Autonomes Fahren und KI
|
|
- Anke Geier
- vor 5 Jahren
- Abrufe
Transkript
1 Autonomes Fahren und KI Kann eine autonom steuernde KI den normal reagierenden menschlichen Fahrer sicher ersetzen/übertreffen? Marco-Marcel Pechtold 19. Januar 2018 Inhaltsverzeichnis 1 Einleitung 2 2 Allgemein Autonomiestufen Derzeitiger Stand Deep Learning 3 4 Fazit 4 1
2 1 Einleitung Ich werde eine Catchphrase sein. Im Folgenden wird sich genauer mit der Thematik der autonom fahrenden Autos auseinandergesetzt Anhand von Beispielen wird betrachtet werden, ab wann ein Auto als autonom fahrend gilt. Zusätzlich wird der Vorgang des maschinellen Lernens genauer betrachtet, welcher sich bei den KI s heutzutage steigender Beliebtheit erfreut. Abschließend wird bewertet, wie sicher solche Fahrzeuge in der Lage sind Hindernisse zu erkennen. 2 Allgemein Auch wenn derzeit in den Medien recht häufig von den automatischen Autos und ihren Autopiloten berichtet wird, so sind wir doch von einem tatsächlichen autonom fahrenden Auto noch einige Jahre entfernt. Der Grund hierfür liegt nicht daran dass es nicht schon einige autonom fahrende Autos gibt, sondern viel mehr daran, dass die Terminologie hier etwas strenger gehandhabt wird bevor man tatsächlich von einem autonom fahrenden Auto sprechen kann. 2.1 Autonomiestufen Die Society of Automotive Engineers hat 2014 eine Klassifizierung von autonom fahrenden Systemen herausgegeben die sich mittlerweile etabliert hat. Es handelt sich hierbei um eine sechsstufige Einordnung von Systemen die von Stufe 0(Fahrer fährt komplett selbstständig) bis hin zu Stufe 5(Fahrer braucht lediglich System starten und Ziel eingeben) reicht.[3] Die Stufen lauten wie folgt: ˆ Level 0 Keinerlei automatisierten Systeme unterstützen bzw ersetzen den Fahrer. ˆ Level 1 Der Fahrer wird in einigen Bereichen des Fahrens von dem System unterstützt.(bspw. Tempomat und Begrenzer) ˆ Level 2 Das System unterstützt den Fahrer bei allen primär aktiven Handlungen im Straßenverkehr(Beschleunigen, Lenken, Bremsen). Der Fahrer muss dennoch den Verkehr beachten. ˆ Level 3 Ab hier beginnt der als autonom fahrend bezeichnete Bereich. Das System übernimmt sowohl die primären als auch sekundären Aufgaben (Level 2 + Überwachung des Verkehrs). Der Fahrer dient lediglich als Reservesystem und muss auf Aufforderung des Systems reagieren können. 2
3 ˆ Level 4 Das System ist in bestimmten Umständen in der Lage die komplette Situation zu kontrollieren selbst wenn der Fahrer nicht rechtzeitig reagiert. ˆ Level 5 Das System kann unter allen Umständen dieselbe Sicherheit wenn nicht sogar eine höhere Sicherheit als ein menschlicher Fahrer gewährleisten. 2.2 Derzeitiger Stand Selbstverständlich versuchen viele Autohersteller in der aktuellen Zeit mit der Zeit zu gehen und ihr Auto als DAS autonom fahrende Auto zu vermarkten. Ein sehr gutes Beispiel hier ist der Autopilot von Tesla, welcher oftmals als zukünftiges Level 5 System angepriesen wird. Auch wenn die Tesla Modelle allein vom Hardwarestand durchaus ein Level 5 System zu sein, so verlangt der Tesla Autopilot derzeit noch vom Fahrzeugführer, die Hände permanent auf dem Lenkrad zu lassen und das Geschehen zu beobachten. Dies würde den Tesla Autopiloten zu einem autonomen System des Levels 2 machen welches noch einen langen Weg zur Spitze vor sich hat. 3 Deep Learning Beschäftigt man sich eine Weile mit autonom fahrenden Vehikeln, so ist der Begriff künstliche Intelligenz nicht sehr fern. Wenn man den derzeitigen Stand der Technik hinter den KI s betrachtet trifft man auf einen bestimmten Begriff: Deep Learning. Das als Deep Learning bekannte Verhalten beschreibt die Fähigkeit, einem künstlich geschaffenen Wesen zu ermöglichen, ähnlich einem Menschen aus seinen Fehlern zu lernen. Eine Entscheidung beruht meist auf beobachteten Eingangswerten und der Verwertung dieser aufgrund von Erfahrung seitens des Entscheidenden. Es gibt somit einen Input(Beobachtung) und einen Output(Entscheidung) zwischen welchen durch unser Gehirn eine logische Verbindung geschaffen wird. Diese logische Verbindung wird im Falle von künstlichem Denken durch mehrere sogenannte Hidden Layer(vgl 1a) innerhalb des Netzes simuliert. Die