Das auf maschinellem Lernen basierende Radar von Aptiv sieht sogar, was Sie nicht sehen

Aptiv reiste zur CES 2022 , um die Verbesserungen zu präsentieren , die es an seiner Reihe fortschrittlicher Fahrerassistenzsysteme vorgenommen hat . Es nutzte insbesondere die Leistungsfähigkeit der maschinellen Lerntechnologie, um seinen selbstfahrenden Prototypen zu helfen, Objekte zu erkennen und zu klassifizieren, selbst solche, die außer Sichtweite sind.

Stellen Sie sich ein selbstfahrendes Auto als einen Menschen vor; Radare sind die Augen und die Technologie des maschinellen Lernens ist das Gehirn. Das Anbringen von Radaren an der Karosserie eines Autos ermöglicht es ihm, die Umgebung, in der es verkehrt, zu erfassen. Es kann erkennen, dass ein Auto vor ihm steht, dass ein Fahrrad entgegenkommt und dass es eine Ampel gibt, an der es anhalten muss. Dies sind ziemlich einfache Aufgaben, die die meisten selbstfahrenden Prototypen bereits ausführen.

Machine Learning hebt diese Funktion auf die nächste Stufe, indem es einem Auto ermöglicht, sich an die verschiedenen Szenarien und Objekte zu erinnern, denen es begegnet ist. Im Gegenzug kann es vorausplanen: Es weiß, dass sich beispielsweise eine überfüllte Bushaltestelle um die Ecke befindet, für die es möglicherweise langsamer fahren muss.

Während Prototypen ihr Wissen erweitern können, indem sie Testkilometer sammeln, füttert Aptiv sie auch mit enormen Datenmengen, damit sie so schnell wie möglich lernen können. Es hat einen Katalog von 360-Grad-Szenen zusammengestellt, der herausfordernde urbane Szenarien und eng gruppierte Objekte enthält, die das Gehirn eines Autos leicht verwirren können. Der Katalog der Firma umfasst über 100.000 verfolgte Objekte, und alle sind mit Anmerkungen versehen.

Aptiv weist darauf hin, dass maschinelles Lernen das Potenzial hat, seinen Ingenieuren und Kunden dabei zu helfen, einen radarzentrierten Ansatz zu verfolgen, um Autos beizubringen, wie man selbst fährt (oder wie man den Fahrer unterstützt, wenn das Fahren ermüdend wird). Diese Lösung hat mehrere Vorteile: Ein Radar kostet beispielsweise weniger als ein vergleichbares Lidar und verbraucht relativ wenig Strom. Die Verwendung eines Radars erleichtert auch die Aufgabe, eine Reihe von selbstfahrender oder halbautonomer Hardware und Software in ein Auto zu packen und gleichzeitig einige der mit Kameras verbundenen Datenschutzbedenken zu beseitigen, so das Unternehmen. Und es ist ein System, das es dem Auto ermöglicht, seine Umgebung unter den unterschiedlichsten Bedingungen zu sehen, zu klassifizieren und folglich zu analysieren.

Mit Radar ausgestattete Prototypen sind Berichten zufolge in der Lage, bei schlechten Lichtverhältnissen, nachts, im Regen, bei einem Schneesturm und bei dichtem Nebel zu arbeiten. Während die Wahrscheinlichkeit, einen Schneesturm in der Innenstadt von Las Vegas zu sehen, relativ gering ist, demonstriert Aptiv selbst Anfang Januar sein radarbasiertes Wahrnehmungssystem während der CES 2022 in einem modifizierten 2021 Ford Mustang Mach-E .