Arquitectura conceptual de la conducción autónoma y los sistemas de conducción asistida (1)

Resumen:

La introducción principal de este artículo incluye diagramas de módulos funcionales que cubren las unidades informáticas subyacentes, cargas de trabajo de muestra y estándares de la industria.

prefacio

Este documento hace referencia a la arquitectura del sistema conceptual del Consorcio de Computación de Vehículos Autónomos para sistemas informáticos de conducción autónoma y conducción asistida.

La arquitectura está diseñada para ser consistente con los niveles SAE L1-L5 de conducción autónoma. La introducción principal de este artículo incluye diagramas de módulos funcionales que cubren las unidades informáticas subyacentes, cargas de trabajo de muestra y estándares de la industria.

Este artículo es la primera parte que presenta principalmente cada módulo funcional.   

Componentes de la arquitectura del sistema de conducción autónoma

1. Introducción a los subsistemas de módulos funcionales.

 

1.1 Módulo informático central ADS (parte del bloque azul)

 

Módulo de percepción  :  utiliza datos de sensores, datos del odómetro del vehículo e información de back-end (es decir, datos de mapas) para detectar y rastrear infraestructura y objetos dentro del campo de visión del sensor para producir datos sobre objetos, características o especificaciones.

Comprensión  de escenarios : evalúe el escenario de conducción actual y prediga o prevea las intenciones y el comportamiento de entidades dinámicas en relación con los vehículos autónomos.

Movimiento del vehículo propio  :  estima el movimiento del vehículo utilizando diferentes entradas de sensores, como datos de unidades de medición inercial (IMU) y sensores de velocidad de las ruedas.

Posicionamiento  :  determinación de la posición, rumbo y dirección de un vehículo.

Control de movimiento  :  interactúa con actuadores que incluyen frenos, dirección y transmisión para lograr la trayectoria deseada.

Control de misión :  mantiene o cambia la misión del vehículo según el estado de los pasajeros, la solicitud del operador del vehículo o la retroalimentación directa del planificador de comportamiento; proporciona retroalimentación al operador.

Monitoreo  de Ocupantes : Determina el estado de los ocupantes del vehículo e identifica situaciones que pueden requerir modificación de misiones, Tareas de Conducción Dinámica (DDT) y/o planificación estratégica (navegación).

Planificación de ruta :  determinar la ruta que debe tomar un vehículo para llegar a un destino objetivo.

Planificación del comportamiento :  tomar decisiones de maniobra (por ejemplo, cambiar de carril, adelantar, realizar paradas de emergencia, etc.) dentro de objetivos de ruta definidos.

Planificación de trayectoria :  planifica la ruta de maniobra y proporciona al módulo de control de movimiento una trayectoria objetivo.

Monitoreo del dominio operativo :  monitorea las capacidades, el estado y las condiciones de las entidades involucradas en tareas de conducción dinámica para garantizar que el vehículo esté operando dentro del ODD (dominio de diseño operativo).   

2. Módulo de servicio (parte del bloque gris)

Interfaz hombre-máquina (HM I):  sirve como interfaz principal para que los pasajeros de un vehículo proporcionen información al sistema (por ejemplo, pedales, volante, interfaz gráfica de usuario u otros), influyan en el comportamiento del sistema o proporcionen la usuario con el estado de la tarea actual o tareas por delante y/o comentarios restringidos. HMI también puede servir como interfaz entre el vehículo y el mundo exterior para garantizar que los peatones u otros vehículos sean conscientes de las intenciones, el estado de salud o el estado operativo del vehículo.

Servicios conectados :  proporcione interfaces de datos para garantizar que los sistemas de conducción autónoma reciban los mapas, el tráfico u otros datos más recientes para respaldar las tareas futuras. La comunicación es bidireccional, como proporcionar información del sistema de conducción autónoma, estado de salud de los pasajeros u otros datos relacionados.

Vehículo a X (V2X):  vehículo a infraestructura o vehículo a vehículo como entradas relevantes del sistema para respaldar la operación segura y eficiente de los vehículos. Esto puede proporcionar información sobre la infraestructura (como el estado o la ubicación del semáforo) o información sobre vehículos que pueden no ser visibles para los vehículos autónomos.  
 

3. Atributos multifuncionales (parte del bloque amarillo)

Los bloques de construcción anteriores representan los módulos principales de funcionalidad de un extremo a otro desde L1 a L5. El módulo amarillo implica atributos multifuncionales. Aunque es importante, no es la clave para la función de cálculo y no se tratará completamente en el resto de este artículo.   

2. Funciones principales e interacciones de los sistemas de conducción autónoma

 

Esta sección describe los módulos funcionales principales del sistema de conducción autónoma y sus interacciones. Las interacciones entre módulos se expresan a través de transferencias de datos, que describo como "señales". Estas señales se incluyen para ayudar a comprender los tipos de algoritmos/cálculos que pueden existir dentro de cada módulo funcional.

Debido a que la arquitectura funcional está diseñada para adaptarse a diferentes niveles de escalabilidad de conducción autónoma y una amplia gama de soluciones de sistemas de conducción autónoma, las señales requeridas para cada módulo funcional variarán entre las diferentes implementaciones.

