鲁棒的自主驾驶设计

摘要

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。

说明书

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

从而，本公开提供了通用有效的感测-行为-AD设计，其像人类驾驶员一样在众多操作域中以及在众多操作负荷下鲁棒地且安全地处理众多车辆系统。这跨越五个AD阶段提供AD能力、可用性和安全性的鲁棒性。

在一个示例性实施例中，本公开提供了一种方法和途径，包括：为全面通用有效自主驾驶(AD)功能全面通用设计空间的多个不同部分创建多个传递函数；将不同部分的多个传递函数组合生成通用AD功能全面多维设计空间及其输入输出(I/O)分析流；定义多个期望的/要求的AD功能不同维度场景和负荷，以从全面通用设计空间输入-输出分析流获得它们相关的AD功能子问题定义和特定子设计空间输入输出(I/O)分析流；通过将多个不同的西格玛目标应用到维度场景和负荷问题分析流的目的和约束而并入鲁棒性需求，以针对其输入设计参数不同的噪声和公差识别其设计域鲁棒解决方案；以及应用加权优化和数据挖掘中的一个或更多以对维度场景和负荷设计域鲁棒解决方案之间的相互依赖模式和关系进行排序和提取，并且从而识别并生成所期望的/要求的基于AD功能鲁棒输入(即，AD系统设计参数)-输出(即，AD功能决策和控制参数)感测-行为-相互依赖关系知识的映射；其中，AD功能通用鲁棒感测-行为-相互依赖关系映射被用作查找表以在AD车辆中实施AD系统的通用感测-行为控制能力，以得到具有全局态势感知(global situational awareness)、闭环控制、噪声和系统降级容忍以及故障安全管理并且开发和执行均无需困难、漏洞敏感并且既耗时又耗资源的大型和复杂的代码的通用鲁棒解决方案决策。

在另一个示例性实施例中，本公开提供了一种非暂时性计算机可读介质，其包括通用有效的自主驾驶(AD)感测-行为-系统实施指令，该指令被存储在存储器中并由处理器执行以进行包括以下的步骤：针对全面通用有效的自主驾驶(AD)功能全面通用设计空间的多个不同部分创建多个传递函数；组合不同部分的多个传递函数生成通用AD功能全面多维设计空间及其输入-输出(I/O)分析流；定义多个期望的/要求的AD功能不同维度场景和负荷以从全面通用设计空间输入-输出分析流获得它们相关的AD功能子问题定义和特定子设计空间输入-输出(I/O)分析流；通过将多个不同西格玛目标应用到维度场景和负荷问题分析流的目的和约束而并入鲁棒性需求，以针对其输入设计参数不同的噪声和公差识别其设计域鲁棒解决方案；以及应用加权优化和数据挖掘中的一个或更多以对维度场景和负荷设计域鲁棒解决方案之间的相互依赖模式和关系进行排序和提取，并且从而识别并生成期望的/要求的基于AD功能鲁棒输入(即，AD系统设计参数)-输出(即，AD功能决策和控制参数)感测-行为-相互依赖关系知识的映射；其中，AD功能通用鲁棒感测-行为-相互依赖关系映射被用作查找表以实施AD车辆中的AD系统的通用感测-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开发和执行均困难、漏洞敏感并且既耗时又耗资源的大型和复杂的代码的通用鲁棒解决方案决策。

在进一步的示例性实施例中，本公开提供了一种系统，其包括：基于自主驾驶(AD)通用有效的感测-行为-功能输入-输出感测-行为-相互依赖关系知识的映射，该映射被存储为存储器中的查找表指令并由车辆的AD系统的处理器执行并且被用于具有全局态势感知、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开发和执行均困难、漏洞敏感并且既耗时又耗资源的大型和复杂的代码的通用鲁棒解决方案决策，其中基于AD功能通用鲁棒感测-行为-相互依赖关系的知识的映射通过以下方式形成：针对全面通用有效自主驾驶(AD)功能全面通用设计空间的多个不同部分创建多个传递函数；组合不同部分的多个传递函数生成通用AD功能全面多维设计空间及其输入-输出(I/O)分析流；定义多个期望的/要求的AD功能不同维度场景和负荷以从全面通用设计空间输入-输出分析流获得它们相关的AD功能子问题定义和特定子设计空间输入-输出(I/O)分析流；通过将多个不同西格玛目标应用到维度场景和负荷问题分析流的目的和约束而并入鲁棒性需求，以针对其输入设计参数不同的噪声和公差识别其设计域鲁棒解决方案；以及应用加权优化和数据挖掘中的一个或更多以对维度场景和负荷设计域鲁棒解决方案之间的相互依赖模式和关系进行排序和提取，并且从而识别并生成期望的/要求的基于AD功能鲁棒输入(即，AD系统设计参数)-输出(即，AD功能决策和控制参数)感测-行为-相互依赖关系的知识的映射；其中，AD功能通用鲁棒感测-行为-相互依赖关系映射被利用为感测-行为-决策查找表，该查找表实施AD系统中的期望的鲁棒感测-行为通用AD功能，其包括在实施AD系统中的期望的鲁棒感测-行为通用AD功能的感测-行为-决策查找表中相对于全范围变化的全面AD系统输入-输出(I/O)参数绘制独立的通用鲁棒解决方案输入-输出(I/O)相互依赖关系参数值组合/在实施AD系统中的期望的鲁棒感测-行为通用AD功能的感测-行为-决策查找表中从全范围变化的全面AD系统输入-输出(I/O)参数确定出独立的通用鲁棒解决方案输入-输出(I/O)相互依赖关系参数值组合。

