Online-Abo
  • Login
  • Registrieren
Games World
  • RoadDNA: TomToms GPU-gestütztes System für selbstfahrende Autos
    Quelle: PC Games Hardware

    RoadDNA: TomToms GPU-gestütztes System für selbstfahrende Autos

    Nicht nur menschliche Autofahrer verlassen sich immer häufiger auf Navigationssysteme - selbstfahrende Autos stehen ohne diese im wahrsten Sinne des Wortes allein auf weiter Flur. Karten- und Navigationsexperte TomTom setzt für sein ambitioniertes Sytem RoadDNA auf die Cloud - und auf High-Performance-Systeme im Auto.

    Deep Learning war das Thema schlechthin auf der letzten GPU Technology Conference - und auch in diesem Jahr hatte es nichts an Popularität verloren. Schließlich hatte nur wenige Wochen vor der Konferenz Googles AlphaGo-Programm einen aufsehenerregenden 4:1-Sieg bei einem Go-Turnier davongetragen. Etwas alltagsbezogener sind Kartendaten, die sowohl von Navigationssystemen fürs Auto als auch von selbstfahrenden Autos genutzt werden. Letztere sind auf noch genauere Infos angewiesen, die oft bis auf wenige Zentimeter genau sein müssen. Wie solche Karten entstehen, berichtete Willem "Meinen Namen kann hier niemand aussprechen" Strijbosch. Er arbeitet als Expert Software Engineer bei TomTom.

    Autofahren wie ein Computer

    Menschen und selbstfahrende Autos haben mehr gemeinsam, als man denken mag. "In unserem Gehirn läuft die Fahr-App, es hat ein eingebautes neuronales Netzwerk und es baut auf zuvor gemachte Erfahrungen", sagt Willem Strijbosch. Und auch die Resultate sind ähnlich: "Im Berufsverkehr kennt jeder Autofahrer den Weg wie seine Westentasche - selbst, wenn das Wetter schlecht ist und Straßenschilder verdeckt sind."

    Wir liefern die Karten für Apples Map-Anwendung. Andererseits sind sowohl Menschen als auch selbstfahrende Autos aufgeschmissen, wenn es in unbekanntes Terrain geht. Die Wahl der richtigen Spur wird zur Herausforderung, das Finden des richtigen Weges ermüdet einen schneller und man macht erratische Bewegungen, die die anderen Verkehrsteilnehmer im besten Fall nerven, doch die im schlimmsten Fall einen Unfall verursachen. Und sowohl Menschen als auch Autos sind auf die richtige Karte für die richtige Situation angewiesen, deren Maßstab von Kilometern über Meter hin zu Zentimetern reicht.

    450 Millionen GPS-Standorte pro Tag

    TomTom setzt auf eine Kartenplattform in der Cloud, die von zahlreichen Quellen gespeist und ständig aktualisiert wird. Dazu gehören Messfahrzeuge mit Kameras und Sensoren im Wert von über 100.000 US-Dollar, Mitarbeitern auf der Straße, offiziellen Karten und Feedback von Benutzern. Denn: "Wir liefern die Karten für Apples Map-Anwendung, und da bekommen wir jede Fehlermeldung, die per iPhone und Co. abgeschickt wird", erklärt Willem Strijbosch. Dazu kommen etwa 450 Millionen GPS-Standorte pro Tag (!) und Daten, die Serienfahrzeuge mit ihren Sensoren vermessen.


    "All diese Daten landen in unsere Kartenproduktionsplattform", sagt Strijbosch. "Und es gibt dann noch einmal 1000 Personen, die manuelle Änderungen daran vornehmen. Die Datenbank ist relativ neu: TomTom rief sie 2011 ins Leben, als sich abzeichnete, dass selbstfahrende Autos in Zukunft ein immer größeres Thema werden würden.

    Die Cloud an Bord

    Vom Kamerafahrzeug ist es nur ein kleiner Schritt zum selbstfahrenden Auto. Allerdings darf sich letzteres nicht auf die Verbindung zur Cloud verlassen, denn was die Netzabdeckung angeht, klaffen weltweit noch große Lücken, die sich auch so schnell nicht schließen werden. Ein autonomes Fahrzeug muss daher die Cloud "an Bord" haben und in Echtzeit auswerten können. Das war noch vor ein paar Jahren eine mächtige Herausforderung. Doch: "Dank des GPU-Einsatzes können wir die Kartenalgorithmen jetzt in einem neuronalen Netzwerk an Bord ablaufen lassen", sagt Willem Strijbosch.

    RoadDNA: TomToms GPU-gestütztes System für selbstfahrende Autos  (4) RoadDNA: TomToms GPU-gestütztes System für selbstfahrende Autos (4) Quelle: PC Games Hardware/Roland Austinat Wer meint, dass hier mit Kanonen auf Spatzen geschossen wird, bedenke dies: "In unserer Datenbank befinden sich allein 91 Millionen Verkehrszeichen - und wir werden nicht ruhen, bis wir alle weltweit registriert haben", sagt Strijbosch nicht ganz ohne Stolz. "Dabei sehen unsere Netzwerke nicht nur solche, die regelmäßig auftauchen, sondern auch seltenere - etwa zu Gefahrguttransporten. Und das in 36 Ländern."

