Технологии автономной навигации и компьютерного зрения быстро распространились и на боевые и разведывательные беспилотники. Раньше автоматическое уклонение от препятствий было преимущественно особенностью дорогих гражданских и специализированных платформ. Сейчас компактные системы компьютерного зрения и edge-AI применяются и на военных дронах. Сенсоры, вычислительные модули, алгоритмы планирования траектории — типичные составляющие систем автоматического уклонения от препятствий. А ещё существуют жёсткие компромиссы между весом, ценой и надёжностью, которые особенно актуальны в условиях боевых действий. Подробнее об этом — в нашем материале.
Две разные задачи под одним названием
Прежде чем говорить о технологиях, стоит прояснить два понятия.
Классическое уклонение от препятствий (collision avoidance) — это способность аппарата в реальном времени обнаруживать физические объекты на маршруте (деревья, провода, здания, другие дроны) и изменять траекторию, чтобы избежать столкновения. Это технология для разведывательных, логистических и патрульных дронов, которые летают часами в сложной среде.
Терминальное наведение (terminal guidance) — это другая по происхождению, хотя и смежная технология: компьютерное зрение наводит дрон-камикадзе на уже выбранную цель в последние метры полёта, компенсируя потерю связи из-за РЭБ. Здесь вместо «обойти препятствие» стоит задача «не потерять цель».
Для реализации обеих задач используют схожие компоненты — камеры, бортовой процессор, компьютерное зрение и алгоритмы машинного обучения, хотя конкретная архитектура зависит от платформы. В боевых условиях граница между ними стирается: один и тот же вычислительный модуль может одновременно удерживать дрон на курсе между деревьями и довести боеприпас до цели, когда оператор потерял картинку.
Чем «видит» дрон
Системы уклонения от препятствий строятся на комбинации сенсоров:
- Стереокамеры и монокулярное компьютерное зрение — два подхода к оценке глубины. Пара камер позволяет определять расстояние по параллаксу, подобно человеческому зрению, а монокулярные системы могут оценивать глубину по движению камеры и с помощью специальных алгоритмов.
- LiDAR (Light Detection and Ranging) — лазерный дальномер, определяющий расстояние до объектов по времени прохождения лазерного сигнала.
- Радар — менее зависимый от видимости, чем оптические сенсоры, поэтому может дополнять камеры в тумане, дыму и при осадках. При этом его дальность и точность зависят от конкретной системы и условий.
- Ультразвуковые и инфракрасные дальномеры — для ближней дистанции, посадки и точного маневрирования вблизи препятствий.
- IMU (инерциальные датчики) — дополняют картину данными о собственном движении аппарата, когда GPS недоступен.
Инженерный тренд — сенсорная фузия: дрон объединяет данные от нескольких сенсоров, чтобы компенсировать слабые места каждого из них. Камера даёт изображение, LiDAR — более точную информацию о расстоянии, а IMU — данные о движении самого аппарата. Вместе эти данные позволяют бортовому компьютеру точнее оценивать окружающее пространство и собственное положение.
Например, американский Skydio X10D, позиционируемый как тактический ISR-дрон, имеет режим NightSense. Он использует инфракрасную или видимую подсветку вместе с навигационными камерами, чтобы система визуальной навигации и уклонения от препятствий могла работать в условиях очень слабого освещения и даже в полной темноте.
В компании подчёркивают, что доверие к системе уклонения от препятствий позволяет выполнять полёты на малой высоте в сложной городской среде: там, где человек-пилот физически не успевал бы реагировать.
Как работает «мозг» дрона
Сырые данные с датчиков не обеспечивают уклонения от препятствий. Нужен программный слой, который преобразует набор данных в решение.
Один из главных подходов — SLAM (Simultaneous Localization and Mapping). Этот алгоритм одновременно строит карту неизвестной среды и определяет в ней собственную позицию аппарата. Данные камер, лидара и IMU могут объединяться в единую модель, которая постоянно обновляется по мере полёта. SLAM особенно полезен для помещений, тоннелей и других сред, где GPS/GNSS недоступен.
Впрочем, SLAM — не единственный способ навигации без спутникового сигнала. В зависимости от платформы могут использоваться visual-inertial odometry (VIO), optical flow, инерциальная навигация, картографическая привязка и комбинации этих методов. Существуют даже подходы к collision avoidance, работающие только с RGB-камерой без SLAM, LiDAR или стереокамеры.
