[发明专利]至少部分自动的机动车的控制系统的配置

说明书

本发明涉及至少部分自动的机动车的控制系统的配置。本发明涉及一种用于配置至少部分自动的机动车的控制系统的方法、具有指令的计算机程序以及设备。在第一步骤(10)中，采集关于行驶状况的数据。然后，根据可用数据确定(11)选择标准。基于选择标准，在行驶运行期间，从KI模块的库中选择(12)两个或更多个KI模块。最后，控制系统开始(13)以组合的方式执行所选择的两个或更多个KI模块。

技术领域

本发明涉及一种用于配置至少部分自动的机动车的控制系统的方法、具有指令的计算机程序以及设备。此外，本发明涉及一种使用这种方法或者这种设备的机动车。

背景技术

(高度)自动化的行驶依赖于安全、可靠并且具有实时能力的车辆系统。为此，为了实现故障安全性(Ausfallsicherheit)，冗余地实施中心功能是必不可少的。在此，在机动车中使用多重配备的资源，然而，由此并不能改善功能的实际质量。这些功能需要的资源越多，在机动车中成本和收益之间的这种差异越大。这尤其是适用于基于人工智能(künstlicher Intelligenz，KI)的功能，例如基于深度学习(Deep Learning)(德语例如为：tiefgehendes Lernen)的KI功能。

在这种背景下，DE 10 2017 006 599 A1描述了一种用于运行至少部分自动化地行驶的机动车的方法。在这种方法中，分别借助终端对终端方法，基于在训练行驶期间记录的车辆执行机构的训练执行器数据，并且基于与训练执行器数据相关的车辆传感机构的训练传感器数据，彼此独立地在机动车的分离的训练行驶中，对至少三个人工神经网络进行训练。在机动车的至少部分自动化的运行中，采集实际传感器数据，作为神经网络的输入数据，并且借助与训练传感器数据进行比较，将实际传感器数据与作为神经网络的输出数据的训练执行器数据相关联。将所有神经网络的训练执行器数据馈送到融合模块，融合模块按照预先给定的规则，将所有神经网络的训练执行器数据融合，并且根据融合的结果来确定实际执行器数据。基于利用所确定的实际执行器数据对车辆执行机构的控制，至少部分自动化地对机动车执行横向和/或纵向控制。

此外，DE 10 2017 107 837 A1描述了一种可调整的传感器装置。该传感器装置包括具有控制和分析单元的至少一个传感器元件。利用分类器对传感器数据进行分析。分类器具有神经网络。传感器装置可以经由接口与上级的计算机网络连接。针对扩展功能来构造控制和分析单元。为此，传感器装置将在扩展功能中选择的、要附加地由分类器处理的传感器数据，传输到计算机网络。在那里，基于传感器数据对分类器进行训练，并且在训练完成之后，传感器装置回收分类器数据，例如参数、程序段或者甚至整个经过训练的分类器，用于对分类器进行修改。因此，传感器装置也被配备为用于对所选择的传感器数据进行分类。

另一个示例是在语义分割的过程中对视频数据的分析。在此，根据当前的现有技术，使用神经网络的功能是不可替代的。

神经网络不仅需要大量的计算容量，而且通常是高度复杂的，因此其工作方式极其难以追溯。这种情况在汽车的情境下与安全相关的功能所需要的安全保障领域也是巨大的挑战。对不理解的系统进行安全保障是不可能的。

对于传统的算法，存在用于在数学上证明其正确性的方法。然而，在使用神经网络时，这些方法已经用尽，因此需要其它途径。

基于神经网络的KI模型具有依据训练数据和模型的结构而不同的特性。在此，训练数据例如可以是来自训练行驶的数据或者合成训练数据。KI模型的特性尤其是以功能性和非功能性的质量特征来呈现。这些特性中的许多是与安全相关的，例如功能品质的情境相关性(kontextuelle)、功能的稳定性等。在此，几乎不可能开发出一种为了能够满足可接受的安全设计而充分展现所有与安全相关的能力的KI模型。此外，在行驶运行期间产生的变化的需求要求在动态的变化中以不同的程度展现特定的能力。