Prof. Dr.-Ing. Antje Muntzinger, Professorin für Computer Vision an der HFT Stuttgart, untersucht die Entwicklung eines multimodalen KI-Systems zur robusten Erkennung und Verfolgung von Fahrzeugen auf Autobahnen. Sie kombiniert KI mit physikalischem Vorwissen, um Sensorfehler zu kompensieren.

Moderne KI-Modelle zur Umgebungserfassung autonomer Fahrzeuge liefern beeindruckende Ergebnisse. Oft sind sie jedoch empfindlich gegenüber Datenrauschen, verdeckten Objekten und schwierigen Sicht- oder Wetterbedingungen. Insbesondere bei Einzelbildvorhersagen können unplausible Ergebnisse auftreten, die oft mit nachgelagerten Verfahren korrigiert werden müssen. Hochautomatisierte Fahrsysteme benötigen jedoch eine robuste und verlässliche Wahrnehmung anderer Verkehrsteilnehmer durch die Kombination verschiedener Sensormodalitäten.

Das Projekt „PIPER-AD“ möchte ein KI-gestütztes Wahrnehmungssystem für hochautomatisierte Fahrsysteme entwickeln. Dabei verfolgt es einen hybriden Ansatz, indem multimodale Deep-Learning-Modelle mit physikalischem Vorwissen kombiniert werden. Physikalische Rahmenbedingungen, wie realistische Fahrzeugdynamik und Bewegung entlang der Fahrbahn, werden in das Trainingsverfahren integriert, um die Robustheit und Generalisierbarkeit des Systems zu erhöhen. Langfristig soll das Framework um Unsicherheitsquantifizierung erweitert werden, um die Sicherheit auch unter schwierigen Bedingungen und die Akzeptanz autonomer Fahrzeuge zu steigern.

Ziel des Forschungsprojekts ist ein KI-gestütztes Wahrnehmungssystem für autonome Systeme, das neuartige physikalische Regularisierungen benutzt, um physikalisch plausible Ergebnisse zu generieren. Die entwickelten physikalisch informierten neuronalen Netze sollen perspektivisch auf andere Anwendungsbereiche übertragbar sein und die grundlegende Möglichkeit aufzeigen, physikalisches Vorwissen in die Umgebungserfassung zu integrieren.