Любой беспилотник, прежде чем начать движение, собирает и обрабатывает огромные массивы информации, в том числе и визуальной. И если говорить о «машинном зрении», то для его совершенствования заинтересованные в подобной технике структуры проводят тысячи тестовых заездов опытных образцов машин, в ходе которых фиксируются и анализируются их способности хорошо «видеть».
В частности, за годы своего развития процесс автоматического детектирования дорожных знаков эволюционировал от классических методов компьютерного зрения к сложным нейронным сетям, способным распознавать объекты под разными углами и в сложных погодных условиях. Это позволяет системам корректно идентифицировать не только стандартные, но и временные, поврежденные или частично скрытые указатели, которые часто встречаются на российских дорогах.
Для повышения точности информации, считываемой беспилотниками, знаки дорожной разметки группируются по категориям (например, запрещающие или предписывающие — совсем как для обычного транспорта), что облегчает их первичное обнаружение автономными ТС, рассказывают специалисты. Современные алгоритмы учатся интерпретировать контекст: например, понимать, что знак ограничения скорости, установленный на фоне ремонтных работ, имеет приоритет.
Параллельно с программными алгоритмами развивается и аппаратная составляющая систем автопилота. Автономные автомобили оснащаются лидарами, радарами и камерами, которые комплексно оценивают окружающую обстановку. Что критически важно для обнаружения не обозначенных знаками препятствий: выбоин, открытых люков или неровностей. Полученные сенсорные данные, объединенные с картографической информацией, позволяют системе прогнозировать траекторию движения, избегая опасных участков.
При этом практическое внедрение автопилотных систем в автомобили сталкивается с целым рядом вызовов, которые еще только предстоит преодолеть. Лидары, радары и камеры уязвимы к погодным условиям (снег, туман, дождь, яркое солнце), могут не распознавать загрязненные знаки или нестандартные объекты (например — необычный груз на телеге).
У них возникают сложности с прогнозированием поведения людей (пешеходов, велосипедистов, неадекватных водителей) и животных. А хаотичное движение в плотном потоке современного мегаполиса — отдельный громадный вызов. Зафиксированы случаи, когда беспилотники «замирали» на трассе, не могли правильно объехать яму или открытый люк, путались при изменении дорожной разметки. В Москве зафиксированы инциденты с некорректным распознаванием жестов регулировщика.
Отдельные вопросы относительно внедрения автопилотов в повседневную жизнь связаны с кибербезопасностью (риски взлома систем управления) и правовым регулированием (установление лица, виновного в ДТП, и отсутствие единых международных стандартов).
Таким образом, практическое внедрение автопилотов — это не просто техническая задача, а системная трансформация, требующая синхронизации технологий, законов, инфраструктуры и, в конце концов, общественного договора.
Сейчас в мире происходит процесс, который можно обозначить, как некую коррекцию ожиданий в отношении автопилотов: фокус сместился на поэтапное улучшение систем помощи водителю и автономность в ограниченных зонах (например, такси в определенном районе).
А технологический прорыв в этом вопросе, о котором человечество грезило еще в середине прошлого века, займет, по-видимому, гораздо больше времени, чем предполагалось. Сколько именно — пока сказать сложно.
