Solutions and technologies for automated driving in town: An urban mobility project (STADT:up)

Abstract

Die von AUMOVIO Autonomous Mobility Germany GmbH (AUMOVIO AM), früher Continental Autonomous Mobility Germany GmbH (CAM), in STADT:up erarbeiteten Ergebnisse werden nachfolgend kurz zusammengefasst. Die Arbeiten beinhalteten die gesamte Wirkkette für automatisiertes Fahren, wobei AUMOVIO AM einen klaren Fokus auf die Teilprojekte TP3, TP4 und TP5 legte. TP1: Perspektiven urbaner Mobilität - Als Technologiepartner unterstützte AUMOVIO AM im Teilprojekt die Identifikation und Definition von Informationsbedarfe gegenüber den Städten durch aktive Teilnahme an Stakeholder-Workshops. TP3: Umgebung und Kontext: AUMOVIO AM fokussierte seine Beteiligung auf die drei Schwerpunkte: – Erhöhung der Robustheit des Perzeptions-Systems – Erhöhung der Detektionsperformance durch Fusionsansätze auf niedrigerer Ebene. – Erhöhung der Robustheit und Verfügbarkeit der hochgenauen Lokalisierung als wichtiger Bestandteil des PerzeptionsSystems im urbanen Raum TP4: Situationsanalyse und Planung: AUMOVIO AM lieferte wichtige Beiträge zu allen 4 Arbeitspaketen im Teilprojekt: – Herausforderungen bestanden in wenig strukturierten städtischen Szenarien, z. B. Straßen geringerer Ordnung, mit engen Fahrstreifen oder nicht klar getrennten Richtungsfahrbahnen, mit Verkehrsinseln etc. Ebenso war ein sicherer Umgang mit ungeschützten Verkehrsteilnehmern essenziell, wie z. B. beim Passieren und Überholen von Fahrradfahrern. – Um die Herausforderungen bewältigen zu können, mussten bestehende Algorithmen zur Berechnung der Fahrstrategie und zur Planung der Manöverabfolge sowie der abzufahrenden Trajektorie erweitert werden. AUMOVIO AM legte den Schwerpunkt auf graphbasierte und modellprädiktive Verfahren sowie Methoden des End-2-End-Learnings. – Für die Prädiktion des dynamischen Umfelds, insbesondere die Prädiktion des Verhaltens anderer Fahrzeuge und vulnerabler Verkehrsteilnehmer war zum einen eine Weiterentwicklung der verwendeten Prädiktionsalgorithmen notwendig, als auch eine flexiblere Nutzung der Prädiktionsdaten. – Diese Erweiterungen und Neuerungen wurden im Rahmen des Projekts einer intensiven Erprobungs- und Optimierungsphase ausgesetzt, um eine messbare Verbesserung zu erzielen. Dabei wurde die gesamte Wirkkette von Perzeption, Situationsanalyse, Prädiktion, Planung und Regelung einbezogen. TP5: Automatisiertes Fahren: AUMOVIO AM konzentrierte sich auf komplexe Themen in städtischen Szenarien (s.o.). Alle 5 definierten AUMOVIO AM Schlüsselszenarien wurden umgesetzt, erprobt und demonstriert. Dazu wurde der „Automated Driving“ (AD) Stack in zwei Versuchsträger integriert. Alle in STADT:up von AUMOVIO AM erzielten Projektergebnisse wurden im Rahmen der Abschlussveranstaltung im Juni 2026 auf dem Testgelände in Aldenhoven einem breiten Publikum vorgestellt, in den beiden Versuchsträgern erlebbar demonstriert und erläutert. The results developed by AUMOVIO Autonomous Mobility Germany GmbH (AUMOVIO AM), formerly Continental Autonomous Mobility Germany GmbH (CAM), within the STADT:up project are briefly summarized below. The work covered the entire value chain for automated driving, with AUMOVIO AM placing a clear focus on subprojects TP3, TP4, and TP5. TP1: Perspectives on Urban Mobility – As a technology partner, AUMOVIO AM supported the subproject in identifying and defining information needs vis-à-vis cities through active participation in stakeholder workshops. TP3: Environment and Context: AUMOVIO AM focused its participation on three key areas: ▪ Increasing the robustness of the perception system ▪ Improving detection performance through lower-level fusion approaches ▪ Improving the robustness and availability of high-precision localization as a key component of the perception system in urban environments TP4: Situation Analysis and Planning: AUMOVIO AM made significant contributions to all four work packages in the subproject: ▪ Challenges arose in less structured urban scenarios, such as roads with a lower level of organization - featuring narrow lanes or lanes that were not clearly separated by direction, traffic islands, etc. Likewise, safely managing interactions with vulnerable road users was essential, such as when passing or overtaking cyclists. ▪ To overcome these challenges, existing algorithms for calculating driving strategies, planning manoeuvre sequences, and determining the trajectory to be followed had to be expanded. AUMOVIO AM focused on graph-based and model-predictive methods as well as End-2-End-Learning ▪ To predict the dynamic environment (particularly the behaviour of other vehicles and vulnerable road users) it was necessary not only to further develop the prediction algorithms used but also to utilize the prediction data more flexibly. ▪ These enhancements and innovations underwent an intensive testing and optimization phase as part of the project to achieve a measurable improvement. This process encompassed the entire chain of perception, situation analysis, prediction, planning, and control. TP5: Automated Driving: AUMOVIO AM focused on complex issues in urban scenarios (see above). All five defined AUMOVIO AM key scenarios were implemented, tested, and demonstrated. To this end, the "Automated Driving" (AD) stack was integrated into two test vehicles. All project results achieved by AUMOVIO AM within STADT:up were presented to a broad audience at the closing event in June 2026 at the test site in Aldenhoven, where they were demonstrated in a hands-on manner and explained using the two test vehicles.