Kooperationsprojekt „rAIcing“
IAV und die TU München bringen KI auf die Rennstrecke
03.05.2021 —
Seit Jahren tüfteln führende Köpfe der Automobilindustrie an einem der spannendsten Themen, seit es Motoren gibt: das automatisierte Fahren. In einem Innovationsprojekt in Kooperation mit der TU München trieb IAV die Erforschung potenzieller Zukunftstechnologien voran – und zwar nicht irgendwo, sondern auf der Rennstrecke. „rAIcing – autonomes Fahren auf der Rennstrecke“ hieß das Kooperationsprojekt, das im Rahmen des internationalen Wettbewerbs „Roborace“ an den Start gegangen war.
Science-Fiction in Echtzeit
Am 26. September 1982 flimmerte die erste Folge der heutigen Kult-Fernsehserie „Knight Rider“ über die Bildschirme amerikanischer Röhrenfernseher. Unzählige Fans auf der ganzen Welt fieberten seitdem mit den Helden der Science-Fiction-Actionserie mit: Michael Knight und sein sprechendes Auto K.I.T.T. Letzteres war ein schwarzer Pontiac Firebird Trans Am, der mit Künstlicher Intelligenz ausgestattet, selbst denken, sprechen und fahren konnte. Heute, fast 40 Jahre später, sind mit Künstlicher Intelligenz vernetzte Autos keine Science-Fiction mehr. Ganz im Gegenteil, wie ein Kooperationsprojekt von IAV und TU München namens „rAIcing“ zeigt.
Mein Haus, mein Auto, mein Algorithmus
Die Beteiligten von „rAIcing“ haben in Sachen automatisiertes Fahren die nächste Runde eingeläutet. „Im Rahmen des Forschungsprojektes haben wir zwei neuartige Softwaremodule für die automatische Entscheidungsfindung in Rennsituationen entwickelt“, berichtet Joao Graciano, Funktionsentwickler für Autonomes Fahren. „Mit dem Decision Manager (DM) wurde ein Regel-basiertes Konzept verfolgt, das modular durch Kriterien erweiterbar ist.“
Diese Kriterien sind Regeln, die zum Fahren auf einer Rennstrecke notwendig sind, – wie „nicht kollidieren“, „auf der Strecke bleiben“ oder „so schnell wie möglich fahren“. Eine Rennstrecke stellt hohe Anforderungen an Autos, verlangt kürzeste Reaktionszeiten und bietet dadurch perfekte Bedingungen, um Grenzen auszutesten – auch die von Künstlicher Intelligenz. Doch ist KI-basierte Software in der Lage, extremes Fahrverhalten zu lernen und anzuwenden? Ja, zeigt das Innovationsprojekt. Denn genau um diese Frage drehte sich laut Joao Graciano die Entwicklung des zweiten Softwaremoduls: „Dieses Modul trifft Entscheidungen auf Basis eines Supervised-Learning-Algorithmus, welcher anhand von Trainingsdaten einen spezifischen Rennfahrstil erlernen kann.“
Die Entwicklung rund um das autonome Fahren erfordert multidisziplinäre Teams. Bei IAV arbeiten Mitarbeitende mit KI-Erfahrung Hand in Hand mit Kollegen u.a. aus der Trajektorienplanung oder dem Simulationstooling.
— Head of Department AD Validation and Automation
Die Forschung geht weiter
Das rAIcing-Projekt ist im April zu Ende gegangen, – nicht aber die Erforschung seiner Inhalte. Thorsten Scheibe, Head of Department AD Validation & Automation, zieht ein eindeutiges Fazit: „Manöverentscheidungen autonom ausführen zu können, zählt zu den wichtigsten Funktionen in autonomen Fahrzeugen. Gleichzeitig bieten KI-Algorithmen ein riesiges Potenzial. Diese zwei Aspekte zusammenzubringen und zu erforschen war einfach spannend. Dadurch haben wir einen tiefen Einblick in ein essenzielles technisches Feld erhalten und wichtiges Know-how generiert, das jetzt in andere Projekte einfließen kann.“ Und das passiert auch: Mit dem „Directive-based Decision Manager“ (DDM) gibt es bereits eine Erweiterung des Decision Managers, die für das autonome Fahren auf der Autobahn entwickelt wurde. In anderen Projekten werden die KI-gestützten Ansätze weiter erforscht und demonstriert.
Die vielen Versuche im Rahmen des rAIcing-Projekts haben gezeigt, wie flexibel und mächtig ein KI-basierter Algorithmus beim Lernen von Fahrverhalten sein kann.
— Funktionsentwickler für Autonomes Fahren
