用于自主车辆的控制系统的制作方法

本发明涉及一种用于自主车辆的控制系统，所述控制系统配备有学习能力的人工智能。

背景技术：

车辆在交通中的驾驶是复杂的过程，其必须由人通过在驾驶课中的实践经验来学会。与此相应地，困难的是，以用于自主的控制系统的程序代码表达控制任务。为此目的，因此应用人工智能ki，其与人的学习过程类似地从学习数据中导出用于控制任务的无意的规定并且接着将由车辆的传感机构求取的输入参量转换成用于执行机构的正确的输出参量。

us5,548,512a公开一种简单的自主行驶的机器人车辆，该机器人车辆配备有用于求取其在受限的工作环境中的位置的ki。为了求取在该平面中的x坐标和y坐标以及旋转角，分别设有自身的ki模块。

对于公共道路交通的参与，相比在受限的工作环境中的驾驶，明显更多的输入参量和输出参量是重要相关的，其中，也具有更多的强制性的条件，在所有状况下必须遵守所述条件并且所述条件分别将多个输入参量和输入参量相互关联。因此，趋势如下，将完整的控制任务作为唯一的单片式ki模块实现并且借助多种真实的驾驶状况训练该ki模块。相应的控制系统的示例和相应的学习过程在us2017135621a1和wo2017/062106a1中公开。

技术实现要素：

在本发明的范围内，发展一种用于自主车辆的控制系统。该控制系统包括至少一个人工智能模块、即ki模块，所述至少一个人工智能模块通过经参数化的内部的处理链将输入参量转换成输出参量。在此，所述处理链的参数在训练阶段中能够如此配置，使得所述输入参量的学习值转换到与此相配的、所述输出参量的学习值上。

设有提供用于执行第一驾驶操纵的输出参量的至少一个第一ki模块和提供用于执行第二驾驶操纵的输出参量的第二ki模块。对此替代地或与此组合地，设有构造用于识别第一对象或对象的第一群组的至少一个第一ki模块和构造用于识别第二对象或对象的第二群组的第二ki模块。在后一种情况下，输出参量例如说明识别出确定的对象的概率。

识别到，用于自主驾驶的k1的单片式构造使得事后的改变、例如在交通标志或其他交通规则的改变的情况下明显变得困难并且此外使其不透明。由学习数据生成的无意的规定在ki中以对于人而言不可读取的形式存储并且不能够选择性地被匹配。取而代之地，必须完全地或部分地重复正常的学习过程，其中，也存在以下风险：控制系统的行为在完全没有预计到的方面发生改变。

所设置的功能分离首先一次地提供附加的耗费，因为每个单个的ki模块应单独地被训练。相对于此存在以下大的优点，即事后的改变总是仅仅影响功能性的一部分并且因此被简化。各个ki模块也可以在较小尺寸的硬件上运行。在多个小的ki模块中功能性的整个范围的实现相比在用于单片式ki的更大尺寸的硬件上的实现造成整体上更低的硬件成本，主要因为用于ki模块的训练的资源耗费随着其复杂性显著非线性地增长。在有缺陷的情况下，修理成本下降，因为一方面由于功能分离，有缺陷的模块可以被快速地找到，并且另一方面，所需的更换件明显更便宜。最后，功能分离也使得可能的是，再使用ki模块和在其中存储的训练结果并且因此节省训练耗费。

例如可以设置用于左拐的第一ki模块和用于右拐的第二ki模块。如果现在例如改变当前在德国有效的规定，即两个迎面行驶的左拐车辆在彼此之前拐弯，则仅仅必须重新训练用于左拐的ki模块。用于右拐的ki模块保持不变。在单片式ki的情况下，也不能够排除这样的所不期望的改变。

类似的例如适用于从车辆的摄像机数据进行的对象识别。如果例如第一ki模块负责交通标志的识别，而第二ki模块负责其他交通参与者的识别，则例如对于环境区域重新引入交通标志仅仅需要第一ki模块的重新训练，其中，同时存在以下保证，即其他交通参与者的安全关键的识别保持不变。该保证可能在单片式ki中不存在。

