Künstliche Intelligenz
Fördern von Vertrauen in automatisierte Fahrlösungen mit TimelyTale
Vor mehr als einem Jahrhundert revolutionierte die Erfindung von Automobilen das Leben der Menschen, und die Branche bereitet sich nun auf ihren nächsten großen Sprung vor, nämlich das autonome Fahren. In einer Welt, in der alles intelligent wird, warum sollten Ihre Autos nicht auch intelligent sein? Nun, sie sind es.
Der technologische Fortschritt in der Automobilindustrie hat zum Aufkommen von selbstfahrenden Fahrzeugen geführt.
Die Kombination von leistungsstarken Hardware und intelligenter Software ebnet den Weg für eine neue Ära von selbstfahrenden Autos, die Menschen bequem und sicher zu ihrem Ziel bringen, ohne dass menschliche Eingriffe erforderlich sind.
Diese Landschaft des autonomen Fahrens entwickelt sich rasant, wobei die Anzahl der jedes Jahr ausgelieferten automatisierten Fahrzeuge zwischen 2024 und 2030 voraussichtlich um 41% wachsen wird.
Die zunehmende Integration von automatisierten Fahrzeugen in unser tägliches Leben wird voraussichtlich den Verkehrskollaps verringern, die Zugänglichkeit verbessern und die Sicherheit erhöhen. Diese Fahrzeuge ermöglichen es Fahrern, sich mit Aufgaben zu beschäftigen, die nicht mit dem Fahren zusammenhängen, wie z.B. das Nutzen von Telefonen, das Ansehen von Multimedia-Inhalten, das Arbeiten oder einfach das Entspannen während der Fahrt.
Nicht alle automatisierten Fahrzeuge können dies jedoch erreichen. Es gibt Stufen von automatisierten Fahrzeugen, die wie folgt sind:
Stufe 0 – Auf dieser Stufe gibt es keine Fahrautomatisierung. Es ist vollständig manuell gesteuert. Diese Stufe von Fahrzeugen ist das, was wir meistens auf den Straßen sehen.
Stufe 1 – Jetzt, eine Stufe höher, kommt die niedrigste Stufe der Automatisierung, bei der Fahrerassistenz durch ein einzelnes automatisiertes System wie Lenken oder adaptives Tempomat bereitgestellt wird.
Stufe 2 – Dies ist die Stufe der teilweisen Fahrautomatisierung, die aus erweiterten Fahrerassistenzsystemen (ADAS) besteht. Hier kann das Fahrzeug das Lenken und die Geschwindigkeit steuern, aber ein Mensch sitzt immer noch auf dem Fahrersitz und kann das Fahrzeug jederzeit übernehmen. Wir sehen bereits diese Stufe von Fahrzeugen um uns herum mit Teslas Autopilot und General Motors’ Cadillac Super Cruise-Systemen.
Stufe 3 – Auf dieser Stufe der bedingten Automatisierung haben die Fahrzeuge die Fähigkeit, ihre Umgebung zu erkennen und auf dieser Grundlage informierte Entscheidungen zu treffen. Der menschliche Fahrer muss jedoch immer noch wachsam bleiben und bereit sein, das Steuer zu übernehmen, wenn das System die Aufgabe nicht ausführen kann. Prime-Beispiele für Stufe 3 sind die Mercedes-Benz S-Klasse, die mit Funktionen wie autonomem Highway-Fahren und Spurhalte-Assistent ausgestattet ist, und der Honda Legend, der mit handsfreiem Fahren in bestimmten Szenarien ausgestattet ist.
Stufe 4 – Dieser nächste Schritt führt uns zu Fahrzeugen mit hoher Automatisierung, die in den meisten Fällen keine menschliche Assistenz benötigen. Menschen haben jedoch immer noch die Möglichkeit, manuell zu übersteuern. Fahrzeuge der Stufe 4 können selbst fahren, dürfen jedoch gesetzlich nur in begrenzten Bereichen fahren. Diese Fahrzeuge sind bereits in Entwicklung bei Googles Waymo One und Baidu’s Apollo Go.
Stufe 5 – Jetzt, auf dieser Stufe, ist kein Fahrer erforderlich. Auf dieser Stufe erreichen autonome Fahrzeuge die volle Fahrautomatisierung und sind frei von Geofencing und können daher alles tun, was ein erfahrener menschlicher Fahrer kann, und überall hinfahren. Von Tesla, Amazon und Honda bis hin zu Mercedes testen mehrere große Automobilhersteller auf der ganzen Welt vollautonome Fahrzeuge. Sie sind jedoch noch nicht für die breite Öffentlichkeit verfügbar.
