AMDEV-Bed
Bei dem AMDEV-Bed handelt es sich um eine Entwicklungs- und Demonstrationsumgebung, die aus einen physischen Modellfahrzeug mit der notwendigen Sensoratorik und Aktorik auf einem Rollenprüfstand und einer Simulationsumgebung besteht.
Das Fahrzeug verfügt über ein eingebettetes System, auf dem unterschiedlichste Implementierungen sicherheitskritischer Fahrfunktionen ausgeführt werden können. Der Rollenprüfstand simuliert die physischen Eigenschaften und Fahrbedingungen, sodass das Fahrzeug in einer kontrollierten Umgebung betrieben werden kann. Gleichzeitig wird eine Simulationsumgebung (CARLA) auf einem leistungsstarken Computer betrieben.
Mithilfe von CARLA, einer Open-Source-Simulationsumgebung, erstellen und führen wir urbane Szenarien, Verkehrsbedingungen und verschiedene Wetterbedingungen aus. Zwischen dem Modellfahrzeug und der Simulationsumgebung findet eine bidirektionale Kommunikation statt. Die Steuerbefehle der Fahrzeug-Aktorik werden in Echtzeit an CARLA übermittelt, während umgekehrt Perzeptionsinformationen von der Simulation mithilfe von realer Sensorik vom Modellfahrzeug verarbeitet werden. Diese Interaktion erfolgt über ein spezielle Interfaces (zum Beispiel mittels ROS2).
Die Kopplung mit einer Simulationsumgebung wie CARLA auf einem Rollenprüfstand bietet mehrere Vorteile. Sie ermöglicht die Simulation komplexer und realistischer Verkehrsbedingungen, die in der realen Welt schwer zu reproduzieren wären. Durch die Kombination mit dem Rollenprüfstand kann das physische Verhalten des Fahrzeugs unter verschiedenen Bedingungen genau getestet werden. Dies bietet eine sichere und kontrollierte Umgebung, in der prototypische Fahrfunktionen implementiert und getestet werden können, bevor sie in reale Fahrzeuge überführt werden, wodurch potenzielle Fehler oder unerwünschtes Verhalten ohne das Risiko realer Unfälle identifiziert und behoben werden können.
UseCase Updates:
Zur Demonstration von sicheren Over-the-Air-Updates (OTA) wird zusätzlich ein Update-Management-System implementiert, das modulare Software-Updates verwaltet, testet und an das Fahrzeug überträgt. Um die Sicherheit zu gewährleisten, sind Mechanismen wie Signaturprüfungen und Rollback-Optionen integriert, damit nur geprüfte und sichere Updates installiert werden. Ein Monitoring- und Datenerfassungssystem überwacht das Fahrzeug und sammelt Daten sowohl vom Rollenprüfstand als auch von der Simulation. Diese Daten werden von Analyse-Tools ausgewertet, um die Auswirkungen der Software-Updates auf das Fahrzeugverhalten und die Sicherheitsmerkmale zu untersuchen.
UseCase Reinforcement Learning:
Die Simulationsumgebung CARLA wird als Trainingsumgebung für das Reinforcement Learning betrachtet. In dieser Umgebung kann das Modellfahrzeug unterschiedliche Szenarien durchlaufen, wie zum Beispiel Stadtverkehr, Autobahnfahrten oder Parkmanöver. Der RL-Agent interagiert mit der Simulationsumgebung und lernt durch einfaches ausprobieren, welche Aktionen in verschiedenen Situationen zu den höchsten Erfolgen führen. Das Training erfolgt in Iterationen, wobei der Agent kontinuierlich seine Strategien verbessert. Da die Simulation schneller als die Echtzeit ablaufen kann, ist das Training in der virtuellen Umgebung effizienter als in der realen Welt.