elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Knowledge Augmented Machine Learning with Applications in Autonomous Driving: A Survey

Wörmann, Julian und Bogdoll, Daniel und Srinivas, Gurucharan und Kelsch, Johann und Bührle, Etienne und Chen, Han und Fuh Chuo, Evaristus und Cvejoski, Kostadin und Gleißner, Tobias und van Elst, Ludger und Gottschall, Philip und Griesche, Stefan und Hellert, Christian und Hesels, Christian und Houben, Sebastian und Joseph, Tim und Keil, Niklas und Königshof, Hendrik und Kraft, Erwin und Kreuser, Leonie und Krone, Kevin und Latka, Tobias und Mattern, Denny und Matthes, Stefan und Munir, Mohsin und Nekolla, Moritz und Paschke, Adrian und Alexander Pintz, Maximilian und Qiu, Tianming und Qureishi, Faraz und Tahseen Raza Rizvi, Syed und Reichardt, Jörg und von Rueden, Laura und Rudolph, Stefan und Sagel, Alexander und Schunk, Gerhard und Shen, Hao und Stapelbroek, Hendrik und Stehr, Vera und Tuan Tran, Anh und Vivekanandan, Abhishek und Wang, Ya und Wasserrab, Florian und Werner, Tino und Wirth, Christian und Zwicklbauer, Stefan (2022) Knowledge Augmented Machine Learning with Applications in Autonomous Driving: A Survey. [sonstige Veröffentlichung]

[img] PDF
2MB

Offizielle URL: https://arxiv.org/pdf/2205.04712.pdf

Kurzfassung

The existence of representative datasets is a prerequisite of many successful artificial intelligence and machine learning models. However, the subsequent application of these models often involves scenarios that are inadequately represented in the data used for training. The reasons for this are manifold and range from time and cost constraints to ethical considerations. As a consequence, the reliable use of these models, especially in safety-critical applications, is a huge challenge. Leveraging additional, already existing sources of knowledge is key to overcome the limitations of purely data-driven approaches, and eventually to increase the generalization capability of these models. Furthermore, predictions that conform with knowledge are crucial for making trustworthy and safe decisions even in underrepresented scenarios. This work provides an overview of existing techniques and methods in the literature that combine data-based models with existing knowledge. The identified approaches are structured according to the categories integration, extraction and conformity. Special attention is given to applications in the field of autonomous driving.

elib-URL des Eintrags:https://elib.dlr.de/186400/
Dokumentart:sonstige Veröffentlichung
Titel:Knowledge Augmented Machine Learning with Applications in Autonomous Driving: A Survey
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Wörmann, Julianfortiss GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bogdoll, DanielFZI Forschungszentrum InformatikNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Srinivas, GurucharanGurucharan.Srinivas (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kelsch, JohannJohann.Kelsch (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bührle, EtienneFZI Forschungszentrum InformatikNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Chen, HanCapgemini EngineeringNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Fuh Chuo, EvaristusCapgemini EngineeringNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Cvejoski, KostadinFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gleißner, TobiasFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
van Elst, LudgerDeutsches Forschungszentrum für Künstliche Intelligenz GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gottschall, PhilipFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Griesche, StefanRobert Bosch GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hellert, ChristianContinental AGNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hesels, ChristianFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Houben, SebastianFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Joseph, TimFZI Forschungszentrum InformatikNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Keil, NiklasAlexander Thamm GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Königshof, HendrikFZI Forschungszentrum InformatikNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kraft, ErwinContinental AGNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kreuser, LeonieAlexander Thamm GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Krone, KevinFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Latka, TobiasElektronische Fahrwerksysteme GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mattern, DennyFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Matthes, Stefanfortiss GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Munir, MohsinDeutsches Forschungszentrum für Künstliche Intelligenz GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Nekolla, MoritzFZI Forschungszentrum InformatikNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Paschke, AdrianFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Alexander Pintz, MaximilianFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Qiu, Tianmingfortiss GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Qureishi, FarazValeo Schalter und Sensoren GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Tahseen Raza Rizvi, SyedDeutsches Forschungszentrum für Künstliche Intelligenz GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Reichardt, JörgContinental AGNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
von Rueden, LauraFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Rudolph, StefanElektronische Fahrwerksysteme GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Sagel, Alexanderfortiss GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Schunk, GerhardValeo Schalter und Sensoren GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Shen, Haofortiss GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Stapelbroek, HendrikCapgemini EngineeringNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Stehr, VeraValeo Schalter und Sensoren GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Tuan Tran, AnhRobert Bosch GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Vivekanandan, AbhishekFZI Forschungszentrum InformatikNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wang, YaFraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wasserrab, FlorianAlexander Thamm GmbHNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Werner, Tinotino.werner (at) dlr.dehttps://orcid.org/0000-0002-3512-8667NICHT SPEZIFIZIERT
Wirth, ChristianContinental AGNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zwicklbauer, StefanContinental AGNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:10 Mai 2022
Erschienen in:arxiv.org
Referierte Publikation:Nein
Open Access:Ja
Seitenanzahl:93
Status:veröffentlicht
Stichwörter:Knowledge Augmented Machine Learning, Informed Machine Learning, Knowledge drive Machine Learning
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Straßenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V ST Straßenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - KoKoVI - Koordinierter kooperativer Verkehr mit verteilter, lernender Intelligenz
Standort: Braunschweig , Oldenburg
Institute & Einrichtungen:Institut für Verkehrssystemtechnik > Kooperative Systeme, BS
Institut für Systems Engineering für zukünftige Mobilität > Systems Theory and Design
Hinterlegt von: Srinivas, Gurucharan
Hinterlegt am:07 Nov 2022 11:00
Letzte Änderung:29 Mär 2023 00:02

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.