STADT:up; Teilprojekt: Entwicklung und Demonstration skalierbarer Ansätze einer urbanen Lokalisation mittels einer robusten, fehlertoleranten Perzeption

Abstract

Die Automatisierung von Fahrzeugen bietet das Potential zur weiteren Verbesserung der Sicherheit und Effizienz im Straßenverkehr (insbesondere Verbrauchseffizienz und Kapazitätserhöhung) und gilt als effektives Mittel zur Steigerung des Komforts. Das Projekt STADT:up zielt auf durchgängige, skalierbare Lösungen für künftige urbane Mobilität. Die Fahrzeuge müssen auch komplexe innerstädtische Verkehrsszenarien (z.B. komplexe Knotenpunkte, Shared Space, Fußgängergruppen oder Abstimmung mit anderen Verkehrsteilnehmern etwa bei Engstellen mit Gegenverkehr) sicher beherrschen. Die Lösungen gehen dabei von individuellen Mobilitätsfällen aus und zeigen die Vernetzung zur multimodalen Mobilität. STADT:up zielt auf höhere Automatisierungsgrade bis SAE Level L4. Nicht in jeder Situation wird L4 verfügbar sein. Somit muss das automatisierte System und seine Nutzer mit Wechseln des Automatisierungsgrads während der durchgängigen Fahrt zurechtkommen ebenso das Gesamtsystem mit seiner Umgebung. Robustes Fahrverhalten erfordert die zuverlässige, vorausschauende Erkennung von Systemgrenzen und eine Beurteilung, ob der Fahrer bei einer etwaigen Übernahme auch fähig ist zu übernehmen. Um die herausfordernden Ziele zu erreichen, setzt STADT:up als Ergänzung zu etablierten Verfahren auf den Einsatz von modernen, auf Künstlicher Intelligenz (KI) / Maschinellem Lernen (ML) basierenden Verfahren entlang der kompletten Wirkkette - von der Umgebungserfassung bis hin zur erlebbaren Fahrfunktion. Im Hinblick auf realitätsnahe Perspektiven künftiger urbaner Mobilität werden geeignete Zukunftskonzepte erarbeitet und Anforderungen anhand der Bedürfnisse der Nutzer (z.B. infrastrukturseitige Anforderungen für die Nutzung von Robo-Taxen und Robo-Shuttles im Verbund mit ÖPNV) abgeleitet. Im Projekt STADT:up forscht DENSO an der Entwicklung und Demonstration skalierbarer Ansätze einer urbanen Lokalisation mittels einer robusten, fehlertoleranten Perzeption. Dabei gilt es zuerst die Verbesserung der Störungsempfindlichkeit, verursacht durch Umweltbedingungen (Witterung) und Infrastruktur (Abschattungen durch Gebäude, Tunnel), zu beherrschen. Weiterhin steht ebenfalls, die KI-basierte Robustifizierung gegenüber Dekalibrierung (Unfall, Alterung) der eingesetzten Lokalisierungs-Sensoren (relativ und absolut) im Fokus der Arbeiten.