Roborace: Autonomer Motorsport
Ansprechpartner: ftm@ftm.mw.tum.de
Problemstellung
Ob BMW, VW oder Google: Nahezu alle führenden Automobilkonzerne und Technologieunternehmen forschen und entwickeln an der mehrstufigen Autonomie der Fahrzeuge, die in Autonomiestufe Level 5 ein vollständig selbstfahrendes Fahrzeug ohne Fahrer ermöglicht. Der Fahrer hatte bis dato aufgrund seiner Einschätzung und Erfahrung eine Detektion der Umwelt, eine Lokalisation sowie optimale Steuerung des Fahrzeugs vorgenommen. Durch den Wegfall des Fahrers entstehen zahlreiche Herausforderungen bei der Entwicklung von Level 5 Fahrzeugen.
Idee
Mit Beginn der dritten Formel E-Serie findet eine weitere Supportserie namens Roborace auf den aktuell von der Formel E genutzten Strecken statt. Ziel von Roborace ist es, die erste Rennserie für elektrische autonome Fahrzeuge anzubieten. Die Teams, die an diesem Wettbewerb teilnehmen, entwickeln nur die Software für die bereitgestellten autonomen Autos (Robocars).
Die Technische Universität München (TUM) hat sich entschieden, an dieser Rennserie mit einem eigenen Team teilzunehmen, das auf dem Wissen verschiedener Institute basiert. Das Team will verschiedene Funktionen für den Betrieb des autonomen Rennautos entwickeln und diese anschließend evaluieren.
Ziele
Das Ziel des Projektes TUM-Roborace ist die Entwicklung einer Software, welche ein autonomes Level-5 Fahrzeuge im fahrdynamischen Grenzbereich auf der Strecke bewegen kann. Um dieses Ziel zu erreichen, werden durch die einzelnen Teammitglieder Teilprojekte bearbeitet, die jeweils einen Beitrag zur gesamten Softwarearchitektur des Fahrzeugs liefern. Der Fokus bei der abschließenden realen Integration und den Tests im Robocar liegt allen voran auf der Evaluierung der Echtzeitfähigkeit, Performance und Ausfallsicherheit (Absicherung) der Algorithmen. Dadurch können die gewonnenen Erfahrungen genutzt und abschließend Aussagen für den weiteren Einsatz der entwickelten Funktionen in autonomen Serienfahrzeugen getroffen werden.
Folgende Teilprojekte werden im Rahmen des TUM-Roborace Projektes durchgeführt:
- Erkennung und Prädiktion fremder Verkehrsteilnehmer
- Entwicklung einer Methodik zur Unterstützung von Strategieentscheidungen im Motorsport
- Schätzung und Prädiktion des Reibwertpotentials für den Einsatz eines autonomen Rennfahrzeugs
- Sicherheitsbewertung eines autonom fahrenden Roborace-Rennfahrzeugs
- Energiemanagement für autonome Rennfahrzeuge
- Regelung von autonomen Fahrzeugen im fahrdynamischen Grenzbereich
Ergebnisse
2018
Gewinner der "Human + Machine Challenge" zusammen mit Errolson Hugh:
- The Fast and the Driverless: Munich Team Takes Home Roborace Victory
- BR „WissenHautnah“: Das Team der TUM beim Roborace in Berlin
- Human + Machine: Racing + AI Teammate
- Comparison of the lap times of two AI-driven Robocars
2019 (Season Alpha)
- 2. Platz - Roborace Season Alpha Event 1 - Circuito Monteblanco
- Pole Position - Roborace Season Alpha Event 2 - Autodromo di Modena
- 1. Platz - Roborace Season Alpha Event 5 - Circuit de Croix-en-Ternois/France
- 2. Platz - Roborace Season Alpha Event 6 - Circuit de Croix-en-Ternois/France
Veröffentlichungen
Betz, J.; Wischnewski, A.; Heilmeier, A.; Nobis, F.; Stahl, T.; Hermansdorfer, L.; Lohmann, B.; Lienkamp, M.; „What can we learn form autonomous level 5 Motorsport?“ at the 10th international Chassis Symposium “Chassis.Tech Plus 2019”, Munich, Juni 2018, doi: 10.1007/978-3-658-22050-1_12
Heilmeier, A.; Graf, M.; Lienkamp, M.;"A Race Simulation for Strategy Decisions in Circuit Motorsports" at the 21th International Conference on Intelligent Transportation Systems (ITSC) 2018, Hawaii, October 2018,doi: 10.1109/ITSC.2018.8570012
