Кажется, будущее, в котором беспилотный транспорт станет обыденностью, совсем близко. Крупнейшие компании по всему миру проводят испытания автономно перемещающихся автомобилей. Но несмотря на стремительный прогресс в этой области, еще остаются нерешенные технологические проблемы, которые препятствуют повсеместному распространению беспилотного транспорта. В проекте «Движение будущего» при поддержке организаторов Технологических конкурсов Up Great рассказываем о главных тенденциях в разработке новых видов транспорта.

О том, как нужно улучшить современные беспилотники — инженер, кандидат технических наук Александр Буйвал.

Чтобы считаться по-настоящему беспилотным, автомобиль должен уметь решать несколько частных задач: самостоятельно анализировать ситуацию на дороге, замечать препятствия и избегать аварийных ситуаций, просчитывать и перестраивать маршрут без вмешательства человека. Беспилотники активно тестируют на улицах крупнейших городов мира, а значит, они должны уметь взаимодействовать с людьми, водителями и пешеходами, даже нарушающими правила дорожного движения, эффективно расходовать энергию, ориентироваться при плохой погоде. Современные беспилотники пока не умеют в совершенстве решать все эти проблемы.

I. Несовершенные сенсоры

В беспилотных автомобилях широко используется три типа сенсоров: камеры, лидары (они с помощью луча лазера создают облако точек вокруг автомобиля) и радары. К сожалению, все эти устройства обладают недостатками, и использовать что-то одно на практике затруднительно.

Камеры

Основная проблема камер — ограниченная зона видимости: для полноценного обзора на автомобиль их приходится устанавливать сразу несколько. Нынешние беспилотники Google, «Яндекса» и других производителей оснащены пятью-восемью камерами. Чем больше камер, тем выше требования к вычислительной мощности: нужно обрабатывать кадры с каждой камеры, и чем быстрее, тем лучше. Современные алгоритмы обработки изображений, в свою очередь, только повышают требования к вычислительным мощностям.

Мы привыкли, что камеры на смартфонах с каждым годом становятся все лучше. Но, как правило, такие заявления — просто маркетинговые ходы. Одна камера для беспилотного автомобиля может стоить как топовый смартфон. По сравнению с человеческим зрением камера не обеспечивает нужного динамического диапазона: при ярком солнце картинка может засветиться, а ночью снимок выйдет слишком темным.

Пока что человек распознает объекты на дороге лучше, чем искусственный интеллект

Еще одна проблема камер — летящая с дороги грязь. В Калифорнии беспилотнику ехать намного легче, чем в погодных условиях средней полосы России. Поэтому нужно придумывать способы защищать и очищать оптику. Перечисленные проблемы — это технические вопросы, для которых постепенно находят решение: камеры модернизируются, выходят новые модели, рынок растет, цена падает.

Но есть фундаментальные проблемы, прогресса в решении которых сейчас нет. Когда человек распознает картинку, он использует не просто данные о том, как должен выглядеть объект, а весь свой колоссальный интеллектуальный опыт, накопленный за годы жизни. И этот опыт очень тяжело перенести в алгоритмы. Допустим, на автобус наклеена реклама, на которой изображен автомобиль. Любой человек легко распознает, что это автобус, а на нем реклама автомобиля. Современные алгоритмы компьютерного зрения, скорее всего, распознают отдельно автобус и отдельно автомобиль или пешехода, нарисованного на этом автобусе. То же самое касается отражений объектов в лужах и стеклах. Сегодня алгоритмам очень тяжело понять, что это не те объекты, которые нужно анализировать.

Лидары

На большинстве беспилотных автомобилей, помимо камер, также ставят несколько лидаров. Лидар сканирует пространство при помощи лазерного излучателя и определяет расстояние до окружающих объектов. У него тоже есть ряд проблем, одна из ключевых — стоимость. 128-лучевой лидар стоит 50–80 тысяч долларов. Как правило, используется одновременно несколько более дешевых моделей, но совокупно стоимость лидаров может быть сопоставима со стоимостью всего автомобиля. Здесь также есть прогресс в развитии рынка, появляются конкуренты, спрос растет, цена падает. Но до компромиссных цен, которые позволили бы использовать лидары в массовом производстве, еще очень далеко.

Есть множество примеров, когда объект, который человек распознает как безопасный, в облаке точек лидара выглядит как препятствие — выхлопные газы от других автомобилей или снег, поэтому лидар плохо работает при осадках. У беспилотника от Uber произошла авария, когда автомобиль не смог распознать девушку, переходящую дорогу с велосипедом в неположенном месте. Одно из объяснений разработчиков заключалось в том, что они настроили такой порог отбрасывания ложных срабатываний, что алгоритмы восприятия автомобиля приняли велосипедистку за препятствие, которое нужно игнорировать. Если бы разработчики сделали порог низким, автомобиль во многих ситуациях бы вообще не тронулся: ему бы постоянно казалось, что на дороге есть препятствие. Это алгоритмический компромисс, который очень тяжело преодолеть без сильного искусственного интеллекта.

