Fahrerassistenzsysteme und Automatisiertes Fahren

Produktbeschreibung

Inhalt/Content

Architekturen und Software für automatisiertes und vernetztes Fahren
Vehicle Motion Management als Integrierte Fahrdynamikregelung zur Realisierung einer fehlertoleranten Fahrzeugbewegung für das assistierte und automatisierte Fahren 1

Qualifizierung von Open-Source-Softwarebausteinen für das automatisierte Fahren
Qualification of Open-Source-Software for fully automated driving 21

Assistenzbedarf, Interaktionskonzepte und Nutzerakzeptanz
Manuelle Fahrzeugquerführung in der Realität und im Dynamischen Gesamtfahrzeugsimulator 29

Das Potenzial rückwärtiger Countdown-Anzeigen an autonomen Shuttles zur Manöverankündigung an nachfolgende Fahrzeuge
The potential of rearward countdown displays on autonomous shuttles buses for announcing maneuvers to following traffic 41

Konzept des Mobile Office in (teil-)automatisierten Fahrzeugen, erlebt in einer VR-Simulation
Concept of the mobile office in (semi-)automated vehicles, experienced in a VR simulation 53

Sensortechnologien, Perzeption und Umfeldmodellierung
KI-unterstützte Erstellung von Kartendaten basierend auf Fahrzeugkameradaten für die virtuelle Homologation
AI-based conversion of vehicle camera data into a road network description for simulation 65

Autonomes Fahren unter Schlechtwetterbedingungen – Ergebnisse aus dem AI-SEE Projekt
Automous Driving under adverse weather conditions – Results of AI-SEE project 77

Künstliche Intelligenz (KI), Verhaltensplanung und Kooperation
Identifikation des Einflusses verschiedener Umfeldbedingungen auf das Fahrverhalten unter Verwendung von Verhaltensdaten – Anreicherung von Trajektoriendaten mit Informationen zu vorliegenden Umfeldbedingungen
Identifying the influence of different environmental factors on driving behavior using behavioral data – Enrichment of trajectory data with information on existing environmental conditions 99

Anforderungen aus Realverkehrsdaten: Szenarienbasierte Spezifikationsableitung für ADAS
From real-world traffic data to requirements: scenario-based derivation of specifications for ADAS 111

Potenziale und Anforderungen zur Nutzung von Large-Language Modellen für das Szenenverständnis und die Bewegungsplanung im Autonomen Fahren
Framework, Benchmark und Modellansätze für räumliches und zeitliches Szenenverständnis
Potentials and Requirements for Using Large Language Models in Scene
Understanding and Motion Planning for Autonomous Driving
Framework, Benchmark, and Model Approaches for Spatial and Temporal Scene Understanding 125

Absicherung und Updates automatisierter Fahrfunktionen
safe.trAIn – Safe AI for Driverless Regional Trains: Aspects of System
Design and Safety Argumentation for Obstacle Detection 135

Interdisziplinärer Untersuchungsansatz der menschlichen und systemseitigen Performance im Level 2 Hands-off Fahrmodus
Interdisciplinary Investigation of Human and System Performance in SAE Level 2 Hands-Off Driving Mode 137

Virtuelle Umgebungen und dynamische Interaktionsmodelle für das Szenarien-basierte Absichern von Assistenzsystemen und autonomen Fahrfunktionen
Virtual environments and dynamic interaction models for the scenariobased validation of assistance systems and autonomous driving functions 151

Keywords: Software Archtiektur, vernetztes Fahren, fehlertoleraten Fahrzeugbewegung, Assistenzbedarf, Gesamtfahrzeugsimulator, Umfeldmodellierung, AI-SEE Projekt, Verkehrsplanung, Realverkehrsdaten, software archtecture, vehicle motion management, automated driving, autonomous shuttle bus, VR simulation, vehicle camera data, AI-SEE project, real-world traffic data