Expertenbericht Deep-Learning-Fahrspurassistenten

Expertenbericht zu Deep-Learning-Fahrspurassistenten in der ATZ

März 18, 2022

Wie beeinflusst die Diversität von Trainingsdaten Deep-Learning-Fahrspurassistenten?

Unser Mitarbeiter André berichtet als Experte über autonomes Fahren in der Automobiltechnischen Zeitschrift (ATZ)

Autonomes Fahren ist ein breites Feld, in dem wir mitwirken und mitentwickeln. Weiterhin lautet das oberste Ziel: Der automatisierte und autonome Verkehr der Zukunft muss sicher sein. Autonome Fahrzeuge müssen stets unabhängig von äußeren Informationen unfallfrei fahren können. Hierzu müssen sie ihre Umgebung realitätsgetreu wahrnehmen. Algorithmen, die dies ermöglichen, lernen durch Training an einer Vielzahl von Sensor-, Bild- und Videodaten. Diese müssen erfasst, verarbeitet und gespeichert werden, um aus den gewonnen Informationen die richtigen Schlüsse zu ziehen.

Wir bei ALTEN entwickeln derzeit einen echtzeitfähigen Fahrspurassistenten auf Basis künstlicher Intelligenz. Auf die Leistungsfähigkeit des Assistenten wirken zahlreiche Umgebungseinflüsse ein. Für den Fahrer müssen jederzeit die korrekten Informationen in Echtzeit geliefert werden, damit das System schon bei der Tendenz zum Verlassen der Fahrspur vor dem richtigen Szenario warnen kann.

Unser Experte André Reger, Project Leader aus Stuttgart, hat sich die Frage gestellt, inwiefern diverse Wettersituationen und unterschiedliche Lichtverhältnisse – also unterschiedliche Trainingsbilder – das System beeinflussen. Dabei hat er den Zusammenhang zwischen der Anpassungsfähigkeit und der Diversität von Trainingsdaten mittels des Designs von mehreren Testfällen mit zugehörigen Testdaten untersucht. Es wird angestrebt, mögliche Abhängigkeiten bzw. Wechselwirkungen zwischen den Szenarien oder deren Kompositionen zu finden.

In der Automobiltechnischen Zeitschrift (ATZ), dem führenden internationalen Technikmagazin für Entscheider in der Automobilentwicklung, gibt er seine Untersuchungsergebnisse in dem Artikel „Einfluss der Diversität von Trainingsdaten bei Deep-Learning-Fahrspurassistenten“ preis.

Jetzt vollständigen Artikel in der ATZ lesen!

csaeum