The post has been translated automatically. Original language: Russian
1. Introduction and Current Industry Landscape (2026)
The autonomous carrier market has passed the testing phase and entered the era of industrial commercialization. If from 2015 to 2023 the industry lived on promises and prototypes, then by 2026 robotaxis have become the daily reality of millions of megacities - from San Francisco and Austin to Wuhan, Dubai and Tokyo.
The main paradigm shift has occurred: SAE Level 4 autonomy has ceased to be an exotic engineering experiment and has become a highly competitive fleet management business.
[ SAE AUTONOMY HIERARCHY ]
┌─────────────────────────────────────────────────────────┐
│ Level 2 / 2+ : The driver is required to keep an eye on the road (Tesla FSD*)│
├─────────────────────────────────────────────────────────┤
│ Level 3 : Transfer of control in certain areas │
├────────────────────────────────────────────────────────
│ Level 4 : Full drone in the ODD zone (Robotaxi) <<- CURRENT STANDARD
├─────────────────────────────────────────────────────────┤
│ Level 5 : Full autonomy everywhere and at all times │
└─────────────────────────────────────────────────────────┘
Key players and their strategies
| Company | Technology stack | Main regions | The scaling model |
| Waymo (Alphabet) | Multi-sensor (LiDAR + Radars + Cameras) | USA (Phoenix, SF, Los Angeles, Austin) | Own fleet + Integration with Uber |
| Baidu Apollo Go | V2X + HD Cards + Hybrid Sensors | China (Wuhan, Beijing, Shenzhen), UAE | Urban partnerships, aggressive subsidies |
| Tesla (Cybercab) | Pure Vision (Cameras only) + End-to-End Neural Nets | USA | Private fleet + sharing through a single application |
| Zoox (Amazon) | Custom-built symmetrical chassis +Cameras/LiDAR | USA (Las Vegas, San Francisco) | Highly comfortable On-Demand service |
| Uber | Aggregator (Platform as a service) | Globally | Partnerships with Waymo, Lucid/Nuro, WeRide, Waabi |
The key trend of 2026 is the emergence of Uber and aggregators as the "operating system" for robotaxi. Instead of building their own cars, aggregators provide a ready-made demand and dispatch layer for developers of autonomous stacks.
2. Technology stack: How AI "sees" and "thinks"
The heart of an unmanned taxi is a complex multimodal system combining hardware sensors, computer vision algorithms, and neural decision-making networks.
2.1. Architecture War: Pure Vision vs. Sensor Fusion
The central technological discussion in the industry is between two approaches:
- Multisensory fuzen (Sensor Fusion / Waymo, Zoox, Baidu):Principle: The use of LiDAR (optical range finders), millimeter-wave radars and cameras.Advantages: Measuring distances to objects with millimeter accuracy under any lighting conditions; duplication of perception channels. Cons: The high cost of the sensor kit, sensitivity to heavy precipitation (snow, heavy rain), the need to create and maintain high-resolution HD maps (High-Definition Maps).
- Pure Vision (Tesla, Wayve):The principle: Abandoning LiDAR and radars in favor of an array of highly sensitive cameras and deep neural network analysis of spatial structure.Advantages: Low hardware cost, no rigid binding to HD cards, the ability to drive where the car has never been. Disadvantages: High requirements for calculations on board, "blindness" in case of lighting artifacts or lens contamination, the difficulty of proving mathematical reliability.
2.2. Evolution of algorithms: From modular stack to End-to-End and VLA models
The traditional autopilot stack was built according to a modular scheme:
$$\text{Perception} \longrightarrow \text{Prediction} \longrightarrow \text{Planning} \longrightarrow \text{Management (Control)}$$
However, in 2025-2026, there was a revolutionary transition to End-to-End (end-to-End) neural networks and Vision-Language-Action (VLA) models.:
- End-to-End Neural Networks (End-to-End Neural Networks): A neural network receives a raw stream of pixels from cameras and a velocity vector as input, and generates a trajectory, steering angle, and braking dynamics as output. This eliminates the loss of information at the junctions between the modules.
- Generative AI and World Models: The AI inside robotaxi builds an internal physical simulation of the environment seconds in advance, predicting the behaviors of pedestrians and other drivers, taking into account the unspoken rules of the road.
