АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Наведение, навигация и управление

Экспертиза РАН

Logo-ran.pngLogo-ran-black.png
Проводится экспертиза
Российской академией наук
Подробнее
Times2.svg

Экспертиза РАН

Arrow-Right.png
Logo-ran.png
Проводится экспертиза
Российской академией наук
Подробнее

Наведе́ние, навига́ция и управле́ние (ГНК, GN&C или G&C, от англ. Guidance, navigation and control) — отрасль инженерии, занимающаяся разработкой систем для управления движением транспортных средств, в первую очередь автомобилей, судов, летательных аппаратов и космических аппаратов. Во многих случаях эти функции может выполнять обученный человек. Тем не менее, из-за высокой скорости динамики, например, ракеты, время реакции человека слишком велико для эффективного управления этим процессом. Поэтому для такого управления применяются системы — почти всегда цифровые электронные. Даже когда человек способен выполнять эти функции, применение ГНК-систем часто приносит преимущества: снижение нагрузки на оператора, сглаживание турбулентности, экономия топлива и др. Кроме того, современные ГНК-системы делают возможным автоматическое или дистанционное управление. Для повышения точности, надёжности и автономности в них всё чаще применяются комплексирование данных (англ. sensor fusion) от различных датчиков и алгоритмы искусственного интеллекта[1][2].

  • Наведение — это определение желаемого пути движения (так называемой «траектории») от текущего местоположения транспортного средства до заданной цели, а также желаемых изменений в скорости, вращении и ускорении для следования по этому пути[3][4][5].
  • Навигация — определение в данный момент времени положения и скорости транспортного средства (его «вектор состояния»), а также его ориентации.
  • Управление — воздействие на силы (например, посредством органов управления, двигателей и др.), необходимых для выполнения команд наведения с сохранением устойчивости аппарата.

Части

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].

Современные тенденции и развитие

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.

Применение по областям

Авиация и беспилотные летательные аппараты

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].

Космические аппараты

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].

Наземный транспорт

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].

Морские и подводные аппараты

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].

Специализированные военные системы

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].

Ключевые навигационные технологии

Спутниковые системы (ГНСС)

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.

Наземные радионавигационные системы

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].