附图说明

本文中参考各种附图示出和描述本公开，在附图中，在适当时，类似的附图标记被用于表示类似的系统部件/方法步骤，并且其中：

图1是示出可能由AD系统面临的多个AD负荷及其参数(具有变化的范围和相互作用组合，每个参数具有特定噪声)的示意图，并且从而经由统计潜在地导致N×N×…×N指数问题；

图2是示出跨越五个AD阶段的AD能力、可用性和安全性的相互作用的曲线图。

图3是示出在AD模式和AD模式上下文中的自主车辆(AV)控制策略作为其中提供了本公开的通用鲁棒解决方案的全面通用有效AD功能全面通用设计空间的示意图；

图4是示出本公开的鲁棒AD设计高层级方法的一个示例性实施例的示意图；

图5是示出应用于本公开的通用鲁棒AD设计的设计方法的一个示例性实施例的另一个示意图；

图6是示出应用于本公开的通用AD设计的全面设计空间划分方法的一个示例性实施例的示意图，其中，通用AD功能全面设计空间的AV模型及其ODD-I/O子设计空间部分、其输入/输出(I/O)分析流及其传递函数定义被示意性地示出；

图7是示出本公开的通用鲁棒AD设计的所得AD功能感测-行为决策映射/查找表的曲线图，其中，相对于全面AD系统I/O参数全范围绘制了独立的通用鲁棒解决方案I/O相互依赖关系参数值组合；

图8是示出类似于由本公开的鲁棒AD设计利用的元模型/响应面模型(RSM)的操作的示意图；

图9是用于实施本公开的各种基于云的方法的基于云的系统的网络图；

图10是可以在图9的基于云的系统或类似系统中使用的服务器的框图；以及

图11是可以在图9的基于云的系统或类似系统中使用的用户设备的框图。

具体实施方式

再次，本公开提供了一种通用有效的感测-行为-AD设计，其像人类驾驶员一样在众多操作域中以及在众多操作负荷下鲁棒地且安全地处理众多车辆系统。这提供跨越图2的五个AD阶段的AD能力、可用性和安全性的鲁棒性。如图1中概念性示出的，由于所涉及的设计参数的巨大数量，这些设计参数具有变化的范围和相互作用组合，每个设计参数具有随时间待处理的特定噪声(如图中示意性地突出显示的)，因此存在的负荷情况的数量会导致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验证和证实。示例性负荷包括但当然不限于自我车辆10的运动和状态、其它车辆12的运动、行人14的运动、骑自行车的人16的运动以及操作域负荷，例如众多道路标志18、其几何数据(例如，宽度、曲率、车道和十字路口)及其物理状况(例如，道路摩擦、雨、风和光照)。从而，存在几乎无数的输入参数组合，每个参数具有AD系统必须鲁棒地且安全地处理的特定噪声。

特别地参考图2，期望和必要实现的是跨越五个AD阶段的AD能力、可用性和安全性的鲁棒性，例如，由ISO PAS 21448(SOTIF)和ISO 26262(ASIL)标准所要求的。五个AD阶段(除了无辅助人类驾驶员，L0 20之外)包括：L1 22–车辆辅助的人类驾驶员(无脚)；L2 24–部分自动的车辆辅助的人类驾驶员(无脚，无手)；L3 26–高度自动的车辆辅助的人类驾驶员(无脚，无手，无眼睛)；L4 28–全自动车辆(无脚，无手，无眼睛，无脑)；以及L5 30–AD车辆(车辆乘员仅是乘客，即，在所有车辆操作域状况中都不要求人类干预)。提升层级，责任逐渐从人类转移到机器，伴随降低的人类监控和干预。如所示出的，在AD能力32的任何层级下，有必要维持最高可能程度的车辆安全性34及其服务鲁棒可用性36。L5 30代表在所有环境状况下的全面自治(full autonomy)。

存在的目的和约束是AD能力(作为AD层级及其上下文(即，操作域)的函数)、可用性(即，鲁棒性和SOTIF)以及安全性(SOTIF和ASIL)。AD车辆的使用和负荷情况设计参数包括但不限于推进、制动和转向扭矩、正常驾驶负荷场景(例如，车道保持、车道变更等)、关键驾驶负荷场景(例如，故障模式、碰撞缓解和避免、安全停止、故障安全管理等)、撞车后管理和注意事项等。AD系统的设计参数包括但不限于与车辆相关的质量、质量分布、执行器(轮胎、轮胎压力、悬架、推进、制动、转向、清洁等)、传感器(摄像机、雷达、LIDAR等)、处理器、数据和算法处理、计算机安全性(防火墙、网络安全性等)、动力供应以及与云相关的在线数据流、日志记录和存储以及计算机安全性(防火墙、网络安全性等)等。AD系统的上下文设计参数包括但不限于交通负荷(车辆、行人、骑自行车的人、速度、方向等)、道路几何形状(宽度、曲率、车道、人行横道等)、道路数据(速度、交通信号灯、减速带、车道的标记等)以及道路负荷(摩擦、风、坑洼、滑水、光线、雨水、污垢等)。

