-
Die Erfindung betrifft ein Verfahren zum Betrieb eines Fahrzeugs nach der im Oberbegriff von Anspruch 1 näher definierten Art.
-
Viele Fahrzeugsysteme werden heutzutage ausfallsicher, auch als Fail-Safe bezeichnet, ausgelegt. Dies bedeutet, dass beim Auftreten eines Fehlers das jeweilige System in einen Abgesicherten- bzw. Notfallmodus schaltet, wodurch das Fahrzeugsystem zwar dazu in der Lage ist die jeweilige Fahrzeugfunktion weiter bereitstellen zu können, jedoch mit reduziertem oder eingeschränktem Umfang. Je nach Schwere des Fehlers kann es auch erforderlich sein die Fahrzeugfunktion zu beenden. Es kommen die unterschiedlichsten Fehlerursachen infrage, wie beispielsweise ein Sensorausfall, ein Fehler in der Datenübertragung über ein fahrzeuginternes Kommunikationsnetz, beispielsweise einen Feldbus, ein interner Fehler eines Steuergeräts des Fahrzeugs, oder auch das Ausbleiben von einem fahrzeugexternen Backend zu beziehender Daten und dergleichen. Beispielsweise kann ein Temperatursensor zur Messung der Kühlmitteltemperatur oder auch das Drosselklappensteuergerät ausfallen, sodass der Motor des Fahrzeugs in einen Notlaufmodus geschaltet wird, welcher es ermöglicht die nächste Werkstatt bei drastisch reduzierter Fortbewegungsgeschwindigkeit anzufahren.
-
Insbesondere bei komplexen Fahrzeugsystemen ist es wünschenswert die jeweilige Fahrzeugfunktion ausfallsicher bereitstellen zu können, um den Betrieb des Fahrzeugs aufrecht zu erhalten. Da es bei komplexen Fahrzeugsystemen besonders viele Fehlerursachen geben kann, ist hier das Erfordernis entsprechende Maßnahmen bereitzustellen besonders hoch.
-
Aus der
EP 2 892 199 A1 ist ein globales Automotive Sicherheitssystem bekannt. Das Sicherheitssystem umfasst einen sogenannten Watchman, der in die Bordelektronik eines Fahrzeugs integriert wird. Hierbei kann es sich um eine dedizierte Recheneinheit handeln, oder aber der Watchman kann in Form von Software auf einer bereits im Fahrzeug verbauten Recheneinheit implementiert werden. Der Watchman hat die Aufgabe über ein Kommunikationsnetz des Fahrzeugs übertragene Daten zu analysieren und in Abhängigkeit der jeweiligen Ausprägung der Daten ein anormales Verhalten aufzudecken. Hierdurch sollen Cyberangriffe auf das Fahrzeug aufgedeckt werden. Erkennt der Watchman ein anormales Verhalten, so können Gegenmaßnahmen eingeleitet werden, wie das Melden des anormalen Verhaltens an eine zentrale Stelle oder auch das Abmindern bzw. Eindämmen der jeweiligen Ursache des anormalen Verhaltens. Dabei kann der Watchman als Reaktion auf ein anormales Verhalten einen den Zustand des Fahrzeugs beschreibenden Zustandsmerkmalvektor anpassen.
-
Der vorliegenden Erfindung liegt die Aufgabe zugrunde ein verbessertes Verfahren zum Betrieb eines Fahrzeugs anzugeben, durch dessen Ausführung das Fahrzeug besonders ausfallsicher betreibbar ist.
-
Erfindungsgemäß wird diese Aufgabe durch ein Verfahren zum Betrieb eines Fahrzeugs mit den Merkmalen des Anspruchs 1 gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen ergeben sich aus den hiervon abhängigen Ansprüchen.
-
Ein gattungsgemäßes Verfahren zum Betrieb eines Fahrzeugs, wobei über ein fahrzeuginternes Kommunikationsnetz übertragene Informationen und/oder im Fahrzeug verarbeitete Informationen auf Anomalien hin untersucht werden, und wobei als Folge des Erkennens zumindest einer Anomalie eine Reaktion ausgelöst wird, wird erfindungsgemäß dadurch weitergebildet, dass
- - eine fahrzeuginterne Recheneinheit zum Feststellen einer Anomalie überprüft, ob zumindest ein von den Informationen umfasster Parameter außerhalb eines festgelegten zulässigen Wertebereichs liegt; und wenn ja:
- - die fahrzeuginterne Recheneinheit den Wert des Parameters durch einen künstlich erzeugten Wert innerhalb des zulässigen Wertebereichs ersetzt.
-
Vom Fahrzeug bereitstellbare Fahrzeugfunktionen erfordern Informationen als Eingangsgröße. Sollte einer dieser Informationen fehlerhaft sein, so ist das Bereitstellen der jeweiligen Fahrzeugfunktion gefährdet. Das erfindungsgemäße Verfahren sieht somit vor, die jeweiligen Informationen im Fahrzeug zu überwachen und Anomalien festzustellen. Parameter, die außerhalb ihres zulässigen Wertebereichs liegen, werden identifiziert und durch künstlich erzeugte Werte innerhalb des zulässigen Wertebereichs ersetzt. Somit ist es möglich die korrekte Funktionsweise das die Informationen verarbeitenden Fahrzeugsystems zuverlässig sicherzustellen. Hierdurch wird die Ausfallsicherheit des Fahrzeugs verbessert.
-
Das Fahrzeug kann dabei ein oder auch mehrere isoliert zueinander oder auch miteinander kommunikativ verbundene Kommunikationsnetze aufweisen. Jedes Kommunikationsnetz kann individuell überwacht werden. Beispielsweise handelt es sich jeweils um einen Feldbus wie eine CAN-Bus, eine Ethernet-Datenleitung oder dergleichen. Es gibt verschiedene Quellen für Informationen wie Sensoren, Steuergeräte, Aktoren, oder auch fahrzeugexterne Quellen, wie eine über das Internet mit dem Fahrzeug verbundene zentrale Recheneinrichtung, beispielsweise in Form eines Cloudservers. Insbesondere liegen die im Fahrzeug übertragenen und/oder verarbeiteten Informationen in einem speziellen Datenformat und/oder Datenstruktur vor. Dieses Datenformat kann abhängig sein vom jeweiligen Transportprotokoll des Kommunikationsnetzes. Insbesondere sind jeweilige Daten bzw. Informationen tabellarisch angeordnet bzw. sortiert.
