Поделиться
Технологии без прибыли: почему так сложно переходить на автономные грузовики
Объем рынка автономного транспорта к 2035 году, по оценкам аналитиков, при годовом темпе роста в 22,2% приблизится к отметке 448 млрд долларов. Ситуация на рынке автономного транспорта в России схожа с мировой, кроме того, рынок активно интересуется технологиями ИИ, чтобы повысить автономность и безопасность роботизированного транспорта. Но в связи с этим возникают и вызовы: масштабирование технологий, обеспечение надежности и безопасности, адаптация систем к различным условиям эксплуатации требуют значительных ресурсов и новых подходов.
Первый прототип: легко создать, трудно совершенствовать
Создание первого прототипа автономного грузовика — задача относительно простая. В мире существует множество стартапов, которые смогли разработать функционирующие прототипы беспилотных легковых и грузовых машин или технологии беспилотного вождения.
В принципе, достаточно взять один из открытых фреймворков по беспилотности, набрать небольшую команду профессионалов и сделать прототип робота-уборщика или даже беспилотного такси, провозгласив себя производителями беспилотного транспорта. Однако многие из таких стартапов даже при наличии серьезного финансирования не смогли продвинуться дальше этого этапа, не сумели довести свои прототипы до коммерчески успешного продукта, либо продержались на рынке в течение короткого срока.
Причины этого разнообразны: слабая техническая база, недостаточно компетентный менеджмент и невыстроенные бизнес-процессы — пожалуй, главный бич молодых технологических компаний. Так и в грузовом автономном транспорте: тех, кто смог создать коммерчески эффективный продукт и вывести его на рынок — единицы. Среди них можно вспомнить американского и шведского производителя беспилотного транспорта, которые, помимо других факторов, обрели успех за счет инвестиций в 4,4 млрд долларов США и 1,4 млрд долларов США соответственно. С большой вероятностью, это цифры только на начальном этапе жизнедеятельности продукта, а в процессе внедрения и модернизации потребуются дополнительные инвестиции в разработку. Таким образом, проект по созданию грузового беспилотника может стоить от нескольких миллиардов долларов и выше.
Кроме того, важную роль для молодых стартапов играет правильное выявление потребностей рынка. Многие из компаний-банкротов в области беспилотного транспорта излишне амбициозно стартовали сразу на дорогах общего пользования. В то время как наиболее подходящим сегментом для первоначального масштабирования технологий являются коммерческие территории — логистические центры, порты, где можно управлять рисками и отлаживать работу систем в контролируемых условиях.
Более того, рациональность разработки в формате постепенного расширения территории применения автономного транспорта заключается в незрелости правовых и регуляторных норм в этой сфере. Запуск решений в контролируемых зонах позволяет учитывать текущие ограничения законодательства и одновременно готовить основу для дальнейшей адаптации в будущей правовой среде на дорогах общего пользования.
Сложности масштабирования: от серийного производства до пользовательского принятия
Создание серийной модели автономного грузовика — совершенно иной уровень сложности по сравнению с разработкой и запуском одного прототипа.
Жизнеспособный в долгосрочной перспективе проект по разработке и производству автономного транспорта требует значительных инвестиций, времени и привлечения специалистов многочисленных профилей. Команда с глубокими компетенциями в робототехнике, машинном обучении, интеллектуальных транспортных системах, компьютерном зрении, автомобильной промышленности, в области электрических и водородных силовых установок — не просто желательные условия, а необходимость для стартапа в сфере автономного транспорта с серьезными намерениями. Создание транспорта на базе ИИ связано с объединением различных технологий — машинного обучения, сенсорных систем, компьютерного зрения и других, каждая из которых требует высокого уровня экспертизы.
Также для коммерческого успеха проекта необходимы профессионалы по разработке программного обеспечения, по работе с большими данными, по разработке решений для коммерческой эффективности и масштабируемости.
В совокупности это большой коллектив разнообразных специалистов, без которых не получится высокотехнологичный, безопасный и конкурентоспособный продукт.
Пример одного из значимых отличий серийной модели от прототипа: прототип может стоить очень дорого, в него можно вносить любые изменения для демо-проездов и показов, а для внесения любого изменения в серийную модель необходимо править конструкторскую документацию, серьезно корректировать процесс производства, тестирования и так далее. Поэтому и уровень ответственности за принимаемые технологические решения здесь на порядок выше — замена простейшей детали на сотне машин в эксплуатации гораздо сложнее замены этой детали на одном прототипе в офисе у разработчика.
Однако даже при наличии технически готового серийного продукта, путь к масштабированию не заканчивается. Следующий барьер — это восприятие и принятие технологии конечными пользователями. Внедрение принципиально нового продукта требует времени и сопряжено с социотехническими рисками: люди могут быть не готовы к новым моделям взаимодействия с технологией.
Значительную роль играет и экономическая составляющая, на которую необходимо опираться в выборе стратегии внедрения автономного транспорта. Высокая стоимость инновационных решений, практическая эффективность которых еще не подтверждена массовым применением, может сдерживать спрос на них. Чтобы обойти это ограничение, существует гибкий подход к внедрению — например, через «аренду» технологий без необходимости капитальных вложений. Например, мы предоставляем подписочную модель автономного транспорта, которая дает доступ к полноценному применению беспилотных грузоперевозок.
