Das „ deep learning concept“ ist ein Audi Q2 im Maßstab 1:8 und vollgestopft mit Technik. Er sucht und findet auf einem Feld von 3 x 3 Metern selbstständig eine geeignete Parkbucht in Form eines Metallrahmens und parkt dort ein.
Die Sensorik des „Audi Q2 deep learning concept“ besteht aus zwei Monokameras, die nach vorn und hinten gerichtet sind, sowie zehn Ultraschallsensoren rund um das Modell. Ein zentraler Bordrechner setzt ihre Informationen in Steuersignale für Lenkung und Elektromotor um. Auf der Fahrfläche ermittelt das Modellauto im ersten Schritt seine relative Position zum Parkplatz. Sobald es diesen erkennt, berechnet es, wie es sicher zum Ziel gelangt. Dabei rangiert das Modellauto, lenkt und fährt je nach Situation vorwärts oder rückwärts.
Die Fähigkeit zum Einparken erwirbt das Modellauto mittels Deep Reinforcement Learning. Dabei lernt das System mit Hilfe von Versuch und Irrtum. Zu Beginn wählt das Auto seine Fahrtrichtung nach dem Zufallsprinzip. Ein Algorithmus erkennt eigenständig die erfolgreichen Aktionen und verfeinert auf diese Weise die Park-Strategie immer weiter. So kann das System schließlich auch schwierige Aufgaben selbstständig lösen.
Aus dem Modellversuch wollen die Ingenieure im nächsten Schritt das Parkplatzsuch-Verfahren auf ein reales Auto übertragen.
