデルもまた特定することができる。上述のとおり、センサーデータとモデルとを処理した出力は、検出した物体の形態について説明する情報のセットとなる。１つの実施例において、物体は、物体の形式、位置、方向、速度、及び短時間経過後の物体の推定位置について記述するパラメータのリストと関連付けられる。物体の形式は、物体の形式モデルの出力とすることができる。物体の位置、方向、及び速度は、センサーデータから決定することができる。短時間経過後の物体の推定位置は、蓋然性の高い物体形式に関連付けられた動作モデルの出力とすることができる。上述したように、これらのパラメータの各々は、不確実性を示す値と関連付けることができる。

例えば、図９に示すように、物体８１０、８２０、及び８３０の各々は、それぞれパラメータデータ９１０、９２０、及び９３０と関連付けられる。具体的には、物体８１０の推定パラメータについて記述するパラメータデータ９１０は、５５％の確かさで、歩行者であるとの物体の形式を含む。物体の形式モデルによれば、物体８１０はまた２０％の確かさで自動車であり、２５％の確かさで自転車である。パラメータデータ９１０にはまた、推定地理的位置（Ｘ１、Ｙ１、Ｚ１）、推定寸法（Ｌ１×Ｗ１×Ｈ１）、推定方向（０°）、及び推定速度（２ｍｐｈ（３．２ｋｍ／ｈ））が含まれる。加えて、センサーの精度、配置、及び形態から決定されるものとして、推定位置、推定方向、及び推定速度も、不確実性を示す値、すなわち、それぞれ（σＸ１、σＹ１、σＺ１）、± （σＬ１、σＷ１、σＨ１）±０．５°、±１ｍｐｈ（±１．６ｋｍ／ｈ）と関連付けられる。パラメータデータ９１０はまた、ある時間、ΔＴ、が経過した後の物体の推定地理的位置、（Ｘ１＋Δ１Ｘ、Ｙ１＋Δ１Ｙ、Ｚ１＋Δ１Ｚ）が含まれる。この推定値はまた、不確実性を示す値、±（σＸ１ΔＴ、σＹ１ΔＴ、σＺ１ΔＴ）と関連付けられる。

同様に、物体８２０（実際には自転車に乗っている人７２０）の推定パラメータを記述するパラメータデータ９２０には、４０％の確かさで歩行者であるとの物体の形式を含む。物体の形式モデルによれば、物体８２０はまた２５％の確かさで自動車であり、３５％の確かさで自転車である。パラメータデータ９２０にはまた、推定地理的位置（Ｘ２、Ｙ２、Ｚ２）、推定寸法（Ｌ２×Ｗ２×Ｈ２）、推定方向（２７０°）、及び推定速度（５ｍｐｈ（８．０ｋｍ／ｈ））も含まれる。加えて、センサーの精度、配置、及び形態から決定されるものとして、推定位置、推定方向、及び推定速度も、不確実性を示す値、すなわち、それぞれ（σＸ２、σＹ２、σＺ２）、± （σＬ２、σＷ２、σＨ２）±０．５°、±１ｍｐｈ（±１．６ｋｍ／ｈ）と関連付けられる。パラメータデータ９２０はまた、ある時間、ΔＴ、が経過した後の物体の推定地理的位置、（Ｘ２＋Δ２Ｘ、Ｙ２＋Δ２Ｙ、Ｚ２＋Δ２Ｚ）が含まれる。この推定値はまた、不確実性を示す値、±（σＸ２ΔＴ、σＹ２ΔＴ、σＺ２ΔＴ）と関連付けられる。

