Szenarien & Simulation

Komplexe, automatisierte und autonome Systeme müssen in einer Vielzahl unterschiedlicher Situationen zuverlässig funktionieren. Viele davon treten im realen Betrieb nur selten auf, sind schwer reproduzierbar oder können aus Sicherheitsgründen nicht gezielt erzeugt werden.

Wir entwickeln deshalb Modelle, Szenarien und Simulationsumgebungen, mit denen Systeme und Funktionen bereits früh in der Entwicklung unter kontrollierten und reproduzierbaren Bedingungen untersucht werden können. Dabei reicht unser Spektrum von physikalischen System- und Umgebungsmodellen über virtuelle Sensorik bis zur systematischen Erzeugung sicherheitskritischer Szenarien.

Simulation verstehen wir nicht als Ersatz für reale Tests, sondern als Werkzeug, um den relevanten Test- und Entwicklungsraum systematisch zu erschliessen und reale Versuche gezielt vorzubereiten.

1. Welche Situationen und Umgebungsbedingungen sind für die Entwicklung und Absicherung eines Systems relevant?
2. Wie lassen sich seltene, kritische oder gefährliche Situationen reproduzierbar erzeugen?
3. Wie detailliert müssen Fahrzeug, Maschine, Sensorik oder Umgebung modelliert werden, damit eine Simulation für die konkrete Fragestellung aussagekräftig ist?
4. Wie lassen sich grosse Szenarienräume systematisch strukturieren und auf relevante Testfälle reduzieren?
5. Wie können synthetische Daten für die Entwicklung und Bewertung von Wahrnehmungs- und KI-Funktionen genutzt werden?
6. Wie lassen sich Ergebnisse aus Simulation und realem System miteinander vergleichen und aufeinander übertragen?

Je nach Fragestellung entwickeln wir einzelne Modelle, vollständige Simulationsumgebungen oder Methoden zur systematischen Erzeugung und Bewertung von Szenarien.

• Einsatzbereich und Simulationsziel definieren
  Zu Beginn bestimmen wir, welche Aussage mit der Simulation getroffen werden soll. Eine Umgebung für die frühe Funktionsentwicklung stellt andere Anforderungen an Modellgüte und Rechenaufwand als eine Simulation für einen sicherheitsrelevanten Nachweis.
  Wir definieren deshalb relevante Systemgrenzen, Einflussgrössen, Abstraktionsniveau und gewünschte Genauigkeit gezielt für die jeweilige Fragestellung.
• Szenarienraum beschreiben
  Wir strukturieren die relevanten Betriebs- und Umweltbedingungen eines Systems. Bei autonomen Systemen können dazu beispielsweise Verkehrsteilnehmende, Infrastruktur, Wetter, Sichtbedingungen, Sensorzustände oder das Verhalten anderer Akteure gehören.
  Damit entsteht ein beschreibbarer Raum möglicher Situationen, aus dem konkrete Testszenarien abgeleitet werden können.
• Modelle und virtuelle Umgebung entwickeln
  Wir integrieren vorhandene Simulationsmodelle oder entwickeln projektspezifische Modelle für System, Umgebung, Sensorik und relevante physikalische Effekte.
  Dabei wählen wir den Detaillierungsgrad so, dass die für die Fragestellung wesentlichen Eigenschaften realistisch genug abgebildet werden, ohne die Simulation unnötig komplex zu machen.
• Szenarien generieren und variieren
  Aus definierten Ausgangssituationen erzeugen wir systematisch Varianten und kritische Kombinationen von Einflussgrössen.
  Dadurch können auch Zustände untersucht werden, die bei rein zufälligen oder realen Tests nur mit sehr geringer Wahrscheinlichkeit auftreten würden.
• Ergebnisse analysieren
  Simulationsergebnisse werden anhand geeigneter Kriterien ausgewertet. Je nach Anwendung betrachten wir beispielsweise Abstände, Reaktionszeiten, Kollisionsrisiken, Regelgüte, Wahrnehmungsqualität oder das Erreichen sicherheitskritischer Systemzustände.
• Mit realen Daten abgleichen
  Wo möglich, vergleichen wir Modelle und Simulationsergebnisse mit Messungen oder Versuchen am realen System. Dadurch können Modellgrenzen erkannt und die Aussagekraft der Simulation für die jeweilige Anwendung bewertet werden.

