Unser KI-Labor in Berlin bietet den idealen Rahmen und die optimalen Bedingungen für herausragende angewandte Forschung in verschiedenen KI-Themen wie Generative KI, Computer Vision, Erklärbare & Sichere KI, Daten für KI, Bewegungsplanung für autonome Systeme wie Fahrzeuge und Roboter sowie Verarbeitung natürlicher Sprache. Unser internationales Team von KI-Experten, Doktoranden und Masterstudenten arbeitet eng mit Experten aus einer Vielzahl von Unternehmensbereichen zusammen, um die Lücke zwischen Forschung und Anwendung zu schließen und Continental durch modernste KI-Technologien zu stärken. Am Merantix AI Campus in Berlin profitieren wir zudem von Kontakten und Kooperationen mit anderen KI-Unternehmen und Forschungseinrichtungen.
Continental KI-Labor in Berlin
Über uns
Unsere Tätigkeiten
In unserem KI-Labor in Berlin arbeiten wir derzeit an vier Hauptprojekten.
BeIntelli
Im BeIntelli-Projekt arbeitet unser Robotikteam am Entwicklungsprototyp des Continental AMR (Autonomous Mobile Robots) für den Einsatz in öffentlichen Räumen. Der Roboter wird von unserer KI-basierten Softwarelösung für Wahrnehmung, Lokalisierung und Navigation sowie Sicherheit betrieben. Es ist der erste vollständig automatisierte AMR, der jemals eine Fahrgenehmigung für öffentliche Bereiche in Berlin erhalten hat, einschließlich des belebten Kurfürstendamms- und Otto-Suhr-Allee-Boulevards.
Just Better Data (jbD)
Das Ziel des Just Better Data-Projekts ist es, KI-gesteuerte Methoden und Tools zur effizienten und präzisen Datenerfassung zu entwickeln. Anstatt übermäßige Datenmengen zu produzieren, liegt der Fokus auf der Verarbeitung, Bewertung und Auswahl von Daten direkt im Aufzeichnungsfahrzeug. KI-Algorithmen werden eingesetzt, um fehlende Daten zu identifizieren und mit synthetischen Daten zu ergänzen, wodurch ein fairer und repräsentativer Datensatz entsteht.
nxtAIM
nxtAIM nutzt das enorme Potenzial generativer Technologien, um neue Ansätze für eine bessere Skalierbarkeit, Übertragbarkeit und Rückverfolgbarkeit von autonomen Fahrfunktionen zu entwickeln, die bisher in ihrem Anwendungsbereich sehr eingeschränkt waren. Der Fokus liegt auf der Entwicklung generativer Methoden, die die etablierten diskriminativen Methoden der künstlichen Intelligenz ergänzen.
KI Wissen
In KI Wissen haben wir Methoden entwickelt und untersucht, um vorhandenes Wissen in die datengetriebenen KI-Funktionen autonomer Fahrzeuge zu integrieren. Ziel des Projekts ist es, ein umfassendes Ökosystem für die Integration von Wissen in das Training und die Absicherung von KI-Funktionen zu schaffen, um die Grundlage für das Training und die Validierung von KI-Funktionen völlig neu zu definieren.
- Bouzidi, M.-K., Derajic, B., Goehring, D., Reichardt, J. Motion Planning under Uncertainty: Integrating Learning-Based Multi-Modal Predictors into Branch Model Predictive Control. Auf der Internationalen Konferenz über Intelligente Transportsysteme (ITSC-2024).
- Bouzidi, M.-K., Yao, Y., Goehring, D., Reichardt, J. Learning-Aided Warmstart of Model Predictive Control in Uncertain Fast-Changing Traffic. Auf der internationalen Konferenz für Robotik und Automation (ICRA).
- Manas K., Zwicklbauer, S., Paschke, A. LLM based framework for Metric Temporal Logic Formalization of Traffic Rules. Auf dem IEEE Intelligent Vehicles Symposium 2024 (IV).
- Mikriukov, G., Schwalbe, G., Motzkus, F., Bade, K. Unveiling the Anatomy of Adversarial Attacks: Concept-Based XAI Dissection of CNNs. Auf der 2. Weltkonferenz für Erklärbare KI (xAI-2024).
