IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-662-66278-6_19.html
   My bibliography  Save this book chapter

Autonomes Fahren und das Projekt KI-Wissen

In: Künstliche Intelligenz und Data Science in Theorie und Praxis

Author

Listed:
  • Luca Bruder

    (Alexander Thamm GmbH)

  • Dina Krayzler

    (Alexander Thamm GmbH)

Abstract

Zusammenfassung Autonomes Fahren ist zentraler Bestandteil der Mobilitätskonzepte der Zukunft. Die in Systeme des Autonomen Fahrens integrierten Deep-Learning-Ansätze stellen Entwickler vor Herausforderungen des enormen Datenbedarfs und fehlender Transparenz solcher Modelle. Insbesondere an Lösungen für genau diese Herausforderungen arbeiten Partner aus der Industrie und Forschung im Rahmen des Projektes KI-Wissen, welches Teil der VDA-Leitinitiative der KI-Strategie der deutschen Bundesregierung ist. Dabei geht es um die Entwicklung und Einsatz von Methoden zur Wissensintegration, Erklärbarkeit und Abgleich von Modellvorhersagen mit Weltwissen, die die Dateneffizienz und Transparenz in den für die Anwendung üblichen Deep-Learning-Ansätzen fördern sollen. Es werden einige Beispiele solcher Ansätze und ihre Anwendung im Bereich des autonomen Fahrens erklärt, u. A. die LIME-Methode, Analyse der Repräsentationen im latenten Raum, Surrogate Modelle, Saliency-Methoden, Vision-Language-Modelle und Methoden zur Wissenskonformität der Modelle.

Suggested Citation

  • Luca Bruder & Dina Krayzler, 2023. "Autonomes Fahren und das Projekt KI-Wissen," Springer Books, in: Andreas Gillhuber & Göran Kauermann & Wolfgang Hauner (ed.), Künstliche Intelligenz und Data Science in Theorie und Praxis, chapter 0, pages 235-245, Springer.
    • Handle: RePEc:spr:sprchp:978-3-662-66278-6_19
    DOI: 10.1007/978-3-662-66278-6_19
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a
    for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-662-66278-6_19. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.