Несколько лет назад могло показаться, что сегодня мы уже будем ездить на работу на беспилотных такси — без водителя и даже элементов управления в салоне. И в нескольких городах мира такие такси действительно появились, однако амбициозные прогнозы оказались весьма далеки от реальности. Рассказываем, с какими подводными камнями столкнулись разработчики автономного транспорта и как они решают проблемы, вставшие на пути к беспилотному будущему.

Беспилотные автомобили не такая молодая технология, как может показаться. Разработки в этой области велись еще в прошлом веке. Первый беспилотный автомобиль в том смысле, который мы вкладываем в этот термин сегодня, то есть умеющий ездить по дорогам и ориентирующийся в пространстве, появился в 1977 году в Японии. Это был робкий и медленный (чуть больше 30 километров в час) первый шаг, но позже в направление стали включаться и другие исследовательские группы, достигшие более существенных успехов. Так, в одном только 1995 году целых два беспилотных автомобиля за один заезд проехали тысячи километров по обычным дорогам — американский Navlab 5 и немецкий VaMP. Но каждый раз подобные проекты угасали: либо завершались, достигнув поставленных целей, либо уходили в науку, как NavLab, который работает и сегодня (последняя статья ученых из лаборатории вышла в августе 2022 года).

В середине 2000-х американское агентство DARPA провело серию конкурсов по разработке беспилотных автомобилей. В частности, в 2007 прошел Urban Challenge, в котором инженеры пытались автоматизировать езду в городских условиях. Этот конкурс, как и проекты до него, не дал мгновенных результатов. Но, как выяснилось позднее, именно там собрались инженеры, благодаря которым позже сформировалась индустрия беспилотных автомобилей. Их проекты возглавляют ее до сих пор: Waymo, Uber (беспилотный проект компании), Argo, Aurora, Zoox, Nuro — все эти компании основали выходцы из DARPA Urban Challenge.

К середине 2010-х годов созданием беспилотных автомобилей занялись десятки компаний, начиная от стартапов и заканчивая лидирующими автоконцернами. Google, которая не первый год тестировала беспилотники, в 2014 году представила автомобиль без руля и педалей. Тогда же появилась общепринятая сегодня классификация уровней автономности от SAE. А всего годом позднее Tesla начала рассылать клиентам обновление, добавляющее на их машины автопилот.

Развитие беспилотного транспорта шло и в России, причем ускоренными темпами. В 2017 году Яндекс впервые анонсировал свою самоуправляемую машину и показал, как та ездит на закрытой территории, а уже через год у компании появилось два тестовых сервиса беспилотного такси в Сколково и Иннополисе. Что интересно, в России разработчики автономного транспорта не были сконцентрированы в основном на легковых автомобилях: еще до Яндекса «КамАЗ» разработал беспилотный грузовик, а Cognitive Technologies испытывала роботракторы.

К этому моменту инвестиции даже в отдельные компании измерялись миллиардами долларов. Технология, казалось, наконец-то вышла из лабораторий, и до повсеместного внедрения роботакси осталось совсем немного. Уверенности в этом добавляли журналисты и компании: Waymo говорила о миллионе поездок каждый день «в ближайшие годы», а Илон Маск прогнозировал полностью автономные Tesla к 2018 году. В России оптимизм был на том же уровне: в 2018 году один из руководителей проекта беспилотного автомобиля Яндекса Артем Фокин, отвечая на вопрос N + 1 о сроках массового внедрения автономных машин, говорил, что необходимые для этого уровень технологии, себестоимость компонентов и нормативная база «сойдутся» примерно через пять лет.

В беспилотную гонку с каждым годом вступало все больше компаний. Появились и первые настоящие кейсы применения: полностью беспилотные сервисы такси, некоторые из которых уже получают с людей деньги за поездки, а не просто тестируют технологию за свой счет. Несколько полностью беспилотных сервисов роботакси прямо сейчас действуют в США и Китае. Появились и другие предвестники будущего — машины без руля и педалей. Такими проектами занимаются в том числе российские «СберАвтоТех» и «КамАЗ».

Машин становилось все больше. К примеру, у Яндекса и Сбера уже почти по 200 автомобилей. Благодаря этому пробег беспилотных машин начал измеряться миллионами и даже десятками миллионов километров, а в симулированных заездах речь шла уже о миллиардах. С одной стороны, как и у людей, большой стаж вождения помог алгоритмам отточить навыки. С другой — разработчики обнаружили подводные камни, не позволяющие им отпустить свои детища на улицы без присмотра. И дело не только в несовершенстве алгоритмов — компании столкнулись с целым набором проблем.

