EP4275156A1 - Verfahren, computerprogramm und vorrichtung zum betreiben eines ki-moduls - Google Patents

Verfahren, computerprogramm und vorrichtung zum betreiben eines ki-moduls

Info

Publication number
EP4275156A1
EP4275156A1 EP21820198.6A EP21820198A EP4275156A1 EP 4275156 A1 EP4275156 A1 EP 4275156A1 EP 21820198 A EP21820198 A EP 21820198A EP 4275156 A1 EP4275156 A1 EP 4275156A1
Authority
EP
European Patent Office
Prior art keywords
module
kim
data
processing
operating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21820198.6A
Other languages
English (en)
French (fr)
Inventor
Christoph Pohling
Heinz-Dieter Lindemann
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volkswagen AG
Original Assignee
Volkswagen AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Volkswagen AG filed Critical Volkswagen AG
Publication of EP4275156A1 publication Critical patent/EP4275156A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles

Definitions

  • the present invention relates to a method, a computer program with instructions and a device for operating a KI module.
  • the invention also relates to an AI module suitable for the method and a means of transportation which has an AI module according to the invention or a device according to the invention or is set up to carry out an inventive method for operating an AI module.
  • AI Artificial intelligence
  • computer-based vision also known as computer vision
  • autonomous driving the Internet of Things
  • customer requirements for new Third-party applications and navigation systems require large amounts of data to be processed in short periods of time and complex analysis strategies. Therefore, AI algorithms have emerged as important components of today's motor vehicles.
  • US 2020/0033868 A1 describes a system for the autonomous creation of driving strategies.
  • the system includes a number of autonomous driving agents and a module for creating driving strategies.
  • This module includes a series of driving strategy learning modules to create and improve driving strategies based on the collective experience gained by the driving agents.
  • the driving agents can gain driving experience to create a knowledge base.
  • the driving strategy learning modules can process the collective driving experiences to extract driving strategies. It is an object of the invention to provide improved solutions for operating a KI module.
  • a method for operating a Kl module includes the steps:
  • a computer program comprises instructions which, when executed by a computer, cause the computer to carry out the following steps for operating a KI module:
  • the term computer is to be understood broadly. In particular, it also includes control units, embedded systems and other processor-based data processing devices.
  • the computer program can be provided for electronic retrieval, for example, or it can be stored on a computer-readable storage medium.
  • a device for operating a KI module has: - a monitoring module for detecting a condition in which a system served by the AI module is not in use for its primary purpose;
  • a data module for providing stored data for processing by the Kl module with the addition of a random component
  • control module to adjust the Kl module depending on the evaluation.
  • a system of AI is enabled to develop new strategies and alternative mechanisms and to evaluate them on the basis of existing data.
  • the optimization process uses random components when processing the data to create new alternatives to existing or even future problems.
  • the class is enabled to develop ideas. These can be based on random but intentionally initiated computational actions, just as human ideas can arise from random thoughts.
  • the alternatives provided in this way can be transferred in the context of an existing problem or can be called up from what has been learned in future tasks.
  • AI is thus able to provide a solution that is more efficient than existing strategies, or that fits future but unforeseen requirements, or that could not be calculated within the given timeframe of a current situation.
  • the mechanism described is called "Artificial Random Thoughts”.
  • the stored data includes data from previous situations processed by the AI module. This allows to reduce failures of AI functionalities by simulating previous failed situations. By adding a random component, potentially better results or strategies can emerge. These are saved so that they can be successfully applied in future tasks.
  • the random component is applied to the stored data.
  • the random component preferably brings about random perturbations of the stored data.
  • the perturbations represent a simple way of finding improved strategies for data processing by the KI module.
  • distortions of training data sets can be reduced by repeating AI decisions on input data that is stored and yet actively modified.
  • the random component is applied to at least one algorithm or at least one parameter of the KI module. In this way, too, better or more efficient data processing strategies can be tracked down by the Kl module.
  • correlations in data sets are detected. This can be used in particular to reduce the input variables to be processed for a task. By analyzing large amounts of collected data, hidden correlations in the datasets, including human input, can be uncovered. These can be advantageous in order to obtain certain information more simply, quickly or cheaply, e.g. by reducing the number of sensors or sensor data required for a specific task.
  • a method according to the invention, a CI module according to the invention or a device according to the invention is used particularly advantageously in a means of transportation.
  • the means of locomotion can in particular be a motor vehicle, e.g. a passenger car or a commercial vehicle, but also a ship, an aircraft, e.g. a Volocopter, etc.
  • the Kl module can be used in particular for computer-based vision or autonomous driving tasks be used. Since these tasks are regularly very complex, the use of artificial intelligence for this purpose is particularly advantageous.
  • a state can be determined in which the system operated by the AI module is not in use for its primary purpose when the means of transportation is parked or not in motion. Short periods of non-use can also be used, e.g. stopping at traffic lights.
  • use in other areas is also advantageous, e.g. in robots, medical devices or user devices.
  • a KI module is set up to be used in a method according to the invention or with a device according to the invention.
  • the AI module can provide information about its operating state, for example, or it can be set up to enable the algorithms or parameters used to be adapted.
  • FIG. 1 schematically shows a method for operating a KI module
  • FIG. 2 shows a first embodiment of a device for operating a KI module
  • FIG. 3 shows a second embodiment of a device for operating a KI module
  • Fig. 4 schematically represents a means of locomotion in which a solution according to the invention is implemented
  • FIG. 5 illustrates a control operation of a KI module in a means of transportation
  • FIG. 6 illustrates a state of the KI module in which a system served by the KI module is not in use for its primary purpose
  • the AI module can be used, for example, in a means of transportation, for example for tasks involving computer-based vision or autonomous driving. However, it can also be an AI module that is used in a robot, a medical device or a user device.
  • a state is determined 10 in which a system served by the K1 module is not in use for its primary purpose.
  • a KI module of a means of transportation this can be the case in particular when the means of transportation is parked or not in motion. Short periods of non-use can also be used, eg stopping at traffic lights.
  • stored data is processed by the AI module with the addition of a random component 11.
  • the stored data can in particular be data from earlier situations processed by the AI module.
  • the random component can be applied to the stored data. In this case, the random component preferably brings about random perturbations of the stored data.
  • the random component can be applied to at least one algorithm or at least one parameter of the KI module.
  • a result of the processing is evaluated 12 and the KI module is adapted 13 depending on the evaluation.
