Грантополучатели РНФ об автоматизации транспорта и беспилотных решениях для городской жизни и сельского хозяйства
Транспортная отрасль переживает один из самых масштабных этапов технологической трансформации за последние десятилетия. На дорогах появляются беспилотные автомобили, железнодорожный транспорт становится все более интеллектуальным, а ученые возвращаются к амбициозной задаче создания нового поколения сверхзвуковых самолетов. Одновременно растет роль цифровых технологий, способных не только управлять транспортными средствами, но и прогнозировать их техническое состояние, предотвращая поломки и аварии еще до их возникновения.
За каждым технологическим прорывом стоят годы исследований — от разработки алгоритмов автономного движения и цифровых двойников транспортных процессов до изучения турбулентности, влияющей на шум авиационных двигателей, и создания методов прогнозирования звукового удара сверхзвуковых самолетов. Не менее важны разработки в области интеллектуального мониторинга инфраструктуры, которые в будущем позволят в режиме реального времени контролировать состояние протяженных железнодорожных магистралей, в том числе будущих транспортных сетей на магнитной подушке.
При поддержке РНФ ученые из разных регионов страны работают над развитием беспилотного транспорта. Их исследования расширяют фундаментальные представления о сложных транспортных системах и закладывают основу для технологий, которые в ближайшие годы могут сделать транспорт безопаснее, эффективнее и доступнее.
О последних решениях в этой области рассказывают грантополучатели РНФ Вячеслав Морозов, кандидат технических наук, доцент кафедры транспортных и технологических систем Института транспорта Тюменского индустриального университета, Кирилл Святов, кандидат технических наук, декан факультета информационных систем и технологий Ульяновского государственного технического университета, и Станислав Истомин, кандидат технических наук, доцент кафедры «Подвижной состав электрических железных дорог» Омского государственного университета путей сообщения.
Материалы опубликованы в рубрике «Мнение» нового выпуска журнала «Открывай с РНФ» (№ 34). Скачать журнал можно по ссылке.
Вячеслав Морозов: «Ожидается переход не просто к беспилотному, а полностью автономному транспорту»
В настоящее время происходит массовое внедрение технологий искусственного интеллекта (ИИ) во многие сферы транспорта, в том числе в автомобильно-дорожный комплекс. Особое внимание уделяется беспилотным транспортным средствам (БТС).
По предварительным оценкам, через 15 лет сегмент беспилотного транспорта может достичь 80% от общего числа транспортных средств. С одной стороны, это открывает колоссальные перспективы для повышения эффективности и безопасности дорожного движения, а также совершенствования технологий грузовых и пассажирских перевозок. С другой стороны, это серьезный вызов для науки. Современная транспортная инфраструктура не приспособлена к пусть и постепенному, но все же неизбежному переходу к беспилотным автомобилям.
Вместе с этим расширяется применение нейронных сетей. Так, нейросетевые технологии хорошо зарекомендовали себя в части мониторинга транспортных потоков, прогнозирования образования транспортных заторов, возникновения ДТП и поиска наиболее оптимальных режимов для работы светофоров.
Если говорить о научной составляющей, то сегодня парадигмы и подходы к проведению исследования сильно меняются. С появлением машинного и глубокого обучения базовые научные традиции медленно, но уверенно уступают место новым методам. Благодаря быстрому развитию вычислительных мощностей и искусственному интеллекту (ИИ) появились технологии для сбора, хранения и обработки огромных массивов исходных данных. Стало возможным учитывать единовременно десятки, сотни факторов с неограниченным спектром значений. И хотя модели, полученные с применением ИИ, зачастую не раскрывают физический смысл объектов, процессов и явлений, они обладают не меньшей, а возможно, и большей ценностью для дальнейшего практического применения.
В 2025 году под моим руководством был успешно завершен проект, посвященный исследованию процесса управления транспортными потоками в городах на основе нейросетевых технологий. При поддержке РНФ мы предложили закономерности и разработали на их основании математические модели для управления транспортными потоками на городских регулируемых пересечениях. Также в рамках проводимого исследования были получены некоторые побочные результаты, которые изначально в цели и задачи не входили. Например, мы установили, что с увеличением хаоса (относительной энтропии) в дорожном движении повышается риск травматизма, но при этом уменьшается риск возникновения более серьезных ДТП и, соответственно, снижается их степень тяжести. Это имеет определенную ценность для задач обеспечения безопасности дорожного движения. Кроме того, коллектив разработал программное обеспечение с применением нейронных сетей. Оно позволяет обрабатывать данные видеоизображений с уличных камер наблюдения и проводить мониторинг дорожного движения.
