Suchen

Autonomes Fahren: Europäische KI-Vision-Box deklassiert Teslas Autopilot

| Redakteur: Michael Eckstein

Gleiche Rechenleistung, 90% geringerer Energiebedarf: Die KI-Box des österreichischen Intelligent-Vision-Spezialisten Eyyes soll Full-HD-Streams mit nur 2 bis 6 W verarbeiten – und damit bei vergleichbarer Erkennungs- und Analyseleistung erheblich weniger Strom aufnehmen als Teslas „Full Self-Driving“-Lösung für autonomes Fahren.

Firmen zum Thema

Schnelle Reaktion: Objekterkennungssysteme müssen Millionen von Daten im Bruchteil einer Sekunde erfassen und auswerten.
Schnelle Reaktion: Objekterkennungssysteme müssen Millionen von Daten im Bruchteil einer Sekunde erfassen und auswerten.
(Bild: Clipdealer)

Gegenüber Seiteneinsteigern wie Tesla oder Google sind europäische Autobauer auf einigen Gebieten ins Hintertreffen geraten – etwa, wenn man die in den Fahrzeugen verbaute Informationstechnik für (teil-)autonomes Fahren betrachtet. Das österreichische Unternehmen Eyyes, vormals AVI Systems, will die etablierten Kfz-Fertiger mit seiner Deep-Learning-KI-Box dabei unterstützen, diesen Rückstand schnell aufzuholen – und nach Möglichkeit wieder die Pole-Position zu erlangen. Kern der Eyyes-Lösung ist der „Generic Neuro Chip“, kurz GNC. Dieser lässt sich zum Beispiel als ASIC oder FPGA realisieren.

Die fortschreitende Digitalisierung, der Trend hin zu Elektrifizierung und vernetztem Fahren sowie die wachsende Faszination für autonomes Fahren beschäftigen die Automobilindustrie seit Jahren. Fahrassistenzsysteme, Automatisierungs- und IT-Lösungen gewinnen vor diesem Hintergrund immer mehr an Bedeutung. Neue Player wie Tesla oder Google treten auf den Plan und in den Markt ein. Sie setzen die klassischen Automobilhersteller zunehmend massiv unter Druck, sind ihnen zum Teil sogar überlegen, wenn es um die in den Vehikeln verbaute Informationstechnik geht.

„Tesla um Jahre voraus“: Wie lange noch?

Nachdem japanische Techniker ein Modell 3 von Tesla in seine Einzelteile zerlegt und analysiert hatten, berichteten verschiedene Medien, Tesla sei europäischen Automobilherstellern technologisch um Jahre voraus.

Das auf intelligente Objekterkennung, Künstliche Intelligenz (KI) und Deep Learning spezialisierte Unternehmen Eyyes nahm die Schlagzeilen zum Anlass und verglich die von Tesla angegebene KI-Rechenleistung mit der eigenen Technologie. Das Ergebnis: „Teslas größte Konkurrenz im Bereich Deep Learning und Chiparchitektur kommt nicht aus dem Silicon Valley, sondern aus Krems an der Donau“, sagt Dr. Wolfgang Domann, der für Marketing und Vertrieb zuständiger Geschäftsführer von Eyyes.

Sein Team verglich die Daten des Tesla „Full Self-Driving“-(FSD-)Computers, der in den Elektro-Flitzern für das weitgehend autonome Fahren zuständig ist, mit der von Eyyes entwickelten Deep Learning KI-Box. Nach eigenen Angaben kann diese in Echtzeit Bilder eines Full-HD-Kamerasensors mit nur 2 bis 6 Watt Leistungsaufnahme verarbeiten – und liegt damit satte 90% unter dem Wert des Tesla FSD-Rechners.

Jedes nicht verbrauchte Watt steigert die Reichweite

Für batteriebetriebene Elektroautos ist dies ein entscheidender Vorteil – schließlich bedeutet jedes nicht im Computer verbratene Watt mehr Reichweite. Laut Domann war langjährige Entwicklungsarbeit mit Unterstützung durch nationale und europäische Forschungsförderung in Deutschland und Österreich nötig, um der eigenen KI-Box das Knausern beizubringen.

Damit sie bei minimalem Ressourceneinsatz maximale Effizienz erreicht, hat man bei Eyyes „Hardware und Datenverarbeitung extrem optimiert“. Herausgekommen ist eine proprietäre Baukastenlösung auf Basis des GNC für das intelligente Auswerten paralleler Kameradatenströme, die vollständig auf Open-Source-Komponenten verzichtet.

Integration des „Generic Neuro Chips“ als ASIC oder FPGA

Für die Integration in „autonome“ Fahrzeuge ist die Umsetzung des eigenen Ansatzes auf ASICs (applikationsspezifische Chips) vorgesehen. Der GNC lässt sich alternativ auch auf FPGAs, also frei programmierbaren Logikchips, realisieren. Laut Eyyes sind diese bereits in eigenen Produkten im Einsatz und erreichen in Punkto Erkennungsleistung mindestens das Niveau von Teslas FSD – „nur eben mit einem Zehntel der Energieaufnahme“, freut sich Domann. Der Eyyes-Chef weiter: „Selbstverständlich lassen sich auch andere Sensoriken wie LiDAR, RADAR und Ultraschall in die Applikation integrieren.“ So sei der GNC beziehungsweise seine FPGA-Implementation als generische Verarbeitungseinheit für autonomes Fahren universell einsetzbar.

Im Straßenverkehr, und hier vor allem beim autonomen Fahren, steht die eigene Sicherheit und die Sicherheit aller anderen Verkehrsteilnehmer an oberster Stelle. Dafür müssen Millionen von Daten im Bruchteil einer Sekunde erfasst und ausgewertet werden, erläutert Johannes Traxler, Gründer und ebenfalls Geschäftsführer von Eyyes: „Mit unserem Deep-Learning-Accelerator-Tool-Set bieten wir eine innovative Komplettlösung für Bildverarbeitung an, die ganz ohne Open-Source-Komponenten auskommt, maximale Performance bei minimalem Energieverbrauch vereint und so die Voraussetzung für höchste Sicherheitsstandards schafft.“

Beim Abbiegeassistenten bereits im Einsatz

Aktuell kommt die Eyyes-Technik zum Beispiel beim intelligenten Abbiegeassistenzsystem CarEye Safety Angle für LKW zum Einsatz. Das System, das über die allgemeine Betriebserlaubnis (ABE) des Kraftfahrtbundesamts (KBA) verfügt und bereits gemäß den 2022 in Kraft tretenden UNECE-Spezifikationen entwickelt wurde, setzt laut Domann neue Maßstäbe in Sachen Verkehrs- und Technologiesicherheit.

„Hightech-Kamera-Monitor-Systeme, verknüpft mit KI- und Deep-Learning-Technologie, erkennen nicht nur bewegliche Objekte wie andere Fahrzeuge, Radfahrer oder Fußgänger, sondern klassifizieren und analysieren diese und deren weiteren Bewegungsverlauf in Echtzeit“, erklärt der Eyyes-Chef. Die eigene Lösung würde sich sowohl für Fahrzeughersteller, Zulieferer und Chiphersteller eignen.

(ID:46749001)