[发明专利]为至少部分自动化驾驶的车辆选择驾驶机动

说明书

一种用于选择要由至少部分自动化驾驶的车辆(50)执行的驾驶机动(4)的方法(100)，具有如下步骤：‑在使用所述车辆所携带的至少一个传感器(51)的测量数据(51a)的情况下，创建(110)所述车辆(50)所处情况(60)的表示(61)；‑通过经过训练的机器学习模型(1)将所述情况(60)的所述表示(61)映射(120)到概率分布(2)，对于来自可用驾驶机动(3a‑3f)的预先给定的目录中的每个驾驶机动(3a‑3f)来说，所述概率分布说明了所述驾驶机动(3a‑3f)被执行的概率(2a‑2f)；‑从所述概率分布(2、2′)中抽取(150)驾驶机动(3a‑3f)作为所要执行的驾驶机动(4)，‑其中附加地，在使用所述车辆(50)所处情况(60)的至少一个方面(62)的情况下，确定(130、160)在这种情况(60)下不容许的驾驶机动(3a*‑3f*)的子集，而且其中阻止(140、170)所述不容许的驾驶机动(3a*‑3f*)的执行。

技术领域

本发明涉及根据情况来为至少部分自动化驾驶的车辆计划驾驶机动。

背景技术

至少部分自动化驾驶的车辆会持续检查其所处的情况，以便在不久的将来使驾驶机动的计划与这种情况的变化匹配。车辆必须对其做出反应的情况变化例如可能以该车辆移动到具有不同状况的另外的地方为前提。但是，其它对象、比如其他交通成员的移动可能使该情况显著发生变化并且有必要做出反应。DE 102018210280A1公开了一种可用来预测陌生对象的轨迹的方法，使得自身车辆的轨迹可以相对应地被调整。

一些用于计划驾驶机动的方法创建了车辆所处情况的表示，并且使用经过训练的机器学习模型将该表示映射到概率分布，该概率分布说明了原则上可用的驾驶机动的概率。从该概率分布中获取驾驶机动作为所要执行的驾驶机动，并且相对应地操控车辆的执行装置。

发明内容

在本发明的框架内，开发出了一种用于选择要由至少部分自动化的车辆执行的驾驶机动的方法。该方法开始于：在使用车辆携带的至少一个传感器的测量数据的情况下，创建车辆所处情况的表示。情况的这种表示通过经过训练的机器学习模型被映射到概率分布。该表示例如尤其可以是该情况的以任意形式和方式创建的组合表示。

测量数据例如尤其可以是图像数据、视频数据、雷达数据、激光雷达数据和/或超声数据。

机器学习模型尤其被视为如下模型，该模型体现利用可调整参数予以参数化的具有强大泛化能力的函数。这些参数可以在对机器学习模型进行训练时尤其被调整为使得在将学习表示输入到该模型中的情况下尽可能好地再现属于学习输入的、事先已知的目标输出。该机器学习模型尤其可以包含人工神经网络KNN和/或该机器学习模型可以是KNN。

对于来自可用驾驶机动的预先给定的目录中的每个驾驶机动来说，该概率分布说明了该驾驶机动被执行的概率。从该概率分布中提取驾驶机动作为所要执行的驾驶机动。

附加地，在使用车辆所处情况的至少一个方面的情况下，确定在这种情况下不容许的驾驶机动的子集。阻止这些不容许的驾驶机动的执行。

对机器学习模型的训练旨在将在相应情况下更为合理的驾驶机动与不太合理的驾驶机动分开。因而，不容许的驾驶机动已经大部分被该机器学习模型归类为不太合理。与通过机器学习模型将该表示直接映射到正好一个驾驶机动相比，从概率分布中抽取最终所要执行的驾驶机动引起更真实的并且尤其对于其他交通成员来说不太意外的驾驶行为。然而，不可避免的是：不容许的驾驶机动在该概率分布中也具有非零概率。这意味着：不容许的驾驶机动有一定概率被实际选择和实施。该概率可能大于为自动化驾驶运行所指定的可接受的剩余风险。