Die junge Firma Algolux wurde ausgewählt, um an dem von der Mercedes Benz AG geleiteten AI-SEE Projekt teilzunehmen, das sicheres autonomes Fahren bei schlechten Sichtverhältnissen gewährleisten soll. Kürzlich in die 2021 CB Insights AI 100 Liste der weltweit innovativsten KI-Startups aufgenommen und Gewinner der Most Outstanding Autonomous Vehicle Technology Innovation bei den 2021 Tech AD Europe Awards, wird Algolux über einen Zeitraum von drei Jahren mit 20 Weltklasse-Partnern auf OEM- und Zuliefererebene zusammenarbeiten, um Level 4 Autonomie für Massenmarktfahrzeuge zu ermöglichen. Ziel ist es, ein neuartiges robustes Sensorsystem aufzubauen, das durch künstliche Intelligenz unterstützt wird und die Fahrzeugsicht für niedrige Sichtverhältnisse verbessert.
Ohne nachgewiesene Sicherheit für alle Verkehrsteilnehmer wird sich die Vision des autonomen Fahrens nicht realisieren lassen. Automatisierte Fahrzeuge können nur dann marktreif sein, wenn sie jederzeit zuverlässig funktionieren; dies erfordert ein allwettertaugliches autonomes Fahrsystem, das bei allen relevanten Wetter- und Lichtverhältnissen wie Schnee, Starkregen oder Nebel eine sichere Fahrt gewährleisten kann. Mit Hilfe eines multisensorischen Datenfusions-Ansatzes werden die erfassten Sensordaten fusioniert und mittels hochentwickelter KI-Algorithmen simuliert, die auf die Bedürfnisse der Schlechtwetterwahrnehmung zugeschnitten sind. Dieses neuartige Sensorsystem und eine dynamische HD-Karte ermöglichen die Lokalisierungsleistung bei schlechten Wetterbedingungen im 24/365-Tage-Modus.
Trotz schlechter Sicht alles sicher im Blick
Um das AI-SEE-Projekt bei der Erreichung seiner Ziele zu unterstützen, wird Algolux Technologie- und Domänenexpertise in den Bereichen Deep-Learning-KI-Algorithmen, Fusion von Daten verschiedener Sensortypen, Langstrecken-Stereosensorik und Radarsignalverarbeitung bereitstellen. Ein wichtiges Ziel fortschrittlicher Fahrsysteme ist die Erkennung aller Verkehrsteilnehmer bei schwierigen Wetterbedingungen. Bestehende Sensorsysteme versagen in solchen Fällen, da eine Fusion aufgrund fehlender redundanter Informationen nicht möglich ist. So dürfen Sensormessungen, die in einer Messung verzerrt sind (z. B. LiDAR-Rückstreuung im Schnee), in anderen nicht verzerrt sein (Intensitätskamera). Um dieses Problem zu überwinden und gleichzeitig Redundanz bei guten Bedingungen zu bieten, setzt Algolux auf einen intelligenten Fusionsansatz, der die Steuerzentrale oder das „Gehirn" des Systems darstellt und damit eine robustere Wahrnehmungsplattform ermöglicht, die bei allen Licht- und Wetterbedingungen eingesetzt werden kann.
Algolux: Experte für neuronale Netzen
Dr. Werner Ritter, Consortium Lead, Mercedes Benz AG: „Algolux ist eines der wenigen Unternehmen weltweit, das sich mit den End-to-End tiefen neuronalen Netzen auskennt, die notwendig sind, um die zugrunde liegende Hardware von unserer Anwendung zu entkoppeln. Dies, zusammen mit dem fundierten Wissen des Unternehmens über die Anwendung ihrer Netzwerke für robuste Wahrnehmung bei schlechtem Wetter, unterstützt direkt unsere Anwendungsdomäne in AI-SEE."
„Algolux ist stolz darauf, als Teil einer Gruppe von weltweit führenden ADAS- und AV-Experten in das AI-SEE-Konsortium aufgenommen worden zu sein", erklärt Matthias Schulze, VP Europe & Asia bei Algolux. „Wir freuen uns darauf, gemeinsam an der Lösung des sicherheitskritischen Problems der Wahrnehmung bei schlechten Licht- und Wetterverhältnissen zu arbeiten, um die Level-4-Massenmarktfahrzeuge von morgen zu ermöglichen."
Hier kommt ein automatisierter Lieferwagen ohne Fahrer
Game-Changer im Bereich des autonomen Fahrens
Die Innovationen des Projekts werden nicht nur die Wettbewerbsfähigkeit Europas erheblich stärken, indem sie die Markteinführung der L4-Automatisierung bis 2030 ermöglichen, sondern auch Zeit und Entwicklungskosten sparen. Damit hat AI-SEE die Möglichkeit, ein Game-Changer im globalen Wettlauf um den ersten Markteintritt automatisierter Fahrzeuge zu werden und den Weg für sicheres automatisiertes Fahren zu ebnen.
Das Projekt wird vom National Research Council of Canada Industrial Research Assistance Program (NRC IRAP), der Österreichischen Forschungsförderungsgesellschaft (FFG), Business Finland und dem deutschen Bundesministerium für Bildung und Forschung (BMBF), kofinanziert.