图3是示出在AD模式和AD模式上下文中的AV控制策略40作为全面通用有效AD功能全面通用设计空间的示意图，其中提供了本公开的通用鲁棒解决方案，突出显示所利用的各种模型42、输入/输出参数44、输入/输出参数变化范围、噪声和公差46以及相关联的ASIL和SOTIF要求48。模型42包括例如车辆运动控制模型、车辆模型、车辆传感器模型以及车辆状态估计模型。输入/输出参数44包括例如环境ODD参数、云参数、车辆运动控制参数、车辆参数以及车辆传感器输入/输出设计参数。输入/输出参数变化范围、噪声和公差46包括例如道路、摩擦、重量、质量分布、偏航、转向角、车轮传感器以及IMU参数变化范围、噪声和公差。ASIL和SOTIF要求48包括例如对路径、偏航、初始状况、车轮扭矩、动力转向扭矩、时机因数(Timing Factor)、纵向加速度、侧向加速度、速度和位置的由ASIL和SOTIF要求的容许偏差(tolerated deviations)的公差和标准差西格玛要求(sigma-requirements)。

由于AD系统的众多车辆系统、众多操作域和众多操作负荷，并且从而，大量的全面系统设计参数，这些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，因此存在几乎无数的标称负荷情况，每个参数具有特定噪声，在实施噪声容忍和故障安全的AD系统中，这些情况必须鲁棒地和安全地被考虑和管理。该问题使用现有的实验(即，大数据)和/或分析方法是不可有效定义的，并且从而基本上是不可解决的。

从而，提供了具有无条件所需精度(unconditional needed precision)的分析统计方法来有效地处理联合的“AD-驾驶员-车辆-操作域”通用问题定义制定/生成，同时瞄准其通用鲁棒解决方案，而不是唯一的解决方案。组合并全面利用了计算机辅助工程(CAE)、实验设计(DOE)、元建模、全面通用多维设计空间问题定义创建(full general multi-dimensional design space problem definition creation)、六西格玛的多目标设计(MODFSS)以及数据挖掘方法。这提供全面通用有效的AD问题定义，并提取全面通用AD系统鲁棒的相互依赖性输入-输出(I/O)关系的所需知识，同时考虑了AD功能的能力、可用性和安全性，并且为通用鲁棒AD功能能力映射/查找表奠定作为全面通用AD问题定义的通用鲁棒解决方案的基础，其是本公开的表征和鉴定工具(qualification tool)。

如图4和图5所示，本公开的分析统计方法50包括将输入52提供给多个分析模型54以生成输出56。这些输入52包括使用和负荷情况、系统设计参数以及系统上下文设计参数，而模型54包括虚拟(即，CAE)模型、基于测试的模型、经验模型以及传递函数。输出56包括待用于统计分析的响应和实验设计(DOE)以及响应面模型(RSM)62(即，传递函数)的创建。针对包括例如目标、约束和X西格玛的多目标设计(MODFXS)的鲁棒性58约束输出56。然后，探索可行的AD系统鲁棒设计60以进行权衡、验证及类似目的。例如，图5示出在不同的子设计空间输入输出(I/O)分析流中使用CAE模型或基于测试的模型或经验模型以生成它们不同的RSM，然后将不同的RSM组合成全面系统设计空间的基于RSM的输入/输出(I/O)分析流。在此，CAE模型或基于测试的模型或经验模型的不同的基于子设计空间的分析流的所生成的RSM 64被转换成通用问题的基于RSM的全面系统设计空间分析流66，该分析流66要被用于提供不同的所期望的特定子问题的基于RSM的分析流，其中目标和约束被应用于子问题的基于RSM的鲁棒性分析流68。

图6是示出通用AD功能全面设计空间(参见图3)的自主驾驶车辆(AV)模型及其操作设计域(ODD)-输入-输出(I/O)子设计空间部分70、自主车辆(AV)模型及其操作设计域(ODD)-输入-输出(I/O)子设计空间部分分析流72以及自主车辆(AV)模型及其操作设计域(ODD)-输入-输出(I/O)子设计空间部分传递函数定义74的示意图。

为全面通用有效AD功能全面通用设计空间的多个不同部分创建多个传递函数包括基于实验设计(DOE)的回归模型创建，每个回归模型将特定部分的子设计空间的输出响应(即，子设计空间部分输出参数)各自与其所有输入设计参数(即，子设计空间部分输入参数)相关联。其中，对于其输出响应R中的每个的子设计空间部分的传递函数f可以被定义如下：

