Autonomes Fahren – diese Aufgabe probierten Master- und Bachelorstudierende an der Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt in einer neuen Lehrveranstaltung während des Wintersemesters 2020/21 aus: Sogenannte Jet-Bots und Jet-Racern, Bausätze für Künstliche-Intelligenz-Fahrzeuge, sollten die Studierenden so einsetzen, dass Alltagssituationen im Straßenverkehr mittels Frontkamera korrekt erkannt werden und eine angemessene Reaktion darauf folgt.
Ab Oktober hatten die Studierenden im Kurs Maschinenlernen unter der Leitung der Professoren Arndt Balzer und Frank Deinzer daran gearbeitet, die Jet-Bots und Jet-Racer autonom in gängigen Verkehrssituationen fahren zu lassen, informiert die FH in einer Pressemitteilung. So mussten die Fahrzeuge über Kameras beispielsweise die Spur halten, Verkehrsschilder erkennen, am Fahrbahnrand stehende Passanten bemerken und die Geschwindigkeit entsprechend drosseln.
Bei den Bachelor-Studierenden ging es im Wettbewerb um Spurverfolgung und Geschwindigkeit. Sie bauten eine Strecke im Gebäude am Sanderheinrichsleitenweg in Würzburg auf, um ihre Fahrzeuge fahren zu lassen. Die sensorgesteuerten Modellrennwagen sollten den festgelegten Parcours mittels Spurverfolgung fehlerfrei und möglichst schnell absolvieren, so die Pressemitteilung. Die Sensoren bestanden aus Zeilen von Infrarot- und Fotodioden. Eine vergleichbare Technik wird in modernen Autos eingesetzt.
Im abschließenden Wettbewerb für 14 Studierende des Master-Studiengangs Informationssysteme, bei dem jedes Fahrzeug mehrmals einen Parcours zu durchfahren hatte, zählten laut Pressemitteilung folgende Kriterien:
• das Erkennen und Berücksichtigen definierter Objekte wie Straßenschilder und Personen an der Fahrbahn in der Programm-Logik. Neben dem Einsatz von neuronalen Netzen war auch die klassische Mustererkennung möglich.
• menschliches Eingreifen statt des autonomen Fahrens kostete Strafzeit.
• die Gesamtfahrzeit
• der Energieverbrauch des Prozessors und des Grafikprozessors wurde (noch) nicht gewertet.
Zum Hintergrund: Moderne Fahrzeuge verfügen über zahlreiche Assistenzsysteme, die das Fahren sicherer machen und Fahrer entlasten sollen. Die verwendeten künstlichen neuronalen Netze lernen, Entscheidungen zu treffen. Nicht klar ist, was genau diese neuronalen Netze aufnehmen und wie sie das Gelernte umsetzen und anwenden, so die FH.
Herausforderungen seien bewusste Störungen der Systeme durch Dritte. Dabei reichten unter Umständen ein Bildpunkt, ein Pixel, um in den neuronalen Netzen Täuschungen hervorrufen. Assistenzsysteme können gehackt, getäuscht, irritiert werden. Das könne zu Fehlfunktionen und Unfällen führen. Über Simulationen werde daher versucht, Fahr- und Lernprozesse von neuronalen Netzen auszuprobieren und daraus zu lernen, um die einzelnen Schritte im Straßenverkehr zu optimieren.
Für die besten Teams des Wettbewerbs gab es Büchergutscheine, gesponsert von Iwinet, dem Alumni-Netzwerk der Fakultät für Informatik und Wirtschaftsinformatik.
