Waymo stellt ein neues Referenzmodell für menschliche Kollisionsvermeidung vor. Die gemeinsam mit der TU Delft entwickelte Forschung trägt den Namen ReD, für Reference Driver. Der virtuelle Fahrer vergleicht die Fähigkeiten des autonomen Waymo Drivers mit dem Verhalten eines kompetenten menschlichen Fahrers.
Neues Sicherheitsmodell für autonomes Fahren
ReD erweitert Waymos bisherige Sicherheitsforschung zu Verhaltensmodellen im Straßenverkehr. Das Modell baut auf dem NIEON-Ansatz (Non-Impaired, with Eyes always ON) auf. Es untersucht, wann ein nicht beeinträchtigter Fahrer mit Blick auf die Gefahrensituation reagiert. ReD geht einen Schritt weiter: Es bildet den kompletten kognitiven Prozess während einer drohenden Kollision ab.
Dazu simuliert das System, wie ein menschlicher Fahrer seine Einschätzung laufend anpasst, Unsicherheiten über die Absichten anderer Verkehrsteilnehmer verarbeitet und schließlich ein Ausweichmanöver auswählt. Je nach Situation kann das Bremsen, Ausweichen oder eine Kombination aus beidem sein.
Wie ReD menschliches Fahrverhalten nachbildet
Im Kern basiert ReD auf dem Prinzip der sogenannten aktiven Inferenz. Dahinter steht die Annahme, dass menschliches Verhalten unter anderem darauf ausgerichtet ist, Überraschungen zu minimieren. Auf das Autofahren übertragen bedeutet es: Fahrer beobachten ihre Umgebung, bewerten mögliche Risiken und handeln so, dass kritische Situationen möglichst früh entschärft werden.
Genau diesen Ablauf versucht ReD in einer geschlossenen Schleife nachzubilden. Das Modell bewertet fortlaufend, wie sich eine Verkehrssituation entwickelt, welche Unsicherheiten bestehen und welche Reaktion ein kompetenter Mensch mit hoher Wahrscheinlichkeit wählen würde.
Warum das für die Bewertung autonomer Fahrzeuge wichtig ist
In der Autoindustrie werden seit Jahrzehnten physische und virtuelle Crashtest-Dummys eingesetzt, um die Sicherheit von Fahrzeugen zu prüfen. ReD überträgt dieses Prinzip auf das Verhalten im Verkehr. Statt nur die passive Sicherheit oder starre Testfälle zu betrachten, schafft Waymo damit einen Verhaltensmaßstab für die Frage, wie ein menschlicher Fahrer in Konfliktsituationen handeln würde.
Das ist vor allem für autonome Fahrzeuge relevant, weil ihre Sicherheit nicht nur von Sensoren und Hardware abhängt, sondern auch davon, wie sie auf komplexe und dynamische Verkehrslagen reagieren. Mit ReD lässt sich prüfen, ob ein autonomes System ähnlich umsichtig und vorausschauend handelt wie ein kompetenter Mensch.
ReD soll nicht im letzten Moment reagieren
Ein wichtiger Unterschied zu vielen klassischen Modellen liegt laut Waymo darin, dass ReD nicht nur spätes, reaktives Verhalten analysiert. Das Modell kann auch proaktive Kollisionsvermeidung abbilden. Es zeigt also, wie ein aufmerksamer Fahrer Risiken früh erkennt und bereits vorher so handelt, dass ein Konflikt gar nicht erst entsteht.
Gerade im realen Straßenverkehr ist dieser Punkt entscheidend. Viele kritische Situationen entstehen nicht plötzlich, sondern entwickeln sich schrittweise. Ein Modell, das diese Dynamik erfasst, kann die Sicherheitsbewertung autonomer Fahrzeuge realistischer machen.
Skalierbar für viele Verkehrsszenarien
Waymo hebt zudem die Skalierbarkeit von ReD hervor. Weil das Modell nicht auf manuell definierte Regeln und aufwendige menschliche Annotationen angewiesen ist, kann es auf große Testsätze mit vielen tausend Szenarien angewendet werden. So lassen sich komplexe reale Unfälle und kritische Verkehrssituationen in virtuellen Umgebungen nachbilden und auswerten.
Der Ansatz soll sich zudem nicht nur auf Kollisionsvermeidung beschränken. Laut Waymo kann die zugrunde liegende Methodik auch für andere Verhaltensweisen im Straßenverkehr erweitert werden, etwa für adaptive Fahrerreaktionen und Interaktionen zwischen verschiedenen Verkehrsteilnehmern.
Waymo setzt auf gemeinsamen Bewertungsmaßstab
Für Waymo ist ReD ein Baustein in der breiteren Diskussion darüber, wie sich die Sicherheit autonomer Fahrzeuge wissenschaftlich fundiert bewerten lässt. Das Unternehmen arbeitet nach eigenen Angaben mit Forschern, Regulierungsbehörden und Standardisierungsorganisationen wie SAE zusammen, um einen gemeinsamen Rahmen für solche Referenzmodelle zu schaffen.
Ziel ist ein transparenter und nachvollziehbarer Maßstab dafür, was als kompetente menschliche Reaktion in kritischen Verkehrssituationen gelten kann. Ein solcher Benchmark könnte der gesamten Branche helfen, Systeme zur Kollisionsvermeidung vergleichbarer zu bewerten.
Offener Forschungsansatz für die Branche
Um diese Entwicklung zu unterstützen, stellt Waymo den Forschungscode des Active-Inference-Modells für den akademischen Bereich zur Verfügung. Damit soll die weitere wissenschaftliche Auseinandersetzung mit Referenzmodellen für autonomes Fahren erleichtert werden.
Für die Elektromobilität und das autonome Fahren ist das Thema relevant, weil Sicherheit zunehmend nicht nur über klassische Fahrzeugtechnik definiert wird. Entscheidend ist auch, wie gut ein automatisiertes System menschliches Verhalten versteht, Risiken einschätzt und Konflikte auf der Straße vermeidet.
