Schlussbericht zum Verbundvorhaben: Flexibles Mobilitäts- und Cargo-System für den Werksverkehr (FLOOW); Teilvorhaben: Fahrzeugplattformen und Connectivity

Abstract

Im Projekt FLOOW wurden die zentralen Vorteile der Künstlichen Intelligenz (KI) zur Schaffung neuer Lösungen für die Mobilität von Menschen und Gütern genutzt. Der Fokus lag dabei auf einer robusten und hochgenauen Lokalisierung von Fahrzeugen im Mobilitätssystem, welche für Güter- oder Personentransport im Werksverkehr eingesetzt werden, sowie einer generalisierten Umfelderkennung als auch einer risikobewussten Manöverplanung auf dedizierter Hardware zur energieeffizienten Lösung der komplexen Teilprobleme auf den Fahrzeugen. Das hier beschriebene Teilvorhaben trug zur Erarbeitung der nachfolgend genannten Projektergebnisse bei. Zunächst erfolgte eine Analyse von Anwendungsfällen zur Evaluation der Multi-Sensor-Lokalisierung und der KI-basierten Umfelderkennung. Zusätzlich wurden Anforderungen gesammelt sowie eine Methodik zur Bewertung sowie bei der methodischen Analyse von Systemabhängigkeiten und der Definition von Schnittstellen erarbeitet. Zur Entwicklung einer hochgenauen und zuverlässigen Outdoor-Lokalisierung wurde vom Teilvorhaben die Erstellung der Odometrie-Modelle eingebracht. Als Grundlage für die Entwicklung und Erprobung der KI-basierten Algorithmen wurden eine dedizierte Simulationsumgebung für die im Projekt verwendeten Demonstratorfahrzeuge sowie digitale Karten des Campusgeländes und der Laborhalle erstellt. Dabei wurden auch die notwendigen Schnittstellen für die Kommunikation und Interaktion der Fahrzeugmodelle mit den Algorithmen der diversen anderen Arbeitspakete bereitgestellt. Bei der Konzeptionierung von Chassis-Systemen für kombinierten Indoor- und Outdoorbetrieb konnten u.a. die Erfahrungen aus den Verbundprojekten e²-Lenk und OmniSteer eingebracht werden. Des Weiteren wurden die funktionalen Anforderungen an derartige Chassis-Systeme abgeleitet und die Auslegung der zugehörigen Regelungs- und Automatisierungsansätze unterstützt. Diese wurden dann in die Simulationsumgebung integriert. Im Arbeitspaket „Mobilitätssystem und Connectivity (KI)“ wurde die entsprechende Rechner- und Kommunikationstechnik aufgebaut. Zusätzlich wurde ein User-Interface für eine intuitive Bedienung zur Eingabe der Aufgabe bzw. des Fahrziels auch durch ungeübte Nutzer erstellt. Um die Daten für die beim Flottenmanagement eingesetzten KI-Verfahren zu generieren, wurde ein kombiniertes Belegungs- bzw. Nachfragemodell für die in der vereinfachten Erprobungsumgebung vorhandenen Streckenabschnitte erstellt. Dieses bildete die Basis für die Bereitstellung bzw. Verwaltung der notwendigen Daten, um daraus mit Hilfe einer KI-basierten Auswertung bzw. Optimierung eine Verteilungsstrategie der Flottenfahrzeuge hinsichtlich der Verfügbarkeit, der Bereitstellungszeit und der Gesamtauslastung zu erarbeiten. Im Rahmen der „Integration und Evaluation“ fanden eine kontinuierliche und regelmäßige Integration sowie Tests von Teilsystemen statt. Mit fortlaufender Projektdauer wurden die einzelnen Teilsysteme größer und umfassender, bis letztlich am Ende die Integration sowie die Tests aller Teilsysteme in das Gesamtsystem erfolgte. Schließlich erfolgte die Evaluation des Gesamtsystems anhand eines realitätsnahen Anwendungstests in der vereinfachten Einsatzumgebung (Simulation eines Werksgeländes auf dem Campus Ost des KIT). Datei-Upload durch TIB The FLOOW project utilised the key advantages of artificial intelligence (AI) to create new solutions for the mobility of people and goods. The focus was on robust and highly accurate localisation of vehicles in the mobility system that are used for goods or passenger transport in factory traffic, as well as generalised environment recognition and risk-aware manoeuvre planning on dedicated hardware for energy-efficient solutions to the complex sub-problems on the vehicles. The sub-project described here contributed to the development of the following project results. The first step was to analyse use cases for evaluating multi-sensor localisation and AI-based environment recognition. In addition, requirements were collected and a methodology was developed for the evaluation and methodical analysis of system dependencies and the definition of interfaces. The sub-project contributed the creation of odometry models for the development of highly accurate and reliable outdoor localisation. A dedicated simulation environment for the demonstrator vehicles used in the project and digital maps of the campus grounds and the laboratory hall were created as the basis for the development and testing of the AI-based algorithms. The necessary interfaces for the communication and interaction of the vehicle models with the algorithms of the various other work packages were also provided. Experience from the joint projects e²-Lenk and OmniSteer was utilised in the design of chassis systems for combined indoor and outdoor operation. Furthermore, the functional requirements for such chassis systems were derived and the design of the associated control and automation approaches was supported. These were then integrated into the simulation environment. The corresponding computer and communication technology was set up in the ‘Mobility system and connectivity (AI)’ work package. In addition, a user interface was created for intuitive operation for entering the task or driving destination, even by inexperienced users. In order to generate the data for the AI procedures used in fleet management, a combined occupancy and demand model was created for the existing route sections in the simplified test environment. This formed the basis for the provision and management of the necessary data in order to develop a distribution strategy for the fleet vehicles in terms of availability, provision time and overall utilisation with the help of an AI-based evaluation and optimisation. Continuous and regular integration and testing of subsystems took place as part of the ‘integration and evaluation’ process. As the project progressed, the individual subsystems became larger and more comprehensive until finally all subsystems were integrated and tested in the overall system. Finally, the overall system was evaluated on the basis of a realistic application test in the simplified operating environment (simulation of a factory site on the East Campus of the KIT).