Projekt

REACT

Autonomes Fahren: Modellierungs-, Lern- und Simulationsumgebung für das Fußgängerverhalten in kritischen Verkehrssituationen

Autonomes Fahren: Modellierungs-, Lern- und Simulationsumgebung für das Fußgängerverhalten in kritischen Verkehrssituationen

  • Laufzeit:

REACT wird als ein strategisch bedeutsames Projekt am Fachbereich ASR angesehen, da die Inhalte gleichzeitig ein Kernthema im Kompetenzzentrum Autonomes Fahren (CCAD) darstellen. Gesamtziel von REACT ist eine systematische, sichere und validierbare Herangehensweise zur Entwicklung, zum Training und dem Einsatz Digitaler Realität, um ein sicheres und zuverlässiges Handeln von Autonomen Systemen - insbesondere in kritischen Situationen - zu erreichen. Dazu werden Methoden und Konzepte des Maschinellen Lernens - insbesondere des Deep-Learnings und des (Deep-) Reinforcement-Learnings (RL) - verwendet, um niedrigdimensionale Teilmodelle der realen Welt zu lernen. So soll die ganze Spanne an existierenden kritischen Situationen erfasst und identifiziert werden, um sie im virtuellen Raum simulieren zu können. Mittels dieser Digitalen Realität können dann die sonst fehlenden Sensordaten für kritische Situationen virtuell synthetisiert und mit ihnen Autonome Systeme und Fahrzeuge für den sicheren und zuverlässigen Umgang mit kritischen Situationen trainiert werden. Das ultimative Ziel des Projektes besteht darin, die Fähigkeiten der Autonomen Systeme durch den kontinuierlichen Abgleich mit der Realität und die notwendige Adaption der Modelle systematisch zu validieren und ständig zu verbessern.

Projekt teilen auf:

Ansprechpartner

Keyfacts

Publikationen zum Projekt

Arsène Pérard-Gayot, Roland Leißa, Sebastian Hack, Puya Amiri, Richard Membarth, Philipp Slusallek

In: Proceedings of the International Conference on Field Programmable Technology (FPT). International Conference on Field Programmable Technology (FPT-2021) December 6-10 Virtual Conference Seiten 1-9 IEEE 12/2021.

Zur Publikation
Matthias Klusch, Patrick Gebhard, Tanja Schneeberger

In: Proceedings of 36th ACM Symposium on Applied Computing. ACM Symposium On Applied Computing (SAC-2021) ACM 2021.

Zur Publikation
Yoshiyuki Kobayashi, Lorena Hell, Janis Sprenger, Matthias Klusch, Christian Müller

In: Proceedings of the 32nd IEEE International Intelligent Vehicles Symposium. IEEE Intelligent Vehicles Symposium (IV-2021) July 11-17 Nagoya/Virtual Japan IEEE 2021.

Zur Publikation

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence