Ein Schlagabtausch über die Rolle der Künstlichen Intelligenz beim Automatisierten Fahren

Anbieter zum Thema

Wie ist denn der derzeitige Stand der Umgebungserkennung durch ein neuronales Netzwerk?

Dr. Andreas Böhm: Blickt man zurück, so konnten die Systeme vor fünf Jahren aus Videobildern der Fahrzeugkamera den Fahrbahnbereich und bewegte Objekte wie Fußgänger und Fahrzeuge gerade so erfassen. Anders jetzt, wo aktuelle neuronale Netze, die mit Hilfe von Hunderten von Menschen kategorisierten Einzelbildern angelernt wurden, sogar zwischen unterschiedlichen Verkehrsteilnehmern unterscheiden können und sogar Bäume, Gebäude und Pfosten identifizieren. Wenn man die Verkehrsvideos betrachtet, dann analysiert das neuronale Netz die Videobilder mit einer Auflösung von 2000 x 1000 Bildpunkten mit 20 Bildern pro Sekunde in Echtzeit und liefert eine Kategorisierung des Bildinhaltes. Dabei verarbeitet es etwa 60 MByte/s – datentechnisch richtig anspruchsvoll.

Josef Behammer: Gefragt sind daher Entwicklungswerkzeuge, die das hochparallele Rechnen während der Forschung und Entwicklungsphase für Echtzeitbildbearbeitung und Analyse ermöglichen. Das schafft man bei den kurzen Innovationszyklen nur mit einer Zusammenarbeit entlang des Entwicklungsprozesses, um gemeinsam ausgereifte und vor allem verlässliche Systeme in Serie zu bringen. Dabei werden besonders in der Forschung von neuronalen Netzen für Deep Learning, mit ihren vielen Zwischenschichten, eine extrem hohe Rechenleistung und viele Rechenknoten gefordert. Für diese und weitere rechenintensive Anwendungen, wie z. B. die Bildverarbeitung und Virtualisierung von Steuergeräten sowie Versuchs- und Simulationsaufbauten im Fahrzeug, bietet b-plus Serverplattformen für den Fahrzeugeinsatz an.

Zum Abschluss noch eine Vision von Ihnen beiden, wie man mit KI den Weg zum Autonomen Fahren begleiten wird.

Josef Behammer: KI und maschinell angelernte Algorithmen werden mehr und mehr Einzug in sämtliche Anwendungsgebiete des autonomen Fahrens finden, von der bereits angesprochenen Umfeldwahrnehmung über eine akkurate Situationsinterpretation, bis hin zur Planung einer optimalen Trajektorie sowie zur Fahrzeugregelung. Auf dem Weg dorthin werden uns noch viele Herausforderungen begleiten: wie stellen wir beispielsweise sicher, dass die eingesetzten nicht-deterministischen Algorithmen unter allen Umständen sicher und gemäß den höchst komplexen Anforderungen agieren? Die Validierung dieser Systeme wird also eine entscheidende Rolle einnehmen.

Interessant ist für mich auch das Deep-Learning-Netzwerk, dass alle Fahrzeuge miteinander vernetzen will. Es geht dabei um spezifische Algorithmen, die die Objekterkennung und den Dialog zwischen Menschen und Maschinen zukünftig optimieren sollen. Fahrzeuge merken sich Situationen im Verkehr und Reaktionen der Fahrer, die dann ins Netzwerk gespeist werden. Wissen verteilt sich über andere Fahrzeuge.

Dr. Andreas Böhm: Der Mensch ist prädestiniert dafür, parallele Prozesse zu meistern. Die Maschine errechnet Lösungen, so dass die KI in erster Linie darauf abzielt, Routineaufgaben zu übernehmen oder über Algorithmen als Assistent zu dienen. Nur wenn Mensch und Maschine gemeinsam an Problemen arbeiten, kann die KI Nutzen stiften. Der Einsatz von KI dient dem Weiterdenken von Möglichkeiten, um Prozesse zu vereinfachen und zu optimieren.

Wichtig ist an dieser Stelle, das Partner-Ökosystem zu pflegen, und nicht alle Fähigkeiten für das maschinelle Lernen alleine aufzubauen. Partnerschaften zwischen Technologieunternehmen im Hard- und Softwarebereich und auch Hochschulkooperationen helfen, schneller zu entwickeln und den eigenen Investitionsbedarf zu verringern.

Josef Behammer: Nicht zu unterschätzen ist der Faktor Mensch, denn ohne speziell ausgebildete Talente bleibt man auf der Stelle stehen. Datenspezialisten, Programmierer und Experten für maschinelles Lernen sind und bleiben die Treiber für die anstehende KI-Transformation.

Autonomes Fahren mit E-Antrieb: ASAP setzt Künstliche Intelligenz bei Funktionsab-sicherungen ein. (IPG Automotive)

(ID:45280242)