SensAI entwickelt Methoden und Driver-Monitoring-Systeme zur Messung kognitiver Ablenkung

© Fraunhofer IDMT
Verschiedene Kameras haben den Fahrer im Blick: Cockpit eines der SensAI-Forschungsfahrzeuge
© Fraunhofer IOSB
SensAI-Architektur im Überblick

Herausforderung kontextsensitive Fahrerbeobachtung

Kognitive Ablenkung kann die Reaktion auf das Verkehrsgeschehen beeinträchtigen, selbst wenn Fahrende weiterhin auf die Straße blicken. Gängige Fahrerbeobachtungssysteme (driver-monitoring systems) erfassen vor allem einzelne sichtbare Merkmale oder momentane Zustände und reichen für diesen komplexen, multidimensionalen Zustand nicht aus. In SensAI entwickeln Fraunhofer-Forschende deshalb ein multimodales System, das Kamera-, Audio-, Vital- und Fahrzeugdaten KI-gestützt zusammenführt. Ziel ist, kognitive Ablenkung im Fahrkontext zu erkennen – in Echtzeit und datenschutzkonform – und unnötige oder unpassend ausgelöste Warnungen perspektivisch zu vermeiden.

IOSB-Beitrag: Computer Vision, Aktivitätenerkennung

Das Fraunhofer IOSB koordiniert SensAI und bringt seine Kompetenz in Computer Vision, Insassenbeobachtung und Fahrerzustandsmodellierung ein. Wir untersuchen mit Innenraumkameras Blickverhalten, Körperhaltung, Aktivitäten und Objektinteraktionen. Gemeinsam mit den Beiträgen der Partner zur kontaktlosen Vitaldatenerfassung und zur akustischen Szenenanalyse entstehen spezialisierte Encoder für die jeweiligen Datenquellen. Ihre Ausgaben werden zu einem digitalen Zwilling des kognitiven Zustands der fahrenden Person zusammengeführt. Ein domänenspezifisches KI-Modell soll daraus den Fahrerzustand einschätzen und die relevanten Einflussfaktoren in verständlicher Form ausgeben.

Projektziel: Demonstrator und Validierungsdatensatz

SensAI befindet sich in der Entwicklungsphase. Die beteiligten Institute bauen die Sensorik und Datenverarbeitung auf und bereiten die Integration in Versuchsträger vor. Als zentrale Projektergebnisse sind ein integrierter Demonstrator, ein multimodaler Validierungsdatensatz und eine empirisch gestützte Messdefinition für kognitive Ablenkung vorgesehen. Damit sollen Fahrerbeobachtungssysteme systematisch entwickelt, verglichen und geprüft werden können. Für Fahrzeughersteller, Zulieferer und Prüforganisationen ergeben sich Anknüpfungspunkte bei Sensorintegration, KI-Modellen, Datenerhebung, Benchmarks und der Entwicklung kontextsensitiver Assistenzsysteme.

Projektergebnisse / Leistungsangebote

Aus SensAI entstehen schon während der Projektlaufzeit konkrete Angebote für Fahrzeughersteller, Zulieferer und Prüforganisationen. Sprechen Sie uns an, wenn Sie einen dieser Anknüpfungspunkte für Ihr Vorhaben nutzen möchten!

Multimodaler Datensatz

Ein annotierter Teil des DSGVO-konform erhobenen Datensatzes (Video, Audio, Vitaldaten, Fahrzeugsignale aus Versuchsfahrzeugen und Fahrsimulator) wird für die Forschung frei veröffentlicht.

Der vollständige Trainingsdatensatz kann von Unternehmen lizenziert werden, um eigene Modelle für kontextsensitive Fahrerbeobachtung zu trainieren.

 

Unabhängiger Benchmark

Ein bewusst nicht veröffentlichter Validierungsdatensatz mit Referenzmessung dient als Goldstandard. Damit lassen sich Systeme zur Erkennung kognitiver Ablenkung objektiv und vergleichbar bewerten, und zwar in Szenarien, die mit dem Projektbeirat abgestimmt sind.

 

Bausteine und Machbarkeitsstudien

Die Encoder für Bild, Vitaldaten und Audio sowie der erklärbare Ablenkungs-Score lassen sich in bestehende Systeme integrieren. Gemeinsam mit Ihnen prüfen wir, wie sich diese Bausteine in Ihre Systemarchitektur einfügen.

 

 

 

Abteilung Human-AI ­Interaction

Wenn Sie mehr über ähnliche Projekte erfahren möchten, besuchen Sie die Automotive-Seiten unserer Gruppe Perceptive User Interfaces in der Abteilung Human-AI Interaction (HAI)

Projektdetails

SensAI: Domänenspezifisches multimodales KI-Modell zur Erkennung kognitiver Ablenkung im Fahrzeug

Projektlaufzeit: 2026-2028

Projektvolumen: ca. 3 Mio. Euro

Das Projekt wird von der Fraunhofer-Gesellschaft im Rahmen des internen PREPARE-Programms (institutsübergreifende, anspruchsvolle Vorlaufforschung zur Vorbereitung neuer Geschäftsfelder) gefördert.