Informatiker der Otto-von-Guericke-Universität Magdeburg haben ein KI-Verfahren entwickelt, das wetter- und umweltbedingte Störungen in Sensordaten autonomer Fahrzeuge zuverlässig erkennt und im Zweifel eine sichere Reaktion wie das Anhalten auslöst. Damit adressiert das vom Bund geförderte Forschungsprojekt AULA-KI entwickelte System ein Kernproblem automatisierter Mobilität: Fahrzeuge müssen nicht nur ihre Umgebung erfassen, sondern auch erkennen, wann ihre eigenen Messdaten nicht mehr verlässlich sind.
„Autonome Fahrzeuge geraten bei Regen, Schnee, Nebel oder dichtem Bewuchs in eine Lage, die viele aus dem Alltag kennen: Man sieht noch, aber nicht mehr präzise genug für sichere Entscheidungen“, sagt Projektleiter Dr. Christoph Steup von der Fakultät für Informatik der Universität Magdeburg. Genau diese Schwelle mache AULA-KI technisch greifbar, so der Informatiker weiter: „Ein autonomes Fahrzeug muss wissen, wann es seinen eigenen Sensoren noch vertrauen kann und wann nicht. Genau diese Fähigkeit der KI konnten wir deutlich verbessern.“
Unsichere Sensordaten bedeuten dabei nicht gänzlich fehlende Informationen, sondern vorhandene Messwerte mit sinkender Verlässlichkeit. Tropfen und Flocken können als Störsignale scheinbare Hindernisse erzeugen, Nebel schwächt oder streut Signale, dichter Pflanzenbewuchs verdeckt Sichtlinien wie ein zugezogener Vorhang. Für die Sicherheit eines autonomen Fahrzeugs ist entscheidend, dass es diese Unsicherheit erkennt, bevor es falsch reagiert.
„Die gesellschaftliche Relevanz unserer Forschung ist hoch“, so Dr. Christoph Steup. „Autonomes Fahren wird nur dann breite Akzeptanz finden, wenn es auch unter schwierigen Bedingungen verlässlich sicher bleibt. Wir liefern dafür einen zentralen Baustein, weil wir bei der KI maschinelles Sehen mit maschineller Selbsteinschätzung verbinden.“ (....)