genaue Funktionsweise von den Hidden Layers soll hier jedoch nicht erläutert werden, da sie zu komplex sind um sie in einen Text dieser Länge zu quetschen ohne etwas wichtiges auszulassen. Wir gehen nun einfach erstmal davon aus, dass die Input Layer Daten bekommen und diese durch dir Hidden Layer letztendlich als getroffene Entscheidung aus dem Output rausgegeben werden. Diese getroffene Entscheidung wird nun von dem weiteren Vorgehen ausgewertet und bewertet. Ausgehend von der Bewertung der Entscheidung verbessert sich das System in seinen Layern und wird so begangene Fehler nicht unter den selben Umständen wiederholen. In Bezug auf 3
4 (a) Beispiel von einem neuralen Netz mit zwei Hidden Layer [1] selbst fahrende Autos wird dieses Prinzip meist angewendet um die Erkennung von Hindernissen zu verbessern. Bereits nach einigen Wochen Lernzeit kann man oft enorme Verbesserungen in den maschinellen Entscheidungen erkennen.[2] 4 Fazit Abschließend lässt sich in Bezug auf die Sicherheit von KI s im Straßenverkehr nur behaupten, dass diese zwar mittlerweile bedeutend besser geworden sind als noch vor einigen Jahren aber immernoch einen weiten Weg vor sich haben um den Menschen tatsächlich sicher zu ersetzen. Algorithmen wie zum Beispiel der des Deep Learnings helfen enorm dabei die Technologie in diesen Bereichen voran zu bringen und gestalten das Programmieren dieser KI s wesentlich einfacher. Es ist nahezu unumgänglich, dass wir in den kommenden Jahren vermehrt selbst fahrende Autos sehen werden, die uns in Fahrkönnen und Aufmerksamkeit weit überlegen sind. Vorausgesetzt, dass die technologischen Fortschritte ihren derzeitigen Zeitplan beibehalten. Literatur [1] Nvidia artikel über anwendung von deep learning in gpu s. digits-deep-learning-gpu-training-system/. Accessed:
5 [2] Nvidia deep learning autonomes auto. watch?v=qhuvqikec2u. Accessed: [3] Sae 6 automation levels. Accessed:
Algorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind
MehrBertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren
Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren Regensburg, 18.05.2017, Ulrich Haböck Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren 0 Agenda Grundlagen Machine
MehrMöglichkeiten der Automatisierung im Motorisierten Individualverkehr Verkehrsträger Strasse
Inputreferat Möglichkeiten der Automatisierung im Motorisierten Individualverkehr Verkehrsträger Strasse Noch am Steuer: Andreas Egger AMAG Import, Leiter Business Process Development Mitglied der erweiterten
MehrEthik und KI Beispiel autonomes Fahren
Ethik und KI Beispiel autonomes Fahren Cebit 2018 Michael Mörike Integrata-Stiftung für humane Nutzung der IT Was ist autonomes Fahren? Fünf Stufen: 0. Fahrer macht alles selbst: beschleunigen, bremsen,
MehrAccountability in Algorithmic. Decision Making.
Accountability in Algorithmic Decision Making Vural Mert, Larcher Daniel 1. Juni 2016 Zusammenfassung Diese Seminararbeit gibt einen kurzen Überblick über die Algorithmische Entscheidungsfindung, deren
MehrDer Sprung in die Zukunft! Einführung in neuronale Netzwerke
Der Sprung in die Zukunft! Einführung in neuronale Netzwerke Inhalt 1. Warum auf einmal doch? 2. Welche Einsatzgebiete gibt es? 3. Was sind neuronale Netze und wie funktionieren sie? 4. Wie lernen neuronale
MehrFührerlose Fahrzeuge
Eidgenössisches Departement für Umwelt, Verkehr, Energie und Kommunikation UVEK Fachtagung Kommission Technik und Betrieb Bus KTBB: Führerlose Fahrzeuge Rechtlicher Anpassungsbedarf 24.5.2016 Werner Jeger
MehrWahlpflichtfach Informatik
Wahlpflichtfach Informatik Dipl.-Ing. Michael NIEDERLE Klassen: 6C, 7AB 3-jährig (1 Doppelstunde pro Jahr); maturabel Was vor wenigen Jahren noch Sciene Fiction war, ist heute Realität. So entwickelt z.b.
MehrMensch und automatisches Fahrzeug eine neue Beziehung? Prof. Dr. Mark Vollrath
Mensch und automatisches Fahrzeug eine neue Beziehung? Prof. Dr. Mark Vollrath Was ist überhaupt automatisches Fahren? Vision 1956 Quelle: VDA 21. November 2018 Prof. Dr. Mark Vollrath Mensch und Automation
MehrHerausforderungen beim Fahren virtueller Testkilometer. 8. IBS-Workshop Automotive Software Engineering Bernd Huber, Dr.