Además, la descripción de estas señales deja margen de interpretación en muchos casos, lo que garantiza que se refleje la diversidad de soluciones/enfoques actuales.

Funcionalidad e interacciones principales de ADS

2.1 Control de misión

control de la misión

El control de la misión combina la información de los ocupantes del vehículo, los operadores del vehículo (conductores u operadores remotos) y la supervisión del dominio operativo para mantener o cambiar los objetivos y límites de los problemas de la misión del vehículo autónomo en la planificación de la ruta. En esta tarea, utiliza dos abstracciones clave:

En esta tarea, utiliza dos abstracciones clave:

• Tarea del vehículo autónomo: Representa la combinación del propósito de uso y el estado de conducción. Incluye destinos objetivo, interrupciones de viaje, modos de iteración y espera, y transiciones entre estados de conducción durante la misión.
• Estado de conducción: representa el estado de atención y autoridad operativa de los vehículos autónomos, los conductores y los operadores de flotas potencialmente supervisores. Los estados de conducción incluyen transiciones a condiciones de riesgo mínimo, conducción manual y varios niveles de conducción asistida y automatizada.

Nota: En el contexto de la conducción asistida (nivel SAE L0-L2, incluida la extensión L2+), se propone la siguiente explicación para el diagrama de bloques de funciones general: operaciones activas por el usuario, como pisar el acelerador y girar el volante directamente controlar o guiar ligeramente la trayectoria del vehículo. Desde esta perspectiva arquitectónica simplificada, hay cambios de configuración a corto plazo en los objetivos de la misión y las preferencias de ruta del usuario. Estos cambios se reciben desde la interfaz hombre-máquina a través de solicitudes de tareas HMI.

Por tanto, estos conceptos abstractos tienen un significado tradicional extendido. Estas interpretaciones incluyen "girar a la derecha inmediatamente" o "acelerar" (ambas preferencias de ruta del usuario), así como comportamientos de asistencia más complejos como "adelantamiento automático monitoreado si las condiciones del tráfico lo permiten" o "cambiar dependiendo de si el indicador de giro a la izquierda está encendido". Control de crucero adaptativo (ACC)”.

Como consecuencia posterior, los "objetivos de ruta" (pasados ​​a la planificación del comportamiento) pueden reflejar una manipulación activa del usuario.

Entrada de control de misión:

• Solicitud de tarea de supervisión del dominio operativo : un cambio en la tarea del vehículo autónomo desencadenado por un análisis condicional del sistema de supervisión del dominio operativo, que puede iniciar cambios a corto plazo en el estado de conducción y realizar transiciones de estado bajo la responsabilidad del control de la misión. Los cambios de tareas también pueden provocar cambios en las señales de objetivos de las tareas.
• Solicitud de tarea de servicio de conexión : El servicio de conexión activa un cambio en la tarea del vehículo autónomo, lo que hará que la señal de objetivo de la tarea cambie. Como efecto de segundo orden de la tarea modificada, el estado de conducción puede cambiar.
• Solicitud de tarea de interfaz hombre-máquina : cualquier tipo de interacción del usuario desencadena un cambio en la tarea del vehículo autónomo, que puede cambiar inmediatamente el estado de conducción y, por lo tanto, cambiar la señal de objetivo de la tarea.
• Solicitud de tarea de planificación de comportamiento : la planificación de comportamiento desencadena cambios en las tareas de los vehículos autónomos, como reconocer/responder a cambios en las condiciones del tráfico para recalcular las preferencias de ruta del usuario.

Salida del control de misión:

• Preferencias de ruta del usuario : se generan extrayendo datos de las tareas del vehículo autónomo para completar tareas y minimizar el riesgo de abandonar el dominio operativo actual.
• Metas de la misión: Generadas a partir de misiones de vehículos autónomos, expresadas como metas de uso.
• Comentarios de la misión sintetiza la misión del vehículo autónomo y cuatro señales de solicitud para determinar si se requieren alertas del conductor, solicitudes de acción específicas o informes de progreso.

 

2.2 Monitoreo de ocupantes

Monitoreo de ocupantes

El módulo de función de monitoreo de pasajeros es responsable de observar el estado de los pasajeros en el automóvil y proporcionar datos de estado relevantes a otras partes del sistema de conducción asistida/conducción autónoma. Los pasajeros son detectados a través de uno o más sensores exclusivos en el automóvil. Puede incluir el monitoreo del conductor y/o el monitoreo de los pasajeros para detectar el estado, posibles emergencias médicas o condiciones de comportamiento inapropiadas. Además de la unidad de conducción autónoma, también pueden proporcionarla otros sistemas del vehículo. Por ejemplo, el sistema de control de la cabina de un vehículo podría incluir un superconjunto de estados de monitoreo de pasajeros requeridos por los sistemas de conducción asistida/autónoma, como el reconocimiento de gestos para el entretenimiento en el automóvil. En este caso, la entrada a este módulo será el estado de seguimiento de pasajeros.   

