Mapy HD w robotaxi — jak autonomiczny pojazd widzi drogę lepiej niż człowiek
Twoja nawigacja wie, gdzie jest skrzyżowanie. Nie wie, że lewy pas jest zamknięty, że krawężnik ma 12 cm, że sygnalizacja jest przesunięta 3 metry od osi jezdni. Robotaxi to wie — bo korzysta z map zupełnie innego rodzaju.
Mapy HD (High Definition) to nie ulepszony Google Maps. To trójwymiarowy model rzeczywistości budowany z centymetrową precyzją, w którym zapisane są nie tylko drogi, ale każdy element, który autonomiczny pojazd może napotkać na swojej drodze.
Co właściwie widzą mapy HD?
Zwykła mapa zapisuje: „tu jest skrzyżowanie, tu jest ulica". Mapa HD zapisuje znacznie więcej:
- Dokładne pozycje linii na jezdni — środkowe, krawędziowe, przejścia dla pieszych
- Wysokość i kształt krawężników
- Pozycję sygnalizacji świetlnej wraz z jej kątem i widocznością z każdego pasa
- Ograniczenia prędkości, strefy szkolne, zakazy skrętu
- Nachylenie jezdni, krzywizny łuków, poziomy zjazdów
- Infrastrukturę podziemną widoczną z powierzchni — studzienki, wpusty burzowe
Buduje się je skanerami laserowymi montowanymi na specjalnych pojazdach pomiarowych — te same ulice przejeżdżane są wielokrotnie, a dane scalane w jeden model. Precyzja? Rzędu 5–10 centymetrów. GPS w najlepszym przypadku daje metr.
Po co robotaxi mapa, skoro ma kamery?
Kamery widzą świat w czasie rzeczywistym. Ale „widzieć" to nie to samo co „rozumieć". Mapa HD daje pojazdowi kontekst — zanim jeszcze kamera wykryje obiekt, pojazd wie, czego się spodziewać w tym konkretnym miejscu. Sygnalizacja pojawi się za 40 metrów, po lewej stronie, na wysokości 4,5 m. Krawężnik za rogiem ma 8 cm, nie 3 cm. Pas się zwęża za 200 metrów.
To połączenie: obraz z kamer i radarów kontra wcześniej zbudowana mapa pozwala systemowi działać szybciej i pewniej. Różnica jak między wejściem do nieznanego pokoju a wejściem do pokoju, który zna się na pamięć — nawet po ciemku.
Dwa podejścia: Waymo kontra Tesla
W branży robotaxi ścierają się dwie filozofie. Waymo buduje szczegółowe mapy HD każdego obszaru, na którym działa — zanim auto pojedzie na danej ulicy, mapa tej ulicy musi być gotowa. Oznacza to miesiące przygotowań, ale ogromną pewność działania w znanych warunkach.
Tesla idzie inaczej: jej Full Self-Driving opiera się przede wszystkim na kamerach i sieci neuronowej, bez zależności od gotowej mapy HD. Pojazd uczy się w czasie jazdy. Podejście bardziej skalowalne, ale wymagające większej mocy obliczeniowej i odporności na sytuacje, których sieć jeszcze nie widziała.
Większość flot robotaxi działających komercyjnie — Waymo w San Francisco i Austin, Baidu Apollo Go w Chinach — korzysta ze wstępnie zmapowanych obszarów. Komercyjny start w nowym mieście zaczyna się od miesięcy zbierania danych pomiarowych, zanim pasażer wsiądzie do pierwszego auta.
Największa słabość: mapa musi być aktualna
Tymczasowy znak drogowy? Zamknięty pas przez robotników? Nowy słupek przy chodniku? Mapa HD natychmiast staje się przestarzała. Dlatego pojazdy autonomiczne stale zbierają dane podczas jazdy i przesyłają je do centralnego systemu — każdy przejazd to aktualizacja mapy dla wszystkich aut w flocie. Coś jak Wikipedia drogi: każdy użytkownik dokłada swoje dane, wszyscy korzystają.
To zresztą jeden z powodów, dla których flota działa lepiej niż pojedynczy pojazd. Im więcej aut jeździ, tym szybciej mapa jest odświeżana. 20 samochodów przejedzie ulicę 20 razy częściej niż jedno — i 20 razy częściej zaktualizuje informacje o tym, co się tam zmieniło.
Co to oznacza dla pasażera?
Nic do konfigurowania, żadnych ustawień. Mapa HD działa w tle — pasażer zamawia przejazd, pojazd podjeżdża, jedzie. Cała ta infrastruktura jest po to, żeby to co dla człowieka jest intuicją opartą na wieloletnim doświadczeniu, dla maszyny stało się skalowalną, powtarzalną precyzją.
Więcej o tym, jak działa autonomiczna nawigacja — kamery, lidar i radar razem z mapami HD. A jeśli ciekawi Cię, jak ten system radzi sobie, gdy coś idzie nie tak — przeczytaj o bezpieczeństwie robotaxi w liczbach.