Радары

Радары очень хороши для решения проблем с погодными условиями: они работают и в дождь, и в снег. Одной из важных особенностей радаров является то, что они позволяют напрямую определять скорость объекта с помощью эффекта Доплера. Во многих системах адаптивного круиз-контроля современных автомобилей установлены радары. Они напрямую определяют скорость автомобиля перед собой и могут удерживать эту же скорость на безопасном расстоянии. 

Для развития систем помощи водителю ADAS на текущий момент радары наиболее эффективны с точки зрения и стоимости, и применимости, но они выдают мало доступной информации. Современные радары стали более интеллектуальны, могут распознавать пешеходов, автомобили, велосипедистов, но радар все еще во многом похож на обычный дальномер с узким полем зрения.

II. Искусственный интеллект

Как заставить систему понимать дорогу и в дождь, и в снег, и при плохой разметке? Эволюционное развитие текущих алгоритмов позволяет накапливать больше данных, обучать на них систему и улучшать распознавание. Большинство компаний, которые разрабатывают беспилотный транспорт, сейчас занимаются оттачиванием и доработкой существующих алгоритмов и систем. Стараются воссоздать как можно больше ситуаций, которые могут произойти на дороге. Накопленные данные нужно разметить. Для этого человек оценивает, где пешеход, где нет разметки, а где дорожное полотно. Чем больше размеченных данных, тем совершеннее работа алгоритмов, и система лучше распознает ситуации на дороге.

Нынешний искусственный интеллект, к сожалению, далеко еще не интеллект, и с его обучением есть серьезная проблема. Чтобы обучить сверхточную нейронную сеть (deep learning) распознавать объекты, ей нужно подать сотни тысяч, миллионы экземпляров этих объектов. В среде data scienceинженеров это называется data set. Чем больше data set, тем более качественный результат вы получаете. Чтобы обучить человека, такой data set не нужен, так как у людей обобщающая способность на порядки превышает то, что мы сейчас имеем в искусственном интеллекте. Ребенку достаточно показать две-три машины, подарить игрушечную машинку, и с просьбой нарисовать машину он, как правило, справится. Выйдя в город, он спокойно узнает машину любой марки. С искусственным интеллектом так не проходит, и это фундаментальная проблема. Почему человек учится быстро, а машина нет? Если бы кто-то знал ответ, то роботы бы уже заменили людей.

III. Навигация

Практически все компании-разработчики используют GPS, глобальную спутниковую систему навигации, и от нее нельзя отказаться. Есть примеры, когда беспилотный автомобиль едет по дороге без навигации вообще — как человек, просто анализирует полосу и едет в этой полосе. Но если мы хотим спланировать точный маршрут, с указанием улиц, то без навигации не обойтись. Что произойдет с текущими моделями беспилотников, если оборвется сигнал от спутника, например, из-за магнитной бури? Скорее всего, ничего страшного не будет — они просто остановятся и припаркуются в мягком режиме. Но полностью полагаться на спутниковую навигацию нельзя. Еще опаснее, чем магнитная буря, — плотная городская застройка, из-за которой сигнал от спутников многократно отражается от стен и приходит с опозданием, и мы получаем некорректную геопозицию автомобиля. Даже если GPS-сигнал точный, есть другая проблема — карты. Большинство водителей сталкивалось с неактуальными картами в навигаторе, когда на дороге ремонт или что-то поменяли. Человек легко может объехать препятствие и быстро скорректировать свой маршрут, а для компьютера карты — дополнительное зрение, и некорректные карты могут навредить больше, чем отсутствие сигнала GPS.

HD-карта для беспилотного транспорта, разработанная компанией TomTom

Многие компании ориентируются на HD maps (high definition maps) — карты, построенные с высоким разрешением, с точностью до сантиметров. Они дополняются системой GPS Real Time Kinematic(RTK, «кинематика реального времени»): базовая станция корректирует GPS-сигнал для нашего автомобиля, и таким образом данные GPS учитываются с сантиметровой точностью. В этом случае работа систем беспилотника во многом упрощается. Но как поддерживать актуальность этих карт? Обновлять карты высокого разрешения еще сложнее, чем обычные для навигатора. Возможно, в будущем эта проблема решится на специализированных автострадах для беспилотного транспорта. Это очень заманчивое решение — обеспечивать зоны именно для движения беспилотников.