-
Die im Fahrzeug übertragenen bzw. verarbeiteten Informationen umfassen Parameter. Durch einen Parameter wird die jeweilige Art der Information beschrieben, also beispielsweise von welcher Quelle eine Information stammt, an welches Ziel die jeweilige Information verschickt werden soll, die Höhe des jeweiligen Werts des Parameters, sowie Metadaten, wie beispielsweise ein Zeitstempel. Bei einem Parameter kann es sich beispielsweise um einen von einem bestimmten Temperatursensor gemessenen Temperaturwert, einen Zustand eines Fahrzeugsteuergeräts, einen Zustand eines Aktors des Fahrzeugs und dergleichen handeln. Für jeweilige Parameter können dabei individuelle zulässige Wertebereiche vorliegen. Für einen Temperatursensor kann dieser zulässige Wertebereich beispielsweise im Bereich zwischen -100° C bis 500° C liegen. Außerhalb dieses Wertebereichs liegende Werte sind unplausibel. Hierzu kann die fahrzeuginterne Recheneinheit eine entsprechende Datenbank bevorraten, in der für jeweilige Parameter jeweilige zulässige Wertebereiche gespeichert sind. Erkennt die Recheneinheit eine Anomalie, also zumindest einen außerhalb seines zulässigen Wertebereichs liegenden Parameter, so erzeugt die Recheneinheit für diesen Parameter einen Wert künstlich, mit dem der außerhalb des zulässigen Wertebereichs liegende Wert ersetzt wird. Dieser künstlich erzeugte Wert kann dann für weitere Funktionen im Fahrzeug genutzt werden. Hierbei kommen generell verschiedene Möglichkeiten infrage, wie hoch die fahrzeuginterne Recheneinheit den jeweiligen künstlich zu erzeugenden Wert ansetzt. Beispielsweise kann es verschiedene Randbedingungen geben, welche angeben, in Abhängigkeit sonstiger im Fahrzeug übertragener und/oder verarbeiteter Informationen, wie hoch der jeweilige künstlich zu erzeugende Wert ausfallen soll. Es könnten auch im einfachsten Falle fixe Werte definiert werden, sodass immer der gleiche künstlich erzeugte Wert für einen jeweiligen Parameter generiert wird. Dabei kommen auch Mischformen infrage, sodass für einige Parameter fixe Werte und für andere Parameter in Abhängigkeit sonstiger Informationen in ihrer Höhe variable Werte künstlich erzeugbar sind.
-
Eine vorteilhafte Weiterbildung des erfindungsgemäßen Verfahrens sieht dabei vor, dass die Recheneinheit den Parameter als außerhalb seines festgelegten Wertebereichs erachtet, wenn der Parameter einen parameterspezifischen Fehlerwert annimmt. Somit ist es für die Recheneinheit besonders klar nachvollziehbar, dass eine jeweilige Anomalie vorliegt. Für die unterschiedlichsten Informationsquellen bzw. Parameter können die verschiedensten Fehlerwerte vorliegen. Insbesondere handelt es sich bei einem Fehlerwert um einen besonders untypischen Wert, wie beispielsweise 9999, 0 oder -1. Ein solcher Fehlerwert kann auch als Fehlercode erachtet werden. Fällt beispielsweise ein Temperatursensor aus, so nimmt der Wert des entsprechenden Parameters beispielsweise -9999 an.
-
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens stellt eine fahrzeuginterne Recheneinheit eine vom Parameter abhängige Funktion bereit, und verwendet den Parameter mit dem künstlich erzeugten Wert zur Bereitstellung der Funktion. Bei dieser Recheneinheit kann es sich um dieselbe oder auch eine andere Recheneinheit handeln, als diejenige Recheneinheit, die die Informationen im Fahrzeug auf Anomalien hin untersucht und entsprechende künstliche Werte erzeugt. Mit anderen Worten werden im Fahrzeug generierte künstliche Werte als Eingangsdaten von Fahrzeugsystemen zur Bereitstellung von Fahrzeugfunktionen eingelesen und wie jeweiligen Parameter außerhalb eines Fehlerfalls verarbeitet. Dies erlaubt es die jeweiligen Fahrzeugfunktionen uneingeschränkt weiter bereitstellen zu können. Fällt beispielsweise der Temperatursensor einer Kühlmittelmessung aus, so kann ein Wert hierfür innerhalb des zulässigen Wertebereichs künstlich generiert werden, beispielsweise in Höhe von 90° C. Den Parameter als Eingangsgröße verarbeitende Fahrzeugsysteme, beispielsweise ein Motorsteuergerät, können somit den normalen Betrieb aufrechterhalten. So lässt sich verhindern, dass das Motorsteuergerät den Motor in den Notlaufmodus schaltet.
-
Eine weitere vorteilhafte Ausgestaltung des erfindungsgemäßen Verfahrens sieht ferner vor, dass die Recheneinheit den Wert des Parameters künstlich unter Einsatz von künstlicher Intelligenz erzeugt, insbesondere unter Verwendung eines hierzu trainierten großen Sprachmodells. Im einfachsten Falle wird für jeden Parameter ein fester künstlich zu erzeugender Wert vorgegeben. So kann beispielsweise bei Ausfall besagten Temperatursensors immer 90° C als künstlicher Wert vorgegeben werden. Dies birgt jedoch ein gewisses Risiko, da bei Ausfall des entsprechenden Temperatursensors die tatsächliche Kühlmitteltemperatur nicht mehr festgestellt werden kann, sodass, sollte tatsächlich ein Schaden vorliegen und nicht nur der Sensor ausgefallen sein, eine gefährliche Kühlmitteltemperatur erreicht werden kann. In diesem Falle muss der entsprechende Notlaufmodus aktiviert werden, um eine Beschädigung des Fahrzeugs bzw. von Fahrzeugkomponenten zu vermeiden.
