Generative KI für intelligenteres CCAM: Verbesserung von Wahrnehmung, Entscheidungsfindung und Validierung (CCAM-Partnerschaft)

Erwartetes Ergebnis:

Es wird erwartet, dass die Projektergebnisse zu allen folgenden erwarteten Ergebnissen beitragen:

• Verfügbarkeit und Integration fortschrittlicher, vertrauenswürdiger und energieeffizienter Wahrnehmungssysteme, die technologische Fortschritte der Generativen KI (GenAI) nutzen, um das Situationsbewusstsein zu verbessern und eine sichere Entscheidungsfindung zu unterstützen;
• Verbesserte Sicherheit für schwache Verkehrsteilnehmer (Vulnerable Road Users, VRU), basierend auf einer verbesserten, manipulationssicheren Wahrnehmung und einem besseren Verständnis ihres Verhaltens und ihrer Verhaltensprognosen;
• Verbesserte Robustheit von CCAM-Systemen – sowohl an Bord als auch auf der Infrastrukturseite – in kritischen Situationen durch deren Training, virtuelles Testen und Validierung in von GenAI generierten Szenarien, die bestehende Szenario-Datenbanken für das Testen und Validieren von CCAM-Systemen ergänzen;
• Verbessertes Verständnis der Relevanz und der Grenzen des Einsatzes von GenAI für CCAM;
• Werkzeuge und harmonisierte Ansätze für den Einsatz von GenAI in der Entwicklung, dem Training und der Validierung von Mobilitätstechnologien sowie für systemische Anwendungen wie Verkehrsmanagement und Fernsteuerung, indem diese in bestehende Ansätze integriert werden.

Umfang:

Piloten und Demonstrationen mit Fahrzeugdiensten der Level 3 und 4 stehen vor großen Herausforderungen in der Wahrnehmung und Entscheidungsfindung, was die Notwendigkeit von Lösungen mit geringer Latenz unterstreicht, die die Reaktionsfähigkeit und das Situationsbewusstsein unter realen Betriebsbedingungen verbessern. Dies ist besonders relevant für das Fahren in komplexeren Umgebungen wie städtischen Gebieten, in denen die Umweltvarianz höher ist und regelmäßig neue Szenarien auftreten können. Darüber hinaus besteht die Notwendigkeit, die Latenz, Bandbreite und den Energieverbrauch für On-Board-Berechnungen zu begrenzen sowie die Sicherheit, den Datenschutz und die Zuverlässigkeit (z. B. Szenenverständnis und Vorhersage der zukünftigen Szenarioentwicklung) zu erhöhen. Für eine schnelle Entscheidungsfindung bei Interaktionen mit VRUs ist dies für die Implementierung von CCAM-fähigen Lösungen und die Gewährleistung der Skalierbarkeit unerlässlich.

Gleichzeitig zeigen Entwicklungen sektorunabhängiger Technologien Fortschritte – wie GenAI –, die für CCAM von Nutzen sein können. Erste explorative Schritte können von einem Projekt erwartet werden, das unter HORIZON-CL5-2023-D6-01-02^[1] gefördert wird, in Bezug auf das Potenzial bei der virtuellen Generierung von Edge Cases, die für die Entwicklung, das Training, das virtuelle Testen und die Validierung von CCAM-Systemen genutzt werden könnten.

Weitere Fortschritte in GenAI-Anwendungen speziell für den CCAM-Bereich müssen entwickelt, trainiert und validiert werden^[2]. Daher sollen die vorgeschlagenen Maßnahmen Ansätze beinhalten, um weitere technologische Fortschritte für CCAM zu nutzen. Um zu hochmodernen, ultra-sicheren, vertrauenswürdigen und energieeffizienten Echtzeit-Wahrnehmungs- und Entscheidungssystemen für automatisierte Fahrzeuge voranzukommen, sind wesentliche Schritte erforderlich, wobei der Schwerpunkt insbesondere auf skalierbaren Lösungen und der Nutzung von GenAI liegt. Diese Fortschritte sollten latenzarme Systeme oder verteilte Rechenressourcen nutzen, um die Echtzeitverarbeitung zu erleichtern und so die Reaktionsfähigkeit und Sicherheit des Systems zu verbessern. Dieses Thema wird somit zum AI Continent Action Plan^[3] beitragen, indem es die KI-Entwicklung und deren Einführung im Automobilsektor fördert.

Die vorgeschlagenen Maßnahmen sollen alle folgenden Aspekte adressieren:

• Entwicklung von Werkzeugen und Ansätzen für eine robuste Umgebungswahrnehmung und Entscheidungsfindung (am Edge, an Bord, in der Infrastruktur oder im Back-Office). Diese Ansätze sollen darauf abzielen, die Logik der Entscheidungsfindung zu beschleunigen und zu verbessern sowie das Effizienzniveau, die (Cyber-)Sicherheit und die Zuverlässigkeit der Anwendungen zu erhöhen, wobei die Pfadplanung als erster Anwendungsfall dient. Dies soll unter anderem die Wahrnehmung von VRUs, die Vorhersage ihres Verhaltens und ihrer Absichten unterstützen, und umfasst Datenaustausch-Ansätze für CCAM-Lösungen, um ein größeres Zeitfenster für Maßnahmen in Beinahe-Unfallszenarien zu schaffen. Die Nutzung…