KIsSME

Zum Nachweis der sicheren Funktion von hochautomatisierten Fahrzeugen werden nach dem aktuellen Stand der Technik fest definierte Szenarienkataloge zum manöverbezogenen Nachweis sowie mehrere Millionen Fahrkilometer umfassende Echtzeitdaten zum statistischen Nachweis herangezogen. Zur Entwicklung neuer Fahrzeuge mit Automatisierungslevel 4-5 ist es unabdingbar, eine selektive Erfassung relevanter und kritischer Fahrsituationen, signifikanter Umgebungsdaten sowie der Rohdaten der Fahrzeugsensorik schon während des Fahrbetriebs zu erreichen. Diese Daten werden benötigt, um die durch Künstliche Intelligenz (KI) getroffenen Entscheidungen validieren, verbessern und reproduzieren zu können, mit dem Ziel, somit die notwendige Testabdeckung für zukünftige Funktionalitäten zu erreichen.

Im Rahmen des Projektes KIsSME sollen KI-basierte Algorithmen angewendet werden, die On-Board-Systeme ertüchtigen, relevante und kritische Szenarien in Echtzeit zu erkennen und hierfür selektiv Rohdaten sowie Szenarienbeschreibungen zu erfassen. Die KI-basierten Algorithmen sollen eine inhärente Lernfähigkeit ermöglichen, welche das Erkennen von kritischen Situationen und der zugehörigen relevanten Daten stetig verbessern, um für die Entwicklung von automatisierten Systemen der Level 4-5 die Informationsdichte der für die Erprobung genutzten Daten zu steigern und gleichzeitig das hierfür notwendige Datenvolumen sowie Aufwände zur Sicherstellung des Datenschutzes signifikant zu reduzieren.