Vakbarát verzió

Budapesti Műszaki és Gazdaságtudományi Egyetem

Projektek

db hazai forrás: Ft
nemzetközi forrás: EUR
jelenleg futó projekt

Weboldalunkon sütiket használunk

Honlapunk kizárólag a látogatói forgalom elemzéséhez és az egyes felhasználói munkamenetek azonosításához használunk sütiket (cookie). A munkamenet-azonosító sütik csak a kiszolgáló felé irányuló kérések megkülönböztetését szolgálják, és a munkamenet végén törlődnek. A látogatói forgalom elemzésére külső szolgáltatóktól származó sütiket használunk.

Az alapműködést biztosító sütik nélkül a webhely nem tud megfelelően működni, illetve a látogatók azonosítása nélkül gyűjtenek információt a használatáról. A munkamenet-azonosító süti elengedhetetlen az oldal használatához, mert a kiszolgáló (szerver) ez alapján tud különbséget tenni felhasználó és felhasználó között. Csak rövid ideig, az oldal megtekintése alatt vannak érvényben. Ezek a sütik nem gyűjtenek a felhasználó azonosítására alkalmas információkat, csakis a szerver felé irányuló kérések megkülönböztetését szolgálják. Az oldal használatáról a látogató IP-címének azonosítása nélkül a Google Analytics IP-címek névtelenítésére szolgáló módszerének alkalmazásával gyűjtünk adatokat.

Finanszírozó: Magyarország központi költségvetésének a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal fejezetéből finanszírozott projektek
Program neve: Nemzeti Laboratóriumok
Projekt címe: Autonóm Rendszerek Nemzeti Laboratórium
Projekt azonosító: NKFIH-869-6/2020
Konzorciumvezető: Számítástechnikai és Automatizálási Kutató Intézet (SZTAKI)
Konzorciumi tag:

Budapesti Műszaki és Gazdaságtudományi Egyetem
Széchenyi István Egyetem
Autóipari Próbapálya Zala Kft.

Támogatási összeg: 700 000 000 Ft
BME támogatási összeg: 203 291 583 Ft
Projekt kezdete: 2020.07.01
Projekt vége: 2022.03.30

A projekt bemutatása:

A projekt bemutatása:

A BME szerepvállalása az Autonóm Rendszerek Nemzeti Laboratóriumban az autonóm járművek kutatására fókuszál. Az önvezető járművek napjaink egyik kiemelt kutatási területe, amelyek megvalósításához több terület együttes művelése szükséges.

Ezek közül az első a jármű elhelyezése az infrastruktúrában, amely egy részről a környezetérzékelés járműipari alkalmazásának kutatását jelenti, felhasználva az ismert szenzortechnológiákat, amelyek képesek a járművet körülvevő statikus és dinamikus objektumok azonosítására. A különböző architektúrák mind rendelkeznek előnyökkel és hátrányokkal, ennek megfelelően ahhoz, hogy egy robusztus, minden környezeti körülményre kitérő megoldást kaphassunk, ezek együttes feldolgozására, az ún. szenzorfúzióra van szükség. A járművek környezetérzékelése kiterjeszthető a különböző virtuális szenzorok alkalmazásával, így a klasszikus technológiák kiegészülnek a nagypontosságú térképek és a V2X kommunikáció lehetőségeivel. Az objektumok annotálása mellett azonban szükség lehet a járművet körülvevő szituáció értékelésére, a környező objektumok mozgásának lehetséges jövőbeli alakulására, amihez a különböző viselkedés-előrebecslési módszerek kutatása szükséges.

A feltérképezett szituációk esetében az önvezető járművek irányításának következő szintje a stratégiai döntéshozás. Ez jellemzően olyan középtávú döntéseket tartalmaz, amely során a jármű különböző makro-tevékenységek végrehajtásáról dönt, amelyek ebben a fogalomkörben a különböző sávváltási, előzési, sorolási feladatokat jelentik. Fontos megjegyezni, hogy ezek a stratégiai döntések – mint ahogy a teljes mozgástervezés is – biztonságkritikus alkalmazások, tehát a járműnek megfelelő elfogadhatósági szintet kell tudniuk társítani a manőverekhez.

A meghozott döntések végrehajtásához a járműveknek egy teljesíthető trajektóriát kell tervezniük, amely figyelembe veszi a járműdinamikai korlátozásokat, és amelyen egy megfelelően megtervezett szabályozó végig képes azt vezetni. Ebben az esetben is előfordulhatnak különböző járműdinamikai anomáliák, tehát a jármű szabályozásának robusztusnak és sokszor a dinamikai határon túlmutatónak kell lennie.

Az önvezető jármű klasszikus hierarchikus tervezési megközelítésének minden aspektusára kívánunk kutatócsoportokat létrehozni, amelyek együttműködése komplex kutatásokat, illetve demonstrációkat eredményez. Azonban az alkalmazás biztonságkritikus volta miatt a különböző algoritmusok tesztelése és fejlesztése nem történhet éles környezetben, valós forgalmi szituációkban, így a számítógépes szimulációs tervezés és valós közúti tesztek között több rétegben kerülnek ezek megvalósításra. A szimulációs tesztkörnyezetek fejlesztése ennek megfelelően kiemelt cél, ahol mind a tesztpálya, mind valós forgalmi helyszínek „digitális ikreinek” kifejlesztése, és alkalmazása is feladat. Ezeken a rendszereken lehetséges hibrid tesztelést végrehajtani, ahol például a tesztpályán közlekedő jármű köré virtuális forgalmat generálhatunk szimuláció segítségével. Ez a pontos helymeghatározás és a real-time kommunikáció összehangolását kívánja meg.

Végezetül a BME-n folyó kutatások az önvezető járművek társadalmi szerepét is kívánja vizsgálni. Itt a társadalmi elfogadottság, az önvezető járművek elterjedése, és adott esetben ezek jogi kérdései kerülnek vizsgálatra.

A körvonalazott kutatási irányok ennek megfelelően több célfeladat csoportra bonthatók:

  • Alapkutatási tevékenységek: Mesterséges intelligencia és gépi tanulás, rendszer és irányításelméleti kutatások, járműdinamikai kutatások. Jel- és képfeldolgozás, szenzorfúziós modellek fejlesztése.
  • Alkalmazott kutatás: Kommunikáció és adattudományok, biztonság és megbízhatóság, szimulációs rendszerek fejlesztése.
  • Kísérleti fejlesztések és demonstrációk: Simulation-in-the-Loop rendszerek, tesztplatformok és dummy-k, tesztjármű, mérések és adatkiértékelések. Speciális szituációk valós körülmények közötti demonstrációja.
  • Tesztelés és validáció: A kutatások eredményeinek biztonságos módon, reprodukálható körülmények közötti tesztelésére nyújt lehetőséget a BME és a ZalaZONE stratégiai keretmegállapodása, mely az egyetemi kutatók számára lehetővé teszi a világszínvonalú infrastruktúra igénybe vételét, tesztelési és validációs célú használatát.
  • Oktatásfejlesztés: Nemzetközileg is elismert AVCE képzés felfuttatása, a kutatási eredmények beépítése az oktatásba, gyakorlatorientált képzés a ZalaZONE bevonásával, a ZalaZONE BME tesztpálya alkalmazása, társadalmi elérésre.
  • Önálló fenntarthatóság elérése: nemzetközi hálózatosodás, beágyazódás az EUs és nemzetközi CAV kutató hálózatba, ZalaZONE-hoz kapcsolódó K+F szolgáltatási portfolió kifejlesztése, EU pályázatok elnyerése, Ipari megbízások elnyerése.