Otomobilgi.comOtomobilgi.com
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • STARTSEITE
  • NACHRICHTEN
    Türkiye Automobilindustrie Nachrichten
    Globale Automobilbranchennachrichten
    Türkiye Motorsport Nachrichten
    Globale Motorsport-Nachrichten
  • AUTOMOBILE
    VERBRENNUNGSMOTOR
    • Verbrennungsmotoren-Modelle
    • Verbrennungsmotorentechnologien
    • Kraftstoff und Verbrauch
    • Emission und Umwelt
    • Verbrennungsmotor-Besitz
    • Geschichte des Verbrennungsautomobils
    ELEKTRISCH
    • Elektrische Modelle
    • Elektroauto-Technologien
    • Laden und Infrastruktur
    • Batterietechnologie
    • Reichweite und Verbrauch
    • Elektromobilität
    • Elektroauto-Geschichte
    HYBRID
    • Hybride Modelle
    • Hybride Systeme
    • Akku und Laden
    • Verbrauch und Effizienz
    • Hybrid-Besitz
    • Hybridauto-Geschichte
    SUPERCAR
    HYPERCAR
  • TECHNOLOGIE
    Fahrerassistenzsysteme
    Sicherheitstechnologien
    Beleuchtungs- und Sichttechnologien
    Infotainment und Konnektivität
    Autonomes Fahren und Künstliche Intelligenz
    Zukünftige Technologien
  • LEITFÄDEN
    Kaufratgeber
    Verkaufsratgeber
    Wartung und Bedienung
    Eigentum und Kosten
    Reifen und Felgen
    Versicherung und Inspektion
  • GESCHICHTE & KULTUR
    Automobilgeschichte
    Ikonische Modelle
    Klassiker und Sammlungen
    Türkeis Automobil-Abenteuer
    Automobildesign
    Automobile und Populärkultur
  • MOTORSPORT
    Formel 1
    Rallye (WRC)
    Rallycross
    MotoGP
    Formel 2 & Formel 3
    Kartfahren
    Le Mans 24 Stunden
    WEC
    NASCAR
    IndyCar
    DTM
    GT-Rennen
    Drift
    Drag-Rennen
  • LERNEN SIE UNS KENNEN
    ÜBER UNS
    KONTAKT
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  1. STARTSEITE
  2. TECHNOLOGIE
  3. Autonomes Fahren und Künstliche Intelligenz
  4. Die Chips, die das autonome Fahren steuern: Nvidia und Mobileye

Die Chips, die das autonome Fahren steuern: Nvidia und Mobileye

  • Autonomes Fahren und Künstliche Intelligenz
  • Autor: Lütfi Mete Odabaşı
  • Erstellt am: 27 Oktober 2026
Diese Siliziumgehirne, die jede Sekunde zig Megabyte an Daten in einem Tausendstel einer Sekunde in Entscheidungen umwandeln, bestimmen den eigentlichen Machtkampf der autonomen Fahrzeuge.
Diese Siliziumgehirne, die jede Sekunde zig Megabyte an Daten in einem Tausendstel einer Sekunde in Entscheidungen umwandeln, bestimmen den eigentlichen Machtkampf der autonomen Fahrzeuge.

Beim Lidar, Radar und den Kameras strömen Dutzende Megabyte Daten pro Sekunde. Ein Gehirn ist nötig, das all das in tausendstel Sekunden in Entscheidungen umsetzt. Wer produziert diese Gehirne und wer zahlt den Preis für diesen Silizium-Krieg?

Was sind Chips für autonomes Fahren und warum sind sie so wichtig?

Otonom bir aracın çipi, kameraların ve lidarın topladığı ham veriyi saniyeler içinde fren ve direksiyon komutlarına dönüştüren sessiz bir beyin gibi çalışıyor.

Betrachte den Chip in einem autonomen Fahrzeug, genauer gesagt den Computer, in dem der Chip steckt, als das Gehirn des Autos. Dieser Computer verwandelt die Rohdaten, die deine Augen (Kameras), deine Ohren (Radar) und die Lasermessgeräte (Lidar) sammeln, in Befehle, die das Lenkrad drehen und die Bremse betätigen. Eines der Robotaxi-Unternehmen vergleicht bei der Vorstellung seiner eigenen Fahrhardware den Rechner mit dem Gehirn des Fahrers: als das Organ, das Rohsensordaten in Echtzeit-Fahrbefehle umsetzt.

