Специалисты МФТИ вместе с коллегами из Федерального исследовательского центра «Информатика и управление» (ФИЦ ИУ) РАН и Научно-исследовательского института AIRI разработали новую технологию ориентации роботов в пространстве, которая позволяет машине не использовать глобальные системы позиционирования, быстрее планировать маршрут, меньше зависеть от ошибок и экономить память.
Для поиска пути применяется тот же принцип, который использует человеческий мозг. Робот не строит подробных карт местности, а запоминает основные ориентиры и связи между ними.
— Это похоже на то, как человек запоминает новое место. Мы не запоминаем каждую деталь, а выделяем основные ориентиры и связи между ними. Именно этот принцип лежит в основе технологии, которая называется PRISM-TopoMap, что делает ее практичным решением для автономной навигации роботов в реальных условиях, — сказал «Известиям» заведующий лабораторией интеллектуального транспорта МФТИ Дмитрий Юдин.
— Очень перспективный проект, расширяющий возможности навигации в недетерминированных средах. Несмотря на то что данные требуют большего числа экспериментов, даже на ранних этапах проекта эффективность его видна посредством сравнения с аналогами. Обучить систему ориентироваться в пространстве, при этом используя методы, которыми обычно пользуются люди, — самый эффективный путь разработки, но на этом пути много сложностей, которые еще предстоит преодолеть, — сказала эксперт рынка НТИ «Нейронет», заместитель генерального директора компании — производителя роботов ООО «Степень Свободы» Алиса Сотникова.
Систему можно использовать в перспективе не только для наземной робототехники, но и в других сферах применения мобильных роботов, добавила она.
Человечество приближаемся к эре, где роботы станут неотъемлемой частью повседневной жизни — от доставки грузов до помощи в медицине. Однако ключевой технической проблемой остается ориентирование роботов в помещениях без сигналов GPS/ГЛОНАСС, пояснил эксперт рынка «Нейронет» Дмитрий Ветошкин.
— Существующие методы, такие как Wi-Fi-маркеры, звуковые датчики или QR-коды, имеют ограничения. Полагаю, что разработчики предлагают инновационный метод, имитирующий человеческое восприятие: робот идентифицирует знакомые объекты и определяет свое положение относительно них. Это требует интеграции ИИ и нейросетей, обученных для конкретных локаций: склады, квартиры, промышленные зоны. После обучения система может масштабироваться на любое количество устройств — от дронов до человекоподобных андроидов. Решение актуально для логистики, медицины и других сфер, но требует доработки: тестирования в VR и реальных условиях, — сказал он.
Источник: Известия
Свежие комментарии