  • correlations in data sets can be detected, for example. This can be used in particular to reduce the input variables to be processed for a task.
  • FIG. 2 shows a simplified schematic representation of a first specific embodiment of a device 20 for operating a KI module KIM.
  • the AI module KIM can be used, for example, in a means of transportation, for example for tasks involving computer-based vision or autonomous driving. However, it can also be a KIM module that is used in a robot, a medical device or a user device.
  • the device 20 has an interface 21 via which the device 20 can communicate with the AI module KIM.
  • a monitoring module 22 is set up to determine a condition in which a system served by the AI module KIM is not in use for its primary purpose. In the case of a KI module KIM of a means of transportation, this can be the case in particular when the means of transportation is parked or not in motion.
  • the monitoring module 22 can, for example, evaluate information about an operating state BZ that is provided by the AI module KIM or by another source.
  • a data module 23 is set up to provide stored data GD for processing by the K1 module KIM with the addition of a random component ZK.
  • the stored data GD can in particular be data from earlier situations processed by the AI module KIM.
  • the random component can be applied to the stored data GD, for example.
  • the random component ZK preferably causes random perturbations of the stored data GD.
  • the random component ZK can be applied to at least one algorithm or at least one parameter of the KI module KIM.
  • An evaluation module 24 is set up to evaluate a result of the processing.
  • a control module 25 is set up to adapt the KI module KIM depending on the evaluation.
  • the evaluation module 24 can also be set up to detect correlations in data sets. This can in particular be used to reduce the input variables to be processed for a task.
  • the monitoring module 22, the data module 23, the evaluation module 24 and the control module 25 can be controlled by a control module 26. If necessary, settings of the monitoring module 22, the control module 23, the evaluation module 24, the control module 25 or the control module 26 can be changed via a user interface 28 or new strategies or results of the device 20 found in the sense of supervised learning ) can be evaluated by an operator. If required, the data occurring in the device 20 can be stored in a memory 27, for example for later evaluation or for use by the components of the device 20. The stored data GD can also be stored in the memory 27 for processing by the Kl- KIM module must be stored.
  • the monitoring module 22, the data module 23, the evaluation module 24, the control module 25 and the control module 26 can be implemented as dedicated hardware, for example as integrated circuits.
  • the interface 21 can be implemented as a bidirectional interface or in the form of a separate input and output.
  • the device 20 can alternatively also be integrated into the KI module KIM or be implemented in a single control unit.
  • FIG. 3 shows a simplified schematic representation of a second embodiment of a device 30 for operating a KI module.
  • the device 30 has a processor 32 and a memory 31 .
  • the device 30 is a computer or a control device. Instructions are stored in the memory 31 which, when executed by the processor 32, cause the device 30 to carry out the steps according to one of the methods described.
  • the instructions stored in the memory 31 thus embody a program which can be executed by the processor 32 and implements the method according to the invention.
  • the device 30 has an input 33 for receiving information, for example data from a sensor system of the means of transport or data that was received via a data transmission unit. Data generated by the processor 32 is provided via an output 34 . In addition, they can be stored in memory 31.
  • the input 33 and the output 34 can be combined to form a bidirectional interface.
  • Processor 32 may include one or more processing units, such as microprocessors, digital signal processors, or combinations thereof.
  • the memories 27, 31 of the described embodiments can have both volatile and non-volatile memory areas and can include a wide variety of memory devices and storage media, for example hard disks, optical storage media or semiconductor memories.
  • FIG. 4 shows schematically a means of transportation 40 in which a solution according to the invention is implemented.
  • the means of transportation 40 is a motor vehicle.
  • the motor vehicle has at least one AI module KIM, e.g. for computer-based vision or autonomous driving tasks.
  • the motor vehicle has a device 20 for operating the KI module KIM.
  • the device 20 can of course also be integrated into the KI module KIM.
  • Other components of the motor vehicle are a sensor system 41 for detecting environmental information, a user interface 42, a navigation system 43, a data transmission unit 44 and a number of assistance systems 45, one of which is shown as an example.
  • the sensor system 41 can include a radar sensor, a lidar sensor, acceleration sensors, one or more cameras or ultrasonic sensors.
  • GPS data can be provided by the navigation system 43 if required.
  • a connection to service providers or other motor vehicles can be established by means of the data transmission unit 44 .
  • a memory 46 is provided for storing data. The exchange of data between the various components of the motor vehicle takes place via a network 47.
  • Fig. 5 illustrates a regular operation of a KIM module KIM in a means of transportation.
  • the means of transportation continuously receives input data from various sources 51, for example sensor data 52, user inputs 53, "over-the-air" data 54 or other data 55.
  • the data are processed by a computer-aided system 50, which has at least one cl- Module KIM includes.
  • the Kl module KIM processes the data and generates specific outputs 56, for example information to be displayed or active interventions or assistance for a current driving situation.
  • FIG. 6 illustrates a state of the KI module KIM in which the KI module KIM is not in use for the ferry operation.
  • the data processing by the means of transportation is expanded by the ART approach while the means of transportation is not in use, ie by using artificial random thoughts.
  • Input data GD from files and possible algorithms or sets of parameters are actively manipulated or changed at random, ie a random component ZK is introduced in order to improve existing strategies.
  • Each result is evaluated with regard to its suitability, which is symbolized by the shift register 57, and is stored in a file 58 if its suitability is confirmed.
  • continuous recordings of telemetric data can serve as input data GD, which enables the simulation of earlier driving events.
  • the ART approach can then be used to reduce failures of the AI functionalities of the means of transport.
  • earlier situations can be simulated, e.g. a failed traffic sign recognition, while (randomized) disturbances are impressed on the original data, e.g. with regard to image post-processing. Potentially better results or strategies are saved so that they can be successfully applied to future tasks.
  • the results may extend the performance of the existing system as they provide additional input data.
  • the outputs 56 are now based on the current data and the additional input data.
  • the solution described also increases efficiency, since the idling times of the means of transport, for example when parking or while stopping at traffic lights, are used for calculations that could be too complex for real-time processing in normal operation.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Verfahren, ein Computerprogramm mit Instruktionen und eine Vorrichtung zum Betreiben eines KI-Moduls. Die Erfindung betrifft zudem ein für das Verfahren geeignetes KI-Modul sowie ein Fortbewegungsmittel, das eine erfindungsgemäßes KI-Modul oder eine erfindungsgemäße Vorrichtung aufweist oder eingerichtet ist, ein erfindungsgemäßes Verfahren zum Betreiben eines KI-Moduls auszuführen. In einem ersten Schritt wird ein Zustand festgestellt (10), in dem ein vom KI-Modul bedientes System nicht für seinen primären Zweck in Benutzung ist. Daraufhin werden durch das KI-Modul gespeicherte Daten unter Hinzunahme einer Zufallskomponente verarbeitet (11). Ein Ergebnis der Verarbeitung wird evaluiert (12) und das KI-Modul in Abhängigkeit von der Evaluierung angepasst (13).

