Projekte

ADACORSA soll die technischen Komponenten (Hardware, Software, Kompetenzen und Verfahren) liefern, die erforderlich sind, um halbautonome Drohnen außerhalb der Sichtweite (BVLOS) sowohl im unkontrollierten (Very Low Level) Luftraum als auch im kontrollierten Luftraum zu betreiben und dass unter einer bisher nicht dagewesenen Preispolitik. Dies soll die deutschen und europäischen Partner für die Anwendung mit teilautomatisierten bzw. voll-autonomen Drohnen im BVLOS Betrieb vorbereiten, um in Zukunft auch diesen Markt mit neuen Geschäftsmodellen gestalten zu können.

Die OTH-AW befasst sich mit der Kommunikation von Drohnen in Hinblick auf BVLOS Szenarien und im speziellen mit den beiden Aspekten Zuverlässigkeit (Reliability, Safety) und Sicherheit (Security). Als Beitrag zur zuverlässigen Kommunikation zwischen Drohne und Operator erforscht und entwickelt die OTH-AW Modelle zur Prädiktion der Mobilfunk-Verbindungsqualität. Auf Basis von realen luftgestützten Messungen sollen verschiedene Algorithmen, aus dem Bereich Machine Learning oder geo-basierte Verfahren, entwickelt und auf ihre Eignung für die Vorhersagemodelle bewertet werden. Die entwickelten Modelle werde dann zum einem vom niederländischen Projektpartner AnyWi herangezogen, um in einer multimodalen Kommunikationsarchitektur eine frühzeitige Auswahl der optimalen Mobilfunkverbindung (Provider) für das Versenden von Nachrichtenpaketen, auf Basis von QoS (Quality of Service) Vorhersagen, zu ermöglichen. Zum anderen untersucht die OTH-AW die Anwendung der Vorhersagemodelle zur Berechnung von QoS-optimierten Flugtrajektorien, um die Robustheit gegenüber möglicher Kommunikationsausfällen durch Zellwechsel oder Funklöcher zu erhöhen.

Der zweite Teilaspekt des Beitrags der OTH-AW zu ADACORSA zielt darauf ab, die Sicherheit von sogenannten „Flyling Ad-hoc Networks (FANETs)“, in denen (autonome) unbenannte Luftfahrzeuge kommunizieren, durch die Erforschung von Authentifizierungs- und Trust-Management-Systeme zu verbessern. Dazu wird die OTH-AW, unter Berücksichtigung von Erkenntnissen aus dem Automobilbereich und anderer mobiler „Ad-hoc“ Netzwerke, ein leistungsfähiges Trust-Management-System für FANETs entwickeln und demonstrieren. In enger Kooperation mit dem französischen Projektpartner CEA (Commissariat à l’énergie atomique et aux énergies) sollen so die vertrauensbasierten Sicherheitsaspekte der FANETs untersucht und Lösungsansätze entwickelt werden.

Zum Projekt ADACORSA

Automotive Intelligence for ConnectedSharedMobility

Aufbau von europäischen Systemen und Komponenten für ECS 2030 Fahrzeuge um die Produktion für den Massenmarkt zu unterstützen. Das alles basierend auf den Green Deal Prinzipien.

Ziele des Projektes AI4CSM

• Aufbau von europäischen Systemen und Komponenten für ECS 2030 Fahrzeuge um die Produktion für den Massenmarkt zu unterstützen. Das alles basierend auf den Green Deal Prinzipien.

• Entwicklung von Elektronischen Komponenten und Systemen für Connected and shared mobility using trustworthy AI.

• Eine Sektorübergreifende Mission welche sowohl den Automotiven, den Halbleiter Sektor und die Gesellschaft umfasst.

• Automatisierung, Elektrifikation, Standardisierung und Digitalisierung durch neue, KI-gesteuerte Fahrzeuge

Zum Projekt AI4CSM

Das übergreifende Ziel von PowerizeD ist die Entwicklung bahnbrechender Technologien für digitalisierte und intelligente Leistungselektronik, die eine nachhaltige und resiliente Energieerzeugung, -übertragung und -anwendung ermöglicht. PowerizeD erhöht den Grad der mechanischen und elektrischen Integration der Steuer-, Treiber- und Schaltfunktionalität in einer Komponente und ermöglicht zum ersten Mal eine gemeinsame Optimierung aller Leistungsschalterfunktionalitäten.