-
So sieht eine weitere bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens ferner vor, dass die Recheneinheit die Höhe des künstlich zu erzeugenden Werts des Parameters in Abhängigkeit wenigstens eines weiteren von den Informationen umfassten Parameters bestimmt. Rückbezogen auf besagten Kühlmittelfall könnte hierzu die Recheneinheit beispielsweise die Fahrzeuggeschwindigkeit, die Öltemperatur, die derzeitige Anzahl der Motorumdrehungen pro Minute, die Außentemperatur und dergleichen erfassen und zur Bestimmung des künstlich zu erzeugenden Werts berücksichtigen. So können Bedingungen ermittelt werden, aus denen die sich normalerweise einstellende Höhe des Werts des Parameters ergeben würde. Dies erlaubt es für einen außerhalb seines zulässigen Wertebereichs liegenden Parameter einen solchen Wert künstlich zu erzeugen, der tatsächlich dem realen Wert ohne Fehlerfall entsprechen würde bzw. diesem mit einer gewissen Wahrscheinlichkeit nahe liegen würde. Hierzu könnten generell feste Regeln definiert werden, wie hoch ein jeweiliger Wert in Abhängigkeit von anderen Parametern gewählt werden soll. Unter dem Einsatz von künstlicher Intelligenz lassen sich hier jedoch besonders einfach und besonders zuverlässig, auch unter Analyse eines besonders großen Datensatzes mit besonders vielen anderen Parametern, entsprechende Muster in den im Fahrzeug übertragenen und/oder verarbeiteten Informationen erkennen. Unter Einsatz von künstlicher Intelligenz ist es also noch zuverlässiger möglich besonders reale Werte von Parametern künstlich zu erzeugen. So könnte im Notfall abgeschätzt werden, dass die Kühlmitteltemperatur wahrscheinlich unzulässig hoch ist, und der Notlaufmodus für den Motor doch noch aktiviert werden.
-
Insbesondere werden zum Erzeugen der künstlichen Parameterwerte generative Kls eingesetzt, wie große Sprachmodelle, auch als Large Language Model (LLM) bezeichnet. Ein solches großes Sprachmodell erlaubt es jeweilige Eingaben zur Erzeugung von künstlichen Werten von Parametern in Form von natürlicher Sprache zu formulieren. Die jeweilige Datenstruktur kann dabei an das Datenformat der jeweiligen Information angepasst sein. Somit lässt sich zuverlässig erreichen, dass für alle gängigen im Fahrzeug übertragenen und/oder verarbeiteten Informationen entsprechende Werte künstlich erzeugt werden können.
-
In einer besonders bevorzugten Ausführungsform analysiert dabei die künstliche Intelligenz, insbesondere in Form des großen Sprachmodells, so viele zum Zeitpunkt des Detektierens der Anomalie im Fahrzeug aktuell übertragene Informationen und/oder verarbeitete Informationen wie nur möglich. Dies ermöglicht es dem großen Sprachmodell den Kontext der jeweiligen Fehlerursache, also die Ursache für das Auftreten der Anomalie, noch zuverlässiger ins richtige Licht zu rücken. Insbesondere kann das große Sprachmodell hierzu eine jeweilige Parameterquelle, das Ziel des Parameters, ein Betriebszustand des Fahrzeugs, ein Betriebszustand einer Fahrzeugfunktion, einen Zustand einer Fahrzeugkomponente, beispielsweise eines Sensors, eines Steuergeräts, eines Aktors oder dergleichen berücksichtigen.
-
Beispielsweise kann im Fahrzeug eine Funktion zur Berechnung eines sogenannten „Eco-Scores“ ausgeführt werden. Mittels des Eco-Scores lässt sich der fahrzeugführenden Person veranschaulichen, wie sportlich, nachhaltig oder vorausschauend das Fahrzeug gefahren wird. Beispielsweise kann der Funktionsaufruf des Eco-Scores fehlschlagen. An das große Sprachmodell kann dann eine Anfrage gestellt werden, den Eco-Score künstlich zu erzeugen. Ein entsprechender Anfragetext an das große Sprachmodell kann beispielsweise enthalten: „Fahrer fährt mit 100 km/h auf der Autobahn, Gaspedalstellung konstant, Bremspedal nicht aktiviert, hoher Abstand zum Vordermann. Gebe aus, ob der Fahrer sportlich, ökologisch oder vorausschauend fährt und Gewichte die drei Kriterien.“ Als Antwort kann das große Sprachmodell beispielsweise in tabellarischer Form liefern: sportlich-weniger zutreffend; ökologisch-deutlich zutreffend; vorausschauend-vermutlich zutreffend.
-
Ergänzend kann eine im Fahrzeug nutzbare künstliche Intelligenz, insbesondere eine generative künstliche Intelligenz, weitere Daten erzeugen, wie beispielsweise ein Bild. Eine Eingabe an die entsprechende KI könnte lauten: „Zeichne ein Bild eines weniger sportlichen, deutlich ökologischen, vermutlich vorausschauend fahrenden Autofahrers!“
-
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens wird das große Sprachmodell auf der Recheneinheit oder einer kommunikativ an die Recheneinheit angebundenen fahrzeugexternen Recheneinrichtung ausgeführt. Bei der fahrzeugexternen Recheneinrichtung kann es sich beispielsweise um einen Cloudserver bzw. Serververbund handeln. Auf der fahrzeugexternen Recheneinrichtung können besonders leistungsstarke Hardwarekomponenten verbaut sein, die eine Verarbeitung von Eingaben durch das große Sprachmodell in einer vergleichsweise kurzen Zeitdauer erlauben. So kann die Latenz zur Erzeugung künstlich zu generierender Werte reduziert werden. Zudem erlaubt es dies leistungsschwächere Hardware im Fahrzeug zu verbauen. Kann die fahrzeugexterne Recheneinrichtung jedoch nicht kontaktiert werden, beispielsweise weil sich das Fahrzeug in einem Funkloch aufhält, so besteht das Risiko, dass keine Werte von Parametern künstlich erzeugt werden können. Daher kann es auch alternativ vorteilhaft sein, das große Sprachmodell auf einer Recheneinheit im Fahrzeug auszuführen. Hierzu sollte jedoch bevorzugt die Recheneinheit vergleichsweise leistungsfähige Hardwarekomponenten aufweisen, um in ausreichend kurzer Zeit entsprechende Eingaben verarbeiten zu können. Hierdurch steigen jedoch die Kosten und auch der Energiebedarf der jeweiligen Recheneinheit an.
