[发明专利]确定载运工具的非期望动作

说明书

提出了一种在载运工具动作确定器(1)中执行的用于确定第一载运工具(2，2a‑d)的非期望动作和结果性动作的方法。该方法包括：检测(40)第一用户(5)正在关注第一载运工具(2，2a‑d)；获取(42)第一用户(5)的大脑活动数据；基于大脑活动数据，确定(44)第一用户(5)的负面反应；基于第一用户(5)关注第一载运工具(2，2a‑d)以及第一用户(5)的负面反应，确定(46)第一载运工具(2，2a‑d)何时正在执行非期望动作；基于第一载运工具(2，2a‑d)执行非期望动作，确定(48)自主载运工具(2，2a‑d)要进行的结果性动作；以及触发(49)自主载运工具(2，2a‑d)执行结果性动作。

技术领域

本发明涉及一种用于确定载运工具的非期望动作的方法、载运工具动作确定器、计算机程序和计算机程序产品。

背景技术

如今，在具备自主推进能力的载运工具的领域中进行了大量的研究和开发。应用范围从诸如公共汽车和出租车服务之类的客运运输到由重型载运工具执行的货物运输。近年来，许多公司已经在真实道路上验证了其自主驾驶重型载运工具。自2012年以来，谷歌的无人驾驶汽车已经在美国若干地区投入了运营。在2014年，谷歌报告显示，在加利福尼亚州，他们的汽车已经在自主模式下行驶了总共110万公里。此外，诸如无人机之类的飞行器也可以是自主载运工具。

为了提高随时间推移的驾驶能力，机器学习被用在许多自主载运工具中。这种机器学习模型的性能受益于反馈的数量及质量。然而，反馈的数量总是有限的，任何新的反馈源都将极大地改善基于机器学习的驾驶性能。

发明内容

本文提出的实施例的目的在于：基于载运工具在执行非期望动作，向自主载运工具提供改进的反馈。

根据第一方面，提出了一种用于确定第一载运工具的非期望动作和结果性动作的方法。该方法在载运工具动作确定器中执行并且包括以下步骤：通过检测第一用户正在关注第一载运工具来检测用户关注；获取第一用户的大脑活动数据；基于大脑活动数据，确定第一用户的负面反应；基于第一用户关注第一载运工具以及第一用户的负面反应，确定第一载运工具何时正在执行非期望动作；基于第一载运工具执行非期望动作，确定自主载运工具要进行的结果性动作；以及触发自主载运工具执行结果性动作。

可以针对第二用户重复检测用户关注、获取大脑活动数据的步骤。在这种情况下，确定第一载运工具何时正在执行非期望动作的步骤还基于第二用户关注第一载运工具以及第二用户的负面反应。

该方法还可以包括以下步骤：获取第一载运工具的控制参数。在这种情况下，确定第一载运工具何时正在执行非期望动作的步骤还基于第一载运工具的控制参数。

控制参数可以包括描述第一载运工具的当前运动的至少一个参数。

控制参数可以包括与第一载运工具所行驶的道路的道路特性有关的至少一个参数。

确定结果性动作的步骤可以包括考虑第一载运工具的控制参数。

检测用户关注的步骤可以基于注视跟踪。

在获取大脑活动数据的步骡中，大脑活动数据可以基于脑电图EEG。

检测用户关注的步骤可以包括仅考虑距第一用户在特定距离内的第一载运工具。

确定第一载运工具何时正在执行非期望动作的步骤还可以基于第一载运工具的当前地理位置。

确定第一载运工具何时正在执行非期望动作的步骤还可以基于第一载运工具的历史行驶数据。

在确定结果性动作的步骤中，结果性动作可以是自主载运工具的校正性控制动作。

该方法还可以包括以下步骤：当第一载运工具未在执行非期望动作时，向第一用户提供反馈，该反馈指示第一载运工具未在执行非期望动作。