Сегодня достаточно скачать с GitHub-a открытый стек автопилота, прикрутить пару камер или лидаров с AliExpress к небольшой электрической платформе, прокатить ее по парковке — и проект уже называют «автономным». Но заставить машину без водителя в реальных условиях выполнять задачи бизнеса, например, перевозить тонны груза в -30 °C и +50 °C, и, при этом, зарабатывать деньги — это совсем другая лига, где сходят с дистанции даже стартапы с сотнями миллионов долларов инвестиций. 

Я — Дмитрий Куликов, последние 2,5 года руковожу разработкой ПО в Evocargo. Мы с нуля разрабатываем, проектируем, производим и внедряем автономные электрогрузовики максимально высокого на сегодня серийно-эксплуатируемого уровня автономности. Уже 5 лет они работают на десятках коммерческих объектов по всей России. Как пробиться в лигу успешных проектов в автономном вождении, как мы приняли решение строить собственную платформу и почему Маск всё ещё не прав — расскажу в этой статье. 

Глава 1. Прототипы делают все, продукт — единицы

Как я писал выше, рецепт  разработки автономного транспорта  достаточно прост: берёшь готовое шасси, ставишь несколько сенсоров, ищешь подходящие открытые репозитории из Git-а — и машина уже едет сама. И тогда на страничке проекта гордо засияет «автономный транспорт». На YouTube и в соцсетях легко найти сотни видео, где самодельные багги, мини-басы или переоборудованные гольф-кары неспешно, без участия водителя катаются по территории бизнес-центров. Они сами объезжают препятствия, останавливаются перед людьми, вроде бы демонстрируя «беспилотность». На видео выглядит убедительно.

Но следующий рубеж — коммерческий продукт — преодолели единицы. За последние годы в мире появились сотни команд, показавших работающие демо-машины. Большинство так и остались в секции «видео с полигона»:

• Arrival после громкого IPO распродала активы с огромным дисконтом и ушла в ликвидацию;

• Starsky Robotics закрылась сразу после первых тестов на хайвее;

• Applied Intuition выкупила проект Embark Technology, когда пилотные запуски не конвертировались в заказы;

• Ford и VW прекратили финансирование проекта Argo AI, сочтя сроки окупаемости туманными;

• Phantom Auto не нашла рынок для автономных грузовиков;

• Даже Apple, после десяти лет и миллиардов долларов инвестиций, свернула собственный проект автономного электро-такси и переключилась на генеративный ИИ (и то, похоже, пока не очень успешно :)).

Причины у всех этих кейсов схожи: слабая техбаза, неналаженные процессы , переоценка рыночного тайминга, стечение обстоятельств.

В грузовых перевозках планка еще выше. Здесь машины — крупнее, грузы —  больше, ответственность — выше, инерция — мощнее, тормозной путь — длиннее. А сами маршруты часто могут пролегать через пыльные заводские территории, заваленные снегом склады и терминалы, где от жары плавится асфальт. Отсюда — сенсорный «зоопарк», жёсткие требования к валидации ПО и крайне консервативные заказчики: один простой грузовика на минуту иногда гораздо дороже, чем час ожидания такси.

Не случайно до реальных внедрений добрались буквально два игрока: американская Aurora Innovation и шведская Einride. Каждая из них суммарно привлекла порядка миллиарда долларов венчурного и публичного капитала, но даже при таких ресурсах проекты пока остаются в статусе ограниченных пилотов: десятки грузовиков на тестовых коридорах и маршрутах клиентов. До реальной стабильной эксплуатации их решения ещё не дошли.

Глава 2. Наш старт от прототипа к первой сотне грузовиков на объектах

Evocargo существует чуть больше пяти лет, и траектория развития проекта укладывается в два чётких кадра — тогда и сейчас.

Тогда, 2020-й.

Прототип на стереокамерах, система автопилота на стадии формулирования, тесты проводили во дворе офиса. Небольшая команда разработки и инжиниринга, не более 15 человек. Половина команды — выходцы из лаборатории зрительных систем Института проблем передачи информации РАН, вторая — из компании, разрабатывающей собственные электродвигатели и машины.

PoC (Proof of Concept) и продукт — это две разные вселенные. Прототип — это демонстрация возможности. Продукт — это надёжность, повторяемость, масштабируемость, экономическая эффективность и безопасность. Машина должна работать не один раз на презентации, а ежедневно, в разных условиях, с разными сценариями, без ошибок и ДТП. 

