[发明专利]汽车用运算系统

说明书

汽车用运算系统(SY)包括主运算装置(100)和备用运算装置(300)。主运算装置(100)根据来自车外信息获取装置(M1)的输出，决定汽车沿根据车外环境生成的路径行驶时的目标运动，车外环境是利用深度学习推测出的，备用运算装置(300)决定供行驶中的汽车行驶到符合预设基准的停车位置停车的行驶路径，行驶路径是根据来自车外信息获取装置(M1)的输出生成的。当主运算装置(100)发生故障时，汽车用运算系统(SY)会优先于控制信号将备用控制信号输出给各执行装置。

技术领域

此处所公开的技术涉及一种例如用于汽车自动驾驶的汽车用运算系统。

背景技术

最近，利用使用神经网络进行的深度学习来识别车内外环境的技术也应用到汽车上了。

例如，专利文献1公开了一种推测装置，推测乘员相对于车辆装备的状态。该推测装置包括存储部和处理部，该存储部中存储有通过利用神经网络进行的深度学习构筑的模型；含有装备的图像输入该处理部，该处理部使用模型推测乘员的状态并输出表示乘员的特定部位即骨骼位置的第一信息和表示乘员相对于装备的状态的第二信息。

专利文献1：日本公开专利公报特开2018－132996号公报

发明内容

－发明要解决的技术问题－

最近，全国正在推进自动驾驶系统的开发。自动驾驶系统，一般是通过摄像头等获取车外环境信息，根据获取到的车外环境信息计算汽车应行驶的路径。在该路径的计算过程中，车外环境的认定很重要，人们已经在进行将深度学习用于该车外环境的认定上这样的研发工作。

此处，例如在汽车功能安全标准(ISO 26262)中，提出了以ASIL(AutomotiveSafety Integrity Level：汽车安全完整性等级)作为评价危害的指标，这也是负责自动驾驶的运算装置中的功能安全的软件设计的理念，这还能够被应用到构成程序的多个模块的功能安全的设计上。进行设计阶段的开发时，要求达到ASIL中的ASIL－A到ASIL－D各功能安全等级。

相对于此，利用深度学习进行的车外环境的认定和路径的计算还处于发展阶段，大致停留在ASIL－B这一等级上。因此，为了在具有自动驾驶功能的汽车中大致达到ASIL－D这一等级的功能安全等级，仅由利用深度学习的功能构成运算装置是不够的。

此处公开的技术正是为解决上述技术问题而完成的，其目的在于：提高具有利用深度学习之功能的汽车用运算系统的功能安全等级。

－用以解决技术问题的技术方案－

为了解决所述问题，此处公开的技术以一种安装在汽车上的汽车用运算系统为对象，且采用以下构成。该汽车用运算系统具有主运算装置和备用运算装置，所述主运算装置具有第一路径生成部，所述第一路径生成部根据来自获取车外环境信息的信息获取装置的输出，利用深度学习推测包括道路和障碍物的车外环境，并根据推测出的车外环境生成道路上避开障碍物的第一路径，所述主运算装置决定汽车沿该第一路径行驶时的目标运动，并将用于实现该目标运动的控制信号输出给生成驱动力、制动力以及转向角的各执行装置，所述备用运算装置具有停车路径生成部，所述停车路径生成部根据来自所述信息获取装置的输出，生成供行驶中的汽车行驶到符合预设基准的停车位置停车的行驶路径即第三路径，所述备用运算装置决定用于使汽车沿该第三路径行驶的备用目标运动，并将用于实现该备用目标运动的备用控制信号输出给所述各执行装置，当所述主运算装置发生故障时，该汽车用运算系统将所述备用控制信号优先于所述控制信号输出给所述各执行装置。

根据该构成方式，因为当主运算装置发生故障时，也能够通过将备用控制信号优选于控制信号输出给各执行装置，使汽车移动到符合预设基准的停车位置，所以例如能够使汽车在安全的位置紧急停车等。也就是说，能够实现用于确保安全的安全功能，进而能够提高功能安全等级。