Fachprogramm: Neue Fahrzeugund Systemtechnologien. Aktuelle Projekte der Programmsäule Automatisiertes Fahren

(1)

Fachprogramm: Neue Fahrzeug- und Systemtechnologien

Aktuelle Projekte der Programmsäule „Automatisiertes Fahren“ Stand 11/2021

(2)

(3)

Inhaltsverzeichnis

@CITY ...4

@CITY-AF ...5

AHEAD ...6

AI4OD ...7

AirPortMover ...8

ANITA ...9

AnRox ...10

ATTENTION ...12

EEmotion ...13

EMMI ...14

FLOOW ...15

HALC ...16

IFAS ...17

IMAGinE ...18

INITIATIVE ...19

KAI ...20

KARLI ...21

KI Absicherung ...23

KI Data Tooling ...25

KI Delta Learning ...27

KI Wissen ...29

KISSaF ...31

KIsSME ...32

KOMET ...33

LUKAS ...34

progressivKI ...36

rosshaf ...38

RUMBA...39

SAFE20 ...40

SafeADArchitect...41

SAFEAI ...42

SafeWahr ...43

SEMULIN ...44

SETLevel4to5 ...45

SituWare ...47

SmartFleet ...48

veoPipe ...49

VVMethoden ...50

ZobaS ...52

(4)

@CITY – Automatisierte Fahrzeuge und Intelligenter Verkehr in der Stadt

Problemstellung

Als komplexer Verkehrsraum stellt die Stadt eine besondere Herausforderung für das automatisierte Fahren dar. Gegenüber gut strukturierter Umgebung, wie etwa auf Autobahnen, ist eine erheblich präzisere Erkennung erforderlich. Un- terschiedlichste Kreuzungen, Kreisverkehre etc.

erschweren das Situationsverstehen zusätzlich.

Zuverlässiges Situationsverstehen wiederum ist die Basis für alle automatisierten Fahrfunktionen für die Stadt.

Projektziel

Ziel von @CITY ist es, automatisiertes Fahren auch in der Stadt zu ermöglichen: Automatisierte Fahrzeuge und intelligenter Verkehr werden dabei als die zentralen Elemente für den sicheren, effizienten und stressfreien Stadtverkehr der Zu- kunft betrachtet. Automatisierte Fahrzeuge sollen dem Fahrer nicht nur den höchstmöglichen Unterstützungsgrad bieten, sondern auch die In- teraktion zwischen Fahrzeug und Fahrer, aber auch zwischen Fahrzeug und Fußgängern bzw.

Radfahrern verbessern.

Durchführung

Das Projekt zielt auf leistungsfähige, robuste Al- gorithmen für die Umfelderfassung und das Si- tuationsverstehen, auf eine präzise digitale Karte und Selbstlokalisierung, auf die Gestal- tung der Automation sowie auf die optimale Ein- bindung des Fahrers. Basierend darauf werden neue automatisierte Fahrfunktionen für die Stadt konzipiert, die den Fahrer auch in der komplexen urbanen Umgebung mit ihrer hohen Informati- onsdichte und den gleichzeitig sehr kurzen Re- aktionszeiten unterstützen. Die Darstellung dieser automatisierten Fahrfunktionen erfolgt in exemplarischen Pilotanwendungen.

Projektlogo: @City

Verbundkoordinator Mercedes-Benz AG Projektvolumen 18,42 Mio. €

(davon 43 % Förderanteil durch BMWi) Projektlaufzeit

09/2017 – 06/2022 Projektpartner

 Audi AG

 Continental Safety Engineering International GmbH

 Continental Teves AG & Co. oHG

 Aptiv Services Deutschland GmbH

 Robert Bosch GmbH

 Technische Universität München

 TRW Automotive GmbH

 Valeo Schalter und Sensoren GmbH

 3D Mapping Solutions GmbH Projektwebsite

https://www.atcity-online.de/

Ansprechpartner

TÜV Rheinland Consulting GmbH Philipp Wolf

Tel.: 0221 806 - 1508

E-Mail: philipp.w olf@de.tuv.com

(5)

@CITY – Automatisierte Fahrzeuge und Intelligenter Verkehr in der Stadt

Problemstellung

Als komplexer Verkehrsraum stellt die Stadt eine besondere Herausforderung für das automatisierte Fahren dar. Gegenüber gut strukturierter Umgebung, wie etwa auf Autobahnen, ist eine erheblich präzisere Erkennung erforderlich. Un- terschiedlichste Kreuzungen, Kreisverkehre etc.

erschweren das Situationsverstehen zusätzlich.

Zuverlässiges Situationsverstehen wiederum ist die Basis für alle automatisierten Fahrfunktionen für die Stadt.

Projektziel

Ziel von @CITY ist es, automatisiertes Fahren auch in der Stadt zu ermöglichen: Automatisierte Fahrzeuge und intelligenter Verkehr werden dabei als die zentralen Elemente für den sicheren, effizienten und stressfreien Stadtverkehr der Zu- kunft betrachtet. Automatisierte Fahrzeuge sollen dem Fahrer nicht nur den höchstmöglichen Unterstützungsgrad bieten, sondern auch die In- teraktion zwischen Fahrzeug und Fahrer, aber auch zwischen Fahrzeug und Fußgängern bzw.

Radfahrern verbessern.

Durchführung

Das Projekt zielt auf leistungsfähige, robuste Al- gorithmen für die Umfelderfassung und das Si- tuationsverstehen, auf eine präzise digitale Karte und Selbstlokalisierung, auf die Gestal- tung der Automation sowie auf die optimale Ein- bindung des Fahrers. Basierend darauf werden neue automatisierte Fahrfunktionen für die Stadt konzipiert, die den Fahrer auch in der komplexen urbanen Umgebung mit ihrer hohen Informati- onsdichte und den gleichzeitig sehr kurzen Re- aktionszeiten unterstützen. Die Darstellung dieser automatisierten Fahrfunktionen erfolgt in exemplarischen Pilotanwendungen.

Projektlogo: @City

Verbundkoordinator Mercedes-Benz AG Projektvolumen 18,42 Mio. €

09/2017 – 06/2022 Projektpartner

 Audi AG

 Continental Safety Engineering International GmbH

 Continental Teves AG & Co. oHG

 Aptiv Services Deutschland GmbH

 TRW Automotive GmbH

 3D Mapping Solutions GmbH Projektwebsite

https://www.atcity-online.de/

Ansprechpartner

Tel.: 0221 806 - 1508

E-Mail: philipp.w olf@de.tuv.com

@CITY-AF – Automatisierte Fahrfunktionen für die Stadt

Problemstellung

Urbaner Verkehr stellt aufgrund seiner Komplexität eine der größten Herausforderungen für das automatisierte Fahren dar. Gegenüber gut strukturierten Umgebungen, wie beispielsweise Autobahnen, sind die Anforderungen an die „Intelligenz“ der Fahrzeuge, z. B. bzgl. einer hochpräzisen Umfeld- Erkennung und –Interpretation, deutlich höher. Un- terschiedliche infrastrukturelle Gegebenheiten und andere Verkehrsteilnehmer wie Fußgänger, Rad- fahrer oder auch der ÖPNV sind einige der wesent- lichen Herausforderungen, die sich jedem autonomen System im urbanen Umfeld stellen.

Projektziel

Ziel von @CITY-AF ist es, erstmalig automatisierte Fahrfunktionen für das urbane Umfeld prototypisch in Versuchsträgern umzusetzen und unter reali- tätsnahen Bedingungen zu erproben. Hierfür werden die in @CITY erarbeiteten Algorithmen für Si- tuationsverstehen, hochgenaue Karte und präzise Eigenlokalisierung sowie Fusions- und Bahnpla- nungsansätze gezielt in automatisierte Fahrfunkti- onen umgesetzt. Ausgehend von ersten in @CITY erarbeiteten Pilotanwendungen werden weitere Anwendungsszenarien erschlossen.

Durchführung

Im Fokus des Projektes steht das automatisierte Fahren über urbane Knotenpunkte mit komplexen Kreisverkehren und Kreuzungen, durch Engstellen mit oder ohne Gegenverkehr auf urbanen Verbin- dungsstraßen sowie die Interaktion mit Fußgän- gern und Radfahrern. @CITY-AF gliedert sich in die vier Teilprojekte Mensch-Fahrzeug-Interaktion (MF), Automatisiertes Fahren über urbane Knoten- punkte (UK), Automatisiertes Fahren auf urbanen Straßen (US) und Interaktion mit schwächeren Ver- kehrsteilnehmern (SV).

