Im Rahmen der Innovationsinitiative NXT GEN AI METHODS (nxtAIM) intensiviert IPG Automotive sein Engagement für den Einsatz von Künstlicher Intelligenz im autonomen Fahren. In dem Anfang 2024 gestarteten, auf drei Jahre angelegten Projekt arbeiten mehr als 20 Organisationen an der Nutzung generativer KI für Perzeption, Vorhersage und Planung automatisierter Fahrsysteme.
Als Teil des Konsortiums entwickelt IPG Automotive ein Simulationsframework zur Absicherung generativer Trajektorienplanung. Ziel ist es, eine belastbare Grundlage für die skalierbare und zuverlässige Entwicklung KI-basierter Fahrfunktionen zu schaffen. Mit dem Abschluss der Spezifikationsphase wurde nun ein zentraler Meilenstein im Projekt erreicht.
Das Framework basiert auf der Simulationslösung CarMaker und ermöglicht es den Projektpartnern, generative Szenariomodelle sowie Algorithmen zur Trajektorienvorhersage und -planung in einer konsistenten Umgebung zu entwickeln und zu evaluieren. Im Fokus stehen zwei komplementäre Anwendungsfälle, die zentrale Anforderungen der Konsortialpartner adressieren:
- Open-Loop-Training: Das Framework erzeugt große Mengen synthetischer Trainingsdaten auf Basis vereinfachter Verkehrsszenarien (inklusive Fahrzeuge, Karten und Ampeln). Die Daten sind unabhängig von Sensorsystemen und lassen sich direkt in gängige Python- und Machine-Learning-Workflows integrieren. Durch die Abdeckung auch seltener und kritischer Situationen entsteht eine breite und praxisnahe Trainingsbasis.
- Closed-Loop-Simulation: Für die Validierung generativer Trajektorienplanung setzt das Framework auf eine dynamische Simulationsumgebung, in der das Verhalten der Umgebung kontinuierlich auf das Egofahrzeug reagiert. Dies ermöglicht eine iterative Bewertung der generierten Trajektorien in Echtzeit. Ein zentrales Merkmal ist die vollständige Reproduzierbarkeit der Simulationsergebnisse – eine wesentliche Voraussetzung für die Entwicklung robuster und verlässlicher KI-Algorithmen. Eine vorangegangene Gap-Analyse zeigt, dass CarMaker bereits einen Großteil der für Waymo-kompatible Szenariostrukturen erforderlichen Daten bereitstellt, was die Integration im Konsortium erheblich vereinfacht.
Das Simulationsframework wird vollständig containerisiert umgesetzt, um Plattformunabhängigkeit und Skalierbarkeit sicherzustellen. Dies ermöglicht die effiziente Generierung großer Datenmengen sowie die Integration komplexer generativer Modelle in industrielle Entwicklungsprozesse. Der Ansatz steht im Einklang mit der Zielsetzung von nxtAIM, skalierbare, übertragbare und nachvollziehbare KI-Systeme zu etablieren. Weitere Informationen zum Projekt sind auf der nxtAIM-Website verfügbar. (oe)
