Elektroniknet Logo

Fahrerloses Autorennen

TUM gewinnt die Indy Autonomous Challenge

Das Team »TUM Autonomous Motorsport« mit seinem fahrerlosen Rennwagen.
Das Team »TUM Autonomous Motorsport« mit seinem fahrerlosen Rennwagen.
© Technische Universität München

Bei der Indy Autonomous Challenge statt traten neun Teams mit KI-gesteuerten Rennwagen gegeneinander an. Das Team der Technischen Universität München fuhr mit einer Durchschnittsgeschwindigkeit von 218 Stundenkilometern die schnellste Zeit im Finale.

Es war ein ganz besonderes Rennen, das vergangenen Samstag auf dem Indianapolis Motor Speedway stattfand. Denn die Rennwagen wurden nicht von Menschen gesteuert, sondern von Computern. Universitäten aus der ganzen Welt waren aufgerufen, auf Künstliche Intelligenz basierende Systeme zu entwickeln, um die Rennwagen autonom auf der Rennstrecke fahren zu lassen. Ausgerichtet wurde der Wettbewerb vom gemeinnützigen Energy Systems Network und dem Indianapolis Motor Speedway. Hauptziel des Rennens ist es, die Technologieentwicklung für autonomes Fahren und fortschrittliche Fahrerassistenzsysteme voranzutreiben.

Bereits die Teilnahme an dem Rennen ist ein Erfolg

Nur neun Teams wurden zur Indy Autonomous Challenge zugelassen. Die TUM nahm mit ihrem Team »TUM Autonomous Motorsport« als einzige Universität aus Deutschland teil. Dabei erreichte das Auto der jungen Forschenden der TUM eine Durchschnittsgeschwindigkeit von 218 Stundenkilometern. Damit sicherten sich die jungen Forscher den ersten Platz und das Preisgeld von 1 Mio. US-Dollar.

Extrem schnelle Reaktion nötig

»Die Anforderungen, die bei der Indy Autonomous Challenge an ein Fahrzeug gestellt werden, sind enorm«, erklärt TUM-Teammanager Alexander Wischnewski. »Bei Geschwindigkeiten von bis zu 300 Stundenkilometern muss die Software extrem schnell auf Veränderungen reagieren.«

Der Bordcomputer erfasst und analysiert dabei in Sekundenbruchteilen alle Informationen, die Kameras-, LIDAR-Sensoren, GPS-Empfänger und Radarsensoren liefern. Mithilfe der Daten werden Prognosen darüber erstellt, wohin sich die anderen Fahrzeuge bewegen, um Entscheidungen zu treffen, die als Fahrbefehle an Lenkung oder Bremsen gegeben werden.

Realitätsnahe Simulationen

Anderthalb Jahre haben rund 60 Doktoranden und Studierende des Lehrstuhls für Fahrzeugtechnik und des Lehrstuhls für Regelungstechnik der TUM an einer Software-Architektur gearbeitet, mit der sich diese Aufgaben sicher und schnell lösen lassen. Dabei konnten sie auf Erfahrungen früherer Projekte zurückgreifen. So hatte das TUM Autonomous Motorsport Team 2018 bei den Roborace-Demonstrationen beim Formula-E Event in Berlin und 2019 auf der Rennstrecke im spanischen Monteblanco teilgenommen. Trotzdem musste aufgrund der veränderten Bedingungen und Regeln des aktuellen Rennens eine völlig neue Software entwickelt werden.

»Wir haben sehr viel Zeit und Energie in die Simulation des Rennwagens und der Rennstrecke gesteckt«, sagt Wischnewski. Eine große Herausforderung war es dabei, die Sensoren wie etwa optische Kameras und Laser digital nachzubilden. Auch hatten es die Forschenden und Studierenden geschafft, Rennen mit bis zu acht autonomen Rennfahrzeugen zu simulieren. »Wir konnten durch die virtuellen Rennen bereits viele Fehler erkennen und beheben. Und so hatten wir auch den Vorteil, dass die Übertragung der Software auf das reale Auto für uns kein großes Problem war.«

Lösungen auf den Straßenverkehr übertragbar

Der Sieg beim Rennen in Indianapolis ist für das Team ein großer Erfolg. Aber den Forschenden geht es um mehr, betont Wischnewski: »Wir können im Rennen die schnelle Reaktion eines autonomen Fahrzeugs auf unvorhergesehene Ereignisse bei hohen Geschwindigkeiten testen und optimieren. Diese Erfahrungen bringen uns bei der Entwicklung sicherer autonomer Fahrzeuge im Straßenverkehr einen großen Schritt weiter.«

Ein weiterer wichtiger Aspekt: »Wir konnten viel darüber erfahren, wie einzelne Teile der Software zusammenspielen. Forschungsprojekte konzentrieren sich oft auf wenige konkrete Fragestellungen. Wir haben die Chance zu sehen, welche Probleme sich ergeben, wenn man das komplette System betrachtet.«


Das könnte Sie auch interessieren

Verwandte Artikel

Technische Universität München, Technische Universität München Lehrstuhl für Biomedizinische Physik Physik-Department (E17)