NAOMI4Radar - Neuromorphe Algorithmen zur Optimierung der Radar-Sensorik in autonomen Fahrzeugen

Abstract

Das automatisierte Fahren ist ein für die deutsche Automobilindustrie strategisch wichtiges Innovationsthema. Bei der Entwicklung und dem Einsatz entsprechender Technologien hat die deutsche In-dustrie in den vergangenen Jahren große Fortschritte gemacht. So kommt z.B. die weltweit erste zertifizierte Level-3-Fahrfunktion für Endverbraucher von Mercedes-Benz aus Deutschland. Für unsere Automobilindustrie gilt es nun, den bereits erreichten technischen Vorsprung gegenüber Wettbewerbern aus anderen Staaten zu halten und weiter auszubauen. Die mit dem autonomen Fahren verbundenen Rechenfunktionen sind i.d.R. komplex, zeit- und energieaufwendig. Ein zukunftsträchtiger Ansatz für eine zeit- und energiesparende und zudem robuste Verarbeitung von Sensordaten, ist der Einsatz des Neuromorphic Computing (NC). Neuromorphe Hardware und Algorithmen können die Leistungsfähigkeit und Effizienz von intelligenten Systemen in Fahrzeugen erheblich verbessern. NC zieht Inspiration aus der Erforschung des menschlichen Gehirns, wovon autonome Fahrsysteme in besonderem Maße profitieren können. NC trägt dazu bei, schnelle und präzise Entscheidungen zu treffen und somit die Sicherheit auf der Straße zu erhöhen. Gleichzeitig kann NC den Energieverbrauch reduzieren, was CO2-Emissionen reduziert und sich besonders bei batterieelektrischen Fahrzeugen in einer deutlich höheren Reichweite auswirkt.

The project NAOMI4Radar developed and demonstrated neuromorphic algorithms for energy-efficient radar data processing in vehicles. Conventional AI-based radar perception methods are computationally demanding and difficult to deploy on embedded automotive hardware. By introducing neuromorphic approaches such as Sparse Coding and Resonate-and-Fire neurons, the project achieved temporally consistent, low-noise radar representations with significantly reduced energy consumption. The algorithms were successfully implemented on neuromorphic hardware and validated in a vehicle demonstrator. The results lay the foundation for future series integration and contribute to Germany’s technological sovereignty in energy-efficient driver assistance systems.