Ist autonomes Fahren dasselbe wie ein Frosch, der Auto fährt? Wie weit müssen intelligente Autos gehen?

Selbstfahrende Autos sind zu einem heißen Thema geworden, mit dem jeder vertraut ist, und viele Hightech-Unternehmen blicken optimistisch in die Zukunft. Wie weit sind wir also von selbstfahrenden Autos entfernt? Welche technischen Herausforderungen gibt es beim autonomen Fahren? Alles, was Sie zum Thema autonomes Fahren noch nicht wissen oder wissen möchten, finden Sie hier!

(Links) Duan Yulong

Moderator des Pekinger Radio- und Fernsehsenders

(Mitte) Li Huiyun

Forscher am Shenzhen Institutes of Advanced Technology, Chinesische Akademie der Wissenschaften

(Rechts) Li Shengbo

Ordentlicher Professor, Fakultät für Fahrzeugtechnik, Tsinghua-Universität

**Duan Yulong: **Es gibt keine Rationalität und keine Wahrheit. Hallo, liebe Publikumsfreunde, willkommen zur rationalen Party. Ich bin der Gastgeber Duan Yulong. In dieser Folge sprechen wir mit Ihnen über autonomes Fahren.

Warum haben wir noch keine selbstfahrenden Autos?

**Duan Yulong: **Das Konzept des autonomen Fahrens erfreut sich derzeit großer Beliebtheit, aber warum gibt es nach so vielen Jahren noch keine autonom fahrenden Autos bei uns, sondern nur auf dem Papier oder auf einigen abgesperrten Teststrecken?

**Li Huiyun: **Ich denke, es entwickelt sich ziemlich schnell. Als komplexe Systemtechnik, die alle Aspekte abdeckt, einschließlich Automobiltransport, Straßen, Kommunikation usw., entwickelt sie sich ziemlich schnell.

Tatsächlich haben Sie während dieser Epidemie vielleicht gehört, dass unsere unbemannten Fahrzeuge an der Verteilung von Materialien, einschließlich Materialien zur Epidemieprävention, sowie am Transport von Personal beteiligt waren. Was Sie vielleicht nicht wissen, ist, dass einige unbemannte Bergbau-LKW im Einsatz sind. Tatsächlich hat es in einigen spezifischen Bereichen allmählich Einzug in unser menschliches Leben gehalten.

**Duan Yulong: **Aber wann werden wir normalen Menschen in der Lage sein, mit selbstfahrenden Autos zur Arbeit und wieder nach Hause zu fahren oder unsere Kinder abzuholen? Ich muss nicht einmal das Wort „Antrieb“ verwenden, um diese Aufgaben zu erledigen?

**Li Shengbo: **Eigentlich ist das ein sehr kompliziertes Thema. Wenn in den Medien über selbstfahrende Autos gesprochen wird, geht es im Allgemeinen darum, Fahrer und Menschen zu ersetzen. Dies ist ein sehr ideales Ziel. Doch derzeit gibt es bei dieser reinen unbemannten Fahrtechnologie noch viele Engpässe und Probleme, die nur schwer zu lösen sind. Aus der Perspektive der Intelligenz begann der Mensch als lebender Organismus mit einer einzigen Zelle. Im Laufe von etwa vier bis fünf Milliarden Jahren haben wir den Evolutionsprozess von einzelligen niederen Organismen über mehrzellige niedere Organismen, Fische, Reptilien und Säugetiere durchlaufen und uns schließlich zum Menschen entwickelt. Dabei entwickelt sich auch unsere Intelligenz ständig weiter. Der Mensch ist die komplexeste und intelligenteste Lebensform auf der Erde, die wir kennen. Unser Gehirn verfügt über etwa 80 Milliarden Neuronen und nur diese Lebensform kann wirklich Auto fahren. Derzeit umfasst das in unserer autonomen Fahrtechnologie verwendete maschinelle neuronale Netzwerk etwa mehrere zehn bis hundert Millionen Neuronen. Im Vergleich zu einem lebenden Organismus entspricht dies wahrscheinlich dem Niveau eines Frosches .

**Duan Yulong: **Meinen Sie, dass die aktuelle fahrerlose Technologie dem Autofahren eines Frosches gleichkommt?

**Li Shengbo: **Ja. Unsere Wissenschaftler unterteilen das autonome Fahren bzw. Smart Cars in fünf Stufen, von L1 bis L5. Je höher das Level, desto höher die Intelligenz. **Autonomes Fahren bezieht sich eigentlich auf autonomes Fahren auf Stufe L5, was relativ schwer zu erreichen ist.

