Stanford-KI für den Umgang mit unbekannten Situationen
An der Stanford Universität arbeitet man an einer Künstlichen Intelligenz, welche es automatisierten Fahrzeugen erlaubt, neue Situationen richtig einzuschätzen.
Das Autonome Fahren erfolgt durch die Nutzung von Karten und weil man die Strecke vorher einprogrammiert hat. Auch die Reaktion auf Glatteis muss dem Auto vorher mitgeteilt werden. Derart kann das Auto außerhalb bekannter Areale nicht oder nur schwerfällig fahren. Forschende der Stanford Universität haben sich nun dem Problem angenommen.
Shelley auf der Teststrecke. Quelle: Stanford
Dort hat man ein neuronales Netzwerksystem entwickelt, das eine neue Methode benutzt. Man bedient sich zurückliegender Ereignisse, um unbekannte Situationen einzuschätzen. Die Tests werden mit einem automatisierten VW GTI, Niki und dem Stanford Wagen Shelley (ein umgerüsteter Audi TTS) durchgeführt.
Die zurückliegenden Erlebnisse hat man in die Künstliche Intelligenz einfließen lassen. Die Daten stammen beispielsweise aus dem Thunderhill Raceway, an dem Shelley teilgenommen hat, oder den Test in der Winteranlage. Derart weiß die Künstliche Intelligenz um 200.000 physikalische Wegplanungen.
Diese Wegbahnen sind für die Navigation beim Autonomen Fahren unerlässlich. Diese werden genutzt, um den sicheren Weg zu finden. Hierbei hilft die Künstliche Intelligenz mit den Datensätzen vergangener Erfahrungen und den passenden physikalischen Modellen. Doch diese bedürfen einer expliziten Charakterisierung und sind in der ganzen Spannweite zu viel. Daher braucht es das passende Modell für die jeweilige Situation.
Das neuronale Netzwerk ist in seiner Struktur so aufgebaut, dass es das jeweilige Modell als Folge von Zuständen auswählt, die die Grundlage des physikalischen Modells darstellen. Derart erreicht man eine bessere Leistung. So kann die KI beispielsweise eine bessere Einschätzung der Straßensituation vornehmen, wenn es das Modell der trockenen Straße mit den Vorhersagen über verschneite Pisten kombiniert – und das, ohne dass es die verschneite Straße zuvor abgefahren ist. Also: ohne die konkrete Erfahrung gemacht zu haben.
Es handelt sich bei dem Verfahren also um eine Kombination von Modellen der Physik und datengesteuerten Methoden und Ansätzen. Doch bleibt ein Problem: Wenn die Verkehrsbedingungen außerhalb dem Erlebten liegen, kann es zu keiner Kombination kommen. Daher empfiehlt es sich, den Autos eine breitere Palette von Bedingungen vorzusetzen. Oder man bedient sich an den “Erlebnissen” anderer Autonomer Fahrzeuge.
