Teleoperation – ein Schritt Richtung Autonomie

Anbieter zum Thema

RTI Real-Time Innovations

MicroConsult Microelectronics Consulting & Training GmbH

Axivion GmbH

Parasoft® Deutschland GmbH

Auch wenn es noch Jahrzehnte bis zu einem vollautonomen Betrieb von Fahrzeugen dauern kann – in Drohnen, Robotern und U-Booten entwickelt sich die Technologie bereits. Das kann sich auch die Automobilindustrie für ihre Systeme abschauen: Nicht komplett ohne den Menschen zu arbeiten, sondern ihn via Teleoperation einzubinden.

Der Mensch ist mit Abstand das schwächste Sicherheitssystem im Auto und für 94 Prozent aller Unfälle verantwortlich. Autonome Fahrzeuge (AVs) machen sicherlich Fehler, verbessern sich jedoch auch und ihre Sicherheit wird bald höher als die eines menschlichen Fahrers sein. Damit stellt der sichere Betrieb nicht das Hauptproblem für den Einsatz autonomer Fahrzeuge dar.

Um wirtschaftlich zu überzeugen, ist das Fahren ohne einen Menschen im Auto erforderlich. Damit ließen sich Parkprobleme beheben und eine automatisierte Warenzustellung sowie gemeinsame Robotertaxis ermöglichen. Dafür müssten AVs allerdings in der Lage sein, auch mit Ausnahmefällen klar zu kommen. Sie dürften nicht im Verkehr stecken bleiben oder diesen blockieren, weil das Umfahren einer Baustelle oder eines Unfalls zu komplex für sie ist.

Für solche Fälle gibt es eine Lösung: Hochgeschwindigkeits-Verbindungen könnten einem Fernbediener ermöglichen, das Fahrzeug kurzzeitig via „Live“-Teleoperation zu fahren. Dies erfordert eine Live-Videokommunikation mit dem Bediener sowie Steuersignale mit geringer Latenz zurück zum AV. Dafür wiederum ist ein sehr schnelles, zuverlässiges, unterbrechungsfreies und permanentes Netzwerk nötig – was 5G derzeit noch nicht leistet. Deshalb sollten Live-Teleoperation angesichts der derzeitigen Infrastruktur als zukünftige Lösung angesehen werden.

Zeitnahe Lösung

Es gibt auch eine zeitnahe Lösung: Erfolgreiche autonome Systeme in anderen Branchen nutzen für Ausnahmefälle ebenfalls Menschen, die den Betrieb per Fernkontrolle unterstützen. Der bewährte Weg hierfür ist die „strategische“ Teleoperation. Solche Systeme bieten einem entfernt sitzenden menschlichen Bediener einen „Einblick“ in die Szene. Dieser gibt dann einen Weg an, dem das AV folgen soll. Das funktioniert mit geringer Bandbreite und hoher Latenz. So kann die NASA beispielsweise Roboter auf dem Mars trotz geringer Bandbreite und 20-minütiger Latenz fahren. Für AVs kann diese Strategie mit nur minimaler Netzwerkkonnektivität funktionieren.

Autonomie sollte als Evolution betrachtet werden. Systeme werden immer autonomer, indem sie ohne menschliches Eingreifen höhere Zeitspannen und Komplexität bewältigen können. Die heutige Herausforderung besteht darin, eine Architektur zu bauen, die diese Entwicklungen mitgehen kann. Denn nachträgliche Änderungen von bestehenden Architekturen sind äußerst problematisch.

Woran Entwickler denken sollten

Die ersten wirklichen AVs werden sowohl fahrzeuginterne Steuerung als auch Fernüberwachung kombinieren. Die meisten Entwickler und Systemarchitekten denken heute nicht über die Auswirkungen einer engen Verbindung dieser Systeme nach. Dennoch sollten sie nicht unabhängig voneinander designt werden. AVs benötigen eine einheitliche Architektur für das Fahrzeug, das Kontrollzentrum, die flächendeckende Konnektivität und die Cloud.

In einem autonomen Fahrzeug sind Sensoren an Hochleistungsprozessoren angeschlossen, auf denen Steuerungsalgorithmen ausgeführt werden (siehe Bild 1)

Die Fahrzeugsoftware benötigt eine Bereitstellung vieler verschiedener Datenflüsse in Echtzeit. Einige Sensoren wie Video und LIDAR erzeugen umfangreiche Daten. Andere wie Lenk- und Bremssteuerung generieren weniger Daten, brauchen jedoch schnelle, wiederholte Rückkopplungsschleifen. Intelligente Algorithmen müssen Daten unterschiedlicher Art, Größe und Geschwindigkeit einfach finden und darauf zugreifen können. Alle diese Systeme laufen in einer komplexen Umgebung mit vielen verschiedenen Prozessortypen und Netzwerken.

