KI-Framework für autonome Systeme

Was sind Autonome Systeme?

KI Framework
© Shutter2U - stock.adobe.com

Autonome Systeme sind dadurch gekennzeichnet, dass sie über Sensoren ihr Umfeld erfassen und mit diesem eigenständig über Aktoren interagieren können. Dies ermöglicht z. B. Autos selbstständig zu fahren, Robotern autonom Aufgaben zu erfüllen, oder Systemen sich adaptiv zu regeln. Ein solches System setzt sich aus Sensoren zur Umfelderfassung, Komponenten zur Aggregation, Auswertung und Interpretation von Daten sowie einer Situationsbewertung, Aktionsplanung und Aktorik zusammen. Deep Reinforcement Learning (DRL) ist dabei eine Methodik, die Entscheidungsfindung in autonomen Systeme bzw. autonomen Agenten zu implementieren.

Use-Case: Verhaltensplanung für Fahrassistenz

© Fraunhofer IIS
Deep Reinforcement Learning (DLR), angewandt auf autonomes Fahren.

Im Rahmen von »KI-Framework für Autonome Systeme« wird ein verlässlicher Fahrassistent entwickelt, um die Technologie zu demonstrieren. Die typische Verarbeitungskette eines autonomen Fahrzeugs besteht aus Perzeption, Routenplanung, Verhaltensplanung, Bewegungsplanung und Aktoren. Wir konzentrieren uns auf die Verhaltensplanung durch verlässliches Deep Reinforcement Learning (DRL).  Es werden Algorithmen für die Navigation in komplexen und kritischen Situationen mit sicherem Verhalten in Form einer sicheren Policy entwickelt. Das Training der KI ist so gestaltet, dass die Policy sowohl effizient ist, als auch strengen Sicherheitsbedingungen folgt. Darüber hinaus kann durch Extraktion von Entscheidungsbäumen mit Imitation Learning das Verhalten des KI-Agenten nicht nur interpretierbar, sondern auch verifizierbar gemacht werden. Dieses demonstriert, dass DRL effiziente und verlässliche Lösungen auch für sicherheitskritische Use-cases bietet.

Autonomes Fahren sicherer machen mit verlässlichem Reinforcement Learning

Zwei Teams des ADA Lovelace Center for Analytics, Data and Applications haben sich zusammengetan, um zu zeigen, wie komplementäre Methoden ein größeres Ganzes bilden können: Das Fraunhofer IKS hat ein Wahrnehmungsmodul entwickelt, das nicht nur Objekte im Kamerabild erkennt, sondern auch für jedes Objekt eine Sicherheitseinschätzung abgibt. Das Team des Fraunhofer IIS hat einen Agenten mit Reinforcement Learning entwickelt, der weiß, wann es sicher ist zu fahren und wann es ratsam ist, andere Informationsquellen zu nutzen. Wie das genau funktioniert, sehen Sie in diesem Video.

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: http://www.youtube.com/t/privacy_at_youtube