Аннотация результатов, полученных в 2019 году
В ходе отчетного этапа рассматривались задачи планирования траектории, картирования и локализации, представления знаний. Предложены новые, оригинальные методы, алгоритмы и модели. Опубликовано 9 работ. Была рассмотрена задача планирования совокупности неконфликтных траекторий для группы интеллектуальных агентов с возможностью совершения перемещения произвольной продолжительности и в произвольном направлении. Для решения этой задачи был предложен новый алгоритм, основанный комбинации конфликтно-ориентированного поиска и безопасно-интервального планирования. Проведены теоретические и эмпирические исследования алгоритма. Доказана его корректность, полнота и оптимальность. Результаты экспериментальных исследований свидетельствуют о применимости алгоритма для решения широкого класса задач. Разработанный алгоритм превосходит известные мировые аналоги по качеству отыскиваемых решений (сумма времен достижения целей по всем агентам) за счет возможности осуществлять действия в произвольном направлении. По результатам эксперимента разница достигает 21%. Программная реализация разработанного алгоритма открыта и доступна по ссылке https://github.com/PathPlanning/Continuous-CBS Была рассмотрена задача планирования траектории на плоскости и предложен новый подход к ее решению, основанный на применении генеративно-состязательных нейросетей. Целью генеративной компоненты является создание изображения-решения задачи планирования по имеющемуся изображению, на котором представлена окружающая среда агента, а также отмечены текущее и целевое положения. При обучении в качестве эталонных используются изображения с нанесенным путем, найденным с помощью алгоритма A*. Дискриминативная компонента решает задачу бинарной классификации, т.е. определяет относится ли изображение поданное на вход к классу эталонных или сгенерированных. В результате проведенных экспериментальных исследований установлена потенциальная применимость предложенной генеративной модели в задаче планирования траектории на плоскости. Число успешно решенных заданий превысило 72%. Модель показала способность к генерализации (т.е. возможность отыскания путей на картах, которые существенным образом отличаются от примеров, на которых происходило обучение). Результаты, полученные в ходе работы показали релевантность модели как инструмента для решения задачи планирования и потенциал в дальнейшем развитии предложенного подхода. Рассматривалась задача одновременного картирования и локализации по видеопотоку (vSLAM) в реальном времени для малогабаритной робототехнической системы. Предложен метод картирования и локализации, основанный на восстановлении карт глубин изображений и алгоритме RTAB-Map. Для восстановления глубин по изображениям разработаны архитектуры полносверточных нейронных сетей, обладающие высокой скоростью работы на маломощных встраиваемых системах. Проведено экспериментальное исследование полученных архитектур и их сравнение с другими методами восстановления глубины. В ходе исследования установлено, что разработанные архитектуры не уступают по скорости и качеству многим другим современным архитектурам полносверточных нейронных сетей. Также проведено тестирование предложенного метода vSLAM в реальном времени на встраиваемой системе NVIDIA Jetson TX2, в ходе которого установлено, что предложенный метод позволяет строить правдоподобную карту окружающей местности и выполняет локализацию в построенной карте с частотой 16 раз в секунду. Предложенный метод vSLAM программно реализован в формате ROS-узла. Программная реализация доступна по ссылке https://github.com/cnndepth/tx2_fcnn_node Предложена модель представления и обработки процедурных знаний робототехнических систем, которая определяется множеством типовых элементарных подзадач поведения, описываемых на основе фрейм-микропрограмм и фрейм-операций. Фреймовые структуры используют специальные процедуры вывода и позволяют формировать сложные программы функционирования, обеспечивающие решение задач в процессе целенаправленной деятельности в условиях неопределенности. Разработанные процедуры обработки знаний могут лечь в основу создания систем управления специализированными робототехническими системами, обладающими высокими функциональными возможностями. Дана постановка и предложено решение задачи траекторного движения группы беспилотных летательных аппаратов в сложных условиях. Сформулированы основные требования и ограничения к системе управления траекторным движением. Предложен алгоритм динамического планирования поведения группы БПЛА в среде с препятствиями. Получено решение задачи построения и отработки сложной траектории движения беспилотного летательного аппарата с применением локальных интерполирующих сплайнов и оптимизацией расположения узловых точек. Даны постановки и предложены схемы решения задач преследования-убегания для группы беспилотных летательных аппаратов в качестве преследователей и динамической цели при ветровой нагрузке в среде с препятствиями.

