Wir hören heute zwar immer wieder von selbstfahrenden Fahrzeugen in der Zukunft, aber bis zum echten autonomen Fahren unter realen Bedingungen ist es noch ein weiter Weg. Der Fahrer muss die Situation immer noch sehr aufmerksam beobachten, und dabei scheint der Fahrzeuginnenraum eine relativ statische, laborähnliche Umgebung zu sein. Das im Jahr 2013 gegründete Unternehmen Eyeris hat sich auf künstliche Intelligenz (KI) spezialisiert, die auf den Menschen ausgerichtet ist. Das Ziel von Eyeris ist es, das Autofahren sicherer und komfortabler zu machen, indem die Bedingungen im Fahrzeuginnenraum überwacht werden, um sicherzustellen, dass der Mensch die Situation unter Kontrolle hat, und um zu gewährleisten, dass auch die Fahrzeugumgebung den Anforderungen an diese kritische Aufgabe gerecht wird.

Die Herausforderung: Unterschiedliche Insassen und Sensorikbedingungen

Die Bedingungen im Fahrzeuginnenraum sind zwar im Vergleich zur Außenwelt relativ statisch, bringen aber dennoch eine Reihe von Herausforderungen mit sich. So kann eine Person allein im Fahrzeug sitzen oder es befinden sich mehrere Insassen im Fahrzeug, die männlich oder weiblich sein können und deren Größe von kleinen Kindern bis hin zu 100 Kilogramm schweren Erwachsenen und darüber hinaus reichen kann. Hinzu kommt, dass Menschen verschiedene Hautfarben haben und bei unterschiedlichen Lichtverhältnissen und Temperaturen unterschiedliche Kleidung und Accessoires tragen können – durch solche Faktoren wird diese „Laborumgebung“ schnell zu einem recht komplexen Unterfangen. Ganz zu schweigen von mitfahrenden Haustieren, dem nicht aufgeräumten Fastfood-Papier auf dem Rücksitz und dem einen oder anderen auf den Beifahrersitz gefallenen Telefon.

Die Lösung: Sensor-Fusion und Datenvielfalt

Ein bestimmtes Sensorsystem bietet vielleicht das beste Eye-Tracking oder andere technische Vorzüge, doch als KI-Softwareunternehmen konzentriert sich Eyeris stattdessen auf die Bündelung zahlreicher Hardware-Sensorelemente. Dazu arbeitet Eyeris mit einer ganzen Reihe von Hardwareherstellern für Sensortechnologien zusammen, beispielsweise mit Herstellern von traditionellen Infrarot-Sensoren (IR), modernen Rot-, Grün-, Blau- und Infrarot-Sensoren (RGBIR), Wärmebildkameras und sogar Radarsensoren. Dadurch erhält das Unternehmen einen umfassenden Überblick über die Marktsituation und kann mit zahlreichen Prozessorherstellern bei der Entwicklung von KI-Routinen zusammenarbeiten. Durch die Zusammenführung der Sensoren und in Kombination mit einem extrem großen Datensatz für das Systemtraining kann der Fahrzeuginnenraum so präzise erfasst werden, wie wenn ein Mensch das Sehen, Hören, Fühlen, Riechen und möglicherweise sogar Schmecken miteinander verbindet, um eine komplizierte Aufgabe zu lösen.

Abgesehen von der reinen Rechenleistung, die für den Betrieb eines KI-Systems erforderlich ist, müssen auch die Verbindungen zwischen der Kamerahardware, den Sensorverarbeitungsmodulen und den anderen Verarbeitungselementen in einem Fahrzeug berücksichtigt werden. Daher hat Eyeris für einige seiner Referenzdesigns beispielsweise den MAX96706 Deserialisierer von Maxim verwendet, um MIPI-basierte Bildsensoren und Kameramodule problemlos mit dem KI-Prozessorboard zu verbinden. Angesichts der immer stärkeren Integration der Fahrzeugelektronik sind zuverlässige Lösungen für die Handhabung und Abstrahierung dieses Datentransfers von entscheidender Bedeutung.