Description

Beschreibung
Verfahren, Computerprogramm und Vorrichtung zum Betreiben eines Kl-Moduls
Die vorliegende Erfindung betrifft ein Verfahren, ein Computerprogramm mit Instruktionen und eine Vorrichtung zum Betreiben eines Kl-Moduls. Die Erfindung betrifft zudem ein für das Verfahren geeignetes Kl-Modul sowie ein Fortbewegungsmittel, das eine erfindungsgemäßes Kl-Modul oder eine erfindungsgemäße Vorrichtung aufweist oder eingerichtet ist, ein erfindungsgemäßes Verfahren zum Betreiben eines Kl-Moduls auszuführen.
Bei der künstlichen Intelligenz (Kl) handelt es sich um ein beständig expandierendes Gebiet, das ein einzigartiges Potenzial für Mensch-Maschine-Interaktionen und Anwendungen in Wissenschaft und Industrie bietet. Heutzutage ist die Kl bereits Teil der täglichen Routine im Leben der meisten Menschen, z.B. durch die Verwendung von Suchmaschinen, Sprachbefehlen oder beim Empfang personalisierter Werbung. Die Entwicklung der Kl ist stark mit den Entwicklungen auf dem Gebiet der Informatik und des Ingenieurwesens verbunden. Parallel zu den oben erwähnten Informationstechnologien muss sich die Automobilindustrie mit komplexen Anforderungen auseinandersetzen: Computerbasiertes Sehen, auch als Computer Vision bezeichnet, und autonomes Fahren, das Internet der Dinge, die Bereitstellung von Funktionen "over the air", die Anforderungen der Kunden an neue (Dritt-)Anwendungen und Navigationssysteme erfordern hohe Datenmengen, die in kurzen Zeiträumen verarbeitet werden müssen, und komplexe Strategien zur Analyse. Daher haben sich Kl-Algorithmen als wichtigen Komponenten heutiger Kraftfahrzeuge herauskristallisiert.
In diesem Zusammenhang beschreibt US 2020/0033868 A1 ein System zur autonomen Erstellung von Fahrstrategien. Das System umfasst eine Reihe von autonomen Fahragenten und ein Modul zur Erstellung von Fahrstrategien. Dieses Modul umfasst eine Reihe von Fahrstrategie-Lernmodulen zur Erstellung und Verbesserung von Fahrstrategien auf der Grundlage der von den Fahragenten gesammelten kollektiven Erfahrungen. Die Fahragenten können Fahrerfahrungen sammeln, um eine Wssensbasis zu schaffen. Die Fahrstrategie- Lernmodule können die kollektiven Fahrerfahrungen verarbeiten, um Fahrstrategien zu extrahieren. Es ist eine Aufgabe der Erfindung, verbesserte Lösungen zum Betreiben eines Kl-Moduls bereitzustellen.
Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1, durch ein Computerprogramm mit Instruktionen gemäß Anspruch 11 sowie durch eine Vorrichtung mit den Merkmalen des Anspruchs 12 gelöst. Bevorzugte Ausgestaltungen der Erfindung sind Gegenstand der abhängigen Ansprüche.
Gemäß einem ersten Aspekt der Erfindung umfasst ein Verfahren zum Betreiben eines Kl- Moduls die Schritte:
- Feststellen eines Zustands, in dem ein vom Kl-Modul bedientes System nicht für seinen primären Zweck in Benutzung ist;
- Verarbeiten von gespeicherten Daten durch das Kl-Modul unter Hinzunahme einer Zufallskomponente;
- Evaluieren eines Ergebnisses der Verarbeitung; und
- Anpassen des Kl-Moduls in Abhängigkeit von der Evaluierung.
Gemäß einem weiteren Aspekt der Erfindung umfasst ein Computerprogramm Instruktionen, die bei Ausführung durch einen Computer den Computer zur Ausführung der folgenden Schritte zum Betreiben eines Kl-Moduls veranlassen:
- Feststellen eines Zustands, in dem ein vom Kl-Modul bedientes System nicht für seinen primären Zweck in Benutzung ist;
- Verarbeiten von gespeicherten Daten durch das Kl-Modul unter Hinzunahme einer Zufallskomponente;
- Evaluieren eines Ergebnisses der Verarbeitung; und
- Anpassen des Kl-Moduls in Abhängigkeit von der Evaluierung.
Der Begriff Computer ist dabei breit zu verstehen. Insbesondere umfasst er auch Steuergeräte, eingebettete Systeme und andere prozessorbasierte Datenverarbeitungsvorrichtungen.
Das Computerprogramm kann beispielsweise für einen elektronischen Abruf bereitgestellt werden oder auf einem computerlesbaren Speichermedium gespeichert sein.
Gemäß einem weiteren Aspekt der Erfindung weist eine Vorrichtung zum Betreiben eines Kl- Moduls auf: - ein Überwachungsmodul zum Feststellen eines Zustands, in dem ein vom Kl-Modul bedientes System nicht für seinen primären Zweck in Benutzung ist;
- ein Datenmodul zum Bereitstellen von gespeicherten Daten für das Verarbeiten durch das Kl-Modul unter Hinzunahme einer Zufallskomponente;
- ein Evaluierungsmodul zum Evaluieren eines Ergebnisses der Verarbeitung; und
- ein Steuerungsmodul zum Anpassen des Kl-Moduls in Abhängigkeit von der Evaluierung.
Bei der erfindungsgemäßen Lösung wird ein System der Kl in die Lage versetzt, neue Strategien und alternative Mechanismen zu entwickeln und auf der Grundlage vorhandener Daten zu bewerten. Der Optimierungsprozess nutzt beim Verarbeiten der Daten Zufallskomponenten, um neue Alternativen zu bestehenden oder sogar zukünftigen Problemen zu schaffen. Anders ausgedrückt, die Kl wird in die Lage versetzt, Ideen zu entwickeln. Diese können auf zufälligen, jedoch absichtlich initiierten rechnerischen Aktionen beruhen, so wie menschliche Ideen aus zufälligen Gedanken entstehen können. Die so bereitgestellten Alternativen können im Kontext eines bestehenden Problems übertragen werden oder bei zukünftigen Aufgaben aus dem Erlernten abgerufen werden. Die Kl wird so in die Lage versetzt, eine Lösung bereitzustellen, die effizienter ist als bestehende Strategien, oder die zu zukünftigen, jedoch unvorhergesehenen Anforderungen passt, oder die nicht innerhalb der gegebenen Zeitspanne einer aktuellen Situation berechnet werden könnte. Der beschriebene Mechanismus trägt die Bezeichnung „künstliche Zufallsgedanken“ (engl.: ART, Artificial Random Thoughts).
