Dlaczego Pojazdy Autonomiczne Potrafią "Oślepnąć" w Śniegu i Deszczu?

Jazda autonomiczna i sztuczna inteligencja
Autor: Lütfi Mete Odabaşı
Utworzenie: 21 Październik 2026

Przy silnych opadach śniegu wydajność wykrywania lidaru spada o ponad 50%, a ponieważ sztuczna inteligencja nie wie, któremu czujnikowi zaufać, robotaxie się zatrzymują.

Udostępnij tę stronę

Pojazdy autonomiczne ślepną w śniegu, mgle i ulewnym deszczu, ponieważ czujniki lidaru, radaru i kamer w tych warunkach poważnie tracą skuteczność wykrywania, a sztuczna inteligencja nie wie, którym danym można ufać. Dlatego firmy oferujące robotaxi zawieszają swoje usługi, a producenci wyłączają systemy z eksploatacji. Dlaczego więc obietnica „jazdy w każdych warunkach" wciąż pozostaje jedynie obietnicą? Chodź, zobaczmy to razem.

Najważniejsze informacje

W obfitym deszczu lub śniegu skuteczność wykrywania lidaru może spaść o ponad 50%.
Mgła może zaburzyć klasyfikację obiektów przez lidar nawet o 13,43%.
Mercedes Drive Pilot (poziom 3) nie działa w śniegu, deszczu ani w warunkach nocnych.
Waymo zawiesił w maju 2026 roku bezkierowcową usługę w Atlancie i Teksasie po gwałtownych opadach deszczu.
Około 70% populacji USA mieszka na obszarach, gdzie pada śnieg.

Bądźmy szczerzy: pojazdy autonomiczne działają niesamowicie dobrze w słoneczny dzień w Kalifornii. Ale wyjrzyj przez okno i zobacz padający śnieg. I właśnie w tej chwili sprawa nagle się komplikuje. Pojazdy, które przedstawiają się jako zdolne do „jazdy w każdych warunkach", przy pierwszej poważnej zimowej burzy albo zatrzymują usługę, albo mówią ci: „weź kierownicę". Dlaczego? Ponieważ wszystkie trzy główne czujniki (kamera, lidar i radar), dzięki którym pojazd autonomiczny widzi świat, w złej pogodzie mają poważne kłopoty. W tym artykule przyjrzymy się dokładnie temu, który czujnik ma trudności i z jakiego powodu, dlaczego robotaxie stają w deszczu oraz czemu ta obietnica wciąż nas nie dogoniła.

Poziomy jazdy autonomicznej: Dlaczego poziom 5 wciąż jest daleko?

Najpierw szybkie podstawy: Norma SAE J3016 definiuje automatyzację jazdy w sześciu stopniach, od poziomu 0 (brak jakiejkolwiek automatyzacji) do poziomu 5 (poziom, na którym system w pełni odpowiada za kierowanie w każdych warunkach). Poziom 2, czyli miejsce większości „półautonomicznych" systemów, które widzimy dziś na drogach, to w rzeczywistości tylko asystent: może przejąć gaz, hamulec i kierownicę, ale nie możesz oderwać wzroku od drogi. Na poziomie 3 odpowiedzialność w określonych warunkach przechodzi na system - zwróć uwagę na słowo „warunkach", jeszcze do tego wrócimy.

Poziom 5 to błyszczący święty Graal całego tego obrazu. To znaczy: pada śnieg, zapada mgła czy robi się noc - nie ma znaczenia, pojazd jedzie wszędzie i w każdych warunkach. Problem w tym, że: nawet w 2026 roku ten poziom wciąż pozostaje bardzo odległym punktem na horyzoncie, a największą przeszkodą nie jest moc silnika ani oprogramowanie - i to dokładnie jest tematem tego artykułu: problem niewidzenia w złej pogodzie. Kamera:

gdy świeci słońce lub pada śnieg Czujnikiem najbliższym ludzkiemu oku jest kamera, ale właśnie dlatego dziedziczy wszystkie słabości ludzkiego oka.

Gdy zapada mgła, pada śnieg albo słońce bije prosto w twarz, ty też nie widzisz końca drogi, prawda? Kiedy zapada mgła, pada śnieg albo słońce bije prosto w twarz, ty też nie możesz zobaczyć końca drogi, prawda? zasięg widzenia się skraca, kontrast spada. W słabym świetle i w bezpośrednim świetle słonecznym naprawdę się męczy. Ciekawe w tym wszystkim jest to, że producenci nie mają jak tego ukryć.

