Умные автомобили должны точно следовать заданному маршруту, но мешают этому нелинейные процессы в системе, неточности в данных и перегрузка каналов связи. Группа исследователей из Яньшаньского университета под руководством профессора Инцзе Дэна и магистранта Фанчэна Лю разработала новую систему управления, которая решает эти проблемы.

Результаты опубликованы в издании Advanced Equipment.

В основе метода — комбинация нейросетей, модели оценки и механизма событийного управления. Нейросети учатся на ходу, подстраиваясь под изменения, а система обмена данными срабатывает только при необходимости, экономя ресурсы. Это не просто снижает нагрузку на канал связи, но и гарантирует, что автомобиль не будет отклоняться от траектории даже на сложных участках.

Событийное управление — это когда система отправляет команды не постоянно, а только при значительном изменении параметров (например, если машина начала отклоняться от курса). Экономит энергию и пропускную способность каналов.

Раньше системы управления постоянно обменивались данными, создавая задержки, — объясняет Дэн. — Теперь команды отправляются только тогда, когда это действительно нужно. При этом ошибка позиционирования стремится к нулю, даже если дорога резко поворачивает или меняется покрытие.

Лю добавляет:

Мы добились того, что автомобиль не просто держится близко к маршруту, а делает это максимально эффективно. Даже если в системе есть неточности, алгоритм их компенсирует.

Главная проблема, которую удалось решить, — перегрузка каналов связи. Раньше из-за постоянного обмена данными возникали задержки, и машина могла отклоняться от курса. Новый подход сокращает число сигналов, но не в ущерб точности.

Что еще предстоит сделать:

• Настроить систему для работы в условиях сильных помех (например, снег или дождь).
• Разработать алгоритмы для согласованного движения нескольких автомобилей.

Пока что метод проверен в цифровых симуляциях, где показал результаты лучше классических адаптивных систем.

Реальная выгода — в снижении затрат на инфраструктуру. Если машины будут реже обмениваться данными без потери точности, можно:

• Уменьшить нагрузку на серверы и базовые станции.
• Снизить энергопотребление датчиков.
• Упростить масштабирование систем для умных городов.

Кроме того, метод уменьшает риск аварий из-за задержек в управлении.

Однако исследование не учитывает экстремальные условия: обрыв связи, кибератаки или резкие изменения среды (например, внезапный гололед). Без проверки в реальных условиях сложно говорить о надежности.

Ранее ученые разработали систему, расширяющую возможности беспилотных автомобилей.