KÜNSTLICHE INTELLIGENZ & MASCHINELLES LERNEN IM AUTOMOBILEN UMFELD FACHTAGUNG „AUTOMATISIERTES UND VERNETZTES FAHREN“
DR. STEPHAN SCHOLZ – VOLKSWAGEN KONZERNFORSCHUNG – ARCHITEKTUR & KI-TECHNOLOGIE
Berlin – 30.11.2017
2 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
AGENDA KÜNSTLICHE INTELLIGENZ & MASCHINELLES LERNEN IM AUTOMOBILEN UMFELD
1. Ausgangslage, Trends und Anforderungen
2. Herausforderung „vernetztes autonomes“ Fahren
3. Offene Fragen der „künstlichen Intelligenz“
4. Herstellerübergreifende nationale Forschungsinitiative
3 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
EINFLUSSFAKTOREN WAS SIND DIE AUSLÖSER FÜR EINEN „WANDEL“?
Automobil-industrie
Sozio-kulturell
Politik
Ökonomisch Ökologisch
Technologie
• Werte, Lebensstil, • Demografie • Einkommensverteilung • Bildung • Bevölkerungswachstum • Sicherheit
• Forschung & Entwicklung • Neue Verfahren, Materialien,
Produkte und Prozesse • Produktlebenszyklen
• Klimawandel / Globale Erwärmung • Emissionsregelungen • Vermeidung/ Beseitigung von
Abfall & Altlasten
• Wirtschaftswachstum • Inflation, Zinsen, Wechselkurse
• Arbeitslosigkeit, Konjunkturzyklen • Verfügbarkeit von Ressourcen
• Gesetzgebung • Steuerrichtlinien
• Handelshemmnisse • Sicherheitsvorgaben
• Subventionen
Quelle: pixabay
Quelle: Wikipedia
Quelle: pixabay
Quelle: Wikipedia
Quelle: pixabay
4 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
KUNDE UND MEGATRENDS
Kunde • Marktspezifische Anforderungen an Design,
Fahrzeugtyp, Robustheit, Ausstattung (Komfort, Gesundheit & Sicherheit), Modellzyklus
• Wachsende Bedeutung Großkunden, Flotten-betreiber, Städte und Kommunen Regionale F&E, Komplettlösungen, Partnerschaften
Neue Produkte, Geschäftsfelder , Produktions- & Arbeitsformen
Vom Hardware- zum Software-Driven Car / Mobility Megatrends
• Urbanisierung, Share Economy, E-Mobilität • Digitalisierung: Big Data, Automatisches Fahren,
KI-Technologie • Industrie 4.0: Vernetzung, IoT, Virtual Reality
Quelle: Wikipedia Quelle: MAN Quelle: Volkswagen
Quelle: pixabay Quelle: maxpixel Quelle: Wikimedia
5 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
WAS MACHT DEN WANDEL SO ANDERS? THESEN / STATEMENTS
• VUCA world (volatile, uncertain, complex, ambiguous)
• Technologiewandel mit Auswirkungen auf alle Geschäftsbereiche
• Kerngeschäft ist nur in Koexistenz mit neuen Geschäftsmodellen, Produkten und Services zukunftsfähig Digitales Mobilitäts-Ökosystem
• Neue Player aus der New Economy erhöhen den Druck auf Innovation, Effizienz und Nachhaltigkeit
• Komplexität: Produkt- und Service-Portfolio muss optimal zu allen Markt- und Kundenanforderungen passen
• Partnering: Agile und effiziente Lösungen lassen sich nur mit starken Partnern lösen Offene Plattformen
Anpassungsfähigkeit und Agilität
6 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
BÜCHER
BROCKHAUS
BÜCHER
WIKIPEDIA
MUSIK
SONY
MUSIK
ITUNES
VIDEOS
BLOCKBUSTER
VIDEOS
NETFLIX
SHOPPING
QUELLE
SHOPPING
AMAZON
DIGITALISIERUNG AUSWIRKUNGEN
MOBILITY
VOLKSWAGEN
MOBILITY
? ? ? VOLKSWAGEN!
