Jak działa autonomiczna nawigacja — kamery, lidar, radar
„Auto jedzie samo" brzmi jak jedno zdanie. W praktyce to cztery osobne problemy, które muszą być rozwiązywane naraz: gdzie jestem, co mnie otacza, co zaraz się wydarzy i co mam zrobić. I to nie raz na minutę, tylko kilkadziesiąt razy na sekundę.
1. Lokalizacja — skąd auto wie, gdzie jest?
Zwykły GPS w telefonie potrafi się mylić o kilka metrów. Dla pieszego to OK. Dla auta, które ma jechać prawym pasem i nie wjechać na krawężnik, to za dużo. Dlatego autonomiczny pojazd łączy GPS, czujniki ruchu, mapy HD i to, co widzą sensory.
Mapa HD nie jest zwykłą nawigacją. To precyzyjny model drogi: pasy, krawężniki, sygnalizatory, znaki, wysepki. Auto porównuje obraz z sensorów z tą mapą i dzięki temu wie, że stoi dokładnie tu, a nie dwa metry obok.
2. Percepcja — co widzą kamery, lidar i radar?
- Kamery widzą kolor, kształt i kontekst. Rozpoznają czerwone światło, znak STOP, rowerzystę, pieszych i światła innych aut. Mają jednak słabszy dzień w ulewie, mgle i ostrym słońcu.
- Radar mierzy odległość i prędkość. Jest świetny w deszczu, ciemności i śniegu, ale ma niższą rozdzielczość niż kamera.
- Lidar buduje dokładną chmurę punktów 3D. Widzisz dzięki niemu kształt przeszkody, odległość i geometrię otoczenia. Jest bardzo precyzyjny, choć droższy.
- Ultradźwięki pomagają przy bardzo bliskim dystansie — parkowanie, manewry, przeszkody tuż przy pojeździe.
Każdy sensor ma swoją dziurę. Razem tworzą redundancję. To właśnie dlatego „samochód widzi" lepiej niż pojedyncza kamera z telefonu.
3. Predykcja — co zrobią inni uczestnicy ruchu?
Widziane obiekty to dopiero połowa roboty. Pieszy przy pasach może wejść na przejście, rowerzysta może skręcić bez sygnału, a auto z włączonym kierunkowskazem może jednak nie skręcić. System musi przewidzieć kilka możliwych scenariuszy i przypisać im prawdopodobieństwa.
Tu zaczyna się prawdziwa AI: model nie tylko rozpoznaje obiekt, ale oszacowuje jego zamiary. To dlatego autonomiczne auta lubią przewidywalne środowisko. Im mniej chaosu, tym mniej zgadywania.
4. Planowanie — kiedy hamować, kiedy jechać, kiedy się zatrzymać?
Po zebraniu danych system wybiera trajektorię jazdy. Liczy nie tylko bezpieczeństwo, ale też płynność. Gwałtowne hamowanie co 20 sekund to nie jest „ostrożność" — to pasażer, który już po pięciu minutach ma dość.
Jeśli sytuacja jest niejednoznaczna — dziwna blokada drogi, ręczne kierowanie ruchem, słaba widoczność — pojazd ma zrobić rzecz najnudniejszą, ale najlepszą: zwolnić, zatrzymać się i poczekać na potwierdzenie. Lepiej nie zgadywać.
Dlaczego to działa w geofence, a nie „wszędzie"?
Autonomiczna nawigacja potrzebuje dobrze zmapowanego obszaru, znanych scenariuszy i przewidywalnych warunków. Dlatego robotaxi zaczyna od geofence — małego, dobrze opisanego fragmentu miasta, a dopiero później go rozszerza.
To nie jest ograniczenie marketingowe. To konsekwencja tego, jak działa technologia. O tym, dlaczego pierwsze trasy będą lokalne i krótkie, piszemy w tekście o pierwszym polskim robotaxi. A jeśli chcesz zobaczyć, jak taka technologia różni się od klasycznego Ubera, zerknij na porównanie robotaxi vs Uber.
W jednym zdaniu
Autonomiczna nawigacja to połączenie lokalizacji, percepcji, predykcji i planowania. Kamery, lidar i radar nie konkurują ze sobą — one się uzupełniają. I właśnie dlatego robotaxi nie jest „samochodem z większym ekranem", tylko całym systemem, który potrafi podejmować decyzje w ruchu ulicznym.