© Fraunhofer IOSB

Autonome Systeme / Robotik#

Automatisiertes, kooperatives und vernetztes Fahren

Die Automatisierung nimmt Einzug in alle Bereiche des täglichen Lebens. Neben autonomen Manipulatoren und Robotersystemen, die sich selbstständig in unwegsamem Gelände zur Erledigung gefährlicher Aufgaben orientieren und bewegen können, arbeiten wir am Fraunhofer IOSB an zukunftsweisenden innovativen Mobilitätslösungen. Wir entwickeln anwendungsnahe Fahrerassistenzfunktionen und forschen an automatisiertem und vernetztem Fahren unter Betrachtung realistischer Szenarien der Markteinführung. Hierzu zählen mitunter sowohl Fragestellungen der Absicherung durch gezielte Datenerhebung und Simulation als auch Akzeptanzbetrachtungen durch eine auf Fahrzeuginsassen fokussierte Entwicklung innovativer Funktionalitäten.

Zwei identische für automatisiertes Fahren ausgestattete und zugelassene »Versuchsfahrzeuge für Technologie-Experimente« (VERTEX) bieten mit zahlreichen Sensoren und Aktuatoren als Varianten mit Elektro- und Verbrennungsmotor umfassende Möglichkeiten zur Datenerhebung und Entwicklung automatisierter Fahrfunktionen.

Die derzeitig in der Entwicklung befindliche Open-Source-Simulationsplattform OCTANE kann als beliebig erweiterbare Simulationsplattform für eine Vielzahl an Mobilitätsfragestellungen dienen. Die Systemarchitektur unterstützt die Simulation unterschiedlicher Abstraktionsebenen von z.B. Fahrzeugdynamik, Verkehrsfluss- und Sensormodellen bei maximaler Anpassbarkeit auf den jeweiligen Anwendungsfall.

Im Rahmen der »Profilregion Mobilitätssysteme Karlsruhe« beschäftigen wir uns mit der evolutionären Einführung marktnaher neuartiger vernetzter Fahrfunktionen (iFORESEE) mit dem Ziel, eine hohe Durchsetzungsquote von Fahrzeugen mit Vernetzungstechnologien zu erreichen, die als Partner für zukünftige automatisierte kooperative Fahrzeuge dienen. Die Bündelung der Kompetenzen ermöglicht eine ganzheitliche Beleuchtung aus technologischer, gesellschaftlicher bis hin zu ökonomischer Perspektive.

In dem durch das BMVI geförderten Projekt RELAI – Risk Estimation with a Learning AI werden mit Hilfe eines datengetriebenen, KI-basierten Ansatzes variantenreiche synthetische Prüfszenarien als Abbild realer, herausfordernder Verkehrssituationen im Straßenverkehr erzeugt. Die synthetischen Prüfszenarien können zum Testen automatisierter Fahrfunktionen in unterschiedlichen Simulationsumgebungen oder in realen Prüffeldern durch Anzeige auf einem Tablet verwendet werden. Die Prüfszenarien werden in einem offenen standardisierten Format über ein Web-Portal und die mCLOUD der Allgemeinheit zugänglich gemacht. Neue Prüfszenarien können basierend auf den gemessenen Daten automatisiert generiert und zur Evaluation von situationsadaptivem, erwartungskonformem Fahrverhalten verwendet werden.