Ich habe kürzlich eine exklusive Testfahrt mit dem „City Navigation Guided Pilot“ (CNGP) von XPeng in der Stadt Guangzhou, China, gemacht – virtuell. Ich fuhr im Auto über etwas, das im Grunde ein Zoom-Anruf (chinesische Version von Zoom) war, zusammen mit einem XPeng-Ingenieur, PR-Leuten und einem „Fahrer“. Sie hatten 4 Kameras aufgestellt, um mir verschiedene Blickwinkel, Ansichten oder Bildschirme zu zeigen, damit ich so nah wie möglich an ein reales Fahrgefühl kommen konnte. Es war kein „5D-Erlebnis“ für mich, aber es war tatsächlich näher am Autofahren, als ich dachte. Ich spürte, wie mein Körper auf bestimmte Abschnitte der Fahrt mehr reagierte, als ich erwartet hatte.
Insgesamt ist die allgemeine Erkenntnis, dass ich erwartet hatte, von CNGP beeindruckt zu sein, weil ich zuvor Videomaterial untersucht hatte, aber es hat meine Erwartungen eindeutig übertroffen und ich könnte sogar sagen, es hat mich umgehauen. Wir fuhren durch den dichten und manchmal chaotischen Stadtverkehr ins Zentrum von Guangzhou und dann über eine Stunde (~ 1 Stunde und 7 Minuten) zurück und der Fahrer musste CNGP kein einziges Mal abschalten! Darüber hinaus gab es keinen Fall, in dem es so aussah, als müsste er sich lösen. Die Fahrt schien durchgehend extrem glatt zu sein – viel glatter, als ich aufgrund meiner Erfahrungen mit ADAS (Advanced Driver Assistance Systems) oder von anderen Autoherstellern erwartet hatte. Es gab tatsächlich nichts dass ich fest sagen muss, dass es verbessert werden muss.
Natürlich müssen wir anerkennen, dass eine virtuelle Fahrt nicht dasselbe ist wie ein Fahrer oder Beifahrer in der realen Welt. Vielleicht wären einige Segmente der Fahrt schwieriger oder erschütternder erschienen, als sie es virtuell taten. Aber wenn man sich das ganze Video selbst anschaut, ist es meiner Meinung nach klar, dass das System sehr ruhig, vorsichtig und intelligent fährt. Es gibt mehrere schwierige Szenarien, in denen das Auto die Situation so gut bewältigt, wie ich es mir von jedem Fahrer, Mensch oder Roboter wünschen würde.
Es gibt viele interessante Punkte in den Kommentaren unter dem Video. Ich werde am Ende dieses Artikels darauf zurückkommen. Zunächst möchte ich verschiedene bemerkenswerte Segmente des Laufwerks hervorheben.
Bei 2:45, macht das Auto eine Kehrtwende. Dabei fahren ein paar Motorräder vor unser Auto, eines aus der entgegengesetzten Richtung, und das XPeng CNGP-System scheint auf diese Herausforderungen ideal zu reagieren und schließlich die Kehrtwende sicher zu machen.
Kurz nachdem 5:15 im Video, ein Minivan schneidet direkt vor uns ab. Ich denke, viele Fahrerassistenzsysteme würden dort etwas hart auf die Bremse treten, was für die Passagiere nicht angenehm ist, aber das XPeng-System schien gute Arbeit zu leisten, um das Risiko zu erkennen, es durch Verlangsamen zu vermeiden, aber nicht überzureagieren und zu schlagen bremst zu hart. ich mag das.
Um 5:43, es gibt einen Straßenwärter, der direkt auf unserer Fahrspur neben einer Betonmauer erscheint. Auch hier denke ich, dass viele Systeme (vielleicht einschließlich meines eigenen Tesla FSD-Systems) in diesem Szenario etwas hart reagieren würden, aber das XPeng-System überreagiert nicht, verlangsamt ein wenig und geht dann sicher um den Mann herum, während Autos schneller hineinfahren die Gasse zu unserer Rechten. Die Herausforderung wird hervorragend gemeistert und angegangen.
