Wie Autonomes Fahren im urbanen Raum funktioniert

Das Verbundprojekt STADT:up hat nach dreieinhalb Jahren Laufzeit seine Abschlussveranstaltung im Aldenhoven Testing Center gefeiert. Mit einem Fördervolumen von 62,2 Millionen Euro durch das Bundesministerium für Wirtschaft und Energie arbeiteten 20 Partner aus Industrie und Wissenschaft an Lösungen für das vollautomatisierte Fahren in komplexen städtischen Umgebungen. Die Hochschule München lieferte dabei entscheidende KI-basierte Technologien zur Erkennung schwächerer Verkehrsteilnehmer.

Herausforderung Stadtverkehr: Warum KI den Unterschied macht

Während autonomes Fahren auf Autobahnen bereits etabliert ist, stellt der Stadtverkehr mit seinen unvorhersehbaren Verkehrsströmen, komplexen Vorfahrtsregeln und plötzlich auftauchenden Fußgängern oder Radfahrern eine deutlich größere Hürde dar. Das Projekt STADT:up zielte darauf ab, diese Komplexität zu bewältigen, ohne dass ein menschliches Eingreifen erforderlich ist. Die Hochschule München präsentierte hierfür drei innovative Ansätze, die auf datengetriebenen KI-Verfahren basieren und ein Game Changer für die Urbane Mobilität sein könnten.

Das Forschungsfahrzeug AVA nutzt Kameras, LiDAR und leistungsstarke Hardware, um nicht nur die Position von Fußgängern zu erfassen, sondern deren Bewegungsabsichten in Echtzeit zu antizipieren. Ergänzend dazu entwickelte die Hochschule eine VR-basierte Simulationsumgebung, die es ermöglicht, kritische Grenzfälle – etwa ein Kind, das unvermittelt auf die Fahrbahn läuft – in einer hochrealistischen, virtuellen Umgebung ohne Sicherheitsrisiken zu testen.

Kooperative Perzeption: Wenn Fahrzeuge um die Ecke schauen

Ein weiterer Baustein ist das sogenannte FUSE-Bike. Ausgestattet mit 360°-LiDAR, Kameras und GPS fungiert das E-Bike als mobiler Datensammler. Durch die kooperative Perzeption teilt es seine Live-Daten mit anderen Fahrzeugen. Dies ermöglicht es Autos, Verkehrsteilnehmer wahrzunehmen, bevor diese selbst in den Sichtbereich der Fahrzeugsensoren gelangen. Prof. Dr. Fabian Flohr, Professor für Maschinelles Lernen und Autonome Systeme an der Hochschule München, betont, dass KI-Systeme bei entsprechender Datenqualität in der Lage sind, das urbane Chaos zu strukturieren und das Unvorhersehbare berechenbar zu machen.

Die im Projekt entwickelten Technologien zur kooperativen Perzeption und zur KI-gestützten Antizipation von Bewegungsabläufen lassen sich direkt auf den Betrieb unbemannter Luftfahrzeuge im urbanen Raum übertragen. Insbesondere für den Bereich Urban Air Mobility und den Einsatz von Lieferdrohnen ist die Fähigkeit, komplexe, dynamische Umgebungen in Echtzeit zu interpretieren und mit anderen Systemen zu kommunizieren, eine Grundvoraussetzung für sichere BVLOS-Flüge.

Zudem unterstreicht das Projekt den Trend zur Sensorfusion und zum Datenaustausch zwischen verschiedenen Verkehrsträgern. Für Drohnenhersteller und Softwareentwickler bietet die im Projekt demonstrierte Methodik – vom virtuellen Testen in Simulationsumgebungen bis hin zur intelligenten Vernetzung von Sensordaten – wertvolle Ansätze, um die Sicherheit und Effizienz autonomer Flugsysteme in dicht besiedelten Gebieten signifikant zu steigern.