fortiss Wissenschaftler Julian Bernhard erhält die Auszeichnung „Best Paper Award“ für seine Untersuchungen über interaktive Entscheidungsfindungsalgorithmen für autonome Fahrzeuge.
Die Auszeichnung bekam der fortiss Doktorand für sein Paper "Robust Stochastic Bayesian Games for Behavior Space Coverage". Co-Autor ist Alois Knoll von der Technischen Universität München (TUM). Die Publikation wurde bei dem RSS2020 Workshop Interaction and Decision Making in Autonomous Driving vorgestellt, der von den renommierten Universitäten Berkley und Massachusetts Institute of Technology (MIT) im Rahmen der diesjährigen Konferenz Robotics Science and Systems (RSS) organisiert wurde.
Der Workshop, der am am 13. Juli 2020 stattgefunden hat, widmete sich hauptsächlich den Themen der interaktiven Entscheidungsfindung beim autonomen Fahren und verfolgte das Ziel, jüngste Fortschritte, offene Herausforderungen und die zukünftige Richtung der Forschung der robusten Entscheidungsfindung für autonomes Fahren zu diskutieren.
Da immer mehr autonome Fahrzeuge auf öffentlichen Straßen eingesetzt werden, wird die Entwicklung robuster Entscheidungsfindungsalgorithmen immer wichtiger. Deshalb konzentrieren sich die jüngsten Forschungsanstrengungen auf das Erkennen, die Modellierung und die Vorhersage des Verhaltens von Verkehrsteilnehmern.
Julian Bernhard und seine Kolleg*innen aus dem Kompetenzfeld Trustworthy Autonomous Systems entwickeln interaktive Entscheidungsfindungsalgorithmen für autonome Fahrzeuge, die eine zuverlässige Fahrstrategie garantieren, auch dann, wenn das autonome Fahrzeug auf bisher unbekanntes menschliches Verhalten trifft. Um die Robustheit gegenüber Unbekanntem im Vorfeld von Fahrversuchen untersuchen zu können, entwickelt fortiss das eigene Simulationsframework BARK. Die Anwendung dieses Frameworks wird im Oktober auf der International Conference on Intelligent Robots and Systems (IROS) vorgestellt.