R

其中1≤j≤N并且1≤i≤M

其中：

-DP是输入设计参数，

-R是输出设计参数，

-N是输入设计参数(DP)的数量，并且

-M是输出设计参数(R)的数量。

图3和图6示出自主车辆(AV)模型及其操作设计域(ODD)部分的输入-输出(I/O)子设计空间70的示意图，该子设计空间70被突出显示为图3的全面通用有效AD功能全面通用设计空间40的子设计空间部分。图6示出该子设计空间部分输入-输出(I/O)分析流72及其传递函数定义74，其中其85个输入设计参数和31个输出设计响应被用于创建其31个传递函数，作为图3的通用AD功能全面设计空间40划分(partition)的示例。组合不同部分的多个传递函数生成通用AD功能全面多维设计空间及其输入/输出(I/O)分析流(参见图5，作为将子设计空间组合为全面通用设计空间分析流66的示例)包括自主车辆、其操作域、其传感器、其状态估计以及其运动控制作为全面通用设计空间分析流，该全面通用设计空间分析流等效于图3中的全面通用AD功能闭环控制40并且在所有可行的不同AD功能维度场景(dimensioning scenarios)和负荷之上扩展。定义多个期望的/要求的AD功能的不同维度场景和负荷以获得它们相关的AD功能子问题特定子设计空间输入输出(I/O)分析流(参见图5，其中示出了从全面通用设计空间分析流66提取特定子设计空间分析流68的示例)包括利用全面通用AD功能多维设计空间分析流来创建维度场景和期望负荷的AD功能子设计空间分析流的子转移函数，其中可以考虑连续和/或离散的子设计空间输入参数。通过将多个不同的西格玛目标应用到维度场景和负荷AD功能问题分析流的目的和约束而并入鲁棒性需求，以识别多个维度场景和负荷设计域的鲁棒解决方案，其包括考虑期望的AD功能对于其输入设计参数不同的特定噪声和公差不敏感的公差性能，这些输入设计参数不同的特定噪声和公差全部被同时考虑，同时寻求期望的AD功能可靠的鲁棒性能。应用加权优化和数据挖掘中的一个或更多以对维度场景和负荷设计域鲁棒解决方案之间的相互依赖模式和关系进行排序和提取，并且从而识别并生成所期望的基于AD功能感测-行为-相互依赖关系的知识的映射，其包括应用多准则决策(MCDM)加权优化以在各鲁棒解决方案之间排序，以及应用基于例如计算机辅助原理(CAP)数据聚类和自组织映射(SOM)的数据挖掘来识别鲁棒解决方案之间的相互依赖模式。AD功能通用鲁棒的相互依赖关系映射被利用为感测-行为决策查找表，该查找表在AD系统中实施所期望的鲁棒感测-行为通用AD功能，其包括在感测-行为决策查找表中相对于全范围变化(varying full ranges)的全面AD系统输入/输出(I/O)参数绘制独立的通用鲁棒解决方案输入-输出(I/O)-相互依赖关系参数值组合(其将系统鲁棒决策和控制响应/动作确定为其输入设计参数在它们的全部变化范围内的变化和相互作用的函数，同时考虑它们不同的特定噪声和公差)/在感测-行为决策查找表中从全范围变化的全面AD系统输入/输出(I/O)参数确定出独立的通用鲁棒解决方案输入-输出(I/O)-相互依赖关系参数值组合，该查找表待被用于实施AD系统中期望的鲁棒感测-行为通用AD功能。

图7是示出本公开的通用鲁棒AD设计的所得的AD功能鲁棒感测-行为-决策映射/查找表76的曲线图，其代表使得鲁棒地且安全地用自主驾驶员代替人类驾驶员可行的分析统计设计方法结果。在此，将AD功能通用鲁棒解决方案的输入-输出(I/O)-相互依赖关系所有参数值相对于全面AD系统的输入-输出(I/O)-参数全范围进行绘制，作为允许系统以全局态势感知快速做出快速鲁棒决策的预先确定的通用鲁棒感测-行为-AD功能的决策和控制能力。从而，AD系统现在可以等像人类驾驶员那样利用传感器融合、不同传感器融合场景、直观/本能、注意力/警觉、避让、分析、效率有效地执行鲁棒数据处理。AD系统现在还可以以闭环控制和鲁棒的噪声、系统的降级(例如，传感器或/和执行器降级)以及故障安全管理实施有效、鲁棒、安全的决策过程。所有这些事情都在不需要大型且复杂的代码的情况下实现，大型且复杂的代码会是开发、执行和管理困难、漏洞敏感并且既耗时又耗资源的。从而，由于预先确定的通用鲁棒的感测-行为-AD功能决策能力映射/查找表76的创建，“人类驾驶员-车辆-操作域”系统有效地被“自主驾驶员-车辆-操作域”系统代替。在通用鲁棒的感测-行为-AD映射/查找表76现在被预先确定并被本地预加载在AD车辆的AD处理器中的情况下，车辆中不执行高CPU时间需求的计算，提供了鲁棒的AD功能通用感测-行为决策解决方案。对于本公开的发动机的一个很好的类比是人类嗅觉系统进化的预先开发的感测-行为响应/反应工作的方式。

如图8所示，如本文中使用的，元模型或RSM是将系统响应(即，系统的输出参数)与所有其设计参数(即，系统的输入参数)相关联的基于DOE的回归模型或传递函数。提供了“压缩器效应(compressor effect)”RSM示例。

