Projektbeschreibung

Lastkraftwagen sind eines der wichtigsten Gütertransportmittel. Der Trend zum autonomen LKW bietet viele Vorteile für den Güterverkehr, beispielsweise schnellere Fahrtzeiten durch Vermeidung von gesetzlichen Ruhepausen, Lösung des Fahrermangels, mehr Verkehrssicherheit durch vorausschauende Planung sowie Umweltvorteile.

Am Lehrstuhl für Fahrzeugtechnik arbeiten wir mit verschiedenen Kooperationspartnern aus der Industrie und anderen Forschungseinrichtungen an dem Projekt ATLAS-L4. Unser Hauptziel ist das Hub-to-Hub autonome Fahren von LKWs (Level 4) auf Autobahnen.

Arbeitspakete am FTM

  1. Fahrdynamikregelung (Ansprechpartner: Baha Zarrouki, M.Sc.)
    Im Rahmen des autonomen Fahrens ist die Längs- und Querführung des Lkw zur Umsetzung der geplanten Trajektorie eine Herausforderung. Zur Veranschaulichung der Fahrdynamikregelungsherausforderungen innerhalb der ATLAS-L4 Operational Design Domain (ODD) hat das Zugmaschinen-Anhänger-System ein begrenztes Zeitfenster, um in eine Autobahnspur einzufädeln, da die Begrenzung der Einfädelspurlänge und die Anwesenheit anderer Verkehrsteilnehmer zu beachten sind. Störungen und Parameterunsicherheiten wie Seitenwind, Längs- und Querneigung der Straße und wechselnde  Anhängelast führen zu starken Abweichungen bei der Vorhersage des Systemzustands. Dadurch kann der Regler die engen Zeitvorgaben der Referenztrajektorie nicht einhalten, was zu sicherheitskritischen Situationen führen kann. Daher wollen wir einen robusten Regler entwerfen.
     
  2. Reibwertschätzung (Ansprechpartner: Sven Goblirsch, M.Sc.)
    Zur sicheren Führung eines autonomen Fahrzeugs ist die Kenntnis des Kraftschlusspotentials zwischen Reifen und Fahrbahn von großer Bedeutung. Weder bei Niedrigreibwertszenarien noch bei der Planung von Notfalltrajektorien, wie Ausweichmanövern oder einer Bremsung mit maximaler Verzögerung, dürfen die fahrdynamischen Grenzen überschritten werden. Dies würde zu einem Verlust der Kontrolle über das Fahrzeug führen. Um das Limit der zwischen Reifen und Fahrbahn übertragbaren Kräfte abzuschätzen, werden im Rahmen dieses Projekts verschiedene ursachen- und effektbasierte Methoden zur Reibwertschätzung miteinander verglichen und anschließend für eine genauere Schätzung kombiniert.                                                                                                                                                                                                                                                                                         
  3. Remote-Assistance auf Umgebungswahrnehmungsebene (Ansprechpartner: Tobias Kerbl, M.Sc.)        

    Autonome Fahrzeuge (AVs) sind mit einer Vielzahl von Herausforderungen in Form von ungewöhnlichen und unvorhersehbaren Szenarien konfrontiert, die als Edge Cases bezeichnet werden und wechselnde Wetterbedingungen, unkonventionelle Straßenführungen und unvorhergesehene Hindernisse umfassen können. Aufgrund der enormen Anzahl potenzieller Edges Cases und deren Komplexität ist es unwahrscheinlich, dass alle von ihnen bei der Entwicklung von AVs berücksichtigt werden können. Folglich ist es unvermeidlich, dass AVs während ihres Betriebs auf öffentlichen Straßen auf Edge Cases stoßen werden. Zur Bewältigung von Edge Cases während des Betriebs von AVs kann die Teleoperation eine Rückfalllösung bieten, indem ein menschlicher Operator das AV aus der Ferne steuern (Remote-Driving) oder unterstützen kann (Remote-Assistance). Ein möglicher Ansatz für die Remote-Assistance von AVs ist die Interaktion mit deren Wahrnehmung und Interpretation der Umgebung. Der Operator kann das AV unterstützen, indem er Objekte klassifiziert, false-positve Detektionen vernachlässigt oder das prädizierte Verhalten anderer Verkehrsteilnehmer anpasst. Mit den zusätzlichen Informationen des Operators kann das AV seine Mission autonom fortsetzen.