Машины становятся умнее. Не в плане философии, а в плане работы внутри — алгоритмы, управляющие современными автомобилями, способны за доли секунды обработать информацию, зачастую лучше человеческого мозга. Нейросети проникли в автомобильную промышленность настолько глубоко, что управление автомобилем уже не кажется исключительно человеческим занятием.
Системы искусственного интеллекта могут распознавать дорожные знаки быстрее, чем мы успеем моргнуть, предсказывают траекторию движения пешеходов и даже учат на ошибках других автомобилей. Но как же машина научилась "видеть" и "думать"? Эксперт "Авито Авто" Иван Иртуков подробно изучил вопрос.
Для того чтобы автомобиль мог управлять собой, ему нужны глаза. Причём не пара камер, а целый арсенал сенсоров: оптические и радиолокационные датчики, установленные по всему кузову. Камеры фиксируют пешеходов на переходе, светофоры, дорожные знаки и даже животных. Лидары создают трехмерную карту окружающего пространства, замеряя расстояние до объектов с высокой точностью. Радары "видят" через туман, дождь и снег, когда камеры не могут распознать объекты. Ультразвуковые датчики помогают при парковке, сканируя препятствия вблизи бампера.
Все эти датчики генерируют несколько гигабайт данных каждую секунду. Подумайте: сколько информации нужно обработать, чтобы понять, что впереди пешеход переходит дорогу, а не стоит у обочины? Или что велосипедист слева планирует перестроиться, а не едет параллельно?
Здесь на помощь приходят нейросети, которые обрабатывают эту информацию за доли секунды и превращают её в понятные команды для управления автомобилем. Сверточные нейронные сети (CNN) специализируются на обработке изображений, находя объекты и классифицируя их. Алгоритмы YOLO позволяют распознавать объекты в реальном времени с минимальными задержками. Благодаря этим технологиям автомобиль "видит" дорогу, анализируя объекты и их движение в реальном времени.
Нейросети также способны учитывать траекторию движения каждого объекта, скорость пешехода и направление велосипедиста. Время на принятие решения минимально — доли секунды. Для сравнения, при скорости движения 90-110 км/ч, на принятие правильного решения у машины остается лишь несколько миллисекунд.
Например, Tesla использует обучение на реальных данных с миллионов автомобилей по всему миру. Каждая Tesla, оснащенная камерами и датчиками, собирает информацию и отправляет её в облако, где нейросеть анализирует видео с реальными ситуациями на дорогах. Это помогает системе постоянно совершенствоваться, создавая коллективный разум, где каждый автомобиль учится на опыте других.
Не все автомобили обладают полными автономными функциями, но почти все оснащены системами помощи водителю (ADAS), которые облегчают управление и повышают безопасность. Эти системы работают благодаря нейросетям и включают в себя множество функций, таких как Forward Collision Warning (FCW) — предупреждение о возможном столкновении с автомобилем впереди, Lane Departure Warning (LDW) — сигнал о выходе из полосы без включения поворотника, и Driver Monitoring System (DMS) — мониторинг состояния водителя.
Однако с каждым годом система помощи водителю всё больше сливается с функциями автономного вождения. Например, некоторые автомобили уже могут самостоятельно парковаться, перестраиваться между полосами и двигаться по трассе без участия водителя.
Mercedes-Benz представил систему Drive Pilot уровня 3, которая позволяет водителю не следить за дорогой в пробках и берет на себя ответственность за аварию в случае непредвиденной ситуации. Это — важный шаг к полной автономности автомобилей.
Автономные автомобили классифицируются по уровню автономности по шкале SAE (Society of Automotive Engineers), которая варьируется от 0 до 5. Уровень 0 — это автомобили, в которых водитель управляет всеми аспектами движения. Уровень 1 включает базовые функции, такие как адаптивный круиз-контроль и удержание полосы. На уровне 2 автомобиль может самостоятельно рулить, тормозить и ускоряться, но водитель должен контролировать ситуацию. Уровень 3 позволяет водителю временно отвлечься от дороги в условиях, например, в пробках, но быть готовым к вмешательству.
Tesla Autopilot и Cadillac Super Cruise - примеры автомобилей, которые работают на уровне 2. Waymo, в свою очередь, разрабатывает автомобили с уровнем 4, которые способны перемещаться автономно в большинстве условий.
Но даже при наличии столь продвинутых технологий, полная автономия (уровень 5) все еще остается недостижимой. Проблемы связаны с непредсказуемостью дорожных ситуаций. Нейросети могут обучаться распознавать и обрабатывать известные сценарии, но что делать, если на дорогу внезапно выбежит животное или появится неожиданная преграда?
Современные автомобили оснащены множеством сенсоров, обеспечивающих полную картину окружающей среды. Камеры, лидары, радары и ультразвуковые датчики помогают "видеть" всё, что происходит вокруг. В зависимости от условий, каждый тип датчика выполняет свою роль.
Лидары создают трехмерную карту окружающего мира, но они достаточно дороги, и Tesla отказалась от использования лидаров, полагаясь на камеры. С другой стороны, Waymo активно использует лидары как основной источник данных.
Радары обеспечивают устойчивость к плохой видимости, пробивая дождь и туман, а ультразвуковые датчики помогают при парковке и движении задним ходом, точно определяя расстояния.
Каждый из этих сенсоров имеет свои преимущества и недостатки, но в тандеме они создают надежную и эффективную систему восприятия для автономных автомобилей.
Распознав объекты, система должна правильно оценить, что с ними делать. Например, если впереди пешеход, система должна замедлить движение. Если машина перестраивается, автомобиль должен корректировать траекторию. Такие решения должны быть приняты за доли секунды.
Применение обучения с подкреплением позволяет нейросети обучаться на практике, улучшая свои действия через пробу и ошибку, чтобы с каждым маневром результат становился всё безопаснее.
Искусственный интеллект обещает повысить безопасность на дорогах. Системы, такие как Tesla Autopilot, уменьшают количество аварий на 30-40%, что намного лучше, чем статистика для человека-водителя.
Однако важным вызовом остаётся этика: что делать, если автомобиль сталкивается с ситуацией, где нужно выбирать между спасением пешехода и возможной аварией с более серьезными последствиями для пассажиров? Это дилемма, которая требует этического подхода к программированию ИИ.
На данный момент Tesla остаётся лидером в массовом внедрении автономных технологий. Её система Autopilot активно развивается и ежедневно обновляется благодаря данным с реальных поездок. В то же время Waymo продолжает разрабатывать беспилотные такси, а Mercedes-Benz с Drive Pilot и General Motors с Super Cruise также предоставляют передовые решения для повышения автономности и безопасности на дорогах.
В ближайшие годы ожидается, что большинство автомобилей будут оснащены системами автономного вождения на уровне 3 или 4, что значительно повысит безопасность и удобство для водителей. Однако уровень 5, когда автомобили будут полностью автономными и не нуждаться в водителе, останется целью еще долгие годы.