Die Größenordnung hier ist verwirrend. Schätzungen zufolge erzeugen die Kameras im Fahrzeug pro Sekunde 20 bis 60 MB an Daten, das Lidar 10 bis 70 MB, der Radar ist mit etwa 10 KB pro Sekunde bescheidener. Denk dabei nicht an ein Video, das über die Leitung deines Heiminternets läuft; die hier fließenden Daten sind die Rohbilder und Entfernungsinformationen, anhand derer entschieden wird, wohin das Auto in der nächsten halben Sekunde fährt. Millisekunden Verzögerung bedeuten einen Unfall. Deshalb investieren Chip-Hersteller Milliarden in den Wettbewerb, in den sie sich gestürzt haben.

Aber die Frage, die dich wahrscheinlich am meisten interessiert, ist folgende: Wer gewinnt diesen Krieg um Prozessoren? Es gibt drei große Akteure, und die Wege aller dreie sind sehr unterschiedlich.

Nvidia DRIVE: Ein Plattform-Gigant, vom Spiel bis zur Spielkonsole

Der Star der Automobilsparte von Nvidia ist ein SoC namens DRIVE Orin, also ein vollständiger Computer auf einem einzigen Chip. SoC steht für system-on-chip; du kannst es dir als die Fahrzeugversion des Prozessors in deinem Handy vorstellen. Darauf wird Software geladen, Sensoren werden angeschlossen und das Fahrzeug kann plötzlich denken.

Die neue Generation DRIVE AGX Thor, die Entwicklern im August 2025 vorgestellt wurde, ist der aktuelle Held dieser Geschichte. Laut Nvidia bietet Thor im Vergleich zum AGX Orin bis zu das 7,5-Fache an KI-Rechenleistung. Noch wichtiger: Er wurde so konzipiert, dass er die strengen funktionalen Sicherheitsanforderungen (ISO 26262) und Cybersicherheitsanforderungen (ISO 21434) der Automobilindustrie erfüllt. Denn ein Chip im unterliegt sehr viel strengeren Regeln als ein Chip in deinem Computer; stürzt ein Spiel ab, startest du es einfach neu, stürzt ein Fahr-Chip ab, ist es zu spät.

Nvidias Strategie ist es nicht nur, Chips zu verkaufen, sondern eine ganze Plattform in der Hand zu halten. Das auf der CES 2026 vorgestellte DRIVE AGX Hyperion umfasst den gesamten Stack von der Recheneinheit bis zur Sensorarchitektur, und es wird darüber gesprochen, dass das Unternehmen damit seine Kontrolle in der Welt des autonomen Fahrens festigt. Das greifbarste Beispiel dafür ist die Zusammenarbeit mit Mercedes-Benz: Mercedes' Betriebssystem MB.OS verschmilzt mit Nvidias Hyperion-Architektur und einer Software namens Alpamayo. Das Gehirn eines deutschen Luxuswagens wird also auf der Plattform eines amerikanischen Chip-Giganten laufen.

Highlights

  • Fahrzeuge mit Mobileye-EyeQ-Technologie: über 250 Millionen (2. Quartal 2026 Quartal 2026)
  • Nvidia DRIVE AGX Thor verspricht bis zu 7,5-mal mehr KI-Rechenleistung als die vorherige Orin-Generation
  • Teslas FSD-Computer nutzt eine Dual-SoC-Architektur und enthält 12 ARM Cortex-A72 CPUs
  • Der Markt für Chips für autonome Fahrzeuge soll von 14,48 Milliarden US-Dollar (2026) auf 35,49 Milliarden US-Dollar (2034) wachsen
  • Laut Intel-Schätzungen erzeugen Kameras im Fahrzeug 20-60 MB und Lidar 10-70 MB Daten pro Sekunde

