Multimodale KI für Standort- und Routenvorhersage
Ein GPS-Verlauf beschreibt, wo ein Fahrzeug unterwegs war. Ein Gespräch kann zusätzlichen Kontext zu einem Ziel oder einer geplanten Fahrt liefern. AURORA untersucht, wie sich Bewegungsverläufe und Sprachinformationen verbinden lassen, um mögliche Standorte und Routen vorherzusagen.
Zum Ansatz gehören maschinelles Lernen und Deep Learning sowie Spracherkennung, Sprecheridentifikation und semantische Analyse. Named Entity Recognition erschließt beispielsweise relevante Ortsangaben aus Sprache. Die Forschungsfrage ist, wie solche Hinweise zusammen mit zeitlichen und räumlichen Bewegungsmustern ausgewertet werden können, auch wenn nur kurze Verläufe vorliegen.
Verwandte FILA-Forschung untersucht diese Verbindung im Datensatz GTA-NarrativeTraj: Er koppelt Koordinaten und Dialoge aus einer simulierten Spielwelt. Diese kontrollierten Daten erlauben die Untersuchung von Sprachkontext und zeitlicher Zuordnung; eine Bewertung für reale Mobilität benötigt entsprechend geeignete Daten und Versuchsbedingungen. Zur veröffentlichten Datensatzstudie.
AURORA-GPS wird im Zentralen Innovationsprogramm Mittelstand (ZIM) gefördert (Förderkennzeichen KK5004811MA4). Der bewilligte Projektzeitraum läuft vom 1. Januar 2025 bis zum 31. Dezember 2027.
© FILA
Ein Bewegungsverlauf beschreibt bisherige Wege. Sprachlicher Kontext ergänzt Hinweise, die bei der Vorhersage möglicher weiterer Routen untersucht werden.
Forschungsschwerpunkte
- ML- und DL-basierte Verfahren zur Standort- und Routenvorhersage aus GPS-Daten.
- Semantische Kontextanalyse von Sprachdaten und Integration in Vorhersagemodelle.
- Multimodale Lernverfahren zur Fusion unterschiedlicher Datenquellen.
- Analyse von Vorhersagegenauigkeit, Robustheit und Vertrauenswürdigkeit der KI-Modelle.
