Um autonome oder teilautonome Fahrzeuge zuverlässig absichern zu können, werden tausende möglichst realistische Szenarien benötigt, die auch seltene Ereignisse umfassen. Die manuelle Erstellung der so genannten „rare events“ in speziellen Editoren ist enorm aufwendig. Der Service zur Szenariogenerierung wird die Komplexität der realen Welt in die Simulation übertragen.

Der Scenario Generation Service greift ...

auf vorhandene Datenschätze zurück, die bei Messfahrten aufgezeichnet wurden. In einem automatisierten Prozess werden mit den KI-basierten Annotierungs-Lösungen von understand.ai die relevanten Informationen aus den Rohdaten der Fahrzeugsensoren extrahiert. Auf diese Weise entstehen realitätsnahe und konsistente Simulationsszenarien. Optional können Daten aus Objektlisten für die Szenariogenerierung verwendet werden.

Mit den generierten Szenarien werden exakte Reproduktionen von realen Fahrsituationen in der Simulation erzeugt, um so Ereignisse aus Testfahrten im Labor nachzustellen oder um Simulationen von Sensormodellen mit Messdaten abzugleichen. Die Generierung logischer Simulationsszenarien ermöglicht es  über das szenario-basierte Testen simulativ neue, bisher unbekannte Corner Cases zu erzeugen und so autonome Fahrfunktionen in einer Vielzahl relevanter und kritischer Situationen zu testen.

Das für die Simulation benötigte Straßenmodell ...

kann durch den Scenario Generation Service ebenfalls auf Basis der Sensordaten modelliert werden. Alternativ ist hierfür die Verwendung von HD-Karten möglich. Darüber hinaus können detaillierte 3D Modelle der Fahrzeug-Umgebung für die physikalische Sensor-Simulation erzeugt werden.

Die generierten Szenarien ermöglichen die sofortige Nutzung der Szenarien in der ASM-Simulationsumgebung von dSpace und der bestehenden Infrastruktur für SIL- und HIL-Anwendungen. Zusätzlich werden die Szenarien in OpenSCENARIO und OpenDRIVE bereitgestellt, so dass die Übertragbarkeit auf weitere Simulatoren möglich ist.