Projektlogo: @City-AF

Verbundkoordinator

Mercedes-Benz AG

Projektvolumen

26,60 Mio. €

(davon 47 % Förderanteil durch BMWi)

Projektlaufzeit

07/2018 – 06/2022

Projektpartner

Audi AG

Continental Automotive GmbH

Continental Safety Engineering International GmbH

Continental Teves AG & Co. oHG

Aptiv Services Deutschland GmbH

Deutsches Zentrum für Luft- und Raumfahrt e.V.

MAN Truck & Bus SE

Robert Bosch GmbH

Technische Universität Chemnitz

Technische Universität Darmstadt

Technische Universität München

TRW Automotive GmbH

Valeo Schalter und Sensoren GmbH

3D Mapping Solutions GmbH

Ansprechpartner

Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com

(6)

–Ǧ

Problemstellung

Die kamerabasierte Umfelderkennung von automatisierten Fahrzeugen ist heutzutage nur unzureichend auf die lichttechnischen Einrichtungen der Fahrzeuge abgestimmt. Insbesondere bei Dunkel- heit ist die Sichtbarkeit von unbeleuchteten und nicht leuchtenden Verkehrsteilnehmern nicht nur für Menschen, sondern auch für Kameras stark reduziert. Auch die Verwendung von alternativer Sensorik wie LiDAR oder Radar bringt derzeit einen reduzierten Informationsgehalt mit sich.

Projektziel

Das Ziel des Projekts ist die Entwicklung einer Fahrzeugfrontbeleuchtung, die die Kamerasenso- rik zur Umfeldwahrnehmung für automatisiertes Fahren optimal unterstützt. Mit einer solchen adaptiven und selektiven Ausleuchtung soll diese an die aktuelle Verkehrssituation angepasst werden und damit zu einem verbesserten Umfeldmodell beitragen. Damit können die Verkehrssicherheit, die Energieeffizienz und der Komfort gesteigert werden. Als zweites Hauptziel soll zudem eine virtuelle Abbildung in Form einer Rapid-Prototyping-Ent- wicklungsumgebung entstehen.

Durchführung

Zu Projektbeginn werden die Anforderungen an die Kamera und Ausleuchtungskomponenten erarbeitet und reale Streckendaten erhoben. Dadurch können Informationen wie Reflexionseigenschaf- ten oder Verbauung für die Szenenausleuchtung berücksichtigt werden, die zur Verbesserung der Umfeldwahrnehmung beitragen. Mithilfe einer neu- artigen digitalen Entwicklungsumgebung werden die notwendigen Scheinwerfer-Systeme entwickelt, die im Anschluss in Form eines Demonstra- tors validiert und optimiert werden.

Verbundkoordinator HELLA GmbH & Co. KGaA Projektvolumen

2,28 Mio. €

(davon 65 % Förderung durch das BMWi) Projektlaufzeit

06/2021 – 05/2024 Projektpartner

 3D Mapping Solutions GmbH

 Technische Universität Dortmund Ansprechpartner

TÜV Rheinland Consulting GmbH Lars Rödel

Tel.: +49 221 806 – 4108 E-Mail: lars.roedel@de.tuv.com

(7)

Ͷ –

òò

Problemstellung

Eine leistungsstarke Umfelderfassung ist eine der Kernanforderungen zur Realisierung automatisierter Fahrzeuge. Im urbanen Bereich bestehen besondere Herausforderungen, da relevante Ver- kehrsteilnehmer z.B. durch Bauwerke oder par- kende Fahrzeuge verdeckt werden. Insbesondere bei Dunkelheit, wenn kamerabasierte Systeme nur eingeschränkt funktionieren, steigt die Gefahr, andere Verkehrsteilnehmer zu übersehen.

Projektziel

Ziel des Vorhabens ist es, die Detektion von Objek- ten durch kamerabasierte Sensoren in Verbindung mit KI-Algorithmen in Nachtsituationen zu optimie- ren. Konkret sollen dazu die Lichtkegel bzw. Refle- xionen erkannt und nachverfolgt werden. Weitere Projektziele sind die A-SPICE-konforme Umset- zung des Entwicklungsprozesses sowie die Ent- wicklung eines Tool-gestützten Datenmanage- ments, welches die Prozessschritte von der Auf- nahme der Sensordaten, über die Aufbereitung bis zur Speicherung abdeckt.

Durchführung

Zu Projektbeginn werden Anforderungen an den A- SPICE-konformen Entwicklungsprozess, die Too- ling-Umgebung sowie die Funktionsentwicklung er- mittelt. Auf dieser Basis erfolgt die Entwicklung der KI-Modelle und des Toolings. Im Rahmen der an- schließenden Integration in einen Versuchsträger ist eine Qualifikation anhand einer Teststrategie sowie die Validierung geplant. Abschließend werden die Ergebnisse in Versuchsfahrten demonstriert. Zudem soll die Leistungsfähigkeit der entwickelten Tooling-Umgebung in beispielhaften An- wendungen gezeigt werden.

Verbundkoordinator Porsche AG

Projektvolumen 2,67 Mio. €

01/2021 – 12/2023 Projektpartner

 MX Automotive GmbH c/o AI Campus

 FZI Forschungszentrum Informatik

 Hochschule Mittweida University of Applied Sciences

Ansprechpartner

TÜV Rheinland Consulting GmbH Meike Rietdorf

Tel.: +49 221 806 5432

E-Mail: meike.rietdorf@de.tuv.com

–Ǧ

Problemstellung

Die kamerabasierte Umfelderkennung von automatisierten Fahrzeugen ist heutzutage nur unzureichend auf die lichttechnischen Einrichtungen der Fahrzeuge abgestimmt. Insbesondere bei Dunkel- heit ist die Sichtbarkeit von unbeleuchteten und nicht leuchtenden Verkehrsteilnehmern nicht nur für Menschen, sondern auch für Kameras stark reduziert. Auch die Verwendung von alternativer Sensorik wie LiDAR oder Radar bringt derzeit einen reduzierten Informationsgehalt mit sich.

Projektziel

Das Ziel des Projekts ist die Entwicklung einer Fahrzeugfrontbeleuchtung, die die Kamerasenso- rik zur Umfeldwahrnehmung für automatisiertes Fahren optimal unterstützt. Mit einer solchen adaptiven und selektiven Ausleuchtung soll diese an die aktuelle Verkehrssituation angepasst werden und damit zu einem verbesserten Umfeldmodell beitragen. Damit können die Verkehrssicherheit, die Energieeffizienz und der Komfort gesteigert werden. Als zweites Hauptziel soll zudem eine virtuelle Abbildung in Form einer Rapid-Prototyping-Ent- wicklungsumgebung entstehen.

Durchführung

Zu Projektbeginn werden die Anforderungen an die Kamera und Ausleuchtungskomponenten erarbeitet und reale Streckendaten erhoben. Dadurch können Informationen wie Reflexionseigenschaf- ten oder Verbauung für die Szenenausleuchtung berücksichtigt werden, die zur Verbesserung der Umfeldwahrnehmung beitragen. Mithilfe einer neu- artigen digitalen Entwicklungsumgebung werden die notwendigen Scheinwerfer-Systeme entwickelt, die im Anschluss in Form eines Demonstra- tors validiert und optimiert werden.

2,28 Mio. €

06/2021 – 05/2024 Projektpartner

 3D Mapping Solutions GmbH

 Technische Universität Dortmund Ansprechpartner

Tel.: +49 221 806 – 4108 E-Mail: lars.roedel@de.tuv.com

(8)

AirPortMover – Entwicklung und Erprobung auto- nomer, digitaler Nutzfahrzeuge fu r Flughafenau- ßenfla chen und Hallen eines Flughafens

Problemstellung

Der Einsatz autonomer Nutzfahrzeuge auf Flug- häfen ist aktuell nicht möglich. Dies liegt insbesondere an den hohen Anforderungen an die Umfelderkennung und die Lokalisierung des Fahrzeuges auf dem Flughafenvorfeld, dem hohen Risiko einer Kollision mit Flugzeugen und den strengen Sicherheitsanforderungen.

Projektziel

Ziel des Projektes ist die Entwicklung von autonomen, elektrisch angetriebenen Nutzfahrzeu- gen für das Einsatzszenario Flughafen und Flug- hafenvorfeld und die Einbindung der autonomen Nutzfahrzeuge in die realen Betriebsabläufe.

Durchführung

Projektschwerpunkt ist die Entwicklung einer Basisplattform, auf der zwei Varianten autonomer, prototypischer Nutzfahrzeugaufbauten realisiert und anschließend auf einem Werks- (Air- bus Hamburg) bzw. einem Verkehrsflughafen (Frankfurt) getestet werden. Hierbei handelt es sich zum einen um Fahrzeuge für den Transport von Personen (Crewmitglieder, Serviceperso- nal, Flughafen- oder Werksgeländebesucher) sowie für den Transport von Luftfrachtanhä- ngern zum Flugzeug. Zum anderen werden Nutzfahrzeuge zur Annäherung von Fluggast- treppen an Flugzeuge realisiert.

