AUTOEV@L, automatización multivehicular mediante el desarrollo, verificación y validación tecnológica de funciones automatizadas

AUTOEV@L

La metodología propuesta en AUTOEV@L gira en torno a la simulación y la interoperabilidad de los modelos que componen un sistema automatizado para diferentes peligros, escenarios, situaciones inusuales y condiciones difíciles.

AUTOEV@L, automatización multivehicular mediante el  desarrollo, verificación y validación tecnológica de funciones automatizadas

El reto

El reto principal del proyecto AUTOEV@L era diseñar y desarrollar una metodología que pueda asegurar de manera efectiva y eficaz la verificación y validación de funciones altamente automatizadas de todo tipo de vehículos (automoción, ferroviario y vehículos industriales), así como el desarrollo de procedimientos para la prueba automatizada de tales funciones avanzadas, con la finalidad de facilitar la rápida implementación y despliegue mejorando la efectividad de las mismas.

La solución propuesta

El proceso de desarrollo de AUTOEV@L se basa en la estrategia de diseño basado en modelos (MBD) con el objetivo de reducir el tiempo de desarrollo y mejorar la calidad del sistema a desarrollar. Para ello, se crean modelos que representan al sistema, para posteriormente someterlos a una serie de simulaciones y modificaciones para verificar y testear su correcto funcionamiento. Concretamente, el ciclo de desarrollo MBD opta por evaluar cada una de las fases permitiendo detectar los errores tan pronto como se introducen. En este caso, la verificación deja de considerarse un paso final y se convierte en un proceso continuo que empieza con la simulación del diseño, seguida de las pruebas en tiempo real. Además, la metodología de validación de AUTOEV@L sigue los principios establecidos en automoción de testeo de funciones basado en escenarios (scenario-based testing).

Otro de los pilares de la metodología propuesta en AUTOEV@L es la simulación. No es factible realizar todas las pruebas en todos los dominios, por lo que se requiere combinar las pruebas físicas con las virtuales para tener una visión completa de los escenarios a los que la función avanzada se enfrentará. De esta manera, se puede obtener una perspectiva holística del rendimiento del sistema en diferentes situaciones, permitiendo así una mayor fiabilidad y precisión en la evaluación del sistema.

La evaluación con entornos virtuales permite emular situaciones críticas y significativa excluyendo cualquier interacción que pueda suponer un incidente. Así, se pueden realizar pruebas de diversos sistemas de forma controlada y segura, y con una menor inversión respecto a los costes materiales. Durante el proyecto se adaptan y desarrollan diferentes entornos de simulación para dar respuesta a las necesidades de validación virtual de las funciones avanzadas desarrolladas. Además, se integran middlewares como ROS2, RTMaps o ADTF, así como estándares (p.ej., ASAM OpenLABEL) para conseguir un marco de validación y verificación interoperable.

El resultado

La metodología propuesta y desarrollada en AUTOEV@L se llevó a la práctica, aplicándola a diferentes casos de uso en 3 entornos diferentes: automoción, ferroviario e industrial. Algunos de estos casos de uso incluyen: incorporación de pelotones, asistencia al aparcamiento, evaluación del confort, localización avanzada o navegación robótica.

También se publicaron los resultados obtenidos a lo largo del proyecto en diferentes congresos y revistas internacionales, como el IEEE International Conference on Intelligent Transportation Systems ITSC 2023.

El proyecto AUTOEV@L ha sido financiado por el Gobierno Vasco (programa Elkartek 2021) y liderado por Vicomtech.

¿Buscas apoyo para tu próximo proyecto? Escríbenos, estamos deseando ayudarte.

Vicomtech

Parque Científico y Tecnológico de Gipuzkoa,
Paseo Mikeletegi 57,
20009 Donostia / San Sebastián (España)

+(34) 943 309 230

Zorrotzaurreko Erribera 2, Deusto,
48014 Bilbao (España)

close overlay

Las cookies de publicidad comportamental son necesarias para cargar el contenido

Aceptar cookies de publicidad comportamental