Unsere Forschungsexperten

Dr. Koba Natroshvili

Maschinelles Lernen und Computer Vision

„Phantasie ist wichtiger als Wissen, denn Wissen ist begrenzt. Phantasie aber umfasst die ganze Welt.“ – Albert Einstein

Dr. Koba Natroshvili

Über 20 Jahre Arbeit an verschiedenen Algorithmen im Zusammenhang mit automatisiertem Fahren. Dies umfasst Erkennung, Bewegungsplanung und -steuerung, Lokalisierung etc. Derzeit tätig im überaus interessanten und anspruchsvollen Gebiet der Radarwahrnehmung mittels ML.

Seit 2016 bin ich Gastprofessor an der Freien Universität Tiflis in Georgien am Institut für Mathematik und Angewandte Computerwissenschaft (MACS).

Ich halte Vorlesungen zum Thema Computervision und Maschinelles Lernen.

Sehr stolz bin ich darauf, dass ich in drei Jahren 600 freiwillige Stunden ansammeln konnte und mehr als 300 Studierende in das faszinierende Thema ML eingeführt habe.

In der Vergangenheit konnte ich schon oft zeigen, dass „nichts praktischer ist als das Ergebnis der komplexen Theorie“.

Rund 40 Beiträge in Fachzeitschriften und Konferenzpublikationen.

Rund 55 Patente

Lebenslauf

Senior Algorithms Architect, Intel Corporation,

2012
Algorithmische Unterstützung des Bereichs Automotive Solutions, Mitglied mehrerer Intel-Patentkommittees: Automatisiertes Fahren, Künstliche Intelligenz und Computervision
Sechsmal ausgezeichnet mit dem Intel High 5 Award des Intel Patent Office, Intel Germany President Award

Senior Engineer, Algorithmenentwicklung, Harman International/Becker Automotive Systems GmbH

2007
Algorithmus-Implementierungen für Fahrerassistenzsysteme

ZESS (Zentrum für Sensorsysteme), Universität Siegen, Promotion zum Thema Radarkommunikations- und Systemtechnologie

2004
Forschungsarbeit zum Thema Bistatische Synthetic-Aperture-Radar-Fokussierung
Beste Doktorarbeit

Ausgewählte Publikationen

  • Focusing of general bistatic SAR configuration data with 2-D inverse scaled FFT

    K Natroshvili et al. (2006)

    Focusing of general bistatic SAR configuration data with 2-D inverse scaled FFT
    • K Natroshvili, O Loffeld, H Nies, AM Ortiz, S Knedlik
    • IEEE Transactions on Geoscience and Remote Sensing 44 (10), 2718-2727
  • Analysis and focusing of bistatic airborne SAR data

    H Nies et al. (2007)

    Analysis and focusing of bistatic airborne SAR data
    • H Nies, O Loffeld, K Natroshvili
    • IEEE Transactions on Geoscience and Remote Sensing 45 (11), 3342-3349
  • Bistatic exploration using spaceborne and airborne SAR sensors: a close collaboration between FGAN, ZESS, and FOMAAS

    J Ender et al. (2006)

    Bistatic exploration using spaceborne and airborne SAR sensors: a close collaboration between FGAN, ZESS, and FOMAAS
    • J Ender, J Klare, I Walterscheid, A Brenner, M Weiss, C Kirchner
    • IEEE International Symposium on Geoscience and Remote Sensing, 1828-1831
  • First steps to bistatic focusing

    K Natroshvili et al. (2005)

    First steps to bistatic focusing
    • K Natroshvili, O Loffeld, H Nies, AM Ortiz, Proceedings
    • IEEE International Geoscience and Remote Sensing Symposium
  • Bistatic airborne/spaceborne hybrid experiment: simulation and analysis

    U Gebhardt et al. (2006)

    Bistatic airborne/spaceborne hybrid experiment: simulation and analysis
    • U Gebhardt, O Loffeld, H Nies, K Natroshvili, J Ender
    • Proc. EUSAR
  • A solution for bistatic motion compensation

    H Nies et al. (2006)

    A solution for bistatic motion compensation
    • H Nies, O Loffeld, K Natroshvili, A Ortiz, J Ender
    • IEEE International Symposium on Geoscience and Remote Sensing, 1204-1207
  • Bistatic space borne/airborne experiment: Geometrical modeling and simulation

    U Gebhardt et al. (2006)

