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. Datei-Upload durch TIB The KARLI project aims to develop adaptive, responsive and level-compliant human-machine interaction (MMI) in future vehicles. The focus is on the development of AI functions that detect driver states and adapt the interaction with the vehicle to different levels of automation. To this end, customer-relevant AI functions are being developed in KARLI that record driver states and design interactions for different stages on the way to an automated vehicle. These AI functions are developed in KARLI from empirical and synthetically generated data. The data is collected and used in KARLI in such a way that the project results are scalable to future big data from production vehicles. KARLI provides the specifications and requirements for the vehicle architecture and sensor technology of the future, so that the upcoming interior sensors collect optimal big data for driver-vehicle models and AI interactions. By recording the driving situation and the driver's state, an actual-target comparison is made possible in order to adapt automation levels to the driver. This should lead to greater efficiency, safety and an improved driving experience, while at the same time recognizing motion sickness as an important component of the driver's state and reducing it through suitable countermeasures. Motion sickness is a condition triggered by conflicting sensory information from different parts of the body (e.g. eyes, inner ear) when in a moving vehicle. This, together with condition, environmental and disposition factors, can lead to symptoms such as nausea, vomiting, dizziness and general malaise. The application context here is rural roads, as these, in contrast to highways and cities, place the highest demands on adaptation to traffic conditions and have so far been little researched in the field of automated driving. Due to their dynamics, for example, poorly predictable bends and relative speed changes, country road journeys harbor a potentially higher risk of motion sickness.