См. также

Примечания

  1. ↑ Изучение компьютерного зрения в навигационных приложениях. ultralytics.com. Дата обращения: 2 ноября 2025. Архивировано 7 августа 2025 года.
  2. ↑ Применение нейросетевых технологий в задачах управления движением беспилотных летательных аппаратов. Журнал радиоэлектроники (2021). Дата обращения: 2 ноября 2025. Архивировано 10 июля 2024 года.
  3. ↑ Grewal, Mohinder S. Global Positioning Systems, Inertial Navigation, and Integration : [англ.] / Mohinder S. Grewal, Lawrence R. Weill, Angus P. Andrews. — 2-е. — Хобокен, Нью-Джерси, США : Wiley-Interscience, John Wiley & Sons, Inc., 2007. — P. 21. — ISBN 978-0-470-04190-1.
  4. ↑ Farrell, Jay A. Aided Navigation: GPS with High Rate Sensors : [англ.]. — США : The McGraw-Hill Companies, 2008. — P. 5 и далее. — ISBN 978-0-07-164266-8.
  5. ↑ Apollo Guidance and Navigation (англ.). Массачусетс: Massachusetts Institute of Technology, Instrumentation Laboratory (июнь 1965). Дата обращения: 12 октября 2014. Архивировано 17 марта 2025 года.
  6. ↑ 1 2 GPS, ГЛОНАСС, Galileo, BeiDou: в чем разница? geokontinent.ru. Дата обращения: 2 ноября 2025.
  7. ↑ Последние достижения в области исследований и разработок волоконно-оптических гироскопов и инерциальных систем навигации. ru.liocrebifx.com. Дата обращения: 2 ноября 2025.
  8. ↑ Комплексирование данных с IMU и GPS (фильтр Калмана). Habr (21 июля 2021). Дата обращения: 2 ноября 2025.
  9. ↑ SLAM для беспилотников: как научить дрон летать без GPS. Habr (10 января 2023). Дата обращения: 2 ноября 2025.
  10. ↑ Нейронные сети в задачах управления. Habr (21 июня 2011). Дата обращения: 2 ноября 2025.
  11. ↑ Робастное адаптивное управление с идентификацией параметров неопределенного объекта. Известия СПбГЭТУ «ЛЭТИ» (2024). Дата обращения: 2 ноября 2025. Архивировано 30 апреля 2025 года.
  12. ↑ Переход к адаптивно-сетевой структуре системы управления воздушно-космической обороной как один из основных путей повышения ее эффективности. Cyberleninka (2014). Дата обращения: 2 ноября 2025.
  13. ↑ Точность ГЛОНАСС предлагают повысить с помощью голографического помехоустойчивого кодирования. sro-cp.ru. Дата обращения: 3 ноября 2025.
  14. ↑ 1 2 Автоматизация в кабине самолета:уровни автоматизации, преимущества и недостатки, перспективы развития. scilead.ru. Дата обращения: 3 ноября 2025. Архивировано 26 апреля 2025 года.
  15. ↑ FMC. Flight Management Computer. Компьютер управления полетом. liner737.ru. Дата обращения: 3 ноября 2025. Архивировано 9 сентября 2025 года.
  16. ↑ Александр Долотовский: CR929 будет комфортнее B787 и экономически эффективнее A350. Aviation21.ru. Дата обращения: 3 ноября 2025. Архивировано 26 апреля 2025 года.
  17. ↑ 1 2 Компании Boeing и Airbus ведут разработку усовершенствованного автопилота. avia.pro. Дата обращения: 3 ноября 2025. Архивировано 30 декабря 2015 года.
  18. ↑ На SJ-100 стартовали сертификационные испытания отечественной системы автоматического управления. Aviation21.ru (2025). Дата обращения: 3 ноября 2025. Архивировано 21 июня 2025 года.
  19. ↑ Полет Airbus A320 глазами пилотов. TechInsider. Дата обращения: 3 ноября 2025. Архивировано 4 июня 2023 года.
  20. ↑ Су-57 против F-35: названы плюсы и минусы истребителей пятого поколения (Business Insider, Германия). vpk.name. Дата обращения: 3 ноября 2025.
  21. ↑ Сравнение технологий RTK и PPK. aeromotus.ru. Дата обращения: 3 ноября 2025. Архивировано 22 июня 2025 года.
  22. ↑ Развитие рынка беспилотных авиационных систем. Центр стратегических разработок. Дата обращения: 3 ноября 2025. Архивировано 3 июня 2023 года.
  23. ↑ Искусственный интеллект в БПЛА. madro.ru. Дата обращения: 3 ноября 2025. Архивировано 11 августа 2025 года.
  24. ↑ Приложения компьютерного зрения в операциях с беспилотниками с искусственным интеллектом. ultralytics.com. Дата обращения: 3 ноября 2025. Архивировано 7 августа 2025 года.
  25. ↑ Дрон в коробке: что это такое и зачем нужно. dron.news. Дата обращения: 3 ноября 2025.
  26. ↑ Утвержден ГОСТ для применения беспилотников в строительстве. asms.ru. Дата обращения: 3 ноября 2025.
  27. ↑ Готова платформа для отслеживания БПЛА через «ЭРА-ГЛОНАСС». dronus.ru. Дата обращения: 3 ноября 2025. Архивировано 14 августа 2025 года.
  28. ↑ 1 2 Оптико-электронные приборы для ориентации и навигации по звездам. Cyberleninka. Дата обращения: 3 ноября 2025.
  29. ↑ Оптико-электронные приборы ориентации и навигации космических аппаратов. ИКИ РАН. Дата обращения: 3 ноября 2025. Архивировано 18 апреля 2023 года.
  30. ↑ В России заявили об изготовлении самого точного в мире БОКЗ-МР. vpk.name (21 апреля 2022). Дата обращения: 3 ноября 2025. Архивировано 15 августа 2022 года.
  31. ↑ Блок определения координат звёзд БОКЗ. ofo.ikiweb.ru. Дата обращения: 3 ноября 2025. Архивировано 6 июля 2025 года.
  32. ↑ АЗДК-1 — малогабаритный звёздный датчик. azmerit.ru. Дата обращения: 3 ноября 2025. Архивировано 16 мая 2025 года.
  33. ↑ Lidar in Space Exploration: Forecasting (англ.). meegle.com. Дата обращения: 3 ноября 2025.
  34. ↑ Moon Mission for Flight-Tested Navigation Doppler Lidar (англ.). NASA. Дата обращения: 3 ноября 2025.
  35. ↑ New Doppler Lidar Technology Poised to Improve Accuracy and Stability During Planetary Landings (англ.). Optica (1 октября 2024). Дата обращения: 3 ноября 2025. Архивировано 16 июня 2025 года.
  36. ↑ Hazard Detection Lidar for Safe Landing (англ.). NASA. Дата обращения: 3 ноября 2025. Архивировано 5 августа 2025 года.
  37. ↑ Китайская космонавтика: планы на 2025-2030 годы. Habr (12 августа 2025). Дата обращения: 3 ноября 2025.
  38. ↑ Starling (англ.). Stanford University. Дата обращения: 3 ноября 2025. Архивировано 16 марта 2025 года.
  39. ↑ 1 2 Autonomous Space Navigation: A Survey of the State of the Art (англ.). NASA (26 марта 2024). Дата обращения: 3 ноября 2025.
  40. ↑ Китай провел первую в мире дозаправку спутника на геостационарной орбите. Habr (1 июля 2025). Дата обращения: 3 ноября 2025.
  41. ↑ Разработка методов и алгоритмов рентгеновской навигации космических аппаратов. iki.rssi.ru. Дата обращения: 3 ноября 2025. Архивировано 4 июля 2025 года.
  42. ↑ Ученые разработали инновационный метод планирования движения беспилотного автомобиля. За науку (17 июля 2024). Дата обращения: 3 ноября 2025. Архивировано 30 апреля 2025 года.
  43. ↑ Self-driving Cars Market. Global Market Insights. Дата обращения: 3 ноября 2025. Архивировано 6 сентября 2025 года.
  44. ↑ Как мы учим беспилотные машины видеть. Habr (9 октября 2023). Дата обращения: 3 ноября 2025.
  45. ↑ Проект закона о регулировании движения беспилотных авто внесут в кабмин до конца 2025 года. xn--90aivcdt6dxbc.xn--p1ai. Дата обращения: 3 ноября 2025. Архивировано 2 октября 2025 года.
  46. ↑ 4D-радар для беспилотников. Stimul.online. Дата обращения: 3 ноября 2025.
