ZF will die Reisekrankheit unterdrücken, bevor Insassen reisekrank werden. Dazu nutzt ein KI-Algorithmus Fahrdynamikdaten und physiologische Marker der Reisekrankheit, um eine präventive Fahrweise zu erlernen.
Ein KI-Algorithmus nutzt unter anderem physiologische Marker der Reisekrankheit, um eine präventive Fahrweise zu erlernen.
ZF
ZF arbeitet gemeinsam mit Neurotechnologen an Lösungen, die Symptome der Reisekrankheit früh zu erkennen. Daraus sollen künftig intelligente Fahrfunktionen abgeleitet werden, die diesen entgegenwirken. "Unser Ziel ist es, die Reisekrankheit individuell zu erkennen und auf den aktuellen Zustand des Passagiers bezogene Maßnahmen zu entwickeln", so Florian Dauth, in der ZF-Vorentwicklung verantwortlich für Aktivitäten im Bereich Human Centered Vehicle Motion Control.
Die wissenschaftliche Basis für dieses Konzept liefern gemeinsam mit der Systems Neuroscience & Neurotechnology Unit (SNNU) an der Universität des Saarlandes und der HTW Saar durchgeführte Probandenstudien, bei denen die physiologischen Reaktionen von Probanden auf verschiedene Fahrsituationen untersucht wurden. "Unsere gemeinsame Forschung mit ZF umfasst Bereiche der Neurotechnologie, Psychophysiologie, der künstlichen Intelligenz und Fahrdynamik", erläutert Professor Dr. Dr. Daniel J. Strauss, Direktor der SNNU
Über fünfzigtausend Gigabyte an physiologischen Markern
Verursacht wird die Reise- oder Bewegungskrankheit, fachsprachlich Kinetose, durch eine Diskrepanz in der Wahrnehmung: Das im Innenohr liegende Gleichgewichtsorgan fühlt eine Bewegung, die von anderen Sinnesorganen wie den Augen nicht bestätigt wird – das passiert insbesondere, wenn der Passagier konzentriert auf einen Bildschirm oder ein Buch blickt. Der menschliche Körper reagiert in dieser Situation mit Symptomen, die von leichtem Unwohlsein bis hin zu starker Übelkeit reichen.
In mehreren Studien analysierten die Forscher von ZF und der SNNU im realen Straßenverkehr, welche physiologischen Marker die höchste Korrelation mit dem subjektiven Reisekrankheit-Empfinden des Menschen aufweisen und welcher Zusammenhang zur Fahrdynamik des Fahrzeugs besteht. Indikatoren dafür seien beispielsweise eine Veränderung der Körpertemperatur sowie der Hautleitfähigkeit. "Unser Motion Sickness Research Vehicle erlaubt uns, mithilfe eines Hochleistungsrechners die Vielzahl an physiologischen Messdaten, Kameradaten sowie auch Fahrdynamik-Messwerte aufzuzeichnen. Gleichzeitig dient das Fahrzeug als Plattform zur Entwicklung und Validierung der Algorithmen", erklärt Dauth.
Bei mehr als zehntausend Fahrkilometern sammelte das Forschungsteam über fünfzigtausend Gigabyte an physiologischen Markern des zentralen und autonomen Nervensystems als Thermografie-, Bild- und Fahrdynamikdaten. "Sie helfen uns, über wissenschaftliche Herangehensweise ein Verständnis für das Phänomen Reisekrankheit zu erlangen und gleichzeitig die Grundlage für KI-basierte Algorithmen zu bilden", erklärt Dauth den Entwicklungsprozess.
Fahrzeug erlernt selbst präventive Fahrweise
Ein Sensorset im Innenraum des Fahrzeugs sowie Wearables, welche die Probanden zur nicht-invasiven Messung am Körper tragen, sind aktuell Bestandteil der Forschung. "Die Herausforderung besteht darin, ein automotive-taugliches System zu entwickeln, das über Evolutionsstufen hinweg eine kontaktfreie Erkennung der Reisekrankheit erlaubt. Wir sehen dies als Schlüsselinformation, um das sehr individuelle Phänomen der Reisekrankheit in den Griff zu bekommen", sagt Dauth. Damit erkenne der Fahrer – oder später die Steuerung des automatisierten Fahrzeugs – frühzeitig, wenn beispielsweise einem Kind auf dem Rücksitz unwohl wird, und kann das Fahrverhalten entsprechend anpassen.
Da jeder Mensch unterschiedlich auf Fahrzeugbewegungen reagiert und ein individuelles Empfinden für Fahrkomfort besitzt, bildet ZF dies in einem Algorithmus ab. Dieser lernt basiert auf KI-Methoden die Körperreaktionen des Passagiers ein und erstellt somit ein personalisiertes Profil. Da somit für jeden Mitfahrer individuelle Daten vorliegen, wären automatisierte Fahrzeuge sogar in der Lage, den bevorzugten Fahrstil jedes Passagiers umzusetzen.