Heilmeier, A.; Wischnewski, A.; Hermansdorfer, L.; Betz, J.; Lienkamp, M.; Lohmann, B.:"Minimum curvature trajectory planning and control for an autonomous race car" in Vehicle System Dynamics - International Journal of Vehicle Mechanics and Mobility, pp. 1–31, June 2019, doi: 10.1080/00423114.2019.1631455
Stahl, T.; Wischnewski, A.; Betz, J.; Lienkamp, M: “ROS-based localization of a race vehicle at high-speed using LIDAR“ in E3S Web of Conferences, vol. 95, p. 4002, 2019, doi: 10.1051/e3sconf/20199504002
Betz, J.; Wischnewski, A.; Heilmeier, A.; Nobis, F.; Stahl, T.; Hermansdorfer, L.; Lienkamp, M.; „A Software Architecture for an Autonomous Racecar“ at the 89th Vehicular Technology Conference (VTC2019-Spring), Kuala Lumpur, 2019, doi: 10.1109/VTCSpring.2019.8746367
Nobis, F.; Betz, J. ; Hermansdorfer, L.; Lienkamp, M.: “Autonomous Racing: A Comparison of SLAM Algorithms for Large Scale Outdoor Environments“ in Proceedings of the 2019 3rd International Conference on Virtual and Augmented Reality Simulations - ICVARS ’19, 2019, doi: 10.1145/3332305.3332319
Palafox, P.; Betz, J.; Nobis, F.; Riedl, K.; Lienkamp, M.: "Fusing Semantic Segmentation and Monocular Depth Estimation for Enabling Autonomous Driving in Roads Without Lane Lines" in Sensors, vol. 19, no. 14, p. 3224, Jul. 2019, doi: 10.3390/s19143224
Heilmeier, A.; Geisslinger, M.; Betz, J.;"A Quasi-Steady-State Lap Time Simulation for Electrified Race Cars" at the 14th International Conference on Ecological Vehicles and Renewable Energies (EVER2019), Monaco, 2019, doi: 10.1109/EVER.2019.8813646
Wischnewski, A.; Stahl, T.; Betz, J.; Lohmann, B.; „Vehicle Dynamics State Estimation and Localization for High Performance Race Cars “ IFAC-PapersOnLine, vol. 52, no. 8, pp. 154–161, 2019, doi: 10.1016/j.ifacol.2019.08.064
Stahl, T.; Wischnewski, A.; Betz, J.; Lienkamp, M: “Multilayer Graph-Based Trajectory Planning for Race Vehicles in Dynamic Scenarios“ in 2019 IEEE Intelligent Transportation Systems Conference (ITSC), 2019, doi: 10.1109/ITSC.2019.8917032
Hermansdorfer, L.; Betz, J.; Lienkamp, M: “ A Concept for Estimation and Prediction of the Tire-Road Friction Potential for an Autonomous Racecar“ in 2019 IEEE Intelligent Transportation Systems Conference (ITSC), 2019, doi: 10.1109/ITSC.2019.8917024
Herrmann, T.; Christ, F.; Betz, J.; Lienkamp, M: “Energy Management Strategy for an Autonomous Electric Racecar using Optimal Control “ in 2019 IEEE Intelligent Transportation Systems Conference (ITSC), 2019, doi: 10.1109/ITSC.2019.8917154
Wischnewski, A.; Betz, J.; Lohmann, B.: “A Model-Free Algorithm to Safely Approach the Handling Limit of an Autonomous Racecar“ in 2019 IEEE International Conference on Connected Vehicles and Expo (ICCVE 2019), Graz, Austria , 2019, doi: 10.1109/ICCVE45908.2019.8965218
Betz, J.; Wischnewski, A.; Heilmeier, A., Nobis, F.; Stahl, T.; Hermansdorfer, L.; Herrmann, T.; Lienkamp, M.;: “A Software Architecture for the Dynamic Path Planning of an Autonomous Racecar at the Limits of Handling“ in 2019 IEEE International Conference on Connected Vehicles and Expo (ICCVE 2019), doi: 10.1109/ICCVE45908.2019.8965238
Nobis, F.; Geisslinger, M.; Weber, M.; Betz, J.; Lienkamp, M.: "Learning-based Radar and Camera Sensor Fusion Architecture for Object Detection," in 2019 Sensor Data Fusion: Trends, Solutions, Applications (SDF), doi: 10.1109/SDF.2019.8916629
Christ, F.; Wischnewski, A.; Heilmeier, A.; Lohmann, B.: "Time-Optimal Trajectory Planning for a Race Car Considering Variable Tire-Road Friction Coefficients" in Vehicle System Dynamics - International Journal of Vehicle Mechanics and Mobility, doi: 10.1080/00423114.2019.1704804
Betz, J.; Heilmeier, A.; Wischnewski, A.; Stahl, T.; Lienkamp, M.;: “Autonomous Driving - A Crash Explained in Detail“ in Applied Sciences, vol. 9, no. 23, p. 5126, Nov. 2019, https://doi.org/10.3390/app9235126