-
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens führt die Recheneinheit die künstliche Intelligenz nur dann aus, wenn die Recheneinheit eine Anomalie entdeckt, insbesondere eine in einer durch die Recheneinheit zugreifbare Anomaliedatenbank vorgehaltenen Musteranomalie. Zur Bereitstellung bzw. Ausführung von künstlicher Intelligenz, insbesondere in Form des großen Sprachmodells, wird vergleichsweise viel Energie benötigt. Vorteilhafterweise wird somit die künstliche Intelligenz nicht ausgeführt, wenn sie auch nicht benötigt wird. Somit lässt sich der Energiebedarf der Recheneinheit und damit des Fahrzeugs senken.
-
Situationsabhängig kann es gegebenenfalls nicht möglich sein entsprechende Werte von Parametern künstlich zu erzeugen, beispielsweise weil besondere Randbedingungen vorliegen oder das künstliche Erzeugen von Parameterwerten für diese Fahrzeugfunktion nicht unterstützt wird. So kann es beispielsweise einige sicherheitsrelevante Fahrzeugfunktionen geben, die nicht künstlich durch das künstliche Erzeugen von Parameterwerten am Laufen gehalten werden dürfen. Um dem gerecht zu werden, können jeweilige Parameter bzw. Fahrzeugfunktionen und die damit verknüpften Anomalien in einer Anomaliedatenbank gespeichert werden. In dieser Anomaliedatenbank lassen sich dann Musteranomalien aufnehmen, bei denen es sich um Anomalien handelt, bei denen es zulässig ist für jeweilige Parameter Werte künstlich zu erzeugen. Dies bedeutet, dass die Recheneinheit beim Entdecken einer Anomalie zuerst überprüft, ob es sich um eine Musteranomalie handelt oder nicht. Handelt es sich um eine Musteranomalie, so startet die Recheneinheit die Ausführung der künstlichen Intelligenz. Handelt es sich hingegen nicht um eine Musteranomalie, so wird auch die künstliche Intelligenz nicht ausgeführt.
-
Eine weitere vorteilhafte Ausgestaltung des erfindungsgemäßen Verfahrens sieht ferner vor, dass die Recheneinheit die Ausgabe einer Informationsnachricht an einen Fahrzeuginsassen bewirkt, wenn die Recheneinheit den Wert des Parameters durch den künstlich erzeugten Wert ersetzt. Generell liegt beim Eintreffen der Anomalie eine Störung bzw. ein Fehlerfall im Fahrzeug vor. Entsprechend sollten Maßnahmen getroffen werden, der Fehlerursache auf den Grund zu gehen und gegebenenfalls den Fehler zu beheben. Über die Informationsnachricht lässt sich ein Fahrzeuginsasse, wie beispielsweise die fahrzeugführende Person oder eine Person in einem Kontrollzentrum für autonome Fahrzeuge, über die entsprechende Situation informieren. Die Informationsnachricht kann dabei lediglich eine Information umfassen, dass ein bestimmter Parameter künstlich ersetzt wurde. Vorteilhafterweise kann dabei auch noch eine Information enthalten sein, welche Fahrzeugfunktionen von diesem Parameter abhängig sind und so entsprechend weiter bereitgestellt werden können. Auch kann die Informationsnachricht eine Warnung enthalten, um den Fahrzeuginsassen auf die durch das künstliche Ersetzen des Parameters potentiell einhergehende Gefahr aufmerksam zu machen. Ebenfalls kann die Informationsnachricht eine Empfehlung enthalten, wie weiter vorgegangen werden sollte. Beispielsweise könnte das Fahrzeug der fahrzeugführenden Person empfehlen eine Werkstatt aufzusuchen, um den Fehler beheben zu lassen. Die Informationsnachricht kann dabei auf einem haptischen, akustischen und/oder visuellen Übertragungsweg ausgegeben werden. Beispielsweise könnten von der fahrzeugführenden Person berührte Oberflächen wie das Lenkrad oder ein Fahrzeugsitz vibrieren. Auch könnten Warntöne im Fahrzeug erklingen, beispielsweise durch Betätigen eine Glocke oder Ausgeben von Geräuschen über Lautsprecher. Auch kann die Information akustisch durch computergenerierte Sprache vermittelt werden. Zur visuellen Ausgabe der Informationsnachricht können beispielsweise Warnlampen im Fahrzeug aufleuchten und/oder ein Text, gegebenenfalls ergänzt durch Piktogramme, Symbole, Bilder, von generativer künstlicher Intelligenz generierte Bilder oder dergleichen auf einer Anzeigevorrichtung, beispielsweise der Headunit oder dem Kombiinstrument, dargestellt werden.
