MITTEILUNG UEBERMITTELT VON BUSINESS WIRE. FUER DEN INHALT IST ALLEIN DAS BERICHTENDE UNTERNEHMEN VERANTWORTLICH.

Das neue „Factored-Embodied-AI”-Framework ermöglicht autonomes Steuern in komplexen städtischen Umgebungen mit einer um ein Vielfaches geringeren Datenmenge als bei Industriestandards.

REDWOOD CITY, Kalifornien --(BUSINESS WIRE)-- 12.12.2025 --

Helm.ai, ein führender Anbieter von KI-Software für ADAS, autonomes Fahren der Stufe L4 und Roboterautomatisierung, hat heute Factored Embodied AI vorgestellt, ein neues Architektur-Framework, das die „Datenbarriere” überwinden soll, die derzeit die Entwicklung der autonomen Fahrzeugindustrie behindert.

Diese Pressemitteilung enthält multimediale Inhalte. Die vollständige Mitteilung hier ansehen: https://www.businesswire.com/news/home/20251211872142/de/

Während die Branche darum wetteifert, massive Black-Box-„End-to-End”-Modelle zu entwickeln, die Petabytes an Daten benötigen, um die Fahrphysik von Grund auf zu erlernen, hat Helm.ai eine skalierbare Alternative vorgestellt. Heute veröffentlichte das Unternehmen eine Benchmark-Demonstration seines Vision-Only-KI-Fahrers, der mit Zero-Shot-Erfolg durch die komplexen Straßen von Torrance, Kalifornien, navigiert – und dabei Spurhaltung, Spurwechsel und Abbiegungen an städtischen Kreuzungen meistert, ohne diese Straßen zuvor gesehen zu haben. Sehen Sie hier die Zero-Shot-Fähigkeiten des KI-Fahrers in Aktion während einer 20-minütigen Fahrt ohne Lenkungsunterbrechung: www.helm.ai/zeroshot-autonomous-steering.

Entscheidend ist, dass diese autonome Lenkfähigkeit durch das Training der KI mithilfe von Simulationen und nur 1.000 Stunden realen Fahrdaten erreicht wurde – ein Bruchteil der Daten, die für monolithische End-to-End-Ansätze erforderlich sind.

„Die Branche für autonomes Fahren erreicht einen Punkt sinkender Erträge. Je besser die Modelle werden, desto seltener und teurer wird die Erfassung der Daten, die zu ihrer Verbesserung erforderlich sind“, sagte Vladislav Voroninski, CEO und Gründer von Helm.ai. „Wir durchbrechen diese ‚Datenbarriere‘, indem wir die Fahraufgabe in Faktoren zerlegen. Anstatt zu versuchen, Physik aus rohen, verrauschten Pixeln zu lernen, extrahiert unsere Geometric Reasoning Engine zunächst die saubere 3D-Struktur der Welt. Dies ermöglicht es uns, die Entscheidungslogik des Fahrzeugs in der Simulation mit beispielloser Effizienz zu trainieren und dabei nachzuahmen, wie ein menschlicher Teenager das Fahren in wenigen Wochen statt in Jahren lernt.“

Die neue Architektur durchbricht die Effizienzbarriere der Branche durch mehrere wichtige technologische Fortschritte:

• Überbrückung der Simulatorlücke: Im Gegensatz zu herkömmlichen Modellen, die aufgrund visueller Unterschiede Schwierigkeiten haben, das Training in der Simulation auf die reale Welt zu übertragen, trainiert die Architektur von Helm.ai im „semantischen Raum“ – einer vereinfachten Sicht auf die Welt, die sich eher auf Geometrie und Logik als auf Grafik konzentriert. Durch die Simulation der Straßenstruktur anstelle von nur Pixeln kann das Unternehmen mit unendlichen simulierten Daten trainieren, die sofort in der realen Welt funktionieren.
• Der 1.000-Stunden-Benchmark: Unter Nutzung dieser geometrischen Simulation erreichte der Planer von Helm.ai eine robuste, Zero-Shot-autonome Stadtsteuerung mit nur 1.000 Stunden realer Feinabstimmungsdaten und bot damit einen kapitaleffizienten Weg zum vollständig autonomen Fahren.
• Verhaltensmodellierung: Um Beschleunigung, Bremsen und komplexe Interaktionen zu bewältigen, nutzt Helm.ai seine World-Model-Fähigkeiten, um die Absichten von Fußgängern und anderen Fahrzeugen vorherzusagen und so eine sichere Navigation durch dichten Verkehr zu ermöglichen.
• Universelle Wahrnehmung: Um die Robustheit seiner Wahrnehmungsschicht zu validieren, setzte Helm.ai seine Automobilsoftware in einem Tagebau ein. Mit extremer Dateneffizienz identifizierte das System fahrbare Oberflächen und Hindernisse korrekt und bewies damit, dass sich die Architektur an jede Robotikumgebung anpassen kann, nicht nur an Straßen.

Diese Architektur bietet Automobilherstellern einen entscheidenden strategischen Vorteil. Während Wettbewerber auf riesige bestehende Flotten angewiesen sind, um Trainingsdaten zu sammeln, ermöglicht der Ansatz von Helm.ai Automobilherstellern den Einsatz von ADAS mit L4-Fähigkeiten unter Verwendung ihrer bestehenden Entwicklungsflotten, wodurch die hohe Datenbarriere für den Einstieg umgangen wird.

„Wir bewegen uns weg von der Ära der brutalen Datenerfassung hin zur Ära der Dateneffizienz“, fügte Voroninski hinzu. „Ob auf einer Autobahn in LA oder einer Transportstraße in einem Bergwerk, die Gesetze der Geometrie bleiben unverändert. Unsere Architektur löst diese universelle Geometrie ein für alle Mal und ermöglicht es uns, Autonomie überall einzusetzen.“

Über Helm.ai

Helm.ai entwickelt KI-Software für L2/L3-ADAS, L4-autonomes Fahren und Roboterautomatisierung. Das 2016 gegründete Unternehmen liefert Full-Stack-Fahrsoftware für den Einsatz in Fahrzeugen und Simulationswerkzeuge, die auf Deep Teaching™ und generativer KI basieren. Helm.ai arbeitet mit globalen Automobilherstellern an seriennahen Programmen zusammen.

Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.

Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20251211872142/de/

Medienkontakt
press@helm.ai