Наведение, навигация и управление

Системы наведения, навигации и управления состоят из трёх ключевых частей: навигация, которая отслеживает текущее положение; наведение, использующее данные навигации и информацию о цели для формирования команды управления полётом; и управление, которое исполняет команды наведения посредством воздействия на аэродинамические или двигательные системы.

Навигация

искусство и наука определения местоположения. Навигационные средства измеряют положение относительно известной точки отсчёта (напр., ориентир, полярная звезда, радиомаяк LORAN), относительное положение к цели (радар, инфракрасные сенсоры и др.) или отслеживают перемещение от известной стартовой точки (например, по данным ИНС). Современные навигационные системы перешли от использования одной GPS к мультисистемным приёмникам, одновременно обрабатывающим сигналы от нескольких ГНСС, таких как ГЛОНАСС, Galileo и BeiDou^[6]. Это значительно повышает точность и надёжность определения координат, особенно в сложных условиях (городская застройка, горы)^[6]. Параллельно получили развитие инерциальные системы: благодаря МЭМС-технологиям и волоконно-оптическим гироскопам (ВОГ) они стали значительно компактнее, дешевле и точнее, что позволило их массово применять в широком спектре устройств от БПЛА до смартфонов^[7]. Ключевой тенденцией стало комплексирование данных (англ. sensor fusion) — объединение информации от различных датчиков (ГНСС, ИНС, лидары, камеры, радары). Стандартным инструментом для этого является фильтр Калмана и его более сложные вариации, которые позволяют взаимно компенсировать недостатки систем: ГНСС корректирует медленный дрейф ИНС, а ИНС обеспечивает непрерывность навигации при потере спутникового сигнала^[8]. Кроме того, для навигации в среде без GPS всё активнее применяются методы компьютерного зрения и искусственного интеллекта, например, для распознавания объектов и построения карт местности^[9].

Наведение

«водитель» транспортного средства. Получая информацию от навигационной системы (где я) и данные о цели (куда мне нужно попасть), наведение формирует команды для системы управления, позволяющие аппарату достичь нужной точки при соблюдении ограничений конструкции. В то время как классические системы наведения часто следуют заранее заданным или динамически вычисляемым траекториям (например, в космических шаттлах или МБР), современные подходы всё чаще используют искусственный интеллект. Нейронные сети и алгоритмы машинного обучения позволяют создавать адаптивные системы наведения, способные в реальном времени анализировать обстановку, обучаться и самостоятельно строить оптимальный маршрут для достижения цели^[10].

Управление

физическое исполнение команд, поступающих от системы наведения. Управление полётом осуществляется посредством исполнительных механизмов — аэродинамических органов, сопел или двигателей. Цифровой автопилот (DAP) служит интерфейсом между наведением и управлением, преобразуя команды в конкретные действия исполнительных органов. Современные системы управления делают акцент на робастность (устойчивость к внешним возмущениям и неопределённостям) и адаптивность. Это позволяет системам сохранять устойчивость и выполнять задачи даже при отказах отдельных компонентов или в непредсказуемых условиях, что особенно важно для аэрокосмической техники и автономных систем^[11][12].

С 2008 года инженерия систем наведения, навигации и управления (ГНК) пережила стремительную трансформацию, обусловленную развитием спутниковых технологий, вычислительной мощности и искусственного интеллекта. Ключевые тенденции этого периода включают переход к многосенсорной интеграции, широкое внедрение интеллектуальных алгоритмов и значительную миниатюризацию компонентов, что кардинально повысило точность, надёжность и автономность навигационных систем.

Глобальные навигационные спутниковые системы (ГНСС)

Период после 2008 года ознаменовался полноценным развёртыванием и модернизацией нескольких глобальных спутниковых систем, что положило конец доминированию GPS. К американской системе добавились российская ГЛОНАСС, полностью развёрнутая в 2010-х годах, европейская Galileo и китайская BeiDou, завершившая глобальное покрытие в 2020 году. Это позволило современным мультисистемным приёмникам одновременно отслеживать сигналы десятков спутников, что значительно повышает точность и надёжность определения координат, особенно в сложных условиях, таких как плотная городская застройка или горная местность. Новые поколения спутников и сигналов, в частности в системах Galileo и BeiDou, изначально проектировались с акцентом на высокую точность для гражданских применений. Ведутся работы по улучшению помехоустойчивости сигналов, например, для системы ГЛОНАСС предлагаются новые методы кодирования, способные повысить надёжность восстановления информации при наличии помех^[13].

