Künstliche Intelligenz für das autonome Fahren

Ein autonomes Fahrzeug muss in der Lage sein, im öffentlichen Straßenverkehr „mitzuschwimmen“. Dazu muss es die aktuelle Verkehrssituation erfassen, das Verhalten menschlicher Verkehrsteilnehmer wie Fußgänger, Radfahrer und Autofahrer vorhersagen und sein eigenes Verhalten daran anpassen können.

Das autonome Fahren ist damit eine klassische Aufgabe der Künstlichen Intelligenz (KI), bei der es darum geht, Computern menschenähnliche Verhaltensweisen einzuprogrammieren. Dafür erforderliche Teilgebiete der Künstlichen Intelligenz sind Expertensysteme, Mustererkennung, Vorhersage, Planung und Optimierung. Das Expertensystem eines autonomen Fahrzeugs muss beispielsweise Verkehrsregeln enthalten, aber auch Daten über die Möglichkeiten des Fahrzeugs, die Verkehrsszene mit Sensoren zu erfassen und Fahrmanöver auszuführen. Für die Vorhersage des Verhaltens von Fußgängern, Radfahrern muss das Expertensystem Modelle umfassen, die gerade intensiv erforscht werden.

Zum KI-Teilgebiet Mustererkennung gehört die detaillierte Erfassung der aktuellen Verkehrssituation. Diese basiert hauptsächlich auf Fahrzeugsensoren wie z. B. Kamera, Radar, Laserscanner und Ultraschall, aber auch auf Kommunikation mit anderen Fahrzeugen und Verkehrszeichen wie Ampelanlagen, die über einen Rot/Grün-Wechsel informieren können. Aktuell werden hierbei Deep Learning und Convolutional Neural Networks stark betrachtet.

In der aktuellen Forschung werden statistische Modelle für die Vorhersage der Verkehrssituation untersucht. Auf der Basis der aktuellen Vorhersage wird eine Planung des eigenen Manövers durchgeführt. Aktuelle Ansätze unterziehen das geplante Manöver einer Optimierung anhand von Kriterien wie Fahrsicherheit, Regelkonformität, Fahrtzeit und Fahrkomfort, die teilweise im Gegensatz zueinanderstehen und daher gegeneinander gewichtet werden müssen. Die größte Gewichtung kommt dabei der Sicherheit zu.

Aktuelle Ansätze adressieren die Suche nach einem global optimierten Manöver in einer gegebenen Zeit. Generelle Anforderungen an die Künstliche Intelligenz sind der Umgang mit Unsicherheit und die Lernfähigkeit. Während aktuelle Ansätze zum autonomen Fahren alle Unsicherheiten durchgängig modellieren, ist die Lernfähigkeit autonomer Fahrzeuge umstritten. Grund hierfür ist, dass ein während des Betriebs lernendes System möglicherweise auch das Verhalten ändern wird, das zum Zeitpunkt der Typzulassung gegeben war.

Dr. Dieter Willersinn, Fraunhofer Institut für Optronik, Systemtechnik und Bildauswertung (IOSB)