Menu

Notwendige Abwägungen für sicheres autonomes Fahren

Autonomes Fahren erfordert ein neues Kostenverhältnis für die Sensorredundanz, mit der die Fahrzeugsicherheit gewährleistet werden soll.

Eine softwaredefinierte Testplattform ist unabdingbar, um mit der Weiterentwicklung von Verarbeitungsarchitekturen Schritt zu halten.

Die Halbleiter- und Fahrzeugindustrie greifen ineinander, da die Anforderungen für autonomes Fahren Auswirkungen auf die Mikroprozessorarchitekturen haben.

image description Laut der Weltgesundheitsorganisation sterben weltweit jedes Jahr mehr als 1,25 Millionen Menschen bei Verkehrsunfällen. Die Kosten dieser Verkehrsunfälle belaufen sich in den meisten Ländern auf bis zu drei Prozent des Bruttoinlandsprodukts. Von den zahlreichen potenziellen Vorteilen, die das autonome Fahren auf persönlicher, wirtschaftlicher und politischer Ebene mit sich bringen wird, macht schon allein die Aussicht darauf, Leben zu retten, das autonome Fahren möglicherweise zur revolutionärsten Erfindung unserer Zeit.

Fahrerassistenzsysteme (ADAS) bündeln Sensoren, Prozessoren und Software, um die Fahrzeugsicherheit zu verbessern und schlussendlich selbstfahrende Funktionen zu ermöglichen. Ein Großteil dieser Systeme nutzt derzeit nur einen Sensor, z. B. ein Radar oder eine Kamera, was bereits zu messbaren Erfolgen geführt hat. Laut einer 2016 von IIHS durchgeführten Untersuchung wurde dank automatischer Bremssysteme die Anzahl der Auffahrunfälle um circa 40 Prozent gesenkt. Kollisionswarnsysteme trugen zu einer 23-prozentigen Reduzierung dieser Art von Unfällen bei. Dennoch sind laut Berichten der US-Bundesbehörde für Straßen- und Fahrzeugsicherheit NHTSA 94 Prozent der schweren Verkehrsunfälle auf menschliche Fehler zurückzuführen. Der Übergang von Fahrerassistenzsystemen zu den Autonomiestufen 4 oder 5, für die kein menschlicher Fahrer mehr erforderlich ist, bedeutet für die Fahrzeugindustrie noch wesentlich größere Herausforderungen als bisher. Denn hier kommt beispielsweise die Sensorfusion – das Zusammenführen verschiedenster Sensordaten für die Entscheidungsfindung – zum Einsatz, eine Technologie, die Synchronisierung, Hochleistungsverarbeitung und die kontinuierliche Weiterentwicklung von Sensoren erfordert. Fahrzeughersteller stehen nun vor der Aufgabe, die richtige Balance zwischen drei wichtigen Faktoren zu finden: Kosten, Technologie und Strategie.

Kosten: Redundante vs. komplementäre Sensoren

image description Autonomiestufe 3 bedeutet, dass der Fahrer die Umgebung nicht mehr aktiv kontrollieren muss, solange das Fahrzeug die Fahraufgabe unter festgelegten Bedingungen ausführt. Das weltweit erste Serienauto der Autonomiestufe 3 wird der 2019er Audi A8 sein. Ausgestattet ist es mit sechs Kameras, fünf Radargeräten, einem Lidar-Gerät und zwölf Ultraschallsensoren. Warum so viele? Einfach ausgedrückt, weil jede dieser Komponenten individuelle Stärken und Schwächen hat. Ein Radar kann beispielsweise anzeigen, wie schnell sich ein Objekt bewegt, aber nicht, worum es sich bei dem Objekt handelt. Hier kommt die Sensorfusion ins Spiel, da beide Datenpunkte wichtig sind, um das Verhalten eines Objekts vorherzusehen. Redundanz ist nötig, um die jeweiligen Schwächen der einzelnen Sensoren zu kompensieren.

Das ultimative Ziel der Sensordatenverarbeitung ist die absolut zuverlässige Abbildung der Umgebung um das Fahrzeug, die dann von den Algorithmen zur Entscheidungsfindung verarbeitet wird. Dies muss jedoch so kostengünstig wie möglich realisiert werden, damit das Endprodukt profitabel ist. Eine der größten Herausforderungen in diesem Zusammenhang ist die Auswahl der richtigen Software. Dabei sind drei wichtige Aspekte zu berücksichtigen: die nahtlose Synchronisierung von Messungen, die Gewährleistung der Datenrückverfolgbarkeit und das Testen der Software für eine schier endlose Anzahl an realen Szenarien. Jede dieser Anforderungen ist für sich genommen schon Herausforderung genug, wobei für das autonome Fahren alle drei erfüllt werden müssen. Aber zu welchen Kosten?