-
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens überträgt das Fahrzeug, wenn die Recheneinheit den Wert des Parameters durch den künstlich erzeugten Wert ersetzt, zumindest einen Teil der über das fahrzeuginterne Kommunikationsnetz übertragenen Informationen und/oder der im Fahrzeug verarbeiteten Informationen zur Analyse an eine fahrzeugexterne Recheneinrichtung. Wie bereits erwähnt, kann es sich bei der Recheneinrichtung beispielsweise um einen vom Fahrzeughersteller betriebenen Cloudserver handeln. Es könnte sich jedoch auch um einen Rechner in einer Fahrzeugwerkstatt handeln. Dies ermöglicht eine Begutachtung der das Auslösen der Anomalie beschreibenden Informationen durch eine externe Stelle, wie eine besagte Servicewerkstatt oder den Fahrzeughersteller selbst. Dies ermöglicht es neben einer Erkennung der Fehlerurasche auch den korrekten Betrieb zur ausfallsicheren Bereitstellung jeweiliger Fahrzeugfunktionen, also die korrekte Durchführung des erfindungsgemäßen Verfahrens, zu überprüfen und gegebenenfalls weiterzuentwickeln. So können beispielsweise durch die Recheneinheit künstlich erzeugte Werte von Parametern hinsichtlich ihrer größtmöglichen Plausibilität überprüft werden. Auch kann nachgeschaut werden, ob bestimmte Fahrzeugfunktionen überdurchschnittlich häufig durch das künstliche Erzeugen von Parameterwerten am Laufen gehalten werden. So kann eine allgemeine Schwäche einer jeweiligen Fahrzeugfunktion aufgedeckt werden.
-
Die Erfindung betrifft ferner ein Verfahren zum Trainieren eines in einem im vorigen beschriebenen Verfahren einsetzbaren großen Sprachmodells. Das erfindungsgemäße Verfahren zum Trainieren des großen Sprachmodells sieht erfindungsgemäß das Durchführen der folgenden Schritte vor:
- - Aggregieren zumindest einer Teilmenge der über ein Kommunikationsnetz eines Trainingsfahrzeugs übertragenen Informationen und/oder der im Trainingsfahrzeug verarbeiteten Informationen; und
- - Zuführen der Informationen zu einem großen Sprachmodell als Grundwahrheit.
-
Das große Sprachmodell verarbeitet die entsprechenden Eingangsdaten und ist dadurch dazu in der Lage Zusammenhänge in den Informationen zu erkennen, die beschreiben, wie sich die von den Informationen umfassten Parameter in Abhängigkeit zueinander über der Zeit entwickeln. So lassen sich anwendungsspezifische Zusammenhänge antrainieren. So können sich in Abhängigkeit der Werte der Parameter jeweils andere Werte oder Wertebereiche ändern, eine bestimmte statistische Verteilung in den Werten bilden, sich Werte gegenseitig beeinflussen und Ähnlichkeiten zwischen Werten bestehen und dergleichen. Dies ermöglicht es dem großen Sprachmodell für einen bestimmten Parameter, der außerhalb seines zulässigen Wertebereichs liegt, in Abhängigkeit der sonstigen durch die Informationen beschriebenen Parameter abzuschätzen, welcher künstlich zu erzeugende Wert des außerhalb seines zulässigen Wertebereichs liegenden Parameters plausibel wäre. Die im jeweiligen Trainingsfahrzeug übertragenen bzw. verarbeiteten Informationen können dabei insbesondere abhängig sein vom individuellen Fahrverhalten, dem Fahreinsatz, der Fahrzeugumgebung und dergleichen. Solche Randbedingungen können sich ebenfalls während der Nutzung des Trainingsfahrzeugs als Parameter erfassen lassen und als weitere Eingangsgröße dem großen Sprachmodell zuführen lassen.
-
Das große Sprachmodell kann bereits zur Verarbeitung von tabellarischen Daten vortrainiert sein. Das große Sprachmodell kann bevorzugter Weise Methoden des maschinellen Lernens, wie sogenannte Transformer oder Aufmerksamkeit-basierte Methoden einsetzen.
-
Auch kann ein allgemeines Sprachmodell auf die entsprechende Datenstruktur des Trainingsfahrzeugs fein angepasst werden. Dies wird auch als sogenanntes „fine-tuning“ bezeichnet.
-
Eine vorteilhafte Weiterbildung des erfindungsgemäßen Verfahrens zum Trainieren des großen Sprachmodells sieht ferner vor, dass als Trainingsfahrzeug ein in einer Testumgebung ausgeführtes virtuelles Fahrzeug, ein in einer Testumgebung genutztes reales Entwicklerfahrzeug und/oder ein sich im Bezug auf die Lebensdauer in der Einsatzphase befindliches Flottenfahrzeug verwendet wird. Zum Trainieren des großen Sprachmodells können also in einem Fahrzeug generierte Informationen genutzt werden, die von einem simulierten Fahrzeug, einem Testfahrzeug oder einem Kundenfahrzeug stammen. Handelt es sich um ein virtuelles Fahrzeug, so handelt es sich bei der Testumgebung um eine auf einem Rechnersystem ablaufende Simulation. Handelt es sich bei dem Trainingsfahrzeug um ein reales Entwicklerfahrzeug, so kann es sich bei der Testumgebung um einen isolierten Ausschnitt der realen Welt, wie beispielsweise eine Teststrecke oder Rennstrecke handeln, oder aber auch um die reale Welt selbst. So können die Entwickler mit dem Entwicklerfahrzeug beispielsweise Testfahrten im realen Straßenverkehr unternehmen. Insbesondere ist das Entwicklerfahrzeug im Gegensatz zum Flottenfahrzeug mit zusätzlicher Sensorik und Peripherie ausgestattet. Insbesondere wird das große Sprachmodell auf Basis der durch ein virtuelles Fahrzeug und/oder ein Entwicklerfahrzeug generierten Informationen initial vortrainiert und dann über die Lebensdauer hinweg beständig nachtrainiert. Für dieses Nachtraining werden bevorzugt die von den Fahrzeugen der Fahrzeugflotte generierten Informationen verwendet. Zusätzlich kann auch für das Nachtraining von virtuellen Fahrzeugen und/oder Entwicklerfahrzeugen stammende Informationen genutzt werden. Insbesondere erfolgt ein zyklisches Wiederholen des Trainings des großen Sprachmodells. Beispielsweise kann eine solche Trainingsiteration erfolgen, wenn eine bestimmte Stapelgröße, auch als „batch size“ bezeichnet, an Informationen für das Training angesammelt wurde.
