In der dynamischen Welt der automatisierten Fahrfunktionen ist die Absicherung von #KI gestützter Sensordatenverarbeitung von entscheidender Bedeutung. Mit unserem neuen Projekt „Praxis“ starten wir eine innovative Forschungsinitiative, die sich genau diesem Thema widmet. Ziel ist es, die Sicherheit und Effizienz von automatisierten Fahrfunktionen durch fortschrittliche Testverfahren und realitätsnahe Simulationsumgebungen zu gewährleisten.
Ziele des Projekts
Das Projekt „Praxis“ verfolgt mehrere zentrale Ziele:
- Entwicklung xAI-basierter Testverfahren: Wir setzen auf erklärbare KI (xAI), um die Transparenz und Nachvollziehbarkeit unserer Testmethoden zu erhöhen.
- Aufbau einer realitätsnahen Simulationsumgebung: Durch die Schaffung einer Umgebung, die reale Bedingungen simuliert, können wir die Leistung unserer Algorithmen unter kontrollierten, aber realistischen Szenarien testen.
- Absicherung von ML-Algorithmen direkt auf Zielhardware: Wir integrieren unsere Tests direkt in die Zielhardware, um die Praxistauglichkeit unserer Lösungen zu gewährleisten.
- Übertragung von ML-Methoden in klassische Software- und Hardwaretests: Wir kombinieren moderne Machine Learning-Methoden mit bewährten Testansätzen, um umfassende Validierungen zu ermöglichen.
- Prototypische Entwicklung eines „Over-the-Air“-Kameraprüfstands: Dieser Prüfstand ermöglicht eine effiziente Validierung und Benchmarking von Kamerasystemen, die in automatisierten Fahrzeugen eingesetzt werden.
Unser Ansatz: Camera-in-the-Loop Testing
Ein zentrales Element unseres Projekts ist der neuartige Prüfstand, der reale Kameras unter kontrollierten Bedingungen mit simulierten Szenarien testet. Herzstück dieses Ansatzes ist ein modifizierter Projektor, der HDR-Inhalte aus der Simulationsumgebung CARLA optisch an die Kamera überträgt – und das synchronisiert auf Millisekundenebene.
Durch diese innovative Technik entstehen kombinierte reale und synthetische Bilddaten, die eine robuste Validierung von Perzeptionsalgorithmen ermöglichen. Die gewonnenen Daten, bestehend aus RGB- und Tiefeninformationen, erlauben eine belastbare Bewertung der KI unter realitätsnahen, aber vollständig reproduzierbaren Bedingungen. Mit „Praxis“ leisten wir somit einen wertvollen Beitrag zur sicheren und skalierbaren Entwicklung automatisierter Fahrfunktionen.
Darum sind wir dabei!
Mit dem Forschungsprojekt „Praxis“ bauen wir einen technologischen Vorteil im Bereich der Validierung von Sensorperformance aus. Unser Ziel ist es, die Expertise im Bereich der Wahrnehmungsalgorithmen weiter zu schärfen und sichtbar zu machen. Diesen Wettbewerbsvorteil streben wir mit einem minimalen finanziellen Aufwand für die nächste Durchstartphase an.
Wir sind überzeugt, dass „Praxis“ nicht nur die Sicherheit automatisierter Fahrfunktionen erhöht, sondern auch einen bedeutenden Schritt in Richtung einer verantwortungsvollen und innovativen Mobilität darstellt. Bleiben Sie dran für weitere Updates zu unserem Projekt und den spannenden Entwicklungen, die wir in den kommenden Monaten erwarten!