Forscher des Massachusetts Institute of Technology (MIT) haben die Nachteile von LiDAR, einem Radar verwandten Verfahren zur Abstandsmessung auf Laserbasis für autonom fahrende Autos, beseitigt. Die Ingenieure haben eine neue Software auf Basis von maschinellem Lernen entwickelt, die sich mit einer groben 3D-Karte und einer GPS-Präzision begnügt. Tests haben gezeigt, dass die Fahrer, die zur Sicherheit in den autonomen Autos mitfahren, seltener eingreifen müssen, wenn das neue System installiert ist.
Die neue Software trifft Vorhersagen, was in den nächsten Sekunden geschehen mag und beurteilt selbstständig, wie plausibel sie sind. Entsprechend werden sie eingestuft. Als anschauliches Beispiel führen Zhijian Liu und Alexander Amini, Mitautoren der Veröffentlichung, ausgerechnet den Menschen an, der ja als Fahrer abgelöst werden soll.
Wenn man aus einem Tunnel ins Sonnenlicht hinausfährt, ist die optische Wahrnehmung kurz getrübt. Der Fahrer aber hat vorher schon abschätzen können, was in der Sekunde voraussichtlich passieren wird, in der er geblendet ist. Hat er eine völlig freie Strasse gesehen, muss er sich keine Sorgen machen. Ist der Verkehr jedoch dicht, wird er beschliessen, vorsichtiger zu sein.
Die generierte Datenmenge in autonomen Autos ist gigantisch. Ein typischer 64-Kanal-Sensor produziert in jeder Sekunde zwei Millionen Punkte. Die lassen sich mit Bordmitteln in Echtzeit nicht verarbeiten. Deshalb werden sie zunächst auf eine zweidimensionale Karte reduziert, deren Bilddaten nur ein Vierzehntel der Rechenzeit benötigt. Doch dabei gehen viele Informationen verloren, die für eine sichere Fahrt nötig sind.
Das Team nennt seinen neuen Ansatz "Hybrid Evidential[WK1] (#_msocom_1) Fusion", weil es verschiedene Vorhersagen zusammenführt, um zu seine nächsten Bewegungen zu planen. "Damit kann sich das System an unerwartete Ereignisse anpassen", verdeutlicht Daniela Rus, Professorin für Informatik, die die Entwicklung geleitet hat.
Der Online-Stellenmarkt für ICT Professionals