Беспилотные автомобили лидирующих компаний еще несколько лет назад отлично справлялись с движением по шоссе и даже в городских условиях. Однако у автономных машин до сих пор есть проблемы с так называемыми пограничными случаями (edge cases) — редкими и непростыми дорожными событиями, которые трудно предугадать — например, неправильно нанесенная во время ремонта дороги разметка или светлый грузовик на фоне светлого неба. Миллионы километров, пройденные по реальным дорогам, позволяют отловить такие события, но запрограммировать автомобиль для корректной работы с ними все еще не так просто.

Само собой, люди тоже не всегда справляются с подобными ситуациями. Вот только для беспилотников это не оправдание, поскольку от них ожидают кардинально более высокого уровня безопасности.

Другая серьезная проблема заключается в том, что реальный мир отличается от идеального из ПДД. У этой проблемы есть два измерения.

Во-первых, беспилотники едут по дороге не сами по себе, а в окружении других участников дорожного движения — пока это только люди, а не роботы. Оказалось, что даже с внушительным набором данных и продвинутыми технологиями машинного обучения создать алгоритмы, которые бы прогнозировали поведение людей (водителей и пешеходов), крайне сложно. Лидеры отрасли разработали модели машинного обучения, которые неплохо решают эту задачу, и тем не менее она все еще препятствует развитию беспилотных технологий.

Во-вторых, обстановка на дороге не всегда соответствует ПДД. Внезапно остановившаяся машина коммунальных служб или авария может надолго перекрыть дорогу, да так, что выбраться из этой ситуации другие машины смогут, только нарушив правила. Что сделает человек? Скорее всего, проигнорирует разметку и объедет препятствие. Хотим ли мы, чтобы у полностью автономной машины была возможность самостоятельно нарушать ПДД, когда ей покажется это правильным? Наверное, нет.

Все эти проблемы, конечно, не позволяют говорить о тупике для индустрии беспилотных автомобилей. Прямо сейчас над их решением трудится огромное количество талантливых разработчиков в десятках компаний по всему миру, в том числе и в России. Самый очевидный путь их преодоления — совершенствование технологий. На помощь приходят как уже упомянутые миллионы километров пробега, так и, например, машинное обучение — его применяют в самой ответственной части алгоритмов, которая отвечает за логику принятия решений беспилотной машиной.

Для неизбежных случаев, когда машина не может разобраться в ситуации сама, активно развивается концепция удаленного оператора-помощника. Когда беспилотник не может самостоятельно продолжать движение, он вызывает на помощь человека. Тот оценивает данные с камер, чтобы разобраться в ситуации, и дает автомобилю команду (хотя есть и проекты, где оператор сам удаленно рулит автомобилем).

Беспилотники попадают в такие ситуации не постоянно, поэтому всего один оператор может следить сразу за десятками машин. Получается разумный компромисс: автомобили можно выпускать на дороги без водителя, но они всегда могут запросить помощь и моментально ее получить.

Беспилотный автомобиль — это несколько основных составляющих: непосредственно автомобиль, датчики и вычислительные устройства. Софт, то есть алгоритмы, высокоточные карты и собираемые данные — все это требует денег, но затраты на одного «водителя» можно разделить между миллионами машин, которыми он будет управлять.

Уже несколько лет назад многие компании предполагали, что первые массовые беспилотники будут применяться в сервисах такси, а не продаваться для личного пользования. Отчасти это было связано с ценой на компоненты, необходимые для того, чтобы сделать машину автономной. Тем не менее разработчики и эксперты из отрасли также предсказывали быстрое падение цен на компоненты до уровня, когда они не будут перевешивать экономический эффект от отсутствия водителя. Но до сих пор беспилотный обвес стоит примерно столько же, сколько машина среднего класса.

Самый дорогой компонент автономных машин — это лидар, а если быть точнее, то сразу несколько лидаров, установленных с разных сторон автомобиля. От такой роскоши было бы разумно отказаться, не будь лидары так полезны. Этот датчик критически важен для беспилотников, потому что дает точную трехмерную карту окружающего пространства. Именно он играет основную роль в локализации машины.

Практически во всех беспилотных автомобилях используются круговые электромеханические лидары — темные цилиндры, по которым автономную машину можно легко отличить от обычной. В них есть вращающиеся части, позволяющие лазерам и детекторам сканировать пространство вокруг десятки раз в секунду.

