DB InfraGO bouwt enorme AI-dataset om volgende generatie ATO-systemen te voeden

DB InfraGO is een samenwerking aangegaan met understandAI, een Duitse specialist op het gebied van AI-training, om een multi-sensor dataset van meer dan zeven miljoen geannoteerde opnames vrij te geven. Deze dataset is ontwikkeld om systemen te trainen en te valideren die de spooromgeving in realtime kunnen detecteren en interpreteren en is een belangrijke stap in de richting van de digitale ruggengraat van de geautomatiseerde spoorwegen.

DB InfraGO heeft in samenwerking met understandAI GmbH een van Europa’s grootste spoorwegdatasets voor kunstmatige intelligentie en computervisie vrijgegeven. De dataset is ontwikkeld in het kader van het initiatief Digitale Schiene Deutschland (DSD) en zal beschikbaar worden gesteld aan partners uit de industrie als basis voor het bouwen van de perceptiesystemen waarmee bestuurderloze treinen hun omgeving kunnen begrijpen.

Omgevingsperceptie – het vermogen van een systeem om objecten, signalen en gevaren te herkennen en erop te reageren – is een belangrijke vereiste voor hogere automatiseringsniveaus zoals ATO GoA4, waar treinen zonder menselijke bestuurders rijden. Zelfs op lagere automatiseringsniveaus, zoals GoA2, kan AI-ondersteunde waarneming de veiligheid en spoorbewaking verbeteren. Om deze betrouwbaarheid te bereiken, moeten AI-modellen getraind worden op uitgebreide en diverse gegevensbronnen, die nauwkeurig geannoteerd zijn om de werkelijke omstandigheden weer te geven.

Om dat te bereiken heeft DB InfraGO twee soorten treinen uitgerust met een uitgebreid sensorpakket. Een voertuig voor spooronderhoud (GAF) werd uitgerust met zes RGB-camera’s, drie infraroodcamera’s, zes LiDAR’s, een radareenheid en ondersteunende sensoren. Het voerde testritten uit door verschillende spooromgevingen in Hamburg en Berlijn. Ondertussen verzamelde een Hamburgse S-Bahn BR 472 trein, die werd gebruikt in het Sensors4Rail project met Bosch Engineering, Siemens Mobility, HERE Technologies en MicroVision, aanvullende gegevens langs de 23 kilometer lange S21 route.

Een database lang in de maak

Tussen 2021 en 2025 leverde deze gecombineerde inspanning meer dan zeven miljoen individuele annotaties op voor 21 objectklassen, waaronder mensen, voertuigen, signalen, dieren en fietsen. De gegevens werden geregistreerd en vergeleken met LiDAR-, infrarood-, radar- en RGB-beelden en vervolgens verwerkt met geautomatiseerde tools en handmatige verificatie. Op het hoogtepunt van de verwerkingscapaciteit voltooiden annotatieteams tot 140.000 gelabelde objecten per week.

DB InfraGO zegt dat de voltooide dataset nu zowel industriële als onderzoekstoepassingen zal ondersteunen, variërend van algoritmen voor bestuurdersassistentie (GoA2) tot volledig autonome werking (GoA4), evenals digitaal onderhoud en infrastructuuranalyse. Volgens het DSD-initiatief is dit een belangrijke mijlpaal voor de Duitse spoorwegsector, omdat leveranciers en infrastructuurbeheerders nu perceptiesystemen kunnen ontwikkelen, testen en benchmarken aan de hand van een gedeelde referentiestandaard.