V&V4Transformation – Sichere Automatisierung durch fortschrittliche Simulation

Im Projekt V&V4Transformation (Verification & Validation Methods and Toolchains for Mobility Transformation) werden Methoden und Werkzeugketten entwickelt und implementiert, um die Sicherheit automatisierter Fahrfunktionen nachzuweisen und fortlaufend im Betrieb zu gewährleisten. Der Fokus liegt auf dem Paradigmenwechsel von reinen Realfahrten hin zur Nutzung von gemischt-virtuellen Simulationsumgebungen im Rahmen der Zulassung autonomer Fahrzeuge (Level 4 und Level 5).

V&V4Transformation
Betriebsbereiche und Verkehrsszenarien für autonome Fahrzeuge

Die Herausforderung: Komplexität vs. Sicherheit

Betriebsbereiche und Verkehrsszenarien für autonome Fahrzeuge sind "Open-World"-Umgebungen, die ständigen Veränderungen unterliegen. Ein klassisches "Freifahren" im Feld reicht für den Sicherheitsnachweis nicht mehr aus. Stattdessen ist es erforderlich, Fahrzeuge bereits in der Entwicklungsphase sowie kontinuierlich im Betrieb virtuell zu zertifizieren.

Dies erfordert:

  • Validierte Digitale Zwillinge: Hochpräzise Abbildungen von Betriebsbereichen, die auf Echtzeitdaten basieren.
  • Effiziente V&V-Methoden: Simulationstechnologien, die den Sicherheitsnachweis (Safety of the Intended Functionality – SOTIF) wirtschaftlich und reproduzierbar gestalten.
  • Skalierbarkeit: Methoden, die von der Komponentenentwicklung bis zum Systemtest im realen Einsatzraum funktionieren.

Der Ansatz: Vom digitalen Modell zum simulativen Test

V&V4Transformation
Beispielhafte Elemente des Verifikations- und Validierungsframeworks mit darauf aufbauenden kundenspezifischen Toolketten

V&V4Transformation baut auf dem bestehenden "NGC Simulation Framework" des DLR auf und erweitert es. Es wird ein integrativer Ansatz verfolgt, der verschiedenste Automotive-Simulatoren verbindet.

Das Herzstück der Strategie ist die automatisierbare Erstellung und Verwendung von validierten Digitalen Zwillingen zur Entwicklung, Erprobung und Zulassung autonomer Fahrzeuge. Diese entsprechen einer virtuellen Darstellung eines konkreten physischen Verkehrsbereichs (einschließlich Straßeninfrastruktur, Gebäude und dynamischem Umgebungsverkehr). Basierend auf diesen validierten Modellen entwickelt das Projekt effiziente Werkzeugketten für:

  1. Risikobewertung innerhalb definierter Betriebsbereiche (ODD).
  2. Erstellung digitaler Zwillinge abgeleitet aus Realdaten.
  3. Generierung kritischer Testszenarien abgeleitet aus Realdaten und formalen Spezifikationen.
  4. Simulatives Testen der Automatisierungsfunktionen gegen diese Szenarien, um Software-Updates und ODD-Erweiterungen sicher vorzubereiten.

Konkrete Anwendungsfälle & Demonstratoren

Die entwickelten Methoden und Werkzeugketten werden nicht nur theoretisch erarbeitet, sondern in praxisnahen Use-Cases evaluiert und demonstriert. Dabei stehen urbane Mobilität und Logistik im Fokus:

  • Städtische Mobilität am Quartier "Schwarzer Berg" Braunschweig:
    Evaluierung eines autonomen Personentransport (L4-Shuttles basierend auf dem Konzept U-Shift) in einem komplexen urbanen Quartier. Hier wird demonstriert, wie durch Simulation die Sicherheit für autonome Fahrzeuge in dicht bebauten Gebieten nachgewiesen und wie Software-Funktionen fortlaufend an neue Anforderungen und Situationen angepasst werden können.
  • Hub-to-Hub Logistik auf der Autobahn:
    Evaluierung des autonomen Gütertransport (L4-Truck basierend auf dem "Long Haul Robot Truck", LHRT) im Testfeld Niedersachsen. Der Fokus liegt hier auf der Absicherung von Überlandfahrten unter verschiedenen Verkehrsbedingungen, um den Güterverkehr effizienter zu gestalten.
  • Vernetzung & Transfer:
    Das Projekt arbeitet eng mit Kooperationspartnern zusammen (u. a. ACT4Transformation, IMoGer, LORe), um das Transferpotential der Ergebnisse für die gesamte Mobilitätstransformation auszuschöpfen und Standards für die Zertifizierung hochautomatisierten Fahrens zu erarbeiten.

