Autonome Autos,Presse,News,Medien,Aktuelle

Autonome Autos- System schützt Menschenmenge

Veröffentlicht von PSM.Media

Kombination aus maschinellem Lernen und Algorithmen sagt Bewegungen präzise voraus

Stanford- Forscher der Stanford University und des Toyota Research Institute haben ein System entwickelt, das Unfälle von autonomen Fahrzeugen und Robotern verhindern soll, die sich in dicht gedrängten Menschenmengen bewegen.

Dieses setzt auf eine Kombination aus maschinellem Lernen und speziellen Algorithmen, um die Bewegungen von bis zu 50 Personen in der näheren Umgebung möglichst akkurat vorherzusagen und rechtzeitig optimale Ausweichmanöver einzuleiten.

Noch große Herausforderung

“Ziel unserer Arbeit ist es, die Sicherheit bei selbstfahrenden Autos und Robotern zu verbessern, indem wir die Menschen in ihrer Umgebung aufmerksam beobachten und daraus ableiten, wie sie sich in Zukunft verhalten werden”, zitiert “TechXpore” die beiden Projektleiter Haruki Nishimura und Boris Ivanovic vom Multi-Robot Systems Lab http://msl.stanford.edu der Stanford University. Gerade in größeren Menschenmengen sei ein sicheres Navigieren eine sehr große Herausforderung. “Das können wir nur schaffen, wenn es uns gelingt, die Bewegungen der Personen vorherzusagen, um dann möglichst risikolos und kollisionsfrei ans Ziel zu kommen”, betonen die Experten.

Bestehende Ansätze für die Kontrolle von autonomen Vehikeln, die sich im Umfeld von größeren Personengruppen bewegen, hätten Probleme damit, die äußerst dynamischen Prozesse in ihrer Umgebung zu erfassen. “Unser System setzt hingegen auf ein sehr breit gefächertes Modell der menschlichen Bewegungen, das auf Daten aus dem echten Leben basiert”, erläutern die Forscher. So werde stets nicht nur eine mögliche künftige Bewegung prognostiziert, sondern gleich eine ganze Reihe. “Die Berechnungen laufen dabei in Sekundenbruchteilen ab und wiederholen sich kontinuierlich, während sich der Roboter weiterbewegt”, so Nishimura und Ivanovic.

“Ergebnisse sehr vielversprechend”

Die Wissenschaftler entwickelten zunächst ein Modell des maschinellen Lernens und trainierten dieses darauf, die künftigen Bewegungen von Menschen in der Nähe von Robotern vorherzusagen. Danach setzten sie auf Basis dieses Modells einen Algorithmus auf, der das potenzielle Kollisionsrisiko der Bewegungen eines Roboters zu jedem beliebigen Zeitpunkt berechnet. “Dieser Algorithmus wählt automatisch das optimale Ausweichmanöver aus, durch das sich das Risiko eines Zusammenstoßes mit Menschen oder Autos drastisch reduzieren lässt”, stellen seine Erfinder klar.

Zur Evaluierung der Praxistauglichkeit ihres Systems führten die Forscher sowohl Simulationsstudien als auch Experimente in der realen Welt durch. Bei Ersteren wurde die Performance mit drei bestehenden Anti-Kollisions-Technologien verglichen, die für eine Navigation in Situationen mit bis zu 50 Personen gedacht sind, und bei Letzteren ließen sie einen Roboter namens “Quijabot” durch eine Halle mit fünf menschlichen Testsubjekten steuern. “Die Ergebnisse waren sehr vielversprechend. Die Leistung unseres Systems hat alle anderen Lösungen klar übertroffen”, schildern Nishimura und Ivanovic.

 

pte, 15.10.2020, Foto: Roboter navigiert durch Menschenmenge © stanford.edu, Nishimura