Steven Jenkins, Vice President Technology Strategy bei Magna Electronics, erläutert in seinem Artikel (erschienen in all-electronics.de), wie Künstliche Intelligenz (KI) die Entwicklung und Leistungsfähigkeit von Fahrerassistenzsystemen revolutioniert. Er beschreibt wie KI nicht nur die effiziente Verarbeitung großer Datenmengen ermöglicht, sondern auch zur Personalisierung von Systemen beiträgt, die sich an die individuellen Fahrstile anpassen. Besonders die Nutzung neuronaler Netze, wie Convolutional Neural Networks (CNNs), hat die Umfelderkennung erheblich verbessert, da diese Algorithmen in der Lage sind, visuelle Muster unabhängig von deren Position zu erkennen. Dies führt zu einer deutlich höheren Präzision und Zuverlässigkeit der ADAS-Systeme. Ein Beispiel, das er dafür nennt, ist der Einsatz von KI-unterstützten Wärmebildkameras, die Fußgänger selbst unter schwierigen Sichtverhältnissen wie Dunkelheit oder schlechtem Wetter zuverlässig erkennen können. Jenkins beschreibt außerdem den Fortschritt bei der Sensordatenfusion, für die es verschiedene Implementationsstrategien gibt. Besonders interessant sei die frühe Datenfusion, die Magna aktuell untersucht, so Jenkins. Hier fusionieren die Sensordaten bereits zu einem frühen Zeitpunkt in der Verarbeitungskette, sodass das CNN nützliche Informationen aus den Rohdaten gewinnen kann.
Ein weiteres Thema des Artikels ist die Personalisierung von Fahrerassistenzsystemen. KI-gesteuerte Systeme können den Fahrstil des Fahrers analysieren und sich kontinuierlich an dessen Präferenzen anpassen, was die Akzeptanz und Nutzerfreundlichkeit der Systeme verbessere, so Jenkins. Auch die Nutzung synthetischer Daten zur Entwicklung und zum Training von KI-Modellen wird als effektive Lösung beschrieben, insbesondere um komplexe Fahrsituationen zu simulieren und die Systeme auf seltene und kritische Verkehrsszenarien vorzubereiten. (oe)