7 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
AGENDA KÜNSTLICHE INTELLIGENZ & MASCHINELLES LERNEN IM AUTOMOBILEN UMFELD
1. Ausgangslage, Trends und Anforderungen
2. Herausforderung „vernetztes autonomes“ Fahren
3. Offene Fragen der „künstlichen Intelligenz“
4. Herstellerübergreifende nationale Forschungsinitiative
8 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
DEFINITION – AUTOMATISCHES FAHREN
Level of automation (Terms according to SAE J3016)
Driver continuously performs the longitudinal and lateral driving task
Driver continuously performs the longitudinal or lateral driving task
Driver must monitor the driving task and the driving environment at all times
Driver does not need to monitor the driving task nor the driving environment; must always be in a position to resume control
No intervening vehicle system active
The other driving task is performed by the system
System performs longitudinal and lateral driving task in a defined use case
System performs longitudinal and lateral driving task in a defined use case. Recognizes its performance limits & requests driver to resume the dynamic driving task with sufficient time margin.
Auto
mat
ion
Driv
er
Level 0 Driver Only
Level 1 Assisted
Level 2 Partial
Automation
Level 3 Conditional Automation
Level 4 High
Automation
Level 5 Full
Automation
Driver is not required during defined use case
System performs the lateral and longitudinal driving task in all situations in a defined use case.
System performs the lateral and longitudinal driving task in all situations encountered during the entire journey. No driver required.
9 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
AUTONOMES FAHREN: MEHRWERT
Sicherheit und effizienter Verkehrsfluss
Raumeffizienz in der Stadt
Zeitqualität, Private Space, Business
Nutzerorientiertes Fahrerlebnis / Konsum
System- & Umfeldmonitoring
10 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
Sensors Localization and perception
Car2x
AUTOMATISCHES FAHREN: FUNKTIONALE VERARBEITUNGSKETTE
Environment Model
Scenario interpretation and prediction
Trajectory Planning
Actuators
11 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
360° Lidar
Front Viewing Camera
Top View Cameras
Ultrasonic Sensors
Long Range Lidar
Long Range Radar
Short Range Radar
3-FACH REDUNDANTE URBANE PERZEPTION
12 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
detection
classification
size
distance
velocity
detection
classification
size
distance
velocity
detection
classification
size
distance
velocity
KOMPLEMENTÄRE WAHRNEHMUNG
Camera LIDAR RADAR
Mono Camera
e.g. Object classification
Radar
e.g. Velocity measurement
Laser
e.g. Object dimensions
detection
classification
size
distance
velocity
CLUSTER
13 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
Plan
Plan
Plan
VERNETZTES FAHREN VIA CAR2X BLICK IN DIE ZUKUNFT
V2X Communication
Lokale Perzeption
Kollektive Wahrnehmung
Intentionsaustausch Abgestimmte Bahnplanung
Plan
Plan
14 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
HERAUSFORDERUNG: WIE GUT IST GUT GENUG? VERSCHÄRFTE ANFORDERUNGEN FÜR DAS AUTONOME FAHREN
Kernfragen: Welche funktionale Leistungsfähigkeit
müssen Fahrfunktionen je nach Autonatisierungsgrad aufweisen?
Wie kann die Vollständigkeit der relevanten Testfälle sichergestellt werden?
Welche Testfälle können in der Simulation geprüft werden, welcher auf der Straße?
Welche Gütekriterien, Werkzeuge, Methoden u. Prozesse sind erforderlich?
Bewertungskriterien im Vergleich zum menschlichem Fahrer?
15 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
AGENDA KÜNSTLICHE INTELLIGENZ & MASCHINELLES LERNEN IM AUTOMOBILEN UMFELD
1. Ausgangslage, Trends und Anforderungen
2. Herausforderung „vernetztes autonomes“ Fahren
3. Offene Fragen der „künstlichen Intelligenz“
4. Herstellerübergreifende nationale Forschungsinitiative
16 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
BIG DATA & KÜNSTLICHE INTELLIGENZ ENABLER FÜR DIE DIGITALISIERUNG DER MOBILITÄT FÜR MORGEN
Datentypen
Fahrzeug & Umfeld
Infrastruktur
HMI & Mobile Online Dienste
Nutzerdaten
Patente, Literatur & News
Künstliche Intelligenz
Big Data
Anwendungsfelder
Deep Driving
Mobile Online Dienste
Mobility Services
Smart Cities
Technology Intelligence
Personalisiertes HMI
Prädiktive Wartung
Speicherung, Verarbeitung und Analyse von Daten Automated Driving
Quelle:Pixabay
Quelle:Pixabay
Quelle:Pixabay
Quelle:Wikimedia
Quelle:Pixabay
17 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
„AI-DRIVEN AUTONOMOUS DRIVING“
Motivation
• Verkehrsszenarien sind komplex und hochdynamisch
• Die robuste und zuverlässige Situationserfassung und das prädiktive Szenenverständnis spielen hierbei eine besondere Rolle.