因此，改变的受限的作用也减少用于提供对于公共道路交通的允许的耗费。尤其也加装了功能性，而没有使对于现有的功能性的允许无效。

在本发明的一个特别有利的构型中，附加地设有第三ki模块，所述第三ki模块提供用于从所述第一驾驶操纵到所述第二驾驶操纵的过渡的输出参量。这意味着，从第一驾驶操纵到第二驾驶操纵的流畅的过渡单独地可在车辆中学会并且该学习又对操纵自身不具有影响。通过这种方式，尤其在三个或更多个驾驶操纵的更复杂的级联的情况下也确保驾驶操纵之间的流畅的过渡。在按照目前为止的现有技术的单片式ki中，一方面不设置在实际的驾驶操纵之间的功能分离，另一方面不设置这些驾驶操纵之间的过渡。取而代之地，为了建立流畅的过渡，使驾驶操纵自身相互匹配，但这在进一步过渡到第三驾驶操纵的情况下可能引起不连续性。

在本发明的另一个特别有利的构型中，至少一个ki模块或ki模块的至少一个群组构造用于将经归一化的输入参量转换成经归一化的输出参量。附加地设有接口层，所述接口层构造用于将经归一化的输出参量转换成所述车辆的执行机构的输入参量以及将所述车辆的传感机构的输出参量转换成经归一化的输入参量。通过这种方式可以抽象出具体的车辆平台的功能性。所述ki模块因此同样地可用于多个车辆平台，并且分别通过接口层来使其适配于具体的车辆平台。

例如，ki模块可以构造用于在经矢量化的摄像机图像中识别交通标志和其他对象，所述摄像机图像与所使用的摄像机的类型和分辨率无关。该接口层负责对由摄像机获得的像素图像进行矢量化。例如测量参量也可以作为输入参量被归一化到确定的数字区间上(例如在0％和100％之间)。该接口层负责例如将用于测量参量的探测器的信号转换成经归一化的输入参量。

同样的适用于输出参量。因此，例如气门位置(gasstellung)或制动力也可以归一化到0％和100％之间的区间上，并且的转向偏角(lenkeinschlag)可以例如归一化到在用于左边最大的-100％和用于右边最大的+100％之间的区间上。气门位置、制动力和转向偏角以绝对单位多大，对于相应的车辆平台是特定的。接口层接管所述转换。

在此，在本发明的另一个特别有利的构型中，所述接口层尤其可以构造为另外的ki模块。通过这种方式，也可以自学式地构型与新的车辆平台的匹配，而不需要关于传感机构或执行机构的详细知识。同样，通过仅仅接口层的重新的训练可以简单地完成事后匹配。例如出现以下情况，即相对于更高质的探测器——其信号为此非线性地取决于测量参量的值——更换用于测量参量的探测器，其信号随着测量参量的值线性地改变。借助接口层的重新训练可以提供该改变，而不在所获得的测量值的另外的处理链上改变什么。接口层可以例如通过以下方式来训练，即实施确定的驾驶操纵。

但接口层不是必须为单独的ki模块，而是例如也可以构造为其他的ki模块的输入层或输出层。在接口层的训练中，例如可以将改变限于该层上，而保持处理链的其余部分。

在硬件方面更小地确定ki模块尺寸的可能性又能够实现：提高控制系统的修理方便性。为此，在本发明的另一个特别有利的构型中，所述至少一个ki模块集成在提供所述ki模块的输入参量的传感器组件中和/或集成在获得所述ki模块的输出参量的执行器组件中。

例如，负责交通标志的识别的ki模块可以与所属的摄像机一起安装在传感器组件中。如果证实，识别不再可靠地正常运转，则故障可能仅仅或者存在于摄像机中或者存在于所属的ki模块中。因此，故障对于最终客户而言在车间中或者在事故援助的范围内可快速地消除，其方式是，更换传感器组件。传感器组件的详细的分析和修理可以当在经济方面可盈利的时候稍后才进行。

在故障情况下，基于功能分离而进一步已知，哪些驾驶操纵不再正常运转直至修理并且因此可能是危险的。这些驾驶操纵然后例如可以淡出并且通过其他的按规定正常运转的驾驶操纵的组合来取代。通过这种方式，车辆可能还可以凭自身到达车间。

在本发明的另一个特别有利的构型中，设有至少两个ki模块，所述至少两个ki模块提供用于执行相同的驾驶操纵的输出参量，和/或，所述至少两个ki模块构造用于识别相同的对象或对象的相同的群组，其中，所述两个ki模块的输入参量不同。通过这种方式，可以对由两个i模块提供的输出参量相对于彼此进行可信度检查，这提高运行安全性。相反，在单片式ki中，从第一组输入参量生成输出参量的第一处理分支与从第二组输入参量生成输出参量的第二处理分支不完全相互独立。

