Test von automatisierten Fahrsystemen mit Hilfe von agentenbasierter Modellierung

Test von automatisierten Fahrsystemen mit Hilfe von agentenbasierter Modellierung

Das Southwest Research Institute (SwRI) erregte weltweit Aufmerksamkeit durch die Führung von NASA Missionen, wie z. B. der New Horizons Mission zum Pluto und der Juno Mission zum Jupiter. SwRI ist ebenfalls führend in den Bereichen Treibstoff- und Energieeffizienz, Geowissenschaften, Strömungsmaschinen und Energiespeicherung. Von ihrem Auftragsengineering, bei dem Wissenschaft und Technologie angewendet werden, profitieren Regierung, Industrie und Öffentlichkeit.

Problemstellung:

Ein Forschungsgebiet des Instituts sind automatisierte Fahrsysteme. Das SwRI arbeitet seit 2006 in diesem Feld und hat Systeme für einen Lkw mit Sattelanhänger, für den Ford Explorer, zahlreiche militärische Plattformen und eine Vielzahl von unbemannten Luftfahrzeugen (unmanned aerial vehicles (UAVs)) konzipiert. Diese automatisierten Systeme benötigen keine menschlichen Fahrer mehr, um sie während ihres Einsatzes zu steuern, unabhängig davon, ob es um Aufklärung, Abschleppen oder einfach Beförderung geht.

Die Ingenieure von SwRI wollten aber hier nicht Halt machen und entschieden sich, bei autonomen Fahrzeugen nicht nur die Fahrer, sondern auch Kontrollzentren zu entfernen. Nach diesem Konzept sollten Fahrzeuge in einer verteilten Art und Weise miteinander kommunizieren, Informationen über ihre aktuelle Position und Umgebung teilen und Entscheidungen über weitere Handlungen basierend auf diesen Informationen selbst treffen. Diese Technologie soll hauptsächlich durch Streitkräfte für den Transport von Nachschub ins Einsatzgebiet, für die Räumung von Minen, für Aufklärungsoperationen und viele andere Bereiche eingesetzt werden, in denen Menschen für ihre eigene Sicherheit durch Maschinen ersetzt werden können.

Die Realisierung solcher Systeme kann viel Zeit und Geld erfordern. Deshalb entschieden sich Ingenieure von SwRI Simulationsmodellierung einzusetzen, um die Möglichkeiten autonomer Fahrzeuge zu untersuchen.

Lösung:

Gemeinschaftliche Karte des Gebiets basierend auf den Erforschungen der Agenten

Bild 1. Gemeinschaftliche Karte des Gebiets basierend auf den Erforschungen der Agenten

Um die Leistungsfähigkeit von autonomen Fahrzeugen zu beurteilen und um Algorithmen und die Aufgabenteilung zwischen Fahrzeugen zu bewerten, entschieden sich SwRI Ingenieure dazu, ein agentenbasiertes AnyLogic Modell des Betriebs von Fahrzeugen in einem abgeschlossenen Bereich mit zufälligen Hindernissen zu erstellen. Dies stellte den einfachsten Weg dar, mehrere interagierende, virtuelle Fahrzeuge mit unterschiedlichen Fähigkeiten abzubilden und alle gleichzeitig zu betreiben.

Die Fahrzeuge entdeckten Hindernisse, fanden und betankten Kapseln in dem Bereich. Um diese Aufgaben schnell abzuschließen, war es notwendig, dass die Fahrzeuge zusammenarbeiteten und Informationen über die Umgebung austauschten.

Alle Fahrzeuge waren mit Sensoren ausgestattet, die die Umgebung erkennen, Informationen über die Dinge um sie herum sammeln und ihr Wissen mit anderen Agenten teilen konnten. Für jedes Fahrzeug wurden Verhaltensmerkmale vorher festgelegt: Einige Fahrzeuge konnten nur nach Kapseln suchen, einige konnten nur prüfen, ob diese voll oder leer waren und andere konnten Kapseln nur betanken.

Zustandsdiagramm der Agenten

Bild 2. Zustandsdiagramm der Agenten

Auf der rechten Seite von Bild 1 kann man erkennen, wie jedes einzelne Fahrzeug das Gebiet erkundete und Hindernisse fand. Auf der linken Seite des Bildes ist die gemeinsame Karte des Gebiets basierend auf ihren Erkundungen dargestellt. Die gemeinschaftliche Karte wurde zwischen allen Agenten geteilt und jeder Agent konnte die gemeinsamen Kartierungsfähigkeiten der anderen Agenten zu seinem Vorteil nutzen.

Für die Betankung der Kapseln in diesem Bereich mussten Fahrzeuge basierend auf ihren individuellen Fähigkeiten und ihres Aufenthaltsortes Teams bilden. Wenn ein Suchfahrzeug eine Kapsel findet, teilt es dies den nächstgelegenen Fahrzeugen mit, die über die notwendigen Fähigkeiten verfügen. Diese Fahrzeuge bilden ein Team mit dem Suchfahrzeug und unterstützen mit der Klassifizierung und Betankung, um den Auftrag zu erfüllen. In Bild 2 ist das Zustandsdiagramm der Agenten dargestellt, das diesen Prozess beschreibt.

Ergebnisse:

SwRI Ingenieure testeten mit AnyLogic wie sich autonome Fahrzeuge in einem kooperativen Netzwerk verhalten könnten und zeigten, dass solche Netzwerke in der Realität gebaut werden können. Folglich kann gesagt werden, dass Forscher mit Hilfe von AnyLogic Modellierung Algorithmen für die Lösung beliebiger verwandter Probleme entwickeln, diese Algorithmen testen und in autonomen Fahrzeugen implementieren können. Ein Beispiel wäre die Erschaffung einer Mischung aus Drohnen und bodengebundenen Robotern für Aufklärungs- und Sicherheitsstreifen.

Um mehr zu erfahren, schauen Sie die Projektpräsentation auf der AnyLogic Conference 2016 oder laden Sie diese herunter.

Ähnliche Fallstudien

Mehr Fallstudien