AVL und der Lehrstuhl für Fahrzeugtechnik an der Technischen Universität München (TUM) haben gemeinsam eine Berechnungsmethode entwickelt, bei der unterschiedliche Fahrzeugflotten jeweils ein neuronales Netz trainieren. Das dort Erlernte wird dann ein globales Modell weitergegeben, ohne dass auf die Originaldaten der OEMs zugegriffen werden muss. Das KI-Modell steht dann als Basis für die Berechnung der Restlebensdauer der Batterie zur Verfügung. Dank dieses Federated Learning Ansatzes konnte die verbleibende Batterielebensdauer gegenüber dem einzelnen Flottenmodel wesentlich genauer vorhergesagt werden – der Fehlerwert reduzierte sich durchschnittlich um 32 Prozent. (jr)
Ähnliche Artikel
Positionspapier: How to make Euro 7 more effective
Das ICCT analysiert die im Euro-7-Vorschlag der Europäischen Kommission enthaltenen regulatorischen Änderungen und fordert Nachbesserungen. […]
TUM: Münchner gewinnen A2RL mit vollständig KI-gesteuertem Rennauto
Geschwindigkeiten bis 250 km/h und erfolgreiche Überholmanöver auf Rennstrecke in Abu Dhabi bringen der TUM den Sieg. […]
TUM: Ethisch entscheidender Algorithmus
Forschende der TUM haben eine Software für autonomes Fahren entwickelt, die das Risiko auf der Straße nach ethischen Gesichtspunkten fair verteilt, wobei das unterschiedliche Risiko der Verkehrsteilnehmenden berücksichtigt wird. […]