Hast Du Dir mittlerweile mal eine Definition von Machine Learning durchgelesen? Wikipedia bietet eine auf der englischsprachigen Site ("Machine learning (ML) is a field of study in artificial intelligence concerned with the development and study of statistical algorithms that can learn from data and generalise to unseen data, and thus perform tasks without explicit instructions"), von IBM gibt es auch eine: https://www.ibm.com/de-de/think/topics/machine-learning
Ich habe nichts über den Corolla E210 im Internet gefunden und mal Copilot gefragt. Ich will jetzt nicht die ganze Antwort hier posten, weil sie ziemlich lang war. Jedenfalls war der Kern der Antwort, dass der Corolla nicht mit Machine Learning arbeitet beim Notbremsassistent sondern mit klassischen Algorithmen. Kannst Du ja selbst probieren.
Auf meine Nachfrage, wie denn so ein Algorithmus aussieht, sagt "er":
Zitat von CopilotAlles anzeigenDas funktioniert durch sogenannte regelbasierte Bildverarbeitungssysteme – also klassische Algorithmen, die auf fest einprogrammierten Mustern und Entscheidungsbäumen beruhen.
Bildsegmentierung: Die Kamera teilt das Bild in unterschiedliche Bereiche auf (z. B. Straße, Gehweg, Objekte).
Kanten- und Konturerkennung: Algorithmen erkennen typische Umrisse von Menschen – Kopf, Schultern, Beine – anhand von vordefinierten geometrischen Formen.
Bewegungsanalyse: Die Software prüft, ob sich ein Objekt in einer für Menschen typischen Weise bewegt (z. B. Schrittmuster).
Größenverhältnisse und Position: Das System weiß, wie groß ein Fußgänger typischerweise ist und wo er sich im Bild befinden sollte.
Farbanalyse: Helligkeit und Kontrast werden genutzt, um Objekte bei Tag und Nacht voneinander zu unterscheiden.
Warum funktioniert das ohne Machine Learning?
Das Fahrzeug kennt keine „neuen“ Muster – es verwendet nur die, die ihm vorher einprogrammiert wurden.
Es gibt keinen Lernprozess: Ein Fußgänger mit Regenschirm oder ungewöhnlicher Kleidung wird erkannt, wenn seine Form und Bewegung den Regeln entspricht – nicht, weil das System jemals „gelernt“ hat, wie Regenschirme aussehen.
Diese Methode funktioniert zuverlässig in vielen Standardsituationen, stößt aber an Grenzen, wenn Menschen ungewöhnlich gekleidet sind, sich schnell bewegen oder verdeckt sind. Deshalb setzen neuere Systeme zunehmend auf Deep Learning, das mit Millionen von Bildern trainiert wurde.
Ich habe ihn dann noch nach einem verkürzten Beispiel in Pseudo-Code gefragt. Hier seine Antwort:
function detect_pedestrian(image):
segmented = segment_image(image)
for region in segmented:
if is_human_shape(region) and is_moving_like_human(region):
if region.height > MIN_HEIGHT and region.width < MAX_WIDTH:
if is_on_sidewalk(region.position) or is_on_road(region.position):
return "Pedestrian detected"
return "No pedestrian detected"
function is_human_shape(region):
edges = detect_edges(region)
contours = analyze_contours(edges)
return matches_human_template(contours)
function is_moving_like_human(region):
motion_vector = compute_motion(region)
return motion_vector in TYPICAL_WALKING_PATTERN
