Im Projekt NAOMI4Radar arbeitet ein Forschungsteam der Universität zu Lübeck unter der Leitung von Prof. Sebastian Otte gemeinsam mit der Mercedes-Benz AG, TWT GmbH Science & Innovation, Intel Deutschland GmbH und der Technischen Universität München an einer energieeffizienten Radarsensorik. Durch den Einsatz von Neuromorphic Computing und Spiking Neural Networks (SNNs) soll die Batterielaufzeit optimiert, die Reaktionszeit verkürzt und die Sicherheit erhöht werden. Das Projekt wird durch den Projektträger TÜV Rheinland begleitet.
Ziel des Projekts ist es, das bis August 2025 läuft, die Radardatenverarbeitung durch Spiking Neural Networks (SNNs), einer speziellen Form neuronaler Netzwerke, effizienter zu gestalten. Im Vergleich zu herkömmlichen KI-Algorithmen bieten SNNs vereinfacht ausgedrückt den Vorteil, dass einzelne Neuronen nur dann aktiv werden, wenn sie tatsächlich gebraucht werden. Durch Einsatz in neuromorphen Prozessoren, wie es im Loihi 2 von Intel vorgesehen ist, kann nicht nur die Leistungsaufnahme reduziert, sondern auch prinzipiell schnellere Reaktionszeit der autonomen Fahrzeuge erreicht werden.
Prof. Otte und sein Team konzentrieren sich dabei insbesondere auf die Weiterentwicklung des Balanced Resonate-and-Fire (BRF) Modells, dessen spezielle Eigenschaften es besonders für die effiziente Verarbeitung von Radardaten interessant macht. Die Effizienz soll durch Verwendung von biologisch inspirierten Sparse Coding Ansätzen noch weiter gesteigert werden. Sparse Coding hat das Ziel, die Robustheit von neuronalen Netzen zu verbessern, um sie beispielsweise fehlertoleranter zu machen. Gleichzeitig wird die Aktivität, also die Menge der Spikes, die im Netzwerk zirkulieren, auf ein Minimum zu reduziert. In Zusammenarbeit mit den Projektpartnern soll eine vollständige Integration von neuromorpher Radardatenverarbeitung realisiert und in einem Prototypenfahrzeug getestet werden. (jr)
