Bewegungsplanung autonomer Fahrzeuge
SWS | 4 | ||||||||||||||||||||
ECTS | 5 | ||||||||||||||||||||
Sprache(n) | Deutsch
(Standard)
Englisch |
||||||||||||||||||||
Lehrform | SU mit Praktikum | ||||||||||||||||||||
Angebot | im Wechsel mit anderen Fächern der gleichen Fachgruppe | ||||||||||||||||||||
Aufwand | 30 Präsenzstunden Vorlesung, 30 Präsenzstunden Praktikum, 45 Stunden Vor-/Nachbereitung des Praktikums, 45 Stunden Nachbereitung der Vorlesung und Prüfungsvorbereitung |
||||||||||||||||||||
Voraussetzungen | Gute Programmierkenntnisse, Python, Softwareentwicklungsmethoden, erste Kenntnisse in der Robotik; Soft-Skills: selbstmotiviert, kreativ, in der Lage als Teil eines Teams zu arbeiten. |
||||||||||||||||||||
Ziele | Die Studierenden sind in der Lage die Funktionsweise (Umfelderfassung, Entscheidungsfindung und Bewegungsplanung) von autonomen Fahrzeugen wiederzugeben. Zudem können sie einfache Bewegungsplanung-Algorithmen erklären und diese implementieren. |
||||||||||||||||||||
Inhalt | Autonome Fahrzeuge sind die nächste große Revolution im Mobilitätssektor und bieten viele Vorteile, wie zum Beispiel einen höheren Komfort für Passagiere, eine verbesserte Sicherheit und eine bessere Auslastung der Straßeninfrastruktur. Die Entwicklung von autonomen Fahrzeugen ist jedoch eine große Herausforderung, da ihre Sicherheit in jeder möglichen Verkehrssituation sichergestellt werden muss. In diesem praktischen Kurs werden die Studierenden die Funktionsweisen und Algorithmen von autonomen Fahrzeugen kennenlernen. Sie werden verstehen wie autonome Fahrzeuge ihre Umgebung durch Sensoren wahrnehmen, Entscheidungen in verschiedenen Verkehrssituationen treffen und Bewegungen planen und ausführen. Der Schwerpunkt dieses Kurses liegt auf der Bewegungsplanung. Dabei werden alle Schritte behandelt, die zum Planen von kollisionsfreien Bewegungen notwendig sind. Die Theorie wird dabei von praktischen Übungen in Python mit dem CommonRoad Framework begleitet. Dazu werden die Studierenden einfache Bewegungsplanungs-Algorithmen selber implementieren und mit diesen bestehende Planungsprobleme lösen. Anschließend werden sie in Gruppen verschiedene Entwicklungsaufgaben in agiler Weise durchführen, ihre Projektergebnisse anderen Gruppen präsentieren und lernen wie man getesteten und gut dokumentierten Code erzeugt. Am Ende der Veranstaltung werden Sie in der Lage sein:
|
||||||||||||||||||||
Medien und Methoden | Vorlesung: White-Board, Tafel, Folien, Rechnerübungen |
||||||||||||||||||||
Literatur | P. Norvig and S. Russell: Artificial Intelligence: A Modern Approach, Prentice Hall, 3rd edition. (English version) P. Norvig and S. Russell: Künstliche Intelligenz: Ein moderner Ansatz, Pearson Studium, 3. Auflage. (German version) W. Ertel: Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung, Springer, 3. Auflage. S. LaValle: Planning Algorithms, Cambridge University Press, 1. Auflage |
||||||||||||||||||||
Zuordnungen Curricula |
|