特許ウォッチ

公開番号2024179785
公報種別公開特許公報(A)
公開日2024-12-26
出願番号2023098920
出願日2023-06-16
発明の名称制御装置
出願人トヨタ自動車株式会社
代理人弁理士法人秀和特許事務所
主分類B60W 50/08 20200101AFI20241219BHJP(車両一般)
要約【課題】ユーザの振舞に適合した移動体の制御を遂行する精度の向上を図る。
【解決手段】本開示の一側面に係る制御装置は、複数の訓練済み制御モデルのうちの1つ以上の訓練済み制御モデルの演算を実行することで、1つ以上のパスを生成し、対象ユーザの振舞を監視し、対象ユーザの振舞を監視した結果に応じて、生成された1つ以上のパスから1つのパスを選択し、かつ選択されたパスに従って、移動体の移動を制御する。各訓練済み制御モデルは、機械学習により、ユーザの対応する振舞に関連した移動体の移動を制御するためのパスを生成する能力を獲得している。
【選択図】図1
特許請求の範囲【請求項１】
複数の訓練済み制御モデルを記憶する記憶部、及び
制御部、
を備える制御装置であって、
前記制御部は、
前記複数の訓練済み制御モデルのうちの１つ以上の訓練済み制御モデルの演算を実行することで、１つ以上のパスを生成すること、
対象ユーザの振舞を監視すること、
前記対象ユーザの振舞を監視した結果に応じて、生成された前記１つ以上のパスから１つのパスを選択すること、及び
選択されたパスに従って、移動体の移動を制御すること、
を実行するように構成され、並びに
前記各訓練済み制御モデルは、機械学習により、ユーザの対応する振舞に関連した前記移動体の移動を制御するためのパスを生成する能力を獲得している、
制御装置。
続きを表示（約 710 文字）【請求項２】
前記１つ以上の訓練済み制御モデルは、前記ユーザによる指示のない状況におけるパスを生成する能力を獲得している第１訓練済み制御モデルを含み、
前記１つのパスを選択することは、前記対象ユーザからの指示がない場合に、前記第１訓練済み制御モデルにより生成されたパスを選択することを含む、
請求項１に記載の制御装置。
【請求項３】
前記１つ以上の訓練済み制御モデルは、前記ユーザによる対応する指示のある状況におけるパスを生成する能力をそれぞれ獲得している１つ以上の第２訓練済み制御モデルを含み、
前記１つのパスを選択することは、前記対象ユーザによる指示に応じて、前記１つ以上の第２訓練済み制御モデルのうちのいずれかにより生成されたパスを選択することを含む、
請求項１に記載の制御装置。
【請求項４】
前記移動体は、車両であり、
前記１つ以上の第２訓練済み制御モデルは、訓練済み車線変更モデルを含み、
前記１つのパスを選択することは、前記対象ユーザによる車線変更の指示に応じて、前記訓練済み車線変更モデルにより生成されたパスを選択することを含む、
請求項３に記載の制御装置。
【請求項５】
前記制御部は、生成された１つ以上のパスそれぞれの安全度を評価することを更に実行するように構成され、
前記１つのパスを選択することは、前記安全度が低いと評価されるパスを除外した上で、生成された前記１つ以上のパスから１つのパスを選択することにより構成される、
請求項１から４のいずれか１項に記載の制御装置。

