Политехники составили первую «карту мозга» беспилотников
(27).png "Политехники составили первую «карту мозга» беспилотников")
Ученые Санкт-Петербургского политехнического университета Петра Великого провели масштабное исследование, которое можно сравнить с детальным разбором «мозга» беспилотного автомобиля: они проследили, как устроены программный код, алгоритмы и механизмы принятия решений на дороге. Изучив корпус мировых научных публикаций за 25-летний период, исследователи составили карту развития автономного транспорта. На ней обозначены основные направления, тупиковые подходы и перспективные технологии, которые пока находятся на ранней стадии разработки.
Интерес к тому, как беспилотник прокладывает путь и удерживает траекторию, за последние годы вырос лавинообразно: число работ и их цитируемость растут почти как по экспоненте. Если представить науку об автономном движении как живой организм, то именно разделы, посвящённые планированию пути и слежению за траекторией, сегодня являются его «сердцем» и «нервной системой».
По данным авторов, основу «скелета» систем управления движением по‑прежнему составляют строгие математические модели и классические алгоритмы. Это несущая рама беспилотного автомобиля: модельно‑предиктивное управление (MPC) и методы оптимизации, которые отвечают за то, чтобы машина не «плыла» на поворотах, держалась на траектории и предсказуемо вела себя на скользкой или сложной дороге.
Поверх этого «каркаса» за последние годы стремительно нарастает «мускулатура» искусственного интеллекта. Глубокие нейросети и обучение с подкреплением берут на себя работу в тех ситуациях, где дорожная обстановка меняется быстрее, чем инженер успеет придумать новые правила. В насыщенном городском потоке эти алгоритмы превращаются в дополнительную пару «глаз» и «инстинктов», помогающих машине предугадывать поведение других участников движения.
Авторы отмечают, что наиболее перспективные решения рождаются не на чистом поле ИИ и не в мире только классической математики, а на их стыке. Такие гибридные подходы можно сравнить с опытным водителем, который сочетает строгие правила дорожного движения со здравым смыслом и интуицией, накопленной годами.
Исследование ученых также показывает, что у «мозга» беспилотника остаются слабые места. Это необходимость решать сложные вычислительные задачи не на академическом кластере, а в бортовом компьютере за доли секунды; умение работать не на пустой тестовой трассе, а в «живом» городском трафике; а также проблема переноса алгоритмов, обученных в идеальных виртуальных мирах, в реальность с её ямами, снегом и человеческим фактором.
Анализ метаданных позволил разработать навигационную отраслевую карту, на которой видно, какие подходы уже превратились в проверенные автомагистрали, по которым движется весь мир, а какие пока остаются узкими тропинками, требующими аккуратных экспериментальных поездок. Для разработчиков и инвесторов это дает возможность точнее планировать маршруты своих проектов и не тратить ресурсы на направления, которые ведут в технологический тупик.
Оригинал статьи: Bibliometric and Visualization Analysis of Path Planning and Trajectory Tracking Research for Autonomous Vehicles from 2000 to 2025. Sensors 2026, 26(3), 964.
