Apollo

Baidu demonstriert Open-Source-Plattform für autonomes Fahren

Nicht zu Unrecht gilt Baidu als chinesisches Gegenstück zu Google. Viele Lösungen, die der US-Konzern anbietet, hat auch das asiatische Unternehmen im Portfolio. Allerdings handelt es sich dabei nicht um simple Kopien der Google-Dienste, das zeigen nicht zuletzt die für Forschung und Entwicklung eingesetzten Ressourcen. Beim Thema autonomes Fahren geht man mit Apollo sogar einen Schritt weiter.

Vorgestellt wurde Apollo bereits Mitte April, doch den ersten großen Auftritt hat Baidu sich für die CES Asia aufgehoben. In Shanghai erläuterte man die Motive, die hinter dem Projekt stehen und ging auch auf technische Details ein. Das erste vorläufige Fazit: Mit Apollo könnte der chinesische Konzern so manchen namhaften Konkurrenten ausstechen.

Hinter Apollo steht die Idee, eine Open-Source-Plattform für autonomes Fahren anzubieten und es so mehr Automobilherstellern zu ermöglichen, selbstfahrende Wagen zu entwickeln. Die sollen vor allem von vergleichsweise geringen Kosten profitieren. Denn die notwendige Hardware fällt weitaus weniger komplex aus als bei vielen derzeit im Einsatz befindlichen Erprobungsfahrzeugen.

Neben der sogenannten Baidu Compute Unit (BCU) in Form der BCU-MLOP2 ist lediglich eine einzelne Kamera erforderlich. Das Zusammenspiel beider Komponenten ist denkbar einfach. Die Kamera erfasst die vor dem Fahrzeug liegende Straße sowie Objekte wie andere Verkehrsteilnehmer und Verkehrsschilder und leitet die Informationen an die BCU weiter. Dort werden sie ausgewertet und mit äußerst präzisen Standortinformationen auf Basis von Satellitenortung und hochauflösenden Karten abgeglichen. Die Ergebnisse werden dann für Lenk- und Beschleunigungsmanöver genutzt.

Allerdings verlässt man sich nicht nur auf diese Daten, sondern stützt sich auch auf Machine Learning und Deep Learning im Zusammenspiel mit Long Short-Term Mermory (LSTM). Dabei handelt es sich um einen speziellen Typ des Machine Learnings, bei dem auch zeitlich länger zurückliegende Effekte berücksichtigt werden. Das erlaubt das Erkennen und Erlernen von längeren Zusammenhängen, was gerade beim autonomen Fahren wichtig ist. Die hieraus gewonnenen Kenntnisse fließen kontinuierlich in die Verbesserung des Systems ein. Als Beispiel hierfür nannte das Unternehmen das tatsächliche Lenkverhalten eines menschlichen Fahrers sowie das vom System erwartete Verhalten. Die Daten hierfür sammelt Baidu unter anderem mit Hilfe seiner Kartierungsfahrzeuge, die Informationen für das Google-Maps-Gegenstück des Unternehmens sammeln.

Bis zum Serieneinsatz von Apollo soll es aber noch einige Jahre dauern, die Rede ist von 2020. Ein Grund hierfür sind die Kosten und Verfügbarkeit von Hardware. Baidu zufolge würden die Entwickler von autonomen Fahrzeugen derzeit auf eine Vielzahl von unterschiedlichen Kameras und Sensoren setzen, da diese Komponenten ausgereift und vergleichsweise günstig sind. Zudem werden dadurch noch fehlende Deep-Learning-Kapazitäten ausgeglichen. Der Ansatz von Apollo ist das genaue Gegenteil: Mit einer stärkeren Rolle von Deep Learning sollen einfachere Sensoren ausreichen. Diese Kombination soll auf mittlere und lange Sicht die günstigere der beiden sein.

Aber es gibt auch Einschränkungen: So soll Apollo ab 2020 vorerst lediglich auf Autobahnen und vergleichbaren Straßen sowie auf gut ausgebauten innerstädtischen Straßen autonomes Fahren ermöglichen. Hierfür, so Baidu, sei die Präzision ausreichend. Derzeit erreiche man eine horizontale Genauigkeit von beinahe 100 % (Abweichung von maximal 0,2 m), in der Vertikalen von etwa 89 % (Abweichung von maximal 2 m). Dass diese Werte als ausreichend bezeichnet werden, liegt an den Anforderungen. So würden 0,2 m nach rechts oder links ausreichen, um das Fahrzeug sicher in der eignen Spur zu führen, 2 m nach vorne oder hinten sind genügend, um Abbiegemanöver rechtzeitig vorzubereiten. Diese Werte und Einschätzungen zeigen aber auch, warum das System noch nicht zur vollen Autonomie in allen Bereichen geeignet ist. Bei schlechter Infrastruktur wie fehlenden Fahrbahnmarkierungen oder unzureichender Beschilderung würde eine der beiden Komponenten – BCU oder Kameradaten – auf sich allein gestellt sein.

BCU und Kamera sind allerdings nur ein Baustein der Hardware Reference Platform, die wiederum nur eines von vier Teilen von Apollo ist. Hinzu kommen die nicht näher definierte Reference Vehicle Platform, die Apollo Open Software Platform sowie die Baidu Apollo Cloud Services. Software und Cloud-Dienst stellt Baidu interessierten Herstellern kostenlos zur Verfügung, überzeugen konnte man bislang aber lediglich chinesische Hersteller. Allerdings konnte man mit Bosch und NVIDIA bereits zwei namhafte Zulieferer gewinnen, was den Einstieg westlicher Autobauer erleichtern könnte.