3. The problem of Edge Cases and Security
The main barrier to 100% road coverage for robotaxi is the so-called "Long Tail" of rare events.
Frequency
of events
│
│ █
│ █ Standard driving (99% of cases):
│ █ Traffic lights, lanes, simple intersections
│ █
│ █
│ █ █ █ █ █ █ █ █ █ █ █ █ █ █ Edge Cases):
└─────────────────────────── Road repairs, oversized cargo,
traffic controller's gestures, hurricanes
Examples of complex scenarios (Edge Cases):
- Non-standard behavior of road users (for example, a skater with a box on his head or a man in an animal costume).
- Optical illusions: reflection of headlights in puddles, drawings on truck bodies that create a "false road" effect.
- Emergency services: bypassing special equipment, recognizing the signals of a human traffic controller instead of a non-working traffic light.
Solution methods:
- Teleoperation & Remote Assistance: In critical situations, when the AI's confidence level falls below a threshold, the system requests a prompt from a human operator in the situation center. The operator does not control the car by steering in real time (due to communication delays), but indicates a safe detour vector to the AI.
- Synthetic data generation (Simulations): Billions of kilometers of virtual mileage in photorealistic simulators (based on NVIDIA Drive Sim / Omniverse technologies), where AI is artificially confronted with extreme conditions.
4. Unit-economics and financial model of Robotaxi
In order for robotaxis to displace ordinary Uber drivers or personal cars, the cost of a trip per kilometer/mile should be lower than the services of a traditional taxi.
Comparison of the cost structure per 1 mile run ($)
| Item of expenses | Traditional taxi (Uber/Lyft) | Robotaxi (Current status 2026) | Robotaxi (Target model 2028-2030) |
| Driver's payment | $1.50 - $2.00 | -$0.00 | $0.00 |
| Auto Depreciation (CapEx) | $0.25 | $0.80 (expensive sensors) | $0.30 (mass production) |
| Fuel / Electricity | $0.20 | $0.10 (electric car) | $0.08 |
| Maintenance and cleaning | $0.15 | $0.25 | $0.15 |
| Remote operator/Insurance | $0.10 | $0.35 | $0.07 |
| IT infrastructure and maps | $0.05 | $0.20 | $0.05 |
| TOTAL per mile: | ~$2.25 – $2.70 | ~$1.70 - $2.00- | ~$0.65 - $0.85 |
The meaning of the revolution: When the cost of a mile drops below $0.80, owning a private car in the city becomes economically meaningless for most residents.
5. Legislation, Responsibility and Social Contract
The transition of management from humans to machines creates a human transformation:
- Cancellation of CTP/CASCO insurance for the driver: The insurance policy is transferred from the driver to the manufacturer of the unmanned system (AV-Stack) or the fleet operator.
- SOTIF (Safety of the Intended Functionality) and ISO 26262 standards: Regulators are demanding that companies prove that AI commits statistically fewer accidents than the average person (according to Waymo, their cars are involved in accidents with injuries 80%+ less often than human drivers).
- Urban infrastructure: Cities are beginning to allocate separate hubs for boarding/disembarking robotaxis, as well as integrate V2I (Vehicle-to-Infrastructure) systems that transmit traffic light status directly to the vehicle's on-board computer.
6. Resume and Future outlook
An unmanned taxi is not just a substitute for a driver, but the foundation of Transportation-as-a-Service (TaaS). In the coming years, the industry will shift from optimizing algorithms to scaling supply chains, reducing the cost of hardware, and massively changing the architecture of modern cities (freeing up parking spaces, reducing emissions and traffic noise).
1. Введение и Текущий Ландшафт Индустрии (2026)
Рынок автономных перевозчиков перешагнул фазу тестирования и перешел в эпоху промышленной коммерциализации. Если с 2015 по 2023 год индустрия жила обещаниями и прототипами, то к 2026 году роботакси превратились в ежедневную реальность миллионных мегаполисов - от Сан-Франциско и Остина до Уханя, Дубая и Токио.
Главный сдвиг произошел в парадигме: автономность Уровня 4 (SAE Level 4) перестала быть экзотическим инженерным экспериментом и стала высококонкурентным бизнесом по управлению флотом.
