Adrive Living Lab

  1. Hochschule Kempten
  2. Fakultät Maschinenbau
  3. Forschung
  4. Einrichtungen
  5. Adrive Living Lab

Von der Idee auf die Straße

Im Adrive Living Lab werden Ideen auf dem schnellsten Weg vom Workshop ins Auto transferiert. Dort arbeiten Forschung, Industrie und Lehre eng miteinander.

Der Mensch im Mittelpunkt

In realen Einsatzszenarien werden Lebens- und Arbeitsräume geschaffen, um das Fahrerlebnis aber auch den Stress, der durch den Umgang mit neuen Technologien des automatisierten Fahrens entstehen kann, zu erforschen. Daraus werden Ideen generiert, um die Technologieakzeptanz zu steigern und so tatsächlich auf die Straße zu bringen. Der Mensch als Nutzer steht hierbei stets im Mittelpunkt der Forschung.

Adrive Living Lab

Von der Idee auf die Straße

Das Adrive Living Lab ist eine Forschungsgruppe des Instituts für Fahrerassistenzsysteme und vernetzte Mobilität (IFM) und gehört zum Forschungszentrum Allgäu der Hochschule Kempten. Die Philosophie des Adrive Living Lab basiert auf der Idee, anwenderzentrierte Forschung zu betreiben. Hier werden Ideen auf dem schnellsten Weg vom Workshop ins Auto transferiert. Forschung, Industrie und Lehre arbeiten eng miteinander. Der Mensch als Nutzer steht stets im Mittelpunkt.

Seit Ende 2020 hat das Institut für Fahrerassistenz und vernetzte Mobilität einen großen Forschungsstandort in Benningen, auf dem Prüf- und Testgelände Fakt Motion, bezogen. Der direkte Zugang zu den Teststrecken bietet ein einzigartiges Forschungsumfeld. Zudem sind zahlreiche Autobahn-, Landstraßen- und Stadtstrecken aus dem Umland detailliert für die Simulation und den Fahrversuch digitalisiert. In unmittelbarer Nähe zum Allgäu Airport und weiteren Unternehmen aus der Automotive Branche liegt das IFM im Herzen eines florierenden Wirtschaftsstandorts im Westallgäu.

Kontakt

IFM - Adrive Living Lab
Tel. 08331 9893-060
Junkersstraße 1a, 87734 Benningen
Anfahrt IFM Adrive

Adrive Living Lab - Standort Kempten
livinglab.info(at)hs-kempten.de
Halle 4, Leonhardstraße 19, 87437 Kempten
Anfahrt Living Lab

Weitere Informationen zum Adrive Living Lab

Aktuelles

Automatisiertes Fahren – Der Mensch im Mittelpunkt

Von der Invention zur Innovation: Im Adrive Living Lab werden Ideen auf dem schnellsten Weg vom Workshop ins Auto transferiert. Dort arbeiten Forschung, Industrie und Lehre eng miteinander. Dabei steht der Mensch als Nutzer stets im Mittelpunkt. In realen Einsatzszenarien werden Lebens- und Arbeitsräume geschaffen, um das Fahrerlebnis aber auch den Stress, der durch den Umgang mit neuen Technologien des automatisierten Fahrens entstehen kann, zu erforschen. Daraus werden Ideen generiert, um die Technologieakzeptanz zu steigern und so tatsächlich auf die Straße zu bringen. Unsere engen Wirtschaftskooperationen sorgen für die reale Umsetzung der Forschungsideen. In Zusammenarbeit mit regionalen Unternehmen wird die Zukunft direkt aus dem Labor in die Anwendung geholt.

Von der Straße in die Simulation: Zusätzlich werden zukünftige Methoden, Produkte und Dienstleistungen für das automatisierte Fahren in realen Einsatzszenarien „nutzungszentriert“ mit der Entwicklungsanwendung zusammengebracht. Die Virtualisierung und digitale Transformation der Entwicklungsprozesse steht dabei im Vordergrund. Sie dient als Plattform für die Entwicklung kreativer Ideen sowie für die agile Umsetzung und Erprobung neuer Konzepte.

