Highway Pilot
Eine Architektur der Moderne
Autonomes Fahren mit dem Highway Pilot
Autonomes Fahren ist Trend und Buzzword eines bewegten Morgens. Mit der Architektur für den Highway Pilot wird die Cognizant Mobility zum Zukunfts-Lieferanten.
Autonomes Fahren gilt als das Zukunftsmodell einer bewegten Moderne. Vor dem inneren Auge sehen wir elektrische und natürlich fliegende Autos auf verschiedenen Höhenebenen unfallfrei durch die Schluchten spiegelnder Wolkenkratzer-Landschaften navigieren. Echtes, intelligentes und völlig autonomes Fahren, in totaler Sicherheit. Die Möglichkeiten? Endlos. Perfektionierter Last-Mile-Transport, ob für Kunden in den Store oder das Paket zur Haustür. Die Fakten? Müssen ebenso wie der geneigte Nicht-Mehr-Fahrer zunächst am Boden bleiben. Das fliegende Auto ist und bleibt auf kurze wie lange Sicht der Kürbis in Cinderella: Fantasie.
Dass Autofreunde indes im komplett autonomen Stufe-5-Fahrzeug am Steuer obsolet werden, ist konkrete Zukunftsmusik, deren näherkommende Akkorde bereits vernehmbar sind. Audi, Mercedes, Tesla: Dirigenten einer industriellen Symphonie, deren wahre Akteure nur allzu oft im Hintergrund mitspielen – buchstäblich. Selbstfahrende Busse sind schon heute im aktiven Testbetrieb, der Applaus geht an die Hersteller. Gleich der Melodie des Fortschritts baut aber auch die Zukunft des Fahrens auf einer grundlegenden Architektur auf, ohne die die Hände am Lenkrad und Fahrer auf dem Sitz bleiben müssen. Wie sehen die Bausteine aus, auf denen autonomes Fahren beruht? Und was ist ein Highway Pilot? Und wer liefert die Architektur, auf der solche Bausteine stehen können?
Der lange Weg in die Autonomie beginnt mit Überlegungen
Der aktuelle Stand der Technik zeigt zwar vielversprechende Tests aus dem Bereich der mobilen Zukunftstechnologie auf Stufe 4 und 5. In Serie sind heutige Fahrzeuge auf Stufe 2 des autonomen Fahrens auf den Straßen unterwegs. Stufe 1 besitzt heute praktisch jedes Auto: Tempomat, ESP, Automatik, Regensensor, Kurvenlicht, ABS. Assistenzsysteme, die oft unbemerkt ihren mal mehr, mal minder notwendigen Dienst erfüllen. Stufe 2 übernimmt bereits dauerhafte Steuerungen von Längs- oder Querführung, nicht jedoch beides. Konkret: Das Fahrzeug kontrolliert die Geschwindigkeit und den Abstand zum Vordermann, bremst bei Bedarf, beschleunigt, wenn die K.I. es sagt. Der Spurwechsel muss aber vom Fahrer vorgenommen werden, und die Hand bleibt zu jeder Zeit am Steuer. Oder: Der intelligente Spurwechselassistent gleitet elegant auf die Nebenspur. Bremsen und Gas geben ist jedoch weiterhin Sache eines menschlich gesteuerten Fußes. Ähnlich verhalt es sich mit dem so oft zitierten Einparksystem. Die Lücke einschätzen und hineinnavigieren kann manch Oberklasse auch heute schon – Gas geben und bremsen muss der Fahrer jedoch noch selbst.
ADAS (Advanced Driver and Assistance Systems) zu Englisch, FAS (Fahrerassistenzystem) nennt sich, was Stufe 2 zu Stufe 2 macht. Echtes autonomes Fahren ist das noch nicht. Schließlich wollen wir quer und längs loslassen können, und zwar bald. Der Schritt in diese Richtung, die Bewältigung des nächsten Aktes, ist komplex. Eine neue Generation die Umgebung erfassender Sensoren muss miteinander und dem Fahrzeug kommunizieren. Jede Eventualität muss berücksichtigt werden – aber wie kann dieser unscheinbar klingende Schritt bewältigt werden? Der Input, der von den Straßen dieser Welt kommt, ist schier unermesslich. Tausende, Millionen von Möglichkeiten im Verkehr müssen verarbeitet werden. Unmöglich, für jede einzelne von ihnen eine neue Funktion zu programmieren.
In A Nutshell
- Modellbasierte Architekturentwicklung
- ADAS Fahrfunktionen
- FAS-Funktionen
- Neuronale Netze
- Perception & Prediction
- Umfeldmodell
- Virtuelle Absicherung
- SysML
- PTC Modeler
- Matlab
Tomasz Witkowski
Leiter Domäne Highway Pilot
Lerne unseren Very Enhanced Road Assistant kennen - wir laden dich zu einer Demo ein. Schreib uns einfach an!
Indes teilt sich das Bühnenbild, und ein neuer Player betritt die Szene: Deep Learning. Für die einen glorifizierte Statistik, für die anderen nur heuristische Brute-Force-Heuristik. Für die Entwicklung aber maßgeblich, und mit dem ausgestattet, das in der Branche so dringlich gesucht wird: Potential. Es bettet sich in die Überlegungen, die das Schattenorchester bereits seit Längerem praktiziert: Es bildet, vom Publikum kaum wahrgenommen, die Grundlage; denn, vor dem Ton steht die Übung. Vor der Funktion das Konzept. Wie sieht eine logische Architektur aus, auf der die Informationen aus neuronalen Learnings fußen kann? Wie ermöglichen wir die technische Transformation?
Denn ja, es ist nicht von der Hand zu weisen: Das Orchester der leisen, aber wichtigen Töne? Das ist die Cognizant Mobility, die dafür sorgt, dass ein Highway Pilot Wirklichkeit werden kann, und völlig losgelöst (…) Gas gibt und dabei die Spur wechselt.
Wie das Umfeld autonomes Fahren prägt – und die Cognizant Mobility Taktgeber wird
Wenn unser Auge einen Reiz aufnimmt, leiten Sehnerven die Information in weniger als eine Zehntelsekunde an unser Gehirn weiter. Dieses verarbeitet die erhaltenen Daten und hilft uns, eine Entscheidung zu treffen. Bremsen, oder doch beschleunigen? Lenkrad drehen? Den Nebenmann einscheren lassen, weil es ihm hilft und uns nicht aufhält? Um die nächste Stufe des autonomen Fahrens muss ein künstlicher Highway Pilot diese Entscheidungen treffen können. Neuronales Lernen hilft uns in der Entwicklung dabei, Daten in Masse zu sammeln. Das Ergebnis: Eine Blackbox voller Rohdaten, deren Auswertung und daraus resultierenden Entscheidungswege oft unklar bleiben. Was benötigt wird, ist ein Umfeldmodell: Ein zusammenhängendes Modell, ein Gehirn, das die um das Fahrzeug herum auftretenden Geschehnisse erkennen und in Handlungen, also autonome Fahrfunktionen umwandeln kann. Das rohen Input deuten und daraus Entscheidungen ableiten kann: Ist der erfasste Video-Input ein Schatten von oben? Oder ein Hindernis auf der Straße? Kleine Unterschiede, die kluge Einschätzungen erfordern.