Vertrauen in automatisierte Fahrlösungen mit TimelyTale fördern

Vor mehr als einem Jahrhundert revolutionierte die Erfindung von Automobilen das Leben der Menschen, und der Sektor bereitet sich jetzt auf seinen nächsten großen Sprung vor, nämlich das autonome Fahren. In der heutigen Welt, in der alles intelligent wird, warum sollten Ihre Autos nicht ebenfalls intelligent sein? Nun, das sind sie.

Der technologische Fortschritt im Automobilsektor hat zum Aufkommen selbstfahrender Fahrzeuge geführt.

Die Kombination aus leistungsstarker Hardware und intelligenter Software leitet eine neue Ära selbstfahrender Autos ein, die Menschen komfortabel und sicher zu ihren Zielen bringen, ohne menschliches Eingreifen.

Dieses Umfeld des autonomen Fahrens entwickelt sich rasant, wobei die Anzahl der jährlich ausgelieferten automatisierten Fahrzeuge voraussichtlich zwischen 2024 und 2030 mit einer jährlichen Wachstumsrate von 41 % zunimmt.

Die zunehmende Integration automatisierter Fahrzeuge in unser tägliches Leben wird voraussichtlich den Verkehrsstau reduzieren, die Zugänglichkeit verbessern und die Sicherheit erhöhen. Diese Fahrzeuge ermöglichen es den Fahrern zudem, sich Aufgaben zu widmen, die nichts mit dem Fahren zu tun haben, wie das Benutzen von Handys, das Ansehen von Multimedia, Arbeiten oder einfach Entspannen während der Fahrt.

Nicht alle automatisierten Fahrzeuge können das erreichen. Es gibt verschiedene Stufen für automatisierte Fahrzeuge, die wie folgt aussehen:

Level 0 – Auf dieser Stufe gibt es keine Fahrautomatisierung. Sie wird vollständig manuell gesteuert. Diese Fahrzeugstufe ist das, was wir hauptsächlich auf den Straßen sehen.

Level 1 – Ein Schritt höher befindet sich die niedrigste Automatisierungsstufe, bei der Fahrunterstützung durch ein einzelnes automatisiertes System wie Lenkung oder adaptive Geschwindigkeitsregelung bereitgestellt wird.

Level 2 – Diese Teilautomatisierungsstufe ist das Advanced Driver Assistance System (ADAS). Hier kann das Fahrzeug Lenkung und Geschwindigkeit steuern, aber ein Mensch sitzt weiterhin am Steuer und kann das Fahrzeug jederzeit übernehmen. Wir sehen diese Stufe bereits um uns herum bei Tesla (TSLA ) Autopilot und General Motors‘ (GM ) Cadillac Super Cruise Systemen.

Level 3 – In dieser bedingten Automatisierungsstufe können die Fahrzeuge ihre Umgebung erkennen und darauf basierend fundierte Entscheidungen treffen. Der menschliche Fahrer muss jedoch wachsam bleiben und bereit sein, die Kontrolle zu übernehmen, falls das System die Aufgabe nicht ausführen kann. Hauptbeispiele für Level 3 sind die Mercedes‑Benz S‑Klasse, die über Funktionen wie autonomes Autobahnfahren und Spurhalteassistent verfügt, sowie die Honda (HMC ) Legend, die in bestimmten Szenarien freihändiges Fahren ermöglicht.

Level 4 – Dieser nächste Sprung führt zu hochautomatisierten Fahrzeugen, die in den meisten Fällen keine menschliche Unterstützung benötigen. Menschen können jedoch weiterhin manuell eingreifen. Level‑4‑Fahrzeuge können selbstfahren, dürfen jedoch gesetzlich nur in begrenzten Bereichen operieren. Diese Fahrzeuge werden bereits mit Google‘s Waymo One und Baidus Apollo Go entwickelt.

Level 5 – Auf dieser Stufe ist überhaupt kein Fahrer mehr erforderlich. Die autonomen Fahrzeuge erreichen die vollständige Fahrautomatisierung, sind nicht durch Geofencing eingeschränkt und können alles tun, was ein erfahrener menschlicher Fahrer kann, und überall fahren. Von Tesla, Amazon (AMZN ), und Honda bis Mercedes testen mehrere große Automobilhersteller weltweit vollständig autonome Autos. Sie stehen jedoch noch nicht der breiten Öffentlichkeit zur Verfügung.

Obwohl derzeit unklar ist, wann vollständig automatisierte Fahrzeuge (SAE Level 5) eine breite Akzeptanz erreichen werden, prognostizieren einige Studien die Marktreife bis zum Ende dieses Jahrzehnts.