Herausforderungen beim Fahren virtueller Testkilometer 8. IBS-Workshop Automotive Software Engineering Bernd Huber, Dr. Mirko Nentwig 2 Unsere Themen Motivation Prämisse Vision Anforderung Herausforderungen
MehrAutonomes Fahren. Landwirtschaftliche Innovation. Christian Huber Vice President Global Case IH / Steyr Traktoren CNH Industrial
Autonomes Fahren Landwirtschaftliche Innovation Christian Huber Vice President Global Case IH / Steyr Traktoren CNH Industrial CNH Industrial Autonomous Fahrzeug Programm Landwirtschaftliche Innovation
MehrImage: (CC-0) Künstliche Intelligenz & Bildung Nicht nur für ExpertInnen
Image: https://pixabay.com/de/netz-netzwerk-programmierung-3706562/ (CC-0) Künstliche Intelligenz & Bildung Nicht nur für ExpertInnen Künstliche Intelligenz Was ist das überhaupt? Was kann sie (nicht)?
MehrSKOPOS Webinar 22. Mai 2018
SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development 2 So? Terminator Exhibition: T-800 by Dick Thomas
MehrEFS Deep Learning für das Fahren der Zukunft. Anton Junker
EFS Deep Learning für das Fahren der Zukunft Anton Junker Wer ist die EFS? Wer sind wir? Unternehmen Gründung 2009 Standort Ingolstadt/Wolfsburg Beteiligung GIGATRONIK Gruppe (51%) Audi Electronics Venture
MehrKünstliche Intelligenz ist der nächste Schritt im Rahmen der Digitalen Transformation
Künstliche Intelligenz ist der nächste Schritt im Rahmen der Digitalen Transformation Dipl.-Wirtsch.-Ing Ralph Appel, Direktor des VDI Verein Deutscher Ingenieure e.v. Statement zur VDI-Pressekonferenz
MehrCustomer Value of Autonomous Driving
Seite 1 Customer Value of Autonomous Driving Christian Laesser und Daniel Bazzi 24. Oktober 2018 Seite 2 Die 5 Levels des autonomen Fahrens. 0. Keine Automatisierung: Der Fahrer übernimmt sämtliche Aufgaben
MehrAutonome Autos. Alexander Mayer, Thomas Mühlegger, Maximilian Strasser. February 28, 2015
February 28, 2015 1 Motivation Automatisierung Verkehr und Mobilität Geschichte der Automatisierung Nachteile der Automatisierung 2 Allgemeines Beispiel: Google driverless car Probleme und Schwierigkeiten
MehrMaschinelles Lernen in der Medizintechnik
Maschinelles Lernen in der Medizintechnik Was ist möglich? ASTRUM IT GmbH Am Wolfsmantel 2 91058 Erlangen Dr. Jan Paulus Tel.: +49 9131 9408 339 jan.paulus@astrum-it.de Dr. Matthias Weidler Tel.: +49 9131
MehrGesellschaft Mobilität Technik: Global unterwegs Zürich, 22. Juni 2016 Autonomes Fahren Mobilitätskonzept der Zukunft?
Gesellschaft Mobilität Technik: Global unterwegs Zürich, 22. Juni 2016 Autonomes Fahren Mobilitätskonzept der Zukunft? Prof. Dr. Barbara Lenz DLR Institut für Verkehrsforschung, Berlin-Adlershof Humboldt
MehrStudienresultate «Digitaler Reifegrad von Schweizer KMUs» der Hochschule Luzern - Informatik Prof. Markus Wyss Hochschule Luzern - Informatik
Studienresultate «Digitaler Reifegrad von Schweizer KMUs» der Hochschule Luzern - Informatik 2017 Prof. Markus Wyss Hochschule Luzern - Informatik Entwicklung Reifegradmodell Studienarbeit im Rahmen des
MehrNeuronale Netze. Christian Böhm.
Ludwig Maximilians Universität München Institut für Informatik Forschungsgruppe Data Mining in der Medizin Neuronale Netze Christian Böhm http://dmm.dbs.ifi.lmu.de/dbs 1 Lehrbuch zur Vorlesung Lehrbuch
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Nehmen Roboter uns die Arbeit weg? Das komplette Material finden Sie hier:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Nehmen Roboter uns die Arbeit weg? Das komplette Material finden Sie hier: School-Scout.de Auswirkungen auf den Arbeitsmarkt Die neuen
MehrKÜNSTLICHE INTELLIGENZ
KÜNSTLICHE INTELLIGENZ KI EVOLVE YOUR COMMUNICATION CALL WhatsApp APP CHAT SOCIAL MEDIA WEB Bis vor kurzem noch unter der Kategorie Science Fiction abgelegt, ist die Einbindung Künstlicher Intelligenz
MehrStrassenverkehrsrechts- Tagung 2016: Die Benutzung automatisierter Motorfahrzeuge aus strafrechtlicher Sicht. Christof Riedo Stefan Maeder
Strassenverkehrsrechts- Tagung 2016: Christof Riedo Stefan Maeder Universität Freiburg i.ue. Die Benutzung automatisierter Motorfahrzeuge aus strafrechtlicher Sicht UNIVERSITÄT FREIBURG Vorbemerkung: Zurechnungsbedürfnis
MehrKönnen lernende Algorithmen ISO26262-konform sein?