Stahl, T.; Betz. J; Diermeyer, F. : “Runtime Verification Concept for Autonomous Vehicles – Exemplary Study for the Planning Module of an Autonomous Race Vehicle“ in 23rd IEEE International Conference on Intelligent Transportation Systems (ITSC), September 2020, Rhodes, Greece, accepted, Fulltext (Preprint)
Nobis, F.; Betz. J; Lienkamp, M.: “Exploring the Capabilities and Limits of 3D Monocular Object Detection - A Study on Simulation and Real World Data“ in 23rd IEEE International Conference on Intelligent Transportation Systems (ITSC), September 2020, Rhodes, Greece, accepted, Fulltext (Preprint)
Herrmann, T.; Passigato, F.; Betz. J; Lienkamp, M.: “Minimum Race-Time Control-Strategy for an Autonomous Electric Racecar“ in 23rd IEEE International Conference on Intelligent Transportation Systems (ITSC), September 2020, Rhodes, Greece, accepted, Fulltext (Preprint)
Stahl, T.; Betz. J: “A Scenario Generator for Evaluating Path Planning Algorithms for Autonomous Driving” in 15th International Conference on Ecological Vehicles and Renewable Energies (EVER2020), May 2020, Monaco, France, accepted, Fulltext (Preprint)
Nobis, F.; Papanikolaoi, O.; Betz, J.; Lienkamp, M: “Persistent Map Saving for Visual Localization for Autonomous Vehicles: An ORB-SLAM Extension” in 15th International Conference on Ecological Vehicles and Renewable Energies (EVER2020), May 2020, Monaco, France, accepted, Fulltext(Preprint)
Hermansdorfer, L.; Betz, J.; Lienkamp, M: “Benchmarking of a software stack for autonomous racing against a professional human race driver” in 15th International Conference on Ecological Vehicles and Renewable Energies (EVER2020), May 2020, Monaco, France, accepted, Fulltext(Preprint)
Heilmeier, A.; Graf, M.; Betz, J.; Lienkamp, M.: ““Application of Monte Carlo Methods to Consider Probabilistic Effects in a Race Simulation for Circuit Motorsport,” Applied Sciences, vol. 10, no. 12, p. 4229, Jun. 2020, doi: https://doi.org/10.3390/app10124229
Heilmeier, A.; Thomaser, A.; Graf, M.; Betz, J.: “Virtual Strategy Engineer: Using Artificial Neural Networks for Making Race Strategy Decisions in Circuit Motorsport,” Applied Sciences, vol. 10, no. 21, p. 7805, Nov. 2020, doi: https://doi.org/10.3390/app10217805
Wischnewski, A.; Betz, J.; Lohmann, B.: „Real-Time Learning of Non-Gaussian Uncertainty Models for Autonomous Racing“ in 59th IEEE Conference on Decision and Control (CDC), Jeju Island, Republic of Korea, December 2020, accepted
Herrmann, T.; Wischnewski, A.; Hermansdorfer, L.; Betz, J.; Lienkamp, M.: „Real-Time Adaptive Velocity Optimization for Autonomous Electric Race Cars“ in IEEE Transactions on Intelligent Vehicles, under Review
Hermandorfer, L.; Trauth, R.; Betz, J.; Lienkamp, M.: „End-to-End Neural Network vor Vehicle Dynamics Modeling“ in 3rd IEEE Conference on Optimization and Modeling of Complex Systems, Agadir, Morocco, December 2020, under review
Präsentationen
Matlab Expo: A Real-Time Simulation Environment for Autonomous Vehicles in Highly Dynamic Driving Scenarios
Nvidia GTC 2018 Munich: Roborace: A Case Study in Collaboration
Münchner Wissenschaftstage: Autonomes Fahren und die neuen Arbeitswelten – das Beispiel Roborace
Software
Ihr findet den kompletten Software Stack, der von uns entwickelt wurde und mit welchem wir das Robocar betreiben, in unseren Github Repositories:
TUM Roborace Github Repository (Regler)
TUM Roborace Github Repository (Rennlinienoptimierung)
TUM Roborace Github Repository (Funktionen für die Trajektorienplanung)
Media
Förderer
Das TUM Roborace Team wird in diesem Forschungsvorhaben von zahlreichen Unternehmen sowie Fördergebern unterstützt, welche im nachfolgenden aufgelistet werden:
