EDGAR

EDGAR - Excellent Driving Garching

Ansprechpartner: Nijinshan Karunainayagam, Niklas Krauß

Join the Team

Werde Teil des EDGAR-Teams und forsche mit uns anwendungnah am autonomen Fahren von morgen. Wir bieten sowhol Doktorandenstellen als auch unterschiedlichste Möglichkeiten für Studenten.

Die Idee

Im Stand der Wissenschaft existieren bereits eine Vielzahl an Algorithmen, die sich auf die einzelnen Teilaufgaben des autonomen Fahrens wie Bilderkennung oder Fahrzeuglängsregelung fokussieren. Die große Herausforderung besteht jedoch nach wie vor darin aus den einzelnen Modulen eine optimale Gesamtsoftware für die autonome Fahraufgabe zu entwickeln. Durch die Anwendung der einzelnen funktionalen Module in der Gesamtsoftware ergeben sich neue Abhängigkeiten und verkettete Effekte. Zudem kommen die harten Randbedingungen beschränkter Rechenkapazität im Fahrzeug und möglichst niedriger Latenzen zum Tragen. Unser Forschungsschwerpunkt liegt auf eben dieser Gesamtsoftwarebetrachtung mit dem Ziel der realen Anwendung auf der Zielhardware. Dadurch können wir die kritischen Module in der Software und die intermodale Sensitivität genau spezifizieren und Forschungsthemen ableiten, die sich direkt auf ein spezifisches anwendungsrelevantes Problem beziehen.

Die Anwendung der entwickelten Software unter realen Bedingung erfolgt dabei auf einem Level-5 fähigen Forschungsfahrzeug, das mit umfangreicher Sensorik zur Erfassung der Umgebung und des eigenen Fahrzeugzustands, Hochleistungsrechnern zur Anwendung der Software sowie Schnittstellen zur Ansteuerung der Längs- und Querführung ausgerüstet ist. Zudem sind die Hochleistungscomputer baugleich in eine umfangreiche Simulationsumgebung eingebettet, welche während der gesamten Entwicklungsphase und für das automatisierte Abtesten der Softwarefunktionalität im Vorlauf von Realfahrzeugtests genutzt wird. Das Forschungsfahrzeug inkl. Datencenter und Simulator sind durch einen Großgeräteantrag der Deutschen Forschungsgemeinschaft (DFG) gefördert (Bewilligung nach Art. 91b GG mit DFG-Aktenzeichen INST 95/1653-1 FUGG).

Das Ziel

Unser Ziel ist stets die spezifische anwendungsgetriebene Weiterentwicklung bestehender Algorithmen mit Hinblick auf die optimale Gesamtsoftware. Hierfür suchen wir uns komplexe, ausgewählte Anwendungsgebiete (operation design domain, ODD), die wir zur Demonstration unsere Softwarefunktionalität und zur finalen Validierung unserer Entwicklungsarbeiten nutzen. Unsere nächste Ziel-ODD in denen wir Fahrten mit unserem Entwicklungsfahrzeug und der entwickelten Software darstellen wollen sind dabei urbane Szenarien in innerstädtischen Verkehr von München sowie Hub-to-Hub Autobahnfahrten. Trotz der spezifizierten Ziel-ODD verfolgen wir stets das Ziel der Entwicklung einer möglichst generischen Gesamtsoftware, welche auf verschiedene Verkehrsteilnehmer, Straßengeometrien, Geschwindigkeitsbereiche und Wetterbedingungen angewandt werden kann. Die umfangreiche Sensorik des Forschungsfahrzeugs soll zudem für den Aufbau eines multimodalen Datensatzes verwendet werden, der veröffentlicht wird und die Entwicklungsaktivitäten unterstützen soll.

