Herr Amit Chaulwar trat als einer der ersten Promovierenden im Jahr 2016 dem neu gegründeten BayWISS Verbundkolleg Mobilität und Verkehr bei. Nach 5 Jahren verteidigte er seine Dissertation zum Thema “Hybrid Machine Learning Methods for Vehicle Safety Applications”. Die Promotion an der THI erfolgte in Kooperation mit der TUM, betreut wurde er von Prof. Dr.-Ing. Michael Botsch (THI) und Prof. Dr.-Ing. Wolfgang Utschick (TUM).
Seine Arbeit schlägt hybride Methoden des maschinellen Lernens für die sichere Trajektorienplanung in kritischen Verkehrsszenarien vor. Zwei neue modellbasierte Algorithmen, nämlich Augmented CL-RRT und Augmented CL-RRT+, werden durch Erweiterung des sampling-basierten Rapid-exploring Random Tree (RRT) Algorithmus entwickelt und mit maschinellen Lernverfahren kombiniert. Diese Algorithmen planen sichere Trajektorien unter Berücksichtigung der fahrdynamischen Eigenschaften von Fahrzeugen und schonen dabei die bordeigenen, begrenzten Rechenressourcen.
Die Trajektorienplanung ist eine zentrale Aufgabe für autonome Mobilitätsanwendungen. Eine besondere Herausforderung ist die sichere Trajektorienplanung für Fahrzeuge in kritischen Verkehrsszenarien mit mehreren statischen und dynamischen Objekten. In einem kritischen Verkehrsszenario sollte eine sichere Trajektorie so geplant werden, dass eine Kollision vermieden und falls dies nicht mehr möglich ist, die Folgen gemildert werden.
Wir gratulieren ihm herzlich und wünschen ihm viel Erfolg für den weiteren Berufsweg!
