Autonome Drift-Demonstration von Toyota: Ein Meilenstein für die KI-gesteuerte Fahrsicherheit

Einführung in das Projekt

Die Automobilindustrie hat in den letzten Jahren zahlreiche Innovationen erlebt, insbesondere im Bereich der autonomen Fahrzeuge. Eine bemerkenswerte Demonstration dieser Fortschritte fand im Mai auf der Thunderhill Raceway Park in Willows, Kalifornien, statt, als zwei autonome Fahrzeuge von Toyota und der Stanford University in einem Tandem-Drift miteinander konkurrierten. Diese Fahrzeuge nutzten künstliche Intelligenz, um das Driften, eine Technik, bei der das Fahrzeug absichtlich die Kontrolle verliert, in einer kontrollierten Umgebung durchzuführen.

Die Technologie hinter dem Drift

Die Forscher von Toyota und der Stanford University modifizierten zwei GR Supra Sportwagen mit Computern und Sensoren, die die Straße und andere Fahrzeuge überwachen, sowie die Federung und andere Eigenschaften der Fahrzeuge. Die von ihnen entwickelten Algorithmen kombinieren fortschrittliche mathematische Modelle der Eigenschaften von Reifen und Strecke mit maschinellem Lernen, das den Autos hilft, die Kunst des Driftens zu meistern. Dr. Chris Gerdes, Professor an der Stanford University und Leiter des Projekts, erklärte gegenüber WIRED, dass die entwickelten Techniken zukünftigen Fahrerassistenzsystemen helfen könnten. „Eines der Dinge, die wir untersuchen, ist, ob wir genauso gut wie die besten menschlichen Fahrer sein können“, sagte Gerdes.

Anwendungsmöglichkeiten und zukünftige Entwicklungen

Die Algorithmen, die auf der Rennstrecke in Kalifornien getestet wurden, könnten zukünftige Fahrerassistenzsysteme unterstützen, indem sie eingreifen, wenn ein Fahrer die Kontrolle verliert und das Fahrzeug wie ein Stuntfahrer aus der Gefahrensituation lenken. „Was wir hier getan haben, kann hochskaliert werden, um größere Probleme wie das automatisierte Fahren in städtischen Szenarien zu bewältigen“, fügte Gerdes hinzu. Das Projekt ist eine beeindruckende Demonstration der Hochgeschwindigkeitsautonomie, obwohl selbstfahrende Fahrzeuge noch weit davon entfernt sind, perfekt zu sein. Nach einem Jahrzehnt von Versprechungen und Hype operieren Taxis nun in einigen begrenzten Situationen ohne Fahrer. Allerdings sind die Fahrzeuge immer noch anfällig dafür, stecken zu bleiben und erfordern möglicherweise Fernunterstützung.

Extremsituationen und Sicherheit

Ming Lin, Professorin an der University of Maryland, die autonome Fahrsysteme untersucht, sieht in dieser Arbeit einen spannenden Fortschritt, der selbstfahrenden Autos hilft, unter extremen Bedingungen zu operieren. „Eine der größten Herausforderungen für autonome Fahrzeuge ist es, sicher bei Regen, Schnee oder Nebel oder bei schlechten Lichtverhältnissen in der Nacht zu fahren“, sagt sie. Lin fügt hinzu, dass das Toyota-Stanford-Projekt die Bedeutung der Kombination von maschinellem Lernen mit physischen Modellen in der realen Welt demonstriert. „Obwohl es sich nur um eine frühe Demonstration handelt, geht es eindeutig in die richtige Richtung“, so Lin.

Kommunikation und Zusammenarbeit der Fahrzeuge

Toyota und Stanford haben erstmals 2022 Algorithmen demonstriert, die es autonomen Autos ermöglichten, zu driften. Zwei Fahrzeuge diesen Trick im Tandem ausführen zu lassen, erfordert eine noch bessere Kontrolle und beinhaltet die Kommunikation der Fahrzeuge miteinander. Die Autos wurden mit Daten von Runden gefüttert, die von professionellen Fahrern gefahren wurden. Ihre jeweiligen Computer berechneten bis zu 50 Mal pro Sekunde ein Optimierungsproblem, um zu entscheiden, wie das Lenken, Gasgeben und Bremsen ausbalanciert werden soll. „Was wir hier wirklich untersuchen, ist, wie man das Auto an den Leistungsgrenzen kontrolliert, wenn die Reifen rutschen, die Art von Situation, die man beim Fahren auf Schnee oder Eis erleben würde“, sagt Avinash Balachandran, Vizepräsident der Human Interactive Driving-Abteilung des Toyota Research Institute. „Wenn es um Sicherheit geht, reicht es nicht aus, ein durchschnittlicher Fahrer zu sein, und deshalb lernen wir wirklich von den besten Experten.“

Herausforderungen und Überlegungen

Die Welt hat in letzter Zeit bemerkenswerte Fortschritte im Bereich der künstlichen Intelligenz erlebt, dank der großen Sprachmodelle, die Programme wie ChatGPT antreiben. Wie die duale Drift-Demo jedoch zeigt, bleibt die Beherrschung der unordentlichen, unvorhersehbaren physischen Welt eine völlig andere Herausforderung. „In einem LLM (Large Language Model) könnte eine Halluzination nicht das Ende der Welt sein“, sagt Balachandran in Bezug darauf, dass große Sprachmodelle Fakten falsch verstehen könnten. „Das könnte bei einem Auto natürlich ganz anders sein.“

Ausblick

Die Demonstration der autonomen Drift-Technologie durch Toyota und die Stanford University zeigt eindrucksvoll die Möglichkeiten und Herausforderungen der Integration von künstlicher Intelligenz in die Automobilindustrie. Während die Technologie noch in den Kinderschuhen steckt, gibt es vielversprechende Anwendungen für die Zukunft, insbesondere im Bereich der Fahrsicherheit und der Fahrerassistenzsysteme. Mit weiteren Forschungen und Entwicklungen könnten solche Technologien dazu beitragen, die Straßen sicherer zu machen und die Fähigkeiten autonomer Fahrzeuge unter extremen Bedingungen zu verbessern. Dies ist ein bedeutender Schritt in Richtung einer Zukunft, in der Mensch und Maschine nahtlos zusammenarbeiten, um die Sicherheit und Effizienz des Straßenverkehrs zu erhöhen. Bibliographie https://www.wired.com/story/toyota-stanford-ai-tandem-drifting-cars/ https://www.youtube.com/watch?v=1aGf_AzghEI https://news.co.za/ https://news.co.za/sport/ https://www.youtube.com/watch?v=_W3aneJPTx8 https://www.youtube.com/watch?v=EM4odIQZVgw https://www.youtube.com/watch?v=tpM_wCP5i4c https://www.youtube.com/watch?v=HbvLURnBlMA https://www.youtube.com/watch?v=btYtpP5Q1fw