Das Team

Der FTM verfolgt das Ziel die Kernkompetenzen verschiedener Lehrstühle in diesem Projekt gemeinsam zu bündeln und Synergien in Entwicklung und Anwendung der Forschungsinhalte zu schaffen. Stellvertretend sind vom Lehrstuhl für Fahrzeugtechnik aktuell folgende Mitarbeiten involviert:

Nijinshan Karunainayagam
Projektleitung

AV Safe Operation
Safety
Fault Tolerance

Niklas Krauss
Projektleitung

AV Safe Operation
Teleoperation
Image Compression

Control

Dheer Patel

AV Evaluation

Mapping & Localization

Jan Bergmann

Localization
Situation-Aware Localization

Perception

Loic Stratil

AV Perception
End-to-End Perception

Alexander Fuchs

AV Evaluation
Perception Evaluation

Planning

Korbinian Moller

Autonomous Vehicle Systems Lab
Trajektorienplanung

Marvin Seegert

Autonomous Vehicle Systems Lab

Trajektorienplanung

Christoph Bank

Autonomous Vehicle Systems Lab

Trajektorienplanung

Christian Oefinger

Autonomous Vehicle Systems Lab

Trajektorienplanung

Tobias Mascetta

Professur für Cyber Physical Systems

Trajektorienplanung

Ansgar Kasselmann

Professur für Cyber Physical Systems

Trajektorienplanung

Safe Operation

Richard Taupitz

Teleoperation

Unstructed Environments

Ines Trautmannsheimer

Teleoperation

Image Quality

Xiyan Su

Safety
Corner Case Detection

TUM Forschungsgruppen

Das Konsortium des DFG Forschungsfahrzeugs umfasst zudem folgende weitere Lehrstühle und Institute der TUM:

Partner

Im Rahmen verschiedener Einzelprojekte arbeitet der Lehrstuhl für Fahrzeugtechnik mit folgenden Partner zusammen:

Veröffentlichungen

2026

Kerbl, Tobias; Diermeyer, Frank: How to Assist the Perception of Automated Vehicles Remotely: An Extension and Proof-of-Concept of Perception Modification. Proceedings of the 12th International Conference on Vehicle Technology and Intelligent Transport Systems, SCITEPRESS - Science and Technology Publications, 2026, 419-429 mehr…
Kulmer, Dominik; Leitenstern, Maximilian: PointCloudCrafter: Tools for Handling, Manipulating and Analyzing of Point Clouds. Journal of Open Source Software 11 (122), 2026, 10459 mehr…
Su, Xiyan; Diermeyer, Frank; Lienkamp, Markus: Is Energy Guidance All You Need? Training-Free Norm Injection for Driving World Models. Robotics: Science and Systems 2026 Robot World Models Workshop, 2026 mehr…