Technische Schwerpunkte sind die Entwicklung verbesserter Systeme zur Umfelderkennung, neuartige Konzepte zur Lokalisierung und Posi- tionierung der autonomen Fahrzeuge sowie die Erweiterung der bestehenden Leitstandsoftware zur Einbindung der autonomen Nutzfahrzeuge in die Betriebsabläufe eines Flughafens.

Projektlogo: AirPortMover

Ibeo Automotive Systems GmbH Projektvolumen

3,5 Mio. €

12/2018 – 03/2022 Projektpartner

 Fraport AG – Frankfurt Airport Services Worldwide

 Christian-Albrechts-Universität zu Kiel – Institut für Informatik

Ansprechpartner

TÜV Rheinland Consulting GmbH Nicole Ankelin

Tel.: +49 221 806 - 4173

E-Mail: nicole.ankelin@de.tuv.com

(9)

AirPortMover – Entwicklung und Erprobung auto- nomer, digitaler Nutzfahrzeuge fu r Flughafenau- ßenfla chen und Hallen eines Flughafens

Problemstellung

Der Einsatz autonomer Nutzfahrzeuge auf Flug- häfen ist aktuell nicht möglich. Dies liegt insbesondere an den hohen Anforderungen an die Umfelderkennung und die Lokalisierung des Fahrzeuges auf dem Flughafenvorfeld, dem hohen Risiko einer Kollision mit Flugzeugen und den strengen Sicherheitsanforderungen.

Projektziel

Ziel des Projektes ist die Entwicklung von autonomen, elektrisch angetriebenen Nutzfahrzeu- gen für das Einsatzszenario Flughafen und Flug- hafenvorfeld und die Einbindung der autonomen Nutzfahrzeuge in die realen Betriebsabläufe.

Durchführung

Projektschwerpunkt ist die Entwicklung einer Basisplattform, auf der zwei Varianten autonomer, prototypischer Nutzfahrzeugaufbauten realisiert und anschließend auf einem Werks- (Air- bus Hamburg) bzw. einem Verkehrsflughafen (Frankfurt) getestet werden. Hierbei handelt es sich zum einen um Fahrzeuge für den Transport von Personen (Crewmitglieder, Serviceperso- nal, Flughafen- oder Werksgeländebesucher) sowie für den Transport von Luftfrachtanhä- ngern zum Flugzeug. Zum anderen werden Nutzfahrzeuge zur Annäherung von Fluggast- treppen an Flugzeuge realisiert.

Technische Schwerpunkte sind die Entwicklung verbesserter Systeme zur Umfelderkennung, neuartige Konzepte zur Lokalisierung und Posi- tionierung der autonomen Fahrzeuge sowie die Erweiterung der bestehenden Leitstandsoftware zur Einbindung der autonomen Nutzfahrzeuge in die Betriebsabläufe eines Flughafens.

Projektlogo: AirPortMover

Ibeo Automotive Systems GmbH Projektvolumen

3,5 Mio. €

12/2018 – 03/2022 Projektpartner

 Fraport AG – Frankfurt Airport Services Worldwide

 Christian-Albrechts-Universität zu Kiel – Institut für Informatik

Ansprechpartner

TÜV Rheinland Consulting GmbH Nicole Ankelin

Tel.: +49 221 806 - 4173

E-Mail: nicole.ankelin@de.tuv.com

ANITA – Autonome Innovation im Terminalab- lauf

Problemstellung

Das automatisierte Fahren (AF) von Nutzfahr- zeugen bietet eine Chance dem Problem des wachsenden Fahrermangels in Deutschland entgegenzuwirken und gleichzeitig die Wirt- schaftlichkeit des Güterverkehrs zu erhöhen. Je- doch sind die Erkennung und Klassifizierung querender und entgegenkommender Fahrzeuge in Terminals ebenso wie die Übernahme von manuellen Tätigkeiten, die ein Fahrer derzeit neben der Fahraufgabe übernimmt, als beste- hende Probleme des AF zu identifizieren.

Projektziel

Das Verbundprojekt „ANITA“ zielt darauf ab, einen vollautomatisierten, fahrerlosen Lkw (Sattel- zug) zu entwickeln und in zwei realen Lo- gistikterminals in Ulm zu erproben sowie dessen Anwendung zu validieren. Dazu stehen neben der Fahrzeugentwicklung insbesondere auch die Technologieerprobung sowie die Interakti- onsmechanismen zwischen Lkw und Mensch/Infrastruktur im Mittelpunkt des FE-Pro- jekts. Zudem werden neuartige Verfahren zur Umfelderfassung und Objekterkennung im Nah- bereich erforscht.

Durchführung

In ANITA soll die gesamte Fahrzeugfunktionali- tät zur Verfügung gestellt werden, die für ein automatisiertes Fahrzeug notwendig ist, um einen praxisrelevanten Logistikprozess zu bewältigen.

Dadurch werden zum einen erstmals die unterschiedlichen Lösungsansätze und Algorithmen gebündelt und anwendungsgerecht weiterentwi- ckelt. Zum anderen wird der Reifegrad und damit die zukünftige Zulassungsfähigkeit der einzel- nen Teilfunktionen erheblich gesteigert.

Projektlogo: ANITA

Verbundkoordinator MAN Truck & Bus SE Projektvolumen 12,53 Mio. €

07/2020 – 09/2023 Projektpartner

DB Intermodal Service GmbH

DUSS GmbH

Götting KG

Hochschule Fresenius gGmbH Ansprechpartner

TÜV Rheinland Consulting GmbH Dr. Silke Marré

Tel.: +49 221 806 - 4174 E-Mail: silke.marre@de.tuv.com

(10)

–Ǧ

ò

Problemstellung

Mit der voranschreitenden Automatisierung von Fahrzeugen sowie zunehmend komplexeren Fahrzeugsystemen und -komponenten steigen auch die technischen Anforderungen hinsichtlich der Sicherheit und Zuverlässigkeit. Gründe für die steigenden Sicherheitsanforderungen sind u.a. der Wegfall der Rückfallebene Mensch sowie zusätzlich notwendige Fehlererkennungs-, - behandlungs- und Vermeidungsstrategien. Um diesen Herausforderungen zu begegnen, werden z.B. Komponenten und Systeme redundant ausgelegt. Dies führt jedoch häufig zu Mehrkos- ten, einem erhöhten Bedarf an Bauraum und zu mehr Gewicht.

Projektziel

Ziel des Forschungsvorhabens AnRox ist die Entwicklung eines ganzheitlich optimierten An- triebssystems für das automatisierte elektrische Fahren. Als Anwendungsfall wurde ein Roboter- taxi gewählt, die Ergebnisse sollen sich jedoch generell auf alle elektrisch angetriebenen Fahr- zeuge übertragen lassen. Die Forschungs- und Entwicklungstätigkeiten fokussieren sich dabei auf alle Fahrzeug-Systemebenen (Fahrzeug- ebene, Systemebene und Komponentenebene) im gesamten Antriebssystem (u.a. Antrieb und Energiebordnetz). Hauptziel bei der Entwicklung der Lösungen ist es, eine Fehleroperabilität ohne Mehraufwand (z.B. Redundanz) zu errei- chen bzw. notwendige Mehraufwände zumin- dest durch eine Funktionserweiterung an anderer Stelle zu kompensieren.

Durchführung

Grundlage für die Entwicklungstätigkeiten ist eine detaillierte Anforderungsanalyse zur Ent- wicklung eines fehleroperablen Antriebsstrangs.

Weitere wesentliche Anforderungen ergeben sich aus dem Anwendungsfall Robotertaxi, wie

Projektlogo: AnRox

Verbundkoordinator Robert Bosch GmbH Projektvolumen 16,2 Mio. €

04/2021 – 03/2024 Projektpartner

 Kromberg & Schubert Automotive GmbH &

Co.KG

 Siemens AG

 Infineon Technologies AG

 Georgii Kobold GmbH & Co. KG

 AixControl GmbH

 OPVengineering GmbH

 EDI GmbH

 Finepower GmbH OFFIS e.V.

 smartCable GmbH

 Fraunhofer-Gesellschaft

 Rheinisch-Westfälische Technische Hochschule Aachen

 FG System- und Software-Engineering, TU Ilmenau

 Thüringer Innovationszentrum Mobilität, TU Ilmenau Volkswagen AG

(11)

z.B. Komfort-, Lebensdauer- und Effizienzanfor- derungen. Darauf aufbauend erfolgt die Umset- zung auf der System- und Komponentenebene.