Инерциальные навигационные системы (ИНС)

Инерциальные системы, работающие автономно, также претерпели значительные изменения, став меньше, дешевле и точнее. МЭМС-технологии совершили качественный скачок, а их массовое производство привело к резкому снижению размеров, веса, энергопотребления и стоимости (концепция SWaP-C — Size, Weight, Power and Cost), что открыло дорогу для их использования в широком спектре устройств от смартфонов до малых БПЛА. Параллельно технология волоконно-оптических гироскопов (ВОГ) получила развитие в сторону повышения чувствительности и снижения стоимости. ВОГ, не имеющие движущихся частей, отличаются высокой точностью и низким дрейфом, что делает их незаменимыми в высокоточных приложениях, таких как навигация самолётов, ракет и морских судов.

Комплексирование данных и искусственный интеллект

Ключевой тенденцией стало комплексирование данных (англ. Sensor Fusion) — объединение информации от различных датчиков (ГНСС, ИНС, лидары, камеры, радары) для получения единого, более точного и надёжного навигационного решения. Стандартным инструментом для интеграции данных ИНС и ГНСС стал фильтр Калмана и его более сложные нелинейные вариации (расширенный и сигма-точечный фильтры). Такое объединение позволяет взаимно компенсировать недостатки систем: ГНСС корректирует медленно накапливаемую ошибку ИНС, а ИНС обеспечивает непрерывность навигации при временной потере спутниковых сигналов. Одновременно нейронные сети и алгоритмы глубокого обучения начали активно применяться для решения сложных навигационных задач. Системы компьютерного зрения на основе камер и лидаров способны распознавать объекты, строить 3D-модели местности и определять местоположение, что является основой для развития автономных автомобилей и БПЛА. Также нейронные сети используются для создания адаптивных систем управления, способных обучаться и подстраивать свои параметры в реальном времени.

Системы управления

Развитие беспилотных и автономных систем предъявило новые требования к системам управления. Основной акцент сместился на создание адаптивных и робастных (устойчивых к неопределённостям и возмущениям) регуляторов. Современные подходы позволяют системам сохранять устойчивость и выполнять задачи даже при отказах отдельных компонентов или в условиях сильных внешних возмущений, что особенно важно для аэрокосмической техники.

В авиации развитие систем ГНК направлено на повышение автоматизации, безопасности и эффективности. В период с 2015 по 2025 год произошёл значительный сдвиг от автоматизации отдельных задач к созданию интегрированных и интеллектуальных систем как в гражданской, так и в военной сферах.

Гражданская и военная авиация В гражданской авиации ключевыми драйверами развития автопилотов стали повышение безопасности, экономическая эффективность и снижение нагрузки на экипаж^[14]. Современные лайнеры, такие как A320 и 787, оснащены сложными системами автоматического управления полётом (AFCS), позволяющими выполнять полёт в автоматическом режиме на всех его этапах^[14], а тесная интеграция с бортовым компьютером управления полётом (FMC) обеспечивает ведение самолёта по сложной четырёхмерной траектории^[15]. Широкое распространение получили системы автоматической посадки в условиях плохой видимости (категория IIIB по ИКАО)^[16], а искусственный интеллект (ИИ) начал применяться для создания «виртуальных вторых пилотов»^[17]. Примером развития отечественных систем является начало в 2025 году сертификационных испытаний автопилота для самолёта SJ-100 с функцией автоматической посадки^[18].

В военной авиации истребители пятого поколения, такие как Су-57 и F-35, получили системы управления, способные в автоматическом режиме выполнять сложные манёвры, что позволяет пилоту сосредоточиться на тактической задаче, выступая в роли «оператора боевой системы»^[19][20]. ИИ здесь используется для распознавания целей и помощи в принятии решений, а развитие высокоавтоматизированных систем закладывает основу для реализации концепции «ведомого беспилотника»^[17].