2025

Kerbl, Tobias; Brecht, David; Gehrke, Nils; Karunainayagam, Nijinshan; Krauss, Niklas; Pfab, Florian; Taupitz, Richard; Trautmannsheimer, Ines; Su, Xiyan; Wolf, Maria-Magdalena; Diermeyer, Frank: TUM Teleoperation: Open Source Software for Remote Driving and Assistance of Automated Vehicles. 2025 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2025, 2593-2600 mehr…
Kerbl, Tobias; Isildar, Tarik; El Alami, Yassine; Diermeyer, Frank: Perceptual Data Visualization for Remote Assistance of Automated Vehicles: A Design Study for Perception Modification. 2025 IEEE International Conference on Systems, Man, and Cybernetics (SMC), IEEE, 2025, 7324-7331 mehr…
Kulmer, Dominik; Leitenstern, Maximilian; Weinmann, Marcel; Lienkamp, Markus: OpenLiDARMap: Zero-Drift Point Cloud Mapping Using Map Priors. Proceedings of the 11th International Conference on Vehicle Technology and Intelligent Transport Systems, SCITEPRESS - Science and Technology Publications, 2025, 178-188 mehr…
Leitenstern, Maximilian; Alten, Marko; Bolea-Schaser, Christian; Kulmer, Dominik; Weinmann, Marcel; Lienkamp, Markus: FlexCloud: Direct, Modular Georeferencing and Drift-Correction of Point Cloud Maps. Proceedings of the 11th International Conference on Vehicle Technology and Intelligent Transport Systems, SCITEPRESS - Science and Technology Publications, 2025, 157-165 mehr…
Sagmeister, Simon; Hoffmann, Simon; Betz, Tobias; Ebner, Dominic; Esser, Daniel; Lienkamp, Markus: Approaching Current Challenges in Developing a Software Stack for Fully Autonomous Driving. 2025 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2025, 1577-1584 mehr…
Su, Xiyan; Gao, Jianning; Ashri, Mahmoud; Diermeyer, Frank: Mitigating Concept Drift in QoS Prediction for Teleoperation of Autonomous Vehicles Using Historic Data. 2025 IEEE International Conference on Systems, Man, and Cybernetics (SMC), IEEE, 2025, 6654-6658 mehr…
Tahiraj, Ilir; Swadiryus, Jeremialie; Fent, Felix; Lienkamp, Markus: Cal or No Cal? - Real-Time Miscalibration Detection of LiDAR and Camera Sensors. 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2025 mehr…
Uhlemann, Nico; Wördehoff, Melina; Lienkamp, Markus: Exploring Shared Gaussian Occupancies for Tracking-Free, Scene-Centric Pedestrian Motion Prediction in Autonomous Driving. Proceedings of the 11th International Conference on Vehicle Technology and Intelligent Transport Systems, SCITEPRESS - Science and Technology Publications, 2025, 100-112 mehr…
Uhlemann, Nico; Zhou, Yipeng; Mohr, Tobias Simeon; Lienkamp, Markus: Snapshot: Towards Application-Centered Models for Pedestrian Trajectory Prediction in Urban Traffic Environments. 2025 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW), IEEE, 2025, 1062-1072 mehr…
Wolf, Maria-Magdalena; Krauss, Niklas; Schmidt, Arwed; Diermeyer, Frank: Control Center Framework for Teleoperation Support of Automated Vehicles on Public Roads. 2025 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2025, 2538-2545 mehr…

2024

Betz, Tobias; Wen, Long; Pan, Fengjunjie; Kaljavesi, Gemb; Zuepke, Alexander; Bastoni, Andrea; Caccamo, Marco; Knoll, Alois; Betz, Johannes: A Containerized Microservice Architecture for a ROS 2 Autonomous Driving Software: An End-to-End Latency Evaluation. 2024 IEEE 30th International Conference on Embedded and Real-Time Computing Systems and Applications (RTCSA), IEEE, 2024, 57-66 mehr…
Brecht, David; Gehrke, Nils; Kerbl, Tobias; Krauss, Niklas; Majstorović, Domagoj; Pfab, Florian; Wolf, Maria-Magdalena; Diermeyer, Frank: Evaluation of Teleoperation Concepts to Solve Automated Vehicle Disengagements. IEEE Open Journal of Intelligent Transportation Systems 5, 2024, 629-641 mehr…
Kaufeld, Marc; Trauth, Rainer; Betz, Johannes: Investigating Driving Interactions: A Robust Multi-Agent Simulation Framework for Autonomous Vehicles. 2024 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2024 mehr…
Kulmer, Dominik; Tahiraj, Ilir; Chumak, Andrii; Lienkamp, Markus: Multi-LiCa: A Motion- and Targetless Multi - LiDAR-to-LiDAR Calibration Framework. 2024 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI), IEEE, 2024, 1-7 mehr…
Leitenstern, Maximilian; Sauerbeck, Florian; Kulmer, Dominik; Betz, Johannes: FlexMap Fusion: Georeferencing and Automated Conflation of HD Maps with OpenStreetMap. 2024 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2024 mehr…
Moller, Korbinian; Trauth, Rainer; Betz, Johannes: Overcoming Blind Spots: Occlusion Considerations for Improved Autonomous Driving Safety. 2024 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2024 mehr…
Tahiraj, Ilir; Fent, Felix; Hafemann, Philipp; Ye, Egon; Lienkamp, Markus: GMMCalib: Extrinsic Calibration of LiDAR Sensors using GMM-based Joint Registration. 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2024 mehr…
Trauth, Rainer; Hobmeier, Alexander; Betz, Johannes: A Reinforcement Learning-Boosted Motion Planning Framework: Comprehensive Generalization Performance in Autonomous Driving. 2024 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2024 mehr…
Trauth, Rainer; Moller, Korbinian; Würsching, Gerald; Betz, Johannes: FRENETIX: A High-Performance and Modular Motion Planning Framework for Autonomous Driving. IEEE Access, 2024, 1-1 mehr…
Uhlemann, Nico; Fent, Felix; Lienkamp, Markus: Evaluating Pedestrian Trajectory Prediction Methods With Respect to Autonomous Driving. IEEE Transactions on Intelligent Transportation Systems 25 (10), 2024, 13937-13946 mehr…
Wolf, Maria-Magdalena; Taupitz, Richard; Diermeyer, Frank: Should Teleoperation Be like Driving in a Car? Comparison of Teleoperation HMIs. 2024 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2024 mehr…

