Problemstellung

Ob BMW, VW oder Google: Nahezu alle führenden Automobilkonzerne und Technologieunternehmen forschen und entwickeln an der mehrstufigen Autonomie der Fahrzeuge, die in Autonomiestufe Level 5 ein vollständig selbstfahrendes Fahrzeug ohne Fahrer ermöglicht. Der Fahrer hatte bis dato aufgrund seiner Einschätzung und Erfahrung eine Detektion der Umwelt, eine Lokalisation sowie optimale Steuerung des Fahrzeugs vorgenommen. Durch den Wegfall des Fahrers entstehen zahlreiche Herausforderungen bei der Entwicklung von Level 5 Fahrzeugen.

Idee

Mit Beginn der dritten Formel E-Serie findet eine weitere Supportserie namens Roborace auf den aktuell von der Formel E genutzten Strecken statt. Ziel von Roborace ist es, die erste Rennserie für elektrische autonome Fahrzeuge anzubieten. Die Teams, die an diesem Wettbewerb teilnehmen, entwickeln nur die Software für die bereitgestellten autonomen Autos (Robocars). 

Die Technische Universität München (TUM) hat sich entschieden, an dieser Rennserie mit einem eigenen Team teilzunehmen, das auf dem Wissen verschiedener Institute basiert. Das Team will verschiedene Funktionen für den Betrieb des autonomen Rennautos entwickeln und diese anschließend evaluieren.

Das TUM-Roborace Team

Ziele

Das Ziel des Projektes TUM-Roborace ist die Entwicklung einer Software, welche ein autonomes Level-5 Fahrzeuge im fahrdynamischen Grenzbereich auf der Strecke bewegen kann. Um dieses Ziel zu erreichen, werden durch die einzelnen Teammitglieder Teilprojekte bearbeitet, die jeweils einen Beitrag zur gesamten Softwarearchitektur des Fahrzeugs liefern. Der Fokus bei der abschließenden realen Integration und den Tests im Robocar liegt allen voran auf der Evaluierung der Echtzeitfähigkeit, Performance und Ausfallsicherheit (Absicherung) der Algorithmen. Dadurch können die gewonnenen Erfahrungen genutzt und abschließend Aussagen für den weiteren Einsatz der entwickelten Funktionen in autonomen Serienfahrzeugen getroffen werden.

Folgende Teilprojekte werden im Rahmen des TUM-Roborace Projektes durchgeführt:

Ergebnisse 

Rennevents

Gewinner der "Human + Machine Challenge" zusammen mit Errolson Hugh:

 

Veröffentlichungen

Betz, J.; Wischnewski, A.; Heilmeier, A.; Nobis, F.; Stahl, T.; Hermansdorfer, L.; Lohmann, B.; Lienkamp, M.; „What can we learn form autonomous level 5 Motorsport?“ at the 10th international Chassis Symposium “Chassis.Tech Plus 2019”, Munich, Juni 2018, doi: 10.1007/978-3-658-22050-1_12

Heilmeier, A.; Graf, M.; Lienkamp, M.;"A Race Simulation for Strategy Decisions in Circuit Motorsports" at the 21th International Conference on Intelligent Transportation Systems (ITSC) 2018, Hawaii, October 2018,doi: 10.1109/ITSC.2018.8570012

Heilmeier, A.; Wischnewski, A.; Hermansdorfer, L.; Betz, J.; Lienkamp, M.; Lohmann, B.:"Minimum curvature trajectory planning and control for an autonomous race car" in Vehicle System Dynamics -  International Journal of Vehicle Mechanics and Mobility, pp. 1–31, June 2019, doi: 10.1080/00423114.2019.1631455

Stahl, T.; Wischnewski, A.; Betz, J.; Lienkamp, M: “ROS-based localization of a race vehicle at high-speed using LIDAR“ in E3S Web of Conferences, vol. 95, p. 4002, 2019, doi: 10.1051/e3sconf/20199504002

Betz, J.; Wischnewski, A.; Heilmeier, A.; Nobis, F.; Stahl, T.; Hermansdorfer, L.; Lienkamp, M.; „A Software Architecture for an Autonomous Racecar“ at the 89th Vehicular Technology Conference (VTC2019-Spring), Kuala Lumpur, 2019, doi: 10.1109/VTCSpring.2019.8746367