Bei automatisierten und autonomen Systemen kann nicht jede mögliche Situation einzeln getestet werden. Entscheidend ist deshalb, den relevanten Szenarienraum systematisch zu beschreiben und daraus aussagekräftige Tests abzuleiten.

Wir betrachten dabei beispielsweise:

• nominale Betriebssituationen
• Grenzbereiche des vorgesehenen Einsatzes
• seltene und kritische Situationen
• ungünstige Umweltbedingungen
• Fehler und Degradation von Sensoren
• unerwartetes Verhalten anderer Akteure
• Kombinationen mehrerer Einflussgrössen
• Übergänge zwischen automatisiertem und menschlichem Handeln

Gerade für KI-basierte Wahrnehmungs- und Entscheidungsfunktionen ermöglicht dieser Ansatz eine gezieltere Untersuchung der Grenzen des Systemverhaltens.

Nicht jede Simulation benötigt ein vollständig detailliertes digitales Abbild des Gesamtsystems. Wir modellieren gezielt diejenigen Aspekte, die für die jeweilige Untersuchung relevant sind.

• System- und Dynamikmodelle
  Modelle von Fahrzeugen, Robotern, Maschinen oder Anlagen bilden relevante physikalische und dynamische Eigenschaften des Systems ab.
• Umgebungsmodelle
  Virtuelle Umgebungen beschreiben beispielsweise Strassen, Schienen, Gebäude, Gelände, Infrastruktur oder weitere Akteure.
• Sensormodelle
  Kameras, LiDAR, Radar und weitere Sensoren können virtuell abgebildet werden, um Wahrnehmungsfunktionen unter unterschiedlichen Umwelt- und Fehlerbedingungen zu untersuchen.
• Verhaltensmodelle
  Andere Verkehrsteilnehmende, Menschen oder autonome Systeme können mit unterschiedlichen Verhaltensweisen modelliert werden, um Interaktionen und Konfliktsituationen zu untersuchen.
• Fehlermodelle
  Gezielte Fehlereinprägung ermöglicht die Untersuchung von Sensorfehlern, Kommunikationsproblemen, Ausfällen oder degradierten Systemzuständen.

Bei autonomen Systemen liegt eine besondere Herausforderung darin, dass ihr Verhalten stark von der wahrgenommenen Umgebung abhängt.

Simulation ermöglicht es, Wahrnehmung, Planung und Entscheidungsfindung unter kontrollierten Bedingungen zu untersuchen und gezielt Situationen zu erzeugen, in denen ein System an seine Grenzen kommt.

Dabei nutzen wir Simulation unter anderem für:

• Entwicklung und Test autonomer Funktionen
• virtuelle Sensorik
• Generierung synthetischer Trainings- und Testdaten
• systematische Variation von Umweltbedingungen
• Suche nach kritischen und unbekannten Szenarien
• Robustheitsuntersuchungen
• Vorbereitung physischer Versuche
• Vergleich unterschiedlicher Algorithmen und Systemversionen

Ein besonderer Forschungsbereich ist die Frage, wie relevante und herausfordernde Szenarien möglichst effizient erzeugt werden können – insbesondere für komplexe KI-basierte autonome Systeme.

Reale Daten sind für Entwicklung und Validierung unverzichtbar, decken aber selten alle relevanten Bedingungen ab. Simulation ermöglicht die kontrollierte Erzeugung zusätzlicher Daten.

Synthetische Daten können beispielsweise gezielt unterschiedliche:

• Wetter- und Lichtbedingungen,
• Sensorpositionen,
• Objekte und Hindernisse,
• Verkehrssituationen,
• Fehlerzustände oder
• seltene Ereignisse

abbilden.

Der Vorteil liegt insbesondere darin, dass die Bedingungen und Ground-Truth-Informationen der Simulation bekannt sind und Datensätze gezielt für bestimmte Fragestellungen erzeugt werden können.

Simulationsergebnisse sind nur dann wertvoll, wenn ihre Aussagekraft für das reale System verstanden wird.

Deshalb verbinden wir virtuelle Untersuchungen mit realen Mess- und Versuchsdaten. Modelle werden mit realem Systemverhalten verglichen und dort angepasst, wo die für eine Fragestellung relevanten Eigenschaften nicht ausreichend wiedergegeben werden.

Mit unseren realen Versuchsträgern – von skalierten Fahrzeugplattformen bis zum Versuchsfahrzeug NINA – können Funktionen und Szenarien schrittweise aus der virtuellen Umgebung in die reale Erprobung übertragen werden.