В МФТИ роботы учатся не бояться сложных маршрутов
Физики из МФТИ представили алгоритм, который позволяет беспилотным машинам и роботам двигаться к цели безопасно, но без излишней осторожности.
Исследователи Московского физико-технического института (МФТИ) разработали алгоритм SG-Safe для безопасной автономной навигации роботов и беспилотного транспорта. Технология относится к направлению Safe Reinforcement Learning – безопасному обучению с подкреплением. Сложный маршрут разбивается на промежуточные подцели, и система учится двигаться к конечной точке, не замирая перед каждым сложным участком. В обучении используются две связанные стратегии: одна формирует промежуточные цели, другая отвечает за безопасное поведение.
Заявленный результат уже заметен. В симуляциях робот достигал цели примерно в 90% случаев, частота столкновений составила около 3% – в 17 раз ниже, чем у альтернативного подхода. Решение о движении принималось более чем в 10 раз быстрее методов, требующих построения маршрута в реальном времени. Однако речь пока не идёт о семнадцатикратном сокращении аварий реальных беспилотников. Испытания проводились в компьютерных симуляциях. Следующий этап – упрощение архитектуры и проверка на физических роботах.
Практическая ценность изобретения связана, прежде всего, с промышленной логистикой и закрытыми территориями, где проще контролировать маршруты и набор препятствий.
Где применима технология
Первый реалистичный рынок SG-Safe – закрытая автономная логистика: склады, распределительные центры, заводские территории, порты, парковки. В таких условиях можно заранее определить границы движения и постепенно собирать данные для дообучения. Следующий технологический этап – Sim-to-Real, перенос поведения из симуляции на физического робота. Разработчикам предстоит проверить устойчивость алгоритма к шумам сенсоров, меняющимся препятствиям, плохой видимости и взаимодействию с людьми. Без этого результаты компьютерного эксперимента нельзя переносить на реальные показатели аварийности.
Инфраструктура для применения уже формируется. К августу 2026 года 121 автономный грузовик, подключённый к системе учёта, прошёл более 20 миллионов километров на федеральных трассах. Параллельно Минтранс готовит переход от экспериментальных режимов к полноценному законодательству о высокоавтоматизированных транспортных средствах.
Пять лет пути
В 2021 году «Яндекс» и Majid Al Futtaim договорились о запуске в Дубае доставки продуктов из Carrefour с помощью автономных роботов. В 2022 году «Яндекс» представил роботов для складов и дарксторов: один для инвентаризации логистического комплекса «Маркета», второй – для перемещения товаров внутри даркстора «Лавки». Это направление применения близко к SG-Safe: автономная навигация в ограниченном складском пространстве.
В 2023 году в России начались коммерческие перевозки беспилотными грузовиками по трассе М-11 «Нева» – переход от полигонных испытаний к эксплуатации на дорогах общего пользования. В 2024 году российский автономный электрический грузовик Evocargo N1 начали испытывать в логистическом центре «Почты России» «Внуково-2»: был создан цифровой двойник территории, которому был задан маршрут автономного перемещения. Через эту же схему – сначала цифровая модель, затем физические испытания – предстоит пройти и SG-Safe. В 2025 году те же Evocargo N1 заработали в распределительном центре «Спортмастера» в Балашихе – уже практическое использование беспилотной техники в закрытой логистической среде. В 2026 году «Яндекс» перевёл планирование траектории роботов-доставщиков на нейросеть-трансформер.
От симулятора до дороги
Главная ценность SG-Safe – попытка решить не просто задачу поиска маршрута, а проблему безопасного принятия решений автономным агентом на длинных и сложных маршрутах. Именно такой класс технологий нужен роботам, которым предстоит работать не по жёстко заданной линии, а адаптироваться к меняющейся обстановке.
Наиболее вероятный сценарий – сначала складские и промышленные роботы, затем более сложные открытые пространства. До применения на дорогах общего пользования необходим значительный массив полевых испытаний: автомобильная безопасность предъявляет жёсткие требования. Для российского рынка момент удачный: роботизация складов ускоряется, бизнес испытывает дефицит линейного персонала, а беспилотный грузовой транспорт переходит от единичных экспериментов к масштабированию.