物体８３０（実際には自転車に乗っている人７３０）の推定パラメータを記述するパラメータデータ９３０には、４０%の確かさで自動車であるとの物体の形式を含む。物体の形式モデルによれば、物体８３０はまた１％の確かさで歩行者であり、そして１％の確かさで自転車である。パラメータデータ９３０にはまた、推定地理的位置（Ｘ３、Ｙ３、Ｚ３）、推定寸法（Ｌ３×Ｗ３×Ｈ３）、推定方向（３９０°）、及び推定速度（２５ｍｐｈ（４０ｋｍ／ｈ））も含まれる。加えて、センサーの精度、配置、及び形態から決定されるものとして、推定位置、推定方向、及び推定速度も、不確実性を示す値、すなわち、それぞれ（σＸ３、σＹ３、σＺ３）、± （σＬ３、σＷ３、σＨ３）±０．５°、±２ｍｐｈ（±３．２ｋｍ／ｈ）と関連付けられる。パラメータデータ９３０はまた、ある時間、ΔＴ、が経過した後の物体の推定地理的位置、（Ｘ３＋Δ３Ｘ、Ｙ３＋Δ３Ｙ、Ｚ３＋Δ３Ｚ）が含まれる。この推定値はまた、不確実性を示す値、±（σＸ３ΔＴ、σＹ３ΔＴ、σＺ３ΔＴ）と関連付けられる。

図９のパラメータデータは、単にこのようなデータの一例に過ぎない。他の様々な尺度を用いることもでき、また、このパラメータを表現するために違った方法を用いることもできる。例えば、物体の寸法も含むデータポイントのセットとして、物体の位置を特定することもできる。別の実施例では、物体の寸法は物体の外部境界の地理的位置により、又は物体の位置に近似する境界ボックスにより定めることができる。さらに別の例では、全地球測位座標系を用いて物体の位置を特定するのではなく、代替的にあるいはこれに加えて、車両上のある点からの物体までの距離および角度を物体の位置を特定するために用いることもできる。

不確実性コントロール方針を選択するためにパラメータデータを用いることができる。例えば、物体８１０は、５５％の可能性で歩行者であり、２５％の可能性で自転車であり、２０％の可能性で自動車である物体の形式と関連付けられる。比較的高い不確実性となるのは、車両１０１が物体８１０の長さ（Ｌ１＋σＬ１）について大雑把な推定値を有するのみだからであろう。物体の形式における不確実性を減少させるために、車両１０１は、車両のセンサーが物体の長さをもっと明確に観測することができるように物体８１０の側面を自ら操縦して走ることができる。これにより、物体８１０の長さについての誤差を減らし、車両が物体の形式をもっと正確に判定できるようにすることができる。

別の実施例では、物体８２０は、４０％の可能性で歩行者であり、３５％の可能性で自転車であり、２５％の可能性で自動車である物体の形式と関連付けられる。この例では、物体８１０の位置、寸法、ある時間が経過した後の位置は、物体８１０が車両のセンサー場から部分的に遮られる可能性があるので、すべて比較的高い不確実性と関連付けることができる。これらの不確実性を減少させるために、車両１０１は、物体８１０の周りを走るなど、物体８２０を良く観測できるように自ら操縦することができる。これにより、先に述べたパラメータに関連付けられた不確実性を減少させることができ、車両が物体の形式をもっと正確に判定できるようにすることができる。

さらなる実施例では、物体８３０を、９８％の可能性で自動車である物体の形式と関連付けることができる。この例では、物体は自動車である可能性が高いので、車両１０１は、例えば、車両１０１の走行車線を維持することにより、自動車を避けるよう操縦を自ら維持することができる。

上述の実施例に加え、不確実性コントロール方針により、車両１０１はより効率的に自らを操縦することができる。例えば、物体が車両１０１と同じ車線で、車両１０１の前にある場合、速度を下げることができる。物体が実際に速度を下げることについて不確実性が高い場合（例えば、ある時間が経過した後、物体がどこにあるかについて不確実性が高い場合）、車両１０１は、物体と関連付けられた不確実性が減少するまで、自ら速度を下げ始めるのを遅らせることができる。

言い換えると、車両１０１がセンサーを用いて、他の物体が速度を変えていることを検出したとしても、物体の速度（または速度の変化）と関連付けられた不確実性が減少するまで、（車両１０１を減速させるか、あるいは加速させるというような）特定の動作をとるのを遅らせることができる。

