Der CEO von Wayve zeigt Geheimnisse für die Skalierung autonomer Fahrtechnologie

Alex Kendall, der Mitbegründer und CEO von Wayve, ist optimistisch, die Technologie seines Start-ups für autonome Fahrzeuge auf den Markt zu bringen. Er glaubt, dass das Festhalten an ihrer Strategie, kostengünstige, hardwareunabhängige Software für automatisiertes Fahren zu entwickeln, der Schlüssel ist. Diese Software kann nicht nur für fortschrittliche Fahrerassistenzsysteme (ADAS) verwendet werden, sondern auch für Robotaxis und Robotik.

Während der GTC-Konferenz von Nvidia skizzierte Kendall eine Strategie, die auf einem durchgängigen datengetriebenen Lernansatz basiert. Das bedeutet, dass das System direkt das, was es durch Sensoren wie Kameras „sieht“, in Fahrmanöver wie Bremsen oder Lenken übersetzt. Diese Methode macht HD-Karten oder regelbasierte Software überflüssig, die in früheren Technologien für autonome Fahrzeuge (AV) üblich waren.

Dieser Ansatz hat die Aufmerksamkeit von Investoren auf sich gezogen. Seit der Gründung im Jahr 2017 hat Wayve in den letzten zwei Jahren über 1,3 Milliarden Dollar eingesammelt. Das Unternehmen plant, seine Software für selbstfahrende Fahrzeuge an Automobil- und Flottenpartner zu lizenzieren, einschließlich Unternehmen wie Uber. Obwohl noch keine Automobilpartnerschaften angekündigt wurden, teilte ein Wayve-Sprecher TechCrunch mit, dass sie in „intensiven Gesprächen“ mit mehreren Originalausrüstungsherstellern (OEMs) stehen, um ihre Software in verschiedene Fahrzeugtypen zu integrieren.

Die Erschwinglichkeit der Software von Wayve ist ein wichtiges Verkaufsargument in diesen Verhandlungen. Kendall erwähnte, dass OEMs Wayves ADAS in neue Produktionsfahrzeuge integrieren können, ohne in zusätzliche Hardware investieren zu müssen, da die Technologie mit bestehenden Sensoren wie Rundumkameras und Radar funktioniert.

Die Software von Wayve ist auch „siliziumunabhängig“, was bedeutet, dass sie auf jeder GPU laufen kann, die OEM-Partner bereits in ihren Fahrzeugen verwenden. Die aktuelle Entwicklungsflotte des Start-ups nutzt jedoch Nvidias Orin-System-on-a-Chip.

„Der Einstieg in ADAS ist wirklich entscheidend, weil er es ermöglicht, ein nachhaltiges Geschäft aufzubauen, eine großflächige Verbreitung zu erreichen und die Datenexposition zu erhalten, um das System bis zu Level 4 zu trainieren“, sagte Kendall während seiner Präsentation am Mittwoch. Ein Level-4-Fahrsystem kann unter bestimmten Bedingungen autonom in einer Umgebung navigieren, ohne menschliches Eingreifen.

Wayve plant, sein System zunächst auf ADAS-Niveau zu vermarkten. Der KI-Fahrer des Start-ups ist so konzipiert, dass er ohne Lidar funktioniert, einen Sensor, der Laserlicht verwendet, um detaillierte 3D-Karten zu erstellen, den viele Unternehmen, die Level-4-Technologie entwickeln, für unerlässlich halten.

Wayves Ansatz zur Autonomie ähnelt dem von Tesla, das ebenfalls ein durchgängiges Deep-Learning-Modell verwendet, um seine Software für selbstfahrende Fahrzeuge zu verbessern. Wie Tesla zielt Wayve darauf ab, eine weitverbreitete Einführung von ADAS zu nutzen, um Daten zu sammeln, die dem System helfen, vollständige Autonomie zu erreichen. Teslas „Full Self-Driving“-Software kann einige automatisierte Fahraufgaben übernehmen, ist aber nicht vollständig autonom, obwohl das Unternehmen plant, diesen Sommer einen Robotaxi-Dienst zu starten.

Ein wesentlicher Unterschied zwischen Wayve und Tesla ist, dass Tesla ausschließlich auf Kameras setzt, während Wayve offen dafür ist, Lidar zu verwenden, um kurzfristig vollständige Autonomie zu erreichen. „Langfristig gibt es sicherlich Möglichkeiten, wenn man die Zuverlässigkeit und die Fähigkeit zur Validierung eines Skalenniveaus aufbaut, um das Sensorsystem weiter zu reduzieren“, sagte Kendall. „Es hängt von der Produkterfahrung ab, die man möchte. Möchte man, dass das Auto schneller durch Nebel fährt? Dann benötigt man vielleicht andere Sensoren wie Lidar. Aber wenn man bereit ist, dass die KI die Einschränkungen von Kameras versteht und dadurch defensiv und konservativ agiert? Unsere KI kann das lernen.“

Kendall stellte auch GAIA-2 vor, Wayves neuestes generatives Weltmodell, das für autonomes Fahren entwickelt wurde. Dieses Modell trainiert den Fahrer mit riesigen Mengen an realen und synthetischen Daten über verschiedene Aufgaben hinweg. Durch die Verarbeitung von Video, Text und anderen Aktionen zusammen ermöglicht es, so Kendall, dass Wayves KI-Fahrer anpassungsfähiger und menschenähnlicher in seinem Fahrverhalten ist.

„Was mich wirklich begeistert, ist das menschenähnliche Fahrverhalten, das sich zeigt“, sagte Kendall. „Natürlich gibt es kein handkodiertes Verhalten. Wir sagen dem Auto nicht, wie es sich verhalten soll. Es gibt keine Infrastruktur oder HD-Karten, sondern das emergente Verhalten ist datengetrieben und ermöglicht ein Fahrverhalten, das mit sehr komplexen und vielfältigen Szenarien umgeht, einschließlich Szenarien, die es während des Trainings vielleicht noch nie gesehen hat.“

Wayve teilt eine ähnliche Philosophie mit dem Start-up für autonomes Fahren Waabi, das ebenfalls ein durchgängiges Lernsystem verfolgt. Beide Unternehmen konzentrieren sich auf die Skalierung datengetriebener KI-Modelle, die in verschiedenen Fahrumgebungen generalisieren können, und nutzen generative KI-Simulatoren, um ihre Technologie zu testen und zu trainieren.