Von der entgegengesetzten Entwicklung bis zur Konvergenz: Welche Erfahrungen haben die autonomen Fahrtechnologie-Strategien von Alibaba und Baidu gemacht?

Alibaba hat vor Kurzem erstmals seinen Weg zur autonomen Fahrtechnologie bekannt gegeben. Der Schwerpunkt liegt dabei auf der Realisierung autonomen Fahrens durch die Zusammenarbeit von autonom fahrenden Fahrzeugen und der Straßeninfrastruktur. Gleichzeitig gaben die Alibaba DAMO Academy und das Highway Research Institute des Verkehrsministeriums die Einrichtung eines gemeinsamen Fahrzeug-Straßen-Kooperationslabors bekannt.

Anschließend änderte Baidu seinen bisherigen Schwerpunkt auf Einzelfahrzeugintelligenz und kündigte an, dass es die Apollo-Lösung zur Fahrzeug-Straßen-Zusammenarbeit bis Ende dieses Jahres offiziell als Open Source veröffentlichen werde. Im Abstand von nur wenigen Tagen wetteiferten die beiden Giganten darum, wichtige Technologierouten bekannt zu geben, und beide betonten die Bedeutung der Zusammenarbeit zwischen Fahrzeug und Straße. In dieser Hinsicht hat auch Chinas autonomes Fahren mit einheitlichem Denken und demselben Ziel eine Überholspur erreicht.

Die Mängel der Fahrradintelligenz

Autonomes Fahren ist ein wichtiger Teil der automobilen Intelligenz. Intelligente Autos können die vielfältigeren Bedürfnisse der Menschen erfüllen. Doch ein Smart Car ist im Wesentlichen immer noch ein Auto und seine Hauptfunktion besteht immer noch darin, Passagiere und Güter zu befördern. Die wichtigste Verbesserung intelligenter Autos im Vergleich zu herkömmlichen Autos dürfte die Verbesserung der Verkehrssicherheit und der Transporteffizienz sein. Unter dieser Prämisse sollten die Kosten so weit wie möglich gesenkt werden, damit sie sich allmählich durchsetzen können.

Der derzeit gängige technische Ansatz für autonomes Fahren ist immer noch die Einzelfahrzeugintelligenz. International führende Akteure im Bereich des autonomen Fahrens wie Google und General Motors verlassen sich hauptsächlich auf Sensoren und künstliche Intelligenz in den Fahrzeugen und nutzen die Unterstützung hochpräziser Karten, um autonomes Fahren zu erreichen.

Das erste Problem, mit dem die Fahrradintelligenz konfrontiert ist, sind die hohen Kosten der Sensoren. Derzeit macht die Sensorausstattung selbstfahrender Autos etwa 40 % der Gesamtkosten des Fahrzeugs aus, was bedeutet, dass nur Autos der Oberklasse mit selbstfahrenden Funktionen ausgestattet werden können. Entsprechenden Prognosen zufolge dürften die Sensorkosten bis 2023 auf 26 % der Gesamtfahrzeugkosten sinken. Selbst wenn er auf 26 % sinkt, ist er für viele Fahrzeuge immer noch zu teuer.

Teure Sensoren schränken die Popularität des autonomen Fahrens stark ein. Obwohl selbstfahrende Autos das menschliche Fahrverhalten imitieren, unterscheiden sie sich letztlich vom menschlichen Fahren. Die gleichzeitige Präsenz von selbstfahrenden Autos und von Menschen gesteuerten Fahrzeugen auf den Straßen macht die Verkehrsumgebung tatsächlich komplexer. Wenn wir die Sicherheit ausschließlich auf der Intelligenz eines einzelnen Fahrzeugs basieren lassen wollen, benötigen wir genügend selbstfahrende Fahrzeuge.

Es könnte tatsächlich der Tag kommen, an dem die Straßen voller selbstfahrender Fahrzeuge sind, die alle mit der gleichen Geschwindigkeit unterwegs sind, es keine Staus oder Verkehrsunfälle mehr gibt und die Effizienz des Transports erheblich verbessert wird. Doch dieses Szenario ist noch zu weit entfernt.

Sensoren haben ihre eigenen toten Winkel und Nutzungsbedingungen und ihre Leistung wird in Szenarien wie Unwettern stark reduziert. Hochpräzise Karten können autonomen Fahrzeugen Informationen über den Straßenzustand liefern und ihnen so zu einer sicheren Fahrt verhelfen. Allerdings werden hochpräzise Karten im Voraus gezeichnet und es ist schwierig, sie in Echtzeit zu aktualisieren.

