Autonomes Fahren in Bremen
Herzlich Willkommen! Tauchen Sie ein in die Bremer Projekte zur Entwicklung und Forschung von autonomen Fahrzeugen.
In einer Welt, in der Mobilität eine immer wichtigere Rolle spielt, sind autonome Fahrzeuge eine der vielversprechendsten Technologien, um den Verkehr sicherer, effizienter und umweltfreundlicher zu gestalten.
Unser Ziel ist es, die Technologie des autonomen Fahrens zu verbessern und das Vertrauen der Menschen in die Sicherheit von autonomen Fahrzeugen zu stärken. Wir arbeiten mit unseren Projektpartner daran innovative Lösungen zu finden und neue Technologien in diesem Bereich zu entwickeln. Mit modernsten mathematischen Verfahren, einem tiefen Verständnis für die komplexen Herausforderungen der autonomen Mobilität und einem tollen Team aus Expert:innen treiben wir die Forschung und Entwicklung von autonomen Fahrzeugen voran.
Wir sind davon überzeugt, dass autonom fahrende Transportmittel in Zukunft einen zentralen Beitrag dazu leisten können, die Sicherheit und Effizienz des Verkehrs zu verbessern und die Umweltbelastung zu reduzieren. Wir freuen uns darauf, Sie auf dieser spannenden Reise mitzunehmen und Sie über die neuesten Entwicklungen und Fortschritte auf dem Gebiet des autonomen Fahrens auf dem Laufenden zu halten.
Die Projekte
MUTIG-VORAN
Das Verbundprojekt MUTIG-VORAN befasst sich mit autonomen Shuttlebussen und wird von der Arbeitsgruppe Optimierung und Optimale Steuerung der Universität Bremen geleitet. Weitere Partner sind die Arbeitsgruppe Kognitive Neuroinformatik und der Arbeitsbereich Nachrichtentechnik der Universität Bremen. Das Vorhaben wird durch den Projektträger Deutschen Zentrum für Luft- und Raumfahrt unterstützt und vom Bundesministerium für Wirtschaft und Energie finanziert.
Die Ziele des Projektes lassen sich in zwei Hauptziele unterteilen. Das Erste ist die Übertragung und Anpassung der Algorithmen für den autonomen Betrieb von einem bereits autonom fahrenden Passat auf zwei Kleinbusse. Das Andere ist dann deren Einsatz in unterschiedlichen Testszenarien. Damit werden auf mittelfristige Sicht automatisiere und insbesondere übertragbare Algorithmen für das autonome Fahren entwickelt. Aus sicherheitstechnischen Gründen verfolgt das Konsortium zwei aufeinander aufbauende Testkonzepte. Auf der unteren Ebene wird ein Simulationssystem zur effizienten Validierung der Algorithmen und auf der oberen Ebene werden die Algorithmen im Realbetrieb an zwei Testfahrzeugen erprobt.
Übergeordnete Vorhaben des Projektes, die insbesondere unter Verwendung der Realfahrzeuge umgesetzt werden sollen, sind:
- Die Entwicklung effizienter KI-Algorithmen für das hoch-automatisierte Fahren
- Die Nutzung von mobilen Kommunikationswegen (5G, Satellit) für resiliente und effiziente Algorithmen
- Die Entwicklung von Prädiktionsalgorithmik zur Situationsbewertung und Notwendigkeit der Absicherung
- Die Entwicklung von V2X-Kommunikation und Remote Control für ein sicheren und vernetzen Straßenverkehr
Ein Alleinstellungsmerkmal des Vorhabens ist die Auswahl von verschiedensten und geografisch getrennten Testfeldern. Es handelt sich somit nicht um eine konkret “einprogrammierte“ Strecke, die von einem Demonstrationsfahrzeug zurückgelegt wird, sondern vielmehr um mehrere komplexe, voneinander unabhängige und reale Verkehrsszenarien. Diese intelligenten Mobilitätskonzepte zeichnen sich u.a. durch die Erschließung des ländlichen Raums, die Einbindung mobilitätseingeschränkter Personen, die Erweiterung des ÖPNV, die Erhöhung der Verkehrssicherheit durch Reduzierung der Fahrzeugdichte, die Verringerung des Pendlerverkehrs sowie die Effizienzsteigerung in der Logistik, aus.