Projektziele & Erwartete Ergebnisse

Das übergeordnete Ziel des Projekts V&V4Transformation ist es, Hürden für die Marktreife autonomer Fahrzeuge abzubauen, indem Methoden für die Nachweisbarkeit und Zertifizierbarkeit von autonomen Fahrzeugen entwickelt werden.

Die Kernziele im Überblick:

  • Digital Twin Factory: Entwicklung automatisierbarer Methoden zur Erstellung validierter Digitaler Zwillinge von Verkehrsbereichen.
  • Szenarienbasierte V&V: Effiziente Technologiekette für die Definition von Risikobewertungen und das Generieren relevanter Testfälle.
  • Validierung im Simulationsraum: Virtuelles Testen von Fahrfunktionen (inkl. Interaktion mit Fußgängern/Verkehr) gegen erstellte Szenarien.
  • Zertifizierungsstandards: Erarbeitung wissenschaftlich fundierter Best-Practices und Standards für die Absicherung autonomer Fahrzeuge gemäß aktueller Gesetzgebung.
  • Industrielle Anwendbarkeit: Erfolgreicher Nachweis der Technologien in den oben genannten Use-Cases (L4 Shuttle, L4 Truck) inklusive Demonstration zur Erweiterung des zulässigen Betriebsbereichs (ODD).

Werkzeuge und Methoden, die im vorangegangenen Forschungsprojekt V&V4NGC entwickelt wurden

Neben den Methoden und Werkzeugen zur Entwicklung und Erprobung technischer Systeme liegt ein weiterer Fokus auf Methoden und simulationsbasierten Werkzeugen zur Mensch-Maschine-Interaktion. Dazu gehören sowohl echtzeitfähige Simulationen mit menschlichen Probanden in Fahrsimulatoren als auch modellbasierte Simulationen der Mensch-Maschine-Interaktion unter Verwendung rechnergestützter Modelle menschlichen Verhaltens. Mit diesen unterschiedlichen simulationsbasierten Methoden und Werkzeugen konnten bereits zahlreiche heterogene Studien und Tests erfolgreich durchgeführt werden. Alle im Folgenden dargestellten Verifikations- und Validierungstoolketten (V&V) verwenden Komponenten des NGC Simulations-Frameworks.

Werkzeugkette zur szenarienbasierten Verifikation

GEMSTAR

Toolketten wie GEMSTAR ermöglichen die szenarienbasierte Sicherheitsbewertung automatisierter Fahrfunktionen und liefern zertifizierungsrelevante Nachweise ohne reale Fahrtests.

TSC

Die TSC-Toolchain ermöglicht effiziente simulationsbasierte Tests kritischer Verkehrsszenarien zur Verifikation automatisierter Fahrfunktionen.

RdbS

Die RdbS-Toolchain erstellt realitätsnahe Szenarien aus Fahrzeugdaten zur verbesserten Simulation automatisierter Fahrfunktionen.

Szenarienbasiertes Monitoring

Das szenarienbasierte Online-Monitoring vergleicht das Fahrverhalten automatisierter Fahrzeuge in Echtzeit mit formalen Szenariospezifikationen zur Absicherung sicherer Fahrmanöver und zur Erkennung neuer Fahrsituationen.

Werkzeugkette zur sicheren Fahrdynamik

KI-basierte Vertikaldynamikregelung

Modulare Toolkette zur Entwicklung, dem Training und der Validierung KI-basierter Fahrdynamikregler mit direkter Überführung in reale Fahrzeugsysteme auf Basis etablierter Standards wie Modelica und FMI.

Predictive Maintenance

KI-basierte vorausschauende Wartung prognostiziert den Zustand sicherheitsrelevanter Komponenten wie Stoßdämpfer und ermöglicht eine zustandsorientierte Instandhaltung zur Erhöhung von Zuverlässigkeit und Sicherheit.

Digitale Zwillinge für autonome Fahrzeug-Crashanalysen

Simulationsbasierte Validierung passiver Sicherheitsstrukturen ermöglicht realistische virtuelle Crashtests zur Erhöhung der Fahrzeug- und Insassensicherheit in zukunftsweisenden Mobilitätskonzepten.

