Deep-Learning-Updates als Schlüssel zum Erfolg
Bild 4: Huber (Quelle: measX)
„Man beginnt mit niedrig komplexen Systemen in beherrschbaren Umgebungen – zum Beispiel dem autonomen Parken“, wiederholt Prof. W. Huber. „Wie aber werden wir ein Robotertaxi für komplexe städtische Verkehrssituationen absichern können? Der Testraum ist immens. F. Heidemann betont: „Wir werden lernen, während wir testen. Das sofortige Umsetzen von Updates ist das Stichwort. Ein Schlüssel zum Erfolg sind sogenannte Deep-Learning-Updates.“