Valeo Schalter und Sensoren GmbH

Valeo ist eine unabhängige Unternehmensgruppe, die sich auf die Entwicklung, Produktion und den Vertrieb von Komponenten, integrierten Systemen und Modulen für Pkw und Nutzfahrzeuge spezialisiert hat. Valeo zählt zu den weltweit führenden Zulieferern der Automobilindustrie. Als Technologieunternehmen entwickelt Valeo innovative Produkte und Systeme, die zur Reduktion der CO2 Emission und intuitiven Fahren beitragen. Valeo ist heute der weltweit führende Sensorlieferant für Fahrerassistenz. Seit den 80er Jahren entwickelt Valeo Sensorik für Fahrerassistenz im Bereich Ultraschall, Radar, Lidar, Kameras und Laser Scanner.

Valeo unterhält ein eigenes Netzwerk von Forschungsstandorten (DAR - Driving Assistance Research) in Paris, Kronach und San Francisco. 2017 hat Valeo das Forschungszentrum Valeo.ai in Paris gegründet, welches das erste Forschungszentrum im Bereich KI und Maschinelles Lernen für ADAS und autonomes Fahren ist. Außerdem arbeitet Valeo gemeinsam mit Hochschulen und finanziert eine Reihe von Promotionsarbeiten.

Valeo bringt Kenntnisse aus Algorithmik für die Sensoren, Ultraschall, Radar, Lidar, Kameras und Laser-Scannern in das Vorhaben KI-Delta Learning ein. Insbesondere in Bereichen künstlicher Intelligenz und bei Test und Absicherung ist Valeo sehr stark aktiv. Hier werden Forschungen für neue Sensortechnologien vor allem im Bereich der Laser Scanner und Kameras betrieben, die für Sensortechnologien nach 2020 zum Einsatz kommen werden.

Der Schwerpunkt von Valeo liegt in diesem Vorhaben auf einer Untersuchung von Auswirkungen bei der Verwendung unterschiedlicher Sensorsysteme, mit Fokus auf Lidar und Kamera, in unterschiedlichen Szenarien (z.B. Tag- Nacht), auf die Leistungsfähigkeit und Fähigkeiten bezüglich der Domainadaption von Modellen. Das Aufbereiten und Verändern (Augmentieren) von Daten, reell sowie synthetisch, zur Steigerung der Güte von Modellen mithilfe unterschiedlicher Ansätze für Augmentierung (klassisch, GANs). Datenaufnahme mit einer Vielzahl an Sensoren in diversen Umgebungen, mit Annotationen erstellt auf unterschiedliche Art und Weise. Untersuchungen in Richtung Implementierung von Modellen auf eingebetteter Hardware mit Fokus auf Quantisierung und Pruning zum Verkleinern und Beschleunigen neuronaler Netze.