Компания Helm AI, которая разрабатывает программное обеспечение для автоматического вождения на базе искусственного интеллекта, объявила о серьезном апгрейде пакета Helm AI Driver. Ключевой момент — система работает только с камерами, то есть без привязки к дорогостоящим наборам сенсоров и без обязательной опоры на высокоточные карты. Производитель позиционирует решение как готовое к внедрению в серийные автомобили ПО, которое можно масштабировать от продвинутого уровня 2+ до уровня 4 для городских условий.
Что именно обещает платформа
Нужно признать, что разработчики сделали ставку на универсальную базу: автопроизводитель может быстро получить функциональность уровня 2+, а затем, по мере развития «железа» и нормативных требований, в рамках той же архитектуры перейти к уровням 3 и 4. При этом упор делается на «человеческую» плавность поведения в плотном городе и на отказ от подходов, где система завязана на HD-карты или датчики контроля водителя.
Показательный заезд и условия испытаний
Вместе с анонсом Helm AI опубликовала демонстрационное видео. На кадрах автомобиль под управлением ИИ едет по Редвуд-Сити (Калифорния) и самостоятельно решает типичные городские задачи — от маневров на перекрестках до реакции на сложные сигналы и взаимодействия с потоком. Стоит отметить, что заезды проводились по стандартным протоколам тестирования и верификации систем, ориентированных на массовое производство, а в машине находился водитель, отвечающий за безопасность.
Почему индустрия уперлась в «стену данных»
По словам компании, автомобильный рынок сейчас сталкивается с проблемой, которую можно описать как «информационную стену». Для роста качества в сложных сценариях требуются все более редкие и дорогие данные из реального мира, причем в экспоненциальном масштабе. Дополнительно ситуацию осложняет популярная «сквозная» схема pixel-to-control: она часто воспринимается как «черный ящик» и, как следствие, плохо подходит по интерпретируемости под строгую сертификацию безопасности, необходимую начиная с уровня 3.
Архитектура Helm: два понятных слоя вместо «черного ящика»
В отличие от полностью сквозных моделей, Helm AI разделяет задачу на два четких уровня:
- «Распознавание»: преобразование сырых сенсорных данных в высокоструктурированную семантическую сегментацию и 3D-информацию.
- «Политика»: модель управления использует интерпретируемую «семантическую геометрию», а не необработанные пиксели, и на ее основе делает выводы о дорожных структурах и правилах движения.
Такая схема, как подчеркивают в компании, одновременно закрывает две боли — дефицит данных и необходимость прозрачности. Более того, архитектура дает автопроизводителям понятную проверяемую программную основу, которую можно масштабировать от контролируемого развертывания уровня 2+ до внедрений уровня 3 и 4 с прицелом на соответствие ISO 26262.
Как удалось обойти привычные бюджеты и пробеги
Традиционные подходы к «городскому» автономному вождению зачастую требуют миллиардных вложений и миллионов километров обучающих данных. Здесь Helm AI заявляет иной результат: уровень зрелости для города достигнут при использовании примерно 1000 часов реальных данных о вождении.
За счет чего это стало возможным
Компания объясняет прогресс собственной технологией неконтролируемого обучения, которую называет «глубоким обучением». Суть подхода сводится к следующему:
- нейросети обучаются на больших объемах доступных неоперационных данных без дорогой разметки человеком;
- обучение опирается на семантическое моделирование, позволяя проходить практически бесконечные геометрические сценарии без затрат на фотореалистичный рендер пикселей;
- акцент делается на глобальную «семантическую геометрию», что снижает финансовые и временные барьеры разработки.
Проверка на «неизвестные» дороги: пример Торранса
Настоящим отличием серийных систем, как считают в Helm AI, является умение справляться с незнакомыми условиями без ручной подстройки и без построения HD-карт под каждый район. Чтобы подтвердить способность к обобщению, ПО развернули в Торрансе (Калифорния, Большой Лос-Анджелес). Сообщается, что без предварительной подготовки на конкретных улицах в этом регионе система смогла выполнять автономное рулевое управление «с нулевым отрывом».
Что это дает партнерам
Идея проста: если обобщение действительно работает, автопроизводители смогут внедрять функции от уровня 2+ до уровня 4 по всему миру без непомерных расходов на сбор данных по каждому городу и без жесткого геозонирования (источник: response.jp).
