Siehe TUMonline

Nach dem Besuch des Moduls haben die Studierenden einen umfassenden Überblick über die beim autonomen Fahren Algorithmen im Bereich Wahrnehmung (Perception), Pfadplanung (Planning) und Regelung (Control). Sie werden in der Lage sein, für verschiedene Probleme des autonomen Fahrens die passende Methode und den passenden Algorithmus auszuwählen und diese mit entsprechendem Code zu implementieren. Darüber hinaus sind Sie in der Lage, die Software so zu entwickeln und zu programmieren, dass diese effizient und sicher ein reales, 1:10 autonomes Modellfahrzeug bewegen kann. Die Studierenden lernen dabei die Grundlagen der Softwareentwicklung für den realen Hardwareeinsatz kennen. Aufgrund dessen werden die Studierenden anschließend in der Lage sein, Inter- und transdisziplinäre Ansätze zu entwickeln, um die drei Elemente (ökologische, soziale und wirtschaftliche Entwicklung) miteinander zu verbinden.Zusätzlich lernen die Studierenden wie sie vorhandene Software und Algorithmen anhand von realen Fahrzeug-Messdaten verbessern und optimieren können. Durch die Zusammenarbeit in Teams der eigenen Fachdisziplin, aber auch darüber hinaus in interdisziplinären Teams, sind die Studierenden in der Lage die Sprache des jeweils anderen zu verstehen, eigene Entscheidungen zu rechtfertigen und mit Argumenten zu überzeugen.

Der Kurs bietet die Möglichkeit, die Grundlagen des autonomen Fahrens und der Robotik durch praktische Erfahrungen mit dem F1TENTH-Fahrzeug zu erlernen. Wir werden zunächst die Grundlagen des autonomen Fahrens vermitteln, indem wir die Theorie der Bereiche Wahrnehmung (Perception), Pfadplanung (Planning) und Regelung (Control) sowie deren Programmierung vermitteln. Nach der Theorie werden wir in diesem Praktikum praxisnah die wichtigsten Softwarebausteine weiter vertiefen. Diese Software muss anschließend von den Studierenden auf echter Fahrzeughardware implementiert und optimiert werden. Zentrales Element ist hierbei das F1TENTH Fahrzeug, eine 1:10 Fahrzeugplattform die mit Sensoren (Kamera, Lidar), Computer-Hardware (Nvidia Jetson) und weiter Elektronik ausgestattet ist, um vollautonom fahren zu können. Das Ziel eines jeden Termins ist es die theoretisch erlernten Algorithmen auf dem realen Fahrzeug zu implementieren und das Fahrzeug anschließend vollautonom fahren zu lassen.

Grundkenntnisse über Autonome Fahrzeugsysteme (Empfohlene TUM Vorlesungen: Grundlagen Autonomer Fahrzeuge oder Softwareentwicklung für Autonomes Fahren oder jeweils ähnlicher Veranstaltungen) werden stark empfohlen, um der Bandbreite an Inhalten folgen zu können. Da wir praktisch mit eingebetteter Hardware arbeiten, werden Grundkenntnisse über Linux (Ubuntu), Umgang mit der Kommandozeile sowie Programmierkenntnisse (vorzugsweise C++ oder Python) vorausgesetzt.

Das Modul findet in Form eines Praktikums statt. Jeder Praktikumstermin beinhaltet die Vermittlung eines Software-Elements für autonome Fahrzeuge. Jeder Termin beginnt mit der Erläuterung theoretischer Grundlagen der Algorithmen autonomer Fahrzeuge in frontaler Wissensvermittlung mittels Präsentation. Anschließend findet mittels Präsentation eine Live-Programmierung statt, die Software wird dabei Schritt für Schritt und im Detail erklärt. Während der Live-Programmierung können die Studierende die Software gleichzeitig auf ihrem Fahrzeug integrieren. Es arbeiten jeweils 3 Studierende in einem Team zusammen an einem Fahrzeug. Für die Implementierung der Software wird Support durch die Lehrenden geleistet. Im Anschluss gibt es einen Arbeitsteil der sich mit der Verbesserung, dem Tuning und der Optimierung der Software beschäftigt, welcher von den Studierenden eigenständig bearbeitet und durch die Lehrenden betreut wird.

Die Bewertung der Studierenden konzentriert sich auf ihr Verständnis der Problemstellung, die verwendeten Werkzeuge, die zur Lösung des Problems entwickelte Lösung und ihre Fähigkeit, die während der Projektarbeit getroffenen Entscheidungen zu erklären und zu begründen. Die Endnote des Moduls setzt sich aus folgenden Teilen Zusammen. 1. Die Studierenden müssen die Demonstration und Vorstellung eines Projekts leisten, welches mit dem F1TENTH Fahrzeug durchgeführt wird (70%) 2. Die Studierenden müssen einem kurzen Bericht (ca. 3 Seiten, 2000-2500 Wörter) über die Implementierung und Evaluierung der Software geben, die das Projekt ermöglicht hat (30%).

• Pendleton et. al, Perception, Planning, Control, and Coordination for Autonomous Vehicles, Machines 2017, 5(1), 6; https://doi.org/10.3390/machines5010006 • Choset, Howie M. Principles of robot motion : theory, algorithms, and implementation. Cambridge, Mass: MIT Press, 2005. Print. • LaValle, Steven M. Planning algorithms. Cambridge New York: Cambridge University Press, 2006. Print. • Thrun, Sebastian, Wolfram Burgard, and Dieter Fox. Probabilistic robotics. Cambridge, Massachusetts: The MIT Press, 2006. Print. • Ranjan, Sumit, and S Senthamilarasu. Applied deep learning and computer vision for self-driving cars : build autonomous vehicles using deep neural networks and behavior-cloning techniques. Birmingham: Packt Publishing, 2020. Print. • A. Faisal, T. Yigitcanlar, M. Kamruzzaman, and G. Currie, “Understanding autonomous vehicles: A systematic literature review on capability, impact, planning and policy,” JTLU, vol. 12, no. 1, 2019, doi: 10.5198/jtlu.2019.1405.