RDV - Real driving validation: Erweiterung der Überprüfbarkeit von Continuous SW Integration in Kommunikation mit Fahrzeugen im Feld - partnerspezifischer Abschlussbericht

Abstract

Der aktuelle Stand von Wissenschaft und Technik zur Absicherung automatisierter Fahrfunktionen zeigt, dass reine Straßentests nicht ausreichen, um sicherheitskritische und seltene Szenarien systematisch abzudecken. Daher gewinnen Vehicle-in-the-Loop- und hybride Testansätze, die reale Fahrzeugsysteme mit virtuellen Umgebungen kombinieren, zunehmend an Bedeutung. Vor diesem Hintergrund verfolgte das RDV-Projekt das Ziel, eine integrierte Prüf- und Validierungsumgebung für automatisierte Fahrfunktionen aufzubauen. Dazu wurde ein automatisiertes Forschungsfahrzeug vollständig integriert und mit einer umfassenden Sensorik-, Aktuatorik-, Datenverarbeitungs- und Sicherheitsarchitektur ausgestattet. Methodisch wurden reale Fahrzeugtests, die Erhebung und Annotation umfangreicher Sensordaten, die Entwicklung eines modularen Autonomous-Driving-Stacks sowie die Kopplung mit virtuellen Szenarien in einem Hybrid Testing Framework kombiniert. Ergänzend kamen Degradations- und Fehlermanagementkonzepte, eine weitgehend GPS-unabhängige Lokalisierung und die Systemidentifikation fahrdynamischer Parameter nach ISO 7401 zum Einsatz. Als Ergebnis entstand ein funktionsfähiges Vehicle-in-the-Loop-Prüfumfeld, das die realitätsnahe und reproduzierbare Validierung sicherheitsrelevanter Fahrfunktionen ermöglicht. Die gewonnenen Daten und Module bilden eine belastbare Grundlage für weiterführende Forschung und industrielle Anwendungen. Insgesamt zeigen die Arbeiten, dass hybride Testmethoden eine effektive und übertragbare Grundlage für die Absicherung automatisierter Fahrfunktionen darstellen und perspektivisch den Einsatz in Reallaboren und zukünftigen Fahrzeugflotten unterstützen. The current state of science and technology for the validation of automated driving functions shows that purely road-based testing is insufficient to systematically cover safety-critical and rare scenarios. As a result, vehicle-in-the-loop and hybrid testing approaches that combine real vehicle systems with virtual environments are gaining increasing importance. Against this background, the RDV project aimed to establish an integrated testing and validation environment for automated driving functions. To this end, an automated research vehicle was fully integrated and equipped with a comprehensive sensor, actuator, data processing, and safety architecture. Methodologically, the project combined real vehicle testing, the acquisition and annotation of extensive sensor datasets, the development of a modular autonomous driving stack, and the coupling with virtual scenarios within a hybrid testing framework. In addition, degradation and fault management concepts, largely GPS-independent localization, and vehicle dynamics parameter identification in accordance with ISO 7401 were implemented. As a result, a functional vehicle-in-the-loop testing environment was created that enables realistic and reproducible validation of safety-relevant driving functions. The generated data and developed modules provide a robust foundation for further research and industrial applications. Overall, the work demonstrates that hybrid testing methods represent an effective and transferable approach for validating automated driving functions and support their future deployment in real-world laboratories and vehicle fleets.