Die KI Familie bekommt Zuwachs

Für die Mobilität der Zukunft entwickeln die Wissenschaftlerinnen und Wissenschaftler am FZI automatisierte kooperative und interagierende Mobilitätssysteme – vom autonomen Fahrzeug über neuartige Konzepte für den öffentlichen Personennahverkehr bis hin zu KI-gestützten Verfahren für das Management der persönlichen Mobilität. Durch enge Kooperation mit Unternehmen aus dem Mobilitätssektor schlagen sie dabei die Brücke zwischen Grundlagenforschung und Praxiseinsatz.

Im Mittelpunkt stehen derzeit neuartige Mobilitätskonzepte und -anwendungen mit Schwerpunkt auf dem öffentlichen Verkehr. Von der Idee über den Systementwurf und die Algorithmik bis hin zur Erprobung entwickeln Wissenschaftlerinnen und Wissenschaftler am FZI unter Berücksichtigung rechtlicher Aspekte neuartige Mobilitätslösungen für Mensch und Transportgut und arbeiten an Konzeption und Aufbau unterstützender Infrastruktursysteme. Die Sicherheit und Robustheit der entwickelten Lösungen wird über virtuelles, semi-virtuelles und reales Testen sichergestellt.

Im FZI House of Living Labs betreibt das FZI mehrere Fahrzeuge mit Freigabe zum vollautomatisierten Fahren im Straßenverkehr nach §70 StVZO und kann auf Reallabore wie das Testfeld Autonomes Fahren Baden-Württemberg zugreifen. Die weitreichenden Erfahrungen und Kompetenzen mit KI-Systemen und Verfahren des maschinellen Lernens und probabilistischer Beschreibung werden im Rahmen zahlreicher Verbundprojekte sowie in zahlreichen Direktbeauftragungen mit der Industrie eingebracht. Schwerpunkte sind die robuste, KI-basierte Wahrnehmung und Entscheidungsfindung, eine durchgängig probabilistische Situationsinterpretation sowie Manöver- und Trajektorienplanung für autonome Fahrzeuge, unter Berücksichtigung lernender Verfahren sowie die Absicherung und Übertragbarkeit derselben. Ziel ist immer, Mobilität sicher, nachhaltig und komfortabel zu gestalten.

In KI Delta Learning beschäftigt sich das FZI mit der Anwendung von aktivem und kontinuierlichen Lernen auf die Manöver- und Trajektorienplanung sowie dessen Eignung für Techniken des Reinforcement Learning, sowie der KI-basierten Domänenanpassung von synthetischen zu realen Sensordaten.