 Ejemplos de posible seguimiento de pasajeros:

• Sistema de monitoreo del conductor (DMS): para los sistemas de conducción asistida/conducción autónoma que pueden requerir la intervención del conductor/cambio de falla, se puede monitorear el estado de preparación del conductor. El estado de preparación puede incluir conciencia, somnolencia, emoción, salud (por ejemplo: detección de latidos del corazón), postura, etc.
• Sistemas de monitoreo de pasajeros: Es posible que los sistemas de conducción totalmente automatizados deban cambiar los parámetros de destino y ruta en función de emergencias dentro del automóvil (por ejemplo, ataque cardíaco, ataque epiléptico, comportamiento peligroso o violento). Los parámetros que se pueden monitorear incluyen: asientos ocupados, número de pasajeros, salud de los pasajeros, postura, etc.
• Sistemas de taxi autónomos: pueden incluir la detección de objetos personales olvidados en el vehículo.

Entrada de seguimiento de pasajeros:

• Datos de sensores en el automóvil : se utilizan para extraer información y el estado de los pasajeros en el automóvil.

Salida de monitoreo de pasajeros:

• Estado de los pasajeros : proporciona datos del estado de los pasajeros en el vehículo al resto del sistema de conducción asistida/autónoma, por ejemplo, para determinar las capacidades del conductor y el estado de los pasajeros.

 

2.3 Percepción

El módulo de función de percepción se encarga de detectar, clasificar y rastrear entidades y eventos en las proximidades del vehículo autónomo. Los datos de los sensores integrados se pueden combinar con información de otras fuentes, como mapas HD, V2X o servicios conectados, para realizar esta tarea.

El módulo de percepción es responsable de construir y actualizar una representación virtual del entorno dentro del rango de percepción del vehículo.

Diagrama del módulo de función de percepción

El módulo de percepción puede incluir los siguientes algoritmos:

• Detecte elementos de infraestructura como pavimento transitable, señales de tráfico, semáforos, bordillos, conos de tráfico, construcciones, barandillas, etc., así como las propiedades dinámicas de estos elementos (por ejemplo, barandillas de peaje bajadas, semáforos en rojo, etc.).
• Detecta, clasifica y rastrea entidades dinámicas como vehículos, peatones y obstáculos.
• Detecta condiciones ambientales como posibles condiciones climáticas, fuego/humo o superficies de carreteras resbaladizas.
• Reconocer/clasificar aspectos más complejos como la postura humana, la conducción inestable, cargas peligrosas, etc. también puede formar parte del módulo de percepción.

El módulo de detección recibe datos del sensor ambiental como entrada en un formato canónico. Estos datos pueden provenir de uno o más sensores, que pueden basarse en tecnologías de detección similares o diferentes (por ejemplo, cámara, radar, lidar, ultrasonido) y pueden tener campos de visión superpuestos. Si la misma entidad física es "vista" por múltiples sensores, se pueden emplear algoritmos de fusión de múltiples sensores para producir una vista unificada de estas entidades. Se pueden emplear algoritmos que rastrean los cambios temporales de entidades para mantener las probabilidades de existencia de estas entidades y predecir predicciones a corto plazo de sus caminos/estados. Casi todas las detecciones deben asignarse a un sistema de coordenadas mundial común.  

Entrada perceptiva:

• Datos de sensores ambientales: reciba datos de sensores ambientales en una forma canónica (que varía según la tecnología del sensor) que se procesa y/o analiza para facilitar que los módulos funcionales posteriores consuman y procesen los datos, o desde la percepción de vehículos autónomos. Extraiga información procesable sobre el entorno y/o entidades dentro del alcance.
• Pose: se puede utilizar para preseleccionar ciertas partes del campo de visión perceptual para la detección de características/objetos (ya sea que se usen mapas HD o no).
• Datos cartográficos: las detecciones pueden ser más fiables comparando la infraestructura hipotética a priori con las observaciones de los sensores.
• Movimiento del vehículo autónomo: se puede utilizar para ajustar las lecturas del sensor para compensar el movimiento del vehículo autónomo.
• Región de interés (ROI): se puede utilizar para configurar un sensor o algoritmo para centrar la atención (resolución/procesamiento) en un área específica del rango de detección. Por ejemplo, esto podría ayudar a configurar sensores con resolución desigual para que las carreteras/infraestructuras de interés específico se "ven" con una resolución más alta. De manera similar, ciertas partes de una imagen de alta resolución se pueden extraer y procesar a resolución completa para determinar el estado de un semáforo.
• V2X: proporciona una fuente adicional de información que se puede aprovechar para hacer que la detección sea más confiable (desambiguación).   