[ ИЕРАРХИЯ АВТОНОМНОСТИ SAE ]
┌─────────────────────────────────────────────────────────┐
│ Level 2 / 2+ : Водитель обязан следить за дорогой (Tesla FSD*)│
├─────────────────────────────────────────────────────────┤
│ Level 3 : Передача управления в определенных зонах │
├─────────────────────────────────────────────────────────┤
│ Level 4 : Полный беспилот в зоне ODD (Robotaxi) │ <- ТЕКУЩИЙ СТАНДАРТ
├─────────────────────────────────────────────────────────┤
│ Level 5 : Полная автономность везде и всегда │
└─────────────────────────────────────────────────────────┘
Ключевые игроки и их стратегии
| Компания | Технологический стек | Основные регионы | Модель масштабирования |
| Waymo (Alphabet) | Multi-sensor (LiDAR + Радары + Камеры) | США (Финикс, СФ, Лос-Анджелес, Остин) | Собственный флот + Интеграция с Uber |
| Baidu Apollo Go | V2X + HD-карты + Гибридные датчики | Китай (Ухань, Пекин, Шэньчжэнь), ОАЭ | Городские партнерства, агрессивное субсидирование |
| Tesla (Cybercab) | Pure Vision (Только камеры) + End-to-End Neural Nets | США | Частный флот + шеринг через единое приложение |
| Zoox (Amazon) | Custom-built симметричное шасси + Камеры/LiDAR | США (Лас-Вегас, Сан-Франциско) | Высококомфортный On-Demand сервис |
| Uber | Агрегатор (Платформа как сервис) | Глобально | Партнерства с Waymo, Lucid/Nuro, WeRide, Waabi |
Ключевой тренд 2026 года: Появление Uber и агрегаторов в роли "операционной системы" для роботакси. Вместо того чтобы строить собственные автомобили, агрегаторы дают готовый слой спроса и диспетчеризации для разработчиков автономных стеков.
2. Технологический стек: Как ИИ «видит» и «думает»
Сердце беспилотного такси - это сложная мультимодальная система, совмещающая аппаратные сенсоры, алгоритмы компьютерного зрения и нейросети принятия решений.
2.1. Война архитектур: Pure Vision против Sensor Fusion
Центральная технологическая дискуссия в индустрии ведется между двумя подходами:
- Мультисенсорный фужен (Sensor Fusion / Waymo, Zoox, Baidu):Принцип: Использование LiDAR (оптических дальномеров), радаров миллиметрового диапазона и камер.Плюсы: Измерение расстояний до объектов с точностью до миллиметра при любых условиях освещения; дублирование каналов восприятия. Минусы: Высокая стоимость сенсорного обвеса, чувствительность к сильным осадкам (снег, ливень), необходимость создания и поддержания HD-карт (High-Definition Maps) высокого разрешения.
- Чистое зрение (Pure Vision / Tesla, Wayve):Принцип: Отказ от LiDAR и радаров в пользу массива высокочувствительных камер и глубинного нейросетевого анализа пространственной структуры.Плюсы: Низкая аппаратная стоимость, отказ от жесткой привязки к HD-картам, возможность ездить там, где автомобиль никогда не был. Минусы: Высокие требования к вычислениям на борту, "слепота" при артефактах освещения или загрязнении объективов, сложность доказательства математической надежности.
2.2. Эволюция алгоритмов: От модульного стека к End-to-End и VLA-моделям
Традиционный стек автопилота строился по модульной схеме:
$$\text{Восприятие (Perception)} \longrightarrow \text{Прогнозирование (Prediction)} \longrightarrow \text{Планирование (Planning)} \longrightarrow \text{Управление (Control)}$$
Однако в 2025–2026 годах произошел революционный переход на End-to-End (сквозные) нейросети и Vision-Language-Action (VLA) модели:
- Сквозное обучение (End-to-End Neural Networks): Нейросеть получает на вход сырой поток пикселей с камер и вектор скорости, а на выходе формирует траекторию движения, угол поворота руля и динамику торможения. Это устраняет потери информации на стыках между модулями.
- Генеративный ИИ и World Models (Модели мира): ИИ внутри роботакси строит внутреннюю физическую симуляцию окружения на секунды вперед, прогнозируя варианты поведения пешеходов и других водителей с учетом негласных правил дорожного движения.
