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.