Учёные МФТИ научили роботов ориентироваться по принципу человеческой памяти
Метод топологического картографирования PRISM-TopoMap, созданный совместно учёными ФИЦ ИУ РАН, МФТИ, AIRI, позволяет роботам строить гибкие топологические карты, помогающие ориентироваться в постоянно меняющейся среде. Решение протестировано в виртуальных средах, а также на реальных устройствах и превосходит существующие аналоги. Результаты проекта представлены в научном журнале IEEE Robotics and Automation Letters.
Современные роботы активно используются в разных сферах: на складах автономные погрузчики ежедневно перемещают тонны грузов, дроны-курьеры доставляют посылки в городах, а марсоходы исследуют далекие планеты в условиях, где традиционные системы навигации недоступны.
Чтобы робот ориентировался в пространстве, инженеры часто создают метрические карты — подробные изображения местности, на которых отмечена каждая деталь. Однако они занимают гигабайты памяти, со временем в них накапливаются ошибки, которые приводят к сбоям.
Альтернативное решение — топологические карты. Вместо детальной геометрии они фиксируют связи между ключевыми местами, представляя их в виде графа. Это позволяет роботу быстрее планировать маршрут, меньше зависеть от ошибок и экономить память. Самое главное здесь — определить точное местоположение робота в графе. Здесь существующие методы, использующие машинное обучение для распознавания мест, могут ошибаться.
Новый метод топологического картографирования PRISM-TopoMap (Place Recognition and Integrated Scan Matching for Topological Mapping), совместно разработанный учёными МФТИ, ФИЦ ИУ РАН и AIRI, сочетает несколько современных технологий обработки данных, решая эту проблему.
Сначала изображения с камер и данных лидара анализируются с помощью улучшенного алгоритма распознавания места MSSPlace-G. Это позволяет роботу узнавать места даже в случае, когда освещение и ракурс изменились. Прежде чем добавить новую локацию в карту, робот сопоставляет ее с тем, что уже известно, а затем строит схему узлов и связей.
PRISM-TopoMap позволяет роботам строить и обновлять карту прямо во время движения, не зависеть от глобальных координат, а также экономить память и вычислительные ресурсы.
Чтобы оценить эффективность PRISM-TopoMap, учёные протестировали его на пяти больших помещениях в компьютерной симуляции и на реальном колесном роботе, а затем сравнили его с другими метрическими и топологическими методами.
Результаты работы методов SLAM и их сравнение с эталонной картой (Ground Truth) и метрической картой RTAB-Map. ORB-SLAM, Hydra, IncrementalTopo построили разрывные недостаточно связные графы. GLIM создал плотную карту, но с большим количеством лишних деталей. RTAB-Map покрыл не всё пространство. PRISM-TopoMap обеспечил точный и связный граф с максимальным покрытием среды.
В будущем учёные планируют научить систему понимать тип и назначение помещений: различать кухни, коридоры, склады, а также усовершенствовать алгоритмы прокладки маршрутов по создаваемым схемам. Это сделает навигацию роботов ещё более точной и осмысленной в реальных условиях.
Исследование поддержано Министерством науки и высшего образования РФ (проект 075-15-2024-544).