Self-driving Car: Auto, čo šoféruje samo

Definícia a kontext samojazdiaceho vozidla

Samojazdiace vozidlo (self-driving car, autonómne vozidlo) je cestné vozidlo vybavené senzormi, výpočtovou technikou a softvérom, ktoré dokáže vymedzene alebo úplne prevziať úlohy ľudského vodiča: vnímať okolie, lokalizovať sa, predikovať správanie účastníkov, plánovať trajektóriu a bezpečne realizovať jazdné manévre. V praxi sa hovorí o prevádzke v rámci operačnej domény (ODD, Operational Design Domain), ktorá popisuje podmienky, v ktorých systém spĺňa požiadavky bezpečnosti (počasie, cesta, rýchlostné limity, denné/ nočné podmienky, geofence).

Úrovne automatizácie (SAE J3016)

• Level 0–1: žiadna/čiastočná asistenčná funkcia (varovania, adaptívny tempomat, udržiavanie pruhu), vodič neustále dohliada.
• Level 2: kombinovaná pozdĺžna a priečna kontrola (napr. ACC + LKA), no vodič musí kontinuálne monitorovať a prevziať kontrolu na požiadanie.
• Level 3: podmienená automatizácia v ODD – systém monitoruje okolie, ale môže vydať takeover request; vodič musí byť dostupný na prevzatie.
• Level 4: vysoká automatizácia – systém zvládne jazdu bez ľudského zásahu v definovanej ODD a zvláda minimal risk condition pri zlyhaniach.
• Level 5: plná automatizácia – bez obmedzenia ODD (prakticky nedosiahnuté v súčasnom priemysle).

Senzorický ekosystém: multimodálne vnímanie

• LiDAR: aktívne meranie vzdialenosti (čas letu), presné 3D mračná bodov; robustný voči osvetleniu, citlivý na aerosóly a náklady.
• Radar/MIMO radar: rýchlosť (Doppler), dosah a prienik v zlých poveternostných podmienkach; vhodný na detekciu pohybujúcich sa objektov.
• Kamery (RGB/NIR/HDR): bohatá semantika (značky, semafory, gestá), vyžadujú dobré osvetlenie a pokročilé spracovanie.
• Ultrazvuk: krátky dosah na parkovanie a nízkorýchlostné manévre.
• GNSS/RTK a IMU: globálna poloha a inerciálne merania pre lokalizáciu a stabilizáciu dead reckoning.
• V2X (DSRC/C-V2X): doplnková kooperatívna senzorika (správy o kolónach, uzávierkach, fáze semaforov).

Percepčný zásobník: od signálu k objektom

1. Predspracovanie: kalibrácia senzorov (intrinsic/extrinsic), synchronizácia, odšumovanie, korekcia expozície.
2. Detekcia a segmentácia: neurónové siete (napr. transformerové a konvolučné architektúry) pre detekciu 2D/3D objektov (vozidlá, chodci, bicykle), panoptic segmentation pre súvislé triedy (vozovka, obrubník).
3. Tracking a asociácia: multi-object tracking (Kalman/UKF + asociácia cez IoU/embedingy), správa identít naprieč rámcami.
4. Fúzia senzorov: early/mid/late fusion; grafové a Bayesovské prístupy na konsolidáciu neistoty z kamier, radaru a LiDARu.
5. Detekcia voľného priestoru: odhad drivable area, elevácia, zjazdnosť pri snehu/vode; mapovanie prekážok (occupancy grids).

Lokalizácia a mapy vysokej presnosti

Lokalizácia kombinuje GNSS/RTK, inerciu a vizuálno-odometrické metódy (VIO) s mapami HD (pruhová geometria, objekty, semafory, dopravné značky, 3D landmar ky). Používajú sa SLAM variácie (LiDAR SLAM, Visual SLAM) a map-matching s pravdepodonosťou. Mapy sa priebežne aktualizujú (crowd-sourcing, flotilové dáta), spravujú verzie a integrujú zmeny infraštruktúry.

Predikcia správania účastníkov

Prediktívne modely odhadujú trajektórie ostatných účastníkov (vozidlá, chodci, cyklisti) na horizont 1–6 s. Využívajú interaction-aware architektúry (grafové siete, attention) a multi-modal výstupy (viacero hypotéz s pravdepodobnosťami). Vstupom sú dynamické stavy, dopravné pravidlá, kontext pruhov, semaforov a sociálne konvencie (prednosť, zmeravenie davu, hľadanie očného kontaktu).

