В последние годы глобальная автопромышленность активно внедряет автономные транспортные средства, и здесь наблюдается два противоположных подхода: стратегия Tesla и методы других разработчиков. Tesla делает ставку исключительно на визуальные данные с камер, формируя поведение автопилота на основе анализа миллионов километров, пройденных реальными водителями, которые ориентируются лишь на видимый спектр. Вторая концепция развивает технологии комплексных сенсорных систем, включая лидары, которые способны строить детальную 3D-модель дорожной ситуации.
Ограничения традиционных сенсорных решений
Несмотря на очевидные преимущества лидаров, такие системы сегодня далеки от совершенства. Стоимость комплекта лидаров сопоставима с бюджетным автомобилем, а эксплуатация в сложных погодных условиях — например, в густом тумане или снегопаде — заставляет их буквально «слепнуть». В результате автономные машины теряют способность распознавать объекты, тогда как человек-водитель по-прежнему может ориентироваться. К тому же, если нейросети, управляющие автономками, обучаются на человеческом опыте без лидаров, использовать лишние источники информации становится нетривиальной задачей. Малые обучающие выборки приводят к феномену «галлюцинаций», когда нейросистема реагирует на несуществующие преграды и инициирует ложные торможения.
Радар как новая веха в развитии беспилотных автомобилей
Ученые во всем мире всё чаще обращают внимание на радары — недорогие, надежные и малоуязвимые к погоде датчики. В отличие от лидаров, радиоволны радаров не чувствительны к дождю и снегу, однако такие сенсоры уступают в разрешающей способности и нередко сталкиваются с шумами и артефактами на реальных дорогах. Намётки разметки на асфальте обычно отсутствии, что затрудняет работу ИИ. Для распознавания окружающей обстановки ПО по обработке радарных данных должно быть куда сложнее самого аппаратного обеспечения.
RadarSFEMOS — инновация МФТИ для нового поколения автономного транспорта
Команда исследователей из МФТИ под руководством Степана Андреева вывела разработку беспилотных систем на принципиально новый уровень, представив 4D-радарную платформу RadarSFEMOS. Это программное решение способно самообучаться и обрабатывать данные в реальном времени, выделяясь среди предшествующих подходов эффективным подавлением шумов и высокой точностью детектирования. Ключевая инновация системы — способность однозначно определять траектории и скорости движущихся объектов в любой дорожной ситуации, и при этом не требует специальной разметки для обучения алгоритмов.
В основе RadarSFEMOS — диффузионная модель, осуществляющая моментальное очищение данных от шумов. Архитектура включает адаптивный трансформер, способный идентифицировать предметы даже при минимальном количестве точек отражения радарного сигнала. Если современные лидары требуют около 100 отражений на квадратный метр объекта, RadarSFEMOS стабильно распознает объекты уже при 5–10 точках, что открывает новые горизонты в обеспечении безопасности.
Технологии самообучения и интеграция искусственного интеллекта
Уникальность новой системы заключается еще и в том, что она учитывает скорость носителя, автоматически корректируя показатели для окружающих объектов. В результате 4D-радар не просто «видит» динамически меняющуюся обстановку, но и определяет, движутся ли объекты по отношению к беспилотнику или статичны.
Искусственный интеллект платформы проходит обучение без необходимости мануальной маркировки больших обучающих наборов. По мере накопления опыта система сама отличает истинные объекты от помех, увеличивая точность и скорость реакции на события на дороге.
Практические испытания, высокие результаты и экономические выгоды
RadarSFEMOS уже сегодня интегрируется с серийными радарными устройствами, стоимость которых в пятьдесят раз ниже аналогичного лидарного комплекта. Технология прошла масштабное тестирование на мировых образовательных наборах View-of-Delft (VoD) и TJ4DRadSet, где до минимума сократила количество ложных срабатываний, а точность определения положения объектов выросла до впечатляющих 89%. По мнению Степана Андреева, директора Научно-технического центра телекоммуникаций МФТИ, их система блестяще распознает как статичные, так и движущиеся объекты независимо от погодных условий — словно открывая для автономного автомобиля дополнительное, «шестое чувство».
Реализация RadarSFEMOS может стать мощным драйвером развития отрасли автономных транспортных средств, делая современные беспилотники эффективнее и доступнее широкому кругу производителей. Эксперты уверены, что подобные решения в скором времени на практике изменят концепцию городского транспорта, где безопасность и точность на дорогах станут стандартом, а цена технологий – более привлекательной.
Новый взгляд на будущее автопилота
Появление инновационных систем, подобных RadarSFEMOS, демонстрирует огромный потенциал отечественных научных школ, таких как МФТИ. Современные разработки становятся реальностью, способной улучшить мобильность городов, минимизировать количество аварий и подарить людям уверенность в завтрашнем дне. Технологии, ещё вчера казавшиеся фантастикой, сегодня готовы к внедрению в любые автомобильные платформы – от легковых беспилотников до грузовых логистических машин.
В ближайшем будущем мы увидим, как RadarSFEMOS и подобные ей решения займут свое место в транспортной экосистеме в России и за ее пределами, задавая новую планку качества для автопилотируемых систем.
