Fachprogramm: Neue Fahrzeug- und Systemtechnologien
Aktuelle Projekte der Programmsäule „Automatisiertes Fahren“ Stand 11/2021
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
@CITY – Automatisierte Fahrzeuge und Intelligenter Verkehr in der Stadt
Problemstellung
Als komplexer Verkehrsraum stellt die Stadt eine besondere Herausforderung für das automati- sierte 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 da- bei als die zentralen Elemente für den sicheren, effizienten und stressfreien Stadtverkehr der Zu- kunft betrachtet. Automatisierte Fahrzeuge sol- len 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 die- ser 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
@CITY – Automatisierte Fahrzeuge und Intelligenter Verkehr in der Stadt
Problemstellung
Als komplexer Verkehrsraum stellt die Stadt eine besondere Herausforderung für das automati- sierte 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 da- bei als die zentralen Elemente für den sicheren, effizienten und stressfreien Stadtverkehr der Zu- kunft betrachtet. Automatisierte Fahrzeuge sol- len 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 die- ser 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
@CITY-AF – Automatisierte Fahrfunktionen für die Stadt
Problemstellung
Urbaner Verkehr stellt aufgrund seiner Komplexität eine der größten Herausforderungen für das auto- matisierte Fahren dar. Gegenüber gut strukturier- ten 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 autono- men 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 wer- den 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
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com
–Ǧ
Problemstellung
Die kamerabasierte Umfelderkennung von auto- matisierten Fahrzeugen ist heutzutage nur unzu- reichend 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 re- duziert. Auch die Verwendung von alternativer Sensorik wie LiDAR oder Radar bringt derzeit ei- nen 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 adap- tiven und selektiven Ausleuchtung soll diese an die aktuelle Verkehrssituation angepasst werden und damit zu einem verbesserten Umfeldmodell beitra- gen. Damit können die Verkehrssicherheit, die Energieeffizienz und der Komfort gesteigert wer- den. 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 erarbei- tet 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 entwi- ckelt, 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
Ͷ –
ò ò
ProblemstellungEine leistungsstarke Umfelderfassung ist eine der Kernanforderungen zur Realisierung automatisier- ter Fahrzeuge. Im urbanen Bereich bestehen be- sondere 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, an- dere 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 wer- den die Ergebnisse in Versuchsfahrten demons- triert. Zudem soll die Leistungsfähigkeit der entwi- ckelten Tooling-Umgebung in beispielhaften An- wendungen gezeigt werden.
Verbundkoordinator Porsche AG
Projektvolumen 2,67 Mio. €
(davon 71 % Förderung durch das BMWi) Projektlaufzeit
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 auto- matisierten Fahrzeugen ist heutzutage nur unzu- reichend 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 re- duziert. Auch die Verwendung von alternativer Sensorik wie LiDAR oder Radar bringt derzeit ei- nen 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 adap- tiven und selektiven Ausleuchtung soll diese an die aktuelle Verkehrssituation angepasst werden und damit zu einem verbesserten Umfeldmodell beitra- gen. Damit können die Verkehrssicherheit, die Energieeffizienz und der Komfort gesteigert wer- den. 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 erarbei- tet 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 entwi- ckelt, 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
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 insbe- sondere an den hohen Anforderungen an die Umfelderkennung und die Lokalisierung des Fahrzeuges auf dem Flughafenvorfeld, dem ho- hen Risiko einer Kollision mit Flugzeugen und den strengen Sicherheitsanforderungen.
Projektziel
Ziel des Projektes ist die Entwicklung von auto- nomen, 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 autono- mer, prototypischer Nutzfahrzeugaufbauten rea- lisiert 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
Verbundkoordinator
Ibeo Automotive Systems GmbH Projektvolumen
3,5 Mio. €
(davon 54 % Förderanteil durch BMWi) Projektlaufzeit
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
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 insbe- sondere an den hohen Anforderungen an die Umfelderkennung und die Lokalisierung des Fahrzeuges auf dem Flughafenvorfeld, dem ho- hen Risiko einer Kollision mit Flugzeugen und den strengen Sicherheitsanforderungen.
Projektziel
Ziel des Projektes ist die Entwicklung von auto- nomen, 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 autono- mer, prototypischer Nutzfahrzeugaufbauten rea- lisiert 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
Verbundkoordinator
Ibeo Automotive Systems GmbH Projektvolumen
3,5 Mio. €
(davon 54 % Förderanteil durch BMWi) Projektlaufzeit
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 ne- ben der Fahraufgabe übernimmt, als beste- hende Probleme des AF zu identifizieren.
