Teilprojekt
Erzeugung einer Datenbasis für KI-Algorithmen
Mithilfe der Erstellung eines KI-Datenerhebungskonzepts und Versuchsdesigns, Erhebungen in Realfahrzeugen sowie der kontinuierlichen Datenqualitätssicherung und -aufbereitung, sollen KI-Funktionen für zukünftig verbaute Sensoren entwickelt und bereits heute Anforderungen an Seriensensoren für den Fahrzeuginnenraum untersucht werden.
Problemstellung
Um KI-Algorithmen und KI-basierte Modelle zu bilden, sind gelabelte Daten aus dem Anwendungskontext erforderlich. Vor allem für robuste KI-Algorithmen sind Big Data notwendig, die im Serienbetrieb erhoben werden. Daher müssen Sensoren verbaut werden, bevor KI-Funktionen aus deren Daten erhoben werden können.
KARLI möchte diese KI-Funktionen auch für den Fahrzeuginnenraum untersuchen, da dieser Ansatz bisher nicht verfolgt wurde. Folglich werden in diesem Arbeitspaket jene Daten erhoben, die in Zukunft für eine bestmögliche Qualität von KI-Funktionen sorgen können.
Lösungsansatz
Im Small2Big Data-Ansatz werden die Daten mit aktuellen Seriensensoren und prototypischen Sensoren erhoben. Eine frühzeitige sowie fortlaufende Datenerhebung im Anwendungskontext dient im KARLI-Projekt als Grundlage für die KI-Algorithmen. Im Arbeitspaket soll ein KI-Datenerhebungskonzept und Versuchsdesign entwickelt und eine Erhebung in den Realfahrzeugen durchgeführt werden.
Darüber hinaus trägt der Austausch dieses Arbeitspaketes mit AP 300, AP 400 und AP 500 zur Optimierung der Datenerzeugung bei.
Ziel
Das Ziel des Arbeitspaketes besteht darin, gelabelte Daten im Small2Big Data-Ansatz für die Entwicklung der KARLI-Applikationen zu erheben. Hierfür wird eine kontinuierliche Datenqualitätssicherung, Datenaufbereitung und ein Datenlabeling für die Verwendung der Daten durch weitere Partner betrieben.
Da die in diesem Arbeitspaket erhobenen Daten einen großen Mehrwert für die Zukunft bieten, sollen diese in Form einer wissenschaftlicher Publikation für weitere Forschungszwecke der Wissenschaft zur Verfügung gestellt werden.