    Crowdsourcing beim Datensammeln

    Solche Datenmengen kann TomTom längst nicht mehr alleine erarbeiten. Stattdessen setzt die Firma auf eine Kombination aus professioneller Kartenkunst und Crowdsourcing - gilt es nach Willem Strijbosch doch, das Dreieck "Hohe Qualität - Echtzeit - Effizienz" zu gleichen Teilen zu bedienen. "Das ist nicht einfach", so der Software-Ingenieur. "Stecken wir mehr Arbeit in Echtzeit und Effizienz, leidet die Qualität. Und nutzen wir weniger effiziente Brute-Force-Methoden, würden wir unter einem Berg von Daten begraben werden." Crowdsourcing, so ist sich Strijbosch sicher, wird bei der Kartenerstellung zukünftig noch weiter zunehmen.

    Herkömmliches Kartenmaterial deckt allerdings zwei Bereich nicht perfekt ab, der für selbstfahrende Autos lebenswichtig ist: genaue Informationen über die Zahl der Spuren einer Straße sowie zentimetergenaue Vermessungen der Umgebung, die dann im Fahrzeug mit der lokal gespeicherten verglichen werden. Deswegen legte TomTom 2009 den Grundstein für RoadDNA: Dieses System erlaubt einem Fahrzeug, sich mit einer Genauigkeit von bis zu 15 Zentimetern nach links und rechts beziehungsweise 50 Zentimeter in Fahrtrichtung durch die Welt zu bewegen. Hier fließen auch die angesprochenen Profi- und Crowdsourcing-Daten ein.

    Dieses Video zeigt, wie RoadDNA die Welt rund um das selbstfahrende Auto wahrnimmt.

    01:23
    RoadDNA im Video: So erkennt ein selbstfahrendes Auto seine Umwelt

    Unterwegs in der "Minecraft-Welt"

    Die Welt, wie RoadDNA sie sieht, erinnert etwas an "Minecraft": Schilder, Bäume, Briefkästen und Bürgersteige wirken wie aus Legosteinen zusammengesetzt. Trotz den im vorigen Absatz erwähnten Genauigkeitsanforderungen macht RoadDNA auch dann nicht schlapp, wenn sich Tages- und Jahreszeit oder das Wetter ändern. Und weil die Datenauflösung gerade einmal wenige KByte pro Kilometer beträgt, braucht es zur Auswertung im Auto auch keine Quadro-Profikarte mehr - das System läuft auf Nvdias DriveWorks- beziehungsweise Drive-PX-Plattformen.

    Es bleibt zu hoffen, dass die Vermessung der Welt und die Weitergabe dieser Infos an selbstfahrende Autos auch zukünftig immer weiter aktualisiert werden - und auch auf Fehler überprüft werden. Denn was nützt die beste Objekterkennung an Bord, wenn die gesuchte Hausnummer erst unlängst geändert wurde? Oder was nutzen 91 Millionen Straßenschilder, wenn just weiträumige Umleitungen ins Leben gerufen wurden? Bei einer fehlerhaften Navi-Angabe kann ein Mensch noch selbst wieder auf die richtige Bahn finden. Doch ein selbstfahrendes Auto hat niemanden, den es im Fall einer Cloud-Störung um Hilfe fragen könnte. Praktisch ist es dennoch, dass selbstfahrende Autos schon jetzt auf so umfangreiches Kartenmaterial zurückgreifen können - und die Rechen-Power platzsparend an Bord haben, wenn es mit der Verbindung zum "Mutterschiff" mal nicht so klappt.

  • Print / Abo
    Apps
    PC Games Hardware 01/2017 PC Games 12/2016 PC Games MMore 01/2016 play³ 01/2017 Games Aktuell 12/2016 buffed 12/2016 XBG Games 11/2016
    PCGH Magazin 01/2017 PC Games 12/2016 PC Games MMORE Computec Kiosk On the Run! Birdies Run
article
1192125
Automotive
RoadDNA: TomToms GPU-gestütztes System für selbstfahrende Autos
Nicht nur menschliche Autofahrer verlassen sich immer häufiger auf Navigationssysteme - selbstfahrende Autos stehen ohne diese im wahrsten Sinne des Wortes allein auf weiter Flur. Karten- und Navigationsexperte TomTom setzt für sein ambitioniertes Sytem RoadDNA auf die Cloud - und auf High-Performance-Systeme im Auto.
http://www.pcgameshardware.de/Automotive-Thema-261936/Specials/RoadDNA-TomTom-selbstfahrende-Autos-1192125/
13.04.2016
http://www.pcgameshardware.de/screenshots/medium/2016/04/Maps-for-Autonomous-Cars_06-pcgh_b2teaser_169.JPG
specials