Forschungsfelder im Überblick

Die Mitarbeiterinnen und Mitarbeiter des Adrive Living Lab forschen in fünf Forschungsfeldern:

Human Factors | Feel - Want - Think | Probandenstudien

  • User Experience
  • Akzeptanz
  • Bedürnisse
  • Anforderungen

Vehicle Testing | Test - Measure - Evaluate | Testmethoden

  • Subjektive KPIs
  • Objektive KPIs
  • Messtechnik
  • Data Analyse & Automation

 Simulation | Build - Connect - Run | Digital Twin

  • Models & Inegration
  • MIL/SIL/HIL Methoden
  • Test-Szenarien
  • Simulator

Software & Functions | Identify - Create - Make | Smart Functions & Tools

  • Measurement Tools
  • Assessment Software
  • Ground Truth Localisation
  • Human Machine Interface

AI & Data Science | Prepare – Train – Validate | Automotive ML

  • Machine learning (Unsupervised/Supervised) approaches
  • Statistical model building and optimization
  • Bringing AI into the vehicle
  • Discovery knowledge and coherences from large data sets

 

Werden Sie Proband/in im Adrive Living Lab

Im Adrive Living Lab werden regelmäßig Studien durchgeführt, um zum Beispiel:

  • die Kundenakzeptanz neuer Systeme im Fahrzeug auf die Probe zu stellen,
  • Fahrerassistenzsysteme der verschiedenen Hersteller zu vergleichen,
  • Fahrerlebnisse in modernsten Forschungsfahrzeugen verschiedener Klassen zu analysieren,
  • u. v. m.

Um eine fundierte Studie zu garantieren, benötigen unsere Forschungsteams eine entsprechende Anzahl an unterschiedlich erfahrenen Probandinnen und Probanden.

Haben Sie Interesse, aktiv das Autofahren der Zukunft mitzuentwicklen?

Möchten Sie auf dem neuesten Stand des technischen Fortschritts rund um das automatisierte Fahren sein?

Möchten Sie in unsere Probandendatenbank aufgenommen werden, um unser Forschungsteam zu unterstützen, dann schreiben Sie uns eine E-mail an livinglab.info(at)hs-kempten.de.

Datenschutzerklärung Probandendatenbank

Mit der Anmeldung zur Probandendatenbank stimme ich zu, dass meine persönlichen Daten (Vorname, Name, E-Mail-Adresse, Geschlecht, Alter und optional Telefonnummer) in die Probandendatenbank eingetragen und gespeichert werden. Des Weiteren bin ich einverstanden, dass ich für Studienzwecke kontaktiert und über Studienergebnisse informiert werde.

Ihre Daten werden in einer passwortgeschützten Datenbank aufbewahrt, die auf unserem eigenen Server in Deutschland liegt und nur von befugten Mitarbeitern des Adrive Living Labs eingesehen werden kann.

Meine Einwilligung kann jederzeit per E-Mail an livinglab.info(at)hs-kempten.de widerrufen werden. Eine Weitergabe der Daten an Dritte zu jeglicher Nutzung findet nicht statt.

Publikationen

2021 
S. Riedmaier, J. Schneider, B. Danquah, B. Schick, F. Diermeyer (2021): Non-deterministic model validation methodology for simulation-based safety assessment of automated vehicles. In: Simulation Modelling Practice and Theory 109, 102274. DOI: 10.1016/j.simpat.2021.102274.Zum Abstract
2020 
S. Aydogdu, M. Luzuriaga und B. Schick (2020). How Can We Improve the Driving Experience with Human-Machine-Interface for Automated Driving?. DOI: 10.1007/978-3-030-51828-8_28.Zum Artikel
S. Aydogdu, B. Bosma, C. Seidler und B. Schick, „Nutzererfahrung mit kamerabasierten Rückspiegeln“, ATZ Automobiltech Z, Jg. 122, Nr. 3, S. 66–70, 2020, doi: 10.1007/s35148-019-0206-9.Zum Artikel
J. Haselberger, B. Schick und J. Chen, „Deep learning for lateral vehicle control - an end-to-end trained multi-fusion steering model“ in 10th International Munich Chassis Symposium 2019, P. E. Pfeffer, Hg., Wiesbaden: Springer Fachmedien Wiesbaden, 2020, S. 201–227.Zum Abstract
M. Höfer, F. Fuhr, B. Schick und P. E. Pfeffer, „Attribute-based development of driver assistance systems“ in 10th International Munich Chassis Symposium 2019, P. E. Pfeffer, Hg., Wiesbaden: Springer Fachmedien Wiesbaden, 2020, 293 - 306.Zum Artikel

K. Laubis, M. Hirzer, D. Schneider, Z. Ercan, T. Schloemicher, and T. Wambera. Big Data & Analytics Platform for ADAS/AD. In Bernard Bäker and Andreas Unger, editors, Diagnose in mechatronischen Fahrzeugsystemen XIV, Volume 14, Pages 263–284. ISBN-3959082614, TUDpress, Dresden, 2020.

