Российские математики и инженеры разработали метод, позволяющий роботам максимально быстро и эффективно объезжать препятствия в людных местах. Разработка использует технологии машинного обучения и предназначается для роботов-дезинфекторов, инвентаризаторов и парковщиков, сообщила во вторник пресс-служба Сколтеха.
"Мы создали систему, которая работает в том числе с некруглыми и неомниколесными роботами и превосходит стандартные решения по планированию движения. В центре нашего метода - понятие нейронного поля, которое до сих пор мало применялось в планировании движения", - заявил научный сотрудник Сколтеха Михаил Куренков, чьи слова приводит пресс-служба вуза.
За последние годы ученые значительно продвинулись в разработке систем искусственного интеллекта и создали нейросети, способные выполнять нетривиальные задачи и даже "мыслить" креативно. Например, недавно математики из США создали систему искусственного интеллекта, способную распознавать следы меланомы, рака кожи, а их российские коллеги разработали нейросеть, выявляющую очаги эпилепсии.
Куренков и его коллеги приспособили подобные алгоритмы для решения еще одной важной научно-практической задачи - выбора оптимальной траектории движения роботов в сложно устроенных помещениях с большим числом препятствий, а также в различных общественных и людных местах.
Новый алгоритм для роботов
Для решения этой задачи российские математики использовали системы машинного обучения, построенные на концепции так называемых нейронных полей. Так ученые называют воображаемые двухмерные или многомерные поля, каждая точка которых характеризуется особым параметром, которое исследователи называют "занятостью". Оно отражает то, как много препятствий находится в этом регионе пространства.
Подобный подход, как предположили Куренков и его коллеги, потенциально способен решить две главные проблемы, характерные для уже существующих алгоритмов, которые помогают роботам обходить препятствия и искать путь к цели - их неспособность быстро и точно вычислять короткие маршруты, а также их тенденция совершать большое число "неестественных" поворотов во время движения.
Руководствуясь этими соображениями, российские математики объединили нейронные поля с уже существующими алгоритмами по оптимизации траектории движения роботов и сравнили скорость и эффективность работы подготовленного ими подхода с итогами работы двух общепринятых систем поиска пути. Последующие тесты показали, что новая разработка превосходила конкурентов в качестве работы примерно на 25%.
Кроме того, она вырабатывала более естественные траектории движения роботов, число резких поворотов на месте в которых было в среднем на 75% меньше, чем при использовании классических подходов. Это, как отмечают исследователи, выгодно отличает их разработку от конкурирующих алгоритмов.