Verbundprojekt HAIBrid: Hybride KI zur Daten- und Verhaltensmodellierung in großem Maßstab für automatisiertes Fahren

Im Rahmen dieser Forschungskooperation soll die Verhaltensvorhersage für das automatische Fahren mittels unüberwachten, maschinellen Lernens von Trajektorien und Verkehrsteilnehmer-Interaktionen aus großen Datenmengen verbessert werden. Hierbei wird die Expertise und die Infrastruktur der Projektpartner genutzt, um große Datenmengen aus Verkehrskameras, Drohnen und von Messfahrzeugen zu akquirieren. Die händische Annotierung von Trajektorien und die Klassifizierung von Interaktionen ist aufgrund derer Vielfalt und zeitlicher Varianz sehr komplex und nicht praktikabel. Im Bereich der Bildverarbeitung, insbesondere in der Klassifikation und Segmentierung, sowie beim Tracking, erreichen unüberwachte Methoden jedoch mittlerweile die Leistungsfähigkeit der entsprechenden überwachten Ansätze. Mithilfe der neuesten Erkenntnisse aus diesem Bereich werden effiziente Methoden zur Trajektorienextraktion und zur Interaktionsgruppierung entwickelt und darüber hinaus die automatische 3D-Kartengenerierung vorangetrieben. Die statischen Umgebungsinformationen, welche üblicherweise in semantischen 3D-Karten hinterlegt werden, sind nicht nur essenziell für die Bewegungsplanung automatischer Fahrzeuge, sondern ebenso für das Verständnis des Verhaltens anderer Verkehrsteilnehmer. Die gesammelten Daten, die entwickelten Methoden, sowie die Erkenntnisse über das Fahrverhalten und die Interaktion der Verkehrsteilnehmer werden veröffentlicht, um den Forschungsbereich der Fahrautomatisierung zu unterstützen und insbesondere die deutsch-französischen Kompetenzen im Bereich der künstlichen Intelligenz voranzutreiben. Insbesondere wird das Projekt nicht nur neue Multi-Sensor-Datensätze sondern auch Methoden und Werkzeuge zur Datenextraktion und -annotation für zukünftige Datensätze bereitstellen.