JP2025004837A - 自動運転車両 - Google Patents

Abstract

【課題】車両の自動運転を事後的に検証するためのデータを適切に保存すること。
【解決手段】車両が備える自動運転システムは自動運転の実行時に生成される自動運転データを保存する。自動運転システムは自動運転データを保存可能な記憶領域の空き容量に応じて保存モードを切り替える。保存モードは全保存モードと一部保存モードとを含む。全保存モードは記憶領域の空き容量が閾値以上のときに選択されるモードであって、自動運転データのうち全てのデータを保存するモードである。一部保存モードは記憶領域の空き容量が閾値未満のときに選択されるモードであって、自動運転データのうち一部のデータのみを保存するモードである。一部保存モードにおいて保存される自動運転データのうちの一部のデータは自動運転を再現可能なデータを含む。
【選択図】図３

Description

本開示は、自動運転が可能な車両に関する。

機械学習モデルを利用して車両の自動運転を行う技術が知られている。特許文献１は、機械学習モデルの学習に使用可能な訓練データを収集する方法を開示している。本開示に関連する技術分野の技術水準を示す文献としては、特許文献１の他にも特許文献２及び特許文献３を例示することができる。

国際公開第２０１９／１１６４２３号 特許第６７６１００２号公報 特許第７１５６１０７号公報

車両の自動運転を事後的に検証するための方法として、自動運転の実行時に生成される自動運転データをログデータとして車載記憶装置に保存することが考えられる。但し、車載記憶装置の容量には限界があるため、最低限必要なログデータを保存できないような状況を回避することが望まれる。

本開示の１つの目的は、車両の自動運転を事後的に検証するためのデータを適切に保存することができる技術を提供することにある。

上記目的を達成するために、本開示は自動運転が可能な車両を提供する。本開示の車両は少なくとも一つのプロセッサと、少なくとも一つのプロセッサにより実行される複数のインストラクションを記憶した少なくとも一つのメモリとを備える。複数のインストラクションは少なくとも一つのプロセッサに自動運転の実行時に生成される自動運転データを保存させ、自動運転データを保存可能な記憶領域の空き容量に応じて保存モードを切り替えさせる。保存モードは全保存モードと一部保存モードとを含む。全保存モードは記憶領域の空き容量が閾値以上のときに選択されるモードであって、自動運転データのうち全てのデータを保存するモードである。一部保存モードは記憶領域の空き容量が閾値未満のときに選択されるモードであって、自動運転データのうち一部のデータのみを保存するモードである。一部保存モードにおいて保存される自動運転データのうちの一部のデータは自動運転を再現可能なデータを含む。

全保存モードでは、自動運転の実行時に生成される自動運転データのうち全てのデータが保存されるので、自動運転を事後的に容易に検証することができる。一部保存モードでは、自動運転データのうち保存されるのは一部のデータのみであるが、保存されるデータには自動運転を再現可能なデータが含まれるので、自動運転の事後的な検証は可能である。本開示の車両によれば、全保存モードと一部保存モードとを記憶領域の空き容量に応じて切り替えることで、有限の記憶領域を有効に活用して自動運転の事後的な検証を行うためのデータを保存することができる。

実施の形態に係る車両の自動運転に関連する構成例を示すブロック図である。 実施の形態に係る自動運転システムの構成例を示す概念図である。 実施の形態に係る自動運転データの保存モードの切り替え処理の第１の例を説明するための概念図である。 実施の形態に係る自動運転データの保存モードの切り替え処理の第２の例を説明するための概念図である。 実施の形態に係る自動運転データの保存モードの切り替え処理の第３の例を説明するための概念図である。 実施の形態に係る自動運転データの保存モードの切り替え処理の第４の例を説明するための概念図である。

１．車両の自動運転
図１は本実施の形態に係る車両１の自動運転に関連する構成例を示すブロック図である。自動運転とは、車両１の操舵、加速、及び減速のうち少なくとも１つをオペレータによる運転操作によらず自動的に行うことである。自動運転は完全自動運転だけでなく、リスク回避制御、レーンキープアシスト制御、等も含む概念である。オペレータは車両１に搭乗するドライバであってもよいし、車両１を遠隔操作する遠隔オペレータであってもよい。