Далее следует планирование траектории. Дрон должен предусмотреть: действительно ли объект находится на курсе, статичен он или движется, успеет ли аппарат затормозить или объехать его.
Украинские исследователи в работе, опубликованной в 2025 году, описывают метод планирования траектории БПЛА с проактивным уклонением от столкновений в городской застройке. Он объединяет концепцию динамических коридоров D2-C2 с ML-моделью, которая прогнозирует потенциальные столкновения как с препятствиями, так и с другими БПЛА. Это может быть особенно важно для будущих систем с большим количеством дронов в воздухе.
Из-за сложности вычислений в таком масштабе на бортах появились системы наподобие NVIDIA Jetson — семейства компактных вычислителей для edge AI. Компания Auterion использует Jetson в своих бортовых AI-решениях: AI Node работает как отдельный вычислительный модуль, тогда как Skynode отвечает за управление полётом.
Но главные препятствия для украинских дронов создают не деревья, а радиоэлектронная борьба. Российские комплексы РЭБ, в частности «Красуха-4» и «Борисоглебск-2», предназначены для подавления радиосвязи и других радиосистем. Отдельно российские средства РЭБ применяются и для воздействия на спутниковую навигацию, включая GNSS-спуфинг. Поэтому в условиях фронта потеря связи с оператором или спутниковой навигации является одним из главных сценариев, под которые разрабатываются автономные системы.
Когда оператор теряет картинку с дрона за сотни метров до цели, аппарат либо падает, либо — если на борту есть автономный модуль — может продолжить движение самостоятельно.
Именно поэтому на Украине развилось направление «умного наведения» FPV-дронов. Компании The Fourth Law и другие разработчики создали дополнительные модули, дающие FPV возможность автономно сопровождать предварительно выбранную цель после потери связи с оператором. The Fourth Law заявляет, что TFL-1 уже используется на украинских FPV.
По данным Forbes, более дешёвая конфигурация TFL-1 в 2026 году стоила около $150, тогда как цена конкретного FPV с системой автономного наведения зависит от самой платформы и комплектации.
TFL-1 обеспечивает автономное наведение на финальном участке полёта — примерно последних 400–500 метрах. В этот момент система может взять на себя сопровождение предварительно захваченной цели, даже если оператор потерял видеосвязь.
Украинская компания DoD Solution также разрабатывает бортовые решения для автономности дронов. Её системы используют компьютерное зрение для обнаружения и сопровождения целей и могут работать после потери связи с оператором.
В типичном сценарии оператор сначала выводит дрон в район цели и передаёт системе захваченную цель. После этого автономный модуль берёт на себя финальную фазу полёта. Отдельные системы также развиваются в направлении автономной навигации на более длинных участках маршрута.
Вычисления на пределе возможного
Отдельная техническая проблема — как уместить полноценный набор электронных компонентов в дрон весом несколько сотен граммов и бюджетом в сотни долларов. В украинских серийных дронах производители комбинируют дешёвое «железо» наподобие Raspberry Pi с оптимизированными моделями компьютерного зрения наподобие YOLO. Так, украинские разработчики использовали Raspberry Pi Zero в системах AI-наведения, стараясь удержать цену автономного модуля как можно ниже. В 2026 году Forbes оценивал стоимость самих Raspberry Pi Zero примерно в $15, а самой дешёвой версии TFL-1 — примерно в $150.
Первые поколения таких систем в 2024 году нередко имели проблемы с боевым применением: процессоры не успевали обрабатывать динамические сцены, а низкое качество изображения с бюджетных FPV-камер могло затруднять работу алгоритмов распознавания. Развитие вычислительных платформ, моделей компьютерного зрения и специализированных модулей постепенно изменило ситуацию.
К 2026 году автономные модули вышли за рамки экспериментов и применяются на украинских FPV в боевых условиях. Отдельные решения производители уже выпускают серийно: например, The Fourth Law и Vyriy заявляли о запуске массового производства дронов с терминальным наведением ещё в 2025 году, а в 2026 году такие системы уже доступны для закупки через украинские оборонные каналы.