Grundsatzforschung: unterwegs mit autonomen Fahrzeugen

Eine wichtige Herausforderung für die Akzeptanz des autonomen Fahrens ist es, die Sicherheit der Verkehrsteilnehmenden zu gewährleisten, ohne dabei Einbußen in puncto Geschwindigkeit hinnehmen zu müssen. Eine große Aufgabe für Wissenschaftler.

Die haben im Fraunhofer-Institut für Experimentelles Software Engineering IESE, Fraunhofer-Instituts für Kognitive Systeme IKS und in der Universität York nun ein dynamisches Risikomanagement als Bestandteil einer Referenzsicherheitsarchitektur entwickelt.

Alle drei sind zentrale Forschungseinrichtungen auf dem Gebiet der Absicherung komplexer (Software-)Systeme.

Das Ziel: den Fahrzeugen ein besseres Verständnis der aktuellen Gefahren der jeweiligen Fahrsituation zu ermöglichen.

Dabei werden die Möglichkeiten Künstlicher Intelligenz (KI) genutzt, um etwa Einflussfaktoren wie das Fahrverhalten anderer Verkehrsteilnehmenden analysieren und berücksichtigen zu können.

Autonome Fahrzeuge erfordern einen Paradigmenwechsel im Safety Engineering. Die Sicherheit der Fahrgäste und Verkehrsteilnehmer muss gewährleistet sein, ohne dabei Einbußen bei der Geschwindigkeit hinnehmen zu müssen. Grafik: Fraunhofer IESE

Selbstfahrende Autos zu bauen, die Menschen am Steuer in puncto Sicherheit überlegen sind, würde nach heutigem Stand der Technik mit Einbußen bei der Geschwindigkeit einhergehen, was eine weiterhin sinkende Akzeptanz der autonomen Mobilität zur Folge hätte.

Dies ergab eine Studie des Insurance Institute for Highway Safety,.

Die amerikanischen Verkehrssicherheitsorganisation veröffenrlicht regelmäßig Forschungsergebnisse zum autonomen Fahren.

Auch Pilotstudien deutscher Automobilhersteller bestätigen die Wahrnehmung der Passagiere, dass autonome Fahrzeuge meist langsam und zögerlich unterwegs sind.

Eine wesentliche Herausforderung bei der Markteinführung solcher besteht daher darin, die Sicherheit zu gewährleisten, ohne Geschwindigkeit und Komfort so einzuschränken.

Projekt LOPAAS

Mit „Layers of Protection Architecture for Autonomous Systems“ verfolgen Fraunhofer IESE, Fraunhofer IKS und die Universität York das Ziel, es autonomen Fahrzeugen zu ermöglichen, schneller und sicherer zu fahren.

Die Ergebnisse des Projekts sollen für den Technologietransfer in die Standardisierung und Normierung einfließen.

Um eine Referenzsicherheitsarchitektur und -argumentation für automatisiertes Fahren und autonome Systeme zu entwickeln.

Fraunhofer IESE: Das dortige Team bringt sein Know-how im dynamischen Risikomanagement ein, mit dem es autonome Systeme befähigt, die Risiken ihrer Handlungsoptionen situationsspezifisch abzuschätzen und zu kontrollieren.

Frauenhofer IKS: Das dortige Team konzentriert sich auf vertrauenswürdige KI-basierte Situationserkennungen sowie eine Laufzeitüberwachung der damit verbundenen Unsicherheiten.

Universität in York: Sie wiederum steuert ihre Expertise zur systematischen Erzeugung von umfassenden und nachvollziehbaren Sicherheitsargumentationen bei.

Robotaxis und Autobahnpiloten

Die Projektpartner entwickeln innovative Sicherheitskonzepte für die zwei großen Anwendungsbereiche:

1. Robotaxis und Roboshuttles: selbstfahrende Autos für einen oder mehrere Fahrgäste

2. Autobahnpiloten in Privat-Pkws: eine Software, die die Fahr- und Lenkfunktion auf gut kartierten Autobahnabschnitten bei einfachen Wetterbedingungen vollständig übernehmen kann.

Die Sicherheitskonzepte werden an konkreten Nutzungsszenarien eines Autobahnpiloten untersucht. Mit dem digitalen »Safety-Ingenieur« bringen die Forschungsteams ein System an Bord, was das automatisierte Fahren für die unterschiedlichen Use Cases bei garantierter Sicherheit effizienter macht. Angepasst an die Verkehrssituation reagiert der digitale Safety-Ingenieur individuell und beeinflusst das Fahrverhalten und das Fahrgefühl der Person am Steuer.

Dabei ermöglicht das dynamische Risikomanagement mithilfe von KI vorausschauendes Fahren unter Einhaltung der erforderlichen Abstände zu anderen Fahrzeugen und Verhinderung harter Bremsungen.

Dynamisches Risikomanagement

Dr. Rasmus Adler:

„Aktuelle Ansätze gehen von Worst-Case-Szenarien aus, um die optimale Sicherheit zu gewährleisten. Sie basieren u.a. auf Berechnungen physikalischer Gesetzmäßigkeiten, also wie sich Objekte bewegen. Dies führt jedoch zu einer verminderten Geschwindigkeit des Fahrzeugs. Problematisch ist darüber hinaus die korrekte Einschätzung von mehreren Risiken, die zeitgleich auftreten können, beispielsweise ein plötzlich links vom Fahrzeug auftauchender Fußgänger und ein Radfahrer auf der rechten Fahrzeugseite.“

Der Program Manager »Autonomous Systems« am Fraunhofer IESE ist zugleich Projektleiter von »LOPAAS«.

„Es geht darum, den Fahrzeugen ein Risikoverständnis zu implementieren, das nicht den Worst Case kalkuliert und damit alle Risiken überschätzt.“

Dabei nutzt das Forschendenteam kausale bayessche Netze, um die gemeinsame Wahrscheinlichkeitsverteilung aller risikorelevanten Variablen möglichst kompakt zu repräsentieren und damit dem System das Verständnis des dynamischen Kontextes zu ermöglichen.

Die neue Methodik der Forschenden findet bereits im Bereich der Intralogistik Anwendung: In einem Projekt mit Hitachi geht es um die sichere und effiziente Zusammenarbeit von autonomen mobilen Robotern und menschlichen Arbeitskräften in Industriehallen.

Das zugrunde liegende Lösungsprinzip besteht darin, statische Worst-Case-Annahmen, wie sie üblicherweise für die Konzeption von Sicherheit verwendet werden, durch dynamische Sicherheitsmechanismen zu ersetzen, die sich das Wissen über die konkrete Situation, in der sich das fahrerlose Transportsystem gerade befindet, zunutze machen.

Beispielsweise kann die Annahme, wie wahrscheinlich sich eine Person in die geplante Fahrtrichtung der Maschine bewegt, anhand der aktuellen Arbeitsaufgabe bzw. der bisherigen Bewegung von Personen an dieser Stelle genauer abgeschätzt werden.

Damit kann das System auch besser abschätzen, ob eine proaktive Bremsung tatsächlich notwendig ist oder nicht.

Die Systeme sollen relevante Eigenschaften ihrer selbst und ihres Kontexts überwachen, diese Eigenschaften in die Zukunft projizieren und Schlussfolgerungen über deren Auswirkungen auf das Risiko ziehen.

Dr. Rasmus Adler:

„In einfachen Umgebungen wie Lagerhallen funktioniert unser Ansatz des dynamischen Risikomanagements sehr gut. So plant Hitachi, seine fahrerlosen Gabelstapler damit auszustatten. Derzeit optimieren wir unsere Methodik für komplexe Verkehrssituationen mit Robotaxis und Autopiloten bis zum Projektende im Juni 2024. Dabei nutzen wir auch KI und datengetriebene Modelle, die für die Umgebungserkennung und die Klassifizierung von Objekten unerlässlich sind.“

Tipps zur Blog-Nutzung

Alles rund um Mobilität: Autos, Bikes, Räder,
Nutzfahrzeuge, Insider-Tipps, Verkehrsrecht etc.

Zur Startseite dieses Blogs geht es hier:

   https://goettingen-mobil.blogspot.com

Einfache Themensuche
1. oben im Blog mit der Lupe
(Suchwort eingeben, alles dazu wird gezeigt)
2. Kästen am Textende anklicken

Interessantes senden an:
achim.stahn@interpress-ipr.de

Dieses Blog durchsuchen