Forschung arXiv – cs.AI

Autoware-Cluster ermöglicht verteiltes autonomes Parken für mehrere Fahrzeuge

Ein neues Forschungsprojekt namens DMV‑AVP präsentiert eine verteilte Simulation für Multi‑Vehicle Autonomous Valet Parking (AVP). Das System nutzt die Distributed Multi‑Vehicle Architecture (DMAVA), um mehrere Autoware…

≈1 Min. Lesezeit Originalquelle
Visuelle Illustration fuer KI-Kontext
Kernaussagen
Das nimmst du aus dem Beitrag mit
  • Ein neues Forschungsprojekt namens DMV‑AVP präsentiert eine verteilte Simulation für Multi‑Vehicle Autonomous Valet Parking (AVP).
  • Das System nutzt die Distributed Multi‑Vehicle Architecture (DMAVA), um mehrere Autoware‑Instanzen synchron auf unterschiedlichen Hosts laufen zu lassen und damit die Sk…
  • Im Kern stehen zwei Module: Der Multi‑Vehicle AVP Node koordiniert Zustände, Warteschlangen und Reservierungen über alle Fahrzeuge hinweg, während ein Unity‑integriertes…

Ein neues Forschungsprojekt namens DMV‑AVP präsentiert eine verteilte Simulation für Multi‑Vehicle Autonomous Valet Parking (AVP). Das System nutzt die Distributed Multi‑Vehicle Architecture (DMAVA), um mehrere Autoware‑Instanzen synchron auf unterschiedlichen Hosts laufen zu lassen und damit die Skalierbarkeit und echte Autonomie zu erhöhen.

Im Kern stehen zwei Module: Der Multi‑Vehicle AVP Node koordiniert Zustände, Warteschlangen und Reservierungen über alle Fahrzeuge hinweg, während ein Unity‑integriertes YOLOv5‑Modul in Echtzeit Parkplätze erkennt. Beide Komponenten greifen auf die DMAVA zurück und werden durch eine Zenoh‑basierte Kommunikationsschicht unterstützt, die eine latenzarme Synchronisation der Themen und ein abgestimmtes Verhalten zwischen den Hosts gewährleistet.

Tests mit zwei- und dreihostigen Setups zeigen deterministische Koordination, konfliktfreies Parkverhalten und eine skalierbare Leistung über die verteilten Autoware‑Instanzen hinweg. Die Ergebnisse belegen, dass das DMV‑AVP‑System eine solide Basis für zukünftige reale und Hardware‑in‑the‑Loop‑Validierungen bildet.

Demo‑Videos und der komplette Quellcode stehen auf GitHub zur Verfügung: https://github.com/zubxxr/multi-vehicle-avp. Das Projekt ist auf arXiv unter der Referenz 2601.16327v1 veröffentlicht.

Einordnen in 60 Sekunden

Welche Linse du auf diese Meldung legen solltest

Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.

Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.

Was veraendert sich praktisch?
Ist das eher Signal, Produkt oder nur kurzfristiger Hype?
Begriffe zum Einordnen

Kontext ohne Glossar-Suche

DMV-AVP
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Distributed Multi-Vehicle Architecture
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Autoware
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
arXiv – cs.AI
Diese Quelle setzt den Ausgangspunkt fuer die Meldung. Pruefe immer, ob sie eher Forschung, Produktmarketing oder Praxisperspektive liefert.
Naechste Schritte

Aehnliche Entwicklungen zum Weiterlesen