Zhuoyus Evolution: Das Autonome-Fahren-Unternehmen aus DJIs Drohnenvision

1. Die Kreuzung des Drohnen-Gens: Ein Front-Stereo-Vision-Ursprung

2016 begann tief im Inneren von DJI ein Vorprojekt mit der Nummer BR1609 — praktisch das neunte Forschungsprojekt, das DJI in diesem Jahr startete. Fast niemand ahnte damals, dass daraus eines der eigenwilligsten Autonome-Fahren-Unternehmen Chinas werden würde — dessen berühmteste Entscheidung darin bestand, die eigene Codebasis zu löschen.

2016 hatte der Phantom 4 von DJI den Konsumenten-Drohnenmarkt mit führender maschineller Bildverarbeitung erobert, und die „Mavic"-Serie (御) definierte neu, was eine tragbare Drohne sein kann. Shen Shaojie (沈劭劼) — damals Assistenzprofessor an der HKUST und DJI-Ingenieur für Drohnenlokalisierung und -planung — leitete das Team, das erstmals Stereo-Kameras auf Drohnen platzierte. Sein Team übertrug die HKUST-Forschung, ein visuell-inertiales Navigationssystem auf Basis des VINS-Frameworks, vom Labor in die Serien-Drohnen.

Dem Team fiel etwas Wichtiges auf: Die maschinelle Bildverarbeitung für Drohnen und die Umgebungswahrnehmung fürs Fahren folgten derselben zugrunde liegenden Logik. DJIs akkumulierte Fähigkeiten in Visionsalgorithmen, Sensorfusion und Inertialnavigation ließen sich auf Fahrzeuge übertragen. 2017 führte das kleine Team seine ersten Straßentests auf einem geschlossenen Testgelände in Shenzhen durch, mit einem aus Drohnentechnik abgeleiteten Wahrnehmungssystem. 2018 erhielt das Projekt eine der ersten Testgenehmigungen für autonomes Fahren in Shenzhen und wechselte zur Validierung im offenen Straßenverkehr.

Von diesem Moment an war eine technische Identität gesetzt: Vision zuerst, aufgebaut um ein frontales inertiales Stereo-Visionsystem — ein direkter Nachfahre der VINS-Arbeit aus der Drohnenzeit.

2. Die Chengxing-Plattform: Stadtpiloten auf kostengünstiger Hardware

2021 wurde die Automobilsparte von DJI offiziell gegründet und trat erstmals auf der Shanghai Auto Show auf. Zhuoyus technischer Weg wich deutlich vom Mainstream ab:

• Keine Rechenleistung aufblähen: Die Branche ging davon aus, dass Stadtnavigation 256+ TOPS braucht. Zhuoyu wollte dieselbe Fähigkeit auf 32 TOPS oder weniger liefern.
• Keine teuren Sensoren: eine 7-Kamera-Visionskonfiguration (ein Paar frontaler inertialer Stereo-Kameras, eine hintere Monokamera, vier Surround-Fisheye-Kameras) — keine HD-Karten, keine Lidar-Abhängigkeit.
• „Smart-Driving-Gleichheit" als Ziel: Assistenzsysteme für A0-Klasse-EVs unter 100.000 RMB.

2022 ging der Baojun KiWi EV mit einer Zhuoyu-Lösung in Serie und wurde als „Experiment für intelligentes Fahren zu 100.000 Yuan" bekannt. Die Architektur — minimale Sensorausstattung plus extreme Algorithmus-Optimierung — wurde „Chengxing-Plattform" (成行平台) genannt. Ihr selbstentwickeltes inertiales Stereo-Visionsystem gewinnt 3D-Informationen aus der Disparität, erkennt robust nie gesehene Edge-Case-Objekte und hebt die Hindernis-Erkennungsgenauigkeit auf 0,05–0,1 Meter. Die Branche staunte: Stadtpiloten in dieser Preisklasse waren beispiellos.

3. Die Regel-Ära: Ein Ingenieur-Paradoxon, das schwerer statt leichter wurde

Als traditionelle Robotik-Schule glaubte das Zhuoyu-Team lange an regelgetriebene Ansätze, mit der impliziten Annahme „Ich habe das Modell der physikalischen Welt gebaut". In der Stadtpiloten-Entwicklung zählten Ingenieure Verkehrsszenarien auf und schrieben Tausende Regeln für Ampeln, ungeschützte Abbiegevorgänge, Fußgänger und E-Bikes.

