Logo ZeTeM

Zentrum für Technomathematik

ZeTeM > Forschung und Anwendungen > Projekte > OPA³L - Optimal Assistierte, hoch Automatisierte, Autonome und kooperative Fahrzeugnavigation und Lokalisation

Kontakt Sitemap Impressum [ English | Deutsch ]

OPA³L - Optimal Assistierte, hoch Automatisierte, Autonome und kooperative Fahrzeugnavigation und Lokalisation

Arbeitsgruppe:AG Optimierung und Optimale Steuerung
Leitung: Prof. Dr. Christof Büskens ((0421) 218-63861, E-Mail: bueskens@math.uni-bremen.de)
Arne Berger ((0421) 218-63872, E-Mail: aberger@math.uni-bremen.de)
Dr.-Ing. Mitja Echim ((0421) 218-63865, E-Mail: mitja@math.uni-bremen.de)
Bearbeiter: Matthias Rick ((0421) 218-64356, E-Mail: mrick@math.uni-bremen.de)
Andreas Folkers ((0421) 218-63867, E-Mail: afolkers@uni-bremen.de)
Grace Anulika Eze ((0421) 218-63871, E-Mail: eze@uni-bremen.de)
Dr.-Ing. Mahmood Shubbak ((0421) 218-59892, E-Mail: shubbak@uni-bremen.de)
Markus Weber (E-Mail: mweber@uni-bremen.de)
Fabienne Klatt (E-Mail: fklatt@uni-bremen.de)
Projektförderung: DLR, Raumfahrtmanagement, Bonn
Bundesministerium für Wirtschaft und Energie
Projektpartner: AG Kognitive Neuroinformatik, Universität Bremen
AG Computergrafik und Virtuelle Realität, Universität Bremen
LRT 9.3 Navigation, Universität BW München
LRT 9.1 Raumfahrttechnik, Universität BW München
IAV, IAV - Ingenieurgesellschaft Auto und Verkehr GmbH
ANavS, ANavS - Advanced Navigation Solutions
Laufzeit: 01.03.2019 - 14.02.2023
Webseite:http://www.math.uni-bremen.de/zetem/aocar
Bild des Projekts OPA³L - Optimal Assistierte, hoch Automatisierte, Autonome und kooperative Fahrzeugnavigation und Lokalisation Ziel des Projektes ist es, wiederkehrende Fahrten in bekannten Gebieten zu automatisieren und insbesondere Lösungsansätze für kooperative Manöver in solchen Gebieten zu präsentieren. Hierzu arbeiten die Kooperationspartner an der Umsetzung in einem anwendungsnahen Testfeld.

Das im Projekt verwendete Hybridfahrzeug ermöglicht eine effektive und umweltfreundliche Wahl zwischen elektrischem und konventionellem Antrieb. Des Weiteren ist das Forschungsauto mit einer Vielzahl an Sensoren, wie Kameras, Radar, Ultraschall- und Laserscannern ausgestattet, um autonom agieren zu können. Mit diesen Sensordaten kann das Auto seine Umgebung erkennen. Ein im Computer erzeugtes Abbild des realen Testfahrzeugs und der erkannten Umgebung erlauben dann die Umsetzung optimaler, schneller, komfortabler, sicherer und kraftstoffsparender Fahrmanöver.

Das Projekt wird von der Arbeitsgruppe für Optimierung und Optimale Steuerung des Zentrums für Technomathematik koordiniert und in enger Kooperation mit der Arbeitsgruppe Kognitive Neuroinformatik durchgeführt. Weitere Partner in dem Projekt sind die Arbeitsgruppe für Computergraphik und Virtuelle Realität der Universität Bremen und das Institut für Raumfahrttechnik und Weltraumnutzung an der Universität der Bundeswehr München, sowie die Industrieunternehmen IAV und ANavS.

Bundesministerium für Wirtschaft und Energie Bundesministerium für Wirtschaft und Energie

Publikationen

  1. A. Folkers, M. Rick, C. Büskens.
    Controlling an Autonomous Vehicle with Deep Reinforcement Learning.
    Intelligent Vehicles Symposium, 09.06.-12.06.2019, Paris, Frankreich.
    Proceedings of the 30th IEEE Intelligent Vehicles Symposium, S. 2025-2031, 2019.

    Best Student Paper

  2. M. Rick, J. Clemens, L. Sommer, A. Folkers, K. Schill, C. Büskens.
    Autonomous Driving Based on Nonlinear Model Predictive Control and Multi-Sensor Fusion.
    IFAC Symposium on Intelligent Autonomous Vehicles, 03.07.-05.07.2019.
    Proceedings of the 10th IFAC Symposium on Intelligent Autonomous Vehicles, 52(8):182-187, 2019.

    DOI: 10.1016/j.ifacol.2019.08.068