Прокладка между рулем и сиденьем исчезает

Глеб МОРДОВЦЕВ, IT-специалист

Теги: Роботы | Новые технологии | Искусственный интеллект

Иллюстрации созданы искусственным интеллектом

Большой город, наши дни. Вы спешите домой после тяжелого рабочего дня. Обычно добираетесь метро, но сегодня решили воспользоваться новой услугой — роботакси, доверив свою безопасность беспилотной машине. Заказываете ее через приложение в телефоне, и через пару минут к офису подъезжает небольшой автомобиль — чудо современной инженерной мысли.

Я все вижу

Первое, что удивляет — это наличие водителя. Минуточку, ведь такси беспилотное! Не случилось ли ошибки в приложении при подборе тарифа? Но нет: в каждом беспилотном автомобиле пока обязательно присутствует safety driver, то есть человек, который примет на себя управление в непредвиденной ситуации. Он сидит на водительском месте и внимательно наблюдает за происходящим на дороге, но не трогает ни руль, ни педали.

Затем, скорее всего, искусственный интеллект поприветствует и попросит пристегнуть ремень безопасности. Здесь все строго: если этого не сделать, машина никуда не поедет. При планировании беспилотных поездок разработчики приняли все меры, чтобы обеспечить пассажиру возможно большую безопасность.

Вот машина плавно трогается и вливается в транспортный поток. Интересно, как именно она ориентируется на дороге и принимает решения? Ей нужно видеть мир вокруг себя. Для этого есть сенсоры. На крыше авто есть блок, похожий на автобокс для дополнительного хранения. В нем расположены главные органы чувств роботакси — камеры и лидары.

Лидары — это очень точные лазерные дальномеры. Они посылают лучи, ловят их обратно и по времени, которое прошло между отправкой и приемом, определяют расстояние до объектов. Несколько таких дальномеров скреплены между собой и вращаются вокруг своей оси со скоростью 10 оборотов в секунду. Результатом их работы является облако точек, окружающих автомобиль, в очертаниях которых угадываются объекты. К сожалению, одних только лидаров недостаточно, чтобы иметь полную картину окружающей обстановки. Например, без специальных алгоритмов они воспринимают как препятствия облака из выхлопных труб автомобилей, а также снег, дождь и пух. Черная машина с матовым покрытием для лидара будет считаться пустотой, потому что лучи поглотятся этим покрытием и не вернутся обратно. Похожая ситуация происходит с лужами. При этом лидар — очень дорогое устройство. Его стоимость может быть выше машины-носителя.

Камеры закреплены на корпусе таким образом, чтобы видеть обстановку вокруг на 360 градусов. Это довольно понятный вид сенсора, но одной картинки недостаточно. При обработке изображений с камер используется семантическая сегментация: каждому пикселю назначается какой-то определенный класс в зависимости от его принадлежности (дорога, разметка, машина, бордюр, иное). Кирилл Болонкин, руководитель подразделения Яндекс, занимающегося беспилотными автомобилями, сравнивает это со сценами из фильма «Терминатор», в которых художники показывали вид из глаз робота. Только если у Терминатора задача состояла в истреблении людей, автопилот, напротив, пытается сохранить жизнь.

По периметру машины установлены радары. Они тоже измеряют расстояния до объектов, хоть и не так точно, как лидары. Главное их достоинство — они моментально определяют скорость движущихся объектов, а также направление движения. А еще на их работу гораздо меньше влияют погодные условия.

В итоге беспилотник понимает полную картину мира, собирая информацию со всех сенсоров одновременно в одном компьютере, спрятанном в багажнике. Это довольно мощное устройство — 256 Гб оперативной памяти, три графические карты, хорошие серверные процессоры. Обрабатывая информацию, компьютер посылает сигналы машине через плату управления (CAN, Controller Area Network). Такие платы установлены в большинстве современных авто, так что инженерам не приходится придумывать дополнительные рычаги для руля, коробки передач и педалей. Оттого создается впечатление, что в машину вселился какой-то дух. На деле же этот дух — очень сложный и внимательный искусственный интеллект.

Я знаю, где я

Двигаясь по дороге в беспилотнике, немудрено почувствовать некоторую тревогу. Ведь даже обычному уже адаптивному круиз-контролю не все доверяют, особенно с непривычки. А ну как электронные мозги глюкнут в самый неподходящий момент и машина смачно поцелует столб или что похуже? А точно ли такси довезет до пункта назначения? Как вообще оно понимает, в какой точке пространства находится? Это так важно в оживленном потоке, где любая погрешность выведет на чужую полосу.