2023

Betz, Johannes; Betz, Tobias; Fent, Felix; Geisslinger, Maximilian; Heilmeier, Alexander; Hermansdorfer, Leonhard; Herrmann, Thomas; Huch, Sebastian; Karle, Phillip; Lienkamp, Markus; Lohmann, Boris; Nobis, Felix; Ögretmen, Levent; Rowold, Matthias; Sauerbeck, Florian; Stahl, Tim; Trauth, Rainer; Werner, Frederik; Wischnewski, Alexander: TUM autonomous motorsport: An autonomous racing software for the Indy Autonomous Challenge. Journal of Field Robotics, 2023 mehr…
Betz, Tobias; Karle, Phillip; Werner, Frederik; Betz, Johannes: An Analysis of Software Latency for a High-Speed Autonomous Race Car—A Case Study in the Indy Autonomous Challenge. SAE International Journal of Connected and Automated Vehicles 6 (3), 2023 mehr…
Betz, Tobias; Schmeller, Maximilian; Korb, Andreas; Betz, Johannes: Latency Measurement for Autonomous Driving Software Using Data Flow Extraction. 2023 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2023 mehr…
Betz, Tobias; Schmeller, Maximilian; Teper, Harun; Betz, Johannes: How Fast is My Software? Latency Evaluation for a ROS 2 Autonomous Driving Software. 2023 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2023 mehr…
Geisslinger, Maximilian; Poszler, Franziska; Lienkamp, Markus: An ethical trajectory planning algorithm for autonomous vehicles. Nature Machine Intelligence, 2023 mehr…
Huch, Sebastian; Scalerandi, Luca; Rivera, Esteban; Lienkamp, Markus: S2R-DAD: Sim-to-Real Distribution-Aligned Dataset. 2023, (anderer Eintrag) mehr…
Huch, Sebastian; Lienkamp, Markus: Towards Minimizing the LiDAR Sim-to-Real Domain Shift: Object-Level Local Domain Adaptation for 3D Point Clouds of Autonomous Vehicles. Sensors 23 (24), 2023, 9913 mehr…
Huch, Sebastian; Sauerbeck, Florian; Betz, Johannes: DeepSTEP - Deep Learning-Based Spatio-Temporal End-To-End Perception for Autonomous Vehicles. 2023 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2023 mehr…
Huch, Sebastian; Scalerandi, Luca; Rivera, Esteban; Lienkamp, Markus: Quantifying the LiDAR Sim-to-Real Domain Shift: A Detailed Investigation Using Object Detectors and Analyzing Point Clouds at Target-Level. IEEE Transactions on Intelligent Vehicles, 2023, 1-14 mehr…
Sauerbeck, Florian; Halperin, Dan; Connert, Lukas; Betz, Johannes: CamRaDepth: Semantic Guided Depth Estimation Using Monocular Camera and Sparse Radar for Automotive Perception. IEEE Sensors Journal 23 (22), 2023, 28442-28453 mehr…
Sauerbeck, Florian; Huch, Sebastian; Fent, Felix; Karle, Phillip; Kulmer, Dominik; Betz, Johannes: Learn to See Fast: Lessons Learned From Autonomous Racing on How to Develop Perception Systems. IEEE Access 11, 2023, 44034-44050 mehr…
Sauerbeck, Florian; Kulmer, Dominik; Pielmeier, Markus; Leitenstern, Maximilian; Weiß, Christoph; Betz, Johannes: Multi-LiDAR Localization and Mapping Pipeline for Urban Autonomous Driving. 2023 IEEE SENSORS, IEEE, 2023 mehr…
Sauerbeck, Florian; Obermeier, Benjamin; Rudolph, Martin; Betz, Johannes: RGB-L: Enhancing Indirect Visual SLAM Using LiDAR-Based Dense Depth Maps. 2023 3rd International Conference on Computer, Control and Robotics (ICCCR), IEEE, 2023 mehr…
Trauth, Rainer; Karle, Phillip; Betz, Tobias; Betz, Johannes: An End-to-End Optimization Framework for Autonomous Driving Software. 2023 3rd International Conference on Computer, Control and Robotics (ICCCR), IEEE, 2023 mehr…
Trauth, Rainer; Kaufeld, Marc; Geisslinger, Maximilian; Betz, Johannes: Learning and Adapting Behavior of Autonomous Vehicles through Inverse Reinforcement Learning. 2023 IEEE Intelligent Vehicles Symposium (IV), IEEE, 2023 mehr…
Trauth, Rainer; Moller, Korbinian; Betz, Johannes: Toward Safer Autonomous Vehicles: Occlusion-Aware Trajectory Planning to Minimize Risky Behavior. IEEE Open Journal of Intelligent Transportation Systems 4, 2023, 929-942 mehr…

