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

Abstract

Im Projekt KI Data Tooling werden multimodale Sensordaten von Kamera, Radar und Lidar generiert, um Machine-Learning-Algorithmen zu trainieren. Dazu sollen real gemessene Daten augmentiert sowie hochgenau digital nachgebildet werden. Aspekte, für die neue Ansätze gesucht sind, sind dabei verschiedene Methoden der Sensorsimulation, Abstraktion von Sensordaten und die Etablierung durchgängiger Toolketten. Bei den zu untersuchenden Szenarien stehen vor allem Fußgänger und deren Erkennung im Fokus, weswegen der Großteil der Messungen und Simulationen sich im Bereich der Forschungskreuzungen in Braunschweig und Aschaffenburg abspielt. Das FKFS befasst sich damit, eine durchgängige Toolkette zu etablieren, insbesondere unter Beteiligung unterschiedlicher Partner an verschiedenen Stellen der Toolkette. Desweiteren werden am FKFS die Simulationen der Fahrdynamik und des Verkehrs unter den genannten Aspekten beleuchtet und als Bestandteil der Toolkette integriert. Hierbei wird als weiterer Schwerpunkt die echtzeitfähige Umsetzung der Tools und der Toolkette zur Anwendung in der Driver-in-the-Loop-Fahrsimulation untersucht. Außerdem werden verschiedene Methoden der Radarsensordatenabstraktion untersucht und bewertet. Die Etablierung der Toolkette erfolgt unter Anwendung von Industriestandards um eine breite Anwendbarkeit zu sichern. Die generierten Szenarien ermöglichen Simulationen mit hoher Realitätstreue hinsichtlich der Darstellung der Umgebung, Verkehrssimulation sowie sensorspezifischen Effekten. Dadurch ist es möglich Absicherungstests im Hinblick auf Assistenzsysteme und automatisiertes Fahren mit einer hohen Variantenvielfalt in der Simulation durchzuführen und Simulationsdaten für das Training neuronaler Netze zu verwenden. The KI Data Tooling project generates multimodal sensor data from camera, radar and lidar in order to train machine-learning algorithms. For this purpose, real measured data is to be augmented and digitally reproduced with high precision. Aspects for which new approaches are sought are various methods of sensor simulation, abstraction of sensor data and the establishment of integrated tool chains. The scenarios to be investigated focus primarily on pedestrians and their detection, which is why most of the measurements and simulations take place at the research intersections in Braunschweig and Aschaffenburg. The FKFS is working on establishing a continuous tool chain, in particular with the involvement of various partners at different points in the tool chain. Furthermore, the FKFS is examining the simulations of driving dynamics and traffic under the aforementioned aspects and integrates them as part of the tool chain. Another focus is the real-time capable implementation of the tools and the tool chain for use in driver-in-the-loop driving simulation. In addition, various methods of radar-sensor data abstraction are being investigated and evaluated. The establishment of the tool chain is carried out using industry standards to ensure broad applicability. The generated scenarios enable simulations with high fidelity to reality regarding the representation of the environment, traffic simulation and sensor-specific effects. This makes it possible to carry out validation tests of assistance systems and automated driving with a high number of variations in the simulation and to use simulation data for training neural networks.