Технология навигации робомобилей без картографической привязки: инновация от MIT и Toyota

В настоящее время многие технологические компании различного масштаба стремятся к разработке робототехнических автомобилей, соответствующих строгим критериям высокой надежности, а также максимальной скорости и полноценной автономности. Образ идеальной системы такого рода широко представлен в научно-популярных источниках и художественной литературе в жанре научной фантастики. Концепция предполагает отсутствие водителя и возможность отсутствия традиционного рулевого управления: пассажир лишь указывает пункт назначения посредством голосовых команд или интерфейса, после чего транспортное средство самостоятельно осуществляет перевозку. Несмотря на эстетическую привлекательность данной модели, ее реализация на текущем этапе остается недостижимой ввиду ряда технологических ограничений и существующих проблем, так как уровень развития технологий пока недостаточен для воплощения подобных сценариев в действительности.

Воспользуйтесь нашими услугами

Недавно публиковалась информация о том, что даже частично автоматизированные системы управления автомобилями, разработанные разными компаниями, имеют большое количество недостатков. Это ошибки из-за разметки, медленная обработка данных о встречающихся на дороге препятствиях, сбой ПО и большое количество иных проблем. Но главное — сейчас ни один «настоящий» робомобиль не может обойтись без объемной карты местности, по которой он движется.

В память машины должны быть загружены гигабайты и гигабайты информации о рельефе местности и особенностях дорог того региона, где находится транспортное средство. Если говорить о крупных городах, все более-менее нормально, поскольку карты известных и густонаселенных регионов США, Европы и других стран часто обновляются. Но «часто» это не каждый день, и обычные ремонтные работы представляют в этом случае огромную проблему. Ведь еще вчера доступная проезжая часть дороги сегодня может стать глубокой канавой, на дне которой идут работы.

Если же говорить о небольших населенных пунктах, удаленных от центров на десятки и сотни километров, то сколь-нибудь регулярное обновление просто невозможно. «Карты даже небольшого города будут занимать несколько гигабайт. Если же создавать карты целой страны, то здесь уже понадобиться высокоскоростная сетевая инфраструктура и мощные серверы», — говорит Тедди Орт, аспирант MIT. Он вместе с коллегами сейчас работает над проектом, который способен решить раз и навсегда «картографическую проблему». По словам авторов идеи, робомобиль может осуществлять навигацию по картам, информация о которых занимает совсем небольшой объем файлового пространства. Данные обо всех дорогах мира смогут уместиться на обычной флешке.

Для создания такой карты не нужна дорожная разметка, точные до секунд координаты, не нужны и модели беговых дорожек, зданий, деревьев. Вместо этого есть лишь «направление», которое позволяет автомобилю выбрать правильный путь и прибыть в конечную точку назначения вовремя, без задержек. Карта построена на принципе, который известен любому водителю, попавшему в незнакомое место.

Система от MIT и Toyota получила название MapLite. Сейчас она тестируется на дорогах штата Массачусетс, США. Разработчикам предстоит еще многое сделать, но проект уже прошел стадию proof-of-concept, он действительно позволяет автомобилям ориентироваться на незнакомой местности. MapLite уже опробована на автомобиле Toyota Prius с установленными лидарами и другими сенсорами. Проект получил поддержку Toyota Research Institute.

Кстати, сейчас далеко не всем робомобилям (или их прототипам) необходимы полные трехмерные карты. Некоторые компании строят карту на основе GPS, обрабатывающихся в реальном времени. Другие обучают системы навигации действовать более-менее самостоятельно в сложных и малознакомых условиях.

В MIT заявляют, что их системы не зависят ни от систем обучения, ни от GPS. Правда, разработчики не сообщают, в чем соль проекта. Системы, которые обеспечивают продвижение машин по нужному курсу, заключены в своеобразные «черные ящики», так что доступ к ним есть лишь у разработчиков.

«Мы используем машинное обучение для того, чтобы автомобилю возможность понять, по какой дороге он едет. Но это лишь часть системы, причем не основная. И если что-то работает не так, как задумано, мы можем быстро это исправить», — заявил Орт. Основная «фишка» новой системы — как раз в том, что она позволяет машине ориентироваться в незнакомой местности.

По мнению разработчиков, полностью отказываться от детализированных объемных карт нельзя. Речь идет о гибридной системе, которая позволяет робомобилю ориентироваться как в локации, для которой есть карты, так и в месте, где карт нет — даже в этом случае машина будет двигаться уверенно.

