Institut für Fahrzeugsystemtechnik - Institutsteil Fahrzeugtechnik

Aktuelles 2021

Coronavirus- bitte lesen und beachten

Aktuelle Informationen finden Sie hier.

Forschungsvorhaben „KIsSME“ gestartet  -  KI soll Datenmengen für automatisiertes Fahren bändigen

Beim Erproben hochautomatisierter Fahrzeuge fallen große Mengen an Daten an. Diese Datenmengen gezielt zu nutzen und zu verdichten, um die Fahrzeuge sicherer zu machen, sowie zu reduzieren, um Speicherplatz, Strom und Auswertungsaufwand zu sparen – darauf zielt das neue Projekt KIsSME. Auf Künstlicher Intelligenz basierende Algorithmen selektieren die Daten im Fahrbetrieb vor, sortieren sie in Szenarienkataloge ein und halten relevante Beobachtungen gezielt fest. Das Institut für Fahrzeugsystemtechnik 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 sowie aus ihrer Umgebung auf-nehmen. Anhand dieser Informationen müssen sie in kürzester Zeit verlässliche Fahrentscheidungen treffen. Bei ihrer Erprobung legt jede Fahrzeugvariante Millionen von Kilometern zurück und meistert viele verschiedene Szenarien, die aus der Kombination von Infrastruktur, Witterung sowie Verkehrsteilnehmer und deren Verhalten resultieren. „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. „Diese Datenmengen sind kaum noch zu handhaben.“

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 neuen Verbundvorhabens KIsSME (Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen). Dazu entwickeln Wissenschaftlerinnen und Wissenschaftler Onboard-Auswertungssysteme und 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 Michael Frey, der am FAST unter anderem die Forschungsgruppe „Automatisierung“ leitet. „Dies spart Speicherplatz und Strom und ver-ringert den Aufwand für Auswertung und Datenschutz.“

Das FAST stellt 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 FAST. Zudem überprüfen Forscherinnen und Forscherinnen 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, 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., Associati-on 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.

Forschungsvorhaben „SafeADArchitect“ gestartet  -  Mehr Sicherheit durch KI-basierte Fahrzeugführung

Die Entwicklung von autonomen, also fahrerlosen Fahrzeugen macht stetige Fortschritte. Immer mehr Prototypen werden im Verkehr getestet. Dabei soll größtmögliche Sicherheit gewährleistet werden. Insbesondere im urbanen Umfeld ist dies aufgrund unübersichtlicher Bereiche sowie des hohen Verkehrsaufkommens eine große Herausforderung. Heutige Prototypen geraten dabei oft an die Grenze des Möglichen, sodass sie übervorsichtig agieren oder der Sicherheitsfahrer übernehmen muss.

Um diese Herausforderungen zu meistern, hat ein Konsortium unter Beteiligung des Karlsruher Instituts für Technologie (KIT) das Forschungsvorhaben „SafeADArchitect“ gestartet. Das Projekt hat sich zum Ziel gesetzt, Methoden und Ansätze zu entwickeln, um automatisierte Fahrzeuge über risikosensitive Echtzeitverfahren im städtischen Betrieb abzusichern.

Dabei soll das AD-System (Automated Driving) in seiner Gesamtheit betrachtet werden. Elementar ist hierfür die Erkennung von Fehlfunktionen der Fahrzeugplattform. „Die Ergebnisse werden dazu beitragen, die Entwicklung von Sicherheitskonzepten voranzutreiben und zu erleichtern“, sagt Michael Frey, Leiter der Forschungsgruppe Automatisierung am Institut für Fahrzeugsystemtechnik des KIT. Dazu wird an einem Deep-Learning-Diagnosesystem geforscht. Um die diesem System zugrunde liegenden Algorithmen mit Trainingsdaten zu füttern, wird eigens eine auf Künstlicher Intelligenz basierende Fahrzeugführung entworfen.

Neben dem KIT sind Intel Deutschland GmbH, Schaeffler Technologies AG & Co. KG, FZI Forschungszentrum Informatik, ANavS GmbH, Ibeo Automotive Systems GmbH und Lake Fusion Technologies GmbH am Projekt beteiligt. Das Bundesministerium für Wirtschaft und Energie unterstützt das Projekt, das KIT wird dabei mit rund 330 000 Euro gefördert.

Archiv

frühere News

Frühere News und Informationen des Institutsteil Fahrzeugtechnik finden Sie unter folgenden Links:

2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009