Die Realität konterte brutal. Die Komplexität des chinesischen Stadtverkehrs übersteigt jede Regelbibliothek — E-Bikes im Gegenverkehr, querende Fußgänger, „Reißverschluss"-Konflikte. Jedes nicht aufgezählte Long-Tail-Szenario verlangte neue Regeln, und jede neue Regel brachte mehr Probleme. Das Team beschrieb es als Ingenieur-Paradoxon: „Ein Problem lösen, zehn neue entstehen." Der Regelcode wuchs, das System wurde unbeholfener. 2024, als die Branche massenhaft auf End-to-End umschwenkte, stand Zhuoyu unter dreifachem Druck: unreifes Modell, Lieferdruck der Kunden, volatiler Backend-Output.

4. All-in: Die Codebasis löschen und alles auf End-to-End setzen

2024 wurde zum Wendepunkt.

Nach fast einem Jahr End-to-End-Vorforschung traf das Team eine in der Branche seltene Entscheidung — ein Moment des „sich den Arm abhackens". Am 14. Oktober 2024 löschten sie die gesamte alte Codebasis und erklärten: „Von jetzt an gibt es nur noch End-to-End, keine Regeln mehr."

Die Entscheidung löschte acht Jahre regelbasierte Technik. Zhuoyu hatte sich gerade erst von DJI abgespalten. Die erste Finanzierungsrunde hatte 1,5 Mrd. RMB eingebracht — aber nur ein Drittel war tatsächlich eingegangen. Tausende Mitarbeiter, und das Geld reichte nur für wenige Monate. CEO Shen Shaojie beschrieb die Trennung mit einer Metapher aus The Three-Body Problem: Die Menschheit wird zur Weltraum-Menschheit — kein Zuhause mehr, der Feind zu stark, und von fünf überlebenden Schiffen reichen die Ressourcen nur für zwei. „Drei müssen geopfert werden."

Der Schwenk war kein blindes Zocken. Inspiriert von Teslas „Klugheit statt Brachialgewalt" (modulare, erklärbare Komponenten statt einer riesigen Blackbox), wählte Zhuoyu eine differenzierte erklärbare End-to-End-Route:

• Das VLA-Modell (Vision-Language-Action) in erklärbare, rollengetrennte Module zerlegen — Wahrnehmungsfusion, Szenenverständnis, Entscheidungsplanung —, um den datengetriebenen Vorteil zu behalten und zugleich zwei der schwersten Probleme zu lösen: kausales Denken und Erzeugung von Niedrigfrequenzdaten. Jede Modulausgabe ist nachvollziehbar; bei einem Fehler lässt sich das schuldige Modul lokalisieren.
• Für Niedrigfrequenzdaten (Stürme, Schneestürme, Baustellen) wurde eine Simulationsbibliothek mit über 200 Long-Tail-Szenarien aufgebaut.

Die Release-Kadenz nach dem Schwenk war schnell. Im November 2024 wurde der FAW Hongqi Tiangong 08 das erste Serienfahrzeug mit Zhuoyus erklärbarem End-to-End-Algorithmus (Chengxing „ClixPilot"), mit einer 10-Kamera-Hochleistungskonfiguration auf einem Qualcomm SA8650P bei 100 TOPS und kartefreier Stadtnavigation landesweit. 2025 gelang Zhuoyu die End-to-End-Bereitstellung auf TIs TDA4 (32 TOPS) — das einzige Mid-Compute-Urban-NOA seiner Art, per OTA an 100.000-Yuan-Klasse-Fahrzeuge von Wuling und Jetour.

Heute deckt Zhuoyu 9 Pkw-Kunden, 15 Co-Branding-Programme, mehr als 50 Serienmodelle ab und beansprucht 34 Partner mit über 130 Fahrzeugprogrammen — vom A0-Einstiegs-EV bis zur Luxuslimousine, über Verbrenner, Hybrid und rein elektrisch.

Schluss

Zhuoyus Bogen ist eine Geschichte kontrollierter Selbstzerstörung. Ein Drohnen-Vision-Team erbte ein tiefes Talent, aus minimaler Hardware maximale Leistung herauszuholen — Stereo-Vision statt Lidar, 32 TOPS statt 256. Diese „Klugheit statt Brachialgewalt"-Disziplin machte es zu einem der ersten Anbieter, die einen erklärbaren End-to-End-Stadtpiloten auf Mainstream-Compute lieferten — und sie ermöglicht es einem Unternehmen, das im Oktober 2024 die eigene Codebasis löschte, heute zu den führenden Assistenz-Anbietern zu gehören.

Titelbild: DJI Mavic 3 Pro vs. DJI Phantom 4 Pro (via Wikimedia Commons, CC BY 4.0) — die beiden Drohnenlinien im Zentrum von Zhuoyus Visions-Erbe.