Sicheres Zusammenspiel mit Verkehrsteilnehmern

Virtueller Tester

Modellbasierte HMI-Simulation mit dem Virtual Tester ermöglicht die frühzeitige Bewertung von Mensch-Maschine-Interaktionen und unterstützt eine effiziente, qualitätssteigernde Entwicklung automatisierter Systeme durch realitätsnahe Verhaltens-simulation.

Interaktion mit vulnerablen Verkehrsteilnehmern

Die Toolchain ermöglicht simulationsbasierte Tests der Interaktion automatisierter Fahrzeuge mit vulnerablen Verkehrsteilnehmern zur Verbesserung von Sicherheit und Akzeptanz.

Geodaten zur Szenariogenerierung

Digitale Zwillinge erlauben es, Betriebsbereiche und Sensoren automatisierter Fahrzeuge mit Hilfe von Simulationen zu bewerten und zu optimieren, um einen sicheren Einsatz zu gewährleisten.

Werkzeugkette für funktional sichere und IT-sichere Online-Updates

Modulare Online Updates

Modulare Online-Updates sichern störungsfreien Betrieb verschiedener Softwarekomponenten auf zentralen Steuergeräten im Fahrzeug.

AI-in-the-loop

Die AI-in-the-Loop-Toolchain unterstützt Echtzeit-Training und kontinuierliche Verbesserung sicherheitskritischer KI-Systeme.

V&V4Transformation – Sichere Automatisierung durch fortschrittliche Simulation

Beteiligte Institute und Einrichtungen des DLR

Institut für Systems Engineering für zukünftige Mobilität

Das neu gegründete Oldenburger DLR-Institut für Systems Engineering für zukünftige Mobilität widmet sich der Forschung von Methoden, die es zur Entwicklung und Absicherung automatisierter und autonomer Verkehrssysteme der Zukunft bedarf.

Institut für Flugsystemtechnik

Das DLR-Institut für Flugsystemtechnik ist am Standort Braunschweig und Oberpfaffenhofen in den Themen der Flugmechanik und Mess- und Systemtechnik aller fliegenden Systeme aktiv.

Institut für KI-Sicherheit

Im Institut für KI-Sicherheit erforschen und entwickeln wir an den beiden Standorten in Sankt Augustin und Ulm KI-bezogene Methoden, Prozesse, Algorithmen, Technologien und Ausführungs- bzw. Systemumgebungen. Unser Fokus liegt auf sicherer und norm- bzw. standardkonformer KI, Cybersicherheit in offenen Daten- und Dienste-Ökosystemen und KI, sowie der Automatisierung in Mobilität und Logistik.

Institut für Kommunikation und Navigation

Am DLR-Institut für Kommunikation und Navigation werden neue Systeme und Verfahren für die Funkübertragung und Funkortung entwickelt und untersucht.

Institut für Methodik der Fernerkundung

Das DLR-Institut für Methodik der Fernerkundung in Oberpfaffenhofen, Berlin, Bremen und Neustrelitz bildet mit dem Deutschen Fernerkundungsdatenzentrum (DFD) das Earth Observation Center EOC – das Kompetenzzentrum für Erdbeobachtung in Deutschland.

Institut für Weltraumforschung

Das DLR-Institut für Weltraumforschung in Berlin-Adlershof ist ein weltweit führendes Kompetenzzentrum für optische Sensorsysteme und deren Einsatz in Planetenforschung, Erdbeobachtung und Sicherheit.

Institut für Softwaretechnologie

Das Institut für Softwaretechnologie erforscht neue Software-Technologien und nutzt sie zur Entwicklung anspruchsvoller Softwarelösungen für Anwendungen im DLR.

Institut für Verkehrssystemtechnik

Das DLR-Institut für Verkehrssystemtechnik an den Standorten Braunschweig und Berlin erforscht und konzentriert sich auf Automotive- und Bahnsysteme sowie Verkehrs- und Mobilitätsmanagement, um die Mobilität von Menschen und den Transport von Gütern zu gestalten.

Kontakt

Dr. Kim Grüttner

Projektkoordination
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
DLR-Institut Systems Engineering für zukünftige Mobilität
Escherweg 2, 26121 Oldenburg