BA/SA/MA: Generierung sicherheitskritischer Szenarien basierend auf LLMs

14.11.2024, Abschlussarbeiten, Bachelor- und Masterarbeiten

Zielsetzung Das primäre Ziel dieses Projekts ist die Erforschung, wie LLMs zur Generierung sicherheitskritischer Szenarien im CommonRoad-Framework eingesetzt werden können.

Hintergrund

Die Validierung und Entwicklung des autonomen Fahrens basiert stark auf szenariobasierten Tests mit Simulation in the Loop und Hardware in the Loop. Tools wie CommonRoad, CARLA und SUMO sind essenziell für die Simulation realer Verkehrsszenarien geworden. Während CARLA häufig zur Generierung von Szenarien für das Training von Reinforcement-Learning-Agenten (RL) verwendet wird und SUMO in der Erstellung von städtischen Verkehrsplänen herausragt, sind die Szenarien von CommonRoad darauf ausgelegt, eine realistische und herausfordernde Testumgebung für Bewegungsplanungsalgorithmen zu bieten. Diese Szenarien decken eine Vielzahl von Fahrsituationen mit statische und dynamische Hindernisse, Straßennetze und Zielbereiche ab, darunter städtische, ländliche und Autobahnumgebungen.

Trotz seiner Robustheit bleibt die Generierung neuer, sicherheitskritischer Szenarien in CommonRoad eine komplexe Aufgabe. Traditionelle Methoden beinhalten häufig manuelle Erstellung oder grafische Benutzeroberflächen, was zeitaufwändig ist und nicht alle potenziellen Edge Cases abdecken kann. Der Einsatz von Large Language Models (LLMs) zur Generierung solcher Szenarien könnte die Vielfalt und Kritikalität der Testfälle verbessern und so eine umfassendere Bewertung der Bewegungsplanungsalgorithmen ermöglichen.

Zielsetzung

Das primäre Ziel dieses Projekts ist die Erforschung, wie LLMs zur Generierung sicherheitskritischer Szenarien im CommonRoad-Framework eingesetzt werden können. Insbesondere wird das Projekt:

· Ein Framework entwickeln, um Szenarien direkt mit der Domain Specific Language (DSL) von CommonRoad zu generieren.
· Einen LLM-basierten Szenarien-Generator unter Verwendung von Prompt-Engineering-Techniken entwickeln.
· Sicherstellen, dass die generierten Szenarien vordefinierte sicherheitskritische Metriken wie Kollisionswahrscheinlichkeit, Beinahe-Unfälle und gefahrenträchtige Bedingungen erfüllen.

Wir bieten:
· Ein spannendes und zukunftsorientiertes Forschungsumfeld
· Arbeiten mit einem hochmodernen Software-Stack für autonomes Fahren
· Möglichkeit der Veröffentlichung als wissenschaftliches Paper (bei Eignung)
· Ausarbeitung auf Deutsch oder Englisch möglich

Anforderungen (Was Sie mitbringen sollten):

· Eigeninitiative und eine kreative, problemlösungsorientierte Denkweise
· Sehr gute Englisch- oder Deutschkenntnisse
· Fortgeschrittene Kenntnisse in Python oder C++
· Kenntnisse im Bereich Maschinelles Lernen, insbesondere Large Language Models, sind von Vorteil
· Vertrautheit mit Verkehrssimulations-Tools wie CommonRoad ist von Vorteil
· Erfahrung mit Softwareentwicklungstools wie Git und Ubuntu ist wünschenswert

Die Arbeit kann ab sofort begonnen werden. Wenn das Thema Dein Interesse geweckt hat, schicke einfach eine E-Mail mit einem kurzen Anschreiben, warum Dich das Thema interessiert, einem aktuellen Leistungsnachweis sowie Lebenslauf an yuan_avs.gao@tum.de.

Kontakt: yuan_avs.gao@tum.de