Autobrains integriert Nvidia Alpamayo in Fahragenten
Autobrains erweitert die Kooperation mit Nvidia und nutzt dessen Foundation-Modell Alpamayo 2 Super zur Entwicklung spezialisierter Fahragenten. Die Architektur soll komplexe Verkehrssituationen bewältigen und den Rechenbedarf im Fahrzeug begrenzen.
Mit Nvidia Alpamayo 2 Super sollen autonome Fahrsysteme auch anspruchsvolle Verkehrssituationen besser einordnen und bewältigen können.
Nvidia
Autobrains baut seine Zusammenarbeit mit Nvidia aus. Wie das KI-Unternehmen mitteilt, sollen die Reasoning-Fähigkeiten des Foundation-Modells „Nvidia Alpamayo 2 Super“ künftig in spezialisierte Fahragenten einfließen. Ziel ist es, komplexe Fahrsituationen mithilfe künstlicher Intelligenz zu bewältigen und gleichzeitig die Anforderungen an Rechenleistung, Kosten und Latenz in Serienfahrzeugen zu erfüllen. Nvidia Alpamayo 2 Super ist ein Foundation-Modell mit 34 Milliarden Parametern, das komplexe Verkehrssituationen analysieren und mögliche Fahrverläufe ableiten kann. Zudem erzeugt es kausale Schlussfolgerungsketten und Trainingssignale, die zur Weiterentwicklung autonomer Fahrsysteme genutzt werden können.
Autobrains überträgt diese Fähigkeiten mithilfe seiner sogenannten Agentic-AI-Architektur auf spezialisierte Driving Agents. Die einzelnen KI-Agenten übernehmen bestimmte Fahraufgaben und werden durch einen kontextabhängigen Orchestrator gesteuert. Dieser aktiviert jeweils nur diejenigen Funktionen, die in der aktuellen Verkehrssituation benötigt werden. Dadurch soll sich die KI-basierte Entscheidungsfindung in Echtzeit umsetzen lassen, ohne das vollständige Foundation-Modell im Fahrzeug ausführen zu müssen. Der Ansatz zielt darauf ab, den Rechenaufwand zu begrenzen und zugleich die Anforderungen an Energieverbrauch und Verarbeitungsgeschwindigkeit zu berücksichtigen.
KI-gestütztes Lernen für seltene Verkehrssituationen
Ein weiterer Schwerpunkt der Zusammenarbeit liegt auf der Weiterentwicklung der Fahragenten. Bisher stützt sich das Training autonomer Fahrsysteme in hohem Maße auf umfangreiche Datensammlungen aus dem realen Straßenverkehr. Besonders seltene oder komplexe Situationen lassen sich auf diesem Weg jedoch nur mit erheblichem Aufwand erfassen.
Mit Alpamayo will Autobrains diesen Prozess ergänzen. Das Foundation-Modell stellt unter anderem berechnete Fahrtrajektorien und kausale Schlussfolgerungen bereit. Diese Informationen sollen helfen, anspruchsvolle Verkehrsszenarien zu erzeugen, neue Fahragenten zu trainieren und bestehende Systeme auf Schwachstellen zu untersuchen. Das Unternehmen bezeichnet diesen Ansatz als „AI Flywheel“.
Dabei werden KI-Modelle eingesetzt, um andere KI-Systeme weiterzuentwickeln und gezielt mit schwierigen Aufgaben zu konfrontieren. Reale Fahrdaten und die Validierung der Ergebnisse bleiben nach Angaben von Autobrains weiterhin notwendig. Die Entwicklung soll künftig jedoch weniger stark von der kontinuierlichen Erfassung zusätzlicher Straßendaten abhängen.
Zusammenarbeit umfasst bereits Level-4-Projekte
Die Integration von Alpamayo erweitert eine bestehende Kooperation zwischen den beiden Unternehmen. Autobrains und Nvidia arbeiten bereits an Projekten für hochautomatisiertes Fahren auf Level 4. Dazu zählen Programme mit dem Automobilhersteller VinFast in Südostasien sowie mit dem Mobilitätsdienstleister Uber in München. In beiden Vorhaben kommt Nvidia Hyperion zum Einsatz.
Die Plattform kombiniert Sensorik und Rechenhardware auf Basis von „Nvidia Drive Agx Thor". Ergänzt wird sie durch das Sicherheitssystem „Nvidia Halos", das die Entwicklung serienreifer autonomer Fahrfunktionen unterstützen soll. Mit der Einbindung von Alpamayo erstreckt sich die Kooperation nun auch auf die zugrunde liegende Fahrintelligenz. Während Nvidia das Foundation-Modell bereitstellt, übernimmt Autobrains die Übertragung der Fähigkeiten auf spezialisierte KI-Agenten für den Fahrzeugeinsatz.
Architektur für unterschiedliche Autonomiestufen
Langfristig soll eine gemeinsame KI-Basis die Entwicklung verschiedener Fahrfunktionen ermöglichen. Nach Angaben von Autobrains lassen sich die spezialisierten Agenten für unterschiedliche Fahrzeuge und Automatisierungsgrade einsetzen. Damit könnte die Architektur sowohl in Pkw als auch in Robotaxis verwendet werden. Das KI-Unternehmen verfolgt das Ziel, seine Technologie auf serienüblicher Sensorik und Automotive-Prozessoren betreiben zu können. Durch die gezielte Aktivierung einzelner Fahragenten sollen sich die Fähigkeiten großer KI-Modelle nutzen lassen, ohne deren vollständigen Rechenbedarf auf das Fahrzeug übertragen zu müssen.
