Fahrassistenzsysteme sollen immer besser werden. Ein Forscherteam der TU Graz entwickelte automatisch generierte Testverfahren, die Szenarien erzeugen, um so mit Hilfe von Simulationsergebnissen Fehler bei Fahrassistenten zu finden.
17 Unfälle bei 1.000 Testfällen
„Die Testverfahren suchen kritische Interaktionen, die oft von manuell geschriebenen Tests übersehen werden“, so der Leiter des Christian Doppler Labors, Franz Wotawa. Beispielsweise wurde mit diesem Ansatz der automatische Notfallbremsassistent untersucht. Dafür wurden rund 1.000 Testfälle automatisiert erzeugt, bei denen der Bremsassistent seine Funktion erfüllen sollte. Unter anderem wurden potenziell gefährliche Verkehrsszenarien simuliert – wenn etwa ein Auto vor einem bremst, der Assistent ein Bremsmanöver einleitet, dann aber ein Fußgänger plötzlich noch die Straße quert.
Insgesamt sei es in einer ersten Untersuchung zu 17 Unfällen bei rund 1.000 Testfällen gekommen, sagt Wotawa vom Institut für Softwaretechnologie der TU Graz. Um die Testfälle zu generieren, wurden sogenannte Ontologien – Beschreibungen der Umgebung wie etwa Ampeln, Straßenschilder oder andere Verkehrsteilnehmer – herangezogen, die auf einem Algorithmus basierend mit einem Eingabemodell verknüpft wurden. Somit sollen Fehler im Voraus gefunden und verhindert werden.
AVL führte Versuche durch
Durchgeführt wurden die Versuche beim Unternehmenspartner AVL, der auch die Ontologien entwickelte und die Simulationsdaten zur Verfügung stellte. Zu Unfällen kann es beispielsweise kommen, wenn sich geringfügige Abweichungen im Szenario ergeben – im Fall vom automatischen Notfallbremsassistenten können das etwa veränderte Straßenbedingungen durch Regen oder Schnee sein. „Ich bin überzeugt, dass die Testverfahren hier die wichtigsten Fehler finden und somit das Risiko des automatisierten Fahrens für uns alle reduzieren können“, so Wotawa.
Testmethode kann auch autonomes Fahren unterstützen
Die Ergebnisse des Christian Doppler Labors seien aber nicht nur auf Fahrassistenzsysteme anwendbar: „Die Testmethodologie ist generell und kann direkt auf autonomes Fahren umgesetzt werden", erklärte der Forscher. Auch das Erkennen von kritischen Szenarien während des Fahrens kann direkt für autonomes Fahren – also ohne einen Menschen hinter dem Steuer – verwendet werden. Dass künstliche Intelligenz – insbesondere der sogenannte Gamification-Ansatz – sich in diesem Bereich anwenden lasse, sei für das Mobilitäts-Technologieunternehmen AVL die größte Erkenntnis. Gerade auch für autonomes Fahren sei dieses Wissen wertvoll, da dort die Komplexität viel höher sei als bei Fahrassistenzsystemen und man dies „nie im Leben auf der Straße testen" könne, so der Global Head von ADAS bei der AVL, Mihai Nica. Die Erkenntnisse fließen bereits in Kundenprojekte ein.