Проект на INSAIT с пробив в обучението на автономните автомобили
Избрани статии и новини от редакцията на Forbes България
Проект на INSAIT, изследователския институт към Софийския университет „Св. Климент Охридски“, привлича вниманието на водещи глобални технологични компании в сферата на автономните автомобили, след като екипът представи DiffSim Trinity – серия от научни разработки, които могат съществено да променят начина, по който автономните системи се обучават да разбират средата и да вземат решения.
КЛЮЧОВИ ФАКТИ
- DiffSim Trinity е базиран върху симулатора Waymax, разработен от Waymo – световен лидер в автономното шофиране.
- Методът въвежда т.нар. диференцируема симулация, която интегрира физическите закони директно в процеса на обучение на алгоритмите.
- Проектът обединява три научни изследвания – за управление, планиране на движенията и избор на оптимална траектория.
- Водещ автор е българският изследовател Асен Начков, докторант в INSAIT, завърнал се в България след магистратура в Imperial College London.
- Разработките са осъществени в партньорство с University of Zurich и ETH Zurich.
- Публикувани са на престижните научни форуми IROS 2025 и AAAI 2026.
- Проектът вече предизвиква интерес от водещи технологични компании в сектора на автономното шофиране.
ВАЖЕН ЦИТАТ
„Едно от най-големите предизвикателства пред автономните автомобили е не просто да реагират на средата, а да разбират последствията от всяко свое действие – нещо, което DiffSim Trinity започва да решава по фундаментален начин“, коментират изследователи от екипа на INSAIT.
КЛЮЧОВА ИСТОРИЯ
Досегашните подходи в автономното шофиране третират обучението на алгоритмите като процес на превод на сензорни данни в команди за управление, често без да включват реалните физически зависимости, които управляват движението на автомобила и взаимодействието му с околната среда. Това води до системи, които реагират добре в познати ситуации, но изпитват трудности в сложни, динамични сценарии.
DiffSim Trinity предлага нова парадигма: чрез диференцируема симулация физиката става част от самия обучителен процес. Вместо просто да реагира, автономният автомобил започва да предвижда – да симулира последствията от всяко възможно действие, да оценява различни сценарии и да избира траектория с оптимален баланс между безопасност и ефективност. Именно този преход от реактивни към прогностични системи стои в основата на нарастващия интерес от страна на глобалната индустрия.
КАКВО СЛЕДВА
Солидната научна основа на DiffSim Trinity отваря път към по-прецизно обучение, по-устойчиво планиране и значително по-надеждно поведение на автономните автомобили в реални условия – ключова стъпка към масовото внедряване на автономни превозни средства в глобалния транспорт.
