Selbstfahrende Autos machen in den Nachrichten die Runde. Mit fortschreitender Technologie besteht die Möglichkeit, dass wir bald einige davon auf den Straßen sehen werden. Obwohl selbstfahrende Autos in Simulationstests und -versuchen vorbildliche Ergebnisse erzielt haben, ist es immer noch schwierig, den Erfolg in realen Szenarien zu wiederholen, in denen sie mit unvorhersehbaren Situationen interagieren müssen, die durch andere Fahrzeuge, Fußgänger und verschiedene andere Variablen in ihrer Umgebung entstehen. Und die reibungslose und sichere Navigation durch diese Bereiche gibt immer noch Anlass zur Sorge. Solche Szenarien sind durchaus möglich, wenn man auf mehrere Fahrspuren und Kreuzungen trifft, wodurch es noch schwieriger wird, sicher zu navigieren.
Um solche Probleme anzugehen, ist daher an vielen Orten der Welt eine aggressive Forschung und Entwicklung zu beobachten.
Eine der jüngsten Entwicklungen der Stanford University sieht recht vielversprechend aus
LUCIDGames von der Stanford University hat kürzlich einen Algorithmus entwickelt, der adaptive Flugbahnen für autonome Fahrzeuge vorhersagen und planen kann. Diese Technik verwendet einen auf Spieltheorie basierenden Algorithmus und eine Schätzmethode. LUCIDGames kann schnell die Ziele von Autos und Fußgängern in ihrer Nähe identifizieren. Dadurch können sie vorhersagen, was diese verschiedenen Elemente in der Zukunft und sogar in komplexen Situationen tun werden.
Wenn es um autonome Fahrzeuge geht, gibt es bestimmte Stufen, die den Grad der Automatisierung definieren, wobei Stufe 0 die traditionellen Autos sind, an die wir alle bisher gewöhnt sind. Diese Taxonomie wird von SAE International bereitgestellt und bedeutet Folgendes:
Ebenen der autonomen Fahrzeugtechnologie
Level 1
Die Geschwindigkeitsregelung oder adaptive Steuerung ist ein Beispiel für Stufe 1, bei der sich das Auto und der Fahrer die Kontrolle teilen. Der Fahrer übernimmt die Lenkung, während das autonome System das Gaspedal und das Bremsen bei einer vorgegebenen Geschwindigkeit übernimmt. Einparkassistent und Spurhalteassistent sind Beispiele für Stufe 1.
Level 2
Das automatisierte System kann das Lenken, Beschleunigen und Bremsen vollständig verwalten, allerdings müsste der Fahrer in Bereitschaft bleiben, falls das System ausfällt. Es gibt Sensoren, die die Aufmerksamkeit des Fahrers überwachen, indem sie die Augenbewegungen verfolgen.
Level 3
In der Automatisierungsstufe 3 kann das Auto in den meisten Szenarien selbst fahren und der Fahrer muss nicht auf das Fahren achten. Es gibt bestimmte festgelegte Bedingungen für Kameraansicht, Wetter, GPS usw., die eingehalten werden müssen, damit das Auto im vollautomatischen Modus funktioniert. Sollte eine dieser Bedingungen nicht erfüllt sein, müsste der Fahrer dennoch eingreifen.
Level 4
Die Automatisierung der Stufe 4 umfasst intelligente Systeme, die möglicherweise nicht einmal über ein Lenkrad verfügen und bei denen der Fahrer möglicherweise nicht wach sein oder die Kontrolle wieder übernehmen muss. Dieses Niveau würde hauptsächlich für robotisierte Taxi- oder Liefersysteme in bestimmten Bereichen gelten, in denen vorgegebene optimale Bedingungen erfüllt sind.
Level 5
Mit der Automatisierung der Stufe 5 bräuchte ein Auto keine menschliche Aufsicht. Es wäre in der Lage, durch alle Oberflächen, Wetterbedingungen und Situationen zu navigieren. Während Level 4 bereits erforscht wird, ist die Automatisierung von Level 5 noch zu komplex für die Implementierung.
Wie ist also der Status, wenn es um komplexe Level ab Level 3 geht?
Nun, es stellt sich heraus, dass in diesem Bereich tatsächlich einige Entwicklungen stattfinden.
Das integrierte KI-System Baidu Apollo ermöglicht den Betrieb von Fahrzeugen, ohne dass sich ein Fahrer im Fahrzeug befindet. Um sicherzustellen, dass es zu keinen Zwischenfällen kommt, nutzt das Unternehmen die 5G-fähige Teleoperation in seinen Fahrzeugen.
