Virtual Vehicle startet Drive.LAB Zusammenspiel von Mensch und automatisiertem Fahrzeug optimieren

AV-Instruktor - der »Fahrlehrer« für autonome Fahrzeuge: Ziel ist es, eine Fahrstilbewertung zu entwickeln, die dem autonomen Fahrzeug ein nachvollziehbares Verhalten im Straßenverkehr lehrt und somit Vertrauen in das System schafft.
AV-Instruktor - der »Fahrlehrer« für autonome Fahrzeuge: Ziel ist es, eine Fahrstilbewertung zu entwickeln, die dem autonomen Fahrzeug ein nachvollziehbares Verhalten im Straßenverkehr lehrt und somit Vertrauen in das System schafft.

Mit Drive.LAB eröffnet das Virtual Vehicle Research Center eine Entwicklungs- und Forschungsplattform, um das Zusammenspiel von Mensch und selbstfahrendem Auto zu optimieren. Im Zentrum des Drive.LAB steht der »Human Centered Driving Simulator«, der für das automatisierte Fahren entwickelt wurde.

Mit dem neuen Fahrsimulator werden die Wechselwirkungen zwischen Fahrer, Insassen, Fahrzeugen und anderen Verkehrsteilnehmern in komplexen Situationen untersucht, um daraus Prognose-Modelle für das menschliche Verhalten zu erstellen. Ziel ist es, das Verhalten automatisierter Fahrzeuge möglichst nahe an menschliche Verhaltens- und Reaktionsmuster anzunähern. Mit der Entwicklung des »Fahrlehrers« für automatisierte Fahrzeuge lässt sich die Akzeptanz und Vertrauenswürdigkeit deutlich erhöhen. Das führt dann zu mehr Sicherheit im Miteinander von Mensch und Computer.

Automatisiertes Fahren wird nicht komplett von jetzt auf gleich umgesetzt werden, sondern man wird zunächst eine Mischung aus automatisierten und nicht automatisierten Fahrzeugen und anderen Verkehrsteilnehmern treffen. Von daher spielen Vertrauen und damit auch die Akzeptanz aller Beteiligten eine Schlüsselrolle für eine wesentliche und nachhaltige Marktdurchdringung der autonomen Fahrzeuge. Für das Schaffen von Vertrauen und Akzeptanz reicht es nicht aus, fahrphysikalische und regelungstechnische Möglichkeiten auszuschöpfen, weil das zwar zu prinzipiell korrekten Handlungen und Entscheidungen des Fahrzeugsystems im technischen
Sinne führen wird, aber nicht die subjektiv menschliche Erwartung berücksichtigt. Genau diese Faktoren müssen aber berücksichtigt und gelernt werden, da es sonst zu Misstrauen gegenüber solchen technischen Systemen oder im schlimmsten Fall sogar zu Fehlreaktionen des Fahrers kommen kann.

Menschenähnliches Verhalten

Der Forschungsbereich Human Centered Solutions am Virtual Vehicle entwickelt gemeinsam mit seinen Forschungspartnern Systeme, die sich in komplexen Verkehrssituationen menschenähnlich verhalten, deren Verhalten also für den Menschen verständlich und nachvollziehbar ist. Unter dem Überbegriff Human-Like-Systems werden Fahrer zunächst unterschiedlichen Verkehrssituationen ausgesetzt, ihr psychophysischer Zustand und ihr Verhalten systematisch erfasst, um in weiterer Folge Modelle ableiten zu können, die dann in der Steuerung von automatisierten Fahrzeugen implementiert werden können. Für die Erfassung des psychophysischen Zustands des Fahrers wird Messtechnik verwendet, die vor allem die Aufmerksamkeit des Fahrers, aber auch seine Handlungen und Bewegungsabläufe erfassen kann. Neben einem Eye-Tracker kommen zum Beispiel auch Time-of-flight-Kameras zum Einsatz, die die Pulsfrequenz berührungslos messen können, ebenso wie Kameras, Wearables und Mikrofone. Damit kann festgestellt werden, ob sich der Fahrer gerade im Gespräch befindet, welche Bewegungsabläufe er gerade vollzieht oder ob gerade laute Musik läuft und seine Aufmerksamkeit eingeschränkt oder defokussiert ist.