在本发明的另一个特别有利的构型中，整体上待由所述控制系统识别的对象如此分配到ki模块上，使得第一对象的通过第一ki模块的识别与第二对象的通过第二ki模块的识别抵触。因此，将可信度检查的另外层面包括在内，其提高运行安全性。

因此，例如可以构造用于识别以下交通标志的第一ki模块，所述交通标志准予先行(例如“先行道路”或“在下一个十字口先行)，而第二ki模块构造用于识别让行(例如“让他人先行”、“停止”、“先右后左”)的交通标志。如果两个ki模块同时以高的概率报告识别，则出现故障。

在本发明的另一个特别有利的构型中，设有用于至少一个ki模块从其他车辆或从外部计算机获取所述处理链的参数的至少一个通信接口。通过一方面功能分离以及通过另一方面车辆平台的可能的抽象化，以下参数不再绑定到具体的车辆上：在ki模块的训练中获得的学习结果体现在所述参数中。通过这种方式，例如可以将已经完成了显著更高的行驶里程的车辆的学习结果传输到新型车辆上。

此外，在有问题时快速维修也是可能的。例如可能发生，确定的操纵例如超车操纵由ki模块不再按规定地执行，由此发生紧急状况。在这种情况下，进行恰恰该ki模块的校正，从而用于该驾驶操纵的ki模块在校正之后又按规定地正常运转。有故障的驾驶操纵的探测可以例如通过驾驶员干预来探测，但也可以在车辆自身内或在云端通过车辆的期望轨迹与实际轨迹的比较来探测。

在该实施例中，有故障的ki模块通过正常运转的ki模块来取代，其方式是，处理链的参数由按规定正常运转的ki模块来接管。这些参数数据可以在此例如来源于另外的车辆，或者这些参数数据可以例如从云端传输到自主车辆上(车到x通信)。对于在自主车辆上的相应的驾驶操纵，新的参数在此覆盖旧的参数，即有效地覆盖旧的ki模块。重要的是，新的ki模块尽可能抽象地存在，从而新的ki模块可以直接转移到新的车辆上。

此外，相应的车辆可以在传输处理链的新的参数之后有利地执行构造为自身的ki模块的接口层的匹配，从而以新参数形式加载的新的ki模块与车辆的驱动和传感器相配并且相应的驾驶操纵也可以继续由车辆实施。用于该接口的ki模块的训练可以例如通过确定的驾驶操纵的执行以及车辆的执行器的控制来在最短的时间内执行。因此，通过简单的方式能够实现自主车辆的ki模块的校正。

在本发明的一个特别有利的构型中，至少一个ki模块构造为人工神经元网络(künstlichesneuronalesnetz)、即knn。在这样的神经元网络中，与人脑中的神经元类似地表现的人工神经元被组织在接受输入参量的输入层中、在输出输出参量的输出层中和在一个或多个布置在此之间的“深的”或“隐藏的”层中。在此，从一个层的神经元到与相邻的层的神经元的过渡分别有不同的概率。借助这样的神经元网络也可以对输入参量和输出参量之间的非常复杂的相互关系建模，其代价是，在网络中存储的概率由人在待解决的任务的上下文中不可解释。因此，并非容易地可预见，当改变了具体的概率的时候，网络的行为作为整体以何种方式改变。功能分离和抽象化恰恰至少部分地重新建立透明度并且尤其能够实现关于在ki模块上改变的情况下在整个系统中什么改变了以及什么没有改变的可靠的结论。

在本发明的另一个特别有利的构型中，所述ki模块在所述车辆中在分布式的计算机架构上实现。通过这种方式，更好地充分利用车辆的硬件资源。此外提高了运行安全性，因为偶然的硬件故障仅仅能够影响功能性的一部分。此外，一些ki模块或所有ki模块可以冗余地在车辆的不同的计算机部分上实现。可以以特别简单的方式对冗余地实施的ki模块相互可信度检查。

根据先前描述的，具体车辆的ki模块的功能分离和抽象化也能够实现：使ki模块的实际训练与车辆分离。该训练例如可以在云端进行。因此，本发明也涉及一种用于制造根据本发明的控制系统的方法，其中，对于至少一个ki模块将所述输入参量的学习值和所述输出参量的学习值从所述车辆传输到所述车辆之外的外部计算机上和/或其他车辆上，并且对于所述ki模块在所述外部计算机上或在所述其他车辆上求取所述处理链的参数。

