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
![](https://aeemobility.de/wp-content/uploads/2024/03/XANDAR_3-768x502-1-326x245.webp)
Technologie-Radar
Projekt XANDAR: Neuartige SW-Toolchain für autonome Fahrzeuge
Das EU-Projekt XANDAR hat sich zum Ziel gesetzt, eine Software-Toolchain bereitzustellen, die die gesamte Entwicklungsphase abdeckt . […]
![](https://aeemobility.de/wp-content/uploads/2024/04/ZF_KISSaF-Projektabschluss_03-326x245.webp)
Technologie-Radar
Mit KI dynamische Verkehrssituationen vorhersagen
Das Projekt KISSaF trainiert KI darauf, die Handlungen von Verkehrsteilnehmern vorherzusagen. […]
![](https://aeemobility.de/wp-content/uploads/2023/08/EDAG_Citybot-326x245.webp)
Branchen-News
EDAG: Testgelände für hochautomatisierte CityBot-Fahrzeuge
Die EDAG Group errichtet ein Testgelände für hochautomatisierte CityBot-Fahrzeuge. […]