SakhalinMedia, 6 ноября. Сахалинские специалисты разработали систему компьютерного зрения TunnelGuard, позволяющую беспилотному поезду метро безопасно двигаться в тоннеле и распознавать посторонние объекты на пути. Проект принес команде "СахалИИн" третье место на международном конкурсе "Лидеры цифровой трансформации", проходившем в Москве, сообщает пресс-служба правительства Сахалинской области.
Решение сахалинской команды признано лучшим в номинации "Система обнаружения посторонних объектов для беспилотных поездов в тоннеле метро по данным 3D-лидара". В состав "СахалИИн" вошли сотрудники регионального Центра искусственного интеллекта Александр Каменев, Полина Витковская и Марат Галиулин.
Одной из отправных точек для членов команды стала "Школа 21" от Сбера, открытая в Южно-Сахалинске в 2024 году по инициативе губернатора Сахалинской области. Как признался Марат Галиулин, именно она помогла ему прокачать навыки программирования. Участников школы уже в процессе обучения привлекают к реальным проектам — например, к решению задач системы "Безопасный город" и Сахалинского центра ИИ.
–— 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.
Он подчеркнул, что в регионе продолжат поддерживать развитие проекта и команды, а сама победа подтверждает способность сахалинских специалистов работать на федеральном уровне.
Церемония награждения победителей конкурса «Лидеры цифровой трансформации». Фото: пресс-служба правительства Сахалинской области
Ключевая особенность разработки — нетипичный подход к распознаванию. Классические алгоритмы компьютерного зрения пытаются "узнать" конкретный предмет по его форме и очертаниям, что делает их уязвимыми к помехам и сложным сценариям. Сахалинцы пошли другим путем: они построили математическую модель "нормального тоннеля" — стен, свода, рельсов и габарита поезда — и физики самого лидара. Система заранее "знает", как должен выглядеть безопасный путь, и мгновенно фиксирует любое отклонение от этой нормы. Технологии машинного обучения подключаются лишь в сложных и спорных случаях, уточняя базовое решение.
В результате –— число ложных экстренных остановок снижено в шесть раз — с 10,3 до 1,8 на километр пути на участках новой линии метро. Человек, находящийся на рельсах, обнаруживается на расстоянии 55,5 метра практически в 100% случаев (58 из 60 кадров). Обработка массива данных занимает от 56 до 70 миллисекунд вместо ожидаемых 100 — система "думает" быстрее, чем обновляется картинка. Для работы алгоритма не требуются суперкомпьютеры: система уверенно функционирует на обычном процессоре ноутбука. Последнее обстоятельство принципиально важно для внедрения: отказ от дорогого вычислительного оборудования упрощает и удешевляет оснащение подвижного состава.
Запуск беспилотных поездов в метро требует от систем компьютерного зрения надежности, превышающей человеческую. Условия тоннеля принципиально отличаются от дорожных: здесь нет привычных знаков и нормального освещения, а конфигурация пути постоянно меняется — кривые, уклоны, станции, стрелки, колонны между путями. Обычных камер для уверенного распознавания недостаточно, и на помощь приходит 3D-лидар, "ощупывающий" пространство лазерными лучами.
При этом цена ошибки в обе стороны высока. Если система будет видеть препятствия там, где их нет, поезд станет постоянно экстренно тормозить, парализуя движение на всей линии. Если же пропустит реальное препятствие — произойдет катастрофа.
Отметим, в 2026 году на конкурс "Лидеры цифровой трансформации" зарегистрировались почти 11,5 тысячи человек из 89 регионов России и 40 зарубежных стран — рекордное число участников за историю состязания. Всего конкурсантам предложили 20 задач: от цифрового проектирования озеленения мегаполиса до роботизации складов и аэропортов.