Так мы выстроили ключевые принципы:

1. ничего лишнего: оставляем нужное для обеспечения безопасности и сервиса сегодня. Доступной должна быть не только машина, но и ее производство. Это значит, что необходимо разработать весь инструментарий для пусконаладки, эксплуатации и сервиса ВАТС, сделать его простым и понятным;

2. инженерная дисциплина: любое изменение должно быть воспроизводимым — не хаотичными “костылями” ради демо;

3. полная автономность: у нас нет возможности использовать водителя-испытателя или инженера, следующего за машиной. Это связано как с широкой географией внедрения, так и со стоимостью сервиса. Наша задача сделать машины, не требующие сопровождения и обслуживаемые удаленно;

4. качественная услуга (сервис): логистика — это не только машина. Это ответственность за товар, оформление документов, расчет эффективности и многое другое. Наша задача — максимально автоматизировать и упростить все операции, связанные с оказанием сервиса, чтобы уменьшить их стоимость. Кроме того, система управления флотом позволяет собирать много данных, которые можно переработать в аналитику и сделать логистические процессы более прозрачными и оптимальными для наших клиентов.

Сейчас, 2025-й.

400+ сотрудников во всех контурах R&D, производства, коммерции и эксплуатации. На днях со стапелей сошла 205-я машина. Уровень автономности — максимально высокий серийно-эксплуатируемый по классификации SAE. Машины у 40+ клиентов по всей РФ круглосуточно возят огромные связки труб, расходники для черной металлургии, бигбэги с удобрениями, тележки с вашими заказами с маркетплейсов. Температуры на маршрутах варьируются от –30 °C до +50 °C. А наши ВАТС (высоко автоматизированные транспортные средства) виртуозно ездят и паркуются в условиях броуновского движения фур, газелей и пешеходов на территориях, закрытых для общего доступа. 

Расскажу о некоторых инженерных решених, которые дожили до этой «производственной» стадии и какие из них пришлось похоронить вместе с красивыми презентациями.

Глава 3. Наш первый грузовик или в чём неправ Маск?

Для восприятия окружения и локализации (определения местоположения в пространстве) первая версия ВАТС была оснащена сперва обычными камерами, затем самодельной стереопарой, и после — стереокамерой. Мы решили попробовать пойти по пути Tesla, как лидера индустрии на тот момент. Камеры недороги и просты в интеграции — самый удобный вариант для формата демонстрационных заездов и простых тестов. Это работало. Машина ездила. Всё выглядело многообещающе…

Но как только на дорогах появились осенняя грязь, а затем и снег, обнаружился нюанс — в таких условиях разметка (а в первой версии автопилота мы очень на нее полагались) полностью пропадает из видимости.

Были и забавные кейсы: наши машины детектировали нарисованных на различных поверхностях людей (на асфальте и знаках), что приводило к  остановкам во всех случаях детекции “человека". Нужно было искать другие решения для восприятия окружения грузовиком

Так началась переоценка нашего подхода. Мы добавили лидары. Потом — сонары. Дополнительные камеры. Новый стек обработки данных. Сейчас в каждой машине для восприятия используется фьюзинг данных со множества сенсоров. Мы начали проектировать архитектуру, в которой каждая система дополняет и страхует остальные. Это увеличило надёжность восприятия в любых условиях.

И с такими ситуациями мы сталкивались практически на каждом этапе — решения, которые уже эксплуатируются в сфере автономного транспорта или смежных, часто не подходили. И нам приходилось с нуля создавать подходы и конструктивные решения. 

Наша команда не стала руководствоваться многочисленными примерами компаний, которые создают беспилотный транспорт на основе уже готовых автомобилей и обвешивают их дополнительным оборудованием для автопилотирования. Мы решили проектировать автономный грузовик с нуля — он не имеет кабины для водителя и, следовательно, классических органов управления. Для нас это стало конкурентным и экономически эффективным преимуществом — мы были относительно свободны в конструировании «железной» части машины и освобождали полезное место и вес для увеличения грузоподъемности. 