Гражданские беспилотные летательные аппараты (БПЛА) Системы ГНК для гражданских БПЛА в период 2020—2025 годов эволюционировали в сторону повышения автономности и точности. Основой навигации остаётся связка приёмника ГНСС и инерциального измерительного блока (IMU), однако для задач, требующих сантиметровой точности (геодезия, точное земледелие), стандартным решением стали технологии RTK^[21]. Ключевым прорывом стало обеспечение навигации в среде без доступа к спутниковым сигналам (внутри помещений, в городской застройке) с помощью технологии SLAM, которая позволяет дрону строить карту местности по данным с камер и лидаров и определять своё положение на ней^[22].

Искусственный интеллект стал ядром для перехода к полностью автономным системам^[23]. Алгоритмы компьютерного зрения позволяют дронам распознавать объекты и облетать препятствия в реальном времени^[24]. Вершиной развития стали автономные комплексы «Дрон в коробке» (Drone-in-a-Box) — док-станции, которые автоматически выполняют взлёт, посадку и зарядку аппарата для регулярных мониторинговых миссий без участия оператора^[25]. Параллельно шло формирование нормативно-правовой базы: в России, например, были утверждены первые ГОСТы для применения БПЛА в строительстве^[26] и введено требование по интеграции дронов в систему ЭРА-ГЛОНАСС с марта 2026 года для их отслеживания^[27].

Системы ГНК для космических аппаратов (КА) в значительной степени опираются на оптические системы для высокоточной ориентации и навигации. Основой таких систем являются звёздные датчики, которые определяют ориентацию аппарата, фотографируя участок звёздного неба и сопоставляя полученное изображение со звёздным каталогом в бортовой памяти^[28]. Эти датчики играют ключевую роль в астроинерциальных системах, где их высокоточные абсолютные измерения используются для периодической коррекции дрейфа инерциальных навигационных систем (ИНС)^[28].

В России одним из ведущих разработчиков является ИКИ РАН, создавший серию приборов БОКЗ (блок определения координат звёзд), которые установлены на многих российских КА, включая аппараты «Ямал-200», «Ресурс-ДК» и на МКС^[29]. В апреле 2022 года ИКИ РАН анонсировал создание нового высокоточного датчика БОКЗ-МР для будущих миссий, в том числе лунных^[30][31]. Для малых аппаратов разрабатываются миниатюрные датчики, такие как АЗДК-1 компании «Азмерит», успешно испытанный в 2021 году^[32]. На мировом рынке доминируют такие компании, как Airbus, Sodern и Ball Aerospace, которые фокусируются на создании компактных и радиационно-стойких моделей для миссий в дальнем космосе^[33].

Для точной и безопасной посадки на планеты и астероиды, а также для операций сближения и стыковки, незаменимым инструментом стали лидары (LIDAR). Ярким примером их применения стала миссия Intuitive Machines IM-1 в феврале 2024 года, в ходе которой посадочный модуль Odysseus совершил первую за несколько десятилетий посадку американского аппарата на Луну^[34]. На его борту был установлен навигационный доплеровский лидар (NDL) разработки NASA, который успешно измерял скорость и расстояние до поверхности, обеспечивая точное управление спуском^[35]. В будущих миссиях лидарные системы планируется использовать для обнаружения опасностей (камней, кратеров) при посадке в сложных районах, например, у Южного полюса Луны^[36]. Китай также планирует применять лидары в своих будущих лунных миссиях, таких как «Чанъэ-7»^[37].

Ключевым трендом стало развитие систем автономной навигации, позволяющих КА определять свою орбиту и положение без постоянной связи с Землёй. Прорывной в этой области стала миссия NASA Starling, запущенная в июле 2023 года для отработки технологий роевого полёта четырёх малых аппаратов CubeSat^[38]. В рамках эксперимента StarFOX аппараты используют звёздные датчики для визуального обнаружения друг друга, а система ARTMS на основе этих данных автономно рассчитывает как относительное положение в группе, так и абсолютные орбиты всего роя. Это стало первой демонстрацией автономной навигации по угловым измерениям для группы спутников^[39]. Китай также активно внедряет программные комплексы для автономной навигации, которые позволяют аппаратам самостоятельно уклоняться от космического мусора и выполнять сложные операции, такие как дозаправка спутника на геостационарной орбите^[40].