Es ist derzeit unbekannt, wann vollautomatisierte Fahrzeuge (SAE-Stufe 5) weithin akzeptiert werden. Einige Studien sagen, dass der Markt bis Ende des Jahrzehnts bereit sein wird.
Daher ist es entscheidend, Vertrauen bei den Nutzern aufzubauen, um die erfolgreiche Einsetzung und Akzeptanz dieser Fahrzeuge zu gewährleisten. Derzeit behindert das begrenzte Vertrauen der Passagiere die Akzeptanz.
Um also selbstfahrende Fahrzeuge passagierfreundlich zu machen, haben Forscher vom Gwangju Institute of Science and Technology (GIST), Südkorea, einen Artikel verfasst, in dem Strategien für die gleiche vorgestellt werden.
Dies umfasst die Bereitstellung von Erklärungen für Passagiere.
Das Problem ist, dass schlecht gestaltete Erklärungen das Passagiererlebnis negativ beeinflussen können. Daher müssen Erklärungen Informationen mit ausreichender Verständlichkeit unter schnell wechselnden Straßenbedingungen vermitteln.
Frühere Studien haben verschiedene Methoden zur Präsentation von Erklärungen erforscht, um das Passagiererlebnis zu verbessern und Angst und kognitive Belastung zu reduzieren. Die optimale Zeit für Erklärungen und die tatsächliche Nachfrage der Passagiere wurden jedoch noch nicht umfassend erforscht, insbesondere in realen Umgebungen.
Die GIST-Forscher untersuchten den Prozess der Bereitstellung von Erklärungen in rechtzeitiger Weise, um das Sicherheitsgefühl der Passagiere und ihr Vertrauen in automatisierte Fahrzeuge zu verbessern.
Unternehmen, die automatisierte Fahrlösungen vorantreiben
Um automatisierte Fahrzeuge ihre Versprechen hinsichtlich der Verbesserung der städtischen Mobilität einlösen zu lassen, muss das Vertrauen der Passagiere gewonnen werden, für das rechtzeitige, passagierspezifische Erklärungen bereitgestellt werden müssen, um Entscheidungen von selbstfahrenden Fahrzeugen zu erklären.
Um diese Erklärungen wirksam zu machen, müssen sie verständlich, informativ und prägnant sein. Dies wird das Vertrauen der Passagiere fördern, indem es ihnen ein zunehmendes Gefühl der Kontrolle vermittelt und negative Erfahrungen reduziert.
Während es bereits Methoden für erklärbares künstliches Intelligenz (XAI) gibt, sind diese hauptsächlich für Entwickler und Aufsichtsbehörden gedacht. Mit ihrem Fokus auf Hochrisikoszenarien oder zu detaillierte Erklärungen sind sie nicht wirklich für Passagiere geeignet.
Dies unterstreicht die Notwendigkeit von XAI-Modellen, die speziell auf Passagiere ausgerichtet sind, die Art der erforderlichen Informationen und wann sie in realen Fahrsituationen benötigt werden.
Ein Hauptproblem bei der Entwicklung von passagierzentrierten XAI-Modellen ist, so die Studie, der Mangel an Datensätzen, die Passagierkontexte berücksichtigen.
Als Reaktion darauf stellte ein Team von GIST-Forschern unter der Leitung von SeungJun Kim, Professor und Direktor des Human-Centered Intelligent Systems Lab am GIST, TimelyTale vor, um den Mangel an einem passagierzentrierten Ansatz unter Verwendung von Sensordaten für rechtzeitige und kontextrelevante Erklärungen zu beheben.
TimelyTale ist ein neuartiger multimodaler Datensatz, der darauf ausgelegt ist, reale Fahrsituationen zu erfassen und in Fahrzeugen Erklärungen zu bieten, um das Vertrauen und die Zuversicht der Passagiere in automatisierte Fahrzeuge zu verbessern.
“Unsere Forschung verlagert den Fokus von XAI im autonomen Fahren von Entwicklern auf Passagiere. Wir haben einen Ansatz für die Erfassung der tatsächlichen Nachfrage der Passagiere nach Erklärungen im Fahrzeug und Methoden zur Generierung rechtzeitiger, situationsrelevanter Erklärungen für Passagiere entwickelt.”
– Professor Kim
Die Studienautoren wurden für ihre Studie mit dem Titel “Was und wann erklären?: Evaluation von Erklärungen in hochautomatisierten Fahrzeugen auf der Straße” mit dem “Distinguished Paper Award” ausgezeichnet.
