SemAgent: Semantische Agenten-gestützte Trajektorienvorhersage in Fahrzeugnetzen

In der rasanten Welt der Fahrzeug‑zu‑Alles‑Netze (V2X) ist ein schneller und zuverlässiger Informationsaustausch entscheidend. Traditionelle Kommunikationsprotokolle erzeugen oft unnötigen Overhead und Verzögerungen, während aktuelle Trajektorienvorhersagemodelle häufig weder die Umgebung richtig wahrnehmen noch logische Schlüsse ziehen können.

Der neue Ansatz von SemAgent kombiniert semantische Kommunikation mit Agentic AI, um die Vorhersagegenauigkeit von Fahrzeugtrajektorien deutlich zu steigern. Bei der Fahrzeug‑zu‑Infrastruktur‑Kommunikation (V2I) extrahiert ein Feature‑Extraction‑Agent am Roadside Unit (RSU) kompakte Repräsentationen aus historischen Fahrdaten. Anschließend führt ein semantic‑analysis‑Agent eine semantische Analyse durch. Der RSU übermittelt sowohl die komprimierten Features als auch die semantischen Erkenntnisse an das Zielfahrzeug. Dieses nutzt die erhaltenen Semantik‑Signale zusammen mit eigenen historischen Daten, um zukünftige Positionen präzise vorherzusagen.

Im Fahrzeug‑zu‑Fahrzeug‑Modus (V2V) führt jedes Fahrzeug eigenständig Feature‑Extraction und semantische Analyse durch. Gleichzeitig empfängt es von Nachbarfahrzeugen Vorhersagen und integriert diese Informationen, um die eigene Trajektorienprognose zu optimieren.

Umfangreiche Tests unter verschiedensten Kommunikationsbedingungen zeigen, dass SemAgent die Basisverfahren deutlich übertrifft. Besonders bei niedrigen Signal‑zu‑Rausch‑Verhältnissen (SNR) steigert die Methode die Vorhersagegenauigkeit um bis zu 47,5 %. Diese Ergebnisse unterstreichen das Potenzial semantischer Agenten‑gestützter KI für die nächste Generation sicherer und effizienter Fahrzeugnetze.