車両１はセンサ群１０、自動運転装置２０、及び車両制御装置３０を含んでいる。

センサ群１０は車両１の周囲の状況を認識するために用いられる認識センサ１１を含んでいる。認識センサ１１としては、カメラ、ＬｉＤＡＲ（Laser Imaging Detection and Ranging）、レーダ、等が例示される。さらに、センサ群１０は車両１の状態を検出する状態センサ１２、車両１の位置を検出する位置センサ１３、等を含んでいてもよい。状態センサ１２としては、速度センサ、加速度センサ、ヨーレートセンサ、舵角センサ、等が例示される。位置センサ１３としては、ＧＮＳＳ（Global Navigation Satellite System）センサが例示される。

センサ検出情報ＳＥＮはセンサ群１０によって得られる情報である。例えば、センサ検出情報ＳＥＮはカメラによって撮影される画像を含んでいる。他の例として、センサ検出情報ＳＥＮはＬｉＤＡＲによって得られる点群情報を含んでいてもよい。センサ検出情報ＳＥＮは車両１の状態を示す車両状態情報を含んでいてもよい。センサ検出情報ＳＥＮは車両１の位置を示す位置情報を含んでいてもよい。

自動運転装置２０は、認識部２１、計画部２２、及び制御量算出部２３を含んでいる。

認識部２１はセンサ検出情報ＳＥＮを受け取る。認識部２１は認識センサ１１により得られる情報に基づいて、車両１の周囲の状況を認識する。例えば、認識部２１は車両１の周囲の物体を認識する。物体としては、歩行者、他車両（先行車両、駐車車両、等）、白線、道路構造物（例：ガードレール、縁石）、落下物、信号機、交差点、標識、等が例示される。認識結果情報ＲＥＳは認識部２１による認識結果を示す。例えば、認識結果情報ＲＥＳは、車両１に対する物体の相対位置及び相対速度を示す物体情報を含む。

計画部（planner）２２は認識部２１から認識結果情報ＲＥＳを受け取る。また、計画部２２は車両状態情報、位置情報、予め生成された地図情報を受け取ってもよい。地図情報は高精度３次元地図情報であってもよい。計画部２２は受け取った情報に基づいて車両１の走行計画を生成する。走行計画は予め設定された目的地に到達するためのものであってもよいし、リスクを回避するためのものであってもよい。走行計画としては、現在の走行車線を維持する、車線変更を行う、追い越しを行う、右左折を行う、操舵する、加速する、減速する、停止する、等が例示される。さらに、計画部２２は車両１が走行計画に従って走行するために必要な目標トラジェクトリＴＲＪを生成する。目標トラジェクトリＴＲＪは目標位置及び目標速度を含んでいる。

制御量算出部２３は計画部２２から目標トラジェクトリＴＲＪを受け取る。制御量算出部２３は車両１が目標トラジェクトリＴＲＪに追従するために必要な制御量ＣＯＮを算出する。制御量ＣＯＮは車両１と目標トラジェクトリＴＲＪとの間の偏差を減少させるために要求される制御量であるということもできる。制御量ＣＯＮは操舵制御量、駆動制御量、及び制動制御量のうち少なくとも一つを含む。

認識部２１はルールベースモデル及び機械学習モデルのうち少なくとも一方を含んでいる。ルールベースモデルは予め決められたルール群に基づいて認識処理を行う。機械学習モデルとしては、ＮＮ（Neural Network）、ＳＶＭ（Support Vector Machine）、回帰モデル、決定木モデル、等が例示される。ＮＮはＣＮＮ（Convolutional Neural Network）、ＲＮＮ（Recurrent Neural Network）、あるいはそれらの組み合わせであってもよい。ＮＮにおける各層の種類、層の数、ノード数は任意である。機械学習モデルは機械学習を通して予め生成される。認識部２１はモデルにセンサ検出情報ＳＥＮを入力することによって認識処理を行う。認識結果情報ＲＥＳはモデルから出力される、あるいは、モデルからの出力に基づいて生成される。

