So hilft KI, die Entwicklung von ADAS-Funktionen zu beschleunigen

Bei der Entwicklung von Fahrerassistenzsystemen (ADAS) bieten sich vielfältige Möglichkeiten, um KI-Technologien zu integrieren, die das Benutzererlebnis weiter verbessern. Voraussetzung ist die Verwendung einer heterogenen Rechnerplattform im Fahrzeug sowie ein softwaredefiniertes Fahrzeugmodell (SDV).

Die lokale Ausführung von KI-Modellen gilt als weiterer Schlüsselfaktor für leistungsfähige KI-Systeme. Zu den Vorteilen einer lokalen Ausführung zählen beispielsweise der Datenschutz, die Reaktionsfähigkeit in Echtzeit und hohe Kosteneffizienz, da keine zusätzlichen Ressourcen in Cloud-Rechenzentren benötigt werden.

Auf Basis einer Rechnerplattform wie der Snapdragon Digital Chassis-Lösung sind Fahrzeuge in der Lage, selbst komplexe KI-Modelle mit Milliarden von Parametern direkt im Fahrzeug auszuführen. So können beispielsweise multimodale KI-Modelle, die Bild-, Sprach- und Sensordaten kombinieren, in Echtzeit mit Fahrerassistenzsystemen sowie mit personalisierten Agenten interagieren.

Generative KI revolutioniert ADAS-Entwicklung

Der menschliche Fahrer ist der größte Nutznießer der kontextbezogenen Anpassungsfähigkeit einer KI für ADAS. So kann das Auto mithilfe von Sprachverarbeitung und KI-gestützter Sprachgenerierung dynamisch mit dem Fahrer kommunizieren und auf natürliche Weise Anleitungen sowie Warnungen anbieten. Diese passen sich an das Verhalten und die Präferenzen des Fahrers an, wie beispielsweise eine weibliche oder männliche Stimme, die verwendete Sprache oder wie ausführlich Hinweise erfolgen sollen, zum Beispiel für die Navigation.

Weiterhin kann die KI unzählige Fahrszenarien und Ergebnisse basierend auf Echtzeit-Umgebungsdaten und historischem Fahrerverhalten simulieren. Dadurch können Fahrassistenzsysteme auf Basis der aktuellen Verkehrssituation Anpassungen vornehmen und entscheiden, wann und wie sie eingreifen oder den Fahrer warnen sollten. Beispiele sind Geschwindigkeitsanpassungen, eine Gefahrenbremsung oder eine simple Lenkunterstützung.

In Kombination mit Large Vision Models (LVMs) kann die KI zudem das Fahrerverhalten basierend auf früheren Mustern vorhersagen und potenziell unsichere Aktionen antizipieren. So wird die KI zur neuen Benutzerschnittstelle im Cockpit, bietet aber auch für die Passagiere personalisierte Dienste.

Herausforderungen bei der Skalierung

Die Implementierung KI-gestützter Fahrzeugsysteme stellt Entwickler vor komplexe Herausforderungen. So muss beispielsweise eine Architektur konzipiert werden, die KI-Workloads über mehrere Domänen hinweg bewältigen kann. Dies betrifft Bereiche von Fahrerassistenzsystemen bis hin zu immersiven Cockpit-Systemen, wobei eine niedrige Latenz und hohe Zuverlässigkeit aufrechterhalten werden müssen. Daher ist es so wichtig, dass die KI-Verarbeitung direkt im Fahrzeug und in Echtzeit stattfindet.

Die bisher genutzten modularen Architekturen mit ihren zahlreichen Steuereinheiten (ECUs - Electronic Control Units) haben den Nachteil, dass in einem ADAS-System die Erkennung pro Sensor und eine späte Objektwahrnehmung zu einer hohen Latenz bei der Validierung verfolgter Objekte führen können.

Um die Probleme des modularen Designs zu überwinden, nutzen hybride Designansätze KI-Funktionen, die bereits auf Datenebene Informationen bzw. Datenblöcke zusammenfassen. Eine solche Architektur konsolidiert zum Beispiel modulare Designs mit 10 bis 20 Blöcken zu wenigen großen Blöcken, wie ein Low-Level-Perception-(LLP)-Block, ein KI-Planer oder ein Bewegungssteuerungsblock.

Weiterhin ermöglicht eine moderne Architektur es den Entwicklern, KI in ein E2E-Netzwerk (End-to-End) zu integrieren, anstatt KI schrittweise – einen Agenten nach dem anderen – hinzuzufügen. Entwickler können durch den erweiterten E2E-Ansatz die Vorteile von Netzwerken nutzen, die von Anfang an für Skalierung und Wachstum ausgelegt sind. Im Wesentlichen stellen die E2E-Netzwerke eine zusammengesetzte KI (Compound AI) dar, bei der fahrerspezifische Informationen mit Hilfe generativer KI in ADAS integriert werden.

Intelligente Fahrassistenten

Diese Entwicklung hat Vorteile für Entwickler, aber auch für Konsumenten. So kann das System beispielsweise eine dynamische Kommunikation mit dem Fahrer ermöglichen, indem es auf natürliche Art und Weise Hinweise und Warnungen gibt, die sich an das Verhalten und die Vorlieben des Fahrers anpassen. Das System kann auch das Fahrerverhalten auf der Grundlage früherer Muster vorhersagen. So kann ADAS potenziell unsichere Handlungen wie plötzliche Spurwechsel oder Vollbremsungen vorhersehen und präventive Maßnahmen zur Risikominderung ergreifen. Darüber hinaus kann es die Zufriedenheit des Fahrers erhöhen, da das Fahrerlebnis intuitiver wird und die KI-Agenten reaktionsschneller sind.

Um die Vorteile von KI im Fahrzeug vollständig zu nutzen, müssen Fahrzeugarchitekturen der nächsten Generation leistungsstarke zentrale Rechenkapazitäten integrieren und effiziente CPUs, GPUs und NPUs nutzen, um komplexe KI-Workloads effizient zu bewältigen. Die Cloud-Konnektivität spielt dabei eine ergänzende Rolle, indem sie kontinuierliches Lernen, Datenaustausch und Ferndiagnose ermöglicht, während die Echtzeitverarbeitung im Fahrzeug erhalten bleibt.

Erste Anlaufstelle für KI-Entwickler ist der Qualcomm AI Hub: Diese Online-Plattform richtet sich an Entwickler und kann die On-Device-KI-Entwicklung für Snapdragon-Plattformen vereinfachen. Entwickler können hier vielfältige KI-Modelle effizient und schnell benchmarken, optimieren und einsetzen.

Fazit: Architekturwandel beschleunigt Entwicklung

Die für die KI-Integration im Fahrzeug benötigten Architekturen nutzen heterogene Rechenleistung, um Funktionen wie Sensordatenfusion, Domänenintegration und Echtzeit-Entscheidungsfindung zu bewältigen. Funktionen umfassen Bereiche vom Fahrer-Monitoring bis hin zur Umgebungswahrnehmung und automatisierten Fahrfunktionen. Grundlage hierfür sind zentralisierte Recheneinheiten in Form von System-on-Chip-Prozessoren, wie sie beispielsweise die Snapdragon Ride Plattform bietet.

Jetzt mehr erfahren: Qualcomm Automotive

Dieser Beitrag wird präsentiert von:

Link zum Automotive Angebot