• Künstliche Intelligenz entwickelt sich zur Schlüsseltechnologie
• Industrielle und wissenschaftliche Partner mit KI-Expertise müssen gefördert und vernetzt werden, um das autonome Fahren zielgerichtet voranzutreiben
• Künstliche Intelligenz findet nach und nach Einzug in die gesamte Verarbeitungskette bis hin zum „Deep-Driving“
ADVERSE WEATHER
CONDITIONS
FLOATING OBSTACLES
REDUCED VISIBILITY
MAP ADAPTATIONS AND UPDATES
PREDICTION
INTENTION DETECTION
SUDDENLY APPEARING OBSTACLES
DEBRIS &
OBSTACLES
NATURAL BEHAVIOR
CORRECT BEHAVIOR
Quelle: PIXNIO
Quelle: Pixabay
Quelle: Pixabay
Quelle: Pixabay
Quelle: Pixabay
Quelle: Wikipedia
Quelle: PxHere Quelle: PxHere
Quelle: Wikimedia
Quelle: Wikimedia
18 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
VORTEILE?
Technologisch
• Leistungsstark & anpassungsfähig
• KI-Lösungen können flexibel gestaltet werden
• Module sind vergleichs-weise einfach zu entwickeln
Soziokulturell
• Ist trendy
• Ermöglicht individuelle maßgeschneiderte Lösungen
• Erweckt den Anschein jung und technologisch voraus zu sein
Ökonomisch
• Wettbewerbsfeld
• Positive Erfolgsmeldung
• Werbewirksam
• Trifft Kunden- & Anlegererwartungen
WAS IST KI UND WARUM IST ES SO IM TREND
Quelle: pixabay Quelle: pixabay Quelle: pixabay
19 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
WAS TREIBT KI AN? WAS IST KI UND WARUM IST ES SO IM TREND
Development platforms
Algorithmic progress Quelle: himssconference
Costs for computational power Quelle: wikimedia
Cloud Computing (Availability) Quelle: wikimedia
Moore’s Law for computing power Quelle: wikimedia
Active startup scene Activities of global players Quelle: wikimedia
Amount of experts
Quelle: wikimedia
20 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
Aktuelle Herausforderungen– KI-Modelle PERFORMANCE AND PROBLEMS FOR TRAINED MODELS
Herausforderungen
• Verstehen von tiefen neuronalen Netzen
• Umsetzen von zertifizierbaren Funktionen
• Vermeiden von Overfitting: Wurden die Trainingsdaten nur auswendig gelernt?
• Wie kann neural hacking erkannt und unterbunden werden?
• Robustheit bzw. Umgang mit extremen Umweltbedingungen
• Hat das Modell all das gelernt, was es braucht?
Water holes missing in training In some cases it works fantastic
Windscreen wiper in the picture Intersection not recognized
Negative cases missing in training A lot of false positives
21 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
RESTRIKTIONEN IM FAHRZEUGBETRIEB Einsatzbereich abdecken : -> Automotive-Tauglichkeit nachweisen • Temperatur • Rütteltest • EMV …
Echtzeitfähigkeit aufweisen: • Das System muss jederzeit über die gesamte
Verarbeitungskette hinweg das Verkehrsgeschehen so schnell analysieren und prognostizieren können, dass
• die Fahrzeugreaktion den Anspruch auf Güte des Gesamtsystems erfüllt.