-
Eine weitere vorteilhafte Ausgestaltung des erfindungsgemäßen Verfahrens sieht ferner vor, dass jeweils ein großes Sprachmodell individuell trainiert wird, basierend auf:
- - durch das virtuelle Fahrzeug und/oder durch das Entwicklerfahrzeug erzeugte Informationen; und
- - durch wenigstens ein Flottenfahrzeug erzeugte Informationen; wobei beide große Sprachmodelle einen Wert für einen außerhalb seines festgelegten Wertebereichs liegenden Parameter erzeugen, die jeweiligen künstlich erzeugten Werte miteinander verglichen werden, und für das weitere Training zumindest eines der großen Sprachmodelle zumindest eine Teilmenge der in zumindest einem der Fahrzeuge generierten Informationen genutzt werden, wenn sich die beiden künstlich erzeugten Werte über ein festgelegtes Maß zueinander unterscheiden. Es ist also möglich verschiedene unterschiedlich trainierte große Sprachmodelle zu generieren und für den Einsatz im erfindungsgemäßen Verfahren vorzuhalten. Insbesondere wird dabei ein erstes großes Sprachmodell auf Basis vom Fahrzeughersteller unter kontrollierten Bedingungen generierter Informationen trainiert, sprich Informationen, welche durch das virtuelle Fahrzeug und/oder das Entwicklerfahrzeug generiert wurden. Ein weiteres großes Sprachmodell wird anhand der von den Flottenfahrzeugen des Fahrzeugherstellers generierten Informationen trainiert. Hierbei handelt es sich um reale Anwendungsfälle in einer nicht kontrollierten Umgebung.
-
Anschließend kann insbesondere in einer kontrollierten Umgebung, also beispielsweise in einer Entwicklerumgebung, die Leistungsfähigkeit der beiden großen Sprachmodelle miteinander verglichen werden. Hierzu wird den beiden großen Sprachmodellen die gleiche Aufgabe gestellt. So soll für ein und denselben Parameter, der außerhalb seines zulässigen Wertebereichs liegt, durch die jeweiligen großen Sprachmodelle ein künstlich zu erzeugender Wert bestimmt werden. Dieser Wert wird dann miteinander verglichen. Ist der Abstand größer als ein gewisses Maß, beispielsweise ein quadratisches Abstandsmaß, so können weitere Schritte eingeleitet werden. So deutet dies nämlich darauf hin, dass die unter den kontrollierten Bedingungen vorgegebenen Randbedingungen stark abweichen zu den realen im Feld angetroffenen Bedingungen. Auch könnte das auf Basis der im virtuellen Fahrzeug und/oder Entwicklerfahrzeug generierten Informationen trainierte große Sprachmodell eine gänzlich andere Struktur aufweisen, als das durch die von Flottenfahrzeugen generierten Informationen trainierte große Sprachmodell, was es ebenfalls zu analysieren gilt. Auf Basis der hieraus gewonnen Erkenntnisse kann ein zielorientiertes, schnelles und datensparsames fine-tuning der jeweiligen großen Sprachmodelle erfolgen. Dabei können sowohl die in den jeweiligen virtuellen Fahrzeugen bzw. Entwicklerfahrzeugen und/oder die in den jeweiligen Flottenfahrzeugen erhobenen Informationen genutzt werden, um zumindest eins der beiden, bevorzugt beide großen Sprachmodelle weiter zu trainieren.
-
Entsprechend einer weiteren vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens werden wenigstens zwei verschiedene große Sprachmodelle trainiert, auf der Basis von:
- - einer unterschiedlichen Teilmenge und/oder Art der Informationen; und/oder
- - in Abhängigkeit einer Quelle und/oder eines Ziels der jeweiligen Information und/oder einer jeweiligen Fahrzeugfunktion im Rahmen derer die jeweilige Information erzeugt und/oder verarbeitet wird.
-
Somit lassen sich für jeweilige Fahrzeugfunktionen bzw. Anwendungsfälle maßgeschneiderte große Sprachmodelle trainieren. Solche maßgeschneiderten großen Sprachmodelle sind besonders dazu geeignet für die dem jeweiligen Training zugrunde liegenden Einsatzfälle realistische Ergebnisse zu liefern. So können beispielsweise große Sprachmodelle erzeugt werden, die besonders gut dazu in der Lage sind, statistische Abhängigkeiten zwischen verschiedenen Parametern zu erkennen. Andere große Sprachmodelle können dann beispielsweise dazu in der Lage sein, besser Ähnlichkeiten zwischen den Werten von Parametern zu erkennen. Andere große Sprachmodelle eignen sich besser zur Verarbeitung der im Zusammenhang mit einer bestimmten Fahrzeugfunktion generierten bzw. verarbeiteten Daten insbesondere mit einem zeitlichen Bezug und dergleichen.
-
Eine weitere vorteilhafte Ausgestaltung des erfindungsgemäßen Verfahrens sieht ferner vor, dass das große Sprachmodell im Training gemäß einer der folgenden Methoden konditioniert wird:
- - feature name preconditioning;
- - name value-pair preconditioning; und/oder
- - multiple name-value pair preconditioning.
-
Beim sogenannten feature name preconditioning wird nur der jeweilige Merkmalsname, das heißt hier ein Bezeichner des jeweiligen Parameters, an das große Sprachmodell übergeben, welches nun dazu in der Lage ist, für diesen Parameter einen passenden Wert künstlich zu erzeugen. Beispielsweise kann es sich um den Namen, eine ID oder einen sonstigen eindeutigen Bezeichner eines speziellen Sensors, Steuergeräts, Userinterfaceelements oder dergleichen handeln.
-
Ebenso können Merkmalsnamen-Merkmalswertekombinationen vorgegeben werden, was auch als name value-pair preconditioning bezeichnet wird. Somit ist es möglich nicht nur generell künstliche Einträge für einen spezifischen Sensor oder dergleichen zu erzeugen, sondern auch die Höhe des jeweiligen künstlich zu erzeugenden Werts auf einen bestimmten Bereich oder sogar einen bestimmten Wert einzuschränken. So können beispielsweise spezielle Telemetriedaten des Fahrzeugs künstlich erzeugt werden, bei denen die Motordrehzahl einen bestimmten vorgegebenen Wert annimmt.
