AULA-KI - Adaptive Umgebungsabhängige Lokalisierung von autonomen Fahrzeugen durch Methoden der künstlichen Intelligenz

Das Projekt dient der Förderung der langfristigen Etablierung und interdisziplinären Vernetzung von KI-Nachwuchsgruppen der Otto-von-Guericke-Universität und des ifak e.V. in Magdeburg und wird kooperativ von beiden Institutionen bearbeitet. Hierbei werden die beiden Nachwuchsgruppen der Universität und es ifak von Herrn Dr. Christoph Steup und Herrn Dr. Maxim Nesterov geleitet. Zusätzlich dient das Projekt der Vernetzung der aktuellen KI-Forschung des ifak und Universität Magdeburg mit Wirtschaftsbetrieben.

Im Rahmen des Projektes werden die Kooperationspartner ein hochrelevantes Problem der autonomen Mobilität angehen: die Empfindlichkeit des Fahrbetriebs gegenüber Wettereinflüssen und dem Ausfall externer Lokalisierung durch z.B. Satellitennavigationssysteme und Mobilfunkanbindung. Die genannten Einflüsse führen aktuell zu einer Störung des autonomen Betriebs.

Das AULA-KI-Projekt zielt darauf ab, Lokalisierungsinformationen immer und überall für autonomen Fahrzeuge zur Verfügung zu stellen. Hierzu werden beide Partner gemeinsam Methoden entwickeln, um diese Wettereffekte von typischen Sensoren autonomer Fahrzeuge (Kamera, LiDAR, Odometrie) zu erkennen, zu bewerten und zu verhindern. Dabei werden vor allem bestehende Algorithmen der künstlichen Intelligenz zur Modellbildung, aber auch zur Optimierung der Ausgabe der Sensoren verwendet und weiterentwickelt. Die Demonstration und Validierung der entwickelten KI-Methoden und Lokalisierungserweiterungen erfolgen mithilfe eines autonomen Personenshuttles auf einem dedizierten Testgelände. Die Projektergebnisse legen einen Grundstein für eine zuverlässige, autonome und nachhaltige Mobilität von morgen.
 
Technische Ziele und Arbeitsschwerpunkte:

• Qualitätsbewertung von Sensordaten und Qualitätsmetriken: Analyse der Fahrzeuglokalisierung und der zugehörigen Sensordaten, Ableiten der konkreten Schwierigkeiten einer präzisen Lokalisierung und Entwicklung einer KI-basierten Bewertungsalgorithmik zur Beurteilung der aktuellen Wettersituation und Lokalisierungsqualität durch das Fahrzeug.
• Ausblenden der Wetterereignisse: Entwicklung von KI-gestützten Algorithmen, die ein "Ausblenden" der Wetterereignisse aus den eigentlichen Sensordaten zulassen und so eine Delokalisierung vermeiden.
• Lokalisierung mithilfe von Schwarmintelligenz und Infrastrukturkomponenten: Für Situationen, in welchen ein "Ausblenden" von Wetterereignissen nicht möglich ist, oder schwierige Wetterbedingungen durch zusätzliche, temporär auftretende Verschlechterungen der Lokalisierungsqualität (Ausfall Mobilfunk oder Störungen GPS) ergänzt werden, soll die Lokalisierung durch zusätzliche Datenquellen gesichert werden: Infrastrukturkommunikation, Schwarmintelligenz, Datenfusion.

Assoziierte Partner:

- EasyMile GmbH
- RBO Regionalbus Ostbayern GmbH
- Gestalt Robotics GmbH
- Leipziger Verkehrsbetriebe GmbH

AULA-KI - Adaptive environment-dependent localization of autonomous vehicles with methods of artificial intelligence

The project aims to create the foundation towards new AI research groups composed of researches at the Otto-von-Guericke University and the ifak e.V. focusing on developing, extending and applying AI-Methods for industrial scenarios. The two junior research groups at Otto-von-Guericke University and ifak are headed by Dr. Christoph Steup and Dr. Maxim Nesterov. Furthermore, the project serves to establish connections between the current AI research at ifak e.V. and Otto-von-Guericke University with business entities.

As part of the project, the cooperation partners will address a highly relevant problem of autonomous mobility: sensitivity of driving operation to weather conditions and failure of external localization by, for example: Satellite navigation systems and cellular connectivity. The mentioned effects currently lead to a disruption of the autonomous operation.
 
The AULA-KI project aims at providing localization information for autonomous vehicles anytime and anywhere. For this purpose, both partners will jointly develop methods to detect, evaluate and mitigate the effects of weather conditions on typical sensors of autonomous vehicles (camera, LiDAR, odometry). In particular, existing artificial intelligence algorithms will be used and further developed for model building, but also for optimizing the output of the sensors. Demonstration and validation of the developed AI methods and localization enhancements will be performed with the help of an autonomous passenger shuttle on a dedicated test site. The project results lay a foundation for reliable, autonomous and sustainable mobility of tomorrow.
 
Technical objectives:

• Quality assessment of sensor data and quality metrics: Analyze vehicle localization and related sensor data. Determine the specific challenges of accurate localization and develop an AI-based evaluation algorithm to assess the current weather situation and localization quality of the vehicle.
• Factoring out weather effects: Develop AI-powered algorithms that allow weather events to be "hidden" from the actual sensor data, thus avoiding delocalization.
• Localization supported by swarm intelligence and infrastructure: For situations in which "factoring out" weather events is not possible, or difficult weather conditions are supplemented by additional, temporarily occurring deteriorations in localization quality (mobile radio failure or GPS malfunctions), localization is to be ensured by additional data sources: Infrastructure communication, swarm intelligence, data fusion.

Associated partners:

- EasyMile GmbH
- RBO Regionalbus Ostbayern GmbH
- Gestalt Robotics GmbH
- Leipziger Verkehrsbetriebe GmbH