Szenarienverständnis und Prädiktion für autonome Nutzfahrzeuganwendungen
Ansprechpartner: info.ftm(at)ed.tum.de
Problemstellung
Vollautomatisierte Fahrfunktionen ermöglichen den Menschen in definierten Szenarien vollständig von der Fahraufgabe zu entbinden. Die hierzu notwendigen Algorithmen zur Umfeldwahrnehmung auf Basis von Sensordaten sind heute bereits auf gutem Niveau. Die große Herausforderung liegt im Szenenverständnis der Umgebung und der Prädiktion des mit Unsicherheit behafteten Verhaltens der anderen Verkehrsteilnehmer. Diese Faktoren bilden die Grundlage zur Entscheidungsfindung und Planung von Route und Trajektorie des Egofahrzeugs. Nicht zuletzt steht das Verhalten der Fahrzeuge in Interaktion zueinander.
Ziel
Das Ziel dieses Forschungsprojekts ist eine Funktion zu entwickeln, die ein allumfassendes Verständnis des Umgebungszustandes aufbaut und das Verhalten und die Trajektorie weiterer Verkehrsteilnehmer prädiziert. Als Umfeld stehen Betriebsgelände wie Containerbahnhöfe, Minen und Bauplätze im Fokus. Die zu entwickelnde Funktion soll explizit die Informationen aus der Umfeldwahrnehmung und der Interaktion mit weiteren Verkehrsteilnehmern berücksichtigen. Aus den Feldern der regelbasierten, modellbasierten und datengesteuerten Methoden ist jene mit der besten Eignung zur Realisierung der Zielfunktion auszuwählen. Anhand der prototypischen Umsetzung ist das Anwendungsspektrum möglicher Szenarien zur Anwendung der Funktion zu evaluieren.
Durchführung
Als Basis soll ein breiter Katalog der Anforderungen, des Standes der Technik heutiger Prädiktionsansätze und des Nutzens der Funktion erarbeitet werden. Anschließend werden vorhandene Datensätze mit internen Nutzfahrzeugdaten erweitert und für das Training datenbasierter Methoden aufbereitet. Die nächsten Schritte sind die Schnittstellenspezifikation zur Ableitung der Softwarearchitektur der Zielfunktion und der Aufbau einer simulativen Entwicklungsumgebung. In dieser Umgebung wird der Algorithmus durch Einsatz und Gegenüberstellung vielversprechender Methoden iterativ entwickelt. Abschließen wird die Prädiktionsfunktion im Fahrzeugprototyp anhand vorab definierter Bewertungskriterien validiert.