VL9 Flashcards
Integration von Kl in Fahrzeugen
• Unterstützung des Menschen bei der Steuerung (Fahrassistenz) und komplette Übernahme von Teilaufgaben (Automatisierung)
• Stand heute: Zahlreiche straßenzugelassene Verkehrsmittel mit zahlreichen KI-Assistenzsystemen
• Treffen intelligenter Entscheidungen & Ableitung intelligenter Handlungen von Kl durch Sensordaten
Fahrassistenzsystem
• Unterstützung des Fahrers & Erhöhung der Fahrsicherheit
• Eingriff des Assistenten in bestimmten, notwendigen Situationen
• Warnung durch ein Signal in Situationen: Bremsassistenten, Ausweichassistent, Abbiegeassistenz, Spurhalteassistenz, Kommunikationsassistenz
Die 5 Stufen der Automatisierung
• Stufe 0 (= keine Automatisierung) -> Keine automatisierten Fahrfunktionen; Ggf. Warnsysteme vorhanden
• Stufe 1 (= Assistenz) -> Fahrassistenz durch zeitweise Übernahme der Lenkung; Parkassistenz
• Stufe 2 (= Teilautomatisierung) -> Übergabe der Lenkung in bestimmten Anwendungsfällen; Fortlaufende Überwachung des Fahrverhaltens & des Verkehrs; Eingriff durch den Fahrer bei Dringlichkeit erwünscht/notwendig
• Stufe 3 (= Hochautomatisiert) -> Keine dauerhafte Überwachung durch den Fahrer notwendig; Übernahme des Fahrens bei Aufforderung durch das System (bspw. abweichende Umgebungsbedingungen)
• Stufe 4 (= Vollautomatisiert) -> Möglichkeit der vollständigen Abgabe der Fahraufgabe an das System; Fahrer muss nicht mehr eingreifen, kann aber
• Stufe 5 (= Fahrerlos) -> Vollumfängliches Fahren durch das System auf allen Straßentypen; Kein Eingriff durch den Fahrer
Definition Sensor (Messwertaufnehmer)
• Komponente, die eine gemessene physikalische Größe oder chemischen Effekt in ein analoges elektrisches Signal umwandelt
• Physikalische Größen: Druck, Gewicht, Beschleunigung, Lichtstärke, Temperatur, Feuchtigkeit, Strahlung, Schall, magnetischer Fluss, etc.
Sensoren in intelligenten Autos
• Ziel: Robuste & akkurate Wahrnehmung der Umwelt
• Beobachtung der Umgebung durch Kameras, Radar, Lichterkennung etc.
• Erkennung von: Fahrspur, Ampeln, Verkehrszeichen & Schilder, Objekte (Tiere & Fußgänger)
Funktionen von ausgewählten Sensoren
• GPS
> Ortung des Fahrzeugs durch GPS
> Information über Koordinaten (Breiten-/ Längengrad & Hohe)
> Transformation in eine eindeutige Position des Fahrzeugs
• Radar, Ultraschall & Lidar (Light Detection and Ranging)
> Erkennung von festen & sich bewegenden Hindernissen
> Ermöglichung der relativen Positionierung eines Fahrzeugs
• Kameras
> Detaillierte Wahrnehmung der Umgebung eines Fahrzeugs
Herausforderungen der Datenbasis :
• Kosten für das Sammeln ausreichender Sensordaten sehr hoch
• Zustände, welche im Verkehrsleben auftreten können z.B. StVO, Staus & Unfälle, Schlechtes Wetter (Regen, Glätte)
• Kritische & seltene Fahrszenarien müssen in den Daten abgedeckt werden!
> Vermeidung von Kollisionen
DARPA Grand Challange 2005
Das Autonome Fahrzeug von Waymo
• Wettbewerb für selbstfahrende Autos
• 212 km durch wüstenähnliches Gelände in Nevada
• Streckeninformationen aus GPS-Koordinatendaten für Streckenpunkte im Abstand von 72 m
• 5/23 selbstfahrenden Autos erreichen das Ziel
• Verwendung zahlreicher Sensoren: Videokamera, Laser-Entfernungsmesser, Radar, GPS, Lagesensoren
• Führende Rolle im autonomen Fahren
• Einsatz im Straßenverkehr
• Einsatz von KI zur Verbesserung der Sensoren
• Mehr als 16 Millionen autonom zurückgelegte Kilometer (!)
• Waymo erhält als erste Firma von der kalifornischen Behörde die Erlaubnis, vollständig fahrerlose Autos (ohne menschliche Sicherheitsfahrer) zu betreiben
Objekterkennung
Verhaltensplanung
Objekterkennung
• Wahrnehmung von Verkehrsteilnehmern im Fahrzeugumfeld mittels Sensoren
• Verfolgung (Tracking) & Erkennung von Objekten durch Zuordnung zu bereits bekannten/trainierten Objekten
• Herausforderungen: Heftiger Regen, Überblendung durch Sonne, Verschmutzung an Schildern (-> Fehlinterpretion)
• Vorausschauende Planung durch Berücksichtigung & Verknüpfung der Umgebungsinformationen & historischen Fahrverhaltens
> Verkehrsmeldungen & Stauinformationen
> Navigationsdaten
> Fahrzeugdaten
• Festlegung von Fahrstrategien für die optimierte Fahrweise
• Vorausschauende Vorhersage nachfolgender Fahrschritte
> Situation: Aquaplaning
> Abgeleitetes Verhalten: Vorausschauend Fahren - Optimierte Bremsung
> Optimierte Beschleunigung
> Lenkrad nicht einrenken
Vor und Nachteile des autonomen Verkehrs
Vor:
- mehr Komfort
- weniger verstöße
- Barrierefreiheit
- flüssiger Verkehr
Nach:
- Arbeitsplatzverluste
- hohe Investitionen
- anfällig für cyberangriffe
- kritische Situationen mit sensor (regen)
