Schwerpunkte

Sicherheit beim automatisierten Fahren

Aus seltenen Verkehrssituationen lernen

01. März 2021, 09:21 Uhr   |  Irina Hübner

Aus seltenen Verkehrssituationen lernen
© Trick_Shark | Shutterstock.com

Verkehrsunfall während eines Schneesturms. Bei solch ungewohnten Sichtverhältnissen können auch automatisierte Fahrsysteme Fehler machen.

Automatisiertes Fahren kann in den meisten Verkehrssituationen die Verkehrssicherheit deutlich erhöhen. Es bleibt jedoch ein Restrisiko, dass sich ein automatisiertes Fahrzeug falsch verhält – insbesondere in selten vorkommenden Situationen. Eine KI-Mobilitätsdatenplattform könnte Abhilfe schaffen.

Autos, Busse und Lkw können sich mithilfe von künstlicher Intelligenz in Testumgebungen zunehmend eigenständig fortbewegen. Beim automatisierten Fahren kommen KI-Systeme zum Einsatz, die anhand großer Mengen von Daten darauf trainiert werden, selbstständig im Straßenverkehr zu agieren, etwa an einer roten Ampel zu halten.

Bislang können die Fahrzeuge jedoch nicht ausreichend für ein sicheres Verhalten in unwahrscheinlichen Situationen trainiert und getestet werden. Der Grund: fehlende Daten. Es könnte also beispielsweise passieren, dass ein automatisiertes Auto eine Ampel bei schlechtem Wetter aus einem ganz ungewöhnlichen Blickwinkel nicht erkennt.

Solche sogenannten Grenz- und Übergangsfälle (Corner Cases) sind so selten, dass sie in den von Fahrzeugsensoren gesammelten Trainingsdaten aus Millionen Straßenkilometern kaum vorkommen und somit auch nicht von den KI-Systemen erlernt werden können.

Ein neues Whitepaper der Plattform Lernende Systeme empfiehlt nun eine KI-Mobilitätsdatenplattform für industrieübergreifendes Flottenlernen, auf der die wenigen verfügbarbaren Daten zu Ausnahmesituationen zusammengetragen werden. Die KI-Plattform ermöglicht Fahrzeugherstellern und Zulieferern, die Sicherheit ihrer KI-Systeme in Sonderfällen zu testen und zu verbessern«, sagt Mitautor Christoph Peylo, Leiter des Bosch Center for Artificial Intelligence (BCAI) und Leiter der Arbeitsgruppe »Mobilität, intelligente Verkehrssysteme« der Plattform Lernende Systeme.

Zulassung für sichere KI-Systeme

Vereinfachte Darstellung der Funktionsweise der Corner Case-Plattform.
© Plattform Lernende Systeme

Vereinfachte Darstellung der Funktionsweise der Corner Case-Plattform.

Als wesentliche Erfolgsbedingung für den Datenaustausch auf der Mobilitätsplattform nennen die Autor:innen des Whitepapers Standards und Normen. Neben standardisierten Datenformaten, Schnittstellen und Protokollen müsse der Plattformbetreiber eindeutige Richtlinien für den Zugang und die Handhabung der Daten definieren, die auch rechtliche und ethische Aspekte berücksichtigen.

»Die KI-Datenplattform bietet die Chance, das Vertrauen in das automatisierte Fahren zu stärken. Sie unterstützt das herstellerübergreifende Lernen von Fahrzeugflotten und macht die Systeme dadurch besser und sicherer. Die Plattform sollte auch für Zulassungen sicherer KI-Systeme genutzt werden. Dazu muss sie von neutraler und allseits akzeptierter Kompetenz betrieben werden«, sagt Tobias Hesse, Abteilungsleiter Kooperative Systeme am Deutschen Zentrum für Luft- und Raumfahrt und ebenfalls Leiter der Arbeitsgruppe »Mobilität, intelligente Verkehrssysteme« der Plattform Lernende Systeme.

Die Daten zu den seltenen Sonderfällen sollten auf der KI-Plattform Akteuren entlang der gesamten Wertschöpfungskette zur Verfügung stehen, so die Empfehlung des Whitepapers. KI-Modelle könnten hochgeladen werden, und das Verhalten der KI-Systeme hinsichtlich dieser Szenarien überprüft werden. Im Anschluss könnten die Fahrzeughersteller ihre Modelle aktualisieren und wiederum in ihren Flotten verteilen.

Denkbar wäre auch, ein Nachtraining der KI-Systeme direkt auf der Plattform durchzuführen und zertifizierte Updates über die Plattform zu verteilen. Die Plattform ermögliche damit den Austausch sowohl zwischen Akteuren, die ihre Modelle testen und verbessern möchten, etwa Fahrzeughersteller, als auch zwischen Akteuren, die über Corner-Case-Szenarien oder Trainingsdaten verfügen, mit denen Modelle robuster gestaltet werden können.

Die Autor:innen des Whitepapers empfehlen eine sich finanziell selbsttragende Plattform. Um Daten auf die Plattform hochladen und Modelle testen zu können, sollten die Akteure einen geringfügigen finanziellen Beitrag leisten. Dieser käme wiederum den Akteuren zugute, die die Modelle in ihrer Robustheit verbessern.

Das Whitepaper »Potenziale für industrieübergreifendes Flottenlernen – KI-Mobilitätsdatenplattform zur Risikominimierung des automatisierten Fahrens« wurde von Mitgliedern der Arbeitsgruppe »Mobilität, intelligente Verkehrssysteme« der Plattform Lernende Systeme verfasst..

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

elektroniknet