Plánovanie: taktika a trajektória

• Behaviorálne plánovanie: výber manévrov (jazda v pruhu, predchádzanie, zlaďovanie, odbočovanie, vyhýbanie) na základe pravidiel aj optimalizácie rizika.
• Lokálne plánovanie trajektórie: generovanie hladkých kriviek (polynómy, splajny) s kritériami pohodlia (jerk), bezpečnosti (kolízne obmedzenia) a dopravných predpisov.
• Optimalizácia: MPC (Model Predictive Control) s rešpektovaním dynamiky vozidla a kontaktnej adhézie; riešenie v reálnom čase s robustnou infeasibility stratégiou.

Riadenie a aktuácia

Realizácia trajektórie prebieha pomocou pozdĺžnych (plyn, brzda) a priečnych (uhol volantu, torzná stabilizácia) akčných zásahov. Riadiace slučky využívajú kombináciu feedforward a feedback regulátorov, adaptujú sa na zmenu koeficientu trenia (dážď, sneh) a na odchýlky v záťaži. Hierarchia zahŕňa bezpečnostné dozorovanie (thermal, degradácia bŕzd, redundancia aktuátorov).

Bezpečnostné koncepcie: ISO 26262 a SOTIF

• Funkčná bezpečnosť (ISO 26262): analýzy nebezpečenstiev (HARA), ASIL úrovne, bezpečnostné ciele, redundancia a diagnostika chýb hardvéru/softvéru.
• SOTIF (ISO 21448): bezpečnosť zamýšľanej funkcie – riziká bez poruchy, limity vnímania a neurčitosti (edge cases, neštandardné scény).
• Bezpečný stav (MRC): definované stratégie minimal risk condition (kontrolované zastavenie, vyhnutie sa nebezpečenstvu, varovanie okolia).

Kybernetická bezpečnosť a aktualizácie OTA

Architektúra vozidla musí odolávať útokom na komunikáciu (CAN/Ethernet), senzory (spoofing/jamming GNSS, oslepenie kamier) a cloudové služby. Uplatňuje sa PKI, zabezpečené bootovanie, segmentácia sietí, IDS/IPS, secure over-the-air aktualizácie s rollback a auditom. Bezpečnostné testovanie zahŕňa penetračné testy a red-teaming scenárov.

HMI a spolupráca s pasažiermi a okolím

• Prechod kontroly (L2–L3): čas na prevzatie, multimodálne upozornenia, detekcia pozornosti vodiča.
• Interakcia s chodcami: vonkajšie signály (displeje, svetelná komunikácia), prediktívne správanie na priechodoch.
• Komfort a nevoľnosť: plánovanie s obmedzením jerk, predvídateľnosť manévrov, informovanie o úmysloch systému.

Kooperatívna jazda a V2X

Komunikácia vozidlo-vozidlo a vozidlo-infraštruktúra podporuje platooning, prioritizáciu prepojených zásahových vozidiel, informácie o fáze semaforov (SPaT), či map matching pri uzávierkach. V2X dopĺňa lokálnu percepciu o non-line-of-sight udalosti a zlepšuje predikciu.

Simulácia, verifikácia a validácia

• Scénarové testovanie: generatívne scenáre (kombinatorika aktérov, počasia, infraštruktúry), falsification a importance sampling pre zriedkavé udalosti.
• HiL/SiL/ViL: hardware-/software-/vehicle-in-the-loop pre uzavretie slučky so senzormi a aktuátormi.
• Metametriky pokrytia: funkčné pokrytie (ODD taxonómia), kinematické a semantické pokrytie, scenario density v portfóliu testov.
• Dataset governance: verzovanie, golden sets, continual learning s ochranou proti catastrophic forgetting.

Flotilové učenie a dátová ekonomika

Flotila vozidiel zbiera záznamy o disengagement udalostiach, blízkych stretoch, nových typoch značiek či dočasnej dopravnej organizácii. Active learning a prioritizácia anotácií zrýchľujú zlepšovanie percepcie a predikcie. Prenos modelov prebieha OTA, s A/B validáciou a shadow režimom pred aktiváciou.

Výpočtová platforma a energetika

• Compute: heterogénne SoC (CPU/GPU/accelerators) s vysokou pamäťovou priepustnosťou, deterministické plánovanie vlákien (RTOS).
• Redundancia: redundantné napájanie, fail-operational brzdový a riadiaci okruh.
• Energetická účinnosť: optimalizácia modelov (kvantizácia, prerezávanie, distilácia), tepelný manažment a vplyv na dojazd EV.

Infrastruktúra: HD mapy, digitálne dvojča a cloud

Prevádzka si vyžaduje škálovateľné pipeline pre ingestovanie senzorických dát, tréning (distribuovaný), evaluáciu, verziovanie modelov a mapové aktualizácie. Digital twin miest umožňuje testovanie dopravných zmien (nové BUS pruhy, rekonštrukcie) a odhad dopadov na autonómnu flotilu.

