Jak autonomiczny pojazd widzi pieszego i rowerzystę
Pieszy wychodzący zza zaparkowanej ciężarówki. Rowerzysta skręcający bez sygnalizacji. Dziecko z wózkiem na krawędzi chodnika. Każda z tych sytuacji jest dla ludzkiego kierowcy — powiedzmy to wprost — stresem. Dla autonomicznego pojazdu to tryb normalnej pracy. Ale jak to faktycznie działa pod maską algorytmów?
Trzy warstwy percepcji: kamera, lidar, radar
Autonomiczny pojazd nie „widzi" otoczenia jednym zmysłem. Łączy dane z trzech niezależnych systemów, które wzajemnie uzupełniają swoje słabości.
- Kamery — rozpoznają tekstury, kolory, znaki, światła. Doskonałe do klasyfikacji obiektów: „to pieszy", „to znak STOP", „to rower". Słabe w ciemności i przy silnym słońcu bijącym w obiektyw.
- Lidar (Light Detection and Ranging) — wysyła impulsy laserowe i mierzy czas powrotu. Tworzy precyzyjną mapę 3D otoczenia — wie, że obiekt ma 1,7 m wysokości i stoi 4,2 m od pojazdu, w każdych warunkach oświetleniowych. Słabszy w deszczu i śniegu.
- Radar — mierzy prędkość i odległość za pomocą fal radiowych. Działa świetnie w deszczu, mgle i śniegu. Słaby w rozróżnianiu kształtów — radar wie, że coś jedzie 12 km/h, ale sam nie powie, czy to rowerzysta, pies czy wózek.
Połączenie tych trzech danych — zwane fuzją sensorów — pozwala wyeliminować błędy każdego systemu z osobna. To trochę jak gdy słyszysz, widzisz i czujesz zapach gotującego się obiadu jednocześnie: każdy zmysł z osobna mógłby cię zmylić, razem dają pewność.
Klasyfikacja: pieszy, rowerzysta, wózek, zwierzę
Gdy fuzja sensorów wykryje obiekt, sieć neuronowa go klasyfikuje. Każda kategoria ma inny profil zachowania i inny margines bezpieczeństwa w algorytmie planowania trasy.
Pieszy porusza się wolno, ale nieprzewidywalnie — może nagle zmienić kierunek, zatrzymać się, odwrócić. Algorytm przypisuje pieszym wyższy współczynnik niepewności. Rowerzysta jedzie szybciej i jest bardziej przewidywalny kierunkowo, ale ma mniejszą strefę ochronną boczną, bo jedzie często przy krawędzi drogi lub między pasami. Wózek dziecięcy to oddzielna kategoria — detekcja jest bardziej agresywna, bo pojazd zakłada, że przy wózku może być dziecko poza wózkiem, niewidoczne z tyłu.
W tym kontekście warto przeczytać też, jak działa autonomiczna nawigacja w trudniejszych scenariuszach — dojazd przez osiedla z nieuregulowaną infrastrukturą jest osobnym zagadnieniem.
Co się dzieje na przejściu dla pieszych
Przejście dla pieszych to jeden z najbardziej złożonych scenariuszy. Pojazd musi rozstrzygnąć: czy pieszy zamierza przejść teraz, czy tylko stoi? Czy spojrzał w stronę pojazdu? Czy jest w fazie wchodzenia na jezdnię czy opuszczania?
Dzisiejsze systemy używają tu analizy pozy ciała (pose estimation) — kąt ciała, kierunek stóp, ruch głowy. Jeśli pieszy zwraca się w stronę jezdni i ma uniesioną stopę, pojazd traktuje to jako sygnał wejścia i zwalnia prewencyjnie. Nie czeka na pewność. To tak zwana polityka „asertywnej ostrożności" — działasz zanim masz 100% pewności, bo czekanie na pewność często kosztuje metr lub dwa hamowania za dużo.
Rowerzysta w martwym polu i nocą
Dwie sytuacje szczególnie trudne: rowerzysta z prawej strony (martwe pole tradycyjne) i rowerzysta nocą bez odblasków. Lidar rozwiązuje obie. Impulsy laserowe docierają do obiektu niezależnie od kąta widzenia kamer. Rowerzysta jadący prawą stroną ulicy pojawia się w modelu 3D pojazdu kilka sekund wcześniej niż widziałby go ludzki kierowca w lusterku.
Nocą brak odblasków nie jest problemem dla lidaru — lidar używa własnego źródła światła, więc ciemność zewnętrzna nie ma znaczenia. Kamera natomiast wspomaga się tutaj detekcją kształtu z niskiej jakości obrazu, a radar potwierdza prędkość i kierunek ruchu. Trzy systemy składają się w jeden pewny wynik.
Margines bezpieczeństwa: jak blisko i jak szybko
Algorytm planowania trasy — odpowiednik ludzkiego „czucia" odległości — ma wbudowane minimalne odległości boczne i poprzeczne dla każdej kategorii uczestnika ruchu. Przy wyprzedzaniu rowerzysty pojazd oblicza, czy ma wystarczającą przestrzeń, zanim zmieni pas. Jeśli nie — czeka. To trwa sekundy, ale jest celowe.
W porównaniu z ludzkim kierowcą: algorytm nigdy nie traci skupienia, nie jest zmęczony i nie reaguje emocjonalnie na rowerzystę, który nagle zajął pas. Dostosowuje prędkość i margines, a nie trąbi. O tym, jak to wygląda w całości systemu, pisaliśmy w tekście kto czuwa nad autonomicznym autem.
Czy to bezpieczniejsze niż człowiek?
Odpowiedź brzmi: w warunkach standardowych — tak. Dane Waymo pokazują, że liczba wypadków z udziałem pieszych na milion kilometrów przejechanych przez ich flotę jest istotnie niższa niż średnia dla pojazdów prowadzonych przez ludzi w tych samych miastach. Główna przyczyna: system nie jest rozproszony, nigdy nie zagapia się w telefon i reaguje na pieszego za rogiem szybciej niż człowiek, który jeszcze go nie widzi.
To nie znaczy, że nie ma ograniczeń. Silny, intensywny śnieg pogarszał działanie lidaru w testach w miastach o ciężkich zimach. Bardzo stara, zniszczona infrastruktura drogowa bez malowań przejść to też wyzwanie. Ale te ograniczenia są znane, zmapowane i stanowią podstawę do wyznaczenia geofence — obszaru, w którym usługa działa. Jeśli warunki wykraczają poza normę, pojazd odmówi trasy, nie będzie jechać na siłę. O tym, jak działa strefa obsługi, więcej na robocab.pl.