Salida perceptiva:

• Especificación: Los datos se pueden generar en la misma forma que los datos de entrada originales, con algunos procesamientos o transformaciones adicionales. Los datos del sensor se pueden modificar a partir de los datos originales sin cambiar el formato de los datos. Un ejemplo de especificación es una imagen, que se puede modificar pero sigue siendo una imagen (a diferencia de convertir una imagen de píxeles en una lista de objetos).
• Características: Varía según la implementación. Se pueden representar como coordenadas mundiales 3D o no; se pueden rastrear o no.
• Objeto: Se utiliza para completar el entorno/modelo mundial. Describen entidades estáticas y dinámicas detectadas dentro del rango de percepción del vehículo autónomo que son relevantes para etapas de procesamiento posteriores.
• Capacidades percibidas: proporciona información sobre las capacidades dinámicas de las funciones perceptivas. Esto puede expresarse simplemente en términos del rango de percepción y la latencia estimada de detección dentro de este rango. La capacidad en sí se puede deducir de las capacidades de los sensores individuales bajo diversas condiciones de iluminación, climáticas y ambientales.

 

2.4 Posicionamiento

Diagrama del módulo de función de posicionamiento

En el contexto de los vehículos autónomos o asistidos por el conductor, la localización se refiere al proceso de identificar la postura del vehículo (posición y orientación) en el mundo y en el subsistema de mapeo del vehículo. Este proceso puede depender de información de varios sensores (GNSS, cámaras, LiDAR, etc.) y proporcionará información para otros aspectos del funcionamiento del vehículo autónomo.

El "posicionamiento" cubre una amplia gama de áreas. Una implementación simple puede incluir solo la fusión de algunos movimientos del vehículo con resultados GNSS sin procesar, mientras que una implementación compleja puede procesar entradas de 20 o más sensores y comparar los datos recibidos con las ubicaciones almacenadas en el mapa. Puede haber más de 10 MB de mapa datos por milla.

La carga computacional asociada varía desde insignificante hasta mucho más allá de las capacidades de los microcontroladores integrados típicos de automóviles actuales. La carga computacional también variará mucho según la cantidad de preprocesamiento de visión, lidar, radar y otros sensores antes de la "localización".

Entrada de posicionamiento:

• Datos GNSS: se utilizan para identificar directamente posibles ubicaciones en un mapa. También se puede utilizar para seleccionar áreas de interés dentro del mapa para operaciones adicionales de optimización de la ubicación.
• Movimiento del automóvil: puede utilizarse para mejorar la estimación de la propia posición y actitud.
• Normas | Características | Objetos: Compara las características identificadas por los sensores con las contenidas en los datos del mapa para mejorar la estimación de la propia posición y pose.
• Datos V2X: comparados con la información del mapa para mejorar la estimación de la propia posición y actitud.
• Datos del mapa: haga referencia a estos datos para identificar la ubicación más probable del vehículo autónomo.

Salida de posicionamiento:

• Pose: Proporciona la posición y orientación más probable del vehículo del ego en el mapa.

 

2.5 Comprensión de la escena

Diagrama del módulo de función de comprensión de escenas

El módulo de función de comprensión de la escena incorpora el algoritmo responsable de "comprender" la escena de conducción actual. Para que los vehículos autónomos puedan maniobrar de forma inteligente en un espacio de conducción compartido, es necesario predecir/anticipar las acciones de otras entidades dentro de ese espacio. La comprensión de escenarios o escenarios no se trata sólo de identificar el "estado" de una situación actual, sino también de predecir cómo evolucionará.    

Los algoritmos de este módulo funcional pueden simular múltiples escenarios causales para ayudar a elegir el mejor curso de acción para el vehículo autónomo. Sin embargo, la comprensión de la escena por sí sola no toma ninguna decisión sobre qué acciones debe realizar el vehículo autónomo, ni elige qué cursos de acción simular.

  Entrada de comprensión de escena:

• Datos de mapas: proporciona el diseño de la infraestructura en el escenario de conducción actual. Útil para predecir las intenciones/comportamiento de otros usuarios/entidades de la vía.
• Objetos estáticos: identifique objetos inamovibles en la escena de conducción que tengan un impacto en el espacio de conducción que puedan ocupar los vehículos autónomos y otras entidades viales. Los objetos estáticos pueden tener estados que cambian dinámicamente, como un semáforo que se pone en rojo o una cabina de peaje que se cierra.
• Objetos dinámicos: se utiliza para predecir cómo puede evolucionar la escena de conducción actual, centrándose principalmente en la trayectoria y los cambios de estado de los objetos dinámicos. Un ejemplo de predicción para un objeto dinámico es un vehículo que simplemente enciende su señal de giro a la izquierda y luego gira a la izquierda.
• Datos V2X: pueden proporcionar información que se puede utilizar para prever la evolución de los escenarios de conducción actuales, como los semáforos que están a punto de cambiar.
• Ego Motion: proporciona al motor de predicción información sobre el movimiento del ego del vehículo autónomo.
• Pose: Permite que el motor predictivo coloque el vehículo del ego en el mapa.
• Maniobras hipotéticas de vehículos autónomos: Proporcionar al motor de predicción maniobras hipotéticas para vehículos autónomos. Esta maniobra puede provocar reacciones de otros usuarios de la vía y debe anticiparse. Por ejemplo, un desvío puede obligar a otro usuario de la vía que se aproxima en ese carril a frenar peligrosamente. Se pueden enviar múltiples hipótesis de maniobra de vehículos autónomos al módulo funcional de comprensión de la escena antes de que la planificación del comportamiento tome una decisión. 

