Autonomes Fahren

Event Detection ist eine Kernfunktion autonomer Fahrzeuge

Durch den Fortschritten im Bereich der künstlichen Intelligenz und verwandter Technologien werden Autos in naher Zukunft zu autonomen Fahrzeugen, denen Menschenleben anvertraut werden. Damit diese autonomen Fahrzeuge einwandfrei funktionieren, müssen sie mit Fähigkeiten ausgestattet sein, die es ihnen ermöglichen in jeder Situationen die beste und sicherste Entscheidung zu treffen. Um dies zu gewährleisten, werden die von den Kameras der Fahrzeuge erstellten Bilder analysiert, um die Position von Objekten, die zugehörige Kategorie und damit verbundene Ereignisse zu identifizieren und damit die Bilder und die Situationen besser zu verstehen. Die derzeit verfügbaren Systeme wurden durch Computer-Vision- und Deep Learning-Methoden inspiriert. Sie habe jedoch Schwierigkeiten bei der Erkennung kleinerer Objekte, Objekte mit zufälligen geometrischen Transformationen und bei mangelndem Kontrast. Aus diesem Grund arbeitet die EDI GmbH an einem Algorithmus, der die Erkennung kritischer Ereignisse verbessern soll, indem er Zusammenhänge in Situationen erkennt, bei denen die Sensoren Schwachstellen haben. Der Algorithmus der EDI GmbH wird auch bei der Vermeidung von Unfällen im Straßenverkehr hilfreich sein. Die Erkennung von Objekten und Ereignissen umfasst eine Vielzahl von wichtigen Technologien: Bildverarbeitung, Mustererkennung, künstliche Intelligenz und maschinelles Lernen.

Strategien für Fehlersituationen für autonome Robotertaxis

Ziel des AnRox Forschungsprojektes ist die Entwicklung eines optimierten Antriebssystems für automatisierte Elektrofahrzeuge. Als Projektpartner hat die EDI GmbH die Aufgabe, ein Ersatzsystem zu entwickeln und zu validieren, dass bei einem Ausfall des Primärsystems einspringt. Viele namhafte Unternehmen und Institutionen wie Bosch, Siemens, Infineon und die RWTH Aachen arbeiten als Partner eng zusammen, um dieses effiziente und ausfallsichere elektrische System für Robotertaxis zu entwickeln. Mit den vorhandener Daten als Grundlage entwickelt die EDI GmbH mit Hilfe ihres Dynamic-Risk-Management-Algorithmus und prognostiziertem Verhalten Strategien, die dem System sagen, wie es reagieren soll, wenn das Primärsystem oder Teile davon ausfallen. Im Falle einer Panne bewertet das intelligente ADAS (Advanced Driver Assistance System) die Situation und bringt das Fahrzeug sicher zum Stehen, so dass die Insassen nicht gefährdet werden. Im Falle einer Fehlfunktion während der Fahrt kann das System den Fahrer warnen, wenn das Fahrzeug ein Objekt, eine Person oder ein anderes Fahrzeug an einer Stelle erkennt, an der der Fahrer sie nicht wahrnehmen kann. Ebenso kann das intelligente ADAS den Fahrer informieren, wenn die Fahrzeugbatterie schwach wird oder die Bremsen nicht mehr richtig funktionieren. Wenn das System feststellt, dass das Fahrzeug seine Fahrspur verlässt, kann es den Spurhalteassistenten aktivieren. Kurz gesagt: Künstliche Intelligenz kommt hier zum Einsatz, um die richtige Entscheidung zu treffen, wie das Fahrzeug auf die Fehlersituation reagieren soll, die Fahrgäste nicht gefährdet werden und das Fahrzeug sicher zum Halten gebracht wird. Die Validierung dieser Szenarien wird in einer Simulation durchgeführt.

KI-basiertes sicheres Navigieren und Fahren

Risikoeinschätzung mit lernender KI - RELAI

Dynamic Risk Management (DRM)