Projektziel
Das Verbundprojekt „ANITA“ zielt darauf ab, ei- nen 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 au- tomatisiertes Fahrzeug notwendig ist, um einen praxisrelevanten Logistikprozess zu bewältigen.
Dadurch werden zum einen erstmals die unter- schiedlichen 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. €
(davon 43 % Förderanteil durch BMWi) Projektlaufzeit
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
– 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 so- wie zusätzlich notwendige Fehlererkennungs-, - behandlungs- und Vermeidungsstrategien. Um diesen Herausforderungen zu begegnen, wer- den 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 ande- rer 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. €
(davon 64 % Förderanteil durch BMWi) Projektlaufzeit
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
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
TÜV Rheinland Consulting GmbH Lars Rödel
Tel.: +49 221 806 - 4108 E-Mail: lars.roedel@de.tuv.com
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 au- tomatisierten 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 virtuel- len 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
Verbundkoordinator Robert Bosch GmbH Projektvolumen 2,9 Mio. €
(davon 70 % Förderanteil durch BMWi) Projektlaufzeit
07/2021 – 06/2024 Projektpartner
DYNAmore GmbH
QualityMinds GmbH
Universität Stuttgart
Fraunhofer-Gesellschaft Ansprechpartner
TÜV Rheinland Consulting GmbH Lars Rödel
Tel.: +49 221 806 - 4108 E-Mail: lars.roedel@de.tuv.com
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 au- tomatisierten 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 virtuel- len 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
Verbundkoordinator Robert Bosch GmbH Projektvolumen 2,9 Mio. €
(davon 70 % Förderanteil durch BMWi) Projektlaufzeit
07/2021 – 06/2024 Projektpartner
DYNAmore GmbH
QualityMinds GmbH
Universität Stuttgart
Fraunhofer-Gesellschaft Ansprechpartner
TÜV Rheinland Consulting GmbH Lars Rödel
Tel.: +49 221 806 - 4108 E-Mail: lars.roedel@de.tuv.com
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 ge- samte 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 auf- bauend erfolgt die Entwicklung eines Gesamtkon- zepts und entsprechender Hardware. Zudem wer- den 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 va- lidiert.
Projektlogo: EEmotion
Verbundkoordinator Infineon Technologies AG Projektvolumen
10,2 Mio. €
(davon 60 % Förderung durch das BMWi) Projektlaufzeit
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
TÜV Rheinland Consulting GmbH Meike Rietdorf
Tel.: +49 221 806 5432
E-Mail: meike.rietdorf@de.tuv.com
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 an- hand optischer und akustischer Signale wird zu Projektbeginn das theoretische Rahmenwerk so- wie ein hybrider Ansatz zur Vertrauensmodellie- rung erarbeitet. Die drei Kerntechnologien werden iterativ entwickelt und evaluiert sowie in ein ganz- heitliches multimodales Interaktionskonzept inte- griert. Unter Anwendung von VR-Testumgebungen sowie Funktionsprototypen werden die Entwicklun- gen bereits frühzeitig evaluiert. Den Abschluss des Projekts bildet der Aufbau eines Demonstrators so- wie die finale Evaluation der Machbarkeit und Wirk- samkeit des entwickelten Gesamtkonzepts.
Projektlogo: EMMI
Verbundkoordinator
SAINT-GOBAIN SEKURIT Deutschland GmbH & Co. KG
Projektvolumen 4,67 Mio. €
(davon 56 % Förderanteil durch BMWi) Projektlaufzeit
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
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com
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 an- hand optischer und akustischer Signale wird zu Projektbeginn das theoretische Rahmenwerk so- wie ein hybrider Ansatz zur Vertrauensmodellie- rung erarbeitet. Die drei Kerntechnologien werden iterativ entwickelt und evaluiert sowie in ein ganz- heitliches multimodales Interaktionskonzept inte- griert. Unter Anwendung von VR-Testumgebungen sowie Funktionsprototypen werden die Entwicklun- gen bereits frühzeitig evaluiert. Den Abschluss des Projekts bildet der Aufbau eines Demonstrators so- wie die finale Evaluation der Machbarkeit und Wirk- samkeit des entwickelten Gesamtkonzepts.