-
Des Weiteren können mehrere Merkmalsnamen-Merkmalswertekombinationen als Startwerte für die Erzeugung von Parameterwerten vorgegeben werden. Dies wird auch als multiple name-value pair preconditioning bezeichnet. Dabei kann ein einzelner Ausgangsparameter in Abhängigkeit mehrerer Eingangsparameter erzeugt werden oder aber auch mehrere Ausgangsparameter in Abhängigkeit eines oder mehrerer Eingangsparameter. Somit können künstlich zu erzeugende Parameterwerte von speziellen Kombinationen von beispielsweise Sensoren, Steuergeräten, Userinterfaceelementen und dergleichen und ihren jeweiligen aktuellen Werten abhängig gemacht werden. Beispielsweise können speziell solche Telemetriedaten künstlich erzeugt werden, bei denen die Motordrehzahl einen bestimmten vorgegebenen Wert hat und die von einem bestimmten Temperatursensor gemessene Außentemperatur einen anderen bestimmten vorgegebenen Wert hat. Somit lassen sich je nach Anwendungsfall geeignete Werte von Parametern künstlich erzeugen. Für den vormals genannten Fall, dass eine Kühlmitteltemperatur künstlich ersetzt werden soll, könnten dem großen Sprachmodell beispielsweise die folgenden Eingangswerte vorgegeben werden: Fahrzeuggeschwindigkeit 100km/h; Öltemperatur 80°C; derzeitige Motorumdrehungen pro Minute 1200 U/min; und: Außentemperatur 25°C.
-
Weitere vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens zum Betrieb eines Fahrzeugs und des erfindungsgemäßen Verfahrens zum Trainieren eines in einem solchen Verfahren einsetzbaren großen Sprachmodells ergeben sich auch aus dem Ausführungsbeispiel, welches nachfolgend unter Bezugnahme auf die Figur näher beschrieben wird.
-
Dabei zeigt 1 eine schematische Darstellung eines Ausschnitts eines fahrzeuginternen Kommunikationsnetzes.
-
In 1 ist der Ausschnitt eines fahrzeuginternen Kommunikationsnetzes 1 dargestellt. Das Kommunikationsnetz 1 kann mehrere Busleitungen umfassen, beispielsweise wie dargestellt eine erste Busleitung 9.1 und eine zweite Busleitung 9.2. Die Busleitungen 9.1, 9.2 können über ein sogenanntes Gateway 10, beispielsweise in Form eines Switches, Routers, Hub oder dergleichen miteinander verbunden sein. Die beiden Busleitungen 9.1, 9.2 können dasselbe oder auch ein unterschiedliches Kommunikationsprotokoll einsetzen. Insbesondere kann sich auch die Datenübertragungsrate in den jeweiligen Busleitungen 9.1, 9.2 unterscheiden. Beispielsweise handelt es sich um einen CAN-Bus und eine Ethernet-Datenleitung.
-
An die jeweilige Busleitung 9.1, 9.2 sind verschiedene Knoten angeschlossen, insbesondere im Form von Sensoren 11, Steuergeräten 12, Aktoren 13 und dergleichen. Ferner dargestellt ist eine Telekommunikationseinheit 14, über die das jeweilige Fahrzeug kommunikativ an eine fahrzeugexterne Recheneinrichtung 8 angeschlossen werden kann. Insbesondere erfolgt die Kommunikation drahtlos. Hierzu kann die Telekommunikationseinheit 14 das Fahrzeug beispielsweise per Mobilfunk, Wi-Fi oder dergleichen mit dem Internet verbinden.
-
Ferner ist eine fahrzeuginterne Recheneinheit 4 an das Kommunikationsnetz 1 angeschlossen. Die Recheneinheit 4 hat die Aufgabe über das Kommunikationsnetz 1 kommunizierte Informationen 2 und/oder im Fahrzeug verarbeitete Informationen 2 auf die Existenz von Anomalien 3 hin zu untersuchen. Dies ist in 1 anhand einer Tabelle veranschaulicht. So umfassen die Informationen 2 eine Vielzahl von Parametern 5, denen jeweilige Werte 6 zugeordnet sind. Insbesondere können besagte Parameter 5 tabellarisch angeordnet sein. Beispielsweise handelt es sich hierbei um die von einem bestimmten Sensor 11 zu einem bestimmten Zeitpunkt ausgelesene bzw. erfasste Größe.
-
Während der Nutzung des Fahrzeugs kann es zu unvorhergesehenen Fehlern kommen. Beispielsweise kann ein Sensor 11 ausfallen. Weitere Fehlerursachen können beispielsweise sein: eine Beeinträchtigung der Onbord-Kommunikation, eine Beeinträchtigung der Kommunikation zur externen Recheneinrichtung 8, eine Beeinträchtigung oder ein Ausfall einer Softwarefunktion, beispielsweise eines Programms zur Bereitstellung einer Fahrzeugfunktion, und dergleichen. Zur Erkennung solcher Anomalien 3 sind in der Recheneinheit 4 eine Vielzahl unterschiedlicher sogenannter Trigger-Funktionen implementiert. Eine solche Trigger-Funktion kann beispielsweise den Wert 6 eines jeweiligen Parameters 5 auf seinen zulässigen Werteberich hin untersuchen. Fällt der jeweilige Wert 6 des Parameters 5 aus diesem zulässigen Wertebereich heraus, so liegt eine Anomalie 3 vor. Bei dem in 1 gezeigten Ausführungsbeispiel ist beispielsweise der zur Messung der Kühlmitteltemperatur vorgesehenen Sensor ausgefallen. Dieser Sensor 11 kann in diesem Falle einen Fehlerwert 7 als Signal über das Kommunikationsnetz 1 verschicken.
-
Dies wird entsprechend durch die Recheneinheit 4 erkannt, woraufhin diese den Wert 6 des Parameters 5 durch einen künstlich erzeugten Wert 6* ersetzt.
