Die sichere Erkennung von Personen und Objekten ist eine Voraussetzung für autonomes Fahren. Im Rahmen des ADA Lovelace Center haben Forscherinnen und Forscher zwei ineinandergreifende Ansätze entwickelt, um Deep Learning-Methoden sicher und zuverlässig in die Fahrentscheidung autonomer Autos zu integrieren.
16. Dezember 2021
© iStock / simonkr
In komplexen Situationen wie dem Stadtverkehr kann sich autonomes Fahren nicht auf eine einzelne Informationsquelle verlassen, um sicher und zuverlässig zu agieren. Es bedarf einer Vielzahl an Informationen aus unterschiedlichen Quellen für eine robuste Umfeldwahrnehmung und anschließende Entscheidungsfindung. Dabei kommt dem Deep Learning eine entscheidende Aufgabe zu: Es ermöglicht, Objekte und Personen zu erkennen, Verkehrsereignisse zu interpretieren sowie Fahranweisungen zu geben. Diese auf Maschinellem Lernen basierenden Verfahren können dabei entweder durchgängig verwendet werden oder nur teilweise das autonome Fahren unterstützen. Das Problem dabei: Es ist schwierig, Deep-Learning- Methoden zu interpretieren und zu validieren. Aufgrund dessen kamen sie für den Einsatz in sicherheitskritischen Systemen wie fahrerlosen Transportsystemen (FTS) oder autonomen Fahrzeugen bislang nicht in Frage.
Das ADA Lovelace Center for Analytics, Data and Applications erforscht neue Methoden, die eine ausreichende Absicherung von Deep Learning in sicherheitskritischen Systemen erlauben. Zwei Teams von Fraunhofer IKS und Fraunhofer IIS haben sich im Rahmen des ADA Lovelace Center zusammengetan. Sie entwickelten zwei komplementäre Methoden, die schließlich ineinandergreifen: Das Fraunhofer IKS hat ein Perzeptionsmodul erarbeitet, das nicht nur Objekte im Kamerabild erkennt, sondern auch für jedes Objekt eine Sicherheitseinschätzung liefert. Das Team des Fraunhofer IIS hat einen Deep-Reinforcement-Learning-Agenten erstellt, der erkennt, wann es sicher ist zu fahren und wann es ratsam ist, weitere Informationsquellen zu nutzen.
Wie das genau funktioniert, zeigt dieses Video sehr anschaulich:
Datenschutz und Datenverarbeitung: Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: youtube.com/t/privacy_at_youtube
Im ADA Lovelace Center for Analytics, Data and Applications kommen Unternehmen mit führenden nationalen und internationalen KI-Forschern zusammen, um gemeinsam an konkreten Projekten zu arbeiten. So entstehen innerhalb kürzester Zeit in konkreten Anwendungen neue Data-Analytics-Verfahren und Algorithmen – mit entsprechendem Mehrwert für Industrie, Dienstleitung und Forschung.
Initiator des ADA Lovelace Centers ist das Fraunhofer-Institut für Integrierte Schaltungen IIS mit seiner Arbeitsgruppe für Supply Chain Services SCS. Neben dem Fraunhofer IKS sind die Friedrich-Alexander-Universität Erlangen-Nürnberg, die Ludwig-Maximilians-Universität München sowie das Fraunhofer IISB Teil des wissenschaftlichen Netzwerks.
Das Projekt wird durch das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie (StMWi) gefördert.
