Eine der prominentesten Anwendungen sind selbstfahrende Autos. Schon vor Jahren gab es die ersten Tests mit selbstfahrenden Autos, die auch bereits damals in bestimmten Situationen sehr viel zuverlässiger funktioniert haben als der „durchschnittliche Autofahrer“. Die Grundlage hierzu bieten Deep-Learning-Verfahren. Diese werden z.B. mit Neuronalen Netzen realisiert, die nach dem Vorbild des Menschlichen Gehirns entworfen werden. Das Netz wird anhand von Trainingsdaten optimiert. Anschließend wird die Qualität des Netzes durch Testdaten validiert.
Daraus ergeben sich verschiedene spannende Fragen:
Im Projekt Design of Robust Intelligent VEhicles (DRIVE) wollen wir die Studenten an einem praktischen Beispiel an das Maschinelle Lernen heranführen. Wir wollen ein selbstfahrendes Modellauto bauen und dieses hin zu einem funktionierenden autonomen System entwickeln. Das Auto soll robust gegenüber Störungen und äußeren Einflüssen sein und zuverlässig funktionieren. Zudem sollen Schnittstellen zur Verfügung stehen, die es ermöglichen über mobile Geräte auf das Auto zuzugreifen und Befehle auszuführen.
Die Anwendung soll also durchgängig von der Benutzerschnittstelle bis hin zur Hardware betrachtet werden. Als Ausgangspunkt wird das Donkey Car (www.donkeycar.com) verwendet, das bereits über einfache Sensorik und Aktuatorik verfügt und Deep Learning zur Steuerung einsetzt.
Voraussetzungen
Wer an vorderster Front der Entwicklung von intelligenter Technologie mitarbeiten möchte oder Interesse an selbstfahrenden Autos hat, ist in DRIVE richtig aufgehoben. Grundsätzlich bewegt sich das Projekt in ähnlichen Bereichen wie Praktische Informatik 1/2 und Technische Informatik 1. Wer Spaß an Algorithmen und Lösungstechniken hat, wird sich auch in DRIVE wiederfinden.
Das Projekt ist für Studierende aus den Bachelorstudiengängen Informatik, Systems Engineering und Digitale Medien offen. Eine Weiterführung des Projektes im Masterstudiengang ist geplant. Das Bachelorprojekt bereitet auf die Masterprofile SQ und KIKR und teilweise auch DMI vor.