Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
10 l 2020 26 l sicherheit & Datenschutz l Autonomes Fahren im Test Kilometer schrubben 4 0 Autonome Fahrzeuge müssen die richtigen Entscheidungen in beliebigen Fahrsituationen treffen Um dies zu gewährleisten sind mit Methoden des maschinellen Lernens trainierte Deep Neural Networks erforderlich Für die Absicherung des autonomen Fahrens und die Identifikation von Trainingsund Wahrnehmungslücken gilt es neue Guided-Simulation-Testverfahren einzusetzen Autor Peter Gitzel Redaktion Diana Künstler ➤ Die zentralen Zukunftsthemen in der Automobilindustrie sind Mobilitätsdienstleistungen alternative Antriebe und das autonome Fahren Die technischen Voraussetzungen für selbstfahrende Autos bei denen KI-Algorithmen die unterschiedlichsten Verkehrssituationen beherrschen sind schon weitgehend vorhanden Die allgemeine Akzeptanz für autonome Fahrzeuge hängt aber entscheidend von der Zuverlässigkeit und Sicherheit der Machine-Learning ML - und Deep-Neural-Network DNN -Algorithmen ab die das Auto steuern Die zentrale Vorgabe auch vom Bundesministerium für Verkehr lautet Autonomes Fahren muss die Sicherheit erhöhen Die Kriterien dafür sind zum Beispiel die Unfallzahlen und die Zahl der Verkehrstoten im Straßenverkehr Um eine höchstmögliche Sicherheit beim autonomen Fahren zu realisieren müssten Autohersteller und Zulieferer Millionen von Fahrkilometern in Praxistests absolvieren Unter zeitlichen und ökonomischen Aspekten ist eine solche Vorgehensweise aber nicht realistisch Die Automobilbranche sucht daher nach neuen Verfahren Sie müssen in der Lage sein erstens die Daten aus den Testumgebungen zu nutzen und zweitens intelligente selbstlernende Systeme parametrierbar zu testen Die passende Simulationsumgebung definieren Eine zentrale Aufgabe lautet folglich statistisch den Nachweis zu erbringen dass autonomes Fahren besser ist als der Mensch am Steuer Die Nutzung einer Simulationsund Testumgebung ist hier unerlässlich Im Rahmen einer hochkomplexen Testumgebung stünde dabei der Aufbau einer Endto-End-Testumgebung im Mittelpunkt welche umfangreiche Simulationstechnik beinhaltet Nur so lässt sich die zukünftig geforderte Absicherung der Fahrzeuge umfassend unterstützen Zentraler Bestandteil jeder Simulationsund Real-Life-Testumgebung sollte ein umfangreicher Testkatalog für das autonome Fahren Testwagen von Automobilherstellern sind mit Sensoren und Kameras ausgestattet die eine umfangreiche Datenmenge erfassen beispielsweise Fotos und Videosequenzen GPS Lidar zur Abstandsmessung Radar und Sonar Bild CGI