Autonomní vozidlo: automobil s automatickým řízením

Definice a kontext samořiditelného vozidla

Samořiditelné vozidlo (self-driving car, autonomní vozidlo) je silniční vozidlo vybavené senzory, výpočetní technikou a softwarem, které dokáže částečně nebo zcela převzít úkoly lidského řidiče: vnímat okolí, lokalizovat se, předpovídat chování účastníků, plánovat trajektorii a bezpečně realizovat jízdní manévry. V praxi se hovoří o provozu v rámci operační domény (ODD, Operational Design Domain), která popisuje podmínky, za nichž systém splňuje bezpečnostní požadavky (počasí, silnice, rychlostní limity, denní/noční podmínky, geofence).

Úrovně automatizace (SAE J3016)

Level 0–1: žádná/částečná asistenční funkce (varování, adaptivní tempomat, udržování jízdního pruhu), řidič neustále dohlíží.
Level 2: kombinovaná podélná a příčná kontrola (např. ACC + LKA), ale řidič musí kontinuálně monitorovat a převzít kontrolu na vyžádání.
Level 3: podmíněná automatizace v ODD – systém monitoruje okolí, ale může vydat výzvu k převzetí kontroly; řidič musí být dostupný pro převzetí.
Level 4: vysoká automatizace – systém zvládne jízdu bez lidského zásahu v definované ODD a dokáže zvládnout minimal risk condition při selháních.
Level 5: plná automatizace – bez omezení ODD (prakticky nedosaženo v současném průmyslu).

Senzorický ekosystém: multimodální vnímání

LiDAR: aktivní měření vzdálenosti (čas letu), přesné 3D mračna bodů; odolný vůči osvětlení, citlivý na aerosoly a znečištění.
Radar/MIMO radar: rychlost (Dopplerův efekt), dosah a průnik ve špatných povětrnostních podmínkách; vhodný pro detekci pohybujících se objektů.
Kamera (RGB/NIR/HDR): bohatá sémantika (značky, semafory, gesta), vyžadují dobré osvětlení a pokročilé zpracování.
Ultrazvuk: krátký dosah pro parkování a nízkorychlostní manévry.
GNSS/RTK a IMU: globální poloha a inerciální měření pro lokalizaci a stabilizaci dead reckoning.
V2X (DSRC/C-V2X): doplňková kooperativní senzorika (informace o kolonách, uzavírkách, fázi semaforů).

Percepční zásobník: od signálu k objektům

Předzpracování: kalibrace senzorů (intrinsic/extrinsic), synchronizace, odšumění, korekce expozice.
Detekce a segmentace: neuronové sítě (např. transformerové a konvoluční architektury) pro detekci 2D/3D objektů (vozidla, chodci, kola), panoptic segmentation pro souvislé třídy (vozovka, obruba).
Tracking a asociace: multi-objekt tracking (Kalman/UKF + asociace přes IoU/embeddingy), správa identit napříč snímky.
Fúze senzorů: early/mid/late fúze; grafové a bayesovské přístupy ke konsolidaci nejistoty z kamer, radaru a LiDARu.
Detekce volného prostoru: odhad drivable area, elevace, sjízdnost při sněhu/vodě; mapování překážek (occupancy grids).

Lokalizace a mapy vysoké přesnosti

Lokalizace kombinuje GNSS/RTK, inerciální a vizuálně-odometrické metody (VIO) s HD mapami (geometrie pruhů, objekty, semafory, dopravní značky, 3D orientační body). Používají se SLAM varianty (LiDAR SLAM, Visual SLAM) a map-matching s pravděpodobností. Mapy jsou průběžně aktualizovány (crowd-sourcing, flotilová data), spravují se verze a integrují změny infrastruktury.

Předpověď chování účastníků

Přediktivní modely odhadují trajektorie ostatních účastníků (vozidla, chodci, cyklisté) na horizont 1–6 sekund. Využívají interaction-aware architektury (grafové sítě, attention) a multi-modal výstupy (více hypotéz s pravděpodobnostmi). Vstupy zahrnují dynamické stavy, dopravní pravidla, kontext jízdních pruhů, semaforů a sociální konvence (přednost, chování davu, navazování očního kontaktu).

Plánování: taktika a trajektorie

Behaviorální plánování: výběr manévrů (jízda v pruhu, předjíždění, sjednocování, odbočování, vyhýbání) založené na pravidlech i rizikové optimalizaci.
Lokální plánování trajektorie: generování hladkých křivek (polynomy, spline) s kritérii pohodlí (jerk), bezpečnosti (kolizní omezení) a dodržování dopravních předpisů.
Optimalizace: MPC (Model Predictive Control) s respektováním dynamiky vozidla a kontaktní adheze; řešení v reálném čase s robustní strategií pro infeasibility.

Řízení a aktuace

Realizace trajektorie probíhá pomocí podélných (plyn, brzda) a příčných (úhel volantu, torzní stabilizace) akčních zásahů. Řídicí smyčky využívají kombinaci feedforward a feedback regulátorů, adaptují se na změny koeficientu tření (déšť, sníh) a na odchylky zatížení. Hierarchie zahrnuje bezpečnostní dozor (teplotní monitoring, degradace brzd, redundance aktuátorů).

Bezpečnostní koncepty: ISO 26262 a SOTIF

Funkční bezpečnost (ISO 26262): analýzy nebezpečí (HARA), úrovně ASIL, bezpečnostní cíle, redundance a diagnostika chyb HW/SW.
SOTIF (ISO 21448): bezpečnost zamýšlené funkce – rizika bez poruchy, limity vnímání a neurčitosti (edge cases, nestandardní scény).
Bezpečný stav (MRC): definované strategie minimal risk condition (kontrolované zastavení, vyhnutí se nebezpečí, varování okolí).