Mobileye EyeQ: Der stille Riese in über 250 Millionen Fahrzeugen

Nun tritt ein Akteur auf, der deutlich weniger beworben wird, aber den meisten Praxisbeweis vorweisen kann: Mobileye. Dieses Unternehmen wurde 2017 von Intel übernommen und hat mit dem eigens entworfenen Chip namens EyeQ die unsichtbare Infrastruktur von ADAS, also fortschrittlichen Fahrerassistenzsystemen, aufgebaut. Bis Ende 2025 wurden weltweit über 230 Millionen Fahrzeuge mit EyeQ-Technologie hergestellt; im zweiten Quartal 2026 überschritt diese Zahl die 250-Millionen-Marke. Stell dir ein Auto mit fünf Sitzen vor; diese Zahl entspricht einem beträchtlichen Teil aller Autos der Welt. Mehr als 27 Automobilhersteller verwenden diese Chips außerdem bereits.

Eines der ambitionierten Produkte von Mobileye ist SuperVision: ein integrierter Computer mit 11 Kameras und einem doppelten EyeQ 5 High -Chip. Der leistungsstärkste SoC, den das Unternehmen für autonome Fahrzeuge für Verbraucher angekündigt hat, ist jedoch EyeQ Ultra. Die fünfte Generation der EyeQ-Familie wird mit einer Kapazität vorgestellt, die Stufe 5, also vollständig autonome Fahrzeuge, unterstützen kann. Eine neue "Surround ADAS"-Plattform auf Basis der neuesten EyeQ6H-Generation wurde zudem von einem US-amerikanischen Hersteller ausgewählt - mit einem Ring aus 360-Grad-Kameras und Radar, softwaredefinierten Fähigkeiten und dem Versprechen des Fahrens ohne Hände auf bestimmten Autobahnen.

Was wird aus Mobileyes Position angesichts Nvidias Open-Source-Ansatz? Der CEO des Unternehmens, Amnon Shashua, prognostiziert, dass die Jahre 2026-2027 ein großer Wendepunkt für das Unternehmen sein werden, und äußert sich in einer Weise, die nahelegt, dass man glaubt, Nvidias Modell werde die Marktpositionen nicht verändern. Der Punkt, den Shashua nachdrücklich betont, ist folgender: ein Teil der Ankündigungs- und Begeisterungswelle in der Branche ist Lärm; entscheidend ist das Produkt, das sich in der Praxis bewiesen hat. Wem dieser Satz gelten soll, ist umstritten - aber 250 Millionen Fahrzeuge sind ein starkes Argument.

Warum hat Tesla seinen eigenen Chip entworfen?

Teslas Geschichte ist die rebellischste der drei. Das Unternehmen verwendete zunächst Nvidia-basierte Prozessoren und stieg dann vollständig auf seinen eigenen Entwurf, den FSD Chip, um. Dieser Chip enthält 12 ARM Cortex-A72 CPUs und wird von Tesla als neuronales Netzwerk-Rechnersystem bezeichnet. Ein bemerkenswertes Detail ist, dass der FSD-Computer eine Dual-SoC-Architektur besitzt: das heißt, zwei Prozessoren sind gleichzeitig für die kritischen Berechnungen aktiv.

Aber warum? Warum nimmst du nicht eine fertige Plattform und machst dir die Mühe, einen eigenen Chip zu entwerfen? Die auf Tesla-Seite gegebene Begründung: Die universellen Nvidia-Chips seien nicht ausreichend auf Teslas Bedürfnisse zugeschnitten. Wenn man seinen eigenen Siliziumchip entwirft, bekommt man ein Teil, das genau für dein KI-Modell optimiert ist und bei dem du den Energieverbrauch kontrollieren kannst. Stell es dir wie ein Kochbuch vor: Mit dem Kochbuch eines anderen kannst du kochen, aber in deinem eigenen Kochbuch schreibst du genau das Rezept, das du willst. Natürlich hat das seinen Preis - Chipdesign ist ein unglaublich teures und riskantes Geschäft. Auf der Produktionsseite sind Riesenfabriken wie TSMC im Spiel.

Eine zahlenmäßige Anmerkung: Es kursieren Behauptungen, dass Nvidias eigener Chip 320 TOPS leistet, also Billionen Operationen pro Sekunde, während Teslas System mit zwei Chips 144 TOPS erreicht. Aber hier muss man vorsichtig sein; diese Zahlen stammen aus unterschiedlichen Definitionen und Zeiträumen, und TOPS allein beweist weder die Überlegenheit des einen noch des anderen Systems. Schließlich bekommt die Rechenleistung genau so viel Bedeutung wie das Fahrzeug selbst erst durch die Qualität der Software darauf.

