Die Mobilität der Zukunft basiert wesentlich auf dem hochautomatisierten Fahren und damit auf verlässlichen „Advanced Driver Assistance Systems“ (ADAS). Diese Fahrerassistenzsysteme benötigen eine zuverlässige Erfassung der Umwelt durch die Sensoren der Fahrzeuge, um die erforderliche Verlässlichkeit zu erreichen. Neben Radar- und Lidar-Sensoren verfügen moderne Fahrzeuge über eine Vielzahl von Kameras, die geometrische und semantische Informationen zur Umgebung bereitstellen. Diese verschiedenen Datenströme werden im Anschluss von Datenfusionsalgorithmen auf Fahrzeuginterner Hardware weiterverarbeitet. Zur Berechnung verlässlicher Ergebnisse muss das Gesamtsystem der Signalverarbeitung aus Hardware und Software verlässlich sein. Das Fachgebiet Architekturen und Systeme des IMS wird im Rahmen des Projektes „Mobiler Mensch“ zu diesen Teilaspekten eines Systems zur verlässlichen Datenverarbeitung forschen.

Fehlertolerante Architekturen & Algorithmen – Approximative Verfahren

Verlässliche Hardware sollte idealerweise alle Berechnungen fehlerfrei ausführen. Eine absolute Fehlerfreiheit von Prozessorarchitekturen kann in einem kritischen Umfeld (hohe Temperaturen, Druckbelastung oder elektromagnetische Störungen) bei modernen Halbleitertechnologien im Deep Submicron Bereich aber nicht mehr sichergestellt werden. Es ist daher eine wesentliche Herausforderung sowohl auf algorithmischer als auch auf Architektur-Ebene mit diesen sporadisch auftretenden Fehlern umzugehen.

Insbesondere im Bereich der Bildverarbeitung existieren Algorithmen, die intrinsisch eine hohe Fehlertoleranz aufweisen, da beispielsweise durch Mittelwertbildung überlagerte Störungen nur einen geringen Einfluss auf das Ergebnis haben. Dies kann sogar dazu genutzt werden, bewusst ungenau rechnende Architekturen einzusetzen. Diese beispielsweise approximativ rechnenden Architekturen tauschen die höheren Ungenauigkeiten ab gegen eine deutlich reduzierte Rechenkomplexität. Dies lässt sich insbesondere auf die Zukunftstechnologie der sehr rechenaufwändigen „Deep Convolutional Neural Networks“ (DCNN) anwenden. Die Laufzeit der erforderlichen Berechnungen kann mit ungenau rechnender Hardware verringert werden, ohne die Genauigkeit des Ergebnisses signifikant zu verschlechtern. Hierdurch können Berechnungen schneller ausgeführt werden und das System kann insgesamt verlässlicher werden. Diese ungenau (z.B. approximativ) rechnenden und gleichzeitig trotzdem algorithmisch verlässlichen Ausführungsplattformen werden auch in Kooperation mit dem SRA erforscht.

Virtuelle Absicherung und 3D-Visualisierung ethischer ADAS-Requirements

Auf Software-Ebene ist Verlässlichkeit durch funktionale Anforderungen definiert. Für kamerabasierte Fahrerassistenzsysteme ist eine wesentliche Anforderung das klare Erkennen von Verkehrsbereichen, da dies die Grundlage für die regelbasierte Mobilität aller Verkehrsteilnehmer ist. Zusammen mit dem Institut für Philosophie werden diese und weitere ethische Regeln für ADAS untersucht und mit Hilfe einer virtuellen Simulationsumgebung getestet. Die Ergebnisse dieser Evaluation werden dann im Versuchsfahrzeug des IMS implementiert, um sie in der echten Welt zu validieren.

Die entwickelten ADAS-Funktionen werden in Kooperation mit dem Institut für Software Engineering in Visionsvideos veranschaulicht, um Einflüsse ethischer und juristischer Rahmenbedingungen auf die technischen Anforderungen zu konkretisieren und für eine nichttechnische Gesellschaft zu visualisieren.
Vision des IMS

Durch unsere Arbeit wird die Verlässlichkeit autonomer Systeme im Fahrzeug erhöht und somit die Mobilität der Zukunft in Übereinstimmung mit den Erwartungen des Mobilen Menschen ermöglicht.