ThinKIsense
Ressourceneffiziente Thin-Edge-Systeme durch integrierte KI und neuromorphe Elektronik in Sensoren
Start: 01.2020
Ende: 12.2022
Hoch- und vollautomatisierte Fahrzeuge sollen fester Bestandteil des Verkehrsgeschehens werden. Allerdings ist das Verkehrsgeschehen sehr vielfältig und komplex in einer sich fortlaufend verändernden Umwelt. Das stellt die Entwicklung von autonomen Fahrzeugen zur Serienreife vor große Herausforderungen. Neben dem Umgang mit Änderungen in Software und Hardware müssen automatisierte Fahrzeuge auch lernen, mit stetig wechselnden Rahmenbedingungen umzugehen – mit unterschiedlichen Domänen.
Das Projekt KI Delta Learning erforscht Methoden des effektiven maschinellen Lernens, die einen effizienteren und uneingeschränkten Einsatz von Künstlicher Intelligenz (KI) in automatisierten Fahrzeugen in der „Open World“ ermöglichen. Dank der hierfür entwickelten Methoden erlangen automatisierte Fahrzeuge schneller Zugang zu neuen Märkten und können agiler auf neue Anforderungen reagieren. Somit ist das Ziel des Vorhabens KI Delta Learning die Entwicklung von Methoden und Werkzeugen zur effizienten Erweiterung und Transformation vorhandener KI-Module autonomer Fahrzeuge für die Herausforderungen neuer Domänen oder komplexerer Szenarien. Im Projekt werden Verfahren entwickelt, die es erlauben, das bereits erworbene Wissen optimal zu nutzen und nur die zusätzlichen Anforderungen – das Delta – mit minimalem Aufwand neu zu lernen. Dabei wird ein Doppelziel verfolgt: Erstens soll die Reaktion auf neue Szenarien robuster werden, zweitens soll durch effizientere Datengenerierung der Einsatzbereich der Fahrzeuge erweitert werden.
Das Projekt ist Teil der VDA Leitinitiative autonomes und vernetztes Fahren, 2016 gegründet von drei deutschen Automobilherstellern und sechs Automobilzulieferern. Sie hat begonnen, Bedarfe für neue Wege der Innovations- und Technologieentwicklung zu identifizieren und Lösungsvorschläge zu erarbeiten, um die Vorreiterrolle der deutschen Automobilindustrie im Bereich autonomes Fahren zu sichern. Gemeinsam wurde das Ziel formuliert: „Das ‚Betriebssystem‘ für autonomes Fahren kommt aus Deutschland“. Im Rahmen der Leitinitiative wurden diverse Themenschwerpunkte identifiziert und zu sogenannten Projektfamilien zusammengefasst. Der Forschungsschwerpunkt der KI-Projektfamilie liegt auf der Entwicklung von KI-Technologien für autonome Fahrzeuge, sodass die Mobilität von morgen sicherer, umweltfreundlicherer, komfortabler und preiswerter wird.
In diesem Forschungsschwerpunkt liegt das Hauptaugenmerk für das FZI auf den Themen Künstlicher Intelligenz (KI) und Mensch und KI-Engineering. Zudem beschäftigt sich das FZI mit Fragestellungen zu dedizierter Hardware für KI sowie KI zur Prädiktion.
Förderhinweis:
Das Projekt KI DELTA LEARNING wird vom Bundesministerium für Wirtschaft und Klimaschutz gefördert.
Projektpartner:
Ressourceneffiziente Thin-Edge-Systeme durch integrierte KI und neuromorphe Elektronik in Sensoren
Die Herausforderungen durch den Klimawandel aktiv angehen und als Chance für die deutsche Wirtschaft nutzen.
Zwischen Autonomie und Überwachung – Arbeitnehmer*innen-orientierter Einsatz von People Analytics in Präsenz- und Fernarbeit
Multifunktionaler Serviceroboter zur Unterstützung professioneller Pflege in Krankenhäusern
Mehr Sicherheit durch kontinuierliches Monitoring von Sicherheitsvorfällen autonom agierender Fahrzeuge
Dynamisches Demand-Response-System für eine nachhaltige Fertigung durch informationstechnische Vernetzung zur effizienten Energienutzung, -vermarktung und -erzeugung
Das House of Participation stellt die digitalen Bürger*innenbeteiligung in den Mittelpunkt.
Logistikkonzept sowie IKT-Plattform für einen zukünftigen Gütertransport in Straßenbahn- und Stadtbahnwagen
Smarte Energieversorgung im Karlsruher Osten: Ein Leuchtturmprojekt der TechnologieRegion Karlsruhe
Verfahren der Künstlichen Intelligenz für die Optimierung der Glasfasernetze am Beispiel einer intelligenten Stadt
Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen
Vernetzte und automatisiert fahrende Mini-Busse für die letzte Meile von der Haltestelle bis zur Haustür
Simulationsgestützte, assistenzsystem-basierende Engineering- und Maintenance-Dienstleistungen für Lean Aftersales-Services
Entwicklung eines datensparsamen und datenschutzkonformen Smart-Care-Systems durch Einsatz neuromorpher Vision-Sensoren
Neue Methoden zur Zuverlässigkeitssteigerung von hochautomatisierten elektrischen Fahrzeugen
Needs, wants and behaviour of „Drivers“ and automated vehicles users today and into the future
Datenbasierte Regelung kollaborativer Wertschöpfungsnetzwerke mittels geschützter Transparenz