Transparenz und Kausalität in der auf Deep Reinforcement Learning basierenden Entscheidungsfindung autonomer Fahrzeuge
Die Studie untersucht die Interpretierbarkeit und Kausalität in der Entscheidungsfindung autonomer Fahrzeuge, die auf Deep Reinforcement Learning basieren. Durch den Einsatz von Aufmerksamkeitsmechanismen und kausaler Analyse werden die Entscheidungen der KI-Agenten erklärt und deren Ursachen aufgedeckt.