Autonomous Vehicles

Автономные транспортные средства (AV), часто называемые беспилотными автомобилями, используют датчики и искусственный интеллект (AI), чтобы воспринимать окружающую обстановку, предсказывать действия других участников движения, планировать маршрут и управлять рулём, ускорением и торможением без водителя. Это понятие охватывает широкий спектр систем: от автомобилей, удерживающих полосу на шоссе под контролем человека, до роботакси без водителя за рулём. Беспилотные перевозки уже стали коммерческой услугой: Waymo, открывшая полностью беспилотные поездки для публики в Финиксе в 2020 году, перевозит платных пассажиров как минимум в десяти городских агломерациях США, а Apollo Go от Baidu запускает беспилотные роботакси в китайских городах, например в Ухане. Большинство потребительских автомобилей предлагают системы помощи водителю, требующие постоянного контроля со стороны человека, — это по-прежнему самая распространённая форма ИИ в автомобильной отрасли.

Как работают автономные транспортные средства#

Система автономного вождения многократно в секунду выполняет один и тот же цикл:

• Сенсоры: Камеры распознают дорожную разметку, знаки и светофоры; лидар измеряет точные расстояния в 3D с помощью лазерных импульсов; радар измеряет расстояние и скорость и продолжает работать в тумане и под дождём; GNSS, инерциальные датчики и одометрия колёс отслеживают движение самого автомобиля.
• Восприятие: Нейронные сети обнаруживают, классифицируют и отслеживают автомобили, велосипедистов и пешеходов, находят полосы и проезжую часть, а также оценивают расстояния.
• Предсказание: Система прогнозирует, куда каждый участник движения может направиться в ближайшие несколько секунд, часто рассматривая несколько возможных траекторий с указанием вероятности каждой.
• Планирование: Планировщик выбирает маршрут и скорость, которые позволяют продвигаться вперёд, соблюдать правила дорожного движения и сохранять безопасное расстояние до каждой предсказанной траектории.
• Управление: Контроллер нижнего уровня преобразует план в команды рулевого управления, акселератора и тормоза.

Ни один датчик не подходит для любых условий, поэтому их данные объединяет сенсорный фьюжн. Восприятие опирается на обнаружение объектов, семантическую сегментацию дороги, тротуаров и растительности, обнаружение 3D-объектов в облаках точек лидара и отслеживание нескольких объектов; системы, использующие только камеры, оценивают расстояние с помощью оценки глубины и стереозрения. Для слежения за траекторией часто используют предиктивное управление на основе модели, которое учитывает ограничения рулевого управления и ускорения. Общедоступные наборы данных, такие как KITTI и Argoverse, предоставляют размеченные данные о дорожном движении для обучения и тестирования этих моделей.

Отслеживание участников движения в коде#

Для предсказания необходимо знать, как движется каждый участник движения, поэтому система восприятия должна отслеживать все объекты от кадра к кадру, сохраняя их идентификаторы. Ultralytics YOLO26 делает это в режиме tracking, присваивая каждой обнаруженной рамке постоянный ID. В этом примере пешеходы отслеживаются на видео, где идут люди:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Track pedestrians (COCO class 0) across video frames, keeping one ID per person
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
results = model.track(source=video, classes=[0], stream=True)

ids_seen = set()
for result in results:
    if result.boxes.is_track:
        ids_seen.update(result.boxes.id.int().tolist())

print(f"Unique pedestrians tracked: {len(ids_seen)}")

Код выводит количество разных людей, которым были присвоены ID за время ролика. Каждый ID связывает рамки одного человека в разных кадрах, а изменение положения рамки от кадра к кадру образует историю движения, которую модуль предсказания экстраполирует.

