KARLI: Künstliche Intelligenz für adaptive, responsive und levelkonforme Interaktion im Fahrzeug der Zukunft

Abstract

Die Entwicklung innovativer Mensch-Maschine-Schnittstellen (MMIs) zur Minimierung von Motion Sickness (MS) hat neue Designprinzipien hervorgebracht, die visuelle und haptische Hinweise zur Verbesserung des Fahrkomforts beinhalten. Die Mensch-Maschine-Schnittstelle (MMI)-Systeme tragen dazu bei, die Nutzer während autonomer Fahrten zu unterstützen und Übelkeit zu reduzieren. Es wurden Interaktionsparameter wie Blickverhalten, Handpositionen identifiziert und grafische Lösungen als geeignete Indikatoren zur Reduktion von MS evaluiert und implementiert. Die Applikation Levelkonformes Fahrverhalten (LKV) stärkt das Vertrauen der Nutzer in autonomes Fahren, indem klare visuelle Indikatoren für Übergänge zwischen manuellen und autonomen Fahrmodi bereitgestellt werden. Mithilfe von Use Cases wurde das Verhalten des lernenden KI-Systems getestet und validiert. Anhand des Levelwechsels von manuellem zu autonomem Fahren, konnte die Nutzerakzeptanz für einen geführten Wechsel der Kontrolle erhöht werden. Durch die, in der Applikation Künstliche Intelligenz-Interaktion (KI-I) entwickelten, adaptiven Künstliche Intelligenz (KI)-Systeme, werden situationsgerechte und intuitivere Nutzerinteraktionen ermöglicht, der Sicherheitsstandard in der Fahrzeugnutzung wird signifikant gesteigert. Für die KI-Interaktion wurden multimodale Schnittstellen geschaffen, die verschiedene Nutzerpräferenzen berücksichtigen und adaptive Funktionen unterstützen. Beispielsweise zeigte sich, dass eine Manifestierung der KI als immer präsenter, unterstützender Avatar hilfreich sein könnte. Diese Schnittstelle wurden auf wissenschaftlicher Basis validiert und für die praktische Anwendung weiterentwickelt. Datei-Upload durch TIB The development of innovative human-machine interfaces (HMIs) to minimize motion sickness (MS) has produced new design principles that incorporate visual and haptic cues to enhance ride comfort. The HMI systems help support users during autonomous driving and reduce nausea. Interaction parameters such as gaze behavior and hand positions were identified, and graphical solutions were evaluated and implemented as suitable indicators for reducing MS. The Level-Conforming Driving Behavior (LKV) application strengthens user trust in autonomous driving by providing clear visual indicators for transitions between manual and autonomous driving modes. Use cases were employed to test and validate the behavior of the learning AI system. By switching from manual to autonomous driving, user acceptance for a guided transfer of control was increased. Adaptive artificial intelligence (AI) systems developed in the AI Interaction (KI-I) application enable situation-appropriate and more intuitive user interactions, significantly enhancing safety standards in vehicle usage. For AI interaction, multimodal interfaces were created to account for various user preferences and support adaptive functions. For example, it has been shown that manifesting the AI as an ever-present, supportive avatar could be beneficial. This interface was scientifically validated and further developed for practical application.