TIER IV stellt fünf Open-Source-Modelle für autonomes Fahren vor

TIER IV gab am 11. November 2026 bekannt, fünf End-to-End-KI-Modelle für autonomes Fahren mit Autoware zu entwickeln und als Open Source bereitzustellen. Sie reichen von Systemen, die ausschließlich Kameras nutzen, bis hin zu Konfigurationen mit LiDAR, Radar und hochauflösenden Karten. Die Modellpalette bietet Automobilherstellern und Technologiepartnern mehrere Möglichkeiten, die Modelle zu optimieren und in Fahrzeugsysteme zu integrieren.

Die Modellpalette umfasst NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner und LatentDrive. Ihre End-to-End-Architekturen verknüpfen die Wahrnehmung der Umgebung mit der Generierung von Fahrtrajektorien. Die Modelle unterscheiden sich jedoch hinsichtlich der Sensoranforderungen, des Planungsansatzes und des Entwicklungsstands: Einige sind in Autoware integriert, während bei anderen die Anpassung an Fahrzeuge oder die Integration noch läuft.

TIER IV präsentiert die Modelle als konkrete technologische Ergebnisse für Autoware 2.0, die nächste Generation der Architektur, die das Unternehmen am 2. November 2026 ausführlich vorgestellt hat. Diese Architektur vereint KI-basierte und herkömmliche regelbasierte Ansätze, ergänzt ein flexibles Indexierungsschema für die modulare Softwareintegration und bietet ein Referenzdesign-Framework, das die kommerzielle Einführung in unterschiedlichen Fahrzeugen, Anwendungen und Betriebsumgebungen erleichtern soll.

Verschiedene Modelle für verschiedene Fahrzeuge

TIER IV zufolge hat Alpamayo 2 Edge 2 Milliarden Parameter, während es Alpamayo 2 Super auf 34 Milliarden bringt. Das Modell nutzt ausschließlich Kamerabilder und Schlussfolgerungen, um Fahrtrajektorien zu generieren. Die Integration in Autoware ist abgeschlossen, doch TIER IV optimiert das Modell weiterhin und passt es an reale Fahrzeuge an.

Die Autoware Foundation und TIER IV leiten die Entwicklung von AutoE2E. TIER IV beziffert die Größe des Modells auf 79,9 Millionen Parameter und gibt an, dass es auf Computerplattformen jenseits von NVIDIA-Hardware ausgeführt werden kann. Die Konfigurationen reichen von Systemen, die ausschließlich Kameras nutzen, bis hin zu solchen mit LiDAR und Radar. Die schnelle und langsame Architektur kombiniert ein reaktives Modell für Entscheidungen in Echtzeit mit Welt- und Schlussfolgerungsmodellen, die Veränderungen in der Umgebung vorhersagen und Fahrentscheidungen unterstützen.

METEOR wurde unabhängig von TIER IV entwickelt, richtet sich in erster Linie an privat genutzte Pkw und hat 16 Millionen Parameter. Laut TIER IV verwendet das neuronale Faltungsnetzwerk eine Vogelperspektivendarstellung, um in einem einzigen Netzwerk den gesamten Prozess von der Wahrnehmung bis zur Generierung von Trajektorien abzudecken, ohne auf HD-Karten angewiesen zu sein. Es kann Bilder von einer bis acht Kameras verarbeiten, optional LiDAR und Radar einbeziehen und unterstützt Halbleiterplattformen von NVIDIA und Renesas.

TIER IV zufolge verbindet OnePlanner Wahrnehmung und Bewegungsplanung. Derzeit nutzt das Modell BEVFusion, um aus LiDAR-Punktwolken eine Vogelperspektivendarstellung zu erstellen, und übergibt die bei der Wahrnehmung extrahierten Merkmale direkt an den Planer. Dadurch werden Zwischenschritte vermieden, bei denen diese Merkmale in Objektpositionen und -geschwindigkeiten umgewandelt werden. Außerdem bezieht das Modell HD-Karten, Routeninformationen, den Status von Ampeln und den Bewegungszustand des Fahrzeugs ein, um Trajektorien für sechs Sekunden zu generieren. Die Integration in Autoware ist abgeschlossen.

LatentDrive nutzt V-JEPA, einen Ansatz des selbstüberwachten Lernens, um Merkmale aus Kameravideos in einem latenten Raum abzubilden und Trajektorien ohne Zwischenschritte zur Objekterkennung und -verfolgung zu generieren. TIER IV zufolge benötigt das Modell keine HD-Karte und erstellt anhand von Videos, Routeninformationen und dem Bewegungszustand des Fahrzeugs Trajektorien für vier Sekunden. Es unterstützt eine oder drei Kameras. Die Integration in Autoware und die Validierung im Fahrzeug laufen noch.

