Künstliche Intelligenz für Adaptive, Responsive und Levelkonforme Interaktion im Fahrzeug der Zukunft (KARLI)

Abstract

Das Projekt KARLI zielt auf die Entwicklung einer adaptiven, responsiven und levelkonformen Mensch-Maschine-Interaktion (MMI) in zukünftigen Fahrzeugen ab. Der Fokus liegt auf der Entwicklung von KI-Funktionen, die Fahrerzustände erfassen und die Interaktion mit dem Fahrzeug an verschiedene Automatisierungslevel anpassen. Dafür werden in KARLI kundenrelevante KI-Funktionen entwickelt, die für unterschiedliche Stufen auf dem Weg zum automatisierten Fahrzeug Fahrerzustände erfassen und Interaktionen gestalten. Diese KI-Funktionen werden in KARLI aus empirischen und synthetisch erzeugten Daten entwickelt. Die Daten werden in KARLI so erhoben und verwendet, dass die Projektergebnisse skalierbar auf zukünftig verfügbare Big Data aus Serienfahrzeugen sind. KARLI liefert die Spezifikationen und Anforderungen für die Fahrzeugarchitektur und Sensorik der Zukunft, sodass die kommenden Innenraumsensoren optimale Big Data für Fahrer-Fahrzeug-Modelle und KI-Interaktionen erheben. Durch die Erfassung der Fahrsituation und des Fahrerzustands wird ein Ist-Ziel-Abgleich ermöglicht, um Automatisierungslevel an den Fahrer anzupassen. Dies soll zu höherer Effizienz, Sicherheit und einem verbesserten Fahrerlebnis führen, während gleichzeitig Motion Sickness als wichtiger Bestandteil des Fahrerzustands erkannt und durch geeignete Gegenmaßnahmen reduziert werden soll. Motion Sickness (Reisekrankheit) ist ein Zustand, der durch widersprüchliche sensorische Informationen aus verschiedenen Teilen des Körpers (z.B. Augen, Innenohr) ausgelöst wird, wenn man sich in einem bewegenden Fahrzeug befindet. Dies kann zusammen mit Zustands-, Umgebungs- und Dispositionsfaktoren zu Symptomen wie Übelkeit, Erbrechen, Schwindel und allgemeinem Unwohlsein führen. Der Anwendungskontext liegt hier auf Landstraßen, da diese im Gegensatz zu Autobahnen und Städten die höchsten Anforderungen an die Anpassung an verkehrssituative Bedingungen stellen und bisher nur wenig im Bereich automatisierten Fahrens erforscht wurden. Landstraßenfahrten bergen aufgrund ihrer Dynamik zum Beispiel durch schlecht vorhersehbare Kurvenverläufe und relative Geschwindigkeitsänderungen ein potentiell höheres Risiko für Motion Sickness.