Исследования

Исследования

Область научных интересов:

  • искусственный интеллект;
  • интеллектуальные системы управления;
  • интеллектуальные динамические системы;
  • интеллектуальная робототехника;
  • автоматическое планирование;
  • планирование траектории;
  • эвристический поиск;
  • многоагентные системы;
  • когнитивные агенты.

Я веду исследования и разработки в области методов и алгоритмов, применимых для создания систем управления интеллектуальными агентами (мобильными роботами, беспилотными автомобилями, дронами, персонажами компьютерных игр и пр.), которые бы позволяли этим агентам:

  • быть автономными, т.е. способными действовать в сложной, динамической среде без участия оператора (человека);
  • быть адаптивными, т.е. способными эффективно выполнять возложенные на них задачи в условиях возникновения нештатных ситуаций, непредвиденных обстоятельств и пр.;
  • взаимодействовать как между собой, так и с человеком для эффективного решения поставленных задач.

Создание таких интеллектуальных систем управления — комплексная задача, для успешного решения которой необходимо использование методов и моделей искусственного интеллекта (в т.ч. машинного обучения), теории автоматического управления, когнитивного моделирования.

В настоящий момент меня более других интересуют вопросы применения методов искусственного интеллекта для решения основных задач навигации: локализации, картирования и планирования траектории.


Видео || Методы и модели || Простым словами


Видео

Видео иллюстрируют некоторые результаты в указанных выше областях (планирование траектории, локализация, картирование).




Методы, алгоритмы, модели

Ниже указаны разработанные при моем участии методы и алгоритмы планирования траектории, картирования, локализации, а также публикации, в которых эти методы/алгоритмы описываются. Полная информация о публикациях представлена в соответствующем разделе.

  1. Алгоритмы планирования совокупности неконфликтных траекторий для группы агентов, основанные на приоритизированном подходе и безопасно-интервальном планировании. Основное отличие от имеющихся мировых аналогов — возможность перемещения агентов в любом направлении, в то время как обычно, допускается смена направления движения только в 4-х направлениях (север, юг, запад, восток).
  2. Алгоритм планирования траектории с учетом геометрических ограничений — LIAN (и его модификации). Алгоритм позволяет отыскивать, не содержащие резких поворотов (ограничение на угол поворота задается в качестве входного параметра). Следование по таким траекториям более предпочтительно для некоторых типов мобильных роботов, например, для коптеров, осуществляющих полет на постоянной скорости.
    Статья на русскомещё одна). Статья на английскомещё одна).
  3. Алгоритм обнаружения замыкания траектории, применимый при картировании и локализации по видеопотоку единственной камеры. Алгоритм повышает эффективность процедуры обнаружения за счет сокращения области поиска возможного замыкания на основе ряда эвристических правил.
    Статья.
  4. Алгоритмы обработки разреженных облаков точек, полученных методами одновременного картирования и локализации по видеопотоку единственной камеры. Алгоритм предназначен для фильтрации выбросов и повышения числа точек для того, чтобы последующая конвертация в метрические модели местности (voxel grid, octo-map) приводила к более качественным результатам.
    Статья.
  5. Многоуровневая архитектура интеллектуальных систем управления автономными агентами (мобильными роботами, беспилотными автомобилями, дронами и др.) — STRL (от англ. «Strategic, Tactic, Reactive, Layered). Архитектура описывает 3 уровня управления интеллектуальным агентом — стратегический, тактический и реактивный. Система управления, построенная по такой архитектуре, отличается высокой универсальностью и обеспечивает возможность решения широкого круга задач за счет интеграции подходов искусственного интеллекта, когнитивного моделирования и автоматического управления.
    Статья на русскомещё одна). Статья на английском.

Простыми словами

Я с коллегами пытаюсь делать различных роботов немного умнее. При этом мы не занимаемся железками, т.е. не конструируем самих роботов, а разрабатываем для них управляющее программное обеспечение. То есть нам как исследователям важны не сами роботы, а те алгоритмы, благодаря которым они могут решать сложные задачи в автономном режиме. Именно поэтому мы зачастую проводим модельные эксперименты, которые выглядят как «прыгающие точки на экране». Применение разрабатываемых нами методов и алгоритмов на реальных машинах — отдельная задача, требующая существенных усилий для решения множества инженерно-технических проблем (мы ей почти не уделяем внимания из-за дефицита времени и компактности исследовательской команды).

В средствах массовой информации то, чем мы занимаемся, назвали бы «разработкой Искусственного Интеллекта для роботов». Это некорректная фраза, т.к. искусственный интеллект — это область науки, такая же как, например, математика или химия. Вы же не пишите «Математика» с большой буквы. Теперь представьте фразу «разработка математики для роботов» — звучит странно. Поэтому корректно говорить — «мы занимаемся применением методов и моделей искусственного интеллекта для создания систем управления роботами».

Важно отметить, что человечество ещё весьма далеко, на мой взгляд, от создания полностью автономных, адаптивных, способных к полноценному взаимодействию машин, которые так часто становятся героями фантастических фильмов и сериалов. Слишком много в этой области нерешенных научных и инженерных задач. Это и делает её привлекательной для исследований и разработок.