RepliCar

Um die Herausforderungen der automatisierten Umgebungswahrnehmung im öffentlichen Straßenverkehr zu bewältigen, sind Methoden der Künstlichen Intelligenz (KI) unerlässlich. Aktuell sind mehrjährige Analysen notwendig, um Fehlverhalten von KI-basierten Funktionen zu entdecken. Für eine wiederholte Anwendung im Entwicklungsprozess muss dies deutlich beschleunigt werden. 

Das Projekt RepliCar schafft hierzu eine neuartige Referenzsensor-Datenplattform, inklusive eines neuartigen Referenzradars, die hochgenaue Daten für einen beschleunigten Absicherungsprozess liefert. Auf Grundlage dieser Referenzsensorik erarbeiten alle Partner gemeinsam innovative Prüfstandskonzepte, Methoden, Datenverarbeitungsketten und Simulationswerkzeuge für einen modularen Absicherungsprozess der Perzeption im hochautomatisierten Fahrsystem.

Das FZI erforscht die methodische und automatisierte Absicherung der maschinellen Wahrnehmung, insbesondere im Hinblick auf die Objekterkennung. Es wird untersucht, wie das Prinzip des szenarienbasierten Testens auf der Ebene der Perzeption konkretisiert werden kann. Um diesen Zweck zu erfüllen, entwickelt das FZI modulare automatisierte Messvorgänge von Sensordaten inklusive dem jeweiligen Kontext, um umfassende Aussagen zwischen Referenzsensorik und Testobjekten zu ermöglichen. Zur Generierung der erforderlichen Sensordaten entwickelt das FZI zudem einen antagonistischen Sensordemonstrator, dessen Ansätze zum ganzheitlichen „Sensor-in-the-Loop“-Konzepts beitragen.