Gemäß einem Aspekt der Erfindung umfassen die gespeicherten Daten Daten früherer durch das Kl-Modul verarbeiteter Situationen. Dies erlaubt es, Ausfälle der Kl-Funktionalitäten zu reduzieren, indem frühere fehlgeschlagene Situationen simuliert werden. Durch die Hinzunahme einer Zufallskomponente können dabei potentiell bessere Ergebnisse bzw. Strategien zu Tage treten. Diese werden gespeichert, sodass sie bei zukünftigen Aufgaben erfolgreich angewendet werden können.
Gemäß einem Aspekt der Erfindung wird die Zufallskomponente auf die gespeicherten Daten angewendet. Dabei bewirkt die Zufallskomponente vorzugsweise zufällige Perturbationen der gespeicherten Daten. Die Perturbationen stellen eine einfache Möglichkeit dar, verbesserte Strategien der Datenverarbeitung durch das Kl-Modul aufzufinden. Darüber hinaus lassen sich Verzerrungen von Trainingsdatensätzen durch Wiederholung von Kl- Entscheidungen auf gespeicherten und dennoch aktiv modifizierten Eingangsdaten reduzieren. Gemäß einem Aspekt der Erfindung wird die Zufallskomponente auf zumindest einen Algorithmus oder zumindest einen Parameter des Kl-Moduls angewendet. Auch auf diese Weise lassen sich bessere oder effizientere Strategien der Datenverarbeitung durch das Kl- Modul aufspüren.
Gemäß einem Aspekt der Erfindung werden beim Evaluieren von Ergebnissen der Verarbeitung Korrelationen in Datensätzen detektiert. Dies kann insbesondere genutzt werden, um eine Reduzierung der für eine Aufgabe zu verarbeitenden Eingangsgrößen vorzunehmen. Durch eine Analyse großer gesammelter Datenmengen lassen sich versteckte Korrelationen in den Datensätzen, einschließlich menschlicher Eingaben, aufdecken. Diese können vorteilhaft sein, um bestimmte Informationen einfacher, schneller oder billiger zu erhalten, z.B. durch eine Reduzierung der Anzahl der für eine bestimmte Aufgabe erforderlichen Sensoren bzw. Sensordaten.
Besonders vorteilhaft wird ein erfindungsgemäßes Verfahren, ein erfindungsgemäßes Kl- Modul oder eine erfindungsgemäße Vorrichtung in einem Fortbewegungsmittel eingesetzt.
Bei dem Fortbewegungsmittel kann es sich insbesondere um ein Kraftfahrzeug handeln, z.B. einen Personenkraftwagen oder ein Nutzfahrzeug, aber auch um ein Schiff, ein Fluggerät, z.B. einen Volocopter, etc. Das Kl-Modul kann dabei insbesondere für Aufgaben des computerbasierten Sehens oder des autonomen Fahrens verwendet werden. Da diese Aufgaben regelmäßig sehr komplex sind, ist die Verwendung von künstlicher Intelligenz zu diesem Zweck besonders vorteilhaft. Bei einem Kl-Modul eines Fortbewegungsmittels kann insbesondere dann ein Zustand festgestellt werden, in dem das vom Kl-Modul bediente System nicht für seinen primären Zweck in Benutzung ist, wenn das Fortbewegungsmittel geparkt oder nicht in Bewegung ist. Dabei können auch kurze Zeiträume der Nichtbenutzung ausgenutzt werden, z.B. Haltephasen an Ampeln. Neben der Verwendung einer erfindungsgemäßen Lösung in einem Fortbewegungsmittel ist aber auch die Verwendung in anderen Bereichen vorteilhaft, z.B. in Robotern, Medizingeräten oder Nutzergeräten.
Gemäß einem weiteren Aspekt der Erfindung ist eine Kl-Modul eingerichtet, in einem erfindungsgemäßen Verfahren oder mit einer erfindungsgemäßen Vorrichtung verwendet zu werden. Zu diesem Zweck kann das Kl-Modul beispielsweise Informationen zu seinem Betriebszustand bereitstellen oder eingerichtet sein, eine Anpassung der verwendeten Algorithmen oder Parameter zu ermöglichen.
Weitere Merkmale der vorliegenden Erfindung werden aus der nachfolgenden Beschreibung und den angehängten Ansprüchen in Verbindung mit den Figuren ersichtlich. Fig. 1 zeigt schematisch ein Verfahren zum Betreiben eines Kl-Moduls;
Fig. 2 zeigt eine erste Ausführungsform einer Vorrichtung zum Betreiben eines Kl- Moduls;
Fig. 3 zeigt eine zweite Ausführungsform einer Vorrichtung zum Betreiben eines Kl- Moduls;
Fig. 4 stellt schematisch ein Fortbewegungsmittel dar, in dem eine erfindungsgemäße Lösung realisiert ist;
Fig. 5 veranschaulicht einen Regelbetrieb eines Kl-Moduls in einem Fortbewegungsmittel;
Fig. 6 veranschaulicht einen Zustand des Kl-Moduls, in dem ein vom Kl-Modul bedientes System nicht für seinen primären Zweck in Benutzung ist; und
Fig. 7 veranschaulicht einen Zustand des Kl-Moduls nach einer Erweiterung seiner Fähigkeiten.
Zum besseren Verständnis der Prinzipien der vorliegenden Erfindung werden nachfolgend Ausführungsformen der Erfindung anhand der Figuren detaillierter erläutert. Es versteht sich, dass sich die Erfindung nicht auf diese Ausführungsformen beschränkt und dass die beschriebenen Merkmale auch kombiniert oder modifiziert werden können, ohne den Schutzbereich der Erfindung zu verlassen, wie er in den angehängten Ansprüchen definiert ist.
Fig. 1 zeigt schematisch ein Verfahren zum Betreiben eines Kl-Moduls. Das Kl-Modul kann beispielsweise in einem Fortbewegungsmittel verwendet werden, z.B. für Aufgaben des computerbasierten Sehens oder des autonomen Fahrens. Es kann sich aber auch um ein Kl- Modul handeln, das in einem Roboter, einem Medizingerät oder einem Nutzergerät verwendet wird. In einem ersten Schritt wird ein Zustand festgestellt 10, in dem ein vom Kl- Modul bedientes System nicht für seinen primären Zweck in Benutzung ist. Bei einem Kl- Modul eines Fortbewegungsmittels kann dies insbesondere dann der Fall sein, wenn das Fortbewegungsmittel geparkt oder nicht in Bewegung ist. Dabei können auch kurze Zeiträume der Nichtbenutzung ausgenutzt werden, z.B. Haltephasen an Ampeln. Daraufhin werden durch das Kl-Modul gespeicherte Daten unter Hinzunahme einer Zufallskomponente verarbeitet 11. Bei den gespeicherten Daten kann es sich insbesondere um Daten früherer durch das Kl-Modul verarbeiteter Situationen handeln. Die Zufallskomponente kann beispielsweise auf die gespeicherten Daten angewendet werden. Dabei bewirkt die Zufallskomponente vorzugsweise zufällige Perturbationen der gespeicherten Daten.
Alternativ oder zusätzlich kann die Zufallskomponente auf zumindest einen Algorithmus oder zumindest einen Parameter des Kl-Moduls angewendet werden. Ein Ergebnis der Verarbeitung wird evaluiert 12 und das Kl-Modul in Abhängigkeit von der Evaluierung angepasst 13. Bei der Evaluierung der Ergebnisse können beispielsweise Korrelationen in Datensätzen detektiert werden. Dies kann insbesondere genutzt werden, um eine Reduzierung der für eine Aufgabe zu verarbeitenden Eingangsgrößen vorzunehmen.
Fig. 2 zeigt eine vereinfachte schematische Darstellung einer ersten Ausführungsform einer Vorrichtung 20 zum Betreiben eines Kl-Moduls KIM. Das Kl-Modul KIM kann beispielsweise in einem Fortbewegungsmittel verwendet werden, z.B. für Aufgaben des computerbasierten Sehens oder des autonomen Fahrens. Es kann sich aber auch um ein Kl-Modul KIM handeln, das in einem Roboter, einem Medizingerät oder einem Nutzergerät verwendet wird. Die Vorrichtung 20 hat eine Schnittstelle 21, über die die Vorrichtung 20 mit dem Kl-Modul KIM kommunizieren kann. Ein Überwachungsmodul 22 ist dazu eingerichtet, einen Zustand festzustellen, in dem ein vom Kl-Modul KIM bedientes System nicht für seinen primären Zweck in Benutzung ist. Bei einem Kl-Modul KIM eines Fortbewegungsmittels kann dies insbesondere dann der Fall sein, wenn das Fortbewegungsmittel geparkt oder nicht in Bewegung ist. Dabei können auch kurze Zeiträume der Nichtbenutzung ausgenutzt werden, z.B. Haltephasen an Ampeln. Dazu kann das Überwachungsmodul 22 beispielsweise Informationen über einen Betriebszustand BZ auswerten, die vom Kl-Modul KIM oder von einer anderen Quelle bereitgestellt werden. Ein Datenmodul 23 ist dazu eingerichtet, gespeicherte Daten GD für das Verarbeiten durch das Kl-Modul KIM unter Hinzunahme einer Zufallskomponente ZK bereitzustellen. Bei den gespeicherten Daten GD kann es sich insbesondere um Daten früherer durch das Kl-Modul KIM verarbeiteter Situationen handeln. Die Zufallskomponente kann beispielsweise auf die gespeicherten Daten GD angewendet werden. Dabei bewirkt die Zufallskomponente ZK vorzugsweise zufällige Perturbationen der gespeicherten Daten GD. Alternativ oder zusätzlich kann die Zufallskomponente ZK auf zumindest einen Algorithmus oder zumindest einen Parameter des Kl-Moduls KIM angewendet werden. Ein Evaluierungsmodul 24 ist dazu eingerichtet, ein Ergebnis der Verarbeitung zu evaluieren. Ein Steuerungsmodul 25 ist dazu eingerichtet, das Kl-Modul KIM in Abhängigkeit von der Evaluierung anzupassen. Das Evaluierungsmodul 24 kann zudem eingerichtet sein, Korrelationen in Datensätzen zu detektieren. Dies kann insbesondere genutzt werden, um eine Reduzierung der für eine Aufgabe zu verarbeitenden Eingangsgrößen vorzunehmen.
Das Überwachungsmodul 22, das Datenmodul 23, das Evaluierungsmodul 24 und das Steuerungsmodul 25 können von einem Kontrollmodul 26 gesteuert werden. Über eine Benutzerschnittstelle 28 können gegebenenfalls Einstellungen des Überwachungsmoduls 22, des Steuermoduls 23, des Evaluierungsmoduls 24, des Steuerungsmoduls 25 oder des Kontrollmoduls 26 geändert oder auch gefundene, neue Strategien bzw. Ergebnisse der Vorrichtung 20 im Sinne eines überwachten Lernens (engl.: supervised learning) durch einen Bediener bewertet werden. Die in der Vorrichtung 20 anfallenden Daten können bei Bedarf in einem Speicher 27 abgelegt werden, beispielsweise für eine spätere Auswertung oder für eine Nutzung durch die Komponenten der Vorrichtung 20. Im Speicher 27 können zudem auch die gespeicherten Daten GD für die Verarbeitung durch das Kl-Modul KIM abgelegt sein. Das Überwachungsmodul 22, das Datenmodul 23, das Evaluierungsmodul 24, das Steuerungsmodul 25 sowie das Kontrollmodul 26 können als dedizierte Hardware realisiert sein, beispielsweise als integrierte Schaltungen. Natürlich können sie aber auch teilweise oder vollständig kombiniert oder als Software implementiert werden, die auf einem geeigneten Prozessor läuft, beispielsweise auf einer GPU oder einer CPU. Die Schnittstelle 21 kann als bidirektionale Schnittstelle oder in Form eines getrennten Eingangs und Ausgangs implementiert sein. Zudem kann die Vorrichtung 20 alternativ auch in das Kl- Modul KIM integriert sein oder in einem einzigen Steuergerät realisiert sein.
Fig. 3 zeigt eine vereinfachte schematische Darstellung einer zweiten Ausführungsform einer Vorrichtung 30 zum Betreiben eines Kl-Moduls. Die Vorrichtung 30 weist einen Prozessor 32 und einen Speicher 31 auf. Beispielsweise handelt es sich bei der Vorrichtung 30 um einen Computer oder ein Steuergerät. Im Speicher 31 sind Instruktionen abgelegt, die die Vorrichtung 30 bei Ausführung durch den Prozessor 32 veranlassen, die Schritte gemäß einem der beschriebenen Verfahren auszuführen. Die im Speicher 31 abgelegten Instruktionen verkörpern somit ein durch den Prozessor 32 ausführbares Programm, welches das erfindungsgemäße Verfahren realisiert. Die Vorrichtung 30 hat einen Eingang 33 zum Empfangen von Informationen, beispielsweise von Daten einer Sensorik des Fortbewegungsmittels oder von Daten, die über eine Datenübertragungseinheit empfangen wurden. Vom Prozessor 32 generierte Daten werden über einen Ausgang 34 bereitgestellt. Darüber hinaus können sie im Speicher 31 abgelegt werden. Der Eingang 33 und der Ausgang 34 können zu einer bidirektionalen Schnittstelle zusammengefasst sein. Der Prozessor 32 kann eine oder mehrere Prozessoreinheiten umfassen, beispielsweise Mikroprozessoren, digitale Signalprozessoren oder Kombinationen daraus.