Das Projekt startete am 01.01.2022 und wird am 31.12.2024 abgeschlossen.
Safety Control Center
Das Vorhaben „Safety Control Center“ ist ein gemeinsames Projekt von Partner aus Wirtschaft und Wissenschaft zu autonom fahrenden Shuttlebussen in Bremen. Das Ziel ist es einen autonom fahrenden Bus mit einem Leitstand zu verbinden und den Fahrzeugzustand zu überwachen. Dafür wird im Digital Hub Industry Bremen ein solches Safety Control Center aufgebaut und innerhalb des Projektes mit dem Fahrzeug verknüpft. Dabei soll der Zustand des Busses aus der Ferne zu überwacht werden können. Außerdem sollen Remote Control Funktionen installiert werden, um den Bus gegebenfalls aus der Ferne steuern zu können. Die Partner der Universität Bremen mit den Arbeitsgruppen Optimierung und Optimale Steuerung und der Arbeitsgruppe Kognitive Neuroinformatik passen hierfür ihre autonomen Fahrfunktionen, die sie bereits in anderen Projekten erproben, an die Funktionaltäten in Verbindung mit dem Safety Control Center an.
Die Industriepartner CGI Deutschland B.V. & Co KG aus Bochum und Verified Systems International GmbH aus Bremen befassen sich hierbei vor allem mit den Herausforderungen an die Echtzeit-Kommunikation mit großen Datenmengen, Cybersecurity und automatisierten Testmethoden zur Verifzierung der eingesetzten Algorithmen.
TOPAS Industriemathematik Innovation gGmbH übernimmt die Projektleitung, die Anbindung des Busses an das Safety Control Center und den Testbetrieb des Shuttlebusses. Finanziert wird das Projekt vom Deutschen Zentrum für Luft- und Raumfahrt DLR sowie vom Bundesministerium für Wirtschaft und Energie.
Start des Projektes war der 01.01.2023 mit einer Laufzeit bis zum 31.03.2025.
OPA³L
Das Forschungsprojekt OPA³L (OPtimal Assistierte, hoch Automatisierte, Autonome und kooperative Fahrzeugnavigation und Lokalisation) beschäftigt sich mit wiederkehrenden hochautomatisierten Fahrten in bekannten Gebieten. Im Anwendungsszenario wurden Fahrten mit dem Forschungsfahrzeug in Bremen Borgfeld durchgeführt. Dieser Stadtteil zeichnet sich durch den typischen Vorstadtcharakter aus. Es gibt wenig ÖPNV, sodass die Menschen teilweise mehrere Kilometer bis zur nächsten Bushaltestelle zurücklegen müssen. Um dennoch Anschluss an den bestehenden ÖPNV zu erreichen, eignen sich selbst fahrenden Fahrzeuge sehr, da sie jederzeit bei Bedarf genutzt werden können.
Allerdings treten insbesondere in diesem Bereich vielerlei Herausforderungen wie beispielsweise spielende Kinder, Radfahrer, Fußgänger, individual Verkehr, verengte Straßen, fehlende Markierungen, etc auf. All diesen Herausforderungen wird hochmodernen und innovativen Ansätzen aus den Bereichen Multi-Sensorfusion, Imageprocessing, Strategischer- und Taktischer Entscheidungsfindung und Modellprädiktiven Regelung begegnet.
Ein weitere Bestandteil des Projektes sind kooperative Manöver, die in enger Zusammenarbeit der Projektpartner durchgeführt wurden. Hierbei tauschen die Fahrzeugen untereinander Daten über ihren aktuellen Zustand und ihre Absichten für die nächsten Sekunden aus. Mit Hilfe dieser Daten lassen sich Verkehrssituationen effizient auflösen und sich somit der allgemeine Verkehrsfluss verbessern.
Komplettiert wird das Vorhaben durch Forschungen im Bereich GNSS+. Hierbei werden alle verfügbaren Satelliteninformationen (Galileo, GPS, etc.) mit Daten von Laserscannern kombiniert, damit eine hoch genaue Position bestimmt werden. Weiterhin wird insbesondere der Einfluss von Abschattung und schlechten Wetterbedingungen betrachtet.
