Partnerschaft ZF & Berkeley Universität Computer-Vision- & Deep-Learning-Fähigkeiten nutzbar machen

Gemeinsam mit Forschern der Universität von Kalifornien, Berkeley, wird ZF die für das autonome Fahren entscheidenden lernenden Maschinen im automobilen Umfeld nutzbar machen.
Gemeinsam mit Forschern der Universität von Kalifornien, Berkeley, wird ZF die für das autonome Fahren entscheidenden lernenden Maschinen im automobilen Umfeld nutzbar machen.

ZF hat eine strategische Forschungs-Partnerschaft mit der renommierten Universität von Kalifornien, Berkeley, geschlossen. Zusammen mit der Universität will der Automobilzulieferer zukünftig die für das autonome Fahren entscheidenden lernenden Maschinen im automobilen Umfeld nutzbar machen.

Wenn Menschen komplexen Verkehrssituationen gegenüberstehen, hilft ihnen häufig ihre Intuition, die notwendigen Entscheidungen zu treffen. Diese Fähigkeit auf Computer im hochkomplexen automobilen Umfeld zu übertragen und damit einen entscheidenden Baustein für autonomes Fahren bereitzustellen, ist eine der größten Herausforderungen, denen sich die Automobilindustrie derzeit gegenüber sieht.

Mit dem neu gegründeten Berkeley DeepDrive (BDD) Center hat die Hochschule, gemeinsam mit Industriepartnern wie ZF Friedrichshafen, optimale Voraussetzungen geschaffen, um hochgesteckte Ziele rund um das autonome Fahren zu erreichen. Das BDD-Konsortium bringt Fakultäten und Forscher aus mehreren Abteilungen und Zentren zusammen, um neueste Technologien mit realen Anwendungen in der Automobilindustrie zu verknüpfen.

Das hochkomplexe Umfeld, in dem sich Automobile gemeinsam mit zahlreichen anderen Verkehrsteilnehmern bewegen, stellt beim autonomen Fahren schon für sich betrachtet höchste Anforderungen an die System-Algorithmen. Erschwerend kommt hinzu, dass sich mit den bislang üblichen Erprobungsverfahren – selbst wenn sie Millionen von Kilometern umfassen – nicht einmal annähernd alle denkbaren Verkehrsereignisse oder Risikosituationen abdecken lassen. Die Fehlerfreiheit des Systems muss also auf anderem Wege abgesichert werden. Teil 1 der Strategie: Durch maschinelles Lernen sollen sich Algorithmen in Zukunft selbst optimieren. Das maschinelle Lernen nutzt hierzu sogenannte neuronale Netze, die der Funktionsweise des menschlichen Gehirns nachempfunden sind. Handelt es sich um besonders komplexe neuronale Netze mit vielen versteckten Schichten spricht man von Deep Learning. Teil 2 der Strategie: Mit den notwendigen Sensoren ausgestattete Fahrzeuge lernen so, wie sie unter Nutzung der Eingangsdaten zu immer besseren Ergebnissen kommen. Individuelle Systemanpassungen werden in der Cloud aggregiert, nochmals optimiert und der gesamten Fahrzeugflotte erneut zur Verfügung gestellt. Sowohl Entwicklungstempo als auch -qualität könnten auf diese Weise nachhaltig gesteigert werden.