idw - Informationsdienst
Wissenschaft
Rund 150 Teilnehmende aus Wissenschaft, Industrie, Politik sowie Presse haben am 18. September 2024 in der ARENA2036 bei der Abschlusspräsentation des Projekts KARLI Einblicke in die Zukunft des Fahrens erhalten. Gemeinsam mit zehn weiteren Partnern aus Industrie und Wissenschaft haben das Fraunhofer IAO sowie das IAT der Universität Stuttgart KI-Anwendungen entwickelt, die das automatisierte Fahren sicherer und nutzungsfreundlicher machen.
Nach rund drei Jahren Laufzeit hat das Förderprojekt KARLI mit der Ergebnispräsentation in der Arena2036 seinen Abschluss gefunden. KARLI steht dabei für Künstliche Intelligenz (KI) für Adaptive, Responsive und Levelkonforme Interaktion im Fahrzeug der Zukunft. Am Mittwoch, den 18. September 2024, fanden sich rund 150 Teilnehmende aus Wissenschaft, Industrie, Politik sowie Presse in Stuttgart-Vaihingen ein. Die zwölf im Projekt involvierten Konsortialpartner demonstrierten ihre Forschungsergebnisse zu Anwendungen im PKW, die ganz besonders durch einen neuen KI-Ansatz profitieren. Neben zahlreichen Vorträgen und einer umfassenden Plakatausstellung rund um die Projektarbeit, konnten die Anwesenden die KI-Applikationen auch praxisnah testen: im Einsatz in Demonstratoren, stehenden Fahrzeugen und sogar während der Fahrt. Der Fokus des Projekts lag auf der Ausgestaltung der Interaktion zwischen dem Fahrzeug und seinen Nutzenden mithilfe von KI – unter Berücksichtigung der wechselnden Anforderungen unterschiedlicher Automatisierungslevel beim Fahren.
»Gerade in der Automobilbranche befinden wir uns inmitten eines technologischen Umbruchs. Natürlich zum einen mit Blick auf die Antriebstechnik. Aber auch in Bezug auf die Weiterentwicklung des automatisierten Fahrens«, sagt Nina Stock, Oberregierungsrätin Digitalisierung und Industrie 4.0 im Bundesministerium für Wirtschaft und Klimaschutz (BMWK) im Rahmen ihrer Begrüßungsrede. Stock fährt fort: »Noch ist das vollautomatisierte Fahren keine faktische Realität. Doch sie scheint zum Greifen nahe, sind doch bereits heute Fahrassistenten und Teilautomatisierungen im Einsatz. Für den wünschenswerten Durchbruch ist es notwendig, die Sicherheit und damit das Vertrauen in das autonome Fahren weiter zu steigern. Initiativen wie das KARLI-Projekt tragen dazu einen entscheidenden Teil bei.«
Sicherheit und Komfort steigern
Dr. Frederik Diederichs, technischer Projektleiter von KARLI und Fachgruppenleiter am Fraunhofer IOSB, stellt das Projekt vor: »Automatisiertes Fahren im öffentlichen Straßenverkehr entbindet Nutzende heute und auch in naher und mittelfristiger Zukunft nur zeitweise von der Fahrzeugsteuerung. So könnte, je nach Automatisierungslevel, zum Beispiel bei niedrigen Fahrgeschwindigkeiten, guter Wetterlage oder niedrigem Verkehrsaufkommen, eine passive Nutzungsrolle eingenommen werden, bei der man sich fahrtfremden Aktivitäten widmen kann. Veränderte äußere Bedingungen können jedoch jederzeit die Übernahme von aktiven Steuerungsaufgaben erforderlich machen.« Diederichs spezifiziert das Forschungsvorhaben: »Wir haben uns in KARLI der Aufgabe gewidmet, eben diesen Wechsel zwischen aktiven und passiven Nutzungsrollen möglichst sicher und komfortabel zu gestalten. Dazu profitieren wir von den Möglichkeiten, die KI uns heute bietet. Im Wesentlichen geht es darum, die Situation im Fahrzeug richtig zu interpretieren und die notwendige Mensch-Maschine-Interaktion entsprechend individuell auszugestalten – und das alles unter Wahrung ethischer Gesichtspunkte, der Datensicherheit und des Datenschutzes nach europäischen Standards.«
Das Projekt hat seine Aufmerksamkeit im Speziellen auf drei KI-Anwendungen gerichtet für die sogenannten SAE-Level zwei bis vier: Teilweise Automatisierung des Fahrens (2), Bedingte Fahrautomatisierung (3) sowie Hochautomatisiertes Fahren (4). SAE-Level sind Stufen, die das assistierte, automatisierte und autonome Fahren entsprechend des SAE-Standards J3016 klassifizieren. Und jede Stufe sieht eine andere Rolle für den involvierten Menschen vor. »KARLI nutzt KI, um die nutzenden Personen stets im Bewusstsein über ihre wechselnden Aufgaben zu halten«, erklärt Diederichs.