Konzeptkarte für autonomes Fahren L5

Bei Level L1 handelt es sich um ein Fahrerassistenzsystem , das den Fahrer automatisch beim Lenken oder Betätigen von Gas und Bremse unterstützen kann. Level L2 ist eine erweiterte Version von Level L1. Es kann gleichzeitig das Lenkrad lenken, Gas geben und bremsen. Allerdings sind die Betriebsbedingungen im Allgemeinen auf einfachere Straßenszenen wie Autobahnen beschränkt, wo es keine Fußgänger oder Fahrräder, sondern nur Kraftfahrzeuge gibt. Level L3 und Level L4 sind erweiterte Versionen basierend auf Level L2. Sie betreten Straßenszenarien mit mehr Verkehrsteilnehmern und höherer Komplexität.

Der Unterschied zwischen L3-L4 und L1-L2 liegt in den unterschiedlichen Verantwortlichen für Sicherheitsunfälle. Gemäß den geltenden Vorschriften trägt bei einem Unfall auf Stufe L1–L2 der Fahrer die Verantwortung, da es sich um fahrerunterstütztes autonomes Fahren handelt. Wenn auf der Ebene L3-L4, genauer gesagt auf der Ebene L4, ein Unfall auftritt, ist das System verantwortlich. Hier wird es wirklich kompliziert. Wenn die Sicherheit des Systems nicht so gut ist wie die von Menschen, dann ist die Prämie für die Versicherung höher als für Menschen. Zudem ist es für dieses System relativ aufwendig, den Unfallverursacher zu ermitteln. Daher befinden sich die selbstfahrenden Autos, die bereits kommerziell in Betrieb genommen wurden, grundsätzlich noch auf dem Level L1-L2. Es gibt einen Sprung von L2 zu L3.

**Duan Yulong: **Wir haben seit vielen Jahren die Stufen L1 und L2 des autonomen Fahrens erreicht, aber warum können wir die Lücke zu L3 nicht schließen? Gab es neben der gerade erwähnten Zuständigkeitsbestimmung auch technische Herausforderungen? Wie soll diese Herausforderung gelöst werden?

**Li Huiyun: **Professor Li hat gerade erwähnt, dass sich autonomes Fahren hinsichtlich der Rechenleistung des Algorithmus derzeit stark vom menschlichen Fahren unterscheidet. Aus der Perspektive des autonomen Fahrens, das menschliche Hände, Füße, Augen und Gehirn ersetzt, ist die Leistung in anderen wichtigen technischen Aspekten von der Wahrnehmung bis hin zur Entscheidungsfindung, Planung und Positionierung unbefriedigend, mit Ausnahme der zufriedenstellenden Leistung beim Bremsen mit Hand und Fuß.

Schematische Darstellung der fahrzeugmontierten Sensoren

Lassen Sie mich Ihnen zwei Beispiele nennen. Im Wahrnehmungsteil haben wir vielleicht vom Streit zwischen LiDAR- und Vision-Schulen gehört, und natürlich ist auch von Multisensorfusion die Rede. Aber alle Unfälle, die jetzt passieren, passieren in dieser Phase. Wenn wir jedoch viele Sensoren hinzufügen und viele Testfälle haben, ist nicht sicher, ob uns dies gut gelingt. Da es sich um eine anschließende Planung, Entscheidungsfindung und Entwicklung künstlicher Intelligenz handelt, handelt es sich um ein zusammenhängendes Thema.

Für den Positionierungsteil arbeiten wir mit der Hong Kong Polytechnic University zusammen. Hongkong ist eine typische Straßenschlucht. Egal ob es sich um einen Tunnel oder ein Hochhaus handelt, die dadurch entstehenden Mehrwegereflexionen führen im Allgemeinen dazu, dass das GNSS (Global Positioning System) einen Fehler von mehreren zehn Metern aufweist, was eine Navigation unmöglich macht. Natürlich können wir den Fehler derzeit bestenfalls auf über zehn Meter reduzieren, indem wir technische Mittel einsetzen, etwa indem wir bestimmte Satelliten auswählen und bei der Kalibrierung etwas Vorwissen einbringen. Auch wenn hochpräzise Karten mittlerweile den Zentimeterbereich erreichen, ist es offensichtlich immer noch nicht akzeptabel, wenn die Positionsbestimmung einen Fehler von mehr als zehn Metern aufweist. Dies erklärt auch, warum die L3-L4-Level noch nicht den kommerziellen Standard erreicht haben.

**Duan Yulong: **Wie soll dieses Problem als nächstes gelöst werden? Inwieweit können die jüngsten Fortschritte in den Bereichen künstliche Intelligenz, Big Data und Cloud Computing zur Verbesserung der Technologie für selbstfahrende Autos beitragen?