Restriktionen Embedded Hardware genügen: • Limitierte Rechenleistung • Limitierter Raum • Limitierte Leistungsaufnahme und Abwärme
Self driving systems müssen :
Aktuelle Herausforderungen– KI-Modelle
22 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
SYSTEMISCHE ASPEKTE
Sicherheit und Zuverlässigkeit nachweisen: • Redundante Systemarchitektur • Systemüberwachung zur Laufzeit • Reaktive Konzepte zur Erhöhung Ausfallsicherheit
Systemvalidierung ermöglichen: • Prozess- und Toolkette zur (kontinuierlichen)
Validierung von KI-Modulen
Systemzertifizierung ereichen: • Spezifizierung der Anforderungen in Analogie zur • ISO 26262 für autonome Fahrzeuge Homologation
Self driving systems müssen :
Aktuelle Herausforderungen – Gesamtsystem
23 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
ZUKÜNFTIGE HERAUSFORDERUNGEN– DIE REALITÄT BEFINDET SICH IM STETIGEN WANDEL
Was ist normal? • Individuale Mobilität • Manuell gesteuerte / assistierte
Fahrzeuge • Isolierte Betrachtung einzelner
Verkehrsteilnehmen • Infrastruktur als Aktionsrahmen • Zumeist statische Regeln
Was wird normal sein? • Individuelle und gemeinschaftliche
Mobilität • Mischbetrieb manueller und automatisch
fahrender Fahrzeuge • Schwarmintelligenz und kollektive
Wahrnehmung • Situationsadaptive Regeln
The Game changes • Ändernde Regeln & Gesetze • Änderndes Verkehrsverhalten • Neue Sensortypen / Setups • Neue Verkehrsteilnehmer
Autonome System müssen sich kontinuierlich anpassen können!
24 VOLKSWAGEN Konzernforschung | Architektur & KI-Technologie | Dr. Stephan Scholz
AGENDA KÜNSTLICHE INTELLIGENZ & MASCHINELLES LERNEN IM AUTOMOBILEN UMFELD
1. Ausgangslage, Trends und Anforderungen
2. Herausforderung „vernetztes autonomes“ Fahren
3. Offene Fragen der „künstlichen Intelligenz“
4. Herstellerübergreifende nationale Forschungsinitiative
• KI ist Wachstumsmarkt der Zukunft mit starkem internationalen Wettbewerb insbesondere aus den USA und China.
• Börsenwerte der Unternehmen auf dem Gebiet der KI-Technologie erreichen z.T. ungeahnte Größenordnungen und ermöglichen den Konzernen massive Investitionen.
• Entscheidend für den Standort Deutschland ist, dass die Automobilindustrie strategisch zusammenarbeitet, den Vorsprung im Bereich funktionale Sicherheit erhält und erweitert auf KI Methoden und offene Standards treibt.
• Essenziell ist eine enge Zusammenarbeit mit Forschungseinrichtungen und KMUs, die die Anforderungen an ein autonomes, vernetztes Fahrzeug detailliert verstehen.
Ausgangslage industriepolitisch
25
Quelle: flickr Quelle: wikimedia
• Potential und Risiken von KI für das autonome und vernetzte Fahren umfassend analysieren und bewerten.
• Trainings-, Validierungs- und Absicherungsdaten systematisch erzeugen Herstellerübergreifende Referenzdatenbank
• Verfahren zur Absicherung von KI-Verfahren (insbesondere zur Laufzeit) Validierungsmethodik
• Anpassungsfähigkeit an sich ändernden Rahmenbedingungen über Ort & Zeit
• Offene KI-Plattform für autonome Fahrfunktionen definieren (Tools, Prozesse und Standards).
• KI-Knowhow für Entwicklung autonomer Fahrfunktionen nachhaltig aufbauen:
• Industrie
• Wissenschaft
Ziele
26
Quelle: wikimedia Quelle: pixabay
TP3
Absicherung von KI-Verfahren
TP2 Generieren und
Bereitstellung von Lern- und Test-
daten
TP1 KI-Verfahren für
autonomes Fahren
TP4 Kombination von
lern- und regelbasierten
Verfahren
TP5 Offene KI-
Plattform und Werkzeugkette
Projektierung
Anwendung / Absicherung / Standardisierung
Analyse / Forschung
Digitale Infrastruktur (Reale und synthetische Daten und Flotten)
KI-ML