In diesem Beitrag begründet der Leiter des Bereichs Autonomes Fahren bei Autobrains, Joachim Langenwalter, warum der bislang verwendete Ansatz des überwachten Lernens bei der Entwicklung von autonomen Fahrzeugen zu teuer und zu langwierig ist und daher letztendlich in eine Sackgasse führt. Er plädiert dafür, die bisher dabei entstandenen Kosten abzuschreiben. einen radikalen Schwenk durchzurühren und ab sofort auf das (fast) unüberwachte maschinelle Lernen zu setzen. (jr)
Ähnliche Artikel
Blogbeitrag
Blog: Boosting Customer Confidence in Functional Safety Software Development With SuperTest
Der folgende Blog erläutert die Vorteile, die der Einsatz der SuperTest-Suite von Solid Sands für die Entwicklung funktionaler Sicherheitssoftware bietet.
News
driveblocks: Neue Version der Mapless Autonomy Platform
driveblocks entwickelt Software, die autonomes Fahren ganz ohne hochgenaue Karten ermöglicht. Anwender können sich dabei aus einem Baukasten mit unterschiedlichen Modulen bedienen
Exklusiv
Data Automation Toolchain für KI-basiertes autonomes Fahren
Die Toolchain zur Datenautomatisierung von Foretellix liefert die Daten für Training, Validierung und Sicherheitsbewertung, die für den sicheren Einsatz von KI-gestützter Autonomie erforderlich sind.