**Li Shengbo: **Damit autonomes Fahren seine Funktionen erfüllen kann, muss es sich wie ein Mensch verhalten. Erstens müssen Sie Augen haben, um die Umgebung zu beobachten. zweitens müssen Sie Ihr Gehirn nutzen, um Urteile zu fällen und Entscheidungen zu treffen; Schließlich müssen Sie Befehle an Ihre Hände und Füße ausgeben, um Aufgaben wie Lenken, Gasgeben und Bremsen auszuführen. Das gesamte System eines selbstfahrenden Autos wird durch Algorithmen vervollständigt, die Algorithmen müssen sich jedoch auf zwei Punkte verlassen. Erstens sind Rechenleistung oder Computer erforderlich, um es zu unterstützen, und zweitens sind Daten erforderlich, um es zu trainieren. Autonomes Fahren ähnelt also der künstlichen Intelligenz, wobei Algorithmen, Daten und Rechenleistung die drei Grundpfeiler bilden . Derzeit reicht unsere Rechenleistung nicht aus, um die Anforderungen hochrangiger Algorithmen zu erfüllen. Der Grund ist einfach. Selbst wenn im Auto ein Server installiert ist, liegt das neuronale Netzwerk, das er unterstützen kann, nur im Bereich von Milliarden von Neuronen. Das menschliche Gehirn verbraucht nur etwa acht bis zehn Watt Strom, kann aber 80 Milliarden Neuronen betreiben, und die Leistung jedes einzelnen Neurons ist viel besser als die einer Maschine. Dieser Analogie zufolge reicht unsere Rechenleistung also immer noch nicht aus.

Schematische Darstellung eines tiefen neuronalen Netzwerks (DNN). Es funktioniert ähnlich wie das menschliche Gehirn und leitet eingehende Daten zur Verarbeitung durch Schichten miteinander verbundener Neuronen.

Als nächstes kommt der Algorithmus. Der derzeit gängige Algorithmus ist Deep Learning. Ich bin davon überzeugt, dass sich tiefe neuronale Netzwerke in Zukunft zu einem gängigeren Algorithmus für autonomes Fahren entwickeln könnten. Viele Menschen bezweifeln derzeit auch die mangelnde Interpretierbarkeit und die möglicherweise nicht ausreichende Gewährleistung der Sicherheit. Aber auch der Mensch ist ein intelligentes Wesen, das aus neuronalen Netzwerken besteht. Bedeutet das, dass das menschliche Gehirn zwangsläufig erklärbar ist? Es gelingt ihm nicht immer, genaue Urteile zu fällen. Solange die Sicherheit des Algorithmus ausreichend ist, können wir daher weiterhin auf seine Wirksamkeit vertrauen . Ob das Netzwerk selbst erklärbar ist und über ausreichende Sicherheitsgarantien verfügt, muss anhand der Ergebnisse beurteilt werden.

**Li Huiyun: **Ich stimme auch zu, dass sich neuronale Netzwerke rasant entwickeln. Sie können in vielen Bereichen glänzen, beispielsweise bei der Wahrnehmung autonomen Fahrens und der Spracherkennung beim Mensch-Maschine-Co-Fahren. Ich glaube jedoch, dass dem aktuellen Deep Learning noch ein Aspekt fehlt: Es verfügt nicht über die menschlichen Fähigkeiten des logischen Denkens, der Induktion, Deduktion, Analogie usw., und diese Fähigkeiten machen den großen Unterschied zwischen Fröschen und Menschen aus. Ich denke, wenn wir den Übergang vom Frosch zum Menschen schaffen wollen, brauchen wir noch große Durchbrüche in den Bereichen Mathematik und künstliche Intelligenz .

Ich stimme aber auch zu, dass wir uns die Wirksamkeit ansehen sollten. Der allgemeine Ansatz zur Betrachtung der Wirksamkeit besteht darin, den operativen Designbereich (ODD)** des Produkts klar aufzuteilen. **Beispielsweise werden in Niedriggeschwindigkeitssituationen Geschwindigkeit und Straßenmodell vorgegeben und anschließend eine ausgewählte Route festgelegt, die gemeinsam von Fahrgästen, Betreibern sowie Informations- und Kommunikationsanbietern bestätigt wird. Wenn wir in einem solchen Bereich die Funktionen der Erfassung, Entscheidungsfindung, Steuerung, Ausführung, Hindernisvermeidung, Notbremsung usw. entsprechend unserer Lösung erfüllen können, können wir dafür sorgen, dass das Produkt in diesem Bereich gut funktioniert.

Gedankenessen

Abgeschlossen: 30 % /// / / / /// / ********

Warum Daten das neue Öl sind?

**Duan Yulong: **Sie haben gerade erwähnt, dass Daten eine der drei Grundsäulen des autonomen Fahrens sind. Die Erfassung, Verwendung und Analyse von Daten ist von großer Bedeutung. Was halten Sie von den Daten?

