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, ведущий научный сотрудник Института искусственного интеллекта AIRI 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
