Datengetriebene Entwicklung
Für die Entwicklung und Validierung von Anwendungen, die auf künstlicher Intelligenz (KI) basieren, ist die datengetriebene Entwicklung heute in der Industrie der Ansatz der Wahl. Sie hat entscheidende Vorteile, denn sie ist schneller, einfacher und effizienter. Häufig kommt hier KI zum Einsatz. Besonders die Automobilbranche arbeitet mit diesem Ansatz für die Entwicklung von automatisiertem oder autonomem Fahren. Hierfür werden Unmengen an Daten von echten Sensoren benötigt. Die Aufbereitung und Verarbeitung benötigen Zeit und Ressourcen. Das ist der Punkt, an dem wir ansetzen – denn auch hier bietet dSPACE in jeder Phase Möglichkeiten der Unterstützung an.
Bei der datengetriebenen Entwicklung autonomer Fahrzeuge findet ein Datenkreislauf statt. Dazu gehört die Datenerfassung auf der Straße, die Datenaufnahme mit hoher Bandbreite in einem Datenzentrum, die Analyse der Daten auf relevante Verkehrssituationen und die Kennzeichnung für das KI-Training und für die Generierung von Ground Truth in Data-Replay-Tests.
Data Logging – Daten schneller und kostengünstiger verfügbar machen
Wenn wir uns die datengesteuerte Entwicklung als eine Daten-Pipeline vorstellen, dann kann die Datenerfassung (Data Logging) als ein elementarer Teil betrachtet werden. Sie ist der Ausgangspunkt der Pipeline, und es folgen weitere Entwicklungsschritte wie Datenaufnahme, Datenanalyse, Datenauswahl, Datenkommentierung und natürlich die Software-Entwicklung, begleitet von umfassenden Tests und Validierungen, einschließlich Data-Replay-Tests.
dSPACE bietet eine breite Palette an Datenerfassungshardware, die alle Arten von Datenerfassungsanforderungen abdeckt, von einzelnen Sensoranwendungen bis hin zu kompletten Datenerfassungsflotten. Sie unterstützt auch relevante Automobilbusse, Netzwerke und Sensorschnittstellen und ist hoch skalierbar.
Data Ingestion
Die Datenaufnahme ist der nächste Schritt in der Daten-Pipeline, nachdem die Daten im Fahrzeug aufgezeichnet wurden. Bei der Datenaufnahme geht es darum, Dutzende von Terabyte, die täglich in jedem Fahrzeug der Flotte gesammelt werden, in den endgültigen Speicher zu bringen und den Nutzern zugänglich zu machen.
dSPACE bietet zwei dedizierte AUTERA Upload Stations an, um die Daten auf dem PC eines Entwicklers zu nutzen oder um die aufgezeichneten Daten so schnell wie möglich in eine bestehende Server-Infrastruktur oder in die Cloud zu laden. Die AUTERA Upload Station für den Daten-Upload in eine Server-Infrastruktur kann bis zu zwei AUTERA-SSDs gleichzeitig auslesen und die Daten, zum Beispiel über 100-Gigabit-Ethernet, direkt in das Rechenzentrum streamen.
Datenannotation und -anonymisierung in erstklassiger Qualität
Nicht alle Daten sind gleich wertvoll. Wenn es um das Training von KI-Systemen geht, reicht Menge allein nicht aus. Die Auswahl der richtigen Daten aus dem Data Lake ist für das Training von Algorithmen von entscheidender Bedeutung, damit diese in der Lage sind, seltene, aber potenziell kritische Situationen und Szenarien zu bewältigen.
Intempora, eine zu dSPACE gehörende Firma, bietet die Intempora Validation Suite an, einen Cloud-basierten Datenmanager mit einem Testautomatisierungs-Framework, das über einzigartige Methoden und Arbeitsabläufe verfügt, um den Einsatz autonomer Fahrzeuge auf der Straße schneller als je zuvor zu ermöglichen. Darüber hinaus ist die Anonymisierung von Gesichtern und Nummernschildern in aufgezeichneten Daten zu einer globalen Anforderung geworden. dSPACE bietet mit seinem Unternehmen understand.ai die richtigen Lösungen, um diese hohen Anforderungen zu erfüllen.
Sensordatenmanagement mit den richtigen Tools
Für das autonome Fahren bleibt die kostengünstige Verarbeitung der gesammelten Sensordaten eine große Herausforderung. Separate Frameworks, unterschiedliche IT-Infrastrukturen und verschiedene Datenformate stellen heute große Herausforderungen dar und eine falsche Cloud-Strategie kann zu einer Kostenexplosion führen.
IVS kombiniert manuelle und automatische Indizierungsmodule mit KI-basiertem Szenenverständnis, um einen Katalog von Sensordaten aufzubauen, der es dem Endanwender ermöglicht, ineffiziente Datensegmente zu archivieren und nützliche zu nutzen, den Entwicklungsprozess zu beschleunigen und die Kosten für Datenspeicherung und -management zu senken.
