Wandern Sie durch die Box Bei jeder professionellen Motorsportveranstaltung, insbesondere bei der Formel 1, werden Sie endlose Computerbildschirme voller Telemetrie sehen. Moderne Teams sind überschwemmt mit digitalem Echtzeit-Feedback der Autos. Ich war im Laufe der Jahre in vielen dieser Gruben und habe die Datenströme bestaunt, aber ich habe noch nie eine Instanz der Microsoft Visual Studio-Softwareentwicklungssuite gesehen, die dort inmitten des Chaos lief.
Allerdings habe ich am vergangenen Wochenende noch nie an so etwas wie der ersten Veranstaltung der Abu Dhabi Autonomous Racing League teilgenommen. Die A2RL, wie sie genannt wird, ist nicht die erste autonome Rennserie: Es gibt die Roborace-Serie, bei der autonome Rennwagen schnelle Rundenzeiten fuhren und dabei virtuellen Hindernissen auswichen; und die Indy Autonomous Challenge, die zuletzt während der CES 2024 auf dem Las Vegas Motor Speedway stattfand.
Während sich das Roborace auf Einzelwagen-Zeitfahren konzentrierte und sich die Indy Autonomous-Serie auf Oval-Action konzentrierte, machte sich A2RL daran, in einigen Bereichen Neuland zu betreten.
A2RL brachte zum ersten Mal vier Autos auf die Strecke und trat gleichzeitig an. Und was vielleicht noch bedeutsamer ist: Das leistungsstärkste autonome Auto trat gegen einen Menschen an, den ehemaligen Formel-1-Piloten Daniil Kvyat, der zwischen 2014 und 2020 für verschiedene Teams fuhr.
Bildnachweis: Autonome Rennliga
Die eigentliche Herausforderung lag hinter den Kulissen, mit Teams, die aus einem beeindruckend vielfältigen Kader von Ingenieuren bestanden, von angehenden Programmierern über Doktoranden bis hin zu Vollzeit-Renningenieuren, die alle darum kämpften, das Limit auf eine ganz neue Art und Weise zu finden.
Im Gegensatz zur Formel 1, wo zehn Hersteller komplett maßgeschneiderte Autos entwerfen, entwickeln und produzieren (manchmal mit Hilfe von KI), sind die A2RL-Rennwagen vollständig standardisiert, um gleiche Wettbewerbsbedingungen zu schaffen. Die aus der japanischen Super-Formel-Meisterschaft entliehenen 550-PS-Maschinen sind baugleich, die Teams dürfen kein einziges Bauteil verändern.
Dazu gehört das Sensorarray, das aus sieben Kameras, vier Radarsensoren, drei Lidar-Sensoren und obendrein GPS besteht, die alle dazu dienen, die Welt um sich herum wahrzunehmen. Während ich durch die Box schlenderte und mich mit den verschiedenen Teams unterhielt, erfuhr ich, dass nicht jeder die 15 Terabyte an Daten, die jedes Auto jede einzelne Runde aufsaugt, vollständig ausnutzt.
Einige Teams, wie das in Indianapolis ansässige Team Code 19, haben erst vor einigen Monaten mit der Arbeit an dem monumentalen Projekt der Entwicklung eines selbstfahrenden Autos begonnen. „Hier gibt es vier Rookie-Teams“, sagte Oliver Wells, Mitbegründer von Code 19. „Alle anderen nehmen an solchen Wettbewerben teil, manche schon seit bis zu sieben Jahren.“
Es dreht sich alles um den Code
Bildnachweise: Tim Stevens
Die in München ansässige TUM und das in Mailand ansässige Unternehmen Polimove verfügen über umfangreiche Erfahrung beim Laufen und Gewinnen sowohl beim Roborace als auch bei der Indy Autonomous Challenge. Diese Erfahrung überträgt sich ebenso wie der Quellcode.
„Einerseits wird der Code ohnehin kontinuierlich weiterentwickelt und verbessert“, sagt Simon Hoffmann, Teamleiter an der TUM. Das Team nahm Anpassungen vor, um das Kurvenverhalten an die schärferen Kurven des Straßenverlaufs anzupassen und auch die Überholaggression anzupassen. „Aber im Allgemeinen würde ich sagen, dass wir die gleiche Basissoftware verwenden“, sagte er.
Während der zahlreichen Qualifikationsrunden am Wochenende dominierten die Teams mit der größten Erfahrung die Zeitenliste. TUM und Polimove waren die einzigen beiden Teams, die Rundenzeiten in weniger als zwei Minuten absolvierten. Die schnellste Runde von Code 19 dauerte jedoch etwas mehr als drei Minuten; Die anderen neuen Teams waren weitaus langsamer.
Dadurch ist ein Wettbewerb entstanden, den es in der Softwareentwicklung selten gibt. Zwar gab es schon früher Wettbewerbs-Coding-Herausforderungen wie TopCoder oder Google Kick Start, doch hier handelt es sich um eine ganz andere Sache. Verbesserungen im Code bedeuten schnellere Rundenzeiten – und weniger Abstürze.
Kenna Edwards ist stellvertretende Renningenieurin für Code 19 und Studentin an der Indiana University. Sie brachte einige Erfahrungen in der App-Entwicklung mit, musste aber C++ lernen, um das Antiblockiersystem des Teams zu schreiben. „Es hat uns mindestens ein paar Mal vor einem Absturz bewahrt“, sagte sie.
