Ein Auto fährt lautlos heran, die App bestätigt: „Ihr Fahrzeug ist da.“ Doch niemand sitzt am Steuer. Für Bewohner zahlreicher Metropolen ist dies längst keine Science-Fiction mehr. Doch bevor autonomes Fahren flächendeckend Alltag wird, muss eine zentrale Frage geklärt sein: Wie lässt sich Sicherheit in die Architektur von Robotaxis integrieren, statt sie nachträglich hinzuzufügen? Die Antwort liefert ein neues Full-Stack-Sicherheitssystem.

Robotaxis verlassen das Prototyp-Stadium

Die Robotaxi-Industrie hat den Sprung von ersten Prototypen zu kommerziellen Betrieben geschafft. Ein wachsendes Ökosystem treibt die weltweite Einführung voran. Bei der NVIDIA GTC Taipei wurden mehrere neue Kooperationen vorgestellt, die das enorme Potenzial autonomer Fahrdienste unterstreichen:

• Uber und Autobrains starten ein Robotaxi-Programm in München auf Basis der NVIDIA DRIVE Hyperion Plattform. Dabei kommt die agentische KI von Autobrains zum Einsatz, um skalierbare Operationen zu ermöglichen.
• Foxconn erweitert die Zusammenarbeit mit NVIDIA, um Flotten autonomer Taxis in Taiwan aufzubauen. Die Integration erfolgt über NVIDIA DRIVE Hyperion.
• VinFast arbeitet mit Autobrains zusammen, um Fahrzeuge mit Level-4-Autonomie für den südostasiatischen Markt zu entwickeln.
• HUMAIN bringt DRIVE-Hyperion-basierte Robotaxis nach Saudi-Arabien und erweitert so die globale Präsenz der Plattform in den Nahen Osten.

Sicherheit als fundamentale Herausforderung

Mit der Skalierung des Robotaxi-Marktes rückt die Sicherheit in den Fokus. Regulierungsbehörden und Entwickler diskutieren intensiv, was eine sichere Flottenbetreibung auf öffentlichen Straßen erfordert. Dabei stehen oft die Leistungsfähigkeit der Wahrnehmungssysteme und die Entscheidungsfindung der KI im Mittelpunkt.

Doch Wahrnehmung und KI-Modelle allein genügen nicht. Vorschriften verlangen nachweislich zuverlässiges Systemverhalten, die Isolierung von Fehlquellen bevor diese eskalieren und die strikte Einhaltung definierter Betriebsgrenzen. Für die Sicherheit von Robotaxis müssen gleichzeitig vier zentrale Herausforderungen gelöst werden:

• Ein sicherheitszertifizierbares Betriebssystem
• Sichere, standardisierte Hardware- und Softwareschnittstellen
• KI, die innerhalb überprüfbarer Leitplanken agiert
• Validierung im großen Maßstab, bevor Fahrzeuge die Straße erreichen

Hier setzt das kürzlich vorgestellte NVIDIA Halos Operating System (OS) an. Als Kernkomponente des umfassenden NVIDIA Halos Sicherheitssystems bietet es eine einheitliche, produktionsreife Sicherheitsgrundlage für KI-gesteuerte Fahrzeuge. Es basiert auf NVIDIA DRIVE Hyperion und umfasst mehrere leistungsstarke Module.

Halos Core: Die zertifizierte Betriebssystem-Basis

Das Fundament von NVIDIA Halos OS bildet Halos Core. Es handelt sich um die Weiterentwicklung von NVIDIA DriveOS und ist nach automotiven Sicherheitsstandards zertifiziert. Das System ist auditiert, dokumentiert und beweist vorhersehbares Verhalten unter Fehlerbedingungen. Ein Hypervisor isoliert sicherheitskritische Funktionen so, dass Ausfälle nicht in die Fahrzeugsteuerung vordringen können.

Halos Core entspricht dem höchsten Sicherheitslevel ISO 26262 ASIL D, bietet zertifizierte Unterstützung für NVIDIA CUDA und TensorRT und stellt mit TensorRT Edge-LLM ein Open-Source-Framework für leistungsstarke Large-Language-Model-Inferenz bereit.