Das Konsortium besteht hierbei aus der Universität Bremen mit den Arbeitsgruppen Optimierung und Optimale Steuerung (Projektkoordination), Kognitive Neuroinformatik, Computergraphik und virtuelle Realität, der Universität der Bundeswehr in München mit dem Institute of Space Technology and Space Applications und den Industriepartnern IAV GmbH und ANavS GmbH
Die Projektlaufzeit war vom 01.03.2019 bis zum 31.05.2023.
Video: Daniel Flügger
Die Fahrzeuge
Alle Algorithmen zum autonomen Fahren werden grundsätzlich so entwickelt, dass sie auf verschiedene Fahrzeugtypen übertragen werden können. Zur Verfügung stehen hierbei ein VW Passat Hybrid und ein VW T7 Hybrid Multivan sowie ein elektrischer Easymile EZ10 Personenshuttle. Diese Fahrzeuge sind mit umfangreicher Umgebungssensorik wie Lidar-Scannern, Radar oder Ultraschallsensoren ausgestattet. Während der VW Passat und der VW T7 Bus als umgebaute Serienfahrzeuge zunächst leichter als Testplattformen zur Automatisierung des bestehenden Personentransports angesehen werden können, werden mit dem easymile EZ10 weitergehende Mobilitätskonzepte und Autonomiestufen demonstriert, da hier eine konventionelle Ansteuerungsmöglichkeit via Gas-/Bremspedal und Lenkrad nicht einmal mehr gegeben ist.
In allen Fahrzeugen sind redundante Recheneinheiten verbaut. Sämtliche Softwaremodule können zusammengeschaltet und in Echtzeit ausgeführt werden. Die Ansteuerung der Fahrzeuge erfolgt auf speziellen, vom Hersteller explizit bereitgestellten CAN-Schnittstellen. Von der Entwicklung unabhängige Sicherheitsmechanismen gewähren dem Fahrer/ der Fahrerin jederzeit die Möglichkeit, die künstliche Intelligenz zu übersteuern oder gar zu deaktivieren.
Die Forschung
Die Forschung im Bereich des autonomen Fahrens hat in den letzten Jahren enorme Fortschritte gemacht und verspricht eine Revolution im Straßenverkehr. Durch die Kombination von künstlicher Intelligenz, Sensortechnologie und fortschrittlichen Algorithmen werden Fahrzeuge zunehmend in der Lage sein, eigenständig zu navigieren, ohne menschliche Eingriffe.
Nun soll unsere Vorgehensweise unserer Forschung einmal dagestellt werden.
Imageproccessing
Eines unserer Verfahren der Umfeldwahrnehmung ist der Einsatz neuronaler Netze zur Interpretation von Kameradaten.
Ein neuronales Netzwerk ist eine Art künstliches Gehirn, welches von uns verwendet wird, um komplexe Muster und Zusammenhänge in Bildern zu erkennen und diese für den Computer verständlich zu machen. Dieses muss mit Hilfe von Bilddaten trainiert werden, wodurch es seine Fähigkeit, Muster zu erkennen und vorherzusagen, verbessert. Das so trainierte neuronale Netzwerk ermöglicht es, Bilder zu segmentieren, Objekte zu erkennen und sogar neue Bilder zu erzeugen.
Im Projekt entwickeln wir ein großes neuronales Netz, welches mehrere Aufgaben gleichzeitig löst, indem Informationen aus den Kamerabildern extrahiert und diese dann zu mehreren, aufgabenspezifischen Netzwerkmodulen weitergegeben werden.
Eines dieser Module ist die semantische Segmentierung zur Straßenerfassung. Dadurch können wir Bilddaten in verschiedene Kategorien einteilen und eine genaue Bestimmung von Straßen, Gehwegen und anderen Verkehrsinfrastrukturen erreichen.
Darüber hinaus setzen wir generische Objekterkennungsverfahren ein, um Verkehrsteilnehmer wie Fahrzeuge, Fußgänger und Fahrradfahrer zu erkennen. Wir greifen dabei auf eine große Anzahl von Trainingsdaten zurück, um eine zuverlässige Erkennung zu gewährleisten.
