A kutatási terület vezetői:

Dr. Gáspár Péter, MSc, egyetemi tanár; kutatólaboratórium vezető, SZTAKI
Dr. Szalay Zsolt, PhD, egyetemi docens, tanszékvezető, BME
Dr. Szauter Ferenc, PhD, egyetemi docens, irodavezető, SZE

Pár szó a kutatási területről

  • Hazánkban több jelentős gépjárműgyártó, így pl. az Audi, Mercedes, Opel, és a Toyota, valamint autóipari beszállító, pl. Bosch, Knorr-Bremse, and Thyssen-Krupp, is jelen van mind gyártó-kapacitással, mind kutató-fejlesztő központtal. E cégek az utóbbi években folyamatos munkaerő-piaci igényt támasztanak a magasan képzett és korszerű szaktudással rendelkező szakemberek iránt.
  • Magyarország kiemelt érdeke, hogy az ország a járműipar területén fontos nemzetközi szereplővé váljék. Ehhez elengedhetetlen, hogy a járműipar nagyobb volumenű nemzetközi projektjeiben és fejlesztéseiben részt vegyen, továbbá hogy ezekben a projektekben, fejlesztésekben sikerrel vegyen részt. A maga részéről ezt kívánja elősegíteni a hazai kutatóintézeti és egyetemi szektor járműorientált kutató-fejlesztő (K+F) szereplőit, és K+F kapacitásait közös ernyő alá gyűjtő, valamint K+F tevékenységüket koordináló ARNL.

A kutatási terület alap kutatási irányai és az ezekkel kapcsolatos kutatási feladatok

  • Az ARNL K+F tevékenységeihez kapcsolódó alapkutatás nélkülözhetetlen a komplex alkalmazási feladatok megoldásában, másrészt biztosítja a nemzetközi reputációt az élenjáró és a nemzetközi kutatási trendekbe illeszkedő eredményeivel.
  • A kutatási területen folyó alapkutatások fő tématerületei a modellezés, modell-redukció és modell-identifikáció, az adaptív, robusztus, valamint az elosztott és hálózatba kapcsolt rendszerek irányítása, továbbá az integrált és kooperatív járműirányítások elmélete.
  • Az irányítási módszerek közül megemlítendők a lineáris változó paraméterű (LPV) irányítási módszerek, a modell prediktív (MPC) irányítások, az optimális irányítás megtanulása adatokból (reinforcement learning), a valósidejű implementációra alkalmas módszerek, pl. a pályatervezés és a környezetérzékelő szenzorok fúziójához kapcsolódóan.
  • A rendszer és irányításelmélet új kutatási területe a gépi tanulás és hatékony számítási és optimalizálási módszerekre épülő korszerű irányítások. E módszerek célja a klasszikus irányítás-tervezési eljárások kombinálása tanuló struktúrákkal annak érdekében, hogy egyes komplex, nagy számításigényű irányítási feladatok megoldhatókká váljanak, továbbá hogy valósidejű implementálásuk lehetségessé váljék. Jelentős kihívást jelent azonban a kombinált irányítási architektúrákra vonatkozó stabilitási és performancia garanciák biztosítása.

A kutatási terület kutatási és fejlesztési irányai és az ezekkel kapcsolatos feladatok

