Ein weißer Waymo steht auf unbefestigtem Boden direkt neben einem Beton-Gehweg. Sein Vorderrad steht auf der Seite, auf der man ein Taxi kaum erwarten würde. Wie lässt sich verhindern, dass ein selbstfahrendes Auto dieselbe knifflige Situation erneut falsch einschätzt?
Der kurze Clip zeigt weder, wer gerade fuhr, noch wie das Auto dorthin gelangte. Ein Softwarefehler lässt sich daraus nicht ableiten. Die Szene bietet aber Anlass, sich anzuschauen, wie Waymo aus Fahrten lernt. Das Unternehmen beschrieb sein Vorgehen am 26. August.
Die Umgebung erkennen und einen Weg finden
Waymo kombiniert Kameras, Lidar und Radar. Kameras erkennen etwa Ampeln und Schilder. Lidar erfasst Formen und Abstände, Radar hilft dabei, Bewegungen und Geschwindigkeiten zu messen. Aus diesen Informationen muss das System eine tatsächlich fahrbare Strecke ableiten.
Ein System kann ein Objekt erkennen und trotzdem ein ungeschicktes Manöver planen. Laut Waymo prüft eine separate Ebene die vorgeschlagenen Fahrwege unter anderem auf Kollisionsrisiken und physikalische Grenzen.
Eine schwierige Fahrt ohne Fahrgäste wiederholen
Waymo sammelt und analysiert relevante Fahrdaten und trainiert damit seine Modelle erneut. Änderungen werden vor dem Einsatz simuliert und bewertet. Das Auto schreibt seine Fahrregeln dabei nicht spontan selbst um.
In einer Simulation lässt sich dieselbe Situation variieren. Andere Verkehrsteilnehmer können später bremsen oder aus einer anderen Richtung kommen. Entscheidend ist, dass die Umgebung auf die Bewegungen des Testwagens reagiert. Eine bloße Aufzeichnung zeigt nicht, was bei einer anderen Entscheidung des Autos passieren würde.
Ob diese Fahrt in den Verbesserungsprozess eingeflossen ist, verrät der Clip nicht. Er veranschaulicht aber, warum viele gefahrene Kilometer allein nicht genügen. Ungewöhnliche Situationen müssen verstanden und Änderungen getestet und neu bewertet werden. Wie schnell das geht und ob eine Änderung hilft, lässt sich erst mit mehr Daten beurteilen.

