Auch wenn die Autonomie vor der Tür steht, funktioniert sie mit der traditionellen Automobilarchitektur nicht. Die heutigen Designs sind viel zu starr, zu abhängig von der Hardware-Implementierung und in intelligenten Systemen unerprobt.

Die Rolle der Cloud

Für die Autonomie wird die Rolle der Cloud häufig überbewertet. Möchte man sich für die Kontrolle via Teleoperation oder Sicherheitsfunktionen auf eine Cloud-Verbindung verlassen, wäre es erforderlich, alle Sensorinformationen an die Cloud zu senden, zu verarbeiten und schnell genug an das Fahrzeug zurückzuschicken, um auf externe Ereignisse reagieren zu können. Dies erfordert eine Latenzgarantie und gesicherte Rechenbandbreiten, die weit über die echten Kapazitäten hinausgehen. Die Stärken der Cloud in Bezug auf zentrale Position, generelles elastisches Computing und Speicher bringen für ein AV einfach keinen Mehrwert.

Dennoch spielt die Cloud eine wichtige Rolle. Zum Beispiel lernen KI-Algorithmen, indem sie „Trainingsfälle“ verarbeiten, also Momentaufnahmen, in denen interessante Aktionen wie eine komplizierte Situation oder ein Unfall stattfinden. Deep Learning funktioniert in etwa so, dass ein Mensch oder ein anderes System für diese Trainingsfälle bestimmt, was in dem jeweiligen Fall zu tun ist. Damit wird dann die KI unterrichtet. KI-Autos lernen also nicht von selbst, sondern erhalten die KI-Ergebnisse des Trainings von einer zentralen Quelle. Jedes AV lernt wiederum aus den Erfahrungen der anderen AVs. Die gesamte Flotte lernt folglich von jedem Ereignis und verbessert sich so im Laufe der Zeit.

Da die Cloud Zugriff auf alle Fahrzeuge sowie das Kontrollzentrum besitzt, ist sie der richtige Ort, um Flottenmanagement-Software auszuführen, den Straßenstatus zu erfassen und zu verbreiten und Außendienstmitarbeiter zu den Fahrzeugen zu schicken. Die Cloud ist also ein wichtiger Bestandteil eines AV-Systems, jedoch nur ein Teil der Lösung.

Anforderungen ans Kontrollzentrum

Teleoperation erfordert mehr als fahrzeuginterne und Cloud-Software. Sie braucht jemanden, der das Fahrzeug fernbedient. Ein Kontrollzentrum für eine AV-Flotte muss unter Umständen Hunderte von Bedienern beschäftigen und viele tausend Fahrzeuge überwachen. Wenn ein AV Aufmerksamkeit benötigt, wird es einem Bediener zugewiesen. Dieser kann dann Live-Sensor-Feeds, historische Informationen sowie den Fahrzeugstatus und das Routing anfordern. Deshalb benötigt jede Station Zugriff auf die meisten Daten aus dem gesamten System, ohne vorher sagen zu können, welche bestimmten Informationen sie braucht. Andere Stationen überwachen den gesamten Systemstatus und den Flotteneinsatz. Während eine AV-Flotte einzigartige Herausforderungen mit sich bringt, sind die Anforderungen an die Kontrollzentren eher typisch für diverse Systeme.

Zukunftssichere Architektur

Die eigentliche Herausforderung, alles zu einer „zukunftssicheren“ Architektur zusammenführen, besteht darin, von der heutigen Technologie auszugehen und eine hochleistungsfähige Autonomie der Zukunft zu entwickeln, ohne die Kernarchitektur zu verändern. Innerhalb des Fahrzeugs gehen die Tendenzen der Branche dahin, als gemeinsamen Konnektivitätsstandard den Data Distribution Service (DDS) Standard einzuführen. DDS ist die einzige systemübergreifende Ende-zu-Ende-Architektur, die auf einem Standard basiert. Sie bietet Flexibilität, Leistung und nachweislich einen zuverlässigen Betrieb in Tausenden von realen Systemen und intelligenten Maschinen.

Vor allem findet DDS bereits in Hunderten autonomer Fahrzeugdesigns Verwendung und wurde speziell für autonome Systeme entwickelt, zunächst für High-End-Flugsysteme, jetzt zunehmend für Boden-, Weltraum- und Unterwasserfahrzeuge. Die beiden bekanntesten Stack-Ökosysteme im Fahrzeug, das forschungsorientierte ROS2 und das produktionsorientierte AUTOSAR Adaptive, verwenden ebenfalls DDS. Diese Branchenkonsolidierung bedeutet, dass die Wahl von DDS mit dem geringsten Risiko für neue Designs verbunden ist.

