Автономный грузовик ЭвоКарго не может просто «доверять» своим датчикам — каждый из них врёт. Не из-за брака или плохого монтажа, а по физическим причинам, которые невозможно устранить заменой железа. Именно поэтому задача локализации — не измерение, а интерпретация противоречивых данных в условиях постоянной неопределённости.
ГНСС-приёмник в идеальных условиях даёт дециметровую точность, опираясь на сигналы минимум четырёх спутников из группировок ГЛОНАСС (24 спутника), GPS (31–32), Galileo (24+) или Beidou (около 30). Но на объектах, где работают беспилотные автомобили-тягачи (ВАТС), точность резко падает: водители фур массово устанавливают «глушилки» против систем оплаты проезда, и спутниковый сигнал перестаёт нормально определяться. К этому добавляется эффект городского каньона — отражения от зданий — и полная потеря сигнала в тоннелях. Для компенсации применяются RTK-поправки и контроль целостности решения, включая детекцию спуфинга — подмены спутникового сигнала.
| Датчик | Принцип работы | Основные причины ошибок | Метод коррекции |
|---|---|---|---|
| ГНСС-приёмник | Трилатерация по сигналам минимум 4 спутников | Глушилки, городской каньон, тоннели, спуфинг | RTK-поправки, детекция спуфинга, fusion с другими датчиками |
| Камеры + лидары | Сравнение окружения с HD-картой по визуальным ориентирам | Снег, дождь, туман, однообразное окружение, динамичные объекты | Совместная обработка камер и лидаров, обновление HD-карт |
| IMU + энкодеры | Измерение ускорения, угловой скорости и оборотов колеса | Дрейф: погрешность растёт пропорционально квадрату времени | Коррекция от внешних источников (ГНСС, лидар) |
Камеры и лидары решают другую задачу: они сравнивают текущую картину окружения с заранее созданной HD-картой, на которой нанесены все статичные ориентиры — разметка, деревья, знаки, здания. Проблема в том, что мир не остаётся статичным. Зимой снег скрывает разметку и бордюры, осадки добавляют шум в лидарный скан, а сугробы становятся новыми препятствиями, которых нет на карте. Команда ЭвоКарго столкнулась с этим в первую же осень и зиму эксплуатации: первые версии ВАТС полагались только на камеры, и «невидимые» для них препятствия вынудили перейти на связку камеры + лидары. Обратная проблема — слишком однообразное окружение: длинная стена здания без единой визуальной «зацепки» или пустое шоссе с одинаковыми столбами лишают систему ориентиров так же эффективно, как плохая погода.
Инерциальные датчики — акселерометры и гироскопы (IMU) плюс энкодеры колёс — измеряют ускорение, угловую скорость и количество оборотов колеса. Их главный враг — дрейф: накопление погрешности со временем. Чтобы из ускорения получить координаты, нужно дважды проинтегрировать показания: сначала получить скорость, затем положение. Из-за этого ошибка растёт пропорционально квадрату времени. Смещение нуля акселерометра всего на 1 см/с² через 10 секунд даёт отклонение около 1 метра, через минуту — уже примерно 36 метров, а через час погрешность выходит за любые разумные пределы. Именно поэтому инерциальную систему нельзя использовать в одиночку — без внешних источников коррекции она деградирует слишком быстро.
В итоге система локализации работает не за счёт одного точного датчика, а за счёт постоянного согласования противоречивых данных из нескольких источников. Каждый сенсор покрывает слабые места другого: ГНСС задаёт абсолютные координаты, камеры и лидары привязывают машину к HD-карте по визуальным ориентирам, IMU заполняет провалы между обновлениями внешних источников. Такой подход — sensor fusion, слияние данных сенсоров — стал стандартом в современной автономности именно потому, что ни один отдельный датчик не справляется с реальными условиями эксплуатации.