  47. ↑ Waymo представила 5-е поколение системы автономного вождения. НПК «Фотоника» (11 марта 2020). Дата обращения: 3 ноября 2025. Архивировано 5 августа 2025 года.
  48. ↑ Развитие технологий беспилотного наземного транспорта. Cognitive Pilot. Дата обращения: 3 ноября 2025. Архивировано 8 августа 2025 года.
  49. ↑ 4D-радары — новый этап развития автомобильных радаров. НПК «Фотоника» (17 февраля 2021). Дата обращения: 3 ноября 2025. Архивировано 3 августа 2025 года.
  50. ↑ В России до конца 2025 года разработают ГОСТы для беспилотных автомобилей. Motorpage.ru. Дата обращения: 3 ноября 2025. Архивировано 2 мая 2025 года.
  51. ↑ Минтранс в 2025 году представит проект закона для беспилотных авто. Courier-Media. Дата обращения: 3 ноября 2025.
  52. ↑ В России с начала 2024 года значительно возросли продажи автопилотов для тракторов. AgroXXI.ru (16 апреля 2024). Дата обращения: 3 ноября 2025.
  53. ↑ В Москве запустили серийное производство автопилотов для сельхозтехники. MySeldon (24 апреля 2024). Дата обращения: 3 ноября 2025.
  54. ↑ В России испытали первую систему высокоточного автовождения для сельхозтехники. Агро-Информ (12 сентября 2025). Дата обращения: 3 ноября 2025.
  55. ↑ 1 2 Беспилотные тракторы выйдут на российские поля в ближайшие два-три года. Ведомости (16 мая 2024). Дата обращения: 3 ноября 2025. Архивировано 16 февраля 2025 года.
  56. ↑ Сельское хозяйство вошло в число приоритетных отраслей для внедрения ИИ в России. e-cis.info (28 августа 2023). Дата обращения: 3 ноября 2025.
  57. ↑ Субсидии для аграриев в 2025 году. Эксперт-Центр. Дата обращения: 3 ноября 2025. Архивировано 20 июня 2025 года.
  58. ↑ Российские ученые создали новую систему навигации для подводных беспилотников. Monavista. Дата обращения: 3 ноября 2025.
  59. ↑ Анализ методов и средств навигации автономных необитаемых подводных аппаратов. Вестник Самарского университета. Дата обращения: 3 ноября 2025.
  60. ↑ Применение оптоволоконного гироскопа. guidenav.com. Дата обращения: 3 ноября 2025. Архивировано 23 марта 2025 года.
  61. ↑ 1 2 3 Навигационная система автономного подводного аппарата на основе данных, передаваемых по акустическому каналу от единственного донного маяка. Cyberleninka. Дата обращения: 3 ноября 2025.
  62. ↑ В Британии испытали квантовые часы Tiqker на борту подводного беспилотника. Военное обозрение (28 октября 2025). Дата обращения: 3 ноября 2025.
  63. ↑ Гидроакустические навигационные системы. Studfile.net. Дата обращения: 3 ноября 2025.
  64. ↑ 1 2 Обзор методов инерциальной навигации на основе глубокого обучения для навигации АНПА на больших дистанциях. Cyberleninka. Дата обращения: 3 ноября 2025.
  65. ↑ Искусственный интеллект и подводная робототехника. Oceanos. Дата обращения: 3 ноября 2025. Архивировано 19 июня 2023 года.
  66. ↑ Применение искусственного интеллекта в задачах управления автономными необитаемыми подводными аппаратами. «ИНЖЕНЕРНЫЙ ВЕСТНИК ДОНА». Дата обращения: 3 ноября 2025.
  67. ↑ Алгоритмы позиционирования автономного необитаемого подводного аппарата в процессе приведения и причаливания к подводному объекту. Cyberleninka. Дата обращения: 3 ноября 2025.
  68. ↑ Методы группового управления автономными необитаемыми подводными аппаратами. Молодой ученый. Дата обращения: 3 ноября 2025.
  69. ↑ One approach for group navigation of unmanned underwater vehicles (англ.). scispace.com. Дата обращения: 3 ноября 2025.
