CES

Selbstfahrende Modellautos im autonomen Miniaturwunderland

Um die Fähigkeiten ihrer Automotive-Software zu demonstrieren, hatte Continental-Tochter Elektrobit auf der CES einen Parcour aufgebaut, auf dem bis zu drei Modellautos völlig autonom fahren.

In Pocket speichern vorlesen Druckansicht 39 Kommentare lesen
Selbstfahrende Modellautos im autonomen Miniaturwunderland
Lesezeit: 1 Min.
Von
  • Nico Jurran

Die im Bereich Automotive-Software tätige Continental-Tochter Elektrobit hat auf der CES einen Parcour aufgebaut, auf dem bis zu drei Modellautos völlig autonom fahren. Die Fahrzeuge finden dabei die Fahrspuren selbständig, beachten aufgestellte "Verkehrsschilder" und halten Abstand zum vorausfahrenden Fahrzeug. Auch das Einparken in eine Parkbox beherrschen die kleinen Autos.

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmmung wird hier ein externes Video (Kaltura Inc.) geladen.

Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Kaltura Inc.) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.

Im Video ist zu erkennen, dass sich die Fahrzeuge beim Linksabbiegen vorsichtig in die Einmündung hineintasten und erst einmal ihre Umgebung nach anderen Fahrzeugen in ihrem Weg scannen. Da jedes Auto zudem ständig darauf achtet, nicht mit einem anderen Fahrzeug zu kollidieren, kommt es dabei ab und an zu "Schrecksekunden". Allerdings ist die Spielzeug-Lösung natürlich im Vergleich zu ausgewachsenen Systemen beschränkt.

Elektrobit hatte im vergangenen Jahr "EB robinos" vorgestellt, eine umfassende Software, mit der Automobilhersteller und Zulieferer hochautomatisierte Fahrfunktionen für ihre Serienmodelle entwickeln können. Bereits heute sind laut Entwickler mehr als drei Millionen Fahrzeuge auf der Straße, die den elektronischen Horizont von Elektrobit nutzen. Mit EB robinos Predictor kommt nun eine erweiterte Software für ein breiteres Modellspektrum auf den Markt.

EB robinos Predictor kombiniert hochgenaues Kartenmaterial mit präzisen topografischen Daten für die Entwicklung von vorausschauenden Fahrassistenzsystemen. Der selbstlernende Algorithmus ermöglicht die Implementierung fortschrittlicher Systeme, die präzise und aktuelle Positionierungsinformationen benötigen – darunter prädiktive Scheinwerfersteuerung, Kurvengeschwindigkeitswarnung und Verkehrszeichenerkennung. (nij)