Область научных интересов:

• искусственный интеллект;
• интеллектуальная робототехника;
• автоматическое планирование, планирование траектории;
• эвристический поиск;
• многоагентные системы;
• картирование и локализация;
• когнитивные агенты.

Я веду исследования 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, теории автоматического управления, когнитивного моделирования и др.

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

Видео || Методы и модели || Простым словами

Видео

Видео иллюстрируют результаты исследований, в которых я принимал непосредственное участие.

Методы, алгоритмы, модели

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

1. Алгоритмы централизованного планирования совокупности неконфликтных траекторий для группы агентов. Основное отличие от имеющихся аналогов — возможность перемещения агентов в любом направлении, и совершения действий любой продолжительности, в то время как обычно, допускается смена направления движения только в 4-х направлениях (север, юг, запад, восток), а время дискретно.
   • CCBS — алгоритм , гарантирующий построение оптимальных решений задачи много-агентного планирования в непрерывном времени.
   • AA-SIPP(m) — алгоритм приоритизированного планирования, допускающий возможность перемещения в произвольном направлении.
   • Улучшенный алгоритм AA-SIPP(m), предусматривающий возможность вращения и  агентов различного размера.
   • Методы повышения эффективности приоритизированного планирования.
   • Алгоритм устранения конфликтов для точечных агентов на основе локального перепланирования и/или задержек на старте.
   • Алгоритм устранения конфликтов на основе планирования задержек без изменения геометрической формы траекторий.
2. Алгоритмы планирования траектории для одного агента.
   • GAN-Finder — метод планирования траектории, основанный на машинном обучении и генерации изображений (предварительные результаты).
   • LIAN — семейство алгоритмов планирования траектории, не содержащей резких поворотов (следование по таким траекториям более предпочтительно для некоторых типов мобильных роботов, например, для коптеров, осуществляющих полет на постоянной скорости). Статья на русском (и ещё одна). Статья на английском (и ещё одна).
3. Алгоримы визуального картирования и локализации.
   • Алгоритм построения карт глубины по видеопотоку единственной камеры, работающий в реальном времени на бортовом вычислителе NVidia Jetson.
   • Алгоритм обнаружения замыкания траектории, применимый при картировании и локализации по видеопотоку единственной камеры.
   • Алгоритмы обработки разреженных облаков точек, полученных методами одновременного картирования и локализации по видеопотоку единственной камеры.
     Статья.
4. 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 русском (и ещё одна). Статья на английском.

Простыми словами

Я с коллегами занимаюсь задачами, решение которых позволит сделать мобильных агентов, например — мобильных роботов, немного умнее. При этом мы не занимаемся железками, т.е. не конструируем самих роботов. Нам как исследователям важны, прежде всего, те алгоритмы, благодаря которым они могут решать сложные задачи в автономном режиме. Именно поэтому мы обычно проводим модельные эксперименты, которые выглядят как «прыгающие точки на экране». Применение разрабатываемых нами методов и алгоритмов на реальных машинах — отдельная задача, требующая существенных усилий, и 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, на мой взгляд, некорректная фраза, т.к. искусственный интеллект — это (в академическом понимании) 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 мобильными агентами».

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.