Wechsel zwischen aktivem und passivem Nutzungsverhalten
Das Team »Levelkonformes Verhalten« entwickelte Lösungen für die Interaktion zwischen Fahrenden und Fahrzeug in Bezug auf den notwendigen Rollenwechsel bei unterschiedlichen Automatisierungs-Leveln. In der Regel haben Nutzende nur einige Sekunden Zeit, um beispielsweise vom entspannten Lesen eines Buchs hin zur aktiven Steuerung des Fahrzeugs zu wechseln. Sobald das Fahrzeug ein Verhalten detektiert, das auf dem entsprechenden Automatisierungs-Level nicht erlaubt ist, interagiert das multimodale HMI (Human Machine Interface) im Fahrzeug mit den Nutzenden. Ein KI-Agent wählt die Art des Signals (akustisch, visuell, haptisch oder eine Kombination) entsprechend des Zustands der fahrenden Person aus.
Mensch-Maschine-Interaktion ausgestalten
Das Arbeitspaket »KI-Interaktion« beschäftigte sich mit Fragestellungen rund um die Ausgestaltung der MMI (Mensch-Maschine-Interaktion) und damit der Wahrnehmung der KI im Fahrzeug. Wie sollte die generelle Aktivität einer KI im Fahrzeug sichtbar gemacht werden? Wie muss ein KI-Avatar aussehen, damit man diesem zum einen angemessen vertraut und zum anderen versteht, was er kommunizieren möchte? Und wie kann die KI die Fahrenden und die Nutzungssituationen semantisch verstehen? Durch generierte User Interfaces können Ansprachen durch das Fahrzeug an die Nutzenden individuell und angepasst an die Situation erfolgen. Innenraumsensoren erfassen die Zustände der Fahrenden und das Fahrzeug erfragt zum passenden Zeitpunkt Nutzungsvorlieben. Diese Daten mit großen Sprachmodellen kombiniert, versetzen das Fahrzeug in die Lage, Kontext zu erkennen und ohne Ablenkung mit Nutzenden zu interagieren. Störende Meldungen werden verringert, indem sie sich auf die Historie und den Kontext beziehen, individuell zugeschnitten werden und zu passenderen Zeitpunkten erfolgen.
Reiseübelkeit vorbeugen
Das Forschungsthema »Motion Sickness erkennen und vermeiden« widmete sich der Fragestellung, wie der Einsatz von KI das Eintreten von Reisekrankheit bei fahrtfremden Aktivitäten nicht nur detektieren, sondern diesem auch vorbeugen kann. Hierzu ist es notwendig, dass die KI lernt, Streckenverläufe und deren Beschleunigungen zu antizipieren und diese mit den aktuellen Nutzungssituationen im Innenraum abzugleichen. Mit diesen Informationen kann die KI dann in Interaktion mit den Fahrenden treten, um Empfehlungen zur Verhaltensanpassung zu geben und Motion Sickness zu vermeiden.
Christoph Wannemacher von Konsortialleiter Continental Automotive Technologies GmbH richtet seine Worte in Richtung Förderer und Projektträger: »Wir bedanken uns recht herzlich beim Bundesministerium für Wirtschaft und Klimaschutz und unserem Projektträger, der TÜV Rheinland Consulting GmbH, für das Vertrauen in unser Konsortium sowie die Zukunftsfähigkeit unseres Forschungsvorhabens. Wir sind überzeugt, in den vergangenen drei Jahren zu Ergebnissen gelangt zu sein, die für die Zukunft des automatisierten Fahrens nicht nur von Relevanz, sondern gleichermaßen für die Industrie real umzusetzen sind.«
Pressekontakt:
Juliane Segedi, Presse und Öffentlichkeitsarbeit
Fraunhofer IAO
Telefon +49 711 970-2343, presse@iao.fraunhofer.de
Lesley-Ann Mathis, lesley-ann.mathis@iao.fraunhofer.de
Daniela Vial, daniela.vial@iao.fraunhofer.de
https://karli-projekt.de/ Projektwebseite KARLI
Im Rahmen des Projekts haben die Wissenschaftlerinnen Lesley-Ann Mathis (links) sowie Daniela Vial ( ...
Fraunhofer IAO
Merkmale dieser Pressemitteilung:
Journalisten
Verkehr / Transport
überregional
Forschungsergebnisse, Forschungsprojekte
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).