Waymo erklärt seinen multimodalen Ansatz für autonomes Fahren [VIDEO]

Das Feld des autonomen Fahrens ist gespalten, wenn es darum geht, wie Fahrzeuge ihre Umgebung wahrnehmen sollten. Tesla setzt auf einen rein kamerabasierten Ansatz für das Full Self-Driving der Konsumenten und seine kommerzielle Robotaxi-Plattform, während Waymo von Alphabet ein multimodales Paket unterstützt, das Kameras, Radar und LiDAR kombiniert.

Bei der Startup School 2026 von Y Combinator teilte Waymo-Co-CEO Dmitri Dolgov Erkenntnisse aus der Entwicklung der fahrerlosen Robotaxis des Unternehmens vom Demo-Modell zum kommerziellen Produkt. Er erklärte, dass Waymo Daten aus mehreren physischen Sensor-Modalitäten zusammenführt, um physische KI im realen Straßenverkehr zu bewältigen.

Kombination von Kameras, Radar und LiDAR für Redundanz

Das System von Waymo basiert auf einer multimodalen Sensor-Suite. Anstatt sich ausschließlich auf optische Kameras zu verlassen, kombinieren die Fahrzeuge hochauflösende Kameras, aktives LiDAR und Radar zu einem einheitlichen Wahrnehmungsmodell.

Dolgov merkte an, dass Kameras zwar reichhaltige Farben und eine hohe Auflösung bieten, aber bei starker Blendung, direktem Sonnenlicht, völliger Dunkelheit oder schwierigen Wetterbedingungen an ihre Grenzen stoßen können. Aktives LiDAR liefert direkte 3D-Strukturmessungen unabhängig von der Umgebungsbeleuchtung, und Radar durchdringt dichten Nebel, Regen und Schnee, während es den Doppler-Effekt zur Messung der Objektgeschwindigkeit nutzt.

Laut Waymo führt ein System mit nur einer Modalität zu einer Sicherheitskurve, die zu früh stagniert, wenn das Ziel übermenschliches Fahren ist. Die Verwendung mehrerer unterschiedlicher Sensortypen schafft eine überlappende Abdeckung, die vor Fehlern in Grenzfällen schützt, etwa wenn Schmutz eine Kameralinse teilweise verdeckt.

Waymo vs. Tesla: Zwei gegensätzliche Philosophien

Der multimodale Ansatz von Waymo steht im Gegensatz zur reinen Kamerastrategie von Tesla. Waymo argumentiert, dass ein reines Kamerasystem zwar anfangs leichter skalieren mag, aber letztlich an eine Leistungsgrenze stößt, während Tesla an einer einzigen Sensormodalität festhält und behauptet, Grenzfälle durch das Training mit ausreichend realen Daten lösen zu können.

Tesla hat bekanntermaßen Radar und LiDAR hinter sich gelassen, um voll auf Vision zu setzen. Das Unternehmen argumentiert, dass selbstfahrende Fahrzeuge identisch mit Kameras und neuronalen Netzen funktionieren sollten, da menschliche Fahrer mit zwei Augen und einem Gehirn navigieren. Anstatt aktive Sensoren zu verwenden, modelliert Tesla die physische Welt allein mit Vision, nutzt Kameras zur Rekonstruktion des 3D-Raums und verarbeitet Milliarden von Videobildern, um seltene Grenzfälle (Long-Tail-Szenarien) zu adressieren.

Diese architektonische Aufteilung spiegelt unterschiedliche Geschäftsmodelle wider. Teslas reines Kamerasystem hält die Hardwarekosten niedrig, was die Auslieferung von Fahrerassistenzfunktionen an Millionen von Kundenfahrzeugen weltweit ermöglicht. Im Gegensatz dazu ergänzt Waymos multimodale Suite teure Hardware, lässt sich jedoch aufgrund ihrer Redundanzen und nachgewiesenen Sicherheitskennzahlen leichter mit den aktuellen regulatorischen Rahmenbedingungen in Einklang bringen.

Obwohl Menschen allein mit visueller Wahrnehmung sicher fahren können, kann die Hinzunahme von aktivem Radar und 3D-LiDAR zusätzliche Sicherheitsreserven bieten, die es autonomen Systemen ermöglichen könnten, schneller als Menschen zu reagieren und potenziell sicherer zu fahren, als es Menschen können. Während beide Unternehmen ihre fahrerlosen Einsätze ohne Überwachung ausweiten, werden die Interventionsraten in der Praxis zeigen, welcher technische Weg zuerst zu einem breiten Flotteneinsatz führt. Sie können sich Dolgovs vollständigen Vortrag unten ansehen: