Context-Aware Motion Prediction for Autonomous Driving

Institute

Lehrstuhl für Fahrzeugtechnik

Type

Semester Thesis / Master's Thesis /

Content

experimental / theoretical /  

Description

Die Verhaltensprädiktion umliegender Verkehrsteilnehmer sind eine zentrale Voraussetzung für autonomes Fahren im urbanen Umfeld. Aktuelle Verfahren stützen sich in der Regel auf vergangene Bewegungs- und Karteninformationen, um die Bewegungen von Fahrzeugen, Radfahrern und Fußgängern vorherzusagen. Obwohl diese Ansätze fundierte Vorannahmen nutzen, bleibt die Berücksichtigung kontextueller Informationen der Szene vielfach unzureichend– etwa Ampelsignale, Blinker oder dynamische Interaktionen –, die menschliche Fahrer selbstverständlich in ihre Entscheidungsfindung einbeziehen. Dadurch können Prädiktionsmodelle insbesondere in komplexen städtischen Situationen versagen, in denen der Kontext eine entscheidende Rolle spielt.

Diese Arbeit untersucht, wie Embeddings aus Detektionsmodellen genutzt werden können, um Prädiktionsalgorithmen mit zusätzlichen Kontextinformationen zu versorgen. Solche Embeddings enthalten komprimierte, informationsreiche Merkmale aus Sensordaten, die relevante Hinweise über das Verhalten von Verkehrsteilnehmern liefern können, wie beispielsweise Blinkerzustände oder andere abstrakte Verhaltenssignale. Durch die Integration dieser Embeddings in ein Prädiktionsmodell neben Trajektorien- und Karteninformationen erhält das System Zugang zu weiterführendem Kontext, der insbesondere in urbanen Verkehrssituationen entscheidend ist. Ziel der Arbeit ist es, zu untersuchen, inwiefern der Einsatz dieser kontextuellen Merkmale die Robustheit und Genauigkeit von Prädiktionen verbessert, insbesondere in Szenarien mit dynamischen oder schwer vorhersagbaren Verhaltensmustern von Verkehrsteilnehmern.

Requirements

Requirements:

• Very good programming skills in Python.

• High personal motivation and independent working style.

• Very good language proficiency in German, English or French.

Tags

FTM AV, FTM AV Perception, FTM Stratil, FTM Informatik

Possible start

sofort

Contact

Loïc Stratil, M.Sc.
Room: MW 3508
Phone: +49.89.289.15898
loic.stratiltum.de

Announcement