Um zu beginnen, untersuchten die Forscher zunächst die Wirkung verschiedener Arten von visuellen Erklärungen – einschließlich Aufmerksamkeit, Wahrnehmung und einer Kombination aus beiden – sowie deren Timing auf das Passagiererlebnis unter realen Fahrbedingungen mit Hilfe von Augmented Reality.
Der Wahrnehmungszustand des Fahrzeugs wurde als Verbesserung des Vertrauens, der situativen Wahrnehmung und der wahrgenommenen Sicherheit gefunden, ohne die Passagiere zu überfordern. Darüber hinaus fanden die Forscher heraus, dass die Verkehrrisikowahrscheinlichkeit der effektivste Faktor bei der Entscheidung darüber ist, wann Erklärungen bereitgestellt werden sollten, was ihnen half, zu verstehen, wann Passagiere mit Informationen überfordert werden.
Basierend auf diesen Ergebnissen entwickelten die GIST-Forscher in Zusammenarbeit mit MIT den TimelyTale-Datensatz.
Für diesen Ansatz verwendeten die Forscher Daten aus der externen Umgebung (exterozeptiv) wie Geräusche und Anblicke, propriozeptive Daten, die sich auf die Körperpositionen und -bewegungen beziehen, und (interozeptive) Daten über den Zustand des Passagiers, d.h. die Körperempfindungen wie Schmerz, Atmung und Herzfrequenz.
Um all diese Daten von Passagieren zu sammeln, verwendeten die Forscher eine Vielzahl von Sensoren in naturalistischen Fahrsituationen, um ihre Erklärungsnachfrage vorherzusagen. Die verwendeten Geräte umfassten GPS, 3D-LiDAR, OBD-II, IMUs und Stereo-Kameras für exterozeptive und propriozeptive Daten, während LiDAR-Kamera, Tiefenkamera, Thermobildgebung, E4-Armband und Sitzdrucksensoren verwendet wurden, um interozeptive Daten zu erfassen.
Bemerkenswerterweise haben die Forscher auch das Konzept der Unterbrechung im Fahrzeug integriert, um die richtigen Momente für Erklärungen zu finden. Unterbrechung ist der Wechsel der Aufmerksamkeit des Passagiers von nicht fahrzeugbezogenen Aufgaben (NDRTS) zu fahrzeugbezogenen Informationen.
Im Gegensatz zu manuell gesteuerten Fahrzeugen, in denen Fahrer nicht abgelenkt werden können, müssen in automatisierten Fahrzeugen Passagiere typischerweise nicht mit Fahrten beschäftigt sein. Es gibt daher die Notwendigkeit, die Momente für fahrzeugbezogene Informationen während NDRTs zu bestimmen.
Infolgedessen können die Forscher effektiv die Zeit und die Häufigkeit der Erklärungsnachfrage der Passagiere identifizieren. Das Modell erkennt auch die spezifischen Erklärungen, die Passagiere in Fahrsituationen wünschen.
Die Forscher entwickelten dann mit ihrem Ansatz ein maschinelles Lernmodell, das den besten Zeitpunkt für die Bereitstellung einer Erklärung für den Passagier vorhersagt. Sie führten auch eine Stadtweite Modellierung durch, um textbasierte Erklärungen auf der Grundlage verschiedener Fahrsituationen zu generieren.
Die vorläufige Analyse, so die Studie, weist auf das Potenzial des Modells hin, den Zeitpunkt der Erklärungsnachfrage der Passagiere zu bestimmen. Der Datensatz kann auch verwendet werden, um textbasierte Erklärungsinhalte zu generieren, die für Umgebungs-, fahrzeugbezogene und passagierspezifische Kontexte relevant sind.
“Unsere Forschung legt den Grundstein für eine erhöhte Akzeptanz und Adoption von autonomen Fahrzeugen, was möglicherweise die städtische Mobilität und persönliche Mobilität in den kommenden Jahren neu gestalten wird.”
– Prof. Kim
Unternehmen, die automatisierte Fahrlösungen vorantreiben
Lassen Sie uns nun einen Blick auf Unternehmen werfen, die die Zukunft von automatisierten Fahrzeugen gestalten und auch in der Lage sind, von den Fortschritten im Bereich der erklärbareren KI zu profitieren.
Im Bereich der autonomen Fahrzeuge hat General Motors mit Cruise ein System für fahrerlose Fahrten entwickelt, während Ford Motor mit dem Escape Hybrid in diese Richtung voranschreitet.