Halos SDK: Standardisierte Schnittstellen für mehr Effizienz

Ein Robotaxi integriert Kameras, Radar, Lidar und weitere Sensoren, die jeweils Daten in unterschiedlichen Formaten und Geschwindigkeiten liefern. Ohne standardisierte Middleware zwingt jeder Hardwarewechsel Entwicklersteams zur manuellen Neuentwicklung der Schnittstellen.

Das Halos SDK eliminiert diesen Aufwand. Eine Sensorabstraktionsschicht entkoppelt den autonomen Fahrstack von einzelnen Sensortreibern. Das Hinzufügen oder Austauschen eines Sensors bleibt ohne Auswirkungen auf den Anwendungscode. Eine Fahrzeugabstraktionsschicht verbindet den Stack über ein einheitliches Interface mit dem Rest des Fahrzeugs.

Darüber hinaus liefert das SDK essenzielle Laufzeitkomponenten: einen deterministischen Scheduler für vorhersagbare Zeitabläufe, Zero-Copy-Interprozesskommunikation ohne zusätzliche Latenz, ein umfassendes Fehlerbehandlungsframework sowie einen robusten Szenario-Datenrekorder.

Halos Applications: Leitplanken für künstliche Intelligenz

KI-Modelle können menschliches Fahrverhalten nachahmen, doch Regulatoren verlangen mehr als bloße Leistung. Die Halos Applications-Schicht bietet deterministische, regelbasierte Funktionen als Sicherheits-Leitplanken. Dazu gehören Wahrnehmungsfunktionen auf Basis von Weltmodellen sowie die mehrfach ausgezeichnete NVIDIA DRIVE active safety stack mit automatischer Notbremsung, Spurhalteassistent, Totwinkelüberwachung und Kollisionswarnung.

Zusätzlich ermöglicht Halos OS die Kombination mit End-to-End-KI-Modellen, bei denen Erklärbarkeit und Transparenz entscheidend sind. Hierzu zählt die NVIDIA Alpamayo Modellfamilie für autonomes Fahren, die Chain-of-Thought-Reasoning unterstützt und die Fahrumgebung kontinuierlich bewertet.

Halos Infra und das Safety Evaluation Framework

Halos Infra bildet die cloudbasierte Entwicklungsinfrastruktur für Training, Simulation und Validierung im großen Maßstab. Sie ist die Basis für das kürzlich veröffentlichte NVIDIA Halos Safety Evaluation Framework (SEF).

Das SEF stellt Werkzeuge und Richtlinien bereit, um glaubwürdige Sicherheitsnachweise von Level-2-Assistenzsystemen bis hin zu Level-4-Robotaxis zu erstellen. Es basiert auf über 330 Forschungspapieren und 1.000 Patenten aus der Entwicklung von NVIDIA Halos OS.

Die Infrastruktur läuft auf NVIDIAS Drei-Computer-Lösung für autonomes Fahren:

• NVIDIA DGX Systeme für das KI-Training im Rechenzentrum
• NVIDIA Omniverse auf OVX-Systemen für Simulation und synthetische Datengenerierung
• NVIDIA AGX als Fahrzeugcomputer für Echtzeit-Sensorverarbeitung und Sicherheit

Halos OS überspannt den gesamten Entwicklungszyklus – vom Training und der Simulation in Halos Infra bis zur Inferenz im Fahrzeug selbst.

Fazit: Sicherheit als integralen Bestandteil denken

Die Diskussion um autonomes Fahren dreht sich oft um die Frage, was ein Fahrzeug wahrnehmen und entscheiden kann. Doch für den sicheren Einsatz von Robotaxis zählt vor allem die verlässliche Gesamtarchitektur. Sicherheit darf keine nachträgliche Ergänzung sein, sondern muss von Grund auf in Hard- und Software verankert werden. Das zeigt eindrücklich, warum das NVIDIA Halos OS als durchgängige Sicherheitsgrundlage konzipiert wurde.

Quelle: https://blogs.nvidia.com/blog/halos-os-robotaxi-safety/