Legislatíva, štandardizácia a zodpovednosť

Právne rámce sa zameriavajú na schvaľovanie typov, vzdialený dohľad, požiadavky na záznamníky dát (EDR), definíciu vodiča pri L3–L4 a prenos zodpovednosti pri nehodách. Štandardy a smernice upravujú aj kybernetickú bezpečnosť, OTA procesy, HMI a kooperatívne systémy. Kľúčom je transparentný safety case a dohľad nad prevádzkou v určenom ODD.

Etické a spoločenské otázky

• Dostupnosť a inklúzia: prínosy pre seniorov a imobilných, pokrytie oblastí mimo centier.
• Práca a transformácia: dopad na vodičské profesie, reskilling a nové pracovné roly (operátori flotíl, dátoví kurátori).
• Transparentnosť rozhodnutí: zrozumiteľné vysvetlenia, auditovateľnosť a mechanizmy sťažností.

Limitné prípady a robustnosť v reálnom svete

Nejednoznačné dopravné situácie (nečitateľné značenie, improvizované uzávierky, gestá policajtov), extrémne počasie (snehové búrky, oslnenie), netypické objekty (náklad spadnutý z vozidla) a sociálna dynamika (agresívni vodiči, nepredvídateľní chodci) sú kľúčom k navrhnutiu fail-safe stratégií: zníženie rýchlosti, zvýšenie following distance, vyžiadanie vzdialenej asistencie alebo prechod do MRC.

Ekonomika, obchodné modely a nasadenie

• Robotaxi a robot-delivery: výnosy za jazdu/doručenie, vysoké kapitálové náklady, potreba vysokej využiteľnosti a hustoty dopytu.
• Autonómna logistika a hub-to-hub: prevádzka na diaľniciach a vyhradených koridoroch s nižšou komplexnosťou ODD.
• Asistované funkcie v osobných autách: postupná monetizácia L2+/L3 balíkov a predplatného za mapy a funkcie.

KPI bezpečnosti a prevádzky

• Bezpečnosť: nehody na milión kilometrov, near-miss frekvencia, reakčný čas na nečakané udalosti, úspešnosť MRC.
• Výkon percepcie: presnosť detekcie/trackingu, false positive/negative vs. vzdialenosť, robustnosť v daždi/snehu/noci.
• Komfort a efektivita: priemerný jerk, spotreba energie/paliva, priemerná rýchlosť v premávke, percento manuálnych zásahov.

Prevádzkový dohľad a teleoperácie

Pre L4 flotily sa uplatňujú centrá vzdialeného dohľadu s možnosťou konzultácie alebo high-level usmernenia (nie priama dlhodobá tele-jazda). Dôležité sú limity obsluhy na operátora, latencia, bezpečná komunikácia a logovanie zásahov.

Implementačný checklist pre vývojové tímy

1. Definujte ODD s merateľnými hranicami (poveternostné triedy, typ cestnej siete, rýchlosti).
2. Zaveďte end-to-end sledovanie neistoty (senzory → fúzia → predikcia → plánovanie) a kritériá fallbacku.
3. Vybudujte pipeline pre scenárové testovanie a metriky pokrytia; integrujte falsification slučku.
4. Vytvorte safety case podľa ISO 26262/SOTIF s dôkazmi verifikácie a validácie.
5. Implementujte bezpečné OTA s kryptografickým podpisovaním, canary nasadením a rýchlym rollbackom.
6. Monitorujte drift dát a spravujte golden datasets pre regresné testy percepcie a plánovania.
7. Zabezpečte kybernetickú architektúru (segmentácia, IDS, hardvérové TEE, bezpečný boot).
8. Navrhnite HMI pre takeover (L2/L3) s validáciou času na reakciu a detekciou pozornosti.

Budúce smery výskumu

• End-to-end diferenciabilné zásobníky: spoločné učenie percepcie-predikcie-plánovania s garanciami bezpečnosti.
• Formálne verifikované plánovanie: kombinácia symbolických overení a učiacich sa komponentov.
• Sim2Real a doménová adaptácia: robustné prenosy z fotorealistických simulácií do ulice.
• Kooperatívna autonómia: kolektívne mapy, spoločné vnímanie cez V2V a integrácia infraštruktúry (smart intersections).

Zhrnutie

Samojazdiace vozidlá predstavujú prienik mechatroniky, počítačového videnia, strojového učenia, bezpečnostného inžinierstva a práva. Kľúčom k zodpovednému nasadeniu je striktne definovaná ODD, dôkazný safety case, robustná kybernetická ochrana, priebežná validácia v simulácii aj v reálnom svete a transparentná komunikácia s používateľmi aj regulátormi. Pri správnom návrhu a riadení rizík môžu autonómne systémy priniesť výrazné zlepšenie bezpečnosti, efektivity a dostupnosti mobility.