В настоящее время я участвую в реализации проекта по исследованию возможностей оптимизации функционирования городских транспортных систем с использованием искусственного интеллекта. Общая идея состоит в том, чтобы попытаться найти способ сократить разрыв между транспортным спросом и предложением в системе городских пассажирских перевозок. Для этого коллектив помимо фундаментальных подходов применяет обучение с подкреплением, которое также относится к инструментам ИИ.
Если говорить о перспективах, то решение многих проблем транспортных систем современных городов будет связано с переходом к использованию не просто беспилотного, а полностью автономного транспорта. Потенциал таких транспортных средств существенно превышает человеческие возможности. Одно только время реакции и принятия решения у автономного автомобиля многократно меньше, чем у водителя. Поэтому перенаправление транспортного спроса на беспилотный транспорт позволит решить многие актуальные задачи: предотвратить заторы, сократить время передвижения и снизить аварийность. Также исключение человека из управления транспортным средством позволит устранить многие происшествия, связанные с нарушением правил дорожного движения.
В дальнейшем мы планируем разработать методологический инструментарий для управления движением беспилотных автомобилей на городской улично-дорожной сети. Общая идея направлена на модернизацию, а при необходимости и разработку совершенно новых моделей и прикладных технологий для управления транспортными потоками в городах с учетом частичного, а затем и полного перехода к беспилотным транспортным средствам.
Кирилл Святов: «Беспилотный транспорт в сельском хозяйстве становится элементом роботизированной технологической системы»
Беспилотный транспорт в сельском хозяйстве актуален сегодня по нескольким причинам: это и дефицит квалифицированных механизаторов, и необходимость выполнения технологических операций в ограниченные сроки, а также рост требований к точности обработки полей и необходимость непрерывного мониторинга состояния сельскохозяйственных угодий.
Для сельскохозяйственной техники особенно важны задачи движения в слабоструктурированной среде. В отличие от автомобильных дорог общего пользования, поля не имеют разметки, четких границ проезжей части, устойчивых ориентиров и заранее известных препятствий. Кроме того, условия восприятия могут существенно изменяться из-за пыли, освещенности, погодных факторов, состояния почвы и растительности.
В рамках наших исследований, поддержанных РНФ, беспилотное наземное транспортное средство рассматривается не как изолированная автономная машина, а как элемент роботизированной технологической системы. Такая система должна воспринимать окружающую среду, строить метрически-семантическую карту, планировать траекторию, учитывать правила безопасного движения и выполнять технологическую задачу в условиях неопределенности.
В последние годы в области автономного транспорта для сельского хозяйства произошло несколько существенных научных изменений. Наиболее важное из них состоит в переходе от задачи автоматического следования по заранее заданной траектории к задаче ситуационно-адаптивного управления в слабоструктурированной среде.
Для сельскохозяйственной техники классическая схема навигации, основанная только на спутниковом позиционировании и заранее построенном маршруте, оказывается недостаточной. Такая схема плохо учитывает локальные изменения среды: состояние грунта, появление препятствий, изменение границ проезжаемой области, наличие валков — скошенного сена или сельскохозяйственной культуры, рядов насаждений, технологических зон и других объектов. Поэтому современная научная постановка задачи включает не только определение местоположения и управление движением, но и построение модели окружающей среды.
Первое значимое направление связано с развитием метрически-семантического картографирования. В отличие от обычной геометрической карты, такая модель среды содержит не только координаты препятствий и свободных областей, но и смысловую классификацию объектов и зон: одна и та же геометрически свободная область может быть допустимой, ограниченно допустимой или недопустимой для движения — в зависимости от технологической операции.
Также происходит переход от одиночной автономной машины к кооперативным робототехническим системам. Для сельского хозяйства это существенно, поскольку перспективные сценарии предполагают совместную работу наземных беспилотных машин, беспилотных летательных аппаратов, цифровых карт и диспетчерских систем. В такой постановке возникают задачи кооперативной локализации, совместного картографирования, обмена данными о препятствиях и согласования действий нескольких машин.
