Einsatz künstlicher Intelligenz in China Autonomes Fahren: Besserer Algorithmus durch Diffusion

Anbieter zum Thema

Metrofunk Kabel-Union GmbH

Chinesische Forscher haben einen neuen Algorithmus für das automatisierte Fahren entwickelt, der weniger Training für seine Optimierung benötigt. Er basiert auf dem „Diffusionsmodell“, das zwar bereits in der Robotik zum Einsatz kommt – aber bislang kaum für das fahrerlose Fahren.

Tests im Straßenverkehr hätten bereits begonnen und die erste Anwendung des neuen Algorithmus in unbemannten Transportfahrzeugen der Firma Haomo.ai seien geplant, berichtet das chinesische Fachportal Xinliu Zhiku. Wissenschaftler der Qinghua-Universität, des Startups Haomo.ai für autonome Fahrlösungen und mehrere weitere Forschungsinstitute wie etwa das „Shanghai Artificial Intelligence Laboratory“ haben gemeinsam an der Entwicklung der neuen Software gearbeitet, die sie nun unter dem Titel „Diffusion-based Planning for Autonomous Driving with Flexible Guidance“ veröffentlicht haben.

Hochwertige Datensätze

Sein größter Vorteil im Vergleich zu traditionellen, auf Regeln basierenden Lösungen, die sich gerade in die Richtung von E2E-Modellen weiterentwickeln, sei die höhere Anpassungsfähigkeit des neuen, auf Diffusion basierenden Modells, schreiben seine Erfinder. Der neue Algorithmus benötige wesentlich weniger „Post-Processing“ für seine Verfeinerung, berichten chinesische Fachmedien. Bei Diffusionsmodellen werden den Daten nach und nach Verunreinigungen (Rauschen, Noise) hinzugefügt. Die Modelle kehren den Prozess dann um und generieren saubere, qualitativ hochwertige Datensätze, zum Beispiel Text, Bilder oder Ton.

Durch die besonderen Fähigkeiten des Diffusionsmodells, könne ein von ihnen entwickelter „Diffusions-Planer“ das multi-modale Fahrverhalten des eigenen Pkw und anderer Fahrzeuge auf der Straße besser erfassen, schreiben die Forscher.

Abweichende Entscheidungen von Mensch und Maschine

Tests mit dem nuPlan-Datensatz hätten gute Ergebnisse erzielt, so das interdisziplinäre Team aus Universitäten und Automobilwirtschaft. Zusätzlich habe Haomo.ai 200 Stunden von Daten aus der „realen Welt“ zur Verfügung gestellt, die von seinen autonom fahrenden Lieferfahrzeugen gesammelt wurden. Auch in dieser Umgebung soll sich der neue Algorithmus bewährt haben.

Die oft voneinander abweichenden Entscheidungen menschlicher Fahrer in komplexen Verkehrssituationen zu simulieren – auf effektive und sichere Art – ist eine der größten Herausforderungen für das autonome Fahren. Regelbasierte Algorithmen hätten da bereits gute Lösungen erzielt, könnten aber nicht alle Varianten vorhersehen, argumentieren die Forscher. Selbst die auf Imitation hinauslaufende Methode des Deep Learning sei noch „unzureichend für das Erfassen der riesigen Vielfalt von Fahrverhalten“, schreiben die Computerwissenschaftler in ihrem Aufsatz.

Wenn Fehler entdeckt werden, sind derzeit mit herkömmlichen Ansätzen viele Stunden von Software-Engineering erforderlich. Der neue, auf Diffusion basierende Algorithmus hingegen erlaube „die Adaption an verschiedene Bedürfnisse der Planung ohne zusätzliches Training“, schreiben die Forscher. „Soweit wir wissen, sind wir die Ersten, denen es gelungen ist, die Kraft von Diffusions-Modellen mit einer spezifisch entwickelten Architektur für Bewegungsplanung auf hohem Niveau zu ernten, ohne dabei zu sehr auf regelbasierte Verfeinerung zu setzen,“ heißt es in dem Aufsatz.

Erste Tests

Der Leiter des Geschäftsbereiches fahrerlose Logistik bei Haomo.ai, Zhao Zuxuan, hat in Interviews mit der chinesischen Fachpresse bestätigt, dass der neue Algorithmus gerade schon mit Lieferfahrzeugen seiner Firma getestet wird. Es sei das erste Mal, dass diese neue Software für das autonome Fahren für E2E-Lösungen in der fahrerlosen Logistik erprobt werde, sagte Zhao.  (se)

Künstliche Intelligenz

E2E setzt sich beim autonomen Fahren in China immer weiter durch

Künstliche Intelligenz

Xpeng setzt auf Large Language Models für Betriebssystem Tianji

(ID:50348103)