Künstliche Intelligenz kann maßgeblich zur Verkehrssicherheit beitragen. Ihr Potenzial beim Meistern unübersichtlicher Verkehrssituationen ist längst noch nicht ausgereizt. Dazu schlossen sich ZF, der Entwicklungsdienstleister INGgreen GmbH und die Technische Universität Dortmund im Jahr 2021 für das Forschungsprojekt "KISSaF" zusammen, welches nun abgeschlossen wurde.
Das Projekt KISSaF (KI-basierte Situationsinterpretation für das automatisierte Fahren) trainiert KI darauf, die Handlungen von Verkehrsteilnehmern vorherzusagen. So können automatisierte Fahrerassistenzsysteme wie Abstandsregeltempomaten oder Spurwechselassistenten präziser und sicherer agieren. Nach rund drei Jahren ist das Forschungsprojekt nun erfolgreich abgeschlossen worden. Die Ergebnisse bestätigen: Die neue Methode funktioniert besser als bislang verwendete Ansätze.
Erfahrene Pkw-Fahrerinnen und -Fahrer wissen: Wer vorausschauend fährt, fährt sicherer. Doch wie ist das bei automatisierten und autonomen Systemen? Heute stoßen KI-Algorithmen noch an ihre Grenzen, wenn es darum geht, das wahrscheinliche Verhalten menschlicher Verkehrsteilnehmer vorherzusehen. Wenn sich die KI hier verbessert, kann sich das positiv auf die Sicherheit im Straßenverkehr auswirken – insbesondere dann, wenn immer mehr Fahrzeuge mit hochautomatisierten oder autonomen Assistenzsystemen ausgestattet werden.
Genau das war die Motivation hinter dem Forschungsprojekt KISSaF. Konsortialführer ZF arbeitete gemeinsam mit dem Lehrstuhl für Regelungssystemtechnik (RST) der TU Dortmund und dem Entwicklungsdienstleister INGgreen an einer sogenannten Szenenprädiktion für den Straßenverkehr.
KISSaF: Verkehrstraining für Künstliche Intelligenz
KI-basierte Szenenprädiktion befähigt die Fahrzeugsteuerung, die wahrscheinlichsten Handlungen anderer Verkehrsteilnehmer einige Sekunden vorherzusagen und entsprechend zu agieren: Wird der offenbar von seinem Smartphone abgelenkte Fußgänger gleich unachtsam auf die Fahrbahn treten? Was ist bei einem automatisiert durchgeführten Spurwechsel zu beachten? Bremst der vorausfahrende Wagen noch ab? Welche weiteren Faktoren spielen eine Rolle? ………………. Lesen Sie hier weiter.
Das Projekt KISSaF (KI-basierte Situationsinterpretation für das automatisierte Fahren) trainiert KI darauf, die Handlungen von Verkehrsteilnehmern vorherzusagen. So können automatisierte Fahrerassistenzsysteme wie Abstandsregeltempomaten oder Spurwechselassistenten präziser und sicherer agieren. Nach rund drei Jahren ist das Forschungsprojekt nun erfolgreich abgeschlossen worden. Die Ergebnisse bestätigen: Die neue Methode funktioniert besser als bislang verwendete Ansätze.
Erfahrene Pkw-Fahrerinnen und -Fahrer wissen: Wer vorausschauend fährt, fährt sicherer. Doch wie ist das bei automatisierten und autonomen Systemen? Heute stoßen KI-Algorithmen noch an ihre Grenzen, wenn es darum geht, das wahrscheinliche Verhalten menschlicher Verkehrsteilnehmer vorherzusehen. Wenn sich die KI hier verbessert, kann sich das positiv auf die Sicherheit im Straßenverkehr auswirken – insbesondere dann, wenn immer mehr Fahrzeuge mit hochautomatisierten oder autonomen Assistenzsystemen ausgestattet werden.
Genau das war die Motivation hinter dem Forschungsprojekt KISSaF. Konsortialführer ZF arbeitete gemeinsam mit dem Lehrstuhl für Regelungssystemtechnik (RST) der TU Dortmund und dem Entwicklungsdienstleister INGgreen an einer sogenannten Szenenprädiktion für den Straßenverkehr.
KISSaF: Verkehrstraining für Künstliche Intelligenz
KI-basierte Szenenprädiktion befähigt die Fahrzeugsteuerung, die wahrscheinlichsten Handlungen anderer Verkehrsteilnehmer einige Sekunden vorherzusagen und entsprechend zu agieren: Wird der offenbar von seinem Smartphone abgelenkte Fußgänger gleich unachtsam auf die Fahrbahn treten? Was ist bei einem automatisiert durchgeführten Spurwechsel zu beachten? Bremst der vorausfahrende Wagen noch ab? Welche weiteren Faktoren spielen eine Rolle? ………………. Lesen Sie hier weiter.
