Unter der Koordination der Technischen Universität München (TUM) untersuchte fortiss gemeinsam mit den Partnern TWT GmbH Science & Innovation, SANEON GmbH und Infineon AG, wie die Sicherheit beim hochautomatisierten und autonomen Fahren verbessert werden kann. Der Fokus lag dabei vor allem auf Wahrnehmung, Entscheidungsfindung, Verhalten und Bewegungsplanung sowie Bewegungssteuerung durch Kooperation zwischen Fahrzeugen und anderen Verkehrsteilnehmern. Kooperatives Handeln ist eine der zentralen Herausforderungen auf dem Weg zum Auto der Zukunft, da es derzeit keine mathematisch fundierte Sicherheitsgarantie gibt, die das automatisierte System unter allen Umweltbedingungen absichert.
Schlüsselfaktoren für sicheres autonomes Fahren
Für hochautomatisierte und autonome Fahrzeuge (Level 3 bis 5) hängt das Erreichen von mehr Sicherheit von zwei entscheidenden Faktoren ab: der Einhaltung der Verkehrsregeln und der Verhaltenssicherheit. Um diese Faktoren zu beherrschen, fehlt herkömmlichen Fahrerassistenzsystemen (Advanced Driver Assistance Systems, ADAS) bisher die Fähigkeit, effektiv mit der Umgebung zu interagieren. Dies beeinträchtigt ihr Verständnis komplexer Verkehrsszenarien, insbesondere in städtischen Umgebungen, und schränkt ihre Fähigkeit ein, das automatisierte Fahren vollständig zu unterstützen.
Bisher konzentrieren sich die Fahrzeuge im Wesentlichen auf ihr eigenes Verhalten und vernachlässigen dabei die Synergie mit anderen Verkehrsteilnehmern. Mit anderen Worten: Automatisiertes Fahren auf niedrigem Niveau war in der Vergangenheit nur in der Lage, Entscheidungen zu treffen und Maßnahmen zu ergreifen, die auf den von ihm beobachteten Straßeninformationen basierten. In dieser Hinsicht kann die alleinige Berücksichtigung des eigenen Verhaltens die Echtzeitsicherheit des hochautomatisierten und autonomen Fahrens nicht vollständig gewährleisten. Das kooperative Fahren wird daher eine Schlüssellösung für dieses Problem sein, da Ego-Fahrzeuge die Absichten anderer Verkehrsteilnehmer durch Echtzeit-"Kommunikation" mit ihnen verstehen und entsprechende Verhaltensentscheidungen treffen können.
Durch Kooperation sicher ans Ziel kommen
Im Rahmen des Projekts hat fortiss einen neuen Ansatz zur kooperativen Bewegungsplanung für hochautomatisierte und autonome Fahrzeuge im Mischverkehr entwickelt. Diese Entwicklung hat wichtige Erkenntnisse für die Schaffung von Sicherheit für hochautomatisierte Fahrzeuge geliefert. Der Ansatz unterstützt die automatisierte Entscheidungsfindung und Verhaltensplanung von automatisierten und autonomen Fahrzeugen unter verschiedenen Operational Design Domains (ODDs). ODDs definieren genau die Bereiche, in denen automatisierte Fahrfunktionen eingesetzt werden dürfen und stellen somit eine grundlegende Voraussetzung für sicheres automatisiertes Fahren dar.
Die Expert*nnen aus dem fortiss Kompetenzfeld Machine Learning haben sich vor allem mit den Interaktions- und Kommunikationsmechanismen mit anderen Verkehrsteilnehmern beschäftigt. Konkret hat fortiss Wissenschafler Jiajie Zhang einen Mechanismus entwickelt, der die direkte oder indirekte Kommunikation mit Verkehrsteilnehmern umfasst. Dieser Mechanismus beinhaltet auch die Vorhersage des Verhaltens und der Absichten der interagierenden Agenten, einschließlich Fahrzeugen und Fußgängern. Außerdem konzentrierte sich das Machine Learning Team auf die Verhaltens- und Trajektorienplanung unter Berücksichtigung der Einhaltung von Verkehrsregeln. Zudem führte es eine Validierung durch Simulationen und Straßentests mit einem Prototypfahrzeug durch. Auf diese Weise kann die Einhaltung der Vorschriften und die Sicherheit der Fahrzeugbewegung in gemischten Verkehrsszenarien gewährleistet werden.