**Li Shengbo: **Daten sind in der neuen Ära zu einem grundlegenden Produktionsmittel geworden, so wie Öl. Ihre Bedeutung liegt auf der Hand, insbesondere im Bereich des autonomen Fahrens. Wir erzeugen beim Autofahren täglich eine Menge Daten, aber wo diese Daten vorhanden sind und wie wir sie nutzen, ist eine ganz zentrale Frage.

Menschliche Fahrer sind ein Mittel zur Verbesserung der Intelligenz, ähnlich dem Prozess des bestärkenden Lernens. Das beim autonomen Fahren verwendete Prinzip des bestärkenden Lernens bezieht sich auf die kontinuierliche Ansammlung virtueller oder realer Daten und die anschließende Verwendung der Daten zum Trainieren von Wahrnehmungs-, Rechen- und Steuerungsalgorithmen, um die Leistung der Algorithmen zu verbessern und das autonome Fahren schrittweise von einem niedrigen auf ein hohes Niveau zu bringen.

Professor Li Shengbo

Eine typische Lösung wurde von Wissenschaftlern in unserem Land vorgeschlagen. Da die Rechenleistung des Autos relativ gering ist oder der Umfang der im Auto ausführbaren Algorithmen begrenzt ist, ist es besser, einen Teil der Rechenleistung zur Berechnung an den Straßenrand oder sogar auf einen Cloud-Server zu verlagern. Wir nennen es cloudgesteuertes Fahren oder intelligentes Fahren mit Fahrzeug-Straßen-Zusammenarbeit . Dies ist ein brandneues Konzept. Durch diese Lösung können wir möglicherweise die Probleme der unzureichenden Rechenleistung und der unzureichenden Erfassung von Fahrraddaten lösen.

Wenn in absehbarer Zukunft die meisten Fahrzeugdaten im „Gehirn“ in der Cloud gesammelt werden, wird dieses „Gehirn“ in der Lage sein, selbst zu lernen, sich selbst zu aktualisieren und selbst weiterzuentwickeln. Wenn es beispielsweise in Peking zwei Millionen vernetzte Autos gibt, können diese gleichzeitig aus den von den Fahrern der zwei Millionen Autos gesammelten Daten lernen, um sich selbst zu erlernen und zu aktualisieren, und dann die Entwicklung ihrer eigenen Intelligenz realisieren, was die Entwicklung autonomer Fahralgorithmen beschleunigen könnte . Kurz gesagt: Daten sind die grundlegende Produktivität, die die Entwicklung der Rechenleistung vorantreiben kann.

**Duan Yulong: **In letzter Zeit ist die Quelle der Daten zu selbstfahrenden Autos in den Mittelpunkt der Aufmerksamkeit gerückt. Beispielsweise betont ein bestimmtes Unternehmen, dass es niemals Lidar verwenden wird und nur visuelles Radar nutzt, einige Hersteller sind jedoch der Ansicht, dass Lidar effizienter sei. Was denken Sie?

**Li Huiyun: **Dies muss schrittweise und entsprechend der Ziele betrachtet werden. Die ursprüngliche Absicht eines Unternehmens bestand darin, assistiertes Fahren anzubieten. Wenn das Unternehmen es kostengünstig vermarkten möchte, ist die Einführung einer visuellen Lösung zweifellos der Weg zum Erreichen seines Ziels. Die meisten neuen Autohersteller streben heute ein höheres Niveau des autonomen Fahrens an, weshalb Lidar in den meisten Szenarien unverzichtbar ist. Es ist bei der Zielerkennung und sogar bei der Positionierung und Kartierung durch das Sehen unersetzlich, da es tiefgehende Informationen enthält. Wenn das Ziel darin besteht, die Ebene L3-L4 zu erreichen, werden die Ziele beider Parteien letztendlich dasselbe Ziel erreichen, nämlich die Multisensorfusion.

**Duan Yulong: **Schließlich ist die Anzahl der Autos auf der Straße, die mit Systemen für autonomes Fahren ausgestattet werden können, begrenzt. Reicht es aus, sich bei der Datenerfassung zur Unterstützung der Verbesserung des gesamten autonomen Fahrsystems ausschließlich auf diese Autos zu verlassen?

**Li Huiyun: **Daher wird die Zusammenarbeit zwischen Fahrzeug und Straße in Zukunft unvermeidlich sein. Denn die Intelligenz einzelner Fahrzeuge hat ihre Grenzen: Wenn jedes Fahrzeug auf die kumulierte Anzahl und Art der Sensoren und Rechenressourcen angewiesen ist, sind die Kosten sehr hoch. Darüber hinaus gibt es einige physikalische Einschränkungen, wie etwa das „Ghost-Peeking“-Phänomen, das durch Fahrzeuge auf der Fahrspur vor Ihnen oder durch Hindernisse beim Rechtsabbiegen verursacht wird. Durch die Methode der Fahrzeug-Straßen-Zusammenarbeit ist es offensichtlich möglich, die Probleme, die durch die Einschränkungen der Einzelfahrzeugintelligenz verursacht werden, kostengünstig zu lösen.

