Künstliche Intelligenz (KI) gilt als erfolgsversprechende Methode, um die Komplexit?t autonomer Mobilit?t, bedingt durch die unendliche Variantenvielfalt und durch die zugrunde liegenden nichtlinearen Zusammenh?nge, beherrschbar zu machen. Maschinelle Lernverfahren bieten die M?glichkeit, komplexe nichtlineare Zusammenh?nge in Daten zu erfassen und Algorithmen zu entwickeln, die herk?mmlichen modellbasierten Ans?tzen überlegen sind. Allerdings weisen KI-Methoden zwei gro?e Herausforderungen auf. Zum einen ist der Einsatz solcher Verfahren limitiert durch die zur Verfügung stehenden Datenmengen. Zum anderen stellt die nicht vorhandene Interpretierbarkeit, gerade in Bezug auf Sicherheitssysteme, ein gro?es Problem dar. Genau hier setzt das SAFIR IP8 mit seinen hybriden Modellen und dem Dom?nenwissen der THI und der Industriepartner an. Unzureichende Datenmenge k?nnen durch Vorverarbeitungsschritte, die auf 2024欧洲杯开户_欧洲杯APP下载-投注|官网wissen basieren, teilweise kompensiert werden. Ebenso sollen maschinelle Lernverfahren in hybriden Modellen mit 2024欧洲杯开户_欧洲杯APP下载-投注|官网wissen erg?nzt werden, um die Interpretierbarkeit zu erm?glichen, bzw. um die Outputs der maschinellen Verfahren zu validieren. Gerade diese Kombination von 2024欧洲杯开户_欧洲杯APP下载-投注|官网wissen und KI wird von den Industriepartnern als sehr erfolgsversprechende Methodik gesehen.
Impulsprojekt 8: Hybride Modelle und KI-Methoden für Sichere Mobilit?t (HyMne) – Datengenerierung und Datenqualit?t
Neben Simulationen sind reale Fahrversuche für das Testen von Systemen, die einen autonomen Eingriff in die L?ngs- oder Querdynamik eines Fahrzeugs bewirken, unabdingbar. Aufgrund der hohen Kosten von Realversuchen ist es notwendig, wenige aber dafür ?relevante“ funktionsspezifische Testszenarien zu identifizieren, reproduzierbar im Fahrzeug zu realisieren und anschlie?end zu bewerten. Für die Identifikation und Analyse der ?relevanten“ Testszenarien k?nnen Simulationen genutzt werden, aber auch Daten von Verkehrsszenarien, die bei Fahrten auf ?ffentlichen Stra?en aufgezeichnet werden. In der Intensivierungsphase sollen Brücken zwischen der Simulations- und der realen Welt im Absicherungsprozess unter Zuhilfenahme von KI-Methoden geschaffen werden. Die Vorteile von KI-Methoden sollen dabei gezielt zum Einsatz kommen.
Im Teilprojekt I wird an einer hochgenauen Zustandssch?tzung unter Abwesenheit von GPS-Signalen oder anderen externen Sensoren bei Realversuchen geforscht. Es wird untersucht, inwieweit sich On-Board Sensoren der Fahrzeuge für eine Sensorfusion mit dem Inertialkreiselsystem des Projektpartners eignen. In den Teilprojekten II und III werden Realdaten verwendet, um an einer adaptiven Fahrermodellierung sowie an der Generierung von urbanen Verkehrsszenarien mittels KI-Methoden zu forschen. Weiterführende Details k?nnen Sie auf den Seiten der Teilprojekte entnehmen:
- TP I: Hochgenaue Zustandssch?tzung und Datengenerierung
- TP II: Fahrermodellierung für die Funktionsentwicklung und -validierung
- TP III: Erprobungssystematik für automatisiertes Fahren
Ansprechpartner
Prof. Dr.-Ing. Michael Botsch
Tel.: +49 841 9348-2721
Raum: K209
E-Mail: Michael.Botsch@thi.de
Peter Riegl, M.Eng.
Tel.: +49 841 9348-3353
Raum: U102
E-Mail: Peter.Riegl@carissma.eu
F?rderkennzeichen
13FH7I08IA