Drei Plattformen Seite an Seite: Nvidia, Mobileye und Tesla

MerkmalNvidia DRIVEMobileye EyeQTesla FSD Chip
AnsatzOffene Plattform, an Hersteller verkauftKomplettlösung aus Hardware und SoftwareVollständig eigene Entwicklung, exklusiv für die eigenen Fahrzeuge
Aktuelles VorzeigeproduktDRIVE AGX ThorEyeQ 5 / EyeQ UltraFSD Chip (dualer SoC)
MaßstabKooperationen mit Herstellern wie Mercedes-BenzÜber 250 Millionen Fahrzeuge, mehr als 27 HerstellerNur Tesla-Fahrzeuge
Neueste GenerationDRIVE AGX Hyperion (CES 2026)Surround-ADAS auf EyeQ6H-Basis12 ARM Cortex-A72 CPUs
ÖkosystemstärkeCUDA und breite EntwicklerunterstützungGroßflächig erprobte FlotteVertikale Integration, Fahrzeug-Software-Abstimmung

Diese drei Wege repräsentieren zugleich drei Geschäftsmodelle. Nvidia verkauft seine Plattform an alle, Mobileye skaliert mit seiner Paketlösung, und Tesla macht alles selbst. Wer gewinnt? Höchstwahrscheinlich werden alle noch eine Weile am Markt überleben; denn jeder Hersteller hat andere Anforderungen und eine andere Risikobereitschaft.

Treibt die softwaredefinierte Fahrzeugrevolution die Hersteller dazu, selbst Chips zu produzieren?

Eines der in den letzten Jahren am häufigsten diskutierten Konzepte der Automobilwelt ist das softwaredefinierte Fahrzeug, also SDV. Die Idee ist einfach, aber revolutionär: Du differenzierst das Auto nicht mehr durch die Motorleistung, sondern durch seine Software. Neue Funktionen kommen per drahtlosem Update, die Intelligenz des Fahrzeugs bündelt sich in einer zentralen Rechenplattform. Das bedeutet, dass die Dutzenden kleinen Steuereinheiten der klassischen Fahrzeugarchitektur durch leistungsstarke und zentrale Gehirne ersetzt werden.

Und genau an diesem Punkt wird es kompliziert. Wenn die Wettbewerbsfähigkeit eines Autos in seiner Software liegt und die Software einen leistungsstarken Chip erfordert, stehen Hersteller vor einer entscheidenden Frage: Von wem nimmst du das Gehirn? Wer eine fertige Plattform nutzt, wird bei der differenzierenden Technologie vom Lieferanten abhängig. Dass Nvidia die Kontrolle über seinen Stack festigt, beunruhigt genau deshalb manche Hersteller. Wer seinen eigenen Chip entwirft, muss hingegen Milliardenkosten für die Entwicklung tragen. Stell dir eine Branche vor, die zwischen zwei schlechten Optionen pendelt - ein bisschen spannend, oder?

Zudem hat diese Technologieabhängigkeit auch eine Kostendimension. Jedes neue ADAS-Feature bringt zusätzliche Kalibrierungskomplexität und Reparaturkosten mit sich, was den Margen der Hersteller zusetzt und die Verbreitung dieser Systeme in Fahrzeugen des Einstiegssegments erschwert. Dann ist da noch die Beschaffungsseite: Der Appetit der KI-Rechenzentren auf Chipkomponenten (insbesondere DRAM-Speicher) verknappst die Automotive-Chipversorgung. Für wen werden die Chipfabriken also zuerst produzieren? Für die KI-App auf deinem Smartphone oder für den Bremsassistenten in deinem Auto? Die Diskussion über die Prioritätenreihenfolge ist das eigentliche Beschaffungsproblem des Jahres 2026.