Помимо оптических методов, ведутся исследования и экспериментальных способов навигации. Одним из них является навигация по рентгеновским пульсарам (XNAV), которая позволяет определять местоположение аппарата в дальнем космосе по периодическим сигналам от пульсаров. Разработки в этой области ведутся на основе данных, полученных в ходе экспериментов XPNAV-1 (Китай) и SEXTANT (США)^[39]. В России ИКИ РАН, НПО им. Лавочкина и ИПМ им. Келдыша также начали разработку системы рентгеновской навигации на базе данных телескопа ART-XC обсерватории «Спектр-РГ»^[41].

Системы ГНК для наземного транспорта развиваются по двум ключевым направлениям: создание полностью автономных легковых автомобилей для дорог общего пользования и автоматизация сельскохозяйственной техники для повышения эффективности агропромышленного комплекса.

Беспилотные автомобили

Развитие систем управления для беспилотных автомобилей с 2008 по 2025 год прошло путь от экспериментальных прототипов до основы многомиллиардной индустрии. На начальном этапе (2008—2012), после соревнований DARPA Grand Challenge, системы навигации полагались на громоздкие и дорогие механические лидары, GPS, IMU и высокоточные, заранее созданные карты^[42]. В 2009 году был запущен проект Google, позже ставший компанией Waymo^[43].

Прорыв в глубоком обучении в 2012—2016 годах позволил эффективно распознавать объекты с помощью обычных видеокамер, что дало толчок развитию продвинутых систем помощи водителю (ADAS)^[44]. Ярким примером стала система Tesla Autopilot, изначально использовавшая камеры и радары^[45].

В 2016—2020 годах началась гонка за достижение 4-го уровня автономии. Сформировались два подхода: Tesla сделала ставку на систему, основанную только на камерах («Tesla Vision»), в то время как Waymo и другие компании продолжили использовать комбинацию из лидаров, радаров и камер для обеспечения избыточности и безопасности^[46][47]. Появились мощные бортовые компьютеры, такие как Nvidia Drive, способные обрабатывать сложные нейросети в реальном времени^[48].

С 2021 года основное внимание уделяется надёжности, снижению стоимости и масштабированию. Происходит переход к более дешёвым твердотельным лидарам и 4D-радарам, которые эффективно работают в плохих погодных условиях^[49]. Компании, такие как Waymo, запустили коммерческие сервисы роботакси, а правительства разных стран, включая Россию, активно разрабатывают законодательную базу и ГОСТы для регулирования движения беспилотного транспорта, которые планируется утвердить к концу 2025 года^[50][51].

Сельскохозяйственная техника

В период 2023—2025 годов в России наблюдается активное внедрение систем автоматического вождения в сельском хозяйстве. В 2024 году был зафиксирован четырёхкратный рост продаж систем автопилотирования по сравнению с 2023 годом, чему способствовало серийное оснащение тракторов «Кировец» отечественными агропилотами компании Cognitive Pilot^[52]. На рынок выходят и новые производители: в 2024 году компания «Итэлма» запустила в Москве серийное производство собственных автопилотов^[53].

Технологии движутся от систем помощи водителю к полной автономии. В 2025 году была успешно испытана универсальная система высокоточного автовождения от компании «ГЛОНАСС», обеспечивающая сантиметровую точность движения^[54]. Ожидается, что полностью беспилотные тракторы, не требующие присутствия механизатора в кабине, появятся в массовом сегменте в течение 2-3 лет. Также планируется внедрение «звеньев», где один пилотируемый трактор управляет несколькими ведомыми беспилотными машинами^[55]. На 2024 год в 30 регионах России уже работало более 1700 «умных» тракторов и комбайнов^[55].

Развитие отрасли стимулируется государственной поддержкой: с 2023 года сельское хозяйство включено в число приоритетных отраслей для внедрения ИИ в России, а аграриям доступны гранты и субсидии на цифровизацию и внедрение технологий точного земледелия^[56][57].

В период с 2015 по 2025 год системы ГНК для автономных подводных аппаратов (АНПА) развивались по пути повышения автономности, точности и надёжности в условиях отсутствия под водой сигналов ГНСС. Ключевые усовершенствования коснулись инерциальных систем, методов комплексирования данных и внедрения технологий искусственного интеллекта (ИИ).

