Suchen

Deep Learning

Die Wahrheit über autonomes Fahren

Seite: 2/2

Firma zum Thema

„Ich glaube nicht, dass es von heute auf morgen möglich sein wird, jedes Szenario in der Stadt darzustellen“, stellt Thomas Müller, Leiter Entwicklung Brems-, Lenk- und Fahrerassistenzsysteme bei Audi klar. Doch die Beteiligten arbeiten mit Hochdruck daran, auch das zu schaffen. Bei Nvidia steht ein gigantisches Rechenzentrum für das Deep-Learning-Programm, in dem alle Daten und Erkenntnisse gespeichert werden.

Bleibt der Fußgänger jetzt stehen oder nicht?

Damit ein Auto führerlos agieren kann, muss jedes nur erdenkbare Verkehrsszenario eindeutig eingeordnet werden. Das heißt: Der Computer muss es kennen. Denn die Kameras nehmen auch Fußgänger auf, auch solche die zur Hälfte von Autos verdeckt sind und die Software soll ihre Absichten zuverlässig interpretieren. Zum Beispiel: Bleibt der Mensch stehen oder bewegt er sich und wenn ja, wohin? Die dafür benötigte Rechenleistung ist gigantisch. Der fingernagelgroße Nvidia-Tegra-X1-Prozessor schafft eine Billion Rechenoperationen pro Sekunde - das entspricht einer Zahl mit zwölf Nullen. Und die nächste Chip-Generation wird das sicher noch um den Faktor X toppen.

Bildergalerie
Bildergalerie mit 15 Bildern

Auf der Straße folgt der Erkennungs-Prozess strengen Gesetzen: nach den Pixeln werden Kanten identifiziert, die werden dann gruppiert und schließlich zu einem Objekt zusammengefügt. Wenn die Software ein solches erkannt hat, schaut immer ein Mensch darüber und prüft, ob das Gebilde richtig identifiziert wurde. Schließlich ist es ein Unterschied, ob ein Laster vor einem steht oder ein Kleinwagen. Wichtig ist auch zu wissen, ob ein Krankenwagen von hinten kommt und man eine Rettungsgasse freimachen muss oder ob die Polizei mit Blaulicht im Rückspiegel höflich um eine Verkehrskontrolle bittet. Dann heißt es rechts ran und stehen bleiben.

Wenn alles passt, wird das Ergebnis dem Erfahrungsschatz der Maschinen hinzugefügt und in die Software integriert. So bekommt das Computer-Hirn nach und nach die Fähigkeit, sich selbst zu verbessern. Hat das System die Aufgabenstellung gelöst, soll es seine Erfahrung in einer vernetzten Welt mit den anderen autonomen Autos teilen - das entspricht dem Konzept der Schwarmintelligenz.

Das Lernen der Software wird immer komplexer, um alle Aufgaben des Straßenverkehrs sicher zu lösen. Wenn auf der Autobahn eine lange Schlange von Autos hinter einem Lkw herfährt, ist die Wahrscheinlichkeit groß, dass bald einer ausschert. Der Weg zum echten autonomen Fahren ist lang, aber es wird kommen, denn die Computer lernen Tag und Nacht. Sie werden schließlich nicht müde.

(ID:43504668)