Autonomes Fahren: Künstliche Intelligenz lernt vom Menschen
In einem Gemeinschaftsprojekt mit dem Automobilzulieferer Continental haben Wissenschaftlerinnen und Wissenschaftler wichtige Erkenntnisse beigesteuert. Sie sollen die Entwicklung fortschrittlicher Fahrassistenzsysteme beschleunigen – die komplexe Situationen im Verkehr besser analysieren.
Diese Illustration zeigt gut, was eine KI berechnen muss. Unser Gehirn leistet vieles unbewusst.
Foto: Continental AG
Autonomes Fahren könnte erheblich zur Verkehrssicherheit beitragen. Daran haben Expertinnen und Experten keinen Zweifel. Denn die Technik lässt sich nicht ablenken, ihre Reaktionszeit ist nicht von der Tagesform abhängig, und autonome Fahrzeuge könnten miteinander sowie mit einer intelligenten Infrastruktur kommunizieren. Das setzt natürlich voraus, dass autonomes Fahren weit verbreitet ist und die dazugehörige Technik tadellos funktioniert. Ein internationales Forschungsteam hat dafür gemeinsam mit dem Automobilzulieferer Continental einen wichtigen Schritt nach vorn gemacht. Beteiligt waren die Universität Bremen, die TU Darmstadt und die TU Iași in Rumänien.
Neue Methoden fürs autonome Fahren in der Praxis
Das Projekt heißt PRORETA 5 und gehört zu einer Reihe von Forschungsprojekten bei Continental. „Am Ende gab es eine Fahrdemonstration in Darmstadt. Dort haben wir autonome Fahrfunktionen präsentiert, an denen wir intensiv mitgearbeitet haben“, sagt Kerstin Schill, Leiterin der Arbeitsgruppe Kognitive Neuroinformatik der Universität Bremen. „Dabei war das Forschungsfahrzeug in der Lage, autonom dem Straßenverlauf mit einem vordefinierten Ziel zu folgen und dabei auf andere Verkehrsteilnehmer – Fußgänger, Fahrradfahrer und weitere Fahrzeuge – zu reagieren. Bei einem simulierten Sensorausfall, der die fehlende Erkennung eines Objekts zur Folge hatte, führte das Fahrzeug zusätzlich eine Notbremsung durch.“
EU-Rechtsrahmen: Schlüssel für erfolgreiches autonomes Fahren scheint gefunden
Das war möglich, weil es den Forschenden gelungen ist, neue Algorithmen zu entwickeln. Hinter Algorithmen verbergen sich, vereinfacht gesagt, Formeln, die Daten analysieren und daraus ableiten, welche Handlung erfolgen soll. Sie sind das Herzstück der künstlichen Intelligenz (KI), die vollständig autonomes Fahren ermöglichen soll. Verschiedene Sensoren am Fahrzeug sammeln die dafür notwendigen Informationen ein, etwa die Geschwindigkeit des Fahrzeugs, den Abstand zu Hindernissen und zu anderen Verkehrsteilnehmern. Die Entscheidungen, die der Bord-Computer eines autonomen Fahrzeugs daraufhin trifft, sollen mit denen von Menschen vergleichbar sein.
Autonome Fahrzeuge analysieren komplexe Situationen
Das ist komplizierter, als es im ersten Moment klingt. Wenn ein autonomes Fahrzeug beispielsweise auf eine Kreuzung zurollt, wo die Ampeln ausgefallen sind, muss es die Daten aller Objekte analysieren, die für den geplanten Weg relevant sind. Dazu gehören nicht nur ihre Größe, Geschwindigkeit und Bewegungsrichtung, sondern auch der jeweilige Vorrang im Verkehr. Aufgabe der künstlichen Intelligenz ist es, innerhalb kürzester Zeit die richtige Entscheidung zu treffen.
Dabei dient der Mensch als Vorbild, der nämlich – unbewusst – die Komplexität der Umgebung reduziert, indem er nur die wesentlichen Informationen herausfiltert und bewertet. Wie genau das passiert, haben die Forschenden in einem Teilbereich des Projektes beobachtet und daraus Prinzipien abgeleitet, mit denen sie nun die KI trainieren. Sie soll dieses Wissen auf andere Situationen übertragen können.
Menschliches Verhalten als Vorbild für die KI beim autonomen Fahren
Im Detail hat die Arbeitsgruppe Kognitive Neuroinformatik Methoden untersucht, mit denen es der künstlichen Intelligenz leichter gelingt, Objekt und Hindernisse in der Umgebung zu erkennen (Umfeldwahrnehmung). Parallel haben die Wissenschaftlerinnen und Wissenschaftler Kameradaten ausgewertet, um die menschliche Aufmerksamkeitssteuerung besser analysieren zu können (Human Attention Modeling). Dabei werden sogenannte Auffälligkeitskarten erstellt, die relevante Bereiche im Bild bestimmen, in denen beispielsweise andere Verkehrsteilnehmer oder Schilder auftauchen.
Im nächsten Schritt haben die Forschenden neue mathematische Modelle entwickelt, die es ermöglichen, komplexe Fahrzeuggeometrien besser zu beschreiben, indem sie Position, Orientierung, Geschwindigkeit und Größe anderer Verkehrsteilnehmer mathematisch korrekt darstellen. Sie sind die Basis für eine neue Stufe des autonomen Fahrens.
Continental zeigt auf der CES 2022 Mobilität der Zukunft
Eine Komponente fehlte aber noch. Wenn nämlich ein menschlicher Fahrer oder eine Fahrerin auf eine Kreuzung zurollt und in diese einfahren will, schätzt er oder sie ab, ob die Zeit noch reicht, dies vor einem sich nähernden Fahrzeug zu tun. Diese Fähigkeit ist wichtig, da die Straßen in Deutschland selten frei von Hindernissen sind. Damit das auch beim autonomen Fahren funktioniert, haben die Forschenden ein Objekttracking implementiert. Es nimmt andere Verkehrsteilnehmer im Überwachungsbereich wahr – und schätzt deren Zustand über die Zeit.
Continental nutzt Erkenntnisse für neue Entwicklungen
„Diese Methoden sorgen dafür, dass die entsprechenden Aufgaben effizienter, robuster und sicherer gelöst werden können. Sie liefern somit einen wichtigen Beitrag zum hochautomatisierten und autonomen Fahren“, sagt Kerstin Schill. Für den Industriepartner Continental sind diese Erkenntnisse wichtig, um daraus Entwicklungen im Bereich des autonomen Fahrens ableiten zu können. In der Vergangenheit seien aus diesen Partnerschaften bereits viele serienreife Produkte entstanden.
Mehr zum Thema autonomes Fahren:
Ein Beitrag von:
