Источник и фото: МИР 24
Несколько крупных российских компаний тестируют свои беспилотные автомобильные системы. Испытания проходят на закрытых полигонах, а также в условиях дорожного движения, сообщает РБК.
К примеру, крупнейший в стране агрегатор такси запустил разработку собственного автопилота еще в 2017 году. К настоящему моменту проведено несколько тысяч тестовых поездок в Москве, других городах России и даже за рубежом.
Ведущий банк России также развивает направление беспилотного транспорта. Уже представлен соответствующий концепт — электромобиль с автопилотом под названием FLIP. Пилотные испытания прошли в Москве в декабре 2020 года, а в апреле 2022 года технология получила официальное разрешение на перевозку пассажиров. Новые технологии также тестируют на базе уже созданных автомобилей.
Производитель грузовых отечественных автомобилей разрабатывает беспилотные транспортные средства для промышленного и междугороднего использования. На сегодняшний день создан прототип самоходного грузовика. Он проходит испытания. Компания также работает над беспилотными автобусами и электробусами.
Проект беспилотных технологий российского научно-производственного объединения тестирует автомобили, оснащенные 12 датчиками: камерами, радарами и другими системами. Таким образом хотят приспособить беспилотник к сложным погодным условиям, особенно зимой. На стадии разработки технику обучили не бояться тумана, снега и дождя.
Московский автомобильно-дорожный университет — первый вуз России, активно развивающий технологии беспилотного транспорта. В университете работает небольшой автопарк из двух беспилотников. Один из них уже на ходу, доставляет анализы между корпусами городской клинической больницы №1 им. Пирогова.
Ранее стало известно, что в России создали нейросеть для отслеживания автомобилей в сплошных потоках. Алгоритм разработан специально для анализа записей с камер низкого разрешения, где автомобили частично скрываются объектами или выходят из зоны видимости камеры. Инженеры использовали существующую систему объектного детектирования, дополнив ее современными легкими нейронными сетями. Это позволило внедрить технологию пропуска ненужных кадров, что ускорило обработку изображений без потери точности.
