Когда бизнес задумывается о внедрении автономного транспорта, например для доставки товаров клиентам или перевозки грузов внутри складского комплекса, возникает закономерный вопрос: как долго система будет изучать территорию?

Рассказываем.

Симуляции помогают обучить алгоритмы за считанные дни

ИИ-модель автономного вождения Яндекса обучаются не только в реальном мире, но и в виртуальном — с помощью собственного симулятора. Это позволяет модели за короткое время «прокатать» сотни тысяч сценариев: от внезапно выезжающего погрузчика на территории склада до сложных погодных условий в городе.

Как работает симулятор

Чтобы автономные авто и роботы-доставщики могли безопасно ездить по городу, они должны учиться решать четыре основные задачи.

🔘 Локализация — понимать, где именно находится машина.

🔘 Восприятие — распознавать объекты вокруг: здания или полки склада, другую технику, людей.

🔘 Предсказание — оценивать, куда поедут другие машины и куда пойдут пешеходы.

🔘 Планирование — прокладывать собственный маршрут так, чтобы он был безопасным и удобным.

В симуляциях используют два подхода.

🔴 Open Loop — берутся реальные данные с камер, лидаров и радаров и «прокручивается» через систему. Машина их анализирует, но её действия не влияют на дальнейший ход событий. Это похоже на просмотр записи: удобно для проверки локализации, распознавания и предсказаний.

🔴 Closed Loop — здесь появляется обратная связь. Симулятор строит виртуальную сцену, где вокруг движутся машины, пешеходы, меняется среда. Автопилот принимает решения, и эти решения меняют ход симуляции. Это позволяет проверить, как работает планирование движения. 

Подписывайтесь 👉 @yab2btech