KI-Sensoren könnten autonome Fahrzeuge in schneereichen Städten unterstützen

Eine der größten Herausforderungen für autonome Fahrzeuge ist, dass sie Schwierigkeiten haben, in schlechten Wetterbedingungen zu navigieren, was ihre Implementierung in schneereichen Städten wie Detroit und Chicago stark einschränkt. Die Fahrzeuge verlassen sich auf wichtige Sensordaten, um Hindernisse zu erkennen und auf der richtigen Seite der Straße zu bleiben, aber diese Daten haben Schwierigkeiten im Schnee.

In zwei neuen Studien, die auf der SPIE Defense + Commercial Sensing 2021 präsentiert wurden, diskutierten Forscher der Michigan Technological University neue Lösungen für Szenarien mit autonomen Fahrzeugen im Schnee.

Es gibt eine breite Palette von autonomen Fahrzeugen, darunter einige mit toten Winkeln oder Bremsassistenten und andere mit Ein- und Ausschaltmodi für das selbstständige Fahren. Einige der besten Fahrzeuge können vollständig autonom fahren.

Da die Technologie in vielen Bereichen noch in den Kinderschuhen steckt, arbeiten Automobilhersteller und Forschungsuniversitäten kontinuierlich daran, die Technologie und Algorithmen zu verbessern. Wenn Unfälle auftreten, sind sie oft das Ergebnis eines Fehlurteils des Autos oder eines menschlichen Fehlers.

Menschliche Sensoren

Menschliche Augen sind auch eine Art von Sensoren, da sie das Gleichgewicht und die Bewegung wahrnehmen. Unser Gehirn fungiert als Prozessor, der uns hilft, unsere Umgebung zu verstehen. Diese ermöglichen es uns, in allen Szenarien zu fahren, auch in neuen, da unser Gehirn neue Erfahrungen verallgemeinern kann.

Autonome Fahrzeuge haben normalerweise zwei Kameras, die auf Gimbals montiert sind, und sie scannen und erkennen die Tiefe mithilfe von Stereovision, um das menschliche Sehen nachzuahmen. Gleichzeitig kann das Gleichgewicht und die Bewegung mit einer inertialen Messungseinheit gemessen werden. Computer können jedoch nur auf vorhergehende Szenarien oder solche reagieren, die sie bereits erkennen oder für die sie programmiert wurden.

Sensor-Fusion

Autonome Fahrzeuge verlassen sich auf spezifische künstliche Intelligenz-Algorithmen, die mehrere Sensoren wie Fisheye-Kameras, Infrarot-Sensoren, Radar, Lichtdetektion und Lidar erfordern.

Nathir Rawashdeh ist Assistenzprofessor für Informatik an der Michigan Tech’s College of Computing und einer der Hauptautoren der Studie.

“Jeder Sensor hat Einschränkungen, und jeder Sensor deckt den Rücken des anderen ab”, sagte Rawashdeh. “Sensor-Fusion verwendet mehrere Sensoren unterschiedlicher Modalitäten, um eine Szene zu verstehen. Man kann nicht erschöpfend für jedes Detail programmieren, wenn die Eingaben schwierige Muster haben. Deshalb benötigen wir KI.”

Die Mitwirkenden der Studie umfassten Nader Abu-Alrub, Doktorand im Bereich Elektrotechnik und Informatik, und Jeremy Bos, Assistenzprofessor im Bereich Elektrotechnik und Informatik. Weitere Mitwirkende waren Master-Studenten und Absolventen aus Bos’ Labor: Akhil Kurup, Derek Chopp und Zach Jeffreies.

Autonome Sensoren und selbstständige Algorithmen werden fast ausschließlich in sonnigen und klaren Landschaften entwickelt. Bos’ Labor sammelte zunächst Daten in einem autonomen Fahrzeug der Michigan Tech im dichten Schnee, und über 1.000 Frames von Lidar-, Radar- und Bilddaten wurden von schneereichen Straßen in Deutschland und Norwegen gesammelt.

Laut Bos ist die Sensordetektion aufgrund der Vielfalt des Schnees schwierig. Es ist wichtig, die Daten vorzuverarbeiten und eine genaue Kennzeichnung sicherzustellen.

“Nicht alle Schneemengen sind gleich”, sagte Bos. “KI ist wie ein Koch – wenn man gute Zutaten hat, gibt es ein exzellentes Mahl”, sagte er. “Geben Sie der KI-Lernnetzwerk schmutzige Sensordaten, und Sie erhalten ein schlechtes Ergebnis.”

Einige andere große Herausforderungen umfassen schlechte Datenqualität und Schmutz, und der Schneeanbau auf den Sensoren verursacht seine eigenen Probleme. Selbst nachdem die Sensoren gereinigt wurden, gibt es nicht immer eine Übereinstimmung bei der Erkennung von Hindernissen. Es ist oft sehr schwierig, die Sensoren und ihre Risikobewertungen dazu zu bringen, miteinander zu kommunizieren und voneinander zu lernen, da jeder zu seinem eigenen Schluss kommen kann. Die Forscher möchten jedoch, dass autonome Sensoren kollektiv zu einem Schluss kommen, indem sie die Sensor-Fusion verwenden.

“Anstatt einfach abzustimmen, werden wir durch die Sensor-Fusion eine neue Schätzung erstellen”, sagt Bos.

Autonome Fahrzeugsensoren werden weiterhin lernen und sich in schlechtem Wetter verbessern, und neue Ansätze wie die Sensor-Fusion könnten den Weg für autonome Fahrzeuge auf schneereichen Straßen ebnen.