Motivation

Intelligente, hoch automatisierte Fahrzeuge haben den Vorteil, dass vor allem die Sicherheit aller am Verkehr beteiligten Personen deutlich erhöht werden kann. Zur Realisierung solcher Fahrzeuge ist eine genaue und abgesicherte Kenntnis der Fahrzeugumgebung mit einer Auflösung im Zentimeterbereich notwendig. Eine Annäherung hieran kann beispielsweise durch redundante Sensoren, aber auch durch Fusion der eigenen Informationen mit Informationen anderer Quellen über Kommunikationswege wie Vehicle2X erzielt werden. Mit zunehmender Komplexität solcher Systeme steigt jedoch auch die Herausforderung, die Funktionssicherheit und den Betriebsschutz des Gesamtsystems sicherzustellen. Neue inhärente Überwachungstechniken sind daher notwendig, um eine maximale Sicherheit bei gleichzeitiger Wirtschaftlichkeit gewährleisten zu können.

Ziel des Forschungsvorhabens

Daher wird eine modulweise Entwicklung einer Beobachterstruktur vorgeschlagen, die unter Zuhilfenahme maschineller Lernverfahren, aber auch klassischer regelungstechnischer Beobachteransätze Inkonsistenzen innerhalb der Wirkkette des automatisierten Fahrens findet. Inkonsistenz bezieht sich dabei beispielsweise auf mögliche manipulative Fremdeingriffe oder fehlerhafte Wahrnehmung wie dem Übersehen von Hindernissen. Die Entwicklung fokussiert sich dabei zunächst auf den Bereich der Wahrnehmung und wird um nachfolgende Elemente der Wirkkette ergänzt.

Der Beobachter wird dabei als übergeordnete Instanz angesehen, die das zu beobachtende System als Zusammensetzung mehrerer Blackbox-Modelle betrachtet - also die inneren mathematischen Modelle und Zusammenhänge nicht kennt oder als bekannt voraussetzt. Es stehen zur Observation nur die zu vor definierten Eingangs- und Ausgangsgrößen und die daraus gewonnenen Merkmale zur Verfügung. Diese Herangehensweise bewirkt, dass die Systemkomplexität so deutlich reduziert werden kann, da nicht jede mögliche, im System vorhandene und eventuell überflüssige Information genutzt wird. Wichtig ist zudem eine gute Generalisierbarkeit und Übertragbarkeit des Konzepts, um eine modulare Entwicklung zu ermöglichen. Hierzu ist es wichtig, dass der Beobachter möglichst effizient um Trainingseinheiten und Merkmalseingänge erweitert werden kann.

Generell ist es zudem von Relevanz, die Einsetzbarkeit auf einem Steuergerät gewährleisten zu können. Eine hohe Parallelisierbarkeit der Aufgaben sowie eine mathematisch wenig komplexe Anwendbarkeit sind hierfür von Bedeutung.