Automatisiertes Fahren Forschungsprojekt KISSaF: Mit KI dynamische Verkehrssituationen voraussagen

Anbieter zum Thema

Metrofunk Kabel-Union GmbH

Unübersichtliche Verkehrssituationen mithilfe von künstlicher Intelligenz zu meistern, damit setzten sich ZF, INGreen und die Technische Universität Dortmund im Projekt KI-basierte Situationsinterpretation für das automatisierte Fahren, kurz KISSaF, auseinander. Hier wurde KI darauf trainiert, die Handlungen von Verkehrsteilnehmern vorherzusagen.

Ein menschlicher Fahrer weiß in der Regel, das vorausschauendes Fahren eine sichere Variante ist. Doch wie ist das bei automatisierten und autonomen Systemen? Heutige KI-Algorithmen kommen bisher an ihre Grenzen, wenn es darum geht, das wahrscheinliche Verhalten menschlicher Verkehrsteilnehmer vorherzusehen. Wenn sich die künstliche Intelligenz hier verbessert, kann sich das positiv auf die Sicherheit im Straßenverkehr auswirken – insbesondere dann, wenn immer mehr Fahrzeuge mit hochautomatisierten oder autonomen Systemen ausgestattet werden.

Mit dieser Thematik hat sich das Forschungsprojekt KISSaF auseinandergesetzt. Konsortialführer ZF arbeitete gemeinsam mit dem Lehrstuhl für Regelungssystemtechnik (RST) der TU Dortmund und dem Entwicklungsdienstleister INGgreen an einer Szenenprädiktion für den Straßenverkehr.

Künstliche Intelligenz trainieren

KI-basierte Szenenprädiktion befähigt die Fahrzeugsteuerung, die wahrscheinlichsten Handlungen anderer Verkehrsteilnehmer einige Sekunden vorherzusagen und entsprechend zu agieren: Wird der offenbar von seinem Smartphone abgelenkte Fußgänger gleich unachtsam auf die Fahrbahn treten? Was ist bei einem automatisiert durchgeführten Spurwechsel zu beachten? Bremst der vorausfahrende Wagen noch ab? Welche weiteren Faktoren spielen eine Rolle?

Auf mehr als 100.000 Kilometern Strecke erfasste der Versuchsträger neben Kamera-, Radar- und Lidar-Daten auch relevante GPS- und Wetterinformationen. Die Rohdaten des Projekts KISSaF umfassen fast 800 Terrabyte. Von der TU Dortmund entwickelte Algorithmen zur Umfeldbeschreibung bereiteten die Daten für die weitere Verwendung im Projekt auf.

Auf Basis dieser Umfeldmodellierung trainierte das ZF-eigene AI-Lab, das KI-Technologiezentrum in Saarbrücken, die künstliche Intelligenz. Die Prädiktion konnte dann in der Simulation und mit aufgezeichneten Realdaten in den von ZF bereits entwickelten Assistenzsystemen getestet werden.

Ergebnisse

Nach dem Training konnte die KI besser abwägen, wie sich andere Verkehrsteilnehmer verhalten. Die in KISSaF entwickelte Szenenprädiktion könnte in Zukunft Assistenzsysteme befähigen, vorausschauend zu handeln, potenziell gefährliche Situationen besser vorherzusehen und proaktiv zu bremsen oder auszuweichen. Zum Beispiel erkannte die künstliche Intelligenz Spurwechsel, die zu einer kritischen Situation führen könnten und brach sie entweder ab oder leitete sie gar nicht erst ein. Entstehende Lücken für einen Spurwechsel konnte sie ebenfalls vorhersehen und das Fahrzeug sicher durch den Verkehr leiten. Auch die Fähigkeit der KI, bei Gegenverkehr an Kreuzungen rechtzeitig zu stoppen, hat sich mit dem im Laufe von KISSaF erarbeiteten Verfahren verbessert.

Die Erkenntnisse der Studie sollen vor allem dabei helfen, hochautomatisierte Fahrerassistenzsysteme (ADAS) der Automatisierungsstufen 2+ und 3 nach SAE zu optimieren, die von zentralen Steuergeräten und Hochleistungscomputern wie der ZF ProAI gesteuert werden können.

Das Projekt KISSaF wurde im Januar 2021 gestartet und vom Bundesministerium für Wirtschaft und Energie gefördert. ZF, INGgreen und die TU Dortmund präsentieren die offiziellen Ergebnisse im Rahmen der Veranstaltungsreihe Koordinierung der Testfelder Autonome Mobilität in Deutschland (KoTAM) am 11. April 2024 in Düsseldorf.  (se)

Mobilität der Zukunft

Auf Smart Car folgt das KI-Auto

Antriebstechnik neu definiert

Traktionsantriebe nach Maß: Die Plattform für die Mobilität von morgen

(ID:49998236)