2022

Dwivedi, Tanay; Betz, Tobias; Sauerbeck, Florian; Manivannan, Pv; Lienkamp, Markus: Continuous Control of Autonomous Vehicles using Plan-assisted Deep Reinforcement Learning. 2022 22nd International Conference on Control, Automation and Systems (ICCAS), IEEE, 2022 mehr…
Herrmann, Thomas; Sauerbeck, Florian; Bayerlein, Maximilian; Betz, Johannes; Lienkamp, Markus: Optimization-Based Real-Time-Capable Energy Strategy for Autonomous Electric Race Cars. SAE International Journal of Connected and Automated Vehicles 5 (1), 2022 mehr…
Karle, Phillip; Geisslinger, Maximilian; Betz, Johannes; Lienkamp, Markus: Scenario Understanding and Motion Prediction for Autonomous Vehicles - Review and Comparison. IEEE Transactions on Intelligent Transportation Systems, 2022, 1-21 mehr…
Majstorovic, Domagoj; Hoffmann, Simon; Pfab, Florian; Schimpe, Andreas; Wolf, Maria-Magdalena; Diermeyer, Frank: Survey on Teleoperation Concepts for Automated Vehicles. 2022 IEEE International Conference on Systems, Man, and Cybernetics (SMC), IEEE, 2022 mehr…
Sauerbeck, Florian; Baierlein, Lucas; Betz, Johannes; Lienkamp, Markus: A Combined LiDAR-Camera Localization for Autonomous Race Cars. SAE International Journal of Connected and Automated Vehicles 5 (1), 2022 mehr…
Wischnewski, Alexander; Geisslinger, Maximilian; Betz, Johannes; Betz, Tobias; Fent, Felix; Heilmeier, Alexander; Hermansdorfer, Leonhard; Herrmann, Thomas; Huch, Sebastian; Karle, Phillip; Nobis, Felix; Ögretmen, Levent; Rowold, Matthias; Sauerbeck, Florian; Stahl, Tim; Trauth, Rainer; Lienkamp, Markus; Lohmann, Boris: Indy Autonomous Challenge - Autonomous Race Cars at the Handling Limits. In: Proceedings. Springer Berlin Heidelberg, 2022 mehr…

