Как беспилотные автомобили определяют, где они: инженеры «ЭвоКарго» разобрали ошибки каждого датчика

Инженеры компании «ЭвоКарго», разрабатывающей автономные грузовики, опубликовали на Хабре вторую часть серии о системе локализации. Если первая статья объясняла методы в целом, эта посвящена данным: какие сенсоры стоят на машине, почему каждый из них неизбежно ошибается и за счёт чего система всё-таки работает. Материал ценен тем, что описывает реальные российские условия эксплуатации, а не лабораторные тесты.

Что такое локализация и зачем она нужна?

Локализация (определение положения, направления и скорости транспортного средства) для автономного транспорта (ВАТС, высокоавтоматизированное транспортное средство) критически важна. Без точного ответа на вопрос «где я?» беспилотные автомобили не смогут перейти к следующим шагам: оценке ситуации, планированию маршрута и подаче команд на руль, двигатель и тормоза.

На первый взгляд логика простая: больше датчиков, больше данных, точнее результат. На практике, как пишет команда «ЭвоКарго», каждый источник данных живёт в своей «реальности» со своими физическими ограничениями и сценариями деградации. Поэтому локализация это не про измерения, а про интерпретацию противоречивых данных в условиях неопределённости.

Три группы датчиков и как каждый из них врёт

ГНСС-приёмник: спутник не всегда друг

ГНСС (глобальная навигационная спутниковая система, англ. GNSS) определяет координаты по времени прохождения радиосигнала от спутников до приёмника. Для трёхмерной позиции нужны сигналы минимум от четырёх спутников. Группировки, которые используются: ГЛОНАСС (24 спутника), GPS (31-32), Galileo (24+), Beidou (около 30). В идеальных условиях точность достигает дециметрового уровня.

Где врёт:

• Спутники расположены неудачно в «зоне видимости», погрешность вырастает до десятков метров
• В городе сигнал отражается от высоких зданий («эффект городского каньона»), координаты плывут
• В тоннелях спутниковая навигация пропадает полностью
• На объектах, где ездят беспилотные автомобили, часто работают «глушилки», установленные на фурах дальнобойщиков против систем оплаты проезда

Последний пункт это чисто российская специфика: глушилки дальнобойщиков на трассах создают зоны, где ГНСС-приёмник беспилотника получает мусор вместо координат.

Камеры и лидары: мир слишком непостоянен

Лидар (прибор, который сканирует пространство лазерными импульсами и строит трёхмерную «карту» окружения) и камеры работают в связке. Алгоритмы, включая нейросети, анализируют окружение и сравнивают его с заранее созданной HD-картой (детальная карта местности с нанесёнными статичными ориентирами: разметкой, деревьями, знаками, зданиями).

Где врёт:

• Снег и непогода. Зимой бордюры и разметку заносит, появляются сугробы и колея. Сильный снегопад, дождь и туман добавляют визуальные «призраки»
• Динамичное окружение. Десятки машин, фуры, автобусы, пешеходы закрывают ориентиры
• Однообразие. Длинное пустое шоссе с одинаковыми фонарными столбами, огромная парковка без единой визуальной «зацепки». Системе просто не за что «зацепиться»

Команда «ЭвоКарго» прямо указывает: в первых версиях грузовика они полагались только на камеры, но в первую же осень и зиму столкнулись с засыпанной разметкой и «невидимыми» препятствиями. После этого перешли на связку «камеры плюс лидары».

Датчики движения: дрейф, который растёт квадратично

На машине стоят акселерометры, гироскопы (общее название IMU, инерциальный измерительный модуль) и энкодеры (датчики оборотов колеса). Они измеряют ускорение, угловую скорость и одометрию.

Где врёт:

• Главная проблема называется «дрейф»: постепенное накопление погрешности со временем
• Пример из статьи: смещение акселерометра всего на 1 см/с² через 10 секунд даёт ошибку около 1 метра, через минуту около 36 метров, а через час машина «вылетает за пределы атмосферы»
• Погрешность растёт пропорционально квадрату времени, потому что для получения координат ускорение нужно проинтегрировать дважды

Именно поэтому инерциальную систему нельзя использовать в одиночку: без внешних источников коррекции ошибка накапливается слишком быстро.

Почему «больше датчиков» не равно «точнее»?

Ключевой тезис статьи: увеличение числа сенсоров не устраняет неопределённость. Каждый датчик ошибается по-своему и в разных условиях. Система сталкивается не просто с шумом, а с прямыми противоречиями: ГНСС говорит одно, лидар другое, а IMU третье.

Задача системы локализации как раз в том, чтобы определить, какому датчику в данный момент стоит доверять больше, а какой «врёт» сильнее, и из этих противоречий извлечь максимально точную оценку положения.

Что это значит для разных аудиторий?

Авторам Дзена. Тема беспилотных автомобилей даёт стабильный интерес аудитории. Материал «ЭвоКарго» показывает, как делать техническую тему доступной: конкретные примеры сбоев (глушилки, снег, однообразные шоссе) понятнее любой формулы. Пишете про технологии, описывайте отказы, а не спецификации.

Маркетологам. Беспилотные автомобили Яндекса и «ЭвоКарго» уже ездят по российским дорогам. Российский контекст (погодные условия, инфраструктура, помехи от глушилок) отличается от западного, и это влияет на позиционирование любого продукта, связанного с автономным транспортом.

Предпринимателям. Материал полезен тем, кто рассматривает автономную логистику: понимание реальных ограничений датчиков помогает оценить, в каких условиях беспилотные грузовики уже работают, а где пока не стоит ожидать надёжности.

Локализация в автономном транспорте работает не потому, что датчики точны, а потому, что система научилась жить с их ложью и выбирать, кому верить прямо сейчас. Кто пишет о беспилотниках, помните: ваш читатель тоже хочет знать не «как красиво ездит», а «что будет, когда всё пойдёт не так».

По материалам Habr AI