Trajektorienplanning für Autonome Rennfahrzeuge: Algorithmus zur gripadaptiven Trajektorienplanung

Institut

Lehrstuhl für Fahrzeugtechnik

Typ

Semesterarbeit / Masterarbeit /

Inhalt

experimentell / theoretisch /  

Beschreibung

Die Entwicklungen im Bereich des autonomen Fahrens sind rasant. Bereits heute legen die ersten autonomen Fahrzeuge auf Teststrecken tausende Kilometer zurück, ohne dass ein menschlicher Fahrer eingreifen muss. Dennoch ist das autonome Fahren noch weit von der Serienreife entfernt. Weltweit wird intensiv an diesem Megatrend geforscht. Die TUM entwickelt in Zusammenarbeit mit mehreren Lehrstühlen Software für autonomes Fahren auf verschiedenen Fahrzeugplattformen, von Rennfahrzeugen bis hin zu Großserienfahrzeugen.

Die Exploration der fahrdynamischen Grenzen für autonome Fahrzeuge auf Rennstrecken hat eine hohe Bedeutung, insbesondere im Bezug auf das vorherrschende Gripniveau. Bestehende Algorithmen zum Schätzen des Reifen-/Fahrbahnreibwerts haben oft einen sehr eingeschränkten Anwendungsbereich und keine Fähigkeit zur Prädiktion, was zu Schwierigkeiten in der Trajektorienplanung führen kann. Daher ist ein explorierendes Verhalten für Reibwertschätzungsalgorithmen für autonome Fahrzeuge ein wichtiger Bestandteil, der heutzutage noch oft durch statische Fahrdynamiklimits ersetzt wird.  Die Entwicklung von Explorationstechniken, die es autonomen Fahrzeugen ermöglichen, ihre fahrdynamischen Grenzen zu erkennen, ist daher ein wichtiger Schritt hinzu einem sicheren Betrieb von autonomen Fahrzeugen im Grenzbereich.

Aufgabenbeschreibung:

Die Zielsetzung dieser Arbeit ist die Entwicklung von Explorationsstrategien, die autonome Fahrzeuge in die Lage versetzen, die fahrdynamischen Grenzen auf unbekannten Rennstrecken zu erkennen. Hierfür sollen geeignete Algorithmen untersucht und ausgewählt werden, um eine automatische Identifikation der Constraints für die Trajektorienplanung zu ermöglichen. Die ausgewählte Methode soll in Python oder C++ implementiert werden. Anschließend soll die Funktionsweise des Algorithmus am HiL Prüfstand evaluiert werden.

Wir bieten:

• Eine interessante und praxisnahe Masterarbeit/Bachelorarbeit im Bereich der autonomen Fahrzeuge.
• Unterstützung bei der Durchführung der Arbeit.
• Praxisnahe Erfahrungen in der Entwicklung von autonomen Fahrzeugen
• Erprobung der Algorithmen in der SiL/HiL Simulation bei Erfolg Anwendung im TUM Autonomous Racing Software Stack möglich

Voraussetzungen

Anforderungen:

• Studium der Elektrotechnik, Fahrzeugtechnik, Informatik oder einer ähnlichen Fachrichtung
• Kenntnisse in der Programmierung von Python oder C++
• Grundlagenkenntnisse in der Fahrzeugtechnik oder Regelungstechnik sind von Vorteil
• Interesse an der Entwicklung von autonomen Fahrzeugen
• Eigeninitiative und selbstständige Arbeitsweise.

Interessierte Studierende werden gebeten, sich mit einem Lebenslauf und einem Notenauszug sowie einem kurzen Motivationsschreiben auf diese Aufgabenstellung zu bewerben.

Verwendete Technologien

Git, C++, Python, ROS2, Docker

Tags

FTM Studienarbeit, FTM Werner, FTM Informatik

Möglicher Beginn

sofort

Kontakt

Frederik Werner, M.Sc.
Raum: MW 3508
Tel.: +49.89.289.10341
frederik.wernertum.de

Ausschreibung