Die Erhebung umfangreicher Realdaten spielt eine wesentliche Rolle bei der Entwicklung von KI-Systemen und ist oft mit einem hohen zeitlichen und finanziellen und damit nicht mehr ökonomisch vertretbarem Aufwand verbunden. Aus diesem Grund besteht der dringende Bedarf die für das Training einer KI erforderlichen Daten synthetisch zu erzeugen. Dabei bestehen allerdings noch diverse Herausforderungen, wie z.B. die Unausgeglichenheit und Redundanz der Trainingsdaten. So darf beispielsweise das seltene Auftreten bestimmter kritischer Ereignisse (z.B. Beinaheunfall) nicht zu falschem Systemverhalten führen. Eine zur Datengenerierung häufig benutzte Technik ist dabei die Domänenanpassung, mit der bestehende Daten einer Quelldomäne (z.B. Weg- und Hinderniserkennung) auf eine bestimmte Zieldomäne (z.B. Weg- und Hinderniserkennung bei schlechtem Wetter) adaptiert werden ohne diese Daten erneut annotieren zu müssen. Daher besteht das Ziel des Projektes darin eine Werkzeugkette zu entwickeln, mit der realistische Kameradaten für Anwendungen im automatisierten Straßenverkehr und in der Robotik synthetisch erzeugt werden sowie diese anzuwenden und zu demonstrieren.
Das Projekt liefert einen Forschungsbeitrag zum automatisierten Fahren, indem die Werkzeugkette auf die Sensorik der Institutsanlagen ViewCar II und FASCar nachgebildet und so synthetische Daten für das KI-Training mit unseren Fahrzeugen erzeugt werden.
Das DLR-Institut für Verkehrssystemtechnik definiert die Anforderungen an eine solche Werkzeugkette, konzeptioniert, implementiert und testet sie.
Projektname:
SynthBAD - Synthetische Batchdatenerzeugung für aktives Lernen und Domänenadaption
Laufzeit:
01/2023 bis 12/2023
Projektvolumen:
165.902,26 €
Auftraggeber:
DLR-Programmdirektion Verkehr, Deutsches Zentrum für Luft- und Raumfahrt e. V., Köln
Projektkoordinator:
DLR-Institut für KI-Sicherheit
Beteiligte DLR-Institute:
Institut für Robotik und Mechatronik
Institut für Verkehrssystemtechnik