Ученые ФИЦ «Информатика и управление» РАН разработали метод навигации роботов, основанный на топологическом картировании и описании структур, зафиксированных датчиками. Такой подход к локализации позволит ориентировать роботов без значительных расходов памяти. Работа была отмечена среди ключевых научных достижений российских ученых 2025 г. на общем собрании членов РАН.
Существующие методы ориентации роботов преимущественно основаны на метрических картах ― это набор клеток или облако из огромного количества точек в трехмерном пространстве, создающие детальный образ. В ситуации, когда робот перемещается на дальние расстояния, такие карты тратят большие объемы ресурсов, вплоть до того, что могут не поместиться в памяти машины. Результат ученых ФИЦ ИУ РАН демонстрирует новый подход к картированию ― вместо постройки плотной геометрической карты описываются отдельные структуры и связи между ключевыми местами, рассказал научный сотрудник федерального исследовательского центра, кандидат технических наук Кирилл Муравьев.
«Работа посвящена картированию и локализации ― сначала робот должен построить карту, а потом ориентироваться по ней, прокладывать маршрут и в каждый момент времени понимать, где находится. Допустим, робот двигается в помещении ― необходимо описать связность помещений, комнат и коридоров. На улице это могут быть отдельные объекты и локации», ― рассказал Кирилл Муравьев.
Система навигации полностью автономна, опирается на информацию от сенсоров, но не требует данных со спутников. Робот строит карту с нуля и одновременно начинает определять на ней свое положение ― это методология SLAM (Simultaneous Localization And Mapping), которая обычно применяется в работе с геометрическими картами. Ученым ФИЦ ИУ РАН удалось перенести ее для работы с топологическими картами.
Как отметил Кирилл Муравьев, такой подход исследуется многими научными коллективами в мире, но впервые воплотить его в программе, установленной на робота, удалось в России.
«При разработке такого подхода возникают сложности с похожими друг на друга объектами. Когда мы проводили эксперименты в здании, то столкнулись с тем, что один фрагмент коридора очень похож на другой и робот может их путать. Но в помещении есть четкая геометрия: углы стен прямые, а столы, стулья и шкафы имеют определенную форму. Улица ― гораздо более сложная среда для ориентации робота: например деревья для робота ― это одинаковые бесформенные объекты. Научные задачи, которые мы сегодня решаем, связаны именно с ориентированием на местности без конкретных объектов. Например, это может быть дорога в поле с фонарными столбами на обочине ― беспилотный автомобиль должен ориентироваться и не теряться в такой ситуации. Также мы работаем над добавлением семантической информации ― система должна понимать, где находится условное дерево и описать его, а где встречный автомобиль, который не нужно наносить на карту, так как он переместится», ― отметил Кирилл Муравьев.
Программный продукт зарегистрирован в Роспатенте, а результаты научной роботы опубликованы в журнале IEEE Robotics and Automation Letters.
Новость подготовлена при поддержке Министерства науки и высшего образования РФ
Изображение: naratrip / ru.123rf.com
