Autonome Autos: Neue KI verhindert Unfälle

Forscher am Massachusetts Institute of Technology (MIT) haben zusammen mit Entwicklern des japanischen Autoherstellers Toyota ein Verfahren entwickelt, mit dem sich das Kollisionsrisiko autonomer Fahrzeuge vor allem bei der Einfahrt in Kreuzungen fast vollständig beseitigen lässt. [...]

Testfahrten des MIT in einer Spielzeugstadt.
Testfahrten des MIT in einer Spielzeugstadt. (c) MIT

Das MIT-System bewertet mehrere Faktoren für die Entscheidungsfindung: Zunächst bezieht das System die eigene Unsicherheit bei der Risiokoabschätzung, mit einem zunächst unsichtbaren Fahrzeug zu kollidieren, mit ein. Dann berücksichtigt es alle Hindernisse, Häuser oder Hecken, die die Sicht beeinträchtigen. Aber auch Geräusche, die mögliche Unaufmerksamkeit anderer Fahrer sowie die Geschwindigkeit der auf der Querstraße fahrenden Autos werden einberechnet.

Aus diesen Faktoren errechnet das System die Wahrscheinlichkeit, dass es keine Kollision gibt, wenn das Fahrzeug in die Kreuzung einfährt und gibt entsprechende Anweisungen. Fällt das Resultat unsicher aus, lässt es das Auto langsam vorrücken, um weitere Daten zu sammeln. Es berechnet auch die Zeit, die das Fahrzeug braucht, um die Kreuzung zu überqueren. Ist die errechnete Wahrscheinlichkeit groß genug, dass das Fahrzeug kollisionsfrei durchkommt, gibt das System die Anweisung, zügig und ohne Pause loszufahren.

Über 100 Tests in einer Spielzeugstadt

„Es ist gewissermaßen ein Vorhersagemodell, das auf Wahrscheinlichkeiten beruht“, so Daniela Rus, Direktorin am MIT-Labor für Computerwissenschaften und Künstliche Intelligenz. Die Forscher haben ihr System, das auch assistierend für menschliche Fahrer eingesetzt werden kann, in über 100 Abbiegemanövern nach links auf belebten, nicht ampelgesicherten Kreuzungen in einer Modellstadt getestet. In allen Fällen konnten Unfälle vermieden werden.

Fahrzeuge, die sich ausschließlich mit konventionellen Sensoren wie Kameras und Radar orientieren, konnten Kollisionen dagegen nicht zuverlässig verhindern. Ehe das Vorhersagemodell tatsächlich genutzt wird, um Fahrer zu unterstützen und fahrerlose Fahrzeuge sicherer zu machen, muss das System in Fahrzeugen im realen Verkehr getestet werden, sagen die Forscher. Es gebe zwar andere Lösungen, doch diese ließen sich wegen des großen Rechenaufwands in den Fahrzeugen nicht nutzen. Als nächstes wollen die Wissenschaftler andere Risikofaktoren einbeziehen, wie etwa Fußgänger.

Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.

Mehr Informationen

Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*