Компания «Яндекс» расширила возможности своих навигационных сервисов, интегрировав улучшенные голосовые ИИ-подсказки в «Карты» и «Навигатор». Обновление направлено на упрощение ориентирования водителей в городской среде за счет использования визуальных маркеров вместо стандартных указаний расстояния. Теперь алгоритмы учитывают не только дорожные знаки, но и конкретные коммерческие и культурные объекты на пути следования.
Эволюция навигационных алгоритмов
Технология, использующая нейросети для формирования подсказок, начала тестироваться в «Навигаторе» еще в прошлом году. Первоначально система опиралась преимущественно на дорожную инфраструктуру, однако свежее обновление добавило в базу более 10 000 новых ориентиров по всей территории России. В список вошли разнообразные типы объектов:
- Розничные магазины и торговые центры;
- Автозаправочные станции и сервисные центры;
- Заведения общественного питания (кофейни, рестораны);
- Остановки общественного транспорта и памятники архитектуры.
Имитация человеческой речи для безопасности
Основная цель внедрения ИИ-подсказок заключается в создании максимально естественного интерфейса взаимодействия с водителем. Вместо формальных фраз о дистанции (например, «через 300 метров поверните направо»), система генерирует инструкции, имитирующие человеческую речь. Навигатор может сообщить: «поверните направо сразу за магазином» или «через 200 метров держитесь левее возле заправки». Подобный подход позволяет автомобилисту меньше отвлекаться на экран устройства, ориентируясь на объекты, которые непосредственно попадают в поле зрения через лобовое стекло.
Система выбирает наиболее заметные из автомобиля объекты, чтобы водителю было проще соотнести аудиоинструкцию с реальной дорожной обстановкой.
Перспективы развития ИИ-сервисов
Внедрение семантических подсказок является частью масштабной стратегии по глубокой интеграции искусственного интеллекта в экосистему городских сервисов. Увеличение числа распознаваемых ориентиров до десятков тысяч свидетельствует о высокой степени автоматизации процесса анализа данных. В ближайшей перспективе ожидается дальнейшее обучение нейросетей для более точного выбора приоритетных объектов в условиях плотной городской застройки, что повысит точность навигации в сложных транспортных узлах.