Она основана на фиксации машиной основных ориентиров и взаимосвязей между ними, как это делает человеческий мозг. Подход позволяет отказаться от построения громоздких детализированных карт, экономить вычислительные мощности и находить дорогу даже в условиях непрерывного изменения положения объектов. По словам экспертов, разработка открывает возможность для повсеместного внедрения автономных роботов.
Как робот ищет дорогу
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.
Робот представляет местность в виде графа — математической абстракции любой естественной системы. Для правильной ориентации важно правильно определить местоположение на нем машины. Однако существующие методы на основе машинного обучения часто дают ошибку при распознавании мест. Новый метод топологического картографирования PRISM-TopoMap (Place Recognition and Integrated Scan Matching for Topological Mapping) сочетает сразу несколько современных технологий обработки данных, чтобы решить эту проблему.
Сначала изображения с камер и данных лидара анализируются с помощью улучшенного алгоритма распознавания. Это позволяет роботу узнавать места даже в случае, когда освещение и ракурс изменились. Прежде чем добавить новую локацию в карту, робот сопоставляет ее с тем, что уже известно, а затем строит схему узлов и связей.
Технология позволяет роботам строить и обновлять карту прямо во время движения. Чтобы оценить эффективность технологии, ученые протестировали ее на пяти больших помещениях в компьютерной симуляции и на реальном колесном роботе, а затем сравнили его с другими метрическими и топологическими методами.
— Наши эксперименты в виртуальных 3D-средах и испытания на реальном роботе показали, что новый метод успешно строит точные и связные карты-схемы даже при наличии погрешности измерений датчиков. Он не только обеспечивает полное покрытие пространства, но и работает значительно быстрее, дешевле и эффективнее существующих аналогов, — рассказал инженер лаборатории интеллектуального транспорта Александр Мелехин.
В будущем разработчики планируют научить систему понимать тип и назначение помещений: различать кухни, коридоры, склады, а также усовершенствовать алгоритмы прокладки маршрутов по создаваемым схемам. Это сделает навигацию роботов еще более точной и осмысленной в реальных условиях.
— Карты, построенные нашим методом, позволяют очень быстро и легко прокладывать маршруты вплоть до нескольких километров. Добавив распознавание типов помещений и объектов внутри них, мы можем обеспечить выполнение разных навигационных задач, включая автоматизированную доставку между зданиями, — сказал младший научный сотрудник ФИЦ ИУ РАН Кирилл Муравьев.
Методика найдет применение там, где нет возможности использовать глобальные системы позиционирования. Например, в закрытых помещениях или для исследования других планет.
Когда роботы станут автономными
— 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.
В условиях реальной жизни положение объектов в помещениях или среде города непрерывно изменяется, поэтому создание модели, способной фиксировать статические и динамические элементы, необходимо для разработки автономных роботов. Например, уборщиков или доставщиков. Сейчас большая часть их мощности уходит на то, чтобы ориентироваться в изменяющей обстановке. Если они смогут делать сверку по мобильным и статичным предметам, это позволит этим устройствам концентрироваться на выполнении своих основных задач и лучше с ними справляться, резюмировал заведующий кафедрой инжиниринга технологического оборудования НИТУ МИСИС Алексей Карфидов.