Daher ist es entscheidend, das Vertrauen der Nutzer aufzubauen, um eine erfolgreiche Einführung und Akzeptanz dieser Fahrzeuge zu gewährleisten. Derzeit behindert ein begrenztes Vertrauen der Passagiere die Adoption.

Um selbstfahrende Fahrzeuge passagierfreundlich zu machen, haben Forscher des Gwangju Institute of Science and Technology (GIST) in Südkorea ein Papier verfasst, das Strategien dafür diskutiert. Dies beinhaltet das Bereitstellen von Erklärungen für Passagiere.

Das Problem ist, dass schlecht gestaltete Erklärungen das Passagiererlebnis negativ beeinflussen können. Daher müssen Erklärungen Informationen mit ausreichender Verständlichkeit in schnell wechselnden Straßenumgebungen vermitteln.

Frühere Studien haben verschiedene Methoden zur Darstellung von Erklärungen untersucht, um das Passagiererlebnis zu verbessern und gleichzeitig Angst und kognitive Belastung zu reduzieren. Der optimale Zeitpunkt für Erklärungen und die tatsächliche Nachfrage der Passagiere wurden jedoch noch nicht umfassend erforscht, insbesondere in realen Umgebungen.

Die GIST-Forscher untersuchten den Prozess, Erklärungen zeitnah bereitzustellen, um das Sicherheitsgefühl der Passagiere und ihr Vertrauen in automatisierte Fahrzeuge zu stärken.

Beschleunigung der Akzeptanz autonomer Fahrzeuge

Um automatisierten Fahrzeugen zu ermöglichen, ihr Versprechen zur Verbesserung der städtischen Mobilität zu erfüllen, muss das Vertrauen der Passagiere gewonnen werden, wofür zeitnahe, passagierspezifische Erklärungen zu den Entscheidungen selbstfahrender Fahrzeuge bereitgestellt werden müssen.

Damit diese Erklärungen wirksam sind, müssen sie verständlich, informativ und prägnant sein. Das wird das Vertrauen der Passagiere stärken, indem es ihnen ein wachsendes Gefühl von Kontrolle vermittelt und negative Erlebnisse reduziert.

Obwohl erklärbare Künstliche Intelligenz (XAI)-Methoden bereits existieren, richten sie sich hauptsächlich an Entwickler und Regulierungsbehörden. Durch ihren Fokus auf Hochrisikoszenarien oder zu detaillierte Erklärungen sind sie für Passagiere nicht wirklich geeignet.

Dies verdeutlicht den Bedarf an XAI‑Modellen, die sich speziell auf Passagiere konzentrieren, die Art der benötigten Informationen verstehen und wissen, wann sie in realen Fahrszenarien benötigt werden.

Ein Haupthemmnis bei der Entwicklung passagierzentrierter erklärbarer XAI‑Modelle, so die Studie, ist das Fehlen von Datensätzen, die den Kontext der Passagiere 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 an der GIST, TimelyTale vor, um den Mangel an einem passagierzentrierten Ansatz mithilfe von Sensordaten für zeitnahe und kontextrelevante Erklärungen zu beheben.

TimelyTale ist ein neuartiger multimodaler Datensatz, der entwickelt wurde, um reale Fahrszenarien zu erfassen und fahrzeugintern Erklärungen bereitzustellen, 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 zu Passagieren. Wir haben einen Ansatz entwickelt, um den tatsächlichen Bedarf der Passagiere an fahrzeuginternen Erklärungen zu erfassen und Methoden zu schaffen, zeitnahe, situationsrelevante Erklärungen für Passagiere zu erzeugen.“

– Professor Kim

Die Studienautoren wurden mit dem ‘Distinguished Paper Award’ für ihre Studie mit dem Titel ‘What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles’ ausgezeichnet.

Um zu beginnen, untersuchten die Forscher zunächst die Wirkung verschiedener Arten visueller Erklärungen – einschließlich Aufmerksamkeit, Wahrnehmung und einer Kombination aus beidem – sowie deren Timing auf das Passagiererlebnis unter realen Fahrbedingungen, wobei sie erweiterte Realität nutzten.

Der Wahrnehmungszustand des Fahrzeugs verbesserte das Vertrauen, das Situationsbewusstsein und die wahrgenommene Sicherheit, ohne die Passagiere zu überfordern. Darüber hinaus fanden die Forscher heraus, dass die Wahrscheinlichkeit von Verkehrsrisiken der effektivste Faktor bei der Entscheidung ist, wann Erklärungen geliefert werden sollten, was ihnen auch half zu verstehen, wann Passagiere mit Informationen überlastet sind.

