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 Autonomes Fahren im Test l 27 sein Seit einiger Zeit bauen Fahrzeughersteller und Automobilzulieferer riesige Sensor-Datenbanken im dreistelligen Petabyte-Bereich auf aus denen KI-Algorithmen in einer Simulationsumgebung Testdaten extrahieren und automatisierte Tests durchführen können Auch die Erkenntnisse der Automobilhersteller aus Fahrten auf Teststrecken und die dabei ermittelten Daten sollten in eine Simulationsund Real-LifeTestumgebung einfließen Der entscheidende Vorteil einer solchen Vorgehensweise In der Simulation kann eine größere Menge und Diversität an Szenarien geprüft werden Wichtig ist das insbesondere mit Blick auf sogenannte Grenzfälle Corner Cases von denen bekannt ist dass ein autonomes Fahrzeug damit seine Probleme hat oder die einfach zu gefährlich sind um in der Realität getestet zu werden Altbewährte Testansätze greifen zu kurz Prinzipiell benötigen Machine-Learningund Deep-Neural-Networksbasierte Systeme andere Testansätze als eine traditionelle Software In der klassischen Software-Welt wird mit einem Testalgorithmus ermittelt ob eine Applikation ein zuvor definiertes Problem löst In der Welt des autonomen Fahrens hingegen besteht die Aufgabe darin dass neuronale Netze eine bestmögliche Lösung in einer bestimmten Situation selbstständig finden müssen Das heißt der zu testende Algorithmus steht nicht per se fest Für die Absicherung ist dadurch eine Umstellung von prozeduralen Algorithmentests auf datenund szenariogestützte Testmethoden mit großen Datenmengen aus verschiedenen Sensorsystemen wie GPS Lidar englisch für light detection and ranging Kamera Radar und Ultraschall erforderlich Um Trainingsund Wahrnehmungslücken der zugrundeliegenden neuronalen Netze zu finden sind Guided-Simulationen erforderlich die sich auf sehr große Mengen annotierter und klassifizierter Daten aus Testfahrten stützen Bei der Annotation werden die Daten um zusätzliche Informationen angereichert mit denen im Test die Korrektheit der Entscheidungen des neuronalen Netzwerks überprüft werden kann Idealerweise werden ein flexibles parametrisierbares Testszenario-Design und die Testautomatisierung mit komplexen Big-DataAnalytics-Methoden kombiniert um die Testabdeckung und das Testverifikations-Reporting zu gewährleisten Ein Meer an Datenquellen In einer Simulationsund Real-Life-Testumgebung sollten unter anderem Daten aus den Testfahrzeugen von Autoherstellern genutzt werden Diese Sammlung enthält unzählige Videosequenzen von realen Testfahrten unter den unterschiedlichsten Fahrbedingungen Außerdem ist es von Vorteil für eine Real-Life-Testumgebung die gleiche Open-Source-Datenplattform einzusetzen an die auch die führenden europäischen Autohersteller wie BMW Daimler und VW angedockt haben Der Datensatz der Plattform enthält RGB-Videos mit hochauflösenden Bildern pixelgenaue Annotation 3D-LidarPunkte mit semantischer Segmentierung stereoskopische Aufnahmen und Panoramabilder Mit Hilfe dieser Plattform lassen sich beispielsweise durch Anbieter Testfallkataloge für das autonome Fahren inklusive realitätsnaher Testdaten erstellen Autohersteller und Zulieferer könnten den Testkatalog im Umkehrschluss entweder als vorgefertigte Lösung für ihre individuellen und länderspezifischen Anforderungen nutzen oder die Lösung in einer eigenen privaten oder hybriden Cloud-Umgebung installieren Damit sind sie in der Lage ihre autonomen Fahrzeuge abzusichern und können diese schneller und sicherer für den weltweiten Einsatz vorbereiten Peter Gitzel ist Product Owner Autonomous Driving bei CGI Informieren Sie sich jetzt über dieses und weitere ARGUS-Produkte intec Gesellschaft für Informationstechnik mbH Telefon 02351 90 70-0 · E-Mail sales@argus info · www argus info ARGUS® 260 TOUCH THE NEXT GENERATION Intec_FS 10 pdf S 1 Format 210 00 x 73 00 mm 08 Oct 2020 14 07 06 Mobilität 4 0 ➤ In Anlehnung an den Begriff Industrie 4 0 entstand der Marketing-Kunstbegriff Mobilität 4 0 Er umfasst zum einen eine stärkere Nutzung und Integration von IT in Verkehrsund Logistikprozessen und zum anderen eine stärkere Vernetzung der unterschiedlichen Verkehrsträger untereinander Derzeit spielt vor allem das autonome Fahren eine große Rolle innerhalb des Bereichs der Mobilität 4 0 Selbstfahrende U-Bahnen wie in Nürnberg oder Paris sind längst keine Seltenheit mehr Aber auch mobile Angebote in öffentlichen Verkehrsmitteln wie Apps WLAN oder fahrkartenloses Fahren fallen darunter DK