Durch die große Bandbreite der produzierten Fahrzeuge können mit einem gut organisierten System, das sich leicht in die Fahrzeuge X, Y oder Z integrieren lässt, die Entwicklungskosten und die Zeit bis zur Markteinführung erheblich reduziert werden.

Hardware-Innovation: Erleichterung der Software-Innovation

Die Rechenleistung und die Hardware-Innovation haben sich in den letzten Jahrzehnten explosionsartig entwickelt. Dennoch verläuft der Innovationszyklus von Software naturgemäß wesentlich schneller als der von Hardware, und die Hersteller befinden sich oft in einem „Aufholmodus“ gegenüber ihren Software-Pendants. Einer der Gründe dafür ist, dass Tesla, Apple und andere Unternehmen ihre eigene KI-Hardware herstellen und sich damit speziell auf bevorstehende Softwareverbesserungen einstellen können.

Für die kleineren Software-/KI-Unternehmen, die mit zahlreichen Hardwareherstellern zusammenarbeiten, ist es daher besonders wichtig, dass sie ausgereifte Software-Stacks und Software Development Kits (SDKs) zur Verfügung haben, die mit den neuesten KI-Frameworks – wie TensorFlow, PyTorch und ONNX – kompatibel sind und zudem eine ausreichende rohe Rechenleistung mitbringen. Die verfügbaren Compiler sollten moderne neuronale Netzwerkschichten unterstützen und ausgereifte Software-Emulatoren, Simulations-Engines und verwandte Tools für das Parsing, Pruning, die Quantisierung und andere Aufgaben von KI-Modellen enthalten. Zudem sind Funktionen zur Sensor-Fusion, wie z. B. integrierte 3D-Disparity-Engines, Multi-Kamera-Streaming-Fähigkeiten, umfassende Input/Output-Schnittstellen (IO) und vieles mehr, äußerst hilfreich. Dadurch können KI-Systeme und ihre Entwickler mit einem breiten Datenspektrum arbeiten und gleichzeitig das Datenrauschen reduzieren.

KI-Sensor-Fusion: Fahrzeugsicherheit und mehr

Dieser Blog beschäftigt sich schwerpunktmäßig mit der Sensorik im Fahrzeuginnenraum. Es gibt jedoch eine Reihe von Anwendungsbereichen, bei denen ein herkömmliches KI-System zur reinen Bildverarbeitung zwar die logische Wahl zu sein scheint, aber für einen bestimmten Anwendungsfall möglicherweise nicht ausreicht. Insbesondere bei sicherheitskritischen Anwendungen kann ein Bildverarbeitungssystem, das größtenteils bei angemessenen Lichtverhältnissen und anderen Bedingungen funktioniert, bei Weitem nicht ausreichend sein. In solchen Situationen kann die KI durch das Hinzufügen zusätzlicher Sensorfunktionen die Umgebung adäquat überwachen und kontrollieren, beispielsweise durch ein zweites Gerät mit sichtbarem RGB-Licht, einen IR-Sensor, ein Radar oder sogar einen Wärmesensor für eine verbesserte Präsenzerkennung.

Milliardenschwere Unternehmen haben vielleicht die Ressourcen für die unternehmensinterne Entwicklung eigener Mikrochips, aber in vielen Fällen ist ein kleineres, flexibleres KI-Unternehmen der richtige Partner für diese Aufgabe. Hier gilt es, die richtigen Hardwarepartner zu finden, zu entwickeln und zu integrieren, um ein All-in-One-Produkt für die Automobilindustrie und andere Branchen herzustellen. Denn je besser die verfügbaren Hardware- und Software-Schnittstellen-Tools entwickelt und aufeinander abgestimmt sind, desto einfacher ist die Einrichtung von KI-Software und desto schneller kann ein hervorragendes Produkt entstehen. Mit den richtigen Daten, Tools und KI-Training können wir unsere Welt für die Benutzer solcher Systeme und für die Gesellschaft als Ganzes sicherer und besser machen.