Cruise, das mit GM und Honda verbundene Unternehmen für selbstfahrende Autos, testet in San Francisco vollständig fahrerlose Autos ohne menschlichen Sicherheitsfahrer am Lenkrad. Dies ist einer der wenigen Fälle, in denen selbstfahrende Autos in der komplexen Umgebung einer geschäftigen Stadt getestet werden.
Cruise hat seine Level-4-Fähigkeiten erst kürzlich vorgestellt, während Google (Waymo) angekündigt hat, seinen Level-4-Taxiservice für Kunden zugänglich zu machen. Cruise hatte ursprünglich einen Starttermin für seine kommerziellen fahrerlosen Taxis im Jahr 2019 geplant, konnte dies jedoch nicht realisieren.
Doch trotz dieser fortgeschrittenen Entwicklung bleibt die Sicherheit das Hauptanliegen für die Verbraucherakzeptanz selbstfahrender Autos.
Fahrzeuge werden mit komplexer Technik ausgestattet, um Unfälle zu vermeiden. Mehrere LIDARs werden zusammen mit mehreren Kameras und Radargeräten über die Oberfläche von Fahrzeugen verteilt, um über überlappende Sensorfelder zu verfügen. Dies dient nicht nur der Verbesserung der Sichtbarkeit von Hindernissen im Fahrweg, sondern auch der Vermeidung toter Winkel.
Da im Bereich selbstfahrender Autos so viel passiert, ist es offensichtlich, dass auch IP-Trends eine Menge Aktivität erleben könnten. Und es wird erwartet, dass auch viele Startups diesen Raum nutzen werden. Darüber hinaus gibt es in der Branche zahlreiche branchenübergreifende Aktivitäten und Kooperationen.
Im Jahr 2020 war Ford der aktivste Patentanmelder für Fahrzeugnavigations- und -steuerungssysteme, gefolgt von Toyota Motor Corp. und LG Electronics Inc. Intel plant die Einführung von Radar und LIDAR, einem laserbasierten System für eine 3D-Ansicht der Straße, um seine selbstfahrende Technologie bis 2025 voranzutreiben.
Oxbotica – einer der Pioniere der autonomen Technologie – hat jetzt 47 Millionen US-Dollar in einer Serie-B-Finanzierung von BP, BGF, Halma, Tencent, Venture Science und anderen eingesammelt. Oxbotica möchte Chancen in Industrieunternehmen für Sektoren wie Bergbau und Hafenlogistik bei Offroad-Anwendungen nutzen. Autonome Fahrzeugsoftware kann für Flottenmanagement, Navigation und Wahrnehmung in Industriefahrzeuge integriert werden.
Die Snapdragon Automotive 5G-Plattform und die Snapdragon Automotive Cockpit-Plattform der 3. Generation von Qualcomm werden in die Flaggschiff-Limousine von NIO integriert. NIO, das mit dem EP9 eines der schnellsten Elektroautos der Welt auf den Markt gebracht hat, nutzt nun die Kompetenz von Qualcomm in den Bereichen Computer und Konnektivität, um seine intelligente Mobilitätstechnologie zu verbessern.
Velodyne Lidar hat einen mehrjährigen Vertrag mit Motional unterzeichnet – dem Joint Venture zwischen Hyundai und Aptiv Autonomous Driving für Alpha Prime-Sensoren, um eine langfristige Vision für autonome Fahrzeuge der Stufe 4 bereitzustellen. Die patentierte 360-Grad-Wahrnehmungstechnologie von Velodyne ermöglicht autonomes Fahren bei Regen, Schnee, Graupel sowie in komplexen städtischen Umgebungen.
Zukunft der autonomen Fahrzeugnavigation
Sicherheit bleibt für Automobilhersteller und Verbraucher das wichtigste Anliegen. Der Schwerpunkt liegt auf der Lösung weniger häufiger Straßenszenarien, die sich von normalen Straßenbedingungen unterscheiden. Das vorhandene Spektrum an AV-Sensoren reicht immer noch nicht aus, um alle Möglichkeiten abzudecken. Neben fortschrittlichen LIDAR-, Ultraschall- oder Radarsensoren werden von Forschern auch Technologien wie Wärmebildkameras und Langwellen-IR-Kameras erforscht. Mehrere FIR-Sensoren werden sich als nützlich erweisen, wenn wir in Zukunft auf völlig autonome Autos hinarbeiten.
