Simulationstests mit Elefanten und Spielplatzrutschen: Neue Methode soll autonome Fahrzeuge robuster machen

Autonome Fahrzeuge stoßen in realen Verkehrssituationen immer wieder an ihre Grenzen – manchmal mit tödlichen Folgen. Ein Forscherteam schlägt nun vor, die bisher verwendeten Simulationen zu erweitern, um die Fahrzeuge besser auf unvorhersehbare Ereignisse vorzubereiten.

Neuer Teststandard für autonome Fahrzeuge: Von Elefanten bis zu Spielplatzrutschen

Die Wissenschaftler der Universität Tübingen haben unter der Leitung von Andreas Geiger einen neuen Benchmark namens Fail2Drive entwickelt. Dieser soll autonome Fahrzeuge mit ungewöhnlichen und zufälligen Szenarien konfrontieren, die über die üblichen Testdaten hinausgehen. Dazu gehören etwa ein Elefant, der eine Straße überquert, eine Spielplatzrutsche mitten auf der Fahrbahn oder eine Wand, die wie eine Straße bemalt ist – eine Taktik, die bereits echte autonome Fahrzeuge in die Irre geführt hat.

"Warum hat der Elefant die Straße überquert? Um zu zeigen, wie fragil dein Modell ist", kommentierte Geiger in einem LinkedIn-Post. Die Tests zeigen, dass viele autonome Fahrzeuge in solchen Situationen versagen – selbst wenn sie in Standard-Szenarien hohe Leistungswerte erzielen.

Das Problem: Trainierte Modelle statt robuster Algorithmen

Ein zentrales Problem in der Forschung zu autonomen Fahrzeugen ist, dass viele Modelle auf denselben Datensätzen trainiert und getestet werden. Das führt dazu, dass sie zwar in bekannten Situationen gut abschneiden, aber bei unerwarteten Ereignissen versagen. Geiger erklärt:

"Was wie eine starke Leistung in Benchmarks aussieht, ist oft nur auswendig gelerntes Verhalten."

Fail2Drive setzt genau hier an: Der neue Benchmark integriert eine Vielzahl von Out-of-Distribution-Szenarien in den offenen Simulator CARLA, der in der Branche weit verbreitet ist. Dazu gehören absurde, aber auch realistischere Situationen wie ein Feuerwehrfahrzeug, das auf der Straße steht und von autonomen Fahrzeugen einfach überfahren wird.

Ergebnisse alarmierend: Erfolgschancen sinken um 22,8 Prozent

Als die Forscher bestehende autonome Fahrmodelle mit Fail2Drive testeten, zeigte sich ein alarmierendes Bild: Die Erfolgsquote der Fahrzeuge sank im Schnitt um 22,8 Prozent. Geiger betont, dass dies grundlegende Schwächen in den aktuellen Ansätzen aufzeigt.

"Diese Ergebnisse unterstreichen, wie wichtig es ist, die Robustheit autonomer Fahrzeuge zu verbessern, um reale Verkehrssituationen sicher zu bewältigen."

Kann diese Methode Leben retten?

Ob die neue Testmethode tatsächlich dazu beiträgt, autonome Fahrzeuge besser auf den chaotischen Straßenverkehr vorzubereiten, bleibt abzuwarten. Fest steht jedoch, dass sie einen wichtigen Schritt darstellt, um Unfälle zu verhindern – sei es mit Tieren wie Elefanten oder mit Hindernissen wie Spielplatzrutschen. Immerhin waren autonome Fahrzeuge bereits in mehrere tödliche Unfälle mit Tieren verwickelt.

Mehr zum Thema autonome Fahrzeuge: Elon Musk gibt zu, Tesla-Kunden jahrelang über autonomes Fahren belogen zu haben