Entwicklung einer Methodik für flottenübergreifende Verifikation von Software Updates einer selbstlernenden Fahrfunktion

Kontext

Für die Aufrechterhaltung und Weiterentwicklung von autonomen Fahrzeugen ist die regelmäßige Aktualisierung der darin integrierten Software unabdingbar. Diese Updates werden in Zukunft in regelmäßigen Zeitabständen Over The Air (OTA) zu den verschiedenen Fahrzeugvarianten einer Flotte versendet, und bringen einige Herausforderungen mit sich. Vor allem muss die Kompatibilität zu den unterschiedlichsten Varianten- und Konfigurationen im Feld gewährleistet werden. In vorherigen Arbeiten wurde eine auf Contracts-basierende Methodik für das Testen von Updates entwickelt. In dieser Arbeit soll die Tauglichkeit dieser für die Anwendung auf Daten-getriebene Funktionen am Beispiel eines neuronalen Netzes untersucht werden. Anschließend soll die Methodik so erweitert werden, dass sie Updates für diese Art von Funktionen mit Berücksichtigung der existierenden Variabilität ermöglicht.

Aufgaben

• Einarbeitung in die Themen: „Over The Air Updates“, „Contract-based Design“, “Neuronale Netzte” und “Variantenmanagement”
• Konzeptionierung einer Methodik für Contract-basierte Verifikation einer selbstlernenden Fahrfunktion in Form eines neuronalen Netzes
• Erweiterung der Methodik für die Abdeckung unterschiedlicher Varianten („Flottenübergreifende Updates“ bzw. „Flottenlernen“)
• Anwendung der Methodik auf ein Beispiel einer autonomen Fahrfunktion (SAE Level 4, 5) in einer Simulationsumgebung (z.B. Carla)
• Evaluation der Ergebnisse und Analyse der Vorteile und Grenzen für den betrachteten Usecase

Anforderungen

• Motivation und kreative Denkweise
• Kenntnisse in System und Software Engineering, insbesondere eingebetteten Systemen
• Erste Programmierkenntnisse  (Python oder Ähnliches)