Auf Basis dieser Erkenntnisse entwickelten die GSIT‑Forscher in Zusammenarbeit mit dem MIT den TimelyTale‑Datensatz.

Für diesen Ansatz nutzten die Forscher Daten aus der äußeren Umgebung (exterozeptiv) wie Geräusche und Sicht, propriozeptive Daten, die die Positionen und Bewegungen des Körpers betreffen, sowie (interozeptive) Daten über den Zustand des Passagiers, d. h. körperliche Empfindungen wie Schmerz, Atmung und Herzfrequenz.

Um all diese Daten von den Passagieren zu erfassen, setzten die Forscher eine Vielzahl von Sensoren in naturalistischen Fahrszenarien ein, um deren Erklärungsbedarf vorherzusagen. Verwendete Geräte umfassten GPS, 3D‑LiDAR, OBD‑II, IMUs und Stereo‑Kameras für exterozeptive und propriozeptive Daten, während LiDAR‑Kamera, Tiefenkamera, Wärmebild, E4‑Armband und Sitzdrucksensoren eingesetzt wurden, um interozeptive Daten zu erfassen.

Bemerkenswerterweise integrierten die Forscher auch das Konzept der fahrzeuginternen Unterbrechbarkeit, um die richtigen Momente für Erklärungen zu finden. Unterbrechbarkeit ist die Verschiebung des Fokus des Passagiers von nicht fahrbezogenen Aufgaben (NDRTS) zu fahrbezogenen Informationen.

Im Gegensatz zu manuell gesteuerten Fahrzeugen, bei denen Fahrer nicht abgelenkt werden können, sind Passagiere in automatisierten Fahrzeugen typischerweise nicht mit Fahraufgaben beschäftigt. Daher besteht die Notwendigkeit, die Momente für fahrbezogene Informationen während NDRTs zu bestimmen.

Infolgedessen können die Forscher das Timing sowie die Häufigkeit des Erklärungsbedarfs der Passagiere effektiv identifizieren. Das Modell erkannte zudem die spezifischen Erklärungen, die Passagiere während Fahrsituationen wünschen.

Die Forscher nutzten anschließend ihren Ansatz, um ein Machine‑Learning‑Modell zu entwickeln, das den besten Zeitpunkt vorhersagt, um dem Passagier eine Erklärung anzubieten. Sie führten zudem eine stadtweite Modellierung durch, um textuelle Erklärungen basierend auf verschiedenen Fahrstandorten zu generieren.

Die vorläufige Analyse laut Studie zeigt das Potenzial des Modells, den Zeitpunkt des Erklärungsbedarfs der Passagiere zu bestimmen. Gleichzeitig kann der Datensatz verwendet werden, um textuelle Erklärung Inhalte zu generieren, die für Umwelt-, fahrbezogene und passagierspezifische Kontexte relevant sind.

„Unsere Forschung legt das Fundament für eine erhöhte Akzeptanz und Verbreitung autonomer Fahrzeuge und könnte in den kommenden Jahren den städtischen Verkehr und die persönliche Mobilität neu gestalten.“

– Prof. Kim

Unternehmen, die automatisierte Fahrlösungen vorantreiben

Werfen wir nun einen Blick auf Unternehmen, die die Zukunft automatisierter Fahrzeuge gestalten und auch in der Lage sind von den Fortschritten im Bereich erklärbarer KI zu profitieren.

Im AV‑Sektor hat General Motors (GM ) Cruise für fahrerlose Fahrten entwickelt, während Ford Motor (F ) in diese Richtung über Escape Hybrid vorstößt.

Dann gibt es NVIDIA (NVDA ), deren DRIVE‑Plattform eine Familie von Hardware‑ und Software‑Tools für die Entwicklung autonomer Fahrzeuge bietet. Amazon (AMZN ) ist ebenfalls an autonomer Fahrzeugtechnologie über Zoox interessiert, das seine fahrerlosen Autos bereits testet, bevor es im nächsten Jahr auf den Markt kommt. Unternehmen wie Uber (UBER ) und Lyft (LYFT ), die ein Ride‑Sharing‑Netzwerk betreiben, können ebenfalls von Fortschritten profitieren, die Vertrauen und Sicherheit in Dienste mit selbstfahrenden Fahrzeugen fördern.

