Odpowiedzią na to wyzwanie ma być nowa generacja rozwiązań, które łączą odwieczne prawa fizyki z adaptacyjnością współczesnej sztucznej inteligencji. Naukowcy z trzech uniwersytetów zaprezentowali właśnie system, który ma wykrywać utratę przyczepności w czasie rzeczywistym. Brzmi to jak kolejny technologiczny slogan, ale podejście, które zastosowali, jest całkiem sensowne.
Hybrydowe podejście do kontroli stabilności
Zespół badaczy z południowokoreańskiego DGIST, chińskiego Shanghai Jiao Tong University oraz japońskiego University of Tokyo opracował platformę do szacowania stanu pojazdu. Nie jest to ani czysto fizyczny model, ani też algorytm oparty wyłącznie na uczeniu maszynowym. To połączenie obu tych światów.
System skupia się na kluczowym, ale trudnym do bezpośredniego zmierzenia parametrze – kącie poślizgu bocznego. Mówiąc prościej, pokazuje on różnicę między kierunkiem, w którym skierowane są koła, a tym, gdzie tak naprawdę porusza się auto. Gdy ta różnica staje się zbyt duża, samochód zaczyna wpadać w poślizg. Tradycyjne systemy, a nawet kierowcy, często reagują z opóźnieniem, gdy utrata przyczepności jest już zaawansowana. Nowa platforma wykorzystuje dane z czujników mierzących siły boczne działające na opony, a następnie interpretuje je przez hybrydowy model.
Czytaj też: Optymizm Muska kontra Chiny. Kto naprawdę wygra robotyczny wyścig?
Sercem rozwiązania jest połączenie zmodyfikowanego filtru Kalmana – znanej od lat metody szacowania nieobserwowalnych stanów systemu – z regresją procesów Gaussa, czyli techniką uczenia maszynowego. W praktyce oznacza to, że algorytm szacuje, co się dzieje, opierając się na fundamentalnych prawach fizyki (np. nie przewidzi, że auto nagle odbije się od asfaltu), ale jednocześnie ma zdolność uczenia się i dopasowywania do konkretnych, nieprzewidywalnych warunków jazdy.
Testy przeprowadzono na rzeczywistym pojeździe elektrycznym. System wykazywał dużą dokładność w szacowaniu kąta poślizgu w różnych scenariuszach – przy różnych prędkościach, na różnych nawierzchniach i podczas dynamicznych manewrów. Co istotne, radził sobie także w sytuacjach, które nie były wcześniej zaprogramowane w modelu. To właśnie ta elastyczność jest największą obietnicą takiego hybrydowego podejścia.
Co to zmienia dla przyszłych elektryków?
Dokładniejsze i szybsze szacowanie stanu pojazdu to nie tylko kwestia bezpieczeństwa. To także potencjalna droga do bardziej precyzyjnych interwencji systemów wspomagania jazdy. Zamiast gwałtownie hamować czy korygować tor, gdy auto już się ślizga, system mógłby działać prewencyjnie – delikatnie modyfikując moment obrotowy na poszczególnych kołach lub kąt ich skrętu. Taka płynna korekta jest nie tylko bezpieczniejsza, ale i bardziej efektywna energetycznie. Każdy gwałtowny manewr to strata cennej energii z baterii.
Czytaj też: Maszyny nauczą się czuć? Neuromorficzna skóra zmieni przyszłość robotyki
Naukowcy wierzą, że ich koncepcja może wpłynąć na przyszłe architektury sterowania autami. Oferuje bowiem kontrolę opartą na fizyce, ale usprawnioną przez sztuczną inteligencję, bez poświęcania niezawodności. W branży, która coraz śmielej stawia na automatyzację, takie połączenie wydaje się logicznym kierunkiem.
Czy to oznacza, że już niedługo nasze elektryki będą nieomylne? Oczywiście, że nie. Każdy system ma swoje ograniczenia, a droga od prototypu w laboratorium do seryjnego wdrożenia jest długa. Testy są obiecujące, ale prawdziwy sprawdzian nastąpi na milionach kilometrów w najróżniejszych warunkach pogodowych i drogowych. Mimo to samo podejście – łączenie sprawdzonych, deterministycznych modeli z adaptacyjnym uczeniem maszynowym – wydaje się rozsądnym kompromisem między innowacją a bezpieczeństwem. To właśnie takie rozwiązania, a nie czysta, nieprzewidywalna AI, mają największe szanse na zmianę sposobu, w jaki nasze auta radzą sobie z drogą.