Universität Ulm Logo

Homepage

Profil

Das Institut für Mess-, Regel- und Mikrotechnik (MRM) der Universität Ulm (UULM) unter der Leitung von Prof. Dr. Klaus Dietmayer erforscht und nutzt moderne Verfahren der Mess- und Regelungstechnik sowie der Signalverarbeitung u.a. in den Anwendungsgebieten vernetztes automatisiertes Fahren, Elektromobilität und mechantronische Systeme. Bereits seit über 15 Jahren wird am MRM an Fragestellungen der Fahrerassistenz und des automatisierten Fahrens erfolgreich geforscht. Das Thema hat sich inzwischen zu einem fächerübergreifenden Schwerpunktthema der Universität Ulm mit entsprechenden strukturellen Einrichtungen entwickelt. Beispielsweise arbeiten im „Forschungszentrum für kooperative, hochautomatisierte Fahrerassistenzsysteme und Fahrfunktionen“ (F3) Ingenieure, Informatiker und Psychologen zusammen an Fragestellungen und Herausforderungen automatisierter Fahrzeuge. Die Universität Ulm ist zudem Partner im vom Land Baden-Württemberg geförderten „Tech Center a-drive“. Ferner ist die Universität Ulm über den Mitgründer Prof. Dietmayer Mitglied bei UniDAS e.V., einer Vereinigung der führenden Hochschulinstitute in Deutschland auf dem Gebiet der Fahrerassistenz und des automatisierten Fahrens mit zahlreichen Aktivitäten auf nationaler und internationaler Ebene. Das MRM verfügt über mehrere Versuchsfahrzeuge, darunter vollautomatisierte und vernetzte Fahrzeuge mit einer Erprobungsträgerzulassung für den öffentlichen Verkehr.

Projektrelevante Schwerpunkte des Instituts
  1. Hochautomatisiertes Fahren in urbanen Umgebungen (bereits 2014 erstmals der breiten Öffentlichkeit präsentiert)
  2. Vernetzung von Fahrzeugen mit anderen Fahrzeugen oder Infrastruktur (V2X) und Einbinden der Informationen in die Verarbeitungskette
  3. Maschinelle Lernverfahren (ML, z.B. Deep Learning) in den verschiedensten Bereichen des automatisierten Fahrens und der Regelungstechnik
Rolle im Projekt LUKAS
  1. Betreiber der Infrasturktur-Pilotanlage in Ulm-Lehr und Leitung des AP2 "Sensorsysteme"
  2. Objekterkennung und -klassifikation in den Sensor Processing Units für Kamera und Fusion Kamera mit LiDAR/RADAR unter ML-Nutzung
  3. Fusion und Prädiktion des Umfeldmodells auf dem Edge-Server
  4. Erforschung eines ML-basierten, kooperativen Handlungsplanungsmoduls für den Edge-Server
  5. Umsetzung und Demonstration des kooperativen Verhaltens in einem hochautomatisierten Versuchsfahrzeug