Российские специалисты научили подвижных роботов ориентироваться в незнакомых помещениях

Чтобы передвигаться в сложных интерьерах, роботу необходимо уметь вычислять расстояния до предметов.

Чтобы передвигаться в сложных интерьерах, роботу необходимо уметь вычислять расстояния до предметов.
Фото Pixabay.

Система искусственного интеллекта, разработанная российскими исследователями, работает даже на маломощном бортовом компьютере мобильного робота.

Чтобы робот, будь он спасателем или курьером, мог эффективно и безопасно двигаться в незнакомом помещении, ему необходимо построить его "мысленную" карту и проложить по ней маршрут.

Для этого сотрудники Института проблем искусственного интеллекта ФИЦ "Информатика и управление" РАН (ФИЦ ИУ РАН) разрабатывают методы и алгоритмы, превращающие снятое подвижным устройством видео в план помещения.

По видеопотоку трудно определить точное расстояние до окружающих предметов, а это очень важно для построения карты. Эту задачу специалисты решают с помощью самообучающихся нейронных сетей.

Проблема заключается в том, что такие системы обычно требуют для своей работы мощного "железа". Мобильный робот не всегда может унести и обеспечить энергией подобное оборудование.

В ФИЦ ИУ РАН обошли это ограничение, разработав искусственный интеллект, не требующий особой вычислительной мощности.

"В этой работе мы создали такую нейросеть, которая, с одной стороны, качественно определяет расстояние до объектов в пространстве, а, с другой, быстро работает на маломощных компьютерах, таких как Nvidia Jetson, – рассказывает один из авторов исследования Константин Яковлев.

Эта система имеет архитектуру "энкодер-декодер", которая часто используется при решении подобного рода задач. Энкодер – это часть нейросети, которая определяет нужные параметры цветного изображения. Можно сказать, что она описывает изображение на некотором языке. Декодер по этим данных вычисляет расстояния до окружающих объектов.

"Наше новшество состоит в том, что мы методом проб и ошибок существенно упростили структуру декодера, а также внесли улучшения в процесс обучения: изменили структуру функции потерь. За счёт этого сеть работает быстро и при этом достаточно хорошо определяет расстояния до объектов", – поясняет Яковлев.

Полученная таким образом карта глубины используется для построения общей трёхмерной карты окружающего пространства.

Работа проходила в рамках проекта, поддерживаемого Российским научным фондом. Её результаты представлены на конференции European Conference on Mobile Robotics.

К слову, ранее "Вести.Наука" (nauka.vesti.ru) писали о роботе, видящем сквозь дым, и об устройстве, способном пролезть в любую щель.