Die Verwendung von neuen Schaltungsmodellen, fortschrittlichen Steuerungsstrategien und künstlicher Intelligenz ermöglicht die Integration von Teilen des Regelkreises, was einen robusten und zuverlässigen Betrieb ermöglicht. Um die gemeinsame Nutzung von Daten entlang der Wertschöpfungskette zu erleichtern, setzt PowerizeD auf den neuartigen Ansatz des Federated Learning. Diese kollaborative Optimierung von spezifischen kompakten Modellen und neuronalen Netzen

Mit dem Vorhaben VRUIDFUL soll ein klarer Schwerpunkt auf die Erweiterung der bisherigen Forschungsarbeiten der OTH Amberg-Weiden im Bereich Mobilität auf intelligente Infrastruktur (z.B. Sensorik, erweiterte Ampelanlagen) gelegt werden. Konkret soll deren Aufbau in einem realen urbanen Testfeld und deren Einbindung in ein integrales Sicherheitssystem für ungeschützte Verkehrsteilnehmer (VRU) in mehreren Phasen erforscht werden:Im Rahmen dieses Antrags soll ein besonders stark von ungeschützten Verkehrsteilnehmern (VRU) frequentiertes Areal (um Hochschule, KiTa und Kindergarten) in Amberg mit intelligenten Infrastruktureinheiten (IISE) ausgestattet werden. Mit diesen sollen umfangreiche Daten gesammelt und ausgewertet werden.

Die Sensorik in den IISE basiert auf Radar, Lidar, Wärmebild- und Stereokamera, die Intelligenz in den Einheiten zielt auf die Erkennung und Klassifikation von Objekten, insbesondere VRU und Gruppen von VRU.Die gewonnenen abstrahierten Daten (3D Cubes) werden mittels Mobilfunks, ITS-G5 (und z.T. LoRA) an einen zentralen Server übertragen, gespeichert und können für die weitere Auswertung verwendet werden. Da ausschließlich abstrahierte Daten an den Server übertragen und gespeichert werden, ist die Einhaltung des Datenschutzes gewährleistet.Parallel dazu sollen ausgewählte Ampelanlagen im Testfeld mit V2x-Kommunikationseinheiten und Anbindung an den Verkehrsleitrechner ertüchtigt werden, die Ampelphasen vorausschauend auszusenden. Diese Informationen werden zeitsynchronisiert mit auf dem Server abgelegt. Ebenso werden weitere Daten wie Witterung mit aufgezeichnet, um die Einflüsse von Ampelschaltungen und Witterung auf das Verhalten von VRU fundiert auszuwerten zu können.

Auf Basis der dadurch gewonnenen Forschungsdaten sollen in einer zweiten Phase Forschungsprojekte zur Intentionserkennung von ungeschützten Verkehrsteilnehmern und deren Verhalten zusammen mit Partnern (z.B. aus dem bayerischen KI-Mobilitätsnetzwerk „AImotion“) initiiert werden. Aus den daraus resultierenden Erkenntnissen sollen Warnstrategien und Handlungsempfehlungen für Fahrzeuge abgeleitet werden, um potenziell gefährliche Szenarien (etwa Fußgänger oder Radfahrer, die nach längerer „grün“-Phase bei „rot“ werdender Fußgängerampel „noch schnell“ die Straße überqueren möchten, oder unaufmerksam hinter einem Pulk anderer VRUs hinterherlaufende Fußgänger) frühzeitig zu erkennen und Unfälle zu vermeiden.

Aufwand und Nutzen sollen bewertet werden.In einer dritten Phase sollen diese Warnstrategien und Handlungsempfehlungen mit den beteiligten Stakeholdern, d.h. Verkehrsplaner, Fahrzeughersteller, Bürgern etc. diskutiert werden. Zunächst könnte z.B. eine Smartphone-App helfen, die Aufmerksamkeit von Fußgängern zu erhöhen. Gesamtziel wäre aber, das integrale System in gemeinsamen Projekten mit Fahrzeugherstellern und Verkehrsplanern Realität werden zu lassen, also nicht nur die Fußgänger, sondern auch die Fahrzeuge in das Warnkonzept einzubinden.