Autonomes Fahren

Wichtige Fortschritte durch Kognitive Neuroinformatik

23. November 2022, 11:08 Uhr | Kathrin Veigel
Continental
Continental hat mit verschiedenen wissenschaftlichen Partnern das Forschungsprojekt Proreta 5 zur Erkennung komplexer Verkehrssituationen mit künstlicher Intelligenz für das automatisierte Fahren in der Stadt abgeschlossen.
© Continental

Die Arbeitsgruppe Kognitive Neuroinformatik der Uni Bremen hat in einem Kooperationsprojekt mit Continental wichtige Forschungserfolge zur Entwicklung fortschrittlicher Fahrassistenzsysteme beigesteuert. Mithilfe Künstlicher Intelligenz werden komplexe Verkehrssituationen nun besser erkannt.

Proreta 5 heißt das Forschungsprojekt, das der Automobilzulieferer Continental vor Kurzem mit seinen wissenschaftlichen Kooperationspartnern – neben der Universität Bremen waren die TU Darmstadt und die TU Iași (Rumänien) beteiligt – abschloss. »Am Ende gab es eine Fahrdemonstration in Darmstadt. Dort haben wir autonome Fahrfunktionen präsentiert, an denen wir intensiv mitgebarbeitet haben«, so Professorin Kerstin Schill, Leiterin der Arbeitsgruppe Kognitive Neuroinformatik der Universität Bremen. Dabei war das Forschungsfahrzeug in der Lage, autonom dem Straßenverlauf mit einem vordefinierten Ziel zu folgen und dabei auf andere Verkehrsteilnehmer – Fußgänger, Fahrradfahrer und weitere Fahrzeuge – zu reagieren. Bei einem simulierten Sensorausfall, der die fehlende Erkennung eines Objekts zur Folge hatte, führte das Fahrzeug zusätzlich eine Notbremsung durch.

Algorithmen sollen Fahrentscheidungen treffen

Ziel des Forschungsprojektes war die Entwicklung von Algorithmen. Sie sollen aus Sensordaten richtige, mit dem Menschen vergleichbare Fahrentscheidungen ableiten. Bei einer ungeregelten Kreuzung beispielsweise ist es eine Herausforderung, alle für die geplante Fahrtrichtung relevanten Objekte zu interpretieren. Es geht um deren Bewegungsrichtung, Intention und den Vorrang im Verkehr. Ohne menschliches Zutun soll die Künstliche Intelligenz (KI) sichere Entscheidungen treffen können.

Der große Vorteil der KI: Sie ist nach einer Trainingsphase in der Lage, aufgrund des Erlernten auch in unbekannten Situationen die richtigen Schlüsse zu ziehen. Ein Teilbereich des Projektes war es, die menschlichen Fahrerinnen und Fahrer dabei zu beobachten, wie sie selbst die Komplexität der Umgebung reduzieren und bewerten. Die lernfähigen Algorithmen werden nun nach ähnlichen Prinzipien trainiert.

Die Arbeitsgruppe Kognitive Neuroinformatik untersuchte in dem Projekt KI-Methoden zur Umfeldwahrnehmung – Objekte und Hindernisse sollten in der Umgebung erkannt werden. Außerdem wurden neue Methoden zur menschlichen Aufmerksamkeitssteuerung (Human Attention Modeling) basierend auf Kameradaten entwickelt. Dabei werden Auffälligkeitskarten erstellt, die relevante Bereiche im Bild bestimmen, in denen beispielsweise andere Verkehrsteilnehmer oder Schilder auftauchen. Zudem wurden neue mathematische Modelle erarbeitet, die Position, Orientierung, Geschwindigkeit oder Größe von anderen Verkehrsteilnehmern mathematisch korrekt darstellen und komplexe Fahrzeuggeometrien beschreiben.

Zuletzt wurde ein Objekttracking implementiert, welches in der Lage ist, andere Verkehrsteilnehmer im Überwachungsbereich wahrzunehmen und deren Zustand über die Zeit zu schätzen. Diese Methoden sorgen dafür, dass die entsprechenden Aufgaben effizienter, robuster und sicherer gelöst werden können. Sie liefern somit einen wichtigen Beitrag zum hochautomatisierten und autonomen Fahren. 


Verwandte Artikel

Continental AG, Jacobs University Bremen