Erweiterung eines sicherheitskritischen Kommunikationsgateways

Das in voran gegangenen Projekten entstandene Kommunikationsgateway soll um eine Abschaltung bei Betätigung der Bremse erweitert werden. Aktuell ist es nicht möglich wahrzunehmen ob die Breme gedrückt wurde und ein gleichzeitiges Gas geben verhindert werden soll. Ihre Aufgabe wird es sein die Adapterplatine (und ggf. die Software) so zu überarbeiten, dass gleichzeitiges Gasgeben und Bremse ausgeschlossen ist.

Umsetzung eines Fahrzeugreglers

Die Bahnplanung eines Fahrzeugs liefert keine direkten Eingaben an die Aktoren des Fahrzeugs (z.B. Pedale/Lenkung). Diese sind das Ergebnis eines Fahrzeugreglers, welcher das Fahrzeug einem bestimmten Weg folgen lässt. Sie entwickeln diesen Regler für das reale Fahrzeug auf Basis eines „ einfachen“ Reglers, welcher in der Simulation genutzt wird.

Evaluation der Fähigkeiten von verschiedenen Sensoren zur Umfeldwahrnehmung (z.B. LIDAR, Kamera, RADAR,…)

Der Versuchsträger ist mit einer Vielzahl von Sensoren ausgestattet. Nicht immer entsprechen die Fähigkeiten dieser Sensoren denen des Datenblatts. Ihre Aufgabe ist es für einen Bestimmten Sensor die wirklichen Fähigkeiten zu bestimmen und mit dem Datenblatt zu vergleichen.

Planung und Umsetzung einer Benutzerschnittstelle zwischen Fahrzeug und Sicherheitsfahrer

Der Sicherheitsfahrer eines Versuchsträgers muss sich auf die Verkehrssituation konzentrieren. Wird deine gefährliche Situation festgestellt muss er sofort die Kontrolle übernehmen. Dazu sind geeignete Schnittstellen bereitzustellen, welche ohne Nachzudenken nutzbar sind. Darüber hinaus sind bestimmte Fahrzeugdaten dem Fahrer zu präsentieren, um seine Einschätzung zu untermauern (z.B. wo fährt das Fahrzeug gleich hin)

Umsetzung von einzelnen Straßenverkehrsregeln

Die künstliche Intelligenz eines autonomen Fahrzeugs muss eine Vielzahl von Situationen beherrschen. Dazu wurde der Weg der kleinen Schritte gewählt und zunächst keine/wenige Verkehrsregeln umgesetzt. Ihre Aufgabe ist es neue Verkehrsregeln umzusetzen (z.B. Rechts-vor-Links Kreuzungen).

Dynamischer Transfer von autonomen Fahrfunktionen in die Cloud

Rechenleistung unnötiger Weise in einem Fahrzeug zu installieren weil sie in Grenzfällen benötigt werden könnte erzeugt hohe Kosten und erhöht den Energieverbraucht. Die Auslagerung von nicht sicherheitskritischen Funktionen in eine Cloud kann eine gute Lösung sein. Sie sollen eine bestehende Fahrfunktion auswählen und diese anschließend zwischen einem Kubernetes Cluster und dem Fahrzeug verteilen.

Anbindung zweier Kubernetes Cluster über ein unsicheres latenzbehaftetes Netz

Wenn ein Fahrzeug auf eine Cloud zugreifen soll, so ist dies i.d.R. mit schwierigen Netzbedingungen verbunden. Sie sollen ein in einem Fahrzeug beheimatest Kubernetes Cluster mit einem in einem Rechenzentrum beheimateten Cluster sicher verbinden. Die Kommunikation geschieht dabei über ein öffentliches 5G Netzwerk.

Umsetzung der Ansteuerung von Fahrzeug Sekundärfunktionen in Rust

Die Ansteuerung der Fahrzeug Sekundärfunktionen (Blinker, Licht, ...) erfolgt derzeitig über ein in C geschriebenes Programm auf einem STM32F031 Kontroller. Diese Software soll in der Programmiersprache Rust umgesetzt werden. Hierdurch wird ein höheres Sicherheitsniveau erreicht, da viele der üblichen Fehler durch die Programmiersprache verhindert werden.

Regelung eines miniaturisierten autonomen Rennfahrzeugs

Optimierung der Fahrzeugregelung bis zu einem Punkt, wo das Fahrzeug gerade nicht die Strecke verlässt. Ziel ist es das selbst ein trainierter menschlicher Fahrer Schwierigkeiten hat das Fahrzeug zu schlagen.

Fahrstreifenwechselempfehlung für ein autonomes Rennfahrzeug

Entwicklung eines Empfehlungsassistenten für Fahrstreifenwechsel. Basis ist das Gewinnen des Rennens (z.B. könnte man einen Konkurrenten ausbremsen). Umsetzung des Assistenten mit den bestehenden Fahrzeugen.

Automatisiertes Schiedsrichtersystem für ein autonomes Autorennen

Zentrale Organisationskomponente zur Steuerung eines Rennens (z.B. Startsignal). Messung von Rundenzeiten und Bestimmung des Siegers.