計画部２２も同様に、ルールベースモデル及び機械学習モデルのうち少なくとも一方を含んでいる。計画部２２はモデルに認識結果情報ＲＥＳを入力することによって計画処理を行う。目標トラジェクトリＴＲＪはモデルから出力される、あるいは、モデルからの出力に基づいて生成される。

制御量算出部２３も同様に、ルールベースモデル及び機械学習モデルのうち少なくとも一方を含んでいる。制御量算出部２３はモデルに目標トラジェクトリＴＲＪを入力することによって制御量算出処理を行う。制御量ＣＯＮはモデルから出力される、あるいは、モデルからの出力に基づいて生成される。

認識部２１、計画部２２、及び制御量算出部２３のうち２以上は一体的に構成されていてもよい。認識部２１、計画部２２、及び制御量算出部２３の全てが一体的に構成されていてもよい（End-to-End構成）。例えば、認識部２１と計画部２２は、センサ検出情報ＳＥＮから目標トラジェクトリＴＲＪを出力するＮＮにより一体的に構成されていてもよい。一体的構成の場合であっても、認識結果情報ＲＥＳや目標トラジェクトリＴＲＪといった中間生成物が出力されてもよい。例えば、認識部２１と計画部２２がＮＮにより一体的に構成される場合、認識結果情報ＲＥＳはＮＮの中間層の出力であってよい。

本実施の形態では、自動運転装置２０を構成する認識部２１、計画部２２、及び制御量算出部２３の少なくとも一部に機械学習モデルが利用される。すなわち、認識部２１、計画部２２、及び制御量算出部２３のうち少なくとも１つは機械学習モデルを含んでいる。自動運転装置２０は機械学習モデルを利用して車両１の自動運転のための情報処理の少なくとも一部を行う。

車両制御装置３０は操舵ドライバ３１、駆動ドライバ３２、及び制動ドライバ３３を含んでいる。操舵ドライバ３１は車輪を転舵する操舵装置に制御信号を与える。例えば、操舵装置は電動パワーステアリング（EPS: Electric Power Steering）装置を含んでいる。駆動ドライバ３２は駆動力を発生させる駆動装置に制御信号を入力する。駆動装置としては、エンジン、電動機、インホイールモータ、等が例示される。制動ドライバ３３は制動力を発生させる制動装置に制御信号を与える。車両制御装置３０は自動運転装置２０から出力される制御量ＣＯＮを受け取る。車両制御装置３０は制御量ＣＯＮを目標値として操舵ドライバ３１、駆動ドライバ３２、及び制動ドライバ３３のうち少なくとも１つを動作させる。これにより、車両１が目標トラジェクトリＴＲＪに追従するように走行する。

図２は本実施の形態に係る自動運転システム１００の構成例を示す概念図である。自動運転システム１００は車両１に搭載されており、車両１の自動運転のための情報処理を行う。自動運転システム１００は上述の自動運転装置２０の機能を少なくとも有する。さらに、自動運転システム１００はセンサ群１０や車両制御装置３０を含んでいてもよい。

自動運転システム１００は１又は複数のプロセッサ１１０（以下、単にプロセッサ１１０と呼ぶ）を含んでいる。プロセッサ１１０は各種処理を実行する。プロセッサ１１０として、ＣＰＵ（Central Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、等が例示される。認識部２１、計画部２２、及び制御量算出部２３は単一のプロセッサ１１０で実現されてもよいし、別々のプロセッサ１１０で実現されてもよい。また、自動運転システム１００が車両制御装置３０を含む場合、自動運転装置２０と車両制御装置３０とは単一のプロセッサ１１０で実現されてもよいし、別々のプロセッサ１１０で実現されてもよい。なお、別々のプロセッサ１１０は異なる種類のプロセッサ１１０を含んでもよい。

