Schwehr, Julian ; Luthardt, Stefan ; Dang, Hien ; Henzel, Maren ; Winner, Hermann ; Adamy, Jürgen ; Fürnkranz, Johannes ; Willert, Volker ; Lattke, Benedikt ; Höpfl, Maximilian ; Wannemacher, Christoph (2020)
The PRORETA 4 City Assistant System.
In: at - Automatisierungstechnik, 2019, 67 (9)
doi: 10.25534/tuprints-00014296
Artikel, Zweitveröffentlichung, Verlagsversion

Kurzbeschreibung (Abstract)

The use of machine learning in driver assistance systems allows to significantly enhance their functionalities. In particular, it allows to personalize systems by evaluating the driver’s past behavior. Such personalization is especially relevant for recommendations in maneuvers where the specific maneuver embodiment strongly depends on the driver’s momentary driving style and attention. Led by this idea, PRORETA 4 developed a prototypical City Assistant System, which gives the driver a personalized recommendation in urban scenarios. To adapt the recommendations and warnings appropriately, the system incorporates the learned momentary driving style and the driver’s gaze behavior. In this work, we describe the main functional blocks of the system, present our solutions to major implementation challenges and also discuss the safety of the used learning algorithm.

Typ des Eintrags:	Artikel
Erschienen:	2020
Autor(en):	Schwehr, Julian ; Luthardt, Stefan ; Dang, Hien ; Henzel, Maren ; Winner, Hermann ; Adamy, Jürgen ; Fürnkranz, Johannes ; Willert, Volker ; Lattke, Benedikt ; Höpfl, Maximilian ; Wannemacher, Christoph
Art des Eintrags:	Zweitveröffentlichung
Titel:	The PRORETA 4 City Assistant System
Sprache:	Englisch
Publikationsjahr:	2020
Ort:	Darmstadt
Publikationsdatum der Erstveröffentlichung:	2019
Verlag:	De Gruyter
Titel der Zeitschrift, Zeitung oder Schriftenreihe:	at - Automatisierungstechnik
Jahrgang/Volume einer Zeitschrift:	67
(Heft-)Nummer:	9
DOI:	10.25534/tuprints-00014296
URL / URN:	https://tuprints.ulb.tu-darmstadt.de/14296
Zugehörige Links:	Verlags-DOI
Herkunft:	Zweitveröffentlichungsservice
Kurzbeschreibung (Abstract):	The use of machine learning in driver assistance systems allows to significantly enhance their functionalities. In particular, it allows to personalize systems by evaluating the driver’s past behavior. Such personalization is especially relevant for recommendations in maneuvers where the specific maneuver embodiment strongly depends on the driver’s momentary driving style and attention. Led by this idea, PRORETA 4 developed a prototypical City Assistant System, which gives the driver a personalized recommendation in urban scenarios. To adapt the recommendations and warnings appropriately, the system incorporates the learned momentary driving style and the driver’s gaze behavior. In this work, we describe the main functional blocks of the system, present our solutions to major implementation challenges and also discuss the safety of the used learning algorithm.
Alternatives oder übersetztes Abstract:	Alternatives Abstract Sprache Der Einsatz von maschinellem Lernen in Fahrerassistenzsystemen ermöglicht es, deren Funktionalitäten deutlich zu verbessern. Insbesondere ermöglicht es die Personalisierung von Systemen, indem das bisherige Verhalten des Fahrers auswertet wird. Eine solche Personalisierung ist besonders relevant für Empfehlungen in Manövern, bei denen die spezifische Ausführung des Manövers stark vom momentanen Fahrstil und der Aufmerksamkeit des Fahrers abhängt. Ausgehend von dieser Idee entwickelte PRORETA 4 einen prototypischen Stadtassistenten, der dem Fahrer eine personalisierte Empfehlung in städtischen Kreuzungsszenarien gibt. Um die Empfehlungen und Warnungen entsprechend anzupassen, berücksichtigt das System den erlernten momentanen Fahrstil und das Blickverhalten des Fahrers. In dieser Arbeit werden die wichtigsten Funktionsblöcke des Systems beschrieben, Lösungen für die wichtigsten Herausforderungen bei der Implementierung präsentiert und auch die Sicherheit des verwendeten Lernalgorithmus diskutiert. Deutsch
Status:	Verlagsversion
URN:	urn:nbn:de:tuda-tuprints-142961
Sachgruppe der Dewey Dezimalklassifikatin (DDC):	600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau
Fachbereich(e)/-gebiet(e):	16 Fachbereich Maschinenbau 16 Fachbereich Maschinenbau > Fachgebiet Fahrzeugtechnik (FZD) 16 Fachbereich Maschinenbau > Fachgebiet Fahrzeugtechnik (FZD) > Fahrerassistenzssysteme 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik > Regelungsmethoden und Robotik (ab 01.08.2022 umbenannt in Regelungsmethoden und Intelligente Systeme)
Hinterlegungsdatum:	30 Nov 2020 13:12
Letzte Änderung:	20 Okt 2023 10:58
PPN:
Export:	Dublin CoreAtomJSONSimple MetadataEndNoteMultiline CSVMODSRDF+XMLIBW_RDAASCII CitationT2T_XMLEP3 XMLBibTeXHTML Citation
Suche nach Titel in:	TUfind oder in Google

Verfügbare Versionen dieses Eintrags

• The PRORETA 4 City Assistant System. (deposited 30 Nov 2020 13:12) [Gegenwärtig angezeigt]
  • The PRORETA 4 City Assistant System. (deposited 09 Okt 2019 10:55)

Frage zum Eintrag

Optionen (nur für Redakteure)

Redaktionelle Details anzeigen