Datenmengen -Autonomes Fahren
KIT: KI bändigt Datenmengen für automatisiertes Fahren
Projekt KIsSME
Beim Erproben hochautomatisierter Fahrzeuge fallen große Mengen an Daten an. Diese Datenmengen zu reduzieren, um Speicherplatz, Strom und Auswertungsaufwand zu sparen, zugleich aber die Informationen zu verdichten, um die Fahrzeuge sicherer zu machen – darauf zielt das neue Projekt KIsSME. Auf Künstlicher Intelligenz (KI) basierende Algorithmen selektieren die Daten im Fahrbetrieb und sortieren sie in Szenarienkataloge ein. Das Karlsruher Institut für Technologie (KIT) stellt in dem vom Bundeswirtschaftsministerium geförderten Verbundvorhaben Daten aus Fahrversuchen und Simulationen bereit.
Hochautomatisiertes Fahren verspricht viele Vorteile – mehr Komfort für die Fahrenden, weniger Unfälle, einen flüssigeren und damit umweltfreundlicheren Straßenverkehr. Die zukünftigen Fahrzeuge verfügen über viele verschiedene Sensoren, mit denen sie Informationen über ihren eigenen Status und aus ihrer Umgebung aufnehmen. Anhand dieser Informationen müssen sie in kürzester Zeit verlässliche Fahrentscheidungen treffen. Bei ihrer Erprobung muss jede Fahrzeugvariante Millionen von Kilometern zurücklegen und viele verschiedene Szenarien meistern, die Infrastruktur, Witterung sowie andere Verkehrsteilnehmerinnen und -teilnehmer und deren Verhalten kombinieren. „Dabei fallen riesengroße Datenmengen an – vier bis acht Terabyte pro Fahrzeug und Tag“, berichtet Dr. Michael Frey, stellvertretender Institutsleiter am Institut für Fahrzeugsystemtechnik (FAST), Institutsteil Fahrzeugtechnik des KIT . „Diese Datenmengen sind kaum noch zu handhaben.“
Algorithmen für intelligente Datenauswahl
Kataloge von Fahrszenarien zu erstellen und bei der Fahrzeugerprobung neu auftretende Szenarien einzusortieren, das heißt, schon während des Fahrbetriebs nur diejenigen Daten aufzuzeichnen, die tatsächlich einen Mehrwert bringen, – das ist der Ansatz des nun gestarteten Verbundvorhabens KIsSME (steht für „Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen“). Dazu entwickeln Wissenschaftlerinnen und Wissenschaftler auf KI basierende Algorithmen, die bereits während des Fahrbetriebs die anfallenden Daten selektieren. „KIsSME zielt darauf, den Szenarienkatalog auszubauen und zugleich Datenmengen zu reduzieren“, erklärt Frey, der am FAST unter anderem die Forschungsgruppe „Automatisierung“ leitet. „Dies spart Speicherplatz und Strom und verringert den Aufwand für Auswertung und Datenschutz.“
Versuche laufen auf dem Testfeld Autonomes Fahren Baden-Württemberg (TAF BW)
Die Forscherinnen und Forscher des KIT stellen für KIsSME Daten aus realen Fahrversuchen sowie aus Simulationen bereit. Dazu laufen Messfahrten im öffentlichen urbanen Verkehr und auf dem Testfeld Autonomes Fahren Baden-Württemberg (TAF BW) in Karlsruhe sowie Closed Vehicle-in-the-Loop Simulationen an einem Gesamtfahrzeugprüfstand des KIT. Zudem überprüfen Forscherinnen und Forscher des FAST die im Projekt entwickelten KI-Modelle und KI-Selektoren, indem sie die von den Verbundpartnern erarbeiteten Algorithmen auf die Daten aus Versuchen und Simulationen anwenden. KIsSME bezieht sich auf automatisiertes Fahren der Stufen vier bis fünf (vollautomatisiert bis autonom).
Die Koordination des Verbundvorhabens KIsSME liegt bei der AVL Deutschland GmbH. Als Partner sind neben dem KIT das Fraunhofer-Institut für Kurzzeitdynamik, das Ernst-Mach-Institut, das FZI Forschungszentrum Informatik, die LiangDao GmbH, die Mindmotiv GmbH, die RA Consulting GmbH und die Robert Bosch GmbH beteiligt. Als assoziierte Partner fungieren der ASAM e.V., Association for Standardization of Automation and Measuring Systems, sowie der Cluster Elektromobilität Süd-West, koordiniert von der e-mobil BW GmbH, Landesagentur für neue Mobilitätslösungen und Automotive Baden-Württemberg. Das Bundesministerium für Wirtschaft und Energie (BMWi) fördert das Vorhaben mit insgesamt 6,5 Millionen Euro; das KIT erhält davon rund 330 000 Euro. KIsSME ist Anfang 2021 gestartet und auf drei Jahre angelegt. (or)