Я объясню, как мыслит автомобиль, когда ведет себя самостоятельно

Пешеход, приближающийся к проезжей части, велосипедист, резко меняющий направление, автомобиль, въезжающий в дорогу в последний момент. Для водителя это повседневные ситуации, с которыми приходится сталкиваться за короткое время. Однако для системы водительской помощи они представляют собой ряд проблем, которые необходимо решать с помощью камер, датчиков, расчетов и искусственного интеллекта. Но как автомобилю понимать то, что происходит вокруг, и решать, какую маневр выполнять?

Чтобы это выяснить, я взял интервью у Донг Ли, CTO компании QCraft — китайского производителя, специализирующегося на разработке передовых систем водительской помощи для серийных автомобилей. В центре нашего разговора оказалась технология QPilot PRO, предназначенная для помощи водителю как в городе, так и на автомагистралях, даже когда дорожное движение сопряжено с сложными ситуациями.

Ли рассказал мне, как работает система, какие стратегии она использует для прогнозирования действий других участников дорожного движения и что происходит, когда она сталкивается с ситуацией, которую не может интерпретировать с достаточной точностью.

Камеры, датчики и искусственный интеллект: как принимает решения автомобиль

QPilot PRO входит в семейство систем водительской поддержки QCraft, к которому также относятся версии AIR и MAX. Он разработан для помощи автомобилю в движении по городу и на автостраде благодаря функции Navigation on Autopilot (NOA). Его вычислительная мощность составляет от 100 до 200 TOPS — единица, показывающая количество математических операций, которые он может выполнять в секунду.

QPilot PRO входит в семейство систем автономного управления от QCraft

Фото: QCraft

Система использует 11 камер, дополненных датчиком LiDAR, который воссоздаёт окружающую среду в трёх измерениях. Камеры распознают автомобили, пешеходов, светофоры и полосы движения, в то время как LiDAR помогает определять положение и форму препятствий. Сочетая эти данные, искусственный интеллект пытается понять, где может проехать автомобиль, и как двигаются другие участники дорожного движения.

Следующим шагом является определение того, как реагировать. «Наша основная инновация заключается в интеграции требований безопасности на всех этапах процесса — от обучения модели до выбора траектории», — объяснил во время интервью Донг Ли, технический директор QCraft. Система сочетает интерпретацию дорожной ситуации и прогнозирование событий с правилами безопасности, установленными людьми, что позволяет делать решения более контролируемыми.

Чтобы научиться справляться с различными ситуациями, QCraft также использует мирные модели, которые имитируют функционирование физического мира, и метод усиленного обучения — технику, помогающую искусственному интеллекту совершенствовать свои решения посредством обучения.

QCraft: так искусственный интеллект интерпретирует дорогу

Фото: QCraft

Таким образом пытаются распознать препятствие и предсказать возможные последствия. Как объяснил мне Ли, если по дороге катится мяч, система должна учитывать возможность того, что ребенок может побежать за ним, и заранее снизить скорость. Аналогично, если рядом с пешеходами есть вода, автомобиль может уменьшить скорость, чтобы не обрызгать их. Вот в чем разница между простым наблюдением за происходящим и интерпретацией ситуации для предвидения возможных последствий.

Что происходит, когда у автомобиля возникают трудности

Конечно, ни одну систему невозможно заранее обучить на всех ситуациях, которые могут возникнуть в реальном дорожном движении. Поэтому QCraft использует масштабные симуляции и модели физического мира для создания виртуальной среды, в которой можно воссоздавать редкие сценарии, сложные погодные условия и опасные ситуации, которые было бы трудно неоднократно воспроизвести на дороге.

Донг Ли, CTO компании QCraft

Фото: Motor1 Italia visual (с помощью ИИ)

К этим тестам добавляются данные, собранные в ходе ежедневного использования. По цифрам, предоставленным компанией Li, к 2026 году решения QPilot были установлены более чем на миллионе серийных автомобилей. К концу июля водители проехали суммарно более 4,5 миллиардов километров, используя системы вспомогательного управления от этой компании. QCraft также сообщает о частоте непреднамеренных активаций системы аварийного торможения, которая составляет менее одной случая на 500 000 километров. Это данные, приведенные компанией, их следует рассматривать вместе с условиями измерения и используемыми критериями: ведь сам по себе этот показатель не позволяет определить, насколько система безопасна по сравнению с вождением человека в любых ситуациях.

