Schlußbericht über das Projekt SafeAI - Autonomes Fahren bei mobilen Arbeitsmaschinen - Aspekte funktionaler Sicherheit unter Einbezug leistungsfähiger KI-Methoden

Abstract

Das Teilvorhaben im Rahmen des Verbundprojekts SafeAI hatte das Ziel, sicherheitsgerichtete KI-Algorithmen für den autonomen Betrieb mobiler Arbeitsmaschinen, insbesondere von Landmaschinen und Kommunalmaschinen, zu entwickeln und zu validieren. Diese beiden Anwendungsbereiche stellten unterschiedliche Anforderungen an die KI-Systeme: Während Landmaschinen vor allem in agrarischen Umgebungen mit unstrukturierten, oft wechselnden Bedingungen operieren, sind Kommunalmaschinen in städtischen oder infrastrukturell komplexeren Bereichen tätig, wo sie mit anderen Fahrzeugen, Fußgängern und dynamischen Hindernissen interagieren müssen. Insbesondere kann in urbanen Szenen häufig der Fall auftreten, dass Personen ganz oder teilweise verdeckt sind. Wichtige wissenschaftliche Erkenntnisse des Projekts umfassen die Implementierung und Optimierung neuronaler Netze zur Objekterkennung und Distanzschätzung (z. B. YOLOv7, DepthAnythingv2) auf leistungsfähigen mobilen Plattformen (NVIDIA Xavier AGX, NVIDIA Orin AGX), die Integration dieser in die Systemarchitektur, sowie die Validierung der entwickelten Modelle unter realen Einsatzbedingungen. Weiter wurden relevante Datensätze aufgenommen und annotiert, um die verwendeten neuronalen Netzwerke im großen Stil zu trainieren. Über den Projektzeitraum wurden die verwendeten und entwickelten Algorithmen durch kontinuierliche Datengenerierung und Optimierung fortschreitend verfeinert und optimiert. Im Projektzeitraum wurden auch mehrere Feldkampagnen durchgeführt, um relevante Testdaten für KI-Modelle (neuronale Netze) in unterschiedlichen Szenarien zu generieren. Dies umfasste verschiedene Witterungsverhältnisse (sonnig, heiter bis wolkig, regnerisch), Beleuchtungssituationen (Tag, Dämmerung, Nacht) und Umgebungen (agrarisch und urban), um eine breite Variabilität zu gewährleisten. Diese Arbeit ermöglichte es, Algorithmen zur robusten und verlässlichen Objekterkennung und Distanzschätzung in der Agrartechnik und in Kommunalfahrzeugen weiterzuentwickeln.