Fault-Tolerant Motion Planning and System Safeguards for Autonomous Driving in Autoware

Institut

Professur für autonome Fahrzeugsysteme

Typ

Semesterarbeit / Masterarbeit /

Inhalt

theoretisch /  

Beschreibung

Auch als IDP oder Forschungspraktikum möglich!

Herzlich willkommen am AVS (Autonomous Vehicle Systems) Lab!

Am AVS Lab beschäftigen wir uns mit der Entwicklung sicherer, robuster und echtzeitfähiger Planungs- und Entscheidungssysteme für autonome Fahrzeuge. Ein besonderer Fokus liegt dabei auf der Kombination aus leistungsfähigen Planungsalgorithmen, formaler Absicherung und der Integration auf eingebetteter Echtzeithardware.

Die Automobilindustrie befindet sich in einem tiefgreifenden Wandel hin zu hochautomatisierten und autonomen Fahrfunktionen. Während moderne Software-Stacks wie Autoware bereits heute komplexe Fahrsituationen bewältigen können, stellen sicherheitskritische Szenarien und der Ausfall einzelner Systemkomponenten weiterhin eine zentrale Herausforderung dar. Insbesondere in urbanen Umgebungen müssen autonome Fahrzeuge auch dann sicher reagieren können, wenn Teile der Wahrnehmung, Prädiktion oder Lokalisierung temporär nicht verfügbar sind. Für solche Situationen sind fehlertolerante Architekturen, robuste Fallback-Strategien und echtzeitfähige Backup-Systeme erforderlich.

Ein zentrales Forschungsthema am AVS ist daher die Absicherung der Verhaltens- und Trajektorienplanung durch zusätzliche Safeguards und Backup-Mechanismen. In unserer Architektur kommt dabei der Frenetix Motion Planner in Kombination mit einer Safety-Island-Struktur auf Echtzeithardware zum Einsatz. Diese Architektur erlaubt es, auch bei Ausfällen im Hauptsoftware-Stack weiterhin sichere Trajektorien zu generieren oder zumindest kontrollierte Notfallmanöver auszuführen.

Ziel dieser Arbeit ist die Konzeption, Implementierung und Evaluation eines solchen Safeguard- oder Backup-Konzepts innerhalb der Autoware–Frenetix-Architektur. Dabei stehen zwei thematische Varianten zur Auswahl, die beide auf denselben grundlegenden Arbeitspaketen aufbauen, jedoch unterschiedliche Schwerpunkte setzen. Je nach persönlichem Interesse kann der Fokus entweder stärker auf Wahrnehmung und Prädiktion oder auf Lokalisierung und Regelung gelegt werden.

Im ersten Themenbereich liegt der Fokus auf einem Perception- und Prediction-Safeguard innerhalb von Autoware. Hierbei soll ein Fallback-Mechanismus entwickelt werden, der bei Ausfällen der Wahrnehmung oder Prädiktion auf die zuletzt gültigen Informationen zurückgreift und diese konservativ in die Zukunft fortschreibt. Ziel ist es, auch ohne neue Sensordaten eine sichere Repräsentation der Umgebung bereitzustellen, die vom Echtzeit-Motion-Planner interpretiert werden kann. Dies umfasst unter anderem die Ausdehnung von Unsicherheiten, die Erzeugung konservativer Belegungsrepräsentationen sowie deren Integration in den Frenetix Planner auf der Safety Island. Zusätzlich soll untersucht werden, ob solche Mechanismen effizienter auf dem Hauptsystem oder direkt auf der Echtzeithardware umgesetzt werden können.

Der zweite Themenbereich adressiert den Ausfall der Lokalisierung und betrachtet die Entwicklung eines Backup-Lokalisierungsmoduls. Ziel ist es, während eines Lokalisierungsausfalls weiterhin eine hinreichend genaue und driftbegrenzte Fahrzeugpose bereitzustellen, um eine zuvor geplante Backup-Trajektorie sicher ausführen zu können. Dazu sollen ausschließlich Signale genutzt werden, die auch auf der Safety Island verfügbar sind, etwa IMU-Daten oder Raddrehzahlen. Der resultierende Fallback-Pose-Schätzer wird anschließend an die Autoware-Regelung angebunden und hinsichtlich Drift, Latenz und Stabilität unter unterschiedlichen Ausfallzeiten evaluiert.

Unabhängig vom gewählten Schwerpunkt verfolgt die Arbeit das Ziel, reale Ausfallszenarien systematisch zu analysieren, robuste Gegenmaßnahmen zu entwerfen und diese sowohl in Simulation als auch – bei entsprechendem Fortschritt – auf realer Hardware zu validieren. Die konkrete Schwerpunktsetzung kann flexibel an die Interessen der Studierenden angepasst werden.

Arbeitspakete:

• Literaturrecherche zu Fehlertoleranz im autonomen Fahren, sicherer Echtzeit-Trajektorienplanung, Failure-Handling in Autoware sowie Backup- und Safeguard-Systemen.
• Einarbeitung in den Autoware-Software-Stack, die bestehende Frenetix-Planungsarchitektur und die Safety-Island-Struktur inklusive aller relevanten Datenflüsse.
• Aufbau und Konfiguration der Simulationsumgebung sowie der Echtzeit-Hardware-Toolchain.
• Analyse der Schnittstellen zwischen den Autoware-Modulen für Wahrnehmung, Prädiktion, Lokalisierung, Planung und Regelung, insbesondere im Hinblick auf verfügbare Fallback-Signale.
• Entwurf und Implementierung des gewählten Safeguard- oder Backup-Konzepts.
• Integration in die Autoware–Frenetix-Planungspipeline und Verifikation des Systemverhaltens unter gezielt induzierten Fehlerszenarien.
• Systematische Evaluation hinsichtlich Sicherheit, Latenz, Laufzeitstabilität und Robustheit bei unterschiedlichen Ausfalldauern.
• Dokumentation, Analyse der Ergebnisse und Ausarbeitung der Abschlussarbeit.

Wir suchen engagierte Studierende mit Interesse an sicherheitskritischen Systemen, autonomem Fahren und echtzeitfähiger Software, die sich gerne sowohl konzeptionell als auch praktisch mit komplexen Systemarchitekturen auseinandersetzen und aktiv zur Weiterentwicklung robuster autonomer Fahrfunktionen beitragen möchten.

Voraussetzungen

Mitbringen solltest du:

• Gute Programmierkenntnisse in Python, C++ o.ä.
• Interesse am autonomen Fahren
• Erfahrungen mit ROS 2 und Ubuntu
• Hohe Eigenständigkeit
• Freude am Arbeiten im Team

Die Arbeit kann unmittelbar begonnen werden. Alle Arbeitsmittel sind vorhanden. Sende bei Interesse am Thema deinen Lebenslauf, und den aktuellen Notenauszug an untenstehende Kontaktdaten.

Gerne stelle ich dir das Thema im Detail in einem persönlichen Gespräch vor.

Unvollständige Bewerbungen können leider nicht berücksichtigt werden.

Verwendete Technologien

Python, C++, Git, Autoware, Ubuntu, ROS2

Tags

AVS Moller

Möglicher Beginn

sofort

Kontakt

Korbinian Moller
Tel.: 089 289 10411
korbinian.mollertum.de