KI-basiertes Frühwarnsystem lernt von realen Verkehrssituationen

Ein neues Frühwarnsystem für Fahrzeuge, das von einem Team von Forschern an der Technischen Universität München (TUM) entwickelt wurde, nutzt KI, um von Tausenden realen Verkehrssituationen zu lernen. Eine Studie wurde in Zusammenarbeit mit der BMW Group durchgeführt und zeigt, dass das System für heutige selbstfahrende Fahrzeuge nützlich sein kann. Wenn es eingesetzt wird, kann es eine Sieben-Sekunden-Warnung vor potenziell kritischen Situationen geben, die Situationen, die die Fahrzeuge alleine nicht bewältigen können. Die Genauigkeitsrate lag bei 85%.

Die aktuellen Entwicklungsanstrengungen für selbstfahrende Fahrzeuge verwenden komplexe Modelle, die es den Fahrzeugen ermöglichen, das Verhalten aller Verkehrsteilnehmer zu analysieren. Allerdings haben die meisten dieser Modelle noch nicht gezeigt, dass sie komplexe oder unvorhersehbare Situationen bewältigen können.

Das Team hinter dem neuen Frühwarnsystem arbeitete mit Prof. Eckehard Steinbach, Lehrstuhl für Medientechnologie und Mitglied des Vorstands der Münchner Schule für Robotik und Künstliche Intelligenz an der TUM.

Die Forschung mit dem Titel „Introspektive Vorhersage von Fehlern für autonomes Fahren unter Verwendung von spätem Fusion von Zustands- und Kamerainformationen“ wurde in den IEEE Transactions on Intelligent Transportation Systems veröffentlicht.

Der neue Ansatz nutzt KI, um es dem System zu ermöglichen, aus vergangenen Situationen zu lernen. Genauer gesagt, handelte es sich um Situationen, in denen selbstfahrende Fahrzeuge in realen Verkehrssituationen an ihre Grenzen kamen. Dies geschieht, wenn menschliche Fahrer die Kontrolle über das Fahrzeug übernehmen müssen, entweder weil das Fahrzeug ein Signal gibt oder der Mensch es für die sicherste Option hält.

RNN und Sieben-Sekunden-Warnung

Das neue System verlässt sich auf Sensoren und Kameras, die die Umgebungsbedingungen erfassen, und Statusdaten wie den Lenkwinkel, die Straßenbedingungen und das Wetter werden aufgezeichnet. Das KI-System verwendet ein rekurrentes neuronales Netzwerk (RNN), das Daten verarbeiten kann, um Muster zu erkennen. Wenn das System eine neue Fahrtsituation erkennt, die zuvor nicht gehandhabt werden konnte, wird der Fahrer im Voraus gewarnt.

„Um Fahrzeuge autonomer zu machen, untersuchen viele bestehende Methoden, was die Fahrzeuge derzeit über den Verkehr verstehen, und versuchen dann, die von ihnen verwendeten Modelle zu verbessern. Der große Vorteil unserer Technologie: Wir ignorieren vollständig, was das Fahrzeug denkt. Stattdessen beschränken wir uns auf die Daten, die auf dem tatsächlich Geschehenen basieren, und suchen nach Mustern“, sagt Steinbach. „Auf diese Weise entdeckt die KI potenziell kritische Situationen, die Modelle möglicherweise nicht erkennen können oder noch nicht entdeckt haben. Unser System bietet daher eine Sicherheitsfunktion, die weiß, wann und wo die Fahrzeuge Schwächen haben.“

Die Technologie wurde mit der BMW Group getestet und autonome Fahrzeuge auf öffentlichen Straßen analysiert. Dies geschah während 2500 Situationen, in denen der menschliche Fahrer eingriff, und die Studie zeigte, dass das System 85% genau ist und Fahrern bis zu sieben Sekunden im Voraus warnen kann.

Die Technologie basiert auf großen Mengen an Daten, da sie durch die Anzahl der Entwicklungsfahrzeuge, die derzeit auf der Straße sind, begrenzt ist.

“Jedes Mal, wenn eine potenziell kritische Situation während einer Testfahrt auftritt, erhalten wir ein neues Trainingsbeispiel.”

Da die Daten zentral gespeichert sind, kann die gesamte Flotte daraus lernen.