Das Projekt dient der Förderung der langfristigen Etablierung und interdisziplinären Vernetzung von KI-Nachwuchsgruppen der Otto-von-Guericke-Universität und des ifak e.V. in Magdeburg und wird kooperativ von beiden Institutionen bearbeitet. Hierbei werden die beiden Nachwuchsgruppen der Universität und des ifak von Herrn Dr. Christoph Steup und Herrn Dr. Maxim Nesterov geleitet. Zusätzlich dient das Projekt der Vernetzung der aktuellen KI-Forschung des ifak und der Universität Magdeburg mit Wirtschaftsbetrieben.
Im Rahmen des Projektes werden die Kooperationspartner ein hochrelevantes Problem der autonomen Mobilität angehen: die Empfindlichkeit des Fahrbetriebs gegenüber Wettereinflüssen und dem Ausfall externer Lokalisierung durch z. B. Satellitennavigationssysteme und Mobilfunkanbindung. Die genannten Einflüsse führen aktuell zu einer Störung des autonomen Betriebs.
Das AULA-KI-Projekt zielt darauf ab, Lokalisierungsinformationen immer und überall für autonome Fahrzeuge zur Verfügung zu stellen. Hierzu werden beide Partner gemeinsam Methoden entwickeln, um diese Wettereffekte von typischen Sensoren autonomer Fahrzeuge (Kamera, LiDAR, Odometrie) zu erkennen, zu bewerten und zu verhindern. Dabei werden vor allem bestehende Algorithmen der künstlichen Intelligenz zur Modellbildung, aber auch zur Optimierung der Ausgabe der Sensoren verwendet und weiterentwickelt. Die Demonstration und Validierung der entwickelten KI-Methoden und Lokalisierungserweiterungen erfolgen mithilfe eines autonomen Personenshuttles auf einem dedizierten Testgelände. Die Projektergebnisse legen einen Grundstein für eine zuverlässige, autonome und nachhaltige Mobilität von morgen.
Technische Ziele und Arbeitsschwerpunkte:
- Qualitätsbewertung von Sensordaten und Qualitätsmetriken: Analyse der Fahrzeuglokalisierung und der zugehörigen Sensordaten, Ableiten der konkreten Schwierigkeiten einer präzisen Lokalisierung und Entwicklung einer KI-basierten Bewertungsalgorithmik zur Beurteilung der aktuellen Wettersituation und Lokalisierungsqualität durch das Fahrzeug.
- Ausblenden der Wetterereignisse: Entwicklung von KI-gestützten Algorithmen, die ein „Ausblenden“ der Wetterereignisse aus den eigentlichen Sensordaten zulassen und so eine Delokalisierung vermeiden.
- Lokalisierung mithilfe von Schwarmintelligenz und Infrastrukturkomponenten: Für Situationen, in welchen ein „Ausblenden“ von Wetterereignissen nicht möglich ist, oder schwierige Wetterbedingungen durch zusätzliche, temporär auftretende Verschlechterungen der Lokalisierungsqualität (Ausfall Mobilfunk oder Störungen GPS) ergänzt werden, soll die Lokalisierung durch zusätzliche Datenquellen gesichert werden: Infrastrukturkommunikation, Schwarmintelligenz, Datenfusion.
Assoziierte Partner:
- EasyMile GmbH
- RBO Regionalbus Ostbayern GmbH
- Gestalt Robotics GmbH
- Leipziger Verkehrsbetriebe GmbH
