zur Hauptnavigation springen zum Inhaltsbereich springen

BayWISS-Kolleg Mobility and Transport www.baywiss.de

PhD-Projects in the Joint Academic Partnership Mobilität und Verkehr

Methoden des Unsupervised Machine Learnings für die Auswahl relevanter Verkehrsszenarien beim autonomen Fahren

Das Validieren autonomer Fahrzeuge stellt eine Schlüsseldisziplin der aktuellen Automobilforschung dar. Neben dem sich daraus ergebenden Vertrauen der Öffentlichkeit und der Kunden, stellt diese auch eine rechtliche Relevanz dar. Eine statistisch signifikante Demonstration, dass ein autonomes Fahrzeug 20% weniger Verkehrstote verursacht als der durchschnittliche deutsche Fahrer, würde mehr als 10 Milliarden gefahrene Kilometer voraussetzen (Abb. 1). Das Einfahren einer solchen Strecke ist wirtschaftlich nur schwer realisierbar. Hier wird häufig auf szenarienbasierte Ansätze zurückgegriffen. Dazu werden lediglich repräsentative Szenarien getestet. Das Identifizieren von repräsentativen, relevanten und wichtigen Szenarien leistet einen Beitrag zur Reduzierung des Testaufwands. Zusätzlich reduziert eine solche Erkennung den erforderlichen Speicherbedarf für aufgenommene Daten massiv. Das Ziel dieses Projekts ist es, mittels regelbasierter Methoden und unüberwachter maschineller Lernverfahren, neue und relevante Szenarien zu identifizieren.

MEMBER IN THE JOINT ACADEMIC PARTNERSHIP

since

Verbundkolleg Mobilität und Verkehr

Jonas Wurst

Technische Hochschule Ingolstadt

Publikationen und Poster

 

Jonas Wurst; Lakshman Balasubramanian; Michael Botsch; Wolfgang Utschick, 06/2022, Expert-LaSTS: Expert-Knowledge Guided Latent Space for Traffic Scenarios, Aachen, Germany, DOI:10.1109/IV51971.2022.9827187

Lakshman Balasubramanian; Jonas Wurst; Robin Egolf; Michael Botsch; Wolfgang Utschick; Ke Deng, 10/2022, ExAgt: Expert-guided Augmentation for Representation Learning of Traffic Scenarios, Macau, China, DOI:10.1109/ITSC55140.2022.9922453

Kruber F., Balasubramanian L., Wurst J., Botsch M., 09/2021, „Methodische KI-Ansätze zur Identifizierung von relevanten Verkehrsszenarien“, Ingolstadt, Konferenz: Safety Assist 2021

Wurst J, Balasubramanian L, Botsch M und Utschick W, Novelty Detection and Analysis of Traffic Scenario Infrastructures in the Latent Space of a Vision Transformer-Based Triplet Autoencoder, Nagoya, Japan (Online), DOI: 10.1109/IV48863.2021.9575730, Konferenz: 2021 IEEE Intelligent Vehicles Symposium (IV)

Wurst, J., Flores Fernández, A., Botsch M., Utschick, W., 2020, An Entropy Based Outlier Score and its Application to Novelty Detection for Road Infrastructure Images. IEEE Intelligent Vehicles Symposium, Las Vegas 2020, DOI: 10.1109/IV47402.2020.9304733, Peer-Reviewed

Coordinator

Get in touch. We look forward to your questions and ideas for our Joint Academic Partnership Mobility and Transportation.

Dr. Monika Kolpatzik

Dr. Monika Kolpatzik

Koordinatorin BayWISS-Verbundkolleg Mobilität & Verkehr

Technische Hochschule Ingolstadt
Doctoral School
Esplanade 10
85049 Ingolstadt

Telephone: +49 841 93481560
mobilitaet-verkehr.vk@baywiss.de

Marina Schleicher

Marina Schleicher

Koordinatorin BayWISS-Verbundkolleg Mobilität & Verkehr

Technische Hochschule Ingolstadt
Doctoral School
Esplanade 10
85049 Ingolstadt

Telephone: +49 841 93483539
mobilitaet-verkehr.vk@baywiss.de