Fahrschule für autonome Fahrzeuge

Categories: AutomotiveTechnology

Es dauert durchschnittlich mehrere Wochen, bis eine Person die Regeln und Prinzipien des Autofahrens von Grund auf gelernt hat. Man braucht so lange, um sich Wissen und Praxis anzueignen, die dann durch einen Führerschein dokumentiert und bestätigt werden. Systeme, die in autonomen Autos arbeiten, haben ihre ersten Lektionen schon vor Jahren gelernt und sind immer noch dabei, sich auf den Straßen der Welt selbstständig und nach dem ursprünglichen Plan zu bewegen. Vielleicht wird sich dieser Prozess bald erheblich beschleunigen.

Wie ein autonomes Auto heute lernt

Autonome Fahrzeuge sind auf dem Vormarsch, das lässt sich nicht leugnen, aber von einer Zukunftsvision, in der sie uns zur Arbeit und zum Einkaufen fahren, sind wir noch weit entfernt. Nach der Einstufung der International Society of Automotive Engineers (SAE) und der amerikanischen National Road Safety Administration (NHTSA) sind wir noch etwas vom Fahrautomatisierungslevel 5 entfernt. Es besteht immer noch Bedarf an einem menschlichen Fahrer, der bereit sein muss, die Kontrolle über Straßenbedingungen zu übernehmen, die schwieriger zu beobachten und zu identifizieren sind. Heutzutage können Kreisverkehre eine solche Herausforderung sein, wie wir vor einiger Zeit in unserem Blog erwähnt haben.

Fahrschule für autonome Fahrzeuge

Allerdings ist alles erlernbar, daher freuen wir uns auf weitere Fortschritte in der Technologieentwicklung. Wie lange kann es dauern? Die Prognose ist nicht sehr beruhigend. Nach Berechnungen der Rand Corporation dauert es … ungefähr vierhundert Jahre, um ein System zu entwickeln, das mindestens zwanzig Prozent sicherer ist als menschliche Fahrer. Und das nur unter der Annahme, dass eine Flotte von einhundert autonomen Fahrzeugen kontinuierlich fährt und eine Gesamtstrecke von vierzehn Milliarden Kilometern zurücklegt. Darüber hinaus müssen wir auch die Sicherheits- und Kostenaspekte berücksichtigen, die die Herausforderung nur erhöhen. Vielleicht liegt die Lösung aber woanders und die notwendigen Übungsalgorithmen und -systeme werden viel schneller, einfacher und billiger zu bekommen sein.

Fahrschulalgorithmen

Mehrere hundert Organisationen auf der ganzen Welt versuchen, das Projekt des autonomen Autos zu entwickeln. Der zeitliche und finanzielle Aufwand für diese Arbeit ist gigantisch, und wie die New York Times im Jahr 2021 berichtete, planen viele der beteiligten Unternehmen, weitere 6 bis 10 Milliarden Dollar für die Technologie bereitzustellen, damit sie das für einen breiten Einsatz erforderliche Niveau erreichen kann. Es ist daher nicht verwunderlich, dass gleichzeitig nach Alternativen gesucht wird, die es ermöglichen würden, das angenommene Ziel zu geringeren Kosten zu erreichen.

Derzeit investieren Unternehmen, die versuchen, genügend Daten bereitzustellen, die für die Entwicklung von Technologien benötigt werden, enorme Ressourcen in deren Erwerb und Vorbereitung. Fahrzeuge, die mithilfe von Sensoren Informationen sammeln, müssen Tausende von Kilometern zurücklegen, und Spezialisten verwenden sie, um Elemente zu erstellen, die die virtuelle Welt der Simulation ergänzen. All dies, damit die Algorithmen Verhaltensweisen in verschiedenen Situationen trainieren können. Der gesamte Prozess erfordert Zeit, Geld und Ressourcen der Unternehmen.

Ein ganz anderes Modell für die Entwicklung autonomer Fahrzeuge stellte das Startup Waabi mit einem Fahrschulprojekt für Algorithmen vor. Es basiert auf der Digital-Twins-Technologie , die wir bereits bei industriellen Anwendungen beschrieben haben. Künstliche Intelligenz konstruiert eine virtuelle Kopie der uns bekannten realen Welt, Waabi World, unter Berücksichtigung ihrer Details und Dynamik von Veränderungen. Sein Design basiert auf Informationen, die während der Fahrten von Autos gesammelt werden, die mit Sensoren oder LiDAR ausgestattet sind. Dort können die Algorithmen trainieren und sich weiterentwickeln. Die Rolle des Systems und seine Einzigartigkeit enden jedoch nicht damit.

Plattform für Stresstests

Die Entwicklung eines Simulators, der die reale Welt originalgetreu wiedergibt, ist eine echte Herausforderung. In der gestalteten virtuellen Realität, in der Algorithmen entwickelt werden, müssen selbst kleinste Details berücksichtigt werden, die die Funktionsweise von Sensoren und die Beobachtung der Welt durch ein autonomes Fahrzeug beeinflussen können. Und Lichtreflexe auf einem Kameraobjektiv oder sogar Nebel zu reproduzieren, ist ausnahmslos zeitaufwendig, kostspielig und schwierig.

