Учёные ФИЦ ИУ РАН, МФТИ и AIRI представили уникальный метод топологического картографирования PRISM-TopoMap, который позволяет роботам уверенно ориентироваться в меняющейся обстановке, используя принципы, схожие с работой человеческой памяти. Передовые эксперименты в цифровой и реальной среде уже показали превосходство этого подхода над традиционными решениями.
Роботы и новые вызовы навигации
Сегодня роботы активно внедряются в промышленность, логистику, городскую инфраструктуру и даже применяются для изучения других планет. Автоматические складские погрузчики перемещают тысячи товаров ежедневно, дроны обеспечивают бесконтактную доставку, а исследовательские аппараты отправляются туда, где ориентация по GPS невозможна. Однако этому развитию сопутствуют и новые технологические вызовы: роботы должны быстро и точно понимать, где они находятся, строить эффективные маршруты и в считанные секунды приспосабливаться к переменам в обстановке.
Недостатки старых подходов и преимущества топологических карт
На протяжении многих лет навигация роботов базировалась на метрических картах — подробных схемах, фиксирующих каждую мельчайшую деталь окружающего пространства. Такие карты требовали значительных вычислительных ресурсов и памяти, к тому же постепенно накапливали ошибки, что приводило к сбоям в работе роботов.
Топологические карты стали альтернативой: они фокусируются не на мелких деталях, а на ключевых узловых точках и связях между ними. За счет этого такие схемы оказываются намного проще, быстрее в обработке и требуют меньше ресурсов хранения. Однако главная трудность — корректное определение местоположения робота в этой схеме; существующие методы на основе машинного обучения не всегда дают точный результат.
PRISM-TopoMap: революция в навигации
Решение этих задач стало возможным благодаря инновационной разработке — гибридному методу PRISM-TopoMap (Place Recognition and Integrated Scan Matching for Topological Mapping), созданному при участии таких экспертов, как Дмитрий Юдин, Александр Мелехин и Кирилл Муравьёв. В этой системе последовательно объединены современные технологии обработки данных с использованием улучшенного алгоритма MSSPlace-G для распознавания мест и уточнённого сопоставления сканов с помощью лидара и камер.
Робот при передвижении анализирует изображения и данные лидаров, обнаруживает ключевые точки — даже если меняется освещение или угол обзора, а перед добавлением новой локации в карту проводит сверку с уже известными ориентирами. В итоге формируется простая, понятная для обработки человеком и машиной сеть узлов и связей, по которой робот может эффективно планировать свои действия.
Как отмечает Дмитрий Юдин, подход PRISM-TopoMap схож с тем, как память человека фиксирует не все детали, а лишь важные ориентиры и взаимосвязи между ними. Благодаря этому роботы учатся воспринимать окружающую среду гораздо точнее и осмысленнее.
Тестирование и результаты: превосходство новой системы
Для проверки эффективности разработанного метода были проведены масштабные эксперименты — от компьютерных симуляций до реальных испытаний на колесных роботах в различных помещениях. В ходе тестирования PRISM-TopoMap уверенно обошёл классические метрические и топологические схемы: карты строились быстрее, требовали значительно меньше памяти и обеспечивали полное покрытие пространств, несмотря на неизбежные погрешности датчиков.
Александр Мелехин отмечает, что новая система обеспечила высокую связность схемы и быструю прокладку маршрутов на расстояния вплоть до нескольких километров. Кроме того, экономятся вычислительные ресурсы, что особенно важно для мобильных и ресурсоограниченных устройств.
Будущее PRISM-TopoMap: новые горизонты интеллектуальной навигации
Научная команда смотрит в будущее с оптимизмом и уже поставила перед собой новые задачи. Планируется научить роботов не только определять своё местонахождение, но и понимать назначение и тип помещений — будь то кухня, коридор или склад. Разработка интеллектуальных алгоритмов распознавания и маршрутизации позволит роботам взаимодействовать с инфраструктурой максимально осознанно и безопасно, обслуживая самые различные задачи городской и промышленной среды.
Кирилл Муравьёв подчёркивает, что совершенствование методов картографирования даст возможность выполнять даже сложные сценарии — например, координировать доставку грузов между зданиями или создавать удобные маршруты для автономного перемещения на больших площадях. Внедрение таких решений выведет робототехнику на принципиально новый уровень эффективности и надежности.
Поддержка исследований и вклад в прогресс
Разработка PRISM-TopoMap реализована при поддержке Министерства науки и высшего образования РФ, открывая российской науке путь к новым технологическим достижениям в области автономной навигации. Позитивные результаты проекта уже вызывают интерес в профессиональном сообществе и подтверждают высокий потенциал синергии между ФИЦ ИУ РАН, МФТИ и AIRI.
Объединённые усилия ведущих российских институтов и молодых талантливых ученых дают впечатляющий результат и способствуют развитию современных навигационных решений, которые уже сегодня делают роботов умнее, гибче и автономнее. Будущее за интеллектуальной навигацией, и PRISM-TopoMap уверенно двигается к своей роли эталона для робототехники следующего поколения.
Источник: scientificrussia.ru