Neben der Entwicklung von Hard- und Software sind die Erforschung und Erarbeitung von Be- triebs-, Fehlererkennungs- und Behandlungs- strategien wichtige Ergebnisse. Abschließend erfolgt die Validierung der Ergebnisse im Rah- men von Komponenten- und Systemtests auf Prüfständen und in Simulationen sowie gesamt- haft auf einem Fahrzeugdemonstrator.

Ansprechpartner

Tel.: +49 221 806 - 4108 E-Mail: lars.roedel@de.tuv.com

(12)

ATTENTION – Artificial Intelligence for real- time injury prediction

Problemstellung

Begrenzte Flächen für den Verkehr kennzeichnen vor allem den urbanen Raum. Automatisierung und Vernetzung von Verkehrsteilnehmern bieten das Potential der Mehrfachnutzung von Verkehrsflä- chen. Für ungeschützte Verkehrsteilnehmer (Fahr- radfahrer, Fußgänger, etc.) stellt diese Mehrfach- nutzung jedoch ein großes Risiko dar. Um den automatisierten Verkehr so sicher wie möglich zu ge- stalten, muss die Verletzungsschwere besonders gefährdeter Kollisionspartner bei unvermeidbaren Unfällen auf gemischten Verkehrsflächen best- möglich reduziert werden.

Projektziel

Das Ziel des Projekts ist es eine Methode zur Echt- zeit-Verletzungsprognose von ungeschützten Ver- kehrsteilnehmern (VRU) zu entwickeln. Hierzu werden datengetriebene KI-Verfahren genutzt, um aus fahrzeuggebundenen Videodaten und virtuellen Tests mit Hilfe digitaler Menschmodelle ein si- tuationsspezifisches Verletzungsrisiko zu bestim- men. Zukünftig ermöglicht die Verletzungsprog- nose durch Strategien der Risikominimierung des automatisierten Fahrzeugs einen sowohl sicheren als auch effizienten Verkehr.

Durchführung

Zu Projektbeginn werden auf Grundlage von Vi- deodaten aktuelle Unfallsituationen analysiert. Auf dieser Basis werden KI-basiert in Echtzeit die Be- wegungen der vulnerablen Verkehrsteilnehmer klassifiziert. Im Anschluss wird durch diese Bewe- gungsdaten das Verletzungsrisiko KI-basiert prädi- ziert. Aggregiert werden diese Daten in einem Ver- letzungsrisikoindex. Eine Demonstration aus der sich Unfallfolgenminderungsmaßnahmen ableiten lassen, erfolgt in einer virtuellen Umgebung.

Projektlogo: ATTENTION

07/2021 – 06/2024 Projektpartner

 DYNAmore GmbH

 QualityMinds GmbH

 Universität Stuttgart

 Fraunhofer-Gesellschaft Ansprechpartner

(13)

ATTENTION – Artificial Intelligence for real- time injury prediction

Problemstellung

Begrenzte Flächen für den Verkehr kennzeichnen vor allem den urbanen Raum. Automatisierung und Vernetzung von Verkehrsteilnehmern bieten das Potential der Mehrfachnutzung von Verkehrsflä- chen. Für ungeschützte Verkehrsteilnehmer (Fahr- radfahrer, Fußgänger, etc.) stellt diese Mehrfach- nutzung jedoch ein großes Risiko dar. Um den automatisierten Verkehr so sicher wie möglich zu ge- stalten, muss die Verletzungsschwere besonders gefährdeter Kollisionspartner bei unvermeidbaren Unfällen auf gemischten Verkehrsflächen best- möglich reduziert werden.

Projektziel

Das Ziel des Projekts ist es eine Methode zur Echt- zeit-Verletzungsprognose von ungeschützten Ver- kehrsteilnehmern (VRU) zu entwickeln. Hierzu werden datengetriebene KI-Verfahren genutzt, um aus fahrzeuggebundenen Videodaten und virtuellen Tests mit Hilfe digitaler Menschmodelle ein si- tuationsspezifisches Verletzungsrisiko zu bestim- men. Zukünftig ermöglicht die Verletzungsprog- nose durch Strategien der Risikominimierung des automatisierten Fahrzeugs einen sowohl sicheren als auch effizienten Verkehr.

Durchführung

Zu Projektbeginn werden auf Grundlage von Vi- deodaten aktuelle Unfallsituationen analysiert. Auf dieser Basis werden KI-basiert in Echtzeit die Be- wegungen der vulnerablen Verkehrsteilnehmer klassifiziert. Im Anschluss wird durch diese Bewe- gungsdaten das Verletzungsrisiko KI-basiert prädi- ziert. Aggregiert werden diese Daten in einem Ver- letzungsrisikoindex. Eine Demonstration aus der sich Unfallfolgenminderungsmaßnahmen ableiten lassen, erfolgt in einer virtuellen Umgebung.

Projektlogo: ATTENTION

07/2021 – 06/2024 Projektpartner

 DYNAmore GmbH

 QualityMinds GmbH

 Universität Stuttgart

 Fraunhofer-Gesellschaft Ansprechpartner

EEmotion – Embedded Excellence – Fahrdyna- mik mit KI

Problemstellung

Beim automatisierten Fahren werden vorgegebene Trajektorien aus einer Perzeptions-Funktionsein- heit an Fahrwerkregelsysteme übermittelt. Um eine gleichbleibende Qualität und ein stabiles Leis- tungsprofil der Trajektorien-Regelung in sämtli- chen Fahrsituationen, bei unterschiedlichen Stre- ckenprofilen und Umweltbedingungen über die gesamte Fahrzeuglebensdauer zu ermöglichen, sind hohe Aufwände bei der Entwicklung notwendig.

Klassische Parametrierungsverfahren stoßen dies- bezüglich an Grenzen und können die Leistungsfä- higkeit von Regelungsstrukturen nicht ausnutzen.

Projektziel

Das Ziel des Projekts ist es, ein Regelsystem zu entwickeln, welches auf Maschine Learning Algo- rithmen basiert. Ein weiterer Fokus wird auf der Entwicklung von embedded-Systemen und ent- sprechenden Funktionen liegen, sodass eine An- bindung an eine externe Infrastruktur (z.B. eine Cloud) nicht notwendig ist.

Durchführung

Zu Projektbeginn werden zunächst Anforderungen an die im Projekt zu entwickelnden KI-basierten Funktionen und Systeme erarbeitet. Darauf aufbauend erfolgt die Entwicklung eines Gesamtkon- zepts und entsprechender Hardware. Zudem werden KI-Methoden entwickelt bzw. vorhandene An- sätze verbessert und es wird der Frage nachge- gangen, welche Regelungsarchitekturen und Kom- ponenten zweckmäßig durch KI ergänzt oder er- setzt werden können. Weitere Forschungsaspekte sind die Entwicklung einer sicheren durch KI über- wachten Kommunikation sowie Untersuchungen zur simulativen Entwicklung und Validation von Fahrdynamiksystemen. Abschließend werden die Ergebnisse anhand von AD/ADAS Funktionen validiert.

Projektlogo: EEmotion

Verbundkoordinator Infineon Technologies AG Projektvolumen

10,2 Mio. €

09/2021 – 08/2024 Projektpartner

 ZF Friedrichshafen AG

 Institut für Engineering Design of Mecha- tronic Systems und MPLM e.V.

 b-plus technologies GmbH

 samoconsult GmbH

 Rheinisch-Westfälische Technische Hoch- schule Aachen

 Universität zu Lübeck Ansprechpartner

Tel.: +49 221 806 5432

(14)

EMMI – Empathische Mensch-Maschine-Inter- aktion zur Erhöhung der Akzeptanz des Auto- matisierten Fahrens

Problemstellung

Eine wesentliche Voraussetzung für die Verbrei- tung automatisierter Fahrfunktionen ist die Techni- kakzeptanz der Nutzer. Diese wird u.a. bestimmt durch das Vertrauen in die Sicherheit sowie ein po- sitives Nutzererlebnis. Ein wichtiger Baustein für die Steigerung der Akzeptanz ist eine nutzerge- rechte, multimodale Mensch-Maschine-Schnitt- stelle, welche im Projekt EMMI untersucht wird.

