Autonomes Fahren
Autonomes Fahren.
Ein Chauffeur für alle
Schon seit den 1970er-Jahren wird an autonom fahrenden Autos geforscht. Doch außer Tempomat und den piepsenden Parksensoren hat sich hier lange Zeit nichts getan.
Einen Wendepunkt markiert die DARPA Challenge 2004. Die DARPA ist eine Forschungsbehörde des US-Verteidigungsministeriums, die unter anderem den Vorläufer des Internets entwickelte. Sie lobte eine Million Dollar für das Fahrzeug aus, das als erstes eigenständig eine 240 Kilometer lange Strecke durch die Mojave-Wüste zurücklegt.
Von den fünfzehn teilnehmenden Teams erreichte kein einziges das Ziel, ein Fahrzeug schaffte immerhin zwölf Kilometer, bevor es in einer Haarnadelkurve von der Straße abkam und Feuer fing. Die DARPA Challenge wurde 2005 wiederholt und dokumentiert, wie schnell die Entwicklung des autonomen Fahrens voranschreitet: Von 23 Teams erreichten nur ein Jahr später bereits fünf das Ziel, und auch sonst übertrafen die meisten die Bestleistung des Vorjahres.
So funktioniert autonomes Fahren
Um sich sicher im Straßenverkehr zu bewegen, benötigt das Fahrzeug Informationen. Dafür sorgen Ultraschallsensoren, Radar und LiDAR (Light Detection and Ranging, Abstands- und Geschwindigkeitsmessung per Laser), Reifen- und Trägheitssensoren sowie Kameras, aber auch externe Informationen wie GPS Positionsdaten und hochauflösende Karten.
Diese Informationen werden zunächst an ein Steuerungssystem übermittelt. Hier wird in Echtzeit ein Abbild der Fahrzeugumgebung generiert und interpretiert. Je nach Level der Automatisierung werden daraus dann die entsprechenden Fahrbefehle (abbremsen, beschleunigen, blinken, lenken etc.) für die entsprechenden Aktoren (Brems- und Motoranlage, Lenkungssystem usw.) abgeleitet.
Immer aktuell: dynamische Landschaftskartierung mit KI.
Mit dem auf den Dächern von mehreren Kartierungsfahrzeugen installierten Mobile Mapping System von Mitsubishi Electric werden aktuell während der Fahrt eine Vielzahl an relevanten Daten in Echtzeit gesammelt. Diese bilden die Basis für zentimetergenaue 3D-Karten. Verantwortlich für die Erstellung der eigentlichen Karten ist „Dynamic Map Planning“, ein Konsortium, an dem Mitsubishi Electric federführend beteiligt ist. Hier werden die Rohdaten verarbeitet und in dynamische Karten umgewandelt. Dynamisch bedeutet in diesem Fall, dass bei der Aktualisierung der Landschaftskartierung mithilfe von künstlicher Intelligenz einzig und allein veränderte Informationen übernommen und entsprechend eingearbeitet werden, etwa neue Verkehrsschilder oder Fahrbahnmarkierungen. Dazu wird zukünftig eine größere Zahl ganz gewöhnlicher Fahrzeuge, etwa Lieferwagen, mit einem (miniaturisierten) Mobile Mapping System ausgestattet werden.
Übrigens: Mit dem Quasi-Zenith Satellite System liefert Mitsubishi Electric auch zentimetergenaue Positionsdaten. Um diese Präzision zu erreichen, startet 2018 der sogenannte Centimeter Level Augmentation Service (CLAS). Er augmentiert die Signale des Satelliten und korrigiert Störungen des Signals durch die Ionosphäre und die Troposphäre, die bisher die zentimetergenaue Positionierung verhinderten – ein weiterer kleiner Baustein, der uns das lenkradlose Auto ein Stückchen näher bringt.
Künstliche Intelligenz statt Mustererkennung.
Was für unerwarteten Herausforderungen sich das autonome Fahren stellen muss, zeigt sich zum Beispiel an der Tiererkennung, die hervorragend mit Elchen funktioniert, aber größte Schwierigkeiten in Australien hat. Die verschiedenen Känguru-Arten auf dem fünften Kontinent unterscheiden sich nämlich stark in ihrer Größe; auch ihre Silhouette variiert je nach Haltung extrem. Dazu springen Kängurus bis zu zwölf Meter weit, wodurch die Fahrzeugsensoren ihre Entfernung und Geschwindigkeit nicht mehr richtig erfassen können. Die Folge: Das System funktioniert (zumindest in Australien) nicht zuverlässig.
