Autonome Mobilität - Was wir von biologischen Systemen lernen können. Georg Färber Realzeit Computer - Systeme Technische Universität München

Transkript

1 Autonome Mobilität - Was wir von biologischen Systemen lernen können Georg Färber Realzeit Computer - Systeme Technische Universität München

2 Autonome Mobilität Lernen von der Biologie Merkmals- Erkennung Zeichen, Signale Vorgegebene Motorische Muster von außen nach außen Fähigkeits- basiertes Verhalten 1.2

3 Autonome Mobilität Lernen von der Biologie Erkennung Zuordnung Zustand/Task Vorgefertigte Regeln Merkmals- Erkennung Zeichen, Signale Vorgegebene Motorische Muster von außen nach außen Regel - basiertes Verhalten 1.3

4 Autonome Mobilität Lernen von der Biologie Ziele Identifikation Entscheidung Task Planung Neue Muster Erkennung Zuordnung Zustand/Task Vorgefertigte Regeln Regeln Merkmals- Erkennung Zeichen, Signale Vorgegebene Motorische Muster von außen nach außen Wissens - basiertes Verhalten 1.4

5 Gliederung 1. Was bedeutet Autonome Mobilität 2. Die Vorbilder Mensch und Tier 3. Autonome mobile Roboter 4. Autonome Fahrzeuge - Wahrnehmung und Objekterkennung - Verstehen von Verkehrssituationen - Wissen und Lernen - Entscheiden und Ausführen - Gesamtarchitektur eines kognitiven Automobils - Praktische Organisation: Realzeitdatenbank 5. Ausblick: Herausforderungen und Chancen 1.5

6 Gliederung 1. Was bedeutet Autonome Mobilität 2. Die Vorbilder Mensch und Tier 3. Autonome mobile Roboter 4. Autonome Fahrzeuge - Wahrnehmung und Objekterkennung - Verstehen von Verkehrssituationen - Wissen und Lernen - Entscheiden und Ausführen - Gesamtarchitektur eines kognitiven Automobils - Praktische Organisation: Realzeitdatenbank 5. Ausblick: Herausforderungen und Chancen 2.1

7 Der Sensomotorische Bogen 2.2

8 Sensor 1. Stage 2. Stage 3. Stage? Facettenauge der Fliege Reichardt s Motion Detection Spatial Integration, Large- Field- Neurons Interpretation und Behavioural Decisions Facettenmodell Bewegungs- Detektoren Neue Modellteile Autonomes Verhalten der Fliege 2.3

9 2.4

10 Wissen Wahrnehmung Perception Entscheidung Decision Behaviour Verhalten 3 3 Psychologie Neurophysiologie 2 1 Schichten 2 1 Receptoren 0 0 Muskeln Neurophysiologisches und psychophysisches Wissen 2.5

11 Autonomer Mobiler Roboter MARVIN beim Nachdenken 3.1

12 Gliederung 1. Was bedeutet Autonome Mobilität 2. Die Vorbilder Mensch und Tier 3. Autonome mobile Roboter 4. Autonome Fahrzeuge - Wahrnehmung und Objekterkennung - Verstehen von Verkehrssituationen - Wissen und Lernen - Entscheiden und Ausführen - Gesamtarchitektur eines kognitiven Automobils - Praktische Organisation: Realzeitdatenbank 5. Ausblick: Herausforderungen und Chancen 4.1

13 Transregio- SFB 28 Projektstruktur A: Verteilte Sensorielle Wahrnehmung A1 Wahrnehmung komplexer Verkehrsräume A2 Wahrnehmung verkehrsrelevanter Objekte A3 Sensor- Integration und Datenfusion A4 Kooperative Wahrnehmung B: Verhaltensentscheidung, -planung, -ausführung B1 Situationsinterpretation und Verhaltenserkennung B2 Verhaltendentscheidung und Bahnplanung B3 Verteilte Kooperation B7 Sicherheitsbewertungen von Verhaltensentscheidungen C: Fahrzeuge und IT-Basissystem C1 Fahrzeugbereitstellung (München) C2 Fahrzeugbereitstellung (Karlsruhe) C3 Hardware- Software- Architektur C4 Car 2 Car Kommunikation 4.2

14 Der Lidar- Sensor Velodyne auf AnnieWAY 4.3

15 Multifokales Kamerasystem 4.4

16 Helligkeitsdynamik von HDRC- Kameras 4.5

17 VOR Aufgaben: - Bild- Stabilisierung - Blickrichtungssteuerung - Saccaden VOR: Der Vestibulo- Okuläre Reflex 4.6

18 VOR- Funktionalitäten: Bild Stabilisierung Tracking, Objektverfolgung Saccaden (absichtlich) VOR Augen- Bewegung Bildverschiebung Gleichgewichtssensor => Technische Implementierung des VOR- Modells 4.7

19 Bioanaloge Entfernungsschätzung 4.8

20 Zustandsmodelle entkoppelte dynamische Teilsysteme rekursiver Schätzer erweitertes Kalmanfilter Meßmodelle Zusammenhang zwischen Zustands- u. Meßgrößen mittlere hor. Spurkrümmung x T c (, x, y,, c0m, c1 m, c1 ) mittlere Spurbreite x T b ( b0 m, b1 m, b1 ) Nickwinkel Eigenfahrzeug x T (,, off ) Rückgriff Eigenfahrzeugdatenn x T inego v, Formmodelle geometrische 3D- Objektbeschreibungen Bildverarbeitungssystem BV-Operatoren zur Merkmalsvermessung Klothoidenmodell c l c c l

21 Fahrspur - Verfolgung 4.10

22 Geometrische 3D-Objekt - Beschreibung Aspekt- Analyse Definition visuell messbarer Objektmerkmale Einfaches Formmodell 4.11

23 Fahrzeug- (Objekt-) Verfolgung 4.12

24 Wahrnehmung Planung Handlung Trajektorienplanung Fahrzeug- Verkehrsumfeld situation Ziele, Werte, Gütemaße Missionsplan Fähigkeiten Situationsinterpretation, Intentionserkennung Verteilte Kooperation Verhaltensentscheidung Blickpriorisierung räuml.-zeitl. Soll-Korridor Situationsanalyse und Verhaltensgenerierung Datenfusion, kooperative Wahrnehmung, Zustandserkennung Aufmerksamkeitssteuerung Eigen- Verkehrsraumzustand sensierung Regelung Eigenzustand Sensorik Umfeldsensorik Datenbasis, digitale Karte, DGPS Informationsakquisition Fahrzeug-Fzg Kommunikation Blickri. Längs- Aktorik Querdynamik physische Ebene Fahrzeug (physischer Körper) 4.13

25 Anwendungsbeispiel KogMo-RTDB 4.14

26 Gliederung 1. Was bedeutet Autonome Mobilität 2. Die Vorbilder Mensch und Tier 3. Autonome mobile Roboter 4. Autonome Fahrzeuge - Wahrnehmung und Objekterkennung - Verstehen von Verkehrssituationen - Wissen und Lernen - Entscheiden und Ausführen - Gesamtarchitektur eines kognitiven Automobils - Praktische Organisation: Realzeitdatenbank 5. Ausblick: Herausforderungen und Chancen 5.1

27 Beispiel einer logischen Fusion von Radar and Bildverarbeitung 5.2

28 Bildverarbeitung unterstützt die ACC- Funktion 5.3

29 Herzlichen Dank Für Ihre Aufmerksamkeit

30