特許ウォッチ

公開番号2025025083
公報種別公開特許公報(A)
公開日2025-02-21
出願番号2023129536
出願日2023-08-08
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 30/10 20060101AFI20250214BHJP(車両一般)
要約【課題】シーンに適合する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、移動体の移動条件データを取得し、取得された移動条件データに応じて、移動モードを判定し、移動モードを判定した結果に応じて、複数の訓練済み制御モデルのうちのいずれかの訓練済み制御モデルを選択し、選択された訓練済み制御モデルを使用して、移動体の制御指令を導出し、及び導出された制御指令に従って、移動体の動作を制御する。各訓練済み制御モデルは、移動体の移動モードに対応して生成されている。
【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、
前記各訓練済み制御モデルは、移動体の移動モードに対応して生成されており、並びに
前記制御部は、
前記移動体の移動の条件に関する移動条件データを取得すること、
取得された前記移動条件データに応じて、移動モードを判定すること、
前記移動モードを判定した結果に応じて、前記複数の訓練済み制御モデルのうちのいずれかの訓練済み制御モデルを選択すること、
選択された前記訓練済み制御モデルを使用して、前記移動体の制御指令を導出すること、及び
導出された前記制御指令に従って、前記移動体の動作を制御すること、
を実行するように構成される、
制御装置。
続きを表示（約 470 文字）【請求項２】
前記移動モードを判定することは、強度を算定することを含み、
前記制御指令を導出することは、算定された前記強度に応じて、前記制御指令を導出することにより構成される、
請求項１に記載の制御装置。
【請求項３】
前記移動体は、車両であり、
前記複数の訓練済み制御モデルは、車線変更に対応する第１訓練済み制御モデル、車線維持に対応する第２訓練済み制御モデル、及び緊急停車に対応する第３訓練済み制御モデルを含み、
前記移動モードを判定することは、前記車線変更、前記車線維持及び前記緊急停車のいずれかのモード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】
取得される前記移動条件データは、前記車両に乗車する乗員の反応を示す反応データを含む、
請求項３に記載の制御装置。
【請求項５】
前記各訓練済み制御モデルの入力は、対応する前記移動モードに応じて最適化されている、
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、自動運転車両等の移動体の制御技術に関する。
続きを表示（約 2,100 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、シーンに適合する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。前記各訓練済み制御モデルは、移動体の移動モードに対応して生成されている。前記制御部は、前記移動体の移動の条件に関する移動条件データを取得すること、取得された前記移動条件データに応じて、移動モードを判定すること、前記移動モードを判定した結果に応じて、前記複数の訓練済み制御モデルのうちのいずれかの訓練済み制御モデルを選択すること、選択された前記訓練済み制御モデルを使用して、前記移動体の制御指令を導出すること、及び導出された前記制御指令に従って、前記移動体の動作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、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、シーンに適合する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、本開示の制御装置のハードウェア構成の一例を模式的に示す。
図４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（特に、end-to-end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、本件発明者らは、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、車線維持等の場面に応じて、走行の態様は大きく相違し得る。また、各場面の発生確率も大きく相違し得る。一例では、２０ｋｍ以上の走行で車線変更の生じる確率は１％以下であり、車線維持よりも極めて低いことがある。更には、１％以下の車線変更のシーンにおいて、周辺車両との衝突を回避すること又は路上の障害物（静止物、動物等）を回避することの発生確率は極めて低い。このような走行態様及び発生確率の大きく相違する
シーンが混在する状態で、学習用のデータを収集し、収集された学習データで機械学習モデルを訓練することを想定する。この場合、得られる訓練済みの機械学習モデルにおいて、シーン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、極めて発生確率の低い走行態様の学習が不十分になり、これにより、訓練済みの機械学習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。各訓練済み制御モデルは、移動体の移動モードに対応して生成されている。制御部は、移動体の移動の条件に関する移動条件データを取得すること、取得された移動条件データに応じて、移動モードを判定すること、移動モードを判定した結果に応じて、複数の訓練済み制御モデルのうちのいずれかの訓練済み制御モデルを選択すること、選択された訓練済み制御モデルを使用して、移動体の制御指令を導出すること、及び導出された制御指令に従って、移動体の動作を制御することを実行するように構成される。
【００１０】
本開示の第１態様では、各訓練済みの制御モデルは、移動モードに応じて用意される。すなわち、各訓練済みの制御モデルは、対応する移動モード専用に用意され、他の移動モードによる移動を担当しないため、各制御モデルの機械学習では、他の移動モードのデータの混在を抑えることができる（理想的には、対応する移動モードに特化して学習データを収集し、得られた学習データで訓練済みモデルを生成する）。これにより、シーンに適合する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