Die perfekte Kombination: ADAS und KI
So treibt KI die Autoentwicklung voran
Durch die Zusammenführung von Daten aus Sensoren wie Kameras, Radar und Lidar kann die KI ein 360-Grad-Umgebungsmodell für verbesserte ADAS-Systeme entwickeln.
(Bild: Bartek #752255393 - stock.adobe.com)
Die Automobilindustrie erlebt weiterhin einen rasanten Wandel. KI-Technologien haben das Potenzial, ADAS-Funktionen erheblich zu verbessern, während sie auch das Benutzererlebnis für alle Insassen steigern.
Die Nachfrage der Verbraucher nach Sicherheits- und Komfortfunktionen treibt Innovationen im Automobilsektor voran. So zählt die wachsende Integration von KI-Technologien heute bereits zu einem wichtigen Faktor, um ein verbessertes Nutzererlebnis in allen Fahrzeugsegmenten zu ermöglichen.
Mehr Sicherheit für alle
Die Orchestrierung von KI-Funktionen zur Entwicklung personalisierter ADAS-Funktionen auf Basis des Fahrverhaltens mithilfe natürlicher Sprachverarbeitung und generativer KI führt zu mehr Sicherheit. So kann die KI beispielsweise eine dynamische Kommunikation mit dem Fahrer aufbauen und ihm in Form eines Dialogs Anweisungen und Warnungen geben, wenn die üblichen akustischen oder visuellen Warnsignale nicht angemessen sind. Ein solches KI-System kann das Fahrverhalten auf der Grundlage historischer Muster und Crowdsourcing-Daten vorhersagen und Risiken wie plötzliche Spurwechsel oder starkes Bremsen anderer Fahrzeuge proaktiv reduzieren bzw. frühzeitig erkennen. In Verbindung mit Cockpit-Systemen erkennen KI-Algorithmen die Müdigkeit des Fahrers und senden entsprechende Benachrichtigungen an die anderen Insassen, die ihren individuellen Aktivitäten nachgehen. Dies ermöglicht ein umfassendes Sicherheitsökosystem, in das die Insassen situationsbezogen eingebunden werden.
Ohne HD-Kartenmaterial navigieren
Durch ausgefeilte Crowdsourcing-Verfahren ermöglicht die KI-Integration in ADAS-Plattformen kontinuierliches Lernen und die Anpassung an sich verändernde Fahrbedingungen. Durch die Zusammenführung von Daten aus mehreren Sensoren – darunter Kameras, Radar und Lidar – erstellt ein KI-basierter Szenen-Decoder ein umfassendes Umgebungsmodell. Dadurch verbessern sich die Wahrnehmung und die Entscheidungsfindung des Fahrzeugs. Hervorzuheben ist insbesondere die „kartenlose” Funktion moderner ADAS-Systeme. Sie ermöglicht es Fahrzeugen, komplexe städtische Szenarien ohne 3D-Karten zu verfolgen. Dadurch sind OEMs nicht mehr an langfristige Kartierungsverträge gebunden und können gleichzeitig die Betriebssicherheit in dicht bebauten städtischen Umgebungen mit zahlreichen Ampeln, Verkehrszeichen und wechselnden Fußgängerszenarien sicherstellen.
Eine neue Systemarchitektur entsteht
Für die KI-Integration werden Systemarchitekturen zunehmend zentralisiert, wobei heterogene Rechenleistung für die Sensorfusion, Domänenintegration und Echtzeit-Entscheidungsfindung genutzt wird. Zentralisierte Einheiten wie die Snapdragon Ride System-on-Chip-Prozessoren können so ihre Aufgaben effizient und parallel auf den jeweiligen Endgeräten am Netzwerkrand ausführen.
Die Vereinheitlichung der ADAS- und Cockpit-Domänen mithilfe von Plattformen wie Snapdragon Ride Flex verschlankt die Architektur, senkt die Kosten und optimiert die Leistung. Dadurch wird die Latenz verringert und der Datenschutz sowie der Datendurchsatz verbessert. Fortschrittliche Virtualisierung, sichere Hypervisoren und strenge Sicherheitsmechanismen ermöglichen einen kontinuierlichen ADAS-Betrieb in Umgebungen mit gemischter Kritikalität und sichern die Einhaltung von Sicherheitsstandards für Fahrzeuge, wie beispielsweise ISO 26262.
Spezialisiertes Ökosystem und Datendrehscheibe
Die Entwicklung dieser durch KI erweiterten ADAS-Systeme wird durch umfassende Werkzeugketten unterstützt. Erste Anlaufstelle für KI-Entwickler ist der Qualcomm AI Hub: Diese Online-Plattform richtet sich an Ingenieure und kann die On-Device-KI-Entwicklung für Snapdragon-Plattformen vereinfachen. KI-Experten können hier voroptimierte Modelle effizient und schnell benchmarken, verbessern und einsetzen.
Wichtig ist auch die Möglichkeit, reale mit synthetisch generierten Daten zu kombinieren. Beim intelligenten Szenario-Mining wird KI genutzt, um kritische Fahrsituationen zu identifizieren und zu kennzeichnen. KI-gestützte Simulations-Tools können reale Daten modifizieren oder für seltene Szenarien synthetische Daten generieren. Cloud-basierte und virtuelle SoCs erlauben eine bitgenaue Neuverarbeitung und ein Modelltraining, um mehrere hundert Millionen Testkilometer zu erreichen und so eine schnelle Entwicklung zu unterstützen.
Durch die Zusammenarbeit mit Tier-1-Partnern in einem kollaborativen Ökosystem werden diese Fähigkeiten um spezialisiertes Fachwissen in den Bereichen Sensoren, elektronische Steuergeräte, Fahrzeugintegration und Parking-Stacks erweitert. So entstehen umfassende Lösungen, die sich nahtlos in Fahrzeuge verschiedener Segmente und Preisklassen integrieren lassen.
Fazit: Architekturwandel beschleunigt Entwicklung
Angesichts des rasanten Wandels in der Automobilindustrie wird der Einsatz leistungsstarker, KI-gestützter Systemarchitekturen unerlässlich. Die Nutzung heterogener Rechenleistung für fortschrittliche Sensorfusion, nahtlose Domänenintegration und Echtzeit-Entscheidungsfindung verbessert nicht nur die Sicherheit und Leistung, sondern ebnet auch den Weg für wirklich intelligente Mobilität. Zentralisierte Recheneinheiten wie die System-on-Chip-Prozessoren der Snapdragon Ride Plattform stehen im Mittelpunkt dieser Entwicklung und ermöglichen die komplexen Funktionen, die die Zukunft des automatisierten Fahrens ausmachen.
Jetzt mehr erfahren: Qualcomm Automotive