Salida de comprensión de la escena:

• Predicción dinámica de objetos: para cambios en la planificación de seguridad en la trayectoria actual del ego.
• Predicción de objetos estáticos: para cambios en la planificación de seguridad en la trayectoria actual del ego.
• Restricciones de movimiento basadas en escenas: limite el movimiento de los vehículos autónomos según las condiciones de la escena de conducción.
• Restricciones de maniobra basadas en escenarios: limite las maniobras planificadas de los vehículos autónomos en función de las condiciones del escenario de conducción.
• Restricciones de ruta basadas en escenarios: limite la planificación de rutas de vehículos autónomos en función de escenarios de conducción.
• Datos de escenario: proporciona una vista de las condiciones de conducción colectivas que se pueden aprovechar para garantizar que los vehículos autónomos funcionen dentro de sus parámetros de diseño.     

 

2.6 Ciclismo

Diagrama del módulo de función de movimiento del automóvil.

El módulo de movimiento del vehículo autónomo estima los cambios en la actitud del vehículo (posición + dirección) a lo largo del tiempo. Mediante la fusión de cálculos de múltiples tipos diferentes de sensores y estimaciones de movimiento mejoradas, se pueden obtener estimaciones más precisas y confiables que las mediciones de un solo sensor.

Dependiendo del sistema, la cantidad de entradas utilizadas varía. Es posible que un componente de movimiento automático más simple solo procese datos de la IMU y los sensores del chasis. Sin embargo, los sistemas más complejos podrían utilizar todas o un subconjunto de las otras entradas para calcular estimaciones de movimiento adicionales y luego fusionarlas.     

Entrada de movimiento del automóvil:

• Norma|Característica|Objeto: Utilice una secuencia continua de datos sensoriales para estimar el movimiento del vehículo propio. La estimación puede basarse en varios algoritmos con diferente complejidad computacional. Algunos ejemplos son el flujo óptico y los estimadores basados ​​en CNN que explotan datos a nivel de píxeles o características ya detectadas. También puedes utilizar objetos clasificados con velocidades conocidas (como barandillas).
• Datos del sensor del chasis: incluye retroalimentación del control/actuador para mejorar la estimación del movimiento del vehículo.
• Datos IMU: Contiene datos de sensores de acelerómetro y giroscopio para proporcionar una estimación del movimiento del vehículo.
• Datos de la brújula: proporciona mediciones de rotación absoluta para mejorar la estimación del movimiento del vehículo.
• Datos GNSS: calcule estimaciones de movimiento de vehículos a partir de múltiples lecturas secuenciales de posición geoespacial.    

Salida de movimiento del automóvil:

• Movimiento del vehículo autónomo: proporcionar estimaciones del movimiento del vehículo autónomo permite que muchos otros componentes del sistema de conducción autónoma (como la percepción o la localización) completen sus tareas. 

 

2.7 Planificación de rutas

 

Diagrama del módulo de función de planificación de ruta  

El módulo de función de planificación de ruta proporciona algoritmos para determinar la ruta en tiempo real para llegar al destino objetivo. Acepta el destino deseado por el conductor y calcula el camino más corto hacia ese destino desde la ubicación actual del vehículo, teniendo en cuenta las preferencias del conductor y las condiciones del tráfico. También conocida como planificación de misión, es responsable de dividir la tarea deseada de "llegar de A a B" en segmentos de carretera estructurados, según lo especificado y definido en el mapa proporcionado (un ejemplo típico es proporcionar subtareas a nivel de carril).

Se genera un conjunto de subtareas a nivel de carril, que describen el carril deseado por el vehículo y el giro en cada intersección. Además, cuando el vehículo completa la subtarea actual a nivel de carril, calcula automáticamente el siguiente conjunto de objetivos y proporciona la siguiente subtarea a nivel de carril. En las intersecciones con señales de alto, semáforos o requisitos de ceder el paso, el módulo consulta la información del sistema de percepción para decidir si el automóvil puede pasar al siguiente giro. 

 Entrada para la planificación de rutas:

• Datos V2X: utilizados para recibir información de tráfico o alertas de carretera.
• Datos del mapa: calcular rutas.
• Actitud: Proporciona el punto de partida de la ruta.
• Objetivo de la misión: especifique el destino del objetivo.
• Condiciones del tráfico: proporciona información de fuente dinámica sobre las condiciones del tráfico cerca de vehículos autónomos o en planes de ruta.
• Preferencias de ruta del usuario: proporciona preferencias o reglas que restringen la selección de ruta. Potencialmente incluir servicios de transporte compartido o el propio vehículo autónomo manteniéndose dentro del dominio de diseño operativo o evitando las limitaciones de las carreteras de peaje.
• Restricciones de ruta basadas en escenarios: proporciona restricciones de ruta determinadas dinámicamente, como señales de tráfico cerradas, carriles cerrados en una autopista o entradas de autopistas cerradas con controles de carretera.
• Restricciones de ruta basadas en el monitoreo del dominio operativo: las restricciones de ruta se imponen debido a la necesidad de permanecer dentro del dominio de diseño operativo. Un ejemplo es evitar determinadas rutas en determinados horarios por falta de alumbrado público.

