Datengetriebenes Entwickeln & Testen
Durch das Testen im Open-Loop robustes Systemverhalten erzeugen
Das Testen im Open-Loop bietet eine leistungsstarke Möglichkeit, um Perzeptionsalgorithmen, Sensorfusionsmodelle und Entscheidungsfindungslogiken zu bewerten, ohne dass eine durch das zu testende System geschlossene Feedbackschleife benötigt wird. Entwicklungsteams können durch das Einspeisen von vordefinierten Größen in eine Funktion oder ein Steuergerät die Leistung gezielt analysieren, Schwachstellen identifizieren und Varianten unter vollständig reproduzierbaren Bedingungen vergleichen. Open-Loop-Tests sind ideal für frühe Entwicklungsphasen, Benchmarking von Komponenten und schnelle Iterationszyklen geeignet. Sie reduzieren die Komplexität und erlauben eine schnelle Gewinnung von Erkenntnissen. Somit wird lange vor der Integration und dem Testen in einem Closed-Loop-System der Grundstein für robustes Systemverhalten gelegt.
Daten-
logging
Datenlogging erfasst Rohsignale von Sensoren, Umgebungsinformationen und den Output von Steuergeräten während realer oder simulierter Fahrten. Die gesammelten Daten bilden die Grundlage für die Entwicklung von Algorithmen, Absicherung und Fehlerbehebung. Qualitativ hochwertiges Datenlogging gewährleistet die Nutzung kritischer Grenzfälle und seltener Szenarien in zukünftigen Testzyklen.
Die strukturierte Organisation, Ablage und Indizierung von großen Sensordatenmengen aus z. B. Kamera-, Lidar- und Radarquellen sowie aus der Buskommunikation ist von großer Bedeutung. Relevante Datensätze können effizient abgerufen und skalierbare Entwicklungsworkflows unterstützt werden. Eine strukturierte Verwaltung stellt ebenfalls die Integrität und Nachvollziehbarkeit der Daten über mehrere Entwicklungszyklen hinweg sicher.
Während der Datenannotation werden Sensorrohdaten durch Labels oder Metadaten ergänzt, um beispielsweise Objekte, Fahrbahnmarkierungen oder Verhaltensauslöser zu erfassen. Diese Annotationen ermöglichen überwachtes Lernen und eine fehlerfreie Bewertung von Perzeptionsalgorithmen. Eine konsistente und hohe Qualität der Kennzeichnung verbessert die Performanz des Modells erheblich und verringert den Bedarf an kostspieligem Nachtrainieren.
Bei der Datenwiedergabe werden zuvor aufgezeichnete Sensordaten erneut in ein Steuergerät, eine Softwarefunktion oder eine Simulationsumgebung eingespeist. Dies ermöglicht das deterministische und wiederholbare Testen von Algorithmen unter identischen Bedingungen, unabhängig von Einschränkungen in der realen Welt. Die Datenwiedergabe beschleunigt die Fehlerbehebung, Benchmarking und Regressionstests, indem Schwankungen aus den Testläufen eliminiert werden.
Use cases
Replay von Echtzeit-Sensor- und -Busdaten
Eine wesentliche Anforderung für datengetriebene Entwicklung ist die originalgetreue Reproduktion aufgezeichneter Szenarien. Dies erfordert eine hochpräzise zeitliche Synchronisation aller Datenströme: Jede einzelne Busnachricht, jeder Sensordatenpunkt und jedes Bild muss genau zu dem Zeitpunkt wiedergegeben werden, zu dem es ursprünglich aufgezeichnet wurde. Nur so lässt sich das zeitliche Zusammenspiel der einzelnen Signale fehlerfrei nachbilden und schlussendlich ein realistisches Systemverhalten sicherstellen. Um diese Daten aus realen Betriebsszenarien zu extrahieren und wiederzuverwenden, kann die Software-Suite SensFlow eingesetzt werden. Die Suite verarbeitet sowohl Rohsensordaten (z. B. Kamera-, Radar- oder Lidardaten) als auch Busdaten (z. B. CAN oder Ethernet). Diese Daten werden so aufbereitet, dass sie über die entsprechenden hardwarebasierten Schnittstellen in elektronische Steuergeräte eingespeist werden können.