Schematische Darstellung der Fahrzeug-Straßen-Kooperation

Aus einer anderen Perspektive betrachtet, kann die Intelligenz eines einzelnen Fahrrads die Datenerfassung nicht effektiv abschließen und das Stauproblem in der gesamten Stadt nicht lösen. Denn wenn es um Geschwindigkeit oder Fahrkomfort geht, führt die Optimierung eines einzelnen Fahrzeugs zwangsläufig zu einem Wettbewerb mehrerer Fahrzeuge , der ein Spiel nach dem anderen zur Folge hat. Wenn wir einen Gesamteffekt erzielen wollen, müssen wir den Stadtverkehr berücksichtigen, und dann ist die Fahrzeug-Straßen-Zusammenarbeit eine natürliche Einführung. Aus dieser Perspektive wird mit Hilfe von Straßensensoren, Rechenleistung und Mobilisierungsfähigkeiten der Gesamtverkehr im Zeitalter des autonomen Fahrens optimiert, einschließlich der Anzahl der Unfälle, der durchschnittlichen Reisegeschwindigkeit und des Komfortniveaus.

**Li Shengbo: **Derzeit gibt es beim autonomen Fahren zwei verschiedene Richtungen: die Intelligenz einzelner Fahrzeuge und die Zusammenarbeit zwischen Fahrzeug, Straße und Cloud. Fahrradintelligenz ist gleichbedeutend damit, dass jeder nach seiner eigenen Intelligenz strebt, beispielsweise schneller, wendiger, energieeffizienter und effizienter zu sein. Beim Autofahren kann ein einzelnes Fahrzeug häufig überholen und die Spur wechseln, um möglichst schnell von Punkt A nach Punkt B zu gelangen. Da dies jedoch möglicherweise Auswirkungen auf andere Personen haben könnte, unterliegt es einigen globalen Einschränkungen. Die Zusammenarbeit zwischen Fahrzeug, Straße und Cloud ist gleichbedeutend mit einer göttlichen Perspektive, die jedem sagt, wie die Leistung verbessert und globale Probleme wie Verkehrsstaus in Städten gelöst und die Verkehrseffizienz verbessert werden können.

Obwohl es derzeit keinen einheitlichen Standard für die für autonomes Fahren erforderliche Datenmenge gibt, gehen einige Forschungseinrichtungen davon aus, dass für autonomes Fahren, das menschliches Niveau erreichen kann, die Ansammlung von mehr als 10 Milliarden Kilometern an Daten erforderlich sein wird. Dies entspricht einem Autofahrer, der 7.000 Jahre lang rund um die Uhr fährt . Daher ist es schwierig, diese Größenordnung allein durch die Sammlung von Straßendaten zu erreichen.

Derzeit gibt es zwei Lösungen für dieses Problem. Die erste besteht darin, sich auf mehrere Autos zu verlassen, um Daten zu sammeln, Strategien zu trainieren und diese für die gemeinsame Nutzung durch die Teilnehmer freizugeben. Die zweite Idee besteht darin, dass man neben der Nutzung realer Fahrzeugdaten auch Simulationssoftware einsetzen kann, um den Fahrvorgang zu simulieren und virtuelle Daten zu sammeln. Viele Universitäten und Unternehmen arbeiten mit Hochdruck daran, Software für autonomes Fahren zu entwickeln und dann virtuelle Fahrer fahren zu lassen. Auf diese Weise entspricht eine Stunde Autofahren mit der virtuellen Software dem tatsächlichen Fahren eines Tages, einer Woche oder sogar eines Monats.

Gedankenessen

Abgeschlossen: 60 % ///****// /**********//// **

Der Staat hat seine eigenen Gesetze und das Auto hat seine eigenen Regeln

**Duan Yulong: **Da wir uns nicht auf die Ansammlung individueller Daten verlassen können, müssen sich alle abstimmen und miteinander kooperieren, also brauchen wir Regeln. Wie ist der Stand der nationalen und internationalen Vorschriften zum autonomen Fahren?