Projektziel

Ziel des Projektes ist die Entwicklung einer empa- thischen Mensch-Maschine-Schnittstelle, die den individuellen Nutzerzustand sowie die Verkehrssi- tuation berücksichtigt. Durch diese soll sowohl das Vertrauen in die Automatisierung als auch der wahrgenommene Kundennutzen erhöht und somit die Technikakzeptanz gesteigert werden. Im Rah- men des Projekts werden drei konkrete Maßnah- men detailliert untersucht: Die situationsange- passte Visualisierung von Fahrzeuginformationen, der Einsatz eines intelligenten Assistenten und die Ermöglichung einer indirekten Beeinflussung des Fahrverhaltens durch den Nutzer.

Durchführung

Neben der Extraktion emotionaler Zustände anhand optischer und akustischer Signale wird zu Projektbeginn das theoretische Rahmenwerk sowie ein hybrider Ansatz zur Vertrauensmodellie- rung erarbeitet. Die drei Kerntechnologien werden iterativ entwickelt und evaluiert sowie in ein ganz- heitliches multimodales Interaktionskonzept integriert. Unter Anwendung von VR-Testumgebungen sowie Funktionsprototypen werden die Entwicklun- gen bereits frühzeitig evaluiert. Den Abschluss des Projekts bildet der Aufbau eines Demonstrators sowie die finale Evaluation der Machbarkeit und Wirk- samkeit des entwickelten Gesamtkonzepts.

Projektlogo: EMMI

SAINT-GOBAIN SEKURIT Deutschland GmbH & Co. KG

09/2020 – 08/2023 Projektpartner

CanControls GmbH

Cerence GmbH

Charamel GmbH

Deutsches Forschungszentrum für Künstli- che Intelligenz GmbH

Rheinisch-Westfälische Technische Hoch- schule Aachen

Ansprechpartner

(15)

EMMI – Empathische Mensch-Maschine-Inter- aktion zur Erhöhung der Akzeptanz des Auto- matisierten Fahrens

Problemstellung

Eine wesentliche Voraussetzung für die Verbrei- tung automatisierter Fahrfunktionen ist die Techni- kakzeptanz der Nutzer. Diese wird u.a. bestimmt durch das Vertrauen in die Sicherheit sowie ein po- sitives Nutzererlebnis. Ein wichtiger Baustein für die Steigerung der Akzeptanz ist eine nutzerge- rechte, multimodale Mensch-Maschine-Schnitt- stelle, welche im Projekt EMMI untersucht wird.

Projektziel

Ziel des Projektes ist die Entwicklung einer empa- thischen Mensch-Maschine-Schnittstelle, die den individuellen Nutzerzustand sowie die Verkehrssi- tuation berücksichtigt. Durch diese soll sowohl das Vertrauen in die Automatisierung als auch der wahrgenommene Kundennutzen erhöht und somit die Technikakzeptanz gesteigert werden. Im Rah- men des Projekts werden drei konkrete Maßnah- men detailliert untersucht: Die situationsange- passte Visualisierung von Fahrzeuginformationen, der Einsatz eines intelligenten Assistenten und die Ermöglichung einer indirekten Beeinflussung des Fahrverhaltens durch den Nutzer.

Durchführung

Neben der Extraktion emotionaler Zustände anhand optischer und akustischer Signale wird zu Projektbeginn das theoretische Rahmenwerk sowie ein hybrider Ansatz zur Vertrauensmodellie- rung erarbeitet. Die drei Kerntechnologien werden iterativ entwickelt und evaluiert sowie in ein ganz- heitliches multimodales Interaktionskonzept integriert. Unter Anwendung von VR-Testumgebungen sowie Funktionsprototypen werden die Entwicklun- gen bereits frühzeitig evaluiert. Den Abschluss des Projekts bildet der Aufbau eines Demonstrators sowie die finale Evaluation der Machbarkeit und Wirk- samkeit des entwickelten Gesamtkonzepts.

Projektlogo: EMMI

SAINT-GOBAIN SEKURIT Deutschland GmbH & Co. KG

09/2020 – 08/2023 Projektpartner

CanControls GmbH

Cerence GmbH

Charamel GmbH

Deutsches Forschungszentrum für Künstli- che Intelligenz GmbH

Rheinisch-Westfälische Technische Hoch- schule Aachen

Ansprechpartner

FLOOW - Flexibles Mobilitäts- und Cargo-Sys- tem für den Werksverkehr

Problemstellung

Das Werksgelände kann durch die eingeschränkte Verkehrskomplexität idealer Anwendungsraum für automatisierte Fahrzeuglösungen sein. Für die Eigen- lokalisierung im Werksverkehr existieren kamerabasierte Systeme, die eine gleichzeitige Positionierung und Kartierung durchführen und von automatisierten Transportsystemen verwendet werden. Eine visuelle Positionierung erfordert eine Umgebung mit zahlrei- chen Features, die im Werksbereich nur selten aufzu- finden ist. Zudem existieren Satellitennavigationssys- teme, die eine zentimeter-genaue Positionierung in Umgebungen mit freier Satelliten-Sichtbarkeit ermög- lichen. Die Satellitennavigationssignale sind aber sehr anfällig gegenüber Mehrwegefehlern und Signalab- schattungen, die im Werksbereich und insbesondere im Übergangsbereich zu einer deutlich reduzierten Genauigkeit führen.

Projektziel

FLOOW verfolgt das Ziel, die Komplexität der automatisierten Fahraufgaben in diesem speziellen An- wendungsfall, des Werksverkehrs, beherrschbar und gleichzeitig wirtschaftlich umzusetzen. Dazu soll die Nutzung von hochintegrierter Low-Power Hardware im Kontext eines Mikromobilitätssystems untersucht werden. Die entwickelten Methoden sollen auf speziellen Plattformen integriert und auf einem Versuchs- gelände im Flottenverbund evaluiert werden.

Projektinhalt

Zu Projektbeginn werden die Anforderungen an die Anwendungsfälle (z.B. Gütertransport, Personenbe- förderung, etc.) erarbeitet und ein robustes Lokalisie- rungssystem entwickelt. KI soll zur verlässlichen Um- felderkennung und Manöverplanung eingesetzt werden. Diese soll die Low-Power Hardware nutzen, um energie- und kosteneffizient Fahrfunktionen abzubil- den und eine Übertragbarkeit auf andere Fahrzeug- plattformen zu ermöglichen. Abschließend sollen die Fahrzeugplattformen in ein KI-basiertes Flottenma- nagement integriert werden.

Verbundkoordinator ANavS GmbH Projektvolumen 2,38 Mio. €

03/2021 – 02/2024 Projektpartner

Schaeffler Technologies AG & Co. KG

FZI Forschungszentrum Informatik

Karlsruher Institut für Technologie (KIT) Ansprechpartner

(16)

HALC– Highway Assist with Lane Change (SAE Level 2)

Problemstellung

Das automatisierte Fahren (AF) von Nutzfahrzeu- gen ist ein möglicher technischer Beitrag zur Erhö- hung der Verkehrssicherheit sowie zur Entlastung von Berufskraftfahrern im täglichen Verkehr sowie zur Bewältigung des zukünftigen Fahrermangels in Deutschland.

Projektziel

Das Ziel des Projekts ist die Untersuchung, Ent- wicklung und Einführung von Funktionen zur inte- grierten Längs- und Querführung für automatisiertes Fahren speziell für schwere und mittlere Nutz- fahrzeuge.

Durchführung

Zu Projektbeginn werden auf Grundlage einer Ana- lyse aktueller Unfallsituationen auf Bundesauto- bahnen Use-Cases abgeleitet, die verschiedene Anforderungen an Berufskraftfahrer berücksichti- gen. Anschließend werden diese in ein Fahrermo- dell überführt. Parallel dazu soll ein Umfeldmodell entwickelt werden, welches die Informationen mehrerer Sensoren zur Fahrbahn- und Objekter- kennung für das Fahrstreifenfolgen und den Fahr- streifenwechsel sowie zur Erkennung anderer Fahrzeuge auf benachbarten Fahrstreifen zusam- menführt. Hierzu muss eine neuartige Datenfusion und -auswertung erforscht werden, die als Umfeld- modell die Basis für die automatisierte Quer- und Längsführung für die Nutzfahrzeuge bildet.

Der Neuheitsgrad ergibt sich neben der technolo- gisch-funktionalen Evolution aus dem genutzten menschzentrierten Entwicklungsprozess unter Ein- beziehung von Endkunden und Endnutzern wäh- rend der Entwicklung und der abschließenden mehrmonatigen Felduntersuchung im Realbetrieb.

Projektlogo: HALC

ZF CV Systems Hannover GmbH Projektvolumen

3,70 Mio. €

11/2020 – 10/2023 Projektpartner

 Deutsches Zentrum für Luft- und Raumfahrt

 Interactive Minds Dresden GmbH

 Medizinische Hochschule Hannover

 Spedition Bartkowiak GmbH Ansprechpartner

(17)

HALC– Highway Assist with Lane Change (SAE Level 2)

Problemstellung

Das automatisierte Fahren (AF) von Nutzfahrzeu- gen ist ein möglicher technischer Beitrag zur Erhö- hung der Verkehrssicherheit sowie zur Entlastung von Berufskraftfahrern im täglichen Verkehr sowie zur Bewältigung des zukünftigen Fahrermangels in Deutschland.

