Ученые МФТИ разработали систему локализации роботов MSSPlace, объединяющую разнородную информацию от сенсоров: оптических камер, лидаров (лазерных дальномеров), а также текстовые описания локаций и объектов. Комбинирование данных с помощью нейросетевых методов позволяет роботам ориентироваться в пространстве при любом освещении, погоде, а также при отсутствии спутниковой навигации или в зданиях и помещениях, где спутниковый сигнал ослаблен. Специалисты проверили систему на роботах в пределах кампуса МФТИ и полномасштабных открытых наборах данных Oxford RobotCar и NCLT, а результаты работы опубликованы в журнале IEEE Access.
Одна из особенностей подхода в том, что роботы должны заранее проехать по какой-то территории и запомнить промежуточные фреймы ― данные с разных сенсоров. При этом сохранять каждый кадр не нужно, а их частота зависит от типа территории, на которой находится робот: на улице шаг съемки может быть больше, чем в помещении ― это позволяет значительно экономить ресурсы. В результате формируется база знаний, обращаясь к которой робот может определить свое местоположение, рассказал корреспонденту портала «Научная Россия» заведующий лабораторией интеллектуального транспорта Центра когнитивного моделирования МФТИ Дмитрий Юдин.
«Мы разработали архитектуру нейронной сети и способ ее обучения, которые позволяют формировать дескрипторы ― компактные цифровые описания местоположения. Эти дескрипторы для одного и того же места похожи и при дневной съемке, и при ночной, в снег, дождь и ясную погоду. Мы формируем базу знаний, с помощью которой роботы могут локализоваться, и уже получили неплохие показатели качества: в помещениях система показала медианную ошибку определения координат меньше полуметра, на улице средняя ошибка не превышает двух метров», ― рассказал Дмитрий Юдин.
Ученый добавил, что подобные технологии и мультимодальный подход к навигации активно развиваются во всем мире. Дескрипторы снижают требования к количеству данных, которые необходимы для определения местоположения ― в перспективе для создания более широких баз знаний возможно будет использовать открытые источники, в том числе изображения и фото с цифровых карт.
«Этой технологией интересуются компании ― она действительно позволяет на основе уже имеющихся сенсоров, установленных на автомобилях или роботах, решать задачи локализации. Потенциально технология позволит разработать и приложение для смартфонов, которое поможет определять местоположение с помощью камеры», ― отметил Дмитрий Юдин.
Разработанное программное решение с открытым кодом включено в состав программной библиотеки OpenPlaceRecognition, использовать которую может каждый.
Новость подготовлена при поддержке Министерства науки и высшего образования РФ
Фото: abidal / ru.123rf.com
