Seite wählen

RELEVANZ UND ZIELE

Methoden des maschinellen Lernens und der Artificial Intelligence (AI) benötigen möglichst umfangreiche Datensätze. Derartige Datensätze sind für das automatisierte Fahren heute nur auf Basis von annotierten Videodaten begrenzt vorhanden. Multisensorielle, d.h. räumlich und zeitlich kalibrierte Datensätze unter Einbeziehung von Radar- und Lidarsensorik, existieren öffentlich nicht. Der Fortschritt in der AI hängt jedoch maßgeblich von der Verfügbarkeit umfangreicher Datensätze für die Community ab, was in der Maßnahme angegangen wird.

VORHABEN

Im Rahmen der Maßnahme soll eine möglichst umfangreiche Szenendatenbank mit annotierten, multisensoriellen Messdaten bestehend aus Video-, Radar- und Lidardaten aus Verkehrsszenen geschaffen und öffentlich verfügbar gemacht werden.

EFFEKTE

Mit verfügbaren Lerndaten werden andere Forschungseinrichtungen und auch kleine sowie mittelständische Industrieunternehmen in die Lage versetzt, selbst an AI-Technologien im Mobilitätsumfeld zu arbeiten. Durch die öffentliche Verfügbarkeit derartiger Daten wird zudem erfahrungsgemäß die Innovationsgeschwindigkeit in den AI-Technologien immens erhöht, da sich mehr Gruppen an der Forschung einfach beteiligen können. Für Unternehmen, die bisher nicht auf dem Gebiet tätig sind, wird die Einstiegshürde deutlich reduziert.

TRANSFERFORMATE

Die Datenbank soll über ein Web-Interface für potentielle Nutzer verfügbar sein. Hierbei müssen lediglich datenschutzrechtliche Einschränkungen und Verpflichtungen eingegangen werden. Ansonsten soll die Nutzung kostenfrei möglich sein.

KOMPETENZEN

Das Institut für Mess-, Regel- und Mikrotechnik arbeitet seit über 15 Jahren mit zurzeit über 20 Wissenschaftlern im Bereich des Automatisierten Fahrens. Im Institut besteht eine eigene Gruppe von fünf Doktoranden im Bereich Machine-Learning, die sich seit einigen Jahren auch mit der Verarbeitung multisensorieller Daten in tiefen neuronalen Netzen wie CNNs befassen. Im Rahmen dieser Vorarbeiten wurden Grundlagen im Bereich des Tooling als auch der Repräsentation multisensorieller Lerndaten geschaffen. Die Verfahren werden standardmäßig in den automatisierten Versuchsträgern des Instituts eingesetzt.

LEITUNG

Prof. Dr.-Ing. Klaus Dietmayer, Universität Ulm

AKTIVITÄTEN