本公开的AD功能分析统计设计方法广泛地实施以下步骤：

1.为全面通用有效AD功能全面设计空间的不同部分创建传递函数；包括基于实验设计(DOE)的回归模型创建，每个回归模型将特定部分的子设计空间输出响应(即，子设计空间部分输出参数)各自与其所有输入设计参数(即，子设计空间部分的输入参数)相关联。对于通用AD功能全面设计空间的特定部分，参见例如图3和图6，其中自主车辆(AV)模型及其操作设计域(ODD)部分的输入输出(I/O)子设计空间的示意性表示以深红色实线矩形突出显示。图6示出该特定部分子设计空间输入-输出(I/O)分析流及其传递函数定义，其中其85个输入设计参数和31个输出设计响应被用于创建其31个传递函数，作为图3的通用AD功能全面设计空间划分的示例。图5示出在不同的全面设计空间部分的子设计空间输入/输出(I/O)分析流中使用不同类型的模型以生成其不同的RSM 64。

2.将(步骤1的)不同的全面设计空间划分部分的传递函数组合成一个全面通用AD功能多维设计空间及其全面通用输入输出(I/O)分析流(参见图5)；包括自主车辆、其操作域、其传感器、其状态估计以及其运动控制作为全面通用设计空间分析流，该全面通用设计空间分析流等效于图3中的全面通用AD功能闭环控制并且在所有可行的不同AD功能维度场景和负荷之上扩展。图5示出将子设计空间分析流组合成全面通用设计空间分析66的示例。

3.定义所期望的AD功能不同的维度场景和负荷以获得它们相关的AD功能子问题特定子设计空间输入输出(I/O)分析流；包括利用(步骤2的)全面通用AD功能多维设计空间分析流创建维度场景和负荷的所期望的AD功能子设计空间分析流的子传递函数，其中可以考虑连续和/或离散的子设计空间的输入参数。图5示出从全面通用设计空间分析流68提取特定子设计空间分析流的示例。

4.通过将不同的西格玛目标应用到(步骤3的)维度场景和负荷AD功能问题分析流的目的和约束而并入鲁棒性需求以识别其设计域鲁棒解决方案；包括考虑期望的AD功能对于其输入设计参数不同的特定噪声和公差不敏感的公差性能，这些输入设计参数不同的特定噪声和公差全部被同时考虑，同时寻求期望的AD功能可靠的鲁棒性能。图5示出包括鲁棒性目标的特定子设计空间分析流68的示例。

5.应用加权优化和/或数据挖掘以对(步骤4的)鲁棒解决方案数据之间的相互依赖模式和关系进行排序和提取，因此在图7提供了所要求的基于AD功能鲁棒的相互依赖关系的知识的感测-行为映射/查找表76；包括应用多准则决策(MCDM)加权优化以在各鲁棒解决方案之间进行排序，以及应用基于例如计算机辅助原理(CAP)-数据聚类和自组织映射(SOM)的数据挖掘以识别鲁棒解决方案之间的相互依赖模式，并且从而生成所期望的通用AD功能鲁棒相互依赖关系映射(参见图7，76)，该映射被利用为用于在AD系统中实施期望的鲁棒感测-行为通用AD功能的感测-行为决策查找表。

6.在理论上和实验上验证(步骤5的)通用AD功能的鲁棒感测-行为-决策查找表的最终设计。

本公开的上述AD功能分析统计设计方法使得处理大型、复杂、无法定义并且从而无法解决的联合的“AD-驾驶员-车辆-操作域”通用问题(即，N×N×…×N指数问题)通过以下方式可行：将其全面通用多维设计空间划分，生成子设计空间的传递函数，将子设计空间的传递函数重组成一个全面通用有效AD功能全面通用设计空间，导致AD功能通用问题定义生成及其输入/输出(I/O)分析流，从全面通用AD功能问题定义设计空间分析流提取任何期望的/要求的AD功能特定问题定义作为子设计空间分析流，将鲁棒性西格玛要求应用于特定AD功能设计空间分析流输出响应的目的和约束以获得其可靠的鲁棒解决方案作为期望的AD功能通用解决方案，同时考虑例如由ISO PAS 21448(SOTIF)和ISO 26262(ASIL)标准所要求的AD系统的能力、可用性和安全性，以及，最后，利用加权优化和数据挖掘以在其可靠的鲁棒解决方案之间提取所要求的AD功能特定相互依赖关系知识，该相互依赖关系知识被存储在感测-行为决策查找表指令中，该感测-行为决策查找表指令提供要在AD车辆中在存储器中本地实施的所期望的可用安全AD功能通用能力，并且其由AD车辆中的AD处理器执行，提供无条件的必要精度以在用自主驾驶员代替人类驾驶员时有效地处理联合的“AD驾驶员-车辆-操作域”系统。

