Virtual Vehicle
German | English

VIRTUAL VEHICLE, ZF und Nvidia präsentieren "Dream Car"

VIRTUAL VEHICLE and ZF present the “Dream Car” – a self-learning, AI-based Level-4 automated vehicle at the AI & Deep Learning Conference | GTC 2018, San Jose (CA), Mar 27, 2018

Das Lernen im Schlaf ist die bahnbrechende Idee des "Dream Car", einem selbstlernenden, auf KI basierendem automatisiertem Fahrzeug der Stufe 4: ohne Autofahren lernt und adaptiert sich das Auto auf Basis von Daten anderer Autos, die irgendwo anders auf der Welt unterwegs sind. Der Schlüssel dazu ist Künstliche Intelligenz (AI) und ZFs Plattform „ProAI“, die innerhalb von nur einem Jahr zusammen mit Nvidia entwickelt wurde. In enger Zusammenarbeit mit ZF entwickelte und programmierte VIRTUAL VEHICLE Software zur Datenanalyse und -kompilation, baute den "Dream Car"-Prototyp und implementierte das System für erste reale Probefahrt-Szenarien. Der aktuelle Entwicklungsstand wurde heute auf der NVIDIA GPU Technology Conference in San Jose / CA vorgestellt.

San Jose, CA - 27. März 2018   -   Die ZF Friedrichshafen AG, VIRTUAL VEHICLE und Nvidia haben ihre Kräfte gebündelt, um innerhalb von nur sechs Monaten ein KI-basiertes L4-Fahrzeug für urbane Szenarien zu entwickeln - das sogenannte "Dream Car". Das Fahrzeug ist grundsätzlich mit Kameras, Laserscannern und Radarsensoren ausgestattet, die eine redundante und zuverlässige 360-Grad-Umfelderfassung ermöglichen. Da diese hochentwickelten Sensoren sehr viel Rechenleistung benötigen, spielt die ZF ProAI-Plattform eine Schlüsselrolle. Heute präsentierten ZF und VIRTUAL VEHICLE den aktuellen Entwicklungsstand der GTC 2018 im Herzen des Silicon Valley.

ZF ProAI: Künstliche Intelligenz “Next Level”

AI ist einer der Grundpfeiler für selbstfahrende Autos in einer komplexen, unvorhersehbaren und gefährlichen Welt. Sie ermöglicht eine zuverlässige Objekterkennung speziell in unterschiedlichen, auch schwierigen Umgebungen. Der Vorteil der ZF ProAI besteht darin, dass sowohl die Hardware als auch die Software modular aufgebaut sind und entsprechend der Anwendung und dem gewünschten Automatisierungsgrad skaliert werden können.


Arnold Schlegel, Ingenieur in der Vorentwicklung der ZF Friedrichshafen AG und Projektleiter des „Dream Car“ erklärt: "Wir haben das Roboterbetriebssystem (ROS) als Entwicklungsframework verwendet, das eine modulare Entwicklung, flexible Integrationsplattform und Datenaustausch innerhalb des Fahrzeugs bietet. Darüber hinaus bietet es die Möglichkeit, Lösungen der großen Robotik-Community zu evaluieren und einzusetzen, um das Ziel zu erreichen, selbstfahrende Autos schneller auf die Straße zu bringen."


 “Dream Car” – der Weg von “Virtuell” zu “Real”


Daniel Watzenig, Leiter von EE & Software am VIRTUAL VEHICLE Research Center und ordentlicher Professor an der TU Graz, beschreibt die intensive Teamarbeit, die das "Dream Car" Wirklichkeit werden lässt: "Gemeinsam mit den Ingenieuren von ZF haben wir zahlreiche Funktionen umgesetzt, die hoch- und vollautomatisiertes Fahren bis zu Level 3 und 4 ermöglichen. Ohne dass das Fahrzeug in Bewegung sein muss, erkennt seine AI diese Daten und interpretiert sie so, als ob sie genau auf dieser Route unterwegs wären. Lenkwinkel, Bremsen und Beschleunigen entsprechen genau der übertragenen Fahrt. Das Fahrzeug kann so ‚lernen‘, wie eine Verkehrssituation zu interpretieren ist, ohne tatsächlich im Verkehr fahren zu müssen."