AI4OD - Embedded Integration von Verfahren der Künstlichen Intelligenz für eine verbesserte Objekterkennung im automatisierten Fahren

Abstract

Automatisiert fahrende Fahrzeuge benötigen hochkomplexe Algorithmen, um eine ausreichende und sichere Objekterkennung und Umfeldwahrnehmung zu gewährleisten. Hierzu sind Verfahren der künstlichen Intelligenz besonders geeignet, da die starke Varianz der Situationen nicht mehr in Regeln abbildbar ist. Die Herausforderungen bei der Anwendung von diesen Verfahren bestehen insbesondere in der prozesssicheren Integration und Implementierung in ein Embedded-Umfeld, welches höchste Anforderungen an Sicherheit, Echtzeit als auch Energieverbrauch, Speicherbedarfe etc. benötigt. Anhand einer neuartigen KI-Funktion der erweiterten Umfelderkennung, mit welcher Objekte bereits durch ihren Lichtkegel bzw. Reflexionen von diesem erkannt und nachverfolgt werden können, soll diese Herausforderung der Integration in ein Automotive-Umfeld beispielhaft erfolgen. Ziel ist es, die Funktion in einen Embedded Automotive Software Stack zu integrieren. Hierzu sind Methoden für eine A-SPICE-konforme Integration der KI-Funktion sowie Konzepte für eine Qualifikation und Integration in den bestehenden Echtzeit-fähigen Software-Stack (Basis-SW) zu entwickeln. Die dargestellten Methoden tragen nachhaltig für eine Stärkung der Automobilwirtschaft in Deutschland bei, indem neue KI-Verfahren in Richtung einer produktiven Anwendbarkeit erarbeitet werden. Datei-Uplod durch TIB Automated driving vehicles require highly complex algorithms to ensure adequate and safe object recognition and environmental perception. Artificial intelligence techniques are particularly suitable for this purpose, as the strong variability of situations can no longer be mapped into rules. The challenges in applying these techniques lie particularly in the process-safe integration and implementation into an embedded environment, which demands the highest standards of safety, real-time capability, energy consumption, memory requirements, etc. Using a novel AI function for extended environmental perception, which can detect and track objects based on their light cones or reflections, this challenge of integration into an automotive environment will be exemplified. The goal is to integrate the function into an embedded automotive software stack. For this purpose, methods for A-SPICE-compliant integration of the AI function and concepts for qualification and integration into the existing real-time capable software stack (base SW) need to be developed. The methods presented contribute sustainably to strengthening the automotive industry in Germany by developing new AI techniques towards productive applicability.