Два «мозга» автопилота: Почему одни беспилотники учат правила, а другие учатся сами

Когда вы смотрите на высокоавтоматизированный автомобиль, вы видите лидар на крыше, много видеокамер и другие внешние признаки, позволяющий понять о непростом автомобиле перед Вами. Но главное скрыто внутри системы: электронный «мозг» автомобиля. Именно в том, как устроен этот мозг, и лежит главный «водораздел» между инженерными подходами.

Одни разработчики загружают в автомобиль свод жестких законов физики и ПДД. Другие практически ничего не объясняют машине, а просто «показывают» ей миллионы часов вождения.

У каждой парадигмы есть свои сильные и слабые стороны. Сегодня мы попробуем разобраться в чем они заключаются и какие перспективы открывают для высокоавтоматизированного транспорта

Автомобиль-юрист (rule-based или GOFAI)

Инженеры и программисты вручную прописывают каждое действие: «Если пешеход на "зебре" — стоп. Если красный свет — стоп. Если впереди препятствие на скорости 60 км/ч — тормозить с замедлением X». По сути, это набор компьютерных команд «if-else», охватывающий все возможные дорожные ситуации.

Самый главный плюс такого подхода — предсказуемость. Вы знаете, почему автомобиль затормозил. Логический анализатор показывает: «Код строки 245: сработало условие "боковой интервал меньше 0.5 метра"». Это критически важно в случае судебных разбирательств и сертификации.

Большое преимущество — отсутствие «галлюцинаций», бича современного LLM-программирования. Нейросеть может принять снег на обочине за гигантскую белую кошку. Машина «на правилах» этого не сделает — она работает с четкими числами: дистанция, скорость, угол поворота руля. Да и, в конце концов, такой автопилот банально дешевле — меньше требований к «железу».

К сожалению, любое решение, помимо плюсов, имеет и свои недостатки. Главный и фатальный — «проблема крайних случаев». Что делать, если регулировщик машет жезлом, а светофор зеленый? Или на дорогу выкатилась коляска с младенцем, а позади фура, которая не успеет затормозить?

Программист физически не может прописать, да и предусмотреть, миллионы исключений. Правила ломаются там, где начинается реальная жизнь с её неопределенностью. Давно известно: «вероятность «один на миллион» срабатывает в девяти случаев из десяти».

Автомобиль-ребенок (end-to-end neural network)

Это «черный ящик». Нейросеть (обычно сверточная или трансформер) получает на вход сырые данные с камер (пиксели) и лидара (облака точек). На выходе — управляющие сигналы, подаваемые на органы управления автомобиля. Что посередине – скрыто за кодом нейросети. Поневоле вспоминаешь третий закон Артура Кларка.

Как происходит эта «техномагия»? Ей скормили 10 миллиардов километров реальной и синтетической езды. Она не знает, что такое «правило 10.2 ПДД», она просто чувствует, что в этой ситуации нужно повернуть налево, потому что так делали 99,9% людей в похожих условиях.

Такой подход позволяет уже говорить об адаптивности к любым ситуациям. Нейросеть справится с нестандартной разметкой, грязью на дороге или кошкой на крыше машины — если в обучающей выборке было достаточно таких примеров. Она не ищет отдельно пешехода, отдельно знак и отдельно яму. Она видит всю сцену сразу и понимает взаимосвязи, имеет порой почти человеческие инстинкты: «тот человек смотрит в мою сторону, значит, может выбежать».

Благодаря обучению на реальных примерах, такой автопилот способен обеспечить большую плавность движения. В отличие от робота, дергающего руль по правилам, нейросеть имитирует человеческую манеру вождения.

Но, как уже упомянули, такие глубокие нейросети — это «черный ящик». Когда автомобиль въехал в бетонный блок, никто точно не скажет, почему. Инженеры могут лишь предположить: «Вероятно, она перепутала блок с тенью от моста». Для сертификации и страховых случаев это катастрофа. Никто не будет слушать объяснения про «китайскую комнату», которая почему-то принимала фатальное решение.

Нейросеть идеальна на 99.99% дорог. Но на 0.01% она может совершить глупейшую ошибку, которую не совершил бы даже начинающий водитель.

Гибрид?

На практике сегодня никто не использует чистые подходы. Современный беспилотник работает по принципу «нейросеть планирует, правила контролируют».

Вначале работают нейромодели: распознают объекты, но не принимают решения. Лишь выдают структурированные данные: «Пешеход с вероятностью 99%, координаты X,Y». Далее наступает этап планирования: нейросеть предлагает траекторию (имитируя движение человека на основе своего обучения). Но «сверху» ее действия контролирует rule-based мониторинговая система, которая проверяет: не превышает ли траектория физический предел сцепления колес? Не пересекает ли сплошную? Не ведет ли в пропасть?

Если правила и нейросеть конфликтуют (например, сеть хочет объехать яму, а правила говорят «не пересекай разметку»), право вето остается за правилами. Потому что безопасность важнее комфорта.

Философия гибридного автопилота понятна: подход на основе правил порой слишком хрупок для хаоса реального мира. Чистый нейросетевой подход безумно перспективен, но слишком опасен, чтобы выпускать его без поводка.