2021

Geisslinger, Maximilian; Karle, Phillip; Betz, Johannes; Lienkamp, Markus: Watch-and-Learn-Net: Self-supervised Online Learning for Probabilistic Vehicle Trajectory Prediction. 2021 IEEE International Conference on Systems, Man, and Cybernetics (SMC), IEEE, 2021 mehr…
Geisslinger, Maximilian; Poszler, Franziska; Betz, Johannes; Lütge, Christoph; Lienkamp, Markus: Autonomous Driving Ethics: from Trolley Problem to Ethics of Risk. Philosophy & Technology, 2021 mehr…
Huch, Sebastian; Ongel, Aybike; Betz, Johannes; Lienkamp, Markus: Multi-Task End-to-End Self-Driving Architecture for CAV Platoons. Sensors 21 (4), 2021, 1039 mehr…
Passigato, Francesco; Wischnewski, Alexander; Gordner, Achim; Diermeyer, Frank: Two Approaches for the Synthesis of a Weave-Wobble-stabilizing Controller in Motorcycles. 2021 IEEE International Intelligent Transportation Systems Conference (ITSC), IEEE, 2021 mehr…
Tobias, Betz; Fujiishi, Hidehito; Kobayashi, Taisuke: Behavioral Cloning from Observation with Bi-directional Dynamics Model. 2021 IEEE/SICE International Symposium on System Integration (SII), IEEE, 2021 mehr…

2020

Heilmeier, Alexander; Wischnewski, Alexander; Hermansdorfer, Leonhard; Betz, Johannes; Lienkamp, Markus; Lohmann, Boris: Minimum curvature trajectory planning and control for an autonomous race car. Vehicle System Dynamics 58 (10), 2020, 1497-1527 mehr…
Hermansdorfer, Leonhard; Trauth, Rainer; Betz, Johannes; Lienkamp, Markus: End-to-End Neural Network for Vehicle Dynamics Modeling. 2020 6th IEEE Congress on Information Science and Technology (CiSt), IEEE, 2020 mehr…
Herrmann, Thomas; Wischnewski, Alexander; Hermansdorfer, Leonhard; Betz, Johannes; Lienkamp, Markus: Real-Time Adaptive Velocity Optimization for Autonomous Electric Cars at the Limits of Handling. IEEE Transactions on Intelligent Vehicles, 2020, 1-1 mehr…

2019

Betz, Johannes; Wischnewski, Alexander; Heilmeier, Alexander; Nobis, Felix; Hermansdorfer, Leonhard; Stahl, Tim; Herrmann, Thomas; Lienkamp, Markus: A Software Architecture for the Dynamic Path Planning of an Autonomous Racecar at the Limits of Handling. 2019 IEEE International Conference on Connected Vehicles and Expo (ICCVE), IEEE, 2019 mehr…
Betz; Heilmeier; Wischnewski; Stahl; Lienkamp: Autonomous Driving—A Crash Explained in Detail. Applied Sciences 9 (23), 2019, 5126 mehr…
Heilmeier, Alexander; Geisslinger, Maximilian; Betz, Johannes: A Quasi-Steady-State Lap Time Simulation for Electrified Race Cars. 2019 Fourteenth International Conference on Ecological Vehicles and Renewable Energies (EVER), IEEE, 2019 mehr…
Nobis, Felix; Geisslinger, Maximilian; Weber, Markus; Betz, Johannes; Lienkamp, Markus: A Deep Learning-based Radar and Camera Sensor Fusion Architecture for Object Detection. 2019 Sensor Data Fusion: Trends, Solutions, Applications (SDF), IEEE, 2019 mehr…
Stahl, Tim; Wischnewski, Alexander; Betz, Johannes; Lienkamp, Markus: ROS-based localization of a race vehicle at high-speed using LIDAR. E3S Web of Conferences 95, 2019, 04002 mehr…
Stahl, Tim; Wischnewski, Alexander; Betz, Johannes; Lienkamp, Markus: Multilayer Graph-Based Trajectory Planning for Race Vehicles in Dynamic Scenarios. 2019 IEEE Intelligent Transportation Systems Conference (ITSC), IEEE, 2019 mehr…