ProjektlogoKIsSME-Projekt

KIsSME - Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen

  • Ansprechperson:

    Frey, Michael

    Rautenberg, Philip

    Simon, Kevin

  • Projektgruppe:

    Automatisierung

  • Förderung:

    Bundesministerium für Wirtschaft und Klimaschutz (BMWK)

  • Projektbeteiligte:

    Verbundpartner:

     - AVL Deutschland GmbH (Koordinator)

     - Fraunhofer-Institut für Kurzzeitdynamik, Ernst-Mach-Institut

     - FZI Forschungszentrum Informatik

     - LiangDao GmbH

     - Mindmotiv GmbH

     - RA Consulting GmbH

     - Robert Bosch GmbH

     

    Assoziierte Partner:

     - ASAM e.V., Association for Standardization of Automation
       and Measuring Systems

     - Cluster Elektromobilität Süd-West / e-mobil BW GmbH,
       Landesagentur für neue Mobilitätslösungen und Automotive
       Baden-Württemberg
     

  • Starttermin:

    01.01.2021

  • Endtermin:

    31.12.2023

abgeschlossen

Inhalte und Ziele

Die Funktionsabsicherung von hochautomatisierten Fahrzeugen basiert auf manöverbasiertem Testen sowie statistischen Nachweisen auf Basis riesiger Mengen von Echtzeitdaten. Zur Reduktion der notwendigen Datenmengen ist es notwendig, bereits während der Fahrtests signifikante Umgebungsdaten und Rohdaten der Fahrzeugsensorik nur für relevante und kritische Fahrsituationen zu erfassen.

Im Verbundvorhaben KIsSME sollen daher KI-basierte Algorithmen erarbeitet werden, mit deren Hilfe On-Board-Systeme relevante und kritische Szenarien in Echtzeit erkennen und hierfür selektiv Rohdaten sowie Szenarienbeschreibungen erfassen. Diese KI-basierten Algorithmen sollen lernfähig sein und so das Erkennen von kritischen Situationen sowie der zugehörigen relevanten Daten stetig verbessern. Damit wird die Informationsdichte der für die Entwicklung und Erprobung von Systemen der Level 4-5 genutzten Daten gesteigert sowie die notwendigen Datenvolumen und Aufwände für den Datenschutz signifikant reduziert.

Das Teilvorhaben des KIT stellt den Verbundpartnern Daten aus realen Fahrversuchen als Grundlage für die Entwicklung der KI-basierten Algorithmen zur Verfügung. Dabei dienen ausgewählte Szenarien als Basis für die automatische Bewertung der Testfahrten bzw. der automatischen Generierung von standardkonformen Szenarienbeschreibungen. Die notwendigen Messfahrten werden im regulären Fahrzeugbetrieb im öffentlichen, urbanen Verkehr sowie auf dem Testfeld Autonomes Fahren Baden-Württemberg (TAF-BW) durchgeführt. Zusätzlich werden ausgewählte Closed Vehicle-in-the-Loop Simulationen an einem Gesamtfahrzeugprüfstand des KIT durchgeführt.

Veruschsfahrten Verkehrsszenario
Foto oben: Beispiele für Durchführung von Versuchsfahrten für Abbiegeszenarien mit Sichtbehinderung

Versuchsfahrten Verkehrsszenario
Foto oben: Beispiele für Durchführung von Versuchsfahrten für Überholmanöver

Die Validierung der KI-Modelle sowie die Verifikation der entwickelten KI-Selektoren für die Aufzeichnung erfolgt durch Anwendung der von den Verbundpartnern entwickelten Algorithmen auf die im Fahrversuch sowie bei den am Prüfstand aufgezeichneten Daten.