Впервые нейросети посадили за руль настоящего автомобиля. Доехала только одна

Четыре большие языковые модели (GPT-6 Astra, Claude Fable 5.1, Grok 4.6 и GPT-5.6 Sol) попытались провести настоящую Toyota Corolla по трассе, размеченной конусами, на большой пустой парковке. До финиша добралась только одна модель. Машина ехала очень медленно, а за рулём на всякий случай сидел человек.

Белый седан едет между оранжевыми конусами на пустой стоянке

Универсальный ИИ вместо специально обученного автопилота

Беспилотники давно ездят по дорогам. Например, такси Waymo возит пассажиров без водителя-страховщика. Но их системы годами разрабатывали и обучали именно для вождения. Авторы бенчмарка DrivingBench, то есть набора тестов для сравнения моделей, хотели проверить другое: справится ли с рулём универсальная нейросеть, которую никогда не учили водить.

Эта идея не такая уж и странная, как кажется. Генеративный ИИ уже умеет браться за задачи, которым его прямо не учили: например, он может держать в голове позицию на игровой доске и играть по ней. Если модель сама освоит вождение, это будет важный признак того, что её умения переносятся в физический мир.

На фоне обещаний Илона Маска эксперимент выглядит особенно любопытно. В 2019 году глава Tesla уверял, что полный автопилот будет готов до конца года, и добавлял: «Я бы сказал, что уверен в этом». Этого так и не случилось. Для сравнения, в новом тесте чат-ботам доверили гораздо более скромную задачу: пройти 130-метровую трассу, размеченную конусами, держаться между границами и закончить заезд в финишной зоне. В маршруте были прямые участки, плавные изгибы, левый и правые повороты.

Как языковая модель управляет машиной через камеры

В эксперименте использовали Toyota Corolla 2022 года и устройство comma four с открытой системой помощи водителю openpilot. Оно подключается к CAN-шине, внутренней сети автомобиля, по которой передаются команды рулю, газу и тормозам. Нейросеть получала кадры с камер и телеметрию: координаты GPS, угол поворота руля и колёс.

Видеорегистратор на лобовом стекле автомобиля на парковке

Модель управляла машиной через простую команду. В ней она указывала направление, насколько повернуть руль, скорость, длительность манёвра и коротко объясняла причину. Новая команда сразу заменяла предыдущую, а когда время команды истекало, машина начинала тормозить. Скорость ограничили несколькими уровнями защиты: от 0,5 до 3,5 м/с (примерно 2–13 км/ч). Если автомобиль разгонялся выше 6 м/с, система отключалась. Всё это время водитель держал ногу над педалью тормоза.

У каждой модели было до трёх попыток в одном диалоге. После неудачного заезда модель просили разобрать свои ошибки, а машину возвращали на старт. Так исследователи проверяли обучение в контексте: способность модели улучшать поведение прямо по ходу разговора, без дополнительного обучения.

GPT-6 Astra отказывалась ехать из соображений безопасности

Сначала моделей пришлось уговаривать сесть за руль. По словам команды, некоторые из них, особенно GPT-6 Astra, иногда отказывались вести настоящую машину и ссылались на безопасность. Так было даже после того, как им рассказывали про пустую парковку, ограничение скорости и водителя у тормоза.

Демонстрация автомобиля на тестовой трассе с AI системами

Исследователи пробовали по-разному менять запрос. Например, они называли заезд симуляцией, но в части попыток модели видели настоящие кадры с камер, понимали, что всё происходит на самом деле, и начинали «паниковать». В конце концов команда обнаружила, что если добавить к названию одного из компонентов слово sandbox («песочница»), то это убедит их постоянно управлять автомобилем. После этого модели стали ездить стабильно. Но даже когда они это делали, у них не особо хорошо получалось.

Трассу длиной 130 метров прошла только одна модель

Авторы оценивали, какую часть трассы машина проехала, не отклоняясь от линии маршрута. Именно по этой доле видно, насколько по-разному справились модели:

GPT-6 Astra в первой попытке проехала примерно половину трассы, а после разбора ошибок дошла до конца. У Claude Fable 5.1 результат тоже рос от попытки к попытке. Все остальные заезды закончились ещё до первого поворота.

Хуже всех, причём стабильно, выступила GPT-5.6 Sol. К третьей попытке она продвинулась всего на 2 метра дальше, чем в первой. Фактически машина проехала чуть больше, потому что модель сдавала назад и петляла вокруг линии маршрута, но вперёд по трассе это её не продвигало.

Один прогон на одной трассе пока ничего не доказывает

Исследователи честно пишут об ограничениях. Каждый набор попыток они провели только один раз. Для надёжных выводов нужно больше повторов и другие трассы. Поэтому результаты лучше воспринимать как любопытную демонстрацию возможностей моделей, а не как рейтинг, по которому можно выбирать водителя.

И всё же команду впечатлило, что модели вообще смогли ехать и освоили команды руления, хотя двигались медленно и часто ошибались. Авторы ожидают прогресса, когда в обучающие данные попадёт больше подходящих примеров, а модели станут отвечать быстрее. Это важно, потому что автомобиль продолжает двигаться, пока нейросеть обдумывает следующий шаг. Ещё должно помочь развитие планирования и обучения в контексте.

Будь в курсе новых событий по максимуму — подписывайся на наш канал в Max!

Обычному водителю эксперимент пока ничего не меняет: чат-бот не заменит автопилот ни сегодня, ни в обозримом будущем. Но у исследования есть и тревожная сторона, о которой пишут сами авторы. Если универсальные модели учатся управлять реальными машинами, вопросы безопасности искусственного интеллекта, то есть того, как такие системы проверять и контролировать, становятся срочными.