Zum Werk

J. Nesensohn, S. Levéfre, D. Allgeier, B. Schick, and F. Fuhr. "An Efficient Evaluation Method for Longitudinal Driver Assistance Systems within a Consistent KPI based Development Process". 
S. Riedmaier, D. Schneider, D. Watzenig, F. Diermeyer und B. Schick, "Model Validation and Scenario Selection for Virtual-Based Homologation of Automated Vehicles", Appl. Sci. 2021, 11(1), 35; doi.org/10.3390/app11010035mdpi
S. Riedmaier, T. Ponn, D. Ludwig, B. Schick, F. Diermeyer: Survey on Scenario-Based Safety Assessment of Automated Vehicles., 2020, in: IEEE Access 8, S. 87456–87477. DOI: 10.1109/ACCESS.2020.2993730.Zum Abstract
S. Riedmaier, B. Danquah, B. Schick, F. Diermeyer: Unified Framework and Survey for Model Verification, Validation and Uncertainty Quantification., 2020, in: Archives of Computational Methods in Engineering, 1-34. DOI: 10.1007/s11831-020-09473-7.Zum Abstract
B. Stuhr und J. Brauer, "Don't miss the Mismatch: Investigating the Objective Function Mismatch for Unsupervised Representation Learning", arXiv preprint arXiv:2009.02383, 2020.arXiv
2019 
S. Aydogdu, „Trust is good, control is better? The influence of head-up display on customer experience of automated lateral vehicle control“. Atsugi, Japan, 5. Sep. 2019. [Online].Zum Programm
S. Aydogdu, C. Seidler und B. Schick, „Trust Is Good, Control Is Better? – The Influence of Head-Up Display on Customer Experience of Automated Lateral Vehicle Control“ in Lecture Notes in Computer Science, HCI in Mobility, Transport, and Automotive Systems, H. Krömker, Hg., Cham: Springer International Publishing, 2019, S. 190–207, doi: 10.1007/978-3-030-22666-4_14.Zum Abstract
S. Keidler, D. Schneider, J. Haselberger, K. Mayannavar und B. Schick, „Entwicklung fahrstreifengenauer Ground Truth Karten für die objektive Eigenschaftsbewertung von automatisierten Fahrfunktionen“ in 17. VDI-Fachtagung, Hannover, 2019.Zum Programm
J. Nesensohn, „Objective evaluation methods of automated driving functions based on ground truth approach“. Atsugi, Japan, 5. Sep. 2019. [Online].Zum Programm
B. Schick, „The hype "automated driving" - makes it really fun?“. Atsugi, Japan, 4. Sep. 2019. [Online].Zum Programm
B. Schick, F. Fuhr, M. Hoefer und P. E. Pfeffer, „Attribute-based development of Advanced Driver Assistance Systems“ in Proceedings, 19. Internationales Stuttgarter Symposium, M. Bargende, H.-C. Reuss, A. Wagner und J. Wiedemann, Hg., Wiesbaden: Springer Fachmedien Wiesbaden, 2019, S. 444–456, doi: 10.1007/978-3-658-25939-6_39.Zum Artikel
B. Schick, F. Fuhr, M. Höfer und P. E. Pfeffer, „Eigenschaftsbasierte Entwicklung von Fahrerassistenzsystemen“, ATZ Automobiltech Z, Jg. 121, Nr. 4, S. 70–75, 2019, doi: 10.1007/s35148-019-0006-2.Zum Artikel
B. Schick, C. Seidler, S. Aydogdu und Y.-J. Kuo, „Driving experience vs. mental stress with automated lateral guidance from the customer’s point of view“ in Proceedings, 9th International Munich Chassis Symposium 2018, P. Pfeffer, Hg., Wiesbaden: Springer Fachmedien Wiesbaden, 2019, S. 27–44, doi: 10.1007/978-3-658-22050-1_5.Zum Abstract
B. Schick, C. Seidler, S. Aydogdu und Y.-J. Kuo, „Fahrerlebnis versus mentaler Stress bei der assistierten Querführung“, ATZ Automobiltech Z, Jg. 121, Nr. 2, S. 70–75, 2019, doi: 10.1007/s35148-018-0219-9.Zum Artikel
C. Seidler, S. Aydogdu und B. Schick, „User Experience in Real Test Drives with a Camera Based Mirror – Influence of New Technologies on Equipping Rate for Future Vehicles“ in Lecture Notes in Computer Science, HCI in Mobility, Transport, and Automotive Systems, H. Krömker, Hg., Cham: Springer International Publishing, 2019, S. 270–281, doi: 10.1007/978-3-030-22666-4_20.Zum Abstract
B. Stuhr and J. Brauer, "CSNNs: Unsupervised, Backpropagation-Free Convolutional Neural Networks for Representation Learning", 2019 18th IEEE International Conference On Machine Learning And Applications (ICMLA), Boca Raton, FL, USA, 2019, pp. 1613-1620, doi: 10.1109/ICMLA.2019.00265.

