Model-Predictive-Control für ein Wolfsburger autonomes Test-Shuttle
Übersicht
Worum es bei diesem Projekt geht.
Verwende ein kinematisches Fahrradmodell mit Zustand (x, y, yaw, v) und Eingang (Lenkwinkel, Beschleunigung). Implementiere einen MPC-Regler mit 2-Sekunden-Vorausschauhorizont und 100-ms-Diskretisierung in CasADi. Definiere Kostenfunktion (Spurabweichung, Steuerungsglätte, Komfort) und Sicherheitsbeschränkungen (Hindernis-Abstand, maximale Querbeschleunigung). Simuliere drei Szenarien: enges Ausweichmanöver, Stop-and-Go im Stau und 90-Grad-Kurve. Vergleiche gegen einen Pure-Pursuit-Regler als Baseline. Liefere ein Engineering-Memo mit Komfort- und Sicherheitsmetriken plus Empfehlung für die nächste Test-Iteration auf dem Werksgelände.
Das Briefing
Was Du tust und was Du zeigst.
Zeige in Simulation, dass MPC für niedriggeschwindigkeit-Manöver einen messbaren Komfort-Vorteil gegenüber Pure Pursuit bietet, ohne Sicherheitsmargen zu verletzen.
Earning criteria — what you'll demonstrate
- Modellprädiktive Regelung konzeptionell verstehen und mit CasADi formulieren
- Trajektorien-Optimierung unter Sicherheits- und Komfort-Constraints durchführen
- Reglervergleich mit Komfort- und Sicherheitsmetriken statt nur Spurfehler durchführen
- Echtzeit-Tauglichkeit (Solve-Zeit, Konvergenz) als Engineering-Kriterium einbringen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenMachine Learning Engineer
Optimierungsbasierte Regelung produktionsnah zu implementieren und Echtzeit-Bedingungen mitzudenken ist genau das Skillset, das ML Engineers in autonomen Systemen brauchen.
Dieses Projekt schärft
- model-predictive-control
- trajectory-optimization
- python
Applied AI Scientist
Reglervergleich mit Komfort- und Sicherheitsmetriken sauber zu strukturieren ist Tagesgeschäft angewandter KI-Wissenschaftler in Robotik und autonomem Fahren.
Dieses Projekt schärft
- model-predictive-control
- optimal-control
- benchmarking
Research Scientist
Optimale Regelung formal zu formulieren und Komfortmetriken als Forschungsgegenstand zu adressieren ist eine Brücke in publikationsnahe Forschungsarbeit.
Dieses Projekt schärft
- optimal-control
- trajectory-optimization
- robot-simulation
Noch eine Sache