Bias in Automated Driving Systems (BADS)

Kurzzusammenfassung

Automatisierte Fahrsysteme legen heute rund einhundertmal mehr Kilometer in Simulationen zurück, als im physischen Raum der Straße. Dies wirft die Frage nach der Beschaffenheit der Datensätze auf, die als Lernumfeld die Fähigkeiten der Fahrsysteme prägen. Aktuell sind etwa 40 öffentlich zugängliche Testdatensätze bekannt, die von den AntragsstellerInnen bereits überblicksmäßig ausgewertet wurden. Es geht um eine systematische Auswertung des Datenmaterials zu diesem frühen Zeitpunkt der Technologieentwicklung.

Ergebniszusammenfassung

Die vom Team «Bias in Automated Driving Systems (ADS)» durchgeführte Forschung führte zu einer umfassenden Überprüfung von 38 internationalen Datensätzen zu ADS-Szenarien und -Sequenzen. Dies führte zur Entwicklung eines WWTF-Antrags für die Ausschreibung “Digital Humanism 2020”. Das Ziel war es, die Zukunft von ADS-Lernumgebungen im Kontext des Großraums Wien zu erforschen. Das interdisziplinäre Forschungsteam hat sich zum Ziel gesetzt, Fragen zu Lernumgebungen und zu den systematischen Verzerrungen in diesen zu beantworten, die potenzielle künftige Nutzung des Systems im Kontext verschiedener Nutzer:innengruppen zu untersuchen und Leitlinien zum Ausgleich der Verzerrungen in den Trainingsdaten zu erarbeiten.

Um diese komplexen Forschungsfragen anzugehen, wurde ein Mixed-Methods-Ansatz vorgeschlagen, der aus einer umfassenden Analyse bestehender Datensätze in Bezug auf die Nutzung von ADS sowohl in simulierten als auch in realen Umgebungen, aus Expert:inneninterviews mit jenen, die direkt mit ADS-Systemen arbeiten, sowie aus partizipativen Methoden in Zusammenarbeit mit dem aspern.mobil LAB besteht.