Навигационно-управляющий комплекс роботов на базе нейросетей глубокого обучения

Номинация:
Алгоритмы и программные решения в области ИИ и больших данных

Описание проекта:
Проект направлен на разработку и апробацию алгоритмов и технологий искусственного интеллекта применительно к разнородному робототехническому комплексу (РТК). В рамках проекта действует концепция единого информационно-навигационного поля, формируемого с борта БпЛА, оснащенного системой технического зрения. Для решения данной задачи БпЛА производит съемку подстилающей поверхности, после чего нейронная сеть извлекает вектор признаков фрагмента и находит его координаты в пространстве признаков карты, а также производит распознавание и определение координат объектов интереса на театре действий. Извлеченная информация векторизуется, и в сжатом виде карта с формулярами объектов интересов передается наземной группе. На основе полученной информации о расположении препятствий, собственных координатах и координатах других участников на борту членов наземной группы РТК производится решение задач планирования маршрута и действий на базе алгоритмов машинного обучения с подкреплением.

Результаты:
1. Базирующиеся на новых подходах алгоритмы и технологии автономной навигации малых и средних беспилотных летательных аппаратов (БпЛА) по визуальным данным на основе искусственных нейронных сетей (ИНС) с улучшенными характеристиками (реализовано в рамках НИОКР «Защитник-2019»).
2. Обладающие улучшенными характеристиками алгоритмы и технологии автономного обнаружения, классификации и определения координат объектов интереса по визуальным данным с борта БпЛА среднего класса на основе ИНС (реализовано в рамках НИОКР «Защитник-2019» МО РФ).
3. Уникальные по постановке задач алгоритмы и технологии автономного принятия решений РТК на базе методов машинного обучения с подкреплением, разработанные при поддержке Фонда перспективных исследований РФ.
4. Первые в мире алгоритмы и технологии обнаружения малоконтрастных объектов интереса на основе анализа посредством ИНС поляризационных свойств подстилающей поверхности и материалов объекта интереса (реализовано в рамках НИОКР «Защитник-2019» МО РФ).
5. Имитационно-моделирующие комплексы для исследования эффективности применения РТК, разработанные в рамках НИОКР «Защитник-2019» и «Маркер».
6. Демонстратор технологии обнаружения малоконтрастных объектов интереса на основе анализа посредством ИНС поляризационных свойств подстилающей поверхности и материалов объекта интереса, реализованный в рамках НИОКР «Защитник-2019» МО РФ.
7. Демонстратор разработанных технологий автономной навигации, обнаружения, классификации и определения координат объектов интереса по визуальным данным на базе разнородной группы РТК повышенной автономности в составе наземного и воздушного звеньев, разработанный в рамках НИОКР «Защитник-2019» МО РФ и «Маркер» Фонда перспективных исследований РФ.

Внедрение:
Результаты внедрены при выполнении 4 НИОКР в 7 организациях.
С использованием результатов НИОКР произведен ряд образцов автономных робототехнических комплексов, на сегодняшний день проходящих полевые испытания, в том числе в зоне СВОГ: автономная группа РТК из наземных платформ «Маркер» и автономная группа из воздушных платформ «Защитник-2019» в составе средств квадрокоптерного и самолетного типов.

Эффекты от внедрения:
1. Разработанная технология автономной навигации БпЛА по визуальным данным позволяет повысить автономность РТК за счет возможности продолжения полета по заданному пути в условиях ведения радиоэлектронной борьбы. Это повышает вероятность выполнения поставленной задачи и уменьшает вероятность потери борта. При этом, в сравнении с аналогичными системами, технология позволяет уменьшить время подготовки семантической карты признаков местности и увеличить точность определения координат.
2. Разработанная технология автономного обнаружения, классификации и определения координат объектов интереса на борту БпЛА позволяет расширить его функциональность, повысить автономность, а также уменьшить радиозаметность за счет снижения количества информации, необходимой для передачи на пост управления. Кроме того, за счет большого поля зрения и высокой допустимой скорости носителя повышается производительность разведки территории во времени, а за счет работы детектора-классификатора непосредственно на борту повышается надежность обнаружения и оперативность принятия решений.
3. Разработанная технология автономного обнаружения малоконтрастных объектов интереса позволяет существенно повысить вероятность обнаружения и правильной классификации объектов интереса по сравнению с RGB или тепловыми камерами машинного зрения, а в случае неподвижных наземных целей также и по сравнению с радиодиапазоном.

Освещение в СМИ:
1. Платформа "Маркер". Где пригодится новый российский робот? https://tass.ru/armiya i opk/12767871
2. Аэробот ". Конкурс по автономному управлению БЛА https://fpi.gov.ru/press/news/v%20konkurse%20aerobot%20pobedili%20robototekhniki%20iz%20taganroga/
3. Россия бросила на Украину боевых роботов. Они будут уничтожать западные "Леопарды" и " Абрамсы " https://www.kp.ru/daily/27460/4715484/
4. Рогозин: робот "Маркер" будет автоматически поражать танки Abrams и Leopard https://ria.ru/20230126/marker 1847477278.html

Команда проекта:
НИИ Робототехники и процессов управления ЮФУ
Будко Артём Юрьевич (Научный руководитель, разработчик СТЗ)
Гайда Татьяна Александровна (Разработчик систем принятия решения на основе методов машинного обучения с подкреплением)
Пархоменко Владимир Борисович (Разработчик систем принятия решения на основе методов машинного обучения с подкреплением)
Караев Артём Дмитриевич (Специалист по большим данным и машинному обучению, разработчик систем навигации по визуальным данным)

Контакты:
abudko@sfedu.ru

Номинация: Алгоритмы и программные решения в области ИИ и больших данных

Год: 2023

Результат: Победитель