Итого:

• рама отсека управления (aka кабина для водителя, если бы он был) в 5 раз легче, чем аналогичная у стандартной грузовой ГАЗели;

• свободная рама — батарея или водород ставятся идеально по балансу;

• drive-by-wire (электронная система управления автомобилем) заложена в проекте — меньше точек отказа.

Да, такой подход дороже на старте. Но когда счёт идёт на сотни машин и тысячи часов в смену, лишние килограммы и сантиметры быстро превращаются в деньги клиента.

Каждый из этих блоков использует уже существующие технологии и научные подходы — но в реальности они редко «встают с полки». Мы не изобретали компьютерное зрение или LAM заново, но в 90% случаев готовые решения оказывались неработоспособными в наших условиях: пыль, снег, отсутствие GNSS, слабая связь, внезапно появляющиеся люди и спецтехника. Поэтому почти все модули пришлось переписать, переучить или пересобрать под наши задачи. О нашем стеке, архитектуре автопилота, пайплайне разработки и внедрения, поиске технологических решений в нынешних условиях ограничений и о реалиях эксплуатации электрогрузовиков я и моя команда расскажем в других статьях.  

Глава 4. Прорывные идеи требуют колоссальных вложений

Мы разрабатываем кастомизированные решения для некоторых заказчиков, адаптируя под их нужды характеристики грузовика. Например, меняем габариты машины, разрабатываем новые кузовы и крепления, корректируем проходимость платформы. В результате этого может меняться не только набор сенсорики, но и логика управления. С точки зрения разработки получается практически новый продукт, который при этом чаще всего визуально очень похож на серийную модель. 

И если в прототип можно вносить практически бесконечное количество изменений для проверки гипотез или демо-проездов, то вносить изменения в серийную модель требует ресурсов в сотни раз больше — необходимо править конструкторскую документацию, серьезно корректировать процесс производства, тестирования и так далее. Поэтому и уровень ответственности за принимаемые технологические решения здесь на порядок выше.

Сегодня мы, как и большинство представителей отрасли автономного транспорта, сталкиваемся с необходимостью масштабирования технологии и ресурсов обработки данных, объемы которых измеряются в терабайтах. Например, только для подготовки базы для обучения нейросетей требуется несколько десятков асессоров — людей, которые занимаются разметкой изображения с камер. Соответственно, с ростом количества объектов внедрения у нас растет и количество датасетов. Более того, для «покрытия» новых климатических зон — более северных или южных широт — необходимо набрать и обработать большой объем новых данных с песком, снегом или паром. 

Если же мы говорим о задачах, требующих таких новых решений, как достижение еще большего уровня автономности, не существующего на сегодняшний день в мире — это требует огромных инвестиций, поскольку у нас нет возможности опираться на существующий опыт. Просто потому что в мире ещё нет подходов к этим решениям.

Интересное наблюдение: повышение уровня автономности (когда машина едет полностью без вмешательств человека) с 98% до 99% на порядок сложнее, чем повышение с 40% до 60%.

Мы прошли этот путь практически до конца — наши ВАТС имеют уровень автономности выше 99,99%. Теперь в наших метриках мы ориентируемся на процент полностью автономных перевозок — без участия человека на всех этапах. 

Внедрение нашего автономного транспорта экономически оправдано. Технологии без участия человека позволяют компаниям закрывать недостаток водителей и низкоквалифицированных сотрудников, активно развивать территории, где человеку находится опасно или затруднительно 24/7. Убирая человеческий фактор,  бизнес может перенаправить ресурсы на улучшение уровня труда незаменимых специальностей.

Мы смотрим ещё дальше. Потому что логистика — это не только транспортировка груза. Это еще и автоматизация документооборота (накладные на товар, маршрутные листы), интеграция с WMS/TMS (warehouse management system/transport management system), оптимизация маршрутов перевозки, инструменты отслеживания перевозки и многое другое. 

В следующей серии:

• Локализация без GNSS, а также, как жить, когда интернет отключен, а лидар видит бесконечные заборы.

• Свой 3D-симулятор. Для чего он реально нужен и какова обстановка среди симуляторов в индустрии автопилотирования; 

• История успеха под капотом: как переезд с десктопа в облако отражается на тестировании; 

…и ещё десяток практических тем, о которых хотелось бы подробнее рассказать. 

Приходите в комментарии, обсудим судьбу автопилотируемых машин на дорогах общего пользования в России и мире и почему они пока «далеко не уедут».