Neuronale Angstmechanismen für erhöhte Sicherheit in autonomen Fahrzeugen

Das Framework: Fear-Neuro-Inspired Reinforcement Learning (FNI-RL)

Das entwickelte Framework, genannt Fear-Neuro-Inspired Reinforcement Learning (FNI-RL), besteht aus zwei Hauptkomponenten: - **Feindlicher Agent:** Dieser Agent wird mit Worst-Case-Szenarien trainiert, die im Straßenverkehr auftreten können, wie z.B. Abbiegemanöver an unübersichtlichen Kreuzungen oder unerwartet ausscherened Verkehrsteilnehmer. - **Optimierender Algorithmus:** Dieser Algorithmus optimiert die Fahrstrategien des Agenten und hält gleichzeitig seine „Angst“ innerhalb vorgegebener Grenzen.

Training und Simulation

Um die Effektivität ihres Modells zu testen, haben die Forscher das FNI-RL sowohl mit anderen gängigen Algorithmen des autonomen Fahrens als auch in einem Test mit 30 zertifizierten menschlichen Fahrern verglichen. Zum Einsatz kamen dabei Open-Source-Simulatoren wie SUMO und CARLA. Die Ergebnisse waren vielversprechend: FNI-RL verursachte weniger Unfälle und missachtete weniger Verkehrsregeln als die anderen Algorithmen und menschlichen Fahrer.

Ergebnisse und Ausblick

Die Testergebnisse zeigen, dass ein autonomer Fahragent mithilfe von FNI-RL defensives Entscheidungsverhalten an den Tag legt, wodurch die Sicherheit verbessert wird. Trotz dieser vielversprechenden Ergebnisse weisen die Forscher selbst auf diverse Einschränkungen in ihrem Modell hin. Es ist daher unwahrscheinlich, dass die Technik bald in das Full Self-Driving (FSD) System von Tesla oder anderen Herstellern integriert wird.

Potenzial für die Zukunft

Obwohl das Modell noch in den Kinderschuhen steckt, könnte die Forschung dazu beitragen, Erkenntnisse aus der Neurowissenschaft und Psychologie in die KI-Forschung zu integrieren. Dies könnte langfristig zu sichereren und effizienteren autonomen Fahrsystemen führen.

Fazit

Die Integration eines „Angstschaltkreises“ in autonome Fahrsysteme stellt einen innovativen Ansatz dar, um die Sicherheit im Straßenverkehr zu erhöhen. Während die Technologie noch weiterentwickelt werden muss, zeigt sie vielversprechende Ansätze, die in zukünftige Systeme integriert werden könnten. Die Forschung in diesem Bereich bleibt spannend und könnte maßgeblich dazu beitragen, das autonome Fahren sicherer zu machen.

Bibliography:

1. https://t3n.de/news/autonome-autos-angstschaltkreis-sicher-fahren-1645043/
2. https://t3n.de/archive/01-01-2019/
3. https://newstral.com/de/article/de/1257889718/autonome-autos-mit-angstschaltkreis-forscher-entwickeln-ki-f%C3%BCr-vorsichtigeres-fahren