AutoKnigge - Modellierung, Bewertung und Absicherung von Verhalten für Kooperativ Interagierende Automobile

• Antragsteller: Professor Dr.-Ing. Lutz Eckstein; Professor Dr.-Ing. Stefan Kowalewski; Professor Dr. Bernhard Rumpe
• Fachliche Zuordnung: Softwaretechnik und Programmiersprachen ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Rechnerarchitektur, eingebettete und massiv parallele Systeme ; Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr
• Förderung: Förderung von 2015 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 273237627

Ziel des vorliegenden Projektes ist es, aufbauend auf dervorhergehenden Projektphase ein adaptives Framework zurVerhaltensmodellierung kooperativer Verkehrsteilnehmerbereitzustellen. Ein solches Framework soll einen Satz vordefinierterkooperativer Handlungsmuster in Form formaler Modelle beinhalten,sowie diese situationsbedingt auswählen und damit kooperativeManöver erfolgreich durchführen können. Parallel dazu soll ein Satzvon Verhaltensregeln aufgestellt werden, der als Rahmenwerk für dasverhalten kooperativer Autos dient. Diese Verhaltensregeln sollten alsKnigge für autonome Fahrzeuge im Straßenverkehr verstandenwerden und spezifizieren vor allem Regeln für die Sicherheit, aberauch die ökonomische Effizienz autonomer Fahrten. Derspezifikationsorientierte Verhaltens-Knigge und dasrealisierungsnähere Framework soll kooperative Verkehrsteilnehmerbei unvorhersehbaren Ereignissen oder Zuständen dazu befähigen,die Folgen abschätzen und alternative Handlungspläne prüfen zukönnen. Auch sollen so Konflikte in Handlungsplänen erkannt undfrühzeitig fair gelöst werden können. So soll das Konzept der LTSsukzessive an die Bedürfnisse realer Verkehrssysteme herangeführtwerden. Hierzu soll auch das Konzept der LTS erweitert werden, umkomplexe Verkehrsituationen abbilden und beherrschen zu können.Eine effiziente Abbildung aller Sensorsignale auf Modellzustände desFrameworks soll dabei durch die Anwendung Deep Learningbasierter, stetig weiter lernender Komponenten unterstützt werden.Solche Optimierungen werden auf Basis einer Bewertungsfunktion fürgeplante und durchgeführte Manöver entwickelt, die Safety und Fahr-Effizienz sowie die Einhaltung der Knigge-Regeln bewertet. Die somitgesammelten Erfahrungen sollen jedoch nicht nur dem einzelnenTeilnehmer vorbehalten sein, sondern mit Zusatzinformationen wieeinem Orts- oder Zeitbezug der Allgemeinheit zur Verfügung gestelltwerden, z. B. um zukünftige Planungsvorgänge zu unterstützen. Dasentwickelte Framework soll schließlich anhand der identifiziertenSzenarien im gemeinsamen Simulator, welcher in der erstenProjektphase innerhalb des Schwerpunktsprogramms entwickeltwurde, validiert werden. Dabei soll auch ein automatisierter Workfowfür Entwicklung, Test, Simulation und Integration von Software-Komponenten für kooperative Fahrsysteme erarbeitet werden.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1835: Kooperativ interagierende Automobile