NexaRob News/Bericht und Forschung

Wie passt ein autonomes Rennauto sein Fahrtempo in Echtzeit an?

Während der Saison 2 der Abu Dhabi Autonomous Racing League (A2RL) wurde das Modul „Mission Performance“ erfolgreich an einem vollständig autonomen EAV-25-Fahrzeug getestet, das sein Fahrtempo in Echtzeit automatisch anpasst. Das System verändert nicht die Parameter des Fahrzeugmodells, sondern steuert die Module für Bewegungsplanung und -steuerung durch die Anpassung von Leistungszielen.

Auf dieser Seite

Wie funktioniert das Modul zur automatischen Tempanpassung?

Das Modul „Mission Performance“ ist ein System zur Leistungssteuerung, das nicht die Parameter des Fahrzeugmodells verändert, sondern die Leistungsziele für kritische Module - wie z. B. Bewegungsplanung und -steuerung - anpasst. Anstatt zu versuchen, in Echtzeit die Reifenhaftkraft zu schätzen, was riskant und schwer umzusetzen ist, arbeitet das System auf der Ebene der Leistungsziele. Das bedeutet, dass das Modul anstelle einer Änderung des physikalischen Fahrzeugmodells andere Komponenten anweist: „Sie können schneller, langsamer fahren oder das aktuelle Tempo beibehalten - je nach den Bedingungen“. Dieser Ansatz ermöglicht eine höhere Stabilität und Sicherheit bei dynamischen,

automatischen Änderungen des Fahrtempos. Das System verwendet vordefinierte Reifenaufwärmphasen zu Beginn der Strecke, um eine Über- oder Unterhitzung der Reifen in den ersten Sekunden des Rennens zu verhindern.

Die Funktionsweise des Moduls basiert auf der kontinuierlichen Überwachung von Sicherheits- und Dynamikmetriken des Fahrzeugs - sektorweise. Jeder Abschnitt der Strecke wird einzeln hinsichtlich der Fahrbedingungen analysiert, so dass das System in Echtzeit entscheiden kann, ob die Leistung reduziert, beibehalten oder erhöht werden soll. Auf diese Weise nähert sich das Modul schrittweise dem maximal zulässigen Wert des Fahrtenpos, wobei übermäßige Risiken vermieden und ein reibungsloser Rennverlauf gewährleistet wird.

Tests auf der Yas Marina-Rennstrecke - eine realistische Überprüfung der Wirksamkeit

Die Wirksamkeit der Lösung wurde während der Saison 2 der Abu Dhabi Autonomous Racing League (A2RL) auf der Yas Marina-Rennstrecke bestätigt. Hier kam das EAV-25-Fahrzeug zum Einsatz - ein vollständig autonomer Dallara Superformula -, das das Modul „Mission Performance“ unter realen Bedingungen nutzte. Die Studie umfasste nicht nur Simulationen, sondern auch tatsächliche Fahrten auf einer Rennstrecke mit vollen dynamischen Belastungen und wechselnden Streckenbedingungen.

Die Ergebnisse zeigen, dass das System den Rennverlauf effektiv steuern kann - vom anfänglichen Reifenaufwärmen bis zur schrittweisen Erhöhung des Fahrtenpos. Dadurch kann das Fahrzeug schnellere Rundenzeiten erzielen, ohne die Sicherheit zu beeinträchtigen, was ein zentrales Ziel bei autonomen Rennprojekten ist. Die Tests haben jedoch nicht gezeigt, dass alle Aspekte der Fahrt vollständig automatisiert werden können - das Modul fungiert als Unterstützung für andere Systeme und ersetzt diese nicht.

Autonomes Rennfahrzeug EAV-25 auf der Yas Marina Rennstrecke
Tests auf der Yas Marina Rennstrecke - eine realistische Überprüfung der Effektivität - illustrierende Visualisierung.

Warum ist das für die Zukunft autonomer Mobilität wichtig?