  • Közúti járművek különböző szintű autonóm funkcióinak és irányításának biztonságos és hatékony eléréséhez szükséges komponensek irányításával kapcsolatos kutatás.
  • Az autonóm közúti járművek, légi járművek és mobil robotok összekapcsolásával létrehozott komplex rendszerek és magasszintű funkciók irányítástervezési módszereinek kutatása.
  • Hatékony, biztonságos, üzemanyag-takarékos optimális irányítási módszerek tervezése és elemzése a közúti közlekedésben használt kapcsolt és automatizált járművekhez. Az alábbi közlekedési feladatoknak az autonóm járművekben is használható megoldása: kikerülés, előzés, kereszteződésben való hatékony áthaladás, a közlekedési jelzőlámpa ciklusok kihasználása, továbbá korszerű közlekedési hálózatok tervezése.
  • A hatékony és biztonságos személy- és áruszállítás követelményeit, szempontjait figyelembe vevő kooperatív forgalomirányítás módszereinek vizsgálata.
  • A magánjárművek, az osztott-használatú, valamint a tömegközlekedési járművek különféle összehangolt működésének, továbbá a közlekedés-szervezési rendszereknek a közlekedési hálózatokon belüli szerepének, hatásának a vizsgálata.
  • Az autonóm jármű- és közlekedésirányítási területek integrációjához szorosan kapcsolódik az üzemeltetői, ill. vezetői szándék becslése, beazonosítása, valamint az üzemeltetői, ill. vezetői szándékból fakadó követelmények megfogalmazása, azok formalizálása, és figyelembevétele az irányítás és a mozgásprofil tervezése során. Megjegyzendő, hogy a feladat távolról sem egyszerű, mert az autonóm jármű közlekedési környezetében vegyesen lehetnek jelen további autonóm és ember-vezette járművek. Így a járműirányítási rendszernek a járművezető, valamint az utasok közlekedési és kényelmi céljainak, igényeinek figyelembevételén túlmenően alkalmazkodnia kell a külső emberi tényezőkhöz, továbbá a műszakilag gyakran csak nehezen megfogalmazható, de általánosan alkalmazott közlekedési szokásokhoz is.
  • Az autonóm rendszerek irányításának megtervezéséhez alapvető fontosságú a környezet megfelelő detektálása, értelmezése, ezen belül a környezet objektumainak beazonosítása, az objektumok helyének és orientációjának meghatározása, továbbá a környezet dinamikus komponensei várható helyének, viselkedésének, és mozgásának előrejelzése.
  • E környezet értelmezési és leírási feladat azonban általánosan nem kezelhető, a különféle alkalmazásokhoz más és más megoldásra van szükség. A vázolt feladatok megoldása a környezetérzékelés során érzékelt objektumok dinamikus mozgásának predikciós modelljein keresztül, jellemzően a Bayes-következtetésen alapuló technikák felhasználásával történik.
  • Az irányítási stratégia módszertanának kidolgozása során a környezetben lévő járművek, a további emberi szereplők igényei, valamint a szélesebb körű (pl. kerületi, városi szintű) közlekedési célok összehangolása szükséges. A kutatás nehézségét a feladat komplexitásán túlmenően az adja, hogy a jármű számára a környezetében lévő emberekről, járművekről csak korlátozott információ érhető el. Az autonóm jármű intelligens irányítási rendszere azonban képes lehet ezt múltbeli minták alapján kiegészíteni.
  • Az autonóm járművek kommunikációs, valamint szenzorhálózatain jelentős mennyiségű, egyrészt a jármű járműdinamikai állapotára, másrészt annak környezetére vonatkozó adat érhető el. Az így előálló óriási adathalmaz elemzésével lehetővé válik a jármű-, valamint a közlekedési rendszerek irányíthatósági tartományainak becslése. E tartományok kellő pontosságú ismerete a közlekedési irányítórendszerek és járművek kooperatív összehangolásához szükséges. Mély elméleti kutatások irányulnak a fenti vizsgálatok eredményeinek az irányítástervezésbe való beillesztésére, így például modell prediktív (MPC), illetve lineáris változó paraméterű (LPV) irányítások kidolgozásához.
  • Az autonóm rendszerek tervezésében új kihívást jelentenek a tervezési, vagy végrehajtási feladatok nemdeterminisztikus megvalósításai. Ezek jellemzően heurisztikus optimumkeresést, valószínűségi következtetőket, és/vagy a gépi tanulás valamely formáját alkalmazzák. E megvalósítások közös jellemzője, hogy hatékony megoldást nyújtanak, viszont a robusztusság garantálásával adósak maradnak. A megoldások robusztussá tételére irányuló módszerek kidolgozása, valamint a magasabb szintű felügyelő (supervisor) tervezésére irányuló módszerek megalkotása egyaránt komoly kutatási kihívást jelentenek.