(Update) Implementieren eines Kalman-Filters
Das bestimmen der eigenen Position zur Entscheidung, wie in Zukunft gas gegeben werden soll, ist nicht ganz einfach. Insbesondere ist es schwierig, herauszufinden, wie sich die Strecke verändert. Ein Mitstudent hat uns einen spannenden Artikel zukommen lassen.
Kalibrierung des physischen Models während der Lernphase
Während des ersten Testlaufs auf der echten Bahn wurde uns bewusst, dass konstante Werte in unserem Physikmodel(Motor-Efficency, Reibungskoeffizienten) nicht akurat genug sind um eine Geschwindigkeit oder Distanz zu berechnen. Der Simulator verhält sich relativ konstant, im Gegensatz zum echten Modell, wo jedes Auto unterschiedliche Reibung mit sich bringt und die Berechnung extrem beinflusst. Unser Ziel ist es nun mit den Daten, die wir während der Lernphase sammeln, Reibungskoeffizienten für Gerade und Kurven zu berechnen.
Testfahrt auf der echten Bahn
Nachdem wir Vormittags noch kurz einen Logger zusammengebaut haben, der unsere Fahrtergebnisse als JSON abspeichern kann, konnten wir heute unsere ersten Testfahrten auf der echten Carrerabahn durchführen. Dabei haben wir einige Dinge gelernt.
Daten Visualisierung
Bis anhin haben wir alle möglichen Daten, welche wir irgendwie bekommen konnten, in unsere erstellten Datenstrukturen gespeichert. Damit man bei dieser Unmenge an Daten davon verschohnt werden den Wald voller Bäume nicht mehr zusehen, stellen wir die wichtigsten Informationen visuell dar.