Eine echtzeitnahe Erkennung von Szenarien und die effiziente Erfassung von Szenario beschreibenden Daten bei der Erprobung hochautomatisierter Fahrzeuge soll durch lernfähige Algorithmen ermöglicht werden. Im Rahmen des Projektes KIsSME selektieren auf KI basierende Algorithmen diese Daten im Fahrbetrieb und speichern diese auch anonymisiert für die weitere Bearbeitung. Die RA Consulting plant und erstellt das On-Board-System im Projekt sowie bringt neben den Kompetenzen im Bereich der ASAM OpenX Standard, insbesondere den Standard OpenScenario 1.X zur standardisierten Beschreibung von Fahrmanövern und Szenarien, auch das Know-How zu klassischen ASAM Standardisierungsdomänen ein.

Die riesigen Datenmengen, die bei der Entwicklung und Erprobung von hochautomatisierten Fahrzeugen anfallen, sind eine der großen Herausforderungen in diesem Zukunftsfeld. Eine mögliche Lösung ist die gezielte Filterung der Daten und die Konzentration auf relevante Situationen (z.B. beinahe Unfälle).

So fallen auch während einer einsamen Autofahrt ca. vier bis acht Terabyte Daten pro Fahrzeug und Tag an, die aber bei der Weiterentwicklung bzw. Überprüfung von autonomen Fahrfunktionen kaum von Nutzen sind. Andererseits können schon wenige Sekunden eines knappen Überholmanövers viel Aufschluss über die Fähigkeiten der Fahrfunktionen liefern. Auf die Erkennung dieser kritischen Fahrszenarien zielt das neue Projekt KIsSME ab: Auf Künstlicher Intelligenz (KI) basierende Algorithmen selektieren die Daten im Fahrbetrieb und bewerten in Echtzeit die Fahrsituation. Auf der Basis einer daraus resultierenden Kritikalitätsbewertung werden die Fahrzeugdaten gefiltert, um möglichst nur relevante Daten zu speichern und damit große Mengen Speicherplatz, Strom und Auswertungsaufwand einzusparen.

Die RA Consulting leitet hier das Arbeitspaket zur Spezifikation und Umsetzung eines On-Board-Systems. Dieses System sammelt die unterschiedlichen Messdaten (Motordaten, Lokalisierung und Bilddaten) und stellt sie den verschiedenen Applikationen der Partner zur weiteren Bearbeitung zur Verfügung.

 

 

Die Hauptarbeit des Projekts ist dabei die Entwicklung, Erprobung und Verbesserung der KI-Algorithmen sowie der Komponenten für Datenselektion und echtzeitnahen Manöver- und Szenariobewertung. Die dabei erzeugten Daten sollen eine spätere Generierung von Szenarien in standardisierten Formaten ermöglichen, um z.B. auch in Simulationen verwendet werden zu können. Dadurch wird dort der Bereich der bisher unbekannten Fahrszenarien verkleinert und die Abdeckung bei der Entwicklung von autonomen Fahrfunktionen verbessert.

Neben der RA Consulting sind auch das KIT aus Karlsruhe, das Fraunhofer-Institut für Kurzzeitdynamik, das Ernst-Mach-Institut, das FZI Forschungszentrum Informatik, die LiangDao GmbH, die Mindmotiv GmbH, die Robert Bosch GmbH sowie die AVL Deutschland, die auch die Projektleitung übernimmt, beteiligt. Vier Partner stellen unterschiedliche hochautomatisierte Fahrzeugtypen für Erprobungsfahrten zur Verfügung, so dass viele Daten für die Optimierung der KI-Algorithmen für die Szenarienerkennung und Bewertung zur Verfügung stehen.

Als assoziierte Partner fungieren neben dem Cluster Elektromobilität Süd-West, koordiniert von der e-mobil BW GmbH, Landesagentur für neue Mobilitätslösungen und Automotive Baden-Württemberg, auch der ASAM e.V. (Association for Standardization of Automation and Measuring Systems) wo derzeit Standards zur standardisierten Beschreibung von Straßennetzwerken (OpenDrive) und Fahrmanövern (OpenScenario) entwickelt und verbessert werden. Bei diesen hochinteressanten Arbeitsgruppen ist die RA Consulting mit beteiligt und bietet so dem Projekt KIsSME einen einfachen und direkten Zugang zu der standardisierten Beschreibung von Fahrszenarien an. So wurde von der RA Consulting im Rahmen des vom BMBF geförderten Forschungsprojektes SmartLoad bereits eine OpenScenario 1.0 API zum Lesen und Testen als OpenSource Software zur Verfügung gestellt.

Das Bundesministerium für Wirtschaft und Energie (BMWi) fördert das Projekt KIsSME mit insgesamt 6,5 Millionen Euro. Das Vorhaben ist Anfang 2021 gestartet und auf drei Jahre angelegt.

Autor: fh
Quelle: RAC, KIT