別の実施例では、物体が車両１０１と同じ車線にあり、比較的高い確度で車両１０１の前でその車線の外に出ることが予測される場合（短時間経過後、別の車線にいると思われる場合）、車両１０１は、車両１０１と他の物体との間に空間ができることを予測して、速度を上げ始めることができる。さらに別の実施例では、車両１０１の前方の物体が不確実性が比較的高い状態で車両１０１と同じ車線に入ってくることが予測される場合、車両１０１は、その不確実性が閾値以下に減少するまで待った後、物体と車両１０１との間隔を広げるために減速することができる。この結果、幾分強引な運転スタイルとなるが、不必要なブレーキ操作又は加速操作を減少させることにより、車両の効率を上げることもできる。加えて、この形式のコントロール方針は、消極的な運転スタイルを抑制し快適であることをユーザーに訴えることができる。

図１０は、上述の形態の例示的なフロー線図１０００を示す。この例において、道路を走行中の自律走行車両は、ブロック１００２にて、車両の周囲の物体を検出する。物体は、センサーの不確実性と関連付けられた（上述のような）センサーを用いて検出される。物体の形式は、ブロック１００４にて、物体の形式モデルに基づいて特定される。物体の形式モデルは、物体の形式モデルの不確実性と関連付けられる。特定した物体の形式に基づき、ブロック１００６にて、物体の今後の位置を予測する動作モデルを特定する。動作モデルは、動作モデルの不確実性と関連付けられる。この動作モデルの不確実性、物体の形式モデルの不確実性、及び／又は、センサーの不確実性に基づき、ブロック１００８にて、運転方針の不確実性を特定する。この運転方針の不確実性は、次いで、ブロック１０１０にて、車両の操縦に用いられる。

上述の特徴のこれらの及び他の変形及び組み合わせは、特許請求の範囲で定義した対象から離れることなく利用することができるので、これまで説明した典型的な実施の形態は、特許請求の範囲で定義した発明を限定するものではなく、概説するためにものであると理解すべきである。当然のことながら、ここに記載した実施の形態の条件（及び、「のような」、「例えば」、「含む」、のような語句）は、権利化を要求する対象を特定の実施例に限定するものと解釈すべきでなく、実施例は多くの形態の一部を概説するためのものである。

本発明は、これらに限定されるものではないが、車両走行及び検出システムを含む、広い産業分野で適用可能である。

Claims (19)