Для определения себя в пространстве машина использует сразу три метода: GNSS, одометрия, ICP. Первое — это определение местоположения с помощью спутников. У стандартного GPS точность определения составляет около 5–10 метров, но лишь в том случае, если не мешают погодные условия, высотные здания или другие сооружения и устройства, расположенные поблизости. В городе эта погрешность может увеличиваться до 20 метров. Чтобы избавиться от нее, специалисты используют алгоритмы RTK (Real Time Kinematic). Для его работы на базовые станции устанавливают дополнительное приемо-передающее оборудование, а также заранее очень точно вычисляют ее местоположение. В случае, если GPS начнет сбоить, это оборудование поймет, на какую величину сигнал ошибается, и отправит эту разницу прямо на автомобиль. Метод позволяет увеличить точность определения местоположения вплоть до метра. Однако при плотной городской застройке даже он может ошибаться.

Одометрия — это метод, при котором к колесам автомобиля подключаются специальные датчики, считывающие скорость кручения колес. Если мы знаем, где находились несколько секунд назад, и знаем, как и в какую сторону двигались, то не так уж и сложно вычислить новое местоположение. Впрочем, у одометрии есть свои недостатки. Шины бывают разных размеров, они могут проскальзывать по скользким поверхностям, да и сами дороги редко идеально ровные. К тому же давление шин может меняться в зависимости от нагрузки автомобиля: чем больше пассажиров и груза, тем сильнее сцепление с дорожным полотном. Возможно, именно поэтому пока в роботакси действует ограничение — только один пассажир за раз (не считая водителя).

ICP (Iterative Closest Point) — это сравнение облаков точек, которые генерируют лидары в данный момент, с теми, что записаны заранее в компьютер. Это самый точный метод из всех, позволяющий определить положение авто вплоть до сантиметра. Но для построения такой карты окружающего мира, состоящей из множества точек, нужно много раз ездить по одному маршруту, отсеивая лишние объекты. А потом быстро и часто обращаться к ней.

Хорошо, что для этого в машине установили такой мощный компьютер, способный объединять все три способа определения местоположения в один. Таким образом, даже если беспилотник окажется отрезан от интернета, он все равно не потеряется в пространстве.

Я знаю тебя

Двигаться в потоке машин — одно дело, но путь до дома состоит не только из этого. Нужно пересекать перекрестки и пешеходные переходы. Как определить дорожную ситуацию целиком?

Это очень сложная комплексная задача — собрать данные с сенсоров и правильно их разметить. Сюда же входит и автоматический сбор всех побочных данных: например, в тех случаях, когда водителю пришлось вмешиваться в управление или когда происходят системные сбои. Это очень важно для диагностики всей системы и устранения неисправностей.

Камеры — главный инструмент для определения дорожной ситуации. Они, как и лидары, могут определять расстояния до объектов, и весьма точно. Но если лидары мониторят все стороны, то каждая камера ограничена своим углом обзора. Да, уже существуют такие, что видят на все 360 градусов одновременно, но качество картинки пока проигрывает узконаправленным гаджетам. А значит, картинки с разных камер нужно программно склеивать.

Когда изображения попадают на компьютер, тот должен в кратчайшие сроки распознать все, что есть. Для этого он сравнивает данные с камер, радаров и лидаров, складывая в единую картину, наполненную трехмерными объектами. Чтобы процесс проходил максимально точно, компьютеры тренируют, используя сервисы вроде Яндекс.Толока. В технологических компаниях существуют отдельные группы моделирования, которые постоянно ищут способы ускорить процесс распознавания, обучая нейронные сети на больших объемах данных. В Яндексе такой группой руководит Борис Янгель. Люди помогают обучаться машинам, самостоятельно размечая на картинках объекты и сравнивая их с облаком точек или двумерными схемами. Стоит ли говорить, что такое обучение нужно проводить много раз и при разных условиях. Например, при дневном и ночном освещении. Лидары и радары, к счастью, проблем с низкой освещенностью не испытывают.