Überarbeitung eine Mikrocontroller Platine für ein Carrera 132 Auto

Das bestehende Microkontroller Board ist recht kompliziert aufgebaut. Die Stromversorgung soll vereinfacht werden. Zusätzlich muss die Ansteuerung des DC-Motors besser gegen Rückspeisungen des Motors abgesichert werden.

Erstellung einer realistischen virtuellen Simulation für Slot Cars mit ROS2 und Webots

Bauen Sie eine virtuelle Repräsentation der Rennstrecke und optimieren sie die Parameter so, dass das virtuelle Fahrzeug sich so wie das reale verhält.

Umsetzung eines Fahrzeugfolgefahrt mittels LIDAR Sensor

Die aktuellen Fahrzeuge bieten die Möglichkeit einen LIDAR Sensor anzuschließen. Dieser soll anschließend zur Anpassung der eigenen Geschwindigkeit an ein voraus fahrendes Fahrzeug genutzt werden.

Lokalisierung eines Slot Cars mithilfe von SLAM auf der Basis von Trägheitsdaten

Die Lokalisierung es Fahrzeugs stellt die Basis für Fahrentscheidungen dar. Ohne extrozeptive Sensoren kann diese nur mithilfe der Trägheitsdaten geschehen. Über ein SLAM-Verfahren kann nun anhand von markenten Bewegungen (z.B. Kurve) eine Position geschätzt werden.

Evaluation von (micro) ROS2 Kommunikationsparametern

Kommunikation ist eine Basisfähigkeit eines Robotersystems. ROS2 realisiert dies mithilfe des Standard OMG DDS. Hierzu existieren eine Vielzahl von Implementierungen und Parameters. Diese sollen im Rahmen dieser Arbeit evaluiert und eine Empfehlung für bestimmte Standardanwendungsfälle ausgesprochen werden.

3D Lokalisierung von Drohnen

Bestimmung der Position von Drohnen im 3D-Raum ist eine anspruchsvolle Aufgabe. Mithilfe einer Indoor GPS-Lösung kann dies hinreichend gut geschehen. Ihre Aufgabe ist die Inbetriebnahme des GPS- Systems, die Integration in die Drohnensoftware sowie so anschließende Auswertung der Genauigkeit des Systems.

Erstellung einer realistischen virtuellen Simulation für Minidrohnen mit ROS2 und Webots

Bauen Sie eine virtuelle Repräsentation des Testraums und optimieren sie die Parameter so, dass die virtuelle Drohne sich so wie die reale verhält.

Bestimmung der Drohnen Position auf der Basis von Interntialmessdaten

Die Drohne enthält eine 6DOF Trägheitsplatform. Diese kann genutzt werden zur Bestimmung einer relativen Position (ausgehend vom Startpunkt). Ihre Aufgabe ist die Schätzung der Position (z.B. mit einem Kalman Filter) sowie die anschließende Evaluation der Ergebnisse.

Design eines flachen Buildsystem für Micro ROS auf dem EPS32

Micro ROS kann für den EPS32 als Bibliothek übersetzt werden. Das Buildsystem (Makefiles…) sind jedoch sehr unübersichtlich und damit fehleranfällig. Sie werden ein neues Buildsystem designen welches sich in die Buildstruktur der IDE Platform.io einpasst uns so einen wertvollen Beitrag zur Micro ROS Entwicklung leisten.

Erweiterung eines OBD II Interfaces zur Überwachung des Fahrverhaltens eines VW Golf 7 Fahrzeugs.

In voran geganenen Projekten wurde eine OBD II Box als automatisiertes Fahrtenbuch entwickelt. Diese Arbeit soll um eine Schätzung der Art der Fahrstrecke (z.B. Autobahn, Landstraße) erweitert werden. Hierzu müssen Positionsdaten aufgezeichnet und später mit öffentlichen Kartendaten (z.B. OSM) abgeglichen werden.

Automatisiertes Fahrentscheidungs-System auf Basis von Reinforcement Learning

Ziel der Arbeit ist die Entwicklung eines Entscheidungsfindungssystems für autonomes Fahren unter Verwendung von Reinforcement Learning Algorithmen. Sie werden ein intelligentes Agentenmodell in einer simulierten Umgebung trainieren, um autonom Fahrentscheidungen zu treffen und Fahraufgaben zu erfüllen.

Entwurf eines Multi-Sensor-Fusions- und Entscheidungssystems

In einem autonomen Fahrsystem soll die Genauigkeit der Umgebungswahrnehmung durch die Fusion von Daten aus LiDAR, Kameras verbessert werden. Auf der Grundlage dieser fusionierten Sensordaten sollen Fahrentscheidungen getroffen werden. Sie sollen ein maschinelles Lernmodell entwerfen, das die Eingaben mehrerer Sensoren integriert, und die Leistung des Systems in komplexen Verkehrsszenarien validieren.

Entwicklung eines auf Imitationslernen basierenden Entscheidungssystems für autonomes Fahren

Ein Imitationslernmodell soll entworfen werden, das das Verhalten menschlicher Fahrer lernt, um das Entscheidungsmodul eines autonomen Fahrsystems zu trainieren. Sie werden Fahrdaten sammeln und annotieren, das Modell trainieren und dessen Leistung in verschiedenen Verkehrsszenarien testen, um die Anpassungsfähigkeit des Systems zu bewerten.