Ein weiteres wichtiges Modul der Bildverarbeitung ist die kamerabasierte Ampelerkennung. Hierbei nutzen wir Bilddaten in Echtzeit, um den Status von Ampeln zu bestimmen. Diese Informationen sind für die Verkehrssteuerung des autonomen Fahrzeugs unverzichtbar.
All diese Verfahren werden auf den Forschungsfahrzeugen mit hoher Rechenleistung und mehreren Grafikkarten ausgeführt. Die leistungsfähige Hardware ermöglicht eine schnelle und präzise Verarbeitung von Bilddaten in Echtzeit, um ein sicheres und zuverlässiges autonomes Fahren zu gewährleisten.
Video: Lennart Evers | TOPAS Industriemathematik
Lokalisierung
Die Lokalisierung liefert eine Zustandsschätzung des Fahrzeugs, weche beschreibt wo sich das Fahrzeug befindet und wie es sich bewegt. Diese Information liefert die Grundlage für nahezu alle folgenden Algorithmen, welche im autonomen Fahren Anwendung finden.
Hierbei wird in Drives zwischen zwei verschiedenen Arten der Lokalisierung unterschieden, welche parallel geschätzt werden um unterschiedliche Probleme zu lösen. Eine Lokalisierung schätzt die Position lokal ohne externe Referenz wie GNSS (Galileo, GPS etc.), wodurch eine lokal präzise, sprungfreie Schätzung entsteht, welche beispielsweise für die Fahrzeugsteuerung genutzt werden kann.
Für Fahrfunktionen wie die Routenfindung werden allerdings auch globale Informationen benötigt, beispielsweise um die Position des Fahrzeugs auf einer Route zu bestimmen und zukünftige Routen entsprechend der Position planen zu können. Hierzu wird eine weitere Lokalisierung berechnet, welche eine hochgenaue externe Referenz nutzt, um eine globale Pose zu schätzen. Diese Lokalisierung kann allerdings Sprünge enthalten an Stellen wo nicht ausreichend Sateliten des Referenzsystems erreicht werden (unter Brücken, in Tunneln etc.).
Zur Berechnung der Lokalisierung wird ein sogenannter (Boxplus)-Kalman-Filter verwendet. Dieser fusioniert probabilistisch die Sensoren des Testfahrzeugs. Die lokale Schätzung verwendet dabei eine inertiale Messeinheit, Geschwindigkeitssensoren sowie den Lenkwinkel. Die globale Lokalisierung wird zusätzlich durch das RTK korrigiert.
Taktik
Als zentrales KI-Modul führt die taktische Entscheidungsfindung sämtliche Informationen, die sowohl das Fahrzeug als auch die Umgebung betreffen, zusammen und entscheidet darüber, wie sich das Fahrzeug in den nächsten Sekunden verhalten soll.
Informationen können hierbei in zwei Kategorien eingeteilt werden: zum einen solche, die sich während der Fahrt nicht verändern wie zum Beispiel die Straßenkarte, Verkehrszeichen, Geschwindigkeitsbegrenzungen, oder aber die Route zum Zielort. Zum anderen betrifft dies Informationen über die Umgebung, die regelmäßig neu erfasst, verarbeitet und interpretiert werden müssen. Hierzu gehören die eigene Position und Fahrtrichtung, die Lage unbeweglicher Hindernisse wie zum Beispiel von Bordsteinen, Bäumen oder Gebäuden, und kategorisierbare Verkehrsteilnehmende (Passanten, Radfahrer, andere PKWs etc.). Weiterhin werden erkannte Fahrbahnmarkierungen und Verkehrszeichen miteinbezogen.
Auf Grundlage all dieser Informationsquellen erstellt die Taktik eine Abfolge von Manövern, um dem geplanten Routenverlauf folgen zu können. Zu jedem Zeitpunkt kann hierbei aus verschiedenen Fahroptionen ausgewählt werden. Das Fahrzeug kann dem Straßenverlauf folgen, die Spur wechseln, Abbiegen, andere Fahrzeuge überholen, oder auf außergewöhnliche Situationen kurzfristig reagieren und zum Beispiel ausweichen oder eine Vollbremsung durchführen. Diese Manöver werden technisch durch sogenannte Trajektorien abgebildet, die den Bewegungsverlauf des Fahrzeugs innerhalb der nächsten Sekunden beschreiben. Die taktische Entscheidungsfindung wählt von den Optionen zu jedem Zeitpunkt diejenige aus, die bezüglich festgelegter Kriterien wie dem Sicherheitsgefühl, dem Fahrkomfort und der Fahrtdauer am besten bewertet wird.
