Baidu startet Apollo World: KI-System trainiert Robotaxis mit simuliertem Fahren im großen Maßstab
Wichtige Erkenntnisse
- •Baidu hat Apollo World gestartet, ein KI-System, das virtuelle Fahrumgebungen zur Schulung seiner Apollo-Go-Robotaxis erzeugt, vorgestellt auf dem AI Day des Unternehmens in Shenzhen.
- •Das System kann bis zu 100.000 Kilometer Fahrt pro Tag simulieren, was Baidu mit rund drei Jahren Straßentests eines einzelnen Fahrzeugs mit Sicherheitsfahrer gleichsetzt – der Vergleich ist jedoch kein unabhängiger Benchmark.
- •Apollo World wurde mit mehr als 350 Millionen Kilometern aufgezeichneter Fahrdaten von Baidu trainiert und erzeugt bislang ungesehene Straßenszenarien, darunter seltene gefährliche Ereignisse, die sich allein durch physische Tests kaum erfassen lassen.
- •Baidu hat einen "2+3"-Standard zum Testen von Weltmodellen vorgeschlagen und nutzt Apollo World bereits, um Apollo-Go-Robotaxis für den Einsatz in anderen Ländern vorzubereiten – im Wettbewerb mit WeRide, Pony.ai und Momenta Global.
- •Chinas Robotaxi-Markt wird voraussichtlich schnell wachsen: Morgan Stanley erwartet 1 Million Robotaxis bis 2035, XPeng plant einen Start 2027, und Tesla verfolgt mit seiner Cybercab-Flotte einen eigenen, auf Videos basierenden KI-Ansatz.
Chinas Baidu hat ein KI-System namens "Apollo World" gestartet, das virtuelle Fahrumgebungen erzeugt, um seine Apollo-Go-Robotaxis zu trainieren. Das Unternehmen stellte das Modell auf seinem AI Day in Shenzhen vor, wie Reuters berichtete. Der Launch erfolgt, während chinesische und globale Anbieter autonomer Fahrsysteme weiterhin nach günstigeren Wegen zur Entwicklung der Technologie suchen.
Ein Tag virtuellen Fahrens, laut Baidu
Die zentrale Aussage betrifft die Kapazität. Laut Baidu kann Apollo World bis zu 100.000 km (62.000 Meilen) Fahrt pro Tag simulieren. Nach Angaben des Unternehmens entspricht dieses Volumen rund drei Jahren Straßentests durch ein einzelnes autonomes Fahrzeug mit Sicherheitsfahrer.
Dieser Vergleich stammt jedoch von Baidu selbst und ist kein unabhängiger Benchmark. Die Zahl „drei Jahre pro Tag" bezieht sich ausschließlich auf das simulierte Fahren. Sie zeigt nicht, wie sicher die Fahrzeuge auf echten Straßen sind oder ob sie für den täglichen Einsatz bereit sind.
Offen bleibt, ob die Simulationen die unterschiedlichen Straßen und Fahrbedingungen in den Städten, in denen Apollo Go operieren soll, präzise abbilden. Das Unternehmen muss zudem noch zeigen, wie viel zusätzliche Tests in der realen Welt die Fahrzeuge benötigen werden.
Baidu ergänzte, dass Apollo World bereits eingesetzt wird, um Apollo-Go-Robotaxis für den Einsatz in anderen Ländern vorzubereiten. Apollo Go ist Chinas größter Robotaxi-Betreiber; zu den Wettbewerbern zählen WeRide, Pony.ai und Momenta Global.
Sensorströme, nicht nur Straßenszenen
Apollo World geht über die Erzeugung statischer Bilder hinaus. Es kann simulieren, wie sich Straßen und ihre Umgebung im Laufe der Zeit verändern, und vorhersagen, was als Nächstes geschehen könnte. Live-Daten von Kameras und Lidar-Sensoren helfen der Software für autonomes Fahren, ihre Umgebung zu erfassen und sich darin zu orientieren.
Das Modell wird mit Daten aus echten Straßentests trainiert. Baidu hat Berichten zufolge mehr als 350 Millionen Kilometer Fahrdaten aufgezeichnet, die Apollo World auch nutzt, um neue Straßensituationen zu generieren, auf die die Fahrzeuge zuvor nicht gestoßen sind. Diese bislang ungesehenen Szenarien sind wichtig, weil seltene, gefährliche Ereignisse – jene, die die Grenzen eines autonomen Fahrsystems am ehesten offenkundig machen – im alltäglichen Fahrbetrieb selten häufig genug auftreten, um allein durch Straßentests erfasst zu werden.
Baidu hat Berichten zufolge zudem einen "2+3"-Standard zum Testen von Weltmodellen vorgeschlagen – KI-Systeme, die modellieren, wie sich eine Umgebung entwickelt, und simulierte Situationen erzeugen, aus denen andere Software, etwa ein Stack für autonomes Fahren, lernen kann. Wenn andere Entwickler diesen Standard übernehmen, könnte Baidu daran mitwirken, wie solche Systeme langfristig bewertet werden.
Das Unternehmen beschrieb Apollo World als ein KI-System, das Informationen aus mehreren Quellen verstehen und darauf reagieren kann. Die Technologie könnte laut Baidu auch für die Entwicklung von Robotern eingesetzt werden, nicht nur für autonome Fahrzeuge.
Das Kostenproblem hinter dem Vorstoß
Eine der größten Herausforderungen im Robotaxi-Geschäft sind die Kosten für die Entwicklung und den Betrieb der Technologie. Viele chinesische Unternehmen besitzen nicht alle Fahrzeuge, die sie einsetzen. Stattdessen liefern sie die Technologie für autonomes Fahren und arbeiten mit Automobilherstellern, Ride-Hailing-Firmen und anderen ausländischen Betreibern zusammen. Diese Konstellation senkt die Betriebskosten, doch der Aufbau und das Training der zugrunde liegenden Systeme bleiben teuer. Die simulierte Fahrleistung verdeutlicht diese Kosten: In Software erzeugte Fahrkilometer ersparen die Jahre, die ein physisches Fahrzeug mit Sicherheitsfahrer für dieselbe Strecke bräuchte.
Frank McCleary, Experte für autonomes Fahren bei der Beratungsfirma Arthur D. Little, sagte gegenüber Reuters, dass Unternehmen weiterhin erheblich in das Training ihrer KI-Systeme und die Vorbereitung der Fahrzeuge investieren. Das Tempo eines Starts hänge davon ab, wie gut ein System lernen könne, an einem neuen Ort zu fahren; er betonte, dass KI den Unternehmen noch schnellere Fortschritte ermöglicht habe.
Chinas Robotaxi-Markt steht vor einem raschen Wachstum über einen kurzen Zeitraum. Laut Reuters rechnet Morgan Stanley damit, dass das Land bis 2035 über 1 Million Robotaxis verfügen wird. XPeng, Volkswagens Partner in China, plant zudem den Start seines Robotaxi-Dienstes für 2027. Tesla verfolgt mit seiner Cybercab-Flotte einen anderen Ansatz und nutzt KI-Modelle, die mit Videos von fahrenden Menschen trainiert werden. Wie sich die Simulationen auf echten Straßen bewähren – und ob andere Entwickler Baidus vorgeschlagenen Teststandard übernehmen – sind neben weiteren Faktoren zu beobachten, während sich dieser Markt formt.