Das dSPACE Data Management Tooling bietet auch die Möglichkeit, die Skalierbarkeitsvorteile von Public Clouds mit den Datenschutz- und Kostenvorteilen von On-Premise-Clustern zu kombinieren, indem hybride Cloud-Implementierungen die Vorteile von Public Clouds und On-Premise-Anbietern kombinieren.
Leistungsstarkes Datenmanagement hilft beim Zentralisieren, Speichern, Suchen, Filtern, Vorschauen, Nachbearbeiten und Analysieren aufgezeichneter Daten für die datengetriebene Entwicklung von Funktionen für ADAS/Automated Driving und andere Mobilitätsanwendungen.
Trainieren der künstlichen Intelligenz
Welche Daten sind die richtigen? Die KI muss zum Beispiel lernen, wie eine Person aussieht.
Intempora RTMaps bietet ein Framework für Datenerfassung, Echtzeitddatenverarbeitung, Entwicklung von Wahrnehmungsalgorithmen, Sensorfusion und Trajektorienplanung. RTMaps bietet einen präzisen Zeitstempel-Mechanismus für Data Logging, Replay & Fusion, einfache Integration von eigenem C++-, Python- und Simulink®-Code, schnellen Einstieg und fertige Komponenten, Offline-Visualisierungs- und Integrationsoptionen, Wiedergabesteuerung, 2D-Bild-, Birdseye- und 3D-Viewer, vorgefertigte Sensorschnittstellen und anpassbare Layouts.
Szenariogenerierung
Um die sichere Funktionsweise von Funktionen für automatisiertes Fahren in allen erdenklichen Situationen sicherzustellen und letztendlich für die Zulassung nachzuweisen, muss das Fahrzeug ausgiebig getestet werden. Da es mit Blick auf Zeit und Kosten unrealistisch ist, für diesen Nachweis mehrere Millionen Testkilometer mit einem realen Fahrzeug zu fahren, kommt hier Simulation zum Einsatz.
Sinnvolle Simulationsszenarien stellen relevante Situationen der Fahrzeugumgebung dar.
Diese Szenarien können unter anderem durch Verarbeitung von aufgezeichneten Daten aus realen Testfahrten erzeugt werden. dSPACE verarbeitet in seinen Tools Rohdaten aus Fahrzeugsensoren, Objektlisten oder andere Datensätze und generiert daraus in einem hochautomatisierten Prozess Simulationsszenarien, die sogar für physikalische Sensorsimulation geeignet sind. Hierfür kommen KI-basierte Methoden und clevere Algorithmik zum Einsatz, die in den aufgezeichneten Messdaten bestimmte Typen von Fahrmanövern klassifiziert.
Mit Hilfe dieses Prozesses können kritische Situationen, die in Testfahrten aufgetreten sind, immer wieder in der Simulation nachgestellt und in Regressionstests berücksichtigt werden. Die flexiblen Parameter der generierten Simulationsszenarien erlauben es auch, beispielsweise durch Veränderung von Geschwindigkeiten oder Abständen, wenig kritische, reale Situationen in der Simulation zu einer kritischen Situation zu machen und so die Funktionen für automatisiertes Fahren zusätzlich zu fordern. Die konsequente Anwendung dieses Vorgehens während des gesamten Entwicklungs- und Absicherungsprozesses führt dazu, dass über die Zeit eine große Datenbank an relevanten Simulationsszenarien entsteht, die eine solide Basis für die Sicherheitsargumentation der Fahrzeughersteller ist.
Datenwiedergabe
Während Simulationen kritische Verkehrssituationen schaffen können, die in der Realität nur schwer zu reproduzieren sind, ist die Genauigkeit der Simulationsumgebungen immer fraglich, da eine umfassende Modellierung aller realen Faktoren nur schwer möglich ist.
Deshalb werden Daten aus der realen Welt benötigt und verwendet, um Mängel in der Simulation auszugleichen und möglichst viele der verschiedenen möglichen Verkehrsszenarien innerhalb des betrieblichen Gestaltungsbereichs des entwickelten Algorithmus abzudecken.
Die dSPACE Data-Replay Lösung gibt Ihnen die Werkzeuge an die Hand, mit denen Sie aufgezeichnete Daten wiedergeben können, egal ob es sich um reale oder synthetische Daten handelt, und stellt gleichzeitig sicher, dass eine genaue Synchronisation der Sensor- und Netzwerk-/Busdatenströme für das zu testende System gewährleistet ist.
Die begleitende Test- und Datenmanagement-Software ermöglicht eine einfache Testskalierung und lässt Sie Millionen von Testkilometern mit virtuellen und realen ADAS/AD-Komponenten abdecken.