Diese Trajektorie - das heißt das in den nächsten Sekunden auszuführende Manöver - wird schließlich an die Regelung übermittelt, die für die Umsetzung - das heißt das Steuern des Fahrzeugs - verantwortlich ist.
Regelung
Die Aufgabe des Regelungsmoduls ist die Steuersignale (Lenkrad-, Gaspedal- und Brems-Stellung) zu bestimmen. Mit der Zustandsschätzung der Sensorfusion gilt es die Manöver aus dem Taktik-Modul mit geeigneten Steuerungen umzusetzen. Gleichzeitig müssen statische und dynamische Hindernisse beachtet werden, um Kollisionen unter allen Umständen zu vermeiden. Für diese komplexe Aufgabe nutzen wir Techniken der Optimalsteuerung, um eine Modellprädiktive Regelung umzusetzen. Hierfür werden in hoher Frequenz sogenannte Optimalsteuerungsprobleme gelöst, in denen eine Zielfunktion unter Berücksichtigung der Fahrzeugdynamik, der gegenwärtigen Verkehrssituation und des Zustands des Ego-Fahrzeugs optimiert wird. In dieser Zielfunktion können Aspekte wie Fahrkomfort, Dauer des Manövers und/oder Treibstoffverbrauch integriert werden. Das Resultat sind Steuerungswerte über die nächsten Sekunden, durch die wir sicher und optimal das vorgeschlagene Manöver durchführen können. Diese Ansatz beinhaltet den Vorteil, dass sich alle auftretenden Manöver auf die zentrale Formulierung als Optimalsteuerungsproblem zurückführen und behandeln lassen.
Da der Ansatz der Optimalsteuerung im Bereich des hochautomatisierten Fahrens noch sehr jung ist, haben wir diverse Backup-Strategien implementiert, die im Bedarfsfall unterstützen. Hierbei greifen wir auf LQ-, PID-, Stanley und Pure-Pursuit-Regler zurück, die bereits seit mehreren Dekaden erforscht und verstanden sind. Die genannten Regler sind weniger komplex, können dafür jedoch schneller ausgewertet werden. Dies ist darauf Zurückzuführen, dass sich lediglich auf die nötigsten Eingabegrößen beschränkt wird.
Parallel zu den Reglern läuft ein Notstopp-Modul, welches in kritischen Situationen die Steuerwerte überschreiben kann. Das Fahrzeug wird hiermit zum sofortigen Halt gebracht.
Die Projektpartner
TOPAS Industriemathematik Innovation gGmbH
Die TOPAS Industriemathematik Innovation gGmbH ist der Hauptpartner des Projekts und arbeitet eng mit der Arbeitsgruppe O2C der Universität Bremen zusammen, um den autonomen Bus-Shuttleservice zu testen und die Algorithmen für autonomes Fahren zu optimieren. Das Unternehmen hat sich auf die Entwicklung von innovativen mathematischen Lösungen für die Industrie spezialisiert und bietet eine breite Palette an Dienstleistungen an, darunter mathematische Modellierung, Simulation, Optimierung und Steuerung, um komplexe industrielle Probleme zu lösen.
TOPAS Industriemathematik Innovation gGmbH
Die TOPAS Industriemathematik Innovation gGmbH ist der Hauptpartner des Projekts und arbeitet eng mit der Arbeitsgruppe O2C der Universität Bremen zusammen, um den autonomen Bus-Shuttleservice zu testen und die Algorithmen für autonomes Fahren zu optimieren. Das Unternehmen hat sich auf die Entwicklung von innovativen mathematischen Lösungen für die Industrie spezialisiert und bietet eine breite Palette an Dienstleistungen an, darunter mathematische Modellierung, Simulation, Optimierung und Steuerung, um komplexe industrielle Probleme zu lösen.