Das Drive.LAB umfasst als zentrales Tool einen Fahrsimulator, der zur Beurteilung von Fahrern in einem komplexen Fahrszenario mit gemischtem Verkehr mit anderen Fahrzeugen, Verkehrsteilnehmern und Fußgängern konzipiert ist. Der höchste Komplexitätsgrad wird durch die Möglichkeit erreicht, realistische Szenarien mit hunderten Fahrzeugen mit unterschiedlichen Fahrermodellen, Fahrdynamiken und Sensoren zu integrieren.

Durch Multi-Ego Fahrzeuge können mehrere Verkehrsteilnehmer aufeinander reagieren. Hierzu wird daran gearbeitet, den Simulator mit anderen Fahrsimulatoren, mit Fußgängern via Augmented oder Virtual Reality, oder auch mit einem der  Forschungsfahrzeuge zu verbinden. Auf diese Weise kann künftig nahtlos eine Schleifezu realen Verkehrssituationen geschlossen werden.

Bausteine für eine Human-Like-System-Entwicklung

Der Driver Digital Twin: Das »digitale Zwillingsmodell« eines realen Fahrers bildet menschliche Verhaltensmodelle ab, die als Grundlage für alle künftigen kontextbasierten Steueraktionen dienen. Diese Modelle werden fortlaufend aktualisiert und gemäß den Messungen im Drive.LAB erweitert.

Fluid Interaction: Alle Interaktionen, wie die Berücksichtigung von Umweltinformationen (Wetter, Straßenzustand, andere Fahrzeuge, Kenntnis und Zustand anderer Fahrer und Fußgänger), des eigenen Fahrzeugzustands sowie der Verfassung des Fahrers, werden ganzheitlich erfasst. In diesem Kontext wird adaptiv die jeweils beste Möglichkeit bestimmt, den Fahrer zu warnen oder auf die nächste Aktion vorzubereiten. Ein sogenanntes »Fluid Interface«, also eine fließende Schnittstelle, umgibt den Fahrer wie eine Flüssigkeit und passt sich kontinuierlich seiner psychophysischen Verfassung an. Es ist ein multisensorisches, allgegenwärtiges und omnidirektionales System, das den Fahrer, seine Aktivitäten und Aufmerksamkeitsstufen ständig überwacht, um ein »digitales Zwillingsmodell« für den Fahrer zu aktualisieren.

Die Fluidschnittstelle ermöglicht folgendes:

  • dauerhafte Überwachung von Fahrer, Passagieren und Umgebung, einschließlich Fahrzeug zu Fahrzeug und Fahrzeug zu Infrastruktur Kommunikation (V2X);
  • Steuerungsmanagement, einschließlich Übergänge (Übernahme und Rückgabe der Kontrolle zwischen System und Fahrer) über verschiedene Automatisierungsstufen hinweg;
  • Hilfestellung und Training der Fahrzeuglenker beim Umgang mit höheren Automatisierungsstufen.

AV-Instruktor: Ziel ist es, eine Fahrstilbewertung zu entwickeln, die dem autonomen Fahrzeug ein nachvollziehbares Verhalten im Straßenverkehr lehrt und somit Vertrauen in das System schafft. In der ersten Projektphase wird das Verhalten von manuell gefahrenen Fahrzeugen in simulierten Umgebungen gemessen und bewertet. In einem nächsten Schritt wird das Bewertungssystem anhand realer Verkehrsdaten verbessert und zum Training automatisierter Fahrzeuge verwendet, damit sie das Verhalten manueller Fahrzeuge bei zugleich höheren Sicherheitsreserven reproduzieren.

Das Ziel ist also ein zuverlässiges Bewertungssystem, das den aktuellen Fahrstil automatisierter Fahrzeuge in Echtzeit und in realen Szenarien evaluiert und Grundlagen zur laufenden Verbesserung liefert. Das ist besonders relevant in Situationen mit hoher Verkehrsdichte und vielen Verkehrsteilnehmern, die sich auf unvorhersehbare Weise bewegen, wie Fußgänger und Radfahrer.