Simulierte Szenarien in realen Umgebungen für das autonome Fahren erproben
Das Projekt verfolgt das Ziel, innerhalb von fortiss weitere Kompetenzen im Bereich des autonomen Fahrens (AD) aufzubauen. Hierbei soll die vorhandene Expertise aus den fortiss Kompetenzbereichen Machine Learning (ML), Automated Software Testing (AST) und Software Dependability (SD) miteinander vernetzt und eingesetzt werden.
Ein entscheidender Fokus liegt auf der Entwicklung eines umfassenden Ansatzes für das Testen kritischer Verkehrsszenarien, der sowohl Prototypen als auch Originalfahrzeuge einschließt. In der ersten Vorbereitungsphase wird die Erprobung mit einem Großfahrzeug durchgeführt, wobei die Optimierung des AD-Software-Stacks im fortiss Forschungsfahrzeug "fortuna" einbezogen ist. Anschließend erfolgt die Prüfung einer Reihe simulierter Szenarien in realen Umgebungen. Der verbesserte AD-Software-Stack soll zudem auf einer eingebetteten Plattform (z. B. Nvidia Jetson TX2) eingesetzt werden, um den aktuellen Trends in der Automobilindustrie gerecht zu werden. Darüber hinaus wird die effiziente Laufzeitüberwachung von AD-Funktionen in einer Simulationsumgebung durchgeführt, was einen entscheidenden Schritt zur sicheren und erfolgreichen Einführung dieser Funktionen darstellt.
Zum Abschluss des Projekts wird ein umfassendes Whitepaper zur fortiss AD-Roadmap entstehen. Dieses wird die Projektergebnisse zusammenfassen, bestehende technische Lösungen darstellen und neue Forschungs- sowie Entwicklungsfragen für die Jahre 2024 und 2025 aufwerfen.
Die geplanten Forschungsaktivitäten innerhalb des Projekts tragen maßgeblich zur Kompetenzerweiterung von fortiss im Bereich des autonomen Fahrens (AD) bei. Der Hauptbeitrag von AD-Sim2Real besteht darin, die aktuellste Grundlage für die Erprobung verschiedener simulierter Szenarien in realen Umgebungen zu schaffen und zu demonstrieren, und zwar sowohl bei kleinen Prototypen als auch bei Fahrzeugen in voller Größe.
Zusätzlich ist vorgesehen, den aktuellen AD-Software-Stack bzw. Module auf eingebetteten Plattformen laufen zu lassen und zu evaluieren. Diese Plattformen dienen bei vielen Automobilherstellern als seriennahe Computerhardware. Des Weiteren soll das BARK-Framework um eine effiziente Laufzeitüberwachung der AD-Funktionen erweitert werden, um potenzielle Fehler bei der Entscheidungsfindung zu erkennen und zu identifizieren.
01.12.2023 - 30.04.2024