Die Lücke zwischen Versprechen und Realität: Rechenleistung ist nicht gratis

Bis hierhin klingt alles spannend. Aber es gibt einen Punkt, den wir kritisch hinterfragen müssen: All diese Rechenleistung hat ihren Preis, und der ist nicht nur finanzieller Natur. Eine Universitätsanalyse hat berechnet, dass 1 Milliarde autonome Fahrzeuge, die täglich eine Stunde autonom fahren und deren Computer 840 Watt verbrauchen, eine erhebliche Emissionslast darstellen würden. Während wir autonome Fahrzeuge also ständig als umweltfreundlich loben, müssen wir auch den Energieverbrauch ihrer Gehirne einrechnen. Wenn Autos elektrisch fahren, ist der Ausstoß null - doch das Gehirn eines eingesteckten Fahrzeugs verbraucht weiterhin Strom.

Ein weiterer realistischer Punkt: Die Marktprognosen sind groß, aber derzeit gibt es keine feste Formel der Art "so viele TOPS werden benötigt". Wie viel Rechenleistung die volle Level-5-Autonomie erfordern wird, ist nach wie vor eine offene ingenieurstechnische Frage. Mobileyes Chips der fünften Generation werden mit Level-5-Fähigkeiten vorgestellt, doch der Abstand zwischen Fähigkeit und belegter Realität liegt genau in dem, was Shashua als Rauschen bezeichnet.

Wer wird also der Gewinner dieses Siliziumkrieges sein?

Die ehrliche Antwort: Das ist noch unklar, und es wird wahrscheinlich keinen einzelnen Gewinner geben. Nvidia festigt mit seiner Plattformstärke und Kooperationen mit Partnern wie Mercedes seine Position als einflussreichster Lieferant des softwaredefinierten Fahrzeugzeitalters. Mobileye ist mit seiner belegten Flotte von 250 Millionen Fahrzeugen und seinem Skalenvorteil der ausgereifteste Akteur im Feld. Tesla hingegen ist eine Ausnahme, die sowohl die Kosten als auch die Erträge der Entwicklung eigener Chips allein trägt. Alle drei ersetzen einander nicht; sie liefern drei unterschiedliche Antworten auf drei unterschiedliche Fragen.

Die eigentlich kluge Frage lautet vielleicht: Wenn sich das Gehirn der Autos in den Händen einiger weniger Unternehmen konzentriert - was gewinnen Fahrer und Hersteller, und was verlieren sie? Der Gewinn: Die Technologie reift schnell. Der Verlust: Abhängigkeit - und die Rechnung dieser Abhängigkeit wird präsentiert, wenn diese Chips zum ersten Mal etwas falsch machen, nicht wenn sie sich zum ersten Mal auf der Straße bewähren. Bleib also dran.

Quellen

  • The Evolution of EyeQ - Mobileye
  • Mobileye Releases Second Quarter 2026 Results
  • New Mobileye EyeQ Ultra - Intel Press Release
  • Mobileye SuperVision Put to the Test - Mobileye Blog
  • Nvidia launches Drive AGX Thor developer kit
  • Nvidia: How It Is Tightening Its Grip on the Autonomous Vehicle Stack
  • Mercedes-Benz und NVIDIA erweitern Partnerschaft - Nvidia Newsroom
  • Tesla Autopilot Hardware - Wikipedia
  • KI-Chips im Bereich autonomer Fahrzeuge - Lux Research
  • Ein Blick unter unseren Kofferraum: Waymo-Computing - Waymo Blog
  • Datencomputer für autonome Fahrzeuge - Premio
  • Computer, die selbstfahrende Autos antreiben, könnten eine riesige CO2-Emissionsquelle sein - MIT News
  • Wie ähnlich sind die Sicherheitssysteme von Mobileye und Nvidia?
  • AV-Chips-Markt - Fortune Business Insights
  • Markt für ADAS-Automobilchips - Dataintelo
  • Das DRAM-Engpass - Area51ESG
  • Software-Defined Vehicle - Valeo

Diese Seite teilen

Kategorie-Redakteur

Lütfi Mete Odabaşı

Lütfi Mete Odabaşı

Ein junger, dynamischer Automobil- und Motorsport-Enthusiast, der gerne forscht und lernt. Mete bereichert unsere Automobil-Nachrichten-, Wissens- und Kulturplattform mit der Perspektive der jungen Generation. Er verfolgt Innovationen in der Automobiltechnik und Entwicklungen im Motorsport aufmerksam und wandelt sein Wissen in informative, gehaltvolle Inhalte für otomobilgi.com um.