Projektziel

Das Ziel des Projekts ist die Untersuchung, Ent- wicklung und Einführung von Funktionen zur inte- grierten Längs- und Querführung für automatisiertes Fahren speziell für schwere und mittlere Nutz- fahrzeuge.

Durchführung

Zu Projektbeginn werden auf Grundlage einer Ana- lyse aktueller Unfallsituationen auf Bundesauto- bahnen Use-Cases abgeleitet, die verschiedene Anforderungen an Berufskraftfahrer berücksichti- gen. Anschließend werden diese in ein Fahrermo- dell überführt. Parallel dazu soll ein Umfeldmodell entwickelt werden, welches die Informationen mehrerer Sensoren zur Fahrbahn- und Objekter- kennung für das Fahrstreifenfolgen und den Fahr- streifenwechsel sowie zur Erkennung anderer Fahrzeuge auf benachbarten Fahrstreifen zusam- menführt. Hierzu muss eine neuartige Datenfusion und -auswertung erforscht werden, die als Umfeld- modell die Basis für die automatisierte Quer- und Längsführung für die Nutzfahrzeuge bildet.

Der Neuheitsgrad ergibt sich neben der technolo- gisch-funktionalen Evolution aus dem genutzten menschzentrierten Entwicklungsprozess unter Ein- beziehung von Endkunden und Endnutzern wäh- rend der Entwicklung und der abschließenden mehrmonatigen Felduntersuchung im Realbetrieb.

Projektlogo: HALC

ZF CV Systems Hannover GmbH Projektvolumen

3,70 Mio. €

11/2020 – 10/2023 Projektpartner

 Interactive Minds Dresden GmbH

 Medizinische Hochschule Hannover

 Spedition Bartkowiak GmbH Ansprechpartner

IFAS - Insassenüberwachung in autonomen Fahrzeugen zur adaptiven Aktivierung von Sicherheitssystemen

Problemstellung

Mit zunehmender Automatisierungsstufe steigt die Anzahl und Häufigkeit an fahrfremden Tätig- keiten von Fahrzeuginsassen. Demnach werden Out-Of-Position-Situationen, in denen der Fahr- zeuginsasse sich nicht in einer aufrechten und vorwärts gerichteten Sitzposition befindet, häufi- ger auftreten und somit ein potentielles Sicher- heitsproblem darstellen. Hier besteht der Bedarf eines Systems, welches die fahrfremden Tätig- keiten erfassen, interpretieren und kategorisie- ren kann. Mithilfe dieser Daten können zukünftig Sicherheitssysteme situativ angesteuert und somit die Verletzungsschwere im Falle eines Un- falls vermindert werden.

Projektziel

Das Ziel des Verbundprojektes „IFAS“ ist es, einen Prototyp zur Insassenüberwachung im Fahrzeuginnenraum zu entwickeln und zu validieren. Mithilfe von Kamera- und Radarsenso- ren soll das System die Position, Gesten und den Zustand von Fahrzeuginsassen erfassen sowie mögliche Gegenstände (z.B. Tablet, Smartphone) erkennen. Neben der Interpreta- tion und Kategorisierung der gesammelten Da- ten soll auch ein Modell zur Risikobewertung von fahrfremden Tätigkeiten entwickelt und getestet werden.

Durchführung

In einem Laboraufbau soll zunächst das Sensor- setup getestet und optimiert werden. Für die In- terpretation und Kategorisierung der Kamera- und Radardaten werden Algorithmen entwickelt.

Abschließend wird das Gesamtsystem in einen Versuchsträger integriert und durch Probanden- studien sowie spezifische Systemtests evaluiert.

Projektlogo: IFAS

Continental Automotive GmbH Projektvolumen

2,33 Mio. €

11/2019 – 10/2022 Projektpartner

CMORE Automotive GmbH

Silicon Radar GmbH

Technische Hochschule Ingolstadt

Technische Universität Chemnitz Ansprechpartner

(18)

IMAGinE – Intelligente Manö ver Autömatisie- rung – kööperative Gefahrenvermeidung in Echtzeit

Problemstellung

In aktuellen Forschungsprojekten zum „Hochau- tomatisierten Fahren“ wird intensiv daran gear- beitet, Fahrzeugen die Fahrzeugführung inner- halb geeigneter Szenarien vollständig selbst zu überlassen. Die permanente Aufmerksamkeit technischer Systeme bietet dabei großes Poten- zial, um die Anzahl der Unfälle zu reduzieren.

Trotz dieser positiven Perspektive ist nicht zu vernachlässigen, dass menschliche Fahrer über zentrale Leistungsmerkmale verfügen, die bis- lang verfügbare technische Systeme nicht oder nur unzureichend abbilden können.

Projektziel

Im Projekt IMAGinE wird die Entwicklung neuer Assistenzsysteme entlang der Prinzipien koope- rativen Verhaltens erforscht. Hierdurch sollen zum einen der erforderliche wechselseitige Aus- tausch zwischen kooperierenden Fahrzeugen technisch realisiert und zum anderen die Abstim- mung und Entscheidungsfindung zwischen intelligenten Systemen sowie zwischen Mensch und Maschine dargestellt werden. Zentrale Heraus- forderung ist es, den Sprung vom informativen oder reagierenden Charakter heutiger isoliert agierender Assistenzsysteme hin zu kooperati- ven Manövern mehrerer Verkehrsteilnehmer zu realisieren.

Durchführung

Notwendige Voraussetzung für die Ausschöp- fung des IMAGinE-Potenzials ist die weite Ver- fügbarkeit und breite Nutzung eines hersteller- übergreifend operierenden Kommunikations- netzwerkes, das einen ausreichend schnellen Informationsaustausch ermöglicht.

Projektlogo: IMAGinE

Opel Automobile GmbH

Projektvolumen

36,70 Mio. €

Projektlaufzeit

09/2016 – 05/2022

Projektpartner

 BMW AG

 Autobahn GmbH des Bundes

 IPG Automotive GmbH

 MAN Truck & Bus SE

 Mercedes-Benz AG

 Continental Teves AG & Co. OHG

 Nordsys GmbH

 Volkswagen AG

 WIVW GmbH

Projektwebsite

www.imagine-online.de

Ansprechpartner

Tel.: +49 221 806 - 4174 E-Mail: silke.marre@de.tuv.com

(19)

IMAGinE – Intelligente Manö ver Autömatisie- rung – kööperative Gefahrenvermeidung in Echtzeit

Problemstellung

In aktuellen Forschungsprojekten zum „Hochau- tomatisierten Fahren“ wird intensiv daran gear- beitet, Fahrzeugen die Fahrzeugführung inner- halb geeigneter Szenarien vollständig selbst zu überlassen. Die permanente Aufmerksamkeit technischer Systeme bietet dabei großes Poten- zial, um die Anzahl der Unfälle zu reduzieren.

Trotz dieser positiven Perspektive ist nicht zu vernachlässigen, dass menschliche Fahrer über zentrale Leistungsmerkmale verfügen, die bis- lang verfügbare technische Systeme nicht oder nur unzureichend abbilden können.

Projektziel

Im Projekt IMAGinE wird die Entwicklung neuer Assistenzsysteme entlang der Prinzipien koope- rativen Verhaltens erforscht. Hierdurch sollen zum einen der erforderliche wechselseitige Aus- tausch zwischen kooperierenden Fahrzeugen technisch realisiert und zum anderen die Abstim- mung und Entscheidungsfindung zwischen intelligenten Systemen sowie zwischen Mensch und Maschine dargestellt werden. Zentrale Heraus- forderung ist es, den Sprung vom informativen oder reagierenden Charakter heutiger isoliert agierender Assistenzsysteme hin zu kooperati- ven Manövern mehrerer Verkehrsteilnehmer zu realisieren.

Durchführung

Notwendige Voraussetzung für die Ausschöp- fung des IMAGinE-Potenzials ist die weite Ver- fügbarkeit und breite Nutzung eines hersteller- übergreifend operierenden Kommunikations- netzwerkes, das einen ausreichend schnellen Informationsaustausch ermöglicht.