1. 車両を操縦する方法であって、該方法は、
   センサーを用いて車両の周囲の物体を検出するステップであって、該センサーはセンサーの不確実性と関連付けられていることを特徴とするステップと、
   物体の形式モデルに基づき物体の形式を特定するステップであって、該物体の形式モデルは、物体の形式モデルの不確実性と関連付けられていることを特徴とするステップと、
   特定された前記物体の形式に基づき前記物体の動作モデルを特定するステップであって、該動作モデルは、動作モデルの不確実性と関連付けられていることを特徴とするステップと、
   前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性に基づき、不確実運転モデルをプロセッサーにより作成するステップであって、該不確実運転モデルには、前記車両を操縦するための方針が含まれていることを特徴とするステップと、
   前記不確実運転モデルでの方針に基づき前記車両を操縦するステップと、
   を具備することを特徴とする方法。
2. 前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減させるために前記方針に従い、前記車両を操縦するステップをさらに具備することを特徴とする請求項１に記載の方法。
3. 前記センサーは、センサーの速度と到達距離及び形状を有するセンサー場とに関連付けられ、前記方法は、前記センサーの速度と前記センサー場の前記到達距離及び形状とに基づき前記センサーの不確実性を計算するステップをさらに具備することを特徴とする請求項１に記載の方法。
4. 車両を操縦する方法であって、該方法は、
   前記車両のセンサーについてのセンサー計測の不確実性のモデルを保存するステップと、
   前記センサーにより検出された物体についての物体形式の不確実性のモデルを保存するステップと、
   前記センサーにより検出された物体の今後の動きを特定するために用いられる動作モデルについての動作モデルの不確実性のモデルを保存するステップと、
   複数の不確実運転モデルを保存するステップであって、該複数の不確実運転モデルの各不確実運転モデルには、前記車両の操縦についての方針が含まれることを特徴とするステップと、
   前記センサー計測の不確実性のモデルと、前記物体形式の不確実性のモデルと、前記動作モデルの不確実性のモデルとに基づく物体及び物体の属性のリストを特定するステップであって、各物体の属性は、前記物体の属性のリストが複数の不確実性を示す値と関連付けられるように、不確実性を示す値と関連付けられていることを特徴とするステップと、
   前記複数の不確実性を示す値の少なくとも１つに基づき複数の不確実運転モデルのうちの１つを、プロセッサーにより、選択するステップと、
   選択された不確実運転モデルの方針に基づき前記車両を操縦するステップと、
   を具備することを特徴とする方法。
5. 前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減させるために前記方針に従い、前記車両を操縦するステップをさらに具備することを特徴とする請求項４に記載の方法。
6. 前記複数の不確実性を示す値のうちの１つ又は該不確実性を示す値を低減するために前記方針に従い、前記車両を操縦するステップをさらに具備することを特徴とする請求項４に記載の方法。
7. 前記センサーは、センサーの速度と到達距離及び形状を有するセンサー場とに関連付けられ、前記方法は、前記センサーの速度と前記センサー場の前記到達距離及び形状とに基づき前記センサー計測の不確実性のモデルを計算するステップをさらに具備することを特徴とする請求項４に記載の方法。
8. 車両の操縦のためのシステムであって、該システムは、
   車両の周囲についてのセンサーデータを生成するためのセンサーであって、該センサーは、センサーの不確実性と関連付けらていることを特徴とするセンサーと、
   物体の形式の不確実性と関連付けられた物体の形式モデルを保存するメモリーであって、該メモリーは、さらに、動作モデルの不確実性と関連付けられた動作モデルを保存することを特徴とするメモリーと、
   前記メモリーにアクセスし、前記センサーからのセンサーデータを受け取るよう設定されたプロセッサーであって、該プロセッサーは、
   センサーを用いて車両の周囲の物体を検出する動作と、
   前記物体の形式モデルに基づき物体の形式を特定する動作と、
   特定された前記物体の形式に基づき前記物体の動作モデルを特定する動作と、
   前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性に基づき、不確実運転モデルを作成する動作であって、該不確実運転モデルには、前記車両を操縦するための方針が含まれていることを特徴とする動作と、
   前記不確実運転モデルでの方針に基づき前記車両を操縦する動作と、
   が可能であることを特徴とするプロセッサーと、
   を具備することを特徴とするシステム。
9. 前記プロセッサーは、さらに、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減させるために前記方針に従い、前記車両を操縦する動作が可能であることを特徴とする請求項８に記載の方法。
10. 前記センサーは、さらに、センサーの速度と到達距離及び形状を有するセンサー場とに関連付けられ、前記プロセッサーは、前記センサーの速度と前記センサー場の前記到達距離及び形状とに基づき前記センサーの不確実性を計算する動作が可能であることを特徴とする請求項８に記載の方法。
11. 車両の操縦のためのシステムであって、該システムは、
