1. BaSaMa & HiWi
    2.  

From Racing Games to Real Cars: A Virtual Race Engineer for Driver Training

Institut
Professur für autonome Fahrzeugsysteme (TUM-ED)
Typ
Semesterarbeit / Masterarbeit /
Inhalt
experimentell / theoretisch /  
Beschreibung

[For English Version see below.]

Von Racing Games ins reale Fahrzeug: Ein virtueller Renningenieur für das Fahrertraining

Ein guter Fahrcoach vermittelt nicht nur die optimale Linie oder den richtigen Bremspunkt, sondern entscheidet auch, welche Information ein Fahrer zu welchem Zeitpunkt verarbeiten und umsetzen kann. Um diese Unterstützung zu digitalisieren, müssen fahrdynamische Empfehlungen in verständliche und situationsgerechte Hinweise übersetzt werden. Visuelle, akustische und haptische Rückmeldungen bieten hierfür unterschiedliche Möglichkeiten. Racing Games können als Inspiration dienen, beispielsweise für die Darstellung von Ideallinien und Bremshinweisen. Welche Konzepte sich für nachhaltiges Lernen und den späteren Einsatz im realen Fahrzeug eignen, ist Gegenstand dieser Arbeit.

Am AVS Lab entwickeln wir neuartige Algorithmen für die Pfad- und Trajektorienplanung, die auf Fahrzeugen getestet werden, die an der Indy Autonomous Challenge und der Abu Dhabi Autonomous Racing League teilnehmen. Diese Fahrzeuge erreichen Geschwindigkeiten von bis zu 280 km/h und müssen sicher mit anderen Autos auf der Strecke interagieren. Aufbauend auf diesem Forschungsumfeld soll untersucht werden, wie Erkenntnisse aus dem autonomen Rennsport für das Training menschlicher Fahrer nutzbar gemacht werden können. Langfristig soll ein digitales System zentrale Aufgaben eines Fahrcoaches im realen Fahrzeug übernehmen und Fahrer auf abgesperrten Rennstrecken beim Aufbau ihrer Fähigkeiten unterstützen.

Projektziel

Ziel dieser Arbeit ist die Entwicklung und Evaluation eines Interaktionskonzepts für einen digitalen Rennstrecken-Coach. Das System soll fahrerbezogene Empfehlungen so vermitteln, dass Fahrer ihre Rundenzeiten und Fahrkonstanz verbessern und die erlernten Fähigkeiten auch ohne Unterstützung anwenden können. Der Fokus liegt zunächst auf Einsteigern, wobei die Anforderungen erfahrenerer Fahrer berücksichtigt werden sollen. Der Mensch führt das Fahrzeug vollständig selbst.

Zunächst sollen bestehende Coaching-Ansätze aus Forschung, Motorsport und Racing Games untersucht und Anforderungen an einen digitalen Coach abgeleitet werden. Darauf aufbauend sollen visuelle, akustische und haptische Rückmeldungen sowie geeignete Kombinationen betrachtet werden. Mögliche Ansätze sind Hinweise zu Bremspunkten, gesprochene Empfehlungen, haptische Signale oder eine gezielte Auswertung nach der Runde. Neben der Darstellungsform sollen insbesondere Zeitpunkt, Häufigkeit und Informationsumfang untersucht werden. Das Coaching soll zum aktuellen Können passen und mit zunehmendem Lernfortschritt angepasst werden können. Die Bewertung soll neben Rundenzeit und Fahrkonstanz auch Verständlichkeit, mentale Beanspruchung, Frustration und Akzeptanz berücksichtigen. Fahrten ohne Unterstützung sollen nach Möglichkeit zeigen, ob die Hinweise einen nachhaltigen Lernerfolg ermöglichen. 

Wir bieten:

  • Ein dynamisches und zukunftsorientiertes Forschungsfeld: Arbeite an der technologischen Spitze des autonomen Rennsports.
  • Praxiserfahrung: Arbeite mit einem hochmodernen Software-Stack für autonomes Fahren.
  • Publikationspotenzial: Die Möglichkeit, deine Ergebnisse als wissenschaftliches Paper zu veröffentlichen (leistungsabhängig).
  • Sprachliche Flexibilität: Die Arbeit kann wahlweise auf Englisch oder Deutsch verfasst werden.

