- Wissenschaftler vom Toyota Research Institute und der Stanford University haben selbstfahrende Autos entwickelt, die kontrolliert driften können, um die Grenzen der Technologie zu erweitern. Im Mai führten diese autonomen Fahrzeuge das Tandem-Driften auf dem Thunderhill Raceway Park in Kalifornien vor. Künftige Fahrerassistenzsysteme könnten die entwickelten Algorithmen verwenden, um einzugreifen, wenn ein Autofahrer die Kontrolle verliert. Die Forscher modifizierten zwei GR Supra Sportwagen mit fortschrittlichen Computern und Sensoren sowie mathematischen Modellen der Eigenschaften von Reifen und Strecke. Das Projekt demonstriert die Bedeutung der Kombination von maschinellem Lernen mit physischen Modellen für autonomes Fahren in Extremsituationen.
Den Kontakt zur Straße zu verlieren, während man mit hoher Geschwindigkeit fährt, ist in der Regel eine schlechte Nachricht. Wissenschaftler vom Toyota Research Institute und der Stanford University haben ein Paar selbstfahrender Autos entwickelt, die das in kontrollierter Weise tun – ein Trick, besser bekannt als „Driften“ – um die Grenzen der Technologie zu verschieben. Im Mai vollführten die beiden autonomen Fahrzeuge das waghalsige Kunststück des Tandem-Driftens auf dem Thunderhill Raceway Park in Willows, Kalifornien. In einem beeindruckenden Video rasen die beiden Autos nur wenige Meter voneinander entfernt um die Strecke, nachdem menschliche Fahrer die Kontrolle abgegeben haben.
Neue Algorithmen für Fahrerassistenzsysteme
Chris Gerdes, ein Professor an der Stanford University, der die Beteiligung der Universität an dem Projekt leitete, erklärt, dass die für das Kunststück entwickelten Techniken künftig Fahrerassistenzsystemen helfen könnten. „Eines der Dinge, die wir untersuchen, ist, ob wir genauso gut sein können wie die besten menschlichen Fahrer“, sagt Gerdes. Künftige Fahrerassistenzsysteme könnten die auf der kalifornischen Strecke getesteten Algorithmen verwenden, um einzugreifen, wenn ein Autofahrer die Kontrolle verliert, und das Fahrzeug wie ein Stuntfahrer aus der Gefahrenzone lenken. „Was wir hier getan haben, kann auf größere Probleme wie das automatisierte Fahren in städtischen Szenarien hochskaliert werden“, fügt Gerdes hinzu. Das Projekt ist eine elegante Demonstration der Hochgeschwindigkeits-Autonomie, auch wenn selbstfahrende Fahrzeuge noch weit von der Perfektion entfernt sind. Nach einem Jahrzehnt voller Versprechungen und Hype funktionieren sie nur in begrenzten Situationen zuverlässig. Allerdings sind die Fahrzeuge immer noch anfällig dafür, stecken zu bleiben und benötigen möglicherweise Fernunterstützung.
Herausforderungen und Fortschritte
Die Forscher von Toyota und der Stanford University modifizierten zwei GR Supra Sportwagen mit Computern und Sensoren, die die Straße und andere Fahrzeuge tracken, zusätzlich zu den Aufhängungen und anderen Eigenschaften der Autos. Sie entwickelten auch Algorithmen, die fortgeschrittene mathematische Modelle der Eigenschaften von Reifen und Strecke kombinieren, was den Autos hilft, sich selbst beizubringen, wie man die Kunst des Driftens beherrscht. Yi Lin, Professorin an der University of Maryland, die sich mit autonomem Fahren beschäftigt, sagt, die Arbeit sei ein spannender Fortschritt, um selbstfahrende Autos in Extremsituationen zu betreiben. „Eine der größten Herausforderungen für autonome Fahrzeuge besteht darin, sicher an regnerischen, schneereichen oder nebligen Tagen oder bei schlechten Lichtverhältnissen in der Nacht zu fahren“, sagt sie.
Lin fügt hinzu, dass das Toyota-Stanford-Projekt die Bedeutung der Kombination von maschinellem Lernen mit physischen Modellen in der realen Welt demonstriert. „Auch wenn es sich nur um eine frühe Demonstration handelt, bewegt es sich eindeutig in die richtige Richtung“, sagt sie. Toyota und Stanford demonstrierten erstmals Algorithmen, die es autonomen Autos ermöglichten, im Jahr 2022 zu driften. Dass zwei Fahrzeuge diesen Trick im Tandem ausführen, erfordert noch bessere Kontrolle und die Kommunikation der Fahrzeuge miteinander. Die Autos erhielten Daten von Runden, die von professionellen Fahrern durchgeführt wurden. Ihre jeweiligen Computer berechneten bis zu 50 Mal pro Sekunde ein Optimierungsproblem, um zu entscheiden, wie Lenkung, Drosselklappe und Bremse auszubalancieren sind.
Extreme Performance und Sicherheit
„Worum es hier wirklich geht, ist die Kontrolle des Autos an den Leistungsgrenzen, wenn die Reifen rutschen, die Art von Bedingungen, denen Sie begegnen würden, wenn Sie auf Schnee oder Eis fahren“, sagt Avinash Balachandran, Vizepräsident der Human Interactive Driving Division von TRI. „Wenn es um Sicherheit geht, reicht es nicht, ein durchschnittlicher Fahrer zu sein. Wir möchten von den besten Experten lernen.“ Die Welt hat in letzter Zeit bemerkenswerte Fortschritte in der künstlichen Intelligenz erlebt, dank der leistungsstarken Modelle, die Programme wie ChatGPT antreiben. Wie das duale Drift-Demonstration zeigt, ist das Meistern der unordentlichen, unvorhersehbaren physischen Welt jedoch eine völlig andere Angelegenheit.
„Bei einem großen Sprachmodell könnte eine Halluzination vielleicht nicht das Ende der Welt bedeuten“, sagt Balachandran in Bezug auf die Art, wie große Sprachmodelle Fakten falsch darstellen. „Das könnte bei einem Auto natürlich ganz anders aussehen.“
