KI-Plattform

Die KI-Plattform beinhaltet mehrere Elemente: Eine Plattform zur Bereitstellung von Daten und Modellen und eine Laufzeitumgebung, auf der die BeIntelli Applikationen laufen. Im Folgenden gehen wir näher auf die Daten, Datenplattform, KI-Modelle und Services und Mutli-Agenten-Technologie ein.

Daten

In unserem Projekt digitalisieren wir nicht nur Fahrzeuge, sondern auch die Verkehrsinfrastruktur mit hochmodernen Sensoren. Die gewonnenen Daten werden im Fahrzeug oder den Edge Computern verarbeitet, um die Daten dort zur Verfügung zu stellen wo sie anfallen und genutzt werden. Zudem schaffen die Daten eine umfassende Grundlage für innovative Forschung und Entwicklungen im Bereich verbundener und autonomer Mobilität.

Die Daten gelangen auf folgende Weise in unsere KI-Plattform: Zunächst werden die von den Sensoren generierten Rohdaten lokal im Fahrzeug bzw. der Edge verarbeitet. Hierbei erfolgt eine erste Filterung und Vorverarbeitung, um nur relevante Informationen zu extrahieren. Anschließend werden aggregierte Daten lokal zur Verfügung gestellt und wo sinnvoll über eine sichere Verbindung in unsere KI-Plattform transferiert.

Unsere Datenanalyse-Pipeline setzt sich aus mehreren aufeinander abgestimmten Schritten zusammen. Nach dem Datenimport erfolgt die Datenaufbereitung, bei der eventuelle Inkonsistenzen behoben und die Daten für die weiteren Analyseprozesse optimiert werden. Die bereinigten Daten durchlaufen dann verschiedene Analyseschritte, darunter maschinelles Lernen und statistische Auswertungen, um Muster, Trends und Zusammenhänge zu identifizieren.

Die ermittelten Ergebnisse werden in verschiedenen Anwendungen visualisiert und über die Datenplattform Forschende sowie anderen Interessengruppen zur Verfügung gestellt. Darüber hinaus fließen die aggregierten Daten auch in unsere KI-Modelle ein, um die Leistungsfähigkeit autonomer Systeme kontinuierlich zu verbessern.

BeIntelli setzt auf eine effiziente Datenverarbeitung, um die Herausforderungen des vernetzten und autonomen Fahrens besser zu verstehen und innovative Lösungen für die Mobilität der Zukunft zu gestalten.

Datenplattform

Auf der hochmodernen BeIntelli Datenplattform stellen wir eine vielfältige Palette von Informationen aus den drei Ebenen – Fahrzeuge, Edge und Cloud – zur Verfügung. Nach erfolgreicher Anmeldung auf der Plattform können Nutzer mithilfe von benutzerfreundlichen GUI-Elementen und unserer Developer-API-Schnittstellen auf eine breite Auswahl an Echtzeit- und historischen Daten zugreifen. Diese Daten werden nicht nur auf der Plattform bereitgestellt, sondern auch in unseren Anwendungen aktiv genutzt.
Für die Fahrten der Fahrzeuge bieten wir umfassende Informationen wie Routenverläufe mit GPS-Position, Zeitstempel, Fahrstatus (manuelle oder automatisierte Fahrt), Zielort, Orientierung und weitere relevante Details zur Verfügung. Zudem ermöglichen wir vereinzelt den Zugriff auf anonymisierte Sensordaten von aufgezeichneten Fahrten, die sich ideal für das Training und die Evaluierung eigener Mobilitätslösungen eignen.
Darüber hinaus können Nutzer auf Daten zugreifen, die in der Edge-Infrastruktur generiert oder aggregiert werden, darunter Wetterdaten, Straßenzustandsinformationen und Listen von Objekten, die von der Infrastruktur wahrgenommen werden, und freie Parkplätze.
Auf der Cloud-Ebene werden Daten entlang der gesamten Strecke aggregiert und flächendeckend ausgewertet. Unsere Plattform bietet somit eine umfassende Datenlösung für verschiedenste Anwendungsbereiche im Bereich Mobilität und Infrastruktur.

KI-Modelle und Services

Auf der Plattform werden neben Daten auch KI-Modelle und Services zur Verfügung gestellt. Diese werdne in einem Repository zusammengefasst und können für die Nutzung, Entwicklung und Validierung von eigenen Lösungen genutzt werden.

Im Folgenden geben wir zwei Beispiele für bereitgestellte KI-Lösungen:

  • Der Rosbag-Converter ist ein spezialisierter Service, der darauf ausgerichtet ist, aus Rosbag-Dateien gezielt Daten zu extrahieren. Rosbags, ein gängiges Format in der Robotik und beim autonomen Fahren, enthalten oft eine Fülle an Informationen, von denen nicht alle für jeden Anwendungsfall relevant sind. Der Rosbag-Converter ermöglicht es Nutzern, diese umfangreichen Datensätze zu durchforsten und präzise nur jene Daten zu extrahieren, die für ihre spezifischen Bedürfnisse erforderlich sind. Dadurch wird der Aufwand, der mit der Handhabung und Analyse von umfangreichen Rosbags verbunden ist, erheblich reduziert, und Nutzer können sich effizient auf die für sie relevanten Daten konzentrieren.
  • Der Bild-Anonymisierer ist ein essenzieller Service für die Entwicklung und das Training von Künstlicher Intelligenz im Bereich des autonomen Fahrens. Dieser Service bietet die Möglichkeit, Bilder so zu bearbeiten, dass persönliche oder sensible Informationen unkenntlich gemacht werden. Durch den Einsatz fortschrittlicher Techniken zur Anonymisierung werden Gesichter, Kennzeichen und andere identifizierbare Merkmale in Bildern, die für Trainingszwecke verwendet werden, verdeckt. Dies stellt sicher, dass die Privatsphäre gewahrt bleibt, während gleichzeitig wertvolle Daten für das Training von autonomen Fahrsystemen zur Verfügung gestellt werden können.

 

Multi-Agenten-Technologie (JIAC)

Multi-Agenten-Systeme (MAS) bestehen aus mehreren intelligenten Agenten, die zusammenarbeiten, um komplexe Aufgaben zu bewältigen. Ihre Fähigkeit zur Kooperation, Anpassung und dezentralen Entscheidungsfindung macht sie besonders attraktiv für eine Vielzahl von Anwendungen, von Robotik bis Datenanalyse. Ihre Motivation liegt darin, dass sie effizient komplexe Probleme lösen können, die für einen einzelnen Agenten zu herausfordernd wären. Im Rahmen des Projekts BeIntelli nutzen wir die Potenziale von MAS gezielt für die Entwicklung von Komponenten im Kontext des autonomen Fahrens. Autonomes Fahren stellt enorme Herausforderungen an die Datenverarbeitung und Entscheidungsfindung, und MAS bieten hierfür eine ideale Lösung. Durch den Einsatz von MAS in BeIntelli streben wir danach, die Grenzen des autonomen Fahrens zu erweitern und neue Maßstäbe in dieser zukunftsweisenden Technologie zu setzen. Darüber hinaus arbeiten wir auch an der Entwicklung neuer MAS, die speziell für die Anforderungen des autonomen Fahrens konzipiert sind. Diese neuen Systeme sollen nicht nur bestehende Technologien verbessern, sondern auch als Grundlage für zukünftige Innovationen im Bereich des autonomen Fahrens dienen.