Die Speicher 27, 31 der beschriebenen Ausführungsformen können sowohl volatile als auch nichtvolatile Speicherbereiche aufweisen und unterschiedlichste Speichergeräte und Speichermedien umfassen, beispielsweise Festplatten, optische Speichermedien oder Halbleiterspeicher.
Nachfolgend soll eine bevorzugte Ausführungsform der Erfindung anhand von Fig. 4 bis Fig. 7 erläutert werden.
Fig. 4 stellt schematisch ein Fortbewegungsmittel 40 dar, in dem eine erfindungsgemäße Lösung realisiert ist. Bei dem Fortbewegungsmittel 40 handelt es sich in diesem Beispiel um ein Kraftfahrzeug. Das Kraftfahrzeug weist zumindest ein Kl-Modul KIM auf, z.B. für Aufgaben des computerbasierten Sehens oder des autonomen Fahrens. Weiterhin weist das Kraftfahrzeug eine Vorrichtung 20 zum Betreiben des Kl-Moduls KIM auf. Die Vorrichtung 20 kann natürlich auch in das Kl-Modul KIM integriert sein. Weitere Komponenten des Kraftfahrzeugs sind eine Sensorik 41 zur Erfassung von Umgebungsinformationen, eine Nutzerschnittstelle 42, ein Navigationssystem 43, eine Datenübertragungseinheit 44 sowie eine Reihe von Assistenzsystemen 45, von denen eines exemplarisch dargestellt ist. Beispielsweise kann die Sensorik 41 einen Radarsensor, einen Lidarsensor, Beschleunigungssensoren, eine oder mehrere Kameras oder Ultraschallsensoren umfassen. Vom Navigationssystem 43 können bei Bedarf GPS-Daten bereitgestellt werden. Mittels der Datenübertragungseinheit 44 kann eine Verbindung zu Dienstanbietern oder anderen Kraftfahrzeugen aufgebaut werden. Zur Speicherung von Daten ist ein Speicher 46 vorhanden. Der Datenaustausch zwischen den verschiedenen Komponenten des Kraftfahrzeugs erfolgt über ein Netzwerk 47.
Fig. 5 veranschaulicht einen Regelbetrieb eines Kl-Moduls KIM in einem Fortbewegungsmittel. Während des Betriebs erhält das Fortbewegungsmittel fortlaufend Eingangsdaten aus verschiedenen Quellen 51, z.B. Sensordaten 52, Nutzereingaben 53, „Over-the-Air“-Daten 54 oder weitere Daten 55. Die Daten werden von einem rechnergestützten System 50 verarbeitet, das zumindest ein Kl-Modul KIM umfasst. Das Kl- Modul KIM verarbeitet die Daten und erzeugt spezifische Ausgaben 56, z.B. anzuzeigende Informationen oder aktive Eingriffe oder Hilfen für eine aktuelle Fahrsituation. Die möglichen Aktionen und Lösungen sind jedoch auf das zum gegebenen Zeitpunkt verfügbare Wissen beschränkt. Fig. 6 veranschaulicht einen Zustand des Kl-Moduls KIM, in dem das Kl-Modul KIM nicht für den Fährbetrieb in Benutzung ist. Erfindungsgemäß wird die Datenverarbeitung seitens des Fortbewegungsmittels durch den ART-Ansatz erweitert, während das Fortbewegungsmittel nicht im Einsatz ist, d.h. durch die Nutzung künstlicher Zufallsgedanken. Eingangsdaten GD aus Dateien sowie mögliche Algorithmen oder Parametersätze werden aktiv manipuliert bzw. zufällig verändert, d.h. es wird eine Zufallskomponente ZK eingebracht, um bestehende Strategien zu verbessern. Jedes Ergebnis wird in Bezug auf seine Eignung bewertet, was durch die Schieberegister 57 symbolisiert wird, und, falls seine Eignung bestätigt wird, in einer Datei 58 abgelegt.
Als Eingangsdaten GD können beispielsweise kontinuierliche Aufzeichnungen telemetrischer Daten dienen, was die Simulation früherer Fahrereignisse ermöglicht. Der ART-Ansatz kann dann verwendet werden, um Ausfälle der Kl-Funktionalitäten des Fortbewegungsmittels zu reduzieren. Dazu können frühere Situationen simuliert werden, z.B. eine fehlgeschlagene Verkehrszeichenerkennung, während den Originaldaten (randomisierte) Störungen aufgeprägt werden, z.B. im Hinblick auf die Bildnachbearbeitung. Potentiell bessere Ergebnisse bzw. Strategien werden gespeichert, sodass sie bei zukünftigen Aufgaben erfolgreich angewendet werden können.
Fig. 7 veranschaulicht einen Zustand des Kl-Moduls KIM nach einer Erweiterung seiner Fähigkeiten. Im weiteren Betrieb erweitern die Ergebnisse gegebenenfalls die Leistung des bestehenden Systems, da sie zusätzliche Eingabedaten liefern. Die Ausgaben 56 beruhen nunmehr auf den aktuellen Daten und den zusätzlichen Eingabedaten. Die beschriebene Lösung steigert zudem die Effizienz, da die Leerlaufzeiten des Fortbewegungsmittels, z.B. beim Parken oder während Haltephasen an Ampeln, für Berechnungen verwendet werden, die für eine Echtzeitverarbeitung im Regelbetrieb zu komplex sein könnten.
Bezugszeichenliste Feststellen eines Zustands, in dem ein vom Kl-Modul bedientes System nicht für seinen primären Zweck in Benutzung ist Verarbeiten von gespeicherten Daten durch das Kl-Modul unter Hinzunahme einer Zufallskomponente Evaluieren eines Ergebnisses der Verarbeitung der gespeicherten Daten Anpassen des Kl-Moduls in Abhängigkeit von der Evaluierung Vorrichtung 44 Datenübertragungseinheit Eingang 45 Assistenzsystem Überwachungsmodul 46 Speicher Datenmodul 47 Netzwerk Evaluierungsmodul 50 Rechnergestütztes System Steuerungsmodul 51 Quellen Kontrollmodul 52 Sensordaten Speicher 53 Nutzereingaben Benutzerschnittstelle 54 OTA- Daten Vorrichtung 55 Weitere Daten Speicher 56 Ausgabe Prozessor 57 Schieberegister Eingang 58 Datei Ausgang Fortbewegungsmittel BZ Betriebszustand Sensorik GD Gespeicherte Daten Nutzerschnittstelle KIM Kl-Modul Navigationssystem ZK Zufallskomponente