自動運転システム１００は１又は複数の記憶装置１２０（以下、単に記憶装置１２０と呼ぶ）を含んでいる。記憶装置１２０としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、揮発性メモリ、不揮発性メモリ、等が例示される。記憶装置１２０は少なくともプログラム記憶領域１３０、モデルデータ記憶領域１４０、及びログデータ記憶領域１５０を含む。プログラム記憶領域１３０、モデルデータ記憶領域１４０、及びログデータ記憶領域１５０は単一の記憶装置１２０で実現されてもよいし、別々の記憶装置１２０で実現されてもよい。なお、別々の記憶装置１２０は異なる種類の記憶装置１２０を含んでもよい。

プログラム記憶領域１３０には１又は複数のプログラムが格納されている。各プログラムは複数のインストラクションから構成されている。プログラムは車両１を制御するためのコンピュータプログラムであり、プロセッサ１１０によって実行される。プログラムを実行するプロセッサ１１０と記憶装置１２０との協働により、自動運転システム１００による各種処理が実現されてもよい。プログラムはコンピュータ読み取り可能な記録媒体に記録されてもよい。

モデルデータ記憶領域１４０には自動運転に利用されるモデルデータが格納されている。モデルデータは認識部２１、計画部２２、及び制御量算出部２３に含まれるモデルのデータである。上述の通り、本実施の形態では、認識部２１、計画部２２、及び制御量算出部２３のうち少なくとも１つは機械学習モデルを含んでいるが、それらは既に訓練済みである（以下、機械学習モデルとは訓練済みの機械学習モデルを意味する）。機械学習モデルのパラメータはモデルデータに含まれる。

ログデータ記憶領域１５０には自動運転の実行時に生成される自動運転データがログデータとして保存される。自動運転データは機械学習モデルを利用した自動運転に関連するデータである。自動運転データは機械学習モデルに入力された入力データ、機械学習モデルによる計算過程で得られる途中計算データ、及び機械学習モデルの出力に基づき実行された車両制御の制御データを含む。入力データはセンサ検出情報ＳＥＮを含む。途中計算データは認識部２１から出力される認識結果情報ＲＥＳ、計画部２２から出力される目標トラジェクトリＴＲＪ、及び制御量算出部２３から出力される制御量ＣＯＮの少なくとも１つを含む。途中計算データは認識部２１による認識処理における判断の理由を含んでいてもよい。制御データは操舵ドライバ３１から操舵装置に与えられる制御信号、駆動ドライバ３２から駆動装置に与えられる制御信号、及び制動ドライバ３３から制動装置に与えられる制御信号の少なくとも１つを含む。ログデータ記憶領域１５０にログデータとして記憶された自動運転データは、自動運転の事後的な検証に利用される。

管理サーバ２００は車両１の外部に存在する外部装置である。管理サーバ２００は通信ネットワークを介して１又は複数の車両１と通信を行う。自動運転の最中、あるいは、自動運転の終了後、車両１のプロセッサ１１０はログデータ記憶領域１５０に保存されたログデータの少なくとも一部を管理サーバ２００にアップロードしてもよい。プロセッサ１１０は管理サーバ２００にアップロードしたログデータをログデータ記憶領域１５０から消去してもよい。

管理サーバ２００はデータベース２２０を有している。管理サーバ２００は１又は複数の車両１からアップロードされるログデータを取得する。そして、管理サーバ２００は取得したログデータをデータベース２２０に保管する。管理サーバ２００は少なくとも所定期間、ログデータを保管する。ログデータは機械学習モデルを利用した自動運転の検証に利用される。

２．自動運転データの適切な保存
機械学習モデルを利用した自動運転を高い確度で検証するためには、自動運転に関連する全ての自動運転データを保存したい。しかし、ログデータ記憶領域１５０の容量は有限である。このため、常に全ての自動運転データを保存しようとすると、自動運転の途中でログデータ記憶領域１５０が満杯になってしまう可能性がある。ログデータ記憶領域１５０が満杯になった場合、それ以降の自動運転において取得された自動運転データは保存することができない。

