This thesis investigates the development of reliable and adaptive prediction methods and their combination in a generic framework for motion prediction in autonomous driving. Reliability is investigated in autonomous racing with the validation of the developed methods in high-speed real-world applications. Adaptivity is approached by the hybrid combination of physics-based and neural-network-based methods to cover diverse object behavior and an algorithmic scene-dependent self-evaluation.
Übersetzte Kurzfassung:
Diese Arbeit untersucht die Entwicklung von zuverlässigen und adaptiven Prädiktionsmethoden und deren Kombination in einem generischen Framework für die Bewegungsprädiktion für autonomes Fahren. Die Zuverlässigkeit wird im autonomen Rennsport mit der Validierung der entwickelten Methoden in der Realfahrzeuganwendung untersucht. Adaptivität wird durch die hybride Kombination von physikbasierten und neuronalnetzbasierten Methoden und einer szenenabhängigen Selbstevaluierung erreicht.