nxtAIM
NXT GEN AI METHODS – Generative Methoden für Perzeption, Prädiktion und Planung
Start: 01.2024
Ende: 12.2026
Im Projekt NXTAIM (NXT GEN AI METHODS) erforscht das FZI gemeinsam mit Partnern aus Industrie und Wissenschaft generative KI-Methoden und Weltmodelle für das automatisierte Fahren. Gesamtziel des Vorhabens ist es, durch generative Methoden einen bidirektionalen Informationsfluss in die Wirkkette automatisierter Fahrfunktionen einzuführen und daraus Foundation Models für Fahrdaten zu entwickeln. Das FZI trägt hierzu mit Arbeiten zu generativen Modellen für Sensorik, Weltmodellen, Sprachmodellen und Planung sowie mit Daten seines Versuchsträgers CoCar NextGen bei.
Das Forschungsprojekt nxtAIM – NXT GEN AI METHODS entwickelt generative KI-Methoden für die nächste Generation autonomer Fahrfunktionen und Systeme. Im Mittelpunkt stehen Foundation Models und Weltmodelle, die Verkehrssituationen und deren zeitliche Entwicklung abbilden sowie realistische Sensordaten und Szenarien erzeugen. Diese bilden eine Grundlage für Simulation, Training und Validierung und ermöglichen es, auch seltene und sicherheitskritische Situationen gezielt zu untersuchen.
Ein weiterer Schwerpunkt liegt auf dem föderierten Lernen von generativen Modellen anhand verteilter Datenbestände. Damit sollen die Daten verschiedener Partner für ein gemeinsames Training nutzbar gemacht werden, während sie bei den jeweiligen Partnern verbleiben. Ziel des Projekts ist es, Generative KI, Weltmodelle und Foundation Models für die Entwicklung autonomer Fahrzeuge zu entwickeln.
Das FZI beschäftigt sich im Vorhaben mit der Entwicklung von Foundation Models für den Einsatz im Anwendungsgebiet des autonomen Fahrens, einschließlich der (Weiter-)Entwicklung von generativen Modellen, um Kontextinformationen in die Entscheidungsfindung einfließen zu lassen, sowie der Erforschung von Reasoning-Fähigkeiten (logisches Folgern) für das autonome Fahren. Außerdem untersucht das FZI, wie Methoden der generativen KI sowohl Perzeption und Trajektorienprädiktion und -planung autonomer Fahrzeuge als auch die Kartierung von Straßenzügen verbessern können. Im Projekt entwickelte Datenkuratierungs und -verarbeitungsmethoden wie KI-Methoden zur generativen semantischen Anonymisierung großen Datensätze oder Semantische Suchfunktionen tragen zur praktischen Umsetzbarkeit des Projekts bei.
