News 01.11.2018, 08:59 Uhr

KI steuert Ententaxis in Duckietown

Forscher der ETH Zürich wollen wissen, welche Aufgaben künstliche Intelligenz in selbstfahrenden Autos übernehmen kann. Dafür rufen sie zum KI-Wettkampf in Duckietown auf.
Forscher der ETH Zürich haben einen neuen Wettbewerb für autonomes Fahren lanciert. Spielfeld für den Wettbewerb ist Duckietown. In der Modellstadt transportieren kleine selbstfahrende Taxis, ausgestattet mit einem Minicomputer, einer Kamera und ein paar LEDs, Entchen von A nach B. Die Plattform wurde am Massachusetts Institute of Technology (MIT) entworfen und an der ETH Zürich weiterentwickelt.
Die Teilnehmenden der «Artificial Intelligence Driving Olympics», kurz «AI-DO», müssen den kleinen Robotertaxis beibringen, die Spur zu halten, Objekte zu erkennen und ihnen auszuweichen oder als Teil einer ganzen Taxiflotte in Duckietown zu interagieren.
Die Idee für den Wettbewerb hatten Andrea Censi und Jacopo Tani, Oberassistenten bei ETH-Professor Emilio Frazzoli. Sie möchten damit die Grenzen und Möglichkeiten von Machine Learning bei physischen Robotern ausloten.
Kleine selbstfahrende Taxis transportieren Entchen von A nach B
Quelle: ETH Zürich/Alessandro Della Bella

Kann künstliche Intelligenz Autos steuern?

Die Forschungsfrage zum Wettbewerb: Kann künstliche Intelligenz (KI) schon bald aktiv dazu beitragen, autonome Fahrzeuge auf der Strasse zu steuern? Bereits heute können Autos dank Maschinenlernen beispielsweise Objekte erkennen. Sie treffen aber noch keine aktiven Entscheidungen. Manche Robotikforschende glauben, dass dies bald möglich wird. Censi ist noch skeptisch, «aber wenn die Kollegen denken, dass sie das auf der Strasse umsetzen können, dann sollten sie das in Duckietown mit links schaffen», sagt er mit einem Schmunzeln. «An unserem Wettbewerb können sie es beweisen.»
Teilnehmende erhalten Zugang zu einem Grundstock an Code, zu Simulatoren in der Amazon-Cloud und zum sogenannten Robotarium: Einer autonomen Duckietown-Plattform mit Fernzugriff, die Jacopo Tani und sein Team entwickelt und im Maschinenlabor der ETH Zürich aufgebaut haben. In der Qualifikationsphase arbeiten Teams von überall aus der Welt am Code für die verschiedenen Aufgaben. Mit sogenannten Containern – das sind Code-Pakete, die sich per Tastendruck auf den Robotern implementieren lassen – können sie ihren Code testen und schliesslich einreichen.
Nächste Seite: Finale an Machine-Learning-Konferenz in Montréal



Kommentare
Es sind keine Kommentare vorhanden.