Warum autonomes Fahren so viele Sensoren benötigt

Wenn wir ein Auto steuern, muss unser Gehirn unterscheiden, was vor uns und um uns herum geschieht, und zwar sowohl in Abhängigkeit von dem, was unsere Sinne wahrnehmen, als auch von dem Wissen, das wir über unsere Strecke haben, oder von den Absichten, die wir beim Fahren mit dem Fahrzeug verfolgen.

All das und noch viel mehr muss das autonome Fahren leisten, um noch sicherer als der Mensch ein Fahrzeug ohne menschliches Eingreifen zu steuern. Deshalb rühmen sich die Hersteller autonomer Autos stets der hohen Anzahl an Sensoren, Kameras, Ultraschallsystemen, Radargeräten oder LIDAR-Ausstattungen, die sie in ihren Modellen verbauen. Und je mehr solcher Elemente ein Auto an Bord hat, desto besser. Warum besser? Ein Blick auf das Bild neben diesen Zeilen genügt, um es zu verstehen.

Das Foto zeigt, was unter den Technikern, die für die Entwicklung autonomer Fahrzeuge zuständig sind, als „Grenzfall“ bekannt ist. Solche Fälle sind jene, in denen sich ein Fahrzeug unvorhersehbar verhält, weil seine Software ein ungewöhnliches Szenario anders verarbeitet hat, als es ein Mensch täte. Auf dem Bild sind die Daten zu erkennen, die die Sensoren und die Kamera des Autos erfasst haben und die das autonome Fahrzeug zu dem falschen Schluss geführt haben, dass es sich bei den Radfahrern auf der Rückseite des Vans vor ihm um echte menschliche Radfahrer handelt, obwohl es sich in Wirklichkeit nur um ein Foto handelt.

An diesem blinden Fleck, so der CEO von Cognata, Danny Atsmon, einem Unternehmen, das Softwaresimulatoren entwickelt, „kann das LIDAR kein Glas erkennen, das Radar erkennt hauptsächlich Metall, und die Kamera kann durch Bilder getäuscht werden“. Mit diesen Simulatoren werden Fahrzeuge Grenzfällen ausgesetzt, damit Techniker die nötigen Algorithmen entwickeln können, mit denen autonome Fahrzeuge solche Situationen ohne Unfallrisiko bewältigen. Laut Atsmon „löst jeder der für das autonome Fahren notwendigen Sensoren einen anderen Teil der Herausforderung der Erkennung“. Indem sie nach und nach herausfinden, welche Daten sich eignen, um bestimmte Grenzfälle richtig zu lösen (sowohl in Simulationen als auch im realen Leben), lernen die Autos, mit immer komplexeren Situationen umzugehen.

Tesla wurde für ihre Entscheidung kritisiert, nur Radar, Kameras und Ultraschallsensoren zur Datenlieferung für ihr System AutoPilot zu verwenden, nachdem eines ihrer Fahrzeuge einen Anhänger nicht vom strahlend blauen Himmel unterscheiden konnte. Dieser Fehler führte zu einer Kollision zwischen den Fahrzeugen, bei der der Fahrer des Fahrzeugs von Tesla sofort ums Leben kam. Kritiker argumentieren, dass das LIDAR ein zentrales Element der Sensorenpalette ist. Anders als eine Kamera funktioniert dieses Gerät bei wenig Licht und Blendung gut und liefert detailliertere Daten als Radar oder Ultraschall. Doch, wie Atsmon betont, „auch das LIDAR hat Schwächen“: Es kann zum Beispiel nicht zwischen einem roten und einem grünen Verkehrssignal unterscheiden.

Der sicherste Weg, solche Situationen zu vermeiden, ist daher, dass die Hersteller weiterhin auf eine größere Vielfalt an Sensoren setzen, um in ihren Systemen eine möglichst große Redundanz zu schaffen. Deshalb müssen in allen autonomen Autos so viele Detektoren, Sensoren und Kameras wie möglich verbaut werden. Dank ihnen überwinden die meisten autonomen Fahrzeuge Probleme wie die, die sowohl das Foto als auch die Videobilder zeigen, in denen ein autonomes Auto nicht in der Lage ist zu reagieren und das Verbot zu überwinden, die durchgezogene Linie des um es gezogenen Kreises zu überqueren.

Die Kombination und Auswertung der Informationen aus allen eingebauten Erkennungssystemen mit den gespeicherten Erfahrungen ist das, was es ihm ermöglicht, diese Schwierigkeiten zu überwinden. Die Radfahrer werden es uns sicher danken.

https://vimeo.com/208642358