Um autonome oder teilautonome Fahrzeuge zuverlässig absichern zu können, werden tausende möglichst realistische Szenarien benötigt, die auch seltene Ereignisse umfassen. Die manuelle Erstellung solcher Rare Events in speziellen Editoren ist enorm aufwendig. Der Scenario Generation Service von understand.ai und dSPACE greift auf vorhandene Datenschätze zurück, die bei Messfahrten aufgezeichnet wurden. Ein automatisierter Prozess extrahiert mit den KI-basierten Annotierungslösungen von understand.ai die relevanten Informationen aus den Rohdaten der Fahrzeugsensoren.
Auf diese Weise entstehen realitätsnahe und konsistente Simulationsszenarien. Optional können Entwickler auch Daten aus Objektlisten für die Szenariogenerierung verwenden. Mit den generierten Szenarien lassen sich exakte Reproduktionen von realen Fahrsituationen in der Simulation erzeugt, um so Ereignisse aus Testfahrten im Labor nachzustellen oder um Simulationen von Sensormodellen mit Messdaten abzugleichen. Die Generierung logischer Simulationsszenarien ermöglicht es über das szenario-basierte Testen simulativ viele neue, bisher unbekannte Corner Cases zu erzeugen und so autonome Fahrfunktionen in einer Vielzahl relevanter und kritischer Situationen zu testen. Das für die Simulation benötigte Straßenmodell kann durch den Scenario Generation Service ebenfalls auf Basis der Sensordaten modelliert werden.
(prm)