SP11201C Maschinelles Lernen in der Wahrnehmung von Straßenszenen:

Anwendung und Herausforderungen im autonomen Fahren

Vielerorts wird in der Automobilbranche in Richtung des selbstständig fahrenden, autonomen Fahrzeugs entwickelt und geforscht. Auf der Grundlage von Deep-Learning werden sensorische Signale der Umgebung verarbeitet und Handlungsentscheidungen wie "lenken", "beschleunigen" oder "abbremsen" getroffen. Während autonome Fahrzeuge in Logistikzentren schon heute im Einsatz sind, stellen bestimmte Verkehrssituationen für Deep Learning-Modelle noch erhebliche Herausforderungen dar. Ausgehend von der konzeptionellen Funktionsweise von KI-Modellen und deren Anwendung im Bereich des autonomen Fahrens, ergründen wir verschiedene Fehlerquellen und Auswirkungen auf die Funktionsweise von KI sowie gegenwärtige Lösungsansätze und Forschungsrichtungen.Der Referent Tobias Riedlinger aus Wellendingen hat das Masterstudium der Physik an der Eberhard Karls Universität Tübingen abgeschlossen und ist Doktorand in Mathematik mit Schwerpunkt "Bewertung von Unsicherheit in der Vorhersage von Deep Learning Modellen" an der Bergischen Universität Wuppertal.

~
Anmeldung erforderlich