Einsatz von künstlicher Intelligenz ZF forscht an Lösungen gegen Reisekrankheit

Human Centered Development: ZF und Neurotechnologen der Universität des Saarlandes entwickeln mit künstlicher Intelligenz präventive Fahrstile, die der Reisekrankheit entgegenwirken können.
Human Centered Development: ZF und Neurotechnologen der Universität des Saarlandes entwickeln mit künstlicher Intelligenz präventive Fahrstile, die der Reisekrankheit entgegenwirken können.

ZF arbeitet gemeinsam mit Neurotechnologen an Wegen, die Symptome von Reiseübelkeit im Fahrzeug früh zu erkennen. Daraus werden künftig intelligente Fahrfunktionen abgeleitet, die diesen entgegenwirken.

Die wenigsten Menschen sind bei langen Autofahrten auf der Rückbank oder dem Beifahrersitz vollständig vor Reisekrankheit gefeit. Schwindel und Übelkeit machen es rund zwei Dritteln aller Passagiere schwer bis unmöglich, die Fahrt zu genießen, nebenher zu lesen oder zu arbeiten. ZF will dieses Problem lösen und geht dabei über einen rein fahrzeugbezogenen Ansatz hinaus: »Unser Ziel ist es, die Reisekrankheit individuell zu erkennen und auf den aktuellen Zustand des Passagiers bezogene Maßnahmen zu entwickeln«, erläutert sagt Florian Dauth, in der ZF-Vorentwicklung verantwortlich für Aktivitäten im Bereich Human Centered Vehicle Motion Control.

Die wissenschaftliche Basis für dieses Konzept liefern gemeinsam mit der Systems Neuroscience & Neurotechnology Unit (SNNU) an der Universität des Saarlandes und der htw saar durchgeführte Probandenstudien, bei denen die physiologischen Reaktionen von Probanden auf verschiedene Fahrsituationen untersucht wurden. Die Forschung umfasst Bereiche der Neurotechnologie, Psychophysiologie, künstliche Intelligenz und Fahrdynamik.

Zusammenhang zur Fahrdynamik des Fahrzeugs

Verursacht wird die Kinetose durch eine Diskrepanz in der Wahrnehmung: Das im Innenohr liegende Gleichgewichtsorgan fühlt eine Bewegung, die von anderen Sinnesorganen wie den Augen nicht bestätigt wird – das passiert insbesondere, wenn der Passagier konzentriert auf einen Bildschirm oder ein Buch blickt. Der menschliche Körper reagiert in dieser Situation ähnlich wie auf eine Vergiftung. Die Symptome reichen von leichtem Unwohlsein bis hin zu starker Übelkeit.

In mehreren Studien analysierten ZF und der SNNU im realen Straßenverkehr, welche physiologischen Marker die höchste Korrelation mit dem subjektiven Reisekrankheit-Empfinden des Menschen aufweisen und welcher Zusammenhang zur Fahrdynamik des Fahrzeugs besteht. Indikatoren dafür sind beispielsweise eine Veränderung der Körpertemperatur sowie der Hautleitfähigkeit. »Unser Motion Sickness Research Vehicle erlaubt uns, mit Hilfe eines Hochleistungsrechners die Vielzahl an physiologischen Messdaten, Kameradaten sowie auch Fahrdynamik-Messwerte aufzuzeichnen. Gleichzeitig dient das Fahrzeug als Plattform zur Entwicklung und Validierung der Algorithmen«, so Dauth.

Bei mehr als zehntausend Fahrkilometern sammelte das Forschungsteam über fünfzigtausend GByte an physiologischen Markern des zentralen und autonomen Nervensystems als Thermografie-, Bild- und Fahrdynamikdaten.

Individuelles Empfinden in einem Algorithmus abbilden

Ein Sensor-Set im Innenraum des Fahrzeugs sowie Wearables, die die Probanden zur nicht-invasiven Messung am Körper tragen, sind aktuell Bestandteil der Forschung. »Die Herausforderung besteht darin, ein automotive-taugliches System zu entwickeln, das über Evolutionsstufen hinweg eine kontaktfreie Erkennung der Reisekrankheit erlaubt. »Wir sehen das als Schlüsselinformation, um das sehr individuelle Phänomen der Reisekrankheit in den Griff zu bekommen«, betont Dauth. Damit erkennt der Fahrer – oder später die Steuerung des automatisierten Fahrzeugs – frühzeitig, wenn beispielsweise einem Kind auf dem Rücksitz unwohl wird, und kann das Fahrverhalten entsprechend anpassen.

Jeder Mensch reagiert unterschiedlich auf Fahrzeugbewegungen und besitzt ein individuelles Empfinden für Fahrkomfort. Diese Tatsache bildet ZF in einem Algorithmus ab, der basierend auf KI-Methoden die Körperreaktionen des Passagiers einlernt und somit ein personalisiertes Profil erstellt. Da somit für jeden Mitfahrer individuelle Daten vorliegen, wären automatisierte Fahrzeuge sogar in der Lage, den bevorzugten Fahrstil jedes Passagiers umzusetzen.