Diese Seite wurde maschinell übersetzt.
Füllen Sie bitte eine 1-Minuten-Befragung zur Qualität dieser Übersetzung aus.
Entwicklung eines skalierbaren digitalen Entwicklungs-Frameworks zur Validierung autonomer Fahrzeuge
Automatisierung der Szenariogenerierung für zuverlässige autonome Fahrzeugleistung
„Mithilfe von MATLAB-Tools haben wir 128 Echtzeit-Testszenarien mit vollständiger Rückverfolgbarkeit automatisiert – wodurch sich die Ausführungszeit auf etwa ein Sechstel und die Validierungszeit von Tagen auf Stunden verkürzt haben.“
Wichtigste Ergebnisse
- Die automatisierte Ausführung von 128 Echtzeit-Testszenarien in 7 Stunden verkürzte sich von ein bis zwei Tagen, wodurch die Validierungszeit deutlich reduziert wurde.
- Vollständige Rückverfolgbarkeit über Anforderungen, Architektur und Testergebnisse hinweg erreicht.
- Entwicklung eines skalierbaren Frameworks, das sich an neue Fahrzeugplattformen und operative Designbereiche anpassen lässt.
Tanmay Samak und Chinmay Samak entwickelten ein flexibles digitales Zwillings-Framework zur Validierung autonomer Geländefahrzeuge.
Jedes Jahr können Naturkatastrophen wie Hurrikane oder Erdbeben den Zugang zu abgelegenen Gebieten erschweren, um Hilfsgüter zu liefern oder Schäden zu begutachten. Autonome Geländefahrzeuge bieten eine Lösung für dieses Problem, doch diese komplexen cyber-physischen Systeme stehen vor technischen Herausforderungen, wie dem Umgang mit schwierigem Gelände und rauen Umweltbedingungen sowie der Auswahl zwischen einer Vielzahl von algorithmischen Optionen für Wahrnehmung, Planung und Steuerung. Daher beruht die Entwicklung dieser Fahrzeuge oft auf uneinheitlichen, ad-hoc-Testmethoden.
Um diesem Problem zu begegnen, entwickelten Forscher des Labors für Automatisierung, Robotik und Mechatronik (ARMLab) am Internationalen Zentrum für Automobilforschung der Clemson University (CU-ICAR) in Zusammenarbeit mit dem Forschungszentrum für virtuelle Prototypen autonomer Bodensysteme (VIPR-GS) und dem US Army DEVCOM Ground Vehicle Systems Center (GVSC) ein modulares digitales Entwicklungs-Framework zur Verifizierung und Validierung autonomer Bodenfahrzeuge im Gelände.
Das Team integrierte Simulationen digitaler Zwillinge in das AutoDRIVE-Ökosystem mittels Model-Based Systems Engineering und Model-Based Design-Workflows. System Composer™ wurde verwendet, um die Systemarchitektur mit bidirektionaler Rückverfolgbarkeit über Anforderungen, Design und Tests hinweg zu spezifizieren und zu analysieren. Eine benutzerdefinierte, auf WebSockets basierende API verband AutoDRIVE mit MATLAB® und Simulink®. Dies ermöglicht den Datenaustausch in Echtzeit und die automatisierte Szenarioerstellung.
Deep-Learning-Modelle zur Objekterkennung wurden mit Planungs- und Steuerungssystemen gekoppelt, um eine wahrnehmungsbasierte Steuerung zu ermöglichen. Variant Manager und Test Manager wurden verwendet, um 128 einzigartige Testszenarien zu automatisieren, die jeweils unterschiedliche Umgebungsbedingungen und Systemkonfigurationen simulieren.
Das Ergebnis war ein skalierbares, erweiterbares Framework, das in der Lage ist, eine umfassende Validierung in etwa 7 Stunden durchzuführen – was einer Reduzierung um 70 bis 85 % gegenüber der vorherigen Dauer von ein bis zwei Tagen entspricht – und das alles mit einem einzigen Klick. Das Team erforscht nun Hardware-in-the-Loop-Tests und die Integration von Hochleistungsrechnern, um die Fähigkeiten weiter auszubauen.
Eingesetzte Produkte
