Prof. Dr.-Ing. habil.

Trapp, Mario

Filters

1
2
2
Reset filters

Settings
Now showing 1 - 2 of 2
  • Publication
    Towards Collaborative Perception in Automated Driving: Combining Vehicle and Infrastructure Perspectives
    ( 2021)
    Zacchi, Joao-Vitor
    ;
    Trapp, Mario
    Environment perception constitutes a foundational block for autonomous systems such as automated driving systems. Enhancing such features is imperative to breach the barrier of complex environments such as urban scenarios. Occlusions, appearances, and disappearances are a few of the difficulties traditional tracking algorithms may face in an urban context that hinders their performance. Moreover, approaches that deal with the data association problem are still physically limited by the point-of-view of the ego vehicle. In order to address these issues, we propose in this position paper a framework to merge different perspectives enabling collaborative perception and thus to enhance the dependability of the environment perception of automated vehicles in complex scenarios. To this end, each participant, i.e., automated vehicles and infrastructure, sends their perception results to the framework. A perception result includes Bayesian Occupancy Filter providing probabilistic information about object positions. Moreover, the results might include an additional classification of the objects, enabling us to optimize predicting future trajectories of the objects, which is particularly important for non-automated participants such as human-driven cars or pedestrians. The framework facilitates a more complete and clarified view of the context to enhance decision-making of the individual vehicles.
  • Publication
    Künstliche Intelligenz in sicherheitskritischen Anwendungen
    ( 2020)
    Trapp, Mario
    Künstliche Intelligenz verspricht nie dagewesene Möglichkeiten. Sie stößt allerdings dort an ihre Grenzen, wo sie auf hohe Sicherheitsanforderungen im Sinne von Safety trifft. Das heißt: Im schlimmsten Fall kann ein Fehler der KI Menschenleben kosten. Dies stellt sowohl die Forschung als auch die Industrie vor große Herausforderungen, wie das Beispiel autonomes Fahren zeigt. Zwar gibt es sehr viele Prototypen, die das enorme Potenzial der KI aufzeigen. Aber selbst große Tech-Unternehmen schieben die Markteinführung immer weiter nach hinten - aufgrund fehlender Möglichkeiten eines belastbaren Sicherheitsnachweises. Auch die industrielle Fertigung ist auf eine verlässliche KI angewiesen. Wenn aufgrund von Fehlentscheidungen der KI Produktionsanlagen stillstehen oder fehlerhafte Produkte ausgeliefert werden, drohen enorme finanzielle Verluste. Künstliche Intelligenz für praktische Anwendungen absichern - das steht im Mittelpunkt des Vortrags. Der Referent erklärt, warum bestehende Verfahren oder auch häufig diskutierte Ansätze zur Absicherung autonomer Autos nicht ausreichen. Zur Sprache kommen Konzepte, wie sichere und zuverlässige KI-basierte Systeme entwickelt werden können: durch Verbesserung der KI-Verfahren selbst, aber auch durch Verfahren und Architekturen, die sicherstellen, dass das System trotz Fehler der KI sicher und zuverlässig funktioniert. Zuletzt zeigt ein Ausblick, wie Künstliche Intelligenz trotz dieser Herausforderungen auch heute schon in sicherheitskritischen Anwendungen zum Einsatz kommt.