Фундаментом навигации АНПА остаются полностью автономные инерциальные навигационные системы (ИНС)^[58]. В этот период произошёл переход от платформенных ИНС к более компактным и надёжным бесплатформенным (БИНС) на основе волоконно-оптических гироскопов (ВОГ)^[59][60]. Главной проблемой ИНС является накопление ошибки со временем (дрейф), для борьбы с которым, помимо традиционной коррекции по данным доплеровских лагов (ДВЛ) и датчиков глубины, широкое применение получили алгоритмы на основе фильтра Калмана^[61]. Эти фильтры комплексируют данные от множества датчиков (ИНС, ДВЛ, магнитометров, гидроакустических систем), что позволяет взаимно компенсировать их погрешности^[61]. На переднем крае борьбы с дрейфом в 2025 году были проведены испытания квантовых оптических атомных часов на борту подводного беспилотника, которые обеспечивают сверхстабильный сигнал времени для точной навигации в длительных миссиях^[62].

Гидроакустические системы остаются ключевым средством для позиционирования под водой. Продолжалось совершенствование систем с длинной (LBL), короткой (SBL) и ультракороткой (USBL) базой, использующих сеть донных или судовых маяков-ответчиков^[63]. Кроме того, гидроакустические модемы стали активнее использоваться не только для связи, но и как элемент навигационной системы, позволяя определять взаимное расположение аппаратов в группе^[61].

Прорывом в повышении автономности стало применение метода одновременной локализации и построения карты (SLAM), адаптированного для подводной среды^[64]. С помощью гидролокаторов или видеокамер АНПА способен строить карту ранее неизвестного района и одновременно определять своё положение на ней, что устраняет необходимость в предварительной установке маяков^[64]. Технологии ИИ стали применяться для распознавания объектов на дне по данным сонаров и камер, а также для планирования оптимального и безопасного маршрута с обходом препятствий^[65][66].

Развитие систем управления было направлено на повышение манёвренности и способности аппаратов выполнять сложные миссии^[67]. Были отработаны методы навигации для групп АНПА, например, по схеме «лидер-ведомый», где один аппарат с высокоточным оборудованием задаёт маршрут для остальных^[68][69], или когда аппараты группы используются в качестве временных гидроакустических маяков друг для друга^[70].

Высокоточное десантирование В период с 2015 по 2025 год произошёл переход от традиционных неуправляемых парашютов к высокотехнологичным планирующим системам, оснащённым навигацией и способным самостоятельно корректировать полёт. Ключевой для вооружённых сил США является программа Joint Precision Airdrop System (JPADS) — семейство систем, использующих GPS, управляемые парашюты типа «крыло» и бортовые компьютеры для наведения грузов с точностью 50-75 метров^[71]. С 2016 года ведутся испытания систем визуальной навигации для JPADS, позволяющих работать в условиях подавления GPS^[72]. В 2025 году была анонсирована программа Long-Range JPADS, направленная на увеличение дальности доставки грузов до 460 км^[73].

В России холдингом «Технодинамика» разработан ряд систем. Для десантирования боевых машин БМД-4М и БТР-МДМ с экипажем внутри принята на вооружение система «Бахча-У-ПДС»^[71]. Для личного состава созданы системы для затяжных прыжков с большой высоты: «Стайер» (испытания завершены в 2020 году), позволяющая десантироваться с высоты до 10 км^[74], и Д-14 «Шелест», обеспечивающая планирование на дальность до 30 км^[75].

Системы наведения крылатых ракет Современные крылатые ракеты, такие как американские «Томагавк» (Block IV и V) и российские «Калибр» и Х-101, используют комплексные системы наведения, сохраняющие актуальность технологии TERCOM (Terrain Contour Matching — сопоставление по контуру рельефа местности)^[76][77]. Такая система включает в себя ИНС, приёмник спутниковых сигналов (GPS/ГЛОНАСС), саму систему TERCOM и оптико-электронную систему коррекции DSMAC (Digital Scene Matching Area Correlator) для наведения на конечном участке^[78][79].

