Ученые из Мюнхенского технического университета вместе с партнерами из автомобильной промышленности решили сделать беспилотные машины безопаснее, дешевле и конкурентоспособнее. Для этого они разработали централизованную архитектуру для автомобиля будущего, где почти всем управляет программное обеспечение. Большую часть программ машина пишет сама. Еще исследователи научились на испытательном стенде заранее проигрывать любые сценарии, которые могут случиться с автопилотом на дороге.

Подробности опубликованы в издании IEEE Access.

Чтобы беспилотник уверенно ездил при любой погоде, ему нужно перерабатывать огромные потоки данных. Информация поступает в реальном времени от датчиков самой машины, от баз данных и симуляторов на этапе разработки, а также от внешних камер, лидаров и радаров, которые висят на дорожных знаках или стоят на соседних автомобилях. Алоис Кнолль, глава кафедры робототехники и искусственного интеллекта ТУМ, поясняет:

Бортовая система соединяет все, что сама увидела, с тем, что передают стационарные сенсоры или другие машины. Это максимально полная картина мира.

Последние три года команда Кнолля вместе с индустриальными партнерами работала над проектом «Центральный автомобильный сервер» (CeCaS) на деньги Федерального министерства исследований. Их главный результат — архитектура, которая оценивает данные по месту и по мере поступления, без задержек. Такая полностью программная централизованная схема понадобится для машин начиная с 2033 года.

Что дает этот подход

• Реалистичные испытания на симуляторе. Сегодняшние автомобили с автопилотом еще не умеют справляться со многими дорожными и погодными условиями. Исследователи создали среду, где мощные графические чипы генерируют любые ситуации. После тренировки в симуляторе машина уже сама знает, как действовать. Эти сценарии выложат в открытый доступ для всех автопроизводителей и инженеров.
• Огромная экономия за счет централизации. В обычных машинах разбросано больше сотни отдельных блоков управления. В новой концепции их заменят несколько мощных программируемых компьютеров. Исчезнут километры лишних проводов — проще и дешевле монтировать. Новые функции можно будет добавлять простым обновлением софта, как на смартфоне. И даже настройки под себя заказывать удаленно.
• Цифровой двойник на стенде. Тумовский испытательный стенд жестко фиксирует автомобиль всеми колесами и осями. Там проверяют не только антиблокировочную систему или экстренное торможение, но и загружают любые сценарии с помощью цифрового двойника. Даже реальные аварии с участием автопилотируемых машин можно перегнать в симуляцию и натренировать на них систему — без единого пострадавшего.

Главный сдвиг — искусственный интеллект сам пишет код

Кнолль считает ключевым преимуществом скорость. В проекте CeCaS показали: генеративные языковые модели способны создавать софт почти мгновенно. Обычно технические требования к системе лежат в виде текста — там описано, как устройство должно себя вести. Если эти описания последовательны, полны и не противоречат друг другу (а проверить это тоже под силу искусственному интеллекту), языковая модель выдает новый программный код за секунды. Но для этого вся архитектура в автомобиле должна быть под это заточена. Кнолль прямо говорит: к машинам надо относиться как к программным платформам, иначе на рынке просто не удержаться.

Анализ стоимости

Прямо сейчас централизованный сервер обойдется дороже россыпи старых контроллеров — новые мощные чипы стоят немало. Но производители подсчитали: за счет сокращения проводов, упрощения сборки и возможности обновлять функции удаленно общая стоимость владения автомобилем снизится процентов на 20–25 в масштабе пяти-семи лет. Для покупателя это будет заметно: машина станет ненамного дороже обычной, но без необходимости менять блоки при каждом новом «дополнительном опции». Однако стартовая цена модели с такой архитектурой в 2033 году, скорее всего, будет высокой — инновации всегда дорожают первое время.

Что было до этого исследования

До CeCaS инженеры тоже пытались централизовать управление, но делали «гибридные» схемы: несколько мощных доменов (например, мультимедиа и шасси) все равно общались через сотню мелких контроллеров. Нынешняя работа — именно прорыв в архитектуре, а не маленький шаг. Впервые удалось сделать полностью программно определяемую систему без выделенных железных блоков под каждую функцию. При этом технология генерации кода по текстовым спецификациям — это скорее эволюция предыдущих нейросетевых методов, но здесь доведена до практической готовности.

Этичность и возможный вред

Вред может быть, и серьезный. Языковая модель, генерирующая код по тексту, внутренне не понимает физики — она видит только статистику слов. Если в спецификациях была скрытая ошибка (например, некорректно описан тормозной путь на гололеде), искусственный интеллект послушно создаст опасный код. Проверять эти тексты на противоречия тоже будет нейросеть, а она может пропустить тонкую логическую ловушку. С этической точки зрения разработчики перекладывают ответственность с водителя (которого нет) на производителя, но производитель может сказать: «Код написал искусственный интеллект, а мы лишь проверяли спецификации». Пока нет законов, кто платит за аварию, если софт сгенерировала машина. Сама технология не подразумевает зла, но без жесткого регламента тестирования она создает зону безответственности.

Сравнение с аналогами

Прямые конкуренты — платформа Tesla (там тоже централизованный компьютер, но он не генерирует код сам, его пишут люди) и разработка немецкого концерна Bosch (она ближе к «гибридной», не полностью программная). У Tesla скорость реакции выше, но цена ошибки при автообновлениях уже приводила к отзыву партий. Автомобили с архитектурой CeCaS потенциально дешевле в обслуживании, чем Tesla, потому что не требуют физической замены блоков. Но Tesla уже работает на дорогах, а CeCaS пока на стенде. Из аналогов в исследовательской среде — корейский проект „e-Corner“ от Hyundai, но у них упор на механику колес, а не на автогенерацию кода. По гибкости обновлений CeCaS превосходит всех, но по зрелости технологий уступает тому же Tesla.

Критика разработки

Исследователи проверяют спецификации на противоречия тоже искусственным интеллектом. Получается круг: нейросеть пишет код по тексту, а вторая нейросеть оценивает правильность этого текста. Ни одна из них не имеет чувственного опыта — они не знают, что такое мокрый асфальт или потеря сцепления. Человек в этом цикле выпадает почти полностью. А любая ошибка в исходной спецификации размножится и станет неуловимой, потому что обе сети согласятся друг с другом. Исследователи признают, что пока нет методики верификации для сгенерированного кода на сложных сценариях. До реального трафика этот подход можно применять только под жестким контролем человека, но тогда теряется смысл «генерации за секунды». Коммерческий соблазн выпустить обновление, написанное нейросетью, без глубокой проверки, огромен. Именно здесь зарыта главная опасность для водителей и пешеходов.

Ранее российские ученые создали навигационный комплекс для беспилотников с нейросетью.