预先确定的全面通用有效AD功能的成功验证的基于AD功能通用鲁棒输入-输出相互依赖关系的感测-行为决策查找表是本公开利用的分析统计AD功能设计方法的目的。由于其(即通用鲁棒决策感测-行为查找表)作为全球通用有效的自主驾驶执照(类似全球人类驾驶员的驾驶执照)，其使得用等效的或更好的全球通用的有效感测-行为-敏捷(Sense-Act-agile)的通用鲁棒自主驾驶员功能鲁棒地和安全地代替人类驾驶员是可行的。这在无需在AD车辆中本地执行大型且复杂的代码或高CPU时间需求的计算的情况下实现，其中，其伴随数据处理和响应时间二者的高度敏捷、减少的代码漏洞和故障管理、减少的所需处理器能力以及AD功能查找表的在线更新和升级时间以及改进的安全性。本公开的通用鲁棒AD功能感测-行为决策查找表被本地预加载并安装在自主车辆中在存储器中并由AD车辆中的AD处理器执行，限制了AD系统实时云连接性和通信依赖性，尤其是当处理安全性关键数据时。这类似于“人类驾驶员-车辆-操作域”闭环控制系统，因为人类驾驶员位于环路中，并且从而无需在线云连接性和通信来执行鲁棒和安全的驾驶。通过云连接性来管理在线、非实时依赖的安全性非关键数据，例如，AD功能感测-行为决策查找更新和升级以及便捷实时数据(例如车对车数据共享)。与AD车辆的AD处理器冗余(即AD车辆的多个中央AD处理器)一起，AD功能通用鲁棒感测-行为决策查找表的在AD处理器存储器中的每一个中的本地预加载的安装将高度改进AD系统鲁棒性、安全性、网络安全性以及降级和故障管理。与合适的自主驾驶套件(即，传感器、执行器冗余、AD处理器等)相组合，该AD功能通用鲁棒感测-行为决策查找表也是不依赖车辆的，即，换句话说，可适用于任何道路车辆以将该车辆转变为AD车辆。

本公开允许例如经由AD驾驶员的相关的AD能力层级、目的、分布和上下文(例如，操作域(OD)-映射/查找表76对AD驾驶员的不同驾驶执照的认证，该映射/查找表76基于AD车辆的传感器输入。在车辆中不执行高CPU时间需求的计算，其中通用AD功能的通用鲁棒的感测-行为决策查找表(即映射/查找表76)现在被预先开发和预先确定，并被本地预先加载在AD车辆中，并且与唯一的敏感解决方案相对，现在已经提供了一种通用鲁棒的解决方案。现在有能力利用直观的感测-行为-适应性(Sense-Act-adaptability)来总体上处理不同版本的问题及其相关解决方案。AD映射/查找表76可以被无线和按需求提供、更新和升级，可定制为不同的AD层级、能力、区域、车辆、上下文、目的、配置文件等。利用本公开的通用AD功能感测-行为决策查找表，不同的传感器融合以及传感器和执行器退化场景概念被预先设计、预先开发、预先确定并被本地预先加载在AD车辆中在存储器中，并由AD车辆中的AD处理器执行，并且现在可以利用实时模式转换进行处理。

要认识到的是，取决于示例，本文中描述的任何技术的某些动作或事件可以以不同的次序执行，可以被添加、合并或完全省略(例如，并非所有描述的动作或事件对于技术的实践是必要的)。此外，在某些示例中，动作或事件可以例如通过多线程处理、中断处理或多个处理器而并发地而不是次序地执行。

图9是用于实施本公开的各种基于云的服务的基于云的系统100的网络图。基于云的系统100包括通信地耦合到因特网104或类似物的一个或更多云节点(CN)102。云节点102可以被实施为服务器200(如图10中示出的)或类似物，并且可以在地理上彼此相异，例如定位在围绕国家或全球的各种数据中心处。此外，基于云的系统100可以包括一个或更多中央授权(central authority)(CA)节点106，该节点106可以被类似地被实施为服务器200(参见图10)并且被连接到CN 102。出于说明目的，基于云的系统100可以连接到区域办公室110、总部120、各种雇员的家130、笔记本计算机/台式计算机140以及移动设备150，它们中的每个可以被通信地耦合到CN 102中的一个。这些位置110、120和130以及设备140和150出于说明性目的被示出，并且那些本领域技术人员将认识到存在对基于云的系统100的各种访问场景，所有这些访问场景都在本文中被设想。设备140和150可以是所谓的道路勇士(road warrior)，即，不在现场、在路上的用户等。基于云的系统100可以是私有云、公共云、私有云和公共云的组合(混合云)或类似形式。

再次，基于云的系统100可以通过诸如软件即服务(SaaS)、平台即服务、基础设施即服务、安全即服务、网络功能虚拟化(NFV)基础设施(NFVI)中的虚拟网络功能(VNF)等将任何功能提供到位置110、120和130以及设备140和150。以前，包括信息技术(IT)部署模型的企业资源和存储在企业网络(即，物理设备)内的应用在防火墙后由现场员工可访问或经由虚拟私有网络(VPN)等远程可访问。基于云的系统100正在代替常规的部署模型。基于云的系统100可以被用于在云中实施这些服务，而不要求物理设备以及通过企业IT管理员对该物理设备的管理。