Ähnliche Inhalte

Mit Tesla FSD v12 endete die Ära, in der Ingenieure autonome Fahrt Regel für Regel vorgaben; das neuronale Netz trifft die Lenkentscheidung nun direkt aus den rohen Kamerabildern.
Autonomes Fahren und Künstliche IntelligenzWie verändert End-to-End-Modelle das autonome Fahren?
Bei schwerem Schnee sinkt die Erkennungsleistung des Lidars um mehr als 50 %, und da die Künstliche Intelligenz nicht weiß, welchem Sensor sie vertrauen soll, bleiben die Robotaxis stehen.
Autonomes Fahren und Künstliche IntelligenzWarum autonome Fahrzeuge bei Schnee und Regen "blind" werden können
Waymo fährt nur in wenigen Gebieten ohne Fahrer, Tesla arbeitet überall unter Aufsicht; dieser Unterschied ist kein Zufall, sondern genau das Geschäftsmodell der beiden Unternehmen.
Autonomes Fahren und Künstliche IntelligenzWarum will Tesla immer noch einen Fahrer, während Waymo allein durch die Stadt fährt?
Beim autonomen Fahren gibt es keinen einzigen richtigen Sensor; die Balance aus Kosten, Sicherheit und Regulierung wird den Gewinner bestimmen.
Autonomes Fahren und Künstliche IntelligenzLidar oder Kamera? Die Bilanz des Sensor-Wettkampfs beim autonomen Fahren
Solange das Lenkrad in deinen Händen bleibt, bist du rechtlich immer noch der Fahrer, egal wie intelligent das Automobil auch sein mag.
Autonomes Fahren und Künstliche IntelligenzStufe 2 oder Stufe 3? Versprechen und Realität beim autonomen Fahren
Kamera und Lidar sind Sensoren für gutes Wetter; in einer nebligen Regennacht ist der wahre Freund, der das Auto am Laufen hält, das 4D-Radar mit Höhenerfassung.
Autonomes Fahren und Künstliche IntelligenzWofür wird 4D-Radar beim autonomen Fahren verwendet?
Da beide Systeme SAE Level 2 sind, bleibst du der echte Pilot hinter dem Lenkrad: Kein Auto nimmt dir heute die Verantwortung ab.
Autonomes Fahren und Künstliche IntelligenzDie 5 wichtigsten Unterschiede zwischen Super Cruise und Tesla FSD
Autonome Fahrzeuge hören Sirenen aus 800 Metern Entfernung, bleiben aber trotzdem vor der Feuerwehr stehen und blockieren weiter die Straße; sie haben Ohren, aber die Reflexe fehlen.
Autonomes Fahren und Künstliche IntelligenzWas tun autonome Fahrzeuge, wenn sie auf Polizei- und Krankenwagensirenen treffen?
Teslas 99-Dollar-FSD-Abo verspricht vollständige Autonomie im Namen, aber ob Sie Ihr Geld wert bekommen, hängt davon ab, wie viele Kilometer Sie täglich fahren.
Autonomes Fahren und Künstliche IntelligenzIst es sinnvoll, für autonomes Fahren eine monatliche Gebühr zu zahlen?
Ein autonomer Fahrer lernt in der Simulation über Milliarden von virtuellen Kilometern durch Fehler; die eigentliche Prüfung beginnt jedoch erst auf echtem Asphalt.
Autonomes Fahren und Künstliche IntelligenzWie autonome Fahrzeuge das Fahren lernen? Die Schattenschule der Simulation

Schlagwörter

  • autonomes fahren
  • tesla
  • vollautonomes fahren
  • mercedes-benz
  • lidar
  • fahrerassistenzsysteme
  • sensortechnologie
  • sensorfusion
  • automatisierungsstufen
  • nvidia drive
  • mobileye eyeq
  • softwaredefiniertes fahrzeug

Folgen Sie uns in den sozialen Medien

  • Über uns
  • KVKK Datenschutzhinweis
  • Datenschutzerklärung
  • Kontakt
Otomobilgi.com
UNABHÄNGIGE AUTOKULTUR-PLATTFORM
Mittels Virgo CMS betrieben