Nobis, F.; Betz, J. ; Hermansdorfer, L.; Lienkamp, M.: “Autonomous Racing: A Comparison of SLAM Algorithms for Large Scale Outdoor Environments“ in Proceedings of the 2019 3rd International Conference on Virtual and Augmented Reality Simulations - ICVARS ’19, 2019, doi: 10.1145/3332305.3332319

Palafox, P.;  Betz, J.; Nobis, F.; Riedl, K.; Lienkamp, M.:  "Fusing Semantic Segmentation and Monocular Depth Estimation for Enabling Autonomous Driving in Roads Without Lane Lines" in Sensors, vol. 19, no. 14, p. 3224, Jul. 2019,  doi: 10.3390/s19143224

Heilmeier, A.; Geisslinger, M.; Betz, J.;"A Quasi-Steady-State Lap Time Simulation for Electrified Race Cars" at the 14th International Conference on Ecological Vehicles and Renewable Energies (EVER2019), Monaco, 2019, doi: 10.1109/EVER.2019.8813646

Wischnewski, A.; Stahl, T.; Betz, J.; Lohmann, B.; „Vehicle Dynamics State Estimation and Localization for High Performance Race Cars “ IFAC-PapersOnLine, vol. 52, no. 8, pp. 154–161, 2019, doi: 10.1016/j.ifacol.2019.08.064

Stahl, T.; Wischnewski, A.; Betz, J.; Lienkamp, M: “Multilayer Graph-Based Trajectory Planning for Race Vehicles in Dynamic Scenarios“ at the 22nd IEEE International Conference on Intelligent Transportation Systems (ITSC 2019), Auckland, New Zealand, 2019, submitted and accepted

Hermansdorfer, L.; Betz, J.; Lienkamp, M: “ A Concept for Estimation and Prediction of the Tire-Road Friction Potential for an Autonomous Racecar“ at the 22nd IEEE International Conference on Intelligent Transportation Systems (ITSC 2019), Auckland, New Zealand, 2019, submitted and accepted

Herrmann, T.; Christ, F.; Betz, J.; Lienkamp, M: “Energy Management Strategy for an Autonomous Electric Racecar using Optimal Control “ at the 22nd IEEE International Conference on Intelligent Transportation Systems (ITSC 2019), Auckland, New Zealand, 2019, submitted and accepted

Wischnewski, A.; Betz, J.; Lohmann, B.: “A Model-Free Algorithm to Safely Approach the Handling Limit of an Autonomous Racecar“ at the 8th IEEE International Conference on Connected Vehicles and Expo (ICCVE 2019), Graz, Austria , 2019, submitted and accepted

Betz, J.; Wischnewski, A.; Heilmeier, A.; Nobis, F.; Stahl, T.; Hermansdorfer, L.; Herrmann, T.; Lienkamp, M.;: “A Software Architecture for the Dynamic Path Planning of an Autonomous Racecar at the Limits of Handling“ at the 8th IEEE International Conference on Connected Vehicles and Expo (ICCVE 2019), Graz, Austria , 2019, submitted and accepted

Nobis, F.; Geisslinger, M.; Weber, M.; Betz, J.; Lienkamp, M.: "Learning-based Radar and Camera Sensor Fusion Architecture for Object Detection," in 2019 Sensor Data Fusion: Trends, Solutions, Applications (SDF), Bonn, 2019, submitted and accepted

Präsentationen

Matlab Expo: A Real-Time Simulation Environment for Autonomous Vehicles in Highly Dynamic Driving Scenarios

Nvidia GTC 2018 Munich: Roborace: A Case Study in Collaboration

Münchner Wissenschaftstage: Autonomes Fahren und die neuen Arbeitswelten – das Beispiel Roborace

Software

Ihr findet den kompletten Software Stack, der von uns entwickelt wurde und mit welchem wir das Robocar betreiben, in unseren Github Repositories:

TUM Roborace Github Repository

Media

Sponsoring

Das TUM Roborace Team wird in diesem Forschungsvorhaben von zahlreichen Unternehmen sowie Fördergebern unterstützt, welche im nachfolgenden aufgelistet werden: