Optimierung der Entscheidungsfindung in autonomen Fahrsystemen mit neuro-symbolischem Wissen
Open Access
- 4 March 2025
- book chapter
- Published by Springer Nature
- p. 319-347
Abstract
Zusammenfassung: Im sich rasch entwickelnden Bereich des autonomen Fahrens ist es entscheidend, hohe Leistung, Erklärbarkeit und regelkonforme Entscheidungsfindung gleichzeitig zu erreichen, für Sicherheit, Nutzerakzeptanz und rechtliche Haftung der Hersteller. Ansätze auf Basis von Deep Learning haben ihre Wirksamkeit in verschiedenen Aufgaben unter Beweis gestellt, doch sie scheitern oft, wenn es um Interpretierbarkeit und Legalität geht. Im Gegensatz dazu haben regelbasierte Ansätze, die zusätzliche Erklärbarkeit und Nachvollziehbarkeit bieten, Schwierigkeiten, mit verrauschten, unsicheren und großen Daten in hochdynamischen Verkehrsszenen in einer Vielzahl von Szenarien umzugehen.Keywords
This publication has 36 references indexed in Scilit:
- Semantic Role Assisted Natural Language Rule Formalization for Intelligent Vehicle2023
- Neural, symbolic and neural-symbolic reasoning on knowledge graphsAI Open, 2021
- Bridging Knowledge Graphs to Generate Scene Graphs2020
- Knowledge Graphs2020
- Visual Relationship Detection with Language Priors2016
- Inductive Logic Programming in Answer Set Programming2012
- Top-down induction of first-order logical decision treesArtificial Intelligence, 1998
- Inverse entailment and progolNew Generation Computing, 1995
- A translation approach to portable ontology specificationsKnowledge Acquisition, 1993
- Inductive logic programmingNew Generation Computing, 1991