IEEE

arXiv

 
2018 
S. Aydodgu, B. Schick und M. Wolf, „Claim and Reality? Lane Keeping Assistant - The Conflict Between Expectation and Customer Experience“ in 27. Aachener Kolloquium, Aachen, 2018.Zum Abstract
S. Aydodgu, B. Schick und M. Wolf, „Current Lane Keeping Assistance Systems in Benchmarking - Accepted or Rejected by Customers?“ in 34. VDI/VW-Gemeinschaftstagung Fahrerassistenzsysteme und Automatisiertes Fahren 2018: Wolfsburg, 07. und 08. November 2018, 2018.Zum Abstract
S. Riedmaier et al., „Validation of X-in-the-Loop Approaches for Virtual Homologation of Automated Driving Functions“ in 11th Graz Symposium Virtual Vehicle (GSVF), Graz, AustriaZum Abstract
B. Schick, „Automated driving and digitalization of future vehicles“ in National Taiwan University Symposium Future Mobility, Teipeh, 2018Zum Abstract
D. Schneider, B. Schick, B. Huber und H. Lategahn, „Measuring Method for Function and Quality of Automated Lateral Control Based on High-precision Digital "Grund Truth" Maps“ in 34. VDI/VW-Gemeinschaftstagung Fahrerassistenzsysteme und Automatisiertes Fahren 2018: Wolfsburg, 07. und 08. November 2018, 2018.Zum Abstract
C. Seidler und B. Schick, „Stress and Workload when Using the Lane Keeping Assistant: Driving Experience with Advanced Driver Assistance Systems“ in 27. Aachener Kolloquium, Aachen, 2018.Zum Abstract
2017 
G. Herz, B. Schick, R. Hettel und H. Meinel, „Sophisticated sensor model framework providing real sophisticated sensor model framework providing realistic radar sensor behavior in virtual environments“ in 10th Graz Symposium Virtual Vehicle (GSVF), Graz, 2017.Zum Abstract
A. Lutz et al., „Simulation methods supporting homologation of Electronic Stability Control in vehicle variants“, Vehicle System Dynamics, Jg. 55, Nr. 10, S. 1432–1497, 2017, doi: 10.1080/00423114.2017.1322705.Zum Abstract
B. Schick, P. Weiner und S. Riedmaier, „Model-based Development Methods - What can Vehicle Dynamics, ADAS and Powertrain Development Learn from Each Other?“ in 7th International Symposium on Development Methodology, Wiesbaden, 2017.Zum Abstract

    Praktikum | Studentische Hilfskräfte | Abschlussarbeiten

    Bewerbe dich und werde Teil unseres Adrive Living Lab Teams als studentische Hilfskraft oder Praktikant*in. Absolventen*innen des interdisziplinären Masterstudiengangs Fahrerassistenzsysteme an der Fakultät Elektrotechnik (Studiengangskoordinator Prof. Dr. Stefan-Alexander Schneider) finden im Adrive Living Lab Themen für Abschlussarbeiten. Darüber hinaus bietet wir Bachelorand*innen und Masterand*innen interessante Forschungsthemen in Bereichen Maschinenbau, Elektrotechnik, Informatik und Marketing.