Как быть на шаг впереди
При выводе на рынок принципиально нового продукта неизбежен ряд итераций. В процессе разработки автономного грузовика характеристики модели регулярно дорабатываются на основе результатов испытаний. Каждая обновленная версия требует вложений в R&D, тестирование и верификацию, управление проектом и корректировку планов. Этот процесс формирует сложную цепочку действий, которая значительно увеличивает общие затраты на разработку.
Поэтому можно пойти по пути лидеров индустрии: например, из сенсоров восприятия работать только с камерами, а также полагаться на распознавание разметки и границ дороги. Для формата демо и простых тестов это может быть хорошим решением, но важно учитывать: как только на дорогах появляются грязь и снег, возникнет технический нюанс — в таких условиях разметка полностью пропадает из видимости. Нужно искать другие решения для восприятия грузовиком. Также обнаружение нарисованных на различных поверхностях людей может приводить к неправильному поведению машины и ложным остановкам.
От идеи до реализации продукта
Любой бизнес ставит перед собой цель создать коммерчески успешный продукт. Вместо адаптации существующих моделей «классического грузовика» с добавлением оборудования для автопилотирования можно выбрать другой путь — проектирование автономного грузовика с нуля, без кабины для водителя и традиционных органов управления. Это решение позволит заложить потенциальные конкурентные и экономически эффективные преимущества.
Для локализации и восприятия окружения на начальном этапе можно использовать исключительно стереокамеры — за счет их невысокой стоимости и простоты интеграции. Однако в процессе испытаний могут появиться ограничения такого подхода, особенно в условиях плохой видимости.
Потребуется переход на лидары и сонары, благодаря которым можно повысить точность «зрения» грузовика в любой погоде и, соответственно, повысить уровень безопасности. Дополнительные камеры позволят улучшить детальность распознавания объектов.
Сенсорика — лишь одна из ключевых составляющих грузовика с ИИ. Не менее важна программная архитектура: модульная, масштабируемая система с несколькими основными компонентами:
- Модуль восприятия. На основе получаемых данных от всех сенсоров, транспортное средство анализирует обстановку вокруг, обнаруживая все объекты и предсказывая их дальнейшее поведение.
- Модуль локализации и картографии. Используя данные от сенсоров, система строит и обновляет карту окружающего мира в режиме реального времени.
- Модуль планирования маршрута. Разрабатывает оптимальные пути движения, учитывая как статические, так и динамические объекты.
- Модуль управления: на основе данных о состоянии и статусе элементов системы и желаемом поведении посылает управляющие сигналы на нижний уровень для управления двигателем, рулями, тормозами и т.д.
- Система обеспечения безопасности. Включает в себя алгоритмы обнаружения и предотвращения столкновений, а также системы экстренного торможения.
Создание и работа с прорывными технологиями, будь то ПО, вычислительные модули или сенсоры, требует постоянного вклада в их развитие и внедрение новых решений.
Переход от экспериментальной разработки к полноценному продукту возможен только при наличии совокупности ключевых факторов: профессиональная команда, внимательный подход к инновациям, готовность и способность непрерывного совершенствования технологий. Практика показывает, что набора идей и целеустремлённости недостаточно — критически важны ресурсы, позволяющие доводить разработки до промышленной реализации.
Что ведет к успешному развитию автономного транспорта
Технические аспекты — это постоянно растущие объемы данных и их тщательная разметка, а также адаптация систем к различным климатическим и дорожным условиям. Сегодня компании-разработчику только для подготовки данных для обучения нейросетей требуется несколько десятков асессоров — сотрудников, которые занимаются разметкой данных. Поддержка высокой точности восприятия для новых климатических зон требует сбора и обработки большого объема новых данных с подходящим климатом и ландшафтами — к примеру, с пустыней или снегом. Неизбежно с расширением использования автономной логистики увеличивается количество датасетов.
Дополнительные ресурсы уходят и на разработку кастомизированных решений, затрагивающих характеристики автономных грузовиков, которые могут быть связаны, например, с габаритами или проходимостью. В результате может меняться не только набор сенсорики, но и логика управления. Таким образом, с точки зрения разработки получается практически новый продукт, который при этом визуально может быть очень похож на серийную модель.
Особую сложность представляет достижение нового уровня автономности, который пока не реализован в мировой практике. Улучшение высокого показателя — например, рост с 98% до 99% уровня автономности, требует гораздо большего объема исследований, ресурсов и работы, чем повышение с 40% до 60%. Такие вызовы находятся за пределами существующих на сегодня решений и потому требуют иной инженерной глубины, переосмысления подходов к самим технологиям и вложений.
Но помимо технологической стороны, ключевыми становятся вопросы практического применения. Даже при наличии готового продукта важно понимать и учитывать рыночные условия, выстраивая бизнес с калибровкой под них.
Поэтому только те проекты, которые опираются одновременно на технологическую зрелость, стратегический талант и при этом обладают значительным объемом всех необходимых ресурсов, имеют шансы стать масштабируемыми и коммерчески устойчивыми.
Короткая ссылка