機械学習モデルを利用した自動運転を検証する上で大事なことは、検証に必要な最低限のログデータを自動運転の開始から終了までの全ての期間にわたって残すことである。勿論、ログデータ記憶領域１５０の空き容量に余裕があるのであれば、自動運転に関連する全ての自動運転データをログデータとして保存しておくことが好ましい。

本実施の形態では、自動運転データをログデータ記憶領域１５０に適切に保存するため、ログデータ記憶領域１５０の空き容量に応じて自動運転データの保存モードを切り替えることが行われる。保存モードには、全保存モードと一部保存モードとがある。全保存モードは自動運転データのうち全てのデータを保存する保存モードであって、ログデータ記憶領域１５０の空き容量が大きいときに選択される。一部保存モードは自動運転データのうち一部のデータのみを保存する保存モードであって、ログデータ記憶領域１５０の空き容量が小さいときに選択される。ただし、一部保存モードで保存されるデータはどのようなデータでも良いわけではなく、自動運転を再現可能なデータを含んでいる必要がある。

モデルデータ記憶領域１４０に記憶されたプログラムには、プロセッサ１１０に自動運転データの保存モードを切り替えさせるためのインストラクションが含まれる。それらインストラクションがプロセッサ１１０によって実行されることにより、以下に例示するような保存モードの切り替え処理がプロセッサ１１０により実行される。

２－１．第１の例
図３は自動運転データの保存モードの切り替え処理の第１の例を説明するための概念図である。この切り替え処理では、まず、ログデータ記憶領域１５０の空き容量が閾値以上かどうか判定される。閾値は固定でもよいし可変値でもよい。閾値を固定値にする場合、例えば、ログデータ記憶領域１５０の容量の所定割合（例えば３０％）を閾値に設定してもよい。閾値を可変値にする場合、例えば、自動運転の走行計画から残りの走行距離を計算し、残りの走行距離が少なくなるにつれて閾値を小さくしてもよい。

ログデータ記憶領域１５０の空き容量が閾値以上の場合、全保存モードにて自動運転データがログデータ記憶領域１５０に保存される。全保存モードで保存される自動運転データは、入力データ、途中計算データ、及び制御データの全てである。全保存モードでは、自動運転の実行時に生成される自動運転データのうち全てのデータが保存されるので、自動運転を事後的に容易に検証することができる。

ログデータ記憶領域１５０の空き容量が閾値未満の場合、一部保存モードＡにて自動運転データがログデータ記憶領域１５０に保存される。自動運転データのうちの一部を保存する場合、保存するデータの選び方には様々な方法がある。一部保存モードＡで保存されるデータは入力データ及び制御データである。言い換えれば、一部保存モードＡでは途中計算データのみを保存しない。途中計算データを保存しないことで、ログデータ記憶領域１５０の空き容量のひっ迫を抑えることができる。一方、入力データと制御データは保存することで、自動運転における入力と出力との因果関係を検証することができる。

２－２．第２の例
図４は自動運転データの保存モードの切り替え処理の第２の例を説明するための概念図である。この切り替え処理では、まず、ログデータ記憶領域１５０の空き容量が閾値１以上かどうか判定される。閾値１は固定でもよいし可変値でもよい。閾値１を固定値にする場合、例えば、ログデータ記憶領域１５０の容量の所定割合（例えば４０％）を閾値１に設定してもよい。閾値１を可変値にする場合、例えば、自動運転の走行計画から残りの走行距離を計算し、残りの走行距離が少なくなるにつれて閾値１を小さくしてもよい。

ログデータ記憶領域１５０の空き容量が閾値１以上の場合、全保存モードにて自動運転データがログデータ記憶領域１５０に保存される。全保存モードの内容については第１の例で説明した通りである。

ログデータ記憶領域１５０の空き容量が閾値１未満の場合、ログデータ記憶領域１５０の空き容量が閾値２以上かどうか判定される。閾値２は固定でもよいし可変値でもよい。ただし、閾値２は閾値１よりも小さい値に設定される。閾値２を固定値にする場合、例えば、ログデータ記憶領域１５０の容量の所定割合（例えば２０％）を閾値２に設定してもよい。閾値２を可変値にする場合、例えば、自動運転の走行計画から残りの走行距離を計算し、残りの走行距離が少なくなるにつれて閾値２を小さくしてもよい。

