Штаты включают списки датчиков в законы об автопилоте. ИИ за рулём — вот что действительно имеет значение.

Законопроект штата Нью-Джерси потребует, чтобы автономные транспортные средства оснащались LiDAR и радаром в дополнение к камерам, но требование конкретного оборудования ничего не говорит регуляторам о том, насколько хорош ИИ, управляющий автомобилем.

По всей территории США регулирование автономных транспортных средств на уровне штатов направлено не туда. Штаты спешат принимать законы об автономных автомобилях, но регулируют оборудование, а не безопасность. Различие между оборудованием и производительностью определит, станет ли следующее десятилетие автономного вождения действительно безопаснее, или лишь лучше соответствовать чек‑листу, и большинство законопроектов, проходящих сейчас через законодательные органы, путают эти понятия.

Самый яркий пример — законопроект из New Jersey, который потребует, чтобы любой полностью автономный коммерческий автотранспорт имел камеры и как минимум две дополнительные технологии сенсоров, на практике радар и LiDAR, прежде чем он сможет работать в штате. Нью‑Йорк работает над аналогичным предложением, а другие штаты внимательно следят. Согласно законопроекту Нью-Джерси, компания может выполнить все требования, не проверяя свой ИИ на реальном дорожном бенчмарке, в то время как компания с отличным послужным списком по безопасности может быть полностью исключена за выбор иной конфигурации датчиков. Ни один из законопроектов не проверяет, какой подход — только камеры или камеры плюс LiDAR — действительно обеспечивает более безопасное вождение, а это единственный важный параметр.

Закон регулирует, какие датчики установлены в транспортном средстве, но не то, насколько хорошо оно управляется, и в этом его недостаток. Он не может отличить хорошо обученную модель от плохо обученной, пока обе отмечают одинаковые пункты оборудования, и не может распознать сильный послужной список по безопасности, если автомобиль не имеет требуемых компонентов. Флот, использующий только камеры и имеющий многолетний безаварийный опыт на общественных дорогах, может быть запрещён в штате, тогда как совершенно новый участник с полным набором датчиков и без какого‑либо послужного списка может выйти на дорогу с первого дня. Соответствие требованиям к оборудованию ничего не говорит о том, насколько хорош ИИ за рулём или безопасна ли система.

Существующие операторы сталкиваются с той же проблемой из‑за этого требования. Некоторые уже несколько лет эксплуатируют автономные транспортные средства без полного набора датчиков на общественных дорогах, а законопроект всё равно исключит их, отбрасывая годы безаварийной эксплуатации. Более того, добавление новых датчиков увеличивает задержку, и чем больше входных данных ИИ должен обработать, тем дольше требуется для принятия решения, а транспортное средство, движущееся в потоке, не всегда может позволить себе ждать. Задержка является главным ограничением автономного вождения.

Датчики — это входные данные. ИИ принимает решения.

Большее количество датчиков не делает автомобиль автоматически безопаснее, а меньшее количество не делает его автоматически более рискованным. То, как автомобиль управляется, определяется нейронными сетями, обрабатывающими каждый вход в реальном времени. Безопасность определяется ИИ, а не датчиками.

Системы LiDAR передают ИИ заранее измеренные данные о расстоянии. Системы, использующие только камеры, заставляют ИИ самостоятельно определять расстояние, движение и намерения напрямую из визуального ввода, так же как это делают люди. В любом случае датчики лишь подают информацию, а ИИ решает, как автомобиль будет перемещаться в потоке. Каждый год тот же ИИ нуждается в всё меньшем количестве датчиков для понимания дороги, чем в предыдущем году.

McKinsey теперь утверждает, что автономное вождение всё более определяется генеративным ИИ, а не тем, какие датчики находятся на крыше, и по мере улучшения моделей им требуется всё меньше помощи от аппаратного обеспечения, а не больше. Требование к оборудованию фиксирует сегодняшние технологии в законе, независимо от того, насколько умнее становится ИИ за ними.

Масштаб уже доказывает правоту. Продажи автономных транспортных средств стремительно растут, при этом у Tesla, использующей камеры, недавно стало 1,5 млн подписчиков FSD. Вывод прост: законодатели штатов должны оценивать производительность ИИ, а не списки датчиков. Tesla, Volvo, XPeng и другие перешли к камерам‑только по той же причине. Сложность автопилота теперь заключается не в том, что автомобиль может ощущать, а в том, что его ИИ‑система может понять, а законодательство отстаёт.

Кто платит, когда требование к оборудованию опережает обоснование безопасности?

Системы с несколькими датчиками стоят значительно дороже в производстве и обслуживании, чем камеры‑только, в основном из‑за оборудования LiDAR, поддержки HD‑карт и облачной связи. Требование к оборудованию сокращает число компаний, способных конкурировать, и заставляет каждый автономный автомобиль, а не только роботакси, оснащаться тем же дорогим оборудованием лишь для соответствия требованиям.

Обосновать эти затраты сложно, учитывая, насколько отрасль ещё ранняя. Несмотря на несколько лет и миллиарды долларов инвестиций, большинство внедрений всё ещё ограничены несколькими городами с фиксированными, строго контролируемыми маршрутами. Прогнозы Всемирного экономического форума указывают, что к 2035 году крупномасштабные флоты роботакси будут работать лишь в 40‑80 городах по всему миру, в основном в США и Китае. Наложение требований к оборудованию штатов поверх уже неопределённой федеральной политики лишь добавляет ещё одно препятствие до того, как система получит шанс доказать свою эффективность. Каждый год, потраченный на судебные разбирательства по требованиям к датчикам в разных штатах, — это год, не потраченный на доказательство того, что эти автомобили действительно безопаснее, чем человеческие водители, которых они заменят, а это и есть главная цель их тестирования.

Требование к оборудованию отвечает не на тот вопрос. Реальная задача — масштабировать безопасные системы на большее количество дорог, быстрее, а такое требование именно этому препятствует, ничего не делая для повышения уровня безопасности.

Пусть производительность задаёт планку

Регуляторы должны установить планку, которую каждый автономный автомобиль должен преодолеть, прежде чем выйти на общественные дороги, но то, что они должны измерять, а не существует ли такая планка, — вот реальный вопрос.

После внедрения мощных систем периферийных вычислений в автономных автомобилях отрасль уже отходит от дорогого, одноцелевого оборудования и всё больше инвестирует в сам ИИ. Регуляторный диалог должен догнать то, где уже находится технология.

Стандарт, основанный на производительности, позволил бы любой архитектуре, будь то только камеры или многодатчиковая, доказать свою эффективность на одинаковых реальных бенчмарках, уровнях аварийности, почти‑происшествиях и в разных погодных и дорожных условиях. Он также дал бы общественности то, чего чек‑лист датчиков никогда не может предоставить, а именно конкретные доказательства, а не предположения, что автомобиль, остановившийся рядом с ними на красный свет, действительно безопасен.

Вместо того чтобы принимать всё новые законы о том, какие датчики должен иметь автомобиль, отрасли нужна одна чёткая, публичная планка того, насколько хорошо автомобиль должен работать, и регуляторы, готовые позволить результатам, а не спискам оборудования, продвигаемым поставщиками, решать, кто её проходит.