3. Проблема краевых случаев (Edge Cases) и Безопасность
Главный барьер на пути к 100% покрытию дорог роботакси - это так называемый «длинный хвост» (Long Tail) редких событий.
Частота
событий
│
│ █
│ █ Стандартное вождение (99% случаев):
│ █ Светофоры, полосы, простые перекрестки
│ █
│ █
│ █ █ █ █ █ █ █ █ █ █ █ █ █ █ КРАЕВЫЕ СЛУЧАИ (Edge Cases):
└─────────────────────────── Ремонт дорог, негабаритные грузы,
жесты регулировщика, ураганы
Примеры сложных сценариев (Edge Cases):
- Нестандартное поведение участников движения (например, скейтер с коробкой на голове или человек в костюме животного).
- Оптические иллюзии: отражение фар в лужах, рисунки на кузовах грузовиков, создающие эффект "ложной дороги".
- Экстренные службы: обход спецтехники, распознавание сигналов регулировщика-человека взамен неработающего светофора.
Методы решения:
- Teleoperation & Remote Assistance (Дистанционная помощь): В критических ситуациях, когда уровень уверенности ИИ падает ниже порогового, система запрашивает подсказку у человека-оператора в ситуационном центре. Оператор не управляет машиной рулем в реальном времени (из-за задержек связи), а указывает ИИ безопасный вектор объезда.
- Синтетическая генерация данных (Simulations): Миллиарды километров виртуального пробега в фотореалистичных симуляторах (на базе технологий типа NVIDIA Drive Sim / Omniverse), где ИИ искусственно сталкивают с экстремальными условиями.
4. Юнит-экономика и финансовая модель Robotaxi
Чтобы роботакси вытеснили обычных водителей Uber или личные автомобили, стоимость поездки за километр/милю должна стать ниже услуг традиционного такси.
Сравнение структуры затрат на 1 милю пробега ($)
| Статья расходов | Традиционное такси (Uber/Lyft) | Роботакси (Текущее состояние 2026) | Роботакси (Целевая модель 2028–2030) |
| Оплата водителя | $1.50 - $2.00 | -$0.00 | $0.00 |
| Амортизация авто (CapEx) | $0.25 | $0.80 (дорогие сенсоры) | $0.30 (массовое производство) |
| Топливо / Электричество | $0.20 | $0.10 (электромобиль) | $0.08 |
| Техобслуживание и чистка | $0.15 | $0.25 | $0.15 |
| Удаленный оператор/Страховка | $0.10 | $0.35 | $0.07 |
| ИТ-инфраструктура и карты | $0.05 | $0.20 | $0.05 |
| ИТОГО за милю: | ~$2.25 – $2.70 | ~$1.70 - $2.00- | ~$0.65 - $0.85 |
Смысл революции: При падении стоимости мили ниже $0.80 владение личным автомобилем в городе становится экономически бессмысленным для большинства жителей.
5. Законодательство, Ответственность и Общественный Договор
Переход управления от человека к машинам создает юридческую трансформацию:
- Отмена страхования ОСАГО/КАСКО для водителя: Страховой полис переносится с водителя на производителя беспилотной системы (AV-Stack) или оператора флота.
- Стандарты SOTIF (Safety of the Intended Functionality) и ISO 26262: Регуляторы требовательно заставляют компании доказывать, что ИИ совершает статистически меньше аварий, чем среднестатистический человек (по данным Waymo, их автомобили вовлекаются в ДТП с травмами на 80%+ реже, чем человеческие водители).
- Городская инфраструктура: Города начинают выделять отдельные хабы для посадки/высадки роботакси, а также интегрировать системы V2I (Vehicle-to-Infrastructure), передающие статус светофоров напрямую в бортовой компьютер автомобиля.
6. Резюме и Взгляд в будущее
Беспилотное такси - это не просто заменитель шофера, а фундамент Transportation-as-a-Service (TaaS). В ближайшие годы индустрия перейдет от оптимизации алгоритмов к масштабированию цепочек поставок, удешевлению железа и массовому изменению архитектуры современных городов (освобождение пространств от парковок, снижение уровня выбросов и транспортного шума).
Share