ログデータ記憶領域１５０の空き容量が閾値２以上の場合、一部保存モードＡにて自動運転データがログデータ記憶領域１５０に保存される。一部保存モードＡの内容については第１の例で説明した通りである。

ログデータ記憶領域１５０の空き容量が閾値２未満の場合、一部保存モードＢにて自動運転データがログデータ記憶領域１５０に保存される。一部保存モードＢで保存されるデータは制御データのみである。制御データのみ保存して入力データと途中計算データを保存しないことで、ログデータ記憶領域１５０の空き容量のひっ迫を抑えることができる。また、少なくとも制御データが保存されていれば、自動運転時にどのようなデータにより車両制御が行われたかを検証することができる。

なお、ログデータ記憶領域１５０の空き容量が閾値２未満の場合、制御データに代えて入力データのみをログデータ記憶領域１５０に保存してもよい。入力データのみ保存して途中計算データと制御用データを保存しないことで、空き容量のひっ迫を抑えることができる。また、少なくとも入力データが保存されていれば、入力データを機械学習モデルに入力することで、途中計算データも制御データも再現することができる。入力データのみを保存する保存モードを一部保存モードＣという。

２－３．第３の例
図５は自動運転データの保存モードの切り替え処理の第３の例を説明するための概念図である。この切り替え処理では、まず、ログデータ記憶領域１５０の空き容量が閾値以上かどうか判定される。この閾値については第１の例で説明した通りである。

ログデータ記憶領域１５０の空き容量が閾値以上の場合、全保存モードにて自動運転データがログデータ記憶領域１５０に保存される。全保存モードの内容については第１の例で説明した通りである。

ログデータ記憶領域１５０の空き容量が閾値未満の場合、入力データ量と制御データ量とが比較される。比較される入力データ量と制御データ量はログデータ記憶領域１５０に記憶されているデータ量でもよい。比較される入力データ量と制御データ量は最近の所定期間において取得されたデータ量でもよい。

入力データ量が制御データ量より大きい場合、一部保存モードＢにて自動運転データがログデータ記憶領域１５０に保存される。一部保存モードＢの内容については第２の例で説明した通りである。

入力データ量が制御データ量以下の場合、一部保存モードＣにて自動運転データがログデータ記憶領域１５０に保存される。一部保存モードＣの内容については第２の例で説明した通りである。

２－４．第４の例
図６は自動運転データの保存モードの切り替え処理の第４の例を説明するための概念図である。この切り替え処理では、まず、ログデータ記憶領域１５０の空き容量が閾値以上かどうか判定される。この閾値については第１の例で説明した通りである。

ログデータ記憶領域１５０の空き容量が閾値以上の場合、全保存モードにて自動運転データがログデータ記憶領域１５０に保存される。全保存モードの内容については第１の例で説明した通りである。

ログデータ記憶領域１５０の空き容量が閾値未満の場合、一部保存モードＤにて自動運転データがログデータ記憶領域１５０に保存される。一部保存モードＤで保存されるデータは、入力データ、制御データ、及び途中計算データの一部である。保存される途中計算データは実際に車両制御に使用されたデータである。機械学習モデルの途中計算データを保存することで、例えば、認識部２１で得られる認識結果と制御量算出部２３で得られる制御量の妥当性を後に検証することが可能になる。途中計算データの一部を保存することには、例えば、全探索せずに枝刈り探索することが含まれる。その具体例としては、認識部２１において全ての対象物の認識率が１００％になるまで計算するのではなく、ある時間で打ち切ることを挙げることができる。別の具体例としては、計画部２２におけるパスプランの計算において全てのパスプランを計算するのではなく、妥当な空間だけ探索することを挙げることができる。また、前方の認識結果のみを保存することや、近傍の認識結果のみを保存することも途中計算データの一部を保存することに含まれる。