Können lernende Algorithmen ISO26262-konform sein? 7. Februar 2017 Florian Bogenberger Technikforum Funktionale Sicherheit und Security in der Fahrzeugelektronik, Braunschweig Functional Safety & CyberSecurity
MehrKonzepte der AI: Maschinelles Lernen
Konzepte der AI: Maschinelles Lernen Nysret Musliu, Wolfgang Slany Abteilung für Datenbanken und Artificial Intelligence Institut für Informationssysteme, TU-Wien Übersicht Was ist Lernen? Wozu maschinelles
Mehrafas Entwicklung und Erprobung eines automatisch fahrerlos fahrenden Absicherungsfahrzeuges
Kolloquium für Fortgeschrittene Karlsruher Erfahrungsaustausch Straßenbetrieb afas Entwicklung und Erprobung eines automatisch fahrerlos fahrenden Absicherungsfahrzeuges Gerd Riegelhuth, Susanne Schulz
MehrDOKUMENTENKLASSIFIKATION MIT MACHINE LEARNING
DOKUMENTENKLASSIFIKATION MIT MACHINE LEARNING Andreas Nadolski Softwareentwickler andreas.nadolski@enpit.de Twitter: @enpit Blogs: enpit.de/blog medium.com/enpit-developer-blog 05.10.2018, DOAG Big Data
MehrEinzelne Punkte werden in den folgenden Bedarfssteckbriefen aufgegriffen und näher beschrieben.
Bedarfsprofil I Offenes Themenfeld Von besonderem Interesse sind neuartige Ansätze, die auf Fahrzeughersteller-Ebene noch nicht bekannt sind oder die bislang nicht explizit für das Automobil vorgesehen
MehrArtificial Intelligence
Artificial Intelligence AI Hype meets Business Reality Dr. Stefan Wess CEO Empolis Information Management GmbH Unternehmen in Kaiserslautern UND TEIL UNSERES KULTURELLEN ERBES. KÜNSTLICHE INTELLIGENZ
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
MehrIntelligente Algorithmen Einführung in die Technologie
Intelligente Algorithmen Einführung in die Technologie Dr. KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Natürlich sprachliche
MehrKünstliche Intelligenz im Fahrzeug
Künstliche Intelligenz im Fahrzeug Mittwoch, 20. September 2017 Stufen des automatisierten Fahrens Stufe 0 nur Fahrer Stufe 1 Assistiert Stufe 2 Teilautomatisiert Stufe 3 Hochautomatisiert Stufe 4 Vollautomatisiert
MehrBerufsbildungsprobleme in Zeiten des rasanten technologischen Wandels Yang Luo CDHAW & CDIBB Tongji University Shanghai, P.R.
Berufsbildungsprobleme in Zeiten des rasanten technologischen Wandels Yang Luo CDHAW & CDIBB Tongji University Shanghai, P.R. China Der rasante technologische Wandel In der frühen Zeit der Menschheitsgeschichte
MehrNeuronale Netze. Automatische Hinderniserkennung Paul Fritsche
1 Neuronale Netze Automatische Hinderniserkennung 2 Hintergrund Grundlagen Tensorflow Keras Fazit 3 TTBN 4 TTBN 5 TTBN 6 TTBN 7 Biological Neural Network By BruceBlaus - Own work, CC BY 3.0 8 Artificial
MehrAutos der Zukunft. Dr. Dominik Herrmann Universität Hamburg. Folien zum Download:
Autos der Zukunft Dr. Dominik Herrmann Universität Hamburg Folien zum Download: http://dhgo.to/autosderzukunft Themen des Vortrags Einblick in die Technik Safety (unbeabsichtigte Ereignisse) Security (beabsichtigte
MehrHaftung beim automatisierten Fahren. JUNE 28, 2018 Benedikt Xylander +49 (0)
Haftung beim automatisierten Fahren JUNE 28, 2018 Benedikt Xylander Benedikt.Xylander@gtlaw.com +49 (0)30 700 171 226 Gliederung I. Automatisierungsstufen II. III. IV. Rechtsrahmen Haftung von Fahrzeughalter
MehrPersonenerkennung. Harald Hauptseminarpräsentation. Harald Kirschenmann. Department Informatik. Department Informatik.
