1. Theses & HiWi Jobs
    2.  

Von Zustandsautomaten zur Verkehrssicherheit: Benchmarking von Fahrerassistenzsystemen durch strukturierte Szenariomodelle

Institute
Professur für autonome Fahrzeugsysteme
Type
Semester Thesis / Master's Thesis /
Content
experimental / theoretical /  
Description

[For English version see below.]

Hintergrund

Moderne Fahrerassistenzsysteme (ADAS) wie der Adaptive Tempomat (ACC), Spurhalteassistent (LKA) oder Notbremsassistent (AEB) sind zentrale Bestandteile der Fahrzeugsicherheit. Die Bewertung und Absicherung dieser Systeme in vielfältigen, realistischen und sicherheitskritischen Szenarien ist jedoch eine große Herausforderung. Bisherige Szenariobeschreibungen sind oft unstrukturiert oder schwer erweiterbar, was ihre Eignung für systematische Tests einschränkt.

Zustandsautomaten (Finite State Machines, FSMs) bieten einen modularen und interpretierbaren Ansatz zur Modellierung dynamischer Fahrsituationen. Durch die Darstellung von Fahrereignissen als diskrete Zustände mit definierten Übergängen können strukturierte, wiederverwendbare und erklärbare Szenarien entstehen, die sich besonders gut für das Benchmarking von ADAS-Funktionen eignen.

Diese Arbeit untersucht die Entwicklung und Evaluierung eines Benchmark-Frameworks auf Basis von Zustandsautomaten zur Absicherung von ADAS im Fahrsimulator.

Zielsetzung

Ziel der Arbeit ist die Entwicklung eines strukturierten Benchmark-Frameworks zur Bewertung von ADAS mithilfe von Zustandsautomaten. Im Einzelnen soll der/die Studierende:

  • Eine Literaturrecherche zur Nutzung von Zustandsautomaten in der Fahrszenariomodellierung durchführen.

  • Relevante Fahrszenarien identifizieren und als FSMs modellieren.

  • Die Szenarien in einer Simulationsumgebung (z. B. CARLA oder CommonRoad) implementieren.

  • Bewertungsmetriken zur Leistung und Sicherheit von ADAS definieren (z. B. Reaktionszeit, Sicherheitsabstand, Regelkonformität).

  • Die Robustheit und Erklärbarkeit des Benchmark-Frameworks an verschiedenen Anwendungsfällen analysieren.

Wir bieten

  • Ein aktuelles und praxisnahes Forschungsthema an der Schnittstelle von formalen Methoden und autonomem Fahren.

  • Zugang zu realistischen Simulationsumgebungen und individueller Betreuung.

  • Die Möglichkeit, an der Entwicklung wiederverwendbarer Benchmarks zur ADAS-Validierung mitzuwirken.

  • Flexible Betreuung und Durchführung in Deutsch oder Englisch möglich.

  • Option auf wissenschaftliche Veröffentlichung bei entsprechenden Ergebnissen.

Voraussetzungen (Was du mitbringen solltest)

  • Interesse an autonomem Fahren, Szenariomodellierung oder Sicherheitsthemen.

  • Eigeninitiative und eine strukturierte, analytische Denkweise.

  • Gute Programmierkenntnisse in Python oder C++.

  • Erste Erfahrungen mit Simulationsumgebungen (z. B. CARLA, SUMO, CommonRoad) sind von Vorteil.

  • Grundlagenkenntnisse zu Zustandsautomaten oder formalen Methoden sind hilfreich.

Der Arbeitsbeginn ist ab sofort möglich.
Bei Interesse senden Sie bitte eine kurze Bewerbung mit einem Motivationsschreiben, aktuellem Notenspiegel und Lebenslauf an: yuan_avs.gao@tum.de

Background

Modern Advanced Driver Assistance Systems (ADAS) such as Adaptive Cruise Control (ACC), Lane Keeping Assist (LKA), and Automatic Emergency Braking (AEB) play a vital role in enhancing vehicle safety. However, evaluating these systems across diverse, realistic, and safety-critical scenarios remains a major challenge. Traditional scenario representations are often rigid, unstructured, or difficult to scale, which limits their usefulness for systematic testing and validation.

State machines offer a modular and interpretable approach to representing dynamic driving scenarios. By modeling driving events and behaviors as discrete states with defined transitions, it becomes possible to create structured, reusable, and explainable scenario representations that are particularly well-suited for benchmarking ADAS performance.

This thesis will explore how to design, implement, and evaluate a benchmark framework based on state machine representations for ADAS testing in simulation environments.

Objective

The goal of this thesis is to develop a structured benchmarking framework for ADAS validation using finite state machines (FSMs). Specifically, the student will:

  • Survey the role of state machines in driving scenario modeling and safety analysis.

  • Identify common driving scenarios and model them as FSMs.

  • Implement the scenarios in a simulation environment (e.g., CARLA or CommonRoad).

  • Develop performance metrics to evaluate ADAS functions (e.g., reaction time, safety margin, compliance).

  • Analyze the robustness and explainability of the benchmark framework across a variety of use cases.

We Offer

  • A cutting-edge research topic at the intersection of formal methods and autonomous driving.

  • Access to realistic simulation environments and expert supervision.

  • The opportunity to contribute to the development of reusable benchmarks for ADAS validation.

  • Flexible supervision and the option to conduct the work in either German or English.

  • The potential to publish your work, subject to quality and results.

Requirements (What You Should Bring)

  • Interest in autonomous driving, scenario modeling, or safety validation.

  • Initiative and an analytical, structured mindset.

  • Strong programming skills in Python or C++.

  • Familiarity with simulation frameworks (e.g., CARLA, SUMO, CommonRoad) is a plus.

  • Basic understanding of finite state machines or formal methods is advantageous.

The work can begin immediately.
If you are interested in this topic, please send a short cover letter explaining your motivation, along with a current transcript of records and your resume, to: yuan_avs.gao@tum.de

Tags
AVS Gao
Possible start
sofort
Contact
Yuan Gao
yuan_avs.gaotum.de