Salida de la planificación de ruta:

• Planificación de ruta: proporciona una descripción de la ruta que tomará el vehículo autónomo, incluidos los carriles aplicables, para llegar al destino objetivo.  

 

2.8 Planificación del comportamiento (estrategia de conducción)

El módulo funcional Behaviour Planning (BP) proporciona algoritmos para tomar decisiones de maniobra dentro de los objetivos de ruta.

Diagrama del módulo de función de planificación de comportamiento

Maniobras utilizando un algoritmo de planificación de ruta multimodelo: dado el seguimiento del objetivo y el comportamiento previsto de todos los objetos dinámicos dentro de un espacio y corredor, el planificador de comportamiento evalúa múltiples maniobras posibles simultáneamente y luego las correlaciona con observaciones de carretera actualizadas.

La planificación del comportamiento requiere equilibrar la eficiencia de la conducción con la seguridad y el confort del vehículo. La eficiencia en la conducción significa determinar el mejor carril o camino para llegar rápidamente a su destino, mientras que las consideraciones de comodidad significan llegar a ese carril o corredor de manera segura. La clasificación de carriles y las comprobaciones de viabilidad son dos elementos centrales de la planificación del comportamiento de los vehículos.

En cuanto a la clasificación de carriles, el algoritmo sigue tres principios fundamentales:

1. Cuantos menos cambios de carril, mejor. 

2. Cuanto más lejos del objeto en movimiento que se encuentra delante, mayor será la puntuación.

3. Cuanto más rápido sea el objeto que va delante, más rápido viajará el vehículo en el carril.

Después de clasificar cada carril posible, se define su viabilidad y se asignan los costos. El siguiente diagrama muestra un ejemplo de cómo el algoritmo define la viabilidad y selecciona una lista de maniobras menos costosas.

Árbol de decisión de clasificación de carriles

La lista de maniobras contiene decisiones semánticas de alto nivel y parámetros físicos que debe realizar el vehículo. Ejemplos de maniobras podrían ser (no exhaustivos):

• •Crucero: Dentro del carril actual, a la velocidad establecida.
• •Seguir: permanecer en el carril actual, conducir al límite de velocidad proporcionado, seguir al vehículo que va delante a la distancia mínima, a la velocidad e identificación proporcionadas.
• •Girar: girar desde el carril actual al carril objetivo, girar a la izquierda o a la derecha, a la velocidad de dirección proporcionada.
• •Redireccionar: pasar del carril actual al carril objetivo, adelantando al vehículo objetivo con la aceleración proporcionada [o dejando que el vehículo objetivo pase con la desaceleración proporcionada].
• • Detener: desacelera hasta velocidad cero dentro de la distancia proporcionada y permanece en el carril actual.   

Entrada para la planificación del comportamiento:

• Predicción de objetos estáticos: para evaluar la seguridad y comodidad de las maniobras.
• Predicción dinámica de objetos: para evaluar la seguridad y comodidad de las maniobras.
• Objetivos de ruta: proporcionar pautas básicas, como carriles o corredores de viaje, para decisiones de maniobra.
• Restricciones de maniobra basadas en escenarios: se utilizan para excluir maniobras que están prohibidas por las condiciones del escenario de conducción actual.
• Restricciones de maniobra basadas en el monitoreo del dominio operativo: asegúrese de que la maniobra resultante del vehículo autónomo no viole las condiciones límite del dominio de diseño operativo actual.
• Movimiento del automóvil: utilizado para la evaluación de maniobras.

Resultado de la planificación del comportamiento:

• Región de interés (ROI): proporciona una descripción de una o más áreas de detección que deben priorizarse.
• Maniobras: Proporciona decisiones semánticas de alto nivel y parámetros físicos que debe ejecutar el vehículo autónomo.
• Solicitud de tarea de planificación de comportamiento: el planificador de comportamiento solicita una tarea de modificación. Esto puede ser necesario si el Planificador de Comportamiento determina que la tarea no puede realizarse según lo planeado. La naturaleza de la solicitud podría ser pedirle a un conductor humano que se haga cargo, por ejemplo.
• Hipótesis de maniobras de vehículos autónomos: prepare una o más maniobras hipotéticas para las cuales el sistema pueda predecir uno o más resultados.         

 

2.9 Planificación de trayectoria (planificación de ruta)

 

Diagrama del módulo de función de planificación de trayectoria  

El módulo de función de planificación de trayectoria proporciona algoritmos para planificar rutas de maniobra para controlar la dirección, el frenado y la aceleración. Trabaja en estrecha colaboración con la planificación conductual y, a veces, ambos se obtienen como resultados del mismo algoritmo o en forma de ajustes recursivos de retroalimentación.

Los vehículos autónomos dependen del estado del vehículo y de la información ambiental en tiempo real (como los vehículos circundantes, las condiciones de la carretera) para obtener trayectorias locales que garanticen un paso seguro y al mismo tiempo minimicen las desviaciones de la trayectoria de viaje general (la trayectoria global de la planificación de rutas). La planificación de trayectoria local se puede definir como la planificación en tiempo real de la transición de un vehículo de un estado factible al siguiente. Todo esto se hace dentro de las limitaciones de cumplir con las limitaciones cinemáticas del vehículo basadas en la dinámica del vehículo, la comodidad de los pasajeros, los límites de los carriles y las normas de tráfico, evitando al mismo tiempo los obstáculos.

