Ein Supercomputer(chen) für jedes Auto?

Nvidia stellt einen Computer für selbstfahrende Autos vor, der so schnell ist, wie 150 MacBooks zusammengenommen.
 
Nvidia hat anlässlich der CES in Las Vegas einen neuen "Mini-Supercomputer" vorgestellt, der als Gehirn für selbstfahrende Autos dienen soll. Der Chiphersteller hat bereits letztes Jahr mit dem "Drive CX" einen Computer für Autos lanciert, der nun vorgestellte "Drive PX 2" wird aber laut Nvidia noch zehnmal leistungsfähiger sein. Bestückt mit zwei Tegra-CPUs und zwei Pascal-Grafikchips soll das wassergekühlte, schuhschachtelgrosse Gerät eine Rohleistung von rund acht Billionen Fliesskommaoperationen (Teraflops) pro Sekunde erreichen. Laut Nvidia entspricht dies der Leistung von 150 MacBooks zusammengenommen.
 
Von der Performance eines echten Supercomputers ist man damit zwar weit entfernt - dort ist man schon längst im Petaflops-Bereich angekommen. Nvidia produziert aber bereits seit einigen Jahren Varianten seiner Grafikchips, die moderne Hochleistungscomputer beschleunigen (zum Beispiel den neuen Super-Wetterrechner von MeteoSchweiz). Die Komponenten des Drive PX 2 basieren auf der gleichen Architektur.
 
Nvidias Auto-Computer sind keine Fertigprodukte, die bereits ein Auto erfolgreich steuern könnten. Autohersteller, so die Idee von Nvidia, sollen die Geräte und insbesondere deren Softwareausstattung als Basis zur Entwicklung funktionierender Steuerungssysteme nützen. So soll dies wesentlich schneller - innert Monaten statt Jahren oder Jahrzehnten - und günstiger möglich sein, als wenn die Hersteller auf einer "grünen Wiese" starten.
 
Die auf dieser Basis entwickelte Steuerungssoftware würde, das ist der Knackpunkt des Nvidia-Businessmodells, trotzdem den individuellen Autoherstellern selbst gehören. Sie müssten also ncht befürchten, einen grossen Teil des Einnahmekuchens an Internet-Konzerne wie Google abgeben zu müssen. Nvidia würde hauptsächlich als Hardwarelieferant profitieren.
 
Zur genannten Softwareaustattung gehört "DriveWorks", eine Sammlung von Tools, Libraries und Modulen für alle Basisfunktionen, die von einem selbstfahrenden Auto benötigt werden. Dazu gehört beispielsweise Software zur Zusammenführung der Signale der verschiedenen "Datenlieferanten". Beim Nvidia-Gerät sollen dies, neben weiteren Sensoren, vor allem zwölf hochauflösende Kameras sein, die insgesamt ein komplettes 360-Grad Rundumbild liefern. Weitere vorgefertigte Softwaremodule sorgen beispielsweise für die Objekterkennung und Klassifizierung, die Lokalisierung und Routenfindung.
 
Nvidia glaubt, dass ein intelligentes Selbstfahrsystem nicht nur mit den Daten von Laser-, Radar- oder Ultraschallsensoren - die eine vergleichsweise geringe Datenmenge erzeugen - auskommen kann, sondern auch die Bilder von Kameras in Echtzeit verarbeiten und sehr tief analysieren können muss. Insbesondere dies führt zu sehr hohen Leistungsforderungen.
 
Zentral lernen, individuell fahren
Um aufgrund der Outputs der genannten einzelnen Module ein Fahrzeug auch tatsächlich autonom zu steuern, braucht es eine weitere Softwareebene. Im Konzept von Nvidia ist dies ein lernfähiges "neuronales Netzwerk", dass durch "Deep Learning" trainiert wird. Die mit einem Nvidia-Computer ausgestatteten Fahrzeuge liefern dafür die Daten, das eigentliche Training geschieht aber zentral in Rechenzentren. Schliesslich würde es wenig Sinn machen, wenn jedes einzelne Testfahrzeug jede mögliche Verkehrssituation einzeln erfahren und lernen müsste. Erst das trainierte "neuronale Netz" wiederum soll dann auf den Drive-PX-2-Boxen der einzelnen Fahrzeuge laufen. Auch für diesen zentralisierten Lernprozess hat Nvidia eine Softwareplattform entwickelt: "Nvidia Digits" läuft auf jedem System, dass auf Nvidia-GPUs basiert. Laut dem Hersteller reicht dies von PCs bis zu Supercomputern, man kann aber auch Rechenpower aus der Cloud von Amazon Web Services benützen.
 
Autohersteller könnten jeweil ihre individuelle Steuerungssoftware trainieren, oder sich in Partnerschaften zusammenschliessen, um Kosten zu sparen. Nvidia hat zudem, um zu beweisen dass das Konzept funktioniert, bereits eine eigene Referenzsoftware namens "Drivenet" entwickelt und in selbstfahrenden Fahrzeugen eingesetzt. Wie der Nvidia-Chef Jen-Hsun Huang in Las Vegas erklärte, soll es nur einige Monate gedauert haben, dem System beizubringen, Objekte in Echtzeit zu erkennen. Insbesondere in den letzten Monaten habe man sehr grosse Fortschritte erzielt. Eine Demo zeigte, dass die Software mittlerweile beispielsweise auch Autos in dichtem Nebel oder bei schwerem Schneetreiben erkennen kann.
 
Was eine Drive-PX-2-Box kosten soll, gab Nvidia bisher nicht bekannt. Die Geräte sind für Entwicklungs- und Testzwecke konzipiert, und dürften für eine Massenfertigung viel zu teuer sein. Wenn selbstfahrende Autos in einigen Jahren Realität werden, dürften die Kosten aber schon einiges tiefer liegen. Zudem könnten auch die Leistungsanforderungen an Hardware, die nur eine bereits vorhandene Steuerungssoftware ausführen muss, tiefer sein.
 
Zentrale oder individuelle Intelligenz
Selbstfahrende Autos sind gegenwärtig ein grosses Thema, sowohl für die IT-Industrie als auch für Automobilhersteller. Und wenn sie einmal Realität sind, dürfte dies auch noch Branchen wie den öffentlichen Verkehr, Taxis und Logistik revolutionieren.
 
Eine der Fragen bei der Entwicklung von selbstfahrenden Fahrzeugen ist, wo deren "Intelligenz" sitzen soll. Kann sie in Cloud-Rechenzentren zentralisiert werden, während die Fahrzeuge hautsächlich drahtlos ihre Sensordaten übermitteln und Befehle empfangen? Dies hätte den Vorteil, dass Hardware in den einzelnen Fahrzeugen weniger leistungsfähig sein müsste und damit auch billiger wäre. Gleichzeitig benötigt man für dieses Konzept aber ungeheuer leistungsfähige und zuverlässige mobile Netzwerke der nächsten Generation. Wenig überraschend ist dies das Konzept, dass Internetkonzernen, Telcos und Netzwerkausrüstern vorschwebt.
 
Das gegenläufige Konzept geht davon aus, dass die Intelligenz zum grössten Teil in den Fahrzeugen selbst vorhanden sein muss. Dies scheint eher das Konzept zu sein, dass Automobilhersteller gegenwärtig verfolgen. Für Chiphersteller wie Nvidia macht dieses Konzept die Milliarden von Fahrzeugen, die weltweit unterwegs sind, zu einem neuen potentiellen Business-Eldorado in den kommenden Jahren. Und je grösser die Leistungsanforderungen an die individuelle Autohardware, desto grösser ist dieses Geschäft. (Hans Jörg Maron)