KI im Fahrzeuginnenraum verbessert die Sicherheit

Die Herausforderung: Unterschiedliche Nutzer und Sensorbedingungen

Obwohl die Gegebenheiten im Fahrzeuginnenraum im Vergleich zur Außenwelt relativ statisch sind, stellen sie dennoch eine Vielzahl von Herausforderungen dar. So kann es sein, dass eine Person allein am Steuer sitzt, oder sich mehrere Insassen im Auto befinden. Diese können männlich oder weiblich sein und im Hinblick auf ihre Größe von kleinen Kindern bis zu Erwachsenen mit einem Gewicht von 100 kg und mehr reichen. Hinzu kommt, dass Menschen eine große Bandbreite an Hauttönen haben und bei unterschiedlichen Lichtverhältnissen und Temperaturen unterschiedliche Kleidung und Accessoires tragen können, was diese „Laborumgebung“ plötzlich zu einem ziemlich komplizierten Experiment macht. Es könnten sich außerdem ein oder zwei Haustiere im Auto befinden, die Verpackung eines Hamburgers vom Vortag noch auf dem Rücksitz liegen oder ein oder zwei Handys auf dem Beifahrersitz abgelegt worden sein.

Die Lösung: Sensorfusion und Datenfülle

Während ein Sensorsystem das beste Eye-Tracking oder andere technische Vorzüge aufweisen kann, konzentriert sich Eyeris als KI-Softwareunternehmen stattdessen auf die Verschmelzung einer Vielzahl von Hardware-Sensorelementen. Daher arbeitet das Unternehmen mit mehreren Hardwareherstellern für Sensortechnologien zusammen – einschließlich traditioneller Infrarot (IR)-Sensoren, moderner Rot-, Grün-, Blau- und Infrarot (RGBIR)-Sensoren, Wärmebildkameras und sogar Radar, um einen Gesamtüberblick über die Situation zu erhalten. Daneben arbeitet Eyeris mit zahlreichen Prozessorherstellern zusammen, um KI-Routinen auszuführen. Diese Sensorfusion in Verbindung mit einem extrem großen Datensatz, der für das Training verwendet wird, bedeutet, dass der Innenraum eines Fahrzeugs genau so interpretiert werden kann, wie ein Mensch Sehen, Hören, Fühlen, Riechen und möglicherweise sogar Schmecken vereint, um eine komplizierte Aufgabe zu erfüllen.

Neben der reinen Rechenleistung, die für den Betrieb eines KI-Systems erforderlich ist, müssen auch die Verbindungen zwischen der Kamerahardware, den Sensorverarbeitungsmodulen und der sonstigen Verarbeitungshardware eines Fahrzeugs berücksichtigt werden. So hat Eyeris für einige seiner Referenzdesigns den MAX96706 Deserialisierer von Maxim mit großem Erfolg eingesetzt, um MIPI-basierte Bildsensoren und Kameramodule mit dem KI-Prozessorboard zu verbinden. Da die Fahrzeugelektronik immer stärker integriert wird, sind zuverlässige Methoden zur Handhabung und Abstraktion dieser Datenübertragung wichtig.

Das breite Angebot an Fahrzeugen bedeutet, dass ein gut organisiertes System, das sich leicht in die Fahrzeuge X, Y oder Z integrieren lässt, die Entwicklungskosten und die Zeit bis zur Markteinführung erheblich reduzieren kann.

Hardware-Innovation: Erleichterung der Software-Innovation

Wir haben in den letzten Jahrzehnten eine unglaubliche Explosion von Rechenleistung und Hardware-Innovationen erlebt. Allerdings verlaufen die Innovationszyklen für Software naturgemäß viel schneller als die für Hardware, und die Hersteller befinden sich oft in einem „Aufholprozess“ gegenüber ihren Softwarekollegen. Tesla, Apple und andere Unternehmen stellen deshalb ihre eigene KI-Hardware her, um speziell auf die bevorstehenden Softwareverbesserungen einzugehen.

Für kleinere Software-/KI-Unternehmen, die mit einer Vielzahl von Hardwareherstellern zusammenarbeiten, ist es wichtig, dass sie über ausgereifte Software-Stacks und Software-Entwicklungskits (SDKs) verfügen, die mit den neuesten KI-Frameworks wie TensorFlow, PyTorch und ONNX kompatibel sind. Außerdem sollten sie über eine ausreichende Rohrechenleistung verfügen. Die verfügbaren Compiler sollten moderne neuronale Netzwerkschichten unterstützen und über ausgereifte Software-Emulatoren, Simulations-Engines und verwandte Tools für das Parsing, Pruning, die Quantisierung und andere Aufgaben von KI-Modellen verfügen. Nicht zuletzt sind auch die Möglichkeiten zur Sensorfusion, wie integrierte 3D-Disparitäts-Engines, Multi-Kamera-Streaming-Funktionen, umfangreiche Eingabe-/Ausgabe-Schnittstellen und vieles mehr, äußerst hilfreich. Dies ermöglicht es der KI und denjenigen, die KI-Systeme einrichten, mit einem breiten Spektrum von Daten zu arbeiten und dabei das Wesentliche vom Unwesentlichen zu trennen.

KI-Sensorfusion: Fahrzeugsicherheit und mehr

Dieser Blog konzentriert sich auf Sensoren in Fahrzeuginnenräumen. Generell gibt es jedoch eine Reihe von Applikationen, bei denen ein herkömmliches KI-Setup, das sich auf die Bildverarbeitung beschränkt, zwar die logische Wahl zu sein scheint, aber für einen bestimmten Anwendungsfall möglicherweise nicht ausreicht. Vor allem bei sicherheitskritischen Applikationen kann ein Bildverarbeitungssystem, das die meiste Zeit bei angemessener Beleuchtung und anderen Bedingungen funktioniert, bei weitem nicht ausreichen. In diesen Situationen kann das Hinzufügen zusätzlicher Sensormöglichkeiten – sei es ein zweites Gerät mit RGB-Beleuchtung, ein IR-Sensor, Radar oder sogar ein Wärmesensor für eine verbesserte Präsenzerkennung – die KI in die Lage versetzen, eine Umgebung ausreichend zu überwachen und zu kontrollieren.

Multimilliarden-Dollar-Unternehmen haben zwar die Ressourcen, um ihre eigenen Chips intern zu entwickeln, aber in anderen Situationen kann ein kleineres, flexibleres KI-Unternehmen die richtige Wahl für den Job sein. Es ist wichtig, die richtigen Hardwarepartner zu identifizieren, zu entwickeln und zu integrieren, um ein Komplettprodukt für den Automotive-Bereich und andere Branchen zu produzieren. Je besser die verfügbaren Hardware- und Software-Schnittstellen-Tools sind, desto einfacher ist die Einrichtung der KI-Software und desto schneller kann ein hervorragendes Produkt entstehen. Mit den richtigen Daten, Tools und KI-Trainings können wir unsere Welt sicherer und besser machen, sowohl für die Nutzer solcher Systeme als auch für die Gesellschaft insgesamt.