Limitaciones como el alcance de los sensores, el tiempo para predecir los movimientos de los participantes del tráfico y las imperfecciones de los sensores limitarán la velocidad máxima del vehículo para calcular las maniobras. Por lo tanto, la predicción de la evaluación de riesgos de los movimientos de los participantes del tráfico es una parte importante de la planificación de maniobras, que se logra a través de un nivel de abstracción de los movimientos del tráfico basado en modelos. El método de planificación de trayectoria para evitar obstáculos utiliza una de las técnicas que se muestran en la siguiente tabla.

Ventajas y desventajas de la estrategia de control.

Cabe señalar que todos los métodos anteriores suponen que el sistema de planificación de trayectoria puede obtener un conocimiento preciso del entorno y el estado del vehículo líder según sea necesario. Los métodos de planificación de trayectorias poco sólidos pueden conducir a trayectorias de referencia inalcanzables y/o inseguras, lo que plantea importantes riesgos de seguridad, especialmente durante la conducción a alta velocidad. Las diversas técnicas de planificación de trayectorias analizadas anteriormente proponen diferentes enfoques para abordar la incertidumbre en la percepción del entorno actual y la capacidad limitada de predicción futura.

Entrada de planificación de trayectoria:

• Predicción de objetos estáticos: para evaluar los riesgos de seguridad y comodidad en los cálculos de trayectoria
• Predicción dinámica de objetos: para evaluar los riesgos de seguridad y comodidad en el cálculo de trayectorias
• Maniobra: proporciona objetivos de maniobra para procesarlos posteriormente como trayectorias.
• Movimiento del vehículo propio: utilizado para el cálculo de la trayectoria.
• Restricciones de movimiento basadas en escenas: proporciona restricciones de movimiento del vehículo para las condiciones de la escena de conducción, como superficies de carreteras resbaladizas o degradadas, que se tendrán en cuenta en los cálculos de trayectoria.
• Restricciones de movimiento del vehículo: proporciona retroalimentación dinámica del límite de movimiento del control de movimiento para aplicarla a los cálculos de trayectoria.

Resultado de la planificación de trayectoria:

• Trayectoria objetivo: una trayectoria objetivo que expresa cambios en la dirección, el frenado y la aceleración a lo largo de la trayectoria (trayectoria curva)

 

2.10 Control de movimiento (activado)

Diagrama del módulo de función de control de movimiento 

El módulo de función de control de movimiento (activación) es responsable de solicitar cambios de propulsión relacionados con el movimiento autónomo del vehículo, incluidas, entre otras, solicitudes de aceleración, solicitudes de frenado y solicitudes de dirección. Incluye responsabilidades:

• Proporciona interfaces con varios módulos de ejecución externos, como dirección asistida eléctrica (EPS), frenado automático (ABS), selección de marchas de transmisión PRNDL, control de tracción, etc.
• Proporciona la capa de middleware necesaria para gestionar interfaces completas y adecuadas para módulos de ejecución externos, que tienen distintos niveles de complejidad y capacidad. Por ejemplo, un módulo de ejecución externo podría incluir capacidades de aprendizaje basadas en datos y condiciones ambientales, o podría ser un sistema simple y tradicional basado en solicitudes.
• Reciba, administre y muestre las restricciones de movimiento del vehículo presentadas por módulos de ejecución externos y preséntelas a otros módulos funcionales del sistema de conducción autónoma. Esto puede incluir actividades como agregación, sincronización, análisis estadístico y empaquetado.
• Convierta las trayectorias de los objetivos en solicitudes de ejecución adecuadas para módulos externos, incluso teniendo en cuenta las entradas de movimiento del propio vehículo y las predicciones de los actuadores externos.
• Preprocesar según sea necesario para los módulos de ejecución externos.

Entrada de control de movimiento:

• Trayectoria objetivo: una solicitud de la planificación de trayectoria que es la consideración principal para la salida (activación) del control de movimiento.
• Movimiento autónomo del vehículo: recibe información de actitud del vehículo autónomo y la considera junto con la trayectoria objetivo para generar solicitudes de actuador.
• Retroalimentación del actuador: expone las limitaciones de movimiento del vehículo al sistema. Dado que el control de movimiento (activación) puede interactuar con varios módulos de ejecución externos, esta retroalimentación variará en unidades, formato, tipo, etc.

Salida de control de movimiento:

• Solicitudes de ejecutor: proporciona resultados de solicitudes principales a múltiples módulos de ejecución externos.
• Restricciones de movimiento del vehículo: proporciona retroalimentación de límites de módulos de ejecución externos, que se resumen y presentan a otros módulos del sistema de conducción autónoma, como la planificación de trayectoria (planificación de ruta).         

