Individueller Schlussbericht: ZF Friedrichshafen AG - Projekt EEMotion "Embedded Excellence - Fahrdynamik mit KI"
Projekt: EEmotion
| dc.contributor.author | Ehlgen, Tobias | |
| dc.contributor.author | Sapozhnikova, Elena | |
| dc.contributor.author | Dentler , Tobias | |
| dc.contributor.author | Liebick, Tristan | |
| dc.contributor.author | Hegener, Reinhold | |
| dc.contributor.author | Fleps-Dezasse, Michael | |
| dc.contributor.author | Alsharif, Mohammad | |
| dc.contributor.author | Bagci, Ilker | |
| dc.contributor.author | Kraus , Mike | |
| dc.date.accessioned | 2026-02-12T10:07:19Z | |
| dc.date.available | 2026-02-12T10:07:19Z | |
| dc.date.issued | 2025-02-27 | |
| dc.description.abstract | Das Ziel des Projekts EEMotion war der Einsatz von KI-Verfahren in Planungs- und Regelungsfunktionen eines automatisiert fahrenden Fahrzeugs. Die Integration von KIMethoden in die Fahrdynamikregelungen ermöglichte eine bessere Schätzung des kinematischen Zustands des Fahrzeugs. Dadurch können seine Systeme wie Antriebsstrang, Bremsen und Lenkung besser an die aktuellen Umgebungsbedingungen angepasst werden. Dies führte zu einer präziseren Umsetzung der vorgegebenen Fahrmanöver, was sowohl den Fahrkomfort als auch die Energieeffizienz verbesserte. Neben den technischen Fortschritten bietet die KI auch wirtschaftliche Vorteile, da sie die Anpassbarkeit der bereits entwickelten Systeme an verschiedene Fahrzeugtypen verbessert und somit die Entwicklungszeiten verkürzt. Es wurde gezeigt, dass KI-unterstützte Regler die seitliche Abweichung von der vorgegebenen Trajektorie auf der Teststrecke um bis zu 50% reduzieren konnten, was den Fahrkomfort des Autopiloten eines autonomen Fahrzeugs erheblich verbesserte. Die KI-unterstützten Planer steigerten die Energieeffizienz der ACC-Anwendung um bis zu 14%. | ger |
| dc.description.version | publishedVersion | |
| dc.identifier.uri | https://oa.tib.eu/renate/handle/123456789/30501 | |
| dc.identifier.uri | https://doi.org/10.34657/29570 | |
| dc.language.iso | ger | |
| dc.publisher | Hannover : Technische Informationsbibliothek | |
| dc.relation.affiliation | ZF Friedrichshafen AG | |
| dc.rights.license | Es gilt deutsches Urheberrecht. Das Werk bzw. der Inhalt darf zum eigenen Gebrauch kostenfrei heruntergeladen, konsumiert, gespeichert oder ausgedruckt, aber nicht im Internet bereitgestellt oder an Außenstehende weitergegeben werden. - German copyright law applies. The work or content may be downloaded, consumed, stored or printed for your own use but it may not be distributed via the internet or passed on to external parties. | |
| dc.subject.ddc | 000 | Informatik, Information und Wissen, allgemeine Werke | |
| dc.subject.other | Vehicle motion control | ger |
| dc.subject.other | trajectory planning and following | ger |
| dc.subject.other | AI algorithms | ger |
| dc.subject.other | reinforcement learning | ger |
| dc.title | Individueller Schlussbericht: ZF Friedrichshafen AG - Projekt EEMotion "Embedded Excellence - Fahrdynamik mit KI" | ger |
| dc.title.subtitle | Projekt: EEmotion | |
| dc.type | Report | |
| dcterms.extent | 43 Seiten | |
| dtf.duration | 01.09.2020 bis 31.08.2024 | |
| dtf.funding.funder | BMWE | |
| dtf.funding.program | 19A21038G | |
| dtf.funding.verbundnummer | 01240356 | |
| tib.accessRights | openAccess |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- BMBF19A21038G.pdf
- Size:
- 2.65 MB
- Format:
- Adobe Portable Document Format
- Description:
