Das selbständige erkennen von Kurven und Spurverläufen eines Fahrzeugs mittels Bilderkennung durch maschinelles Lernen wird in autonomen Fahr- zeugen eingesetzt (Fraunhofer-Institut, o. J.). Ziel dieser Arbeit ist es, mit wenigen Bildern ein Neuronales Faltungsnetz zu trainieren, sodass die- se Aufgaben bewältigt werden können. Das Neuronale Netz ist ein Res- Net34. Dazu wurde ein Fahrzeug im Maßstab 1:10 verwendet, ein Nvidia Jetson Nano und eine Kamera. Der Jetson kann durch seine integrier- te Grafische-Prozessoreinheit komplexe „Machine-Learning“ Berechnungen in kurzer Zeit durchführen. Die gute Rechenleistung des Jetson macht ei- ne schnelle Bildverarbeitung und Inferenz des ResNet möglich. Es wurden circa 1000 Bilder benötigt, damit das Fahrzeug selbstständig Kurven und Streckenverläufe auf einer vorgegebene Strecke erkennen und darauf rea- gieren kann. Das Fahrzeug hat sich erfolgreich durch einen Kreisverkehr im Uhrzeigersinn, Kreisverkehr entgegen dem Uhrzeigersinn und einer Strecke aus mehreren Geraden, Kurven und einem Rondell manövriert. Die größten Störfaktoren, für das erfolgreiche absolvieren dieser Tests, waren Lichtre- flexionen auf dem Boden der Fahrbahn. Diese konnten dazu führen, dass das Fahrzeug sich nicht auf der Strecke halten konnte.