２－５．第５の例
ログデータ記憶領域１５０の空き容量が閾値未満の場合、機械学習モデルが訓練済みであれば、一部保存モードＣにて自動運転データをログデータ記憶領域１５０に保存するようにしてもよい。機械学習モデルが訓練済みであるなら、入力データを機械学習モデルに入力することで、途中計算データも制御データも再現することができるからである。一方、機械学習モデルが訓練済みでないなら、一部保存モードＢにて自動運転データをログデータ記憶領域１５０に保存するようにしてもよい。

２－６．第６の例
上述の第１～第５の例のうち２以上の組み合わせも可能である。例えば、第３の例は第２の例と組み合わされてもよい。ログデータ記憶領域１５０の空き容量が閾値２未満の場合、入力データ量と制御データ量とを比較してより小さい方をログデータ記憶領域１５０に保存するようにしてもよい。

また、第４の例は第１の例と組み合わされてもよい。ログデータ記憶領域１５０の空き容量が閾値１以上の場合、全保存モードにて自動運転データがログデータ記憶領域１５０に保存される。ログデータ記憶領域１５０の空き容量が閾値１未満で閾値２以上の場合、一部保存モードＤにて自動運転データがログデータ記憶領域１５０に保存される。そして、ログデータ記憶領域１５０の空き容量が閾値２未満の場合、一部保存モードＡにて自動運転データがログデータ記憶領域１５０に保存される。

さらに、第４の例は第２の例と組み合わされてもよい。ログデータ記憶領域１５０の空き容量が閾値１以上の場合、全保存モードにて自動運転データがログデータ記憶領域１５０に保存される。ログデータ記憶領域１５０の空き容量が閾値１未満で閾値２以上の場合、一部保存モードＤにて自動運転データがログデータ記憶領域１５０に保存される。ログデータ記憶領域１５０の空き容量が閾値２未満で閾値３以上の場合、一部保存モードＡにて自動運転データがログデータ記憶領域１５０に保存される。そして、ログデータ記憶領域１５０の空き容量が閾値３未満の場合、一部保存モードＢ又は一部保存モードＣにて自動運転データがログデータ記憶領域１５０に保存される。

１…車両、１０…センサ群、２０…自動運転装置、２１…認識部、２２…計画部、２３…制御量算出部、３０…車両制御装置、１００…自動運転システム、１２０…記憶装置、１５０…ログデータ記憶領域

Claims (5)

1. 自動運転が可能な車両において、
   少なくとも一つのプロセッサと、
   前記少なくとも一つのプロセッサにより実行される複数のインストラクションを記憶した少なくとも一つのメモリと、を備え、
   前記複数のインストラクションは、前記少なくとも一つのプロセッサに、
   前記自動運転の実行時に生成される自動運転データを保存することと、
   前記自動運転データを保存可能な記憶領域の空き容量に応じて保存モードを切り替えることと、を実行させるように構成され、
   前記保存モードは、
   前記空き容量が閾値以上のときに選択される、前記自動運転データのうち全てのデータを保存する全保存モードと、
   前記空き容量が前記閾値未満のときに選択される、前記自動運転データのうち一部のデータのみを保存する一部保存モードと、を含み
   前記一部のデータは、前記自動運転を再現可能なデータを含む
   ことを特徴とする車両。
2. 請求項１に記載の車両において、
   前記全てのデータは、前記自動運転用の機械学習モデルに入力された入力データ、前記機械学習モデルによる計算過程で得られる途中計算データ、及び前記機械学習モデルの出力に基づき実行された車両制御の制御データの全てを含み、
   前記一部のデータは、前記入力データと前記制御データの少なくとも一方を含む
   ことを特徴とする車両。
3. 請求項２に記載の車両において、
   前記一部のデータは、前記制御データのみ、あるいは前記入力データのみを含む
   ことを特徴とする車両。
4. 請求項２に記載の車両において、
   前記一部のデータは、前記途中計算データのみを含まない
   ことを特徴とする車両。
5. 請求項２に記載の車両において、
   前記一部のデータは、前記入力データと前記制御データのうちデータ量の少ないほうのデータである
   ことを特徴とする車両。

Images