1Visualization of car recognizing road edges- credit MIT CSAIL

Nur mit Hilfe von GPS-Daten und Sensoren möchten Forscher des MIT autonome Fahrzeuge auch auf unwegsames Gelände bringen. Bild: MIT CSAIL

| von Werner Beutnagel

Vollautonom über einen ruckeligen Feldweg irgendwo in der Pampa fahren? Keine gute Idee. Das dachten sich Forscher des Computer Science and Artificial Intelligence Laboratory (CSAIL) am Massachusetts Institute of Technology (MIT). Schließlich sind in Massachusetts eher mäßig befestigte Pisten keine Mangelware. Ohnehin sind die USA ein herausforderndes Pflaster: Mehr als ein Drittel der Straßen sind unbefestigt, die meisten unbeleuchtet oder ohne Markierungen. Hochauflösendes 3D-Kartenmaterial, wie etwa das von Here, sucht man abseits urbaner Pfade vergebens. „Für weite Teile Amerikas, von Kaliforniens Mojave-Wüste bis zu den White Mountains in Vermont, sind selbstfahrende Autos schlicht noch nicht bereit“, bemerkt Daniela Rus, Direktorin des CSAIL. Doch wenn Autos auf Level 5 unterwegs sein sollen, macht es wenig Sinn, ihren Radius auf Städte und gut erfasste urbane Regionen zu beschränken.

Die Lösung der MIT-Forscher heißt „MapLite“. Rus: „Das System ermöglicht eine Navigation nur mithilfe von GPS and Sensoren.“ MapLite nimmt sich menschliche Orientierung zum Vorbild, in dem es sich grob auf die Koordinaten des Fahrziels ausrichtet und den Weg dorthin mit offenen Augen, sprich Sensoren, meistert – vorrangig mit LiDAR tasten die Autos ihre Umgebung auf Hindernisse und den Verlauf der Straße ab. Künstliche Intelligenz verfeinert und verarbeitet diese „Eindrücke“ in Echtzeit und navigiert das Fahrzeug. Die Straße erkennt MapLite daran, dass sie flacher und glatter ist, als das Gelände drumherum.

Klingt zu einfach, um wahr zu sein. „Der Grund dafür, dass diese Art von ‚kartenlosem‘ Ansatz bisher nicht wirklich verfolgt wurde, ist, dass es grundsätzlich viel schwieriger ist, die gleiche Genauigkeit und Zuverlässigkeit wie mit detaillierten Karten zu erreichen“, erklärt CSAIL-Teammitglied Teddy Ort, „Ein System wie unseres, das allein mit Sensoren an Bord navigieren kann, zeigt das Potenzial von selbstfahrenden Autos, die tatsächlich auch abseits jener Straßen zurechtkommen können, die von Technologieunternehmen erfasst wurden.“ Schließlich würden alle bisherigen Systeme stark von gutem Kartenmaterial abhängen und deren Sensoren sowie Bildverarbeitungsalgorithmen meist nur dazu dienen, um dynamische Objekte wie Fußgänger oder andere Autos zu erkennen. Im Gegensatz dazu verwendet MapLite Sensoren für alle Aspekte der Navigation und verlässt sich dabei nur auf GPS-Daten, um eine grobe Schätzung des Standortes des Fahrzeugs zu erhalten, betonen die Entwickler.

Das System setzt zunächst sowohl ein endgültiges Fahrtziel als auch das, was das Team als „lokales Navigationsziel“ bezeichnet, das in Sichtweite des Fahrzeugs sein muss. Durch die Daten der Sensorik wird dann ein Pfad berechnet, um zu diesem Punkt zu gelangen. Das LiDAR liefert im wesentlichen Informationen über den Verlauf der Straßenränder, weswegen das System auf Markierungen verzichten kann. Rus spricht daher gern von einem „minimalistischen Ansatz“. Nicht zuletzt auch, weil er im Gegensatz zu anderen kartenlosen Ansätzen in der Praxis weitgehend auf maschinelles Lernen verzichtet.

Die Forscher kooperieren mit dem Toyota Research Institute und testen das System in einem Prius. Möglicher Marktstart? Unklar. In Stadtgebieten werden autonome Autos wohl auch künftig auf 3D-Kartenmaterial zurückgreifen, schätzt Ort. Doch für Ausflüge ins Umland sieht er die MIT-Technik vorn: „Schließlich müssen sich diese Fahrzeuge so gut wie Menschen in unbekanntem Gelände fortbewegen können.“

Autor: Chris Löwer

Der Eintrag "freemium_overlay_form_cit" existiert leider nicht.