Arbeitsgruppe Optimierung und Optimale Steuerung
Prof. Dr. Christof Büskens
Das zentrale Thema der Arbeitsgruppe Optimierung und Optimale Steuerung der Universität Bremen ist die Entwicklung leistungsfähiger numerischer Algorithmen auf der Basis von Optimierungsverfahren. Weiterhin ist die praktische Anwendung zur Lösung von Problemen aus Forschung und Industrie eine Hauptaufgabe der mathematischen Universitätsgruppe. Ziel ist der Transfer von State-of-the-Art-Algorithmen aus der mathematischen Forschung in die Anwendung. Dazu werden sowohl Methoden der nichtlinearen Optimierung als auch datenbasierte Verfahren des maschinellen Lernens auf reale Probleme angewendet.
Typischer Weise stammen diese Fragestellungen aus den unterschiedlichsten Bereichen, wie den autonomen Systemen, Energie, Maritimes, Logistik oder der Luft- und Raumfahrt.
Die mathematische Forschung befasst sich insbesondere mit den Themen der nichtlinearen Optimierung und optimalen Steuerung, Modellierung und Parameteridentifikation für dynamische Systeme sowie Deep Learning und künstlichen neuronalen Netzen. Als Bndeglied zwischen der mathematischen Forschung und unseren Partnern ermöglichen wir mit Assistenz- und Automatisierungssystemen den Grundstein für eine moderne digitale Lösungsstrategie.
Arbeitsgruppe Optimierung und Optimale Steuerung
Prof. Dr. Christof Büskens
Das zentrale Thema der Arbeitsgruppe Optimierung und Optimale Steuerung der Universität Bremen ist die Entwicklung leistungsfähiger numerischer Algorithmen auf der Basis von Optimierungsverfahren. Weiterhin ist die praktische Anwendung zur Lösung von Problemen aus Forschung und Industrie eine Hauptaufgabe der mathematischen Universitätsgruppe. Ziel ist der Transfer von State-of-the-Art-Algorithmen aus der mathematischen Forschung in die Anwendung. Dazu werden sowohl Methoden der nichtlinearen Optimierung als auch datenbasierte Verfahren des maschinellen Lernens auf reale Probleme angewendet.
Typischer Weise stammen diese Fragestellungen aus den unterschiedlichsten Bereichen, wie den autonomen Systemen, Energie, Maritimes, Logistik oder der Luft- und Raumfahrt.
Die mathematische Forschung befasst sich insbesondere mit den Themen der nichtlinearen Optimierung und optimalen Steuerung, Modellierung und Parameteridentifikation für dynamische Systeme sowie Deep Learning und künstlichen neuronalen Netzen. Als Bndeglied zwischen der mathematischen Forschung und unseren Partnern ermöglichen wir mit Assistenz- und Automatisierungssystemen den Grundstein für eine moderne digitale Lösungsstrategie.
Arbeitsgruppe Kognitive Neuroinformatik
Prof. Dr. Kerstin Schill
Die Arbeitsgruppe Kognitive Neuroinformatik untersucht unter der Leitung von Prof. Dr. Kerstin Schill biologieinspirierte, intelligente Systeme, die mit unsicheren, unvollständigen und inkonsistenten Daten umgehen können. Kombiniert werden hierbei datengetriebene Bottom-Up-Verfahren und wissensbasierte Top-Down-Prozesse. Bottom-Up umfasst Signalverarbeitung visueller Daten und die Fusion multisensorischer Daten mittels probabilistischer Methoden (Bayes Theorie, Kalman- und Partikel-Filter), Verfahren zur erweiterten Darstellung von Unsicherheit (z.B. Dempster-Shafer-Theorie) sowie Machine- und Deep-Learning. Die Top-Down-Ansätze umfassen evidenzbasiertes Schlussfolgern, autonome Entscheidungsfindung, die Maximierung des Informationsgewinns sowie Explorationsstrategien. Weiter dienen empirische Experimente der Untersuchung von Szenenanalyse mit sakkadischen Augenbewegungen, multisensorischem Alignment sowie menschlicher Raumrepräsentation, Exploration und Navigation.
