Исследовательская группа из Института робототехники и машиностроения DGIST разработала новую технологию оценки состояния электромобиля в реальном времени. В её основе — так называемый физический ИИ (physical AI), который объединяет строгие законы механики с возможностями машинного обучения.
Разработка уже называют важным шагом к повышению управляемости электромобилей и безопасности автономного транспорта. Проект стал результатом международного сотрудничества с Шанхайским университетом Цзяотун и Токийским университетом, а научные результаты опубликованы в авторитетном журнале IEEE Transactions on Industrial Electronics.
Почему угол заноса так важен
Один из ключевых параметров, от которых напрямую зависит безопасность движения, — угол бокового скольжения (sideslip angle). Он показывает, насколько автомобиль уходит вбок при резком манёвре или движении по скользкой дороге. Именно этот параметр определяет, сохранит ли машина траекторию или сорвётся в занос.
Проблема в том, что измерить угол заноса напрямую стандартными бортовыми датчиками практически невозможно. Поэтому автопроизводители вынуждены рассчитывать его косвенно — с помощью сложных физических моделей или приближённых алгоритмов. Но такие методы часто страдают от недостаточной точности и плохо адаптируются к разным дорожным условиям — от сухого асфальта до льда или мокрого покрытия.
Как работает физический ИИ
Команда предложила гибридный подход, в котором физические модели движения автомобиля работают в связке с алгоритмами искусственного интеллекта. Идея проста и изящна: если классическая модель «знает», как должна вести себя машина по законам механики, то ИИ учится учитывать то, что сложно описать формулами — нелинейное поведение шин, износ покрытия, погодные факторы.
В основе технологии лежит сочетание несмещённого фильтра Калмана (UKF), выступающего в роли наблюдателя, и гауссовской процессной регрессии (GPR) — метода машинного обучения, хорошо работающего с неопределённостями. Физическая модель отвечает за устойчивость и интерпретируемость, а ИИ добавляет гибкость и способность обучаться на реальных данных.
Такой симбиоз позволил системе быстрее и точнее оценивать угол заноса по сравнению с традиционными подходами. По сути, автомобиль начинает «понимать» своё состояние почти так же, как опытный водитель чувствует машину на уровне интуиции.
Проверка на реальных дорогах
Испытания на реальной платформе электромобиля показали, что технология уверенно работает в самых разных условиях — на различных типах дорожного покрытия, при разных скоростях и в сложных поворотах. Причём точность оценки сохранялась даже там, где классические методы начинали давать сбои.
Точная оценка состояния автомобиля важна не только для систем стабилизации, но и для автономного вождения и повышения энергоэффективности. Чем лучше электроника понимает, что происходит с машиной «здесь и сейчас», тем увереннее она может управлять тягой, торможением и рулевым управлением.
Шаг к будущей мобильности
По словам разработчиков, объединение физики и ИИ открывает новые горизонты для автомобильных технологий: «Используя подход, который сочетает физические модели и искусственный интеллект, мы можем с большей точностью и надёжностью оценивать условия движения электромобилей. Это исследование станет фундаментом для автономного транспорта следующего поколения».
В дальнейшем команда планирует развивать технологию совместно с мировыми автопроизводителями и адаптировать её для промышленного применения. Похоже, физический ИИ может стать тем самым недостающим звеном между строгими уравнениями и реальной, непредсказуемой дорогой.
