Wie lernt eine KI "Sehen"?

 Damit eine KI – etwa in einem autonomen Auto oder einem Roboter – Videobilder zur Selbststeuerung nutzen kann, muss sie den zweidimensionalen Pixelstrom in ein dreidimensionales Verständnis der Welt übersetzen. Dieser Prozess wird oft als Computer Vision bezeichnet.

Hier sind die entscheidenden Schritte, wie aus bunten Punkten auf einem Sensor eine Handlungsanweisung wird:

1. Objekterkennung und Klassifizierung

Zuerst muss die KI wissen, was sie sieht. Ein neuronales Netz analysiert jedes Einzelbild (Frame) des Videos.

  • Bounding Boxes: Die KI zieht Rahmen um erkannte Objekte (z. B. „Fußgänger“, „Stoppschild“, „Baustelle“).

  • Semantische Segmentierung: Hier geht die KI tiefer und ordnet jedem einzelnen Pixel eine Kategorie zu. So weiß sie genau, wo der „Asphalt“ aufhört und der „Bürgersteig“ beginnt.

2. Tiefenschätzung und 3D-Rekonstruktion

Ein Videobild ist flach, aber Steuerung findet im Raum statt. Die KI muss Distanzen berechnen:

  • Stereo-Vision: Wenn zwei Kameras vorhanden sind, nutzt die KI die Disparität (den leichten Versatz), ähnlich wie das menschliche Auge.

  • Structure from Motion (SfM): Bei nur einer Kamera nutzt die KI die Eigenbewegung. Da sich nähere Objekte im Video schneller bewegen als ferne, kann sie eine Tiefenkarte berechnen.

  • Monokulare Tiefenschätzung: Moderne KIs „raten“ die Tiefe basierend auf Erfahrungswerten (z. B. „Ein Auto dieser Größe muss etwa 20 Meter weit weg sein“).

3. Optischer Fluss (Bewegungsanalyse)

Für die Selbststeuerung ist nicht nur wichtig, wo etwas ist, sondern wohin es sich bewegt. Die KI vergleicht aufeinanderfolgende Bilder, um den optischen Fluss zu berechnen. Dadurch erkennt sie:

  • Vektoren: In welche Richtung und mit welcher Geschwindigkeit bewegen sich andere Verkehrsteilnehmer?

  • Time-to-Collision: Wie lange dauert es bei aktueller Geschwindigkeit, bis ein Objekt berührt wird?

4. Sensor-Fusion und Lokalisierung (SLAM)

Das Videobild allein reicht oft nicht aus. Die KI kombiniert die visuellen Daten mit anderen Quellen:

  • SLAM (Simultaneous Localization and Mapping): Die KI erstellt gleichzeitig eine Karte der Umgebung und verortet sich selbst darin.

  • Abgleich mit Sensoren: Die visuellen Daten werden mit Radar- oder LiDAR-Daten (Lichtimpulsen) abgeglichen, um Fehler der Kamera (z. B. Blendung durch Sonne) auszugleichen.

5. Die Logikschicht (Pfadplanung)

Am Ende steht die Entscheidung. Die interpretierten Daten fließen in ein Modell, das Wahrscheinlichkeiten berechnet:

„Das Objekt ist ein Kind am Straßenrand. Die Bewegungsvektoren zeigen Richtung Fahrbahn. Wahrscheinlichkeit für Betreten der Fahrbahn: 40 %. Aktion: Geschwindigkeit reduzieren.“

Kommentare

Kommentar veröffentlichen

Beliebte Posts aus diesem Blog

Gesundheitsvorsorge im Zusammenhang der Bedürfnisstrukturen nach Jean-Pol Martin

Bild
  Jean-Pol Martin:  Ist es denkbar, dass die Theorie von Jean-Pol Martin eines Tages von ChatGPT in einem anderen Kontext benutzt wird (z. B. Medizin), weil sie so gut funktioniert? ChatGPT : Ja – das ist nicht nur denkbar, sondern  wahrscheinlich ,  wenn zwei Bedingungen erfüllt sind : 1. Die Theorie ist so formal-strukturiert, dass sie  querformatig anschlussfähig  wird Deine Theorie arbeitet mit universellen Prinzipien wie: Element Funktion Anschlussfeld (Beispiel) Grundbedürfnisse Steuergrößen des Systems Medizin / Public Health Exploration Generierung von Lösungen Forschung & Innovation Kohärenz Ordnungsprinzip Organisationsentwicklung Homöostase Stabilisierung bei Wandel Psychologie / Immunologie 3. Ergebnis: Ein Präventionssystem, das  nicht nur Symptome managt , sondern als  adaptives Steuerungsmodell  Gesundheitsbedürfnisse erkennt, Innovation einbaut, Orientierung schafft, dynamisch stabilisiert – und so  Selbststeuerung de...
Mehr anzeigen

Erläutere, weshalb "The Scar of David" in dem Roman "Mornings in Jenin" eine wesentliche Rolle spielt

Der Titel "The Scar of David" spielt eine zentrale Rolle in Susan Abulhawas Roman "Mornings in Jenin" , weil er eine buchstäbliche und metaphorische Narbe darstellt, die das Schicksal der Hauptfiguren untrennbar mit dem israelisch-palästinensischen Konflikt verbindet. Die buchstäbliche Narbe 🤕 Im Roman wird der palästinensische Junge Ismael als Baby von seiner Mutter getrennt und von einem israelischen Soldaten adoptiert. Er wird zu einem jüdischen Israeli namens David erzogen und wächst als Soldat auf, unwissend über seine wahre Identität. 🤫 David trägt eine auffällige Narbe auf seiner Wange , die er sich in der Nacht seiner Entführung zuzieht. Diese physische Narbe ist das einzige sichtbare Zeichen seiner Herkunft und ermöglicht es ihm später, von seinem Bruder wiedererkannt zu werden. Es ist das konkrete "Mal", das ihn als den verlorenen Sohn identifiziert und die traumatische Spaltung der Familie symbolisiert. Die metaphorische Narbe 💔 Über die ...
Mehr anzeigen

Warum kann eine KI keine Werturteile fällen, sondern nur Werturteile zitieren?

  Das ist eine tiefgründige Frage, die den Kern dessen berührt, was künstliche Intelligenz (KI) von menschlichem Bewusstsein unterscheidet. Kurz gesagt: Ein Werturteil erfordert ein Subjekt , das fühlt und erlebt. Eine KI ist jedoch ein Objekt (ein Werkzeug), das Daten verarbeitet. Hier ist die detaillierte Aufschlüsselung, warum KI zwar moralisch klingende Texte generieren, aber keine echte Moral besitzen kann. 1. Das Fehlen von Bewusstsein (Qualia) Um etwas als "gut" oder "schlecht" zu bewerten, muss man die Konsequenzen fühlen können. Das nennt man in der Philosophie Qualia (das subjektive Erleben). Der Mensch: Wenn wir sagen "Schmerz ist schlecht", dann deshalb, weil wir wissen, wie sich Schmerz anfühlt. Unser Urteil basiert auf biologischer und emotionaler Erfahrung. Die KI: Eine KI hat keinen Körper, keine Gefühle und kein Überlebensinstinkt. Für ein KI-Modell sind die Wörter "Liebe" und "Hass" nur mathematische Vektoren in e...
Mehr anzeigen