Arbeitsgruppe Kognitive Neuroinformatik
Prof. Dr. Kerstin Schill
Die Arbeitsgruppe Kognitive Neuroinformatik untersucht unter der Leitung von Prof. Dr. Kerstin Schill biologieinspirierte, intelligente Systeme, die mit unsicheren, unvollständigen und inkonsistenten Daten umgehen können. Kombiniert werden hierbei datengetriebene Bottom-Up-Verfahren und wissensbasierte Top-Down-Prozesse. Bottom-Up umfasst Signalverarbeitung visueller Daten und die Fusion multisensorischer Daten mittels probabilistischer Methoden (Bayes Theorie, Kalman- und Partikel-Filter), Verfahren zur erweiterten Darstellung von Unsicherheit (z.B. Dempster-Shafer-Theorie) sowie Machine- und Deep-Learning. Die Top-Down-Ansätze umfassen evidenzbasiertes Schlussfolgern, autonome Entscheidungsfindung, die Maximierung des Informationsgewinns sowie Explorationsstrategien. Weiter dienen empirische Experimente der Untersuchung von Szenenanalyse mit sakkadischen Augenbewegungen, multisensorischem Alignment sowie menschlicher Raumrepräsentation, Exploration und Navigation.
Arbeitsbereich Nachrichtentechnik
Prof. Dr.-Ing. Armin Dekorsy
Der Arbeitsbereich Nachrichtentechnik der Universität Bremen (ANT) hat langjährige Expertise im Bereich der Kommunikationssysteme, Algorithmen und Signalverarbeitungsmethoden. Durch Projekte bei der DFG, der EU, in BMBF-Programmen und mit der Industrie findet eine direkte Verwertung der Grundlagenforschung in Mobilfunksystemen, industriellen und medizinischen Funksystemen sowie Kommunikationssystemen für die Raumfahrt statt. Der Arbeitsbereich leitet das Projekt FunKI (BMBF), koordiniert AI4Sat5G (ESA) und ist am Open6GHub, der 6G-Plattform und verschiedenen 6G-Industrieprojekten (BMBF) beteiligt. In MUTIG-VORAN arbeitet der ANT an der Erprobung und Optimierung kommerzieller 5G Technik und and neuen Kommunikationstechnologien für die gleichzeitige Lokalisierung und Kommunikation in zukünftigen 5G/6G Mobilfunksystemen.
Arbeitsbereich Nachrichtentechnik
Prof. Dr.-Ing. Armin Dekorsy
Der Arbeitsbereich Nachrichtentechnik der Universität Bremen (ANT) hat langjährige Expertise im Bereich der Kommunikationssysteme, Algorithmen und Signalverarbeitungsmethoden. Durch Projekte bei der DFG, der EU, in BMBF-Programmen und mit der Industrie findet eine direkte Verwertung der Grundlagenforschung in Mobilfunksystemen, industriellen und medizinischen Funksystemen sowie Kommunikationssystemen für die Raumfahrt statt. Der Arbeitsbereich leitet das Projekt FunKI (BMBF), koordiniert AI4Sat5G (ESA) und ist am Open6GHub, der 6G-Plattform und verschiedenen 6G-Industrieprojekten (BMBF) beteiligt. In MUTIG-VORAN arbeitet der ANT an der Erprobung und Optimierung kommerzieller 5G Technik und and neuen Kommunikationstechnologien für die gleichzeitige Lokalisierung und Kommunikation in zukünftigen 5G/6G Mobilfunksystemen.
CGI
CGI ist ein globaler Dienstleister für IT- und Geschäftsprozesse, verfügt über 91.000 Mitarbeitende weltweit und bietet seit 1976 strategische IT- und Business-Beratung, Systemintegration, Managed IT, Business Process Services und Intellectual Property auf Top-Niveau. Die Geschäftseinheit CGI Space Deutschland bringt für das Projekt Safety Control Center ihre umfangreiche Expertise und Erfahrung im Bereich Kommunikation und Software-Engineering zur erfolgreichen Umsetzung des Projektes ein. Unterstützung leistet CGI vor allem im Bereich der Echtzeit-Kommunikation mit großen Datenmengen, Cybersecurity und automatisierten Testmethoden zur Verifizierung der eingesetzten Algorithmen. Mit der langjährigen Erfahrung in verschiedenen Branchen ist das Unternehmen bestens gerüstet, um die komplexen Herausforderungen beim Safety Control Center zu bewältigen. Die Lösungen sind darauf ausgerichtet, eine sichere Umgebung zu schaffen und das Risikomanagement beim autonomen Fahren zu optimieren, um potenzielle Gefahren frühzeitig zu erkennen und angemessen darauf zu reagieren.
