Autonome Autos und der "Angstschaltkreis": Ein neuer Weg zu sichererem Fahren

Einführung

Das autonome Fahren gilt als eine der vielversprechendsten Technologien der Zukunft. Doch trotz der Fortschritte in der Entwicklung und den zahlreichen Testfahrten, die bereits durchgeführt wurden, bleibt die Sicherheit ein kritischer Punkt. Forscher der Technischen Universität Nanyang in Singapur haben nun ein neues Konzept vorgestellt, das auf einem „Angstschaltkreis“ basiert, um die Sicherheit autonomer Fahrzeuge zu erhöhen.

Das Konzept des "Angstschaltkreises"

Die Forscher des AutoMan Research Lab haben ein KI-Modell für autonomes Fahren entwickelt, das neuronale Eigenschaften aufweist, die dem menschlichen Angstgefühl ähneln. Die Idee dahinter ist, dass eine „ängstliche“ KI vorsichtiger und somit sicherer agieren könnte. Inspiriert von der Funktionalität der Amygdala im menschlichen Gehirn, die maßgeblich an der Einschätzung gefährlicher Situationen beteiligt ist, soll die KI in der Lage sein, sichere Entscheidungen im Straßenverkehr zu treffen.

Die Rolle der Amygdala

Die Amygdala ist ein Teil des Gehirns, der für die Verarbeitung von Emotionen, insbesondere Angst, verantwortlich ist. Sie hilft uns, potenziell gefährliche Situationen zu erkennen und entsprechend zu reagieren. Im Kontext des autonomen Fahrens haben die Forscher diese Funktionalität modelliert, um die Entscheidungsfindung der KI zu verbessern.

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

Das entwickelte Framework, genannt Fear-Neuro-Inspired Reinforcement Learning (FNI-RL), besteht aus zwei Hauptkomponenten: - **Feindlicher Agent:** Dieser Agent wird mit Worst-Case-Szenarien trainiert, die im Straßenverkehr auftreten können, wie z.B. Abbiegemanöver an unübersichtlichen Kreuzungen oder unerwartet ausscherened Verkehrsteilnehmer. - **Optimierender Algorithmus:** Dieser Algorithmus optimiert die Fahrstrategien des Agenten und hält gleichzeitig seine „Angst“ innerhalb vorgegebener Grenzen.

Training und Simulation

Um die Effektivität ihres Modells zu testen, haben die Forscher das FNI-RL sowohl mit anderen gängigen Algorithmen des autonomen Fahrens als auch in einem Test mit 30 zertifizierten menschlichen Fahrern verglichen. Zum Einsatz kamen dabei Open-Source-Simulatoren wie SUMO und CARLA. Die Ergebnisse waren vielversprechend: FNI-RL verursachte weniger Unfälle und missachtete weniger Verkehrsregeln als die anderen Algorithmen und menschlichen Fahrer.

Ergebnisse und Ausblick

Die Testergebnisse zeigen, dass ein autonomer Fahragent mithilfe von FNI-RL defensives Entscheidungsverhalten an den Tag legt, wodurch die Sicherheit verbessert wird. Trotz dieser vielversprechenden Ergebnisse weisen die Forscher selbst auf diverse Einschränkungen in ihrem Modell hin. Es ist daher unwahrscheinlich, dass die Technik bald in das Full Self-Driving (FSD) System von Tesla oder anderen Herstellern integriert wird.

Potenzial für die Zukunft

Obwohl das Modell noch in den Kinderschuhen steckt, könnte die Forschung dazu beitragen, Erkenntnisse aus der Neurowissenschaft und Psychologie in die KI-Forschung zu integrieren. Dies könnte langfristig zu sichereren und effizienteren autonomen Fahrsystemen führen.

Fazit

Die Integration eines „Angstschaltkreises“ in autonome Fahrsysteme stellt einen innovativen Ansatz dar, um die Sicherheit im Straßenverkehr zu erhöhen. Während die Technologie noch weiterentwickelt werden muss, zeigt sie vielversprechende Ansätze, die in zukünftige Systeme integriert werden könnten. Die Forschung in diesem Bereich bleibt spannend und könnte maßgeblich dazu beitragen, das autonome Fahren sicherer zu machen. 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