Projektlogo: EMMI
Verbundkoordinator
SAINT-GOBAIN SEKURIT Deutschland GmbH & Co. KG
Projektvolumen 4,67 Mio. €
(davon 56 % Förderanteil durch BMWi) Projektlaufzeit
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
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com
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 kameraba- sierte 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 auto- matisierten 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 spezi- ellen 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 wer- den. 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. €
(davon 76 % Förderanteil durch BMWi) Projektlaufzeit
03/2021 – 02/2024 Projektpartner
Schaeffler Technologies AG & Co. KG
FZI Forschungszentrum Informatik
Karlsruher Institut für Technologie (KIT) Ansprechpartner
TÜV Rheinland Consulting GmbH Lars Rödel
Tel.: +49 221 806 - 4108 E-Mail: lars.roedel@de.tuv.com
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 automatisier- tes 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
Verbundkoordinator
ZF CV Systems Hannover GmbH Projektvolumen
3,70 Mio. €
(davon 60 % Förderanteil durch BMWi) Projektlaufzeit
11/2020 – 10/2023 Projektpartner
Deutsches Zentrum für Luft- und Raumfahrt
Interactive Minds Dresden GmbH
Medizinische Hochschule Hannover
Spedition Bartkowiak GmbH Ansprechpartner
TÜV Rheinland Consulting GmbH Lars Rödel
Tel.: +49 221 806 - 4108 E-Mail: lars.roedel@de.tuv.com
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 automatisier- tes 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
Verbundkoordinator
ZF CV Systems Hannover GmbH Projektvolumen
3,70 Mio. €
(davon 60 % Förderanteil durch BMWi) Projektlaufzeit
11/2020 – 10/2023 Projektpartner
Deutsches Zentrum für Luft- und Raumfahrt
Interactive Minds Dresden GmbH
Medizinische Hochschule Hannover
Spedition Bartkowiak GmbH Ansprechpartner
TÜV Rheinland Consulting GmbH Lars Rödel
Tel.: +49 221 806 - 4108 E-Mail: lars.roedel@de.tuv.com
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 so- mit die Verletzungsschwere im Falle eines Un- falls vermindert werden.
Projektziel
Das Ziel des Verbundprojektes „IFAS“ ist es, ei- nen Prototyp zur Insassenüberwachung im Fahrzeuginnenraum zu entwickeln und zu vali- dieren. 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
Verbundkoordinator
Continental Automotive GmbH Projektvolumen
2,33 Mio. €
(davon 61 % Förderanteil durch BMWi) Projektlaufzeit
11/2019 – 10/2022 Projektpartner
CMORE Automotive GmbH
Silicon Radar GmbH
Technische Hochschule Ingolstadt
Technische Universität Chemnitz Ansprechpartner
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com
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 intel- ligenten 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
Verbundkoordinator
Opel Automobile GmbH
Projektvolumen
36,70 Mio. €
(davon 47 % Förderanteil durch BMWi)
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
Robert Bosch GmbH
Technische Universität München
Volkswagen AG
WIVW GmbH
Projektwebsite
www.imagine-online.de
Ansprechpartner
TÜV Rheinland Consulting GmbH Dr. Silke Marré
Tel.: +49 221 806 - 4174 E-Mail: silke.marre@de.tuv.com
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 intel- ligenten 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
Verbundkoordinator
Opel Automobile GmbH
Projektvolumen
36,70 Mio. €
(davon 47 % Förderanteil durch BMWi)
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
Robert Bosch GmbH
Technische Universität München
Volkswagen AG
WIVW GmbH
Projektwebsite
www.imagine-online.de
Ansprechpartner
TÜV Rheinland Consulting GmbH Dr. Silke Marré
Tel.: +49 221 806 - 4174
INITIATIVE – INtellIgenTe Mensch-Technik KommunIkATIon im gemischten Verkehr
Problemstellung
Hinsichtlich der Einbindung von Fahrzeugen mit immer höherem Automatisierungslevel fällt insbe- sondere im gemischten Verkehrsraum der Kom- munikation von (teil-) automatisierten Verkehrsteil- nehmern mit schwächeren Verkehrsteilnehmern, wie Fußgängern und Radfahrern sowie nicht-auto- matisierten Fahrzeugen, eine zentrale Bedeutung zu. Nur ein an die Situation angepasster, mit den relevanten Teilnehmern abgestimmter und intelli- genter 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 so- wohl 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
Verbundkoordinator HELLA GmbH & Co. KGaA Projektvolumen
4,09 Mio. €
(davon 69 % Förderanteil durch BMWi) Projektlaufzeit
04/2021 – 03/2024 Projektpartner
Electric-Special Photronicsysteme GmbH
Fraunhofer-Gesellschaft
Karlsruher Institut für Technologie
Universität des Saarlandes
version1 GmbH
Würzburger Institut für Verkehrswissen- schaften GmbH
Ansprechpartner
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com
–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 ent- wickelt. 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 entwi- ckelt, 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 virtu- ellen 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.
