Die Weiterentwicklung generativer KI für autonomes Fahren mit neuem Simulationsframework
Physics-Based Vehicle Simulation for Open- and Closed-Loop Testing of Generative Trajectory Planning
Im Rahmen der groß angelegten Innovationsinitiative NXT GEN AI METHODS (nxtAIM) engagiert sich IPG Automotive verstärkt für die Förderung von KI-Technologien der nächsten Generation für das autonome Fahren. Über 20 Organisationen aus der gesamten Automobilbranche – OEMs, Tier-1-Zulieferer, Technologieunternehmen und Forschungsinstitute – haben sich in dem Anfang 2024 gestarteten dreijährigen Projekt zusammengeschlossen, um generative KI für die Perzeption, Vorhersage und Planung in automatisierten Fahrsystemen zu nutzen.
Als Teil des Konsortiums arbeitet IPG Automotive an einem Simulationsframework für die Prüfung/Absicherung der generativen Trajektorienplanung. Damit soll eine entscheidende Grundlage für die skalierbare und zuverlässige Entwicklung von KI-Modellen geschaffen werden. Mit dem kürzlichen Abschluss der Spezifikationsphase wurde ein wichtiger Meilenstein erreicht.
Ein Simulationsframework für die Zukunft der Mobilität
Das definierte Framework baut auf CarMaker von IPG Automotive auf und ermöglicht es den Projektpartnern, generative Szenariomodelle sowie Algorithmen zur Trajektorienvorhersage und -planung in einer einheitlichen Umgebung zu entwickeln und zu bewerten. Im Mittelpunkt des Konzepts stehen zwei sich ergänzende Anwendungsfälle, die die gemeinsamen Bedürfnisse aller Konsortialpartner abdecken:
Open-Loop-Training: Synthetische Daten in großem Maßstab
Um KI-Modelle effektiv zu trainieren, braucht es riesige Mengen hochwertiger Daten. Das Simulationsframework löst dieses Problem, indem es große synthetische Datensätze mit abstrakten Umgebungsdarstellungen im Waymo-Stil generiert, darunter die Positionen der Verkehrsteilnehmer, Karteninformationen und Ampellogik. Die Daten sind unabhängig von der Sensorkonfiguration und lassen sich problemlos in die Python-basierten Toolketten unserer Partner integrieren – eine wichtige Voraussetzung für eine reibungslose Zusammenarbeit.
Während der Simulation werden alle relevanten Variablen aufgezeichnet und als TFRecord-Dateien exportiert. Dadurch sind sie mit gängigen Workflows im Bereich des maschinellen Lernens kompatibel. Vielfältige Szenariotypen, darunter auch seltene und sicherheitskritische Grenzfälle, gewährleisten aussagekräftige Trainingsmöglichkeiten für Modelle zur Trajektorienvorhersage.
Closed-Loop-Simulation: Validierung generativer Trajektorienplanung
Beim zweiten Anwendungsfall geht es um die Validierung generativer Modelle zur Trajektorienplanung. Im Gegensatz zu Open-Loop-Workflows reagiert die Umgebung bei diesem Aufbau dynamisch auf das Egofahrzeug, was eine kontinuierliche Neubewertung der generierten Trajektorie in jedem Simulationsschritt ermöglicht. Vollständige Reproduzierbarkeit, also die Sicherheit, dass identische Eingaben stets identische Ergebnisse liefern, ist für die Entwicklung robuster Algorithmen entscheidend.
Laut einer Gap-Analyse stellt CarMaker bereits den Großteil der Daten bereit, die zur Unterstützung von Waymo-kompatiblen Szenariostrukturen erforderlich sind. Somit ist die Integration innerhalb des Konsortiums einfach umzusetzen.
Modern, skalierbar und bereit für den industriellen Einsatz
Um langfristig anpassungsfähig zu bleiben, wird das Framework vollständig containerisiert implementiert. Dies sichert die Plattformunabhängigkeit und vereinfacht die Skalierbarkeit – zwei entscheidende Faktoren für die Generierung umfangreicher Datensätze und die Integration fortschrittlicher generativer Modelle. Dies steht in engem Einklang mit der übergeordneten Vision von nxtAIM, skalierbare, übertragbare und nachvollziehbare KI-Systeme durch generative Methoden zu ermöglichen.
Insgesamt schafft das beschriebene Framework eine robuste, standardisierte und zukunftssichere Grundlage für das Training, die Validierung und die Skalierung generativer Verkehrsszenarien und Planungsalgorithmen im Projekt. Durch die Ergänzung der partnerschaftsübergreifenden Bemühungen von nxtAIM im Bereich der generativen Modellierung trägt IPG Automotive dazu bei, die Entwicklung eines zukunftsfähigen Simulationsökosystems und leistungsfähigerer Funktionen für autonome Fahrzeuge voranzutreiben.
Mehr Info auf der nxtAIM-Website.