Crowdsourcing ist eine relativ kostengünstige Lösung für das Problem der Aktualisierung hochpräziser Karten. Voraussetzung für die Umsetzung der Crowdsourcing-Lösung ist allerdings, dass genügend Fahrzeuge auf der Straße sind, die den Anforderungen entsprechen. Darüber hinaus stellt sich die Frage, ob Crowdsourcing-Fahrzeuge eine flächendeckende Abdeckung aller Straßen gewährleisten können. Obwohl hochpräzise Karten einen „Speicher“ und Aktualisierungen für autonome Fahrzeuge bereitstellen können, können sie die Sicherheit autonomer Fahrzeuge nicht gewährleisten.

Das häufige Auftreten von Verkehrsunfällen beim autonomen Fahren in der Vergangenheit zeigt nicht nur, dass die vorhandene autonome Fahrtechnologie noch unvollkommen ist, sondern deckt auch die Grenzen der Intelligenz einzelner Fahrzeuge auf.

Warum die Zusammenarbeit zwischen Fahrzeug und Straße entwickeln?

Der größte Unterschied zwischen der Fahrzeug-Straßen-Zusammenarbeit und der Intelligenz einzelner Fahrzeuge besteht in der Hinzufügung einer intelligenten Straßeninfrastruktur. Alibaba nennt es die kollaborative Wahrnehmungsbasisstation für Fahrzeug und Straße und Baidu nennt die mit dieser Infrastruktur ausgestatteten Straßen „intelligente Straßen“. Diese intelligente Straßeninfrastruktur besteht aus einer Vielzahl von Sensoren und Recheneinheiten, die wie Kameras an der Straße aufgehängt und in bestimmten Abständen angeordnet werden können.

Dieses Gerät kann autonome Fahrzeuge mit Informationen über die Straßenverhältnisse in der Umgebung versorgen, Notfälle in Echtzeit überwachen und Fahrzeuge in der Nähe daran erinnern, sich rechtzeitig vorzubereiten. Mit diesem Gerät ist die Echtzeitaktualisierung hochpräziser Karten kein Problem mehr. Dieses Gerät kann veränderte Straßenverhältnisse in Echtzeit an die hochpräzise Kartendatenbank übermitteln und entsprechende Aktualisierungen vornehmen.

Mithilfe dieses Geräts können die Anforderungen an die eigene Sensorik des Smart Cars reduziert und damit auch die entsprechenden Kosten gesenkt werden. Dies kann die Popularisierung des autonomen Fahrens fördern. Auf diese Weise wird ein Teil der Fahrzeugsensoren tatsächlich auf die öffentliche Infrastruktur übertragen, die nicht nur selbstfahrende Autos unterstützen, sondern auch Informationen an von Menschen gesteuerte Autos übertragen kann. Die Nutzungseffizienz der Sensoren kann erheblich verbessert und die Kosten des autonomen Fahrens leichter verteilt werden.

Selbstfahrende Fahrzeuge werden bereits eingesetzt. Beispielsweise werden die selbstfahrenden Taxis von Waymo bald kommerziell in Betrieb genommen. Von Menschen gesteuerte Fahrzeuge und selbstfahrende Autos werden irgendwann auf denselben Straßen fahren müssen. Der Widerspruch zwischen den beiden hat einen Punkt erreicht, an dem er gelöst werden muss.

Die Bedeutung intelligenter Straßeninfrastruktur liegt auch in der Kommunikation zwischen verschiedenen Fahrzeugen, die das Internet der Fahrzeuge einbezieht. Zwar werden in Zukunft nicht alle Fahrzeuge auf den Straßen selbstfahrend sein, aber jedes Fahrzeug wird mit dem Internet verbunden sein. Das Internet der Fahrzeuge ermöglicht es Passagieren und Fahrern, das Internet zur Unterhaltung und zum Einkaufen zu nutzen, aber dies ist nicht das wahre Internet der Fahrzeuge. Genauer gesagt handelt es sich um einen Internetzugang im Auto.

Die wichtigere Bedeutung des Internets der Fahrzeuge liegt in der Kommunikation zwischen verschiedenen Fahrzeugen. Menschliche Fahrer können aufgrund ihrer Erfahrung das Verhalten anderer Fahrzeuge beurteilen und vorhersagen. Für selbstfahrende Autos ist es viel schwieriger, derartige Urteile zu fällen.

Durch das Internet der Fahrzeuge können autonome Fahrzeuge Informationen über andere autonome Fahrzeuge und von Menschen gesteuerte Fahrzeuge erhalten und so Wahrnehmungsblindheiten durchbrechen und Fehleinschätzungen reduzieren. Dadurch kann nicht nur die Zahl der Verkehrsunfälle verringert werden, sondern auch die Abhängigkeit von der Bordintelligenz und der Verbrauch der Bordcomputerressourcen reduziert werden.