Dann gibt es NVIDIA, dessen DRIVE-Plattform eine Familie von Hardware- und Software-Tools für die Entwicklung von autonomen Fahrzeugen bietet. Amazon ist auch an autonomen Fahrzeugtechnologien interessiert, und zwar über Zoox, das bereits mit dem Testen seiner fahrerlosen Autos begonnen hat, bevor es im nächsten Jahr auf den Markt kommt. Unternehmen wie Uber und Lyft, die ein Fahrdienstnetz haben, können auch von Fortschritten im Bereich des Vertrauens und der Sicherheit in selbstfahrenden Fahrzeugdiensten profitieren.
Zwei namhafte Unternehmen im autonomen Fahrzeugmarkt, die Sie als investitionswürdig erachten könnten, sind:
1. Waymo (GOOGL )
In der Welt der autonomen Fahrzeugentwicklung macht Waymo große Fortschritte. Diese Tochtergesellschaft von Alphabet konzentriert sich auf selbstfahrende Technologie und passagierzentrierte Funktionen.
Vor kurzem gab das Unternehmen bekannt, eine überzeichnete Investitionsrunde von 5,6 Milliarden Dollar abgeschlossen zu haben, die von der Muttergesellschaft Alphabet angeführt wird und an der auch bestehende Investoren und Private-Equity-Unternehmen wie Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake und T. Rowe Price teilnehmen.
Die Mittel werden verwendet, um den Ride-Hailing-Service “Waymo One” auf mehr US-Städte auszuweiten und den künstlichen Intelligenz-gesteuerten “Waymo Driver” zu verbessern. Vor kurzem startete das Unternehmen auch einen Robo-Taxi und einen Robo-Van.
Google begann vor über einem Jahrzehnt mit der Arbeit an selbstfahrenden Autos, als Waymo noch ein geheimes Projekt war. Die selbstfahrenden Autos von Google haben angeblich über 20 Millionen Meilen ohne größere Unfälle zurückgelegt.
(GOOGL
)
Die Aktien des 2,2 Billionen Dollar schweren Marktführers werden derzeit zu 180,91 Dollar gehandelt, was einem Plus von 30% im Laufe des Jahres entspricht. Es hat ein EPS (TTM) von 7,54, ein P/E (TTM) von 24,09 und eine Dividendenrendite von 0,44%. Für Q3 2024 wurden ein Nettoumsatz von 2,93 Milliarden Dollar und 702 Millionen Dollar an Cash-Flows aus dem Betrieb gemeldet.
Für Q3 2024 meldete Alphabet einen Umsatz von 88,27 Milliarden Dollar, was einem Anstieg von 15% im Vergleich zum Vorjahr entspricht. Der Umsatz mit Cloud-Dienstleistungen stieg um 35% im Vergleich zum Vorjahr auf 11,35 Milliarden Dollar, getrieben von KI-Angeboten.
KI hat unter Nutzern und Unternehmen gleichermaßen viel Aufmerksamkeit erregt, und Google gewinnt neue Kunden, schließt größere Deals ab und sieht eine zunehmende Akzeptanz dank KI. Das Unternehmen setzt daher weiterhin in “state-of-the-art-Infrastruktur” für seine KI-Bemühungen.
2. Tesla Inc. (TSLA )
Tesla ist bekannt für seine Elektrofahrzeuge, die serienmäßig mit Autopilot ausgestattet sind. Autopilot ist ein Standardmerkmal in jedem neuen Tesla, und jedes Fahrzeug ist mit mehreren Kameras und Bildverarbeitung für eine zusätzliche Sicherheitsebene ausgestattet.
Dann gibt es das Full Self-Driving (FSD), das semi-autonome Navigation hinzufügt. Sowohl Autopilot als auch FSD sind für die Verwendung mit einem voll aufmerksamen Fahrer bestimmt.
Während Autopilot Funktionen wie verkehrsabhängige Tempomatsteuerung und Autolenkung umfasst, bietet FSD (beaufsichtigt) zusätzliche Funktionen wie Navigation auf Autopilot, Autolenkung auf Stadtstraßen, Auto-Spurwechsel, Auto-Park, Summon und Smart Summon, Verkehrskontrolle und Stop-Schild-Kontrolle.
Tesla-Fahrzeuge verfügen auch über mehrere aktive Sicherheitsfunktionen, die es ihnen ermöglichen, Fahrzeuge oder Hindernisse zu erkennen, bevorstehende Kollisionen zu warnen, Seitenkollisionen zu warnen und Blindspot-Überwachung zu ermöglichen, um Fahrern zu helfen.
