Gleichzeitig unterscheiden sich die Anforderungen an automatisierte Fahrsysteme im ländlichen Raum grundlegend von denen urbaner Umgebungen. Fehlende Fahrbahnmarkierungen, unstrukturierte Randbereiche, wechselnde Straßenbeläge, landwirtschaftlicher Verkehr, Nutz- und Wildtiere oder auch eingeschränkte Sichtverhältnisse durch Nebel und Dunkelheit erschweren eine zuverlässige Umfeldwahrnehmung erheblich. Viele der heute eingesetzten Systeme basieren auf Trainingsdaten aus dem städtischen Kontext, wodurch eine direkte Übertragbarkeit auf den ländlichen Raum nicht gewährleistet ist.

Um das automatisierte Fahren zukünftig auf den ländlichen Raum auszuweiten, braucht es explizit angepasste, robuste und nachvollziehbare Verfahren zur Umfelderfassung und Objektverfolgung, die den realen Einsatzbedingungen Rechnung tragen. Dabei spielen nicht nur neue algorithmische Ansätze eine Rolle, sondern auch die strukturierte Untersuchung bisheriger Wahrnehmungslücken sowie die konsequente Berücksichtigung von Unsicherheiten und selten auftretenden, aber sicherheitskritischen Situationen.

Das Projekt TrackäR setzt genau an diesen Herausforderungen an. Aufbauend auf dem im Vorgängerprojekt DEmandäR erhobenen, einzigartigen Datensatz für ländliche Szenarien sollen neue Verfahren zur Detektion und Verfolgung von Objekten entwickelt, unter realen Bedingungen evaluiert und so aufbereitet werden, dass sie sich nahtlos in etablierte Open-Source-Frameworks für das automatisierte Fahren (wie beispielsweise ROS2 und Autoware) integrieren lassen. Ziel ist es, eine belastbare technologische Grundlage für datenbasierte, transparente und öffentlich nutzbare Umfelderfassungsmodule im ländlichen Raum zu schaffen.