Im Vergleich zu den USA ist das Straßennetz in China komplexer und verkehrsreicher, was die Umsetzung des autonomen Fahrens vor große Herausforderungen stellt. Für intelligente Autos ist es schwierig, sich allein an solch komplexe Straßenbedingungen anzupassen. Selbst wenn sie sich anpassen können, werden sie teurere Sensoren und ein höheres Maß an künstlicher Intelligenz und Rechenleistung benötigen, und die Gesamtkosten werden sehr hoch sein.

Mithilfe der Infrastruktur kann sich das autonome Fahren an mehr Anwendungsszenarien anpassen, beispielsweise an städtische Verkehrsszenarien, die für das autonome Fahren sehr schwierig sind. Denn nur autonomes Fahren, das sich an die meisten Szenarien anpassen kann, kann den Menschen wirklich von der Fahrarbeit befreien.

Bei der Fahrzeug-Straßen-Zusammenarbeit handelt es sich nicht um eine einfache Negierung der Intelligenz eines einzelnen Fahrzeugs, sondern um eine Erweiterung der Intelligenz eines einzelnen Fahrzeugs auf die Intelligenz des gesamten Transportsystems. Kurzfristig muss die Fahrzeug-Straßen-Kooperation nicht unbedingt dem autonomen Fahren dienen. Die Service-Basisstation der Fahrzeug-Straßen-Zusammenarbeit kann zunächst vorhandene normale Fahrzeuge mit dem Internet verbinden und dann die Fahrzeugdispositions- und -verwaltungsfunktionen stärken. Mit dieser relativ einfachen Anwendung lässt sich die Verkehrseffizienz verbessern.

Am 14. September führten Daimler und Bosch eine Demonstration zum automatischen Parken mit einem Mercedes-Benz E63 durch. Dieses Mercedes-Benz-Auto hat keinen Fahrer und keine Sensoren. Stattdessen werden Sensoren auf dem Parkplatz installiert und intelligente Modifikationen vorgenommen, die dem Fahrzeug helfen, das automatische Einparken durchzuführen.

Der Schwerpunkt dieser automatischen Parklösung liegt nicht auf autonomen Fahrzeugen, sondern auf der Fahrzeugvernetzung und der Fahrzeug-Straßen-Kooperationstechnologie. Das Anwendungsszenario betrifft öffentliche Parkplätze. Dies spiegelt tatsächlich den Trend wider, dass sich die künstliche Intelligenz im Automobilbereich zunehmend auf die Infrastruktur verlagert.

Wenn sich diese Technologie weiterentwickelt, wird autonomes Fahren immer abhängiger von der Intelligenz der Infrastruktur. Die Rolle der Regierung in der Branche des autonomen Fahrens wird immer wichtiger.

Autonomes Fahren ist ein Anwendungsgebiet der Künstlichen Intelligenz. Bei anderen KI-Anwendungen, wie etwa Smart Homes, muss das Problem der unternehmensübergreifenden Standardvereinheitlichung nicht berücksichtigt werden, sondern es genügt eine interne Vernetzung innerhalb eines kleinen Bereichs. Autonomes Fahren ist eine öffentliche Angelegenheit und bringt Sicherheitsprobleme mit sich. Darüber hinaus erfordern sowohl die Fahrzeugvernetzung als auch die Fahrzeug-Straßen-Zusammenarbeit einheitliche Standards. Dies erfordert, dass autonomes Fahren verschiedener Unternehmen auf einheitliche Standards zurückgreifen kann.

Mein Land ist derzeit sehr entschlossen, die Branche des autonomen Fahrens voranzutreiben und leistet große Arbeit beim Aufbau der Infrastruktur. Da sich das autonome Fahren hin zu einer intelligenten Infrastruktur weiterentwickelt, kann die Regierung eine größere Rolle spielen und es wird einfacher sein, Standards zu vereinheitlichen. Die Einführung und Vereinheitlichung von Standards wird zudem die Verbreitung des autonomen Fahrens beschleunigen.

Als Gewinner des Qingyun-Plans von Toutiao und des Bai+-Plans von Baijiahao, des Baidu-Digitalautors des Jahres 2019, des beliebtesten Autors von Baijiahao im Technologiebereich, des Sogou-Autors für Technologie und Kultur 2019 und des einflussreichsten Schöpfers des Baijiahao-Vierteljahrs 2021 hat er viele Auszeichnungen gewonnen, darunter den Sohu Best Industry Media Person 2013, den dritten Platz beim China New Media Entrepreneurship Competition Beijing 2015, den Guangmang Experience Award 2015, den dritten Platz im Finale des China New Media Entrepreneurship Competition 2015 und den Baidu Dynamic Annual Powerful Celebrity 2018.