messweb E-Paper Automotive Testing 2021

Aus der Forschung
Datenmengen effizient verarbeiten
Beim Erproben hochautomatisierter Fahrzeuge fallen
große Mengen an Daten an. Diese zu reduzieren, um
Speicherplatz, Strom und Auswertungsaufwand zu sparen,
zugleich aber die Informationen zu verdichten, um
die Fahrzeuge sicherer zu machen – darauf zielt das neue
Projekt KIsSME. Auf KI basierende Algorithmen selektieren
die Daten im Fahrbetrieb und sortieren sie in Szenarienkataloge
ein. Das KIT stellt in dem 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 und aus ihrer Umgebung
aufnehmen. Anhand dieser Informationen müssen sie in
kürzester Zeit verlässliche Fahrentscheidungen treffen.
Bei ihrer Erprobung muss jede Fahrzeugvariante Millionen
von Kilometern zurücklegen und viele verschiedene
Szenarien meistern, die Infrastruktur, Witterung
sowie andere Verkehrsteilnehmerinnen und -teilnehmer
und deren Verhalten kombinieren. „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 des KIT.
„Diese Datenmengen sind kaum noch zu handhaben.“
Algorithmen für intelligente Datenauswahl
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 Verbundvorhabens
KIsSME (steht für „Künstliche
Intelligenz zur selektiven echtzeitnahen
Aufnahme von Szenarien- und
Manöverdaten bei der Erprobung von
hochautomatisierten Fahrzeugen“).
Dazu entwickeln Wissenschaftlerinnen
und Wissenschaftler 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 Frey, der am FAST
unter anderem die Forschungsgruppe
„Automatisierung“ leitet. „Dies spart
Speicherplatz und Strom und verringert den Aufwand
für Auswertung und Datenschutz.“
Versuche laufen auf dem Testfeld
Die Forscherinnen und Forscher des KIT stellen für KIsS-
ME 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 KIT. Zudem überprüfen Forscherinnen
und Forscher 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,
das 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., Association 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.
36
Karlsruher Institut für Technologie (KIT)
KIT Mobility Systems Center
Kaiserstr. 12 – 6131 Karlsruhe
Telefon: +49 (0) 721 608-0
E-Mail: info@kit.edu
www.mobilitaetssysteme.kit.edu