Automatisierte Fahrzeuge, Lieferroboter und KI-basierte Verfahren eröffnen neue Möglichkeiten für die Güterlogistik auf der letzten und vorletzten Meile. Ob sich solche Lösungen im urbanen Alltag bewähren, entscheidet sich jedoch erst im Zusammenspiel mit dem gesamten Logistiknetz und den Menschen vor Ort. Neue Ansätze müssen daher nicht nur technisch funktionieren, sondern auch unter realen Bedingungen erprobt werden. Gerade für Startups sowie kleine und mittlere Unternehmen (KMU) stellt der Aufbau eigener Testumgebungen dabei eine hohe Hürde dar. Ziel des Projekts Last Mile City Lab (LMCL) ist der Aufbau technologieoffener Erprobungsräume, in denen Wissenschaft und Industrie neue Dienste, Produkte und Lösungen bereits früh im Entwicklungsprozess testen können.

Das LMCL baut auf den Ergebnissen des Vorgängerprojekts efeuCampus auf, in dem in Bruchsal ein Reallabor mit autonomen Lieferrobotern entstanden ist. Im Fokus stehen dabei technologieoffene Bausteine, die modular zusammenspielen: reale und virtuelle Testumgebungen, Fahrzeug- und Sensorplattformen, offene KI-Verfahren und Daten, Softwarelösungen und Betriebskonzepte sowie Transferformate. Offene Schnittstellen sollen es Dritten ermöglichen, diese Bausteine zu nutzen und mit eigenen Entwicklungen zu erweitern. Dies soll Einstiegshürden senken und die Entwicklung neuer Lösungen für die urbane Güterlogistik in der Region beschleunigen.

Das IFL trägt zu diesem Ziel mit einem offenen Datensatz und einem damit verknüpften virtuellen Testfeld für autonome Lieferroboter bei. Für diese Domäne fehlen bislang geeignete Datensätze und Simulationsumgebungen, um KI-Modelle zu trainieren und neue Methoden vergleichbar zu validieren. Im Mittelpunkt steht die Erstellung eines multimodalen Datensatzes für autonome Systeme im urbanen Umfeld, insbesondere für gehweggebundene Systeme der letzten Meile. Grundlage hierfür ist eine modulare Sensorplattform. Der Datensatz bildet unter anderem zeitliche und saisonale Veränderungen ab, die in bestehenden Datensätzen kaum berücksichtigt sind. Aufbereitet und annotiert soll er als frei zugänglicher Benchmark für das semantische Szenenverständnis veröffentlicht werden. Das virtuelle Testfeld bildet die reale Umgebung als digitalen Zwilling ab und ist über einen bidirektionalen Datenfluss eng mit ihr verknüpft. Synthetisch erzeugte Daten unterstützen so das Training der Modelle, und neue Methoden lassen sich zunächst in der Simulation validieren, bevor sie im realen Umfeld erprobt werden. Gemeinsam mit quelloffenen Softwarekomponenten soll damit eine Umgebung für Training, Validierung und Test entstehen, in der Forschung und Industrie Methoden für autonome Lieferroboter realitätsnah vergleichen können.

Darüber hinaus befasst sich das IFL mit Autonomiefunktionen für Lieferroboter und deren Integration in heterogene Flotten. Dazu zählen Methoden zum semantischen Szenenverständnis, eine robuste Navigation ohne hochauflösende Karten sowie die Übertragung von Konzepten aus der Intralogistik, etwa der VDA 5050, auf den urbanen Raum. Die entwickelten Methoden sollen mit verschiedenen mobilen Roboterplattformen im realen Umfeld erprobt und demonstriert werden.

Das Projekt wird gefördert aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) und des Landes Baden-Württemberg. Der Förderzeitraum erstreckt sich vom 09.09.2025 bis zum 31.12.2027.