Wer sich im Automotive-Umfeld mit Fahrerassistenzsystemen und autonomen Funktionen befasst, hat gute Perspektiven. Denn einer Studie der Berater von PwC zufolge soll das Marktvolumen in diesen Bereichen von derzeit gut 80 Milliarden US-Dollar bis 2025 auf 188 Milliarden wachsen. Im Jahr 2030 soll dann der weltweit erzielte Umsatz gar bei rund 270 Milliarden US-Dollar liegen.
Die Entwicklungsexperten von ASAP wissen um eine Faustregel: Mindestens eine Million Testkilometer sollten mit autonomen Fahrfunktionen zurückgelegt werden, bevor eine Freigabe erteilt wird. Gerade bei komplexen Wirkketten mit mehreren Steuergeräten im Verbund sind manuelle Erprobungen oder die Validierung mit Testautomatisierungen aber alleine nicht ausreichend, da sie zeitaufwendig und kostspielig sind und die nötige Testtiefe fehlt.
ASAP geht auf Fehlersuche
Eine von ihnen entwickelte Methode der aleatorischen (auf Zufall beruhenden) Funktionsabsicherung soll den Entwicklungsprozess aktiv unterstützen. Sie dient zur Absicherung von Fahrerassistenzsystemen im Closed Loop auf Basis des Reinforcement Learnings.
In jeder Entwicklungsstufe sollen sich automatisierte, realitätsnahe Tests ausführen und mögliche Fehler finden lassen. Selbstlernende Algorithmen suchen dabei gezielt nach kritischen Stimulationen, die zu Fehlern in der Wirkkette führen können. Die Integration einzelner Funktionen lasse sich so von vornherein besser absichern.
Am Beispiel von Assistenzfunktionen für das Rückwärtseinparken zeigen die Experten von ASAP mögliche Vorteile auf: Zahlreiche Steuergeräte sind dabei Teil einer Wirkkette. Aus dem Steuergeräteverbund ergeben sich zahlreiche Querwirkungen. Weniger wichtige Infos, Pop-ups, können Sicherheitsmeldungen etwa der Rückfahrkamera überlagern, schlimmstenfalls kann es zum Ausfall kommen.
Konditionierung des Algorithmus
Die aleatorische Funktionsabsicherung reagiert darauf mit intelligent gewählten Stichproben. Zunächst werden Randbedingungen, Erwartungswerte und Stimulationsräume definiert – dass der Fahrer das Kamerabild abschalten kann, ist ein Beispiel dafür. Anschließend werden mithilfe von Mustererkennungsverfahren gezielt Stichproben aus den verschiedenen Eingabekombinationen bestimmt.
Dazu wird ein selbstlernender Algorithmus verwendet. Kontinuierlich werden Aktionen ausgeführt, die den Zustand der Umwelt, also des Steuergeräteverbunds, verändern. Falls nach einer Aktion nicht der Erwartungswert eintritt, erhält der Algorithmus eine Belohnung für seine durchgeführten Aktionen. Dadurch wird er darauf konditioniert, nach Abweichungen vom Erwartungswert zu suchen.
Die aleatorische Funktionsabsicherung benötigt dazu einen Closed-Loop-Prüfstand, an dem alle relevanten Stimuli automatisiert ausgeführt werden. Dort können der real verbaute Steuergeräteverbund und die simulierte Umgebung sich gegenseitig beeinflussen.
Ergänzung anderer Methoden
Wie ASAP gegenüber Automobil Produktion mitteilt, übernimmt das Unternehmen je nach Kundenwunsch im Rahmen eines Auftrags sowohl die Konzeption und Umsetzung eines für den Einsatz der aleatorischen Funktionsabsicherung benötigten Prüfplatzes wie auch die Durchführung der Funktionsabsicherung.
Mit der Methode ließen sich die Funktionen in weitaus höherer Vielfalt und gleichzeitig gezielter absichern, so ASAP. Gleichwohl sei die neue Absicherungsmethode nur als Ergänzung zu verstehen, nicht als alleinige Lösung für die Bewältigung der kontinuierlich steigenden Herausforderungen in der Entwicklung von Fahrzeugfunktionen. Die neue Methode ist bereits bei mehreren Automobilherstellern im Einsatz und liefert wertvolle Ergebnisse für die Entwicklung komplexer Fahrzeugfunktionen.