Projektlogo: IMAGinE

Opel Automobile GmbH

Projektvolumen

36,70 Mio. €

Projektlaufzeit

09/2016 – 05/2022

Projektpartner

 BMW AG

 Autobahn GmbH des Bundes

 IPG Automotive GmbH

 MAN Truck & Bus SE

 Mercedes-Benz AG

 Continental Teves AG & Co. OHG

 Nordsys GmbH

 Volkswagen AG

 WIVW GmbH

Projektwebsite

www.imagine-online.de

Ansprechpartner

Tel.: +49 221 806 - 4174

INITIATIVE – INtellIgenTe Mensch-Technik KommunIkATIon im gemischten Verkehr

Problemstellung

Hinsichtlich der Einbindung von Fahrzeugen mit immer höherem Automatisierungslevel fällt insbesondere im gemischten Verkehrsraum der Kom- munikation von (teil-) automatisierten Verkehrsteil- nehmern mit schwächeren Verkehrsteilnehmern, wie Fußgängern und Radfahrern sowie nicht-automatisierten Fahrzeugen, eine zentrale Bedeutung zu. Nur ein an die Situation angepasster, mit den relevanten Teilnehmern abgestimmter und intelligenter Kommunikationsprozess ermöglicht eine er- folgreiche Integration und somit die Akzeptanz zu- künftiger automatisierter Fahrzeuge.

Projektziel

Das Projekt verfolgt daher das Ziel eine KI-ge- stützte adaptive Kommunikation für die Integration automatisierter Fahrzeuge in gemischten Ver- kehrsszenarien zu realisieren.

Durchführung

Zur Erreichung des Projektziels sollen kameraba- siert mittels KI-Methoden Interaktionen von Fahr- zeuginsassen und externen Verkehrsteilnehmern erfasst sowie mit Informationen aus der Umgebung fusioniert und interpretiert werden. Eine darauf ab- gestimmte Kommunikation unter Berücksichtigung aller erkannten Intentionen soll anschließend sowohl nach innen als auch nach außen geschehen.

Dafür sollen lichttechnische Lösungen in Form von externen und internen HMI-Systemen für die Kom- munikationsschnittstelle vom automatisierten Fahr- zeug für außenstehende Verkehrsteilnehmer als auch für die Insassen des Fahrzeuges entwickelt werden. Neben der Validierung der Teilsysteme hinsichtlich der Funktion und Akzeptanz werden im Projekt weiterhin relevante ethische, rechtliche und soziale Fragestellungen erforscht. Abschließend wird die Funktion des Gesamtsystems validiert.

Projektlogo: INITIATIVE

4,09 Mio. €

04/2021 – 03/2024 Projektpartner

 Electric-Special Photronicsysteme GmbH

 Karlsruher Institut für Technologie

 Universität des Saarlandes

 version1 GmbH

 Würzburger Institut für Verkehrswissen- schaften GmbH

Ansprechpartner

(20)

–ǦòǦ

Problemstellung

Neben der klassischen Fahrposition sind für Aktivi- täten während der automatisierten Fahrt weitere bevorzugte Körperhaltungen (schlafen, arbeiten, etc.) zu berücksichtigen. Die daraus resultierenden neuen Use-Cases sowie Nutzeranforderungen, beispielsweise hinsichtlich des Komforts, erhöhen die Komplexität und damit folglich die Dauer und Kosten des Produktentwicklungsprozesses.

Projektziel

Das Ziel des Projekts ist es, KI-Werkzeuge entlang des Produktentwicklungsprozesses für die Anfor- derungsermittlung, Gestaltung und Bewertung von Innenraumkonzepten zu entwickeln. Diese KI- Maßnahmen sollen zukünftig bei der Entschei- dungsfindung im Sinne einer „next best action“ un- terstützen und damit sowohl die Effizienz als auch die Qualität bei der Interieurentwicklung steigern.

Durchführung

Im Rahmen des Projekts werden KI-basierte Me- thoden für drei Kerninnovationen erforscht und entwickelt. Ein erweitertes dynamisches Menschmo- dell wird als erste Säule entwickelt um die hetero- genen Anforderungen an SAE-Level 4 Fahrzeugin- nenräume erfassen und abbilden zu können. Als zweite Kerninnovation wird ein KI-Werkzeug entwickelt, mithilfe dessen eine automatisierte zielge- richtete Gestaltung und Konstruktion des Interieurs vorgenommen werden kann. Diese Fahrzeugin- nenraumkonzepte werden anschließend anhand der dritten Kerninnovation, einer KI-basierten virtuellen technischen und menschbezogenen Vorbe- wertung, analysiert. Die Verknüpfung der drei Teil- module ermöglicht abschließend einen gesamthaf- ten iterativen Optimierungsansatz, dessen Verlauf kontinuierlich bis zum finalen Konzept in einem Evolution-Mock-Up demonstriert wird. Für die Ent- wicklung und Validierung der Teilmodule sowie des Gesamtsystems werden projektbegleitend zahlrei- che Nutzer- und Expertenstudien durchgeführt.

Brose Fahrzeugteile SE & Co. Kommandit- gesellschaft, Bamberg

06/2021 – 05/2024 Projektpartner

 CanControls GmbH

 Deutsches Forschungszentrum für Künstli- che Intelligenz GmbH

 Human Solutions GmbH

 Rheinisch-Westfälische Technische Hoch- schule Aachen

 Saint-Gobain Performance Plastics Pam- pus GmbH

 SAINT-GOBAIN SEKURIT Deutschland GmbH & Co. KG

 soft trim seating sts GmbH Ansprechpartner

Tel.: +49 221 806 – 1508 E-Mail: philipp.wolf@de.tuv.com

(21)

KARLI - Kü nstliche Intelligenz fü r Adaptive, Responsive ünd Levelkonforme Interaktion im Fahrzeüg der Zükünft

Problemstellung

Das Verbundprojekt KARLI setzt sich mit der wachsenden Automatisierung von Fahraufga- ben und den damit einhergehenden Herausfor- derungen in Bezug auf das Zusammenspiel zwischen Fahrer und Fahrzeug auseinander. Je nach Automatisierungslevel sowie der konkreten Fahrsituation ergeben sich spezifische Anforde- rungen an den Zustand, das Verhalten und die Handlungsfähigkeit des Fahrers sowie der wei- teren Insassen. Nur durch eine Erfassung des Fahrerzustands sowie der Fahrsituation lässt sich ein situationsabhängiger Ist-Soll-Abgleich durchführen und somit ein gezielter Dialog zwischen dem Menschen und dem Fahrzeug er- möglichen. Diese adaptive Interaktion leistet einen wichtigen Beitrag zur Steigerung sowohl der Sicherheit und Effizienz des automatisierten Fahrens als auch des Fahrerlebnisses und der Nutzerakzeptanz.

Projektziel

Das Ziel des Projekts ist die Entwicklung KI-ge- stützter Systeme für die situationsadaptive Inter- aktion zwischen Fahrer und Fahrzeug auf Grundlage multimodaler Daten. Dabei liegt der Fokus auf der Entwicklung echtzeitfähiger Algo- rithmen zur Fahrerzustands- sowie Fahr- zeugumfelderkennung im Szenario unterschied- licher Automatisierungslevel (SAE-Level 0-4).

Diese Informationen werden genutzt um einen Ist-Soll-Vergleich hinsichtlich des levelkonfor- men Verhaltens durchführen und situationsadaptive Mensch-Maschine-Interaktionen ge- stalten und anwenden zu können.

Die Herausforderung des Projekts besteht insbesondere in der Vielzahl an möglichen Szena- rien und der damit einhergehenden Nutzung einer wenig strukturierten, großen und multisenso-

Projektlogo: KARLI

Continental Automotive GmbH Projektvolumen

15,83 Mio. €

07/2021 – 06/2024 Projektpartner

 Allround Team GmbH

 Audi AG

 Ford-Werke GmbH

 Hochschule der Medien Stuttgart

 INVENSITY GmbH

 paragon semvox GmbH

 studiokurbos GmbH

 TWT GmbH Science & Innovation

 Universität Stuttgart Projektwebsite www.karli-projekt.de

(22)

Data sollen mithilfe von KI-Verfahren für den realen Einsatz nutzbar gemacht werden. Dafür wird im Projekt das Vorgehen „Small2BigData“

genutzt. Zu Beginn werden dafür zunächst kleine, manuell gelabelte Datensätze verwendet und während der Projektlaufzeit stetig um weni- ger gelabelte oder ungelabelte Daten aus realen Situationen ergänzt. Als Testumgebung fokus- siert sich das Projekt KARLI auf das Szenario von Landstraßenfahrten. Insbesondere sicher- heitskritische Situationen wie z.B. Vorbeugen, Fehlgebrauch, Missbrauch und Motion Sickness sollen mithilfe einer Modellierung des Modus- und Situationsbewusstseins kontinuierlich zwischen, vor und nach Transitionen erfasst werden. Mittels lernenden und adaptiven Interakti- onsstrategien sollen die beschriebenen Situatio- nen anschließend entschärft bzw. diesen entge- gengewirkt werden.

