Сприйняття середовища
Емуляція камер, LiDAR, радарів та ультразвукових сенсорів з реалістичним шумом, освітленням, дощем, туманом та нічними умовами.
Розробка автономних автомобілів вимагає мільярдів кілометрів тестування. Наш симулятор дозволяє відпрацьовувати сценарії, які рідкісні або небезпечні в реальному світі: аварійні ситуації, агресивні водії, погані погодні умови.
Ми поєднуємо фотореалістичне рендеринг, точну фізику транспортних засобів та поведінкові моделі інших учасників руху для створення максимально наближеної до реальності навчальної середовища.
Симулятор для роботаксі значно складніший, ніж для дронів. Тут потрібно моделювати не лише фізику автомобіля, але й поведінку інших водіїв, пішоходів, велосипедистів та міську інфраструктуру.
Емуляція камер, LiDAR, радарів та ультразвукових сенсорів з реалістичним шумом, освітленням, дощем, туманом та нічними умовами.
Моделі поведінки пішоходів, інших автомобілів та велосипедистів. Прогнозування намірів на основі траєкторій, сигналів повороту, пози тіла.
Побудова безпечних та комфортних траєкторій з урахуванням правил дорожнього руху, пріоритетів, смуг руху та часу прибуття.
«99% часу роботаксі їздить у звичайних умовах, але саме ті 1% критичних ситуацій визначають безпеку. Симулятор дозволяє відпрацювати ці рідкісні сценарії тисячі разів.»
— Олександр Василенко, Head of Autonomy, CityDrive AIОсь приклади сценаріїв, які ми моделюємо для підготовки роботаксі до реальних міських умов:
Пішохід несподівано виходить з-за припаркованого авто. Реакція на межі можливостей гальмівної системи. Аварійне гальмування з уникненням заносу.
Інший автомобіль різко змінює смугу без сигналу. Модель повинна передбачити маневр за поведінковими сигналами та уникнути зіткнення.
Чотири автомобілі прибувають одночасно. Визначення пріоритету за правилами та неписаними нормами. Коммунікація через рух та позиціювання.
Втрата зчеплення на швидкості через водяну плівку. Моделювання динаміки з коефіцієнтами тертя від 0.1 до 0.9. Адаптивний контроль.
Розпізнавання жестів дорожнього робітника. Розуміння ситуацій, коли правила тимчасово змінюються. Повільний рух через вузький коридор.
Розпізнавання сирени за шумом двигуна. Визначення напрямку наближення. Безпечне звільнення смуги без порушення правил.
Поєднуємо найкращі інструменти для створення реалістичної навчальної платформи:
Фотореалістичне середовище, фізика транспортних засобів
Deep learning, motion prediction, behavior cloning
Обробка петабайтів даних з флоту тестових авто
Оркестрація тисяч паралельних симуляцій
Сантиметрова точність карт, лейни, знаки
Реалістична поведінка пішоходів та водіїв
Хмарне масштабування симуляційних кластерів
Сертифікація за автомобільними стандартами
Багаторівнева система прийняття рішень від сприйняття до керування:
# Архітектура прийняття рішень
class AutonomousStack:
def perceive(self, sensors):
# Camera, LiDAR, Radar fusion
detections = self.perception_fusion(sensors)
return ObjectList(detections)
def predict(self, objects, time_horizon=5.0):
# Probabilistic trajectory prediction
trajectories = {}
for obj in objects:
trajectories[obj.id] = self.motion_model(
obj, time_horizon
)
return trajectories
def plan(self, ego_state, predictions, map):
# Behavior + motion planning
behavior = self.behavior_selector(
ego_state, predictions, map
)
trajectory = self.motion_optimizer(
behavior, constraints=SAFETY_CONSTRAINTS
)
return trajectory
def control(self, trajectory, vehicle_state):
# MPC tracking with comfort constraints
steering, throttle = self.mpc_controller(
trajectory, vehicle_state,
jerk_limits=COMFORT_PROFILE
)
return ControlCommand(steering, throttle)
Кожен метод має свої переваги. Оптимальний підхід — комбінація обох:
| Критерій | Симулятор | Реальний світ |
|---|---|---|
| Швидкість тестування | 🟢 Мільйони км/день | 🔴 Обмежена флотом |
| Небезпечні сценарії | 🟢 Без ризику | 🔴 Неможливо спровокувати |
| Реалістичність сенсорів | 🟡 Хороша, але не ідеальна | 🟢 Повна реальність |
| Вартість | 🟢 $0.01/км (compute) | 🔴 $5-10/км (авто, паливо, оператор) |
| Відтворюваність | 🟢 Точно повторювані сценарії | 🔴 Ніколи не буває однаково |
| Edge cases | 🟢 Можна згенерувати | 🟡 Треба чекати роками |
Disengagement rate — кількість втручань оператора на 1000 км.
