Руководитель службы беспилотной картографии «Яндекса»
Последнее время рынок автономного транспорта стремительно развивается. Согласно исследованию международной консалтинговой компании McKinsey & Company, к 2035 году объем этого рынка может составить от $300 млрд до $400 млрд. Разработкой беспилотных технологий занимаются не только автопроизводители, такие как Tesla, Toyota и Ford, но и международные IТ-компании, например Google и Baidu.
Сейчас технология находится уже на той стадии развития, когда беспилотный транспорт в разных странах получает разрешение на передвижение по дорогам общего пользования. Например, в Китае по трассе длиной 65 км с лета прошлого года ездят фуры без водителя.
Россия — один из мировых лидеров в этой сфере. В Иннополисе уже несколько лет курсирует беспилотное такси «Яндекса», а вся доставка еды осуществляется только роботами-доставщиками. Мы также тестируем беспилотные автомобили в «Сириусе» и Москве, отрабатывая сложные городские сценарии. Всего наши беспилотные автомобили проехали более 28 млн км.
Как видит беспилотный автомобиль
Беспилотный автомобиль оборудован камерами, радарами и лидарами. Все они нужны для восприятия окружающей среды, принятия решений в режиме реального времени и, конечно, обеспечения безопасности поездки.
Камеры используются для захвата изображений. Специальные системы анализируют информацию с камер и распознают объекты, знаки, светофоры, автомобили, самокаты, пешеходов и других участников движения.
Радиолокационные датчики, или радары, используются для измерения расстояния до объекта и его скорости. Например, они могут определить, что перед автомобилем в десяти метрах идет человек со скоростью 5 км/ч.
Главный сенсор беспилотного автомобиля — лидар («LiDAR» — англ. «Light Detection and Ranging»). Он использует лазерные лучи для измерения расстояния до объекта и создает точную цифровую карту окружающей среды. На основе такого лазерного сканирования строится методика высокоточной навигации SLAM (Simultaneous Localization and Mapping). Методы локализации по лидару обеспечивают точность до 10 см. При этом современные лидары способны распознавать объекты на расстоянии в несколько сот метров.
Основным источником информации, обеспечивающим точность локализации (определение положения автомобиля на дороге), являются HD-карты. Во время поездки беспилотный автомобиль постоянно сравнивает с ними данные с лидаров. На основе такого сравнения он определяет свое местоположение с точностью до нескольких сантиметров.
Эти карты мы строим сами, используя наши беспилотные автомобили с набором сенсоров. Они содержат детальную информацию о дорожной инфраструктуре, знаках, разметке и других объектах, необходимых для автономного движения.
Если карты, которые пользователи используют для навигации и поиска мест, содержат информацию с метровой точностью, то погрешность HD-карт не превышает 10 см
Карты HD-формата
HD-карты имеют собственные форматы и описания схемы данных. Они проектируются так, чтобы максимально детально описать объекты дорожной инфраструктуры. Такие подробные карты находят применение в первую очередь в автомобильной отрасли, где используются для симуляции дорожного движения и проектирования систем помощи водителю.
Первый шаг в создании карты — запись местности. Беспилотный автомобиль совершает поездки и сканирует дорогу. Собрав лидарные данные с проезда, мы получаем подробную информацию об окружающей среде, например, в виде облака точек. Используя машинное обучение (ML), мы учимся понимать, какие из частей лидарного облака являются интересующими нас объектами, что позволяет нанести их на карту.
Мы научили искусственный интеллект понимать, какие группы точек лидарного облака являются участниками дорожного движения, и не учитывать их при построении карты. С его помощью также можно с высокой точностью измерить высоту отбойника, разделяющего потоки встречного движения, или найти все светофоры на перекрестке, даже если для обычного водителя они скрыты другими объектами. Мы создали несколько карт, где 75% дорог построено исключительно на основе данных ML.
Также существует множество сложных участков дорожной сети: развязки, перекрестки, положение которых не является типичным. Традиционно карты создаются на основе снимков со спутника, самолета или дрона. В «Яндексе» мы создаем изображения путем синтеза картинки с камер наших беспилотных автомобилей и лидарных данных. Таким образом получаются высокоточные, актуальные и недорогие в производстве растровые данные. По этим изображениям наша команда картографов создает карты сложных мест, с которыми не справился бы искусственный интеллект.
«Яндекс» разрабатывает беспилотные автомобили с 2017 года. За это время мы создали собственные инструменты редактирования HD-карт, позволяющие учесть всю специфику используемых форматов хранения данных. После анализа растровых данных картографы наносят полученную информацию на карту. Это поэтапный процесс, который включает в себя создание цифровых моделей местности, трассировку дорог, определение положения знаков, светофоров, остановок и других объектов, необходимых для навигации беспилотного автомобиля. Сейчас общая длина дорожной сети, отображенной таким образом на наших HD-картах, уже превысила 12 млн км.
Любая информация о дорожной инфраструктуре устаревает. Городская среда быстро меняется: дороги ремонтируются, дорожная разметка обновляется, а светофоры переносят. Например, за лето 2023 года только в одном из районов, где мы тестировали беспилотные автомобили, передвинули 280 светофоров.
Беспилотный автомобиль без водителя за рулем должен понять, что среда изменилась. В перспективе объекты городской инфраструктуры смогут сами передавать информацию о своем состоянии. Например, сейчас есть возможность обрабатывать полученные данные о сигнале светофора и в режиме реального времени учитывать это при движении беспилотного автомобиля.
Но это в перспективе. Прямо сейчас наиболее популярны алгоритмы онлайн-детекции. Из данных карты беспилотный автомобиль берет информацию об ожидаемых объектах. Если в реальности этот объект не был найден или поменял свое расположение, то беспилотный автомобиль отправит об этом сигнал. Решение об изменениях в карте может принять искусственный интеллект, а при необходимости дополнительно их проверят служба поддержки и команда картографов. Таким образом, даже в живой и меняющейся городской среде HD-карты помогают сделать передвижение беспилотного автомобиля по дорогам еще более безопасным.