Claims

Patentansprüche
1. Verfahren zum Betreiben eines Kl-Moduls (KIM), mit den Schritten:
- Feststellen (10) eines Zustands, in dem ein vom Kl-Modul (KIM) bedientes System nicht für seinen primären Zweck in Benutzung ist;
- Verarbeiten (11) von gespeicherten Daten (GD) durch das Kl-Modul (KIM) unter Hinzunahme einer Zufallskomponente (ZK);
- Evaluieren (12) eines Ergebnisses der Verarbeitung; und
- Anpassen (13) des Kl-Moduls (KIM) in Abhängigkeit von der Evaluierung.
2. Verfahren gemäß Anspruch 1, wobei die gespeicherten Daten (GD) Daten früherer durch das Kl-Modul (KIM) verarbeiteter Situationen umfassen.
3. Verfahren gemäß Anspruch 1 oder 2, wobei die Zufallskomponente (ZK) auf die gespeicherten Daten (GD) angewendet wird.
4. Verfahren gemäß Anspruch 3, wobei die Zufallskomponente (ZK) zufällige Perturbationen der gespeicherten Daten bewirkt.
5. Verfahren gemäß Anspruch 1 oder 2, wobei die Zufallskomponente (ZK) auf zumindest einen Algorithmus oder zumindest einen Parameter des Kl-Moduls (KIM) angewendet wird.
6. Verfahren gemäß einem der vorherigen Ansprüche, wobei beim Evaluieren (12) von Ergebnissen der Verarbeitung Korrelationen in Datensätzen detektiert werden.
7. Verfahren gemäß einem der vorherigen Ansprüche, wobei das Anpassen (13) des Kl- Moduls (KIM) eine Reduzierung der für eine Aufgabe zu verarbeitenden Eingangsgrößen umfasst.
8. Verfahren gemäß einem der Ansprüche 1 bis 7, wobei das Kl-Modul (KIM) in einem Fortbewegungsmittel (40) verwendet wird.
9. Verfahren gemäß Anspruch 8, wobei ein Zustand, in dem das vom Kl-Modul (KIM) bediente System nicht für seinen primären Zweck in Benutzung ist, festgestellt wird (10), wenn das Fortbewegungsmittel (40) geparkt oder nicht in Bewegung ist.
10. Verfahren gemäß Anspruch 8 oder 9, wobei das Kl-Modul (KIM) für Aufgaben des computerbasierten Sehens oder des autonomen Fahrens verwendet wird.
11. Verfahren gemäß einem der Ansprüche 1 bis 7, wobei das Kl-Modul (KIM) in einem Roboter, einem Medizingerät oder einem Nutzergerät verwendet wird.
12. Computerprogramm mit Instruktionen, die bei Ausführung durch einen Computer den Computer zur Ausführung der Schritte eines Verfahrens gemäß einem der Ansprüche 1 bis 11 zum Betreiben eines Kl-Moduls (KIM) veranlassen.
13. Vorrichtung (20) zum Betreiben eines Kl-Moduls (KIM), mit:
- einem Überwachungsmodul (22) zum Feststellen (10) eines Zustands, in dem ein vom Kl-Modul (KIM) bedientes System nicht für seinen primären Zweck in Benutzung ist;
- einem Datenmodul (23) zum Bereitstellen von gespeicherten Daten (GD) für das Verarbeiten (11) durch das Kl-Modul (KIM) unter Hinzunahme einer Zufallskomponente (ZK);
- einem Evaluierungsmodul (24) zum Evaluieren (12) eines Ergebnisses der Verarbeitung; und
- einem Steuerungsmodul (25) zum Anpassen (13) des Kl-Moduls (KIM) in Abhängigkeit von der Evaluierung.
14. Kl-Modul (KIM) für die Verwendung in einem Verfahren gemäß einem der Ansprüche 1 bis 11 oder mit einer Vorrichtung gemäß Anspruch 13.
15. Fortbewegungsmittel (40), dadurch gekennzeichnet, dass das Fortbewegungsmittel (40) ein Kl-Modul (KIM) gemäß Anspruch 14 oder eine Vorrichtung (20) gemäß Anspruch 13 aufweist oder eingerichtet ist, ein Verfahren gemäß einem der Ansprüche 1 bis 7 zum Betreiben eines Kl-Moduls (KIM) auszuführen.
EP21820198.6A 2021-01-05 2021-11-25 Verfahren, computerprogramm und vorrichtung zum betreiben eines ki-moduls Pending EP4275156A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021200030.4A DE102021200030A1 (de) 2021-01-05 2021-01-05 Verfahren, Computerprogramm und Vorrichtung zum Betreiben eines KI-Moduls
PCT/EP2021/082962 WO2022148570A1 (de) 2021-01-05 2021-11-25 Verfahren, computerprogramm und vorrichtung zum betreiben eines ki-moduls