Die heutigen Funktionen autonomer Fahrsysteme beschränken sich darauf, den Fahrer zu unterstützen oder das Fahrzeug in einfachen, klar definierten Situationen, wie etwa beim Einparken oder bei der Fahrt auf der Autobahn, zu steuern. Die Verantwortung liegt weiterhin beim Fahrer. Die autonomen Fahrsysteme haben in der Serienproduktion die Automatisierungsstufe 3 nicht überschritten. Die EDI GmbH hat einen intelligenten Algorithmus entwickelt (EDI Dynamic Risc Management), der es autonomen Fahrsystemen ermöglicht, verschiedene Risiken im Straßenverkehr so dynamisch zu bewältigen, wie es erfahrene und verantwortungsvolle menschliche Fahrer tun würden.Dynamic Risk Management (DRM) ist eine Anwendung von künstlicher Intelligenz (KI), die in der Lage ist Datenströme aus unterschiedlichen Quellen ständig zu beobachten, zusammenzuführen und in Abhängigkeit zur aktuellen Situation eine Entscheidung zu treffen. Im Fall des automatisierten Fahrens kann die KI neben der reinen Bewertung des Fahrkontextes in Bezug auf die Sicherheit auch ein Fahrverhalten bestimmten, dass für den Fahrer, die Passagiere und für die anderen Verkehrsteilnehmer als angemessen empfunden wird.Das ursprüngliche Anwendungsgebiet für unseren DRM-Algorithmus ist das autonome Fahren. Für die Entwicklung des DRM-Algorithmus wurden über 100.000 kritische Vorfälle im Straßenverkehr aus aufgezeichneten Daten mit Bildmaterial durch maschinelles Lernen evaluiert. Jeder Vorfall wurde mit über 100 verschiedenen Parametern in teilweise bis zu 10 Ausprägungen von Verkehrsexperten manuell weiter spezifiziert. Mittels der trainierten KI können jetzt weitere aufgezeichnete Fahrten automatisch bewertet werden. Die relevanten Parameter werden dabei automatisch extrahiert.Einige der Parameter, die mit der KI in verschiedene Risikostufen gewichtet wurden, sind das Fahrerverhalten, der Geschwindigkeitsverlauf in verschiedenen Situationen, die vorhandene Infrastruktur, sowie Kreuzungs- und Straßentypen. Ein weiterer wichtiger Aspekt, der in dem Modell unseres DRMs berücksichtig wurde, ist das Verhalten der anderen Verkehrsteilnehmer: Handelt es sich dabei um Fussgänger, Fahrradfahrer oder um andere Autos? Eine Rolle spielt auch das Alter der Fussgänger und ob sie betrunken sind oder nicht.Insgesamt wird durch unser DRM ein sehr großer Parameterraum abgedeckt und entsprechend leistungsfähig ist der Algorithmus: er kann kritische Situationen vorhersagen. Dadurch ist „Sicherheit“, die 3. Dimension der Navigation, vorhersagbar umgesetzt. Der Algorithmus ist so robust, dass eine Bewertung der Situation auch vorgenommen werden kann, wenn nicht alle Parameter zur Verfügung stehen. Je mehr Informationen es gibt, desto genauer ist die Aussage natürlich.Die benötigten Daten kommen aus unterschiedlichen Quellen, wie der digitalen Karte des Navigationssystems und dem Kamerasystem des autonomen Fahrzeugs, das z.B. gerade viele Fahrradfahrer wahrnimmt, die sich vor dem Fahrzeug befinden. Hinzu kommen Daten von weiteren Sensoren des autonomen Fahrzeugs wie Radar, Ultraschall und Lidar und weitere Daten von Sensoren, die sich gegebenenfalls in der öffentlichen Infrastruktur befinden und die mit dem autonomen Fahrzeug kommunizieren können. Der Ansatz ist übertragbar, weshalb die Einsatzgebiete für das Dynamic Risk Management nicht nur selbstfahrende Fahrzeuge sind. Es kommt z.B. auch in unserem Wohlfühl-Barometer zum Einsatz, das Senior:innen in ihrem Alltag begleitet und Verwandte und Betreuer benachrichtigt, wenn es Abweichungen in der täglichen Routine der älteren Menschen gibt. Auch für eine Großmetzgerei ist der Einsatz des DRM denkbar: es kann vorhersagen, wann der Bedarf an Grillwürstchen besonders hoch sein wird. Hier spielen Wetterdaten und das Stattfinden von Großereignissen ein Rolle. Durch unser DRM muss sich der Metzger nicht mehr nur auf sein Bauchgefühl verlassen, er hat dann auch zuverlässige Unterstützung durch die KI. Diese Beispiel verdeutlicht auch den konkreten Einfluss von KI auf unternehmerische Entscheidungen. Wenn Sie über den Einsatz von KI in Ihrem Unternehmen nachdenken, zögern Sie nicht uns zu kontaktieren. Wir freuen uns von Ihnen zu hören und Ihre konkrete Fragestellung und erste Schritte zu besprechen!