Купон на скидку: 2026
В Австралии завершились длительные дорожные испытания системы Tesla Full Self-Driving (FSD), которые продемонстрировали как возросшие возможности автономного вождения, так и сохраняющиеся системные ограничения в типичных повседневных сценариях. Исследование проводилось на фоне заявления главы Nvidia Дженсена Хуанга о «наступлении ChatGPT-момента для беспилотных автомобилей» и активного расширения присутствия автономных платформ на дорогах страны: Tesla FSD уже эксплуатируется на общественных магистралях, а Waymo изучает перспективы запуска роботакси.
На протяжении более 100 дней ежедневного тестирования электромобиля Tesla Model Y с активированным FSD в штате Квинсленд исследователи зафиксировали свыше 500 критических ситуаций, потребовавших вмешательства водителя или выявивших ограничения интерпретации дорожной обстановки. Для систематизации наблюдений был создан публичный архив White Box Autonomy, документирующий реальные сбои автономного транспорта в полевых условиях. Ключевой вывод состоит в том, что возможности системы одновременно недооценены и переоценены: FSD часто демонстрирует плавное и точное вождение, недоступное среднему водителю, но при этом регулярно допускает ошибки в простых ситуациях, которые человек обрабатывает автоматически.
Среди повторяющихся трудностей — неуверенное поведение на небольшом мосту в жилом районе, где автомобиль начинал «петлять», корректируя траекторию. Системные ошибки проявились также в школьных зонах с временными ограничениями скорости: более чем в 90 % случаев требовалось вмешательство, включая ошибочное соблюдение лимитов в неактивное время, например вечером после окончания занятий. Отдельные риски зафиксированы на железнодорожных переездах: в одном эпизоде продолжение движения за впереди стоящей машиной могло привести к остановке на рельсах, что вынудило водителя экстренно затормозить.
Проблемы возникали и при поочерёдном слиянии потоков, сильно зависящем от неформального взаимодействия участников движения — в одной ситуации ни система, ни другой автомобиль не уступили, и потребовалась ручная коррекция. Регулярно фиксировались ошибки на сложных круговых развязках, на плохо размеченных или крутых улицах с плотной парковкой, а также при распознавании участников: например, пользователи самокатов иногда классифицировались как пешеходы. В сложных погодных условиях точность снижалась из-за ухудшения видимости разметки и границ дороги. Ни одна из протестированных поездок за весь период не была полностью завершена без вмешательства водителя.
Исследователи подчёркивают, что часть проблем коренится не только в алгоритмах, но и в самой дорожной инфраструктуре. Современные магистрали проектировались для человеческого восприятия, а не для машинного анализа, что создаёт системные неоднозначности для автономных систем. Хотя сегодня фокус смещён в сторону автомобилей, способных работать на существующих дорогах, авторы предлагают промежуточную модель — одновременное улучшение как алгоритмов, так и дорожной среды: более чёткая разметка, дублирующие знаки, повышение качества покрытия и снижение неоднозначности на перекрёстках — реализуемые в рамках текущего обслуживания.
Отдельно отмечается потенциал автономных автомобилей в роли мобильных сенсоров, собирающих данные о состоянии дорог, повреждениях покрытия, износе разметки и заторах в реальном времени. Основной вывод состоит в том, что большинство сбоев связано не с редкими «краевыми случаями», а с повторяющимися повседневными сценариями, поэтому готовность автономного транспорта определяется не только совершенством искусственного интеллекта, но и степенью адаптации дорожной среды к машинному восприятию.