Verbundprojekt: KISSaF - KI-basierte Situationsinterpretation für das Automatisierte Fahren, Teilvorhaben Szenarienentwicklung, technische Anbindung an eine Fahrfunktion und Evaluation

Abstract

Ziel des Projektes KISSaF war die Entwicklung einer neuartigen KI-basierten Situationsprädiktion für das automatisierte Fahren. Bestandteile des Projekts waren der Aufbau eines Messfahrzeugs für die Aufzeichnung großer Mengen an realen Daten, die Entwicklung eines Umfeldmodells, das sich als Eingabe für die KI eignet, die Entwicklung der eigentlichen Prädiktion und die Evaluation der entwickelten Algorithmen im Kontext von Fahrfunktionen und dazugehörigen Szenarien. Der Partner ZF hat den Aufbau des Messfahrzeugs erfolgreich unterstützt, Schnittstellen und Anforderungen an das Umfeldmodell und die Prädiktion definiert, die Entwicklung eines Szenarienkatalogs und die Definition von KPIs durch alle Partner koordiniert, und schließlich die Prädiktion für Fahrfunktionen und Szenarien evaluiert. Es konnte gezeigt werden, dass die Szenenprädiktion insbesondere im Kontext der Fahrfunktion automatisierter Spurwechsel eine höhere Güte erzielt als bisher verwendete Ansätze. Zudem oblagen ZF DUS als Konsortialführer die Aufgabe des Projektmanagements. Datei-Upload durch TIB The aim of the KISSaF project was to develop a new type of artificial intelligence (AI) based situation prediction for automated driving. The project was divided into the following parts: construction of a measurement vehicle for recording large amounts of real data, the development of an environment model that is suitable as input for the AI, the development of trajectory prediction for the environmental model and the evaluation of the developed algorithms in the context of driving functions and associated scenarios. The partner ZF successfully supported the construction of the measurement vehicle, defined interfaces and requirements for the environment model and prediction, coordinated the development of a scenario catalog and the definition of KPIs by all partners, and evaluated the prediction for driving functions and scenarios. It was shown that scene prediction achieves a higher quality than previously used approaches, particularly in the context of the driving function of automated lane changes. As consortium leader ZF was also responsible for project management tasks.