Данные — одна из главных головных болей при разработке автономных систем. Нам нужны терабайты данных для персепшна, для предикшна, для планера.
Казалось бы, всех спасет симулятор: накатал миллион реальных километров, кратно размножил сценарии в симуялторе, и вот у тебя уже 10 миллионов километров тестов за одну ночь. Но если бы все работало так безупречно, профессия таксиста уже давно ушла бы в прошлое.
Дело не только в объеме, ключевую роль играет разнообразие данных.
Представьте ситуацию: ваша модель персепшна обучалась только на классических двухколесных мотоциклах. Внезапно на дороге ей встречается трицикл. Оценивая его сзади, нейросеть может ошибиться и классифицировать его как автомобиль — например, как небольшой кабриолет. Дальше ошибка идет по цепочке: модуль предикшна строит физическую модель и гипотезы будущего движения для машины, а не для легкого и юркого трицикла.
А теперь добавим сюда планер. Если вы тренировали его только на плавных и предсказуемых маневрах, то в момент, когда этот трицикл резко перестроится в ваш ряд, система может просто не сгенерировать нужный маневр экстренного уклонения или торможения.
Вывод простой: «накатывать» киллометры в реальном мире, в разных погодных условиях и по дорогам самых разных городов — все еще критически важно для качества автопилота. И только потом собранный датасет корнер-кейсов имеет смысл бесконечно прогонять в симуляторе.
p.s. Если вы вдруг считаете, что корнер кейсов мало, то вот вам картинки с увлекательными задачами для персепшна.
#selfdrivingcar #беспилотник #беспилотныйавтомобиль
5
4
2
2
1June 30, 2026 629 2 3
