Automatisiertes Fahren

KI bändigt Datenmengen für automatisiertes Fahren

Mit verschiedenen Sensoren nehmen automatisierte Fahrzeuge Informationen über sich und ihre Umgebung auf (Foto: Markus Breig, KIT)

Hochautomatisiertes Fahren verspricht viele Vorteile – mehr Komfort für die Fahrenden, weniger Unfälle, einen flüssigeren und damit umweltfreundlicheren Straßenverkehr. Die zukünftigen Fahrzeuge verfügen über viele verschiedene Sensoren, mit denen sie Informationen über ihren eigenen Status und aus ihrer Umgebung aufnehmen. Anhand dieser Informationen müssen sie in kürzester Zeit verlässliche Fahrentscheidungen treffen. Bei ihrer Erprobung muss jede Fahrzeugvariante Millionen von Kilometern zurücklegen und viele verschiedene Szenarien meistern, die Infrastruktur, Witterung sowie andere Verkehrsteilnehmer und deren Verhalten kombinieren. Dabei fallen riesengroße Datenmengen an – vier bis acht Terabyte pro Fahrzeug und Tag. Diese Datenmengen sind kaum noch zu handhaben.

Algorithmen für intelligente Datenauswahl

Kataloge von Fahrszenarien zu erstellen und bei der Fahrzeugerprobung neu auftretende Szenarien einzusortieren, das heißt, schon während des Fahrbetriebs nur diejenigen Daten aufzuzeichnen, die tatsächlich einen Mehrwert bringen, ist der Ansatz des nun gestarteten Verbundvorhabens KIsSME (Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen). Dazu entwickeln Wissenschaftlerinnen und Wissenschaftler auf KI basierende Algorithmen, die bereits während des Fahrbetriebs die anfallenden Daten selektieren. Das Projekt zielt darauf, den Szenarienkatalog auszubauen und zugleich Datenmengen zu reduzieren. Dies spart Speicherplatz und Strom und verringert den Aufwand für Auswertung und Datenschutz.

Versuche auf dem Testfeld
Die Forscherinnen und Forscher des KIT stellen für KIsSME Daten aus realen Fahrversuchen sowie aus Simulationen bereit. Dazu laufen Messfahrten im öffentlichen urbanen Verkehr und auf dem Testfeld Autonomes Fahren Baden-Württemberg (TAF BW) in Karlsruhe sowie Closed-Vehicle-in-the-Loop-Simulationen an einem Gesamtfahrzeugprüfstand des KIT. Zudem überprüfen Forscher des FAST die im Projekt entwickelten KI-Modelle und KI-Selektoren, indem sie die von den Verbundpartnern erarbeiteten Algorithmen auf die Daten aus Versuchen und Simulationen anwenden. Das Forschungsprojekt bezieht sich auf automatisiertes Fahren der Stufen 4 bis 5 (vollautomatisiert bis autonom).

Weitere Informationen
Karlsruher Institut für
Technologie (KIT)
D-76131 Karl
www.kit.edu

18.03.2021