Durchführung

Zu Projektbeginn werden als Grundlage geeig- nete Theorien für die Fahrer-Fahrzeug-Modelle gebildet sowie passende Szenarien und Use Cases für den Landstraßenverkehr identifiziert und ausgewählt. Anhand dieser Use Cases werden im Projekt kontinuierlich Realdaten mithilfe von vier Versuchsfahrzeugen aufgezeichnet.

Diese Daten dienen als Grundlage für die Ent- wicklung von echtzeitfähigen und straßentaugli- chen KI-Algorithmen, die wiederum für die Um- setzung der drei geplanten Applikationen benö- tigt werden. Die drei Applikationen umfassen dabei thematisch:

1. Levelkonformes Verhalten

2. KI-Interaktionen für adaptive Systeme 3. Motion Sickness

Alle drei Applikationen werden im Rahmen des Projekts in die Versuchsfahrzeuge integriert sowie kontinuierlich auf Basis von Nutzerstudien evaluiert und optimiert. Für die Integration werden im Projekt entsprechende System- und Soft- ware-Architekturen sowie eine Cloudumgebung entwickelt. Mithilfe der vier Versuchsfahrzeuge werden neben den Teilkomponenten insbesondere die drei Zielapplikationen abschließend demonstriert sowie hinsichtlich der Leistungsfähig- keit der KI-Algorithmen und des Nutzererlebnis- ses evaluiert.

Ansprechpartner

(23)

Data sollen mithilfe von KI-Verfahren für den realen Einsatz nutzbar gemacht werden. Dafür wird im Projekt das Vorgehen „Small2BigData“

genutzt. Zu Beginn werden dafür zunächst kleine, manuell gelabelte Datensätze verwendet und während der Projektlaufzeit stetig um weni- ger gelabelte oder ungelabelte Daten aus realen Situationen ergänzt. Als Testumgebung fokus- siert sich das Projekt KARLI auf das Szenario von Landstraßenfahrten. Insbesondere sicher- heitskritische Situationen wie z.B. Vorbeugen, Fehlgebrauch, Missbrauch und Motion Sickness sollen mithilfe einer Modellierung des Modus- und Situationsbewusstseins kontinuierlich zwischen, vor und nach Transitionen erfasst werden. Mittels lernenden und adaptiven Interakti- onsstrategien sollen die beschriebenen Situatio- nen anschließend entschärft bzw. diesen entge- gengewirkt werden.

Durchführung

Zu Projektbeginn werden als Grundlage geeig- nete Theorien für die Fahrer-Fahrzeug-Modelle gebildet sowie passende Szenarien und Use Cases für den Landstraßenverkehr identifiziert und ausgewählt. Anhand dieser Use Cases werden im Projekt kontinuierlich Realdaten mithilfe von vier Versuchsfahrzeugen aufgezeichnet.

Diese Daten dienen als Grundlage für die Ent- wicklung von echtzeitfähigen und straßentaugli- chen KI-Algorithmen, die wiederum für die Um- setzung der drei geplanten Applikationen benö- tigt werden. Die drei Applikationen umfassen dabei thematisch:

1. Levelkonformes Verhalten

2. KI-Interaktionen für adaptive Systeme 3. Motion Sickness

Alle drei Applikationen werden im Rahmen des Projekts in die Versuchsfahrzeuge integriert sowie kontinuierlich auf Basis von Nutzerstudien evaluiert und optimiert. Für die Integration werden im Projekt entsprechende System- und Soft- ware-Architekturen sowie eine Cloudumgebung entwickelt. Mithilfe der vier Versuchsfahrzeuge werden neben den Teilkomponenten insbesondere die drei Zielapplikationen abschließend demonstriert sowie hinsichtlich der Leistungsfähig- keit der KI-Algorithmen und des Nutzererlebnis- ses evaluiert.

Ansprechpartner

KI Absicherung – Methoden und Maßnahmen zur Absicherung KI-basierter Wahrnehmungs- funktionen fu r das automatisierte Fahren

Problemstellung

Die Einführung von automatisierten Fahrfunktio- nen bis hin zu vollautonomen Fahrzeugen in den Straßenverkehr bedingt den Einsatz innovativer Technologien. Verfahren der künstlichen Intelli- genz (KI) sind hierbei ein wesentlicher Schlüs- sel.

Die Absicherung von KI-Wahrnehmungsfunktio- nen, insbesondere bei der Automatisierung von sicherheitsrelevanten Fahrfunktionen, ist eine zentrale Herausforderung für deren zukünftigen Einsatz. Problematisch ist, dass aktuelle KI-Ver- fahren wenig transparent sind und daher nur sehr eingeschränkt nachvollzogen werden kann, warum ein KI-Verfahren eine bestimmte Ent- scheidung getroffen bzw. eine bestimmte Aus- gabe generiert hat. Um die Belastbarkeit einer KI-Funktion nachzuweisen, ist es aktuell notwendig, eine unwirtschaftlich hohe Zahl an Test- kilometern zu absolvieren.

Projektziel

Ziel des Projektes KI Absicherung ist die Ent- wicklung und Untersuchung von Methoden und Maßnahmen für die Absicherung KI-basierter Fahrfunktionen für den Use Case Fußgängerer- kennung. Die gewonnenen Erkenntnisse sollen es ermöglichen, die Technologie besser be- stimmbar und abschätzbar werden zu lassen.

Zudem soll damit eine stringente Argumentati- onskette geschaffen werden, die aus Experten- sicht eine Absicherbarkeit von KI-Funktionen be- gründet. Letztlich soll durch Kommunikation mit normativen Gremien und Zertifizierungstellen ein Industriekonsens bezüglich einer KI-Test- strategie unterstützt werden.

Das Projekt leistet zudem einen Beitrag zur KI- Strategie der Bundesregierung.

Projektlogo: KI Absicherung

Verbundkoordinator Volkswagen AG Projektvolumen 37,68 Mio. €

07/2019 – 06/2022 Projektpartner

 Automotive Safety Technologies GmbH

 Audi AG

 Bergische Universität Wuppertal

 BMW AG

 Continental Automotive GmbH

 Deutsches Forschungszentrum für Künstli- che Intelligenz

 Elektronische Fahrwerksysteme GmbH

 Forschungszentrum Informatik am Karlsru- her Institut für Technologie

 Hella Aglaia Mobile Vision GmbH

 Intel Deutschland GmbH

 MackeVision Medien Design GmbH Merantix Labs GmbH

(24)

Durchführung

Aufbauend auf der Generierung einer technischen Plattform als Basis für die KI-Algorithmen- entwicklung und der Ermittlung von Anforderun- gen wird zunächst mit der Entwicklung eines neuronalen Netzes zur multimodalen Sensorfu- sion für den Use Case Fußgängererkennung be- gonnen. Um diese KI-Wahrnehmungsfunktion zu trainieren, zu testen und zu validieren wird im nächsten Schritt mit der Erzeugung von soge- nannten synthetischen Daten fortgefahren.

Durch die Erzeugung einer Werkzeugkette lassen sich für jeden Anwendungsfall Daten produ- zieren, um alle relevanten Fahrsituationen und deren Varianten abbilden zu können. Eine der Kernaufgaben im Projekt wird die Identifizierung und Weiterentwicklung von Methoden zur Über- wachung von Training, Test und Validation für den konkreten Anwendungsfall sein. Diese werden hinsichtlich ihrer Aussagekraft bewertet und ihrer Bedeutung für die Absicherbarkeit untersucht. Aufbauend darauf erfolgt die Identifizie- rung und Wirksamkeitsprüfung von Maßnahmen zur Verbesserung der beobachtbaren Eigen- schaften. Abschließend wird der Nachweis der Wirksamkeit der Methoden und Maßnahmen er- bracht und eine Argumentation für ein methodi- sches Vorgehen zur Absicherung von KI-Funkti- onen aufgezeigt. Die entwickelten Testmetho- den lassen sich schließlich zu einem Testplan generalisieren.

 Luxoft GmbH

 Opel Automobile GmbH

 umlaut systems GmbH

 QualtityMinds GmbH

 Universität Heidelberg

 Visteon Electronics Germany GmbH

 ZF Friedrichshafen AG Projektwebsite

www.ki-absicherung-projekt.de/

Ansprechpartner

Tel.: +49 221 806 5432

Fachprogramm: Neue Fahrzeugund Systemtechnologien. Aktuelle Projekte der Programmsäule Automatisiertes Fahren