発明の詳細な説明【技術分野】
【０００１】
本開示は、自動運転車両の制御技術に関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
特許文献１には、訓練済みのニューラルネットワークを使用して、ルート、ＧＰＳデータ及びセンサデータから車両のコマンドを決定するように構成された自律的車両制御のためのシステムが提案されている。
【先行技術文献】
【特許文献】
【０００３】
特表２０１９－５３３８１０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本開示の目的の一つは、ユーザの振舞に適合した移動体の制御を遂行する精度の向上を図るための技術を提供することである。
【課題を解決するための手段】
【０００５】
本開示の第１態様に係る制御装置は、複数の訓練済み制御モデルを記憶する記憶部、及び制御部を備える。前記制御部は、前記複数の訓練済み制御モデルのうちの１つ以上の訓練済み制御モデルの演算を実行することで、１つ以上のパスを生成すること、対象ユーザの振舞を監視すること、前記対象ユーザの振舞を監視した結果に応じて、生成された前記１つ以上のパスから１つのパスを選択すること、及び選択されたパスに従って、移動体の移動を制御すること、を実行するように構成される。前記各訓練済み制御モデルは、機械学習により、ユーザの対応する振舞に関連した前記移動体の移動を制御するためのパスを生成する能力を獲得している。各訓練済み制御モデルは、ニューラルネットワークにより構成されてよく、機械学習の手法には深層学習が用いられてよい。
【発明の効果】
【０００６】
本開示によれば、ユーザの振舞に適合した移動体の制御を遂行する精度の向上を図ることができる。
【図面の簡単な説明】
【０００７】
図１は、本開示が適用される場面の一例を模式的に示す。
図２は、本開示の制御モデル構成の一例を模式的に示す。
図３は、本開示の第２制御モデル構成の一例を模式的に示す。
図４は、本開示の制御装置のハードウェア構成の一例を模式的に示す。
図５は、本開示の制御装置による制御に関する処理手順の一例を示す。
【発明を実施するための形態】
【０００８】
特許文献１等の従来の方法によれば、訓練済みの機械学習モデルを使用することで、自動運転システムを構築することができる。しかしながら、本件発明者は、従来の方法には、次のような問題点があることを見出した。例えば、車線変更、路肩退避等の特定の態様の走行をユーザの振舞に応じて実行することを想定する。ユーザの振舞は、例えば、ウィンカー操作、ドライバに異常がある等である。このようなユーザの振舞を含めた上で、各態様の走行のための訓練データを収集するのは、パターンが膨大であり困難である。また、発生頻度も大きく相違し得る。このように発生頻度の大きく異なるシーンが混在する条
件下で、ユーザの振舞を入力として受け入れ、各振舞に適合するパスを生成するための訓練済みの機械学習モデルを生成することを想定する。この場合、得られる訓練済みモデルにおいて、ユーザの振舞に適合する車両の制御を高精度に遂行することが困難である可能性がある。例えば、極めて発生頻度の低いユーザの振舞の学習が不十分になり、これにより、訓練済みモデルによる車両制御の精度の低下を招く恐れがある。なお、この問題点は、車両の種類を問わず生じ得る。また、このような問題点が生じるのは、車両を制御する場面に限られない。移動を制御する点では、車両以外の移動体でも同様である。そのため、車両以外のあらゆる移動体を制御する場面でも、同様の問題点が生じ得る。
【０００９】
これに対して、本開示の第１態様に係る制御装置は、複数の訓練済み制御モデルを記憶する記憶部、及び制御部を備える。制御部は、複数の訓練済み制御モデルのうちの１つ以上の訓練済み制御モデルの演算を実行することで、１つ以上のパスを生成すること、対象ユーザの振舞を監視すること、対象ユーザの振舞を監視した結果に応じて、生成された１つ以上のパスから１つのパスを選択すること、及び選択されたパスに従って、移動体の移動を制御すること、を実行するように構成される。各訓練済み制御モデルは、機械学習により、ユーザの対応する振舞に関連した移動体の移動を制御するためのパスを生成する能力を獲得している。
【００１０】
本開示の第１態様では、各訓練済み制御モデルは、ユーザの振舞に関連した移動態様に応じて用意される。すなわち、各訓練済み制御モデルは、他の態様による移動を担当しないため、各訓練済み制御モデルの機械学習では、他の移動態様のデータの混在を抑えることができる。理想的には、対応する移動態様に特化して学習データが収集され、得られた学習データで訓練済みモデルが生成されてよい。本開示の第１態様では、訓練済み制御モデルを移動態様に応じて用意し、対象ユーザの振舞に対応する訓練済み制御モデルにより生成されたパスを移動体の制御に使用するようにする。これにより、ユーザの振舞に適合した移動体の制御を遂行する精度の向上を期待することができる。
（【００１１】以降は省略されています）

関連特許