Ein kleines Startup, HyprLabs, verschiebt die Grenzen der Softwareentwicklung für autonome Fahrzeuge (AV), indem es Systeme mithilfe eines neuartigen Ansatzes schnell trainiert. Seit anderthalb Jahren testet das Unternehmen seine Technologie in modifizierten Tesla Model 3 rund um San Francisco, um herauszufinden, wie schnell ein Unternehmen heute zuverlässige AV-Software entwickeln kann.
Die Herausforderung der Entwicklung autonomer Fahrzeuge
Die AV-Branche befindet sich seit langem in einem „Tiefpunkt der Ernüchterung“, in dem ehrgeizige Zeitvorgaben nicht eingehalten wurden und der Fortschritt ins Stocken geriet. Allerdings reduzieren Fortschritte beim maschinellen Lernen mittlerweile die Kosten und den Arbeitsaufwand für das Training selbstfahrender Systeme. Dennoch bleibt die Erreichung einer wirklich sicheren und zuverlässigen Automatisierung eine erhebliche Hürde. HyprLabs-Mitbegründer Tim Kentley-Klay erkennt dies an: „Ich kann Ihnen nicht sagen, dass das funktionieren wird, aber was wir geschaffen haben, ist ein wirklich solides Signal.“
Ansatz von HyprLabs: Laufzeitlernen
HyprLabs unter der Leitung von Zoox-Mitbegründer Tim Kentley-Klay verfolgt einen einzigartigen Ansatz. Die Software des Unternehmens namens Hyprdrive zielt darauf ab, die AV-Schulung zu rationalisieren. Im Gegensatz zu herkömmlichen Methoden, die auf riesigen Datensätzen oder teuren Sensorsuiten basieren, verwendet HyprLabs eine Technik des „Laufzeitlernens“.
Das System nutzt ein Transformatormodell und lernt in Echtzeit unter Anleitung menschlicher Vorgesetzter. Nur neue und relevante Daten werden zur Feinabstimmung an das Unternehmen zurückgesendet, wodurch der Rechenaufwand reduziert wird. Bisher haben die beiden Fahrzeuge des Startups lediglich 4.000 Stunden Fahrdaten (ca. 65.000 Meilen) gesammelt, wobei nur 1.600 Stunden für das Training aufgewendet wurden – deutlich weniger als Konkurrenten wie Waymo, die über 100 Millionen autonome Meilen zurückgelegt haben.
Die Entwicklung des AV-Trainings
Jahrelang gab es in der AV-Branche eine Spaltung zwischen reinen Kamerasystemen (wie Tesla) und Systemen, die eine Kombination von Sensoren verwenden (wie Waymo und Cruise). Nur-Kamera-Ansätze zielten darauf ab, Geld zu sparen, stützten sich jedoch auf riesige Datenmengen von nicht vollständig autonomen Fahrzeugen. Multisensorsysteme investierten in teurere Hardware, verwendeten jedoch kleinere Datensätze mit umfassender menschlicher Kennzeichnung. HyprLabs möchte die Effizienz kamerabasierter Systeme mit der Präzision gekennzeichneter Daten kombinieren und so mit minimalem Eingriff am Arbeitsplatz lernen.
Zukunftspläne: Jenseits von Autos
Obwohl HyprLabs noch nicht für den kommerziellen Einsatz bereit ist, plant das Unternehmen, seine Software an andere Robotikunternehmen zu lizenzieren. Das Unternehmen entwickelt außerdem einen eigenen Roboter – den Kentley-Klay als „das Kind der Liebe von R2-D2 und Sonic the Hedgehog“ beschreibt – dessen Veröffentlichung für nächstes Jahr geplant ist. Das langfristige Ziel besteht darin, eine neue Kategorie von Robotern zu schaffen, die es derzeit nicht gibt.
Der Erfolg von HyprLabs wird von der Skalierung seiner Technologie bei gleichzeitiger Gewährleistung von Sicherheit und Zuverlässigkeit abhängen. Der schnelle Schulungsansatz des Startups hat das Potenzial, die AV-Branche zu revolutionieren, aber der Einsatz in der Praxis erfordert strenge Tests und Validierungen.