Was AutoE2E V1.0 umfasst

Die von TIER IV unterstützte Robotaxi-Arbeitsgruppe der Autoware Foundation veröffentlichte AutoE2E v1.0 am 11. November 2026 unter der Apache-2.0-Lizenz für Forschungszwecke und die kommerzielle Nutzung. Auch trainierte Checkpoints stehen zur Verfügung. Die Veröffentlichung umfasst das reaktive Modell, das mit 10 Hz arbeitet, sechs Kameraperspektiven zu einer Vogelperspektivendarstellung zusammenführt und Beschleunigung sowie Lenkung für 6,4 Sekunden plant. Die Weltmodell- und Schlussfolgerungsebenen werden noch für den Einsatz mit demselben Planer entwickelt.

Laut der Foundation erzielte das feinabgestimmte AutoE2E-Modell bei einer Validierung mit aufgezeichneten Daten über einen Zeitraum von drei Sekunden einen mittleren Verschiebungsfehler von 0,744 Metern. Im Vergleich belegte es damit unter acht Konfigurationen mit offenen Gewichten den zweiten Platz. Bei diesem Open-Loop-Test trafen die Modelle Vorhersagen auf Grundlage protokollierter Kamerabilder, die anschließend mit dem tatsächlichen Fahrweg des menschlichen Fahrers verglichen wurden. AutoE2E erhielt außerdem eine Rasterkarte und eine Route, während die Eingaben bei den verschiedenen Modellen variierten. Das Ergebnis bezieht sich daher auf die Vorhersage von Trajektorien anhand aufgezeichneter Daten und nicht auf die Fahrleistung eines fahrerlosen Fahrzeugs im Straßenverkehr.

AutoE2E ist für die Open-Loop-Bewertung in Autoware integriert. Tests mit realen Fahrzeugen im Closed-Loop-Betrieb zur Bewertung des interaktiven Fahrverhaltens laufen derzeit. Die Foundation erklärt, dass die Leistung im Einsatz und der Ressourcenbedarf noch plattformspezifisch bewertet werden müssen. Weitere Fahrversuche auf der Straße sind für 2027 geplant. Das Projekt zielt auf Anwendungen von freihändigen Fahrassistenzsystemen der Stufe L2++ bis hin zu künftiger fahrerloser Mobilität der Stufe L4 ab. L4 bleibt jedoch ein Entwicklungsziel und ist noch keine aktuelle Funktionalität.

Kommerzialisierung und Entwicklungsablauf

Für METEOR verwendet TIER IV nach eigenen Angaben CoMET, die automatisierte Kennzeichnungsplattform innerhalb von Co-MLOps, zusammen mit agentischer KI, um die Datenkennzeichnung sowie das Training, die Bewertung und die Verbesserung des Modells zu automatisieren. Dadurch entfällt die Notwendigkeit manueller Programmierung und Kennzeichnung. Automobilhersteller und Zulieferer können das Open-Source-Modell an ihre eigenen Fahrzeugspezifikationen und Leistungsanforderungen anpassen.

Gründer und CEO Shinpei Kato sagte, die Multi-Modell-Strategie solle Herstellern und Zulieferern helfen, „Technologien entsprechend ihren Anwendungsbereichen und Leistungsanforderungen intern zu nutzen, ohne von einem bestimmten KI-Modell oder einer bestimmten Halbleiterplattform abhängig zu sein.“

Ali Kani, Vizepräsident für den Automobilbereich bei NVIDIA, sagte, die Integration von Alpamayo 2 Edge biete Entwicklern eine offene Grundlage, um die Technologie aus der Forschung in ihre eigenen Fahrzeuge zu übertragen.

Als nächste Schritte nennt TIER IV weitere Leistungsverbesserungen, die Optimierung für den Einsatz im Fahrzeug, die Kommerzialisierung gemeinsam mit Automobilherstellern und Partnern über Autoware sowie die Ausweitung auf verschiedene Fahrzeugtypen und Anwendungsbereiche. Autoware 2.0 stellt die gemeinsame Architektur bereit; die noch nicht abgeschlossenen Closed-Loop-Tests von AutoE2E zeigen jedoch, dass die Verfügbarkeit als Open Source und der validierte Einsatz in Fahrzeugen getrennte Meilensteine sind.