KI Data Tooling - Methoden und Werkzeuge für das Generieren und Veredeln von Trainings-, Validierungs- und Absicherungsdaten für KI-Funktionen autonomer Fahrzeuge

Abstract

Das Projekt KI Data Tooling entwickelt Methoden und Werkzeuge zur Erweiterung der Datenbasis für das Training und die Validierung von KI-Funktionen im automatisierten Fahren. Die Universität Kassel ist besonders in den Teilprojekten TP2 und TP3 aktiv, wobei sie sich auf die Generierung und Selektion von Corner Cases sowie die Methoden- und Toolentwicklung für Autolabeling konzentriert. Dabei wurden Kriterien zur Identifikation und Methoden zur Detektion, Selektion und synthetischen Generierung von Corner Cases entwickelt und bewertet. Zusätzlich wurden Methoden zur intelligenten automatischen Datenauswahl und zum aktiven Lernen zur Unterstützung des automatisierten Annotierens erarbeitet. Die Integration menschlicher Experten in den Annotierungsprozess sowie die Entwicklung neuartiger Erkennungsalgorithmen spielten ebenfalls eine wichtige Rolle. Insgesamt zielt das Projekt darauf ab, Daten unterschiedlicher Herkunft und Qualität effizient zu nutzen und wiederzuverwerten, wobei die gezielte Selektion und Annotation relevanter Daten zentral ist. Im Rahmen des Projekts hat die Universität Kassel in Kooperation mit anderen Projektpartnern 13 Publikationen veröffentlicht, während zwei weitere eingereicht sind, bzw. sich noch im Review-Prozess befinden. The KI Data Tooling project develops methods and tools to expand the data base for the training and validation of AI functions in automated driving. The University of Kassel is particularly active in sub-projects TP2 and TP3, focusing on the generation and selection of corner cases as well as the development of methods and tools for auto-labeling. Criteria for identifying and methods for detecting, selecting, and synthetically generating corner cases were developed and evaluated. Additionally, methods for intelligent automatic data selection and active learning to support automated annotation were devised. The integration of human experts in the annotation process and the development of novel recognition algorithms also played a significant role. Overall, the project aims to efficiently utilize and recycle data of varying origins and quality, with targeted selection and annotation of relevant data being central to this effort. As part of the project, the University of Kassel, in cooperation with other project partners, has published 13 papers, with two more submitted and currently under review.