Die Mission Performance-Lösung zeigt, wie in autonomen Systemen eine hohe Leistung erzielt werden kann, ohne dass komplexe physikalische Faktoren wie Reibungskraft ständig modelliert werden müssen. Anstatt zu versuchen, jeden Fahrmoment „zu verstehen“, arbeitet das System auf der Ebene von Zielen und Anpassungen. Dieser Ansatz lässt sich auf andere Anwendungen übertragen, bei denen Sicherheit und reibungsloser Ablauf ebenso wichtig sind - z. B. in der autonomen Logistik oder im städtischen Verkehr.

Es ist jedoch hervorzuheben, dass die Ergebnisse nur für einen Fahrzeugtyp (EAV-25) und eine Rennstrecke (Yas Marina) gelten. Es gibt keine Informationen über die Skalierbarkeit der Lösung auf andere Fahrzeugklassen, Wetterbedingungen oder verschiedene Rennstrecken. Daher kann noch nicht von einer allgemeinen Lösung für die gesamte Branche gesprochen werden - es handelt sich um eine spezifische Implementierung im Kontext des Rennsports.

Einschränkungen und was unklar bleibt.

Obwohl das Modul auf einer realen Rennstrecke getestet wurde, wurde seine Effektivität nicht mit anderen Ansätzen verglichen - z. B. mit Systemen, die auf der Echtzeit-Schätzung der Reibung basieren. Es gibt keine Daten darüber, wie das System unter Regenbedingungen, bei Temperaturschwankungen auf der Rennstrecke oder bei großen Unterschieden zwischen den Sektoren funktioniert. Darüber hinaus ist nicht bekannt, ob das Modul ohne Zugriff auf zuvor definierte Reifenaufwärmprofile funktionieren kann - ob es flexibel genug für ungewöhnliche Startbedingungen ist.

Es sollte auch darauf hingewiesen werden, dass das Dokument keine Daten über die Reaktionszeit des Systems oder seine Rechenleistung enthält. Es fehlen Informationen darüber, wie oft das Modul seine Entscheidungen aktualisiert und ob es unter eingeschränkten Rechenressourcen funktionieren kann - was für kommerzielle Anwendungen wichtig ist.

Es ist hervorzuheben, dass das Mission Performance-Modul zwar Potenzial im Rennsportkontext zeigt, seine Anwendung außerhalb dieses Umfelds jedoch weiterer Forschung bedarf. Das Fehlen von Daten über die Rechenleistung und Reaktionszeit des Systems schränkt seinen praktischen Einsatz in realen Bedingungen ein, wo Entscheidungen in Millisekunden getroffen werden müssen. Darüber hinaus erschwert der fehlende Vergleich mit anderen Ansätzen - wie z. B. der Echtzeit-Schätzung der Reibungskraft - die Bewertung seines einzigartigen Mehrwerts gegenüber anderen Lösungen. Das System funktioniert am besten unter kontrollierten Bedingungen und mit zuvor definierten Profilen, was eine begrenzte Flexibilität in dynamischen oder ungewöhnlichen Szenarien bedeutet.

Daher bleibt seine Rolle unterstützend - es ersetzt keine vollständige Autonomie, ermöglicht aber eine reibungslose und sichere Anpassung des Fahrgeschwindigkeits an die aktuellen Streckenbedingungen, was ein wichtiger Schritt auf dem Weg zu fortschrittlicheren autonomen Systemen ist. In Zukunft könnte dieser Ansatz auf andere Bereiche der Mobilität ausgeweitet werden, jedoch nur nach weiterer Validierung und Anpassung an unterschiedliche Einsatzbedingungen.

Redaktionelle Transparenz

Quellen und Referenzmaterialien

Der Artikel wurde von NexaRob auf der Grundlage einer Analyse verfügbarer Quellen erstellt. Die folgenden Materialien wurden verwendet, um die Informationen zu überprüfen und den Kontext zu erweitern.

1Quelle des Materials
1primär
1öffentlich präsentiert
  1. Primäre QuelleForschungDaten

    Mission Performance: Automatische und adaptive Anpassung des Renntempos für autonomes Racing.

    arXiv )arxiv.org

Wie liest man diesen Abschnitt? Die Quellen sind Materialien, die während der Recherche und zur Überprüfung verwendet wurden. Der Artikel ist eine von NexaRob erstellte Arbeit und keine Neuauflage der angegebenen Publikationen.

Material teilen
Zu den Quellen gehen
DeutschDE