Oficjalne instrukcje Tesli jasno to piszą: Oficjalne instrukcje właściciela Tesli jasno piszą: słaba widoczność w takich warunkach jak słabe światło, deszcz, śnieg, bezpośrednie słońce i mgła może poważnie obniżyć wydajność systemu. Dodajmy do tego jeszcze brudne kamery i linie pasa, które blakną i są przez kamerę trudne do odczytania. Jeśli pomyślimy, że zimą nawet białe linie znikają pod śniegiem, to obraz ten wcale nie napawa kamery optymizmem.

Lidar: płatki śniegu stają się dla lasera fałszywymi przeszkodami

Kar taneleri lidarın gözünde hayalet engellere dönüşür; otonom araç için en tehlikeli düşman bazen gökten inen bir avuç kardır.

A co robi lidar? Wyjaśnię krótko: lidar to czujnik, który rozesyła wokół siebie wiązki laserowe, czeka aż odbiją się od obiektów i wrócą, rysując trójwymiarową chmurę punktów wokół pojazdu. W słoneczny dzień działa świetnie. Ale gdy zaczyna padać śnieg, miliony płatków śniegu z nieba wchodzą na drogę wiązki lasera i każde z nich staje się małym reflektorem. Lidar widzi te płatki albo jako rozproszone wzdłuż drogi obszary cienia, albo generuje obiekty, które nie istnieją. Do tego dochodzą problemy takie jak rozpraszanie sygnału, pochłanianie i niska jakość danych. Wyobraź sobie widmo przeszkody, które wciąga cię pierwszeństwo w ruchu - właśnie to jest koszmarem lidaru.

Potwierdzają to też liczby: różne badania pokazują, że podczas obfitego deszczu lub śniegu wydajność lidaru spada o wartości od 25% do ponad 50%. Mgła natomiast może zaburzyć klasyfikację obiektów nawet do 13,43%. Powód różnicy między tymi wartościami jest prosty: każde badanie używa innych warunków, innych czujników i innych metod pomiaru. Ale wspólny wniosek jest jeden i jednoznaczny: zła pogoda poważnie tępi supermoce lidaru. Ponieważ deszcz wpływa też na kamery mocniej niż na lidar, słabości obu czujników mogą zostać uruchomione jednocześnie - i to jest właśnie główny słaby punkt fuzji czujników, zaraz do tego wrócimy.

Radar: ukryty bohater złej pogody, ale sam nie wystarcza

A teraz najspokojniejszy, najbardziej skrywany bohater stołu: radar. Radar działa za pomocą fal radiowych i dzięki długiej długości fali jest o wiele mniej podatny na zakłócenia niż małe kropelki wody, światło widzialne czy impulsy laserowe. Oznacza to, że nawet we mgle, w ciemności, w warunkach całkowicie oślepiających kamerę, nadal niezawodnie mierzy odległość i prędkość zbliżania. Radar milimetrowy działa normalnie nawet w złej pogodzie i na powierzchniach o niskiej refleksyjności. Brzmi idealnie, prawda?

Problem w tym, że: radar to nie jest ktoś, kto wszystko widzi, ale raczej ktoś, kto patrzy na cień. Potrafi powiedzieć, że obiekt tam jest i z jaką prędkością się zbliża, ale nie wie, czy tym obiektem jest plastikowa torebka, wózek dziecięcy czy inny pojazd. Oznacza to, że rozdzielczość radaru i jego zdolność klasyfikacji są niskie. Dlatego radar sam w sobie nie wystarcza na żadnym poziomie autonomiczności - to po prostu ostatnie niezawodne źródło, które utrzymuje tę trójkę przy życiu.

Czujnik	Miejsce, w którym jest silny	Słabość w złej pogodzie
Kamera	Poznawanie detali i kolorów, odczytywanie znaków/pasów	Mgła, śnieg, odblask słońca i słabe światło obniżają zasięg widzenia i kontrast
Lidar	Precyzyjna trójwymiarowa mapa odległości	W ulewnym deszczu i śniegu spadek wydajności o 25-50%+, fałszywe sygnały od płatków śniegu
Radar	Pomiar odległości + prędkości we mgle i ciemności	Wykrywa obiekty, ale nie potrafi ich poprawnie klasyfikować, niska rozdzielczość

Fuzja sensorów i sztuczna inteligencja: co się dzieje, gdy otworzą się wszystkie trzy oczy naraz?

