Одна из наиболее сложных проблем в обучении систем компьютерного зрения для автономного управления транспортом — расхождение восприятия сцены между человеком и нейросетью.
То есть человек и алгоритм могут по-разному интерпретировать одну и ту же картину. Обычно такие расхождения возникают в сложных условиях, когда видимость затруднена грязью, снегом, дождём, частично закрытыми краями объектов и прочими помехами. Например, беспилотный трактор движется по полю, где участки обработанной земли или дерна закрывают кромку маршрута, по которому ведётся навигация, или робот ориентируется на визуальные маркеры, искажённые тенями или освещением. В итоге ИИ-система выстраивает траекторию по-своему, а оператор — по-своему.
Даже при высокой точности детекции сеть может ошибочно интерпретировать контекст, отмечает Геннадий Савицкий, ведущий разработчик проекта «Когнитив Пилот».
В подобных случаях человек обычно определяет траекторию движения с высокой точностью, опираясь на прошлый опыт и интуицию, тогда как нейросеть «видит» её лишь по визуальным признакам. При сборе обучающих данных накапливаются систематические искажения, приводящие к расхождению между реальностью и моделью. Искусственный интеллект начинает не понимать, что именно от него ожидают, и выдает неверные прогнозы. В итоге снижаются показатели точности управления автопилотом, возрастает число ложных срабатываний, и падает общий уровень безопасности автономной системы.
«Специалисты «Когнитив Пилот» впервые смогли предложить комплексное решение этой сложной задачи. Чего-либо подобного у зарубежных команд нам не удалось обнаружить. Ее решение, по мнению экспертов, позволит вывести точность управления на качественно новый уровень, где ошибки практически исключены, и обеспечить максимально возможную безопасность движения», продолжает Савицкий.
Команда экспертов «Когнитив Пилот» разработала метод Cognitive Divergence Correction, который позволяет выявлять и количественно оценивать расхождения между тем, как нейросеть и человек воспринимают границы и смысл сцены.
Разработчики «Когнитив Пилот» научились автоматически выявлять характерные признаки сцены, которые человек распознаёт на основе своей интуиции и набранного опыта, чтобы понять, как должна складываться траектория движения автомобиля. Для этого создан полноценный механизм — анализатор дивергенций, который осуществляет выделение таких признаков. В их числе, например, форма и размещение фрагментов почвы на поле, интенсивность и контраст границ, а также пространственная структура самой сцены.
Далее система автоматически оценивает расхождения: рассчитываются метрики расхождений между границами, выделенными моделью и ground truth (человеком).
Кадры, в которых восприятие совпадает между человеком и сетью, остаются в обучающей выборке, а несогласованные отправляются в карантин для дальнейшего анализа и решения об их использовании.
В итоге улучшается согласованность данных, что, в свою очередь, повышает качество обучения и обеспечивает более высокий уровень безопасности систем автономного управления.
Геннадий Савицкий отмечает, что без решения данной задачи недостижима требуемая точность выполнения сельскохозяйственных операций беспилотной агротехникой и полная безопасность движения иных автономных транспортных средств.
С конца весны 2025 года на умные тракторы, а также на полностью автономные и бескабинные мини‑тракторы, начали внедрять системы автопилотирования с технологией Cognitive Divergence Correction, и их практическая эффективность была подтверждена.
Сегмент технологий подобного класса на данный момент находится в стадии формирования, однако эксперты считают его перспективы и значимость исключительно высокими. По данным Precedence Research, глобальные разработки в области искусственного интеллекта для автономного транспорта составили около 4 млрд долларов в 2024 году и к 2030 году, по прогнозам, достигнут примерно 15,23 млрд долларов при среднем годовом росте около 24,1%.
«Мы уже довольно давно обеспечиваем уровень детекции объектов дорожной и полевой сцен выше промышленного. Однако, еще оставались редкие ситуации, в которых могли возникать ошибки. Но чем меньше их остается, тем более серьезных усилий разработчиков требует их исправление. Результаты, полученные в решении таких проблем, иногда бывают близки к серьезным научным открытиям. Последние шаги к достижению максимальной безопасности движения самые сложные. Мы ведем в этой зоне постоянную работу, чтобы избежать даже исключительных случаев появления ошибок», говорит генеральный директор «Когнитив Пилот» Ольга Ускова.
Источник: пресс-служба компании «Когнитив Пилот».