Для любознательных: Слеп, но вижу: как робомобили учатся ездить без цифровых карт и кто побеждает в этой гонке

Беспилотные автомобили первого поколения привязаны к цифровой «пуповине» — высокоточным HD-картам, без которых они мгновенно теряют ориентацию на дороге. Однако мировая индустрия автономного транспорта совершила крутой разворот в сторону mapless-технологий (вождения без готовых карт). Новая парадигма заставляет машину не «вспоминать» заученный маршрут, а оценивать обстановку в режиме реального времени, имитируя поведение человека-водителя.

В чем проблема HD-карт?

Большинство современных роботакси (от Waymo до ранних моделей Яндекса) полагаются на HD-карты высокого разрешения. Это не просто карты из навигатора, а цифровые трехмерные копии городов с точностью до сантиметра. На них размечены бордюры, знаки, границы полос и даже высота светофоров.

У этого подхода три фатальных недостатка:

Сверхвысокая стоимость: оцифровать миллионы километров дорог планеты стоит миллиарды долларов.
Уязвимость к изменениям: стоит дорожной службе переставить знак, начать ремонт или стереть разметку, как робомобиль встает в ступор, фиксируя критическое расхождение реальности с картой.
Зависимость от связи: обновление гигантских массивов данных требует постоянного стабильного подключения к облаку.

Архитектура Mapless: как это работает?

Технология навигации без картографической привязки опирается на концепцию сквозного ИИ (End-to-End AI) и построение локальной карты «на лету». Окружающий мир беспилотник распознает с помощью комплекса сенсоров: лидаров, радаров и круговых камер.

Главную скрипку играют глубокие нейросети, работающие по принципу BEV (Bird’s Eye View). Они собирают плоские изображения с камер и мгновенно трансформируют их в динамическую трехмерную модель пространства «вид сверху». ИИ выделяет дорожное полотно, прогнозирует траектории пешеходов и «понимает» правила игры на незнакомом перекрестке в режиме реального времени.

А что в мире?

На мировом рынке сформировалось два лагеря: сторонники “чистого зрения” (Vision-only) и приверженцы гибридных ИИ-систем.

Tesla (США): главный идеолог отказа от карт и лидаров. Система FSD (Full Self-Driving) учится на миллиардах видеофрагментов, записанных реальными водителями. Tesla активно масштабирует этот подход на мировые рынки.
NVIDIA (США): предлагает автопроизводителям платформу на базе нейросети RoadNet. Она предсказывает геометрию дорог и топологию полос прямо во время движения, избавляя машины от необходимости заглядывать в облачные базы данных.
Imagry (Израиль/США): стартап, разработавший полностью независимый от локации ИИ-драйвер. Их беспилотные автобусы и легковушки ездят по незнакомым городам “из коробки”, ориентируясь только по камерам.
Китайские гиганты (Baidu, Huawei, Li Auto): активно внедряют архитектуру HAD (High-definition map-less Autonomous Driving), комбинируя зрение с лидарами для работы в сложнейших азиатских мегаполисах.

А что в России?

Российские разработчики двигаются в общемировом тренде, но со своей спецификой, продиктованной суровым климатом (когда разметка полгода скрыта под снегом) и необходимостью технологического суверенитета.

Яндекс: изначально развивавший технологию на базе HD-карт, холдинг активно внедряет нейросетевые алгоритмы, способные компенсировать отсутствие или неактуальность карт. Их ИИ умеет самостоятельно достраивать “слепые” зоны и распознавать границы зимней дороги по кромке сугробов и траектории других машин.
Комплексы альтернативной навигации (НАМИ, ИТМО, МЭИ): в России сделан огромный упор на автономию в условиях подавления GPS/ГЛОНАСС сигналов. Научные центры (например, ИТМО с системой «Восток») создают алгоритмы локальной навигации и оптического потока. Машина ориентируется по наземным ориентирам (зданиям, деревьям, бордюрам), сравнивая кадры с камер секунду назад и сейчас.
Беспилотные грузовики (КамАЗ, Эвокарго): коммерческий сектор на закрытых логистических терминалах и карьерах все чаще использует mapless-принципы, так как ландшафт там меняется ежедневно из-за работы спецтехники.

Взгляд в будущее

Переход на вождение без карт не будет мгновенным. Крупнейшие картографические провайдеры (такие как TomTom или HERE) утверждают, что “чистый” mapless — это крайность. Будущее за гибридными системами, где базовая легкая навигация (вроде OpenStreetMap) дает машине общее представление о маршруте, а продвинутый ИИ берет на себя тактическое управление на месте.

Если вы хотите глубже погрузиться в тему, дайте знать: мы можем подробнее разобрать, как нейросети BEV превращают плоское видео в 3D-сцену, или сравнить эффективность лидаров и обычных камер в условиях российского снегопада.

Автор: Максим Агаджанов
Источник: https://habr.com/