**Li Huiyun: **Diese Angelegenheit ist ziemlich kompliziert. Fahrzeuge mit herkömmlichen Kraftstoffen und Fahrzeuge mit neuer Energie sind Transportarten. Ihre Test- und Standardsysteme befassen sich hauptsächlich mit Antriebssystemen, Ausdauer, Komfort, Kraftstoffverbrauch, Emissionen, Energieverbrauch, Lärm usw. **Die intelligenten, vernetzten Autos von heute sind nicht nur ein Transportmittel, sondern auch ein großer Datenraum und eine Computerplattform für mobile Endgeräte. **In diesem Prozess haben wir Software eingeführt, darunter softwaredefinierte Autos, funktionale Softwaresicherheit und OTA-Upgrades, Kommunikations- und Informationssicherheit sowie andere Arten von Software und Hardware. In solchen Fällen sollten die Test- und Zulassungsstandards sowie die Regulierungssysteme entsprechend geändert werden.

Forscher Li Huiyun

Derzeit werden hierzu im In- und Ausland entsprechende Anstrengungen unternommen. Im Juli veröffentlichte die ISO (Internationale Organisation für Normung) einen internationalen Standard namens ISO 22737 für autonome Fahrzeuge mit niedriger Geschwindigkeit. Das nationale Automotive Standards Committee organisiert außerdem die Formulierung von Standards. Ich habe gehört, dass die Definition der Terminologie abgeschlossen ist und in den nächsten zwei Jahren veröffentlicht werden soll. Der Inhalt wird Sicherheitsspezifikationen hinsichtlich Funktionen, Komponenten, Kommunikation usw. umfassen. Da alle Parteien nur mit der Unterstützung von Normen Anstrengungen unternehmen können, um Verantwortung und Rechte zu begrenzen, freuen wir uns alle auf die Umsetzung des nationalen Standardsystems.

**Li Shengbo: **Auch unser Land hat diesbezüglich einige Pläne und Vorkehrungen. Unsere Standardisierungsorganisation hofft, eine universelle Datenplattform zu schaffen. Einerseits soll die Speicherung der gesammelten Daten auf einer öffentlichen Plattform ermöglicht werden, andererseits soll die Einheitlichkeit des Datenformats während des Analyseprozesses sichergestellt werden. Dieser Standard ist also sehr wichtig.

**Duan Yulong: **Daten im Zusammenhang mit der Volkswirtschaft und dem Lebensunterhalt der Menschen müssen im Besitz des gesamten Volkes sein.

**Li Shengbo: **Das Konzept des öffentlichen Eigentums ist gut und so sollte es auch sein.

Gedankenessen

Abgeschlossen: 70 % /// /// / ****///********

Können wir dem autonomen Fahren vertrauen?

**Duan Yulong: **Obwohl es derzeit viele Schwierigkeiten gibt, die die kommerzielle Nutzung selbstfahrender Autos einschränken, wissen wir alle, dass die Geschwindigkeit der Entwicklung der menschlichen Technologie und die Ankunft bestimmter Knotenpunkte unsere Vorstellungskraft übersteigen werden. Angenommen, wir werden in einigen Jahren selbstfahrende Autos haben: Werden sie wirklich so gut sein, wie wir uns das vorstellen? Im Jahr 2018 wurde bei einem Test eines selbstfahrenden Autos ein Fußgänger angefahren und getötet. Was denken Sie beide Lehrer über die Sicherheitsprobleme, die bei den spezifischen Anwendungen selbstfahrender Autos auftreten?

**Li Huiyun: **Ich denke, wir können auf mehrere Durchbrüche in unserer industriellen Entwicklung verweisen. Beispielsweise gibt es für Flugzeuge und U-Bahnen, die grundsätzlich autonom fahren können, einen konventionellen Plan zur Aufteilung eines begrenzten Betriebsbereichs, der von allen Parteien bestätigt wird. Solange keine eigenmächtigen Änderungen vorgenommen werden, können die Verantwortlichkeiten der einzelnen Parteien im Falle eines Fehlers klarer bestimmt werden. Diese Vorstellung ist möglicherweise nicht richtig, erfordert aber gemeinsame Anstrengungen des juristischen, psychologischen und staatlichen Sektors.

**Li Shengbo: **Die von Ihnen angesprochene Frage, wer im Falle eines Unfalls verantwortlich ist, ist ein wichtiges Problem bei der Entwicklung des autonomen Fahrens. Wir haben bereits die Klassifizierung intelligenter Autos besprochen, unter denen L1-L2 als Fahrerassistenzsystem positioniert ist. Das bedeutet nicht, dass es den Fahrer nur unterstützt, sondern auch bestimmte autonome Fahrfunktionen übernehmen kann. Sollte dennoch etwas schiefgehen, bleibt die Verantwortung beim Fahrer, und das ist eine Lösung unseres Projekts.

Der Autopilot kann das Fahrzeug automatisch beim Lenken, Beschleunigen und Bremsen innerhalb der Spur unterstützen, der Fahrer muss das Fahrzeug jedoch weiterhin aktiv überwachen. Das Fahrzeug verfügt noch nicht über die Fähigkeit zum vollständig autonomen Fahren.

