S rostoucími schopnostmi autonomních vozidel stále častěji zaznívá zásadní otázka: jak můžeme s jistotou vědět, že jsou dostatečně bezpečná pro každodenní provoz? Přestože testování milionů kilometrů na veřejných komunikacích přináší cenné poznatky, není možné nasimulovat každou vzácnou nebo nepředvídatelnou situaci, se kterou se vozidlo může během svého provozu setkat.

Nově vyvinutý přístup k validaci založený na umělé inteligenci se snaží tuto výzvu řešit tím, že využívá umělou inteligenci nejen k řízení autonomních vozidel, ale také k hodnocení jejich chování. Namísto spoléhání se výhradně na fyzické testování analyzuje obrovské množství simulovaných jízdních scénářů, což inženýrům pomáhá identifikovat okrajové situace (edge cases), které by bylo obtížné, nákladné nebo dokonce nemožné reprodukovat v reálném provozu. Cílem je získat přesvědčivější důkazy o tom, že systémy automatizovaného řízení dokážou bezpečně reagovat v široké škále dopravních podmínek.

Tento přístup odráží širší změnu v odvětví autonomní mobility. Simulace, digitální dvojčata (digital twins) a ověřování podporované umělou inteligencí se postupně stávají stejně důležitými jako samotné testování na silnicích. Moderní validační rámce kombinují data z reálného provozu s virtuálními prostředími, což vývojářům umožňuje průběžně zdokonalovat software a současně vyhodnocovat chování vozidel ve složitých dopravních situacích. Takové metody mohou významně urychlit vývoj a zároveň podpořit splnění vznikajících mezinárodních bezpečnostních standardů. (ScienceDirect)

Pro Evropu je tento vývoj obzvláště významný. S dalším rozvojem regulatorních rámců pro automatizované řízení budou příslušné orgány požadovat transparentní a opakovatelné postupy pro prokázání bezpečnosti ještě před tím, než budou moci autonomní vozidla fungovat ve velkém měřítku. Validace podporovaná umělou inteligencí se tak může stát nedílnou součástí certifikačního procesu a doplnit konvenční metody testování, nikoli je nahradit.

Budoucnost autonomní mobility nebude záviset pouze na chytřejších vozidlech, ale také na chytřejších způsobech, jak prokázat, že jim lze důvěřovat. Vývoj spolehlivých metod ověřování rozhodnutí přijímaných umělou inteligencí může být nakonec stejně důležitý jako samotné technologie, které vozidlům umožňují jezdit bez řidiče.

AI solution to confirm autonomous vehicle safety developed: OST and Ignite by Forvia Hella aim to show AVs make ‘logical, traceable and compliant’ decisions. ITS International [online]. 13. července 2026 [cit. 2026-07-15]. 

Článek v originálním znění naleznete zde⁠.
Obrázek: CHAT GPT: