В работе, представленной на Международной конференции по представлению обучения (International Conference on Learning Representation), прошедшей в 2025 году в Сингапуре, исследователи из Массачусетского технологического института (MIT) рассказали о создании новой системы, которая радикально поменяет понимание того, как ИИ справляется с управлением городским трафиком. Эта система под названием IntersectionZoo предназначена для моделирования и тестирования так называемого «экологичного вождения» (eco-driving), в условиях плотного городского движения.
Цель такого метода — минимизировать лишние затраты топлива. Например, заранее снижать скорость перед красным сигналом светофора, а не разгоняться и резко тормозить. Даже если такой подход применяет только один автомобиль, за ним вынуждены притормаживать и другие, что постепенно приводит к снижению общей эмиссии.
Чтобы оценить реальный эффект таких систем, необходимо учитывать множество переменных — от дорожного рельефа до погодных условий и характеристик самих автомобилей. Как отмечает руководитель проекта Кэти Ву, до сих пор не существовало общепринятого инструмента для оценки эффективности алгоритмов глубокого обучения в этих условиях.
IntersectionZoo восполняет этот пробел, предоставляя более миллиона реалистичных сценариев городского движения, построенных на реальных данных. Среди них топология уличной сети, погодные условия, градиенты дорог, возраст автомобилей и тип используемого топлива.
Главная трудность, которую поднимают авторы исследования, — это плохая переносимость современных алгоритмов. Если ИИ научился работать в одной конкретной ситуации, даже незначительное изменение, например добавление велосипедной полосы, нарушает его эффективность.
IntersectionZoo позволяет проверить, насколько алгоритмы устойчивы к изменениям, что критически важно для реального применения. Хотя нацелен он прежде всего на усовершенствование алгоритмов глубокого обучения с подкреплением, авторы подчеркивают, что разработка может найти применение далеко за пределами транспорта — от робототехники до складской логистики.
Авторы исследования — магистрант MIT Виндала Джаявардана, студент ETH Zurich Баптист Фрейдт, аспиранты Ао Цюй, Камерон Хикерт и Чжунся Янь, а также научный руководитель Кэти Ву — подчеркивают, что вся документация и сам инструмент выложены в открытом доступе на GitHub. Их цель — не просто повысить эффективность городской мобильности, но и продвинуть развитие универсальных алгоритмов ИИ, способных работать в сложных и изменяющихся условиях.
Использование технологий, таких как умное вождение, может сыграть ключевую роль в снижении выбросов и уменьшении нагрузки на окружающую среду в городах.
В то время как такие инновации помогают бороться с загрязнением, не менее важным остается внимание к более глобальным угрозам, связанным с парниковым эффектом. Подробнее о влиянии и последствиях этого явления — в нашей статье.