Harald Hauptseminarpräsentation Kirschenmann Personenerkennung 1 Inhaltsübersicht Motivation Grundlagen Benchmark Eigene Gesichtserkennung 2 Motivation Baustein einer Microservice Architektur Personenerkennung
MehrRepräsentativbefragung Verbrauchererwartung an Rechtssicherheit beim Automatisierten Fahren. März 2017
Repräsentativbefragung Verbrauchererwartung an Rechtssicherheit beim Automatisierten Fahren März 2017 Inhalt Studiendesign PKW-Nutzung und -Besitz Erfahrung mit Fahrerassistenzsystemen Erwartungen an die
MehrEinführung in die Computerlinguistik
Einführung in die Computerlinguistik Neuronale Netze WS 2014/2015 Vera Demberg Neuronale Netze Was ist das? Einer der größten Fortschritte in der Sprachverarbeitung und Bildverarbeitung der letzten Jahre:
MehrBachelorarbeit. Potenziale und Gefahren von Wearables im Gesundheitswesen
Potenziale und Gefahren von Wearables im Gesundheitswesen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B. Sc.) im Studiengang Wirtschaftswissenschaft der Wirtschaftswissenschaftlichen
MehrPotenziale aktiver Sicherheitssysteme
Potenziale aktiver Sicherheitssysteme Prof. Dr. Stefan Gies Expertenforum, November 2017 Entwicklung des Unfallgeschehens in D 2 08. November 2017 Prof. Dr. Stefan Gies, Expertenforum Entwicklung des Unfallgeschehens
MehrDie optimistische Sicht der Arbeitnehmer. Seite 1
Die optimistische Sicht der Arbeitnehmer Seite 1 Technische Entwicklungen, Digitalisierung, Roboter: 75% fühlen sich safe.. Ja, die derzeitigen Entwicklungen verunsichern mich 1 Ja, früher oder später
MehrPropädeutik II, Sommersemester 2016
Ich rate dir soweit es geht an allen Seminaren teilzunehmen und sehr konzentriert zuzuhören weil du sonst bei Jans streng strukturierten Lehrinhalten und Folien den Überblick verlieren kannst. Es ist aber
MehrErsetzen sie den Fahrlehrer?
Eidgenössisches Departement für Umwelt, Verkehr, Energie und Kommunikation UVEK Fachtagung Schweizerischer Fahrlehrerverband: Führerlose Fahrzeuge Ersetzen sie den Fahrlehrer? 14. März 2016 Referent: Werner
MehrA. Führerausweis und vollautomatsiertes Fahren B. Bauchgefühl und Innovatonen
A. Führerausweis und vollautomatsiertes Fahren B. Bauchgefühl und Innovatonen Skeptsche Bemerkungen des Alt-Auto Fahrers Felix Walz, Vizepräsident Gmtb A. Führerausweis und vollautomatsiertes Fahren *
MehrBig Data Künstliche Intelligenz Und das Ich
Big Data Künstliche Intelligenz Und das Ich Überblick Big data 2 Beispiele David Kriesel: Spiegel Mining Cambridge Analytics: Ocean Diagramm Intelligenz Wie funktioniert das? Neuronale Netze Zukunktsperspektiven/Kaffeesatzleserei
MehrLösung für Ihre Katarakt
Die moderne Lösung für Ihre Katarakt Scharfes Sehen in Reichweite Die Kataraktoperation ist mehr als einfach nur die häufigste Operation in der Welt. Habe ich eine Katarakt? Wenn wir älter werden, wird
MehrKünstliche Intelligenz im Informatikunterricht -Unterrichtseinheit Chatbots- Klasse 9/10. Helmut Witten & Malte Hornung
Künstliche Intelligenz im Informatikunterricht -Unterrichtseinheit Chatbots- Klasse 9/10 Helmut Witten & Malte Hornung KI im Informatikunterricht: Unterrichtseinheit Chatbots 1 Agenda Motivation und Ziele
MehrArbeitsblatt zum Thema Autonomes Fahren (1)
Arbeitsblatt zum Thema Autonomes Fahren (1) Aufgabe 1: Lesen Sie den nachfolgenden Text. 5. 10. Autonomes Fahren Hört man die Nachrichten, so steht das Zeitalter des fahrerlosen Straßenverkehrs kurz vor
MehrAutonomes Fahren: Die Mehrheit vertraut dem Autopiloten
Autonomes Fahren: Die Mehrheit vertraut dem Autopiloten 22.05.2017 Köln Automatisiertes Fahren soll schon bald unter bestimmten Voraussetzungen auf deutschen Straßen Realität werden. Bundestag und Bundesrat
MehrROBOTIK IN DER LOGISTIK: WAS LEISTET DER ELEKTRONISCHE KOLLEGE?