云计算系统和方法将物理服务器、存储、网络等抽象化，并且代替地将这些提供为按需和弹性的资源。美国国家标准技术研究院(NIST)提供了简洁和明确的定义，其指出云计算是一种用于允许对可配置的计算资源(例如，网络、服务器、存储、应用和服务)的共享池的方便的按需网络访问的模型，该模型可以以最少的管理付出或服务提供商的交互而被快迅速地配置和发布。云计算与经典的客户端-服务器模型不同在于从服务器提供应用，这些应用由客户端的网页浏览器或类似物执行和管理，而不要求安装的应用的客户端版本。集中化给予云服务提供商对提供给客户端的基于浏览器的版本和其它应用的完整控制，这消除了在独立客户端计算设备上进行版本升级或许可证管理的需要。短语“软件即服务”(SaaS)有时被用于描述通过云计算提供的应用程序。所提供的云计算服务(或者甚至是所有现有云服务的聚合)的通用缩写是“云”。基于云的系统100在本文中被示出为基于云的系统的一个示例实施例，并且那些本领域普通技术人员将认识到，本文中描述的系统和方法不必由此受限。

图10是服务器200的框图，该服务器200可以在基于云的系统100(图9)中使用、在其它系统中使用或独立使用。例如，CN 102(图9)和中央授权节点106(图9)可以形成为服务器200中的一个或更多。服务器200可以是数字计算机，就硬件架构而言，其总体上包括处理器202、输入/输出(I/O)接口204、网络接口206、数据存储208和存储器210。应当由那些本领域普通技术人员理解的是，图10以过于简化的方式描绘了服务器200，并且实际实施例可以包括附加部件和适当配置的处理逻辑以支持未在本文中详细描述的已知或常规操作特征。部件(202、204、206、208和210)经由本地接口212通信地耦合。本地接口212可以是例如但不限于一条或更多总线或者其它有线或无线连接，如本领域中已知的。本地接口212可以具有为了简单起见而被省略的附加元件，例如控制器、缓冲器(缓存)、驱动器、转发器和接收器等以使得能够进行通信。此外，本地接口212可以包括地址、控制和/或数据连接以使得能够在前述部件之间进行适当的通信。

处理器202是用于执行软件指令的硬件设备。处理器202可以是任何定制的或商业可获得的处理器、中央处理单元(CPU)、与服务器200相关联的若干处理器之中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片组的形式)，或者总体上任何用于执行软件指令的设备。当服务器200在操作中时，处理器202被配置为执行存储在存储器210内的软件，以将数据通信传输到存储器210以及从存储器210通信传输数据，并且总体上依据软件指令来控制服务器200的操作。I/O接口204可以被用于从一个或更多设备或部件接收用户输入和/或用于向一个或更多设备或部件提供系统输出。

网络接口206可以被用于使服务器200能够在诸如因特网104(图9)的网络上进行通信。网络接口206可以包括例如以太网卡或适配器(例如，10BaseT、快速以太网、千兆以太网或10GbE)或无线局域网(WLAN)卡或适配器(例如，802.11a/b/g/n/ac)。网络接口206可以包括地址、控制和/或数据连接以允许网络上的适当通信。数据存储208可以被用于存储数据。数据存储208可以包括易失性存储器元件(例如，随机存取存储器(RAM，例如DRAM、SRAM、SDRAM及类似物))、非易失性存储器元件(例如，ROM、硬盘驱动器、磁带、CDROM及类似物)及其组合中的任一个。此外，数据存储208可以并入电子、磁性、光学和/或其它类型的存储介质。在一个示例中，数据存储208可以定位到服务器200的内部，诸如例如，连接到服务器200中的本地接口212的内部硬盘驱动器。另外，在另一个实施例中，数据存储208定位到服务器200的外部，诸如例如连接到I/O接口204(例如，SCSI或USB连接)的外部硬盘驱动器。在进一步的实施例中，数据存储208可以通过网络(诸如例如网络附接的文件服务器)被连接到服务器200。

存储器210可以包括易失性存储器元件(例如，随机存取存储器(RAM，例如DRAM、SRAM、SDRAM及类似物))、非易失性存储器元件(例如，ROM、硬盘驱动器、磁带、CDROM等)及其组合中的任一个。此外，存储器210可以并入电子、磁性、光学和/或其它类型的存储介质。注意，存储器210可以具有分布式架构，在这种情况下各种部件彼此远离定位，但是可以由处理器202访问。存储器210中的软件可以包括一个或更多软件程序，每个软件程序包括用于实施逻辑功能的可执行指令的序列表。存储器210中的软件包括合适的操作系统(O/S)214以及一个或更多程序216。操作系统214基本上控制其它计算机程序(例如一个或更多程序216)的执行，并提供调度、输入输出控制、文件和数据管理、内存管理以及通信控制和相关服务。一个或更多程序216可以被配置为实施本文中描述的各种过程、算法、方法、技术等。

将理解的是，本文中描述的一些实施例可以包括：一个或更多通用或专用处理器(“一个或更多处理器”)，例如微处理器；中央处理单元(CPU)；数字信号处理器(DSP)；定制处理器，例如网络处理器(NP)或网络处理单元(NPU)、图形处理单元(GPU)或类似物；现场可编程门阵列(FPGA)；以及类似物，其与唯一存储的程序指令(包括软件和固件二者)一起，用于结合某些非处理器电路来控制其实施本文中描述的方法和/或系统的一些、大部分或所有功能。可替代地，一些或所有功能可以由没有存储的程序指令的状态机器来实施，或者在一个或更多专用集成电路(ASIC)中实施，其中每个功能或某些功能的一些组合被实施为定制逻辑或电路。当然，可以使用前述方法的组合。对于本文中描述的一些实施例，可以将呈硬件以及可选地具有软件、固件及其组合的对应设备称为“电路，被配置或适配为执行一组如本文中针对各种实施例描述的对数字和/或模拟信号上的操作、步骤、方法、过程、算法、功能、技术等”，“逻辑，被配置或适配为执行一组如本文中针对各种实施例所描述的对数字和/或模拟信号上的操作、步骤、方法、过程、算法、功能、技术等”等。