Zudem stellt DDS auch eine bewährte Architektur für viele operationelle Kontrollzentren dar. Hierzu zählen zum Beispiel alle Kommandozentralen für Marineschiffe, die meisten Drohnen-Bodenkontrollsysteme, der NASA KSC Startkontrollraum sowie Kontrollräume für die Stromüberwachung großer Wasserkraftwerke. Im Transportwesen überwacht und steuert DDS Zugsysteme, U-Bahn, Flugsicherung und Flughafenbodensysteme. Da sich DDS bereits in AVs ebenso wie in Kontrollzentren bewährt hat, ist es folglich gut positioniert, um den Anwendungsfall der Teleoperation für autonome Fahrzeuge zu übernehmen.

Konnektivitätstechnologie DDS

Obwohl DDS Informationen transportiert, ist er weit mehr als eine Konnektivitätstechnologie. DDS ist wie eine datenzentrierte Architektur, die ein einfaches Konzept implementiert, nämlich einen gemeinsamen „globalen Datenraum“. Das bedeutet, dass sich alle Daten in jedem Gerät und Algorithmus im lokalen „virtuellen“ Speicher befinden. Anwendungen sprechen nicht direkt miteinander, sondern tauschen Daten aus, indem sie diesen virtuellen gemeinsamen Speicher lesen und schreiben. Dies ist ein sehr neues Design für Fahrzeugsysteme.

Der Schwerpunkt innerhalb des Fahrzeugs liegt auf Hochgeschwindigkeitsverbindung, Zuverlässigkeit und KI-Integration. DDS realisiert das durch QoS (Quality of Service)-Garantien. Fordert ein Algorithmus beispielsweise einen Datenfluss an, gibt er nicht nur an, welche Daten er benötigt. Er kann auch festlegen, wann und wie die Daten fließen. Zum Beispiel gibt es QoS-Garantien für Durchflussrate, Empfindlichkeit des Sensors, Zuverlässigkeit und mehr. Da sich die Daten in einem lokalen Speicher befinden, behindert die Mobilität den Datenfluss nicht. Anwendungen erhalten die benötigten Daten, wann immer sie diese brauchen und unabhängig davon, wo sie sich befinden, selbst wenn das Fahrzeug das Netzwerk wechselt.

Die Kontrollzentren benötigen ein konsistentes Datenmodell und einen dynamischen Zugriff auf viele Datentypen. Möchten Bediener auf ein neues Fahrzeug zugreifen, brauchen sie im Kontrollzentrum eine dynamische, zuverlässige und sichere Verbindung zum Fahrzeug. DDS erleichtert diese, indem es Fahrzeuge und Daten automatisch erkennt, einzelne Datenflüsse mit eindeutigen „Berechtigungen“ sichert und die Zuverlässigkeit und den Austausch von Sicherheitszertifikaten unabhängig vom Transportnetz implementiert.

Cloud-Algorithmen erfordern außerdem einen massiven Datenzugriff, der sich über die gesamte Flotte erstreckt. Da jeder Algorithmus in einem datenzentrierten Design nur das sieht, was sein eigener lokaler Speicher anzeigt, führt ein Skalieren nicht zu einer höheren Komplexität. DDS kann auch mit direkten Peer-to-Peer-Netzwerken arbeiten, für die keine zentralen Server erforderlich sind. Damit entfällt die schwierige Wahl des Aufstellungsorts eines Servers ebenso wie die Sorge um die Überlastung von Servern und Server-Failover-Schemata werden vermieden. Aus Systemsicht senden und empfangen alle Algorithmen und Geräte einfach genau das, was sie benötigen und wann sie es benötigen.

Die Datenzentriertheit ermöglicht die Entwicklung von Systemen als Ganzes, indem dieselbe Abstraktion im gesamten System Verwendung findet. Solange die zugrundeliegende Konnektivität die QoS-Anforderungen erfüllen kann, lassen sich komplette Funktionen transparent von Fahrzeuggeräten auf Domänenserver im Auto oder in die Cloud übertragen.

Künstliche Intelligenz mit gesundem Menschenverstand umsetzen

Die Wirren der IIoT-Konnektivität: Connectivity-Frameworks im Vergleich

Fazit

Mit dem Ursprung in autonomen Systemen, ist der DDS-Standard heute Marktführer für fahrzeuginterne Frameworks und für aufstrebende Ökosysteme und Kontrollzentren. In Zukunft kann er das alles auch für Automobilsysteme kombinieren. Das konsistente systemweite Datenmodell stellt eine neue Architektur dar. Es ermöglicht ein verteiltes System, das sich entwickelt, mit der Zukunft der Autonomie wachsen kann und die Teleoperation leistungsfähiger macht.

* Dr. Stan Schneider ist CEO bei Real-Time Innovations (RTI).

* Reiner Duwe ist Sales Manager EMEA bei RTI.

(ID:47007739)