ROBOTIK IN DER LOGISTIK: WAS LEISTET DER ELEKTRONISCHE KOLLEGE? 21. TAGUNG AM 18. UND 19. NOVEMBER 2013 IN DEN RÄUMLICHKEITEN DER»BGL BNP PARIBAS S.A.«, LUXEMBURG Club of Logistics 2 ROBOTIK: FOLGEN FÜR
MehrAutonomes Fahren: Das Lenkrad hat noch Zukunft
Auto-Medienportal.Net: 24.11.2014 Autonomes Fahren: Das Lenkrad hat noch Zukunft Von Peter Schwerdtmann Unsere S-Klasse rollt über die Einfädelspur auf den Freeway, blinkt links, um auf den ersten Fahrstreifen
MehrZukunft wird heute gemacht! Autonomes Fahren im Straßenpersonenverkehr Autonom mobil im ländlichen Raum Pilotprojekt Bad Birnbach
Zukunft wird heute gemacht! Autonomes Fahren im Straßenpersonenverkehr Autonom mobil im ländlichen Raum Pilotprojekt Bad Birnbach Dr. Thomas Huber Scheßlitz 23.06.2017 Bis 2025 wird sich Mobilität deutlich
Mehriot und Digitalisierung Faktor Mensch in der Arbeitswelt 4.0 Seite 1
iot und Digitalisierung Faktor Mensch in der Arbeitswelt 4.0 Seite 1 Die optimistische Sicht der Arbeitnehmer Seite 2 Technische Entwicklungen, Digitalisierung, Roboter: 75% fühlen sich safe.. Ja, die
MehrRechtliche Herausforderungen beim automatisierten Fahren
Rechtliche Herausforderungen beim automatisierten Fahren ALR Dipl.-Ing. Dipl.-Jur. Forschungsstelle RobotRecht E-Mail: lennart.lutz@jura.uni-wuerzburg.de Vorteile und Potenzial automatisierter Fahrzeuge
MehrPotentiale der Digitalisierung Herausforderungen gestalten. Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut
Herausforderungen gestalten Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut Herzlich Willkommen zur skonferenz Brandenburg 2018! Die Digitale Transformation ist, nach
MehrWeitere Untersuchungen hinsichtlich der Anwendung von KNN für Solvency 2. Tom Schelthoff
Weitere Untersuchungen hinsichtlich der Anwendung von KNN für Solvency 2 Tom Schelthoff 30.11.2018 Inhaltsverzeichnis Deep Learning Seed-Stabilität Regularisierung Early Stopping Dropout Batch Normalization
MehrWas ist künstliche Intelligenz?
Künstliche Intelligenz erobert den Weltraum Künstliche Intelligenz ist ein viel diskutiertes Thema. Die Einsatzmöglichkeiten der künstlichen Intelligenz sind enorm und auch für die Raumfahrt bieten sich
MehrRekurrente Neuronale Netze
Rekurrente Neuronale Netze Gregor Mitscha-Baude May 9, 2016 Motivation Standard neuronales Netz: Fixe Dimensionen von Input und Output! Motivation In viele Anwendungen variable Input/Output-Länge. Spracherkennung
MehrAssistiertes Fahren auf BOStrab-Bahnen. IFS-Seminar Assistiertes, Automatisches und Autonomes Fahren Aachen,
Assistiertes Fahren auf BOStrab-Bahnen IFS-Seminar Assistiertes, Automatisches und Autonomes Fahren Aachen, 06.12.16 Agenda Historie Entwicklung Aktueller Stand Ziele / Ausblick Referent: Michael Rüffer,
MehrAutomatisiertes Fahren
www.avq.eu Automatisiertes Fahren Warum voll automatisiert nur elektrisch geht und die sicheren Zustände und Herausforderungen von voll automatisierten E-Fahrzeugsystemen Public 1.3.2016 Public - Folie
MehrKinder auf dem Schulweg
Kinder auf dem Schulweg Lenker: Achtung Kinder! Seien Sie besonders aufmerksam in der unmittelbaren Umgebung von Schulhäusern sowie an Haltestellen von Schulbussen und öffentlichen Verkehrsmitteln. Reduzieren
MehrMaschinelles Lernen auf FPGAs
Folie 1 Gliederung 1. Motivation 2. Konzepte 3. Multilayer perceptrons (MLP) 4. Random Forest 5. Q-Learning 6. 7. Fazit & Ausblick Folie 2 Motivation Folie 3 Motivation Problem: Herkömmliche Algorithmen
MehrDigitale Demokratie: Chancen und Herausforderungen von sozialen Netzwerken. Bachelorarbeit
Digitale Demokratie: Chancen und Herausforderungen von sozialen Netzwerken Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft der Wirtschaftswissenschaftlichen
MehrAutonomes Fahren und vernetzte Mobilität
Autonomes Fahren und vernetzte Mobilität Dr. Joachim Bühler Geschäftsführendes Präsidiumsmitglied VdTÜV Dr. Bernhard Rohleder Hauptgeschäftsführer Bitkom Berlin, 18. April 2018 Große Mehrheit hat bereits
MehrAutonome Autos: Wer schreitet voran, wer bleibt auf der Strecke?