У этой дорогой конструкции есть две альтернативы. Первая — твердотельные и полутвердотельные лидары. В них либо вовсе нет, либо гораздо меньше подвижных частей и используется всего один лазер, перенаправляемый в разные стороны. Технология их производства потенциально проще и дешевле. Именно на это надеялись разработчики беспилотных автомобилей несколько лет назад. Хотя прогресс оказался медленнее прогнозов, такие лидары постепенно завоевывают популярность. Например, полутвердотельные лидары собственного производства установлены на некоторых беспилотниках Яндекса.

Второй путь к удешевлению еще смелее — полный отказ от лидаров. Некоторые разработчики и исследователи предлагают использовать вместо них алгоритмы компьютерного зрения, которые превращают двумерные данные с камер в карту глубины или даже искусственное облако точек, аналогичное лидарному. Такой подход называется псевдолидаром и позволяет использовать эффективные алгоритмы для лидаров с куда более дешевыми камерами.

Проблема заключается в том, что автомобилей, которые используют такой подход, до сих пор единицы. Два самых ярких примера — это разработки Tesla и Mobileye. Обе компании показывали на практике автономную езду машин без лидаров, но у обоих проектов важные нюансы. Tesla выпускает продвинутую систему помощи водителю, оставляющую всю ответственность на нем. В свою очередь, Mobileye рассматривает систему движения по камерам лишь как одну из двух независимых частей наряду с системой, работающей на лидарах и радарах. На сегодняшний день кажется, что отказ от лидаров — это тупиковый путь. Впрочем, не стоит списывать со счетов прогресс в области алгоритмов по работе с изображениями, который уже не раз удивлял всех за последнее время.

Даже учитывая все перечисленные сложности, нельзя не признать, что прогресс в развитии беспилотных автомобилей все равно идет очень быстро — гораздо быстрее, чем развитие законодательного регулирования этой отрасли.

Первые экспериментальные законы, регулирующие движение самоуправляемых машин по дорогам общего пользования, еще десятилетие назад появились в США. С тех пор законодательная база совершенствовалась, а соответствующие нормы появлялись в большем числе стран. Тем не менее такие законы по-прежнему остаются экспериментальными. Например, в крайне лояльных к беспилотникам США лишь пару лет назад и всего одной компании в качестве исключения разрешили убрать боковые зеркала из машины, в принципе лишенной кабины водителя.

В России законодательство уже позволяет тестировать беспилотники без людей в салоне (например, Яндексу разрешили испытывать автономное такси в московском районе Ясенево) и даже брать деньги за услуги беспилотного такси, но речь снова идет об экспериментальном правовом режиме, а не о постоянном законодательном регулировании. Разрабатываются и другие экспериментальные правовые режимы. Один из них был одобрен в середине октября и позволяет испытывать грузовые беспилотники на трассе Москва — Санкт-Петербург, принятие еще одного ожидается в ближайшем будущем. Он будет распространяться на половину регионов страны, а его участниками станут «Газпром нефть», «СберАвтоТех», Starline и Яндекс.

Помимо законов, существенную роль играют и опасения властей по поводу безопасности, особенно когда речь идет о полностью беспилотных автомобилях, которые передвигаются без инженера в салоне. На то, чтобы получить разрешение для таких поездок, у компаний уходит много времени, даже если их автомобили давно и успешно ездят с человеком за рулем. Это же, впрочем, становится и стимулом к развитию регулирования: регионы начинают бороться за компании, предлагая им максимально удобные условия и развивая свое законодательство. К примеру, Cruise недавно объявила, что запустит в аризонском Финиксе свой второй сервис полностью беспилотного такси (первый работает в калифорнийском Сан-Франциско). Если на получение разрешений в Калифорнии у компании ушло 22 месяца, то аналогичный процесс в Аризоне занял всего три недели.

Одна из причин, почему законодательное регулирование автономного транспорта развивается медленно, заключается в вопросе ответственности: если за рулем никого нет, то кто несет ответственность за ДТП?

Подходы к ответу на этот вопрос различаются в разных странах. Однако по экспериментальному регулированию можно сделать вывод, что законодатели во всем мире склоняются к тому, что ответственность должна лежать на компании-разработчике, которой, по сути, принадлежит виртуальный водитель. В российских экспериментальных правовых режимах выбран довольно гибкий подход: ответственность ложится на компанию, тестирующую беспилотник, людей, отвечающих за техническое обслуживание автомобиля, или оператора, в зависимости от причины ДТП.

Итоговый подход в регулировании ответственности зависит лишь от того, как договорятся между собой законодатели и индустрия беспилотных автомобилей. Технически никакой неопределенности нет, и в этом автономные машины превосходят обычные. При аварии разработчики и полиция смогут детально проанализировать последовательность действий автомобиля, изучить записи окружающего пространства со всех ракурсов и с учетом этих данных понять, кто виноват в происшествии.

