KI-Algorithmen für automatisiertes Fahren

Im Zuge der Entwicklung von automatisierten Fahrfunktionen rücken KI-basierte Algorithmen zunehmend in den Fokus. Insbesondere in dem Gebiet der Trajektorienpr?diktion von Fahrzeugen erreichen KI-Algorithmen eine Performanz, die mit model-basierten Ans?tzen kaum erreicht werden kann. Die zentrale Aufgabe besteht bei der Trajektorienpr?diktion darin, die Fahrabsicht eines ausgew?hlten Fahrzeuges anhand des r?umlich-zeitlichen Kontexts eines Szenarios vorherzusagen. Der gro?e Nachteil solcher KI-Algorithmen ist jedoch die fehlende Interpretierbarkeit: Obwohl ein Modell zuverl?ssige Vorhersagen trifft, ist unklar wie und basierend auf welcher Logik diese getroffen werden. Die Interpretierbarkeit von KI-Modellen, gerade im Umfeld sicherheitskritischer Anwendungen des automatisierten Fahrens, ist ein aktuelles Forschungsgebiet.

Das Ziel des Forschungsprojekts besteht darin, KI-Methoden zu entwickeln, um interpretierbare Repr?sentationen von Verkehrsszenarien zu finden und diese zu nutzen, um komplexe Zusammenh?nge für automatisierte Fahrfunktionen in kompakter Weise zu modellieren. Damit soll die Effizienz und Leistungsf?higkeit nachgelagerten Systemkomponenten verbessert werden. Der Schwerpunkt der Forschungsarbeiten liegt darin, sogenannte latente R?ume von KI- Modellen derart zu gestalten, dass sie die gewünschte Interpretierbarkeit bieten. Damit kann die Plausibilit?t einer Pr?diktion validiert werden, z. B. durch physikalische Modelle. Insbesondere im Kontext sicherheitskritischer Fahrzeugfunktionen spielen die betrachteten Ans?tze eine zentrale Rolle.

F?rdermittelgeber

Audi AG

Poster