Deine Qualifikationen:

  • Hohe Eigeninitiative und kreative Problemlösungsfähigkeiten.
  • Sehr gute Englischkenntnisse.
  • Fortgeschrittene Kenntnisse in Python oder C++.
  • Erste Erfahrungen mit autonomen Fahrzeugen sind von Vorteil.
  • Erfahrung in der Softwareentwicklung ist ein Plus.

Startdatum: Die Arbeit kann ab sofort begonnen werden.

Bewerbung: Bei Interesse sende einfach eine E-Mail mit einem kurzen Anschreiben, in dem du erklärst, was dich an diesem Thema fasziniert, sowie einem aktuellen Notenauszug und deinem Lebenslauf an ann-kathrin.schwehn<script>document.write('@');</script>

<noscript>(at)</noscript>tum.de.

------------------------------------------- English Version -------------------------------------------

From Racing Games to Real Cars: A Virtual Race Engineer for Driver Training

An effective driving coach does more than communicate the optimal racing line or braking point. The coach also decides which information a driver can process and apply at a particular moment. Digitalizing this support requires translating vehicle dynamics recommendations into understandable guidance suited to the driving situation. Visual, auditory, and haptic feedback offer different possibilities for achieving this. Racing games can provide inspiration, for example through racing line displays and braking cues. This thesis will investigate which concepts are suitable for lasting learning and eventual use in a real vehicle.

At the AVS Lab, we are developing novel algorithms for path and trajectory planning, which are tested on vehicles participating in the Indy Autonomous Challenge and the Abu Dhabi Autonomous Racing League. These vehicles reach speeds of up to 280 km/h and must safely interact with other cars on the track. Building on this research environment, the work will investigate how insights from autonomous racing can support the training of human drivers. The long-term goal is a digital system that performs key functions of an in-car driving coach and helps drivers develop their skills on closed racing circuits.

Project Objective

The aim of this work is to develop and evaluate an interaction concept for a digital race engineer. The system should communicate driver-specific recommendations in a way that helps drivers improve lap times and consistency while developing skills they can also apply without assistance. The initial focus will be on beginners, while considering the requirements of more experienced drivers. The human retains full control of the vehicle.

The work will first investigate existing coaching approaches from research, motorsport, and racing games to derive requirements for a digital coach. Based on these findings, visual, auditory, and haptic feedback, as well as suitable combinations, should be explored. Possible approaches include braking point cues, spoken recommendations, haptic signals, and focused post-lap feedback. Beyond the presentation format, the work should examine the timing, frequency, and amount of information provided. Coaching should suit the driver’s current abilities and allow adaptation as learning progresses. Evaluation should consider lap time and driving consistency alongside clarity, mental workload, frustration, and acceptance. Where feasible, driving without assistance should be used to assess whether the guidance produces lasting learning. 

We offer:

  • A dynamic and future-oriented research field: Work at the cutting edge of autonomous racing.
  • Hands-on experience: Work with a state-of-the-art software stack for autonomous driving.
  • Publication potential: The opportunity to publish your findings as a scientific paper (based on merit).
  • Language flexibility: The thesis can be written in either English or German.

Your qualifications:

  • Strong initiative and creative problem-solving skills.
  • Excellent English proficiency.
  • Advanced knowledge of Python or C++.
  • Previous experience with autonomous vehicles is an advantage.
  • Experience in software development is a plus.

Start Date: Work can begin immediately.

Application: If you are interested, please send an email with a brief cover letter explaining what fascinates you about this topic, your current academic transcript, and a resume to ann-kathrin.schwehn<script>document.write('@');</script>

<noscript>(at)</noscript>tum.de.
Möglicher Beginn
sofort
Kontakt
Ann-Kathrin Schwehn
ann-kathrin.schwehntum.de