Skalierbare Sicherheitswerkzeuge für autonome Fahrzeuge von Forschern entwickelt

Da die Geschwindigkeit der Herstellung und des Einsatzes autonomer Fahrzeuge zunimmt, wird die Sicherheit autonomer Fahrzeuge immer wichtiger. Deshalb investieren Forscher in die Entwicklung von Metriken und Werkzeugen, um die Sicherheit autonomer Fahrzeuge zu überwachen. Wie von ScienceDaily berichtet, hat ein Forschungsteam der University of Illinois at Urbana-Champaign mithilfe von Machine-Learning-Algorithmen eine skalierbare Plattform für die Sicherheitsanalyse autonomer Fahrzeuge entwickelt, die sowohl Hardware- als auch Software-Verbesserungen nutzt.

Die Verbesserung der Sicherheit autonomer Fahrzeuge ist eine der schwierigsten Aufgaben im Bereich der künstlichen Intelligenz, da viele Variablen an diesem Prozess beteiligt sind. Nicht nur die Sensoren und Algorithmen, die in den Fahrzeugen verwendet werden, sind extrem komplex, sondern es gibt auch viele externe Bedingungen, die ständig in Fluss sind, wie Straßenbedingungen, Topographie, Wetter, Beleuchtung und Verkehr.

Die Landschaft und Algorithmen autonomer Fahrzeuge ändern sich ständig, und Unternehmen benötigen eine Möglichkeit, um mit diesen Änderungen Schritt zu halten und auf neue Probleme zu reagieren. Das Forschungsteam der University of Illinois arbeitet an einer Plattform, die es Unternehmen ermöglicht, neu identifizierte Sicherheitsbedenken schnell und kosteneffizient zu bearbeiten. Allerdings ist die Komplexität der Systeme, die autonome Fahrzeuge antreiben, enorm. Das Forschungsteam entwickelt ein System, das in der Lage sein wird, autonome Fahrzeugsysteme zu verfolgen und zu aktualisieren, die Dutzende von Prozessoren und Beschleunigern enthalten und Millionen von Codezeilen ausführen.

Im Allgemeinen fahren autonome Fahrzeuge sehr sicher. Wenn jedoch ein Fehler oder ein unerwartetes Ereignis auftritt, ist ein autonomes Fahrzeug derzeit eher in einen Unfall verwickelt als ein Fahrer, da das Fahrzeug oft Schwierigkeiten hat, plötzliche Notfälle zu bewältigen. Es ist schwierig, die Sicherheit autonomer Fahrzeuge zu quantifizieren und was für Unfälle verantwortlich ist, aber es ist offensichtlich, dass Fahrzeugausfälle bei einer Geschwindigkeit von 70 Meilen pro Stunde auf einer Straße extrem gefährlich sein können, daher ist es notwendig, die Handhabung von Notfällen durch autonome Fahrzeuge zu verbessern.

Saurabh Jha, ein Doktorand und einer der Forscher, die an diesem Programm beteiligt sind, erklärte gegenüber ScienceDaily die Notwendigkeit, die Handhabung von Fehlern in autonomen Fahrzeugen zu verbessern. Jha erklärte:

“Wenn ein Fahrer eines herkömmlichen Autos ein Problem wie Fahrzeugdrift oder -zug bemerkt, kann der Fahrer sein Verhalten anpassen und das Auto zu einem sicheren Haltepunkt führen. Das Verhalten eines autonomen Fahrzeugs kann jedoch unvorhersehbar sein, wenn es nicht explizit für solche Probleme trainiert wurde. In der realen Welt gibt es eine unendliche Anzahl solcher Fälle.”

Die Forscher versuchen, dieses Problem zu lösen, indem sie Daten über Sicherheitsberichte sammeln und analysieren, die von Unternehmen für autonome Fahrzeuge eingereicht werden. Unternehmen wie Waymo und Uber sind verpflichtet, Berichte an das DMV in Kalifornien mindestens einmal jährlich einzureichen. Diese Berichte enthalten Daten über Statistiken wie die gefahrene Strecke, die Anzahl der Unfälle und die Bedingungen, unter denen die Fahrzeuge betrieben wurden.

Das Forschungsteam der University of Illinois analysierte Berichte aus den Jahren 2014 bis 2017. Während dieses Zeitraums legten autonome Fahrzeuge etwa 1.116.000 Meilen zurück, die auf 144 verschiedene Fahrzeuge verteilt waren. Laut den Ergebnissen des Forschungsteams waren Unfälle 4000-mal wahrscheinlicher, wenn man sie mit der gleichen Strecke vergleicht, die von menschlichen Fahrern zurückgelegt wurde. Die Unfälle können darauf hindeuten, dass die künstliche Intelligenz des Fahrzeugs nicht ordnungsgemäß disengagierte und den Unfall vermeidete, sondern stattdessen auf den menschlichen Fahrer angewiesen war, um die Kontrolle zu übernehmen.

Es ist schwierig, potenzielle Fehler in der Hardware oder Software autonomer Fahrzeuge zu diagnostizieren, da viele Fehler nur unter bestimmten Bedingungen auftreten. Es ist auch nicht möglich, Tests unter allen möglichen Bedingungen durchzuführen, die auf der Straße auftreten können. Anstatt Daten über hunderttausende von Meilen zu sammeln, die von autonomen Fahrzeugen zurückgelegt wurden, nutzt das Forschungsteam simulierte Umgebungen, um die Menge an Geld und Zeit zu reduzieren, die für die Generierung von Daten für die Ausbildung von AVs benötigt wird.

Das Forschungsteam nutzt die generierten Daten, um Situationen zu untersuchen, in denen AV-Fehler auftreten und Sicherheitsprobleme entstehen können. Es scheint, dass die Nutzung von Simulationen tatsächlich helfen kann, Unternehmen Sicherheitsrisiken zu finden, die sie sonst nicht entdecken könnten. Zum Beispiel, als das Team das Apollo-AV-System von Baidu testete, konnten sie über 500 Fälle identifizieren, in denen das AV-System nicht in der Lage war, eine Notlage zu bewältigen, und ein Unfall als Folge auftrat. Das Forschungsteam hofft, dass andere Unternehmen ihre Testplattform nutzen und die Sicherheit ihrer autonomen Fahrzeuge verbessern werden.