AVL und die Unternehmen Microsoft, Hexagon, Synopsys und Tracetronic haben die Initiative ADET (Autonomous End-to-End-Testing) gestartet, um eine durchgängige, digitale und automatisierte Werkzeugkette für das Testen von automatisierten und autonomen Fahrzeugen zu entwickeln. Mit den automatisierten Test-Workflows und innovativen Tools fördern die Unternehmen die effektive Erstellung und den Austausch der Testszenarien. Hersteller- und Zulieferer-Teams können orts- und zeitunabhängig auf die Ergebnisse zugreifen. Etwaige Fehlfunktionen des Systems werden in einer frühen Entwicklungsphase erkannt und entfernt. Dank der Kombination der Fachkenntnisse der beteiligten Firmen können Tests effizient geplant und Simulationen schnell auf der Microsoft-Azure-Infrastruktur umgesetzt werden. Auswertungen und Analysen von Daten und Ergebnissen werden automatisiert und nahtlos ausgetauscht, Prozesse, Werkzeuge und Testabläufe von einer zentralen Stelle orchestriert. Diese Architektur wird Dienste wie Azure Kubernetes Service (AKS) für die Container-Orchestrierung, Azure Batch für die automatische Skalierung und Azure’s speziell entwickelte HPC/KI-Recheninstanzen umfassen. KI-Workloads, einschließlich maschineller Lernvorgänge (MLOps), werden von Azure Machine Learning ebenfalls unterstützt. Ziel der Initiative ist es, die Testquantität um den Faktor 500 zu steigern – bei gleichbleibender Entwicklungszeit. (oe)
Ähnliche Artikel
Hochautomatisiertes Fahren: Kritische Verkehrssituationen automatisiert erkennen
Porsche Engineering arbeitet im Forschungsprojekt AVEAS mit Partnern daran, kritische Verkehrssituationen mit KI-Hilfe automatisiert in Sensordaten zu erkennen und in einer Datenbank abzulegen. […]
Video: ADAS-Schwarmtest mit GNSS-Trägheitsnavigationssystem
In diesem Video wird gezeigt, wie reale Szenarien mit mehreren Testobjekten perfekt koordiniert und synchronisiert werden können. […]
Projekt KARLI: Levelkonforme Interaktion mit automatisierten Fahrzeugen
Im Projekt KARLI werden kundenrelevante KI-Funktionen entwickelt, die für unterschiedliche Stufen auf dem Weg zum automatisierten Fahrzeug Fahrerzustände erfassen und Interaktionen gestalten. […]