Verbundkoordinator
Brose Fahrzeugteile SE & Co. Kommandit- gesellschaft, Bamberg
Projektvolumen 5,59 Mio. €
(davon 63 % Förderung durch das BMWi) Projektlaufzeit
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
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 – 1508 E-Mail: philipp.wolf@de.tuv.com
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 zwi- schen 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 zwi- schen dem Menschen und dem Fahrzeug er- möglichen. Diese adaptive Interaktion leistet ei- nen 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 situations- adaptive Mensch-Maschine-Interaktionen ge- stalten und anwenden zu können.
Die Herausforderung des Projekts besteht ins- besondere in der Vielzahl an möglichen Szena- rien und der damit einhergehenden Nutzung ei- ner wenig strukturierten, großen und multisenso-
Projektlogo: KARLI
Verbundkoordinator
Continental Automotive GmbH Projektvolumen
15,83 Mio. €
(davon 62 % Förderanteil durch BMWi) Projektlaufzeit
07/2021 – 06/2024 Projektpartner
Allround Team GmbH
Audi AG
Ford-Werke GmbH
Fraunhofer-Gesellschaft
Hochschule der Medien Stuttgart
INVENSITY GmbH
paragon semvox GmbH
studiokurbos GmbH
TWT GmbH Science & Innovation
Universität Stuttgart Projektwebsite www.karli-projekt.de
Data sollen mithilfe von KI-Verfahren für den re- alen 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 zwi- schen, vor und nach Transitionen erfasst wer- den. 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 wer- den 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 da- bei 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 so- wie kontinuierlich auf Basis von Nutzerstudien evaluiert und optimiert. Für die Integration wer- den im Projekt entsprechende System- und Soft- ware-Architekturen sowie eine Cloudumgebung entwickelt. Mithilfe der vier Versuchsfahrzeuge werden neben den Teilkomponenten insbeson- dere die drei Zielapplikationen abschließend de- monstriert sowie hinsichtlich der Leistungsfähig- keit der KI-Algorithmen und des Nutzererlebnis- ses evaluiert.
Ansprechpartner
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com
Data sollen mithilfe von KI-Verfahren für den re- alen 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 zwi- schen, vor und nach Transitionen erfasst wer- den. 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 wer- den 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 da- bei 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 so- wie kontinuierlich auf Basis von Nutzerstudien evaluiert und optimiert. Für die Integration wer- den im Projekt entsprechende System- und Soft- ware-Architekturen sowie eine Cloudumgebung entwickelt. Mithilfe der vier Versuchsfahrzeuge werden neben den Teilkomponenten insbeson- dere die drei Zielapplikationen abschließend de- monstriert sowie hinsichtlich der Leistungsfähig- keit der KI-Algorithmen und des Nutzererlebnis- ses evaluiert.
Ansprechpartner
TÜV Rheinland Consulting GmbH Philipp Wolf
Tel.: +49 221 806 - 1508 E-Mail: philipp.wolf@de.tuv.com
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 not- wendig, 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. €
(davon 50 % Förderanteil durch BMWi) Projektlaufzeit
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
Deutsches Zentrum für Luft- und Raumfahrt
Elektronische Fahrwerksysteme GmbH
Fraunhofer-Gesellschaft
Forschungszentrum Informatik am Karlsru- her Institut für Technologie
Hella Aglaia Mobile Vision GmbH
Intel Deutschland GmbH
MackeVision Medien Design GmbH Merantix Labs GmbH
Durchführung
Aufbauend auf der Generierung einer techni- schen 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 las- sen 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 wer- den hinsichtlich ihrer Aussagekraft bewertet und ihrer Bedeutung für die Absicherbarkeit unter- sucht. 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
Robert Bosch GmbH
Technische Universität München
Universität Heidelberg
Valeo Schalter und Sensoren GmbH
Visteon Electronics Germany GmbH
ZF Friedrichshafen AG Projektwebsite
www.ki-absicherung-projekt.de/
Ansprechpartner
TÜV Rheinland Consulting GmbH Meike Rietdorf
Tel.: +49 221 806 5432
E-Mail: meike.rietdorf@de.tuv.com