Abstract
Die Entwicklung autonomer Fahrtechnologien erfordert Simulationen, die das menschliche Fahrverhalten unter verschiedenen Bedingungen genau nachbilden können. In dieserArbeit wird die Wirksamkeit eines Autobahnsimulators untersucht, der bei Nutzern unterschiedliche kognitive Belastungen erzeugen soll. Außerdem wird bewertet, wie gut
ein Reinforcement Learning (RL) Modell das menschliche Fahrverhalten nachahmen
kann. Es gibt zwei zentrale Hypothesen: (H1) Der Simulator kann verschiedene Belastungsniveaus erzeugen, gemessen durch NASA-TLX-Bewertungen sowie verschiedene
Fahrleistungen. (H2) Das RL-Modell kann die Fahrgenauigkeit eines Menschen nachahmen.
Der Autobahnsimulator ist mit Unity entwickelt worden und umfasst Szenarien
mit unterschiedlichen Verkehrsbedingungen und kognitiven Belastungen. Die Leistung
menschlicher Fahrer wurde aufgezeichnet und mit der eines RL-Modells verglichen. Dieses Modell ist anhand der selben Szenarien trainiert worden. Die Ergebnisse der Studie stützen die Hypothese H1: Der Simulator konnte tatsächlich verschiedene kognitive
Belastungen hervorrufen, was sich in signifikanten Unterschieden in den NASA-TLXBewertungen und den Fahrleistungsdaten der verschiedenen Szenarien zeigte. Die Hypothese H2 wurde jedoch nur teilweise bestätigt. Während das RL-Modell in einem
einfachen Szenario ähnlich wie menschliche Fahrer agierte, konnte es nicht lernen, in
den schwierigeren Umgebungen zu fahren.
Die Studie verdeutlicht das Potenzial des Simulators als Werkzeug zum Testen und
Trainieren sowohl menschlicher Fahrer als auch von RL-Modellen. Sie zeigt jedoch auch,
dass noch weitere Verbesserungen an dem RL-Modell notwendig sind, um komplexere
Szenarien bewältigen zu können. Zukünftige Forschung sollte sich darauf konzentrieren,
die Simulation auf vielfältigere Fahrsituationen auszuweiten, das Verhalten des Verkehrs
zu verbessern, die Eingabemethode zur Steuerung zu optimieren und zusätzliche Aufgaben einzuführen, welche die Szenarien komplexer gestalten sollen. Die Einbindung
computergestützter kognitiver Modelle könnte die Menschähnlichkeit des RL-Modells
weiter erhöhen.
| Datum der Bewilligung | 2024 |
|---|---|
| Originalsprache | Englisch (Amerika) |
| Betreuer/-in | Philipp Wintersberger (Betreuer*in) |