AI4OD – Verbesserte Objekterkennung im automatisierten Fahren

Automatisiert fahrende Fahrzeuge benötigen hochkomplexe Algorithmen, um eine ausreichende und sichere Objekterkennung und Umfeldwahrnehmung zu gewährleisten. Hierzu sind Verfahren der Künstlichen Intelligenz besonders geeignet, da die starke Varianz der Situationen nicht mehr in Regeln abbildbar ist. Die Herausforderungen bei der Anwendung von diesen Verfahren bestehen insbesondere in der prozesssicheren Integration und Implementierung in ein Embedded-Umfeld, welches höchste Anforderungen an Sicherheit, Echtzeit als auch Energieverbrauch, Speicherbedarfe etc. benötigt. Anhand einer neuartigen KI-Funktion der erweiterten Umfelderkennung, mit der Objekte bereits durch ihren Lichtkegel bzw. Reflexionen von diesem erkannt und nachverfolgt werden können, soll diese Herausforderung der Integration in ein Automotive-Umfeld beispielhaft erfolgen. Ziel ist es, die Funktion in einen Embedded Automotive Software Stack zu integrieren. Hierzu sind Methoden für eine A-SPICE-konforme Integration der KI-Funktion sowie Konzepte für eine Qualifikation und Integration in den bestehenden Echtzeit-fähigen Software-Stack (Basis-SW) zu entwickeln. Die dargestellten Methoden tragen nachhaltig für eine Stärkung der Automobilwirtschaft in Deutschland bei, indem neue KI-Verfahren in Richtung einer produktiven Anwendbarkeit erarbeitet werden. Die Funktion sowie die Integration sollen im Rahmen eines von der Porsche AG bereitgestellten Fahrzeugs demonstriert werden.

Quelle: Lernende Systeme – Plattform für künstliche Intelligenz