Stanford/Berlin – US-Forscher haben einenen autonomen Audi TT mit annähernd 200 Stundenkilometern über eine Rennstrecke gejagt. Bei den Tests des Dynamic Design Lab (DDL) http://ddl.stanford.edu/node/45 der Universität Stanford und des Volkswagen Electronics Research Lab auf dem Thunderhill Raceway hat das Roboterauto „Shelley“ annähernd die Rundenzeiten echter Rennfahrer erreicht. Von eben diesen soll das autonome Fahrzeug nun ein noch effizienteres Fahrverhalten lernen. Dazu werden am kommenden Wochenende Biodaten zweier Profis während eines Rennens erfasst.
Rasen für die Sicherheit
Selbstfahrende Autos liegen als Forschungsgebiet im Trend. Erst vorige Woche hat Google gemeldet, dass seine Roboterautos schon fast eine halbe Mio. Kilometer unfallfrei zurückgelegt haben (pressetext berichtete: http://pte.com/news/120810009/ ). Auch die rasende Shelley steht letztlich im Dienste der Verkehrssicherheit. Denn dem DDL-Leiter Chris Gerdes ist das Fahren am Limit – bis die Bremsscheiben schmelzen – ideal um zu lernen, welchen Belastungen ein Fahrzeug in Gefahrensituationen ausgesetzt ist und wie man diese bewältigt. „Wenn wir dahinter kommen, wie wir Shelley auf der Rennstrecke aus einer Problemsituation lotsen, können wir das auch auf Eis“, meint Gerdes.
Profis als Lehrmeister
Obwohl Shelley eine theoretisch schnellste Linie um eine Rennstrecke berechnet und diese dank präziser Korrekturen genau einhält, schlagen die besten Rennfahrer das Roboterauto auf dem 4,8-Kilometer-Rundkurs von Thunderhill um wenige Sekunden. Der Grund liegt für die Forscher auf der Hand: die intuitivere Fahrweise von Menschen. Ein Beispiel wäre eine Kurve doch etwas weiter zu nehmen, wenn dadurch die nächste besser angefahren werden kann. „Für menschliche Lenker ist es okay, in einem gewissen Komfortbereich zu fahren. Das wollen wir in Teilen einfangen“, sagt Gerdes.
Tatsächlich kann Lernen von Fahrern die Leistung eines Roboterautos verbessern, wie andere Versuche schon gezeigt haben. „2011 wurde unser MadeInGermany auf der Michelin Challenge Bibendum vorgestellt. Das Fahrzeug hat den SportsRing auf Anhieb in 46 Sekunden abfahren können“, erklärt Tinosch Ganjineh von der Arbeitsgruppe Künstliche Intelligenz am Institut für Informatik der Freien Universität Berlin und Leiter des Projekts AutoNOMOS http://www.autonomos-labs.de gegenüber pressetext. Nachdem das Roboterauto vom französischen Rennfahrer Olivier Lombard mit einer Rundenzeit von 41 Sekunden gelernt hat, sei es auf fast eine Sekunde an den Profi herangekommen.
Intuition erlernen
Die US-Forscher werden nun vom 17. bis 19. August bei der Rolex Monterey Motorsports Reunion am Laguna Seca Raceway zwei Profis verkabeln. Mit diversen Biosensoren sollen unter anderem Körpertemperatur und Herzschlag genau verfolgt werden. Um zu ergründen, welche Manöver besonders viel Aufmerksamkeit erfordern, werden Elektroden auch die Gehirnaktivität während des Rennens messen. „Wir müssen herausfinden, was die besten Fahrer so erfolgreich macht“, sagt Gerdes. „Wenn wir das mit Daten zur Fahrzeugdynamik kombinieren, können wir die Möglichkeiten des Autos effizienter nutzen.“
Ganjineh indes verweist darauf, dass Daimler in der Vergangenheit zeigen konnte, dass ähnliche Messungen nutzbar sind, die Müdigkeit des Fahrers zu erkennen. „Ob daraus tatsächlich tiefere Erkenntnisse über das vorausschauende menschliche Fahren abgeleitet werden können, ist fraglich“, meint er zum Stanford-Experiment. Im Sinne der Grundlagenforschung ist dieses aber jedenfalls interessant.
pressetext.redaktionAnsprechpartner: Thomas Pichler
Robo-Raser: nur Menschen fahren besser (Foto: ddl.stanford.edu)