Что же происходит, когда автомобиль сталкивается с ситуацией, которую он не может интерпретировать с достаточной надежностью?

По словам Ли, система оценивает имеющуюся информацию, условия дороги и надежность датчиков. Если ситуация сопряжена с слишком большим количеством неопределенностей, она может выбрать более осторожный режим работы — например, снизить скорость, увеличить дистанцию до автомобиля перед собой или избежать преждевременной смены полосы движения. Если условия выходят за рамки ее возможностей, система должна предупредить водителя, чтобы тот взял управление на себя.

Это крайне важно, поскольку QPilot PRO относится к категории систем водительской помощи 2-го уровня. Поэтому водитель должен продолжать следить за дорогой и работой системы, сохраняя возможность вмешаться в любой момент. Автомобиль может выполнять некоторые операции управления, но ответственность за контроль остается за человеком.

Чтобы снизить риски, связанные с отвлечением внимания или чрезмерной зависимостью от технологий, QCraft сотрудничает с производителями над системами мониторинга водителя. Если во время активной помощи система обнаруживает, что человек встает с сиденья или остается без ремня более пяти секунд, она может запросить ручной контроль и увеличить порог крутящего момента, необходимый для вмешательства в управление рулём, тем самым сокращая риск того, что случайный контакт вызовет нежелательную реакцию.

Также отслеживается положение тела водителя: если он откидывается назад до горизонтального положения, система продолжает требовать возврата в правильное положение. При обнаружении длительной усталости или отвлечения система может попросить водителя снова взять управление, а при отсутствии реакции — замедлиться до безопасной остановки внутри полосы движения согласно заложенным в систему алгоритмам.

Тем не менее существуют определенные трудности. Очень сильный дождь, слепящий свет, препятствия, скрывающие других участников дорожного движения, и чрезвычайные ситуации продолжают ставить под испытание даже самые совершенные технологии. Чтобы справляться с этим, QCraft тренирует свои модели на имитированных изображениях с заслепленными или частично затемненными камерами, а также на сценариях, при которых некоторые датчики не работают корректно.

В системах, которые не зависят от карт высокого разрешения, во время обучения также вводится неверная картографическая информация, чтобы снизить зависимость от данных, которые могут не соответствовать действительности. Компания также использует резервные модели, чтобы уменьшить последствия возможной неисправности какого-либо компонента.

Ещё одной проблемой являются обновления. Данные, собранные автомобилями, могут помочь выявить новые проблемы и улучшить последующие версии, но это не означает, что автомобили учатся напрямую во время движения, автономно изменяя свои стратегии вождения. Перед распространением обновления должны пройти проверки с помощью симуляций, воспроизведения сценариев, тестов на обратную совместимость и испытаний на дорогах. После этого проверка завершается совместно с производителем автомобиля.

Для адаптации к Европе также требуется специальная подготовка. Развязки, приоритеты движения, пешеходные переходы, дорожные знаки и привычки водителей различаются в разных странах. QCraft уже проводил тестирование в городах и на автомагистралях в различных регионах Германии и Франции, но Ли подчеркивает, что не существует универсального количества километров, необходимого для каждой страны: уровень обучения и проверки зависит от различий между местными условиями и теми, с которыми уже знакома система.

QCraft: адаптация к Европе требует специальной подготовки

Фото: QCraft

Цель компании — сделать эти технологии доступными также для автомобилей более доступного сегмента. QCraft утверждает, что уже внедрила системы помощи при навигации в городских условиях на платформах с производительностью 128 TOPS, и заявляет, что согласно собственным оценкам QPilot PRO покрывает 99% сценариев ежедневных поездок. Кроме того, система поддерживает более 300 сценариев парковки, включая очень узкие места и парковку на нескольких уровнях гаража.

Это результаты и цели, показывающие, насколько развивается система автономного управления, но они не решают основной проблемы: дорога — это непредсказуемая среда, и способность справиться с обычным случаем не гарантирует умения справиться с исключительным. Именно здесь и оценивается зрелость этих технологий: не только в способности принимать решения, когда всё работает как предполагалось, но и в умении понимать, когда информации недостаточно и когда необходимо снова предоставить возможность для вмешательства человека.

Читайте также