KI-Verfahren erkennt unsichere Sensordaten

Im Projekt Aula-KI wurde ein KI-Verfahren für das automatisierte Fahren entwickelt. Es soll wetter- und umweltbedingte Störungen in Sensordaten zuverlässig erkennen.

Ein neues KI-Verfahren soll automatisierte Fahrzeuge in die Lage versetzen, unsichere Sensordaten zu erkennen und entsprechend zu handeln. "Autonome Fahrzeuge geraten bei Regen, Schnee, Nebel oder dichtem Bewuchs in eine Lage, die viele aus dem Alltag kennen: Man sieht noch, aber nicht mehr präzise genug für sichere Entscheidungen", sagt Projektleiter Dr. Christoph Steup von der Fakultät für Informatik der Universität Magdeburg. So können Tropfen und Flocken als Störsignale scheinbare Hindernisse erzeugen, Nebel schwächt oder streut Signale. Die entwickelte KI der Forscher kombiniert dabei maschinelles Sehen mit maschineller Selbsteinschätzung.

Die entwickelten Konzepte wurden bereits teilweise in Software umgesetzt und an einem autonomen Easymile EZ10 Shuttle der 2. Generation auf dem Galileo-Testfeld der Universität Magdeburg im Wissenschaftshafen getestet. Das Fahrzeug verfügt unter anderem über mehrere Lidarsensoren und zwei Kameras und konnte laut der Forscher Nebel sehr zuverlässig detektieren, Regen und Schnee nicht nur erkennen, sondern in Teilen auch kompensieren. Als Reaktionsstrategie wurde bei starker Störung das kontrollierte Anhalten des Shuttles implementiert. Aula-KI wurde vom BMFTR (ehemals BMBF) gefördert. Projektpartner war das Institut für Automation und Kommunikation (ifak).