Беспилотное сельскохозяйственное транспортное средство рассматривается сейчас как элемент интеллектуальной робототехнической системы, которая должна воспринимать среду, строить метрически-семантическую карту, планировать движение, учитывать правила и проверять допустимость собственных действий в условиях неопределенности.
Основная задача проекта, поддержанного РНФ, состоит в разработке методов, моделей и программных средств управления беспилотными наземными транспортными средствами, предназначенными для работы в сельскохозяйственной среде.
В рамках проекта уже создана виртуальная среда моделирования беспилотных наземных транспортных средств на базе Webots и ROS 2 — программ для симуляции и управления робототехническими системами. Такая среда используется для отладки алгоритмов восприятия, планирования и управления в повторяемых сценариях. Это позволяет снизить стоимость и риски экспериментальной проверки, поскольку значительная часть ошибок выявляется до проведения испытаний.
Кроме того, научный коллектив разработал методы построения локального представления сцены в виде сегментированной карты и BEV-карты на основе данных технического зрения. Такое представление позволяет перейти от анализа отдельных изображений к формированию пространственной модели окружающей среды, пригодной для планирования движения. В карте могут быть представлены проезжаемые зоны, препятствия, границы движения и области с различным уровнем допустимости движения.
Мы разработали архитектуру базы правил движения и интерпретатора правил. Этот компонент обеспечивает связь между распознанной ситуацией и допустимым поведением беспилотного транспортного средства. Например, при обнаружении препятствия, неопределенной области или изменения структуры маршрута система должна не просто перестроить траекторию, а выбрать действие, согласованное с ограничениями безопасности и технологическим сценарием.
Помимо этого, коллектив сформировал экспериментальный задел для переноса разработанных решений на реальные наземные платформы. Это принципиально важно, поскольку конечная цель проекта состоит не только в моделировании алгоритмов, но и в проверке их работоспособности в условиях реальной сельскохозяйственной среды.
В рамках работ по гранту переоборудованы под беспилотное управление три автомобиля, на которых отрабатываются алгоритмы автономного вождения — УАЗ «Патриот» на автоматической коробке передач, ГАЗель Next на механической коробке передач и автомобиль багги собственной разработки.
В ближайшие 5–10 лет можно ожидать развития трех направлений. Во-первых, это групповое применение автономных машин. Один робот сможет выполнять технологическую операцию, второй — обеспечивать подвоз материалов, третий — перемещение урожая или оборудования, а беспилотный летательный аппарат — выполнять мониторинг состояния поля и маршрутов движения.
Во-вторых, это интеграция беспилотной техники с цифровыми двойниками сельскохозяйственных процессов. Это позволит планировать операции не только по текущим координатам машины, но и с учетом модели поля, состояния почвы, технологической карты, маршрутов перемещения и ограничений безопасности. В-третьих, это развитие доверенных и проверяемых систем искусственного интеллекта для автономного транспорта.
Станислав Истомин: «Мы разрабатываем технологии беспилотного и при этом энергооптимального движения железнодорожного транспорта»
Современная транспортная отрасль идет по пути цифровизации и автоматизации. Железнодорожный транспорт не стал исключением. В рамках проекта, поддержанного РНФ, мы развиваем это направление и решаем задачи по запросу партнера — ОАО «РЖД».
В рамках проекта перед нами стоят три задачи. На первом этапе, который реализовывался в 2025 году, наш коллектив разрабатывал методы и алгоритмы интеллектуального ведения поезда с точки зрения энергоэффективности. Компания ОАО «РЖД» потребляет около 5% всей электроэнергии, вырабатываемой в стране, что довольно значительно. При этом около 85% потребляемой электроэнергии расходуется непосредственно на движение подвижного состава, прежде всего грузовых поездов. На оплату электроэнергии РЖД ежемесячно направляет миллиарды рублей. Поэтому даже незначительное снижение энергопотребления, например всего на 1%, может дать экономический эффект.
Технологии беспилотного и при этом энергооптимального движения уже проходят испытания в Москве на Московском центральном кольце в электропоездах «Ласточка». Однако еще более значительный эффект можно получить при внедрении подобных технологий в грузовом движении, на который приходится основная часть расходов электроэнергии.