 

2.11 Supervisión de dominio operativo (ODS)

Diagrama del módulo de función de supervisión del dominio de operación 

El módulo de supervisión del dominio operativo monitorea las capacidades, el estado y las condiciones relacionadas con las tareas de conducción dinámica con el objetivo de garantizar que el vehículo autónomo opere dentro del dominio de diseño operativo y otras restricciones dinámicas y estáticas aplicables. Implementa la supervisión del tiempo de ejecución utilizando dos representaciones de dominio operativo:

• El Dominio Operativo Autorizado representa la unión del Dominio de Diseño Operacional de Intención de Diseño y el estado aplicable actual, que puede evolucionar durante el ciclo de vida del sistema en función de la legislación, verificación y/o acciones para resolver vulnerabilidades.
• El dominio operativo actual representa un subconjunto restringido condicionalmente del dominio de referencia anterior, modificado por el siguiente conjunto de condiciones.

La supervisión del dominio operativo afecta principalmente a las funciones de control de la misión, pero también guía la planificación de la ruta y la planificación del comportamiento.

Un conjunto de condiciones principales guían el monitoreo operativo del dominio:

• Capacidades de maniobra: defina el ámbito de maniobra de los vehículos autónomos mediante la interpretación de datos de la escena, el movimiento del vehículo y las señales de entrada V2X.
• Situación del tráfico: proporciona información sobre otros usuarios de la carretera en ubicaciones actuales y futuras.
• Estado del sistema vial: incluidos los aspectos dinámicos y estáticos de las superficies de las carreteras, la semántica de las carreteras y las geocercas.
• Competencia del conductor: evalúa la participación del conductor al asumir el control, acciones de emergencia automatizadas u otros cambios de tareas.
• Estado de Ocupante: Indica el estado de pasajero del vehículo autónomo para finalizar o cambiar la misión.
• Capacidades de percepción: indica el estado del sensor, la confianza del algoritmo y las condiciones ambientales relacionadas con la percepción.
• Integridad del sistema: incluye el estado técnico de sensores, actuadores, sistemas de soporte y unidades informáticas, abarcando las perspectivas de seguridad funcional, confiabilidad, disponibilidad y seguridad.

Entrada de señal de supervisión del dominio de operación:

• Datos V2X: utilizados para determinar las capacidades de movilidad, el estado del sistema vial y las condiciones del tráfico.
• Movimiento del automóvil: se utiliza para determinar la maniobrabilidad.
• Datos cartográficos: se utilizan para determinar el estado del sistema vial y generar restricciones de ruta basadas en la supervisión del dominio operativo.
• Actitud: se utiliza para determinar el estado del sistema vial.
• Datos de escenario: se utilizan para determinar la maniobrabilidad, el estado del sistema vial y las condiciones del tráfico.
• Estado del pasajero: se utiliza para determinar la capacidad del conductor y el estado del pasajero.
• Capacidad de percepción: se utiliza directamente como una condición importante para el monitoreo del dominio operativo.
• Integridad del sistema: se utiliza directamente como condición principal para la supervisión del dominio operativo.

Salida de señal de supervisión del dominio de operación:

• Restricciones de ruta basadas en la supervisión del dominio de operación: las restricciones de ruta se generan combinando el conjunto de condiciones principal y los datos del mapa para garantizar que se mantengan los límites del estado de conducción actual.
• Restricciones de maniobra basadas en la supervisión del dominio de operación: las restricciones de maniobra se generan combinando los principales conjuntos de condiciones para garantizar la maniobrabilidad en los estados y posiciones actuales y posteriores. Esto permite que el vehículo permanezca dentro de la misión de conducción autónoma actual sin exceder las condiciones límite del dominio de diseño operativo.
• Solicitud de tarea para la supervisión del dominio operativo: si el proyecto abandonará el dominio operativo inmediatamente o en el futuro, esta solicitud se genera para abordar este problema cambiando la misión de conducción autónoma como una estrategia a mediano o corto plazo para evitar salir del dominio operativo. Dominio. Esta solicitud puede dar lugar a una transición del estado del conductor, como por ejemplo de conducción automatizada a conducción manual.

 

2.11 escalabilidad a nivel SAE

La complejidad dentro de cada bloque funcional (por ejemplo, diferentes elementos informáticos, memoria, etc.), así como las interfaces de señal (por ejemplo, número de señales y ancho de banda requerido) se escalan según el nivel de automatización.

Diagrama del módulo de funciones     

Por ejemplo, una función de nivel SAE L1 muy simple puede requerir solo un subconjunto de bloques de funciones para realizar cálculos relevantes, mientras que otros bloques de funciones pueden ser solo transferencias de señales o contribuir poco a los requisitos generales de rendimiento del sistema.

El siguiente ejemplo ilustra una función simple de nivel SAE L1 con contribuciones limitadas de la supervisión del dominio operativo, posicionamiento, monitoreo de pasajeros, control de misión, planificación de ruta, mapeo y V2X (indicado en amarillo). Los bloques de funciones restantes harán la contribución principal a la implementación de la función.

Ejemplo de diagrama de bloques funcionales SAE nivel 1

Fuente |  ZhiCheRobot