© AndreyPopov/iStockphoto/futurezone

Science

Wie ein „Autohirn“ autonomes Fahren sicher machen soll

Die Klimaanlage, das Zündschloss oder der Motor: Unter der Kühlerhaube eines jeden Autos sind zahlreiche Steuergeräte verbaut, welche unterschiedliche Werte im Fahrzeug kontrollieren. Für Sicherheit beim Fahren sorgen unter anderem Antiblockiersysteme (ABS), die heute schon zur Standardausstattung gehören.

Auch diese nutzen kleine Computer, die empfangene Signale von Sensoren verarbeiten, die im Fahrzeug verbaut sind. Je moderner ein Fahrzeug ist, umso mehr Steuergeräte beherbergt es. In einer Zukunft von selbstfahrenden Autos steigt folglich die Komplexität derartiger Systeme. 

Umgebung in 3D

Forscher*innen der Fachhochschule Wiener Neustadt (FHWN), des Austrian Institute of Technology (AIT) und des  Fahrzeugzulieferers ZKW arbeiten aktuell an einem hochperformanten Steuergerät  für die kommende Kfz-Generation, das mehrere unterschiedliche Aufgaben übernehmen soll. Es fungiert sozusagen als „Hirn“ des Fahrzeuges und soll unter anderem ein 3D-Echtzeitmodell seiner Umgebung  generieren.

Dieses Modell ist die Basis, um in Zukunft Personen und Hindernisse rechtzeitig erkennen und Unfälle vermeiden zu können. So soll die Sicherheit beim autonomen Fahren sowohl für die Insassen als auch für alle anderen Verkehrsteilnehmer*innen erhöht werden. 

Diverse Sensoren

Um ein korrektes 3D-Modell mit allen Verkehrsteilnehmer*innen zu erstellen, braucht das Fahrzeug aber auch „Augen“. Diese Rolle übernehmen mehrere Sensoren. Konkret werden Daten von Sensorsystemen wie Kamera, Radar und LiDAR verarbeitet.

„Die Kameradaten stellen die Basis dar. Dafür gibt es gute Algorithmen und viel Erfahrung“, sagt der Projektleiter Markus Hochrainer vom Kompetenzzentrum für Applied Mechatronics an der FHWN. Relativ neu seien hingegen LiDAR-Daten, also die geometrische Information in Form einer dreidimensionalen Punktwolke, mit denen die Umgebung detailgetreu nachgebildet und ausgewertet werden kann. 

Markus Hochrainer, Kompetenzzentrum für Applied Mechatronics an der FHWN

„Ein Nachteil dieser beiden Methoden zur Umfelderfassung ist jedoch, dass die Informationen bei schlechten Wetterbedingungen, wie Regen, Nebel oder Schneefall, relativ eingeschränkt sind“, sagt Hochrainer der futurezone. Hier helfe das dritte Sensorsystem Radar aus, das auf diese Umgebungsbedingungen komplett unempfindlich sei. All diese Sensordaten werden dem Experten zufolge im Anschluss zusammengeführt, bewertet und damit das 3D-Echtzeitmodell erstellt. 

Algorithmen werten Daten effizient aus

„Die Daten, die von den Sensoren kommen, sind sehr genau und die Datenmengen, die ausgewertet werden müssen, sehr groß“, sagt Hochrainer. Mit klassischen mathematischen Lösungen sei die Erkennung von Verkehrsteilnehmer*innen nur eingeschränkt möglich. Mittels auf künstlicher Intelligenz (KI) basierten Algorithmen können sie indes effizient im Steuergerät ausgewertet werden. Sie erkennen Verkehrsteilnehmer mit besonderem Schutzbedarf wie Kinder, Fußgänger, Rad- oder Scooterfahrer laut Hochrainer sehr zuverlässig.

„Wenn wir die einmal erfasst haben, können wir ihre Bewegung verfolgen und gefährliche Situationen frühzeitig erkennen und darauf reagieren“, erzählt der Experte. Damit die Algorithmen vorab trainieren können, kommen vorrangig künstliche Simulationsdaten zur Anwendung. „Für das Trainieren des Systems sind sehr große Datenmengen erforderlich. Das sind Hunderttausende einzelne Situationen, die wir nicht alle real aufzeichnen können, sondern mithilfe von künstlichen Simulationsdaten unter unterschiedlichen Licht-, Verkehrs- und Umfeldbedingungen erzeugen können“, sagt Hochrainer. 

Reale Daten

Zur Feinabstimmung der Algorithmen werden diese Simulationsdaten durch reale Messdaten ergänzt. Aufgezeichnet werden diese mithilfe eines Messfahrzeugs, auf dem die entsprechenden Sensoren montiert sind. Ziel ist die Erstellung virtueller Trainingsszenarien für KI-gestützte Assistenzsysteme, um diverse Schutzfunktionen zu erproben sowie die Evaluierung verschiedener Algorithmen zum Schutz von vulnerablen Verkehrsteilnehmer*innen.

Die Trainingsszenarien werden laufend angepasst. Änderungen seien einfach möglich und Wiederholungen von Situationen könnten simpel durchgespielt werden. Wann das Steuergerät zum Einsatz kommen wird, ließe sich laut Markus Hochrainer aus heutiger Sicht noch nicht genau abschätzen. Dies hänge davon ab, wie schnell die Automobilindustrie die neuen Lösungen annimmt. „Für uns ist wichtig, dass sowohl eine robuste Umgebungserfassung als auch die Weiterentwicklung der KI-Systeme jedenfalls einen Fortschritt und Vorteil bei der Entwicklung von autonomen Fahrzeugen liefern.“ 

Hat dir der Artikel gefallen? Jetzt teilen!

Andreea Bensa-Cruz

Andreea Bensa-Cruz beschäftigt sich mit neuesten Technologien und Entwicklungen in der Forschung – insbesondere aus Österreich – behandelt aber auch Themen rund um Raumfahrt sowie Klimawandel.

mehr lesen
Andreea Bensa-Cruz

Kommentare