Сегодня припаркованный автомобиль способен выполнять больше вычислений, чем когда‑то оборудование, отправившее людей на Луну. И всё же бетонный столб в полутёмном паркинге слишком часто выходит победителем. Этот контраст показывает: дело не в нехватке «голых» вычислительных циклов, а в том, к чему именно они подключены в реальном физическом мире.
Современная электроника в машине по мощности сопоставима с небольшим центром обработки данных: она управляет мультимедийными системами, беспроводными обновлениями и продвинутыми ассистентами водителя. Но избежать лёгкого удара на малой скорости — это уже задача восприятия и теории управления, а не рекордов по терафлопсам. Ультразвуковые датчики плохо работают под странными углами и на «глушащих» материалах, короткодействующий радар ограничен по разрешению, камеры слепнут от бликов, теней и грязных стёкол. Система объединения данных должна в реальном времени сводить воедино шумные сигналы, борясь с нарастающей неопределённостью, и при этом успевать построить надёжную модель расстояния и траектории в считанных сантиметрах от возможного удара.
К этому добавляется настройка алгоритмов между ложными срабатываниями и пропущенными опасными ситуациями. Слишком частое «паническое» торможение убивает доверие и коммерческий смысл системы, слишком большая терпимость ведёт к царапинам. Модели машинного обучения, воспитанные на аккуратно подобранных наборах данных, сталкиваются с хаотичной статистикой реальных парковок, где редкие случаи становятся нормой. Одновременно жёсткие требования функциональной безопасности и ограничения по задержкам вмешательства сдерживают агрессивность программных действий. В итоге возникает парадокс: вычислительной мощности в избытке, но последний метр управления остаётся хрупким — там по‑прежнему решают физика, бюджет на датчики и ожидания водителя.
