Сахалинцы создали зрение для беспилотных поездов метро

Третье место на международном конкурсе «Лидеры цифровой трансформации» в Москве заняла сахалинская команда «СахалИИн» с проектом TunnelGuard. Разработка представляет собой систему компьютерного зрения, которая позволяет беспилотному поезду метро безопасно двигаться в тоннеле. Об этом сообщили в пресс-службе регионального правительства.

В состав команды вошли специалисты регионального Центра искусственного интеллекта Александр Каменев, Полина Витковская и Марат Галиулин. Последний освоил программирование в «Школе 21» от Сбера, которая открылась в Южно-Сахалинске в 2024 году по инициативе губернатора Валерия Лимаренко. Учеников «Школы 21» во время обучения привлекают к реальным проектам — например, к задачам системы «Безопасный город» или Сахалинского центра ИИ.

В этом году на международный конкурс «Лидеры цифровой трансформации» зарегистрировались почти 11,5 тыс. человек из 89 регионов России и 40 зарубежных стран. Участникам предложили двадцать задач — от цифрового проектирования озеленения мегаполиса до роботизации складов и аэропортов. Сахалинские ИТ-специалисты стали лидерами в разработке решения «Система обнаружения посторонних объектов для беспилотных поездов в тоннеле метро по данным 3D-лидара».

«Конкурс собрал рекордное количество участников. В такой сильной конкуренции сахалинская команда «СахалИИн» заняла третье место. Это не просто победа — это подтверждение того, что наши специалисты способны решать задачи федерального уровня. Проект, разработанный в Сахалинском центре искусственного интеллекта, демонстрирует зрелость нашей ИТ-школы и готовность региона к созданию технологий, которым можно доверить безопасность пассажиров. Мы гордимся командой и будем поддерживать дальнейшее развитие проекта», — отметил губернатор Сахалинской области Валерий Лимаренко.

Запуск беспилотных поездов в метро предъявляет высокие требования к надежности систем компьютерного зрения. В подземке нет дорожных знаков и хорошего освещения, а путь постоянно меняется. Привычные камеры здесь не подойдут, поэтому используется 3D-лидар, который «ощупывает» пространство лазерными лучами. Если система ошибается и видит препятствия там, где их нет, поезд будет постоянно экстренно тормозить, парализуя движение на всей линии.

Обычные алгоритмы пытаются «узнать» конкретный предмет по его форме и очертаниям, однако сахалинские специалисты пошли другим путем. Они построили математическую модель «нормального тоннеля» — его стен, свода, рельсов и габарита поезда — и физики самого лидара. Иными словами, система знает, как должен выглядеть безопасный путь, и мгновенно замечает любое отклонение от этой нормы, а технологии машинного обучения лишь уточняют решение в сложных и спорных случаях.

По результатам проекта команде «СахалИИн» удалось снизить количество ложных экстренных остановок в 6 раз (с 10,3 до 1,8 на километр пути) на участках новой линии метро и обнаруживать реального человека, находящегося на пути, на расстоянии 55,5 метра практически в 100% случаев (58 из 60 кадров). Обработка сложнейшего массива данных занимает от 56 до 70 миллисекунд вместо ожидаемых 100, что позволяет системе «подумать» быстрее, чем обновляется картинка. Кроме того, для работы алгоритма не требуются суперкомпьютеры — система уверенно работает на обычном процессоре ноутбука.