
Метод PRISM-TopoMap, разработанный учеными из ФИЦ ИУ РАН, МФТИ и AIRI, дает возможность роботам создавать гибкие топологические карты. Эти карты помогают им эффективно ориентироваться в динамично меняющемся окружении. Испытания показали, что метод превосходит существующие решения, о чем сообщили в статей IEEE Robotics and Automation Letters.
Сегодня роботы активно применяются в различных сферах: погрузчики на складах обрабатывают массивы грузов, дроны-курьеры доставляют посылки, а марсоходы исследуют удаленные планеты, где традиционная навигация недоступна.
Для ориентации в пространстве инженеры часто используют метрические карты — детализированные изображения местности. Однако такие карты требуют много памяти и могут накапливать ошибки, что приводит к сбоям в работе. В отличие от них, топологические карты фиксируют связи между ключевыми объектами, представляя их в виде графа. Это позволяет роботам быстрее планировать свои перемещения.
Созданный метод PRISM-TopoMap использует несколько современных технологий обработки данных и решает проблемы, возникающие с положением робота в графе. Сначала робот анализирует изображения с камер и данные лидара с помощью алгоритма распознавания мест MSSPlace-G, что позволяет эффективно идентифицировать локации, даже при изменении условий освещения и ракурса.
“Это похоже на то, как человек запоминает новое место, выделяя ключевые ориентиры, а не фиксируя детали. Этот принцип лег в основу PRISM-TopoMap”, — отметил один из авторов исследования Дмитрий Юдин, старший научный сотрудник МФТИ.
Метод PRISM-TopoMap позволяет роботам строить и обновлять карты еще во время движения, экономя ресурсы и не полагаясь на глобальные координаты. Испытания показали, что метод способен быстро и точно создавать карты даже при наличии погрешностей в данных, эффективно покрывая изучаемую область.
“Наши эксперименты показали, что PRISM-TopoMap работает быстрее и эффективнее аналогов, обеспечивая полное покрытие пространства”, — подчеркнул инженер Лаборатории интеллектуального транспорта МФТИ Александр Мелехин.
В дальнейшем исследователи планируют развивать способности системы, включая понимание типов помещений, что сделает навигацию еще более точной и осмысленной. “С помощью новых возможностей, таких как распознавание типов объектов, мы сможем выполнять различные навигационные задачи, включая доставку между зданиями”, — добавил младший научный сотрудник ФИЦ ИУ РАН Кирилл Муравьев.
Исследование поддержано Министерством науки и высшего образования РФ (проект 075-15-2024-544).
Источник фото: ru.123rf.com