    Bei InteressePraktikum am aVDS Fahrsimulator freuen wir uns über eure Kontaktaufnahme. Möchtest du dich direkt bewerben oder hast du Fragen, dann wende dich an IFM.hr(at)hs-kempten.de

    Praktika im IFM - Adrive Living Lab:

    Stellenanzeigen: Praktikant (m/w/d) Simulation | Thema: Ausgestaltung einer lokalen Straße in einer Grafikengine

    Stellenanzeigen: Praktikant (m/w/d) Fahrsimulator | Thema: Gestaltung von Fahrzeuganzeigeinstrumenten mit Anbindung an die Simulation

    Stellenanzeigen: Praktikant (m/w/d) Fahrsimulator | Thema: Integration von Fahrzeugbedienelementen in die Simulation

    Stellenanzeige: Praktikant (m/w/d) im Marketing

    Stellenanzeige: Praktikant (m/w/d) Fahrsimulator

    Stellenanzeige: Praktikum (m/w/d) im Vehicle Testing Team

    Stellenanzeige: Praktikum (m/w/d) im Software and Functions Team (DE)

    Stellenanzeige: Praktikum (m/w/d) im Software and Functions Team (EN)

    Stellen als SHK / Abschlussarbeiten im IFM - Adrive Living Lab:

    Stellenanzeige: Bachelor- / Masteranden (m/w/d): Eine "Wizard of Oz"-Feldstudie zum Verständnis der Notwendigkeit personalisierter Fahrstile

    Stellenanzeige: Masteranden (m/w/d): Generative Adversarial Imitation Learning basierte Fahrzeugquerführung

    Stellenanzeige: Masteranden (m/w/d): Deep Learning gestützte Fahrpfadprädiktion

    Stellenanzeige: Bachelor- / Masteranden (m/w/d): Fahrstilobjektivierung situationsabhängiger menschlicher Fahrweise

    Stellenanzeige: Abschlussarbeit (MA/BA): Entwicklung eines datengetriebenen ACC-Ersatzmodells

    Stellenanzeige: Abschlussarbeit (MA/BA): Entwicklung und Durchführung eines Studienkonzepts zur Korrelationsanalyse von subjektiven und objektiven Messgrößen für den Spurwechselassistenten (LCA)

    Stellenanzeige: Masterand (m/w/d) - Analyse und Optimierung des Zeitverhaltens eines dynamischen DiL-Fahrsimulators

    Stellenanzeige: Master’s Degree Candidate (m/w/d) - Temporally consistent Unsupervised Video‐to‐Video Translation: Design, Implementation and Validation of a Deep Learning Approach

    Stellenanzeige: Master’s Degree Candidate (m/w/d) - Fast Unsupervised Image‐to‐Image Translation: Design, Implementation and Validation of a Deep Learning Approach

    Stellenanzeige: Masteranden (m/w/d) - Ersatzmodellbildung - Konzeption, Implementierung und Analyse der Bildung eines Fahrzeugs- und Funktionsmodelles mit Hilfe von Machine Learning

    Stellenanzeige: Masteranden (m/w/d) - Inverse Reinforcement Learning - Konzeption, Implementierung und Analyse der menschlichen Fahrweise in dynamischen Situationen

    Stellenanzeige: Bachelor- / Masteranden (m/w/d) - Intelligente Fahrdatenanalyse - Konzeption, Implementierung und Analyse der Bildung Messdatenpipeline mit Datenanreicherung mit Hilfe von Machine Learning

    Stellenanzeige: Masteranden (m/w/d) - Driving Situation Clustering - Konzeption, Implementierung und Analyse der Fahrsituationszustandsraumbildung und Clusterbildung mit Hilfe von Machine Learning

    Stellenanzeige: Bachelor- / Masteranden (m/w/d) - Knowledge transfer from simulation to real driving - Konzeption, Durchführung und Analyse einer Probandenstudie für menschlichen Fahrweise

    Stellenanzeige: Abschlussarbeit (MA/BA): Entwicklung einer Verkehrsdatenanalyse anhand öffentlichen Datenquellen (m/w/d)

    Stellenanzeige: Abschlussarbeit (MA/BA): Entwicklung eines datengetriebenen Fahrzeugmodells (m/w/d)

    Stellenanzeige: Evaluierung der fahrdynamisch hervorgerufenen Kopfbewegung im Fahrzeug - Konzeption, Umsetzung und Analyse fahrdynamischer Parameter Bachelor‐ oder Masterarbeit (m/w/d)

    Stellenanzeige: Abschlussarbeit (MA/BA) - Entwicklung eines durchgängigen Messkonzepts zur Ermittlung von Befindensmustern im Fahrversuch (m/w/d)

    Stellenanzeige: Bachelor/Master thesis, internship (Full time or Part-time) for “Scenario generation and scenario reduction methods optimization based on Probability Theory (Stochastic Process) for automated driving system” (m/w/d)

    Zu den Forschungsprojekten