Szenarienverständnis und Bewegungsprädiktion für Autonomes Fahren

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Semesterarbeit / Masterarbeit /
Inhalt
experimentell / theoretisch /  
Beschreibung

Die funktionale Software für Autonomes Fahren wird gerne in die Bereiche "Sense – Plan – Act" unterteilt. „Sense“ beschreibt die Umfeldwahrnehmung auf Basis von Sensordaten. Die Algorithmen sind in diesem Bereich heute bereits auf gutem Niveau. „Act“ ist die Umsetzung einer gewünschten Fahrzeugbewegung in Längsbeschleunigung und Gierrate. Die Bewegungsplanung („Plan“) in dem dynamischen, stark stochastischen Umfeld des Straßenverkehrs stellt jedoch algorithmisch eine große Herausforderung dar. Der Mensch verfügt hierfür über ein ausgeprägtes Antizipationsvermögen, wodurch er sich in diesem Umfeld orientieren und kollisionsfrei bewegen kann, was als vorausschauendes Fahren und Fahrerfahrung beschrieben wird. Die algorithmische Abbildung dieser Eigenschaften ist jedoch Gegenstand aktueller Forschung und eine zentrale Frage, um auch mit Software in komplexen Verkehrsszenarien sicheres Verhalten zu generieren. Innerhalb dieses Forschungsprojekts sollen Algorithmen (weiter-)entwickelt werden, die diese menschlichen Eigenschaften abbilden und dadurch ein Szenarienverständnis aufbauen und eine Vorhersage des Verhaltens anderer Verkehrsteilnehmer ermöglichen. Die spezifischen Inhalte möglicher Studienarbeiten hierzu bewegen sich in den Bereichen:

  • Bayes'sche Filter zur Zustandsschätzung
  • Deep Learning (Recurrent Neural Networks, Convolutional Neural Networks, Graph Neural Networks)
  • Data Mining zur Erstellung umfassender Datensätze
  • Markov-Modelle als stochastische Zustandsmodelle
  • Erklärbarkeit von Deep Learning Modellen

Das Programmieren in Python sowie Vorkenntnisse in einem der oben genannten Bereich sind erwünscht. An erster Stelle steht jedoch dein persönliches Interesse an der Thematik und dein Engagement für die Zusammenarbeit.

Bei Interesse freue ich mich über eine aussagekräftige Bewerbung von dir. Bitte füge deinen aktuellen Lebenslauf und Notenauszug bei. Bei einem gemeinsamen Gespräch können konkrete Inhalte und Schwerpunkte der Studienarbeit diskutiert und auch gerne eigene Ideen von dir eingebracht werden.

Studienarbeiten können auch gerne im Rahmen der Indy Autonomous Challenge durchgeführt werden. Desweiteren können Masterarbeiten innerhalb des Forschungsprojekts mit MAN Truck & Bus geschrieben werden. Das Projekt zielt darauf ab die beschriebenen Algorithmen für das Anwendungsgebiet des hochautomatisierten Fahrens im Container-Terminal zu entwickeln.

 

Ist dir nach Lesen der Ausschreibung noch immer nicht ganz klar, um was es bei diesem Thema geht? Dann schaue gerne in nachfolgendes Video rein, in welchem die Thematik im Rahmen unserer Vorlesung "Softwareentwicklung für Autonomes Fahren" umfangreich beleuchtet wird: Youtube-Link

Voraussetzungen
  • Gute Programmierkenntnisse in Python (Deep Learning)
  • Motivation und Interesse am Thema
  • Eigenständige und strukturiert Arbeitsweise
  • Kreativität und Eigenintiative für neue Ideen und Ansätze
Industriepartner
MAN Truck & Bus
Verwendete Technologien
Git, Python, Big Data, Deep Learning
Tags
FTM Studienarbeit, FTM IVS, FTM Karle, FTM Informatik
Möglicher Beginn
sofort
Kontakt
Phillip Karle, M.Sc.
Raum: MW 3505
Tel.: +49 89 289 15898
karleftm.mw.tum.de