Telemetriedatenbasierte ML-Datenanalyse & Konfigurationsmanagement im Bereich Automotive Simulation

Im Automotive Sektor finden sogenannte Motion-Simulatoren, welche die Bewegung einzelner Komponenten aber auch ganzer Simulatorplattformen in verschiedenen Bewegungsebenen ermöglichen, immer häufiger Verwendung, um die Wechselwirkungen zwischen Fahrzeug, Fahrer und Strecke zu simulieren. Dieser Simulationsprozess weist aktuell aber noch einige Schwächen auf.

Zum einen erfolgt die Anpassung eines solchen Simulators auf das jeweils zu modellierende Fahrzeug händisch, wodurch sich der Prozess sehr aufwendig und zeitintensiv gestaltet. Auch existieren keine herstellerübergreifenden Prozesse oder standardisierte Schnittstellen, wodurch die fahrer- und fahrzeugspezifische Datenauswertung zu einem multidimensionalen Optimierungsproblem wird. Des Weiteren stoßen etablierte Systeme mit manuellen Verarbeitungsprozessen auf Grund der Datendichte und insbesondere auf Grund der hochauflösenden audiovisuellen Sensordaten an ihre Grenzen. Automatisierte Auswertungen oder die Nutzung moderner KI-basierter Analyseverfahren existieren bisher nur stark eingeschränkt.

Basierend auf diesen Problemen wurde das Projekt SimXdata konzipiert, um drei zentrale Zielstellungen umzusetzen. Zum einen soll die Entwicklung eines universell einsetzbaren Simulator-Chassis inklusive optimierter Aktuatoren erfolgen, um eine herstellerübergreifende Simulationsplattformen bereitzustellen. Basierend auf dieser Simulationsplattform soll die Umsetzbarkeit einer (teil-)automatisierten Prozesskette zur Anpassung des Simulators auf das jeweilige Fahrzeug evaluiert und erprobt werden. Mit den durch Versuchsreihen entstehenden Daten sollen weiterhin konkrete Konzepte für proaktiven Sicherheitssysteme evaluiert werden, die im Gegensatz zu aktuellen reaktiven Sicherheitssystemen nicht auf die Gefahrenquelle reagieren, sondern diese stattdessen vorhersehen.