Nun, zwei prominente Namen im Markt für autonome Fahrzeuge, die Sie als investitionswürdig ansehen könnten, sind:

1. Waymo

Im Bereich der Entwicklung autonomer Fahrzeuge macht Waymo große Fortschritte. Diese Alphabet (GOOG ) ‑Tochter konzentriert sich auf selbstfahrende Technologie und passagierzentrierte Funktionen.

Ende letzten Monats gab das Unternehmen bekannt, dass es eine überzeichnete Finanzierungsrunde in Höhe von 5,6 Milliarden US‑Dollar abgeschlossen hat, die von der Muttergesellschaft Alphabet geleitet wurde, wobei weitere Teilnehmer bestehende Investoren und Private‑Equity‑Firmen wie Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake und T. Rowe Price waren.

Die Mittel werden verwendet, um den Ride‑Hailing‑Dienst „Waymo One“ auf weitere US‑Städte auszudehnen und den KI‑gestützten „Waymo Driver“ zu verbessern. Kürzlich hat das Unternehmen seine Robotaxis in Los Angeles eingeführt, sodass jeder in der Stadt über die Waymo‑One‑App ein fahrerloses Fahrzeug rufen kann. Dieses Robotaxi fährt bereits seit vier Jahren in Phoenix und ist seit letztem Jahr in San Francisco im Einsatz. Inzwischen hat Waymo in Austin und Atlanta seine AVs in die Uber‑Plattform integriert, sodass Kunden das Fahrzeug über die Uber‑App anfordern können.

Google begann tatsächlich vor über eineinhalb Jahrzehnten mit der Arbeit an selbstfahrenden Autos, als Waymo noch ein geheimes Projekt war. Die selbstfahrenden Autos des Technologieriesen haben demnach mehr als 20 Millionen Meilen ohne größere Unfälle zurückgelegt.

Die Aktien des 2,2‑Billionen‑US‑Dollar‑Marktkapitalitäts‑Giganten werden derzeit zu 180,91 $ gehandelt, ein Anstieg von 30 % in diesem Jahr. Sie haben ein EPS (TTM) von 7,54, ein KGV (TTM) von 24,09 und eine Dividendenrendite von 0,44 %. Für das 3. Quartal 2024 meldete das Unternehmen Nettoverkäufe von 2,93 Milliarden US‑Dollar und 702 Millionen US‑Dollar Cash‑Flow aus der operativen Tätigkeit.

Im 3. Quartal 2024 meldete Alphabet einen Umsatz von 88,27 Milliarden US‑Dollar, ein Anstieg von 15 % gegenüber dem Vorjahr. Der Cloud‑Umsatz stieg im Vergleich zum Vorjahr um 35 % auf rekordverdächtige 11,35 Milliarden US‑Dollar in diesem Quartal, angetrieben durch KI‑Angebote.

KI hat sowohl bei Nutzern als auch bei Unternehmen viel Aufmerksamkeit erregt, wobei Google neue Kunden gewinnt, größere Aufträge erhält und dank KI eine steigende Akzeptanz verzeichnet. Daher investiert das Unternehmen weiterhin in „State‑of‑the‑Art‑Infrastruktur“, um seine KI‑Bestrebungen zu unterstützen.

2. Tesla Inc. (TSLA )

Von Elon Musk gegründet, ist Tesla für seine Elektrofahrzeuge bekannt, die Autopilot als Level‑2‑Automatisierung anbieten. Autopilot ist bei jedem neuen Tesla Standard, wobei jedes Fahrzeug mit mehreren Kameras und einer Bildverarbeitung für eine zusätzliche Sicherheitsschicht ausgestattet ist.

Dann gibt es Full Self‑Driving (FSD), das eine halbautonome Navigation hinzufügt. Sowohl Autopilot als auch FSD sind für die Nutzung mit einem vollaufmerksamen Fahrer vorgesehen.

Während Autopilot Funktionen wie verkehrsabhängige Geschwindigkeitsregelung und Autosteer beinhaltet, bietet FSD (unter Aufsicht) zusätzliche Features, darunter Navigation im Autopilot‑Modus, Autosteer in Stadtstraßen, automatischer Spurwechsel, automatisches Einparken, Summon und Smart Summon, Verkehrssteuerung und Stoppschild‑Kontrolle.

Tesla‑Fahrzeuge verfügen zudem über mehrere aktive Sicherheitsfunktionen, die es ihnen ermöglichen, Autos oder Hindernisse zu erkennen, bevorstehende Kollisionen zu warnen, Seitenkollisionen zu melden und den toten Winkel zu überwachen, um Fahrer zu unterstützen.