  70. ↑ Групповая относительная навигация автономных подводных аппаратов. Концерн «Центральный научно-исследовательский институт «Электроприбор». Дата обращения: 3 ноября 2025.
  71. ↑ 1 2 ПБС «Бахча-У-ПДС» для десантирования БМД-4М и БТР-МДМ «Ракушка». sdelanounas.ru. Дата обращения: 3 ноября 2025. Архивировано 23 апреля 2022 года.
  72. ↑ Army tests high-tech airdrop system that 'sees' its target (англ.). Fox News. Дата обращения: 3 ноября 2025. Архивировано 19 июля 2025 года.
  73. ↑ Long-Range Joint Precision Airdrop System (LR-JPADS) (англ.). armysbir.army.mil. Дата обращения: 3 ноября 2025. Архивировано 6 сентября 2025 года.
  74. ↑ «Технодинамика» представила парашют для десантирования с нижней границы стратосферы. Aviation21.ru. Дата обращения: 3 ноября 2025. Архивировано 8 августа 2025 года.
  75. ↑ Перспективные парашютные системы для ВДВ России. Военное обозрение. Дата обращения: 3 ноября 2025. Архивировано 23 июля 2024 года.
  76. ↑ 1 2 Крылатая ракета Tomahawk Block V. amalantra.ru. Дата обращения: 3 ноября 2025.
  77. ↑ Terrain-Relative Navigation (англ.). Stanford University. Дата обращения: 3 ноября 2025. Архивировано 1 августа 2024 года.
  78. ↑ Методы навигации крылатых ракет. Военное обозрение. Дата обращения: 3 ноября 2025. Архивировано 18 сентября 2024 года.
  79. ↑ Военный эксперт раскрыл секрет полета российских ракет Х-101. URA.RU. Дата обращения: 3 ноября 2025. Архивировано 12 октября 2025 года.
  80. ↑ A Review of Terrain Referenced Navigation (англ.). MDPI. Дата обращения: 3 ноября 2025. Архивировано 22 марта 2025 года.
  81. ↑ Terrain-Relative Navigation (англ.). NASA. Дата обращения: 3 ноября 2025. Архивировано 18 мая 2025 года.
  82. ↑ Новые крылатые ракеты Х-101 и Х-555. forums.airbase.ru. Дата обращения: 3 ноября 2025. Архивировано 31 мая 2025 года.
  83. ↑ GPS. sodpm.ru. Дата обращения: 3 ноября 2025. Архивировано 11 августа 2025 года.
  84. ↑ Угроза для GPS: глушение и спуфинг как основные источники проблем в работе глобальной навигационной системы. maxpolyakov.com. Дата обращения: 3 ноября 2025.
  85. ↑ 1 2 Loran-C signal to terminate in August 2010 (англ.). Sail-World. Дата обращения: 3 ноября 2025.
  86. ↑ 1 2 3 Back to the Future: LORAN? (англ.). International Federation of Air Traffic Controllers' Associations (IFATCA). Дата обращения: 3 ноября 2025. Архивировано 30 сентября 2025 года.
  87. ↑ 1 2 The Return of Loran (англ.). xyHt. Дата обращения: 3 ноября 2025. Архивировано 19 июля 2025 года.
  88. ↑ U.S. Preparing to Dispose of Old Loran Sites. Is That Important? (англ.). RNT Foundation (25 февраля 2024). Дата обращения: 3 ноября 2025. Архивировано 13 июня 2025 года.
  89. ↑ UK Moving Ahead, Wants Input on eLoran Program (англ.). RNT Foundation (2 июня 2025). Дата обращения: 3 ноября 2025. Архивировано 7 октября 2025 года.
  90. ↑ China: eLoran Used for Critical Infrastructure, Extension to be Complete by 2026 (англ.). RNT Foundation (28 ноября 2023). Дата обращения: 3 ноября 2025. Архивировано 7 августа 2025 года.
  91. ↑ U.S. Nears eLoran Decision with Broad International Implications; GNSS Vulnerability Drives Proposal (англ.). Nautel. Дата обращения: 3 ноября 2025. Архивировано 6 августа 2025 года.
  92. ↑ Импульсно-фазовые радионавигационные системы. ozlib.com. Дата обращения: 3 ноября 2025.
  93. ↑ Global Efforts (англ.). RNT Foundation. Дата обращения: 3 ноября 2025. Архивировано 7 октября 2025 года.

Литература

Ссылки

Категории