малой мощности. Дальность луча равна примерно 150 метрам. Для ускорения и лавирования в потоке автомобилей нужен луч длиной по крайней мере 300 метров. Производители лидаров работают над увеличением частоты лазерного излучения, за счет которого получится усилить мощность. Благодаря этому луч будет простираться дальше видимого диапазона спектра. Вероятно, при совершенствовании системы удастся справиться и с другими недостатками. Технология уже неплохо работает в снег и дождь, а еще показывает хорошие результаты в избегании помех.
Лидар помогает машине «видеть» на коротких расстояниях, но для длинных дистанций требуется другое решение. И здесь на первый план выходят радары. На многих новых автомобилях уже установлены радиолокационные датчики, которые используются для адаптивного круиз-контроля, контроля слепых зон и автоматической системы аварийного торможения. Их поле обзора составляет примерно 10 градусов, а стоимость относительно невысока – от 80 до 120 фунтов стерлингов за сенсор.
Главным преимуществом радаров традиционно считают способность воспринимать расстояние и скорость. Радар может измерить скорость на большом расстоянии. Это технология, которая отлично себя показала. Радар может распознать даже то, что находится за предметом. Его волны относительно длинные, поэтому появляются дифракция и отражение. За счет этих явлений можно «увидеть», что скрывается за другими объектами. На YouTube есть видео, снятое внутри движущейся машины, где показано, как информация с радиолокационного датчика приводит в действие систему автоматического экстренного торможения. Впереди не было ничего необычного, но через полсекунды машина перед нами врезалась в другую. Радар на нашем автомобиле смог распознать, что впереди резко затормозила вторая машина от нас. Благодаря этим данным сработали тормоза и аварию удалось предотвратить.
Основной недостаток радаров, из-за которого их необходимо дополнять другими датчиками, – это невозможность восприятия в деталях. Все кажется размытым. Радары не могут отличить пешехода от велосипедиста, хотя способны распознать, движутся эти люди или нет. Лидар в Waymo может не только отличить одного от другого, но и указать, в какую сторону они направляются. Ультразвуковые датчики используются для определения позиции объектов, которые расположены близко к транспортному средству. Чаще всего они встречаются в виде датчиков парковки, издающих звуковые сигналы.
Их изобрели в 1970-е годы, а первой моделью машины массового производства, на которую их установили, стала Toyota Prius 2003 года. Такие датчики работают на расстоянии всего метров 10, но при этом они отличаются низкой стоимостью и оказываются крайне полезны при маневрировании на низкой скорости или в плотном потоке.
Камеры с высоким разрешением – важный элемент оснащения беспилотного автомобиля. Они используются для распознавания светофоров, дорожной разметки, уличных знаков и других объектов, которые содержат зрительные ориентиры, но не более того. Камеры, в отличие от лидаров, различают цвета, а также разницу в текстуре. Если установить несколько камер, получится определить расстояние до предметов. Но чем дальше объект, тем менее точен расчет, поэтому для вождения на высокой скорости это не подходит. Стоимость камеры относительно невелика – 150 фунтов стерлингов на автомобиль, но стоит учитывать, что ее работа зависит от условий освещения и видимости. Инфракрасное излучение способно в какой-то степени решить эту проблему.
Можно подумать, что для передвижения крайне важно наличие GPS. Но эта система работает точно лишь на расстоянии нескольких метров и не всегда исправно: сигнал прерывается рядом с высокими зданиями и в тоннелях. Именно поэтому использование GPS в автономных автомобилях носит ограниченный характер. Однако в сочетании с другими датчиками она может быть полезной. В МТИ, к примеру, сконструировали беспилотный Prius, который неплохо ориентируется на дороге с помощью лишь GPS, лидара и акселерометров.
Мозг автомобиля
Конечно, все описанные датчики оказались бы бесполезны, не будь устройства, которое анализировало бы поступающую информацию. Для обработки огромного количества данных (причем быстрой) требуется очень мощный компьютер, по характеристикам заметно превосходящий тот, что стоит у вас дома. Даже современные автомобили вроде Waymo каждые полминуты генерируют информацию объемом до 150 гигабайт. Этого достаточно, чтобы заполнить жесткий диск большинства ноутбуков. В час производится 19 терабайт информации. Автомобили должны хранить эти огромные объемы данных на случай последующих рассмотрений из-за аварий или споров. Все это влияет на потребление энергии: прототип расходует 5000 ватт (примерно столько же требуется 40 обычным ПК). Такой уровень потребления заметно сокращает количество топлива или время работы батареи. Представьте, что для экономии заряда придется отключить автопилот и взять управление в свои руки, иначе до места назначения вы не доедете. Не очень-то похоже на прогресс.
Сейчас на разработку процессоров, которые соответствовали бы потребностям автономных машин, направлено много сил. В Google создали тензорные процессоры (Tensor Processing Units), которые предназначены специально для задач автопилота. В процессоре задействуется только та часть чипа, которая необходима для выполнения конкретной задачи. За счет этого увеличивается количество операций в секунду и уменьшается расход энергии. Тензорные процессоры подходят для машинного обучения разного рода, потому что могут одновременно выполнять множество задач по обработке, которым не требуется большая мощность.
Компания Nvidia, которая известна в первую очередь как производитель видеокарт для компьютеров, выпустила чип Xavier. Он способен выполнять 30 триллионов операций в секунду, что в 500 раз больше хорошего ноутбука, потребляя при этом всего 30 ватт. Эта разработка – удивительно мощное и эффективное устройство, которое представляет собой самую сложную систему на кристалле из когда-либо созданных. Она состоит из центрального процессора (8 ядер), графического процессора (512 ядер), ускорителей глубокого обучения и компьютерного зрения, а также процессора для обработки видео в разрешении 8K. «Мы перенесли суперкомпьютер из центра разработки данных в автомобиль», – заявил Дэнни Шапиро, который отвечает за развитие сегмента автомобильных систем в Nvidia. Но пройдет еще немало времени, прежде чем системы станут энергетически (и экономически) эффективными и выйдут в массовое производство. Кроме того, можно установить самый мощный компьютер в мире, но без правильного программного обеспечения он останется всего лишь дорогим черным ящиком.
Искусственный интеллект
Устройство приборов может показаться сложным, но программное обеспечение, которое сделает беспилотные автомобили привычным явлением, в сотни раз сложнее. Вероятно, на сегодня это самое серьезное испытание для искусственного интеллекта.
Идея заключается в том, что автомобиль получает крупицы информации со всех датчиков и объединяет их, чтобы определить, где он находится, что его окружает и как обстановка может измениться. На основе этого машина вырабатывает способ перемещения в пространстве. Все эти действия нужно выполнить за миллисекунды и не допустить ни единой ошибки.
В автомобилях используется глубокое обучение. Я чрезмерно упрощаю, но принцип действия технологии такой: бортовой компьютер превращает информацию с датчиков в огромную матрицу, которая содержит миллиарды