На сегодняшний день на локомотивах уже применяются системы автоведения — своего рода автопилот, привычный для авиации. Как известно, после выхода на заданный режим пилот контролирует процесс, а управление в значительной степени выполняет автоматика. На железной дороге принцип схожий: машинист начинает поездку самостоятельно, а затем может перевести локомотив в режим автоведения и контролировать его работу.
Одним из важных результатов первого этапа работы по гранту стало фундаментальное исследование характера работы электровоза в различных режимах эксплуатации. Базовым объектом исследования стал грузовой электровоз 2ЭС6, который широко используется на Западно-Сибирской железной дороге, в том числе на участках, проходящих через Омскую область. Нам удалось детально проанализировать, как функционирует система автоведения и каким образом используются различные режимы движения. Полученные результаты показали, что потенциал для дальнейшей автоматизации и интеллектуализации систем автоведения остается очень высоким. На грузовых электровозах доля использования такого режима пока остается невысокой.
Для локомотивов постоянного тока, с которыми мы работаем, доля едва достигает 30%. В большинстве случаев машинисты продолжают вести поезд самостоятельно: принимают решения о разгоне и торможении, выбирают режимы работы оборудования, определяют оптимальную стратегию движения на различных участках пути.
Наша задача заключается в построении динамической модели, которая учитывает поведение машиниста на разных участках, массу состава, груз, профиль пути — подъемы и спуски, а также движение по кривым участкам. Кроме того, принимается во внимание один из наиболее важных факторов для российских условий — температура окружающего воздуха.
При этом сочетание математического аппарата и алгоритмов искусственного интеллекта позволяет получать более точные результаты по сравнению с существующими подходами. По нашим оценкам, применение разрабатываемой гибридной модели может обеспечить экономию электроэнергии порядка 3,5%. На первый взгляд эта величина может показаться небольшой, однако в масштабах всей сети железных дорог эффект оказывается весьма существенным. Если подобная технология будет внедрена на грузовых локомотивах по всей сети РЖД, потенциальный экономический эффект может достигать примерно шесть миллиардов рублей в год.
Вторая задача, которую мы начинаем решать в текущем году, связана с обеспечением безопасности движения. Система должна уметь обнаруживать препятствия на пути, видеть пассажирские платформы, железнодорожные переезды, определять нештатные ситуации, светофоры и их показания.
Третья задача, которой мы будем заниматься на следующем этапе проекта, связана с самодиагностикой неисправностей в пути следования. Это позволит выявлять предотказные состояния отдельных узлов и агрегатов. Подход предполагает постоянный мониторинг оборудования и прогнозирование возможных неисправностей на основе данных диагностики, что позволит избежать избыточного ремонта и снизить затраты.
Если говорить о развитии данных направлений с научной точки зрения, то в техническом отношении железнодорожная отрасль в разных странах развивается достаточно синхронно. Гораздо больший интерес сегодня представляет не столько аппаратная часть, сколько фундаментальные исследования, связанные с разработкой новых методов, алгоритмов и подходов к обработке данных и принятию решений. Конкуренция во многом разворачивается именно в этой области.
Иногда я в шутку говорю студентам: «Ребята, вы рискуете остаться без работы». Конечно, речь идет не об исчезновении человека из отрасли, а скорее о трансформации его роли. По мере развития беспилотных технологий появляются новые специальности. Уже разработан стандарт профессии машиниста-оператора. Такой специалист сможет удаленно наблюдать за выполнением маршрута, реагировать на нештатные ситуации и при необходимости брать управление на себя.
Сложно сказать, насколько быстро подобные решения станут повседневной реальностью. Вероятно, к середине XXI века технологии могут достичь такого уровня развития, при котором беспилотное управление станет обычной практикой. Эта оценка, конечно, во многом интуитивна и основана на понимании того объема научных и инженерных задач, которые еще предстоит решить. Во всяком случае мне бы очень хотелось увидеть такие изменения собственными глазами.
***
Интервью вошли в специальную рубрику «Мнение» корпоративного журнала «Открывай с РНФ» (№ 34).
В новом выпуске грантополучатели РНФ представили ход и результаты проектов в области транспорта.