Der Automobilhersteller steht jedoch derzeit unter Beobachtung der National Highway Traffic Safety Administration (NHTSA), die Unzufriedenheit mit Teslas Werbesprache in den sozialen Medien bezüglich der FSD‑Funktion äußerte. Die Behörde glaubt, dass Teslas Botschaften die unsichere Nutzung des Systems fördern könnten, und hat das Unternehmen gebeten, seine Kommunikationsstrategie zu den FSD‑Fähigkeiten zu überdenken.

Dies folgt auf einen tragischen Vorfall, bei dem eine Frau von einem Tesla, der im FSD‑Modus fuhr, angefahren wurde, was Fragen zur Fähigkeit des Systems aufwirft, schwierige Umweltbedingungen zu bewältigen.

Die NHTSA hat Tesla eine Frist bis zum 18. Dezember gesetzt, um Fragen zu den potenziellen Fehlfunktionen von FSD zu beantworten, einschließlich der Erkennung und angemessenen Reaktion in spezifischen Situationen mit eingeschränkter Sichtbarkeit der Fahrbahn, die die sichere Funktionsweise von FSD beeinträchtigen könnten.

Mit einer Marktkapitalisierung von 1,05 Billionen US‑Dollar werden Tesla‑Aktien derzeit bei etwa 340 $ gehandelt, ein Anstieg von 32,2 % im Jahresverlauf (YTD). Das Unternehmen hat ein EPS (TTM) von 3,65, ein KGV (TTM) von 90,07 und eine Eigenkapitalrendite (ROE) (TTM) von 20,65 %. Das Verhältnis von Schulden zu Eigenkapital (MRQ) beträgt 11,01 %.

Für das 3. Quartal 2024 meldete einen Umsatz von 23,35 Milliarden US‑Dollar und einen Nettogewinn von 2,17 Milliarden US‑Dollar. Die Gewinnspannen erhöhten sich um 739 Millionen US‑Dollar dank Einnahmen aus automobilen Regulierungs‑Credits, die sich daraus ergeben, dass Regulierungsbehörden Automobilhersteller verpflichten, eine bestimmte Anzahl emissionsarmer Fahrzeuge zu verkaufen oder Credits von Unternehmen wie Tesla zu kaufen, die ausschließlich solche Fahrzeuge bauen und daher überschüssige Credits besitzen.

In diesem Quartal produzierte der Automobilhersteller 470.000 Fahrzeuge und lieferte 463.000 Fahrzeuge. Kürzlich stellte er zudem ein Robotaxi und einen Robovan vor.

Klicken Sie hier, um alles über Tesla zu erfahren.

Fazit 

Die sich rasant erweiternde Welt autonomer Fahrzeuge weist auf eine Zukunft mit gesteigerter Mobilität, reduziertem Verkehrsaufkommen, mehr Komfort und verbesserter Sicherheit hin.

Während das globale Marktvolumen für autonome Fahrzeuge voraussichtlich bis zum Ende dieses Jahrzehnts auf 13.632,4 Milliarden US‑Dollar anwachsen wird, wird der Markt für autonome Fahrsoftware, die für AVs unverzichtbar ist, voraussichtlich von 1,8 Milliarden US‑Dollar im Jahr 2024 auf 7 Milliarden US‑Dollar bis 2035 steigen.

Die wachsende Nachfrage nach effizienten und sicheren Transportlösungen ist der Grund für das Wachstum des Marktes für autonome Fahrsoftware. Da AVs allmählich populär werden und Akzeptanz finden, müssen Automobilhersteller Sicherheitstechnologien integrieren. Hier sorgt Fahrsoftware wie Autopilot für die Sicherheit des Fahrzeugs durch Algorithmen und Echtzeit‑Datenverarbeitung.

Um die Zukunft vollständig autonomer Fahrzeuge zu realisieren, benötigen wir jedoch mehr als nur technologische Fortschritte. Das Gewinnen des Vertrauens der Passagiere ist entscheidend, um eine breite Akzeptanz zu erreichen. Mit Lösungen wie TimelyTale, die sich auf zeitnahe und relevante Erklärungen konzentrieren, können Passagierbedenken besser adressiert und Vertrauen gefördert werden, wodurch ein stärker menschenzentrierter Ansatz für autonomes Fahren entsteht.

Solche Innovationen sind wichtig, um der Vision einer Zukunft, in der selbstfahrende Fahrzeuge nahtlos in unser tägliches Leben integriert sind, einen großen Schritt näher zu kommen und damit die städtische Mobilität zu transformieren.

Klicken Sie hier, um zu erfahren, wie autonome Taxis bis 2027 bis zu 4 Billionen US‑Dollar erwirtschaften werden.