M.Sc. Robert Jacumet
Technische Universität München
Postadresse
Postal:
Theresienstr. 90
80333 München
- Tel.: work +49 151 601 50501
- r.jacumet@tum.de
Model Predictive Control basierte Motion Cueing Algorithmen für Fahrsimulatoren
Fahrsimulatoren werden zunehmend zum Erforschen, Entwickeln und Testen von autonomen Fahrfunktionen, dem menschlichen Fahrerverhalten, neuen UI/UX Konzepten und Fahrdynamik-Aspekten verwendet. Die Simulatoren bieten eine sicherere und messbare Versuchsumgebung, deren Vorteile auch in ihrer Kontrollierbarkeit und Reproduzierbarkeit liegen. Die Straße wird sozusagen ins Labor geholt, wodurch Entwicklungszyklen neuer Fahrzeuge verkürzt und die Forschung an Fahrer und Fahrzeug beschleunigt werden kann. Neben Autoherstellern besitzen unter anderem auch Universitäten, Forschungseinrichtungen und Verkehrsbehörden Fahrsimulatoren.
Damit Ergebnisse von Studien und Versuchen an Fahrsimulatoren eine Gültigkeit besitzen, und somit Versuche in echten Fahrzeugen auf der Straße ersetzen können, müssen die Simulatoren den Eindruck einer realen Fahrt vermitteln. Dazu werden visuelle, vestibuläre, akustische und haptische Reize (sogenannte Cues) erzeugt. Durch die Bewegung des Fahrsimulators werden Kräfte erzeugt, welche auf den Körper des Fahrers in dem Simulator wirken. Diese Bewegungsreize oder -hinweise werden als Motion Cues bezeichnet. Algorithmen, welche die Steuersignale für das Bewegungssystem des Simulators berechnen, werden Motion Cueing Algorithmen (MCAs) genannt.
MCAs müssen mit dem begrenzten Bewegungsraum der Simulatoren, welcher um Größenordnungen kleiner ist als die Fahrmanöver auf echten Straßen, eine aus Sicht des Probanden möglichst realistische Bewegungserfahrung erzeugen. Weichen vom Fahrer wahrgenommene Beschleunigungen und Winkelgeschwindigkeiten zu stark ab von solchen, wie sie im echten Fahrzeug vorhanden wären, senkt dies den Realismus und kann zu Motion Sickness führen.
In einem Teil meiner Forschung untersuche ich Model Predictive Control basierte Motion Cueing Algorithmen, welche ein hohes Potential zum Regeln von großen und komplexen Fahrsimulatoren zeigen. Herausforderungen liegen hierbei im Formulieren und dem effizienten, echtzeitfähigen Lösen der Optimierungsprobleme für nichtlineare Simulatorsysteme von bis zu neun nicht-unabhängigen Freiheitsgraden. Der Mensch in dem System führt zu zwei weiteren Herausforderungen. Zum einen müssen Fahrerinputs im Simulator über einen möglichst langen Zeithorizont prädiziert werden, um eine optimale Bewegung des Simulators, also möglichst eine Bewegung wie sie der Fahrer aufgrund seiner Inputs erwartet, errechnen zu können. Zum anderen finden sich bei Optimierungen nach den inneren subjektiven Bewertungsmetriken der Probanden noch offene Fragestellungen. Neben MPC spielen damit auch Machine Learning und Learning-based Control Ansätze eine Rolle.
Kurze Biografie
Seit 12/2022 | Doktorand Forschung Neue Technologien, BMW GroupLehrstuhl für Steuerungs- und Regelungstechnik Technische Universität München (TUM) |
10/2020 – 11/2022 | Master of Science, Elektro- und Informationstechnik Fokus: Regelungstechnik, Signalverarbeitung, Maschinelles Lernen Technische Universität München (TUM) |
10/2017 – 10/2020 | Bachelor of Science, Elektro- und Informationstechnik Fokus: Regelungstechnik, Signalverarbeitung Technische Universität München (TUM) |
Studentische Arbeiten
Ich betreue Forschungspraxen, Bachelor- und Masterarbeiten (FP/BA/MA).
Hierfür bin ich immer auf der Suche nach guten und motivierten Studierenden. In den Arbeiten achte ich auf eine adäquate Einarbeitungszeit, sodass sie selbstverständlich auch ohne Vorwissen im Bereich Motion Cueing erfolgreich sein können. On top, haben die wissenschaftlichen Arbeiten meist bereits aufgrund des Forschungsthemas meiner externen Promotion einen interessanten Praxisbezug.
Im Folgenden finden Sie eine aktuell gehaltene Liste offener studentischer Arbeiten. Falls Sie Interesse an einem der Themen haben, kontaktieren Sie mich gerne per E-Mail. Beschreiben Sie kurz ihre Motivation und teilen mir das gewünschte Thema, sowie beabsichtigtes Startdatum mit. Hängen Sie bitte einen aktuellen Leistungsnachweis und Ihren aktuellen Lebenslauf an.
Neben den aktuell ausgeschriebenen Arbeiten habe ich immer weitere, offene Themen für zukünftige Untersuchungen. Deshalb: Sollte in den ausgeschriebenen Arbeiten nichts für Sie dabei sein, schreiben Sie mir einfach eine Mail mit denselben Unterlagen. Bei passender Eignung schlage ich Ihnen eine Arbeit in meinem Forschungsbereich vor.
Die Betreuung läuft genau wie bei internen Doktoranden ab.
Publikationen
R. Jacumet, C. Rathgeber and V. Nenchev, "Analytical Safety Bounds for Trajectory Following Controllers in Autonomous Vehicles," 2023 9th International Conference on Control, Decision and Information Technologies (CoDIT), Rome, Italy, 2023, (accepted)
T. Brüdigam, R. Jacumet, D. Wollherr and M. Leibold, "Safe Stochastic Model Predictive Control," 2022 IEEE 61st Conference on Decision and Control (CDC), Cancun, Mexico, 2022, pp. 1796-1802, doi: 10.1109/CDC51059.2022.9992772.