InoNet Computer GmbH
Wettersteinstraße 18
82024 Taufkirchen
3 Mal schnellere Entwicklung dank HiL Simulation
Kunde
TU München
Studierende
> 50.000
Mitarbeiter
> 12.000
Herausforderungen
Das Racing Car der Technischen Universität München (TUM) für das Abu Dhabi Autonomous Racing League (A2RL) ist mit einem Rechner versehen, der das Fahrzeug autonom über die gesamte Rennstrecke steuert und lenkt. Die Entwicklung des autonomen Fahrsystems stellt eine bedeutende Herausforderung dar. Um das Fahrzeug sicher und präzise über die Rennstrecke zu steuern, müssen reale Fahrsituationen in einer sicheren und effizienten Umgebung getestet werden. Herkömmliche Testmethoden, die den Einsatz von Straßenfahrzeugen erfordern, sind oft schwierig und kostspielig umzusetzen. Daher werden virtuelle Simulationen genutzt, um die Reaktion der Software auf reale Szenarien zu testen.
Diese Simulationen erfordern jedoch leistungsstarke CPU und GPU Performance. Durch die Vielzahl von unterschiedlichen Szenarien, die getestet werden müssen – darunter GPS-Ausfälle, extreme Hitze und andere Einflüsse – ist eine kontinuierliche und wiederholte Durchführung mit sich leicht verändernden Parametern notwendig. Die Herausforderung liegt daher in der Bereitstellung und Optimierung eines leistungsstarken Rechners, um schnell zuverlässige und präzise Simulationen durchzuführen und idealerweise sogar mehrere gleichzeitig zu bewältigen.
Source: Software architecture of the TUM Autonomous Motorsport team. LiDAR, Light Detection and Ranging; TUM, Technical University of Munich.
Lösung
Die TUM setzt den InoNet HiL-Rechner Mayflower®-B17-LiQuid ein, um den im Fahrzeug eingebauten Rechner zu simulieren und darauf ihre Software für die Testung verschiedener Szenarien einzusetzen. Dieses System stellt eine erstklassige Lösung dar, die dank der großen Anzahl an Kernen der EPYC 7313P CPU und deren hohen Taktfrequenz die erforderliche Rechenleistung bietet, um komplexe Szenarien autonomer Fahrsimulationen auszuführen. Zusätzlich ermöglicht der sehr hohe Speicher der wassergekühlten RTX A6000 GPU der Software mehrere Simulationen gleichzeitig durchzuführen, um eine breite Palette von Faktoren zu berücksichtigen.
Dadurch können selbst minimale Verzögerungen von einigen Millisekunden optimiert werden, um eine schnellere Handlung des Fahrzeugs zu erzielen. Darüber hinaus ermöglicht das QuickTray®-v3 mit Hot-Plug-Fähigkeit eine einfache Auswertung der Simulationsergebnisse im Nachhinein.
Kundennutzen
Der Einsatz des HiL-Rechners auf Basis der Mayflower B17-Plattform bietet der Technischen Universität München (TUM) wesentliche Vorteile bei der Entwicklung autonomer Fahrsysteme. Durch die Simulation von Fahrsituationen ermöglicht der HiL-Rechner eine kostengünstigere und bis zu dreimal schnellere Entwicklung, indem realistische Straßentests durch virtuelle Tests ersetzt werden. Dies erhöht nicht nur die Sicherheit, indem gefährliche Szenarien gefahrlos getestet werden können, sondern steigert auch die Präzision durch die hohe Rechenleistung und Speicherkapazität des Rechners.
Die Plattform bietet zudem erhöhte Flexibilität und Skalierbarkeit für verschiedene Testanforderungen und wachsende Bedürfnisse. Dank ihrer benutzerfreundlichen Bedienbarkeit kann sie ohne spezielle Vorkenntnisse eingesetzt werden. Zusätzlich ermöglicht die Mayflower®-B17-LiQuid die gleichzeitige Simulation mehrerer Hardwarekomponenten, ein vereinfachtes Deployment von Software-Containern sowie ein optimiertes Container-Mapping für verbesserte Leistung. Durch die Optimierung der Vorhersagefähigkeit trägt das System zudem zu einer effektiveren Entscheidungsfindung bei, was die Effizienz und Sicherheit autonomer Fahrzeuge weiter erhöht.
Sieg der TUM beim A2RL
Am 27.04.2024 gewann die Technische Universität München das Rennen bei der Abu Dhabi Autonomous Racing League! Die mit dem HiL-Rechner Mayflower®-B17-LiQuid entwickelte und getestete autonome Software, konnte sich gegen die Konkurrenz durchsetzen und beim Abu Dhabi Autonomous Racing League den ersten Platz belegen.
Wir gratulieren dem gesamten TUM Autonomous Motorsport Team für diese herausragende Leistung!
Quelle: Technische Universität München
Quelle: Technische Universität München
Zugehörige Produkte
Link zu: Mayflower<span class=sup>®</span>-B17-LiQuid-vX
InoHiL®-B17QW-SP3
19“ flüssigkeitsgekühlter HiL Server für komplexe Modellberechnungen, Signalverarbeitung, maschinelles Lernen und KI
Link zu: InoNet QuickTray<span class=sup>®</span>-v3
InoNet QuickTray®-v3
Highspeed Hot-Plug & Encryption fähiger Speichereinsatz für den Datenaustausch
Jetzt von unseren Experten beraten lassen!
