VAIPOSA treibt verifizierbare KI für resiliente PNT-Systeme voran

Das Projekt VAIPOSA (Verifiable AI Positioning Applications) wurde im Juni erfolgreich abgeschlossen. Damit wurde ein wichtiger Schritt bei der Erforschung des Einsatzes Künstlicher Intelligenz (KI) zur Verbesserung der Robustheit und Zuverlässigkeit von Lösungen für Positionierung, Navigation und Zeitsynchronisation (PNT) erreicht. Das von der Europäischen Weltraumorganisation (ESA) im Rahmen ihres NAVISP-Programms finanzierte Projekt VAIPOSA wurde von der Fondazione Bruno Kessler (FBK) unter Beteiligung von GMV geleitet.  

Das Projekt untersuchte, wie sich KI-basierte Navigationsmethoden einsetzen lassen und gleichzeitig die für sicherheitskritische Anwendungen erforderliche Zuverlässigkeit, Rückverfolgbarkeit und Sicherheit gewährleistet werden können. VAIPOSA zeigte, dass die Kombination des globalen Satellitennavigationssystems (GNSS) mit SLAM (Simultaneous Localization and Mapping) in einem sicherheitsüberwachten Rahmen die Robustheit gegenüber eigenständigen Navigationslösungen verbessern kann, insbesondere in anspruchsvollen Umgebungen.

 GMV leistete einen Beitrag zur Navigationsarchitektur, indem das Unternehmen einen hochpräzisen virtuellen GNSS-PPP-Empfänger in den Open-Source-Simulator für autonomes Fahren CARLA integrierte. Dadurch konnte die GNSS-basierte Positionierung mit KI-basierten SLAM-Verfahren kombiniert werden. 

Die im Rahmen des Projekts durchgeführte Versuchskampagne umfasste Simulationen des autonomen Fahrens in unterschiedlichen städtischen Umgebungen sowie unter verschiedenen Wetter- und Sichtbedingungen. Eines der wichtigsten Ergebnisse war die Entwicklung und Bewertung des sogenannten Safety-Cage-Konzepts. Dieses überwacht das Verhalten der Navigationskomponenten, weist ihnen Zuverlässigkeitsgewichtungen zu und ermöglicht die Anwendung von Minderungsmaßnahmen, wenn ein anomales Verhalten erkannt wird. 

Es bestehen weiterhin wichtige Herausforderungen. Dazu gehören die Integration zusätzlicher Sensoren wie IMUs (Inertial Measurement Units) sowie der Bedarf an weiterer Forschung zur Integrität multisensorischer Navigationssysteme. Werden Daten aus GNSS, SLAM und weiteren Positionierungsquellen zusammengeführt, reicht es nicht aus, jede Komponente unabhängig zu bewerten. Vielmehr muss verstanden werden, wie die Informationen zu Unsicherheit, Zuverlässigkeit und Integrität der einzelnen Komponenten auf Systemebene kombiniert und weitergegeben werden müssen. Die Definition eines einheitlichen Rahmens für Unsicherheit und Integrität in Multisensorsystemen bleibt ein relevantes Thema für die zukünftige Forschung.