Der Automobilhersteller steht derzeit jedoch unter der Lupe der National Highway Traffic Safety Administration (NHTSA), die mit Teslas Werbesprache auf sozialen Medien zu seinem FSD-Merkmal unzufrieden ist. Die Behörde glaubt, dass Teslas Messaging die unsichere Verwendung des Systems fördern könnte und hat das Unternehmen aufgefordert, seine Kommunikationsstrategie zu FSD-Fähigkeiten zu überdenken.
Dies kommt auf dem Hintergrund eines tragischen Vorfalls, bei dem eine Frau von einem Tesla angefahren wurde, der im FSD-Modus unterwegs war, was Fragen zu der Fähigkeit des Systems aufwirft, mit anspruchsvollen Umgebungsbedingungen umzugehen.
Die NHTSA hat Tesla eine Frist bis zum 18. Dezember gesetzt, um auf ihre Fragen zu FSDs “potenziellem Ausfall, einschließlich der Erkennung und angemessenen Reaktion in bestimmten Situationen, in denen die Sichtbarkeit der Straße eingeschränkt ist und FSDs Fähigkeit, sicher zu fahren, beeinträchtigen könnte”, zu antworten.
Mit einem Marktwert von 1,05 Billionen Dollar werden Teslas Aktien derzeit bei etwa 340 Dollar gehandelt, was einem Plus von 32,2% im Laufe des Jahres entspricht. Es hat ein EPS (TTM) von 3,65, ein P/E (TTM) von 90,07 und ein ROE (TTM) von 20,65%. Der Verschuldungsgrad (MRQ) beträgt 11,01%.
(TSLA
)
Für Q3 2024 meldete das Unternehmen einen Umsatz von 23,35 Milliarden Dollar und ein Nettoergebnis von 2,17 Milliarden Dollar. Die Gewinnmargen stiegen um 739 Millionen Dollar im Vergleich zum Vorjahr aufgrund der Tatsache, dass Regulierungsbehörden von den Automobilherstellern verlangen, eine bestimmte Anzahl von Fahrzeugen mit niedrigen Emissionen zu verkaufen oder Gutschriften von Unternehmen wie Tesla zu kaufen, die ausschließlich solche Fahrzeuge bauen und daher über diese Gutschriften verfügen.
In diesem Quartal stellte der Automobilhersteller 470.000 Fahrzeuge her und lieferte 463.000 Fahrzeuge aus. Vor kurzem stellte er auch einen Robo-Taxi und einen Robo-Van vor.
Schlussfolgerungen
Die sich rasch erweiternde Welt der autonomen Fahrzeuge weist auf eine Zukunft mit erhöhter Mobilität, verringertem Verkehrskollaps, mehr Komfort und verbesserter Sicherheit hin.
Während der globale Markt für autonome Fahrzeuge voraussichtlich bis Ende des Jahrzehnts auf 13,632 Billionen Dollar anwachsen wird, wird der Markt für autonome Fahrsoftware, der für autonome Fahrzeuge von entscheidender Bedeutung ist, voraussichtlich von 1,8 Milliarden Dollar im Jahr 2024 auf 7 Milliarden Dollar im Jahr 2035 ansteigen.
Die wachsende Nachfrage nach effizienten und sicheren Transportsystemen ist der Grund für das Wachstum des Marktes für autonome Fahrsoftware. Da autonome Fahrzeuge allmählich populärer werden und an Akzeptanz gewinnen, müssen die Automobilhersteller Sicherheitstechnologien integrieren. Hier stellt die Autopilot-Software durch Algorithmen und Echtzeit-Datenverarbeitung die Sicherheit des Fahrzeugs sicher.
Um nun die Zukunft von vollautonomen Fahrzeugen zu verwirklichen, benötigen wir mehr als nur technologischen Fortschritt. Das Gewinnen des Vertrauens der Passagiere ist entscheidend, um eine weite Akzeptanz zu erreichen. Mit Lösungen wie TimelyTale, die sich auf rechtzeitige und relevante Erklärungen konzentrieren, können die Bedenken der Passagiere besser angesprochen und Vertrauen aufgebaut werden, was zu einem menschenzentrierteren Ansatz für autonome Fahrzeuge führt.
Innovationen wie diese sind wichtig, um ein wenig näher an eine Zukunft zu kommen, in der selbstfahrende Fahrzeuge reibungslos in unser tägliches Leben integriert sind und die städtische Mobilität verändern.