Um etwa 7:21, wir fahren mit 36 km/h, als vor uns ein Bus anhält. Wieder einmal stellt sich das XPeng CNGP-System reibungslos dem Problem, bremst eher langsam als hart, piepst uns nicht an oder zwingt uns nicht zu übernehmen, und fährt dann ruhig, aber bestimmt weiter, wie es ein menschlicher Fahrer tun würde.
(Ehrlich gesagt stelle ich an dieser Stelle fest, dass ich mich persönlich nicht einmal wohl dabei fühlen würde, Tesla FSD in einer solchen Umgebung zu testen.)
Um 10:53, rechts von uns dreht ein Auto auf uns zu, auf unsere Fahrspur. Unser Auto bemerkt es, aber anstatt sich verrückt zu machen und alle im Auto zu erschrecken, bremst es nur allmählich ab und lässt genug Platz, damit das Auto rechts vor uns schließlich auf unsere Spur einbiegen kann. Das passiert dann ähnlich mit einem zweiten Auto, das auf unsere Spur einbiegen will.
Wenn du nach … gehst 24:30 im Video, können Sie sehen, dass der XPeng die Spur wechseln muss, dafür ein ziemlich kurzes Zeitfenster hat und von viel Verkehr umgeben ist. Trotzdem setzt das selbstfahrende Auto den Spurwechsel perfekt um, wahrscheinlich besser als ich es getan hätte.
Kurz danach fragte ich auch nach dem Sprachassistenten, der sagte, was das Auto tun würde, und der den Fahrer auch von Zeit zu Zeit vor Dingen warnte. Mir kam in den Sinn, dass dies ein sehr nützliches Sicherheitsmerkmal des Autos war, um sicherzustellen, dass der Fahrer weiterhin aufpasst. Es kann auch helfen, dem Fahrer zu erklären, was in einem Szenario passiert, in dem diese Person nicht automatisch bemerkt, wo das Auto abbiegt, die Spur wechselt, um etwas herumlenkt usw. und warum es dies tut. Für mich trägt dies dazu bei, dass sich der Fahrer wohler fühlt und dem System eher vertraut und es in Betrieb lässt. Ich denke, es wäre großartig, diese Funktion als Option für Tesla FSD zu haben, und wie ich im Video erkläre, würde mir das helfen, geduldiger zu sein und ein Abkoppeln zu vermeiden, was mir helfen würde, besser zu erkunden die Grenzen des FSD Beta-Systems.
Um 33:30 Uhrdas Auto befindet sich auf einer kurvenreichen Fahrbahn, in die von beiden Seiten eine Gruppe von Autos vor ihm einmündet, und es bewältigt diese Herausforderung hervorragend, scheinbar so glatt wie möglich.
Etwa um 43:50 Uhr, beschließt ein Auto, direkt vor uns in die Fahrspur des XPeng-Autos einzufädeln. Während ein weniger poliertes selbstfahrendes Auto dort zu schnell auf die Bremse treten und die Passagiere erschüttern könnte, reagierte der XPeng reibungslos und gab keinen wirklichen Hinweis darauf, dass er von einem Computer und nicht von einem Menschen gefahren wurde.
Um 48:10muss das Auto auf einer ziemlich stark befahrenen Straße in den Verkehr einfädeln, und das tut es wieder reibungslos und nahtlos
Kurz danach 55:30erwähnen sie, dass eine zukünftige Version von CNGP in der Lage sein wird, das Auto durch Parkhäuser zu fahren, nicht nur auf öffentlichen Straßen.
