Опубликовано: 18.08.2026 | Источник: The Verge – Tech Section

Full Self-Driving от Tesla в дипломе: как расследование NHTSA делает вашу ВКР актуальной

В марте 2026 года Reuters сообщило: Национальная администрация безопасности дорожного движения США (NHTSA) перевела расследование в отношении Tesla Full Self-Driving (FSD) в финальную фазу — инженерный анализ. Причина — система деградации (degradation detection), которая должна предупреждать водителя о том, что камеры не видят дорогу (дождь, туман, грязь). Если проблема подтвердится, Tesla ждёт отзыв автомобилей. Для выпускников ИТ-направлений это не просто новость из мира авто — это кейс, который ложится в основу нескольких тем ВКР: от компьютерного зрения до безопасности систем реального времени.

Статья показывает, как регуляторика (NHTSA) и функциональная безопасность влияют на архитектуру ПО в автомобиле. Студент, который умеет анализировать такие инциденты и предлагать инженерные решения, выглядит на защите выгодно. Расскажу, как превратить этот сюжет в дипломный проект, какие главы писать и где брать метрики для расчётов.

Три темы ВКР на основе кейса Tesla

Аналитическая глава: не просто «изучить», а сравнить и обосновать

Когда студент пишет первую главу ВКР, возникает соблазн сделать пересказ статей. Для разбора FSD этого мало. Преподаватель захочет увидеть, как вы применяете инженерный подход. Например, сравните архитектуру восприятия Tesla и других автопроизводителей. Если Tesla полагается только на камеры, то Waymo и Mobileye используют лидары и радары. Нарисуйте сравнительную таблицу по критериям: стоимость сенсоров, помехоустойчивость, дальность, деградация при грязи.

Из кейса с NHTSA вытащите требование degradation detection — это уже не функция, а норматив. Сформулируйте функциональные и нефункциональные требования к вашей собственной системе. В аналитической главе обязательно ссылайтесь на стандарты: ISO 26262 (функциональная безопасность), ISO/PAS 21448 (SOTIF — безопасность предполагаемых функций), ГОСТ 34.601 для процесса разработки. Тогда текст перестанет быть «рефератом» и станет проектированием.

Проектная часть: от диаграммы вариантов использования до алгоритма

Во второй главе ВКР можно показать, как проектируется модуль обнаружения деградации. Возьмём за основу сценарий из статьи: камеры запотевают, алгоритм должен понять, что видимость упала, и за 3 секунды выдать предупреждение. Напишите псевдокод на основе фильтра Калмана для оценки резкости изображения:

for each frame:
    gray = cvtColor(frame, GRAY)
    variance = Laplacian(gray).var()
    if variance < threshold_rain:
        fusion_state = FUSION_DEGRADED
    else:
        fusion_state = FUSION_OK
    if fusion_state degrades for N frames:
        send_alert(level=2)
        request_driver_override()

Схема интеграции в бортовую систему: сенсорные данные → препроцессинг → детектор деградации → обрабтка ошибок → HMI. Эту последовательность оформляйте не картинкой «просто схема», а диаграммами UML: activity diagram (переходы состояний) или component diagram для распределения ответственности. Ссылку на статью The Verge удобно вставить в обоснование выбора сценария: «в реальном мире этот случай был зафиксирован при расследовании NHTSA».

Тестирование и метрики: где брать цифры для третьей главы

Студенты часто пишут «система протестирована», но не указывают, как. Для систем с камерами есть готовые метрики: Precision, Recall, F1-мера для детекции деградации, IoU для семантической сегментации, RMSE для оценки параметров погоды. Если ваша задача — предупреждение при ухудшении видимости, замерьте время реакции системы: от момента поступления кадра с синтетическим туманом до выдачи сигнала.

Что делать, если нет возможности гонять реальный автомобиль? Используйте симулятор CARLA или открытый датасет Foggy Cityscapes. В отчёте укажите, что тесты проводились на синтетических данных, а в будущем требуется проверка на реальных. Это нормально для ВКР бакалавра. Для магистерской работы можно добавить оценку RTO (время восстановления после отказа) и RPO (потеря данных) для подсистемы логирования — эти метрики напрямую связаны с безопасностью.

Типичные ошибки студентов и как их избежать

Чему вы научитесь в процессе работы

За время ВКР вы прокачаете конкретные навыки, которые потом показываете на собеседованиях:

• читать научные статьи CNN и лексикон безопасности ADAS (AEB, FCW, SOTIF);
• обосновывать выбор архитектуры (микросервисы vs монолит) на примере бортового софта;
• работать с симуляторами автономного вождения — CARLA, SUMO (для трафика);
• документировать результаты по стандартам: от ГОСТ до ISO 26262.

FAQ: отвечаю на частые вопросы студентов

Чек-лист перед сдачей диплома

Источник: Tesla’s Full Self-Driving is on the cusp of a recall (опубликовано 2026-03-19)