Autonome Fahrzeuge: Sicheres Navigieren bei Schnee und Nebel
Bei Regen, Schnee oder Nebel sind die heute genutzten Navigationssysteme in autonomen Fahrzeugen oft überfordert. Sie "wissen" beispielsweise manchmal nicht, auf welcher Spur sie sich befinden. Das haben Forscher des Department of Computer Science der University of Oxford(öffnet im neuen Fenster) gemeinsam mit Kollegen der Boğaziçi-Universität in der türkischen Metropole Istanbul jetzt geändert. Ihr Navigationssystem, das die Hochschule am 8. September 2022 präsentiert hat, basiert auf künstlicher Intelligenz (KI).
"Die Schwierigkeit für autonome Fahrzeuge, bei widrigen Wetterbedingungen eine präzise Positionierung zu erreichen, ist ein Hauptgrund, warum diese bisher auf relativ kleine Versuche beschränkt waren" , sagt Yasin Almalıoğlu, Absolvent der Boğaziçi-Universität, der jetzt in Oxford Informatik studiert, in einer Veröffentlichung der University of Oxford. Er war maßgeblich an der Entwicklung des neuen Systems beteiligt.
Regen, Nebel oder Schnee könnten dazu führen, dass sich ein AV (autonomous vehicle/autonom fahrendes Auto) vor einer Kurve auf der falschen Spur wähne oder aufgrund einer ungenauen Positionierung an einer Kreuzung zu spät anhalte.
Das autonome Fahrzeug kontrolliert sich selbst
Um dieses Problem zu lösen, entwickelten Almalıoğlu und seine Kollegen ein selbstüberwachendes Deep-Learning-Modell, das die Bewegung des AV in Bezug auf die Objekte berücksichtigt, die die Sensoren des Fahrzeugs ausmachen. Das Modell bringt detailreiche Informationen von visuellen Sensoren, die durch widrige Bedingungen gestört werden können, mit Daten aus wetterunabhängigen Quellen wie Radarsensoren zusammen, so dass die Vorteile jedes einzelnen unter verschiedenen Wetterbedingungen genutzt werden können.
Robuste Allwetterleistung dank KI
Die Forscher trainierten den KI-Algorithmus anhand von öffentlich verfügbaren AV-Datensätzen von mehreren Sensoren wie Kameras, Lidar und Radar unter verschiedenen Einstellungen, darunter Licht-Dunkel-Wechsel und wechselnde Wetterbedingungen. In verschiedenen Testsituationen zeigten die Forscher, dass das Modell eine robuste Allwetterleistung zeigt.
"Die präzise Positionierungsfähigkeit bietet eine Grundlage für zahlreiche Kernfunktionalitäten von AVs wie Bewegungsplanung, Vorhersage, Situationsbewusstsein und Kollisionsvermeidung" so Niki Trigoni, Professorin am Department of Computer Science, die die Entwicklung betreute, gegenüber der Redaktion der Oxford News.