Redundanz mit Lidar

image description

Technologie: Verteilte vs. zentralisierte Architekturen

Die Verarbeitungsfunktionen von ADAS-Systemen basieren bisher auf mehreren, isolierten Steuergeräten. Mit der Sensorfusion wird jedoch auch das Konzept eines zentralen Prozessors immer beliebter wie z. B. beim Audi A8: Im 2019er Modell hat Audi die erforderlichen Sensoren, das Funktionsportfolio, die Elektronik und die Softwarearchitektur in einem zentralen System zusammengefasst. Dieser zentrale Controller berechnet das gesamte Modell der Fahrzeugumgebung und aktiviert alle Assistenzsysteme entsprechend. Das System hat allein eine höhere Verarbeitungsleistung als sämtliche Systeme des Audi-A8- Vorgängermodells zusammen.

Das Hauptproblem bei solch einer zentralisierten Architektur sind die Kosten für die Hochleistungsverarbeitung, insbesondere, da das Fahrzeug noch über einen zweiten Sensorfusions-Controller als Sicherheits-Backup verfügen muss. Im Laufe der Zeit und mit der Weiterentwicklung der Controller und ihrer Verarbeitungsfunktionen werden die Präferenzen sicherlich zwischen verteilten und zentralisierten Architekturen hin und her schwanken, weshalb Unternehmen auf softwaredefinierte Testsysteme setzen sollten, um mit den Entwicklungen Schritt zu halten.

„[Laut Helmut Matschi, Vorstandsmitglied der Interior Division bei Continental,] dreht sich alles um die Softwareentwicklung … Aufgrund des großflächigen Einsatzes von Hochleistungsrechnern in Fahrzeugen zu Beginn des nächsten Jahrzehnts werden bei Entwicklungsprojekten möglicherweise bis zu 80 Prozent des Budgets in die Software investiert werden, so seine Prognose.“

Automotive News, „Continental Bracing for a World of Bugs”, 2018

Strategie: Intern entwickelte vs. handelsübliche Technologie

Für die Autonomiestufe 5 muss der Mikroprozessor eines autonomen Fahrzeugs die 2000-fache Verarbeitungsleistung der aktuell in Controllern eingesetzten Mikroprozessoren bieten. Dadurch wird die Technologie schnell teurer als die RF-Komponenten eines mm-Wellen-Radarsystems. Die Vergangenheit hat jedoch gezeigt, dass immer teurer werdende Technologien, für die gleichzeitig eine große Nachfrage besteht, Akteure aus angrenzenden Märkten auf den Plan rufen, wodurch sich der Wettbewerb unter den Marktteilnehmern erhöht.

Laut Schätzungen von UBS wird der elektrische Antriebsstrang des Chevrolet Bolt sechs- bis zehnmal so viele Halbleiteranteile besitzen wie ein vergleichbares Auto mit Verbrennungsmotor. Da der Anteil an Halbleiterkomponenten in Fahrzeugen in Zukunft nur noch weiter ansteigen wird, lässt sich hier von benachbarten Märkten profitieren, die optimierte handelsübliche Technologien bereitstellen. So hat z. B. Nvidia seine Tegra-Plattform, die ursprünglich für den Einsatz in Verbrauchertechnologie entwickelt wurde, mittlerweile für ADAS-Fahrzeugsysteme angepasst. Auf der anderen Seite hat der Automobilzulieferer Denso begonnen, eigene KI-Mikroprozessoren zu entwickeln und herzustellen, um Kosten und Energieverbrauch zu senken, und NSITEXE Inc., eine Tochterfirma von Denso, plant für 2022 die Veröffentlichung eines Datenflussprozessors mit Prozessor-IP der nächsten Generation namens DFP. Das Rennen ist eröffnet.

Das Optimum herausholen

Die getroffenen Entscheidungen werden enorme Auswirkungen auf die Time-to-Market und die Differenzierungsmöglichkeiten entlang der Lieferkette haben. Dabei wird das schnelle Neukonfigurieren von Testsystemen zu einer unabdingbaren Voraussetzung, um den Kosten- und Zeitaufwand für Validierungs- und Produktionstests so gering wie möglich zu halten. Der Schlüssel hierfür ist Flexibilität durch Software. In einem am 4. März 2018 auf bloomberg.com veröffentlichten Interview sagte Dr. James Kuffner, CEO des Toyota Research Institute-Advanced Development: „Wir verdoppeln unser Budget nicht nur, wir vierfachen es. Wir werden fast vier Milliarden US-Dollar investieren, um Toyota zu einem Mobilitätsunternehmen zu machen, das in Sachen Software zur Weltspitze gehört.“ Mit dieser Einstellung ist Toyota im Fahrzeugmarkt nicht allein. Auch wenn es noch keine klare Antwort zur besten Lösung gibt, wird, wie schon bei vergangenen industriellen Revolutionen, die Technologien dank einer gestiegenen Produktivität erschwinglich machten, eine höhere Effizienz bei der Softwareentwicklung das autonome Fahren maßgeblich vorantreiben.

Redundante vs. komplementäre Sensoren

image description

Nächste Schritte

image description

Jeff Phillips

NI Head of Automotive Market

NI Trend Watch 2019: Sicher in die Zukunft der Megatrends

Vollständigen Bericht herunterladen