- Motzkus, F., Mikriukov, G., Hellert, C., Schmid, U. Locally Testing Model Detections for Semantic Global Concepts. Auf xAI-2024.
- Sbeyti, M. K., Karg, M., Wirth C., Klein, N., Albayrak, S. Cost-Sensitive Uncertainty-Based Failure Recognition for Object Detection. Auf der Konferenz für Unsicherheit in der Künstlichen Intelligenz (UAI).
- Schlauch, C., Wirth, C., Klein, N. Informed Spectral Normalized Gaussian Processes for Trajectory Prediction (Preprint). Auf ECAI-2024
- Shoeb, Y., Chan, R., Schwalbe, G., Nowzad, A., Güney, F., Gottschalk, H. Have We Ever Encountered This Before? Retrieving Out-of-Distribution Road Obstacles From Driving Scenes. Auf der Winterkonferenz über Anwendungen der Computer Vision (WACV-2024).
- Chakraborty, T., Wirth, C., Seifert, C. Post-hoc Rule Based Explanations for Black Box Bayesian Optimization. Auf den ECAI 2023 Internationalen Workshops.
- Kesser, M. Real-Time Explainable Plausibility Verification for DNN-based Automotive Perception. Auf der 1. Weltkonferenz für Erklärbare KI (xAI-2023) & den Gemeinsamen Tagungen für spät eingereichte Arbeiten, Demos und Doktorandenkonsortium.
- Manas, K. and Paschke, A. Semantic Role Assisted Natural Language Rule Formalization for Intelligent Vehicle. Auf der Internationalen Gemeinsamen Konferenz über Regeln und Schlussfolgerungen.
- Manas, K. and Paschke, A. Legal Compliance Checking of Autonomous Driving with Formalized Traffic Rule Exceptions. Auf dem Workshop für Logikprogrammierung und rechtliche Argumentation in Verbindung mit der 39. Internationalen Konferenz für Logikprogrammierung (ICLP).
- Mikriukov, G., Schwalbe, G., Hellert, C., Bade, K. Revealing Similar Semantics Inside CNNs: An Interpretable Concept-based Comparison of Feature Spaces. Auf dem AIMLAI 2023 Workshop in Verbindung mit ECML-PKDD.
- Mikriukov, G., Schwalbe, G., Hellert, C., Bade, K. Evaluating the Stability of Semantic Concept Representations in CNNs for Robust Explainability. Auf der 1. Weltkonferenz für Erklärbare KI (xAI-2023).
- Sbeyti, M. K., Karg, M., Wirth C., Nowzad, A., Albayrak, S. Overcoming the Limitations of Localization Uncertainty: Efficient & Exact Non-Linear Post-Processing and Calibration. Auf der ECML-PKDD 2023, Forschungs-Track.
- Schlauch, C., Wirth, C., Klein, N. Informed Priors for Knowledge Integration in Trajectory Prediction. Auf der ECML-PKDD 2023, Forschungs-Track.
- Yao, Y., Goehring, D., Reichardt, J. An Empirical Bayes Analysis of Object Trajectory Models. Auf der Internationalen Konferenz über Intelligente Transportsysteme (ITSC 2023).
Unsere KI-Experten
Dr. Andreas Weinlich
Head of Laboratory for AI
Dr. Kostadin Cholakov
Technical Project Lead for AI
Dr. Azarm Nowzad
Technical Project Lead for AI
Dr. Sebastian Bernhard
Project Lead AI & Robotics
Simon Kast
AI Robotics Engineer
Unsere Doktoranden – KI-Forschungswissenschaftler
Aditi Bhalla
Bojan Derajic
Christian Schlauch
Franz Motzkus
Georgii Mikriukov
Jonas Neuhöfer
Kumar Manas
Marius Kästingschäfer
Mert Keser
Mohamed-Khalil Bouzidi
Moussa Kassem Sbeyti
Pallavi Mitra
Tanmay Chakraborty
Youssef Shoeb
Yue Yao
Möchten Sie mehr erfahren?
*Sollten das Kontaktformular nicht laden, überprüfen Sie bitte die erweiterten Cookie-Einstellungen, und aktivieren Sie die Funktions-Cookies zum Zwecke des Kontaktmanagements.