[发明专利]鲁棒的自主驾驶设计

说明书

一种方法、一种非暂时性计算机可读介质以及一种系统，其提供自主驾驶(AD)通用有效的鲁棒感测‑行为‑功能输入‑输出基于感测‑行为‑相互依赖关系的映射，该映射被用作查找表指令以在AD车辆的AD系统中实施通用感测‑行为‑控制能力，以得到具有全局态势感知、闭环控制、噪声和系统降级容忍以及故障安全管理并且无需对于开发和执行均困难、漏洞敏感并且既耗时间又耗资源的大型且复杂的代码的通用鲁棒解决方案决策。

相关申请的交叉引用

本公开要求于2019年7月22日提交的并且题为“ROBUST AUTOMONMOUS DRIVEDESIGN”的共同待决的美国临时专利申请No.62/876,805的优先权的权益，该临时专利申请的内容以整体通过引用并入本文中。

技术领域

本公开总体上涉及汽车和自主驾驶(AD)领域。更具体地，本公开涉及一种鲁棒的AD设计，其有效地且高效地使得能够代替车辆中的人类驾驶员，提供增强的鲁棒AD能力，同时确保资格、可用性和安全性。

背景技术

在设计AD系统中，用AD功能代替人类驾驶员，AD系统有必要具备资格在众多操作域中以及在众多操作负荷下鲁棒地和安全地处理众多车辆系统。从而，存在大量的设计参数，这些设计参数具有变化的范围和相互作用组合，每个参数具有随时间待处理的特定噪声。从而，几乎有无数的标称负荷情况，每个情况具有特定噪声，这些情况必须被鲁棒地和安全地考虑和管理。

人类驾驶员很好地适合于完成此任务，其中大脑作为处理器，眼睛和耳朵作为传感器并且手和脚作为执行器以同时操作车辆的加速、制动和转向系统。人类驾驶员利用传感器融合、学习/直觉/本能、注意力/警报、避让、分析等有效地执行鲁棒的数据处理。人类驾驶员执行数据存储并重用为存储器存储的预先确定的经验，这导致快速鲁棒的“感测-行为(Sense-Act)”表现。人类驾驶员还利用闭环自适应控制和鲁棒的全系统噪声管理来实施有效的“感测-行为”决策过程。所有这些事情在不需要大型且复杂的代码的情况下实现，这些大型且复杂的代码开发、执行和管理会是困难、对漏洞敏感并且既耗时又耗资源。从而，用“自主驾驶员-车辆-操作域”系统代替“人类驾驶员-车辆-操作域”系统是有挑战的。

在本上下文中，考虑到通用问题定义及其通用鲁棒解决方案，期望利用整体确定性方法。鲁棒性在此既要求全系统的高可用性又要求全系统的高安全性(例如，如由ISOPAS 21448道路车辆-预期功能的安全性(SOTIF)以及ISO 26262道路车辆-功能安全性(ASIL)标准所要求的)，对干扰不敏感，导致可获得的安全鲁棒的AD能力。优选地，该方法是进化的，因为其在资源和结果方面是有效的、在其复杂性上受到控制、易于修改和建立、可区分并且迫使较低的计算和中央处理单元(CPU)时间，并且从而较低的所需要的处理器能力需求。

以前，大数据方法(例如，人工智能和机器学习)已被利用为工业标准来管理汽车自主驾驶设计，该方法就数据内容、参数和噪声而言固有地不确定、受限且敏感，可能是无效的(例如，就所需要的数据管理及其可重用性而言)，对干扰敏感(即，非鲁棒)，依赖路径/上下文(context)(即，特定/非通用)，并且计算上需求很高以及昂贵(就数据记录、存储、分析、CPU时间和处理器能力需求而言)。大数据方法不容易地可转移到通用可适用的鲁棒解决方案。从而，利用物理、建模和鲁棒性，分析统计方法优于大数据方法。这会提供通用问题定义及其通用鲁棒解决方案，而不是由大数据方法生成的独特的非鲁棒解决方案。然而，存在的负荷情况的数量(即，车辆、其操作域及其具有变化的范围和相互作用组合的负荷设计参数，每个参数具有随时间待处理的特定噪声)可能导致N×N×…×N指数问题，致使解决方案几乎无法实现，并且难以在理论上、实验上以及在现实生活中进行验证和证实。

该背景仅为本公开提供上下文框架。对于那些本领域普通技术人员而言将显而易见的是，本公开的鲁棒自主驾驶设计的概念也可以被扩展到其它上下文框架，并且可以在其它通用环境中实施。

发明内容