Яндекс представил MADrive — новый подход к тестированию автономного транспорта

Исследователи Яндекс представили технологию MADrive и открыли датасет MAD-Cars, предназначенные для создания реалистичных виртуальных дорожных сцен. Решение ориентировано на разработчиков систем автономного вождения и исследователей, которым требуется безопасная среда для тестирования редких и потенциально опасных дорожных ситуаций без участия реального транспорта.

Разработка отражает общий тренд индустрии автономных автомобилей — переход к более сложным и масштабируемым симуляциям, позволяющим ускорить обучение алгоритмов и повысить их устойчивость к нестандартным сценариям. Использование виртуальных моделей позволяет многократно воспроизводить и варьировать дорожные ситуации, что существенно снижает затраты и риски при испытаниях.

Как работает технология MADrive

MADrive воссоздаёт дорожную сцену, заменяя реальные автомобили в видеозаписях фотореалистичными 3D-моделями. Система автоматически подбирает виртуальные модели, максимально совпадающие с оригинальными транспортными средствами по форме и цвету, после чего интегрирует их в кадр с учётом перспективы, глубины сцены и условий освещения.

Такой подход позволяет создавать визуально естественные виртуальные проезды, пригодные для обучения и тестирования алгоритмов автономного управления. При этом технология не ограничивается реконструкцией уже существующих записей: разработчики могут изменять траектории движения, моделировать резкие перестроения, неожиданные торможения, обгоны и другие сложные манёвры, формируя новые варианты развития событий.

Открытый датасет MAD-Cars как основа разработки

Ключевым элементом проекта стал открытый набор данных MAD-Cars — крупная коллекция обезличенных видеозаписей автомобилей различных марок и моделей, снятых в реальных дорожных условиях. Датасет включает около 70 тысяч видеороликов более чем 150 автомобильных брендов, зафиксированных с разных ракурсов и в разнообразных сценариях движения.

Открытая публикация датасета призвана расширить возможности международного научного сообщества и ускорить развитие алгоритмов компьютерного зрения и автономного вождения. Масштаб и разнообразие материалов делают MAD-Cars одним из наиболее крупных доступных наборов данных в этой области.

Решение проблемы нехватки данных для симуляторов

По словам Виктора Юрченко, руководителя группы симуляции сенсоров автономного транспорта Яндекса:

«Симуляторы — важная часть разработки автономного транспорта: в них алгоритмы учатся и проходят проверку без выезда на реальную дорогу. Однако у симуляторов, воспроизводящих реальные проезды, существует проблема нехватки данных. Например, если в реальности машина повернула налево, мы не сможем показать, как она выглядела бы при обгоне или резком перестроении. Наш подход снимает это ограничение: теперь мы можем создавать новые дорожные сцены, которые выглядят так же естественно, как если бы они были сняты на видео. Это открывает путь к безопасному тестированию редких и критических ситуаций, которые невозможно организовать на реальной дороге».

Таким образом, технология позволяет выйти за рамки статичных сценариев и значительно расширить пространство обучения алгоритмов.

Результаты экспериментов и перспективы развития

В ходе экспериментов MADrive продемонстрировала более высокое качество по сравнению с существующими методами визуальной реконструкции сцен, особенно в задачах генерации новых сценариев и продолжения уже существующих дорожных ситуаций. Это может стать важным шагом к созданию более реалистичных симуляторов для разработки автономного транспорта.

Команда инженеров автономного транспорта Яндекса совместно с исследователями лаборатории Yandex Research подготовила техническую публикацию с описанием архитектуры решения и результатов испытаний. В дальнейшем разработчики планируют расширить базу моделей автомобилей и улучшить алгоритмы освещения, что позволит приблизить виртуальные сцены к уровню реального видеоконтента и повысить точность симуляций.