Baidus Robotaxi-Simulator schafft 1 Million km an einem Tag
Eine Robotaxi-Flotte kann nur so schnell lernen, wie ihre Fahrzeuge fahren. Der Autonome-Fahrten-Bereich von Baidu hielt das für zu langsam und hat ein Weltmodell gebaut, das ganze Stadtszenen in Echtzeit erzeugt und abspielt und der eigenen Software für autonomes Fahren der Stufe L4 eine simulierte Welt zum Üben gibt. Die Formulierung des Unternehmens ist bewusst filmisch: Das System sei eine Art eigene Matrix, in der jedes Fahrzeug, jeder Radfahrer und jeder Fußgänger eigene Absichten verfolgt, statt einer festen Schleife zu folgen.
Die Rechnung erklärt das Interesse. Ein einzelnes L4-Testfahrzeug, das 150 Kilometer am Tag zurücklegt, bräuchte mehr als 6.600 Tage ununterbrochener Fahrt, um 1 Million Kilometer zu erreichen – rund das 2,6-Fache der mittleren Entfernung zum Mond oder 25 Erdumrundungen am Äquator. Selbst mit hundert Testwagen zieht sich derselbe Meilenstein über mehr als zwei Monate, und das noch ohne Wetter, seltene Kreuzungen und einmalige Gefahrenstellen auf der Straße.
Das Weltmodell kehrt die Beschränkung um. Statt zu warten, bis echte Fahrzeuge auf seltene Situationen treffen, erzeugt das System sie selbst, lässt den Fahrstapel jedes Szenario durchlaufen und bewertet das Ergebnis. Baidu zufolge entspricht ein Tag simulierter Fahrt drei Jahren realer Tests, was die Schleife von der Straßenerfahrung zum Software-Update verkürzt.
Die schwierigere Behauptung betrifft die Fußgänger. Die meisten Fahrsimulatoren behandeln Menschen als bewegliche Hindernisse auf festen Bahnen. Baidu beschreibt die Akteure in seinem Weltmodell als mit eigenen Zielen ausgestattet – ein Fußgänger, der sich zum Überqueren entschließt, zögert oder umkehrt –, sodass der Robotaxi-Stapel danach bewertet wird, wie er Absichten liest, nicht nur wie er Kollisionen vermeidet. Solches Verhalten liefert der echte Straßenverkehr langsam und unvorhersehbar.
Weltmodelle sind zu einem der geschäftigsten Felder der chinesischen KI-Forschung geworden, angepriesen als Weg, Maschinen ein Verständnis von Ursache und Wirkung statt bloßer Mustererkennung zu geben. Das Fahren ist ein ungewöhnlich sauberes Testfeld für diese Idee: Die Regeln sind physikalisch, die Rückmeldung erfolgt sofort, und ein Fehler ist messbar. Dieselbe Architektur, die eine glaubwürdige Straße rendert, lässt sich auf Roboter, Lagerhallen oder jedes Feld richten, in dem reale Versuche teuer sind.
Die kommerzielle Logik ist einfach. Robotaxi-Betreiber in China haben über Jahre reale Straßenkilometer gesammelt, und die Aufsichtsbehörden achten genauer darauf, wie schnell unüberwachte Flotten wachsen. Simulation erlaubt es einem Unternehmen, seine Fahrpolitik weiter zu verbessern, während die physische Flotte stillsteht, und die Abdeckung von Randfällen nachzuweisen, die keine Stadt freiwillig auf öffentlichen Straßen inszenieren würde.
Offen bleibt, ob simulierte Kompetenz übertragbar ist. Ein Weltmodell ist nur so gut wie seine Darstellung der unordentlichen Teile – ein Lieferbote, der den Verkehr schneidet, Regen auf verblassten Fahrbahnmarkierungen, ein Kind, das einem Ball nachläuft. Baidu wirbt damit, sein Simulator sei realistisch genug, um als Trainingsgelände zu gelten. Der nächste Test ist, ob seine Robotaxis solche Momente auf echten Straßen besser bewältigen als vor dem Einzug der Matrix.