控制系统和方法可以完全地或部分地以软件实现。该软件也可以例如作为现有的控制系统的更新或插件(add-on)来销售并且就此而言是独立的产品。本发明因此也涉及一种计算机程序，其具有机器可读的指令，用于当在计算机和/或控制系统上实施指令时使所述计算机和/或所述控制系统升值成根据本发明的控制系统，和/或促使所述计算机和/或所述控制系统实施根据本发明的方法。本发明此外涉及一种机器可读的数据载体或具有计算机程序的下载产品。

附图说明

下面根据附图与本发明的优选的实施例的描述一起详细地示出改进本发明的另外的措施。

图1示出车辆50中的控制系统100的实施例；

图2示出具有分离的ki模块1、2的不同的对象群组101、102的识别；

图3示出车辆50的平台的ki模块1的抽象化，所述ki模块具有接口层15，该接口层构造为另外的ki模块4；

图4示出方法200的实施例。

具体实施方式

根据图1，控制系统100包含三个ki模块1、2和3，其中，第一ki模块1基于输入参量11a-11d求取用于第一驾驶操纵的执行的输出参量13a-13d，第二ki模块2基于输入参量21a-21d求取用于第二驾驶操纵的执行的输出参量23a-23d。第三ki模块3基于输入参量31a-31d求取用于从第一驾驶操纵到第二驾驶操纵的流畅的过渡的输出参量33a-33d。

这三个ki模块1、2和3分别具有一个内部的处理链12、22或32，所述处理链的连接通过参数组14、24或34来确定。如果ki模块1、2和3构造为神经元网络，则这些参数组可以表示事件沿着进一步在输出端的方向上、在图1中选择的视角中即从上向下地转发的概率。

参数组14、24和34可以通过通信接口5从其他车辆60(车到车通信，c2c)或从外部计算机70(车到基础设施通信，c2i)来获取。

图2示例性地示出，如何可以将对象的不同群组101、102的识别的责任有意义地分配到两个ki模块1和2上。第一群组101包含让行的交通标志，在此，即标志“注意先行”101a和停止指示牌101b。第二群组102包含准予先行的交通标志，在此即标志“先行道路”102a和标志“在下一个十字路口先行”102b。

第一ki模块1例如包含摄像机数据作为输入参量11a-11d并且通过其内部的处理链12求取在摄像机数据中已识别交通标志101a或101b的概率p(101a)或p(101b)作为输出参量13a或13b。

类似地，第二ki模块2获得相同的摄像机数据作为输入参量21a-21d并且通过其内部的处理链12求取在摄像机数据中已识别交通标志102a或102b的概率p(102a)或p(102b)作为输出参量23a或23b。

如此选择到两个ki模块上的分配，使得当第一ki模块1以高的概率识别出来自第一群组101的交通标志101a、101b并且第二ki模块2同时也以高的概率识别出来自第二群组102的交通标志102a、102b时产生抵触。来自两个群组101、102的交通标志相互排斥，所以绝不在相同位置出现。通过监视这类抵触的出现，可以对这两个ki模块1和2相互进行可信度检查，而不必为此提供完全的冗余。

图3示例性地示出车辆50的平台的ki模块的抽象化。该ki模块1获得经归一化的输入参量11a*-11d*并且从中求取经归一化的输出参量13a*-13d*。与在其上应用ki模块1的车辆50无关地，输入参量11a*-11d*或输出参量13a*-13d*总是位于相同的值域中。

车辆50具有传感机构52，所述传感机构输出输出参量52a-52d。输出参量52a-52d由接口层15转换成ki模块1的经归一化的输入参量11a*-11d*。类似地，接口层15也将ki模块1的经归一化的输出参量13a*-13d*转换成车辆50的执行机构51的输入参量51a-51d。构造为附加的ki模块4的接口层15仅仅一次地存在，而在图3中出于概览性原因而双重绘出。

图4示意性地示出方法200的一个实施例，借助其可以给控制系统100提供用于在此示例性地示出的唯一的ki模块1的参数14。从车辆50将输入参量11a-11d的学习值与所属的输出参量13a-13d关联。在步骤210中，向外部计算机70传送输入参量11a-11d的学习值和所属的输出参量13a-13d的学习值。在步骤220中，在外部计算机70上求取ki模块1的处理链12的参数14。这些参数然后在任意的路径上传输到ki模块1中。

在车辆50之外的学习是一个有利的选项，其通过功能分离和抽象化而可供使用。然而，在根据本发明的控制系统中继续保持可能的是，以通常的方式，在车辆50上自身学习处理链12的参数14。