Autonome Autos: Wer schreitet voran, wer bleibt auf der Strecke? Dr. Daniel Hobohm Head of PLM at Intelligent Traffic Systems, Siemens Siemens ITS: Smart Systems Smart Traffic Siemens AG 2017 An was denken
MehrKünstliche Intelligenz und Verantwortung (im Unternehmen) Dr. Dimitrios Linardatos Akademischer Rat
Künstliche Intelligenz und Verantwortung (im Unternehmen) Dr. Dimitrios Linardatos Akademischer Rat Vortrag auf dem 11. Düsseldorfer Versicherungsrechtstag am 11.10.2018 Gliederung I. Einführung II. Begriffserläuterungen
MehrKamera-basierte Objekterkennung
Kamera-basierte Objekterkennung Deep Machine Learning. Version 2.0 Einführung Motivation & Megatrends Motivation In der Logistik verursacht die Identifizierung (das Scannen) der Produkte, Pakete, Paletten,
Mehrin der Versorgungstechnik? Prof. Dr. Michael Krödel
Künstliche Intelligenz (KI) in der Versorgungstechnik? g Was ist KI? Künstliche Intelligenz (KI; engl. artificial i intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung
MehrCES 2016 in Las Vegas /USA Die Zukunft von heute ist schon Morgen schon wieder gestern
CES 2016 in Las Vegas /USA Die Zukunft von heute ist schon Morgen schon wieder gestern Ich fahre seit ca. 10 Jahren regelmäßig zur CES nach Las Vegas, die seit 1967 stattfindet und einst mit 17.500 Besuchern
Mehr2 Geschäftsprozesse realisieren
2 Geschäftsprozesse realisieren auf fünf Ebenen Modelle sind vereinfachte Abbilder der Realität und helfen, Zusammenhänge einfach und verständlich darzustellen. Das bekannteste Prozess-Modell ist das Drei-Ebenen-Modell.
MehrSicher zur Arbeit und nach Hause
Sicher zur Arbeit und nach Hause GoalZERO im Berufsverkehr GoalZERO im Berufsverkehr was ist damit gemeint? GoalZERO im Berufsverkehr bedeutet, vor, während und nach jeder Fahrt die notwendigen Sicherheitsvorkehrungen
MehrFörderung der Hirnleistungsfähigkeit bei Älteren
Förderung der Hirnleistungsfähigkeit bei Älteren Siegfried Brockmann Leiter Unfallforschung der Versicherer (UDV) Pressegespräch Berlin, 27.07.2010 Entwicklung der Intelligenz im Alter kristallin fluid
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrOldtimer-Versicherung. Für die Liebe zum Besonderen
Oldtimer-Versicherung Für die Liebe zum Besonderen Ihre Vorteile auf einen Blick Vandalismus- und Transportschäden sind bei uns schon in der Teilkasko mitversichert. Schäden an demontierten Einzelteilen
MehrCapturing Reality Hoch aufgelöste statische und dynamische Kartierung für hochautomatisiertes Fahren.
Capturing Reality Hoch aufgelöste statische und dynamische Kartierung für hochautomatisiertes Fahren www.joanneum.at/digital Wozu braucht mein Auto eine Karte? 2 Mensch als Fahrer: Karte wird zum Navigieren
MehrKann SAS Ihre Handschrift lesen? Machine Learning am Beispiel von Stacked Denoising Autoencoders
Kann SAS Ihre Handschrift lesen? Machine Learning am Beispiel von Stacked Denoising Autoencoders Gerhard Svolba SAS Austria Mariahilfer Straße 116 A-1070 Wien Sastools.by.gerhard@gmx.net Zusammenfassung
MehrKünstliche Neuronale Netze
Künstliche Neuronale Netze als Möglichkeit, einer Maschine das Lesen beizubringen Anja Bachmann 18.12.2008 Gliederung 1. Motivation 2. Grundlagen 2.1 Biologischer Hintergrund 2.2 Künstliche neuronale Netze
MehrKeine Hexerei, sondern Alltag
AI Trendletter Auch Deep Learning macht den Data Scientist nicht obsolet Keine Hexerei, sondern Alltag Meinung von Dr. Andreas Becks Bei der Beschäftigung mit Begriffen wie Künstliche Intelligenz, Cognitive
MehrGeist im Computer? Vortrag in der Reihe Kortizes Nürnberg, 2. April Christoph von der Malsburg. Frankfurt Institute for Advanced Studies
Geist im Computer? VON KÜNSTLICHER INTELLIGENZ ZU AUTONOMEN ORGANISMEN Vortrag in der Reihe Kortizes Nürnberg, 2. April 2019 Christoph von der Malsburg Frankfurt Institute for Advanced Studies Malsburg@fias.uni-frankfurt.de
MehrKünstliche Neuronale Netze
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Künstliche Neuronale Netze Hauptseminar Martin Knöfel Dresden, 16.11.2017 Gliederung
MehrVisuelles Bewusstsein und unbewusste Wahrnehmung. Thomas Schmidt Justus-Liebig-Universität Gießen Abteilung Allgemeine Psychologie 1
Visuelles Bewusstsein und unbewusste Wahrnehmung Thomas Schmidt Justus-Liebig-Universität Gießen Abteilung Allgemeine Psychologie 1 Judas Priest, Stained Class (1978) Hemineglekt Nach Läsionen des rechten
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Crowdworking und Work-Life-Blending - Wie werden wir zukünftig arbeiten?