Основная роль TERCOM в современных условиях — обеспечение точной навигации при подавлении сигналов спутниковых систем средствами РЭБ^[76]. Система использует радиовысотомер для сканирования рельефа и сравнения его с эталонной цифровой картой в памяти ракеты для коррекции ошибок ИНС^[80]. Технология имеет ограничения: она малоэффективна над однородной местностью (море, пустыня) и требует наличия точных карт рельефа^[81]. В российских ракетах Х-101 используется аналогичная по принципу действия система «Спрут»^[82].

Период после 2008 года ознаменовался переходом от доминирования американской системы GPS к эре мультисистемности. К ней добавились полностью развёрнутая в 2010-х годах российская ГЛОНАСС, европейская Galileo и китайская BeiDou, завершившая глобальное покрытие в 2020 году. Это позволило современным мультисистемным приёмникам одновременно отслеживать сигналы десятков спутников, что значительно повышает точность, доступность и надёжность определения координат, особенно в сложных условиях, таких как плотная городская застройка или горная местность.

GPS (Global Positioning System) Система, разработанная и эксплуатируемая Министерством обороны США, для полного глобального покрытия требует минимум 24 действующих спутника, однако для повышения точности и надёжности на орбите поддерживается большее количество аппаратов^[83]. По данным на июль 2024 года, группировка насчитывала 33 действующих спутника, расположенных на шести круговых орбитах на высоте около 20 200 км. Группировка постоянно обновляется за счёт запуска спутников новых поколений, таких как GPS III/IIIA^[84].

ГЛОНАСС, Galileo и BeiDou Помимо GPS, ключевыми глобальными системами являются российская ГЛОНАСС, европейская Galileo и китайская BeiDou. Новые поколения спутников в системах Galileo и BeiDou изначально проектировались с акцентом на высокую точность для гражданских применений. Ведутся постоянные работы по улучшению помехоустойчивости сигналов. Например, для системы ГЛОНАСС предлагаются новые методы кодирования, способные повысить надёжность восстановления информации при наличии помех.

На фоне растущей уязвимости спутниковых систем к преднамеренным и непреднамеренным помехам, в 2010-х и 2020-х годах началось возрождение наземных радионавигационных систем. Традиционная система LORAN-C, популярная в XX веке, была в значительной степени выведена из эксплуатации в Северной Америке и Европе^[85], однако её усовершенствованная версия — eLoran (англ. Enhanced LORAN) — стала рассматриваться рядом стран как ключевой элемент для резервирования ГНСС и обеспечения устойчивости критической инфраструктуры.

Сигналы eLoran, передаваемые мощными наземными станциями в низкочастотном диапазоне, чрезвычайно устойчивы к глушению и спуфингу^[86]. Они способны проникать внутрь зданий и даже под воду, что недоступно для высокочастотных спутниковых сигналов, а точность позиционирования может достигать 10-20 метров^[86][87].

Статус систем по странам:

• США и Канада: Прекратили вещание LORAN-C в 2010 году^[85]. Однако в 2018 году в США был принят закон, предписывающий создание наземной альтернативной системы позиционирования, навигации и синхронизации (PNT)^[86]. В феврале 2024 года правительство США приняло решение о продаже старой инфраструктуры LORAN, что указывает на возможное строительство новой коммерческой сети eLoran с нуля^[88].
• Великобритания: Является одним из лидеров по внедрению eLoran и реализует программу по созданию национальной сети из шести станций. Планируется достичь начальной операционной готовности до 2028 года и полной — к 2030 году^[89].
• Китай: Активно использует и расширяет сеть eLoran для защиты критически важной инфраструктуры. Завершение работ по созданию высокоточной наземной системы синхронизации запланировано на 2026 год^[90].
• Россия: Модернизирует систему «Чайка», которая является аналогом LORAN^[91]. Работы направлены на использование её навигационного канала для передачи дифференциальных поправок для системы ГЛОНАСС, что функционально соответствует концепции eLoran^[92].
• Другие страны: Южная Корея эксплуатирует и обновляет свою систему до стандарта eLoran из-за случаев преднамеренного глушения GPS. Саудовская Аравия и Индия также рассматривают возможность модернизации своих действующих систем LORAN-C^[87].
• Европейский союз: Большинство стран, включая Францию, Норвегию и Германию, прекратили работу своих станций LORAN-C к концу 2015 года^[93].