Влияет на массовое внедрение автономного транспорта и отношение людей. Транспорт — ответственная сфера, в которой ошибка может быть фатальной. Поэтому отдавать эту сферу в руки роботов может быть сложно. Отчасти это связано с тем, что люди попросту не сталкиваются с технологией в реальной жизни, а лишь отрывочно узнают о ней из интернета. Новость о том, что беспилотник сбил пешехода, несомненно, стала бы гораздо более популярной, чем новость о том, что беспилотники Яндекса проехали более 10 миллионов километров, не сбив ни одного человека.

Лучший способ изменить отношение к беспилотным автомобилям — дать людям возможность оценить работу автономного транспорта в реальной жизни. Яндекс утверждает, что 97 процентов людей, ездивших в его роботакси, готовы посоветовать такую поездку знакомым. В общероссийском опросе доля людей, готовых прокатиться на беспилотном такси, составила 77 процентов.

Также на восприятие людей влияет и то, что пока беспилотные автомобили не всегда ездят как обычные водители и осторожничают, например останавливаясь в тех ситуациях, в которых для пассажира это может показаться странным. Повысить доверие к машине можно, объясняя логику ее действий человеку. Скажем, «СберАвтоТех» разработал интерфейс для своих легковых роботакси, который показывает пассажиру схематичную карту с планируемой траекторией и объясняет ему причину остановки — например, из-за машины впереди. Его, кстати, испытывали не только на полигоне или своих сотрудниках, но и в «боевых условиях»: летом 2022 года компания организовала в Санкт-Петербурге открытое тестирование своего беспилотного такси для всех желающих. Тогда впервые в России беспилотные машины возили обычных людей в условиях мегаполиса.

Очевидно, что все эти проблемы со временем будут решены. Но что делать разработчикам автономного транспорта прямо сейчас?

Ускорить внедрение беспилотных технологий позволяет развитие в смежных сферах. Например, все больше компаний создают беспилотные грузовики. Такие машины перемещаются почти исключительно по шоссе, где анализировать обстановку и планировать маневры намного легче, чем в плотном городском трафике с перекрестками и пешеходами. В этом направлении двигаются как иностранные компании — например, все та же Waymo, — так и российские, в том числе «КамАЗ» и «Старлайн». Постепенно разработчики начинают применять такие грузовики в реальных задачах. К примеру, «Газпромнефть» испытала полностью беспилотный «КамАЗ» без кабины на своих складах.

Вместе с разработками компаний появляются и соответствующие правовые нормы. Так, в России в конце октября одобрили постановление, разрешающее начать проект испытаний беспилотных грузовиков на трассе М-11, связывающей Москву и Санкт-Петербург. В нем будут участвовать сразу несколько компаний — разработчиков автономных грузовиков. Несмотря на то что проект экспериментальный, условия в нем приближены к реальным: в ближайшие месяцы на этой трассе должны начаться не только испытательные заезды, но и коммерческие грузоперевозки для российских ритейлеров.

Другие компании и вовсе занимаются автономным транспортом вне дорог. Это может быть промышленная техника, такая как самосвал без кабины от «КамАЗ» или комбайн Cognitive Pilot, или же роботы-доставщики Яндекса, которые ездят по тротуарам, где движение куда проще, чем на любой автомобильной дороге.

Все это позволяет компаниям занимать нишу, в которой пока не так много конкурентов, и в то же время оттачивать технологию автономной езды, чтобы затем применить ее в роботакси. А применить ее точно получится. Хотя скорость и масштаб прогресса в сфере беспилотных автомобилей оказались не такими умопомрачительными, как представлялось всего несколько лет назад, автономный транспорт развивается и совершенствуется на наших глазах.

Вероятно, мы стали жертвой когнитивного искажения, которое описала компания Gartner. К началу-середине 2010-х годов бурное развитие отрасли сформировало ожидания, которые оказались завышенными и могли вызвать разочарование в технологии как таковой. Но эти эмоциональные гонки слабо отражают реальные темпы развития — вообще-то, на реальных дорогах уже есть не один настоящий сервис беспилотного такси, доступный реальным людям, а не только тестировщикам. Некоторые серийные машины уже сейчас умеют перемещаться в городе, пускай и под присмотром человека. И даже для тех проблем, которые стали очевидны за несколько последних лет испытаний, инженеры и компании постепенно находят решения.

Если посмотреть на состояние беспилотных автомобилей рационально, выяснится, что мы как никогда близки к их массовому появлению.