Kybernetická bezpečnost a aktualizace OTA

Architektura vozidla musí odolávat útokům na komunikaci (CAN/Ethernet), senzory (spoofing/jamming GNSS, oslnění kamer) a cloudové služby. Uplatňuje se PKI, zabezpečené bootování, segmentace sítí, IDS/IPS, secure over-the-air aktualizace s podporou rollback a auditem. Bezpečnostní testování zahrnuje penetrační testy a red-teaming scénářů.

HMI a spolupráce s pasažéry a okolím

Přechod kontroly (L2–L3): čas na převzetí, multimodální upozornění, detekce pozornosti řidiče.
Interakce s chodci: vnější signály (displeje, světelná komunikace), přediktivní chování na přechodech.
Komfort a nevolnost: plánování s omezením jerk, předvídatelnost manévrů, informování o záměrech systému.

Kooperativní jízda a V2X

Komunikace vozidlo-vozidlo a vozidlo-infrastruktura podporuje platooning, prioritizaci propojených vozidel zásahových složek, informace o fázi semaforů (SPaT) a map matching při uzavírkách. V2X doplňuje lokální percepci o non-line-of-sight události a zlepšuje predikci.

Simulace, verifikace a validace

Scénářové testování: generační scénáře (kombinatorika aktérů, počasí, infrastruktury), falsification a importance sampling pro vzácné události.
HiL/SiL/ViL: hardware-/software-/vehicle-in-the-loop pro uzavření smyčky se senzory a aktuátory.
Metametriky pokrytí: funkční pokrytí (taxonomie ODD), kinematické a sémantické pokrytí, scenario density v portfoliu testů.
Správa datasetů: verzování, golden sets, continual learning s ochranou proti catastrophic forgetting.

Flotilové učení a datová ekonomika

Flotila vozidel shromažďuje záznamy o disengagement událostech, nehodách těsného kontaktu, nových typech značek či dočasné dopravní organizaci. Active learning a priorizace anotací zrychlují zlepšování percepce a predikce. Přenos modelů probíhá OTA, s A/B validací a shadow režimem před aktivací.

Výpočetní platforma a energetika

Výpočetní výkon: heterogenní SoC (CPU/GPU/akcelerátory) s vysokou paměťovou propustností, deterministické plánování vláken (RTOS).
Redundance: redundantní napájení, fail-operational brzdový a řídicí okruh.
Energetická účinnost: optimalizace modelů (kvantizace, stříhání, distilace), teplotní management a dopad na dojezd EV.

Infrastruktura: HD mapy, digitální dvojče a cloud

Provoz vyžaduje škálovatelné pipeline pro ingestování senzorických dat, trénink (distribuovaný), evaluaci, verzování modelů a mapové aktualizace. Digital twin měst umožňuje testování dopravních změn (nové BUS pruhy, rekonstrukce) a odhad dopadů na autonomní flotilu.

Legislativa, standardizace a odpovědnost

Právní rámce se zaměřují na schvalování typů, vzdálený dohled, požadavky na záznamníky dat (EDR), definici řidiče při L3–L4 a převod odpovědnosti při nehodách. Standardy a směrnice upravují také kybernetickou bezpečnost, OTA procesy, HMI a kooperativní systémy. Klíčové je transparentní safety case a dohled nad provozem v určeném ODD.

Etické a společenské otázky

Dostupnost a inkluze: přínosy pro seniory a imobilní, pokrytí oblastí mimo centra.
Práce a transformace: dopad na řidičské profese, rekvalifikace a nové pracovní role (operátoři flotil, správci dat).
Transparentnost rozhodnutí: srozumitelná vysvětlení, auditovatelnost a mechanismy stížností.

Hraniční případy a robustnost v reálném světě

Nepřehledné dopravní situace (nečitelná signalizace, improvizované uzavírky, gesta policistů), extrémní počasí (sněhové bouře, oslnění), netypické objekty (náklad spadlý z vozidla) a sociální dynamika (agresivní řidiči, nepředvídatelní chodci) jsou klíčem k návrhu fail-safe strategií: snížení rychlosti, zvýšení bezpečné vzdálenosti, vyžádání vzdálené asistence nebo přechod do MRC.

Ekonomika, obchodní modely a nasazení

Robotaxi a robotická doručovací služba: výnosy za jízdu/doručení, vysoké kapitálové náklady, potřeba vysoké využitelnosti a hustoty poptávky.
Autonomní logistika a hub-to-hub: provoz na dálnicích a vyhrazených koridorech s nižší komplexitou ODD.
Asistované funkce v osobních autech: postupná monetizace L2+/L3 balíčků a předplatného za mapy a funkce.

KPI bezpečnosti a provozu

Bezpečnost: nehody na milion kilometrů, frekvence near-miss, reakční doba na neočekávané události, úspěšnost MRC.
Výkon percepce: přesnost detekce/tracking, false positive/negative vs. vzdálenost, robustnost za deště/sněhu/noci.
Komfort a efektivita: průměrný jerk, spotřeba energie/paliva, průměrná rychlost v provozu, procento manuálních zásahů.

Provozní dohled a teleoperace

Pro L4 flotily se uplatňují centra vzdáleného dohledu s možností konzultace nebo high-level usměrnění (nikoli přímá dlouhodobá tele-jízda). Důležité jsou limity obsluhy na jednoho operátora, latence, bezpečná komunikace a logování zásahů.