Kommentare

“Schwarmintelligenz” für autonome Autos aus der Schweiz

Forscher der Schweizer ETH Lausanne haben einen Algorithmus entwickelt, der sich besonders in der anstehenden Übergangsphase zu vollautonomen Fahrzeugen bewähren könnte. Das System setzt auf Schwarmintelligenz und soll "dumme" Fahrzeuge zu "intelligente(re)n" Mitgliedern einer Gruppe machen. Eine Kombination aus gegenseitigem Lern- und Lehreffekt könnte die Entwicklung selbstfahrender Autos wesentlich beschleunigen.

von Bernd Rubel am 1. Februar 2017

Neben den längst noch nicht abschliessend geklärten gesetzlichen und gesellschaftlichen Rahmenbedingungen stehen die Entwickler autonomer Autos vor der enormen Herausforderung, die Fahrzeuge in einem Übergangszeitraum von fünf, zehn oder zwanzig Jahren in den normalen Verkehrsfluss zu integrieren. Zwar setzt die Teilnahme am Straßenverkehr ständige Vorsicht und gegenseitige Rücksicht (§1 StVO) voraus, doch der Alltag auf deutschen Straßen sieht bekanntlich etwas anders aus.

Im Rahmen des europäischen Projekts “AutoNet2030” haben Forscher der Schweizer ETH Lausanne einen speziellen Algorithmus entwickelt, der dieses Praxisproblem angehen soll. Die Software lässt einen ganzen Konvoi aus autonomen Fahrzeugen flexibel auf den sonstigen Verkehr reagieren. Ein willkommener Nebeneffekt könnte sein, dass die selbstfahrenden Autos auf diese Weise wesentlich schneller die Teilnahme am Straßenverkehr erlernen und zugleich eine erzieherische Aufgabe für andere, manuell gelenkte Autos wahrnehmen.

Der erste Ansatz der Forscher war recht simpel: damit autonome Autos und von Menschen gelenkte Fahrzeuge im öffentlichen Straßenverkehr miteinander auskommen, liessen die Wissenschaftler die fahrerlosen Autos in Kolonne fahren. Während einer ersten Testfahrt in Australien führte ein von einem menschlichen Fahrer gelenkter Lastwagen eine Reihe fahrerloser Lastwagen an, die mit gleichbleibender Geschwindigkeit in vordefinierten Abständen folgten.

Vom Entenmarsch zum Vogelschwarm

Eine erste Erkenntnis der Wissenschaftler war, dass sich ein solcher Konvoi nur bis zu einer gewissen Größe bzw. Länge steuern lässt und zudem – vergleichbar mit einem Zug auf Schienen – recht unflexibel ist. Also entwickelten die Wissenschaftler einen Algorithmus, der aus der ursprünglichen Kolonne einen Schwarm macht, der sich mit den anderen Fahrzeugen in der nun wesentlich flexiblere Gruppe austauscht.

Der Konvoi verzichtet dabei auf den im ersten Ansatz bestimmten “Anführer”. Stattdessen erfasst jedes Fahrzeug über Radar- und Kamerasensoren sowie GPS-Signale seine Umgebung und Position und tauscht diese Daten mit den Fahrzeugen in der näheren Umgebung aus. Mit diesem Funktionsprinzip kann jedes einzelne Auto zugleich abhängig als auch unabhängig von anderen Fahrzeugen seine Geschwindigkeit und Position innerhalb der Gruppe anpassen. Der Entenmarsch wird zum Vogelschwarm.

Der digital miteinander verbundene Schwarm aus selbstfahrenden und manuell gesteuerten Fahrzeugen kann sich durch diese flexible Struktur und Koordination auf z.B. mehrere Spuren einer Autobahn verteilen. Stößt ein beliebiges Fahrzeug zu der Gruppe oder verlässt selbige, kann sich der Schwarm in Echtzeit neu organisieren. Ahnliches passiert bei notwendigen Spurwechseln oder erkannten Tempolimits, auch hier berücksichtigt der Schwarm eine intelligente Neuformation.

Weiterlesen:

Alcherio Martinoli von der ETH Lausanne nennt die Software einen “verteilten Kontrollalgorithmus”, an dem das Institut seit mittlerweile zehn Jahren arbeite. Vereinfacht ausgedrückt entwickle man ein System, in dem die einzelnen Fahrzeuge nicht unbedingt sehr intelligent sein müssten, als Resultat der Kooperation jedoch ein komplexes gemeinsames Verhalten entstehe.

HERE: “Electronic Horizon” und Ausbau der Nvidia-Kooperation

Das Prinzip ähnelt in weiten Teilen offenbar dem, was die deutschen Fahrzeugbauer Audi, BMW und Daimler sowie andere Partner mit HERE realisieren. Die Autohersteller hatten angekündigt, dass man die mit entsprechenden Sensoren und Sendern ausgestatteten Fahrzeuge hersteller- und modellübergreifend miteinander vernetzen werde. Die Autos sollen über einen gemeinsamen zugrundeliegenden Standard in die Lage versetzt werden, sich gegenseitig über verkehrsrelevante Informationen zu verständigen, ohne dass sie dazu zwingend als voll- oder hochautomatisierte Fahrzeuge konzipiert sein müssen.

Das Forschungsprojekt der ETH Lausanne gibt ein paar interessante Einblicke in die Vorgehensweise bei solchen Entwicklungen. So simulierten die Wissenschaftler die Funktionsweise ihrer Algorithmen zunächst virtuell, um sie danach an echten Mini-Robotern zu testen. Erst dann durfte sich das System in der Realität behaupten und musste auf einer Teststrecke die Schwarmintelligenz eines autonomen LKW, einen autonomen und eines manuell gesteuerten PKW aufeinander abstimmen.

Wissenschaftler in anderen Projekten sind mittlerweile dazu übergegangen, sogar populäre Computer-Games in die Forschung einzubeziehen. So nutzt ein Forschungs-Team von Intel Labs und der Universität Darmstadt u.a. Daten, die mit Grand Theft Auto generiert werden.

via phys.org