Einführung in autonome Fahrzeuge: Konzepte und Anwendungen Schulung

Diese durch einen Dozenten gelebte, live durchgeführte Schulung in Deutschland (online oder vor Ort) richtet sich an erfahrenen Robotik-Ingenieure und KI-Forscher, die fortgeschrittene Pfadplanungs-Algorithmen implementieren möchten, um die Leistung autonomer Fahrzeuge zu steigern.

Am Ende dieser Schulung sind die Teilnehmer in der Lage:

• Die theoretischen Grundlagen fortgeschrittener Pfadplanungs-Algorithmen zu verstehen.
• Algorithmen wie RRT*, A* und D* für die Navigation in Echtzeit zu implementieren.
• Pfadplanung für die Hindernisvermeidung und dynamische Umgebungen zu optimieren.
• Pfadplanungs-Algorithmen mit Sensordaten zu integrieren, um die Genauigkeit zu erhöhen.
• Die Leistung verschiedener Algorithmen in praktischen Szenarien zu bewerten.

Diese von einem Dozenten geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Data Scientists, KI-Spezialisten und Entwickler im Bereich Automotive-KI, die KI-Modelle für Anwendungen im autonomen Fahren erstellen, trainieren und optimieren möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Grundlagen der KI und des Deep Learning im Kontext autonomer Fahrzeuge zu verstehen.
• Techniken des Computer Vision für die Objekterkennung in Echtzeit und das Nachfahren von Fahrspuren zu implementieren.
• Reinforcement Learning für Entscheidungsprozesse in selbstfahrenden Systemen einzusetzen.
• Sensorfusionstechniken für eine bessere Wahrnehmung und Navigation zu integrieren.
• Deep-Learning-Modelle zu erstellen, um Fahrtszenarien vorherzusagen und zu analysieren.

Dieses von einem Instruktor geleitete Präsenztraining in Deutschland (online oder vor Ort) richtet sich an erfahrene Sicherheitsingenieure und Fachkräfte aus dem Bereich Automobilsicherheit, die umfassende Sicherheitsstrategien für autonome Fahrzeuge entwickeln möchten – einschließlich Gefahrenanalysen, funktionaler Sicherheitsbewertungen sowie der Einhaltung internationaler Standards.

Am Ende dieses Trainings werden die Teilnehmenden in der Lage sein:

• Sicherheitsrisiken im Zusammenhang mit autonomen Fahrsystemen zu erkennen und zu bewerten.
• Gefahren- sowie Risikoanalysen gemäß branchenüblichen Standards durchzuführen.
• Validierungs- und Verifikationsmethoden für Sicherheit in AV-Systemen anzuwenden.
• Funktionale Sicherheitsstandards wie ISO 26262 und SOTIF umzusetzen.
• Risikominderungsstrategien zur Bewältigung sicherheitsrelevanter Herausforderungen bei autonomen Fahrzeugen zu entwickeln.

Dieses leitergestützte, praxisorientierte Training in Deutschland (online oder vor Ort) richtet sich an KI-Entwickler sowie Ingenieure der Bildverarbeitung mittleren Kenntnisstands, die robuste visuelle Systeme für autonome Fahrzeuge entwickeln möchten.

Nach Abschluss dieses Trainings sind die Teilnehmenden in der Lage:

• Die grundlegenden Konzepte der Computervision im Kontext autonomer Fahrzeuge zu verstehen.
• Algorithmen zur Objekterkennung, Spurerfassung sowie semantischen Segmentierung umzusetzen.
• Visuelle Systeme mit anderen Unterkomponenten autonomer Fahrzeuge zu integrieren.
• Deep-Learning-Verfahren für fortgeschrittene Wahrnehmungsaufgaben einzusetzen.
• Die Leistungsfähigkeit von Computervision-Modellen in realen Einsatzszenarien zu bewerten.

Dieses von einem Instruktor geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Berufsanfänger, die sich mit den ethischen Dilemmen und rechtlichen Rahmenbedingungen autonomer Fahrzeuge vertraut machen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die ethischen Auswirkungen von KI-gesteuerten Entscheidungen bei autonomen Fahrzeugen zu verstehen.
• Globale rechtliche Rahmenbedingungen sowie Richtlinien zur Regulierung selbstfahrender Autos zu analysieren.
• Die Haftung und Verantwortlichkeit im Falle von Unfällen mit autonomen Fahrzeugen zu beleuchten.
• Das Gleichgewicht zwischen Innovation und öffentlicher Sicherheit in Gesetzen zum automatisierten Fahren zu bewerten.
• Reale Fallbeispiele zu ethischen Dilemmen und rechtlichen Streitigkeiten zu diskutieren.

Dieses vom Kursleiter geführte Live-Training in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Spezialisten im Bereich der Sensordatenfusion sowie AI-Ingenieure, die Algorithmen zur Datenfusion entwickeln und die Echtzeit-Navigation in autonomen Systemen optimieren möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein zu:

• Die Grundlagen sowie Herausforderungen der Mehrsensorischen Datenfusion zu verstehen.
• Sensordaten-Fusionsalgorithmen zur Echtzeit-Navigation autonomer Systeme umzusetzen.
• Daten von LiDAR, Kameras und RADAR zu integrieren, um die Objekterkennung zu verbessern.
• Die Leistungsfähigkeit von Datenfusionssystemen unter verschiedenen Bedingungen zu analysieren und zu bewerten.
• Praktische Lösungen zur Reduzierung von Sensorknauschung sowie zur Dateneinrichtung zu entwickeln.

Dieses von einem Dozenten geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Ingenieure auf mittlerem Niveau, Automotive-Fachleute und IoT-Experten, die die Rolle von Sensoren in selbstfahrenden Autos verstehen möchten. Es behandelt LiDAR, Radar, Kameras sowie Techniken zur Sensorfusion.

Am Ende dieser Schulung werden die Teilnehmer folgendes können:

• Die verschiedenen Arten von Sensoren in autonomen Fahrzeugen erkennen und verstehen.
• Sensordaten zur Echtzeit-Wahrnehmung und Entscheidungsfindung des Fahrzeugs analysieren.
• Sensorfusion-Techniken implementieren, um Genauigkeit und Sicherheit des Fahrzeugs zu verbessern.
• Die Positionierung und Kalibrierung der Sensoren so optimieren, dass die autonome Fahrfähigkeit gesteigert wird.

Dieses von Instruktoren geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Netzwerkingenieure und Entwickler von Automotive-IoT-Lösungen mittleren Kenntnisstands, die V2X-Technologien für autonome Fahrzeuge verstehen und umsetzen möchten.

Am Ende des Kurses werden die Teilnehmer in der Lage sein zu:

• Die Grundkonzepte der V2X-Kommunikation zu verstehen.
• Die Kommunikationsmodelle V2V, V2I, V2P und V2N zu analysieren.
• V2X-Protokolle wie DSRC und C-V2X erfolgreich einzusetzen.
• Simulationen für vernetzte Fahrzeugumgebungen zu entwickeln.
• Sicherheits- und Datenschutzprobleme in V2X-Netzwerken zu bewältigen.