Startseite > Automotive > Assistenzsysteme > Hocheffiziente Toolchain für autonome Fahrfunktionen

AVL und Partner

Hocheffiziente Toolchain für autonome Fahrfunktionen

5. April 2024, 9:02 Uhr | Irina Hübner

Um autonome Fahrzeuge schnell und sicher auf die Straße zu bringen, arbeiten AVL und die Unternehmen Microsoft, Hexagon, Synopsys und Tracetronic an einer durchgängigen digitalen und automatisierten Toolchain. Diese erlaubt eine präzise Simulation von Fahrfunktionen sowie deren Test.

▶ Diesen Artikel anhören

Das Testen von automatisierten und autonomen Fahrzeugen stellt die Automobilindustrie vor Herausforderungen. Komplexe Funktionen müssen innerhalb von unterschiedlichsten realen Fahrszenarien und Umgebungsbedingungen bestehen. Dazu wird das Zusammenspiel von Sensorik, Steuerelementen und Fahrzeugumgebung simuliert und getestet.

Testquantität um den Faktor 100 steigern

Um die Entwicklung neuer Funktionen und deren Integration schneller voranzutreiben, müssen Testabläufe in jeder Entwicklungsphase automatisiert werden und optimal ineinandergreifen – von Software-in-the-Loop über Hardware-in-the-Loop bis hin zu realen Straßentests. Dazu haben AVL und Partner die ADET-Initiative Autonomous End-to-End-Testing gestartet, um eine durchgängige, digitale und automatisierte Werkzeugkette zu entwickeln. Diese ermöglicht es, die Anzahl der Simulationsläufe um den Faktor 500 zu erhöhen – all das bei gleichbleibender Entwicklungszeit.

Unkomplizierter Datenaustausch zwischen Testszenarien und Teams

Mit den digitalen und automatisierten Test-Workflows und innovativen Tools fördern die Unternehmen die effektive Erstellung und den Austausch der Testszenarien. Hersteller- und Zulieferer-Teams können orts- und zeitunabhängig auf die Ergebnisse zugreifen. Etwaige Fehlfunktionen des Systems werden in einer frühen Entwicklungsphase erkannt und entfernt.

Dank der Kombination der Fachkenntnisse von AVL, Microsoft, Hexagon, Synopsys und Tracetronic können Tests effizient geplant und Simulationen schnell auf der Microsoft-Azure-Infrastruktur umgesetzt werden. Auswertungen und Analysen von Daten und Ergebnissen werden automatisiert und nahtlos ausgetauscht. Prozesse, Werkzeuge und Testabläufe von einer zentralen Stelle orchestriert.

Diese Architektur wird Dienste wie Azure Kubernetes Service (AKS) für die Container-Orchestrierung, Azure Batch für die automatische Skalierung und Azures speziell entwickelte HPC/KI-Recheninstanzen umfassen. KI-Workloads, einschließlich maschineller Lernvorgänge (MLOps), werden von Azure Machine Learning unterstützt.