此外，一些实施例可以包括具有其上存储了用于对计算机、服务器、设施、设备、处理器、电路等进行编程的计算机可读代码的非暂时性计算机可读存储介质，其中的每个可以包括处理器以执行本文中描述并要求保护的功能。这样的计算机可读存储介质的示例包括但不限于硬盘、光存储设备、磁存储设备、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪存及类似物。当被存储在非暂时性计算机可读介质中时，软件可以包括由处理器或设备(例如，任何类型的可编程电路或逻辑)可执行的指令，响应于这种执行，造成处理器或设备执行如本文中针对各种实施例描述的一组操作、步骤、方法、过程、算法、功能、技术等。

图11是可以在基于云的系统100(图9)及类似物中使用的用户设备300的框图。再次，用户设备300可以是智能手机、平板电脑、智能手表、物联网(IoT)设备、笔记本电脑、虚拟现实(VR)耳机等。用户设备300可以是数字设备，就硬件架构而言，该设备300总体上包括处理器302、I/O接口304、无线电设备306、数据存储308和存储器310。应当由那些本领域普通技术人员理解的是，图11以过于简化的方式描绘了用户设备300，并且实际实施例可以包括附加部件以及被适当配置的处理逻辑，以支持未在本文中详细描述的已知或常规操作特征。部件(302、304、306、308和310)经由本地接口312通信地耦合。本地接口312可以是例如但不限于一条或更多条总线或者其它有线或无线连接，如本领域中已知的。本地接口312可以具有为了简化而被省略的附加元件，例如控制器、缓冲器(缓存)、驱动器、转发器和接收器等，以允许通信。此外，本地接口312可以包括地址、控制和/或数据连接，以允许前述部件之间的适当通信。

处理器302是用于执行软件指令的硬件设备。处理器302可以是任何定制的或商业可获得的处理器、CPU、与用户设备300相关联的若干处理器之中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片组的形式)，或者总体上任何用于执行软件指令的设备。当用户设备300在操作中时，处理器302被配置为执行存储在存储器310内的软件，以将数据通信传输到存储器310以及从存储器310通信传输数据，并且总体上依据软件指令来控制服务器300的操作。在一个实施例中，处理器302可以包括诸如针对功耗和移动应用被优化的移动优化的处理器。I/O接口304可以被用于从系统接收用户输入和/或用于提供系统输出。用户输入可以经由例如小键盘、触摸屏、滚动球、滚动条按钮、条形码扫描仪及类似物提供。系统输出可以经由诸如液晶显示器(LCD)、触摸屏及类似物的显示设备提供。

无线电设备306允许无线通信到外部访问设备或网络。可以通过无线电设备306支持任何数量的合适的无线数据通信协议、技术或方法，包括用于无线通信的任何协议。数据存储308可以被用于存储数据。数据存储308可以包括易失性存储器元件(例如，随机存取存储器(RAM，例如DRAM、SRAM、SDRAM及类似物))、非易失性存储器元件(例如，ROM、硬盘驱动器、磁带、CDROM及类似物)及其组合中的任一个。此外，数据存储308可以并入电子、磁性、光学和/或其它类型的存储介质。

再次，存储器310可以包括易失性存储器元件(例如，随机存取存储器(RAM，例如DRAM、SRAM、SDRAM及类似物))、非易失性存储器元件(例如，ROM、硬盘驱动器等)及其组合中的任一个。此外，数据存储310可以并入电子、磁性、光学和/或其它类型的存储介质。注意，存储器310可以具有分布式架构，在这种情况下各种部件彼此远离定位，但是可以由处理器302访问。存储器310中的软件可以包括一个或更多软件程序，每个软件程序包括用于实施逻辑功能的可执行指令的序列表。在图11的示例中，存储器310中的软件包括合适的操作系统314和程序316。操作系统314基本上控制其它计算机程序的执行，并提供调度、输入输出控制、文件和数据管理、内存管理以及通信控制和相关服务。程序316可以包括被配置为向用户设备300提供末端用户功能的各种应用、附加物等。例如，示例程序316可以包括但不限于网络浏览器、社交网络应用、流媒体应用、游戏、地图和位置应用、电子邮件应用、财务应用及类似应用。在典型示例中，末端用户典型地将一个或更多程序316与诸如基于云的系统100(图9)的网络一起使用。

尽管本文中参考优选实施例及其特定示例示出和描述了本公开，但是对于那些本领域普通技术人员而言将显而易见的是，其它实施例和示例可以执行相似的功能和/或实现类似的结果。所有这样的等效的实施例和示例都在本公开的精神和范围内，由此被预期，并且出于所有目的旨在由以下非限制性权利要求覆盖。