Collision rate — симульовані зіткнення.
Near-miss events — критично близькі проходження.
Rule violations — порушення ПДР.
Jerk — різкість зміни прискорення.
Lateral acceleration — бокові сили в поворотах.
Longitudinal comfort — плавність гальмування/розгону.
Path smoothness — відсутність різких маневрів.
Автономні транспортні засоби несуть підвищену відповідальність. Наша система безпеки включає:
Primary system + redundant fallback + emergency stop. Кожен рівень має незалежні сенсори та обчислювачі. Жодна одинична відмова не призводить до втрати контролю.
Всі поїздки записуються для подальшого аналізу. Автоматична детекція цікавих подій та розсилка інженерам. Forensic capabilities для розслідування інцидентів.
Чітке визначення умов, в яких система працює: погода, час доби, тип доріг, щільність трафіку. Автоматичний вихід з режиму автономності поза ODD.
Оператори можуть допомагати авто у складних ситуаціях: незрозуміла розмітка, нестандартні сценарії. Не керування в реальному часі, а допомога у прийнятті рішень.
Детальний запис всіх рішень системи за 30 секунд до інциденту. Можливість точно відтворити сценарій в симуляторі та зрозуміти причину.
Повна звітність перед регуляторами (NHTSA, ЄС). Публічні звіти про disengagements, мильник та інциденти. Відкритість для незалежних аудитів.
Геофенсинг: обмежена зона, низька швидкість, хороша погода. Оператор в авто.
Розширення зони, різні погодні умови. Оператор віддалено моніторить кілька авто.
Міський центр, повний трафік, нічна їзда. Мінімальне втручання.
Повна автономність без водія. Комерційні перевезення пасажирів.
Симулятори прискорюють розробку автономних транспортних засобів у десятки разів. Безпечне, комфортне та доступне роботаксі — це питання часу та правильної інженерії.
← До симулятора дронів ↑ НагоруЗа статистикою Waymo та Cruise, їхні автономні авто вже мають менше аварій на мільйон миль порівняно з середнім водієм. Але критерій не лише кількість аварій, а й їх тяжкість. Система ніколи не втомлюється, не відволікається на телефон і не їздить у нетверезому стані.
Вже зараз роботаксі працюють у Сан-Франциско, Феніксі, Лос-Анджелесі, Остіні та деяких містах Китаю. Європейський запуск очікується 2025-2027 роках після отримання регуляторних дозволів.
На даний момент ціри порівнянні з Uber/Lyft. Але по мірі масштабування та відсутності водія вартість має впасти до $0.3-0.5/км, що дешевше за власне авто.
Сучасні системи працюють у дощ, туман та сніг завдяки LiDAR та радарам, які не залежать від видимості. Але екстремальні умови (сильний снігопад, ожеледь) можуть бути поза Operational Design Domain з міркувань безпеки.
Юридична відповідальність лежить на операторі флоту. Страховка покриває збитки. Система записує всі дані для визначення причин. Законодавство еволюціонує для чіткого регулювання цих питань.
Head of Autonomy
Колишній Waymo, 12 років в AV
Perception Lead
PhD Computer Vision, MIT
Simulation Architect
Фізика, modeling, CARLA
Safety Engineering
ASIL-D, functional safety