Erlernen von erklärbaren Strategien für selbstfahrende Autos aus wenigen Daten (17*)

• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2021 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 276693517

Das Ziel dieses Projekts ist es, aus Daten erklärbare, robuste und generalisierbare Entscheidungs-Regeln für selbstfahrende Autos zu generieren. Bestehende Ansätze zum Erlernen von Regeln für selbstfahrende Autos sind in Bezug auf zwei grundlegende Aspekte limitiert: die Generalisierbarkeit und die Interpretierbarkeit der Regeln. In diesem Projekt wollen wir beide Aspekte angehen, indem wir Ideen aus modularen Ansätzen, Repräsentationslernen, rekurrenter Aufmerksamkeit und Zero-Shot-Lernen kombinieren, um ein introspektives Modell zu erhalten, das auf neuartige Fahrsituationen und Verhaltensweisen generalisieren kann.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1233: Robustheit des Sehens - Prinzipien der Inferenz und neuronale Mechanismen
• Antragstellende Institution: Eberhard Karls Universität Tübingen
• Teilprojektleiterinnen / Teilprojektleiter: Professorin Dr. Zeynep Akata; Professor Dr.-Ing. Andreas Geiger