Однажды люди захотели автоматизировать процесс стирки белья и изобрели стиральную машину. Глупым решением было бы создать робота-андроида, который стирает так же, как прачка. В развитии техники изобретатели не всегда автоматизировали задачи так, чтобы полностью повторять действия человека. Для беспилотного транспорта очень хорошим решением была бы разработка регламентов движения в определенных зонах по точным картам с точной коррекцией GPS. Сейчас это решение ограничивается спросом и рынком, как раньше сотовая связь выглядела неперспективной, потому что нужно было построить множество вышек, а сейчас ею пользуются практически все, и за счет большого рынка это стало выгодно. Точно так же можно построить корректирующие станции для кинематики реального времени и создать подробные карты для хайвеев.

IV. Взаимодействие с людьми

Если бы на дороге были только роботы, без обычных водителей и непредсказуемых пешеходов, все было бы гораздо проще, потому что беспилотники можно обеспечить не только точной навигацией, но и взаимодействием, передачей друг другу данных о том, с какой скоростью все движутся и куда планируют поворачивать. В этом случае задача сводится к многоагентной системе, где нужно просто обеспечивать децентрализованную диспетчеризацию взаимодействия. Пока что такую систему реализовать сложно, поскольку машина, тем более беспилотная, — это дорогое устройство и начать строить дороги только для беспилотников невозможно. Вероятно, в некоторых странах предпримут такие попытки, но все равно выйдет дорого. В любом случае сейчас нужно совмещать обычный транспорт и беспилотный. Здесь понадобятся определенные регламенты: не только беспилотник должен «понимать» других водителей и пешеходов, но и обычным водителям необходимо знать, как может поступать беспилотник, какие действия он предпримет в той или иной ситуации. 

Изображение:Начать строить дороги только для беспилотников пока что невозможно // Unsplash.com

Строгий регламент правил дорожного движения решит этическую «проблему вагонетки», которую так много обсуждают в связи с беспилотным транспортом: что, если беспилотный автомобиль попадает в аварийную ситуацию и должен принять решение — сбить одного человека или десять? Нужно выработать четкие стандарты, по которым в определенных ситуациях действует беспилотник. Например, в ПДД есть правило, что в аварийной ситуации нужно оттормаживаться в своей полосе, если пытаешься уйти от столкновения, нельзя выезжать на встречную полосу: может быть еще хуже. В этом смысле нет никакой моральной дилеммы, беспилотный автомобиль просто будет действовать по правилам. Даже если в его полосе оказались десять человек, к сожалению, он будет оттормаживаться в своей полосе, но эти десять человек должны знать, что беспилотник так будет делать. Скорее всего, будут проблемы во взаимодействии водителей и беспилотников на дороге. Существует много невербальных моментов в общении водителей между собой: моргнуть фарами, махнуть рукой, включить «аварийку», уступить в нарушение ПДД. Когда беспилотники выйдут на дорогу, начнется притирка к новым реалиям.

На непредвиденное обстоятельство беспилотник среагирует лучше, чем человек. Водитель может отвернуться, отвлечься на телефон, не успеть среагировать на перестроение. Агрессивный водитель даже может захотеть создать аварийную ситуацию, не пустить в ряд, подрезать. Человек — это не просто алгоритм, а эмоции и усталость опасны на дороге.

Беспилотники еще не способны уверенно действовать в плотном городском потоке на высокой скорости. Люди могут создать ситуации, когда беспилотник будет перестраховываться и ехать чересчур медленно. К примеру, вы едете в беспилотном такси, кто-то неожиданно перестраивается перед вами, и беспилотник оттормаживается с запасом. Следующий за ним автомобиль посчитает, что впереди «чайник», и начнет тоже обгонять его и перестраиваться перед ним. В итоге для пользователя такси поездка будет не совсем комфортной. Стоит ожидать, что недостатки беспилотных автомобилей будут заметнее в сложных дорожных ситуациях с участием плохих водителей.

V. Энергоэффективность

Компьютер компании NVIDIA потребляет 30 ватт

Владельцы автомобилей стремятся тратить меньше энергии, чтобы экономить деньги. Компании под давлением экологов и маркетинга стараются снизить потребление. Современные алгоритмы обработки данных и управления же требуют серьезных вычислительных мощностей, и это ведет к снижению энергоэффективности автомобиля. Вычислительная система беспилотника может потреблять около 2 киловатт энергии — это много. Энергоэффективность мозга человека оценивается на два порядка меньше — примерно в 25 ватт. Это довольно серьезная технологическая проблема. Некоторые компании выпускают собственные компьютеры для беспилотников и делают упор на энергоэффективность. В частности, специализированный компьютер компании NVIDIA сейчас потребляет около 30 ватт, но его производительность заметно ниже, чем у более мощных компьютеров.

Технически это не проблема для испытателей беспилотников: на полигоне можно поставить дополнительный аккумулятор, но в масштабах массового рынка это умножится на сотни миллионов автомобилей и существенно отразится на мировой экономике.

Пока хороших решений по энергоэффективности нет. Вот главные проблемы, которые предстоит решить инженерам беспилотного транспорта.