Sicheres autonomes Fahren

Forscher*innen der HRW, UDE und Schotte Automotive liefern Forschungsergebnisse in Scientific Reports der “Nature”-Gruppe

© Pixabay / Julien Tromeur

Mülheim an der Ruhr, 10. August 2023. Prof. Dr. Anne Stockem Novo und M. Sc. Robin Baumann vom Institut Informatik der Hochschule Ruhr West (HRW) arbeiteten zusammen mit Forscher:innen des Lehrstuhls für Mechatronik der Universität Duisburg-Essen (UDE) und dem KMU Schotte Automotive GmbH & Co. KG an der Entwicklung eines Konzeptes zur Echtzeitbewertung eines Neuronalen Netzes im teil-autonomen Straßenverkehr. Diese Echtzeitbewertung der Neuronalen Netze trägt zu einem erhöhten Sicherheitslevel des autonomen Fahrens bei. Besondere Anerkennung erfahren die Forschungsergebnisse durch die Veröffentlichung des aus ihnen entstandenen Artikels mit dem Titel: „Self-evaluation of automated vehicles based on physics, state-of-the-art motion prediction and user experience”, der kürzlich von Springer Nature Scientific Reports als Open Access-Artikel veröffentlicht wurde.

Die Wissenschaftler:innen der HRW leiteten das Projekt federführend und wurden durch die UDE und das KMU durch Ergebnisse aus realitätsnahen Simulationen der Fahraufgaben unterstützt. Denn auch nach mehreren Ankündigungen von Fristen für die Markteinführung vollautonomer Fahrzeuge durch Forscher:innen und die Automobilindustrie ist dies bis heute nicht geschehen und scheint eine größere Herausforderung zu sein als erwartet. Eine der größten Herausforderungen, die der Einführung autonomer Fahrzeuge in allen erdenklichen Situationen und Fahrumgebungen im Wege steht, ist der Aspekt der Absicherung von KI.

Der Hauptgrund liegt in den komplexen Fahrzeugarchitekturen der traditionellen Automobilhersteller, die nicht für den Übergang von SAE Level 2+ (assistiertes Fahren oder ADAS) zu Level 4 oder höher (hochautomatisiertes oder autonomes Fahren) geeignet sind. Hier setzt die Forschung der Wissenschaftler:innen der HRW und der UDE an. Ihre Forschungsarbeit setzt auf eine Novellierung von Fahrzeugarchitekturen, so dass Fahrzeuge mit SAE-Level 3 und höher Neuronale Netze (Deep Learning) verwenden, um die Fahraufgaben zu bewältigen. Mit diesen Methoden kann besonders gut menschenähnliches autonomes Fahren simuliert werden.

Die Fragen, mit denen sich die Wissenschaftler:innen in dieser nun veröffentlichten Arbeit beschäftigt haben, lauten: Wie können wir zu jedem Zeitpunkt wissen, ob das automatisierte Fahrzeug (AV) in einem sicheren Zustand arbeitet? Und können wir den Sicherheitszustand bereits für mehrere Sekunden im Voraus vorhersagen? Eine weitere Frage stellte sich, die über die Sicherheit hinausgeht: Wie können wir ein sicheres und zugleich komfortables Fahrerlebnis garantieren?

Zur Beantwortung haben sich die Deep-Learning-Expert:innen der Hochschule Ruhr West (HRW) und Simulationsexpert:innen der Universität Duisburg-Essen und Schotte Automotive zusammengetan, um ein solches Sicherheitsbewertungssystem zu entwerfen. Die Kernprinzipien des Konzepts sind die folgenden: Der Fahrzeugzustand wird in Echtzeit ausgewertet. Aus einem Deep Learning Prognosemodell wird die zukünftige Verkehrssituation vorhergesagt. Die Verlässlichkeit dieser Vorhersage wird anhand eines großen Datensatzes von Trainings- und Validierungsdaten evaluiert und so eine zuverlässige Vorhersage getroffen. Durch den Einsatz des Deep Learnings soll die Schwelle an Auflagen, an die zurzeit hoch-automatisierte Fahrzeuge immer noch gebunden sind, überschritten werden.

Die Wissenschaftler:innen der HRW, der UDE und der Schotte haben mit ihrer jetzigen Veröffentlichung im Journal ‚Springer Nature Scientific Reports‘ zu ihrem Projekt ihren Beitrag geleistet, eine Verbesserung der Sicherheit des autonomen Fahrens zu erreichen. Die gute Zusammenarbeit der Forschungspartnerschaft wird aktuell in weiteren Projekten fortgeführt.

Originalmeldung:
https://www.hochschule-ruhr-west.de/autonomen-fahren-forschungsergebnisse/