Аннотация результатов, полученных в 2020 году
Была рассмотрена задача планирования совокупности неконфликтных траекторий для группы мобильных агентов. Разработана модификация алгоритма многоагентного планирования, основанная на комбинации подходов конфликтно-ориентированного поиска и безопасно-интервального планирования. Предложенная модификация позволяет учитывать ориентацию агентов, время необходимое на ее смену, размеры, форму, скорость движения и поворота. При этом допускается, что агенты могут быть гетерогенными, т.е. обладать различными характеристиками. Предложен ряд оригинальных вспомогательных процедур, позволяющих сократить пространство поиска при планировании индивидуальных траекторий агентов, и, как следствие, оказывающих положительное влияние на время работы алгоритма. В результате проведения экспериментальных исследований установлено, что предложенный метод не уступает предшественнику (алгоритму, разработанному годом ранее) в скорости решения задач много-аганетного планирования, при том, что последний предназначен для гомогенных агентов и не учитывает ориентацию (и, соответственно, скорость вращения) агентов при планировании. Исходный код разработанного метода доступен для сообщества: https://github.com/PathPlanning/Continuous-CBS/tree/CCBS-kc. Рассматривалась задача планирования пути на плоскости в статической среде как задача контекстно-зависимой генерации изображения. Была предложен ряд модификаций предложенной ранее нейросетевой генеративно-состязательной модели для решения этой задачи. Модификации касаются использования блоков внимания в архитектуре нейронной сети, а также расчета функции потерь дискриминатора. Также предложен оригинальный способ комбинирования предсказаний вероятности нахождения пути в определенной области пространства и метода планирования, основанного на систематическом поиске. Экспериментально показано, что предложенный комбинированный метод существенно повышает вычислительную эффективность планирования траектории на плоскости при решения ряда практически значимых задач. Исходный код разработанной модели выложен в открытый доступ: https://github.com/PathPlanning/GAN-Path-Finder. Исследовалась задача одновременного картирования и локализации по видеопотоку нескольких робототехнических систем. Разработан комплексный метод её решения. Ключевым компонентом комплекса является нейросетевой метод восстановления глубины, разработанный на прошлом этапе работ по проекту, и способный обрабатывать видео-поток в реальном времени (при частоте обновления кадров 30 раз в секунду). Другими компонентами комплекса являются метод одновременного картирования и локализации по RGB-D данным и метод слияния индивидуальных карт. Комплекс является модульным и допускает возможность замены отдельных алгоритмов, исходный код его компонент находится в открытом доступе: https://github.com/CnnDepth/tx2_fcnn_node. С использованием фотореалистичного симулятора Habitat разработана коллекция данных для проведения экспериментальных исследований алгоритмов объединения карт. Коллекция находится в открытом доступе: https://github.com/CnnDepth/matterport_overlapping_maps. С её использованием проведено экспериментальное исследование разработанного комплекса. Результаты показали состоятельность предложенного подхода для решения задачи картирования и локализации нескольких робототехнических систем в реальном времени. Разработана концепция интеллектуально-геометрического управления, направленная на решение задачи совместного применения в составе роботизированной системы дополняющих друг друга методов точного геометрического и гибкого интеллектуального управления. Дана общая постановка задачи безопасного формирования строя БПЛА в недетерминированной среде при наличии ветровой нагрузки и препятствий. Разработана общая схема решения задачи формирования строя, предполагающая получение опорного плана и его последовательное улучшение. Опорный план формируется путем решения задачи о назначениях модифицированным венгерским методом. Осуществлен выбор математических и имитационных моделей летательных аппаратов как объектов интеллектуально-геометрического управления. Разработана система моделирования, которая содержит специальные модули оперативного реагирования на изменения во внешней среде. Получено экспериментальное решение различных траекторных задач, включая задачи формирования строя и преследования-убегания в сложных условиях.