Im Gegensatz zu herkömmlichen Codierungsproblemen, für deren Überwachung möglicherweise Debugger oder andere Tools erforderlich sind, führen verbesserte Algorithmen hier zu greifbaren Ergebnissen. „Es war cool zu sehen, wie sich die platten Stellen am Reifen im Laufe der nächsten Sitzung besserten. Entweder haben sie an Größe oder Häufigkeit abgenommen“, sagte Edwards.
Diese Umsetzung der Theorie sorgt nicht nur für spannende technische Herausforderungen, sondern eröffnet auch tragfähige Karrierewege. Nach früheren Praktika bei Chip Ganassi Racing und General Motors und dank ihrer Erfahrung mit Code 19 beginnt Edwards diesen Sommer Vollzeit bei GM Motorsports.
Ein Blick in die Zukunft
Bildnachweis:
Diese Art der Entwicklung ist ein großer Teil dessen, worum es bei A2RL geht. Neben dem Hauptgeschehen auf der Strecke gibt es eine zweite Reihe von Wettbewerben für jüngere Schüler und Jugendgruppen auf der ganzen Welt. Vor dem A2RL-Hauptevent traten diese Gruppen mit autonomen Modellautos im Maßstab 1:8 gegeneinander an.
„Das Ziel ist, dass wir nächstes Jahr für die Schulen die kleineren Modellautos behalten, für die Universitäten behalten wir es vielleicht mit Go-Karts, etwas größer, sie können mit den autonomen Go-Karts spielen.“ Und wenn man dann in der großen Liga sein will, fängt man an, mit diesen Autos Rennen zu fahren“, sagte Faisal Al Bannai, der Generalsekretär des Advanced Technology Research Council von Abu Dhabi, dem ATRC. „Ich denke, wenn sie diesen Weg erkennen, werden Sie meiner Meinung nach mehr Menschen dazu ermutigen, in die Forschung und in die Wissenschaft einzusteigen.“
Es ist Al Bannais ATRC, das die Rechnung für die A2RL bezahlt und alles abdeckt, von den Autos bis zu den Hotels für die zahlreichen Teams, von denen einige seit Monaten in Abu Dhabi testen. Außerdem veranstalteten sie zum Hauptevent eine Weltklasse-Party mit Konzerten, Drohnenrennen und einem lächerlichen Feuerwerk.
Die Action auf der Strecke war etwas weniger spektakulär. Der erste Versuch eines autonomen Rennens mit vier Autos wurde abgebrochen, nachdem sich ein Auto drehte und die folgenden Autos blockierte. Das zweite Rennen war jedoch weitaus spannender und beinhaltete einen Vorsprung an der Spitze, als das Unimore-Teamauto der University of Modena daneben ging. Es war die TUM, die das Rennen schaffte und den Löwenanteil des Preisgeldes von 2,25 Millionen US-Dollar mit nach Hause nahm.
Was den Kampf zwischen Mensch und Maschine angeht, machte Daniil Kvyat schnelle Arbeit mit dem autonomen Auto und überholte es nicht nur einmal, sondern gleich zweimal unter großem Jubel der versammelten Menge von mehr als 10.000 Zuschauern, die die Freikarten nutzten, um ein wenig Geschichte zu sehen – plus rund 600.000 weitere, die die Veranstaltung streamen.
Die technischen Störungen waren bedauerlich. Dennoch war es ein bemerkenswertes Ereignis, Zeuge zu werden und zu veranschaulichen, wie weit die Autonomie fortgeschritten ist – und natürlich, wie viel weitere Fortschritte noch gemacht werden müssen. Das schnellste Auto lag immer noch über 10 Sekunden hinter Kvyats Zeit. Es fuhr jedoch ruhige, saubere Runden mit einer beeindruckenden Geschwindigkeit. Das steht im krassen Gegensatz zur ersten DARPA Grand Challenge im Jahr 2004, bei der jeder einzelne Teilnehmer entweder gegen eine Barriere prallte oder sich zu einem ungeplanten Aufenthalt in die Wüste begab.
Für A2RL wird der eigentliche Test sein, ob es sich zu einer finanziell tragfähigen Serie entwickeln kann. Werbung treibt die meisten Motorsportarten voran, aber hier gibt es den zusätzlichen Vorteil, Algorithmen und Technologien zu entwickeln, die Hersteller vernünftigerweise in ihren Autos anwenden könnten.
Al Bannai von ATRC erzählte mir, dass die Autos zwar den Organisatoren der Serie gehören, die Teams jedoch den Code besitzen und ihn frei lizenzieren können: „Was sie im Moment im Wettbewerb verwenden, ist der Algorithmus, der KI-Algorithmus, der dieses Auto dazu bringt, das zu tun, was es tut.“ Das gehört jedem der Teams. Es gehört nicht uns.“
Das eigentliche Rennen findet also möglicherweise nicht auf der Rennstrecke statt, sondern in der Sicherung von Partnerschaften mit Herstellern. Gibt es schließlich einen besseren Weg, Vertrauen in Ihre autonome Technologie zu wecken, als indem Sie zeigen, dass sie den Verkehr auf der Rennstrecke mit 160 Meilen pro Stunde bewältigen kann?