    Bistatic space borne/airborne experiment: Geometrical modeling and simulation
    • U Gebhardt, O Loffeld, H Nies, K Natroshvili, S Knedlik
    • IEEE International Symposium on Geoscience and Remote Sensing, 1832-1835
  • Fast and reliable recognition of supplementary traffic signs

    D Nienhüser et al. (2010)

    Fast and reliable recognition of supplementary traffic signs
    • D Nienhüser, T Gumpp, JM Zöllner, K Natroshvili
    • IEEE Intelligent Vehicles Symposium, 896-901
  • Focusing of arbitrary bistatic SAR configurations

    K Natroshvili et al. (2006)

    Focusing of arbitrary bistatic SAR configurations
    • K Natroshvili, O Loffeld, H Nies
    • Proc. EUSAR 2006
  • Real-time pedestrian detection by fusing PMD and CMOS cameras

    K Natroshvili et al. (2008)

    Real-time pedestrian detection by fusing PMD and CMOS cameras
    • K Natroshvili, M Schmid, M Stephan, A Stiegler, T Schamm
    • IEEE Intelligent Vehicles Symposium, 925-929

Interview

Dr. Koba Natroshvili

Dr. Koba Natroshvili

Research Scientist im Bereich Maschinelles Lernen und Computervision, Gastprofessor an der Freien Universität Tiflis in Georgien

Erzählen Sie doch mal: was fasziniert Sie an der Forschung?

Forschung schafft neues Wissen – Neil Amstrong.

Die Automatisierung des Fahrens erfordert Algorithmen aus verschiedenen Fachbereichen. Wir Menschen untergliedern komplexe Systeme in Module und versuchen, Probleme durch Interaktion zwischen diesen Modulen zu lösen. In der Natur gibt es solche künstlichen Grenzen nicht, und es ist eine echte Herausforderung, das Verhalten der verschiedenen Systeme richtig zu beschreiben.

Dr. Koba Natroshvili

Dr. Koba Natroshvili

Research Scientist im Bereich Maschinelles Lernen und Computervision, Gastprofessor an der Freien Universität Tiflis in Georgien

Was macht die Forschung bei Bosch besonders?

Bei Bosch trifft man mit brillanten Menschen aus unterschiedlichsten Fachbereichen zusammen.

Dabei hören wir permanent die Stimme der Industrie, und unsere Ideen können in kürzester Zeit zu Produkten werden. Diese Kombination aus akademischer Grundlagenarbeit und Unternehmensforschung macht Bosch so besonders.

Dr. Koba Natroshvili

Dr. Koba Natroshvili

Research Scientist im Bereich Maschinelles Lernen und Computervision, Gastprofessor an der Freien Universität Tiflis in Georgien

Woran forschen Sie bei Bosch?

Derzeit konzentriere ich mich auf die Umfelderkennung beim Automatisierten Fahren.

Die meisten ML-Algorithmen im Bereich der Umfelderkennung wurden ursprünglich für die Bilder optischer Kameras entwickelt. Diese Algorithmen zur Nutzung für alle Sensoren zu erweitern, ist eine enorme Herausforderung. Allgemein gesprochen bringen wir in der Künstlichen Intelligenz Maschinen bei, sich wie Menschen zu verhalten. Für mich besteht dabei die größte Herausforderung darin, dass der intelligente Agent weder zu langsam noch zu aggressiv handelt und dabei gleichzeitig sicher ist.

Dr. Koba Natroshvili

Dr. Koba Natroshvili

Research Scientist im Bereich Maschinelles Lernen und Computervision, Gastprofessor an der Freien Universität Tiflis in Georgien

Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?

Automatisiertes Fahren zu entwickeln, das jederzeit effizient, reibungslos und sicher funktioniert, selbst in unbekannten Situationen.

Junge Generationen für das faszinierende Thema der KI zu begeistern.

Dr. Koba Natroshvili

Dr. Koba Natroshvili

Research Scientist im Bereich Maschinelles Lernen und Computervision, Gastprofessor an der Freien Universität Tiflis in Georgien

Wie werden Ihre Forschungsergebnisse zu "Technik fürs Leben"?

Die Lösungen für das Automatisierte Fahren von Bosch sollen Ressourcen und Umwelt schonen und das Leben der Menschen besser und sicherer machen.

Dr. Koba Natroshvili

Ihr Kontakt zu mir

Dr. Koba Natroshvili
Research Scientist im Bereich Maschinelles Lernen und Computervision
E-Mail

Teile diese Seite auf