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Crowdworking und Work-Life-Blending - Wie werden wir zukünftig arbeiten? Das komplette Material finden Sie hier: School-Scout.de S
MehrABSICHERUNGS- UND BEWERTUNGSMETHODEN FÜR KOOPERATIVE HOCHAUTOMATISIERTE FAHRZEUGE
ABSICHERUNGS- UND BEWERTUNGSMETHODEN FÜR KOOPERATIVE HOCHAUTOMATISIERTE FAHRZEUGE AAET-2017, Braunschweig Sven Hallerbach, Ulrich Eberle (Adam Opel AG) Frank Köster (DLR) www.opel.com MOTIVATION Kooperatives
MehrETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN
ETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN KI als Mitarbeiter und Chef in der zukünftigen Arbeitswelt LEITFADEN DURCH DEN VORTRAG Die Entwicklung
MehrBrose S.A. Sta. Margarida, Spanien Steffen. WiSo Wirtschaftswissenschaften 2. Mastersemester
Brose S.A. Sta. Margarida, Spanien Steffen WiSo Wirtschaftswissenschaften 2. Mastersemester 22.02.2016 31.08.2016 Brose S.A. Brose ist der weltweit fünftgrößte Automobilzulieferer in Familienbesitz. Das
MehrModellierung mit künstlicher Intelligenz
Samuel Kost kosts@mailbox.tu-freiberg.de Institut für Numerische Mathematik und Optimierung Modellierung mit künstlicher Intelligenz Ein Überblick über existierende Methoden des maschinellen Lernens 13.
MehrW&L Fachartikel Dezember 2016 Autonomes Fahren. Autonomes Fahren. Innovation für die nachhaltige Standortentwicklung des ländlichen Raumes.
Autonomes Fahren Innovation für die nachhaltige Standortentwicklung des ländlichen Raumes. von GF Josef Wallenberger www.regionalberatung.at Zukunft vorausdenken, nicht voraussagen Die Chancen neuer technologischer
MehrNEWS-FLASH. 3 Dinge, auf die Sie beim Erwerb von Flash-Speicher nicht verzichten sollten ERSTE SCHRITTE
NEWS-FLASH 3 Dinge, auf die Sie beim Erwerb von Flash-Speicher nicht verzichten sollten ERSTE SCHRITTE Aus Aberdeen-Studien geht hervor, dass Unternehmen, die das Potenzial von Flash nutzen, in der Lage
MehrTruck Platooning: Vernetzte Lastwagen rollen in die Zukunft
Auto-Medienportal.Net: 26.04.2016 Truck Platooning: Vernetzte Lastwagen rollen in die Zukunft Von Walther Wuttke Der vernetzte und autonome Lastwagen ist unauffällig und unterscheidet sich auf den ersten
MehrE-Paper: Automatische Notbremssysteme
E-Paper: Automatische Notbremssysteme IIHS und Euro NCAP bewerten jetzt auch automatische Notbremssysteme (AEB). Für gute Wertungen müssen Hersteller das gesamte System betrachten. TRW Automotive 2014
MehrLearning to Optimize Mobile Robot Navigation Based on HTN Plans
Learning to Optimize Mobile Robot Navigation Based on HTN Plans lernen Betreuer: Freek Stulp Hauptseminar Intelligente Autonome Systeme (WiSe 2004/05) Forschungs- und Lehreinheit Informatik IX 8. Dezember
MehrMobilität der Zukunft - wie könnte diese aussehen und was ist dafür zu tun?
Mobilität der Zukunft - wie könnte diese aussehen und was ist dafür zu tun? KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Wie sah die Mobilität früher aus? 2 16.02.2017 Dr.-Ing.
MehrLIDAR-Sensorik in Automobilapplikationen
LIDAR-Sensorik in Automobilapplikationen Steffi Bartl 14th Leibniz Conference Of Advanced Science, Sensorsysteme 2012, Lichtenwalde, 18./19. Oktober Steffi Bartl First Sensor AG www.first-sensor.com 19.10.2012
MehrAuskunft der ANSES in sozialen Netzwerken Eine Praxis der Nationalen Verwaltung für soziale Sicherheit
Gute Praxis in der sozialen Sicherheit Gute Praxis umgesetzt ab: 2015 Auskunft der ANSES in sozialen Netzwerken Eine Praxis der Nationalen Verwaltung für soziale Sicherheit Nationale Verwaltung für soziale
MehrIntelligente Transportsysteme
Intelligente Transportsysteme Universität Ulm Fakultät für Informatik Proseminar Künstliche Intelligenz SS 2004 Michael Arnold Typen intelligenter Transportsysteme Fahrer-Assistenz-Systeme Mensch hat Kontrolle
MehrAnforderungen an das automatisierte und vernetzte Fahren aus Nutzersicht
Anforderungen an das automatisierte und vernetzte Fahren aus Nutzersicht IHK NRW Innovationsforum "Automatisiertes und vernetztes Fahren" Dr. Roman Suthold Leiter Verkehr und Umwelt ADAC Nordrhein e.v.
Mehr