Simulationsbasierte Entwicklung von ADAS und automatisiertem Fahren mittels Machine-Learning
Dr. Andreas Kuhn, Andata
Die Komplexität zukünftiger Fahrerassistenz-Systeme bis hin zum vollautomatisierten Fahren bedingt komplett neue Herangehensweisen und Ansätze in der Entwicklung und Absicherung entsprechender Systeme. Traditionelle Ingenieursmethoden und rein analytische Ansätze sind hier nicht mehr ausreichend.
Die Firma ANDATA hat hierfür einen Systementwicklungsansatz für die Entwicklung, Spezifikation, Bewertung und Absicherung formuliert und mit Hilfe von MATLAB® mit den passenden Erweiterungen und Toolboxen umgesetzt. Technologisch verbirgt sich dahinter eine geschickte Kombination von Szenario-basierten Ansätzen mit mehrstufig stochastischer Simulation, konsequenter Nutzung der Vorteile von Machine-Learning-Verfahren und einem entsprechenden Funktionsarchitektur-Modell, welches auch in Stateflow®/Simulink® abgebildet ist.
In diesem Vortrag werden anhand konkreter Beispiele die Entwicklungsschritte exemplarisch dargestellt. Dazu gehören u.a.
- Die Erstellung umfassender Szenario-Datenbanken und automatisierte Szenen-Simulation (Versuchsplanung)
- Anomalie- und Störungserkennung zur Plausibilisierung und qualitativen Absicherung der Daten
- Kombinierte Relevanz-Analyse aus empirischen Daten
- Spezifikation der Soll-Aktionen
- Numerische Identifikation von Anforderungskonflikten
- Training und Validierung von Funktionsprototypen und Virtuellen Sensoren mit Machine Learning Modellen
- Interaktive Funktionsbewertung und Funktionsapplikation (MATLAB mit Parallel Computing und GPU)
- Funktionsimplementierung
Der dargestellte Entwicklungsprozess wurde bereits mehrfach erfolgreich auch an anderen Systementwicklungen für unterschiedliche Applikationen angewendet. Beispielsweise wurde so auch die komplette Steuerungsalgorithmik von frei navigierenden AGV (Automated Guided Vehicles) in Rekordzeit umgesetzt.
Aufgezeichnet: 26 Jun 2017