Publications (1)

Publication Number Publication Date
EP4275156A1 true EP4275156A1 (de) 2023-11-15

Family

ID=78822426

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21820198.6A Pending EP4275156A1 (de) 2021-01-05 2021-11-25 Verfahren, computerprogramm und vorrichtung zum betreiben eines ki-moduls

Country Status (5)

Country Link
US (1) US20240303513A1 (de)
EP (1) EP4275156A1 (de)
CN (1) CN116670009A (de)
DE (1) DE102021200030A1 (de)
WO (1) WO2022148570A1 (de)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11176589B2 (en) * 2018-04-10 2021-11-16 Ebay Inc. Dynamically generated machine learning models and visualization thereof
EP3788568A1 (de) * 2018-05-02 2021-03-10 Uber Technologies, Inc. Verringerung der autonomen fahrzeugausfallzeiten und nutzung von leerlaufdaten
US10845815B2 (en) 2018-07-27 2020-11-24 GM Global Technology Operations LLC Systems, methods and controllers for an autonomous vehicle that implement autonomous driver agents and driving policy learners for generating and improving policies based on collective driving experiences of the autonomous driver agents
US11340810B2 (en) * 2018-10-09 2022-05-24 Western Digital Technologies, Inc. Optimizing data storage device operation by grouping logical block addresses and/or physical block addresses using hints
DE102018220941A1 (de) * 2018-12-04 2020-06-04 Robert Bosch Gmbh Auswertung von Messgrößen mit KI-Modulen unter Berücksichtigung von Messunsicherheiten
DE102018221063A1 (de) * 2018-12-05 2020-06-10 Volkswagen Aktiengesellschaft Konfiguration eines Steuerungssystems für ein zumindest teilautonomes Kraftfahrzeug
KR102681637B1 (ko) * 2018-12-13 2024-07-05 현대자동차주식회사 문제소음 발음원 식별을 위한 소음데이터의 인공지능 장치 및 전처리 방법
US11170300B2 (en) * 2020-01-23 2021-11-09 UMNAI Limited Explainable neural net architecture for multidimensional data
US20220122001A1 (en) * 2020-10-15 2022-04-21 Nvidia Corporation Imitation training using synthetic data

Also Published As

Publication number Publication date
WO2022148570A1 (de) 2022-07-14
US20240303513A1 (en) 2024-09-12
DE102021200030A1 (de) 2022-07-07
CN116670009A (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
DE102020128978A1 (de) Trainieren von tiefen neuronalen netzwerken mit synthetischen bildern
EP3891035B1 (de) Fahrerassistenzsystem und verfahren zum assistierten betreiben eines kraftfahrzeugs
EP4222470B1 (de) Computergestütztes verfahren und vorrichtung zur wahrscheinlichkeitsbasierten geschwindigkeitsprognose für fahrzeuge
WO2021058223A1 (de) Verfahren zur effizienten, simulativen applikation automatisierter fahrfunktionen
DE102022206603A1 (de) Verfahren zur Handdetektion, Computerprogramm, und Vorrichtung
DE102022127647A1 (de) Kalibrieren von parametern innerhalb einer virtuellen umgebung unter verwendung verstärkenden lernens
DE102020108127A1 (de) Interpretieren von daten einer reinforcement-learning-agent-steuerung
DE102021111724B4 (de) Verfahren und Computerprogramm zum Evaluieren eines Softwarestands eines Fahrerassistenzsystems
EP4022535A1 (de) Klassifizierung von ki-modulen
EP4157657B1 (de) Verfahren zur einstellung einer aussenluftzufuhr in einen innenraum eines fahrzeuges
DE102019118607A1 (de) Anomaliedetektor für fahrzeugsteuersignale
WO2022148570A1 (de) Verfahren, computerprogramm und vorrichtung zum betreiben eines ki-moduls
DE102020127253A1 (de) Quantifizieren von fotorealismus in simulierten daten mit gan
DE102020120934A1 (de) Verfahren zum Bereitstellen eines komprimierten neuronalen Netzes zur Multi-Label Multi-Klassen Kategorisierung, Fahrzeugassistenzeinrichtung zur Umgebungskategorisierung und Kraftfahrzeug
DE102024200317A1 (de) Verfahren, Vorrichtung und Computerprogramm zum Vorhersagen von Müdigkeit eines Fahrers eines Fahrzeugs
DE102023124870A1 (de) Verfahren und System zur erweiterten automatisierten Kalibrierung von Funktionen eines Fahrerassistenzsystems
DE102022111182A1 (de) Verfahren und vorrichtung zur steuerung eines sammelns von fahrzeug-umfelddaten, die mittels einem an einem fahrzeug verbauten sensorsystem gesammelt werden
DE102022125228A1 (de) Automatisiertes fahrsystem mit gewünschtem niveau der fahraggresivität
EP4487550A1 (de) Verfahren zum bereitstellen von daten in einem fahrzeug
DE102022123358A1 (de) Frequenzbasierte merkmalsbeschränkung für ein neuronales netz
DE202017105656U1 (de) Prädiktives Messsystem, Aktorsteuerungssystem und Vorrichtung zum Betreiben des prädiktiven Messsystems und/oder des Aktorsteuerungssystems
WO2020187490A1 (de) Verfahren und system zur on-board-diagnose in einem fahrzeug
DE102025109746B3 (de) Modellprädiktive Steuerung für automatisiertes Fahren in komplexen Geometrien
DE102018203137A1 (de) Verfahren, Vorrichtung und Computerprogramm zum Betreiben eines zumindest teilautonomen Fahrzeugs
WO2019201586A1 (de) Verfahren, computersystem und computerprogramm zum steuern eines aktors

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20230807

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)