Teraz mogło przyjść ci do głowy następujące rozumowanie: "Skoro każdy sensor ma inną słabość, to gdy połączą wszystkie trzy, słabości wzajemnie się zrównoważą!" Tak, ten pomysł nazywa się fuzją sensorów i rzeczywiście stanowi fundament pojazdów autonomicznych. Gdy kamera traci wzrok, do akcji wchodzi lidar; gdy lidar przez śnieg szaleje, radar utrzymuje pomiar odległości. Na papierze idealna gra zespołowa.

Ale jest tu subtelna, lecz ważna granica: modele sztucznej inteligencji zarządzające fuzją są w większości trenowane na obrazach z dnia i dobrej pogody. Oznacza to, że sztuczna inteligencja, w środku zamieci śnieżnej konfrontowana ze sprzecznymi danymi trzech sensorów, może nie wiedzieć, któremu zaufać. We mgle lub deszczu kamera może mówić "jest ściana", podczas gdy radar "nie ma ściany" - i model gubi się, którego posłuchać. Śnieg powoduje w algorytmie percepcji pewnego rodzaju przesunięcie zaufania: pojazd albo nie widzi zbliżającego się obiektu, albo "halucynuje" obiekt, który w ogóle nie istnieje. Oba scenariusze są bardzo bliskie przepisom na katastrofę na drodze.

Dlaczego robotaxie stają w deszczu? Przykłady Waymo i Cruise

Dość teorii, przejdźmy na scenę. W maju 2026 roku Waymo zawiesił swoje usługi bez kierowcy w Atlancie i Teksasie, po tym jak jeden z jego pojazdów utknął w wodach powodziowych podczas obfitego deszczu. Wiadomo też, że firma stara się uniemożliwić swoim pojazdom wjeżdżanie na tereny zalewowe. A więc jeden z największych na świecie operatorów robotaxi, nie mogąc sprostać pogodzie, nacisnął przycisk i zatrzymał system. Ponadto Waymo z powodu obaw dotyczących bezpieczeństwa i oprogramowania wstrzymał też trasy robotaxi na autostradach w USA - mimo że w listopadzie 2025 roku uruchomił trasę autostradową o długości 45 mil (72 km) z San Francisco do portu lotniczego San Jose przez U.S. w listopadzie uruchomił 45-milową (72 km) trasę autostradową na lotnisko.

Waymo nie pozostaje jednak tylko w obronie: w 2026 roku planuje ekspansję do Las Vegas, San Diego i Detroit, a aby przygotować się do warunków zimowych, prowadzi testy w Bostonie i Nowym Jorku. Firma jest więc świadoma trudności zimy i przygotowuje się na nią. Po stronie Cruise obraz był podobny: firma nie przewozi pasażerów podczas obfitego deszczu, obsługuje jedynie przy lekkim deszczu, a gdy deszcz się nasila, pojazd może samodzielnie wrócić do garażu. W marcu 2023 roku, po chmurze, robotaxie Cruise zablokowały jedną z ulic w San Francisco. Po zdarzeniu z października 2023 roku firma wycofała swoje 950 pojazdów bez kierowcy i wstrzymała działalność; kalifornijski DMV zawiesił zezwolenie na jazdę bez kierowcy, a rozpoczęły się federalne dochodzenia. Krótko mówiąc, sektor robotaxi działa w trybie "zdecyduj i czekaj" wobec złej pogody.

Tesla FSD i Mercedes Drive Pilot: ciche przyznanie się w podręcznikach

nawet jeśli technologia okaże się mniej niebezpieczna, istnieją znacznie lepsze sposoby poprawy bezpieczeństwa ruchu drogowego. Oficjalny przewodnik systemu Full Self-Driving (Supervised) firmy Tesla wyraźnie stwierdza, że niska widoczność (deszcz, śnieg, bezpośrednie słońce, mgła) może poważnie obniżyć jego wydajność. Czyli nawet Tesla przyznaje we własnym przewodniku, że ten system nie działa w każdych warunkach. Jeśli spojrzymy na raporty użytkowników, obraz jest nieco bardziej realistyczny: donoszono, że w umiarkowanym deszczu pojawia się komunikat „FSD może być ograniczony z powodu złej pogody", na oblodzonej drodze system nie ogranicza prędkości, ale natychmiast się wyłącza, gdy opony zaczynają się ślizgać. Oczywiście to doświadczenia użytkowników, a nie oficjalne oświadczenie - ale całkowicie zgodne z ostrzeżeniem w przewodniku.

