Schwerpunkte

Autonome Entscheidungsfindung

KI auf der Rennstrecke

07. Mai 2021, 09:22 Uhr   |  Irina Hübner

KI auf der Rennstrecke
© roborace

In einem Innovationsprojekt in Kooperation mit der TU München trieb IAV die Erforschung potenzieller Zukunftstechnologien voran – und zwar nicht irgendwo, sondern auf der Rennstrecke.

Im Projekt »rAIcing – autonomes Fahren auf der Rennstrecke« hat IAV in Kooperation mit der TU München potenzielle Zukunftstechnologien erforscht. Im Mittelpunkt stand die Herausforderung, Manöverentscheidungen autonom ausführen zu können.

Am 26. September 1982 flimmerte die erste Folge der Kultserie Knight Rider über die Bildschirme amerikanischer Röhrenfernseher. Unzählige Fans auf der ganzen Welt fieberten seitdem mit den Helden der Science-Fiction-Actionserie mit: Michael Knight und sein sprechendes Auto K.I.T.T. Letzteres war ein schwarzer Pontiac Firebird Trans Am, der – mit künstlicher Intelligenz ausgestattet – selbst denken, sprechen und fahren konnte. Fast 40 Jahre später sind Autos mit solchen Funktionen keine Science-Fiction mehr – wie auch das Kooperationsprojekt von IAV und der TU München namens rAIcing zeigt.

Automatisierte Entscheidungsfindung in Rennsituationen

»Im Rahmen des Forschungsprojektes haben wir zwei neuartige Softwaremodule für die automatische Entscheidungsfindung in Rennsituationen entwickelt«, berichtet Joao Graciano, Funktionsentwickler für autonomes Fahren. »Mit dem Decision Manager (DM) wurde ein Regel-basiertes Konzept verfolgt, das modular durch Kriterien erweiterbar ist.«

Diese Kriterien sind Regeln, die zum Fahren auf einer Rennstrecke notwendig sind, – wie »nicht kollidieren«, »auf der Strecke bleiben« oder »so schnell wie möglich fahren«. Eine Rennstrecke stellt hohe Anforderungen an Autos, verlangt kürzeste Reaktionszeiten und bietet dadurch perfekte Bedingungen, um Grenzen auszutesten – auch die von künstlicher Intelligenz. Doch ist KI-basierte Software in der Lage, extremes Fahrverhalten zu lernen und anzuwenden? Ja, zeigt das Innovationsprojekt. Denn genau um diese Frage drehte sich laut Joao Graciano die Entwicklung des zweiten Softwaremoduls: »Dieses Modul trifft Entscheidungen auf Basis eines Supervised-Learning-Algorithmus, der anhand von Trainingsdaten einen spezifischen Rennfahrstil erlernen kann.«

Das rAIcing-Projekt ist im April zu Ende gegangen, – nicht aber die Erforschung seiner Inhalte. Denn Manöverentscheidungen autonom ausführen zu können, zählt zu den wichtigsten Funktionen in autonomen Fahrzeugen. Gleichzeitig bieten KI-Algorithmen großes Potenzial. Durch das Zusammenbringen dieser beiden Aspekte konnte Know-how generiert werden, das jetzt auch in andere Projekte einfließen kann: Mit dem Directive-based Decision Manager (DDM) gibt es jetzt bereits eine Erweiterung des Decision Managers, die für das autonome Fahren auf der Autobahn entwickelt wurde.

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

Das könnte Sie auch interessieren

Verwandte Artikel

Technische Universität München Lehrstuhl für Biomedizinische Physik Physik-Department (E17), Technische Universität München, IAV GmbH