Im Fall von Waabi World versuchen die Entwickler, diesem Bedarf und dieser Herausforderung gerecht zu werden, indem sie die aktuellen Fähigkeiten der KI und vereinfachtes physikbasiertes Rendering nutzen. Ziel dabei ist eine möglichst realitätsnahe Simulation von Sensordaten, die in möglichst kurzer Zeit möglichst echtzeitnah gewonnen werden. Das wiederum macht das Lernen im Simulator greifbarer und lässt sich tatsächlich als Erfahrung übersetzen, auf deren Basis der Algorithmus später in der Realität operieren kann.

Dadurch erhöht sich die Effektivität der im Simulator durchgeführten Belastungstests. KI überwacht ständig das Verhalten von autonomen Fahrzeugalgorithmen und Entscheidungen, die auf virtuellen Straßen getroffen werden, und sucht nach potenziellen Mängeln und Schwächen. Auf Basis dieser Informationen schafft es neue Situationen, in denen ein autonomes Fahrzeug Probleme haben könnte und wirft es solchen Herausforderungen entgegen. So kann er lernen und besser werden und auf alle Eventualitäten vorbereitet sein.

Die Welt der autonomen Fahrzeuge ist eine Welt des Wandels

Die vorgeschlagene Methode bietet nicht nur eine Lösung für das Sicherheitsproblem oder die Möglichkeit erheblicher Einsparungen, sondern kann auch die Entwicklung autonomer Fahrzeuge beschleunigen, die in der Lage sein werden, gleichzeitig Erfahrungen aus vielen verschiedenen Verkehrssituationen zu sammeln. Und das alles dank der Zusammenführung und dem Aufeinandertreffen von zwei künstlichen Intelligenzen – die eine als eine Art Fahrlehrer, die andere als Fahrschüler.

Warum ist der Vorschlag, die Digital-Twin-Technologie im Rahmen der Entwicklung autonomer Fahrzeuge einzusetzen, so wichtig? Hier sind Zahlen die beste Antwort. Die Waymo Corporation gab Mitte letzten Jahres bekannt, dass ihre Autos bereits über dreißig Millionen Kilometer auf öffentlichen Straßen und über dreißig Milliarden Kilometer virtueller Straßen in Simulatoren zurückgelegt haben. Allein in Kalifornien legten alle getesteten Maschinen unterschiedlicher Hersteller im Jahr 2020 insgesamt über drei Millionen Kilometer zurück. Sie wurden auf all diesen Fahrten von menschlichen Fahrern begleitet, die im Falle eines Fehlers, einer Panne oder einer potenziell gefährlichen Situation bereit waren, die Kontrolle zu übernehmen. Gab es viele solcher Veranstaltungen? Insgesamt 3 695. Die Verlagerung der Testlast auf Simulatoren ist eine Chance,

Optimistische Szenarien gehen davon aus, dass die nächsten Generationen keinen Führerschein benötigen. Betrachtet man die Welt um uns herum und die rasante technologische Entwicklung, ist es schwer vorherzusagen, wie der Transport im nächsten Jahrzehnt aussehen wird und ob die Straßen wirklich von selbstfahrenden Autos dominiert werden. Eines ist sicher – wir haben noch viele Veränderungen vor uns, denen wir uns als Zivilisation stellen müssen. Die Popularisierung autonomer Fahrzeuge wird mit rechtlichen, wirtschaftlichen, infrastrukturellen und ökologischen Herausforderungen verbunden sein. Wir werden die Fortschritte in diesem Bereich genau beobachten und in weiteren Texten auf unserem Blog diskutieren.

Wenn Sie an Waabi World interessiert sind, empfehlen wir Ihnen, die Website der Macher zu lesen.

Sie interessieren sich für das Thema autonome Fahrzeuge?

Bei GlobalLogic haben wir das Autonomous Samurai -Projekt ins Leben gerufen und entwickeln es ständig weiter. Unsere Teams sind nah dran an neuen Technologien und Innovationen. Wenn Sie nach einem Job in einem entwicklungsorientierten Umfeld suchen, schauen Sie sich doch mal bei uns um.

Author

Automotive.jpg

Author

GlobalLogic Marketing

View all Articles

Top Insights

Homeoffice Whitepaper

Homeoffice Whitepaper

AtlassianCloudSecurityAutomotiveCommunicationsConsumer and RetailFinancial ServicesHealthcareManufacturing and IndustrialMediaTechnology

Top Authors

Luca Jungemann

Luca Jungemann

Online Marketing Manager

Kateryna Vasylieva

Kateryna Vasylieva

Specialist, People Development

Olga Cherevata

Olga Cherevata

Lead Recruitment Specialist

Victoria Polishchuk

Victoria Polishchuk

Specialist, People Development

Olena Lisovska

Olena Lisovska

Recruitment specialist, Consultant

Blog Categories

  • URL copied!