Российские ученые научили мобильных роботов строить 3D карты помещений

Специалисты выяснили, как с помощью нейросетей создавать трехмерные карты пространства, в которых находятся роботы. Это поможет им избегать столкновений и осуществлять автономную навигацию. Работа проходила в рамках проекта, поддерживаемого Российским научным фондом, а ее результаты были представлены на конференции European Conference on Mobile Robotics, которая проходит 4-7 сентября в Чехии. Сотрудники Института проблем искусственного интеллекта ФИЦ "Информатика и управление" РАН исследуют методы и алгоритмы, с помощью которых автоматически строятся планы помещений на основе видео, полученного с камеры, закрепленной на роботе. Даже если система GPS не работает, робот снимает обстановку вокруг себя и по последовательности кадров – видеопотоку – выстраивает план помещения и определяет свое местоположение в нем и пройденную траекторию. Такое "умение" очень важно для обеспечения безопасной автономной навигации при проведении поисково-спасательных работ или при доставке грузов до адресата внутри незнакомого помещения. Однако камера, хоть и показывает обстановку, не может определить точное расстояние до предметов в пространстве, а это очень важно для построения точной карты. Для решения задачи определения расстояния в последнее время активно используются нейронные сети, которые "учатся" предсказывать расстояние по изображению. Проблема заключается в том, что такие нейросети обычно требуют для своей работы мощного железа, которое не всегда можно установить на мобильного робота (из-за ограничений на грузоподъемность и энерговооруженность). Именно эту проблему и решали сотрудники ФИЦ "Информатика и управление" РАН. "В этой работе мы создали такую нейросеть, которая, с одной стороны, качественно определяет расстояние до объектов в пространстве, а с другой - быстро работает на маломощных компьютерах, таких как Nvidia Jetson, – рассказывает один из авторов исследования Константин Яковлев, кандидат физико-математических наук, сотрудник Института проблем искусственного интеллекта ФИЦ ИУ РАН. Эта нейросеть имеет архитектуру энкодер-декодер, которая часто используется при решении подобного рода задач. Энкодер – это часть нейросети, которая извлекает из цветного изображения некоторые признаки. Декодер из этих признаков извлекает информацию о расстояниях до объектов – карту глубины. "Наше новшество состоит в том, что мы методом проб и ошибок существенно упростили структуру декодера, а также внесли улучшения в процесс обучения – изменили структуру функции потерь. За счет этого сеть работает быстро и при этом достаточно хорошо определяет расстояния до объектов", – поясняет Константин. Полученная таким образом карта глубины используется в дальнейшем для построения общей 3D карты окружающего пространства.