Модульные системы и сквозное управление#

Традиционное ПО для AV состоит из отдельных модулей: компоненты восприятия, предсказания, планирования и управления разрабатываются и тестируются независимо, а затем соединяются вручную спроектированными интерфейсами, например списками отслеживаемых объектов. Сквозные системы заменяют большую часть этого конвейера одной нейронной сетью, которая преобразует данные сенсоров в траекторию и обучается с помощью имитационного обучения на больших объёмах данных о вождении людей. В 2024 году Tesla перевела ПО помощи водителю FSD (Supervised) на сквозную сеть, начиная с версии 12; исследовательская модель UniAD, объединяющая восприятие, предсказание и планирование в одной сети, оптимизированной для планирования, получила награду за лучшую статью на CVPR 2023. Многие производственные системы находятся между этими двумя подходами: обучаемые модули совместно оптимизируются, но по-прежнему предоставляют интерпретируемые результаты, которые инженеры могут проверять.

Значительная часть проверки выполняется в симуляции, поскольку редкие события невозможно собирать по запросу. Модель мира, обученная на данных автопарка, например Waymo World Model, анонсированная в феврале 2026 года, генерирует реалистичные данные с камер и лидаров для сценариев, которых автопарк ещё не встречал; обучение с подкреплением в симуляции помогает планировщикам справляться с ситуациями, которые редко встречаются в данных о вождении людей.

Уровни автоматизации вождения#

Стандарт SAE J3016, пересмотренный совместно с ISO в 2021 году, определяет шесть уровней автоматизации вождения. Уровни с 0 по 2 — это системы помощи водителю: за рулём остаётся человек, даже если ноги не на педалях, а руки не на руле, и он должен постоянно следить за дорогой. Уровни с 3 по 5 — это системы автоматизированного вождения, которые управляют автомобилем самостоятельно, по крайней мере в пределах предусмотренной для них области проектирования, то есть на дорогах, при скоростях и в условиях, для которых они созданы:

Системы вождения без рук на руле, такие как Super Cruise от GM, относятся к уровню 2, поскольку водитель должен следить за дорогой. Drive Pilot от Mercedes-Benz — система уровня 3, одобренная для некоторых шоссе в Германии, Калифорнии и Неваде: водитель может отвести взгляд от дороги, но должен взять управление на себя по запросу системы. Роботакси Waymo относятся к уровню 4: они работают без водителя в пределах картографированных зон обслуживания. Транспортных средств уровня 5, способных ездить везде, где мог бы человек, пока не существует.

Примеры применения в реальных условиях#

• Роботакси: Waymo, Baidu Apollo Go и другие сервисы перевозят пассажиров без водителя безопасности в салоне, работая в определённых зонах обслуживания. За ними следят удалённые операторы, которые могут ответить на вопросы автомобиля.
• Грузоперевозки: В 2025 году Aurora начала перевозить грузы клиентов беспилотными грузовиками между Далласом и Хьюстоном по шоссе, где автоматизации подходит длительная и предсказуемая поездка.
• Помощь водителю: Адаптивный круиз-контроль, удержание автомобиля по центру полосы и автоматическое экстренное торможение используют похожие модели восприятия в миллионах потребительских автомобилей, часто вместе с камерами контроля водителя, которые следят за его вниманием.
• Промышленные транспортные средства: Автономные карьерные самосвалы, тягачи на грузовых площадках и складские погрузчики работают на закрытых территориях, где маршруты и движение контролируются.

Автономные транспортные средства и смежные понятия#

• Передовые системы помощи водителю (ADAS): Функции уровней с 0 по 2 помогают водителю, который по-прежнему отвечает за управление автомобилем. AV в строгом смысле самостоятельно выполняет всю задачу вождения.
• Подключённые транспортные средства (V2X): Автомобили обмениваются данными друг с другом и с инфраструктурой, например со светофорами. Автомобиль может быть подключённым, но не автоматизированным, а связь позволяет AV получать информацию за пределами зоны действия собственных датчиков.
• Удалённая помощь и удалённое управление: В редакции SAE 2021 года эти понятия различаются. Удалённый помощник даёт беспилотному автомобилю рекомендации, например подтверждает, что можно объехать остановившийся грузовик, а автомобиль продолжает управлять собой; удалённый водитель напрямую управляет автомобилем на расстоянии.
• Физический ИИ и робототехника: AV — это мобильный робот, предназначенный для дорог общего пользования, крупнейшее коммерческое применение физического ИИ; методы восприятия и планирования, используемые в AV, также применяются в складских роботах, дронах и человекоподобных роботах.