Без мощного и дорогостоящего компьютера беспилотное движение не имеет перспектив. Если машина движется со скоростью всего 40 км/час, это значит, что она преодолевает за секунду 10 метров. Дорожная ситуация меняется постоянно, и если бы сигнал обрабатывался раз в секунду, то на такой скорости автомобиль принимал бы решения лишь каждые 10 метров. Поэтому компании не скупятся на оборудование, которое способно обрабатывать сигналы максимально быстро — приблизительно 50 раз в секунду. Это в 20 раз быстрее, чем реакция среднестатистического водителя.

Я знаю, что будет дальше

Когда вы уже подъезжаете к дому, случается непредвиденное: на дорогу выскакивает бродячая собака. Водитель безопасности бьет по педали тормоза, однако машина уже остановилась самостоятельно. Но как, Холмс?

Дело в том, что после поступления всех сигналов с сенсоров на центральный компьютер начинается самый главный процесс — анализ и принятие решений. Какой сигнал горит на светофоре впереди? Нужно ли уступить дорогу перестраивающемуся автомобилю? Пешеход собирается перейти дорогу или просто стоит? Компьютер строит множество вариантов движения, даже если его носитель просто едет в рамках полосы. Каждому из вариантов электронный мозг назначает свою оценку, в итоге выбирает оптимальный. И так 50 раз в секунду. Учитываются случаи, когда кто-то из участников движения может нарушить ПДД. Для этого вероятностный анализ составляется не только для самой машины, но и всех двигающихся окружающих объектов. Особенно это касается пешеходов, которые, в отличие от машин, могут резко поменять направление, да хоть на 180 градусов. Беспилотник априори считает все вокруг непредсказуемым, поэтому его сложно удивить.

На основе анализа автомобиль принимает какое-то решение (перестроиться, подождать, замедлиться), затем строит траекторию и, наконец, приступает к исполнению. При выборе траектории алгоритм может учитывать даже самые неочевидные факторы. Например, в какой-то момент инженеры Яндекса обнаружили, что пассажиров в беспилотных автомобилях гораздо чаще укачивает. Оказалось, что это зависит от большого количества рывков, которые делает машина, ежесекундно меняя свой маршрут. Поэтому в алгоритм добавили еще одну вводную: ехать так, чтобы изменений ускорения было как можно меньше.

Я водитель будущего

Беспилотные такси пока в стадии тестирования, поэтому стоимость поездки невысока. До того, как проводить испытания на людях, компании используют компьютерные симуляторы. На специальных серверах, в виртуальных городах днем и ночью гоняют машины, в которых работает аналогичный алгоритм. На них отрабатываются всевозможные штатные и внештатные события, чтобы тренировать искусственный интеллект быстро принимать правильные решения.

Сейчас специалисты выделяют 5 уровней автономности беспилотников. На первом находится редкая помощь водителю, вроде хорошо знакомых адаптивного круиз-контроля и парковочного ассистента. На пятом — полная автономность, при которой автомобиль изначально можно конструировать без руля. Современные модели «Тесла» находятся на втором уровне: они могут самостоятельно управлять движением только на оборудованных автобанах. Инженеры Яндекса в данный момент тестируют на улицах Москвы автомобили четвертого уровня автономности. Такая машина полностью контролирует свое движение, а в непредвиденной ситуации способна сама остановиться, припарковаться или аккуратно съехать на обочину.

Хотя в салоне всегда находится водитель безопасности, аварии нельзя полностью исключать. Громкая история произошла в мае 2018 года в штате Аризона. Там женщина переходила ночью дорогу в неположенном месте, и ее сбил беспилотник Uber. Водитель при этом смотрела сериал в телефоне. Ситуация неоднозначная, и трудно сказать, произошла бы эта трагедия, если машиной управлял человек. Но Uber после этого случая прекратил испытания беспилотников на улицах города. Одно можно сказать точно: роботакси Яндекса в тестовом режиме проехало уже более 24 млн км по улицам Москвы. За это время не произошло ни одной аварии по вине искусственного интеллекта.

Так что очень вероятно, что в ближайшем будущем беспилотный транспорт станет обычным явлением на дорогах, а компьютер — более надежным и безопасным водителем, чем привычный дядька с сильным акцентом. Кстати, все сказанное касается и вообще наземного колесного транспорта, от автобуса до «Ласточки».

Статья была опубликована в журнале «Человек и мир. Диалог», № 1(14), январь – март 2024