Letztes Jahr habe ich zusammen mit meinen Kollegen vom DLR SE ein Forschungspapier mit dem Titel „Towards Safe and Sustainable Autonomous Vehicles Using Environmentally-Friendly Criticality Metrics“ veröffentlicht, das leider Raum für Verwirrung und mögliche Missverständnisse in Bezug auf seinen Inhalt ließ. Dies war auch der Grund, warum ich den Blogpost über die alte Version des Papiers entfernt und erst heute aktualisiert veröffentlicht habe.
Nach einigen Monaten harter Arbeit freue ich mich, Ihnen mitteilen zu können, dass die aktualisierte und korrigierte Version unseres Manuskripts heute in der Zeitschrift Sustainability veröffentlicht wurde.
Es ist das erste Mal, dass ich persönlich eine Korrektur an einem von mir veröffentlichten Manuskript vornehmen musste, aber es ist auch eine neue Erfahrung, aus der ich viel gelernt habe.
An diesem Forschungsartikel, der Teil der KI Wissen Publikationen ist, habe ich in den letzten Monaten gemeinsam mit meinen DLR SE Arbeitskollegen Tino Werner, Dominik Grundt, Willem Hagemann, und Eike Möhlmann gearbeitet.
Zusammenfassung: In diesem Beitrag wird eine Analyse verschiedener Kritikalitätsmetriken vorgestellt, die für die Bewertung der Sicherheit von autonomen Fahrzeugen (AV) verwendet werden, und es werden umweltfreundliche Metriken vorgeschlagen, um zukünftigen Forschern, die sowohl die Sicherheit als auch die Umweltauswirkungen von AV bewerten wollen, die Auswahl zu erleichtern. Zu diesem Zweck untersuchen wir zunächst, ob bestehende Kritikalitätsmetriken als Belohnungskomponente im Reinforcement Learning (RL), einem beliebten Lernrahmen für das Training autonomer Systeme, anwendbar sind. Zweitens schlagen wir umweltfreundliche Metriken vor, die die Auswirkungen auf die Umwelt berücksichtigen, indem sie die CO2-Emissionen herkömmlicher Fahrzeuge sowie die von Elektrofahrzeugen verwendete Motorleistung messen. Drittens diskutieren wir die Nützlichkeit der Verwendung von Kritikalitätsmetriken für das Training von Künstlicher Intelligenz (KI). Schließlich wenden wir eine ausgewählte Anzahl von Kritikalitätsmetriken als RL-Belohnungskomponente in einem einfachen simulierten Szenario der Fahrzeugverfolgung an. Genauer gesagt haben wir sie zusammen in einer RL-Aufgabe angewendet, mit dem Ziel, eine Strategie für die Verfolgung eines führenden Fahrzeugs zu erlernen, das plötzlich bei zwei verschiedenen Gelegenheiten anhält. Wie unsere experimentellen Ergebnisse zeigen, dient diese Arbeit als Beispiel für die Forschungsgemeinschaft für die Anwendung der Metriken sowohl als Belohnungskomponenten in RL als auch als Maß für die Sicherheit und die Umweltauswirkungen von AVs.
Sie können die aktualisierte Version der Forschungsartikel Towards Safe and Sustainable Autonomous Vehicles Using Environmentally-Friendly Criticality Metrics hier lesen.
Neueste Kommentare