Im Allgemeinen soll der Straßenverkehr durch selbstfahrende Autos sicherer werden, da der Faktor “Menschlicher Fehler” wegfällt. Bis so ein Fahrzeug alle Situationen völlig alleine bewältigen kann, muss es allerdings sämtliche möglichen Situation erkennen und auch verarbeiten können. Da manche Situationen aber schlecht vorhersehbar oder einfach zu komplex sind, stoßen die aktuellen Systeme schnell an ihre Grenzen.
Ein Team um Prof. Eckehard Steinbach, Inhaber des Lehrstuhls für Medientechnik und Mitglied des Board of Directors der Munich School of Robotics and Machine Intelligence (MSRM) der Technischen Universität München (TUM) hat nun ein System entwickelt, das den Fahrer warnen kann, wenn eine Situation vorhersehbar ist, der das System alleine nicht gewachsen sein wird.
Im Gegensatz zu bisherigen Entwicklungen für selbstfahrende Autos, setzen die Forscher nicht auf Modelle, durch die das Fahrzeug das Verhalten aller Teilnehmer im Straßenverkehr beurteilen kann. Sie setzen auf Künstliche Intelligenz (KI), die aus vorausgegangenen Situationen lernen kann, in denen selbstfahrende Testfahrzeuge im realen Straßenverkehr an ihre Grenzen gestoßen sind. In solchen Situationen übernimmt der Mensch wieder die Kontrolle über das Auto. Entweder, weil er vom Auto dazu aufgefordert wird oder weil er aus Sicherheitsgründen selbst die Entscheidung getroffen hat.
Mustererkennung durch RNN
Die Technologie erfasse hierbei mit der Hilfe von Sensoren und Kameras die Umgebung und zeichne den Zustand des Fahrzeugs auf, sagen die Wissenschaftler. Dazu gehören zum Beispiel der Stand des Lenkrads, die Beschaffenheit der Straße, das Wetter, die Sicht und auch die aktuelle Geschwindigkeit. Aus diesen Daten lernt die auf einem sogenannten rekurrenten neuronalen Netz (RNN) basierende KI dabei, Muster zu erkennen. Bei künftigen derartigen Situationen erkennt sie das Muster dann wieder, wenn die automatisierte Steuerung überfordert war. Als Folge warnt sie den Fahrer, dass eine potenziell kritische Situation bevorsteht.
“Um Fahrzeuge autonomer zu machen, untersuchen viele der bisherigen Methoden, was die Autos bislang vom Verkehr verstehen, und verbessern dann die Modelle, nach denen sich die Autos richten. Der große Vorteil unserer Technologie ist: Wir ignorieren völlig die Meinung des Autos und schauen stattdessen rein auf die Daten des tatsächlichen Geschehens und finden Muster“, sagt Steinbach. “Die KI entdeckt so auch potenziell kritische Situationen, die in Modellen vielleicht nicht oder noch nicht erkannt wurden. Unser System bietet damit eine Sicherheitsfunktion, die weiß, wann und wo die Autos Schwächen haben.“
Warnung bis zu sieben Sekunden im Voraus
Getestet wurde die Technologie gemeinsam mit automatisiert fahrenden Entwicklungsfahrzeugen der BMW Group im öffentlichen Straßenverkehr. Dabei entstanden rund 2.500 Situationen, in denen die Fahrer eingreifen mussten. Bei der Auswertung ergab die Studie eine Genauigkeit einer Vorhersage von über 85 Prozent, mit bis zu sieben Sekunden Vorlauf vor deren Eintreffen.
Damit die Technologie funktioniert, ist eine große Datenmenge nötig, da die KI nur aus Situationen Erfahrungen sammeln kann, die sie bereits kennt. Aufgrund der Menge an Entwicklungsfahrzeuge würden dabei Daten quasi von allein erzeugt, sagt Studienautor Christopher Kuhn: „Jedes Mal, wenn es bei Testfahrten zu einer potenziell kritischen Situation kommt, fällt ein neues Trainingsbeispiel für uns ab.“ Und jedes Fahrzeug könne durch eine zentrale Speicherung der Daten aus den Aufzeichnungen der Flotte lernen.
Weitere Artikel zum Thema selbstfahrende Autos finden Sie hier.
