Autonome Autos mit „Angstschaltkreis“: Forscher entwickeln KI für vorsichtigeres Fahren

Autonome Fahrzeuge sind seit Jahren ein zentrales Thema in der Automobilindustrie. Während Unternehmen wie Tesla daran arbeiten, ihre selbstfahrenden Systeme zu perfektionieren, gibt es immer wieder Berichte über Unfälle und Sicherheitsbedenken. Forscher der Technischen Universität Nanyang in Singapur haben nun einen innovativen Ansatz entwickelt, um die Sicherheit autonomer Fahrzeuge zu erhöhen. Sie haben eine Künstliche Intelligenz (KI) entwickelt, die auf einem sogenannten „Angstschaltkreis“ basiert.

Inspiration aus dem menschlichen Gehirn

Die Forscher des AutoMan Research Lab haben sich bei ihrer Arbeit von neuronalen Mechanismen im menschlichen Gehirn inspirieren lassen. Konkret geht es um die Amygdala, eine Region im Gehirn, die maßgeblich an der Einschätzung gefährlicher Situationen und dem Abwehrverhalten beteiligt ist. „Durch die Modellierung der Amygdala-Funktionalität wollen wir die sichere Entscheidungsfindung für autonome Fahrzeuge weiter vorantreiben“, erklären die Forscher in ihrer Studie.

Das Framework: Fear-Neuro-Inspired Reinforcement Learning (FNI-RL)

Das entwickelte Framework trägt den Namen Fear-Neuro-Inspired Reinforcement Learning (FNI-RL) und besteht aus zwei Hauptkomponenten:

Erstens gibt es einen „feindlichen“ Agenten, der mit Worst-Case-Szenarien im Straßenverkehr trainiert wird. Diese Szenarien umfassen beispielsweise komplexe Abbiegemanöver an unübersichtlichen Kreuzungen oder das plötzliche Ausscheren anderer Verkehrsteilnehmer. „Wir ermutigen den Agenten, in einer modellbasierten Umgebung riskante Erkundungen innerhalb seiner eigenen Vorstellungskraft zu unternehmen“, so die Forscher.

Zweitens gibt es einen Algorithmus, der die Fahrstrategien des Agenten optimiert und gleichzeitig seine „Angst“ in vorgegebenen Grenzen hält. Diese Komponente soll menschliches Verhalten nachbilden: Wenn wir eine potenziell gefährliche Situation erkennen, setzen wir unser Wissen ein, um diese zu vermeiden oder sicher zu meistern.

Test und Vergleich mit menschlichen Fahrern

Um die Wirksamkeit ihres Modells zu testen, haben die Forscher FNI-RL mit anderen gängigen Algorithmen des autonomen Fahrens und in einem Test mit 30 zertifizierten menschlichen Fahrern verglichen. Zum Einsatz kamen dabei unter anderem die Open-Source-Simulatoren SUMO und CARLA.

Die Ergebnisse waren vielversprechend: FNI-RL schnitt nicht nur besser als die menschlichen Fahrer ab, sondern übertraf auch viele andere Algorithmen in verschiedenen Situationen. Es verursachte weniger Unfälle und missachtete weniger Verkehrsregeln. „Die Ergebnisse zeigen, dass ein autonomer Fahragent mithilfe von FNI-RL defensives Entscheidungsverhalten an den Tag legt, wodurch die Sicherheit verbessert und die Leistung des menschlichen Fahrers in verschiedenen sicherheitskritischen Szenarien erreicht wird“, resümieren die Forscher.

Keine unmittelbare Anwendung bei Tesla

Obwohl die Ergebnisse vielversprechend sind, ist es unwahrscheinlich, dass die Technik bald Einzug in das Full Self-Driving (FSD) System von Tesla erhält. Die Forscher selbst weisen auf diverse Einschränkungen in ihrem Modell hin. Dennoch könnte ihre Arbeit andere Forscher dazu inspirieren, Erkenntnisse aus der Neurowissenschaft und Psychologie in die KI-Forschung zu integrieren.

Fazit

Die Entwicklung einer KI mit „Angstschaltkreis“ zeigt, dass es möglich ist, autonome Fahrzeuge sicherer zu machen, indem man sie vorsichtiger agieren lässt. Dies ist ein bedeutender Schritt in Richtung sicherer autonomer Mobilität und könnte in Zukunft die Grundlage für weitere innovative Ansätze in der KI-Forschung und -Entwicklung bilden.

Bibliography: - https://t3n.de/news/autonome-autos-angstschaltkreis-sicher-fahren-1645043/ - https://t3n.de/archive/01-01-2019/ - https://newstral.com/de/article/de/1257889718/autonome-autos-mit-angstschaltkreis-forscher-entwickeln-ki-f%C3%BCr-vorsichtigeres-fahren