-
Dieser künstliche erzeugte Wert 6* wird dann von der Recheneinheit 4 bzw. einem jeweiligen Steuergerät 12 zur Bereitstellung der ansonsten nur eingeschränkt oder zu beendenden Fahrzeugfunkton genutzt. Hierzu kann der entsprechende künstlich erzeugte Wert 6* ebenfalls über das Kommunikationsnetz 1 weitergeleitet werden. Hierdurch lässt sich beispielsweise verhindern, dass durch einen Ausfall des Kühlmitteltemperatursensors der Motor des Fahrzeugs in einen Notlaufmodus geschaltet wird.
-
Gemäß einer besonders vorteilhaften Ausführungsform des erfindungsgemäßen Verfahrens setzt die Recheneinheit 4 künstliche Intelligenz, bevorzugt ein sogenanntes großes Sprachmodell, zum künstlichen Erzeugen von Werten 6* ein. Mit Hilfe von künstlicher Intelligenz lassen sich zuverlässig und einfach beziehungsweise mit einer gewissen Wahrscheinlichkeit Zusammenhänge zwischen den jeweiligen Informationen 2, also den Parametern 5, beim Auftreten von Anomalien 3 erkennen. Somit können jeweilige Zusammenhänge situationsgerecht erkannt werden und für die jeweilige Situation eine passende Höhe für den Wert 6* ermittelt werden. So kann insbesondere die für den ausgefallenen Kühlmitteltemperatursensor zu bestimmende Temperatur in Abhängigkeit der aktuellen Fahrzeuggeschwindigkeit, Öltemperatur, Umdrehungsanzahl des Motors pro Minute sowie der Außentemperatur gewählt werden. Liegen die jeweiligen Größen im Normalbereich, so kann entsprechend eine übliche Kühlmitteltemperatur wie beispielsweise zwischen 80° C und 100° C, insbesondere 90° C, künstlich vorgegeben werden.
-
Ersetzt die Recheneinheit 4 einen jeweiligen Wert 6 durch einen Wert 6*, so kann bevorzugt ein Fahrzeuginsasse durch das Ausgeben einer entsprechenden Nachricht informiert werden.
-
Zudem kann die Recheneinheit 4 die künstliche Intelligenz nur dann ausführen, wenn diese durch das Detektieren einer entsprechenden Anomalie 3 auch benötigt wird. Hierdurch lässt sich der Energieverbrauch des Fahrzeugs senken.
-
Zudem kann das Fahrzeug im Zusammenhang mit dem Detektieren von Anomalien 3 aggregierten Informationen 2 an eine fahrzeugexterne Stelle, wie besagte fahrzeugexterne Recheneinrichtung 8, zur weiteren Analyse übersenden.
-
Erfindungsgemäß wird auch ein Verfahren zum Trainieren eines solchen großen Sprachmodells angegeben. Das große Sprachmodell wird anhand der im normalen Betrieb generierten Informationen 2 trainiert. Hierdurch ist das große Sprachmodell dazu in der Lage jeweilige Zusammenhänge zwischen den einzelnen Parametern 5 der Informationen 2 zu erkennen und somit besonders plausible Werte 6* künstlich zu erzeugen. Als Trainingsfahrzeug kann dabei ein virtuelles Fahrzeug in einer Simulationsumgebung, ein reales Entwicklerfahrzeug in einer Testumgebung oder auch ein sich im Einsatz befindliches Flottenfahrzeug eines Fahrzeugherstellers verwendet werden. Insbesondere wird das große Sprachmodell beständig weitertrainiert. Eine zentrale Verwaltung des großen Sprachmodells kann durch die fahrzeugexterne Recheneinrichtung 8 erfolgen. Es können auch mehrere auf spezielle Anwendungsfälle maßgeschneiderte große Sprachmodelle trainiert und eingesetzt werden. Diese können sich beispielsweise anhand der Aufgabe unterscheiden, sodass ein erstes großes Sprachmodell bevorzugt dazu eingesetzt wird Abhängigkeiten zwischen Parametern zu identifizieren, während ein anderes großes Sprachmodell dazu eingesetzt wird nur für bestimmte Parameter 5 spezielle Werte 6* zu erzeugen.
-
Dabei können auch die von verschiedenen großem Sprachmodellen erzeugten Werte 6* miteinander verglichen werden. So können Unterschiede zwischen einem auf der Basis von in einer kontrollierten Testumgebung erzeugten Informationen trainierten großen Sprachmodell und einem anhand von in Flottenfahrzeugen generierten realen Informationen trainierten großen Sprachmodell identifiziert werden.
-
Ein großes Sprachmodell kann auch konditioniert werden. Hierzu kommen verschiedene Konditionsmethoden infrage, wie beispielsweise feature name preconditioning, name value-pair preconditioning oder auch multiple name-value pair preconditioning.
-
Mit Hilfe der beiden erfindungsgemäßen Verfahren lässt sich das Fahrzeug besonders ausfallsicher und damit zuverlässig betreiben. Die Häufigkeit und Dauer von Ausfallzeiten einzelner Untersysteme lässt sich reduzieren. Da jeweilige Fahrzeugsysteme somit häufiger und länger bereitgestellt werden können, lässt sich auch die Sicherheit im Straßenverkehr erhöhen. Dies verbessert auch die Kundenakzeptanz für technische Lösungen.
-
Zur Bereitstellung der jeweiligen Verfahrensschritte wird in den einzelnen Rechnersystemen des Fahrzeugs entsprechender Programmcode vorgehalten, dessen Ausführung durch einen Prozessor das Bereitstellen der jeweiligen Verfahrensschritte erlaubt. Ebenfalls Teil der Erfindung ist somit ein computerlesbares Speichermedium zum Bevorraten des jeweiligen Programmcodes bzw. Computerprogrammprodukts. Ferner umfasst die Erfindung ein Fahrzeug, welches dazu eingerichtet ist, die erfindungsgemäßen Verfahrensschritte auszuführen.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-