Dr. Philip Lenz

Unser Ziel ist die Entwicklung von Algorithmen, die schlussendlich in einem Produkt zum Einsatz kommen. Für mich als Algorithmus-Entwickler bedeutet dies, dass wir mit allen Beteiligten in der gesamten Verarbeitungskette zusammenarbeiten müssen; von der Kameraoptik bis zur Anwendung einer Funktion für das autonome Fahren. Auf diese Weise können wir unsere Systeme für den konkreten Anwendungsfall optimieren und neue Herausforderungen in Angriff nehmen, damit die Algorithmen unter den spezifischen Hardwarebedingungen leistungsstark genug sind.

Zurzeit beschäftige ich mich mit dem Einsatz von Computer Vision für das autonome Fahren. Dabei sind noch viele anspruchsvolle Szenarien zu bewältigen. Wir arbeiten ständig daran, die Grenzen von Hardware, Sensorik und Wahrnehmung ein Stück weiter zu verschieben. Ich selbst bin für die Wahrnehmung zuständig. Ein zuverlässiges Szenenverständnis ist für alle Funktionen des autonomen Fahrens unerlässlich. Dies betrifft z. B. die Objekterkennung und -erfassung für alle Arten von Verkehrsteilnehmern, die hinsichtlich Erscheinungsform, Gestalt und Verhalten extrem unterschiedlich sein können. Auch Einzelheiten zur Straße und zur Infrastruktur müssen erfasst und mit Kartendaten abgeglichen werden. Unsere klassischen und maschinell lernenden Algorithmen berücksichtigen all diese Faktoren und müssen in der Lage sein, nachgeordneten Anwendungen wie z. B. der Fahrzeugsteuerung ein zuverlässiges Modell der jeweiligen Szene bereitzustellen.

Die ersten teilautomatisierten Fahrzeuge wurden schon vor Jahrzehnten entwickelt, und Fahrassistenzsysteme werden heutzutage serienmäßig verbaut. Die derzeitige Herausforderung besteht in der Entwicklung von Fahrzeugen, die ohne einen Sicherheitsfahrer am realen Straßenverkehr teilnehmen können. Die Algorithmen müssen robust genug sein, um reale Verkehrssituationen erfolgreich zu bewältigen. Diesen beiden Anforderungen mithilfe der leistungsstarken, modernen Computer-Vision-Technologien wie z. B. Deep Learning gerecht zu werden, ist derzeit die größte Herausforderung auf dem Weg zur Realisierung des autonomen Fahrens.

Überall auf der Welt verbringen die Menschen unglaublich viel Zeit in Fahrzeugen, ja sogar im Stau. Schlimmer noch: Jahr für Jahr sterben viele tausend Menschen im Straßenverkehr. Fahrassistenzsysteme und autonomes Fahren könnten in beiden Fällen die Lösung sein. Unfälle lassen sich vermeiden, weil die Systeme schneller reagieren und menschliches Versagen wie Müdigkeit oder Ablenkung bei ihnen nicht vorkommt. Ressourcen in Form von Fahrzeugen und Infrastruktur können effizienter genutzt werden, indem Staus vermieden werden und die Menschen mehr Zeit für die wirklich wichtigen Dinge im Leben haben.