In einem anderen Fall kam es zwischen einem Auto und einem Lkw zu einem fatalen Zusammenstoß, weil das System den von der Seite kommenden Lastwagen irrtümlich als Reklametafel interpretiert hatte. Die Komplexität der realen Welt platziert noch große Hindernisse auf dem Weg zur autonomen Fortbewegung, in der die reine Mustererkennung nicht weiterhilft.
Ein Teil der Lösung ist die Erweiterung der Datenbasis um Informationen aus der Cloud bzw. dem Internet der Dinge. Das können Wetter- und Temperaturdaten sein (Nebel, Eisglätte etc.), die Daten von Fahrzeugen in der Umgebung oder weiteren Verkehrsteilnehmern auf der gleichen Route, aber auch hochaktuelles Kartenmaterial. Diese Daten lassen autonome Fahrzeuge weiter schauen, als ihre Sensoren es können.
Vorteile des autonomen Fahrens
Für autonome Fahrzeuge sprechen neben Komfortmerkmalen vor allem Sicherheitsaspekte. So schaltet sich die räumliche Wahrnehmung des Menschen durch die sich einstellende Monotonie und Routine nach etwa zwanzig Minuten ab. In dieser Situation halten vernetzte Systeme unbegrenzt den Abstand, die Spur und vor allem die Geschwindigkeit, die häufigste Ursache für tödliche Verkehrsunfälle. Weil starkes Beschleunigen und Abbremsen reduziert werden, sinken außerdem Spritverbrauch, Lärmbelastung und Schadstoffausstoß. Lastwagen könnten sich in Kolonnen (Platoons) aneinanderreihen, im Windschatten des vorausfahrenden Lkw und ohne Elefantenrennen.
Grenzen der selbstständigen Fortbewegung
Je höher die Fahrgeschwindigkeit wird, desto mehr Daten werden in der gleichen Zeitspanne erfasst. Die Ansprüche an die Datenverarbeitung, die Datenanalyse und die Erteilung von Steuerbefehlen explodieren. Während eine Fahrt auf einem geraden Autobahnabschnitt mit deutlich sichtbaren Fahrbahnmarkierungen und kreuzungsfreiem Verkehr von der Technik fast schon als statisch wahrgenommen wird, ergeben sich im Stadtverkehr mit Fußgängern und Radfahrern sowie auf Landstraßen häufig Fahrsituationen, die ein schnelles, flexibles Handeln erfordern. Rollt etwa ein Ball auf die Straße, muss das System in Sekundenbruchteilen entscheiden, ob es bremst, ausweicht oder gar nicht reagiert. Hier ist der generalistisch veranlagte Mensch den autonomen Systemen momentan noch weit überlegen, auch, wenn seine Reaktionszeit mit 1,2 Sekunden um einiges höher ist. Spätestens im Stadtverkehr wird das Thema autonomes Fahren also hochkomplex. Künstliche Intelligenz (KI), maschinelles Lernen und Entscheidungsalgorithmen müssen deutlich nachlegen, damit auch hier eine absolut sichere Fortbewegung möglich wird.
Der EMIRAI 4 ist ein Technologieträger auf dem Weg zum autonomen Fahren und verfügt über Merkmale der Autonomiestufe 4.
1. Head-up-Display mit Augmented Reality.
In der erweiterten Realität (Augmented Reality) werden auf dem Head-up-Display die Daten von Positionsgebern sowie von hochpräziser 3D-Kartierungsund Positionsbestimmungstechnologie zusammengeführt und visualisiert. So werden etwa die Fahrbahnbegrenzungen und alle Straßenmarkierungen eingeblendet, um auch bei schlechten Wetter- und Sichtverhältnissen eine sichere Navigation zu gewährleisten.
2. Intuitive Mensch-Maschine-Schnittstelle.
Über den intuitiven Drehknopf kann der Fahrer sämtliche Funktionen steuern, ohne den Blick von der Straße nehmen zu müssen.
3. Fahrerzustandserfassung.
Eine Weitwinkelkamera analysiert permanent den Gesundheitszustand von Fahrer und Beifahrer, indem sie deren Kopfposition verfolgt. Im Fall der Fälle warnt sie den Fahrer und stellt notfalls einen sicheren Übergang vom manuellen zum autonomen Fahren her.
Es gibt also noch viel zu tun – und Mitsubishi Electric ist ganz vorne mit dabei. <<