    前記車両のセンサーについてのセンサー計測の不確実性のモデルと、前記センサーにより検出された物体についての物体形式の不確実性のモデルと、前記センサーにより検出された前記物体の今後の動きを特定するために用いられる動作モデルについての動作モデルの不確実性のモデルと、複数の不確実運転モデルであって、該複数の不確実運転モデルの各不確実運転モデルには、前記車両を操縦する方針が含まれていることを特徴とする不確実運転モデルとを保存するメモリーと、
    前記メモリーと接続されたプロセッサーであって、
    前記センサー計測の不確実性のモデルと、前記物体形式の不確実性のモデルと、前記動作モデルの不確実性のモデルとに基づき、物体及び物体の属性のリストを特定する動作であって、各物体の属性は、物体の属性の前記リストが複数の不確実性を示す値と関連付けられるように、不確実性を示す値と関連付けられることを特徴とする動作と、
    前記複数の不確実性を示す値の少なくとも１つに基づき複数の不確実運転モデルのうちの１つを選択するような動作と、
    前記選択された不確実運転モデルの方針に基づき前記車両を操縦するような動作と、
    が可能であることを特徴とするプロセッサーと、
    を具備することを特徴とするシステム。
12. 前記プロセッサーは、さらに、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減させるために前記方針に従い、前記車両を操縦する動作が可能であることを特徴とする請求項１１に記載のシステム。
13. 前記プロセッサーは、さらに、前記複数の不確実性を示す値のうちの１つ又は該不確実性を示す値を低減するために前記方針に従い、前記車両を操縦する動作が可能であることを特徴とする請求項１１に記載のシステム。
14. 前記センサーは、センサーの速度と到達距離及び形状を有するセンサー場とに関連付けられ、前記プロセッサーは、さらに、前記センサーの速度と前記センサー場の前記到達距離及び形状とに基づき前記センサー計測の不確実性のモデルを計算する動作が可能であることを特徴とする請求項１１に記載のシステム。
15. コンピュータが読み取り可能なプログラム命令が保存されている、実体のあるコンピュータ読み取り可能保存媒体であって、該命令は、プロセッサーにより実行された時、該プロセッサーに車両の操縦を行う方法を実行させることを特徴とし、該方法は、
    センサーを用いて車両の周囲の物体を検出するステップであって、該センサーはセンサーの不確実性と関連付けられていることを特徴とするステップと、
    物体の形式モデルに基づき物体の形式を特定するステップであって、該物体の形式モデルは、物体の形式モデルの不確実性と関連付けられていることを特徴とするステップと、
    特定された前記物体の形式に基づき前記物体の動作モデルを特定するステップであって、該動作モデルは、動作モデルの不確実性と関連付けられていることを特徴とするステップと、
    前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性に基づき、不確実運転モデルをプロセッサーにより作成するステップであって、該不確実運転モデルには、前記車両を操縦するための方針が含まれていることを特徴とするステップと、
    前記不確実運転モデルでの方針に基づき前記車両を操縦するステップと、
    を具備することを特徴とする、
    実体のあるコンピュータ読み取り可能保存媒体。
16. 前記方法は、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減させるために前記方針に従い、前記車両を操縦するステップをさらに具備することを特徴とする請求項１５に記載の実体のあるコンピュータ読み取り可能保存媒体。
17. コンピュータが読み取り可能なプログラム命令が保存されている、実体のあるコンピュータ読み取り可能保存媒体であって、該命令は、プロセッサーにより実行された時、該プロセッサーに車両の操縦を行う方法を実行させることを特徴とし、該方法は、
    前記車両のセンサーについてのセンサー計測の不確実性のモデルを保存するステップと、
    前記センサーにより検出された物体についての物体形式の不確実性のモデルを保存するステップと、
    前記センサーにより検出された物体の今後の動きを特定するために用いられる動作モデルについての動作モデルの不確実性のモデルを保存するステップと、
    複数の不確実運転モデルを保存するステップであって、該複数の不確実運転モデルの各不確実運転モデルには、前記車両の操縦についての方針が含まれることを特徴とするステップと、
    前記センサー計測の不確実性のモデルと、前記物体形式の不確実性のモデルと、前記動作モデルの不確実性のモデルとに基づく物体及び物体の属性のリストを特定するステップであって、各物体の属性は、前記物体の属性のリストが複数の不確実性を示す値と関連付けられるように、不確実性を示す値と関連付けられていることを特徴とするステップと、
    前記複数の不確実性を示す値の少なくとも１つに基づき複数の不確実運転モデルのうちの１つを選択するステップと、
    選択された不確実運転モデルの方針に基づき前記車両を操縦するステップと、
    を具備することを特徴とする、
    実体のあるコンピュータ読み取り可能保存媒体。
18. 前記方法は、前記センサーの不確実性、前記物体の形式モデルの不確実性、及び前記動作モデルの不確実性のうちの少なくとも１つを低減させるために前記方針に従い、前記車両を操縦するステップをさらに具備することを特徴とする請求項１７に記載の実体のあるコンピュータ読み取り可能保存媒体。
19. 前記方法は、前記複数の不確実性を示す値のうちの１つ又は該不確実性を示す値を低減するために前記方針に従い、前記車両を操縦するステップをさらに具備することを特徴とする請求項１７に記載の実体のあるコンピュータ読み取り可能保存媒体。

Images