Um 1:00:15, hat das Auto auf der linken Seite direkt hinter der linken weißen Fahrbahnmarkierung eine Betonwand. Dort taucht am Straßenrand, teilweise in der Fahrspur, ein Fischer mit einer Art Kinderwagen auf. Das XPeng CNGP-System geht reibungslos um die Person herum und bewegt sich sogar ein wenig in die Fahrspur auf der rechten Seite, um genügend Platz neben der Person zu lassen. Andere Autos fahren auf dieser Spur rechts und überholen unser Auto, was zu einem ziemlich kniffligen Szenario führt, aber das XPeng-Selbstfahrsystem bewältigt das Szenario brillant und verlangsamt nicht zu sehr, ruckelt das Auto nicht oder fährt in den Weg der Autos, die rechts von hinten beschleunigen. Die Manöver- und Geschwindigkeitsentscheidungen werden hervorragend ausgeführt.
Es sind solche unerwarteten, seltsamen Szenarien, die „Long-Tail-Edge-Cases“ bilden, mit denen die selbstfahrende Software lernen muss, sich zurechtzufinden. Das macht das Autofahren manchmal so schwer, auch für Computer. Die gute Nachricht ist, dass Guangzhou viele seltsame Randfälle hat, aus denen man lernen kann, und das System wird dadurch immer natürlicher und vermeidet Menschen und Hindernisse.
Während der Fahrt erwähnen sie mehrmals ihren starken Fokus darauf, das Auto nicht nur dazu zu bringen, die Regeln zu befolgen und korrekt zu fahren, sondern auch mehr und mehr wie ein Mensch auf sanfte und vorhersehbare Weise zu fahren.
Kommentare aus der Masse
In den Kommentaren unter dem Video auf YouTube schreibt „Treelon“: „Danke für den Blick auf das, was China vorhat, aber offensichtlich kartiert + Lidar und nicht so beeindruckendes Ergebnis mit diesen handlichen Kappen, Hauptteil sollte Vision und Sicherung sein Lidar, wenn Sie wirklich wollen, aber der wahre Weg ist die End-to-End-Vision, nur ein Ansatz, um sie alle zu fangen. Früher habe ich mich dem gleichen Gedanken angeschlossen und vor allem über einen verallgemeinerten Ansatz nachgedacht, der überall viel schneller funktionieren würde. Meine Erfahrung mit dem reinen Sicht-Selbstfahren hat mich jedoch zu der Überzeugung geführt, dass dies nicht ausreichend sein wird. Zumindest im Moment scheint es, dass dieser Lidar + Vision + Radar-Ansatz zu einem viel reibungsloseren, vertrauenswürdigeren und angenehmeren „Computer-Selbstfahren“ führt. Aber wir werden sehen, ob ich meine Meinung in 6 Monaten oder so ändere.
Es gibt mehrere Kommentare zu dem System, das sich auf eine Vorkartierung des Gebiets stützt. Es ist sicherlich eine faire Kritik oder Anmerkung, aber am Ende des Tages mag ich ein System, das reibungslos und sehr effektiv funktioniert. Es scheint mir, dass das System von XPeng für dieses Niveau an fortschrittlicher Fahrerunterstützung so gut ist, wie es nur geht.
Ian Davies schreibt: „Mapping bedeutet, dass es keine allgemeine Lösung ist, nichts wie Tesla. Plus 4G oder was auch immer. Es kann eine Lösung für CBD / Innenstadt sein – eine Stadt nach der anderen überschwemmen.“ In der Tat. Wenn sie es aber schaffen, ein paar Dutzend Großstädte auf diese Weise anzugehen, sind das am Ende eine Menge Leute.
Teilen Sie uns Ihre Meinung in den Kommentaren mit.
Schätzen Sie die Originalität und Berichterstattung über CleanTechnica von CleanTechnica? Erwägen Sie, Mitglied, Unterstützer, Techniker oder Botschafter von CleanTechnica zu werden – oder Gönner auf Patreon.
Sie möchten keine Cleantech-Story verpassen? Melden Sie sich an für tägliche Nachrichten-Updates von CleanTechnica auf E-Mail. Oder Folgen Sie uns auf Google News!
Sie haben einen Tipp für CleanTechnica, möchten werben oder einen Gast für unseren CleanTech Talk Podcast vorschlagen? Kontaktieren Sie uns hier.