Zuverlässige Daten für Autonomes Fahren

14.04.2024|12:43 Uhr

Zuverlässige Daten für zuverlässige künstliche Intelligenz - das ist das Thema des neuen BMBF-Verbundforschungsprojektes RELiABEL. Wuppertaler Wissenschaftler um IMACM Mitglied PD Dr. Matthias Rottmann forschen gemeinsam mit dem Technologie-Startup QualityMatch GmbH aus Heidelberg an Methoden, mit denen Bilddaten für das automatisierte Fahren zuverlässig gekennzeichnet werden können.

Zuverlässigkeit ist eine der großen Herausforderungen beim Autonomen Fahren. Je besser eine KI die Umgebungsdaten versteht, desto sicherer ist ihr nächster Schritt. Hier setzt das vom Bundesministerium für Bildung und Forschung geförderte Projekt RELiABEL an:

Das Bild zeigt zwei Herausforderungen, mit denen es die Forschenden beim automatisierten Fahren zu tun haben. Die Aufnahmen rechts sind nur schwach aufgelöst, so dass  der Bildinhalt von der KI nicht eindeutig  bestimmen werden kann. In den Aufnahmen links sind manuell vorgenomme Annotationen fehlerhaft oder nicht vorhanden, woduch die KI falsch trainiert wird.

Das Konsortium arbeitet nun an Methoden, mit denen sich Daten effizient und gleichzeitig zuverlässig beschreiben lassen. Dabei werden einerseits Datenpunkte in den Bildern mehrfach gekennzeichnet, andererseits werden durch mathematische Verfahren manuelle Annotationen eingespart und zuverlässig ergänzt.