**Duan Yulong: **Mit den Autos einer bestimmten Firma kam es in der Vergangenheit zu vielen Unfällen, während sie im automatischen Fahrmodus waren. Ist nach Ihren Erkenntnissen der Fahrer für solche Unfälle verantwortlich?

Li Shengbo **: **Ja, denn die Positionierung ist lediglich ein Fahrerassistenzsystem. An die funktionale Gestaltung werden einige Anforderungen gestellt. Beispielsweise dürfen Sie nach dem Einschalten des automatischen Fahrsystems Ihre Hände nicht vom Lenkrad nehmen. Darüber hinaus müssen Sie bei der Nutzung dieses Systems Ihren Blick nach vorne richten und Ihr Gehirn denken, damit Sie im Notfall die Kontrolle über das Fahrzeug übernehmen können.

Für L3-L4 ist der Schwierigkeitsgrad jedoch relativ hoch. Anforderungen der Stufen L3-L4: Wenn das System bei einem Unfall nicht gestartet wird, liegt die Verantwortung bei der Person. Wenn das System gestartet wurde, liegt die Verantwortung beim System. Wo genau liegt die Schwierigkeit? Ich rechne immer noch nach wirtschaftlichen Gesichtspunkten. Pro Million gefahrener Kilometer können drei bis fünf Unfälle auf den Menschen zukommen. Dies ist der Durchschnittswert für menschliche Fahrer und der Wert variiert in verschiedenen Ländern. Die Anzahl der Unfälle bestimmt die Höhe der Versicherungsprämien. Bei einer hohen Unfallzahl ist auch die Prämie hoch. Wer seine Prämien senken möchte, muss die Sicherheit verbessern. Daher besteht die Kernfrage für echtes autonomes Fahren auf hohem Niveau darin, dass, wenn sowohl Menschen als auch autonome Fahrsysteme versichert werden können, das System sicherer als der Mensch sein muss, damit die Prämie niedrig ausfallen kann. Derzeit konzentrieren sich die meisten Wissenschaftler, Forscher und Ingenieure noch immer hauptsächlich auf die Lösung der kritischeren technischen Probleme. Doch auf lange Sicht wird es zu einem philosophischen, soziologischen sowie rechtlichen und regulatorischen Problem werden.

**Duan Yulong: **Bei selbstfahrenden Autos sind bereits einige alarmierende Probleme aufgetreten. Beispielsweise war der Smart einer bestimmten Firma in einen tragischen Verkehrsunfall verwickelt. Die Unfallursache bestand darin, dass das Fahrzeug das Bild des blauen Himmels und der weißen Wolken, das auf die Karosserie des vor ihm fahrenden Lastwagens gesprüht war, fälschlicherweise für den tatsächlichen blauen Himmel und die weißen Wolken hielt und geradeaus weiterfuhr, wodurch der Unfall verursacht wurde. Der Fahrer starb noch an der Unfallstelle. Dies macht den Menschen große Sorgen und macht ihnen Angst. Glauben Sie, dass die Menschen diese Angst überwinden können?

**Li Huiyun:** Ich denke, es ist okay. Ich selbst habe großes Vertrauen in intelligente, computergestützte, gemeinsam genutzte öffentliche Verkehrsmittel wie Flugzeuge und U-Bahnen und bin überzeugt, dass ich mich schnell an den Komfort gewöhnen kann, den uns smarte, vernetzte Autos bieten.

**Li Shengbo: **Meiner persönlichen Einschätzung nach hängt die tatsächliche Akzeptanz des autonomen Fahrens in der Öffentlichkeit letztlich von seiner Sicherheit oder der Zahl der Unfälle ab. Wenn die Zahl der Unfälle auf ein ähnliches Niveau wie bei Menschen gesenkt werden kann, sollten wir dieses System akzeptieren können.

**Duan Yulong: **Eines Tages in der Zukunft werden Taxis, U-Bahnen und sogar Flugzeuge fahrerlos sein. Was also wird mit den Menschen geschehen, die in der Transportbranche arbeiten, beispielsweise mit den Fahrern? Wie können wir Ihrer Meinung nach die Probleme dieser Menschen lösen?

**Li Huiyun: ****Soziale Entwicklung kann mehr Raum und Methoden für die Karriere bieten. **Viele der Berufe, die wir heute kennen, waren für die Menschen früher vielleicht unvorstellbar, wie zum Beispiel Live-Streaming zum Verkauf von Waren. Im Zuge des gesellschaftlichen Fortschritts werden einige Berufe verschwinden, es wird jedoch zwangsläufig immer mehr personalisierte Berufe geben. Ich bin immer noch ziemlich optimistisch.