Po stronie Mercedesa sprawa jest jeszcze bardziej jednoznaczna: system Drive Pilot posiada homologację SAE Level 3, ale nie działa w warunkach śniegu, deszczu ani nocnych. Czyli Mercedes, w momencie przekazania odpowiedzialności systemowi (na poziomie 3 odpowiedzialność prawna spada na producenta), przepuszcza warunki pogodowe przez rygorystyczny filtr i w każdym wątpliwym przypadku oddaje ci kontrolę. Mercedes dodatkowo przekształca zmienne takie jak deszcz i śnieg w setki tysięcy mil jazd testowych za pomocą symulacji - więc wysiłek rozwiązania problemu złej pogody za pomocą technologii będzie trwał, ale na razie to nie jest rozwiązanie.

Dlaczego obietnica „jazdy w każdych warunkach" jest na razie niemożliwa?

Właśnie tu leży sedno pytania. Obietnica brzmi pięknie: zimą, we mgle, podczas burzy pojazd zawiezie cię wszędzie. Ale techniczna rzeczywistość jest taka: naprzeciw tej obietnicy stoją wszystkie trzy typy czujników z własnymi słabościami, a bezpieczne połączenie ich przez sztuczną inteligencję nie zostało jeszcze dopracowane. Po stronie bezpieczeństwa obraz również pozostaje dyskusyjny: przewaga bezpieczeństwa pojazdów autonomicznych jest na razie bardziej postulatem/aspiracją niż czymś udowodnionym. Wczesne dane pokazują, że pojazdy bez kierowcy mogą zmniejszyć liczbę poważnych wypadków, ale eksperci mówią, że potrzeba znacznie więcej danych przed szerszym zastosowaniem. Jest jeszcze pragmatyczny głos: nawet jeśli technologia okaże się mniej niebezpieczna, istnieją znacznie lepsze sposoby na poprawę bezpieczeństwa ruchu drogowego.

Policzmy liczby: Około 70% populacji USA mieszka na obszarach, gdzie pada śnieg. Czyli bez rozwiązania problemu śniegu pojazdy autonomiczne są w praktyce nieistotne dla większości świata. To pokazuje, jak krytyczna jest ta kwestija, choć strona optymistyczna też nie jest pusta: Dobra strona też nie jest pusta: zwolennicy fuzji sensorów sugerują, że przyszłe generacje pojazdów mogą działać we wszystkich warunkach pogodowych, a Waymo przygotowuje się na krytykę dotyczącą lidarów dzięki testom zimowym. Ale dzisiaj, w 2026 roku, fakty są takie: „jazda w każdych warunkach" to jeszcze nie produkt, tylko cel. Zostawię ci też pytanie: jako kierowca, który nie zakłada opon zimowych na czas, jak bardzo ufałbyś lidarowi, który gubi orientację pod śniegiem?

Podsumowując, oślepienie pojazdów autonomicznych w złej pogodzie nie jest błędem ani krokiem wstecz - to uczciwe zdjęcie pokazujące, gdzie technologia znajduje się dzisiaj. Radar przetrwa złą pogodę, lidar i kamera mają trudności, sztuczna inteligencja uczy się bezpiecznie łączyć te dane, a firmy oferujące robotaxi przyjmują to do wiadomości i odpowiednio ograniczają działanie swoich systemów. Prawdziwy pojazd wszechpogodowy nadejdzie wraz ze sztuczną inteligencją, która potrafi poprawnie odczytywać te trzy sensora nawet podczas burzy. Do tego czasu komunikat „usługa została tymczasowo wstrzymana" pojawiający się przy obfitych opadach śniegu jest raczej znakiem decyzji bezpieczeństwa niż porażki. I moim zdaniem uczciwość jest znacznie lepsza niż wsiadanie do systemu, który obiecuje coś, czego nigdy nie będzie w stanie zrobić.