Nvidia arbeitet offenbar mit Hochdruck an einem eigenen Robotaxi-Projekt. Mehrere mit dem Vorhaben vertraute Personen bestätigten, dass das Unternehmen intern an einer autonomen Taxi-Flotte arbeitet, die von der langjährigen Managerin Ruchi Bhargava geleitet wird. Das Projekt wurde demnach bei einer internen Mitarbeiterversammlung angekündigt und soll auf einer komplett neuen technologischen Grundlage entstehen.
Kern des Ansatzes ist ein sogenanntes End-to-End-Neuronales Netz, das ohne modulare Zwischenstufen auskommt. Statt einzelne Komponenten wie Wahrnehmung, Planung und Steuerung getrennt zu trainieren, wird ein durchgängiges Netz eingesetzt, das durch eine virtuelle Welt simuliert wird. Diese Methode ähnelt dem Weg, den Tesla mit seinem Fahrerassistenzsystem FSD verfolgt. Grundlage bildet Nvidias im Januar vorgestelltes „Cosmos World Foundation Model“. Dieses kombiniert Text-, Bild-, Video- und Sensordaten und erzeugt synthetische Trainingsdaten, die physikalischen Gesetzen folgen. Damit sollen Szenarien abgebildet werden, die in der Realität nur schwer erfassbar sind.
Das Konzept hat in der Branche bereits Interesse geweckt. Unternehmen wie Li Auto und XPeng arbeiten an eigenen Weltmodellen, um ihre Systeme schneller und sicherer trainieren zu können. Ein Insider erklärte, Nvidia wolle mit dem Robotaxi-Projekt weniger in den kommerziellen Markt einsteigen, sondern ein technisches Referenzsystem schaffen. Ziel sei es, die eigenen Fähigkeiten über die gesamte Entwicklungs- und Produktionskette hinweg zu demonstrieren – von den GPU-Chips über Simulationsplattformen bis zu physischen KI-Modellen.
Bereits zuvor hat Nvidia mit Herstellern wie General Motors, Mercedes-Benz und Toyota bei autonomen Flottenprojekten kooperiert. CEO Jensen Huang hatte im Frühjahr angekündigt, dass noch in diesem Jahr ein L4-fähiger Testbetrieb mit Mercedes starten soll. Das neue Robotaxi-Projekt geht jedoch deutlich weiter. Nach Angaben eines Insiders ist ein Investitionsvolumen von rund drei Milliarden US-Dollar vorgesehen, um die ersten Flotten in US-Städten zu erproben.
Autonomes Fahren gewinnt in den USA an Bedeutung
Der Zeitpunkt ist günstig. In den USA gewinnt das Thema Robotaxi derzeit deutlich an Tempo. Waymo, ein Tochterunternehmen von Alphabet, hat seine fahrerlosen Dienste auf neue Städte wie Austin ausgeweitet und bietet laut eigenen Angaben wöchentlich mehr als 250.000 kostenpflichtige Fahrten an. Tesla wiederum startete im September den öffentlichen Betrieb seines Robotaxi-Dienstes in Texas und Kalifornien. Beobachter berichten, dass die App-Downloads am ersten Tag deutlich über denen von Uber und Waymo lagen.
Auch die Regulierungsbehörden bereiten sich auf den Wandel vor. Die US-Verkehrsbehörde NHTSA plant eine Gesetzesänderung, um die bisher vorgeschriebene Fahrerkabine und das Lenkrad bei autonomen Autos zu streichen. Zudem soll die Prüfung von Ausnahmegenehmigungen künftig nur noch Monate statt Jahre dauern, um die Markteinführung zu beschleunigen. Dennoch befindet sich die Branche insgesamt noch im Experimentierstadium. Waymo betreibt derzeit rund 700 Fahrzeuge, Tesla testet zunächst nur einige Dutzend in Austin. Der Markt gilt daher weniger als etabliert, sondern als Phase intensiver Erprobung vor der breiten Kommerzialisierung.
Auch im Vergleich zu Tesla oder Waymo hat Nvidia bei der Datenbasis, den Praxistests und dem Personal noch Nachholbedarf. Dennoch verfügt das Unternehmen über entscheidende Vorteile. Der hauseigene Drive-Thor-Chip erreicht eine Rechenleistung von bis zu 2000 TOPS und erhöht die Effizienz der End-to-End-Modelle erheblich. Zudem stützt sich Nvidia auf große Rechencluster und ausgereifte Entwicklungstools, die schnelle Modellupdates ermöglichen.
Nicht zuletzt kann das Unternehmen auf eine außergewöhnlich starke Finanzbasis bauen. Diese Kapitalstärke verschafft Nvidia Spielraum, um Fehler zu korrigieren und Technologien langfristig zu verfeinern.
Quelle: TweakTown – NVIDIA working on its own robotaxi project, the Tesla competitor rumored for announcement soon / 36kr – NVIDIA to Enter the Robotaxi Market with End-to-End + Reinforcement Learning | Exclusive from 36Kr
