[发明专利]用于自动驾驶车辆中的个性化运动规划的方法和系统

说明书

本示教涉及用于自动驾驶车辆的自动行为规划的方法、系统、介质和实施方式。获得自身觉知性能参数，其是基于自动驾驶车辆的当前位置实例化的，且将被用于推定自动驾驶车辆基于当前位置的运行性能。推定自动驾驶车辆中的乘员的关于车辆运动的偏好。基于自身觉知性能参数和乘员的偏好，自动规划自动驾驶车辆的运动。

相关申请的交叉引用

本申请与2017年12月18日提交的美国专利申请15/845,337相关，在此引入其整个内容作为参考。

技术领域

本示教一般涉及自动驾驶。具体而言，本示教涉及自动驾驶中的规划和控制。

背景技术

随着人工智能(AI)近来的技术进步，出现了在不同应用领域中应用AI的浪潮。这包括自动驾驶领域，在该领域中，规划和控制是必不可少的。如图1(现有技术)所示，自动驾驶模块110包括规划模块120和车辆控制模块130。如图2所示，规划可包括路径规划、运动规划或行为规划。路径规划指的是基于特定的考虑来规划从原点到目的地的路径的工作。

运动规划一般可指规划车辆的运动以实现特定效果的工作。例如，车辆的运动可以以符合交通规则或安全的方式来规划。于是，运动规划是确定车辆需要做出何种运动来实现该目的。行为规划一般指规划在不同情况下车辆应当如何表现的工作，例如，在经过十字路口时的车辆行为、待在车道内或沿车道行驶的车辆行为、或是在转弯时的车辆行为。例如，在超过前方缓慢移动的车辆时，可以规划特定的车辆行为。行为规划和运动规划可能是相关的，例如，规划的车辆行为可能需要翻译为运动，以便实现该行为。

图1所示的车辆控制130可涉及多种方面的控制。如图3所示，车辆控制可涉及：例如，针对道路特有的控制，针对运动特有的控制，针对质量(mass)特有的控制，针对几何结构特有的控制，针对空气动力特有的控制，以及针对轮胎特有的控制。

图1中的周围环境信息可用于车辆规划。传统而言，周围环境信息100包括例如车辆的当前位置、预定目的地、和/或交通信息。例如，使用这样的周围环境信息，传统的规划模块120可设计从当前位置到目的地的路径的规划。路径规划中使用的已知标准可包括例如最短距离、最短时间、使用高速公路(highways)、使用地方道路、交通量等等。这样的标准可以基于已知的信息来应用，这些已知信息例如为各个路段的距离、与道路相关联的已知的交通量模式等等。

规划模块120也可执行运动规划，传统而言，运动规划基于例如用于状态空间的快速遍历随机树(RRT)或用于环境建模的马尔可夫决策过程(MDP)。规划模块120可基于所规划的路径/运动来生成将要馈送给车辆控制模块130的规划数据，使得车辆控制模块130可运行为以所规划的方式来控制车辆。为了使车辆运动以执行该规划，于是，车辆控制模块130可以生成控制信号140，该信号可以被发送到车辆的不同部分，以实现所规划的车辆运动。按照传统，车辆控制基于通用车辆运动学模型和/或不同类型的反馈控制器来执行。

每个人类驾驶者一般以不同的偏好对车辆进行不同的操作或控制。人类驾驶者还基于实时情况对车辆进行适应性操作，这些实时情况可能由于车辆自身的当前状况、外在环境状况(其限制车辆运行的能力)和/或车内乘员对当前车辆运动的反应或响应而发生。例如，在车内有孩子的情况下，人类驾驶者可能出于安全原因在下雪天选择避开(路径规划)弯曲的路径。当不同的乘员乘坐车辆时，人类驾驶者可能以不同的方式驾驶，从而保证乘员的舒适。尽管人类驾驶者一般通过大致保持在车道中间位置来沿车道行驶的方式控制车辆，该行为可能在面临右转弯时改变。在这种情况下，同一人类驾驶者可在车辆接近右转点时弯向车道的右侧。另外，不同的人类驾驶者可能以不同的方式弯向右侧。另外，车道变换行为也可能在不同的周围环境情况下基于不同的车辆而不同。现有技术不涉及这些问题，更未提供解决方案。

因此，存在提供在自动驾驶中用于规划和控制的改进方案的需求。

发明内容