Künstliche Intelligenz: Deep-Learning für ADAS/AD

Die Mobilität der Zukunft wird von Deep-Learning-Algorithmen („tiefgehendes Lernen“, DL) und neuronalen Netzen geprägt. Diese Methoden der Künstlichen Intelligenz (KI) nehmen einen stetig wachsenden Anteil des Software-Stacks von automatisierten Fahrfunktionen ein und bilden einen essentiellen Baustein von zukünftigen autonomen Fahrzeugen, die den Verkehr hin zu mehr Effizienz, Sicherheit, Umweltfreundlichkeit und geringeren Kosten verändern werden.

Aus diesem Grund beschäftigt sich Bertrandt intensiv mit dem Themengebiet KI/Deep-Learning im Bereich ADAS/AD und bietet die Entwicklung und Absicherung von auf den Kunden zugeschnittenen Lösungen an. Bertrandt deckt den gesamten Deep-Learning-Workflow ab; von der Erstellung der Daten über die Architektur-Entwicklung von neuronalen Netzen, deren Training bis hin zur Embedded-Implementierung von Deep-Learning-Algorithmen auf dem Steuergerät und der Absicherung von neuronalen Netzen für die Sicherheit des automatisierten Fahrens.

Erfahren Sie mehr über unser umfassendes Know-how im gesamten Deep-Learning-Workflow:

Unser Leistungsspektrum im Überblick

Synthetische Daten für KI-Funktionen

Sie benötigen hochqualitative Daten für das Training und möchten dabei gerne Zeit und Geld sparen? Kein Problem! Unser Expert*innenteam hilft Ihnen, für Ihre KI-Funktion und Ihren speziellen Use-Case den richtigen Daten-Ansatz zu finden. Unsere Spezialist*innen verfügen über umfangreiche Erfahrung in der Verwendung neuester Ansätze zur Erstellung von synthetischen Daten auf dem Stand der aktuellen Forschung. Sollte es für Ihre Anwendung den passenden Ansatz noch nicht geben, entwickeln wir ihn gemeinsam mit Ihnen.

Auswahl der passenden Datenart für Ihren Use-Case
Verwendung von synthetischen Daten für das Training/die Absicherung von KI-Funktionen
Erzeugung verschiedener Arten von synthetischen und simulierten Daten (per 3D-Engine, mit Copy&Paste-Ansätzen und generativen neuronalen Netzen)
Datenerzeugung mit Hilfe von generativen neuronalen Netzen (GAN)

KI-Entwicklung

Sie suchen nach maßgeschneiderten Deep-Learning-Algorithmen für Ihre Anwendung? Wir entwickeln diese gerne für Sie! Unsere Expert*innen verfolgen den aktuellen Stand der Forschung, um auch für Ihre Herausforderung die bestmögliche Lösung in die Praxis zu übertragen und die Algorithmen für Ihren Use-Case anzupassen.

Ist der passende Algorithmus bereits verfügbar, übernehmen wir Training und Anpassung für Ihren Use-Case. Erfordert Ihre Anwendung ein maßgeschneidertes neuronales Netz oder eine Kombination mehrerer Ansätze, entwickeln wir fortgeschrittene Deep-Learning-Algorithmen für die optimale Performance. Sind mehrere Sensoren im Spiel, verfügen wir über Erfahrung in den aktuellsten Deep-Learning-basierten Verfahren zur Sensorfusion. Und damit die komplexe Architektur eines neuronalen Netzes im Fahrzeug in Echtzeit auf dem Steuergerät lauffähig ist, führen unsere Spezialist*innen umfassende Laufzeit-Optimierungen und Anpassungen an die Ziel-Hardware durch.

Architektur-Entwicklung und Training:

Architektur-Entwicklung von neuronalen Netzen
Training von neuronalen Netzen
KI/Deep-Learning-basierte Sensordatenfusion von Kamera-, Lidar- und Radar-Daten
Kenntnis der aktuellen Forschung in der Umfeldwahrnehmung und Bewegungsprädiktion im Bereich ADAS/AD

Implementierung von Deep-Learning-Algorithmen auf Steuergeräten:

Embedded-Implementierung von Deep-Learning-Algorithmen auf Hochleistungssteuergeräten
Laufzeit- und Ressourcen-Optimierung
Anpassung von Algorithmus, Rechenleistung & Steuergerät für Ihren Use-Case

KI-Absicherung

Sind Sie sicher, dass Ihre KI-Algorithmen sicher und zuverlässig im Straßenverkehr funktionieren? Was passiert, wenn Gegenlicht Ihre Kamera blendet oder ein Verkehrszeichen beschädigt ist?

Die Absicherung von KI-Algorithmen ist essentiell für die Sicherheit von automatisierten Fahrzeugen und wird bei Bertrandt ebenfalls intensiv behandelt. Neuronale Netze funktionieren auf grundsätzlich andere Art und Weise als klassische regelbasierte Algorithmen. Unsere Expert*innen entwickeln deshalb KI-spezifische Methoden, um basierend auf festen Kriterien und statistischen Kennzahlen die Ergebnisse von neuronalen Netzen sowie die Sicherheit gegenüber möglichen Angriffen zu validieren. Diese Absicherung umfasst die Robustheit und Erklärbarkeit von neuronalen Netzen, die Korrektheit ihrer Ergebnisse sowie die Vollständigkeit der verwendeten Datensätze. Zudem ist es insbesondere für selten auftretende, sicherheitskritische Szenarien teuer und aufwendig, passende Daten zu gewinnen. Bertrandt beschäftigt sich daher auch mit der Verwendbarkeit von synthetischen und simulierten Daten für die KI-Absicherung.

Absicherung von neuronalen Netzen:

Auswahl von geeigneten Absicherungs-Metriken, abhängig von Anwendung und Use-Case
Eigenentwickeltes KI-Absicherungs-Tool mit implementierten Absicherungs-Metriken
Verwendung von synthetischen Daten für KI-Absicherung
Generierung von kritischen Szenarien / Test-Daten
Durchführung von Experimenten zur KI-Absicherung