Сахалинские айтишники разработали систему компьютерного зрения для беспилотных поездов

В команду вошли специалисты регионального Центра искусственного интеллекта Александр Каменев, Полина Витковская и Марат Галиулин. Марат признается, что прокачать навыки программирования ему помогла «Школа 21» от Сбера. В 2024 году губернатор Валерий Лимаренко выступил инициатором ее открытия в Южно-Сахалинске. Участников «Школы 21» уже в процессе обучения привлекают к реальным проектам — например, к решению задач системы «Безопасный город» или Сахалинского центра ИИ.

На международный конкурс «Лидеры цифровой трансформации» в этом году зарегистрировались почти 11,5 тысячи человек из 89 регионов России и 40 зарубежных стран. Участникам предложили решить двадцать задач — от цифрового проектирования озеленения мегаполиса до роботизации складов и аэропортов. Сахалинские айтишники стали лидерами в разработке решения «Система обнаружения посторонних объектов для беспилотных поездов в тоннеле метро по данным 3D-лидара».

«Конкурс собрал рекордное количество участников. В такой сильной конкуренции сахалинская команда „СахалИИн“ заняла третье место. Это не просто победа — это подтверждение того, что наши специалисты способны решать задачи федерального уровня. Проект, разработанный в Сахалинском центре искусственного интеллекта, демонстрирует зрелость нашей ИТ-школы и готовность региона к созданию технологий, которым можно доверить безопасность пассажиров. Мы гордимся командой и будем поддерживать дальнейшее развитие проекта», — отметил губернатор Сахалинской области Валерий Лимаренко.

Запуск беспилотных поездов в метро требует от систем компьютерного зрения надежности, превышающей человеческую. В подземке нет привычных дорожных знаков и хорошего освещения, путь постоянно меняется: кривые, уклоны, станции, стрелки и колонны между путями. Использование привычных камер здесь недостаточно, и на помощь приходит 3D-лидар, который «ощупывает» пространство лазерными лучами. Но если система будет ошибаться и видеть препятствия там, где их нет, беспилотный поезд будет постоянно экстренно тормозить, парализуя движение на всей линии, а если пропустит реальное препятствие — произойдет катастрофа.

Обычные алгоритмы пытаются «узнать» конкретный предмет по его форме и очертаниям, но сахалинские специалисты пошли другим путем. Они построили математическую модель «нормального тоннеля» — его стен, свода, рельсов и габарита поезда — и физики самого лидара. Иными словами, система знает, как должен выглядеть безопасный путь, и мгновенно замечает любое отклонение от этой нормы, а технологии машинного обучения лишь уточняют решение в сложных и спорных случаях.

Результаты говорят сами за себя. Команде удалось снизить количество ложных экстренных остановок в 6 раз (с 10,3 до 1,8 на километр пути) на участках новой линии метро и обнаруживать реального человека, находящегося на пути, на расстоянии 55,5 метра практически в 100% случаев (58 из 60 кадров). Обработка сложнейшего массива данных занимает от 56 до 70 миллисекунд вместо ожидаемых 100, что позволяет системе «подумать» быстрее, чем обновляется картинка. Кроме того, для работы алгоритма не требуются суперкомпьютеры, ведь система уверенно работает на обычном процессоре ноутбука.