Автоматический шлагбаум для парковки, оснащенный искусственным интеллектом, который позволяет без участия человека пропускать на закрытую территорию не только автомобили с государственными номерами из «белого списка», но также спецтранспорт и машины гостей по разовым пропускам, разработали сотрудники Исследовательского центра в сфере искусственного интеллекта (Центра ИИ) Новосибирского государственного университета. Уже год на территории Высшего колледжа информатики (ВКИ) НГУ работает шлагбаум с детектором, который оснащен разработанным ими алгоритмом по подъему при проезде автомобилей и номерами, внесенными в базу данных. Но теперь шлагбаумом будет управлять ИИ-агент. Это расширит функционал устройства, увеличит его надежность и минимизирует вмешательство человека в его работу.
ИИ-агент – это интеллектуальная система, которая способна самостоятельно ставить цели, выстраивать пошаговый план, принимать решения и выполнять действия для решения задачи, применяя сторонние инструменты (браузеры или базы данных) без участия человека.
– В новом шлагбауме вместо простого алгоритма нами был применен ИИ-агент. Причина в том, что алгоритм хорошо работает в штатном режиме, но при возникновении нестандартных ситуаций, которые мы не заложили в алгоритм, эффективен именно агент. На него можно переложить выполнение какой-либо задачи, в решении которой ранее был задействован человек: например, при неполадке устройства, поднимающего шлагбаум, сообщить об этом разработчику или вахтеру, либо попробовать решить эту проблему самостоятельно при наличии такой возможности. ИИ-агент может получить необходимые для этого данные из разных источников: базы данных или логов – автоматически создаваемых файлов, в которых система, программа или сервер хронологически записывают все происходящие события, – рассказал программист Центра ИИ НГУ, преподаватель ВКИ НГУ Никита Дорошенко.
Обычный алгоритм работает следующим образом: он располагает доступом к «белому списку» номеров автомобилей, расположенными напротив шлагбаума видеокамерами и детекторами. Камера передает кадры, детектор анализирует изображение камеры на номера, распознает номерной знак, сверяет его с базой данных разрешенных машин и, при совпадении, отправляет команду контроллеру на открытие шлагбаума.
Агенты работают несколько иначе и задач выполняют больше. Детектор отправляет им событие, и агент не просто сверяется со списком номеров и принимает решение поднимать шлагбаум или нет, а действует сложнее. Он может пропустить автомобиль, номера которого не содержится в базе данных, – например, спецтранспорт или служебную машину. Он даст команду поднять шлагбаум перед автомобилем «Скорой помощи» или пожарной машиной. Или сообщит охраннику, что автомобиль припаркован перед шлагбаумом и мешает проезду. Если алгоритм действует по готовому сценарию, то агенты принимают решения самостоятельно.
– Наши агенты поделены на зоны ответственности. Среди них есть есть агент-«вахтер», который только поднимает и опускает шлагбаум перед автомобилями, номера которых входят в «белый список». Вышестоящий агент занят более сложной работой – он фиксирует в своей памяти номера машин и собирает статистику о том, кто на данный момент находится на территории, кого пропустили, хотя в «белых списках» его нет, сколько раз каждая машина заезжала на территорию и сколько времени каждый раз там находилась. Этот же вышестоящий агент может «увидеть», что шлагбаум по какой-то причине не был поднят перед машиной из «белого списка» или уже какое-то время не работает. В такой ситуации он сначала пытается решить проблему самостоятельно, обращаясь в базы данных или логи, проверяя работу системы, чтобы понять, работает она или нет. Затем принимает решение: сообщить вахтеру, что подошла машина и надо поднять шлагбаум, или предупредить разработчика, что в системе возникла неполадка, требующая оперативного устранения, – объяснил Никита Дорошенко.
Локальная нейросеть развернута локально на серверах ВКИ НГУ. Изначально разработчики применяли модели из семейства моделей Qwen, но затем перешли на Gemma-4 на 31 миллиард параметров.
Программа написана с использованием фреймворков LangChain, упрощающего разработку приложений на базе больших языковых моделей (LLM), и LangGraph, предназначенного для создания сложных многоагентных ИИ-систем. Создание данной системы подразумевает построение программы в виде графов. Первоначально она собирает данные из «белого списка», извлекает события из базы данных, потом отправляет информацию с запросом в нейросеть. В первую очередь LLM выдает вердикт, открывать шлагбаум или не открывать. Возвращает она этот ответ в ожидаемом разработчиками формате, формирует ответ, после чего наступает постобработка, отвечающая за поднятие шлагбаума.
В данный момент уже началось использование и тестирование агента, которого разработчики назвали «агент-«начальник», отвечающего за «белые списки». Именно от него агент-вахтер получает на текущий момент «белый список». Агент-вахтер не знает, когда у кого кончаются пропуска, какое количество раз пропускать, за это отвечает «начальник». У агента-«начальника» есть веб-интерфейс, благодаря чему можно, используя чат (в этом случае общение происходит напрямую с LLM) или формы, задавать пропуска, собирать статистику, просматривать, какие машины проезжали на территорию. Все это агент знает благодаря получению данных от вахтера. Данной частью проекта занимается инженер Центра ИИ НГУ Александр Шовкопляс. Разработкой агента, который должен будет проверять работу детекторов и систем, а также поставлять задачи детектору, чтобы он начал анализировать камеру, которую укажет разработчик, занимается сотрудник Центра ИИ НГУ Василий Бабушкин.
– На территории ВКИ агент-«вахтер» успешно прошел проверку в штатных ситуациях. Проверить их навыки в идентификации и пропуске на территорию спецтранспорта пока не представилось возможности. Функция пропуска автомобилей, которым разрешен лишь разовый проезд на территорию, находится на тестировании. Когда мы доведем нашу разработку до итогового состояния, позволяющего развернуть ее на другом сервере, планируется развернуть ее на парковках у корпусов НГУ. В целом же наш «умный шлагбаум» может найти применение в различных учреждениях, жилищных комплексах и закрытых парковках, – сказал Никита Дорошенко.
– Для нас шлагбаум – это инструмент, на котором можно относительно безопасно посмотреть, как ИИ-агенты будут вести себя в реальном мире, если им доверить «красную кнопку». После периода пилотного тестирования мы начнем расширять зону ответственности агентов на беспилотный транспорт, управление климатом и другие приложения, – прокомментировал ведущий научный сотрудник Центра ИИ НГУ, директор Института интеллектуальной робототехники НГУ Алексей Окунев.