CGI
CGI ist ein globaler Dienstleister für IT- und Geschäftsprozesse, verfügt über 91.000 Mitarbeitende weltweit und bietet seit 1976 strategische IT- und Business-Beratung, Systemintegration, Managed IT, Business Process Services und Intellectual Property auf Top-Niveau. Die Geschäftseinheit CGI Space Deutschland bringt für das Projekt Safety Control Center ihre umfangreiche Expertise und Erfahrung im Bereich Kommunikation und Software-Engineering zur erfolgreichen Umsetzung des Projektes ein. Unterstützung leistet CGI vor allem im Bereich der Echtzeit-Kommunikation mit großen Datenmengen, Cybersecurity und automatisierten Testmethoden zur Verifizierung der eingesetzten Algorithmen. Mit der langjährigen Erfahrung in verschiedenen Branchen ist das Unternehmen bestens gerüstet, um die komplexen Herausforderungen beim Safety Control Center zu bewältigen. Die Lösungen sind darauf ausgerichtet, eine sichere Umgebung zu schaffen und das Risikomanagement beim autonomen Fahren zu optimieren, um potenzielle Gefahren frühzeitig zu erkennen und angemessen darauf zu reagieren.
Verified Systems
Verified Systems hat sich auf die Entwicklung sicherheitskritischer Systeme und Software spezialisiert hat. Als Projektpartner im Projekt Safety Control Center bringt Verified Systems seine herausragende Fachkompetenz und Erfahrung ein. Diese Arbeiten wie auch CGI an der Echtzeit-Kommunikation mit großen Datenmengen, Cybersecurity und automatisierten Testmethoden zur Verifizierung der eingesetzten Algorithmen. Mit einem Fokus auf Sicherheit, Zuverlässigkeit und Qualität arbeitet Verified Systems eng mit anderen Projektpartnern zusammen, um die Sicherheitskontrollen im Safety Control Center zu optimieren und somit eine sichere Umgebung zu schaffen. Ihr Know-how in der Entwicklung sicherheitskritischer Lösungen ermöglicht es, innovative Technologien einzusetzen, sodass potenzielle Gefahren frühzeitig erkannt und entsprechend gehandelt werden kann.
Verified Systems
Verified Systems hat sich auf die Entwicklung sicherheitskritischer Systeme und Software spezialisiert hat. Als Projektpartner im Projekt Safety Control Center bringt Verified Systems seine herausragende Fachkompetenz und Erfahrung ein. Diese Arbeiten wie auch CGI an der Echtzeit-Kommunikation mit großen Datenmengen, Cybersecurity und automatisierten Testmethoden zur Verifizierung der eingesetzten Algorithmen. Mit einem Fokus auf Sicherheit, Zuverlässigkeit und Qualität arbeitet Verified Systems eng mit anderen Projektpartnern zusammen, um die Sicherheitskontrollen im Safety Control Center zu optimieren und somit eine sichere Umgebung zu schaffen. Ihr Know-how in der Entwicklung sicherheitskritischer Lösungen ermöglicht es, innovative Technologien einzusetzen, sodass potenzielle Gefahren frühzeitig erkannt und entsprechend gehandelt werden kann.
Unterstützer
Die Unterstützer des Projektes "MUTIG VORAN" von TOPAS Industriemathematik sind zum einen das Bundesministerium für Wirtschaft und Klimaschutz. Dies unterstützt das Projekt finanziell und ist ein wichtiger Partner bei der Förderung von Forschungs- und Entwicklungsprojekten in Deutschland.
Außerdem werden im Rahmen des Projekts mehrere Testszenarien an verschiedenen Orten durchgeführt, darunter das BLG Logistics Terminal in Bremerhaven, die Universität Bremen und der Künstlerort Worpswede. Die Nutzung der 5G-Kommunikation zur Umgebungswahrnehmung und Lokalisierung der Fahrzeuge ist ebenfalls Teil des Projekts. Die Betreiber der Testumgebungen sowie die Anbieter der 5G-Kommunikation können somit als weitere Unterstützer des Projekts betrachtet werden.