TU Darmstadt / ULB / TUprints

The PRORETA 4 City Assistant System

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
Article, Secondary publication, Publisher's Version

[img]
Preview
Text
[2196677X - at - Automatisierungstechnik] The PRORETA 4 City Assistant System-1.pdf
Copyright Information: In Copyright.

Download (945kB) | Preview
Item Type: Article
Type of entry: Secondary publication
Title: The PRORETA 4 City Assistant System
Language: English
Date: 30 November 2020
Place of Publication: Darmstadt
Year of primary publication: 2019
Publisher: De Gruyter
Journal or Publication Title: at - Automatisierungstechnik
Volume of the journal: 67
Issue Number: 9
DOI: 10.25534/tuprints-00014296
Corresponding Links:
Origin: Secondary publication service
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.

Alternative Abstract:
Alternative AbstractLanguage

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.

German
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-142961
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD) > Driver Assistance
18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Control Methods and Robotics (from 01.08.2022 renamed Control Methods and Intelligent Systems)
Date Deposited: 30 Nov 2020 13:12
Last Modified: 20 Oct 2023 10:57
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/14296
PPN: 502515074
Export:
Actions (login required)
View Item View Item