Suchen

Autonomes Fahren: Wie neuromorphe Technik die Umfelderfassung verbessert

| Redakteur: Michael Eckstein

Wissenschaftler wollen eine neue KI-Plattform für das Autonome Fahren entwickeln. Die programmierbare, ASIC-basierte Steuerungshardware soll dabei mithilfe neuromorpher Technik während der Fahrt flexibel und eigenständig auf veränderte Rahmenbedingungen reagieren.

Firmen zum Thema

Trainierte Neuronale Netzwerke sollen dafür sorgen, dass autonome Fahrzeuge stets angepasst reagieren (Symbolbild).
Trainierte Neuronale Netzwerke sollen dafür sorgen, dass autonome Fahrzeuge stets angepasst reagieren (Symbolbild).
(Bild: Fraunhofer Institut)

Vom Gehirn inspiriert, für das autonome Auto konzipiert: Das Fraunhofer-Institut für Integrierte Schaltungen IIS entwickelt zusammen mit Partnern im Verbundprojekt „KI-FLEX“ eine Plattform, die durch Methoden der Künstlichen Intelligenz hilft, Fahrzeugposition und Umfeld auf Basis mehrerer, je nach aktuell vorherrschenden Umgebungsbedingungen unterschiedlich gewichteter Sensoren exakt zu erfassen. Dadurch sollen vollautomatisierte und autonome Fahrzeuge in die Lage versetzt werden, in jeder Situation angemessen reagieren können.

KI-FLEX ist angedacht als eine softwareprogrammierbare und rekonfigurierbare Hardware-Plattform zur KI-basierten Sensordatenverarbeitung für das autonome Fahren. Das Projekt soll einen essentiellen Beitrag zur Entwicklung dringend benötigter Technologiekomponenten liefern, die Autonomes Fahren sicher und zuverlässig machen.

Beim Autonomen Fahren müssen Daten von Laser-, Kamera- und Radarsensoren im Auto zuverlässig und schnell verarbeitet und zusammengeführt werden. Dies ist die Voraussetzung dafür, dass das Fahrzeug jederzeit über ein präzises Abbild der realen Verkehrssituation verfügt, sich selbst in diesem Umfeld verorten und auf Basis dieser Informationen in jeder Fahrsituation die richtige Entscheidung treffen kann. Die zu verarbeitenden Daten für die Umfelderfassung sind allerdings überaus komplex. Methoden der Künstlichen Intelligenz sind daher nötig, um eine hohe Verkehrssicherheit zu gewährleisten.

Schnell, rekonfigurierbar, sicher und energieeffizient

Dafür entwickelt das Fraunhofer IIS zusammen mit Partnern im Projekt „KI-FLEX“ eine leistungsstarke Hardware-Plattform und das dazugehörige Software-Framework. Die für die Sensorsignalverarbeitung und Sensordatenfusion eingesetzten Algorithmen basieren größtenteils auf Neuronalen Netzen und erlauben es, die Fahrzeugposition und das Umfeld exakt zu erfassen.

Die Bedeutung und Nutzbarkeit einzelner Sensoren variiert je nach Verkehrssituation, Wetter- und Lichtbedingungen. Daran muss sich die Plattform anpassen können. Die Entwickler entwerfen KI-FLEX daher als software-programmierbare und rekonfigurierbare Hardware. Das heißt, die zur Sensorauswertung verwendeten Algorithmen können bei veränderten Bedingungen während der Fahrt ausgetauscht werden. So kann das Auto auf Beeinträchtigungen oder gar den Ausfall einzelner Sensoren flexibel reagieren.

Darüber hinaus wird das Projektteam geeignete Methoden und Werkzeuge entwickeln, um die funktionale Sicherheit der verwendeten KI-Algorithmen und ihr Zusammenspiel auch bei einer Rekonfiguration während der Fahrt sicherzustellen. Zum effizienten Ausführen aller Algorithmen und Rekonfigurationen sollen die Rechenressourcen der Hardware-Plattform je nach Auslastung dynamisch eingeteilt werden.

Zukunftsfähige, neuromorphe Technologie-Komponente

Bei der geplanten Plattform handelt es sich um eine neue Entwicklung auf dem Gebiet der neuromorphen Hardware. Ihre Funktionsweise ist vom menschlichen Gehirn inspiriert und speziell für die effiziente Nutzung Neuronaler Netze konzipiert und optimiert. Dabei wird insbesondere berücksichtigt, dass einerseits die Produktzyklen in der Automobilbranche sehr lang sind, sich aber andererseits die KI-Algorithmen rasant weiterentwickeln. Das Projekt strebt deshalb eine Hardware-Plattform an, die einfach und schnell an neue Software- und Hardwareanforderungen für maschinelles Lernen angepasst werden kann.

Dies soll durch einen flexibel programmierbaren Deep-Learning-Beschleuniger mit mehreren Rechenkernen in Form eines selbst entwickelten, anwendungsspezifischen Chips (ASIC) erreicht werden. Laut IIS sinken mit dem Einsatz von ASICs die Kosten und Leistungsaufnahme im Vergleich zu herkömmlichen Mehrzweckprozessoren (CPUs) oder Grafikprozessoren (GPUs) – zumindest dann, wenn die Stückzahlen sehr hoch sind. Denn die Entwicklung eines ASICs ist zunächst einmal sehr teuer. Insofern könne das Projekt starke Impulse für Wissenschaft und Automobilwirtschaft im Bereich des autonomen Fahrens liefern.

Projektkonsortium aus Forschungs- und Industriepartnern

Das deutsche Bundesministerium für Bildung und Forschung (BMBF) fördert das Verbundprojekt „KI-FLEX“ im Rahmen der Richtlinie zur Förderung von Forschungsinitiativen auf dem Gebiet der „KI-basierten Elektroniklösungen für sicheres autonomes Fahren (KI-Element: autonomes Fahren)“. Geplant ist eine Laufzeit bis August 2022.

Das Fraunhofer IIS übernimmt die Leitung des Projektkonsortiums, zu dem die Forschungs- und Industriepartner Ibeo Automotive Systems GmbH, Infineon Technologies AG, videantis GmbH, TU München (Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme), Fraunhofer-Institut für Offene Kommunikationssysteme FOKUS, Daimler Center for Automotive IT Innovations (DCAITI, TU Berlin) sowie die FAU Erlangen-Nürnberg (Lehrstuhl für Informatik 3: Rechnerarchitektur) gehören.

Dieser Beitrag ist ursprünglich auf unserem Partnerportal Next Mobility News erschienen.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46287189)