**Li Shengbo: **Bei der Entwicklung jeder Branche können Veränderungen und Transformationen nicht im Handumdrehen erreicht werden. Es handelt sich um einen langen und schrittweisen Austauschprozess, der dreißig bis vierzig Jahre oder sogar länger dauern kann und zu einem Problem für zwei oder drei Generationen werden kann. In diesem Prozess werden den ursprünglich ersetzten Arbeitsplätzen andere Absatzmöglichkeiten eröffnet. Wie Professor Li gerade sagte, werden auch einige neue Arbeitsplätze entstehen und die Menschen werden in neue Bereiche strömen.

**Duan Yulong: **Glauben Sie, dass wir in unserer Lebenszeit vollständig autonomes Fahren erleben werden?

**Li Shengbo: **Ich bin Optimist und denke, ich werde das Glück haben, dies noch zu meinen Lebzeiten zu erleben.

Gedankenessen

Abgeschlossen: 90 % /// /// // /****/

Welche weiteren Probleme behindern die Weiterentwicklung des autonomen Fahrens?

**Duan Yulong: **Die letzte Frage lautet: Welche weiteren Probleme werden Ihrer Meinung nach den großflächigen kommerziellen Einsatz selbstfahrender Autos kurzfristig einschränken?

**Li Huiyun: **Lassen Sie mich Ihnen ein Beispiel geben: Jeder ist der Meinung, dass die Zusammenarbeit zwischen Fahrzeug und Straße eine sehr gute Entwicklungsrichtung ist, die die verschiedenen Mängel der Intelligenz autonom fahrender Fahrzeuge gut ausgleichen kann. Allerdings wurden uns bereits die Kostenfragen vor Augen geführt, die durch die Zusammenarbeit zwischen Fahrzeug und Straße entstehen . Als ein Freund von mir an einem Smart-Road-Projekt arbeitete, stellten ihm die Anteilseigner eine sehr praktische Frage: Wie können die Mehrkosten wieder hereingeholt werden, wenn die Projektkosten von 100 Millionen Yuan pro Kilometer auf 120 oder sogar 150 Millionen Yuan gestiegen sind? Wird es von jedem vorbeifahrenden Fahrzeug oder von den vorbeifahrenden autonomen Fahrzeugen getragen? Wie werden die Gebühren für vorbeifahrende selbstfahrende Fahrzeuge erhoben? Diese Frage hat alle verblüfft. Daher müssen wir weiterhin zusammenarbeiten, um dieses Problem hinsichtlich Geschäftsmodell, Kosten und staatlichem Organisationsmodell zu lösen.

**Li Shengbo: **Tatsächlich gibt es einige Kostenvergleiche zwischen verschiedenen technischen Lösungen. Beispielsweise muss im Hinblick auf die eben erwähnte Einzelfahrzeugintelligenz und die kollaborative Fahrzeug-Straße-Cloud-Intelligenz die Frage geklärt werden, welche der beiden Methoden geringere Kosten verursacht und welche bessere autonome Fahreffekte bietet. Bei all diesen Fragen spielen wirtschaftliche Überlegungen eine Rolle. Neben der Wirtschaft stellen uns auch einige Randthemen vor Herausforderungen. Mit der zunehmenden Intelligenz der Autos werden wir vernetzte Technologien einführen, die die Zahl der Schnittstellen zwischen dem Auto und der Außenwelt erhöhen werden. Früher waren Autos geschlossene Systeme und es war für Außenstehende nicht einfach, sie zu steuern oder zusätzliche Informationen einzugeben. Mit dem Internet der Fahrzeuge und verschiedenen externen Sensoren können jedoch mehr Informationen übertragen werden. Aus dieser Perspektive müssen, wenn selbstfahrende Autos auf die Straße gebracht werden sollen, noch einige Randprobleme gelöst werden, die ihre tatsächliche Verbreitung und Markteinführung einschränken.

**Duan Yulong: **Heute sind wir hier zusammen, um das schöne Bild der selbstfahrenden Autos der Zukunft zu skizzieren. Wenn dieses Bild eintritt, glaube ich, dass sich der Lebensstil der gesamten Gesellschaft und die Lebensbedingungen jedes Einzelnen erheblich und revolutionär verbessern werden. Auch wir glauben, dass dieser Tag früher oder später kommen wird.

Es gibt keine Rationalität und keine Wahrheit. Diese vernünftige Party findet hier ihr Ende. Nochmals vielen Dank an die beiden Lehrer für Ihren Besuch und an alle Zuschauer fürs Zuschauen!

Originaltitel: „Ist autonomes Fahren gleichbedeutend mit einem Frosch, der Auto fährt? Wie viel mehr Aufwand ist nötig, damit sich Frösche zu Menschen entwickeln? | Rational Party Staffel 3

Quelle: Gezhi Lundao Forum